一种任务型对话系统和方法

本发明涉及人工智能，具体而言，涉及一种任务型对话系统和方法。

背景技术：

1、对话系统作为人工智能领域一个十分关键的任务，以自然语言为介质实现与人类的沟通交互，在知识检索、自助服务、社交网络等多种现实场景中都有着广泛的应用。其中，任务型对话系统面向垂直领域，通过与用户的多轮交互逐步完善系统对用户的语义理解、意图识别，能够使用尽可能少的对话轮数帮助用户实现特定的任务要求或提供相应的信息服务。

2、现有任务型对话系统主要采用特征工程和规则设计等传统机器学习方法，依靠额外的人力资源和专业知识实现系统构建，随着技术的发展，对于数据采集的需求越来越大，同时，对于数据还需进行标注标签等处理，导致系统的可用性、泛化性十分有限，降低了对话效率，并且在任务型对话系统由于缺少专业领域知识的数据来源，常常造成过多查询与输入无关的数据，也造成了处理效率的低下。

技术实现思路

1、本发明所要解决的问题是如何提升任务型对话系统问询证据收集和处理的有效性，进而提升最终结果预测的准确性和处理效率。

2、为解决上述问题，本发明提供一种任务型对话系统，包括证据采集模块、结果预测模块和证据询问模块，

3、所述证据采集模块用于获取用户对话中的问询证据，并将所述问询证据发送至所述结果预测模块和所述证据询问模块；

4、所述结果预测模块用于对所述问询证据进行结果标签预测处理，得到标签预测概率，并比较所述标签预测概率与预设预测阈值，

5、当所述标签预测概率大于或等于所述预设预测阈值时，生成预测结果和证据链路；

6、当所述标签预测概率小于所述预设预测阈值时，将所述问询证据发送至所述证据询问模块；

7、所述证据询问模块用于根据经验知识和领域知识图谱，对所述问询证据进行处理，得到所述问询证据的关键证据，对所述关键证据进行循证处理，得到循证结果，并将所述循证结果发送至所述结果预测模块进行结果标签预测处理，生成所述标签预测概率，直至所述标签预测概率大于或等于所述预设预测阈值。

8、与现有技术相比：本发明获得对话中的问询证据后，通过结果预测模块先确定与问询证据相关的结果标签及其概率，即对所述问询证据进行结果标签预测处理，得到标签预测概率，并判断所述标签预测概率是否大于预设预测阈值，当标签预测概率大于或等于预设预测阈值时，告知用户最终预测结果并结束对话，否则当标签预测概率小于预设预测阈值时，需将问询证据输入证据询问模块，根据证据询问模块的决策继续询问用户是否存在相关证据，通过经验知识和领域知识图谱，对所述问询证据进行处理，得到所述问询证据的关键证据，对所述关键证据进行循证处理，得到循证结果，进而排除错误证据，并将所述循证结果发送至所述结果预测模块进行结果标签预测处理，生成所述标签预测概率，以进行判断标签预测概率是否大于预设预测阈值，直至结束问询。通过本发明借助经验知识和专业领域知识，提升任务型对话系统问询证据收集的有效性，以增加最终结果预测的准确性。

9、可选地，所述证据询问模块包括证据鉴别力单元，

10、所述证据鉴别力单元用于获取证据数据集，根据所述经验知识对所述证据数据集中的结果标签进行建模处理，生成证据与标签的局部相关性建模和证据与标签的全局相关性建模，

11、根据所述证据与标签的局部相关性建模生成证据局部重要性矩阵；

12、根据所述证据与标签的全局相关性建模生成证据全局关键性矩阵；

13、根据所述证据局部重要性矩阵和所述证据全局关键性矩阵生成证据判别矩阵。

14、可选地，所述根据所述证据与标签的局部相关性建模生成证据局部重要性矩阵，包括：

15、通过局部关键性公式，对所述证据与标签的局部相关性建模进行处理，生成证据局部重要性矩阵，

16、其中，所述局部关键性公式为：

17、

18、其中，si为所述证据数据集中的证据，dj为所述结果标签，ml(i,j)为所述结果标签的局部重要性，n(dj,si)为所述证据si与所述结果标签dj的共现次数，n为结果标签的类别数量。

19、可选地，所述根据所述证据与标签的全局相关性建模生成证据全局关键性矩阵，包括：

20、通过全局关键性公式，对所述证据与标签的全局相关性建模生成证据全局关键性矩阵，

21、其中，所述全局关键性公式为：

22、

23、其中，si为所述证据数据集中的证据，ε为非零常数，mg(i)为所述结果标签的全局重要性.

24、可选地，所述证据询问模块包括证据掩码单元，

25、所述证据掩码单元用于获取领域知识图谱，根据所述领域知识图谱对所述问询证据进行定位处理，得到所述问询证据在所述领域知识图谱中的目标节点，提取所述领域知识图谱中与所述目标节点相关的待预测节点和剩余证据节点，根据所述待预测节点和所述剩余证据节点，生成个性化图谱子图，根据所述个性化图谱子图得到证据掩码矩阵。

26、可选地，所述证据询问模块包括证据处理单元，

27、所述证据处理单元用于将所述问询证据进行词嵌入处理，根据处理后的所述问询证据得到初步的标签预测概率，将所述初步的标签预测概率和所述证据判别矩阵进行处理，生成待选关键证据，将所述待选关键证据与所述证据掩码矩阵进行处理，得到所述关键证据，对所述关键证据进行循证处理，得到循证结果，并将所述循证结果发送至所述结果预测模块进行结果标签预测处理，生成所述标签预测概率，不断迭代，直至所述标签预测概率大于或等于所述预设预测阈值。

28、可选地，所述将所述循证结果发送至所述结果预测模块进行结果标签预测处理，生成所述标签预测概率，包括：

29、通过证据询问概率公式，将所述循证结果进行结果标签预测处理，生成所述标签预测概率；

30、其中，所述证据询问概率公式为：

31、et＝μσ(rlt)+(1-μ)σ(rankt)，

32、其中，et为所述标签预测概率，μ为可学习参数，σ(·)为激活函数，rlt为强化学习生成的证据问询概率，rankt为基于所述证据鉴别力矩阵的证据询问概率，

33、其中，所述基于所述证据鉴别力矩阵的证据询问概率由鉴别力与之前的所述标签预测概率通过鉴别力与概率公式生成，所述鉴别力与概率公式为：

34、

35、其中，rankt为基于所述证据鉴别力矩阵的证据询问概率，dt为由所述结果预测模块输出的标签预测概率，rankt为将所述问询证据进行结果标签预测处理，得到的所述标签预测概率，为第t次问询对应的证据判别矩阵。

36、可选地，所述结果预测模块包括结果标签预测单元，

37、所述结果标签预测单元用于对所述问询证据进行词嵌入处理和标签注意力处理，生成所述标签预测概率。

38、可选地，所述结果预测模块包括概率预测判断单元，

39、所述概率预测判断单元用于根据历史对话中的问询证据生成所述预设预测阈值，将所述标签预测概率与所述预设预测阈值进行对比；

40、当所述标签预测概率大于或等于所述预设预测阈值时，生成所述预测结果和所述证据链路；

41、当所述标签预测概率小于所述预设预测阈值时，将所述问询证据发送至所述证据询问模块。

42、为解决上述问题，本发明还提供了一种任务型对话方法，包括：

43、获取历史对话中的问询证据；

44、对所述问询证据进行结果标签预测处理，得到标签预测概率，并比较所述标签预测概率与预设预测阈值，

45、当所述标签预测概率大于或等于所述预设预测阈值时，生成预测结果和证据链路；

46、当所述标签预测概率小于所述预设预测阈值时，根据经验知识和领域知识图谱，对所述问询证据进行处理，得到所述问询证据的关键证据，对所述关键证据进行循证处理，得到循证结果，并将所述循证结果进行结果标签预测处理，生成所述标签预测概率，直至所述标签预测概率大于或等于所述预设预测阈值，生成所述预测结果和所述证据链路。

47、本发明所述的一种任务型对话方法与所述的一种任务型对话系统相对于现有技术的优势相同，在此不再赘述。