融合对话检测的端到端多轮对话改写方法、系统与存储介质

申请/专利权人：南京云问网络技术有限公司

申请日：2022-10-18

公开（公告）日：2023-03-03

公开（公告）号：CN115730052A

主分类号：G06F16/332

分类号：G06F16/332;G06N20/20

优先权：

专利状态码：在审-公开

法律状态：2023.03.03#公开

摘要：本发明涉及自然语言处理技术领域，提供一种融合对话检测的端到端多轮对话改写方法、系统与存储介质。在本发明提出的融合对话检测的端到端多轮对话改写方法中，通过联合学习的方法训练检测器和生成器，解决了Pipeline方法级联误差及匹配和填充后语句不通顺的问题，提高检测器的检测效果；通过检测器忽略不需改写的句子以及将对话检测的相关信息融合到生成器中，解决了Seq2Seq方法速度较慢以及重复编码的问题，本发明的对话改写过程中不需要生成器对文本重复编码，可提高模型预测速度，同时将对话检测的相关信息融合到生成器中，提高改写句子的生成效果。

主权项：1.一种融合对话检测的端到端多轮对话改写方法，其特征在于，包括以下步骤：步骤101：从对话系统中获取用户的输入，包括，当前轮对话C以及历史轮对话U，历史轮对话U中的每一个数据表示其中一端的对话文本；步骤102：对获得用户的输入，使用[SEP]符号依次进行每一端的对话文本的拼接，并对拼接结果进行特征提取，获得对应的特征id；步骤103：将获得的特征id输入到基于Transformer结构的模型M的检测器中，对当前轮对话进行检测，获取当前轮对话C中每一个字符的状态，状态标签包含：A-插入、D-删除、R-替换以及K-不变；步骤104：根据步骤103获取的字符的状态，判断是否所有状态均为K，如果是则进行步骤105，否则进行步骤106；步骤105：直接返回用户当前轮对话C，不进行改写操作；步骤106：将步骤103获取的字符状态进行词嵌入，实现向量化，然后将向量化获得的字符状态嵌入表征El与检测器输出E′进行拼接，获取拼接向量E″；步骤107：将拼接向量E″以及起始符号sos输入到所述基于Transformer结构的模型M的生成器中，进行逐字生成，其中生成器为一个标准Transformer模型Decoder结构，并将其输出结果经过一个全连接层，通过softmax激活函数，进行逐字生成；步骤108：当预测生成的标签为结束符号eos时，停止生成，输出用户当前轮对话改写后的句子C′。

全文数据：

权利要求：

百度查询： 南京云问网络技术有限公司 融合对话检测的端到端多轮对话改写方法、系统与存储介质

免责声明 1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。 2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。