任務(wù)導(dǎo)向型對(duì)話策略生成方法

基本信息

申請(qǐng)?zhí)?/td> CN202110312779.0 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN112949858A 公開(kāi)（公告）日 2021-06-11
申請(qǐng)公布號(hào) CN112949858A 申請(qǐng)公布日 2021-06-11
分類號(hào) G06N3/08;G06K9/62 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 孟亞磊;劉繼明;金寧;陳浮;趙經(jīng)緯 申請(qǐng)（專利權(quán)）人 網(wǎng)經(jīng)科技（蘇州）有限公司
代理機(jī)構(gòu) 江蘇圣典律師事務(wù)所 代理人 王玉國(guó)
地址 215021 江蘇省蘇州市工業(yè)園區(qū)金雞湖大道1355號(hào)國(guó)際科技園一期
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及任務(wù)導(dǎo)向型對(duì)話策略生成方法，先建立對(duì)話狀態(tài)跟蹤器，確定對(duì)話狀態(tài)空間與動(dòng)作空間及其形式化表示；再使用變分自動(dòng)編碼器模擬對(duì)話狀態(tài)；使用多層感知器與Gumbel Softmax模擬對(duì)話動(dòng)作；模擬樣本生成器與判別器對(duì)抗訓(xùn)練；最后使用增強(qiáng)學(xué)習(xí)方法訓(xùn)練對(duì)話策略。首先使用模擬樣本生成器來(lái)學(xué)習(xí)獎(jiǎng)勵(lì)函數(shù)，來(lái)自判別器的損失可直接反饋給生成器進(jìn)行優(yōu)化；其次，訓(xùn)練好的判別器作為對(duì)話獎(jiǎng)勵(lì)被納入增強(qiáng)學(xué)習(xí)過(guò)程中用于指導(dǎo)對(duì)話策略學(xué)習(xí)；可利用任何增強(qiáng)學(xué)習(xí)算法來(lái)更新對(duì)話策略；可先通過(guò)區(qū)分人類與機(jī)器各自生成的對(duì)話，推斷出人類生成的高質(zhì)量對(duì)話中包含的共同信息，然后充分利用學(xué)到的信息，以遷移學(xué)習(xí)的方式指導(dǎo)新領(lǐng)域的對(duì)話策略學(xué)習(xí)。