華為的該項(xiàng)專(zhuān)利用于人機(jī)對(duì)話(huà)的方法,具體通過(guò)將自然語(yǔ)言問(wèn)題和知識(shí)庫(kù)向量化,然后向量計(jì)算得到基于知識(shí)庫(kù)的回答,提高了人機(jī)對(duì)話(huà)中自然語(yǔ)言答案的準(zhǔn)確性。
隨著互聯(lián)網(wǎng)和智能終端的快速發(fā)展,人機(jī)對(duì)話(huà)的應(yīng)用越來(lái)越廣泛?,F(xiàn)在,許多互聯(lián)網(wǎng)公司都各自的推出了智能助手,如Apple Siri、Google Now、微軟小娜(Microsoft Cortana)、Facebook M、百度度秘和微軟小冰等等,這些智能助手能夠與人進(jìn)行簡(jiǎn)單的對(duì)話(huà),并且完成一些基本的任務(wù),但是現(xiàn)有的智能助手存在只考慮自動(dòng)問(wèn)答,對(duì)話(huà)中問(wèn)題的回復(fù)的準(zhǔn)確率較低。因此,智能助手的相關(guān)技術(shù)還需要不斷發(fā)展和改進(jìn),朝著更加擬人化、博學(xué)化和智能化的方向發(fā)展。
華為在2015年底提供了一種用于人機(jī)對(duì)話(huà)的方法、神經(jīng)網(wǎng)絡(luò)系統(tǒng)和用戶(hù)設(shè)備,這種方法可以將對(duì)話(huà)和基于知識(shí)庫(kù)的問(wèn)答相結(jié)合,能夠與用戶(hù)進(jìn)行自然語(yǔ)言交互,并且依據(jù)知識(shí)庫(kù)給出基于事實(shí)的正確的自然語(yǔ)言答案。
圖1
圖1為該專(zhuān)利提供的用于人機(jī)對(duì)話(huà)的方法,其中,
在步驟S310中,自然語(yǔ)言問(wèn)題可以是用戶(hù)通過(guò)麥克風(fēng)等進(jìn)行語(yǔ)音輸入,也可以通過(guò)鍵盤(pán)、鼠標(biāo)等進(jìn)行文字或圖形的輸入,還可以是其它的一些輸入形式,系統(tǒng)根據(jù)用戶(hù)輸入的自然語(yǔ)言問(wèn)題能夠轉(zhuǎn)化為序列即可。
步驟S320,將自然語(yǔ)言轉(zhuǎn)化為問(wèn)題向量??梢詫⒆匀徽Z(yǔ)言問(wèn)題作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第一神經(jīng)網(wǎng)絡(luò)模塊的輸入,計(jì)算獲得該自然語(yǔ)言問(wèn)題對(duì)應(yīng)的問(wèn)題向量。
步驟S330的目的是獲取與前述自然語(yǔ)言問(wèn)題相關(guān)的答案。以知識(shí)答案為三元組為例,則是獲得與自然語(yǔ)言問(wèn)題相關(guān)的至少一個(gè)三元組,其中,至少一個(gè)三元組與至少一個(gè)三 元組向量對(duì)應(yīng)。
步驟340的作用是計(jì)算問(wèn)題向量與至少一個(gè)三元組中每個(gè)三元組的三元組向量表示的相似度,然后輸出以相似度作為元素的中間結(jié)果向量,以此來(lái)指示問(wèn)題向量與答案向量的相似度。
步驟350的作用則是將問(wèn)題向量和中間結(jié)果向量作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的第三神經(jīng)網(wǎng)絡(luò)模塊的輸入,將問(wèn)題向量和中間結(jié)果向量進(jìn)行綜合,計(jì)算獲得自然語(yǔ)言問(wèn)題的自然語(yǔ)言答案。
下圖為該專(zhuān)利提供的具有人機(jī)對(duì)話(huà)功能的用戶(hù)設(shè)備的結(jié)構(gòu)圖,包括處理器510、輸入設(shè)備520、存儲(chǔ)器530和輸出設(shè)備540,各組件通過(guò)總線(xiàn)系統(tǒng)550耦合在一起。
圖2
輸入設(shè)備520用于獲取用戶(hù)輸入的自然語(yǔ)言問(wèn)題,存儲(chǔ)器530用于存儲(chǔ)由處理器510執(zhí)行的指令。該處理器具有多種功能:
1.將問(wèn)題向量和至少一個(gè)知識(shí)答案向量作為輸入,計(jì)算問(wèn)題向量與每個(gè)知識(shí)答案向量的相似度;
2.知識(shí)答案向量為三元組向量時(shí),將三元組的主語(yǔ)、謂語(yǔ)和賓語(yǔ)分別用第一獨(dú)熱向量、第二獨(dú)熱向量和第三獨(dú)熱向量表示;
3.將自然語(yǔ)言問(wèn)題作為輸入,將自然語(yǔ)言問(wèn)題的詞序列表示為低維向量序列;
將問(wèn)題向量和中間結(jié)果向量作為輸入,計(jì)算以問(wèn)題向量和中間結(jié)果向量作為條件的輸出序列的聯(lián)合概率,生成自然語(yǔ)言答案;
4.將問(wèn)題向量和中間結(jié)果向量作為輸入,通過(guò)遞歸神經(jīng)網(wǎng)絡(luò)模型,計(jì)算輸出序列的概率,生成自然語(yǔ)言答案。
該專(zhuān)利提供的用于人機(jī)對(duì)話(huà)的方法通過(guò)將自然語(yǔ)言問(wèn)題和知識(shí)庫(kù)向量化,通過(guò)向量計(jì)算得到基于知識(shí)庫(kù)的,表示自然語(yǔ)言問(wèn)題和知識(shí)庫(kù)答案相似度的中間結(jié)果向量,再根據(jù)問(wèn)題向量和中間結(jié)果向量計(jì)算得到基于事實(shí)的正確的自然語(yǔ)言答案。該方法固然滿(mǎn)足不了用戶(hù)100%的滿(mǎn)意度,但他提高了人機(jī)對(duì)話(huà)中自然語(yǔ)言答案的準(zhǔn)確性。
-
華為
+關(guān)注
關(guān)注
215文章
34126瀏覽量
249439 -
人機(jī)對(duì)話(huà)
+關(guān)注
關(guān)注
0文章
10瀏覽量
9548
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論