本技術(shù)實(shí)施例屬于計(jì)算機(jī)，特別是涉及一種對(duì)話的應(yīng)答方法、裝置、終端設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、對(duì)話語言模型是一種機(jī)器學(xué)習(xí)模型，旨在模擬和實(shí)現(xiàn)自然、流暢的人與人之間的對(duì)話過程。對(duì)話語言模型可以理解和生成自然語言文本，即理解用戶以自然語言輸入的內(nèi)容，并生成以自然語言描述的與用戶輸入內(nèi)容相關(guān)且有明確意義的回應(yīng)。用戶在與對(duì)話語言模型進(jìn)行多輪對(duì)話時(shí)，由于多輪對(duì)話中常需要結(jié)合上文語境對(duì)用戶進(jìn)行回應(yīng)，因此為了更為準(zhǔn)確地回應(yīng)用戶，對(duì)話語言模型常需要結(jié)合當(dāng)前對(duì)話中的所有對(duì)話內(nèi)容理解當(dāng)前問題的意圖。

2、在現(xiàn)有技術(shù)中，對(duì)話語言模型一般是直接根據(jù)當(dāng)前對(duì)話過程中的所有歷史信息理解當(dāng)前問題的意圖，因此，當(dāng)歷史信息長(zhǎng)度較長(zhǎng)時(shí)，會(huì)顯著降低語言對(duì)話模型的回應(yīng)速度，且會(huì)大大增加資源消耗。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)實(shí)施例提供了一種對(duì)話的應(yīng)答方法、裝置、終端設(shè)備及存儲(chǔ)介質(zhì)，用以提高對(duì)話模型的回應(yīng)速度。

2、本技術(shù)實(shí)施例的第一方面提供了一種對(duì)話的應(yīng)答方法，包括：

3、響應(yīng)于用戶發(fā)送的待應(yīng)答的目標(biāo)對(duì)話語句，獲取所述目標(biāo)對(duì)話語句所在對(duì)話場(chǎng)景下的所有歷史對(duì)話語句；

4、將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至預(yù)設(shè)的內(nèi)容替換模型中，確定所述目標(biāo)對(duì)話語句中的若干對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞；所述內(nèi)容替換模型用于根據(jù)所述所有歷史對(duì)話語句，確定所述對(duì)話文字在所述所有歷史對(duì)話語句中所指代的所述目標(biāo)指代詞；

5、將所述目標(biāo)指代詞替換了所述對(duì)話文字后的目標(biāo)對(duì)象語句輸入至預(yù)設(shè)的排序算法中，生成所述對(duì)話場(chǎng)景的摘要信息；

6、將所述摘要信息輸入至預(yù)設(shè)的對(duì)話語言模型中，生成所述目標(biāo)對(duì)話語句對(duì)應(yīng)的回應(yīng)信息。

7、在第一方面的一種可能的實(shí)現(xiàn)方式中，所述將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至預(yù)設(shè)的內(nèi)容替換模型中，確定所述目標(biāo)對(duì)話語句中的若干對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞，包括：

8、將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至所述內(nèi)容替換模型中，確定所述對(duì)話文字對(duì)應(yīng)的多個(gè)候選指代詞以及各個(gè)所述候選指代詞對(duì)應(yīng)的指代概率；

9、將所述指代概率大于概率閾值的所述候選指代詞確定為待替換詞；

10、基于所述所有歷史對(duì)話語句對(duì)所有所述待替換詞進(jìn)行篩選，將在所述所有歷史對(duì)話語句中出現(xiàn)過的所述待替換詞確定為所述目標(biāo)指代詞。

11、在第一方面的一種可能的實(shí)現(xiàn)方式中，所述內(nèi)容替換模型包括編碼層和全連接層；

12、在所述將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至所述內(nèi)容替換模型中，確定所述對(duì)話文字對(duì)應(yīng)的多個(gè)候選指代詞以及各個(gè)所述候選指代詞對(duì)應(yīng)的指代概率之前，還包括：

13、將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句分別輸入至預(yù)設(shè)的特征提取算法中，生成所述目標(biāo)對(duì)話語句對(duì)應(yīng)的第一特征向量和各個(gè)所述歷史對(duì)話語句對(duì)應(yīng)的第二特征向量；所述第一特征向量用于表示所述目標(biāo)對(duì)話語句中各個(gè)所述對(duì)話文字的文本特征和位置特征；所述第二特征向量用于表示所述歷史對(duì)話語句中各個(gè)文字的文本特征和位置特征；

14、所述將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至所述內(nèi)容替換模型中，確定所述對(duì)話文字對(duì)應(yīng)的多個(gè)候選指代詞以及各個(gè)所述候選指代詞對(duì)應(yīng)的指代概率，包括：

15、將所述第一特征向量和所述第二特征向量輸入至所述編碼層中，以對(duì)所述第一特征向量和所述第二特征向量進(jìn)行編碼，生成編碼特征；

16、將所述編碼特征輸入至所述全連接層中，確定所述多個(gè)候選指代詞和各個(gè)所述候選指代詞對(duì)應(yīng)的指代概率。

17、在第一方面的一種可能的實(shí)現(xiàn)方式中，所述將所述目標(biāo)指代詞替換了所述對(duì)話文字后的目標(biāo)對(duì)象語句輸入至預(yù)設(shè)的排序算法中，生成所述對(duì)話場(chǎng)景的摘要信息，包括：

18、基于各個(gè)所述對(duì)話文字在所述目標(biāo)對(duì)話語句中的先后次序，逐一將所述對(duì)話文字對(duì)應(yīng)的所有所述目標(biāo)指代詞輸入至所述排序算法中，生成所述對(duì)話文字對(duì)應(yīng)的排序結(jié)果；

19、基于各個(gè)所述排序結(jié)果對(duì)應(yīng)的所述對(duì)話文字在所述目標(biāo)對(duì)話語句中的位置生成所述摘要信息。

20、在第一方面的一種可能的實(shí)現(xiàn)方式中，所述基于各個(gè)所述對(duì)話文字在所述目標(biāo)對(duì)話語句中的先后次序，逐一將所述對(duì)話文字對(duì)應(yīng)的所有所述目標(biāo)指代詞輸入至所述排序算法中，生成所述對(duì)話文字對(duì)應(yīng)的排序結(jié)果，包括：

21、對(duì)于任一所述對(duì)話文字，若所述對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞的數(shù)量為1，則確定所述目標(biāo)指代詞為所述對(duì)話文字對(duì)應(yīng)的排序結(jié)果；

22、若所述對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞的數(shù)量大于1，則獲取各個(gè)所述目標(biāo)指代詞在所述對(duì)話場(chǎng)景中的出現(xiàn)位置，并基于所述出現(xiàn)位置對(duì)所有所述目標(biāo)指代詞進(jìn)行排序以生成所述對(duì)話文字對(duì)應(yīng)的排序結(jié)果。

23、在第一方面的一種可能的實(shí)現(xiàn)方式中，在所述將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至預(yù)設(shè)的內(nèi)容替換模型中，確定所述目標(biāo)對(duì)話語句中的若干對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞之前，還包括：

24、獲取用戶輸入的待訓(xùn)練模型，通過將訓(xùn)練樣本輸入至所述待訓(xùn)練模型中進(jìn)行處理，生成初始結(jié)果；所述訓(xùn)練樣本包括訓(xùn)練向量矩陣和期望指代詞；

25、基于所述初始結(jié)果和所述期望指代詞確定所述初始結(jié)果的誤差值；

26、基于所述誤差值對(duì)所述待訓(xùn)練模型進(jìn)行更新，直至所述誤差值滿足預(yù)設(shè)的訓(xùn)練停止條件，將所述誤差值滿足所述訓(xùn)練停止條件時(shí)對(duì)應(yīng)的所述待訓(xùn)練模型作為所述內(nèi)容替換模型。

27、本技術(shù)實(shí)施例的第二方面提供了一種對(duì)話的應(yīng)答裝置，包括：

28、歷史語句獲取模塊，用于響應(yīng)于用戶發(fā)送的待應(yīng)答的目標(biāo)對(duì)話語句，獲取所述目標(biāo)對(duì)話語句所在對(duì)話場(chǎng)景下的所有歷史對(duì)話語句；

29、指代詞確定模塊，用于將所述目標(biāo)對(duì)話語句和所述所有歷史對(duì)話語句輸入至預(yù)設(shè)的內(nèi)容替換模型中，確定所述目標(biāo)對(duì)話語句中的若干對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞；所述內(nèi)容替換模型用于根據(jù)所述所有歷史對(duì)話語句，確定所述對(duì)話文字在所述所有歷史對(duì)話語句中所指代的所述目標(biāo)指代詞；

30、摘要生成模塊，用于將所述目標(biāo)指代詞替換了所述對(duì)話文字后的目標(biāo)對(duì)象語句輸入至預(yù)設(shè)的排序算法中，生成所述對(duì)話場(chǎng)景的摘要信息；

31、回應(yīng)信息生成模塊，用于將所述摘要信息輸入至預(yù)設(shè)的對(duì)話語言模型中，生成所述目標(biāo)對(duì)話語句對(duì)應(yīng)的回應(yīng)信息。

32、本技術(shù)實(shí)施例的第三方面提供了一種終端設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述第一方面所述的對(duì)話的應(yīng)答方法。

33、本技術(shù)實(shí)施例的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述第一方面所述的對(duì)話的應(yīng)答方法。

34、本技術(shù)實(shí)施例的第五方面提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品在計(jì)算機(jī)上運(yùn)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行上述第一方面所述的對(duì)話的應(yīng)答方法。

35、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例具有以下優(yōu)點(diǎn)：

36、在本技術(shù)實(shí)施例中，終端設(shè)備可以響應(yīng)于用戶發(fā)送的待應(yīng)答的目標(biāo)對(duì)話語句，獲取目標(biāo)對(duì)話語句所在的對(duì)話場(chǎng)景下的所有歷史對(duì)話語句；終端設(shè)備在獲取到對(duì)話場(chǎng)景下的所有歷史對(duì)話語句之后，可以將目標(biāo)對(duì)話語句和所有歷史對(duì)話語句輸入至開發(fā)人員預(yù)先設(shè)定的內(nèi)容替換模型中；終端設(shè)備可以通過內(nèi)容替換模型確定目標(biāo)對(duì)話語句中的若干對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞；其中，內(nèi)容替換模型可以用于根據(jù)輸入的所有歷史對(duì)話語句，確定各個(gè)對(duì)話文字在所有歷史對(duì)話語句中所指代的目標(biāo)指代詞；終端設(shè)備在確定出各個(gè)對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞之后，可以用目標(biāo)指代詞替換目標(biāo)對(duì)象語句中的對(duì)話文字，并將目標(biāo)指代詞替換了對(duì)話文字后的目標(biāo)對(duì)象語句輸入至開發(fā)人員預(yù)先設(shè)定的排序算法中；終端設(shè)備可以通過排序算法生成對(duì)話場(chǎng)景對(duì)應(yīng)的摘要信息；最后，終端設(shè)備可以將生成的摘要信息輸入至開發(fā)人員預(yù)先設(shè)定的對(duì)話語言模型中，以通過對(duì)話語言模型生成目標(biāo)對(duì)話語句對(duì)應(yīng)的回應(yīng)信息。在本技術(shù)實(shí)施例中，終端設(shè)備可以通過內(nèi)容替換模型確定目標(biāo)對(duì)話語句中的各個(gè)對(duì)話文字在歷史對(duì)話語句中所指代的目標(biāo)指代詞，并根據(jù)各個(gè)對(duì)話文字對(duì)應(yīng)的目標(biāo)指代詞生成摘要信息。通過本實(shí)施例提供的方法，對(duì)話語言模型可以不需要對(duì)對(duì)話場(chǎng)景下的所有對(duì)話語句進(jìn)行語義理解，而是可以直接根據(jù)終端設(shè)備生成的摘要信息進(jìn)行回應(yīng)。因此，本實(shí)施例提供的方法可以提高終端設(shè)備在與用戶進(jìn)行對(duì)話時(shí)的回應(yīng)速度，并有效減少對(duì)話語言模型的資源消耗。