一种基于神经网络模型的任务驱动型对话决策方法

摘要

本发明提供了一种基于神经网络模型的任务驱动型对话决策方法，通过训练模型内的置信状态跟踪器及其他部分参数，由意图识别模型生成的编码矢量作为意图分布和置信状态跟踪器生成的置信状态概率分布，交由数据库使用采集好的语料库进行查询，使用数据库搜索结果、意图分布以及概率分布交由策略网络组合形成系统动作，传递给生成网络组合输出系统应答，完成对话功能，拥有鲁棒性较好等特点，解决了当下任务驱动型对话系统存在的模型表达能力较差，训练难度大，模型可学习性限制较多，模型训练数据量庞大，模型训练奖励机制不完整，具体领域内实用性较差等问题。