一种基于自学习对话模型的人机对话方法及系统

摘要

本公开提供了一种基于自学习对话模型的人机对话方法及系统；所述方案利用预定义的角色信息训练一个角色信息记忆网络，预测回复时首先利用角色信息记忆网络生成与当前语境相关程度最高的角色信息，并将角色信息输入到对话生成网络中；通过适当地融入角色信息更符合用户之间的对话习惯，使模型生成的回复更加具有个性和多样性；同时，本公开所述方案将基于马尔可夫决策过程的强化学习方式融入模型的学习过程中，对模型的参数进行微调和优化，利用对话生成的模型初始化两个学习体，让它们进行多轮的对话探索；随着学习体的探索，每个学习体的角色信息记忆选择网络会完善对对方的印象描述，一组成功的对话可以让对话双方通过对话的内容和对话者的特点增强对对方的了解。