(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210412043.5 (22)申请日 2022.04.19 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 舒畅　陈又新　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 专利代理师 王杰辉　曹勇 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/30(2020.01) (54)发明名称 基于人工智能的对话生成方法、 装置、 设备 及存储介质 (57)摘要 本申请涉及人工智能技术领域， 揭示了一种 基于人工智 能的对话生成方法、 装置、 设备及存 储介质， 其中方法包括： 根据所述历史多轮对话 文本生成主题概念特征向量； 根据所述历史多轮 对话文本生成情感特征向量； 根据所述历史多轮 对话文本生成对话态度特征向量； 将所述用户画 像特征向量、 所述主题概念特征向量、 所述情感 特征向量和所述对话态度特征向量输入预设的 对话生成模型进行答复文本生 成， 得到所述目标 用户对话文本对应的目标答复文本。 实现融合了 多维度的特征信息， 使生 成的答复文本的拟人化 较好； 而且主题概念、 情感及对话态度是基于上 下文提取的， 整体考虑了上下文传递的特征变 化， 进一步使生成的答复文本的拟人化较好。 权利要求书3页 说明书11页 附图3页 CN 114756667 A 2022.07.15 CN 114756667 A 1.一种基于人工智能的对话 生成方法， 其特 征在于， 所述方法包括： 获取目标用户对话文本对应的历史多轮对话文本及用户画像特 征向量； 根据所述历史多轮对话文本生成主题概念特 征向量； 根据所述历史多轮对话文本生成情感特 征向量； 根据所述历史多轮对话文本生成对话态度特 征向量； 将所述用户画像特征向量、 所述主题概念特征向量、 所述情感特征向量和所述对话态 度特征向量输入预设的对话生成模型进行答复文本生成， 得到所述目标用户对话文本对应 的目标答复文本 。 2.根据权利要求1所述的基于人工智能的对话生成方法， 其特征在于， 所述根据 所述历 史多轮对话文本生成主题概念特 征向量的步骤， 包括： 将所述历史多轮对话文本中的各轮用户对话文本输入预设的第一主题概念预测模型 进行主题概念预测， 得到用户主题概念预测结果； 将所述历史多轮对话文本中的各轮答复文本输入预设的第二主题概念预测模型进行 主题概念预测， 得到答复主题概念预测结果； 将所述用户主题概念预测结果输入预设的第一双 向GRU模型进行特征提取， 得到用户 隐藏层状态特 征向量； 将所述答复主题概念预测结果输入预设的第二双 向GRU模型进行特征提取， 得到答复 隐藏层状态特 征向量； 对所述用户隐藏层状态特征向量和所述答复隐藏层状态特征向量进行相同位置的向 量元素相加， 得到所述主题概念特 征向量。 3.根据权利要求1所述的基于人工智能的对话生成方法， 其特征在于， 所述根据 所述历 史多轮对话文本生成情感特 征向量的步骤， 包括： 将所述历史多轮对话文本的每个文本输入预设的情感分类模型进行情感分类预测， 得 到单文本情感分类预测结果； 根据各个所述单文本情感分类预测结果确定所述情感特 征向量。 4.根据权利要求1所述的基于人工智能的对话生成方法， 其特征在于， 所述根据 所述历 史多轮对话文本生成对话态度特 征向量的步骤， 包括： 将所述历史多轮对话文本的每个文本输入预设的对话态度分类预测模型进行对话态 度分类预测， 得到单文本对话态度分类预测结果； 根据各个所述单文本对话态度分类预测结果确定所述对话态度特 征向量。 5.根据权利要求1所述的基于人工智能的对话生成方法， 其特征在于， 所述将所述用户 画像特征向量、 所述主题概念特征向量、 所述情感特征向量和所述对话态度特征向量输入 预设的对话生成模型进行答复文本生成， 得到所述目标用户对话文本对应的目标答复文本 的步骤， 包括： 将所述用户画像特征向量、 所述主题概念特征向量、 所述情感特征向量和所述对话态 度特征向量进行 特征融合， 得到目标融合特 征； 将所述目标融合特征输入所述对话生成模型进行答复文本生成， 得到所述目标用户对 话文本对应的所述目标答复文本， 其中， 所述对话生成模型是基于Bert模型训练得到的模 型。权　利　要　求　书 1/3 页 2 CN 114756667 A 26.根据权利要求5所述的基于人工智能的对话生成方法， 其特征在于， 所述将所述用户 画像特征向量、 所述主题概念特征向量、 所述情感特征向量、 所述对话态度特征向量和所述 历史多轮对话文本的最后一个所述答复文本进行特征融合， 得到目标融合特征 的步骤， 包 括： 获取预设的标志位字符和预设的答复掩码向量； 对所述标志位字符、 所述用户画像特征向量、 所述主题概念特征向量、 所述情 感特征向 量、 所述对话态度特 征向量和所述 答复掩码向量进行依次拼接， 得到所述目标融合特 征。 7.根据权利要求6所述的基于人工智能的对话生成方法， 其特征在于， 所述对所述标志 位字符、 所述用户画像特征向量、 所述主题概念特征向量、 所述情感特征向量、 所述对话态 度特征向量和所述 答复掩码向量进行依次拼接， 得到所述目标融合特 征的步骤， 包括： 获取句子 完结符、 对话分割符和分类间隔符； 将所述标志位字符、 所述用户画像特征向量和所述分类间隔符进行依次拼接， 得到第 一特征向量； 获取轮次计数器， 其中， 所述轮次计数器的初始值 为1； 从所述对话态度 特征向量中获取与 所述轮次计数器的值对应的特征向量， 作为第 一待 拼向量； 从所述情感特征向量中获取与所述轮次计数器的值对应的特征向量， 作为第 二待拼向 量； 将所述第一待拼向量与所述第二待拼向量进行依次拼接， 得到单轮特 征向量； 将所述轮次计数器的值加1， 重复执行所述从所述对话态度特征向量中获取与所述轮 次计数器的值对应的特征向量， 作为第一待拼向量的步骤， 直至所述轮次计数器的值大于 所述历史多轮对话文本的对话总轮次； 采用所述句子完结符作为连接符， 对各个所述单轮特征向量按对话轮次进行拼接， 得 到第二特 征向量； 将所述句子 完结符和所述主题概念特 征向量进行依次拼接， 得到第三特 征向量； 将所述对话分割符、 所述答复掩码向量和所述句子完结符进行依次拼接， 得到第 四特 征向量； 将所述第一特征向量、 所述第二特征向量、 所述第三特征向量和所述第 四特征向量进 行依次拼接， 得到所述目标融合特 征。 8.一种基于人工智能的对话 生成装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取目标用户对话文本对应的历史多轮对话文本及用户画像特征 向量； 主题概念特征向量确定模块， 用于根据所述历史多轮对话文本生成主题概念特征向 量； 情感特征向量确定模块， 用于根据所述历史多轮对话文本生成情感特 征向量； 对话态度特 征向量模块， 用于根据所述历史多轮对话文本生成对话态度特 征向量； 目标答复文本确定模块， 用于将所述用户画像特征向量、 所述主题概念特征向量、 所述 情感特征向量和所述对话态度特征向量输入预设的对话生成模型进行答复文本生成， 得到 所述目标用户对话文本对应的目标答复文本 。权　利　要　求　书 2/3 页 3 CN 114756667 A 3