(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 202211201931.9 (22)申请日 2022.09.29 (71)申请人 阿里巴巴 （中国） 有限公司 地址 311121 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 董保华　崔恒斌　冯帆　关新宇　 樊艳　 (74)专利代理 机构 北京合智同创知识产权代理 有限公司 1 1545 专利代理师 李杰　杨雷 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/28(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) (54)发明名称 对话推荐与模型训练方法、 装置、 电子设备 和存储介质 (57)摘要 本发明实施例提供了一种对话推荐与模型 训练方法、 装置、 电子设备和存储介质。 所述对话 推荐方法包括： 确定当前对话语句中的多个推荐 要素； 在预先构建的推荐对象图谱中， 查询所述 多个推荐要素之间的关联关系， 所述推荐对象图 谱的实体指示推荐要素， 所述推荐对象图谱的实 体关系指示不同推荐要素之间的关联关系； 至少 基于所述多个推荐要素及其关联关系之间的上 下文语义关联， 构建所述当前对话语句的当前主 题的偏好表示； 基于所述当前主题的偏好表示， 预测所述当前主题的下一主题； 推荐与所述下一 主题匹配的推荐对象。 本发明实施例的方案在保 证了推荐的准确度的同时进一步地提高了推荐 效率。 权利要求书3页 说明书11页 附图4页 CN 115408508 A 2022.11.29 CN 115408508 A 1.一种对话推荐方法， 包括： 确定当前对话语句中的多个 推荐要素； 在预先构建的推荐对象图谱中， 查询所述多个推荐要素之间的关联关系， 所述推荐对 象图谱的实体指示推荐要 素， 所述推荐对象图谱的实体关系指示不同推荐要 素之间的关联 关系； 至少基于所述多个推荐要素及其关联关系之间的上下文语义关联， 构建所述当前对话 语句的当前主题的偏好表示； 基于所述当前主题的偏好表示， 预测所述当前主题的下一主题； 推荐与所述下一主题匹配的推荐对象。 2.根据权利要求1所述的方法， 其中， 所述推荐与所述下一主题匹配的推荐对象， 包括： 在所述下一主题与对象标签匹配时， 对所述对象标签所属的推荐对象进行推荐。 3.根据权利要求2所述的方法， 其中， 所述对所述对象标签所属的推荐对象进行推荐， 包括： 确定具有所述对象标签的多个备选推荐对象； 基于所述多个备选推荐对象与所述当前主题的偏好表示的相似度， 对所述多个备选推 荐对象进行排序； 基于多个备选推荐对象的排序， 选择所述多个备选推荐对象中的推荐对象进行推荐， 所述推荐对象在所述多个备选推荐对象中的排序 序数小于预设序数。 4.根据权利要求2所述的方法， 其中， 所述方法还 包括： 在所述下一主题与所述对象标签不匹配时， 基于所述当前主题的偏好表示、 以及所述 下一主题， 生成所述当前对话语句的回复语句。 5.根据权利要求1所述的方法， 其中， 所述至少基于所述多个推荐要素及其关联关系之 间的上下文语义关联， 构建所述当前对话语句的当前主题的偏好表示， 包括： 分别生成所述多个 推荐要素的多个初始向量表示； 基于所述多个推荐要素的关联关系， 对所述多个初始向量表示进行上下文语义处理， 得到所述多个 推荐要素的第一上 下文语义表示； 至少基于所述第一上 下文语义表示， 构建所述当前对话语句的当前主题的偏好表示。 6.根据权利要求5所述的方法， 其中， 所述基于所述多个推荐要素的关联关系， 对所述 多个初始向量表示进行上下文语义处理， 得到所述多个推荐要素 的第一上下文语义表示， 包括： 构建所述多个初始向量表示的初始 矩阵表示； 构建所述多个初始向量之间的关系矩阵以及度矩阵； 将所述初始矩阵表示、 所述关系矩阵以及所述度矩阵进行编码输入到 图卷积网络中， 得到所述多个推荐要 素的第一上下文语义表示， 所述图卷积网络通过图训练数据的初始矩 阵表示、 关系矩阵以及度矩阵及其分类标签预 先训练得到 。 7.根据权利要求5所述的方法， 其中， 所述方法还 包括： 生成所述当前对话语句的历史对话语句及其历史主题、 以及对话用户偏好中的至少一 者的各个第二上 下文语义表示； 所述至少基于所述第 一上下文语义表示， 构建所述当前对话语句的当前主题的偏好表权　利　要　求　书 1/3 页 2 CN 115408508 A 2示， 包括： 基于所述第 一上下文语义表示、 所述各个第 二上下文语义表示输入到预先训练 的自注 意力层中， 得到所述当前对话语句的当前主题的偏好表示， 所述自注意力层用于对所述第 一上下文语义表示以及所述各个第二上 下文语义表示进行基于对话主题的上 下文表示。 8.根据权利要求7所述的方法， 其中， 所述自注意力层的输出与主题引导层的输入连 接， 所述自注意力层与所述主题引导层组成引导主题引导模型， 所述主题引导模型通过不 同对话语句的主题引导关系训练得到； 所述基于所述当前主题的偏好表示， 预测所述当前主题的下一主题， 包括： 将所述当前主题的偏好表示输入到主题引导层， 得到所述当前主题的下一主题。 9.根据权利要求7 所述的方法， 其中， 所述方法还 包括： 基于所述当前主题的偏好表示以及所述推荐对象， 生成所述当前对话语句的回复语 句。 10.一种模型训练方法， 包括： 获取对话语句样本及其所述对话语句样本的引导主题； 确定所述对话语句样本中的多个 推荐要素； 在预先构建的推荐对象图谱中， 查询所述多个推荐要素之间的关联关系， 所述推荐对 象图谱的实体指示推荐要 素， 所述推荐对象图谱的实体关系指示不同推荐要 素之间的关联 关系； 至少基于所述多个推荐要素及其关联关系之间的上下文语义关联作为输入， 以所述引 导主题作为 监督条件， 对主题引导模型进行训练。 11.一种对话推荐装置， 包括： 确定模块， 确定当前对话语句中的多个 推荐要素； 查询模块， 在预先构建的推荐对象图谱中， 查询所述多个推荐要素之间的关联关系， 所 述推荐对象图谱的实体指示推荐要素， 所述推荐对象图谱的实体关系指示不同推荐要 素之 间的关联关系； 构建模块， 至少基于所述多个推荐要素及其关联关系之间的上下文语义关联， 构建所 述当前对话语句的当前主题的偏好表示； 预测模块， 基于所述当前主题的偏好表示， 预测所述当前主题的下一主题； 推荐模块， 推荐与所述下一主题匹配的推荐对象。 12.一种模型训练装置， 包括： 获取模块， 获取对话语句样本及其所述对话语句样本的引导主题； 确定模块， 确定所述对话语句样本中的多个 推荐要素； 查询模块， 在预先构建的推荐对象图谱中， 查询所述多个推荐要素之间的关联关系， 所 述推荐对象图谱的实体指示推荐要素， 所述推荐对象图谱的实体关系指示不同推荐要 素之 间的关联关系； 训练模块， 至少基于所述多个推荐要素及其关联关系之间的上下文语义关联作为输 入， 以所述引导主题作为 监督条件， 对主题引导模型进行训练。 13.一种电子设备， 包括： 处理器、 存储器、 通信 接口和通信总线， 所述处理器、 所述存储 器和所述通信接口通过所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执权　利　要　求　书 2/3 页 3 CN 115408508 A 3