(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 202210477954.6 (22)申请日 2022.04.29 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 鲍思琪　黄信娴　何煌　王凡　 吴华　黄世维　何径舟　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 吴晓兵 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01)G06N 5/02(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 对话生成方法、 模 型的训练方法、 装置、 设备 及介质 (57)摘要 本公开提供了对话生成方法、 用于对话生成 的模型的训练方法、 装置、 电子设备、 存储介质以 及程序产品， 涉及人工智 能技术领域， 尤其涉及 深度学习、 智能搜索、 语音 技术等技术领域。 具体 实现方案为： 基于对话信息， 生成检索信息； 提取 检索信息中的检索对象； 从与检索对象相匹配的 数据源中， 确定与检索信息相匹配的知识信息； 以及基于知识信息， 生成与对话信息相匹配的知 识回复内容。 权利要求书4页 说明书12页 附图6页 CN 114840671 A 2022.08.02 CN 114840671 A 1.一种对话 生成方法， 包括： 基于对话信息， 生成检索信息； 提取所述检索信息中的检索对象； 从与所述检索对象相匹配的数据源中， 确定与所述检索信息相匹配的知识信息； 以及 基于所述知识信息， 生成与所述对话信息相匹配的知识回复内容。 2.根据权利要求1所述的方法， 还 包括： 基于所述对话信息， 生成通用回复内容； 以及 基于所述知识回复内容和所述 通用回复内容， 确定目标回复内容。 3.根据权利要求1或2所述的方法， 其中， 所述确定与所述检索信息相匹配的知识信息 包括： 确定与所述检索信息相匹配的多个候选知识信息； 以及 基于所述多个候选知识信 息各自的点击率， 从所述多个候选知识信 息中确定所述知识 信息。 4.一种用于对话 生成的模型的训练方法， 包括： 基于训练样本的样本对话信息， 生成样本检索信息， 其中， 所述训练样本还包括与所述 样本对话信息相匹配的样本参 考回复内容； 提取所述样本检索信息中的检索对象； 从与所述检索对象相匹配的数据源中， 确定与 所述样本检索信 息相匹配的样本知识信 息； 基于所述样本知识信息， 生成样本知识回复内容； 以及 利用所述样本知识回复内容和所述样本参考回复内容， 训练深度学习模型， 得到语言 处理模型。 5.根据权利要求4所述的方法， 其中， 所述利用所述样本知识回复内容和所述样本参考 回复内容， 训练所述深度学习模型， 得到语言处 理模型包括： 确定所述样本知识回复内容和所述样本参 考回复内容之间的第一目标匹配度； 以及 基于所述第一目标匹配度调整所述深度学习模型的参数， 得到所述语言处 理模型。 6.根据权利要求5所述的方法， 其中， 所述确定所述样本知识回复内容和所述样本参考 回复内容之间的第一目标匹配度包括： 确定所述样本知识回复内容的内容类型； 以及 采用与所述内容类型相匹配的相关性确定方式， 确定所述样本知识回复内容和所述样 本参考回复内容之间的所述第一目标匹配度。 7.根据权利要求 4至6中任一项所述的方法， 还 包括： 基于所述样本对话信息， 得到样本通用回复内容； 所述利用所述样本知识回复内容和所述样本参考回复内容， 训练所述深度学习模型， 得到语言处 理模型包括： 利用所述样本知识回复内容、 所述样本通用回复内容和所述样本参考回复内容， 训练 所述深度学习模型， 得到所述语言处 理模型。 8.根据权利要求7所述的方法， 其中， 所述利用所述样本知识回复内容、 所述样本通用 回复内容和所述样本参 考回复内容， 训练所述深度学习模型， 得到所述语言处 理模型包括：权　利　要　求　书 1/4 页 2 CN 114840671 A 2确定所述样本知识回复内容与所述样本参 考回复内容之间的第一匹配度； 确定所述样本通用回复内容与所述样本参 考回复内容之间的第二匹配度； 从所述第一匹配度和所述第二匹配度中确定第二目标匹配度； 以及 基于所述第二目标匹配度调整所述深度学习模型的参数， 得到所述语言处 理模型。 9.根据权利要求6所述的方法， 其中， 所述第一目标匹配度包括以下至少一项： 语义相似度、 特 征相似度、 共现词频率； 其中， 所述内容类型包括以下至少一项： 链接、 图像、 文本 。 10.根据权利要求4至9中任一项所述的方法， 其中， 所述确定与 所述样本检索信 息相匹 配的样本知识信息包括： 确定与所述样本检索信息相匹配的多个样本候选知识信息； 以及 基于所述多个样本候选知识信 息各自的点击率， 从所述多个样本候选知识信 息中确定 所述样本知识信息 。 11.一种对话 生成方法， 包括： 将对话信息 输入至语言处 理模型中， 得到与所述对话信息相匹配的知识回复内容， 其中， 所述语言处 理模型是利用根据权利要求 4至10中任一项所述的方法训练的。 12.一种对话 生成装置， 包括： 第一生成模块， 用于基于对话信息， 生成检索信息； 提取模块， 用于提取 所述检索信息中的检索对象； 检索模块， 用于从与所述检索对象相匹配的数据源中， 确定与所述检索信息相匹配的 知识信息； 以及 第二生成模块， 用于基于所述知识信息， 生成与所述对话信息相匹配的知识回复内容。 13.根据权利要求12所述的装置， 还 包括： 第三生成模块， 用于基于所述对话信息， 生成通用回复内容； 以及 确定模块， 用于基于所述知识回复内容和所述 通用回复内容， 确定目标回复内容。 14.根据权利要求12或13所述的装置， 其中， 所述检索模块包括： 第一确定单 元， 用于确定与所述检索信息相匹配的多个候选知识信息； 以及 第二确定单元， 用于基于所述多个候选知识信息各自的点击率， 从所述多个候选知识 信息中确定所述知识信息 。 15.一种用于对话 生成的模型的训练装置， 包括： 第一样本生成模块， 用于基于训练样本的样本对话信息， 生成样本检索信息， 其中， 所 述训练样本还 包括与所述样本对话信息相匹配的样本参 考回复内容； 样本提取模块， 用于提取 所述样本检索信息中的检索对象； 样本检索模块， 用于从与所述检索对象相匹配的数据源中， 确定与所述样本检索信息 相匹配的样本知识信息； 第二样本生成模块， 用于基于所述样本知识信息， 生成样本知识回复内容； 以及 训练模块， 用于利用所述样本知识回复内容和所述样本参考回复内容， 训练深度学习 模型， 得到语言处 理模型。 16.根据权利要求15所述的装置， 其中， 所述训练模块包括： 匹配度确定单元， 用于确定所述样本知识回复内容和所述样本参考 回复内容之间的第权　利　要　求　书 2/4 页 3 CN 114840671 A 3