(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210674679.7 (22)申请日 2022.06.15 (65)同一申请的已公布的文献号 申请公布号 CN 114756693 A (43)申请公布日 2022.07.15 (73)专利权人 科大讯飞 （苏州） 科技有限公司 地址 215000 江苏省苏州市工业园区金鸡 湖大道88号E4单元 (72)发明人 王可心　李直旭　支洪平　孟福利　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 侯珊 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/332(2019.01)(56)对比文件 CN 114065047 A,202 2.02.18 CN 112632961 A,2021.04.09 US 2021/ 0201167 A1,2021.07.01 CN 113268609 A,2021.08.17 魏泽林 等.基 于知识图谱问答系统的技 术 实现. 《软件工程》 .2021, 审查员 马婷婷 (54)发明名称 对话生成方法、 相关 设备及可读存 储介质 (57)摘要 本申请公开了一种对话生 成方法、 相关设备 及可读存储介质。 在进行对话生成时， 可 以获取 历史对话语句以及预设知识图谱， 确定历史对话 语句提及的知识， 基于历史对话语句提及的知识 以及预设知识图谱， 预测得到目标知识信息， 最 后， 基于历史对话语句和目标知识信息， 生成下 一对话语句。 上述方案中， 由于预设知识图谱中 包括多个知识， 基于历史对话语句提及的知 识以 及预设的知识 图谱预测得到的目标知识信息能 够表征下一对话语句可能提及的知识图谱中的 知识， 在基于历史对话语句和目标知识信息生成 的下一对话语句中包含有可能提及的知识图谱 中的知识， 使得下一句对话语句中蕴含丰富信 息。 权利要求书2页 说明书12页 附图3页 CN 114756693 B 2022.11.01 CN 114756693 B 1.一种对话 生成方法， 其特 征在于， 所述方法包括： 获取历史对话语句以及预设知识图谱； 确定所述历史对话语句提及的知识； 基于所述历史对话语句提及的知识以及目标话题特征向量， 预测得到目标知识信息， 所述目标知识信息用于表征下一对话语句可能提及的所述知识图谱中的知识； 所述目标话 题特征向量是以所述知识图谱中的目标边为节点， 基于所述历史对话语句提及的话题的推 进顺序建立各个节点之间的有向联系， 创建所述历史对话语句对应的关系图谱， 基于所述 关系图谱， 预测得到的； 所述目标边用于表征 所述历史对话语句提及的话题； 基于所述历史对话语句和所述目标知识信息， 生成下一对话语句。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述历史对话语句提及的知识以 及所述知识图谱， 预测得到目标知识， 包括： 基于所述历史对话语句提及的知识， 确定所述历史对话语句提及的话题； 基于所述知识图谱和所述历史对话语句提及的话题， 创建所述历史对话语句对应的关 系图谱； 基于所述关系图谱， 预测得到目标话题特征向量， 所述目标话题特征向量用于表征下 一对话语句可能提及的话题； 基于所述历史对话语句提及的知识和所述目标话题特征向量， 预测得到目标知识信 息。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述关系图谱， 预测得到目标话 题特征向量， 包括： 确定所述关系图谱中各个节点的特 征向量； 将所述关系图谱中各个节点的特征向量按照各个节点之间的有向联系连接， 得到所述 关系图谱 对应的特 征序列； 对所述关系图谱 对应的特 征序列进行编码， 得到所述目标话题特 征向量。 4.根据权利要求3所述的方法， 其特征在于， 所述确定所述关系图谱中各个节点的特征 向量， 包括： 获取所述关系图谱各个节点的初始特 征向量； 采用图神经网络对所述关系图谱中各个节点的初始特征向量进行处理， 确定所述关系 图谱中各个节点的特 征向量。 5.根据权利要求2所述的方法， 其特征在于， 所述基于所述历史对话语句提及的知识和 所述目标话题特 征向量， 预测得到目标知识信息， 包括： 获取所述历史对话语句提及的知识的特 征向量； 计算所述目标话题特 征向量和所述历史对话语句提及的知识的特 征向量之间的权 重； 基于所述历史对话语句提及的知识的特征向量对应的权重， 对所述历史对话语句提及 的知识的特 征向量进行加权求和， 得到待处 理知识特 征向量； 获取所述知识图谱中各知识的特 征向量； 将所述知识图谱中各知识的特征向量中， 与所述待处理知识特征向量的相似性满足预 设条件的知识的特 征向量， 作为所述目标知识信息 。 6.根据权利要求1所述的方法， 其特征在于， 基于所述历史对话语句和所述目标知识信权　利　要　求　书 1/2 页 2 CN 114756693 B 2息， 生成所述下一对话语句， 包括： 对所述历史对话语句进行编码， 得到所述历史对话语句的特 征向量； 基于注意力机制对所述历史对话语句的特 征向量进行解码， 得到解码后的特 征向量； 基于注意力 机制对所述解码后的特征向量和所述目标知识信 息进行解码， 生成所述下 一对话语句。 7.根据权利要求1所述的方法， 其特征在于， 基于所述历史对话语句提及的知识、 所述 知识图谱和所述历史对话语句生成下一对话语句的过程， 包括： 将所述历史对话语句提及的知识、 所述知识图谱和所述历史对话语句输入对话生成模 型， 所述对话生成模型基于所述历史对话语句提及的知识以及所述知识图谱， 预测得到目 标知识信息， 并基于所述历史对话语句和所述目标知识信息， 生成下一对话语句， 所述目标 知识信息用于表征 下一对话语句可能提及的知识； 所述对话生成模型是以训练用对话语句中历史对话语句、 历史对话语句对应的知识图 谱和历史对话语句提及的知识为训练样本， 以训练用对话语句中标注的下一对话语句、 训 练用对话语句中标注的下一对话语句提及的知识 为样本标签， 以所述对话生成模型输出的 目标知识信息对应的知识趋近于所述训练用对话语句中标注的下一对话语句提及的知识； 以所述对话生成模型输出 的下一对话语句趋近于所述训练用对话语句中标注的下一对话 语句为训练目标， 训练得到的。 8.一种对话 生成装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取历史对话语句以及预设知识图谱； 确定单元， 用于确定所述历史对话语句提及的知识； 预测单元， 用于基于所述历史对话语句提及的知识以及目标话题特征向量， 预测得到 目标知识信息， 所述目标知识信息用于表征下一对话语句可能提及的所述知识图谱中的知 识； 所述目标话题特征向量是以所述知识图谱中的目标边为节点， 基于所述历史对话语句 提及的话题的推进顺序建立各个节点之 间的有向联系， 创建所述历史对话语句对应的关系 图谱， 基于所述关系图谱， 预测得到的； 所述目标边用于表征所述历史对话语句提及的话 题； 生成单元， 用于基于所述历史对话语句和所述目标知识信息， 生成下一对话语句。 9.一种对话 生成设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现如权利要求1至7中任一项所述的对话生成方法 的各个步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 实现如权利要求1至7中任一项所述的对话 生成方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 114756693 B 3