(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 202210154576.8 (22)申请日 2022.02.18 (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 柳泽明　刘浩　牛正雨　吴华　 王海峰　熊辉　 (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. G10L 15/06(2013.01) G10L 15/22(2006.01) G10L 15/16(2006.01) G10L 15/18(2013.01)G06F 16/36(2019.01) G06F 16/35(2019.01) G06F 16/332(2019.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 对话推荐 方法、 模型的训练方法、 装置、 设备 及介质 (57)摘要 本公开提供了一种对话推荐 方法、 对话推荐 模型的训练方法、 装置、 电子设备、 存储介质以及 程序产品， 涉及数据处理技术领域， 尤其涉及语 音交互、 深度学习、 人工智能等技术领域。 具体实 现方案为： 获取历史对话信息； 基于历史对话信 息， 从对话目标图谱中确定待生成的目标对话对 象， 对话目标图谱包括对象节点， 对象节点用于 表征对话对象， 目标对话对象是基于对象节点确 定的； 以及基于目标对话对象， 生成用于推荐的 目标对话信息 。 权利要求书5页 说明书15页 附图5页 CN 114550705 A 2022.05.27 CN 114550705 A 1.一种对话推荐方法， 包括： 获取历史对话信息； 基于所述历史对话信 息， 从对话目标图谱中确定待生成的目标对话对象， 其中， 所述对 话目标图谱包括对 象节点， 所述对 象节点用于表征对话对 象， 所述目标对话对 象是基于所 述对象节点确定的； 以及 基于所述目标对话对象， 生成用于推荐的目标对话信息 。 2.根据权利要求1所述的方法， 其中， 所述基于所述历史对话信息， 从对话目标图谱中 确定待生成的目标对话对象包括： 基于所述历史对话信 息和目标对话引导信 息， 从所述对话目标图谱中确定所述目标对 话对象， 其中， 所述历史对话信息是对话期间已生成的信息， 所述目标对话引导信息用于引 导所述对话期间待生成的所述目标对话对象的生成。 3.根据权利要求2所述的方法， 其中， 所述基于所述历史对话信息和目标对话引导信 息， 从对话目标图谱中确定所述目标对话对象包括： 基于所述历史对话信息， 确定历史对话信息中的历史目标对话对象序列； 基于所述历史目标对话对象序列、 所述目标对话引导信息和所述对话目标图谱， 确定 所述对话 目标图谱的候选对 象节点的代价参数， 其中， 所述候选对 象节点的类型与所述历 史目标对话对象序列的类型相匹配； 以及 基于所述 候选对象节点的代价 参数， 从所述 候选对象节点中确定目标对话对象。 4.根据权利要求3所述的方法， 其中， 所述基于所述历史目标对话对象序列、 所述目标 对话引导信息和所述对话目标图谱， 确定所述对话目标图谱的候选对象节点的代价参数包 括： 基于所述对话目标图谱， 确定所述 候选对象节点的转移 矩阵； 基于所述历史目标对话对象序列和所述候选对象节点的转移矩阵， 确定所述候选对象 节点的第一初始 代价参数； 基于所述历史目标对话对象序列、 所述目标对话引导信 息和所述候选对象节点的转移 矩阵， 确定所述 候选对象节点的第二初始 代价参数； 以及 基于所述第 一初始代价参数和所述第 二初始代价参数， 确定所述候选对象节点的代价 参数。 5.根据权利要求4所述的方法， 其中， 所述基于所述候选对象节点的代价参数， 从所述 候选对象节点中确定目标对话对象包括： 基于所述 候选对象节点的代价 参数， 确定所述目标对话对象节点的跳转 概率； 在确定所述跳转概率大于或者等于预定跳转阈值的情况下， 基于所述候选对象节点的 代价参数， 从所述 候选对象节点中确定所述目标对话对象； 以及 在确定所述跳转概率小于所述预定跳转阈值的情况下， 从所述历史目标对话对象序列 中确定所述目标对话对象。 6.根据权利要求4所述的方法， 其中， 所述基于所述候选对象节点的代价参数， 从所述 候选对象节点中确定目标对话对象包括： 基于所述 候选对象节点的代价 参数， 确定所述目标对话对象节点的生成概 率； 以及 在确定所述生成概率大于或者等于预定生成阈值的情况下， 基于所述候选对象节点的权　利　要　求　书 1/5 页 2 CN 114550705 A 2代价参数， 从所述 候选对象节点中确定所述目标对话对象。 7.根据权利要求4所述的方法， 其中， 所述对话目标图谱包括异构层次化对话目标图 谱， 所述异构层次化对话 目标图谱包括多个对话 目标子图谱， 所述多个对话 目标子图谱之 间具有层级关系， 所述多个对话目标子图谱中的每个对话目标子图谱包括同类型的多个对 象节点， 所述同类型 的多个对 象节点彼此之间的连接边用于表征同构关联关系， 相邻两个 对话目标子图谱各自的对象节点类型不同， 上一层级对话目标子图谱中的多个对象节点与 当前层级对话目标子图谱中的多个对象节点彼此之间的连接边用于表征异构关联关系。 8.根据权利要求7所述的方法， 其中， 所述目标对话对象包括多个具有层级的目标对话 对象； 所述基于所述对话目标图谱， 确定所述 候选对象节点的转移 矩阵包括： 基于所述异构层次化对话目标图谱中的异构关联关系和已确定的上一层级对话目标 子图谱中的目标对象节点， 确定 当前层级对话目标子图谱中的候选对象节点， 其中， 所述上 一层级对话目标子图谱中的目标对象节点与上一层级的目标对话对象相对应， 所述当前层 级对话目标子图谱中的候选对象节点与当前层级的候选对话对象相对应； 以及 基于所述当前层级对话目标子图谱的候选对象节点， 确定所述当前层级的候选对象节 点的转移矩阵， 并将所述当前层级的候选对象节点的转移矩阵作为所述候选对象节点的转 移矩阵。 9.根据权利要求1至8中任一项所述的方法， 其中， 所述基于所述目标对话对象， 生成所 述目标对话信息包括： 基于所述目标对话对象、 所述历史对话信息以及所述历史目标对话对象序列， 生成所 述目标对话信息 。 10.根据权利要求1至9中任一项所述的方法， 其中， 所述目标对话对象的类型包括以下 至少一项： 用于推荐的对话类型、 对话主题、 以及主题属性。 11.一种对话推荐模型的训练方法， 包括： 利用训练样本训练对话推荐模型， 得到经训练的对话推荐模型； 其中， 所述经训练的对话推荐模型用于： 获取历史对话信息； 基于所述历史对话信 息， 从对话目标图谱中确定待生成的目标对话对象， 其中， 所述对 话目标图谱包括对 象节点， 所述对 象节点用于表征对话对 象， 所述目标对话对 象是基于所 述对象节点确定的； 以及 基于所述目标对话对象， 生成用于推荐的目标对话信息 。 12.根据权利要求1 1所述的方法， 还 包括： 获取所述训练样本， 其中， 所述训练样本包括样本对话信息和与所述样本对话信息相 对应的标签， 所述标签包括样本对话对象， 其中， 所述标签的类型包括以下至少一项： 用于 推荐的对话类型、 对话主题、 以及主题属性。 13.根据权利要求1 1所述的方法， 还 包括： 确定对话对象序列； 以及 基于对话对象序列和知识图谱， 生成初始对话目标图谱， 以便利用训练样本训练包括 所述初始对话目标图谱的对话推荐模型， 得到所述经训练的对话推荐模型中的所述对话目权　利　要　求　书 2/5 页 3 CN 114550705 A 3