CN114357141B 一种基于时序知识图谱的人机对话兴趣感知方法 （重庆邮电大学）

一种基于时序知识图谱的人机对话兴趣感及一种基于时序知识图谱的人机对话兴趣感知复输入到采用基于时序知识图谱的人机对话兴2采用基于时序知识图谱的人机对话兴趣感知模型对用户输入内容和候选回复进行处S1：采用时序知识图谱中的实体链接对用户输入内容进行S2：将兴趣种子实体集中的兴趣种子实体沿时序知识图谱的关系路径进行偏好传播，选择前T个紧密度对应的邻居实体作为兴趣种子实体的采S4：根据实体的采样域向量表示对实体向量表i)表示权值函数；3S6：根据用户的兴趣偏好表示和候选回复向量表示2.根据权利要求1所述的一种基于时序知识图谱的人机对话兴趣感知方法，其特征在3.根据权利要求1所述的一种基于时序知识图谱的人机对话兴趣感知方法，其特征在4.根据权利要求1所述的一种基于时序知识图谱的人机对话兴趣感知方法，其特征在5.根据权利要求1所述的一种基于时序知识图谱的人机对话兴趣感知方法，其特征在4式中人机交互成为了最主要的方式。人机交互技术致力于提高人与计算机之间的协调性，(LDA)的主题模型以用户输入内容为依据获取用户的潜在兴趣；一种方法从对话文本中提5[0008]采用基于时序知识图谱的人机对话兴趣感知模型对用户输入内容和候选回复进[0018]S23：将邻居实体集中所有邻居实体与兴趣种子实体的紧密度按从大到小的顺序6i)表示权值函数。7[0047]采用基于时序知识图谱的人机对话兴趣感知模型对用户输入内容和候选回复进分词，通过word2Vec和EmbeddingAverage向量均值方法获得获得用户输入内容的表示向seτse]表示8容，通过实体链接对用户输入内容进行实体提取与消歧，具体过程为：首先利用NLPIR_ICTCLAS中文分词系统对用户输入内容进行实体抽取，实体抽取主要是从输入内容中得到关实体链接到给定知识图谱中实体上的过程包括候选实体生成以及候选实体消歧两部分；输入内容相关实体与候选实体之间的相似度，选取相似度最高的候选实体作为链接实体，[0060]将兴趣种子实体集中的兴趣种子实体沿时序知识图谱的k_1)表示实体hk_1的采样域。9体作为采样域如果则遍历集合中的每个邻居实体e并求其邻居前T个紧密度对应的邻居实体作为实体的采样域s(:):内层的兴趣种子实体向量包含了其自身以及外层所有实体信息；将聚合了H层邻居信息的示VS(e)来数值化实体e的采样域实体信息；采样域向量表示VS(e)是实体e的采样域中每个邻表i的向量表示。置为0.1，并以0.1为步长使其增长至0.9，并采用的MRR(MeanReciprocalRank)和MAP(MeanAveragePrecision)两个信息检索评价指标来衡量不同的权重系数α下模型候选回[0094]在每层中，实体的最终向量表示由其自身与其采样域共同决定，对第k(k＝H_体的向量表示整合了自身与其H层邻居实体向量表示；根据所[0105]采用MRR(MeanReciprocalRank)和MAP(MeanAveragePrecision)两个信息检索评价指标来衡量不同模型候选回复集(n＝10)排序的准确性，从测试集中随机选取50句[0108]从表一可以看出，EBDM和Tri_LSTM模型相比与STC和Chatterbot模型在MAP和MRR的评分更高的原因在于，EBDM会在候选回复排序时考虑用户输入话语中的实体及其类型，[0112]从表二可以看出，用户与本发明在平均交互轮