基于多任务学习的对话策略在线实现方法

摘要

一种基于多任务学习的对话策略在线实现方法，通过实时获取人机对话的语料信息，提取当前用户状态特征和用户动作特征并构造得到训练输入；然后将对话策略学习过程中的单一累积奖赏值拆分成对话轮数奖赏值和对话成功奖赏值作为训练标注，并在线训练过程中通过多任务学习技术对两种不同的值模型同时进行优化，最后合并两项奖赏值，并更新对话策略。本发明采用强化学习的框架，通过在线学习进行对话策略优化，无需根据领域人工设计规则策略，能够适应不同复杂度的领域信息结构、不同规模的数据；本发明将原始优化单一累积奖赏值的任务进行分解，利用多任务学习同时优化从而学到更好的网络结构，降低训练过程的方差。