(19)中华 人民共和国 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 202210030263.1 (22)申请日 2022.01.12 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 黄宏程　徐硕硕　胡敏　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 代理人 卢胜斌 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 16/242(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于时序知识图谱的人机对话兴趣感 知方法 (57)摘要 本发明属于人机交互对话系统领域， 具体涉 及一种基于时序知识 图谱的人机对话兴趣感知 方法； 该方法包括： 获取用户输入内容和机器人 对话库数据； 根据用户输入内容和对话库数据得 到至少两个候选回复； 将用户输入内容和候选回 复输入到采用基于时序知识 图谱的人机对话兴 趣感知模型中， 得到用户对所有候选回复感兴趣 的概率， 选择概率最高的候选回复作为机器人的 回复内容； 本发 明既考虑了人机交互过程中外部 知识， 又考虑了用户兴趣偏好， 解决了当前人机 交互系统存在机器人背景知识缺乏、 用户在对话 过程中兴趣度不高的问题， 使人机对话更自然， 具有广阔的应用前 景。 权利要求书2页 说明书9页 附图1页 CN 114357141 A 2022.04.15 CN 114357141 A 1.一种基于时序知识图谱的人机对话兴趣感知方法， 其特征在于， 包括： 获取用户输入 内容和机器人对话库数据； 根据用户输入内容和对话库数据得到至少 两个候选回复； 将用 户输入内容和候选回复输入到基于时序知识图谱的人机对话兴趣感知 模型中， 得到用户对 所有候选回复感兴趣的概 率， 选择概 率最高的候选回复作为机器人的回复内容； 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 理的过程包括： S1： 采用时序知识图谱中的实体链接对用户输入内容进行实体提取与消歧， 得到用户 的兴趣种子实体集； 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， 得到时序知识图谱的实体； S3： 对时序知识图谱的实体进行 数值化处理， 得到实体的采样域向量表示； S4： 根据实体的采样域向量表示对实体向量表示进行更新， 得到更新后的实体向量表 示； S5： 对更新后的实体向量表示进行聚合， 得到用户的兴趣偏好表示； S6： 根据用户的兴趣偏好表示和候选回复向量表示， 采用预测函数得到用户对所有候 选回复感兴趣的概 率。 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 于， 兴趣种子实体进行偏好传播的过程包括： S21： 设置采样大小 T， 并将第一层兴趣种子实体作为时序知识图谱的第一层实体； S22： 获取当前层 兴趣种子实体的邻居实体集， 若邻居实体集中的邻居实体数量小于邻 居实体数量阈值， 则 在邻居实体集中重复选取T个邻居实体作为采样域， 若邻居实体集中的 邻居实体数量大于邻居实体数量阈值， 则分别计算邻居实体集中所有邻居实体与兴趣种子 实体的紧密度； 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排序， 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样域； S24： 对所有 的采样域取并集， 得到此时序知识图谱的下一层实体， 将下一层实体作为 新的兴趣种子实体， 返回步骤S2 2， 直到得到 完整的时序知识图谱实体。 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 于， 对时序知识图谱的实体进 行数值化处理包括： 根据候选回复计算用户的关系友好度； 根 据遗忘曲线理论计算用户的时间新鲜度； 根据关系友好度和时间新鲜度构建权值函数； 根 据权值函数对时序知识图谱的实体进行 数值化。 4.根据权利要求3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 于， 计算关系友好度的公式为： 其中， v表示 候选回复向量表示， 表示四元组中实体间关系的向量表示。 5.根据权利要求3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 于， 计算时间新鲜度的公式为：权　利　要　求　书 1/2 页 2 CN 114357141 A 2其中， w表示权 重阈值， t 表示当前时间， ts表示四元组中关系建立的时间。 6.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 于， 权值函数为： 其中， α表示权重系数， 表示关系友好度的归一化表示， 表示时间新鲜度的归一 化表示。 7.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 于， 实体的采样域向量表示 为： 其中， ei表示采样域中的第i个邻居实体的向量表示， S(e)表示实体的采样域实体集， g (ei)表示权值 函数。 8.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 于， 对实体向量表示进行 更新的公式为： eagg＝σ(W·(e+VS(e))+b) 其中， eagg表示更新后的实体向量表示， σ 表示非线性函数， W表示转换权值， e表示更新 前的实体向量表示， VS(e)表示实体的采样域向量表示， b表示偏置量。 9.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 于， 用户的兴趣偏好表示 为： 其中， 表示更新后的最内层第i个兴趣种子实体向量表示， S表示最内层的兴趣种子 实体总数。 10.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 于， 预测函数为： yuv＝f(uTv) 其中， yuv表示兴趣度得分， u表示用户的兴趣偏好， v表示 候选回复， f表示sigmo id函数。权　利　要　求　书 2/2 页 3 CN 114357141 A 3