用于主动引导对话的数据处理方法和装置与流程

本技术涉及人工智能领域，具体而言，涉及一种用于主动引导对话的数据处理方法和装置。

背景技术：

1、随着人工智能的不断发展，ai在各个行业广泛应用，在人机交互场景中，基于ai对人机交互数据进行分析并给出应答，现有技术中，ai通过对人机交互进行数据分析，将用户状态扩展为包含信念、目标、情绪的心理状态，但其动作仍以被动观测为主，在接收到用户的需求后给出响应，在人机交互场景下，缺乏主动引导的能力。

2、因此，针对现有技术中人机交互ai对话存在主动引导能力差的问题，提出本技术。

技术实现思路

1、本技术的主要目的在于提供一种用于主动引导对话的数据处理方法和装置，以解决现有技术人机交互ai对话存在主动引导能力差的问题，实现了提高ai对话的主动引导能力和合时宜程度的技术效果。

2、为了实现上述目的，本技术的第一方面，提出了一种用于主动引导对话的数据处理方法，应用于人机交互系统，以实现人机交互场景下ai对用户的对话引导，包括：

3、获取待处理用户数据，其中，所述待处理用户数据为人机交互系统获取用户的多模态数据；

4、对所述待处理用户数据进行基于连续状态的特征提取处理，得到用户意图特征数据，其中，所述用户意图特征数据为用于表示用户意图的连续状态的特征数据；

5、根据所述用户意图特征数据对候选交互动作进行动作代价优化处理，得到优化交互动作数据，其中，所述优化交互动作数据为用于表示动作代价优化后的候选交互动作数据；

6、对所述优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据，其中，所述交互动作收益数据为用于表示优化交互动作对应的收益数据；

7、筛选最大交互动作收益数据对应的优化动作数据，得到目标交互动作数据，并执行所述目标交互动作数据。

8、进一步地，对所述优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据包括：

9、获取候选交互动作数据，对所述候选交互动作数据和所述用户意图特征数据进行基于意图状态转移模型的意图状态预测处理，得到预测意图状态特征数据，其中，所述预测意图状态特征数据为用于表示执行所述候选交互动作数据后用户意图状态的特征数据；

10、对所述预测意图状态特征数据和预设意图状态数据进行基于转化概率的计算处理，得到交互动作第一收益数据，其中，所述交互动作第一收益数据为用于表示用户意图状态转化为目标意图状态概率的数据；

11、对所述优化交互动作数据和所述预测意图状态特征数据进行基于分步前向推演的代价计算处理，得到交互动作第二收益数据，其中，所述交互动作第二收益数据为用于表示执行交互动作的代价数据；

12、根据所述交互动作第一收益数据和所述交互动作第二收益数据得到所述交互动作收益数据。

13、进一步地，对所述优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据包括：

14、获取第一候选交互动作数据，对所述第一候选交互动作数据和所述用户意图特征数据进行基于意图状态转移模型的意图状态预测处理，得到第一预测意图状态特征数据；

15、对所述第一预测意图特征数据进行交互动作收益计算处理，得到第一交互动作收益数据；

16、获取第二候选交互动作数据，对所述第二候选交互动作数据和所述第一预测意图状态特征数据进行基于意图状态转移模型的意图状态预测处理，得到第二预测意图状态特征数据；

17、对所述第二预测意图特征数据进行交互动作收益计算处理，得到第二交互动作收益数据；

18、根据所述第一交互动作收益数据和所述第二交互动作收益数据得到所述交互动作收益数据。

19、进一步地，对所述优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据包括：

20、对所述用户意图特征数据进行基于预设意图状态数据的相似度计算处理，得到意图状态相似数据，其中，所述意图状态相似数据为用于表示用户意图与目标意图状态相似程度的数据；

21、将所述意图相似数据与预设意图相似度阈值进行比较，

22、如果所述意图相似数据大于或等于所述预设意图相似度阈值，生成第一推演步数数据，其中，所述第一推演步数数据为用于表示一步前向推演的数据；

23、如果所述意图相似数据小于所述预设意图相似度阈值，生成第二推演步数数据，其中，所述第二推演步数数据为用于表示多步前向推演的数据；

24、根据所述第一推演步数数据或第二推演步数数据执行基于意图状态预测的前向推演处理，得到所述交互动作收益数据。

25、进一步地，还包括：

26、获取用户目标意图状态数据，其中，所述用户目标意图状态数据为用于表示期望用户达成的意图状态的数据；

27、根据意图状态转移模型和和时序不对称干预代价函数，构建逆向最优代价值函数，所述逆向最优代价值函数用于表示从任意意图状态到达所述目标意图状态所需的最小累计代价值；

28、对所述用户目标意图状态数据进行基于所述逆向最优代价值函数的迭代求解处理，得到逆向目标交互动作数据；

29、获取所述用户意图特征数据，执行所述逆向目标交互动作，更新用户意图状态，直至达到所述用户目标意图状态数据。

30、进一步地，在获取待处理用户数据之前，所述方法还包括：

31、获取交互样本数据，其中，所述交互样本数据为用于表示人机交互场景下的相关数据；

32、对所述交互样本数据进行基于交互状态变更的动作提取处理，得到交互状态变更数据，其中，所述交互状态变更数据为用于表示意图状态变更时，用户意图状态与交互动作的数据；

33、对所述状态变更数据进行识别，得到变更前意图状态数据、交互动作数据和变更后意图状态数据；

34、以所述变更前意图状态数据和交互动作数据为输入，所述变更后意图状态数据为输出对模型进行训练处理，得到意图状态转移模型。

35、进一步地，对所述待处理用户数据进行基于连续状态的特征提取处理，得到用户意图特征数据包括：

36、对所述待处理用户数据进行基于多模态感知的意图数据提取处理，得到待处理用户意图数据；

37、对所述待处理用户意图数据进行第一意图连续状态提取处理，得到第一意图连续状态数据，其中，所述第一意图连续状态数据为用于表示用户兴趣强度连续状态的数据；

38、对所述待处理用户意图数据进行第二意图连续状态提取处理，得到第二意图连续状态数据，其中，所述第二意图连续状态数据为用于表示用户疑虑指数连续状态的数据；

39、对所述待处理用户意图数据进行第三意图连续状态提取处理，得到第三意图连续状态数据，其中，所述第三意图连续状态数据为用于表示用户信任度连续状态的数据；

40、对所述第一意图连续状态数据、所述第二意图连续状态数据和所述第三意图连续状态数据进行意图特征提取，得到所述用户意图特征数据。

41、根据本技术的第二方面，提出了一种用于主动引导对话的数据处理装置，应用于人机交互系统，以实现人机交互场景下ai对用户的对话引导，包括：

42、数据获取模块，用于获取待处理用户数据，其中，所述待处理用户数据为人机交互系统获取用户的多模态数据；

43、意图特征提取模块，用于对所述待处理用户数据进行基于连续状态的特征提取处理，得到用户意图特征数据，其中，所述用户意图特征数据为用于表示用户意图的连续状态的特征数据；

44、代价优化模块，用于根据所述用户意图特征数据对候选交互动作进行动作代价优化处理，得到优化交互动作数据，其中，所述优化交互动作数据为用于表示动作代价优化后的候选交互动作数据；

45、前向推演模块，用于对所述优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据，其中，所述交互动作收益数据为用于表示优化交互动作对应的收益数据；

46、筛选模块，用于筛选最大交互动作收益数据对应的优化动作数据，得到目标交互动作数据，并执行所述目标交互动作数据。

47、根据本技术的第三方面，提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述的用于主动引导对话的数据处理方法。

48、根据本技术的第四方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述的用于主动引导对话的数据处理方法。

49、本技术的实施例提供的技术方案可以包括以下有益效果：

50、在本技术中，获取待处理用户数据，其中，待处理用户数据为人机交互系统获取用户的多模态数据；对待处理用户数据进行基于连续状态的特征提取处理，得到用户意图特征数据，其中，用户意图特征数据为用于表示用户意图的连续状态的特征数据；根据用户意图特征数据对候选交互动作进行动作代价优化处理，得到优化交互动作数据，其中，优化交互动作数据为用于表示动作代价优化后的候选交互动作数据；对优化交互动作数据和所述用户意图特征数据进行基于意图状态预测的分步前向推演处理，得到交互动作收益数据，其中，交互动作收益数据为用于表示优化交互动作对应的收益数据；筛选最大交互动作收益数据对应的优化动作数据，得到目标交互动作数据，并执行目标交互动作数据。通过上述用户意图状态转移预测和动作代价优化，实现提高ai对话的主动引导能力和合时宜程度的技术效果。