16、医疗对话系统知识嵌入学习与机器人学习演奏陶笛技术解析

医疗对话系统知识嵌入学习与机器人学习演奏陶笛技术解析

医疗对话系统知识嵌入学习

知识掩码矩阵算法

知识掩码矩阵算法的输入为上下文信息和知识图谱。以下是具体的算法步骤：

# 输入：上下文信息；知识图谱
# 步骤 1: 分词
Y = Tokenizer()
# 步骤 2: 初始化列表
S = []
S_mask = []
# 步骤 3: 遍历分词结果
for token in Y:
    S.append(token)
    S_mask.append(0)
    if token:
        S.append([token])
        S_mask.append(1)
# 步骤 4: 初始化知识掩码矩阵
KM = np.ones([len(S), len(S)]) * -np.inf
# 步骤 5: 填充知识掩码矩阵
for i in range(len(S)):
    if S_mask[i] == 1:
        KM[i][i - 1] = 0
        KM[i - 1][i] = 0
        KM[i][i] = 0
        continue
    for j in range(len(S)):
        if S_mask[j] == 0:
            KM[i][j] = 0

该算法通过对输入的上下文信息进行分词处理，为每个词标记是否为知识实体，然后构建知识掩码矩阵，用于后续的知识嵌入和对话生成。

知识驱动对话生成解码器

编码器将历史对话转换为隐藏表示