一种基于Prompt学习的对话状态跟踪方法

本发明公开了一种基于Prompt学习的对话状态跟踪方法。所述方法直接向模型中输入用户和系统的对话语句，通过使用离散Prompt提示文本进行初始化，再通过预训练模型的自动学习对Prompt进行微调，从而得到更加适配模型的连续Prompt词向量，实现泛化能力和领域可扩展性。与此同时，本发明还提供了一种结合指针生成网络和Seq2Seq结构的对话状态跟踪模型，能够在保留生成开放词表下槽值能力的同时，赋予模型从输入语句中直接提取槽值的能力，综合了二者的优点。此外，本发明能够使用无监督方法提取出对话语句中的关键词信息，并将其赋予对话语句更丰富的特征，以使模型更好地关注对话语句中更重要的部分。