基于强化学习的任务型对话策略学习方法与系统

本发明属于智能任务型对话技术领域，具体涉及基于强化学习的任务型对话策略学习方法与系统，采用软演员评论家算法结合行为克隆，以及最大熵逆强化学习，缓解冷启动问题；其中，利用最大熵逆强化学习，计算奖励值，依据人类对话与模拟对话的最大化对数似然估计，精准推断对话中的用户目标；而通过逆强化学习从成功轨迹中提取潜在奖励函数，替代人工设计奖励，在优化策略时不仅追求累积奖励最大化，还鼓励策略的多样性和探索性，避免对话策略过早收敛到单一模式。