买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜贝壳找房(北京)科技有限公司申请的专利基于强化学习策略的人机交互训练方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114417086B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111521730.2，技术领域涉及：G06F16/9032；该发明授权基于强化学习策略的人机交互训练方法及装置是由王文彬;冯伟设计研发完成，并于2021-12-13向国家知识产权局提交的专利申请。

本基于强化学习策略的人机交互训练方法及装置在说明书摘要公布了：本申请提供一种基于强化学习策略的人机交互训练方法及装置，该方法包括：获取以目标样本集为训练样本训练得到的第一模型；所述目标样本集包括多个交互过程的交互内容；构建第二模型，使用所述第二模型与所述第一模型模拟即时通信交互过程；在所述第二模型与所述第一模型的交互过程中，所述第二模型输出回复内容，基于所述第二模型输出的回复内容对所述交互过程的评价指标的影响程度，调整所述第二模型的参数；将参数优化后的第二模型确定为目标模型；其中，所述评价指标用于指示所述交互过程能够实现预设目标的概率。

本发明授权基于强化学习策略的人机交互训练方法及装置在权利要求书中公布了：1.一种基于强化学习策略的人机交互训练方法，其特征在于，包括：获取以目标样本集为训练样本训练得到的第一模型；所述目标样本集包括多个交互过程的交互内容；构建第二模型，使用所述第二模型与所述第一模型模拟即时通信交互过程；在所述第二模型与所述第一模型的交互过程中，所述第二模型输出回复内容，基于所述第二模型输出的回复内容对所述交互过程的评价指标的影响程度，调整所述第二模型的参数；将参数优化后的第二模型确定为目标模型；其中，所述评价指标用于指示所述交互过程能够实现用户转委托的概率；所述基于所述第二模型输出的回复内容对所述交互过程的评价指标的影响程度，调整所述第二模型的参数，包括：在所述第二模型为生成模型的情况下，根据第二回报函数计算所述第二模型输出的内容对所述评价指标的影响程度，并基于所述影响程度调整所述第二模型的参数；所述第二回报函数包括：用于度量一个概率分布或概率模型预测样本好坏程度的困惑度，用于度量生成有意义回复的互信息，用于降低模型生成重复历史对话信息的重复惩罚项，用于提高对话轮数的参数、用于检测用户说的话是否转委托的参数以及用于计算用户转委托概率的参数；所述用户转委托概率的参数是通过第三模型计算得到的；所述第三模型为基于以下步骤计算用户转委托的概率：将所述模拟即时通信交互产生的对话内容进行分割后输入到Bert模型中，得到每个句子的句子向量；将每个句子的句子向量输入到长短期记忆网络中，得到每个句子的上下文向量；将每个句子的上下文向量与每个句子对用户转委托概率的影响进行综合计算，得到每个句子对应的转委托的概率；其中，每个句子对用户转委托概率的影响为：基于句子对应模型输出的内容得到的；句子对应模型包括：所述第一模型，或，所述第二模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贝壳找房(北京)科技有限公司，其通讯地址为：100080 北京市海淀区创业路2号1幢1层102室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。