CN107180037A - 人机交互方法和装置 - Google Patents

Abstract

本申请公开了人机交互方法和装置。该方法的一具体实施方式包括：提取用户提交的问题信息中与预设关键词匹配的关键词；基于关键词，确定问题信息的类型，以及获取接口数据，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据；将问题信息与接口数据对应存储，以供生成答案信息时基于接口数据生成答案信息。实现了在需要生成答案信息时，利用预先获取接口数据生成答案信息。避免了因针对每一个用户提交的问题，均需在生成答案信息时获取接口数据而导致的开销急剧增加，人机交互***运行效率降低的问题，提升人机交互***的运行效率。

Description

人机交互方法和装置

技术领域

本申请涉及计算机领域，具体涉及人机交互领域，尤其涉及人机交互方法和装置。

背景技术

人机交互***是被广泛应用的人工智能技术。例如，在电子商务平台上，可以利用人机交互***接收用户针对商品咨询的问题，然后，自动生成问题对应的答案。目前，通常采用的人机交互方式为：在回答用户提交的问题时，需要逐一访问相应地接口获取与答案相关联的接口数据，生成答案推送给用户。

然而，当采用上述方式进行人机交互时，在用户提交的问题较多的情况下，针对每一个用户提交的问题，均需逐一访问相应地接口获取每一个接口数据，导致人机交互***开销急剧增加，降低人机交互***的运行效率。

发明内容

本申请提供了人机交互方法和装置，用于解决上述背景技术部分存在的技术问题。

第一方面，本申请提供了人机交互方法，该方法包括：提取用户提交的问题信息中与预设关键词匹配的关键词；基于关键词，确定问题信息的类型，以及获取接口数据，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据；将问题信息与接口数据对应存储，以供生成答案信息时基于接口数据生成答案信息。

第二方面，本申请提供了人机交互装置，该装置包括：提取单元，配置用于提取用户提交的问题信息中与预设关键词匹配的关键词；获取单元，配置用于基于关键词，确定问题信息的类型，以及获取接口数据，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据；存储单元，配置用于将问题信息与接口数据对应存储，以供生成答案信息时基于接口数据生成答案信息。

本申请提供的人机交互方法和装置，通过提取用户提交的问题信息中与预设关键词匹配的关键词；基于关键词，确定问题信息的类型，以及获取接口数据，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据；将问题信息与接口数据对应存储，以供生成答案信息时基于接口数据生成答案信息。实现了在需要生成答案信息时，利用预先获取接口数据生成答案信息。避免了因针对每一个用户提交的问题，均需在生成答案信息时获取接口数据而导致的开销急剧增加，人机交互***运行效率降低的问题，提升人机交互***的运行效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性***架构图；

图2示出了根据本申请的人机交互方法的一个实施例的流程图；

图3示出了本申请的人机交互方法的一个示例性流程图；

图4示出了根据本申请的人机交互装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的终端设备或服务器的计算机***的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的人机交互方法或人机交互装置的实施例的示例性***架构100。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供传输链路的介质。网络104可以包括各种连接类型，例如有线、无线传输链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯应用，例如、浏览器类应用、搜索类应用、电子商务类应用等。

终端设备101、102、103可以是具有显示屏并且支持网络通信的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以预先存储多个类型的问题信息对应的答案信息，当接收到终端设备101、102、103发送的问题信息时，可以将问题信息对应的答案信息反馈给终端设备。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

请参考图2，其示出了根据本申请的人机交互方法的一个实施例的流程200。需要说明的是，本申请实施例所提供的人机交互的方法一般由图1中的服务器105执行，相应地，人机交互装置一般设置于服务器105中。该方法包括以下步骤：

步骤201，提取用户提交的问题信息中与预设关键词匹配的关键词。

在本实施例中，用户提交的问题信息可以为与商品相关联的信息。例如，当用户期望了解一款鞋的某一个尺码是否有货时，则输入的问题信息可以为“请问这款鞋UK8号有货吗”。又例如，当用户下订单购买了一款鞋的尺码为UK8号的鞋之后，想咨询何时到货时，则输入的问题信息为“请问我购买的鞋发货了吗”。

在本实施例的一些可选的实现方式中，预设关键词包括：属性关键词、名称关键词。

在本实施例中，预设关键词可以包括表示商品的属性的属性关键词、表示商品的名称的名称关键词。在本实施例中，预设关键词还可以包括与商品的交易状态相关联的关键词，例如，与库存情况相关联的关键词，例如，“现货”，与物流情况相关联的关键词，例如，“到货”。

在本实施例中，在接收用户提交的问题信息之后，可以提取问题中与预设关键词匹配的关键词。以用户输入的问题信息为“请问这款鞋UK8号有货吗”为例，在接收用户输入的问题信息之后，可以首先提取出与表示商品的属性即型号的预设关键词“UK8”匹配的关键词“UK8”以及与库存情况相关联的预设关键词“现货”匹配的关键词“现货”。

步骤202，基于关键词，确定问题信息的类型，以及获取接口数据。

在本实施例中，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据。在本实施例中，在提取出用户提交的问题信息中的关键词之后，可以基于提取出的关键词，确定问题信息的类型。

例如，用户输入的问题信息为“请问这款鞋的UK8号是否有现货”，则提取出的关键词包括：“UK8”和“现货”。可以基于提取出的关键词，确定问题信息的类型为售前咨询类型。同时，可以获取生成售前咨询类型对应的答案信息时所需的数据。例如，生成该生成售前咨询类型对应的答案信息时所需的接口数据包括：指示该款鞋的UK8号鞋是否有现货的指示信息。从而，当需要生成答案信息时，可以利用预先获取到的指示该款鞋的UK8号是否有现货的指示信息，生成答案信息。例如，预先获取到的指示信息指示该款鞋的UK8号有现货，则生成答案信息可以为“您好，这款鞋的UK8号有现货”。

在本实施例中，在接收用户提交的问题信息的同时，可以获取到提交问题信息的用户的用户标识和商品编号。例如，当用户在电子商务平台上的商品的购买页面提交的问题信息为“请问这款鞋的UK8号是否有现货”时，则可以同时获取到该款鞋的商品编号。从而，在需要生成答案信息时，可以根据该款鞋的商品编号，在数据库中查询到该款鞋的UK8号的库存信息，进一步地，获取到生成答案信息时所需的数据，例如，指示该款鞋的UK8号是否有货的指示信息。并且，在生成答案信息之后，可以根据预先获取的用户标识，将答案信息推送给用户标识对应的用户，即提交问题信息的用户。

在本实施例的一些可选的实现方式中，还包括：提取历史问题信息中与预设关键词匹配的历史关键词；将历史关键词的类型作为支持向量机模型的输入向量，以及将历史问题信息的类型作为支持向量机模型的输出向量；利用输入向量与输出向量，对支持向量机模型进行训练。

在本实施例中，可以预先建立支持向量机模型，利用支持向量机模型对问题信息的类型进行分析，确定问题信息的类型。在本实施例中，可以利用用户提交的历史问题信息，对支持向量机模型进行训练。可以提取历史问题信息中与预设关键词匹配的关键词。例如，历史问题信息可以为“请问UK8号有现货吗”，可以首先从该历史问题信息中提取出表示商品的属性即型号的历史关键词即“UK8”以及与库存情况相关联的关键词“现货”，判断出问题信息的类型为售前咨询类型。可以将该历史问题信息中的历史关键词“UK8”的类型即商品属性关键词和“现货”的类型即库存情况关键词，作为支持向量机模型的输入向量，问题信息的类型即售前咨询类型则作为支持向量机模型的输出向量，从而，利用输入向量和输出向量，对支持向量机模型进行训练。

在本实施例的一些可选的实现方式中，基于关键词，确定问题信息的类型包括：将关键词作为支持向量机模型的输入向量；计算支持向量机模型的输出向量；从输出向量对应的问题信息的类型中选取出问题信息的类型。

在本实施例中，在对支持向量机模型进行训练之后，可以将问题信息中的关键词作为支持向量机模型的输入向量；计算支持向量机模型的输出向量；确定输出向量对应的问题信息的类型。例如，当用户下订单购买了一款鞋的尺码为UK8号鞋之后，输入的问题信息可以为“请问这款鞋的UK8号有现货”。可以提取出与属性关键词匹配的关键词“UK8”以及与库存情况相关联的预设关键词匹配的关键词“现货”。可以将关键词“UK8”的类型即商品属性关键词和关键词“现货”的类型即库存情况关键词作为支持向量机模型的输入向量，计算支持向量机模型的输出向量，确定输出向量对应的用户咨询的问题类型，例如，售前咨询类型。在确定问题信息的类型之后，可以进一步获取接口数据，接口数据包含生成该售前咨询类型对应的答案信息需要的数据。例如，数据库中存储的指示该款鞋的UK8号鞋是否有现货的指示信息。可以获取该指示信息，从而，当需要生成答案信息时，可以利用预先获取到的接口数据即该指示信息，生成答案信息，例如，答案信息为“您好，这款鞋的UK8号有现货”。

在本实施例的一些可选的实现方式中，从输出向量对应的问题信息的类型中选取出问题信息的类型包括：获取用户的历史交易记录；基于历史交易记录，从输出向量对应的问题信息的类型中选取出问题信息的类型。

在本实施例中，当用户提交的问题信息不同，但提取出的关键词的类型时，可能会出现判断出咨询的类型相同的情况。例如，当用户想购买尺码UK8号的一款鞋，在用户提交问题信息之前暂时缺货，用户想咨询该款鞋的UK8号是否有货时，用户提交的问题信息为“请问这款鞋的UK8号有货吗”，问题信息中的关键词包括：“UK8”和“有货”。关键词的类型为商品属性关键词、库存情况关键词。当将关键词的类型作为输入向量输入到支持向量机模型时，得到的输出向量对应的问题信息的类型可以为售前咨询类型。当用户下订单购买了一双尺码为UK8号鞋之后，想咨询何时到货时，则输入的问题信息为“请问我购买的…款的鞋到货了吗”。可以提取出名称关键词“鞋”、表示咨询目的的关键词“到货”。关键词的类型为商品名称关键词、物流情况关键词。当将关键词的类型作为输入向量输入到支持向量机模型时，得到的输出向量对应的问题信息的类型也可能为售前咨询类型。

此时，可以结合用户的历史交易记录，确定用户提交的问题信息的类型。例如，用户的历史交易记录中记录了用户已经购买了该款鞋的UK8号的鞋，则确定咨询目的为咨询何时到货。进一步地，可以通过查询数据库中存储的物流信息的访问接口获取接口数据，即用户购买的改款鞋的物流信息。从而，当需要生成答案信息时，可以利用预先获取到的接口数据，生成答案信息，例如，答案信息为“您订购的这款鞋的正在派送中”。

步骤203，将问题信息与接口数据对应存储。

在本实施例中，在获取接口数据之后，可以将问题信息与接口数据对应存储。从而当需要生成答案信息时，利用该接口数据生成答案信息，并且将答案信息发送给提交问题信息的用户，从而实现人机交互。

在本实施例中，可以预先创建用于对问题信息进行处理以生成答案信息的处理线程，处理线程可以对用户提交的问题信息进行预处理，例如，去除问题信息中的语气词。在进行预处理之后，处理线程可以对问题信息进行应答逻辑的判断，例如，可以将问题信息与预设模版进行比较，确定答案信息所属的类型。预设模版中可以包含表示商品名称、商品属性、库存情况、物流情况的关键词。例如，预设模版可以采用诸如以下形式：......款......号......到货。

在本实施例中，可以预先创建用于执行上述步骤201、202、203的接口数据获取线程。从而，在利用处理线程对问题信息进行处理的同时，利用接口数据获取线程执行上述步骤201、202、203获取接口数据。从而，当需要生成答案信息时，已经预先获取了接口数据，使得处理线程可以利用预先获取到的接口数据生成答案信息，实现人机交互。

请参考图3，其示出了本申请的人机交互方法的一个示例性流程图。

在接收用户提交的问题信息以后，可以利用预先创建的接口数据获取线程获取用户标识、商品编号等数据，也可称之为入口参数。然后，可以提取问题信息中与预设关键次匹配的关键词，确定问题信息对应的类型。并且，可以结合用户的历史交易记录，最终确定问题信息的类型。在确定问题信息的类型之后，可以获取生成问题信息的类型对应的答案信息的接口数据。

在需要生成用户提交的问题信息对应的答案信息时，可以利用预先创建的处理线程对问题信息进行预处理，例如，去除问题信息中的语气词。处理线程在对问题信息进行预处理之后，可以进行应答逻辑的判断，例如，将问题信息与预设模板进行匹配。在完成应答逻辑判断之后，可以直接利用预先获取到的接口数据生成答案信息，并且，由于预先获取到了用户标识，可以将答案信息推送给用户标识对应的用户，即提交问题信息的用户。

下面说明本申请中的人机交互方式与现有技术的区别：

在现有技术中，在用户提交的问题信息为海量级别的情况下，需要针对用户提交的每一个问题信息设置相应地处理线程，处理线程在对问题信息进行预处理、模板匹配之后，还需要逐一获取生成答案信息所需的数据。因此，导致每一个处理线程的执行均需要较长的时间，从而降低整个人机交互***的运行效率。

而在本申请中，由于预先获取生成答案信息时所需的数据，使得在生成答案信息时，可以直接根据预先获取到数据而生成答案信息，进而提升人机交互***的运行效率。

请参考图4，其示出了根据本申请的人机交互装置的一个实施例的结构示意图。人机交互装置400包括：提取单元401，获取单元402，存储单元403。提取单元401配置用于提取用户提交的问题信息中与预设关键词匹配的关键词；获取单元402配置用于基于关键词，确定问题信息的类型，以及获取接口数据，接口数据包括：生成问题信息的类型对应的答案信息时所需的数据；存储单元403配置用于将问题信息与接口数据对应存储，以供生成答案信息时基于接口数据生成答案信息。

在本实施例的一些可选的实现方式中，预设关键词包括：属性关键词、名称关键词。

在本实施例的一些可选的实现方式中，装置400还包括：关键词提取单元(未示出)，配置用于提取历史问题信息中与预设关键词匹配的历史关键词；处理单元(未示出)，配置用于将历史关键词的类型作为支持向量机模型的输入向量，以及将历史问题信息的类型作为支持向量机模型的输出向量；训练单元(未示出)，配置用于利用输入向量与输出向量，对支持向量机模型进行训练。

在本实施例的一些可选的实现方式中，获取单元402包括：输入子单元(未示出)，配置用于将关键词作为支持向量机模型的输入向量；计算子单元(未示出)，配置用于计算支持向量机模型的输出向量；选取子单元(未示出)，配置用于从输出向量对应的问题信息的类型中选取出问题信息的类型。

在本实施例的一些可选的实现方式中，选取子单元进一步配置用于：获取用户的历史交易记录；基于历史交易记录，从输出向量对应的问题信息的类型中选取出问题信息的类型。

图5示出了适于用来实现本申请实施例的终端设备或服务器的计算机***的结构示意图。

如图5所示，计算机***500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有***500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：提取用户提交的问题信息中与预设关键词匹配的关键词，所述预设关键词包括：属性关键词、名称关键词；基于所述关键词，确定所述问题信息的类型，以及获取接口数据，所述接口数据包括：生成所述问题信息的类型对应的答案信息时所需的数据；将所述问题信息与所述接口数据对应存储，以供生成所述答案信息时基于所述接口数据生成答案信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种人机交互方法，其特征在于，所述方法包括：

提取用户提交的问题信息中与预设关键词匹配的关键词；

基于所述关键词，确定所述问题信息的类型，以及获取接口数据，所述接口数据包括：生成所述问题信息的类型对应的答案信息时所需的数据；

将所述问题信息与所述接口数据对应存储，以供生成所述答案信息时基于所述接口数据生成答案信息。

2.根据权利要求1所述的方法，其特征在于，所述预设关键词包括：属性关键词、名称关键词。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

提取历史问题信息中与所述预设关键词匹配的历史关键词；

将历史关键词的类型作为支持向量机模型的输入向量，以及将历史问题信息的类型作为支持向量机模型的输出向量；

利用所述输入向量与输出向量，对支持向量机模型进行训练。

4.根据权利要求3所述的方法，其特征在于，基于所述关键词，确定所述问题信息的类型包括：

将所述关键词作为所述支持向量机模型的输入向量；

计算所述支持向量机模型的输出向量；

从所述输出向量对应的问题信息的类型中选取出所述问题信息的类型。

5.根据权利要求4所述的方法，其特征在于，从所述输出向量对应的问题信息的类型中选取出所述问题信息的类型包括：

获取用户的历史交易记录；

基于所述历史交易记录，从所述输出向量对应的问题信息的类型中选取出所述问题信息的类型。

6.一种人机交互装置，其特征在于，所述装置包括：

提取单元，配置用于提取用户提交的问题信息中与预设关键词匹配的关键词，所述预设关键词包括：属性关键词、名称关键词；

获取单元，配置用于基于所述关键词，确定所述问题信息的类型，以及获取接口数据，所述接口数据包括：生成所述问题信息的类型对应的答案信息时所需的数据；

存储单元，配置用于将所述问题信息与所述接口数据对应存储，以供生成所述答案信息时基于所述接口数据生成答案信息。

7.根据权利要求6所述的装置，其特征在于，所述预设关键词包括：属性关键词、名称关键词。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

关键词提取单元，配置用于提取历史问题信息中与所述预设关键词匹配的历史关键词；

处理单元，配置用于将历史关键词的类型作为支持向量机模型的输入向量，以及将历史问题信息的类型作为支持向量机模型的输出向量；

训练单元，配置用于利用所述输入向量与输出向量，对支持向量机模型进行训练。

9.根据权利要求8所述的装置，其特征在于，所述获取单元包括：

输入子单元，配置用于将所述关键词作为所述支持向量机模型的输入向量；

计算子单元，配置用于计算所述支持向量机模型的输出向量；

选取子单元，配置用于从所述输出向量对应的问题信息的类型中选取出所述问题信息的类型。

10.根据权利要求9所述的装置，其特征在于，所述选取子单元进一步配置用于：获取用户的历史交易记录；基于所述历史交易记录，从所述输出向量对应的问题信息的类型中选取出所述问题信息的类型。