CN108573046B - 一种基于ai***的用户指令处理方法及装置 - Google Patents
一种基于ai***的用户指令处理方法及装置 Download PDFInfo
- Publication number
- CN108573046B CN108573046B CN201810349754.6A CN201810349754A CN108573046B CN 108573046 B CN108573046 B CN 108573046B CN 201810349754 A CN201810349754 A CN 201810349754A CN 108573046 B CN108573046 B CN 108573046B
- Authority
- CN
- China
- Prior art keywords
- user instruction
- agent
- reply
- instruction
- intention
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
一种基于AI***的用户指令处理方法,包括接收输入的用户指令;所述方法还包括第一应答步骤,所述第一应答步骤包括:分类步骤,基于分类器,对所述用户指令进行语义分析,确定用户指令分类;第一Agent匹配步骤,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent;意图匹配步骤,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图;第一回复步骤,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。本申请的方法和装置可以对接收指令内容的准确分类,快速匹配对应功能模块,提升AI效率及准确率。
Description
技术领域
本申请涉及人工智能领域,特别是涉及一种基于AI***的用户指令处理方法及装置。
背景技术
科技高速发展的现在,各种先进、智能的发明层出不穷,人们不断被新的事物冲刺着,也在不断寻求新的突破。人工智能的出现无疑是人类历史上的一大进步,它大大加快了科技发展的步伐,改变了人们生活习惯,解放了劳动力等。AI(Artificial Intelligence,人工智能)是指利用计算机等现代化工具来模拟人类的思维和行动的技术,随着AI技术的日渐进步,AI技术已被应用于生产生活的各个方面。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
AI***被应用到不同场景,例如,装有AI***的智能机器人,实现机器人与人直接的交流,同时根据机器人不同应用环境设置AI***中的Agent用于自然语言理解,实现不同环境的对话。现有技术中,闭域AI***由多个Agent(自然语言理解模块)组成,每个Agent互相独立,构成一个封闭域,负责一类功能,即为一个功能模块,不同Agent之间相互独立。当定制某一新功能时,需要在新的Agent中重复定义其他Agent中已经定义过的Intent等内容,模块之间复用性差,并且会导致额外的设计和训练工作。同时,***过于冗杂,导致效率下降。
发明内容
本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。
根据本申请的一个方面,提供了一种基于AI***的用户指令处理方法,包括接收输入的用户指令;所述方法还包括第一应答步骤,所述第一应答步骤包括:分类步骤,基于分类器,对所述用户指令进行语义分析,确定用户指令分类;第一Agent匹配步骤,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的第一Agent;意图匹配步骤,通过对用户指令的语义分析,确定所述第一Agent内与所述用户指令所对应的意图(Intent);第一回复步骤,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。每一个Agent包括多个Intent(语言与行为的映射关系)、Entity(输入内容中参数的集合)和Context(上下文环境)。接收到用户发出的指令,用户发出的指令可以是自然语言、行为或者文字等;首先分析用户指令,对指令的语义进行分析,分析指令的意图,对这个指令分类,将指令划分入不同的功能模块或功能分类,即为Agent,第一Agent匹配步骤,根据用户指令分类与指令的意图在多个Agent中找到与该指令匹配度最高的Agent,为第一Agent,意图匹配步骤,找到第一Agent中与该指令意图对应的意图(Intent),根据这个第一Agent内对应Intent,通过该Intent以及该指令包含的Entity匹配对应的回复内容,封闭域AI***根据第一Agent下对应的Intent给出第一回复。这样就完成了一次交流,在这个过程中,分类步骤的加入使在回复每个指令前,对接收到的指令的意图进行分析,在***中已有的多个Agent中寻找,进行匹配,找到匹配度最高的Agent,并且找到该Agent内与该意图对应的Intent,每个Agent都会有重复利用的机会,在完成交流的同时没有新的Agent生成,同时也不会存储其它Agent定义过的内容,对接收指令内容的准确分类,快速匹配对应功能模块,提升AI效率及准确率。
上述用户指令处理方法,所述第一应答步骤后还包括:第一记录步骤,存储所述第一回复以及所述第一回复对应的所述第一Agent。
上述用户指令处理方法,还包括与所述第一应答步骤并行的第二应答步骤、比较步骤和第二记录步骤,所述第二应答步骤包括:第二匹配步骤,在所述用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;第二回复步骤,通过封闭域AI***,所述第二Agent如果与所述第一Agent相同,给出第一回复;所述第二Agent如果与所述第一Agent不同,由所述第二Agent对所述用户指令进行第二回复;所述比较步骤,对所述第一回复和所述第二回复进行基于权重比较,选择权重较大的回复作为所述用户指令对应的回复;如果没有第二回复,直接给出所述第一回复。上述第二匹配步骤中,如果不存在会话预存Agent,则第二匹配步骤结束,***根据所述第一Agent给出所述第一回复;所述第二记录步骤,存储所述用户指令以及所述权重较大的回复及所述回复对于的Agent。在***运行之后,每一台设备都有一个独立的会话历史。在未进行对话前,设备对应的会话历史中不存在会话预存Agent,只有进行过对话后,会话历史中会存入本次会话中匹配的Agent,作为下次对话的会话预存Agent,在下次对话发出请求时可以进行调用以提高准确度。每一个Agent对应一个输出回复。如果会话历史中没有会话预存Agent,即该会话的第一次请求,那么该次会话只有一个答案回复,既第一应答步骤的第一回复;如果会话历史中存在会话预存Agent,会话预存Agent为第二Agent,如果第二Agent与上述第一Agent匹配步骤所匹配的Agent相同,那么该次会话只有一个第一回复答案输出;如果会话历史中存在会话预存Agent,则命名会话预存Agent为第二Agent,且第二Agent与所述第一Agent也就是与匹配步骤所匹配的Agent不同,那么该次会话会给出第二回复,比较步骤比较第一回复和第二回复的权重,每一个回复将会携带一个权重评分,权重评分范围为0-1,分数越大表示权重越高。通过算法对输入指令词汇及语义的分析,这两个答案会有对应的评分,会输出评分较大的答案,并且记录权重值较大的回复对应的Agent。
上述用户指令处理方法,所述分类器包括分词器通过如下步骤对所述用户指令进行分词:字词分离步骤,基于预设的词汇及词汇划分规则,对所述用户指令进行字词分离;筛选和过滤步骤,基于字词分离的结果,进行筛选和过滤;语义分析步骤,基于筛选和过滤的结果,进行用户指令的语义分析。字词分离步骤,预设的词汇及词汇划分规则由行业内普遍公认的词汇为依据;例如,应用本***的设备应用在医疗上,预设的词汇及词汇划分规则就根据医疗行业词汇进行划分,应用本***的设备应用在美食上,预设的词汇及词汇划分规则就根据就更具美食行业划分。筛选和过滤步骤,根据字词分类结果,将没有意义或干扰字词或对指令没有影响的字词过滤掉,然后对筛选和过滤的后指令进行语义分析,使分析结果更加准确,使匹配Agent的结果更加精准。
上述用户指令处理方法,所述字词分离步骤中,所述字词分离基于默认词库和/或定制词库;所述筛选和过滤步骤中,所述筛选过程参照预设的字词黑名单进行。所述默认词库为本领域内公认的常用词汇,所述定制词库是本领域不常用或者没有的词汇;所述黑名单是指那些没有意义或干扰字词或对指令没有影响的字词。
根据本申请的另一个方面,提供了一种基于AI***的用户指令处理装置,包括用于接收输入的用户指令模块;所述装置还包括第一应答模块,所述第一应答模块包括:分类单元,用于基于分类器,对所述用户指令进行语义分析,确定用户指令分类;第一Agent匹配单元,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent;意图匹配单元,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图(Intent);第一回复单元,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。每一个Agent包括多个Intent(语言与行为的映射关系)、Entity(输入内容中参数的集合)和Context(上下文环境)。接收到用户发出的指令,用户发出的指令可以是自然语言、行为或者文字等;首先分析用户指令,对指令的语义进行分析,分析指令的意图,对这个指令分类,将指令划分入不同的功能模块或功能分类,即为Agent,第一Agent匹配单元,根据用户指令分类、指令的意图在多个Agent中找到与该指令匹配度最高的Agent,为第一Agent,意图匹配单元,找到第一Agent中与该指令意图对应的Intent,根据这个第一Agent内对应Intent,通过该Intent以及该指令包含的Entity匹配对应的回复内容,封闭域AI***根据第一Agent下对应的Intent给出第一回复。这样就完成了一次交流,在这个过程中,分类步骤的加入使在回复每个指令前,对接收到的指令的意图的分析,在***中已有的多个Agent中寻找,进行匹配,找到匹配度最高的Agent,并且找到该Agent内与该意图对应的Intent,每个Agent都会有重复利用的机会,在完成交流的同时没有新的Agent生成,同时也不会存储其它Agent定义过的内容,对接收指令内容的准确分类,快速匹配对应功能模块,提升AI效率及准确率。
上述用户指令处理装置,所述第一应答模块后还包括:第一记录模块,用于存储所述第一回复以及所述第一回复对应的所述第一Agent。这样在下次对话中,此处存储的Agent为会话预存Agent。
上述用户指令处理装置,还包括与所述第一应答模块并行的第二应答模块、比较模块和第二记录模块,所述第二应答模块包括:第二匹配单元,在所述用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;第二回复单元,通过封闭域AI***,第二Agent如果与第一Agent相同,给出第一回复;第二Agent如果与第一Agent不同,由所述第二Agent对所述用户指令进行第二回复。上述第二匹配步单元中,如果不存在会话预存Agent,则第二匹配步骤结束,***根据所述第一Agent给出所述第一回复;所述比较模块用于对所述第一回复和所述第二回复进行基于权重比较,选择权重较大的回复作为所述用户指令对应的回复;如果没有第二回复,直接给出第一回复。所述第二记录模块用于存储所述用户指令以及所述权重较大的回复及所述回复对应的Agent。
根据本申请的另一个方面,提供了一种计算机设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上述任一项所述的方法。
根据本申请的另一个方面,提供了一种计算机可读存储介质,优选为非易失性可读存储介质,其内存储有计算机程序,所述计算机程序在由处理器执行时实现如上述任一项所述的方法。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本申请一个实施例的AI***的用户指令处理方法的流程图;
图2是根据本申请另一个实施例的AI***的用户指令处理方法的流程图;
图3是图2中分类方法的流程图;
图4是根据本申请另一个实施例中AI***的用户指令处理方法的流程图;
图5是根据本申请在一个具体的实施例中AI***的用户指令处理装置的示意图;
图6是图5所示第一应答模块的示意图;
图7是图5所示第二应答模块的示意图;
图8是根据本申请在另一个具体实施例中AI***的用户指令处理装置各组件示意图;
图9是根据本申请一个实施例的计算机设备的示意图;
图10是根据本申请一个实施例的计算机可读存储介质的示意图。
具体实施方式
图1是根据本申请一个实施例的AI***的用户指令处理方法的流程图;在一个具体的实施例中,本申请的AI***的用户指令处理方法包括接收输入的用户指令100;还包括第一应答步骤200,所述第一应答步骤200包括:
分类步骤210,基于分类器,对所述用户指令进行语义分析,确定用户指令分类。
第一Agent匹配步骤220,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent。
意图匹配步骤230,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图。
第一回复步骤240,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。
接收到用户发出的指令,用户发出的指令可以是自然语言、行为或者文字等;首先分析用户指令,对指令的语义进行分析,匹与改指令对应意图匹配度最高的第一Agent,分析指令的意图,对这个指令分类,找到第一Agent中对应的意图(Intent),根据这个第一Agent的意图,封闭域AI***给出第一回复。这样就完成了一次交流,在这个过程中,分类步骤的加入使在回复每个指令时,接收的每个指令都会寻找***中已有的Agent,进行匹配,每个Agent都会有重复利用的机会,在完成交流的同时没有新的Agent生成。
图2另一个实施例的AI***的用户指令处理方法的流程图;
分类步骤210,基于分类器,对所述用户指令进行语义分析,确定用户指令分类。
第一Agent匹配步骤220,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent。
意图匹配步骤230,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图。
第一回复步骤240,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。
第一记录步骤250,存储所述第一回复以及所述第一回复对应的所述第一Agent。
图3是分类步骤的流程图,分类器包括分词器通过如下步骤对所述用户指令进行分词:
字词分离步骤211,基于预设的词汇及词汇划分规则,对所述用户指令进行字词分离。
筛选和过滤步骤212,基于字词分离的结果,进行筛选和过滤。
语义分析步骤213,基于筛选和过滤的结果,进行用户指令的语义分析。字词分离步骤,预设的词汇及词汇划分规则有行业内普遍公认的词汇为依据;字词分离步骤中,字词分离基于默认词库和/或定制词库;其实默认词库与定制词库为***已有的词库,默认词库与定制词库的分类按照本行业公认的词汇划分,筛选和过滤步骤,筛选和过滤过滤掉对语义表达没有作用的字词,筛选过程参照预设的字词黑名单进行。例如,应用本***的设备应用在医疗上,预设的词汇及词汇划分规则就根据医疗行业词汇进行划分,应用本***的设备应用在美食上,预设的词汇及词汇划分规则就根据就更具美食行业划分。筛选和过滤步骤,根据字词分类结果,将没有意义或干扰字词或对指令没有影响的字词过滤掉,然后对筛选和过滤的指令进行语义分析,是分析结果更加准确,使匹配Agent的结果更加精准。
图4是根据本申请另一个实施例中AI***的用户指令处理方法的流程图;在另一个具体的实施例中,本申请的AI***的用户指令处理方法包括接收输入的用户指令100;还包括第一应答步骤200和第二应答步骤300,第一应答步骤200包括:
分类步骤210,基于分类器,对所述用户指令进行语义分析,确定用户指令分类。
第一Agent匹配步骤220,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent。
意图匹配步骤230,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图。
第一回复步骤240,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复。第二应答步骤300包括:
第二匹配步骤310,在所述用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;如果不存在会话预存Agent,则第二匹配步骤结束,***根据所述第一Agent给出所述第一回复。
第二回复步骤320,通过封闭域AI***,第二Agent如果与第一Agent相同,给出第一回复;第二Agent如果与第一Agent不同,由所述第二Agent对所述用户指令进行第二回复。
第一应答步骤200得到第一回复,第二应答步骤300如果得到第二回复,那么进行下一步,比较步骤400;如果没有第二回复,那么直接给出第一回复,400比较步骤,对所述第一回复和所述第二回复进行基于权重比较,如前文所述,选择权重较大的回复作为所述用户指令对应的回复;如果没有第二回复,直接以第一回复为回复。
第二记录步骤500,存储所述用户指令以及所述权重较大的回复及所述回复对于的Agent。
需要说明的是此处的第一Agent与第二Agent中的“第一”与“第二”只是用来区分命名,没有实质性的含义。
图5是根据本申请在一个具体的实施例中AI***的用户指令处理装置的示意图;AI***的用户指令处理装置600包括用于接收输入的用户指令模块601、第一应答模块602、第二应答模块603、比较模块604和第二记录模块605,在具体工作状态下,接收输入的用户指令模块601接收到用户的指令,该指令可以是自然语言、行为或者文字等,接收到指令后分别有第一应答模块602、第二应答模块603分析给出回复,比较模块604通过权重比较,权衡两个回复,对两个回复评分,分数值大的一个回复为最总回复,第二记录模块605记录这个回复对应的Agent。
第一应答模块700的具体实现过程如图6,第一应答模块包括分类单元701、第一Agent匹配单元702、意图匹配单元703和第一回复单元704;分类单元701的工作过程如下,对接收到的指令首先字词分离步骤,基于预设的词汇及词汇划分规则,分类单元701中已经预先存储有两个词库,分别为默认词库和定制词库,默认词库和定制词库的分词原则以本行业技术人员的共识进行分类,对用户指令进行字词分离后筛选字词;筛选和过滤对指令表达没有作用的字词,把这些字词加入黑名单,经常分类单元处理过的指令是装置可识别的状态。第一Agent匹配单元702,根据用户指令分类,在AI***的多个Agent中找到匹配度最高的那个Agent,意图匹配单元703根据指令的意图,找到第一Agent中对应的意图,第一回复单元703为封闭的AI***分析第一Agent的意图,给出第一回复;第一应答模块完成一次工作。
第二应答模块800的具体实现过程如图7,第二应答模块与第一应答模块同时进行,第二应答模块包括第二匹配单元801和第二回复单元802,在具体的工作状态下,接收到的用户指令同时到第二应答模块800中,首先通过第二匹配单元801对用户指令进行匹配,如果用户指令存在会话预存Agent的情况下,令会话预存Agent为第二Agent;上述第二匹配步骤中,如果不存在会话预存Agent,则第二匹配步骤结束,***根据所述第一Agent给出所述第一回复;第一回复为该对话的回复;第二回复单元802为封闭的AI***,通过这个***给出第二回复;第二Agent如果与第一Agent相同,通过封闭域AI***给出第一回复;第二Agent如果与第一Agent不同,所述第二Agent对应的意图对所述用户指令进行第二回复。
图8是在一个实施例中AI***的用户指令处理装置900,在具体的实施过程中,接收输入的用户指令模块901负责接收用户的指令,指令可以是语言、文字或者行为等,接收到的指令同时进行两个处理过程,第一应答模块910和第二应答模块920,其中第一应答模块910包括四个单元,分类单元911,负责对分类,分类过程是:首先分析用户指令,对指令的语义进行分析,对这个指令分类,分类单元911中已经预先存储有两个词库,分别为默认词库和定制词库,默认词库和定制词库的分词原则以本行业技术人员的共识为依据,对接收输入的用户指令模块901进行行分类,对用户指令进行字词分离后筛选字词;筛选和过滤对指令表达没有作用的字词,把这些字词加入黑名单,经常分类单元处理过的指令是装置可识别的状态。第一Agent匹配单元912根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的的第一Agent;意图匹配步骤913,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图;第一回复单元914为封闭的AI***分析第一Agent的意图,给出第一回复;第一应答模块完成一次工作。与此同时,第二应答模块921也对接收输入的用户指令模块901的指令进行匹配,第二匹配单元931,如果用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;如果用户指令不存在会话预存Agent的情况下,第二匹配单元931过程结束,回复为第一Agent对应的第一回复;第二回复单元932为封闭域的AI***,第二Agent如果与第一Agent相同,通过封闭域AI***给出直接第一回复;第二Agent如果与第一Agent不同,由所述第二Agent对所述用户指令进行第二回复;比较模块930,进行权重比较,输出权重比较值大的回复,每一个回复将会携带一个权重评分,权重评分范围为0-1,分数越大表示权重越高。这两个答案会有对应的评分,会输出评分较高的答案,并且记录权重值较大的回复对于的Agent。如果存在第一回复和第二回复,进行权重比较,如果没有第二回复,那么直接给出第一回复,第二记录模块940记录该回复对应的Agent。本申请的***在完成一个对话时,通过分类模块使接收到的指令可以精准分到对应的Agent,而不需重新定于其它Agent已经定义过的内容,并且不会导致额外的设计和训练工作,节省了***的空间,提高了效。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
申请实施例还提供了一种计算设备,参照图9,该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序,该计算机程序存储于存储器1120中的用于程序代码的空间1130,该计算机程序在由处理器1110执行时实现用于执行任一项根据本发明的方法步骤1131。
本申请实施例还提供了一种计算机可读存储介质。参照图10,该计算机可读存储介质包括用于程序代码的存储单元,该存储单元设置有用于执行根据本发明的方法步骤的程序1131′,该程序被处理器执行。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机上运行时,使得计算机执行根据本发明的方法步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、获取其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(英文:non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(英文:magnetic tape),软盘(英文:floppy disk),光盘(英文:optical disc)及其任意组合。
以上所述,本申请文件中涉及序号及排序的内容不代表实际的执行顺序,且没有先后及优选级的差别,只是用来区分不同步骤、不同原件的描述。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于AI***的用户指令处理方法,包括接收输入的用户指令;其特征在于,
所述方法还包括第一应答步骤,所述第一应答步骤包括:
分类步骤,基于分类器,对所述用户指令进行语义分析,确定用户指令分类;
第一Agent匹配步骤,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的第一Agent;
意图匹配步骤,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图;
第一回复步骤,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复,并且
方法还包括与所述第一应答步骤并行的第二应答步骤、比较步骤和第二记录步骤,所述第二应答步骤包括:
第二匹配步骤,在所述用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;
第二回复步骤,所述第二Agent如果与所述第一Agent相同,通过封闭域AI***给出第一回复;所述第二Agent如果与所述第一Agent不同,由所述第二Agent对所述用户指令进行第二回复;
所述比较步骤为,对所述第一回复和所述第二回复进行基于权重的比较,选择权重较大的回复作为所述用户指令对应的回复;如果没有所述第二回复,直接给出所述第一回复;
所述第二记录步骤,存储所述用户指令、所述权重较大的回复以及与所述权重较大的回复对应的Agent。
2.根据权利要求1所述的基于AI***的用户指令处理方法,其特征在于,所述第一应答步骤后还包括:
第一记录步骤,存储所述第一回复以及所述第一回复对应的所述第一Agent。
3.根据权利要求1所述的基于AI***的用户指令处理方法,其特征在于,所述分类器包括分词器通过如下步骤对所述用户指令进行分词:
字词分离步骤,基于预设的词汇及词汇划分规则,对所述用户指令进行字词分离;
筛选和过滤步骤,基于字词分离的结果,进行筛选和过滤;
语义分析步骤,基于筛选和过滤的结果,进行用户指令的语义分析。
4.根据权利要求3所述的基于AI***的用户指令处理方法,其特征在于,
所述字词分离步骤中,所述字词分离基于默认词库和/或定制词库;
所述筛选和过滤步骤中,所述筛选的过程参照预设的字词黑名单进行。
5.一种基于AI***的用户指令处理装置,包括用于接收输入的用户指令模块;其特征在于,所述装置还包括第一应答模块,所述第一应答模块包括:
分类单元,用于基于分类器,对所述用户指令进行语义分析,确定用户指令分类;
第一Agent匹配单元,根据用户指令分类,在AI***的多个Agent中,确定与所述用户指令匹配度最高的第一Agent;
意图匹配单元,通过对用户指令的语义分析,确定所述第一Agent下与所述用户指令所对应的意图;
第一回复单元,通过封闭域AI***,由所述第一Agent基于所述用户指令所对应的意图,对所述用户指令进行第一回复,并且
装置还包括与所述第一应答模块并行的第二应答模块、比较模块和第二记录模块,所述第二应答模块包括:
第二匹配单元,在所述用户指令存在会话预存Agent的情况下,令所述会话预存Agent为第二Agent;
第二回复单元,所述第二Agent如果与所述第一Agent相同,通过封闭域AI***给出所述第一回复;所述第二Agent如果与所述第一Agent不同,由所述第二Agent对所述用户指令进行第二回复;
所述比较模块用于对所述第一回复和所述第二回复进行基于权重的比较,选择权重较大的回复作为所述用户指令对应的回复;如果没有所述第二回复,直接给出所述第一回复;
所述第二记录模块用于存储所述用户指令、所述权重较大的回复以及与所述权重较大的回复对应的Agent。
6.根据权利要求5所述的基于AI***的用户指令处理装置,其特征在于,所述第一应答模块还包括:
第一记录单元,用于存储所述第一回复以及所述第一回复对应的所述第一Agent。
7.一种计算机设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序在由处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349754.6A CN108573046B (zh) | 2018-04-18 | 2018-04-18 | 一种基于ai***的用户指令处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349754.6A CN108573046B (zh) | 2018-04-18 | 2018-04-18 | 一种基于ai***的用户指令处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573046A CN108573046A (zh) | 2018-09-25 |
CN108573046B true CN108573046B (zh) | 2021-06-29 |
Family
ID=63575075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810349754.6A Expired - Fee Related CN108573046B (zh) | 2018-04-18 | 2018-04-18 | 一种基于ai***的用户指令处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573046B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178705A (zh) * | 2007-12-13 | 2008-05-14 | 中国电信股份有限公司 | 一种自然语言理解方法和人机交互智能*** |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答***和方法 |
CN106844400A (zh) * | 2015-12-07 | 2017-06-13 | 南京中兴新软件有限责任公司 | 智能应答方法及装置 |
CN107741976A (zh) * | 2017-10-16 | 2018-02-27 | 泰康保险集团股份有限公司 | 智能应答方法、装置、介质和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100257022A1 (en) * | 2009-04-07 | 2010-10-07 | Yahoo! Inc. | Finding Similar Campaigns for Internet Advertisement Targeting |
CN103020047A (zh) * | 2012-12-31 | 2013-04-03 | 威盛电子股份有限公司 | 修正语音应答的方法及自然语言对话*** |
US20150227579A1 (en) * | 2014-02-12 | 2015-08-13 | Tll, Llc | System and method for determining intents using social media data |
CN107370649B (zh) * | 2017-08-31 | 2020-09-11 | 广东美的制冷设备有限公司 | 家电控制方法、***、控制终端、及存储介质 |
-
2018
- 2018-04-18 CN CN201810349754.6A patent/CN108573046B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178705A (zh) * | 2007-12-13 | 2008-05-14 | 中国电信股份有限公司 | 一种自然语言理解方法和人机交互智能*** |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答***和方法 |
CN106844400A (zh) * | 2015-12-07 | 2017-06-13 | 南京中兴新软件有限责任公司 | 智能应答方法及装置 |
CN107741976A (zh) * | 2017-10-16 | 2018-02-27 | 泰康保险集团股份有限公司 | 智能应答方法、装置、介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108573046A (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI677852B (zh) | 一種圖像特徵獲取方法及裝置、電子設備、電腦可讀存儲介質 | |
CN110444198B (zh) | 检索方法、装置、计算机设备和存储介质 | |
CN108021806B (zh) | 一种恶意安装包的识别方法和装置 | |
CN109902833B (zh) | 机器学习模型解释方法以及装置 | |
CN106504768A (zh) | 基于人工智能的电话拨测音频分类方法及装置 | |
Strout et al. | Anuran call classification with deep learning | |
CN111210842A (zh) | 语音质检方法、装置、终端及计算机可读存储介质 | |
CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
KR20170109304A (ko) | 객체 인식을 위한 캐스케이드 분류기의 병렬 학습 방법 | |
CN110287318B (zh) | 业务操作的检测方法及装置、存储介质、电子装置 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN110619213A (zh) | 基于多模型特征的恶意软件识别方法、***及相关装置 | |
CN112468659A (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
CN111324810A (zh) | 一种信息过滤方法、装置及电子设备 | |
CN109829302A (zh) | Android恶意应用家族分类方法、装置与电子设备 | |
CN111081223A (zh) | 一种语音识别方法、装置、设备和存储介质 | |
CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
CN106710588B (zh) | 语音数据句类识别方法和装置及*** | |
CN113837836A (zh) | 模型推荐方法、装置、设备及存储介质 | |
CN109672586A (zh) | 一种dpi业务流量识别方法、装置与计算机可读存储介质 | |
CN111177388B (zh) | 一种处理方法及计算机设备 | |
CN112562736A (zh) | 一种语音数据集质量评估方法和装置 | |
CN115858776B (zh) | 一种变体文本分类识别方法、***、存储介质和电子设备 | |
CN108573046B (zh) | 一种基于ai***的用户指令处理方法及装置 | |
US20140172874A1 (en) | Intelligent analysis queue construction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210629 |
|
CF01 | Termination of patent right due to non-payment of annual fee |