CN109002498B - 人机对话方法、装置、设备及存储介质 - Google Patents
人机对话方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109002498B CN109002498B CN201810693841.3A CN201810693841A CN109002498B CN 109002498 B CN109002498 B CN 109002498B CN 201810693841 A CN201810693841 A CN 201810693841A CN 109002498 B CN109002498 B CN 109002498B
- Authority
- CN
- China
- Prior art keywords
- statement
- sentence
- weight value
- client device
- numerical value
- 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.)
- Active
Links
Images
Classifications
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供一种人机对话方法、装置、设备及存储介质,该人机对话方法可包括:接收客户端设备发送的请求,所述请求包括输入的第一语句;对所述第一语句进行分析,得到所述第一语句的权重值,所述权重值用于表征所述第一语句的合理性;根据所述权重值,从预设的语料库中,确定用于答复所述第一语句的第二语句;向所述客户端设备发送响应,所述响应包括:所述第二语句,所述响应用于使得所述客户端设备输出所述第二语句。本发明可提高人机对话中的用户体验。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种人机对话方法、装置、设备及存储介质。
背景技术
随着人工智能技术的发展,基于语言的人机对话已成为主要的人机交互场景之一。在人机对话场景中,设备基于用户输入的语句确定该输入语句相关的语句进行答复,如此,看起来用户在和设备进行对话。
在目前的人机对话场景中,大多是通过对输入的语句进行关键词匹配,根据匹配结果确定答复语句。然而,在实际应用中,用户输入的大多语句可能比较随意,使得语义不合理,这使得通过关键词匹配得不到对应的语句,则返回随机或固定的答复语句。
因而,目前的人机对话技术,容易使得用户认为设备或是机器人不够智能,使得人机交互体验较差。
发明内容
本发明提供一种人机对话方法、装置、设备及存储介质,以使得人机对话场景中,设备或机器人的答复更加智能,提高用户体验。
第一方面,本发明提供一种人机对话方法,包括:
接收客户端设备发送的请求,所述请求包括输入的第一语句;
对所述第一语句进行分析,得到所述第一语句的权重值,所述权重值用于表征所述第一语句的合理性;
根据所述权重值,从预设的语料库中,确定用于答复所述第一语句的第二语句;
向所述客户端设备发送响应,所述响应包括:所述第二语句,所述响应用于使得所述客户端设备输出所述第二语句。
第二方面,本发明提供一种人机对话装置,包括:
接收模块,用于接收客户端设备发送的请求,所述请求包括输入的第一语句;
分析模块,用于对所述第一语句进行分析,得到所述第一语句的权重值,所述权重值用于表征所述第一语句的合理性;
确定模块,用于根据所述权重值,从预设的语料库中,确定用于答复所述第一语句的第二语句;
发送模块,用于向所述客户端设备发送响应,所述响应包括:所述第二语句,所述响应用于使得所述客户端设备输出所述第二语句。
第三方面,本发明提供一种服务端设备,包括:存储器及处理器;所述存储器与所述处理器连接;
所述存储器,用于存储程序指令;
所述处理器,用于在程序指令被执行时,可实现述第一方面所述的人机对话方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面所述的人机对话方法。
本发明提供一种人机对话方法、装置、设备及存储介质,可通过服务端接收客户端设备发送的包括第一语句的请求,对该第一语句进行分析,得到该第一语句的权重值,该权重值用于表征该第一语句的合理性,并根据该权重值,从预设的语料库中,确定用于答复该第一语句的第二语句,继而向客户端设备返回包括该第二语句的响应,用以使得客户端设备输出该第二语句。该方法中,用于答复该第一语句的第二语句是根据第一语句的合理性确定,而并非随机语句或是固定语句,使得客户端设备在人机对话场景中的答复更加智能,提高人机对话中的用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种人机对话***的示意图;
图2为本发明实施例提供的人机对话方法的流程图一;
图3为本发明实施例提供的人机对话方法的流程图二;
图4为本发明实施例提供的人机对话方法的流程图三;
图5为本发明实施例提供的人机对话方法的流程图四;
图6为本发明实施例提供的人机对话装置的结构示意图一;
图7为本发明实施例提供的人机对话装置的结构示意图二;
图8为本发明实施例提供的服务端设备的结构示意图;
图9为本发明实施例提供的客户端设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例各部分及附图中的术语“第一”、“第二”及“第三”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明下述实施例所涉及的方法流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按照所描述的顺序执行。例如,有些步骤还可以分解,而有些步骤可以合并或部分合并,因此,实际执行的顺序可根据实际情况改变。
本发明下述实施例所涉及的方框图中的功能模块仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或者不同网络和/或处理器和/或微控制器中实现这些功能实体。
本发明下述各实施例提供的人机对话方法可适用人机对话***中,图1为本发明实施例提供的一种人机对话***的示意图。如图1所示,人机对话***可包括:服务端设备11、客户端设备12和用户13。服务端设备11可与至少一个客户端设备12连接,用以控制其连接的客户端设备12与用户13进行对话。客户端设备12可以为台式电脑、笔记本、个人数字助理(Personal Digital Assistant,简称:PDA)、智能手机、平板电脑、智能机器设备等设备。可与用户进行人机对话的客户端设备12还可称为“机器人”。
服务端设备11的功能可由一个服务器执行,也可由多个服务器执行,不同服务器用于实现不同的功能。也就是说,服务端设备11可由至少一个服务器组成。组成服务端设备11的每个服务器可以为一个物理实体即物理机,也可以为一个功能实体如物理机上的一个功能模块。
客户端设备12上具有输入设备,可获取用户输入的语句,还可具有输出设备用于向用户输出答复语句。继而实现人机对话。
如下结合多个实例对本发明实施例提供的人机对话方法、装置、电子设备及存储介质进行说明。
图2为本发明实施例提供的人机对话方法的流程图一。该人机对话方法可由客户端设备和服务端设备交互执行。如图2所示,本实施例所示的人机对话方法可包括如下:
S201、客户端设备接收输入的第一语句。
该客户端设备可接收用户通过该客户端设备的输入设备或者与该客户端设备连接的输入设备输入的该第一语句。
基于输入设备的类型,该第一语句可以为不同类型的语句。
在一种示例中,该输入设备例如可以为键盘或触控面板,则该第一语句可以为文本类型的语句。
在又一种示例中,该输入设备例如可以为语音输入设备,则该第一语句可以为语音类型的语句。
该第一语句可以为实时对话中输入至客户端设备的语句,该第一语句也可称为提问语句,对应的,下述用于答复该第一语句的第二语句可称为答复语句。
S202、客户端设备向服务端设备发送请求,该请求包括:该第一语句。
客户端设备在接收到输入的该第一数据后,可向服务端设备发送包括该第一语句的请求,用以从服务端设备请求答复该第一语句的语句。
对应的,该方法还包括:
服务端设备接收客户端设备发送的请求,该请求包括输入的第一语句。
S203、服务端设备对该第一语句进行分析,得到该第一语句的权重值,该权重值用于表征该第一语句的合理性。
服务端设备在接收到该请求后,可对该第一语句进行合理性分析,得到可用于表征该第一语句的合理性的,该第一语句的权重值。
具体实现过程中,服务端设备可根据预设的分析模型,对该第一语句进行分析,得到该第一语句的权重值。在一种示例中,权重值越大,可表示该第一语句的合理性越高;权重值越小,可表示该第一语句的合理性越低。
示例地,客户端设备可将包括该第一语句的请求发送至服务端设备中的第一服务器,该第一服务器可将该第一语句发送至第二服务器,由第二服务器对该第一语句进行分析。其中,该第一服务器例如可以为该服务端设备中的应用服务器或者控制服务器,该第一服务器可称为。该第二服务器可以由服务端设备中,搭载有分析模型的服务器。该第一服务器例如可以根据安装有分析模型的至少一个服务器中,选择最佳的一个服务器作为用于对该第一语句进行分析的第二服务器。该第一服务器可根据分析模型的部署情况进行实时负载均衡和调度,在满足负载均衡的情况下,确定可用资源最多、每秒查询率(Query PerSecond,QPS)极高的搭载有分析模型的服务器作为该第二服务器。服务端的每个服务器例如可以为一个物体实体,也可为一个功能实体。
如上所述的,该第一服务器可称为预测引擎服务器,第二服务器可称为模型服务器,其中,分析模型可称为预测模型。
S204、服务端设备根据该权重值,从预设的语料库中,确定用于答复该第一语句的第二语句。
该语料库中可包括至少一个权重值对应的语料,每个权重值对应的语料可用于对语句权重值为该每个权重值的语句进行答复。该方法中,服务端设备可根据该权重值,采用语料库答案匹配算法,从该预设的语料库中确定该权重值对应的语料为该用于答复该第一语句的第二语句。
S205、服务端设备向客户端设备发送响应,该响应包括该第二语句。
对应的,该方法还可包括:
客户端设备接收来自服务端设备的包括该第二语句的响应。
S206、客户端设备输出该第二语句。
该客户端设备可在接收到该第二语句后,直接输出该第二语句;也可在接收到该第二语句后,对该第二语句就行处理例如进行格式转换后再进行输出。该客户端设备例如可通过显示屏或语音播放设备,输出该第二语句,至用户,实现用户与该客户端设备间的人机交互。
本发明实施例提供的人机对话方法,可通过服务端接收客户端设备发送的包括第一语句的请求,对该第一语句进行分析,得到该第一语句的权重值,该权重值用于表征该第一语句的合理性,并根据该权重值,从预设的语料库中,确定用于答复该第一语句的第二语句,继而向客户端设备返回包括该第二语句的响应,用以使得客户端设备输出该第二语句。该方法中,用于答复该第一语句的第二语句是根据第一语句的合理性确定,而并非随机语句或是固定语句,使得客户端设备在人机对话场景中的答复更加智能,提高用户体验。
在上述示例提供的人机对话方法的基础上,本发明还可提供一种人机对话方法。图3为本发明实施例提供的人机对话方法的流程图二。该图3可以为第一语句为语音类型的语句的情况下,上述人机对话方法中进行语句分析的一种可能示例。如图3所示,该方法在上述人机对话方法中S203中服务端设备对该第一语句进行分析,得到该第一语句的权重值之前,该方法还可包括:
S301、服务端设备采用自动语音识别(Automatic Speech Recognition,ASR)技术,将该第一语句转换为文本类型的该第一语句。
也就是说,客户端设备在接收到输入的语音类型的第一语句后,可将语音类型的第一语句携带在请求中,发送至服务端设备。该语音类型的第一语句还可称为该第一语句的语音音频。
本实施例,客户端设备可直接量语音类型的第一语句发送至服务端设备。在另一示例中,客户端设备在接收到输入的语音类型的第一语句后,也可先采用ASR技术,将该第一语句转换为文本类型的该第一语句,继而将文本类型的第一语句发送至服务端设备执行。针对该客户端设备进行语句格式转换的实现过程,在此不再赘述。
则上述方法中S203服务端设备对该第一语句进行分析,得到该第一语句的权重值,可包括:
S302、服务端设备对文本类型的该第一语句进行分析,得到该权重值。
该实施例为输入语句为语音类型的第一语句的一种示例,当然,该第一语句也可为文本类型的语句,若为文本类型的语句,服务端设备便无需进行格式转换,而直接对该文本类型的该第一语句进行分析,得到该权重值。
本实施例提供的方法,可在提高人机对话的智能性的基础上,还可实现用户与客户端设备间的语音对话,提高用户体验。
在上述示例提供的人机对话方法的基础上,本发明还可提供一种人机对话方法。图4为本发明实施例提供的人机对话方法的流程图三。该图4可以为第二语句为文本类型的语句的情况下,上述人机对话方法中客户端设备进行语音答复的一种可能示例。如图4所示,该方法在上述人机对话方法中S205中服务端设备向客户端设备发送响应之前,该方法还可包括:
S401、服务端设备采用文本语音(Text To Speech,TTS)技术,将该第二语句转换为语音类型的该第二语句。
服务端设备在确定用于答复该第一语句的第二语句后,便可采用TTS技术,对该文本类型的第二语句进行TTS处理,得到语音类型的该第二语句,实现第二语句由文本类型至语音类型的格式转换。
则上述方法中S205中服务端设备向客户端设备发送响应可包括:
S402、服务端设备向客户端设备发送包括语音类型该第二语句的响应。
对应的,上述人机对话方法中S206客户端设备输出该第二语句可包括:
S403、客户端设备输出语音类型的该第二语句。
该客户端设备可通过语音播放该第二语句,例如可通过语音输出设备输出该语音类型的该第二语句。
该实施例为服务端设备确定的答复语句为文本类型的第二语句的一种示例。在另一种示例中,若该第二语句为文本类型的语句,服务端设备可不对其进行格式转换,直接将其发送至客户端设备,由客户端设备显示该文本类型的该第二语句,实现客户端设备与用户之间的人机对话。
当然,该第二语句也可为语音类型的语句,若为语音类型的语句,服务端设备便无需进行格式转换,而直接发送至客户端设备,由其进行输出。
本实施例提供的方法,可在提高人机对话的智能性的基础上,还可实现用户与客户端设备间的语音对话,提高用户体验。
在上述示例提供的人机对话方法的基础上,本发明还可提供一种人机对话方法。该方法在上述人机对话方法中,S203中服务端设备对该第一语句进行分析,得到该第一语句的权重值,可以包括:
服务端设备根据该第一语句的长短,对该第一语句进行分析,得到该权重值。
也就是说,在确定用于表征该第一语句的合理性的权重值的情况下,还可结合该第一语句的长短,可使得该权重值更加准确,更加准确的表征该第一语句的合理性,从而提升人机对话的智能性。
图5为本发明实施例提供的人机对话方法的流程图四。该图5所示的人机对话方法可以为对该第一语句进行分析的一种可能的示例。需要说明的是,对第一语句进行分析的方法可不限于图5所示的方式,还可为其它的方式,在此不再赘述。
如图5所示,如上所示的服务端设备根据该第一语句的长短,对该第一语句进行分析,得到该权重值,可包括:
S501、服务端设备根据该第一语句的长短,采用预设的语言模型,对该第一语句进行语言分析,得到该第一语句的第一数值。
该第一数值用于表征该第一语句的语言合理性。
该语言模型例如可以为基于统计学算法的Tri-gram语言模型。
也就是说,该服务端设备可根据该第一语句的长短,采用统计学算法对该第一语句进行分析,得到用于表征该第一语句的语言合理性的第一数值。
S502、服务端设备根据该第一语句的长短,采用预设的语义模型,对该第一语句进行语义分析,得到该第一语句的第二数值。
该第二数值用于表征该第一语句的语义合理性。
该语义模型例如可以为深度卷积神经网络(Deep Convolutional NeuralNetworks,DNN)的语义模型。
该服务端设备可根据该第一语句的长短,采用DNN算法对该第一语句进行语义分析,得到用于表征该第一语句的语义合理性的第二数值。
S503、服务端设备根据该第一语句的长短,采用预设的语句依存模型,对该第一语句进行规则分析,得到该第一语句的第三数值。
该第三数值用于表征该第一语句的规则合理性。
该语句依存模型,可存储有至少一种的语句结构规则。该服务端设备可根据该第一语句的长短,采用预设的语句依存模型,对该第一语句进行规则分析,得到用于表征该第一语句的规则合理性的第三数值。在该实施例中,该规则分析可以为语句结构的规则分析,该规则合理性可指代语句结构的规则合理性。
S504、服务端设备根据该第一语句的长短,对该第一数值、该第二数值和该第三数值进行加权,得到该权重值。
也就是说,用于表征该第一语句的合理性的权重值可以为服务端设备采用预设的混合模型以及该第一语句的长短进行分析,得到的。
其中,该混合模型例如可以为:语言模型、语义模型以及语句依存模型组成的混合模型。
该实施例提供的人机对话方法中,可根据表征该第一语句的语言合理性的第一数值、表征该第一语句的语义合理性的第二数值、表征该第一语句的规则合理性的第三数值,以及该第一语句的长短,确定表征该第一语句的合理性的权重值,可使得该权重值更加准确,更加准确的表征该第一语句的合理性,从而提升人机对话的智能性。
可选的,如上任一所述的人机对话方法中,该语料库可包括:来自多种问答类应用和/或百科类应用的语料库中的语料。
其中,服务端设备可通过爬虫模块,从多种问答类应用和/或百科类应用的语料库中获取语料,得到用于人机对话的语料库。
由于问答类应用的语料库中的语料,通常更接近口语,因此,该方法中,服务端设备可以从问答类应用对应的数据库中,确定问答类应用的语料库中的语料进行训练,得到用于人机对话的语料库。
语料库中包括有问答类的应用的语料中的语料,可使得答复语句更加口语,提高人机对话的智能,提高人机交互体验。语料库中还包括百科类的应用的语料库中的语料,可使得答复语句更加专业,提高人机对话的智能,提高人机交互体验。
在上述任一所述的人机对话方法的基础上,还可包括:
服务端设备根据预设周期,对该语料库进行更新。
该方法,可对语料库信息更新,保证了语料库的持续更新,使得基于语料库确定的答复语句更加精准,可使得人机对话场景中客户端设备的答复更加智能,提高用户体验。
下述为本发明装置实施例,可以用于执行本发明上述方法实施例,其实现原理和技术效果类似。
图6为本发明实施例提供的人机对话装置的结构示意图一。该人机对话装置通过软件和/或硬件的方式集成在服务端设备上。如图6所示,本实施例的人机对话装置60可以包括:
接收模块61,用于接收客户端设备发送的请求,该请求包括输入的第一语句。
分析模块62,用于对该第一语句进行分析,得到该第一语句的权重值,该权重值用于表征该第一语句的合理性。
确定模块63,用于根据该权重值,从预设的语料库中,确定用于答复该第一语句的第二语句。
发送模块64,用于向该客户端设备发送响应,该响应包括:该第二语句,该响应用于使得该客户端设备输出该第二语句。
本实施例提供的人机对话装置,可使得人机对话场景中客户端设备的答复更加智能,提高人机交互体验。
可选的,该第一语句为语音类型的语句。
人机对话装置60还包括:
第一转换模块,用于采用ASR技术,将该第一语句转换为文本类型的该第一语句。
分析模块62,具体用于对文本类型的该第一语句进行分析,得到该权重值。
可选的,该第二语句为文本类型的语句。人机对话装置60还包括:
第二转换模块,用于采用TTS技术,将该第二语句转换为语音类型的该第二语句。
该响应用于使得该客户端设备输出语音类型的该第二语句。
可选的,分析模块62,具体用于根据该第一语句的长短,对该第一语句进行分析,得到该权重值。
可选的,分析模块62,具体用于根据该第一语句的长短,采用预设的语言模型,对该第一语句进行语言分析,得到该第一语句的第一数值;根据该第一语句的长短,采用预设的语义模型,对该第一语句进行语义分析,得到该第一语句的第二数值;根据该第一语句的长短,采用预设的语句依存模型,对该第一语句进行规则分析,得到该第一语句的第三数值;根据该第一语句的长短,对该第一数值、该第二数值和该第三数值进行加权,得到该权重值。
其中,该第一数值用于表征该第一语句的语言合理性,该第二数值用于表征该第一语句的语义合理性,该第三数值用于表征该第一语句的规则合理性。
可选的,该语料库包括:来自多种问答类应用和/或百科类应用的语料库中的语料。
可选的,人机对话装置60还包括:
更新模块,用于根据预设周期,对该语料库进行更新。
本实施例提供的人机对话装置可执行上述图1至图5中任一所示的服务端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
图7为本发明实施例提供的人机对话装置的结构示意图二。该人机对话装置通过软件和/或硬件的方式集成在客户端设备上。如图7所示,本实施例的人机对话装置70可以包括:
输入模块71,用于接收输入的第一语句。
发送模块72,用于向服务端设备发送请求,该请求包括:该第一语句。
接收模块73,用于接收该服务端设备返回的响应,该响应包括:第二语句,该第二语句为该服务端设备对该第一语句进行分析,得到该第一语句的权重值,并根据该权重值,从预设的语料库中确定的用于答复该第一语句的语句;其中,该权重值用于表征该第一语句的合理性;
输出模块74,用于输出该第二语句。
本实施例提供的人机对话装置,可使得人机对话场景中客户端设备的答复更加智能,提高人机交互体验。
可选的,输入模块71,具体用于接收通过语音输入的该第一语句;该第一语句为语音类型的语句。
可选的,输出模块74,具体用于通过语音播放该第二语句。
本实施例提供的人机对话装置可执行上述图1至图5中任一所示的客户端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
图8为本发明实施例提供的服务端设备的结构示意图。如图8所示,本实施例的服务端设备80包括:存储器81和处理器82。其中,存储器81通过总线83与处理器82连接。
存储器81,用于存储程序指令。
处理器82,用于在程序指令被执行时,接收客户端设备发送的请求,该请求包括输入的第一语句;对该第一语句进行分析,得到该第一语句的权重值,该权重值用于表征该第一语句的合理性;根据该权重值,从预设的语料库中,确定用于答复该第一语句的第二语句;向该客户端设备发送响应,该响应包括:该第二语句,该响应用于使得该客户端设备输出该第二语句。
可选的,该第一语句为语音类型的语句。
处理器82,还用于采用ASR技术,将该第一语句转换为文本类型的该第一语句;对文本类型的该第一语句进行分析,得到该权重值。
可选的,该第二语句为文本类型的语句。
处理器82,还用于采用TTS技术,将该第二语句转换为语音类型的该第二语句。
该响应用于使得该客户端设备输出语音类型的该第二语句。
可选的,处理器82,还用于根据该第一语句的长短,对该第一语句进行分析,得到该权重值。
可选的,处理器82,还用于根据该第一语句的长短,采用预设的语言模型,对该第一语句进行语言分析,得到该第一语句的第一数值;根据该第一语句的长短,采用预设的语义模型,对该第一语句进行语义分析,得到该第一语句的第二数值;根据该第一语句的长短,采用预设的语句依存模型,对该第一语句进行规则分析,得到该第一语句的第三数值;根据该第一语句的长短,对该第一数值、该第二数值和该第三数值进行加权,得到该权重值。
其中,该第一数值用于表征该第一语句的语言合理性,该第二数值用于表征该第一语句的语义合理性,该第三数值用于表征该第一语句的规则合理性。
可选的,该语料库包括:来自多种问答类应用和/或百科类应用的语料库中的语料。
可选的,处理器82,还用于根据预设周期,对该语料库进行更新。
本实施例的服务端设备可执行上述图1至图5中任一所示的服务端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序可被上述图8所述的处理器82执行实现上任一实施例所示的服务端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
图9为本发明实施例提供的客户端设备的结构示意图。如图9所示,本实施例的服务端设备90包括:输入设备91、输出设备92、发送接口93、接收接口94、存储器95及处理器96。其中,输入设备91、输出设备92、发送接口93、接收接口94、存储器95分别通过总线97与处理器96连接。
存储器95,用于存储程序指令。
处理器96,用于在程序指令被执行时,控制输入设备91接收输入的第一语句;控制发送接口93发送向服务端设备发送请求,该请求包括:该第一语句;控制接收接口94接收该服务端设备返回的响应,该响应包括:第二语句。
该第二语句为该服务端设备对该第一语句进行分析,得到该第一语句的权重值,并根据该权重值,从预设的语料库中确定的用于答复该第一语句的语句;其中,该权重值用于表征该第一语句的合理性;
处理器96,还用于控制输出设备92输出该第二语句。
可选的,处理器96,还用于输入设备91接收通过语音输入的该第一语句;该第一语句为语音类型的语句。
可选的,处理器96,还用于输入设备92通过语音播放该第二语句。
本实施例的客户端设备可执行上述图1至图5中任一所示的客户端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序可被上述图9所述的处理器96执行实现上任一实施例所示的服务端设备执行的人机对话方法,其具体实现及有效效果,可参见上述,在此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的计算机程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种人机对话方法,其特征在于,包括:
接收客户端设备发送的请求,所述请求包括输入的第一语句;
对所述第一语句进行分析,得到所述第一语句的权重值,所述权重值用于表征所述第一语句的合理性;
根据所述权重值,从预设的语料库中,确定用于答复所述第一语句的第二语句;
向所述客户端设备发送响应,所述响应包括:所述第二语句,所述响应用于使得所述客户端设备输出所述第二语句;
其中,所述对所述第一语句进行分析,得到所述第一语句的权重值,包括:
根据所述第一语句的长短,采用预设的语言模型,对所述第一语句进行语言分析,得到所述第一语句的第一数值;所述第一数值用于表征所述第一语句的语言合理性;
根据所述第一语句的长短,采用预设的语义模型,对所述第一语句进行语义分析,得到所述第一语句的第二数值;所述第二数值用于表征所述第一语句的语义合理性;
根据所述第一语句的长短,采用预设的语句依存模型,对所述第一语句进行规则分析,得到所述第一语句的第三数值;所述第三数值用于表征所述第一语句的规则合理性;
根据所述第一语句的长短,对所述第一数值、所述第二数值和所述第三数值进行加权,得到所述权重值。
2.根据权利要求1所述的方法,其特征在于,所述第一语句为语音类型的语句;
所述对所述第一语句进行分析,得到所述第一语句应的权重值之前,所述方法还包括:
采用自动语音识别ASR技术,将所述第一语句转换为文本类型的所述第一语句;
所述对所述第一语句进行分析,得到所述第一语句的权重值,包括:
对文本类型的所述第一语句进行分析,得到所述权重值。
3.根据权利要求1所述的方法,其特征在于,所述第二语句为文本类型的语句;所述向所述客户端设备发送响应之前,所述方法还包括:
采用文本语音TTS技术,将所述第二语句转换为语音类型的所述第二语句;
所述响应用于使得所述客户端设备输出语音类型的所述第二语句。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述语料库包括:来自多种问答类应用和/或百科类应用的语料库中的语料。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
根据预设周期,对所述语料库进行更新。
6.一种人机对话装置,其特征在于,包括:
接收模块,用于接收客户端设备发送的请求,所述请求包括输入的第一语句;
分析模块,用于对所述第一语句进行分析,得到所述第一语句的权重值,所述权重值用于表征所述第一语句的合理性;
确定模块,用于根据所述权重值,从预设的语料库中,确定用于答复所述第一语句的第二语句;
发送模块,用于向所述客户端设备发送响应,所述响应包括:所述第二语句,所述响应用于使得所述客户端设备输出所述第二语句;
其中,所述分析模块,具体用于根据所述第一语句的长短,采用预设的自然语言模型,对所述第一语句进行语言分析,得到所述第一语句的第一数值;根据所述第一语句的长短,采用预设的语义模型,对所述第一语句进行语义分析,得到所述第一语句的第二数值;根据所述第一语句的长短,采用预设的语句依存模型,对所述第一语句进行规则分析,得到所述第一语句的第三数值;根据所述第一语句的长短,对所述第一数值、所述第二数值和所述第三数值进行加权,得到所述权重值;其中,所述第一数值用于表征所述第一语句的语言合理性,所述第二数值用于表征所述第一语句的语义合理性,所述第三数值用于表征所述第一语句的规则合理性。
7.根据权利要求6所述的装置,其特征在于,所述第一语句为语音类型的语句;
所述装置还包括:
第一转换模块,用于采用自动语音识别ASR技术,将所述第一语句转换为文本类型的所述第一语句;
所述分析模块,具体用于对文本类型的所述第一语句进行分析,得到所述权重值。
8.根据权利要求6所述的装置,其特征在于,所述第二语句为文本类型的语句;所述装置还包括:
第二转换模块,用于采用文本语音TTS技术,将所述第二语句转换为语音类型的所述第二语句;
所述响应用于使得所述客户端设备输出语音类型的所述第二语句。
9.根据权利要求6-8中任一项所述的装置,其特征在于,所述语料库包括:来自多种问答类应用和/或百科类应用的语料库中的语料。
10.根据权利要求6-8中任一项所述的装置,其特征在于,所述装置还包括:
更新模块,用于根据预设周期,对所述语料库进行更新。
11.一种服务端设备,其特征在于,包括:存储器及处理器;所述存储器与所述处理器连接;
所述存储器,用于存储程序指令;
所述处理器,用于在程序指令被执行时,实现权利要求1-5任一项所述的人机对话方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5任一项所述的人机对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810693841.3A CN109002498B (zh) | 2018-06-29 | 2018-06-29 | 人机对话方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810693841.3A CN109002498B (zh) | 2018-06-29 | 2018-06-29 | 人机对话方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109002498A CN109002498A (zh) | 2018-12-14 |
CN109002498B true CN109002498B (zh) | 2020-05-05 |
Family
ID=64601718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810693841.3A Active CN109002498B (zh) | 2018-06-29 | 2018-06-29 | 人机对话方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002498B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083687B (zh) * | 2019-04-28 | 2022-01-04 | 上海盛付通电子支付服务有限公司 | 一种信息转换方法、设备及存储介质 |
CN110502631B (zh) * | 2019-07-17 | 2022-11-04 | 招联消费金融有限公司 | 一种输入信息响应方法、装置、计算机设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861969A (zh) * | 2017-09-14 | 2018-03-30 | 平安普惠企业管理有限公司 | 语句修改方法、扫描平台和计算机可读存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7124073B2 (en) * | 2002-02-12 | 2006-10-17 | Sunflare Co., Ltd | Computer-assisted memory translation scheme based on template automaton and latent semantic index principle |
US8473449B2 (en) * | 2005-01-06 | 2013-06-25 | Neuric Technologies, Llc | Process of dialogue and discussion |
JP2012520527A (ja) * | 2009-03-13 | 2012-09-06 | インベンション マシーン コーポレーション | ユーザ質問及びテキスト文書の意味ラベリングに基づく質問応答システム及び方法 |
CN102236645B (zh) * | 2010-05-06 | 2016-03-30 | 上海五和际软件信息有限公司 | 基于语义逻辑的类自然语言人机对话装置 |
CN102708185A (zh) * | 2012-05-11 | 2012-10-03 | 广东欧珀移动通信有限公司 | 一种图片语音搜索方法 |
CN104809103B (zh) * | 2015-04-29 | 2018-03-30 | 北京京东尚科信息技术有限公司 | 一种人机对话的语义分析方法及*** |
CN105138507A (zh) * | 2015-08-06 | 2015-12-09 | 电子科技大学 | 一种基于模式自学习的中文开放式关系抽取方法 |
CN106202270B (zh) * | 2016-06-28 | 2020-03-20 | 广州幽联信息技术有限公司 | 基于自然语言的人机对话方法及装置 |
CN106202476B (zh) * | 2016-07-14 | 2017-06-06 | 广州安望信息科技有限公司 | 一种基于知识图谱的人机对话的方法及装置 |
-
2018
- 2018-06-29 CN CN201810693841.3A patent/CN109002498B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861969A (zh) * | 2017-09-14 | 2018-03-30 | 平安普惠企业管理有限公司 | 语句修改方法、扫描平台和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109002498A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658928B (zh) | 一种家庭服务机器人云端多模态对话方法、装置及*** | |
US11386271B2 (en) | Mathematical processing method, apparatus and device for text problem, and storage medium | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
CN109086303A (zh) | 基于机器阅读理解的智能对话方法、装置、终端 | |
EP3951617A1 (en) | Video description information generation method, video processing method, and corresponding devices | |
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
CN113127624B (zh) | 问答模型的训练方法及装置 | |
US11636272B2 (en) | Hybrid natural language understanding | |
EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN112154465A (zh) | 一种意图识别模型的学习方法、装置及设备 | |
CN111191450A (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
CN116303962B (zh) | 对话生成方法、深度学习模型的训练方法、装置和设备 | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN116541493A (zh) | 基于意图识别的交互应答方法、装置、设备、存储介质 | |
CN109002498B (zh) | 人机对话方法、装置、设备及存储介质 | |
KR20190074508A (ko) | 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법 | |
CN116913278B (zh) | 语音处理方法、装置、设备和存储介质 | |
CN113722436A (zh) | 文本信息提取方法、装置、计算机设备及存储介质 | |
CN117648422A (zh) | 问答提示***、问答提示、库构建、模型训练方法和装置 | |
CN113590803A (zh) | 一种数据处理方法、装置、存储介质和计算机设备 | |
EP4254256A1 (en) | Spoken language processing method and apparatus, electronic device, and storage medium | |
CN114613351A (zh) | 韵律预测方法、装置、可读介质及电子设备 | |
CN114416941A (zh) | 融合知识图谱的对话知识点确定模型的生成方法及装置 | |
CN114490967A (zh) | 对话模型的训练方法、对话机器人的对话方法、装置和电子设备 | |
CN112328751A (zh) | 用于处理文本的方法和装置 |
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 |