CN110489533A - 人机对话方法及相关设备 - Google Patents
人机对话方法及相关设备 Download PDFInfo
- Publication number
- CN110489533A CN110489533A CN201910612826.6A CN201910612826A CN110489533A CN 110489533 A CN110489533 A CN 110489533A CN 201910612826 A CN201910612826 A CN 201910612826A CN 110489533 A CN110489533 A CN 110489533A
- Authority
- CN
- China
- Prior art keywords
- question sentence
- similarity
- keyword
- standard
- similarities
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种人机对话方法及相关设备，方法包括：将用户问句输入相似度模型进行处理，输出N1个第一相似度，N1个第一相似度与相似度模型包括的N1个标准问句一一对应，N1为大于1的整数；根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合；将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；根据回答策略结果从N1个标准问句中选取N2个标准问句，以及显示N2个标准问句，N2为正整数。采用本申请实施例有助于提高人机对话的效率。
Description
技术领域
本申请涉及人机对话技术领域，具体涉及一种人机对话方法及相关设备。
背景技术
目前，人工客服根据用户问句从标准问句库中选取目标标准语句，以及反馈目标标准语句，标准问句库包括多个标准问句。这种采用人工从标准问句库中选取与用户问句对应的目标标准问句的方式会导致人机对话的效率较低。
发明内容
本申请实施例提供一种人机对话方法及相关设备，用于提高人机对话的效率。
第一方面，本申请实施例提供一种人机对话方法，所述方法包括：
将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，以及显示所述N2个标准问句，所述N2为正整数。
第二方面，本申请实施例提供一种人机对话装置，所述装置包括：
第一处理单元，用于将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
确定单元，用于根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
第二处理单元，用于将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
选取单元，用于根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，所述N2为正整数；
显示单元，用于显示所述N2个标准问句。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面所述的方法中的部分或全部步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，上述计算机可读存储介质用于存储电子数据交换的计算机程序，上述计算机程序使得计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，在本申请实施例中，相较于采用人工方式从标准问句库中包括的多个标准问句中选取与用户问句对应的目标标准问句，以及反馈目标标准问句，在本申请实施例中，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合，将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果，根据回答策略结果从N1个标准问句中选取N2个标准问句，以及显示N2个标准问句，这样有助于提高人机对话的效率和降低人工客服的成本。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1是本申请实施例提供的一种人机对话***的结构示意图；
图2是本申请实施例提供的一种人机对话方法的流程示意图；
图3是本申请实施例提供的另一种人机对话方法的流程示意图；
图4是本申请实施例提供的一种人机对话装置的功能单元组成框图；
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
请参阅图1，图1是本申请实施例提供的一种人机对话***的结构示意图，该人机对话***包括麦克风、处理器和显示器，其中：
麦克风，用于获取用户语句。
处理器，用于将用户问句输入相似度模型进行处理，输出N1个第一相似度，N1个第一相似度与相似度模型包括的N1个标准问句一一对应，N1为大于1的整数；根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合；将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；根据回答策略结果从N1个标准问句中选取N2个标准问句，N2为正整数；
显示器，用于显示N2个标准问句。
请参阅图2，图2是本申请实施例提供的一种人机对话方法的流程示意图，该人机对话方法包括步骤201-204，具体如下：
201：电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数。
在一个可能的示例中，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度之前，所述方法还包括：
电子设备获取初始用户问句；
电子设备判断初始用户问句是否存在至少一个口语；
若初始用户问句存在至少一个口语，则电子设备将至少一个口语转换成至少一个书面语，得到用户语句，至少一个书面语与至少一个口语一一对应。
在一个可能的示例中，相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，所述N3不小于所述N1，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，包括：
电子设备根据所述用户问句和所述词向量算法确定所述用户问句对应的第一词向量；
电子设备根据所述N3个标准问句和所述词向量算法确定N3个第二词向量，所述N3个第二词向量与所述N3个标准语句一一对应；
电子设备根据所述第一词向量、所述N3个第二词向量和所述第一相似度公式确定N3个第一相似度，所述N3个第一相似度与所述N3个第二词向量一一对应；
电子设备根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
其中，第一相似度方式为：
Sj为第二词向量j对应的第一相似度，第一词向量为(x1,x2,x3,…,xn)，第二词向量为(y1,y2,y3,…,yn)，第二词向量j为N3个第二词向量中的任意一个。
在一个可能的示例中，相似度模型包括N3个标准语句、词向量算法、第一相似度公式、预设相似度阈值和N3个第二词向量，N3个第二词向量是根据N3个标准语句和词向量算法确定的，N3不小于述N1，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，包括：
电子设备根据用户问句和词向量算法确定用户问句对应的第一词向量；
电子设备根据第一词向量、N3个第二词向量和第一相似度公式确定N3个第一相似度，N3个第一相似度与N3个第二词向量一一对应；
电子设备根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
在一个可能的示例中，相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，N3个标准语句对应多个场景，N3不小于N1，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，包括：
电子设备根据用户语句和关键词提取算法确定用户语句的至少一个关键词；
电子设备根据关键词与场景的映射关系确定至少一个关键词对应的目标场景；
电子设备根据用户问句和词向量算法确定用户问句对应的第一词向量；
电子设备从N3个标准问句中选取与目标场景对应的N4个标准问句；
电子设备根据N4个标准问句和词向量算法确定N4个第二词向量，N4个第二词向量与N4个标准语句一一对应；
电子设备根据第一词向量、N4个第二词向量和第一相似度公式确定N3个第一相似度，N4个第一相似度与N4个第二词向量一一对应；
电子设备根据预设相似度阈值从N4个第一相似度中选取N1个第一相似度。
其中，N1个第一相似度中的每个第一相似度均大于或等于预设相似度阈值。
202：电子设备根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合。
在一个可能的示例中，相似度模型还包括关键词提取算法和第二相似度公式，电子设备根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合，包括：
电子设备根据所述用户问句和所述关键词提取算法确定所述用户问句的第一关键词序列；
电子设备根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应；
电子设备根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应；
电子设备确定所述N1个第一相似度对应的目标均值和目标方差；
电子设备将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
具体地，相似度模型还包括均值公式和方差公式，电子设备确定N1个第一相似度对应的目标均值和目标方差的实施方式可以为：电子设备根据N1个第一相似度和均值公式确定N1个第一相似度对应的目标均值；电子设备根据N1个第一相似度和方差公式确定N1个第一相似度对应的目标方差。
在一个可能的示例中，电子设备根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，包括：
电子设备确定所述第一关键词序列与第二关键词序列i关键词内容相同的数量，得到第一关键词数量，所述第二关键词序列i为所述N1个第二关键词序列中的任意一个；
电子设备确定所述第一关键词序列与所述第二关键词序列i关键词内容和位置均相同的数量，得到第二关键词数量；
电子设备根据所述第一关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第一关键词分数；
电子设备根据所述第二关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第二关键词分数；
电子设备根据所述第一关键词分数、所述第二关键词分数和所述第二相似度计算公式确定所述第二关键词序列i对应的第二相似度；
电子设备对所述N1个第二关键词序列中除所述第二关键词序列i之外的(N1-1)个第二关键词序列执行相同操作，得到(N1-1)个第二相似度，所述(N1-1)个第二相似度与所述(N1-1)个第二关键词序列一一对应。
其中，第二关键词序列i对应的第一关键词分数为第一关键词数量与第一关键词序列包括的关键词的数量的比值。
其中，第二关键词序列i对应的第二关键词分数为第二关键词数量与第一关键词序列包括的关键词的数量的比值。
其中，第二相似度公式为：
Ti＝Ai×α+Bi×β，
Ti为第二关键词序列i对应的第二相似度，Ai为第二关键词序列i对应的第一关键词分数，α为第二关键词序列i所对应第一关键词分数对应的权重，Bi为第二关键词序列i对应的第二关键词分数，β为第二关键词序列i所对应第二关键词分数对应的权重，α+β＝1，α＞β。
203：电子设备将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果。
具体地，电子设备将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果的实施方式可以为：
电子设备根据回答策略特征集合和预设算法确定回答策略结果，预设算法预先存储于回答策略模型。
其中，预设算法可以包括梯度提升树GBDT算法、支持向量机SVM算法，在此不作限定。
其中，回答策略结果包括直接回答和推荐回答。
204：电子设备根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，以及显示所述N2个标准问句，所述N2为正整数。
在一个可能的示例中，相似度模型还包括预设选取比例，电子设备根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，包括：
若所述回答策略结果为直接回答，则电子设备将所述N1个第一相似度中的最大相似度对应的标准语句确定为N2个标准语句；
若所述回答策略结果为推荐回答，则电子设备根据所述N1个标准问句和所述预设选取比例确定N2个标准语句。
可以看出，在本申请实施例中，相较于采用人工方式从标准问句库中包括的多个标准问句中选取与用户问句对应的目标标准问句，以及反馈目标标准问句，在本申请实施例中，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合，将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果，根据回答策略结果从N1个标准问句中选取N2个标准问句，以及显示N2个标准问句，这样有助于提高人机对话的效率和降低人工客服的成本。
在一个可能的示例中，相似度模型还包括方言语句转换算法，电子设备显示N2个标准问句之前，所述方法还包括：
电子设备获取用户问句对应的目标用户所处目标地区；
电子设备根据地区与方言的映射关系确定目标地区对应的目标方言；
电子设备根据方言语句转换算法将N2个标准语句转换成N2个目标方言语句，N2个目标方言语句中的每个目标方言语句均为目标方言的语句，N2个目标方言语句与N2个标准语句一一对应。
与上述图2所示的实施例一致的，请参阅图3，图3是本申请实施例提供的另一种人机对话方法的流程示意图，该人机对话方法包括步骤301-309，具体如下：
301：电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数。
302：电子设备根据所述用户问句和所述相似度模型包括的关键词提取算法确定所述用户问句的第一关键词序列。
303：电子设备根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应。
304：电子设备根据所述第一关键词序列、所述N1个第二关键词序列和所述相似度模型包括的第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应。
305：电子设备确定所述N1个第一相似度对应的目标均值和目标方差。
306：电子设备将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
307：电子设备将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果。
308：电子设备根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，所述N2为正整数。
309：电子设备显示所述N2个标准问句。
需要说明的是，图3所示的方法的各个步骤的具体实现过程可参见上述方法所述的具体实现过程，在此不再叙述。
上述实施例主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，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，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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。
本申请实施例可以根据所述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
请参阅图4，图4为本申请实施例提供的一种人机对话装置的功能单元组成框图，该人机对话装置400包括：
第一处理单元401，用于将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
确定单元402，用于根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
第二处理单元403，用于将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
选取单元404，用于根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，所述N2为正整数；
显示单元405，用于显示所述N2个标准问句。
可以看出，在本申请实施例中，相较于采用人工方式从标准问句库中包括的多个标准问句中选取与用户问句对应的目标标准问句，以及反馈目标标准问句，在本申请实施例中，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合，将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果，根据回答策略结果从N1个标准问句中选取N2个标准问句，以及显示N2个标准问句，这样有助于提高人机对话的效率和降低人工客服的成本。
在一个可能的示例中，相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，所述N3不小于所述N1，在将用户问句输入相似度模型进行处理，输出N1个第一相似度方面，上述第一处理单元401具体用于：
根据所述用户问句和所述词向量算法确定所述用户问句对应的第一词向量；
根据所述N3个标准问句和所述词向量算法确定N3个第二词向量，所述N3个第二词向量与所述N3个标准语句一一对应；
根据所述第一词向量、所述N3个第二词向量和所述第一相似度公式确定N3个第一相似度，所述N3个第一相似度与所述N3个第二词向量一一对应；
根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
在一个可能的示例中，相似度模型还包括关键词提取算法和第二相似度公式，在根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合方面，上述确定单元402具体用于：
根据所述用户问句和所述关键词提取算法确定所述用户问句的第一关键词序列；
根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应；
根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应；
确定所述N1个第一相似度对应的目标均值和目标方差；
将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
在一个可能的示例中，在根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度方面，上述确定单元402具体用于：
确定所述第一关键词序列与第二关键词序列i关键词内容相同的数量，得到第一关键词数量，所述第二关键词序列i为所述N1个第二关键词序列中的任意一个；
确定所述第一关键词序列与所述第二关键词序列i关键词内容和位置均相同的数量，得到第二关键词数量；
根据所述第一关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第一关键词分数；
根据所述第二关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第二关键词分数；
根据所述第一关键词分数、所述第二关键词分数和所述第二相似度计算公式确定所述第二关键词序列i对应的第二相似度；
对所述N1个第二关键词序列中除所述第二关键词序列i之外的(N1-1)个第二关键词序列执行相同操作，得到(N1-1)个第二相似度，所述(N1-1)个第二相似度与所述(N1-1)个第二关键词序列一一对应。
在一个可能的示例中，相似度模型还包括预设选取比例，在根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句方面，上述选取单元404具体用于：
若所述回答策略结果为直接回答，则将所述N1个第一相似度中的最大相似度对应的标准语句确定为N2个标准语句；
若所述回答策略结果为推荐回答，则根据所述N1个标准问句和所述预设选取比例确定N2个标准语句。
与上述图2和图3所示的实施例一致的，请参阅图5，图5是本申请实施例提供的一种电子设备的结构示意图，该电子设备500包括处理器、存储器、通信接口以及一个或多个程序，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，以及显示所述N2个标准问句，所述N2为正整数。
可以看出，在本申请实施例中，相较于采用人工方式从标准问句库中包括的多个标准问句中选取与用户问句对应的目标标准问句，以及反馈目标标准问句，在本申请实施例中，电子设备将用户问句输入相似度模型进行处理，输出N1个第一相似度，根据用户问句、N1个标准问句和N1个第一相似度确定N1个标准问句对应的回答策略特征集合，将回答策略特征集合输入回答策略模型进行处理，输出回答策略结果，根据回答策略结果从N1个标准问句中选取N2个标准问句，以及显示N2个标准问句，这样有助于提高人机对话的效率和降低人工客服的成本。
在一个可能的示例中，相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，所述N3不小于所述N1，在将用户问句输入相似度模型进行处理，输出N1个第一相似度方面，上述程序包括具体用于执行以下步骤的指令：
根据所述用户问句和所述词向量算法确定所述用户问句对应的第一词向量；
根据所述N3个标准问句和所述词向量算法确定N3个第二词向量，所述N3个第二词向量与所述N3个标准语句一一对应；
根据所述第一词向量、所述N3个第二词向量和所述第一相似度公式确定N3个第一相似度，所述N3个第一相似度与所述N3个第二词向量一一对应；
根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
在一个可能的示例中，相似度模型还包括关键词提取算法和第二相似度公式，在根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合方面，上述程序包括具体用于执行以下步骤的指令：
根据所述用户问句和所述关键词提取算法确定所述用户问句的第一关键词序列；
根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应；
根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应；
确定所述N1个第一相似度对应的目标均值和目标方差；
将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
在一个可能的示例中，在根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度方面，上述程序包括具体用于执行以下步骤的指令：
确定所述第一关键词序列与第二关键词序列i关键词内容相同的数量，得到第一关键词数量，所述第二关键词序列i为所述N1个第二关键词序列中的任意一个；
确定所述第一关键词序列与所述第二关键词序列i关键词内容和位置均相同的数量，得到第二关键词数量；
根据所述第一关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第一关键词分数；
根据所述第二关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第二关键词分数；
根据所述第一关键词分数、所述第二关键词分数和所述第二相似度计算公式确定所述第二关键词序列i对应的第二相似度；
对所述N1个第二关键词序列中除所述第二关键词序列i之外的(N1-1)个第二关键词序列执行相同操作，得到(N1-1)个第二相似度，所述(N1-1)个第二相似度与所述(N1-1)个第二关键词序列一一对应。
在一个可能的示例中，相似度模型还包括预设选取比例，在根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句方面，上述程序包括具体用于执行以下步骤的指令：
若所述回答策略结果为直接回答，则将所述N1个第一相似度中的最大相似度对应的标准语句确定为N2个标准语句；
若所述回答策略结果为推荐回答，则根据所述N1个标准问句和所述预设选取比例确定N2个标准语句。
本申请实施例还提供一种计算机存储介质，该计算机存储介质用于存储电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实现方式及应用范围上均会有改变之处，综上上述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种人机对话方法，其特征在于，所述方法包括：
将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，以及显示所述N2个标准问句，所述N2为正整数。
2.根据权利要求1所述的方法，其特征在于，所述相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，所述N3不小于所述N1，所述将用户问句输入相似度模型进行处理，输出N1个第一相似度，包括：
根据所述用户问句和所述词向量算法确定所述用户问句对应的第一词向量；
根据所述N3个标准问句和所述词向量算法确定N3个第二词向量，所述N3个第二词向量与所述N3个标准语句一一对应；
根据所述第一词向量、所述N3个第二词向量和所述第一相似度公式确定N3个第一相似度，所述N3个第一相似度与所述N3个第二词向量一一对应；
根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
3.根据权利要求1或2所述的方法，其特征在于，所述相似度模型还包括关键词提取算法和第二相似度公式，所述根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合，包括：
根据所述用户问句和所述关键词提取算法确定所述用户问句的第一关键词序列；
根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应；
根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应；
确定所述N1个第一相似度对应的目标均值和目标方差；
将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，包括：
确定所述第一关键词序列与第二关键词序列i关键词内容相同的数量，得到第一关键词数量，所述第二关键词序列i为所述N1个第二关键词序列中的任意一个；
确定所述第一关键词序列与所述第二关键词序列i关键词内容和位置均相同的数量，得到第二关键词数量；
根据所述第一关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第一关键词分数；
根据所述第二关键词数量和所述第一关键词序列确定所述第二关键词序列i对应的第二关键词分数；
根据所述第一关键词分数、所述第二关键词分数和所述第二相似度计算公式确定所述第二关键词序列i对应的第二相似度；
对所述N1个第二关键词序列中除所述第二关键词序列i之外的(N1-1)个第二关键词序列执行相同操作，得到(N1-1)个第二相似度，所述(N1-1)个第二相似度与所述(N1-1)个第二关键词序列一一对应。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述相似度模型还包括预设选取比例，所述根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，包括：
若所述回答策略结果为直接回答，则将所述N1个第一相似度中的最大相似度对应的标准语句确定为N2个标准语句；
若所述回答策略结果为推荐回答，则根据所述N1个标准问句和所述预设选取比例确定N2个标准语句。
6.一种人机对话装置，其特征在于，所述装置包括：
第一处理单元，用于将用户问句输入相似度模型进行处理，输出N1个第一相似度，所述N1个第一相似度与所述相似度模型包括的N1个标准问句一一对应，所述N1为大于1的整数；
确定单元，用于根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合；
第二处理单元，用于将所述回答策略特征集合输入回答策略模型进行处理，输出回答策略结果；
选取单元，用于根据所述回答策略结果从所述N1个标准问句中选取N2个标准问句，所述N2为正整数；
显示单元，用于显示所述N2个标准问句。
7.根据权利要求6所述的装置，其特征在于，所述相似度模型包括N3个标准语句、词向量算法、第一相似度公式和预设相似度阈值，在将用户问句输入相似度模型进行处理，输出N1个第一相似度方面，所述第一处理单元具体用于：
根据所述用户问句和所述词向量算法确定所述用户问句对应的第一词向量；
根据所述N3个标准问句和所述词向量算法确定N3个第二词向量，所述N3个第二词向量与所述N3个标准语句一一对应；
根据所述第一词向量、所述N3个第二词向量和所述第一相似度公式确定N3个第一相似度，所述N3个第一相似度与所述N3个第二词向量一一对应；
根据所述预设相似度阈值从所述N3个第一相似度中选取N1个第一相似度。
8.根据权利要求6或7所述的装置，其特征在于，所述相似度模型还包括关键词提取算法和第二相似度公式，在根据所述用户问句、所述N1个标准问句和所述N1个第一相似度确定所述N1个标准问句对应的回答策略特征集合方面，所述确定单元具体用于：
根据所述用户问句和所述关键词提取算法确定所述用户问句的第一关键词序列；
根据所述N1个标准问句和所述关键词提取算法确定N1个第二关键词序列，所述N1个第二关键词序列与所述N1个标准问句一一对应；
根据所述第一关键词序列、所述N1个第二关键词序列和所述第二相似度公式确定N1个第二相似度，所述N1个第二相似度与所述N1个第二关键词序列一一对应；
确定所述N1个第一相似度对应的目标均值和目标方差；
将所述N1个第一相似度、所述N1个第二相速度、所述目标均值和所述目标方差确定为所述N1个标准问句对应的回答策略特征集合。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-5任一项所述的方法中的部分或全部步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行，以实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910612826.6A CN110489533A (zh) | 2019-07-09 | 2019-07-09 | 人机对话方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910612826.6A CN110489533A (zh) | 2019-07-09 | 2019-07-09 | 人机对话方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110489533A true CN110489533A (zh) | 2019-11-22 |
Family
ID=68546796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910612826.6A Pending CN110489533A (zh) | 2019-07-09 | 2019-07-09 | 人机对话方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110489533A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966087A (zh) * | 2021-03-15 | 2021-06-15 | 中国美术学院 | 一种灵感素材的智能问答***及方法 |
| CN113127612A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 一种答复反馈方法、答复反馈装置及智能设备 |
| CN117520522A (zh) * | 2023-12-29 | 2024-02-06 | 华云天下(南京)科技有限公司 | 一种基于rpa和ai结合的智能对话方法、装置及电子设备 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101097573A (zh) * | 2006-06-28 | 2008-01-02 | 腾讯科技（深圳）有限公司 | 一种自动问答***及方法 |
| CN104216968A (zh) * | 2014-08-25 | 2014-12-17 | 华中科技大学 | 一种基于文件相似度的排重方法及*** |
| CN105005564A (zh) * | 2014-04-17 | 2015-10-28 | 北京搜狗科技发展有限公司 | 一种基于问答平台的数据处理方法和装置 |
| CN106649561A (zh) * | 2016-11-10 | 2017-05-10 | 复旦大学 | 面向税务咨询业务的智能问答*** |
| CN107305578A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 人机智能问答方法和装置 |
| CN107329967A (zh) * | 2017-05-12 | 2017-11-07 | 北京邮电大学 | 基于深度学习的问答***以及方法 |
| CN107784029A (zh) * | 2016-08-31 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 生成提示关键词、建立索引关系的方法、服务器和客户端 |
| CN108256056A (zh) * | 2018-01-12 | 2018-07-06 | 广州杰赛科技股份有限公司 | 智能问答方法与*** |
| CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
| CN109034150A (zh) * | 2018-06-15 | 2018-12-18 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109033221A (zh) * | 2018-06-29 | 2018-12-18 | 上海银赛计算机科技有限公司 | 答案生成方法、装置及服务器 |
| CN109165286A (zh) * | 2018-09-03 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 自动问答方法、装置及计算机可读存储介质 |
-
2019
- 2019-07-09 CN CN201910612826.6A patent/CN110489533A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101097573A (zh) * | 2006-06-28 | 2008-01-02 | 腾讯科技（深圳）有限公司 | 一种自动问答***及方法 |
| CN105005564A (zh) * | 2014-04-17 | 2015-10-28 | 北京搜狗科技发展有限公司 | 一种基于问答平台的数据处理方法和装置 |
| CN104216968A (zh) * | 2014-08-25 | 2014-12-17 | 华中科技大学 | 一种基于文件相似度的排重方法及*** |
| CN107305578A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 人机智能问答方法和装置 |
| CN107784029A (zh) * | 2016-08-31 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 生成提示关键词、建立索引关系的方法、服务器和客户端 |
| CN106649561A (zh) * | 2016-11-10 | 2017-05-10 | 复旦大学 | 面向税务咨询业务的智能问答*** |
| CN107329967A (zh) * | 2017-05-12 | 2017-11-07 | 北京邮电大学 | 基于深度学习的问答***以及方法 |
| CN108256056A (zh) * | 2018-01-12 | 2018-07-06 | 广州杰赛科技股份有限公司 | 智能问答方法与*** |
| CN108595619A (zh) * | 2018-04-23 | 2018-09-28 | 海信集团有限公司 | 一种问答方法及设备 |
| CN109034150A (zh) * | 2018-06-15 | 2018-12-18 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109033221A (zh) * | 2018-06-29 | 2018-12-18 | 上海银赛计算机科技有限公司 | 答案生成方法、装置及服务器 |
| CN109165286A (zh) * | 2018-09-03 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 自动问答方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 邓三鹏等: "《先进制造技术》", 30 September 2006, 中国电力出版社 * |
| 陈庆文等: "《普通高等教育十三五师范类应用型人才培养实训规划丛书 教学研究能力实训教程》", 31 August 2015, 西南交通大学出版社 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113127612A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 一种答复反馈方法、答复反馈装置及智能设备 |
| CN112966087A (zh) * | 2021-03-15 | 2021-06-15 | 中国美术学院 | 一种灵感素材的智能问答***及方法 |
| CN112966087B (zh) * | 2021-03-15 | 2023-10-13 | 中国美术学院 | 一种灵感素材的智能问答***及方法 |
| CN117520522A (zh) * | 2023-12-29 | 2024-02-06 | 华云天下(南京)科技有限公司 | 一种基于rpa和ai结合的智能对话方法、装置及电子设备 |
| CN117520522B (zh) * | 2023-12-29 | 2024-03-22 | 华云天下(南京)科技有限公司 | 一种基于rpa和ai结合的智能对话方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107992477B (zh) | 文本主题确定方法及装置 | |
| CN110349572A (zh) | 一种语音关键词识别方法、装置、终端及服务器 | |
| CN107741976B (zh) | 智能应答方法、装置、介质和电子设备 | |
| CN110489533A (zh) | 人机对话方法及相关设备 | |
| CN107832432A (zh) | 一种搜索结果排序方法、装置、服务器和存储介质 | |
| CN109710744B (zh) | 一种数据匹配方法、装置、设备及存储介质 | |
| CN109582822A (zh) | 一种基于用户语音的音乐推荐方法及装置 | |
| CN107402913A (zh) | 先行词的确定方法和装置 | |
| US20220261545A1 (en) | Systems and methods for producing a semantic representation of a document | |
| CN108960574A (zh) | 问答的质量确定方法、装置、服务器和存储介质 | |
| CN109299245A (zh) | 知识点召回的方法和装置 | |
| KR20210070904A (ko) | 다중 문서 질의 응답을 위한 방법 및 장치 | |
| CN110019650A (zh) | 提供搜索联想词的方法、装置、存储介质及电子设备 | |
| JP2012037797A (ja) | 対話学習装置、要約装置、対話学習方法、要約方法、プログラム | |
| CN109325178A (zh) | 用于处理信息的方法和装置 | |
| CN107765883A (zh) | 输入法的候选词语的排序方法和排序设备 | |
| CN111402864A (zh) | 语音处理方法及电子设备 | |
| CN110175242A (zh) | 基于知识图谱的人机交互联想方法、装置及介质 | |
| WO2022022049A1 (zh) | 文本长难句的压缩方法、装置、计算机设备及存储介质 | |
| CN111259126A (zh) | 基于词语特征的相似度计算方法、装置、设备及存储介质 | |
| CN110491374A (zh) | 基于神经网络的酒店服务语音交互识别方法及装置 | |
| CN110019832B (zh) | 语言模型的获取方法和装置 | |
| CN109346060A (zh) | 语音识别方法、装置、设备及存储介质 | |
| Zukerman et al. | Employing distance-based semantics to interpret spoken referring expressions | |
| CN116628142A (zh) | 知识检索方法、装置、设备及可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |