CN110737761A - 一种信息处理方法、电子设备和存储介质 - Google Patents
一种信息处理方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110737761A CN110737761A CN201910917017.6A CN201910917017A CN110737761A CN 110737761 A CN110737761 A CN 110737761A CN 201910917017 A CN201910917017 A CN 201910917017A CN 110737761 A CN110737761 A CN 110737761A
- Authority
- CN
- China
- Prior art keywords
- conversation
- state
- dialog
- content
- user
- 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.)
- Granted
Links
Images
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
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例公开了一种信息处理方法,该方法包括:在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容;基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态;基于第一对话状态,对第一对话内容进行处理。本申请的实施例同时还公开了一种电子设备和存储介质。
Description
技术领域
本申请涉及但不限于计算机技术领域,尤其涉及一种信息处理方法、电子设备和存储介质。
背景技术
随着人工智能技术的发展,客服流程中完全由人工参与的部分越来越少,取而代之的是通过智能机器人与用户进行交互。
然而,目前机器人与用户在交流的过程中,直接基于用户的对话内容中的关键词,确定处理策略来处理对话内容,导致沟通效果较差。
申请内容
为解决上述技术问题,本申请实施例期望提供一种信息处理方法、电子设备和存储介质,解决了相关技术中机器人与用户在交流的过程中,直接基于用户的对话内容中的关键词,确定处理策略来处理对话内容,导致沟通效果较差的问题,实现机器人与用户之间的灵活沟通,提高交互效果和交互准确性。
本申请的技术方案是这样实现的:
一种信息处理方法,所述方法包括:在机器人与第一用户进行对话的当前对话场景中,获取所述第一用户的第一对话内容;
基于所述第一对话内容,确定用于表征所述第一用户对所述当前对话场景的满意度的第一对话状态;
基于所述第一对话状态,对所述第一对话内容进行处理。
可选的,所述基于所述第一对话内容,确定用于表征所述第一用户对所述当前对话场景的满意度的第一对话状态,包括:
获取所述第一对话内容的特征信息;其中,所述特征信息包括所述第一对话内容表达的语义信息,所述第一对话内容包括的词的长度以及所述第一对话内容关联的上下文信息中的至少一个;
基于所述特征信息,确定所述第一对话状态。
可选的,所述基于所述第一对话状态,对所述第一对话内容进行处理,包括:
若所述第一用户对所述当前对话场景的满意度小于预设满意度,确定所述第一对话状态符合第一预设状态,获取与所述第一对话状态对应的第一交互方式;
基于所述第一交互方式对所述第一对话内容进行处理。
可选的,所述获取与所述第一对话状态对应的第一交互方式,包括:
将所述第一对话状态输入至经过训练得到的预设模型,得到所述第一交互方式;其中,所述第一交互方式与基于所述第一对话内容中的关键词所获取的第二交互方式不同。
可选的,所述方法还包括:获取所述机器人与第二用户进行对话的历史对话场景中的多个第二对话状态;
确定每一所述第二对话状态对应的多个第三交互方式;
获取每一所述第二对话状态对应的多个第三交互方式中出现次数最大的目标交互方式;
基于每一所述第二对话状态和每一所述第二对话状态对应的所述目标交互方式训练所述预设模型。
可选的,所述方法还包括:获取基于所述第一交互方式对所述第一对话内容进行处理后所述第一用户的反馈信息;
基于所述反馈信息,确定所述机器人与所述第一用户之间的对话状态是否从所述第一预设状态变为第二预设状态,得到确定结果;其中,所述第二预设状态表征所述第一用户对所述当前对话场景的满意度大于所述预设满意度;
基于每一所述第二对话状态、每一所述第二对话状态对应的多个第三交互方式和所述确定结果,对所述预设模型的参数进行调整。
可选的,所述方法还包括:若所述确定结果表征未从所述第一预设状态变为所述第二预设状态,基于人工交互方式对所述第一对话内容进行处理。
可选的,所述基于所述第一对话状态,对所述第一对话内容进行处理,包括:
若所述第一用户对所述当前对话场景的满意度大于预设满意度,确定所述第一对话状态符合第二预设状态,获取与所述第一对话内容中的关键词对应的第二交互方式;
基于所述第二交互方式对所述第一对话内容进行处理。
一种电子设备,所述电子设备包括:处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的通信连接;
所述处理器用于执行所述存储器中存储的信息处理程序,以实现如上述任一项所述的信息处理的方法的步骤。
一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述任一项所述的信息处理的方法的步骤。
本申请实施例所提供的信息处理方法、电子设备和存储介质,在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容;基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态;基于第一对话状态,对第一对话内容进行处理;也就是说,电子设备获取到第一用户的第一对话内容后,先基于第一对话内容确定当前对话场景对应的第一对话状态,即第一用户对当前对话的满意度,进而结合第一对话状态对第一对话内容进行处理,如此,解决了相关技术中机器人在交流的过程中直接基于用户的对话内容中的关键词确定处理策略来处理对话内容,导致沟通效果较差的问题,实现机器人与用户之间的灵活沟通,提高交互效果和交互准确性。
附图说明
图1为本申请的实施例提供的一种信息处理方法的流程示意图;
图2为本申请的实施例提供的另一种信息处理方法的流程示意图;
图3为本申请的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。
本申请的实施例提供一种信息处理方法,应用于电子设备,参照图1所示,该方法包括以下步骤:
步骤101、在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容。
本申请实施例中,机器人又可以称为对话机器人,对话机器人利用机器学习和人工智能等技术理解用户的对话内容,进而模拟人与人之间的沟通交流。本申请实施例中,电子设备可以为存在实体的机器人;电子设备中也可以安装有对话机器人的应用程序,用户可以在该应用程序中与对话机器人进行交互。
示例性的,可以在电商网站上部署基于训练好的机器学习模型的对话机器人,并在电商网站上设置标识信息作为对话机器人的对话入口。用户点击标识信息则弹出对话窗口,用户在对话窗口中可以输入对话内容,进而电子设备获取到对话内容。
本申请实施例中,第一对话内容可以是第一用户单次输入的对话内容,第一对话内容也可以是用户在预设时间段内多次输入的全部对话内容。当前对话场景可以理解为第一用户与对话机器人开启对话后的对话场景。
这里,第一对话内容可以是电子设备通过多样化的方式与用户进行交互所获得的;例如,第一对话内容可以是电子设备通过语音交互的方式获得的语音对话内容;第一对话内容也可以是电子设备通过文字交互的方式获得的文本对话内容;当然,第一对话内容也可以是电子设备通过其他方式如手势动作和/表情动作交互的方式获得的相应形式的对话内容;本申请实施例中对此不作具体限定。
步骤102、基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态。
本申请实施例中,第一对话状态可以是电子设备对第一对话内容进行分析所得到的,表征第一用户对当前对话场景的满意度的状态。示例性的,电子设备在对第一对话内容进行分析的过程中,还可以基于第一对话内容得到第一用户的语言习惯,进而基于语言习惯,得到第一对话状态。
示例性的,语言习惯体现在用户跟对话机器人交流的时候的语言表达的差异,不同用户可能因知识背景等用户层面的差异性,在与对话机器人进行对话的过程中,可能表现出不同的语言习惯。语言习惯表现出用户在对话的过程中习惯用语言交互的方式进行对话、习惯用文字表述的方式进行对话、习惯用很长的文字描述事务的方式进行对话或习惯用一两个词的简短用语进行对话等的对话特征。这里,分析语言习惯,可以避免把所有用户视为一类用户来进行对话交流,提高沟通准确性。
本申请实施例中,表征第一用户对当前对话场景的满意度的第一对话状态,是电子设备对第一对话内容进行处理时,选择用作处理第一对话内容的交互方式的重要依据。
步骤103、基于第一对话状态,对第一对话内容进行处理。
本申请实施例中,便于理解的,可以认为满意度大于预设满意度的交互状态为正常交互状态;可以认为满意度小于预设满意度的交互状态为异常交互状态。针对同一对话内容而言,正常交互状态对应的交互方式与异常交互状态对应的交互方式不同。
本申请实施例所提供的信息处理方法,在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容;基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态;基于第一对话状态,对第一对话内容进行处理;也就是说,电子设备获取到第一用户的第一对话内容后,先基于第一对话内容确定当前对话场景对应的第一对话状态,即第一用户对当前对话的满意度,进而结合第一对话状态对第一对话内容进行处理,如此,解决了相关技术中机器人与用户在交流的过程中,直接基于用户的对话内容中的关键词,确定处理策略来处理对话内容,导致沟通效果较差的问题,实现机器人与用户之间的灵活沟通,提高交互效果和交互准确性。
基于前述实施例,本申请的实施例提供一种信息处理方法,应用于电子设备,参照图2所示,该方法包括以下步骤:
步骤201、在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容。
步骤202、获取第一对话内容的特征信息。
其中,特征信息包括第一对话内容表达的语义信息,第一对话内容包括的词的长度以及第一对话内容关联的上下文信息中的至少一个。
本申请实施例中,语义信息至少与第一用户表达的观点和/或抒发的情绪有关;电子设备可以对第一对话内容进行自然语言处理,以得到语义信息。
本申请实施例中,上下文信息包括表征第一对话内容与当前对话场景中的历史对话内容之间的关联关系的信息;例如,第一对话内容与当前对话场景中的历史对话内容属于同一话题,则确定第一对话内容与当前对话场景中的历史对话内容之间的关联程度较高,此时上下文信息为第一信息;第一对话内容与当前对话场景中的历史对话内容属于不同话题,即在当前对话场景中发生了话题切换,则说明第一对话内容与当前对话场景中的历史对话内容之间的关联程度较低,此时上下文信息为第二信息。当然,上下文信息还可以表征第一用户在未接收电子设备针对第一对话内容推送的答案之前就转人工交互方式进行对话的操作信息。
步骤203、基于特征信息,确定用于表征第一用户对当前对话场景的满意度的第一对话状态。
本申请实施例中,电子设备在获取到第一对话内容的特征信息的情况下,可以基于特征信息,确定用于表征第一用户对当前对话场景的满意度的第一对话状态。可以理解的,电子设备还可以基于特征信息分析出第一用户的语言习惯,并确定出第一对话状态。
示例性的,第一对话内容的特征信息包括第一语义信息,第一语义信息表征用户对当前对话过程不满,在第一对话内容中携带有不礼貌用语即脏话;电子设备基于该特征信息确定当前的满意度为第一满意度。
又一示例性的,第一对话内容的特征信息包括上下文信息和词的长度,上下文信息表征用户在当前对话场景中对电子设备反馈的答案无任何反馈就更换话题,且在当前对话场景中多次出现对话电子设备所接收到的词的长度少于两个词;电子设备基于该特征信息确定当前的满意度为第二满意度。
再一示例性的,第一对话内容的特征信息包括上下文信息,上下文信息表征第一用户在未接收电子设备针对第一对话内容推送的答案之前就转人工交互方式进行对话的操作信息;电子设备基于该特征信息确定当前的满意度为第三满意度。
步骤204、若第一用户对当前对话场景的满意度小于预设满意度,确定第一对话状态符合第一预设状态,获取与第一对话状态对应的第一交互方式。
本申请实施例中,电子设备在获取到第一对话内容的特征信息的情况下,对特征信息进行分析,进而得到表征对当前对话场景的满意度的第一对话状态。
示例性的,在对特征信息进行分析的过程中,电子设备确定第一对话内容的特征信息符合预设特征信息,则确定第一用户对当前对话场景的满意度小于预设满意度,进而确定第一对话状态符合第一预设状态,获取与第一对话状态对应的第一交互方式。
这里,预设特征信息包括预设语义信息,预设词的长度以及预设上下文信息。需要说明的是,电子设备确定第一对话内容的特征信息符合预设特征信息,则表明当前对话场景的对话流程偏离了原始轨道,此时需要对交互过程进行优化,获取与第一对话状态对应的第一交互方式,第一交互方式可以理解为能够将对话流程转入原始轨道的方式,即能优化交互过程的交互方式。
示例性的,假设上述第一满意度、第二满意度以及第三满意度均小于预设满意度,则在上述三种场景下,电子设备确定第一用户在当前对话场景中的第一对话状态符合第一预设状态,并获取与第一对话状态对应的第一交互方式。
需要说明的是,第一满意度、第二满意度以及第三满意度三者可以相同,当然第一满意度、第二满意度以及第三满意度三者也可以不同;这里,若第一满意度、第二满意度以及第三满意度三者不同,那么与第一对话状态对应的三个第一交互方式也不同。
本申请实施例中,示例性的,作出如下说明以便于理解本方案,
(1)、预设特征信息又可以称为异常交互特征,其可以包括如下所列出来的特征:描述过长(如超过128个单词)、对话语句过于简短(如少于两个词多次)、看不懂答案(如用户表示不理解答案)、脏话(如含有不礼貌用语)、习惯性转人工客服(如没有推送答案之前就转人工)、切换任务频繁(如对答案无反馈就更换话题)、闲聊多(如连续多次被识别为闲聊意图)。这里,切换任务频繁指的是用户在没有对之前的问题的答案有任何反馈情况下频繁更换话题。
(2)、设置对话状态空间(S),在对话状态空间(S)中,将无上述预设特征信息的状态定义为正常交互状态(S1),其他交互状态可以称为异常交互状态如包含上述异常交互特征的对话状态(S2,S3,......)。
(3)、设置动作空间(Action),动作空间(Action)中存储有交互方式之间的映射关系,即存储有对原交互方式(DP1,DP2,DP3,.....)和修正后的交互方式(DP1′,DP2′,DP3′......)之间的映射关系。
示例性的,参见表1和表2所示,映射关系可以为一一映射,如DP1与DP1′对应,DP2与DP2′对应,DP3与DP3′,DP4与DP4′对应,DP5与DP5′对应,......
这里,对表1和表2之间的关联关系做出简要说明,电子设备确定出第一对话状态符合第一预设状态的情况下,即对话流程偏离了原始轨道的情况下,如果电子设备不对当前对话流程进行引导和优化,那么,电子设备则选择表1中的原交互方式对第一对话内容进行处理;然而,本申请实施例所提供的方案,正是在对话流程偏离了原始轨道的情况下,对当前对话流程进行引导和优化,即选择修正后的交互方式对第一对话内容进行处理。
也就是说,在原交互方式选择转人工时,电子设备则基于第一对话状态,选择引导用户再次描述问题的交互方式对第一对话内容进行处理。
在原交互方式选择推答案时,电子设备则基于第一对话状态,选择原策略的简化(答案摘要)的交互方式对第一对话内容进行处理。
在原交互方式选择话题切换确认时,电子设备则基于第一对话状态,选择确认用户要解决的问题的交互方式对第一对话内容进行处理。
在原交互方式选择闲聊时,电子设备则基于第一对话状态,选择再次询问用户意图的交互方式对第一对话内容进行处理。
在原交互方式选择追问用户信息时,电子设备则基于第一对话状态,选择安慰话术+原策略的交互方式对第一对话内容进行处理。
原交互方式的id | 原交互方式 |
DP1 | 转人工 |
DP2 | 推答案 |
DP3 | 话题切换确认 |
DP4 | 闲聊 |
DP5 | 追问用户信息 |
...... | ...... |
表1中记录有原交互方式
修正后的交互方式id | 修正后的交互方式 |
DP1′ | 引导用户再次描述问题 |
DP2′ | 原策略的简化(答案摘要) |
DP3′ | 确认用户要解决的问题 |
DP4′ | 再次询问用户意图 |
DP5′ | 安慰话术+原策略 |
...... | ...... |
表2中记录有修正后的交互方式
由上述内容可知,在电子设备确定第一用户与对话机器人在当前对话场景中的第一对话状态为第一预设状态,即此时用户的满意度小于预设满意度时,若不对当前对话过程进行优化,则电子设备将选取上述表1中的原交互方式处理第一对话内容。然而,本申请实施例中电子设备正是在确定出用户的满意度小于预设满意度时,确定需要对当前对话流程进行优化,从而基于表1中的原交互方式与表2中的修正后的交互方式之间的映射关系,选择修正后的交互方式处理第一对话内容,进而实现对当前对话流程的优化,提高用户与对话机器人之间的对话体验。
需要说明的是,修正并不是针对单个的交互状态,在对话机器人与第一用户进行对话的当前对话场景中,只要电子设备确定第一用户的对话内容对应的对话状态符合第一预设状态,都可以获取修正后的交互方式对当前的对话内容进行处理,也就是说,在对话流程偏离了原始轨道后,后续的优化过程是针对整个的状态空间的,优化的是当前对话场景中整个对话的满意度和完成度。
本申请实施例中,步骤204中获取与第一对话状态对应的第一交互方式,包括:将第一对话状态输入至经过训练得到的预设模型,得到第一交互方式。
其中,第一交互方式与基于第一对话内容中的关键词所获取的第二交互方式不同。
本申请实施例中,电子设备可以通过如下步骤训练得到预设模型,A、获取机器人与第二用户进行对话的历史对话场景中的多个第二对话状态。
本申请实施例中,第二用户与第一用户可以相同;当然,第二用户与第一用户也可以不同,电子设备以能获取历史对话场景中的多个对话状态为准。
B、确定每一第二对话状态对应的多个第三交互方式。
本申请实施例中,每一第二对话状态对应多个第三交互方式,可以理解为在同一对话状态下,用户所选择的交互方式不完全相同;如此,可以收集到针对同一对话状态下尽可能多的交互方式。
C、获取每一第二对话状态对应的多个第三交互方式中出现次数最大的目标交互方式。
本申请实施例中,电子设备在获取到每一第二对话状态对应的多个第三交互方式的情况下,从多个第三交互方式中选择出现次数最大的目标交互方式作为与第二对话状态匹配的最佳交互方式。
D、基于每一第二对话状态和每一第二对话状态对应的目标交互方式训练预设模型。
由上述可知,在训练预设模型的过程中,电子设备获取某一对话状态下尽可能多的交互方式,进而从众多交互方式中选择出现次数最多的交互方式作为该对话状态对应的最佳交互方式,进而训练得到最优的预设模型。
本申请实施例中,电子设备采用监督学习的方法对预设模型进行训练。这里,可以采用交互专家标注好的交互习惯作为输入,且标注好对应的多个交互方式的样本语料进行训练,使用神经网络模型如LSTM得到对应的策略的概率分布,取概率最高的交互方式即目标交互方式将不同的交互对话状态对应采取的交互方式进行初始化。
步骤205、基于第一交互方式对第一对话内容进行处理。
本申请实施例中,目前的智能对话机器人在与人进行交互时,大部分都根据特定的任务或者对话机器人设定好的模式进行交互,但是不同的人对同一种交互方式的接受度和认可度都会不一样,例如语言习惯、语音、图像、文字的偏好都随着用户的知识背景以及日常行为习惯,或者当前的情绪而产生差异,其中有些交互习惯会导致对话流程偏离正常的任务轨道,采用本申请所提供的信息处理方法,能针对性的对这些交互方式进行差异化处理,进而在对话流程偏离原始轨道时,将用对话流程拉回到原始轨道即正常的对话流程中,如此,也能让用户感觉到对话机器人是在定制化的为用户个人服务。
本申请其他实施例中,在执行步骤205基于第一交互方式对第一对话内容进行处理后,还可以执行以下步骤:
第一步、获取基于第一交互方式对第一对话内容进行处理后第一用户的反馈信息。
本申请实施例中,反馈信息可以是电子设备基于第一交互方式对第一对话内容进行处理后,用户反馈的评价信息;反馈信息可以用reward表示,reward可以体现对话的质量。
第二步、基于反馈信息,确定机器人与第一用户之间的对话状态是否从第一预设状态变为第二预设状态,得到确定结果。
其中,第二预设状态表征第一用户对当前对话场景的满意度大于预设满意度。
在实际应用中,电子设备可以采用在强化学习的方法对预设模型进行优化。在强化学习中,每轮对话的质量用reward来衡量,电子设备通过探索不同情况下的动作序列,来优化整个对话的多轮reward之和,记为G。优化采用策略梯度(policy gradient)算法,权值参数ω的梯度更新公式为:
其中,α是学***均估计。这里,权值参数指的是交互方式对应的权值;通过权值参数的优化,可以调整预设模型中对话状态与交互方式之间的映射关系。
在交互的进行中,使用强化学习来优化整个的交互过程,其中reward可定义为:
若对话从异常交互状态回到正轨,则reward=1,若仍然异常,则reward=-1;
第三步、基于每一第二对话状态、每一第二对话状态对应的多个第三交互方式和确定结果,对预设模型的参数进行调整。
这里,对预设模型的参数进行调整指的是对上述权值参数进行调整,以改变预设模型中对话状态与交互方式之间的映射关系,确保对话流程发生偏离时,实现对对话的优化,提高用户与对话机器人之间的交互体验。
本申请其他实施例中,电子设备若确定结果表征未从第一预设状态变为第二预设状态,基于人工交互方式对第一对话内容进行处理。也就是说,电子设备确定第一用户对修正后的交互方式对第一对话内容处理后的结果满意度小于预设满意度,则电子设备直接转人工服务,采用人工交互方式对第一对话内容进行处理,提高处理效率和用户的满意度。
步骤206、若第一用户对当前对话场景的满意度大于预设满意度,确定第一对话状态符合第二预设状态,获取与第一对话内容中的关键词对应的第二交互方式。
步骤207、基于第二交互方式对第一对话内容进行处理。
由上述内容可知,基于本申请实施例所提供的信息处理方法,使得对话机器人能适应用户的交互习惯,产生更自然且容易被用户接受的对话;不同用户和对话机器人交互的过程更加灵活多变,且随着交互的持续进行,对话机器人越来越能针对不同用户产生更适合的交互方式,并保证对话的正常进行。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
基于前述实施例,本申请的实施例提供一种电子设备,该电子设备可以应用于图1~2对应的实施例提供的一种信息处理方法中,参照图3所示,该电子设备3包括:处理器31、存储器32和通信总线33,其中:
通信总线33用于实现处理器31和存储器32之间的通信连接。
处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容;
基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态;
基于第一对话状态,对第一对话内容进行处理。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
获取第一对话内容的特征信息;其中,特征信息包括第一对话内容表达的语义信息,第一对话内容包括的词的长度以及第一对话内容关联的上下文信息中的至少一个;
基于特征信息,确定第一对话状态。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
若第一用户对当前对话场景的满意度小于预设满意度,确定第一对话状态符合第一预设状态,获取与第一对话状态对应的第一交互方式;
基于第一交互方式对第一对话内容进行处理。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
将第一对话状态输入至经过训练得到的预设模型,得到第一交互方式;其中,第一交互方式与基于第一对话内容中的关键词所获取的第二交互方式不同。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
获取机器人与第二用户进行对话的历史对话场景中的多个第二对话状态;
确定每一第二对话状态对应的多个第三交互方式;
获取每一第二对话状态对应的多个第三交互方式中出现次数最大的目标交互方式;
基于每一第二对话状态和每一第二对话状态对应的目标交互方式训练预设模型。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
获取基于第一交互方式对第一对话内容进行处理后第一用户的反馈信息;
基于反馈信息,确定机器人与第一用户之间的对话状态是否从第一预设状态变为第二预设状态,得到确定结果;其中,第二预设状态表征第一用户对当前对话场景的满意度大于预设满意度;
基于每一第二对话状态、每一第二对话状态对应的多个第三交互方式和确定结果,对预设模型的参数进行调整。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
若确定结果表征未从第一预设状态变为第二预设状态,基于人工交互方式对第一对话内容进行处理。
在本申请的其他实施例中,处理器31用于执行存储器32中存储的信息处理程序,以实现以下步骤:
若第一用户对当前对话场景的满意度大于预设满意度,确定第一对话状态符合第二预设状态,获取与第一对话内容中的关键词对应的第二交互方式;
基于第二交互方式对第一对话内容进行处理。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1~2对应的实施例提供的信息处理方法中的实现过程,此处不再赘述。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
在机器人与第一用户进行对话的当前对话场景中,获取第一用户的第一对话内容;
基于第一对话内容,确定用于表征第一用户对当前对话场景的满意度的第一对话状态;
基于第一对话状态,对第一对话内容进行处理。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
获取第一对话内容的特征信息;其中,特征信息包括第一对话内容表达的语义信息,第一对话内容包括的词的长度以及第一对话内容关联的上下文信息中的至少一个;
基于特征信息,确定第一对话状态。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
若第一用户对当前对话场景的满意度小于预设满意度,确定第一对话状态符合第一预设状态,获取与第一对话状态对应的第一交互方式;
基于第一交互方式对第一对话内容进行处理。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
将第一对话状态输入至经过训练得到的预设模型,得到第一交互方式;其中,第一交互方式与基于第一对话内容中的关键词所获取的第二交互方式不同。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
获取机器人与第二用户进行对话的历史对话场景中的多个第二对话状态;
确定每一第二对话状态对应的多个第三交互方式;
获取每一第二对话状态对应的多个第三交互方式中出现次数最大的目标交互方式;
基于每一第二对话状态和每一第二对话状态对应的目标交互方式训练预设模型。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
获取基于第一交互方式对第一对话内容进行处理后第一用户的反馈信息;
基于反馈信息,确定机器人与第一用户之间的对话状态是否从第一预设状态变为第二预设状态,得到确定结果;其中,第二预设状态表征第一用户对当前对话场景的满意度大于预设满意度;
基于每一第二对话状态、每一第二对话状态对应的多个第三交互方式和确定结果,对预设模型的参数进行调整。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
若确定结果表征未从第一预设状态变为第二预设状态,基于人工交互方式对第一对话内容进行处理。
在本申请的其他实施例中,该一个或者多个程序可被一个或者多个处理器执行,还可以实现以下步骤:
若第一用户对当前对话场景的满意度大于预设满意度,确定第一对话状态符合第二预设状态,获取与第一对话内容中的关键词对应的第二交互方式;
基于第二交互方式对第一对话内容进行处理。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1~2对应的实施例提供的信息处理方法中的实现过程,此处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (10)
1.一种信息处理方法,其特征在于,所述方法包括:
在机器人与第一用户进行对话的当前对话场景中,获取所述第一用户的第一对话内容;
基于所述第一对话内容,确定用于表征所述第一用户对所述当前对话场景的满意度的第一对话状态;
基于所述第一对话状态,对所述第一对话内容进行处理。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一对话内容,确定用于表征所述第一用户对所述当前对话场景的满意度的第一对话状态,包括:
获取所述第一对话内容的特征信息;其中,所述特征信息包括所述第一对话内容表达的语义信息,所述第一对话内容包括的词的长度以及所述第一对话内容关联的上下文信息中的至少一个;
基于所述特征信息,确定所述第一对话状态。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述第一对话状态,对所述第一对话内容进行处理,包括:
若所述第一用户对所述当前对话场景的满意度小于预设满意度,确定所述第一对话状态符合第一预设状态,获取与所述第一对话状态对应的第一交互方式;
基于所述第一交互方式对所述第一对话内容进行处理。
4.根据权利要求3所述的方法,其特征在于,所述获取与所述第一对话状态对应的第一交互方式,包括:
将所述第一对话状态输入至经过训练得到的预设模型,得到所述第一交互方式;其中,所述第一交互方式与基于所述第一对话内容中的关键词所获取的第二交互方式不同。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取所述机器人与第二用户进行对话的历史对话场景中的多个第二对话状态;
确定每一所述第二对话状态对应的多个第三交互方式;
获取每一所述第二对话状态对应的多个第三交互方式中出现次数最大的目标交互方式;
基于每一所述第二对话状态和每一所述第二对话状态对应的所述目标交互方式训练所述预设模型。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取基于所述第一交互方式对所述第一对话内容进行处理后所述第一用户的反馈信息;
基于所述反馈信息,确定所述机器人与所述第一用户之间的对话状态是否从所述第一预设状态变为第二预设状态,得到确定结果;其中,所述第二预设状态表征所述第一用户对所述当前对话场景的满意度大于所述预设满意度;
基于每一所述第二对话状态、每一所述第二对话状态对应的多个第三交互方式和所述确定结果,对所述预设模型的参数进行调整。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若所述确定结果表征未从所述第一预设状态变为所述第二预设状态,基于人工交互方式对所述第一对话内容进行处理。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述基于所述第一对话状态,对所述第一对话内容进行处理,包括:
若所述第一用户对所述当前对话场景的满意度大于预设满意度,确定所述第一对话状态符合第二预设状态,获取与所述第一对话内容中的关键词对应的第二交互方式;
基于所述第二交互方式对所述第一对话内容进行处理。
9.一种电子设备,其特征在于,所述电子设备包括:处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的通信连接;
所述处理器用于执行存储器中存储的信息处理程序,以实现如权利要求1至8中任一项所述的信息处理的方法的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的信息处理的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917017.6A CN110737761B (zh) | 2019-09-26 | 2019-09-26 | 一种信息处理方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917017.6A CN110737761B (zh) | 2019-09-26 | 2019-09-26 | 一种信息处理方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737761A true CN110737761A (zh) | 2020-01-31 |
CN110737761B CN110737761B (zh) | 2023-09-19 |
Family
ID=69269688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910917017.6A Active CN110737761B (zh) | 2019-09-26 | 2019-09-26 | 一种信息处理方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737761B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014181524A1 (ja) * | 2013-05-09 | 2014-11-13 | ソフトバンクモバイル株式会社 | 会話処理システム及びプログラム |
CN107463601A (zh) * | 2017-06-13 | 2017-12-12 | 北京百度网讯科技有限公司 | 基于人工智能的对话理解***构建方法、装置、设备及计算机可读存储介质 |
CN108134876A (zh) * | 2017-12-21 | 2018-06-08 | 广东欧珀移动通信有限公司 | 对话分析方法、装置、存储介质及移动终端 |
CN108255943A (zh) * | 2017-12-12 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 人机对话质量评估方法、装置、计算机设备及存储介质 |
CN108922564A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
US20190139537A1 (en) * | 2017-11-08 | 2019-05-09 | Kabushiki Kaisha Toshiba | Dialogue system and dialogue method |
-
2019
- 2019-09-26 CN CN201910917017.6A patent/CN110737761B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014181524A1 (ja) * | 2013-05-09 | 2014-11-13 | ソフトバンクモバイル株式会社 | 会話処理システム及びプログラム |
CN107463601A (zh) * | 2017-06-13 | 2017-12-12 | 北京百度网讯科技有限公司 | 基于人工智能的对话理解***构建方法、装置、设备及计算机可读存储介质 |
US20190139537A1 (en) * | 2017-11-08 | 2019-05-09 | Kabushiki Kaisha Toshiba | Dialogue system and dialogue method |
CN108255943A (zh) * | 2017-12-12 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 人机对话质量评估方法、装置、计算机设备及存储介质 |
CN108134876A (zh) * | 2017-12-21 | 2018-06-08 | 广东欧珀移动通信有限公司 | 对话分析方法、装置、存储介质及移动终端 |
CN108922564A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
李锐, 万年庆: "基于WWW的远程教学中的反馈和自适应交互技术", 信阳师范学院学报(自然科学版), no. 02 * |
王冲等: "《现代信息检索技术基本原理教程》", 30 November 2013, 西安电子科技大学出版社, pages: 34 - 35 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN115809669B (zh) * | 2022-12-30 | 2024-03-29 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110737761B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555095B (zh) | 人机对话方法和装置 | |
CN106649704B (zh) | 一种智能对话控制方法和*** | |
CN110020426B (zh) | 将用户咨询分配到客服业务组的方法及装置 | |
CN112365894B (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
CN112507094B (zh) | 一种基于强化学习的客服机器人对话方法及其相关组件 | |
CN106445147B (zh) | 基于人工智能的对话***的行为管理方法及装置 | |
CN108228764A (zh) | 一种单轮对话和多轮对话的融合方法 | |
CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
CN116303949B (zh) | 一种对话处理方法、***、存储介质及终端 | |
CN108962221B (zh) | 在线对话状态跟踪模型的优化方法及*** | |
CN111400466A (zh) | 一种基于强化学习的智能对话方法及装置 | |
CN109325780A (zh) | 一种面向电子政务领域的智能客服***的交互方法 | |
CN109977409A (zh) | 一种基于用户聊天习惯的智能表情推荐方法和*** | |
CN116049360A (zh) | 基于客户画像的智能语音对话场景话术干预方法及*** | |
CN108595609A (zh) | 基于人物ip的机器人回复生成方法、***、介质及设备 | |
CN115455158A (zh) | 智能聊天的信息处理方法、装置、电子设备及存储设备 | |
CN110674276B (zh) | 机器人自学习方法、机器人终端、装置及可读存储介质 | |
CN110838014A (zh) | 在线客服***中人工智能路由策略 | |
CN110737761B (zh) | 一种信息处理方法、电子设备和存储介质 | |
CN117909483A (zh) | 个性化对话方法、***、设备及介质 | |
KR102413860B1 (ko) | 사용자 상태에 기반한 응답 음성을 생성하는 음성 에이전트 시스템 및 방법 | |
CN115757749A (zh) | 一种对话处理方法、装置、电子设备及存储介质 | |
CN114996417A (zh) | 推荐话术的方法,推荐话术交互的方法及*** | |
CN112035632B (zh) | 一种适用于多对话机器人协作任务的择优分发方法和*** | |
CN112908296A (zh) | 一种方言识别方法 |
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 |