发明内容
本申请所要解决的技术问题是,提供一种对话回复的方法及相关装置,使得互动聊天更加智能有趣,情感表达更加生动形象;避免回复文本所具有的表达缺陷,用户情感接受度更高,吸引用户进行多轮互动聊天,提升用户聊天体验感。
第一方面,本申请实施例提供了一种对话回复的方法,该方法包括:
响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本;
至少以表情为参考因素,确定所述回复文本的关键词;
根据所述关键词,搜索表达所述关键词含义的目标表情;
向所述用户显示所述目标表情。
可选的,所述至少以表情为参考因素,确定所述回复文本的关键词,包括:
根据所述回复文本中各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率,相乘确定所述回复文本中各个词语的表情权重;
确定所述回复文本中表情权重大于预设值的词语;
按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词。
可选的,所述按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词,具体为:
将所述表情权重大于预设值的词语中表情权重最大的词语确定为关键词;或,
从所述表情权重大于预设值的词语中随机确定一个词语作为关键词。
可选的,所述至少以表情为参考因素,确定所述回复文本的关键词,包括:
利用关键词提取算法从所述回复文本中确定表达所述回复文本关键内容的词语;
根据所述表达所述回复文本关键内容的词语的特性,确定所述表达所述回复文本关键内容的词语的表情分值;
将所述表达所述回复文本关键内容的词语中表情分值最高的词语确定为关键词。
可选的,所述根据所述关键词,搜索表达所述关键词含义的目标表情,包括:
搜索表达所述关键词含义的表情;
按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情。
可选的,所述按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情,包括:
根据所述表达所述关键词含义的表情的预设排序,选取前N个表情,所述N为正整数,所述N小于所述表达所述关键词含义的表情的数量;
从所述前N个表情中选取一个表情作为目标表情。
可选的,所述按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情,具体为:
从所述表达所述关键词含义的表情中随机选取一个表情作为目标表情。
第二方面,本申请实施例提供了一种对话回复的装置,该装置包括:
获得单元,用于响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本;
确定单元,用于至少以表情为参考因素,确定所述回复文本的关键词;
搜索单元,用于根据所述关键词,搜索表达所述关键词含义的目标表情;
显示单元,用于向所述用户显示所述目标表情。
可选的,所述确定单元包括:
第一确定子单元,用于根据所述回复文本中各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率,相乘确定所述回复文本中各个词语的表情权重;
第二确定子单元,用于确定所述回复文本中表情权重大于预设值的词语;
第三确定子单元,用于按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词。
可选的,所述第三确定子单元具体用于:
将所述表情权重大于预设值的词语中表情权重最大的词语确定为关键词;或,
从所述表情权重大于预设值的词语中随机确定一个词语作为关键词。
可选的,所述确定单元包括:
第四确定子单元,用于利用关键词提取算法从所述回复文本中确定表达所述回复文本关键内容的词语;
第五确定子单元,用于根据所述表达所述回复文本关键内容的词语的特性,确定所述表达所述回复文本关键内容的词语的表情分值;
第六确定子单元,用于将所述表达所述回复文本关键内容的词语中表情分值最高的词语确定为关键词。
可选的,所述搜索单元包括:
搜索子单元,用于搜索表达所述关键词含义的表情;
选取子单元,用于按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情。
可选的,所述选取子单元包括:
第一选取模块,用于根据所述表达所述关键词含义的表情的预设排序,选取前N个表情,所述N为正整数,所述N小于所述表达所述关键词含义的表情的数量;
第二选取模块,用于从所述前N个表情中选取一个表情作为目标表情。
可选的,所述选取子单元具体用于:
从所述表达所述关键词含义的表情中随机选取一个表情作为目标表情。
第三方面,本申请实施例提供了一种用于对话回复的装置,该装置包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本;
至少以表情为参考因素,确定所述回复文本的关键词;
根据所述关键词,搜索表达所述关键词含义的目标表情;
向所述用户显示所述目标表情。
第四方面,本申请实施例提供了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行上述第一方面中一个或多个所述的对话回复的方法。
与现有技术相比,本申请至少具有以下优点:
采用本申请实施例的技术方案,当基于用户的输入形成目标文本,并基于目标文本获得回复文本后,至少以表情为参考因素,确定回复文本的关键词,基于关键词搜索得到表达关键词含义的目标表情,以目标表情回复显示给用户。在用户进行对话时,得到的是对应目标文本的回复文本的目标表情,这种新的目标表情回复方式,使得互动聊天更加智能有趣,情感表达更加生动形象;且避免了回复文本所具有的表达缺陷,用户情感接受度更高,吸引用户进行多轮互动聊天,进而提升用户聊天体验感。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
目前,聊天机器人通常采用文本形式的内容与用户进行对话聊天,具体地,响应于用户的输入,例如语音输入、文本输入或图像输入等,聊天机器人首先基于用户输入形成目标文本,然后,基于目标文本采用语料库检索和/或者文本自动生成的方式得到回复文本,最后,将回复文本回复显示给用户,实现与用户的对话聊天。例如,如图1所示的一种现有技术中对话界面的示意图,响应于用户的语音输入,聊天机器人基于语音识别技术形成目标文本,假设目标文本为“我漂亮吗?”,进行语料库检索得到回复文本为“非常漂亮!”,将其回复显示给用户。
然而,聊天时经常会使用到聊天表情,用以增加对话聊天的趣味性,展现纯文本内容无法表达的含义。聊天机器人采用上述方式仅仅以回复文本进行对话回复,不仅仅形式单一固定、内容枯燥乏味,而且文本表达能力有限,导致聊天效果低下。
为了解决上述问题,在本申请实施例中,先根据用户的输入形成目标文本,并根据目标文本获得回复文本,然后,至少以表情为参考因素,确定回复文本的关键词,其次,根据关键词搜索得到表达关键词含义的聊天表情。最终,以目标表情回复显示给用户。目标表情的情感表达更加生动形象,能够展现出更多回复文本无法表达的含义,使得互动聊天更加智能有趣。进而用户更愿意进行多轮互动聊天,聊天体验感较好。
举例来说,本申请实施例的场景可以是用户与聊天机器人进行对话的场景,此场景下本申请实施方式的动作描述由聊天机器人执行。本申请实施例的场景也可以是用户A与用户B进行对话时,用户B设置自动回复,由后台处理器与用户A进行自动对话的场景,此场景下本申请实施方式的动作描述由后台处理器执行。本申请在执行主体方面不受限制,只要执行了本申请实施方式所公开的动作即可。
可以理解的是,上述两个场景仅是本申请实施例提供的场景示例,本申请实施例并不限于上述两个场景。
下面结合附图,通过实施例来详细说明本申请实施例中对话回复的方法及相关装置的具体实现方式。
示例性方法参见图2,示出了本申请实施例中一种对话回复的方法的流程示意图。在本实施例中,所述方法例如可以包括以下步骤:
步骤201:响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本。
其中,用户的输入是多种形式的,既可以是语音输入,也可以是文本输入,还可以是图像输入。用户的输入不同,其形成目标文本的方式也不同。对于语音输入而言,实际输入的是语音数据,需要利用语音识别技术将语音数据转换形成文本形式的目标文本;对于文本输入而言,实际输入的是文本数据,可直接形成文本形式的目标文本;对于图像输入而言,实际输入的是图像数据,需要利用光学字符识别(英文:Optical Character Recognition,简称:OCR)技术和/或图像识别技术将图像数据转换形成文本形式的目标文本。
作为一种示例,当用户进行“我漂亮吗?”的语音输入,聊天机器人利用语音识别技术识别该语音,转换形成“我漂亮吗?”的目标文本;作为另一种示例,当用户进行“你饿了吗?”的文本输入,聊天机器人可以直接形成“你饿了吗?”的目标文本;作为另一种示例,当用户进行图像输入,该图像携带“早上好”字符,聊天机器人利用OCR技术识别该图像,转换其字符形成“早上好”的目标文本。
本申请实施例中,可以通过多种方式基于目标文本获得对应的回复文本。一种可选的实施方式中,将目标文本作为检索数据,在语料库检索中检索相似度较高的语料文本,将其对应的回复语料文本作为回复文本。另一种可选的实施方式中,利用深度学习技术,自动生成对应目标文本的回复文本。另一种可选的实施方式中,将上述两种实施方式结合,整合获得对应目标文本的回复文本;其中,若是先将目标文本作为检索数据,在语料库进行检索却检索不到相似度较高的语料文本,则可以转而利用深度学习技术,自动生成对应目标文本的回复文本。
步骤202:至少以表情为参考因素,确定所述回复文本的关键词。
需要说明的是,本申请实施例中,在步骤201获得回复文本之后,以表情为参考因素,至少可以通过以下两种方式确定回复文本的关键词:
第一种可选的步骤202的实施方式中,先确定回复文本中表情权重较大的词语,再从表情权重较大的词语中确定一个词语作为关键词。具体地,对于回复文本中的各个词语而言,可以计算它们的表情权重,例如,根据各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率相乘得到表情权重。具体地,某个词语在表情搜索日志中出现的次数越多,其频率越大,在常规搜索日志中的出现的次数越少,其逆文件频率越大,最终,某个词语的表情权重越大表示该词语被用于表情的概率越大。则可以确定回复文本中被用于表情的概率越大的词语,即,基于回复文本中的各个词语的表情权重,可以直接确定回复文本中表情权重大于预设值的词语,这些词语被用于表情的概率均较大,其中任意一个词语均可被确定为关键词。因此,在本实施例的一些实施方式中,所述步骤202例如可以包括以下步骤:
步骤A:根据所述回复文本中各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率,相乘确定所述回复文本中各个词语的表情权重。
步骤B:确定所述回复文本中表情权重大于预设值的词语。
步骤C:按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词。
其中,对于步骤C按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词可以采用如下两种方式:
第一种方式,虽然表情权重大于预设值的词语被用于表情的概率均较大,但是,考虑到表情权重最大的词语被用于表情的概率最大,以表情为参考因素,能够最准确地代表回复文本,则可以将其确定为关键词。因此,在本实施例的一些实施方式中,所述步骤C例如具体可以为:将所述表情权重大于预设值的词语中表情权重最大的词语确定为关键词。
第二种方式,由于表情权重大于预设值的词语被用于表情的概率均较大,以表情为参考因素而言,其中任意一个词语作为关键词代表回复文本,都可以较为准确地代表回复文本,考虑到多样性与随机性,可以随机确定其中一个词语作为关键词。因此,在本实施例的一些实施方式中,所述步骤C例如具体可以为:从所述表情权重大于预设值的词语中随机确定一个词语作为关键词。
作为一种示例,假设回复文本为“哈哈,你太棒了!特别厉害!”,对于回复文本中的各个词语而言,首先,根据各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率相乘得到表情权重,然后,直接确定“哈哈,你太棒了!特别厉害!”回复文本中表情权重大于预设值的词语为词语“太棒了”和词语“厉害”。最后,若词语“太棒了”的表情权重较大于词语“厉害”的表情权重,在词语“太棒了”和词语“厉害”中,既可以将表情权重最大的词语“太棒了”确定为关键词,也可以从词语“太棒了”和词语“厉害”中随机选择一个词语确定为关键词。
第二种可选的步骤202的实施方式中,先确定表达回复文本关键内容的词语,然后,基于各自的特性确定表达回复文本关键内容的词语中表情分值,将表情分值最高的词语确定为关键词。具体地,直接采取常见的关键词提取算法,可以确定回复文本中表达回复文本关键内容的词语,由于最终目的是以表情为参考因素确定回复文本的关键词,则可以先基于各个表达回复文本关键内容的词语的特性,例如,词语的词性,确定对应的表情分值;然后,基于确定出的表情分值,选择表情分值最高的词语确定为关键词。因此,在本实施例的一些实施方式中,所述步骤202例如可以包括以下步骤:
步骤D:利用关键词提取算法从所述回复文本中确定表达所述回复文本关键内容的词语。
需要说明的是,常见的关键词提取算法是词频-逆文件频率算法和TextRank算法等,他们均可以提取文本中的关键词。其中,词频(英文:Term Frequency,简称:TF)-逆文件频率算法(英文:Inverse Document Frequency,简称:IDF)用以评估词语对于一个文件集或一个语料库中的重要程度以生成关键字;TextRank算法基于PageRank算法,用于为文本生成关键字。因此,上述第二种可选的步骤202的实施方式中,所述关键词提取算法包括词频-逆文件频率算法和/或TextRank算法。
步骤E:根据所述表达所述回复文本关键内容的词语的特性,确定所述表达所述回复文本关键内容的词语的表情分值。
步骤F:将所述表达所述回复文本关键内容的词语中表情分值最高的词语确定为关键词。
作为一种示例,假设回复文本为“不要,已经太胖了!”,首先,基于TextRank算法,确定“不要,已经太胖了!”回复文本中表达回复文本关键内容的词语为词语“不要”和词语“太胖了”。然后,基于词语“不要”的词性和词语“太胖了”的词性,分别确定词语“不要”和词语“太胖了”的表情分值,其中,词语“太胖了”的表情分值高于词语“不要”的表情分值。最后,基于确定出的词语“不要”和词语“太胖了”的表情分值,可以将表情分值最高的词语“太胖了”确定为关键词。
步骤203:根据所述关键词,搜索表达所述关键词含义的目标表情。
可以理解的是,在步骤202获得确定关键词之后,需要搜索到能够表达该关键词含义的目标表情,以代替现有技术中的回复文本进行对话回复,从而避免回复文本所具有的表达缺陷,使得互动聊天更加智能有趣,情感表达更加生动形象。当然,也可以根据关键词自动生成表达所述关键词含义的目标表情。其中,目标表情既可以是静态的目标表情,比如表情图片;也可以是动态的目标表情,比如表情动图、表***等。
需要说明的是,以关键词为搜索数据时,一般可以搜索得到多个表情,由于这些表情均能够表达关键词含义,任意选取其中一个表情均可以作为目标表情,以针对用户的输入进行回复显示。因此,在本实施例的一些实施方式中,所述步骤203例如可以包括以下步骤:
步骤G:搜索表达所述关键词含义的表情。
需要说明的是,本申请实施例中,可以通过多种方式搜索表达关键词含义的表情。一种可选的实施方式中,本地数据库中存储有多个表情,则以关键词为搜索数据,从本地数据库已存储的多个表情中搜索出能够表达关键词含义的表情。另一种可选的实施方式中,网络数据库存储有海量的表情,则利用表情搜索引擎,以关键词为搜索数据,从网络数据库已存储的海量表情中搜索出能够表达关键词含义的表情。另一种可选的实施方式中,将上述两种实施方式结合,整合获得表达关键词含义的表情;其中,若以关键词为搜索数据,在本地数据库进行搜索却找搜索不到能够表达关键词含义的表情,则可以转而利用表情搜索引擎,以关键词为搜索数据,在网络数据库进行搜索,直到搜索出能够表达关键词含义的表情。因此,在本实施例的一些实施方式中,所述步骤G例如具体可以为:在网络数据库和/或本地数据库搜索表达所述关键词含义的表情。
步骤H:按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情。
需要说明的是,在实际应用中,在步骤G搜索出的是基于预设规则直接被预先排序的表达关键词含义的表情,例如,表达关键词含义的表情基于上屏次数由多到少被预先排序,排序在前的表情表达关键词含义更加准确符合,考虑到选取目标表情的准确性、符合性,可以基于各个表情的预设排序,选取前N个表情,以便可以从前N个上屏次数较多、表达关键词含义更加准确符合的表情中任意选取其中一个表情作为目标表情。因此,在本实施例的一些实施方式中,所述步骤H例如可以包括:
步骤H1:根据所述表达所述关键词含义的表情的预设排序,选取前N个表情,所述N为正整数,所述N小于所述表达所述关键词含义的表情的数量。
步骤H2:从所述前N个表情中选取一个表情作为目标表情。
在本申请实施例中,对于步骤H2从前N个表情中选取一个表情作为目标表情可以有以下两种方式:
第一种方式,虽然前N个表情表达关键词含义均较为准确符合,但是,排序第一的表情相较于其他表情更能准确符合地表达关键词含义,即,排序第一的表情表达关键词含义准确性、符合性最高,可以从前N个表情中选取排序第一的表情作为目标表情。
第二种方式,由于前N个表情在表达关键词含义的准确性、符合性上相差不大,考虑到多样性与随机性,可以从前N个表情中随机选取一个表情作为目标表情。
作为一种示例,步骤G搜索得到表达所述关键词“太棒了”含义的100个表情,该100个表情具有预设排序,首先,选取前10个表情;然后,既可以选取前10个表情中排序第一的表情作为目标表情;也可以从前10个表情中随机选取一个表情作为目标表情。
还需要说明的是,在实际应用中,在步骤G搜索出的表情就是表达关键词含义的表情,考虑到对于相同关键词,每一次确定出的目标表情的多样性与随机性,可以随机选取其中一个表情作为目标表情。因此,在本实施例的一些实施方式中,所述步骤H例如具体可以为:从所述表达所述关键词含义的表情中随机选取一个表情作为目标表情。
作为一种示例,步骤G搜索得到表达所述关键词“太棒了”含义的100个表情,从100个表情中随机选取一个表情作为目标表情。
步骤204:向所述用户显示所述目标表情。
可以理解的是,在步骤203搜索得到表达关键词含义的目标表情后,需要将其代替回复文本回复显示给用户。当目标表情是静态的目标表情,比如表情图片时,向用户显示表情图片;当目标表情是是动态的目标表情,比如表情动图或表***等时,向用户显示整个表情动图或表***的完整动态过程。
通过本实施例提供的各种实施方式,当基于用户的输入形成目标文本,并基于目标文本获得回复文本后,至少以表情为参考因素,确定回复文本的关键词,基于关键词搜索得到表达关键词含义的目标表情,以目标表情进行回复显示给用户。在用户进行对话时,得到的是对应目标文本的回复文本的目标表情,这种新的目标表情回复方式,使得互动聊天更加智能有趣,情感表达更加生动形象;且避免了回复文本所具有的表达缺陷,用户情感接受度更高,吸引用户进行多轮互动聊天,进而提升用户聊天体验感。
以用户语音输入“我获奖了!”进行对话聊天为例,则实际输入的是语音数据,考虑到对话回复的准确性,下面结合附图3,通过又一实施例来详细说明本申请实施例中另一种对话回复的方法的具体实现方式。
参见图3,示出了本申请实施例中另一种对话回复的方法的流程示意图。在本实施例中,所述方法例如可以包括以下步骤:
步骤301:响应于用户的语音输入“我获奖了!”,利用语音识别技术形成目标文本“我获奖了!”。
步骤302:根据目标文本“我获奖了!”,获得对应的回复文本“哈哈,你太棒了!特别厉害!”。
步骤303:根据回复文本“哈哈,你太棒了!特别厉害!”中各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率,相乘确定回复文本“哈哈,你太棒了!特别厉害!”中各个词语的表情权重。
其中,词语“太棒了”和词语“厉害”的表情权重大于预设值。
步骤304:确定回复文本“哈哈,你太棒了!特别厉害!”中表情权重大于预设值的词语为词语“太棒了”和词语“厉害”。
其中,词语“太棒了”的表情分值高于词语“厉害”的表情分值。
步骤305:将词语“太棒了”和词语“厉害”中表情权重最大的词语“太棒了”确定为关键词。
步骤306:在网络数据库和/或本地数据库搜索表达关键词“太棒了”含义的表情。
步骤307:根据表达关键词“太棒了”含义的表情的预设排序,选取前10个表情。
其中,步骤306搜索表达关键词“太棒了”含义的表情数量大于10,比如100。
步骤308:从前10个表情中选取排序第一的表情确定为目标表情。
步骤309:向所述用户显示目标表情。
作为一种示例,如图4所示对话界面的示意图,当用户的输入为语音输入时,对话界面显示语音输入对话框,实际输入数据为语音数据,假设其语音数据具体为“我获奖了!”,聊天机器人采用上述实施方式基于用户的语音输入形成目标文本“我获奖了!”,并基于目标文本“我获奖了!”获得回复文本“哈哈,你太棒了!特别厉害!”后,以表情为参考因素,确定所述回复文本的关键词“太棒了”,基于关键词“太棒了”搜索得到表达所述关键词含义的排序第一的表情作为目标表情,即,图中目标表情“太棒了”,将目标表情“太棒了”在对话界面上显示给用户。
通过本实施例提供的各种实施方式,当基于用户的输入形成目标文本,并基于目标文本获得回复文本后,至少以表情为参考因素,确定回复文本的关键词,基于关键词搜索得到表达关键词含义的目标表情,以目标表情进行回复显示给用户。在用户进行对话时,得到的是对应目标文本的回复文本的目标表情,这种新的目标表情回复方式,使得互动聊天更加智能有趣,情感表达更加生动形象;且避免了回复文本所具有的表达缺陷,用户情感接受度更高,吸引用户进行多轮互动聊天,进而提升用户聊天体验感。
示例性装置
参见图5,示出了本申请实施例中一种对话回复的装置的结构示意图。在本实施例中,所述装置例如具体可以包括:
获得单元501,用于响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本;
确定单元502,用于至少以表情为参考因素,确定所述回复文本的关键词;
搜索单元503,用于根据所述关键词,搜索表达所述关键词含义的目标表情;
显示单元504,用于向所述用户显示所述目标表情。
可选的,所述确定单元502包括:
第一确定子单元,用于根据所述回复文本中各个词语在表情搜索日志的频率和常规搜索日志的逆文件频率,相乘确定所述回复文本中各个词语的表情权重;
第二确定子单元,用于确定所述回复文本中表情权重大于预设值的词语;
第三确定子单元,用于按照预设规则从所述表情权重大于预设值的词语中确定一个词语作为关键词。
可选的,所述第三确定子单元具体用于:
将所述表情权重大于预设值的词语中表情权重最大的词语确定为关键词。
可选的,所述第三确定子单元具体用于:
从所述表情权重大于预设值的词语中随机确定一个词语作为关键词。
可选的,所述确定单元502包括:
第四确定子单元,用于利用关键词提取算法从所述回复文本中确定表达所述回复文本关键内容的词语;
第五确定子单元,用于根据所述表达所述回复文本关键内容的词语的特性,确定所述表达所述回复文本关键内容的词语的表情分值;
第六确定子单元,用于将所述表达所述回复文本关键内容的词语中表情分值最高的词语确定为关键词。
可选的,所述关键词提取算法包括词频-逆文件频率算法和/或TextRank算法。
可选的,所述搜索单元503包括:
搜索子单元,用于搜索表达所述关键词含义的表情;
选取子单元,用于按照预设规则从所述表达所述关键词含义的表情中选取一个表情作为目标表情。
可选的,所述搜索子单元具体用于:
在网络数据库和/或本地数据库搜索表达所述关键词含义的表情。
可选的,所述选取子单元包括:
第一选取模块,用于根据所述表达所述关键词含义的表情的预设排序,选取前N个表情,所述N为正整数,所述N小于所述表达所述关键词含义的表情的数量;
第二选取模块,用于从所述前N个表情中选取一个表情作为目标表情。
可选的,所述选取子单元具体用于:
从所述表达所述关键词含义的表情中随机选取一个表情作为目标表情。
通过本实施例提供的各种实施方式,当基于用户的输入形成目标文本,并基于目标文本获得回复文本后,至少以表情为参考因素,确定回复文本的关键词,基于关键词搜索得到表达关键词含义的目标表情,以目标表情进行回复显示给用户。在用户进行对话时,得到的是对应目标文本的回复文本的目标表情,这种新的目标表情回复方式,使得互动聊天更加智能有趣,情感表达更加生动形象;且避免了回复文本所具有的表达缺陷,用户情感接受度更高,吸引用户进行多轮互动聊天,进而提升用户聊天体验感。
图6是根据一示例性实施例示出的一种用于对话回复的装置600的框图。例如,装置600可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理部件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理***,一个或多个电源,及其他与为装置600生成、管理和分配电力相关联的组件。
多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到设备600的打开/关闭状态,组件的相对定位,例如所述组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置300接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件616经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种对话回复的方法,所述方法包括:
响应于用户的输入形成目标文本,并根据所述目标文本获得对应的回复文本;
至少以表情为参考因素,确定所述回复文本的关键词;
根据所述关键词,搜索表达所述关键词含义的目标表情;
向所述用户显示所述目标表情。
图7是本申请实施例中服务器的结构示意图。该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(central processing units,CPU)722(例如,一个或一个以上处理器)和存储器732,一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器722可以设置为与存储介质730通信,在服务器700上执行存储介质730中的一系列指令操作。
服务器700还可以包括一个或一个以上电源726,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口758,一个或一个以上键盘756,和/或,一个或一个以上操作***741,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请。任何熟悉本领域的技术人员,在不脱离本申请技术方案范围情况下,都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本申请技术方案的内容,依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本申请技术方案保护的范围内。