CN111597318A - 业务任务的执行方法、装置及*** - Google Patents
业务任务的执行方法、装置及*** Download PDFInfo
- Publication number
- CN111597318A CN111597318A CN202010445619.9A CN202010445619A CN111597318A CN 111597318 A CN111597318 A CN 111597318A CN 202010445619 A CN202010445619 A CN 202010445619A CN 111597318 A CN111597318 A CN 111597318A
- Authority
- CN
- China
- Prior art keywords
- task
- service
- target
- business
- request
- 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
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000012549 training Methods 0.000 claims description 49
- 238000006243 chemical reaction Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 21
- 238000005538 encapsulation Methods 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 33
- 230000006399 behavior Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种业务任务的执行方法、装置及***,方法包括:接收用户输入的自然语言的文本信息;对文本信息进行意图识别,并确定目标业务任务,其中,目标业务任务与识别出的意图相匹配;按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数;向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数;接收任务请求中心返回的反馈信息,其中,反馈信息由任务请求中心在从业务任务列表中查询得到目标业务任务的标识对应的配置信息,并利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务后得到。
Description
技术领域
本发明涉及人机交互领域,尤其涉及到一种业务任务的执行方法、装置及***。
背景技术
随着科学技术的不断发展,尤其是自然语言处理和智能语义理解技术的进步,智能机器人进入了我们的日常工作之中。智能机器人可以作为业务助理为企业内部工作人员提供业务辅助支持,例如智能HR服务***,智能业务咨询机器人等。
然现阶段,采用智能机器人执行一项任务时,通常需要涉及到多个业务领域,而各个业务领域的***建设很难设计成一个单独的、全面的***,通常会形成各自独立的业务***,存在复杂的***依赖,无法构成业务***之间良好的扩展性。业务人员在执行业务时,不得不在不同***中切换、登录、执行任务,严重影响了工作效率。
发明内容
有鉴于此,本申请提供了一种业务任务的执行方法、装置及***,以在任务机器人上打通任务***壁垒,向用户提供一种业务任务自动化流程运转的服务。
本申请第一方面提供了一种业务任务的执行方法,应用于任务机器人,所述业务任务的执行方法包括:
接收用户输入的自然语言的文本信息;
对所述文本信息进行意图识别,并确定目标业务任务,其中所述目标业务任务与识别出的意图相匹配;
按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数;
向任务请求中心发送业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
接收所述任务请求中心返回的反馈信息,其中,所述反馈信息由所述任务请求中心在从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,并利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务后得到,所述配置信息表明所述目标业务任务与业务***及业务数据库的对应关系。
可选的,上述的业务任务的执行方法,还包括:
获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括任务基本信息、任务训练语料以及任务参数的配置信息;
利用所述任务训练语料对基础模型进行训练,得到意图识别模型,其中,所述意图识别模型用于对文本信息进行意图识别,并确定目标业务任务;
生成所述任务参数的每一种配置信息对应的实体识别模型,其中,每一个所述实体识别模型用于说明业务任务所定义的一种要求,且用于从文本信息中识别出符合自身说明的业务任务所定义的一种要求的参数。
可选的,所述业务任务的配置信息还包括任务参数的格式转换规则,
其中,所述按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数之后,还包括:
按照所述目标业务任务的任务参数的格式转换规则,转换所述任务关键参数的格式。
可选的,所述接收所述任务请求中心返回的反馈信息之后,还包括:
向业务场景编排中心发送推荐任务的查询请求,其中,所述查询请求携带有所述目标业务任务的标识和执行结果;
接收所述业务场景编排中心发送的任务推荐列表,其中,所述任务推荐列表包括至少一个推荐任务,每一个所述推荐任务均为所述业务场景编排中心利用所述目标业务任务的标识和执行结果匹配得到的目标业务场景中的未执行业务任务。
本申请第二方面提供了一种业务任务的执行方法,应用于业务请求中心,所述业务请求中心对接多个业务***以及业务数据库,所述业务任务的执行方法包括:
接收任务机器人发送的业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,其中,所述配置信息表明所述目标业务任务对应的业务***或者业务数据库;
利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务,并获取所述目标业务任务被执行后的反馈信息;
向所述任务机器人返回所述反馈信息。
可选的,上述的业务任务的执行方法,还包括:
获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括业务任务对应的业务***的接口地址或业务数据库的接口地址。
可选的,所述业务任务的配置信息还包括反馈信息的处理规则、反馈信息的封装规则,
其中,所述获取所述目标业务任务被执行后的反馈信息之后,还包括:
按照所述反馈信息的处理规则和反馈信息的封装规则,处理所述反馈信息。
本申请第三方面提供了一种业务任务的执行装置,应用于任务机器人,所述业务任务的执行装置包括:
第一接收单元,用于接收用户输入的自然语言的文本信息;
识别单元,用于对所述文本信息进行意图识别,并确定目标业务任务,其中,所述目标业务任务与识别出的意图相匹配;
提取单元,用于按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数;
第一发送单元,用于向任务请求中心发送业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
第二接收单元,用于接收所述任务请求中心返回的反馈信息,其中,所述反馈信息由所述任务请求中心在从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,并利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务后得到,所述配置信息表明所述目标业务任务与业务***及业务数据库的对应关系。
可选的,上述的业务任务的执行装置,还包括:
获取单元,用于获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括任务基本信息、任务训练语料以及任务参数的配置信息;
训练单元,用于利用所述任务训练语料对基础模型进行训练,得到意图识别模型,其中,所述意图识别模型用于对文本信息进行意图识别,并确定目标业务任务;
生成单元,用于生成所述任务参数的每一种配置信息对应的实体识别模型,其中,每一个所述实体识别模型用于说明业务任务所定义的一种要求,且用于从文本信息中识别出符合自身说明的业务任务所定义的一种要求的参数。
可选的,所述业务任务的配置信息还包括任务参数的格式转换规则,
其中,所述提取单元在执行之后,还包括:
转换单元,用于按照所述目标业务任务的任务参数的格式转换规则,转换所述任务关键参数的格式。
可选的,所述第二接收单元在执行之后,还包括:
第二发送单元,用于向业务场景编排中心发送推荐任务的查询请求,其中,所述查询请求携带有所述目标业务任务的标识和执行结果;
第三接收单元,用于接收所述业务场景编排中心发送的任务推荐列表,其中,所述任务推荐列表包括至少一个推荐任务,每一个所述推荐任务均为所述业务场景编排中心利用所述目标业务任务的标识和执行结果匹配得到的目标业务场景中的未执行业务任务。
本申请第四方面提供了一种业务任务的执行装置,应用于业务请求中心,所述业务请求中心对接多个业务***以及业务数据库,所述业务任务的执行装置包括:
第四接收单元,用于接收任务机器人发送的业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
查询单元,用于从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,其中,所述配置信息表明所述目标业务任务对应的业务***或者业务数据库;
触发单元,用于利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务,并获取所述目标业务任务被执行后的反馈信息;
反馈单元,用于向所述任务机器人返回所述反馈信息。
可选的,上述的业务任务的执行装置,还包括:
获取子单元,用于获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括业务任务对应的业务***的接口地址或业务数据库的接口地址。
可选的,业务任务的配置信息还包括反馈信息的处理规则、反馈信息的封装规则,其中,触发单元还用于按照反馈信息的处理规则和反馈信息的封装规则处理反馈信息。
本申请第五方面提供了一种业务任务的执行***,包括:
任务机器人,用于执行本申请第一方面任意一项所述的业务任务的执行方法;
业务请求中心,用于执行本申请第二方面任意一项所述的业务任务的执行方法。
与现有技术相比,本申请具有以下优点:
本申请实施提供的一种业务任务的执行方法中,任务机器人接收用户输入的自然语言的文本信息时,对文本信息进行意图识别,并确定目标业务任务,其中目标业务任务与识别出的意图相匹配;按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数;向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数;接收任务请求中心返回反馈信息,其中,反馈信息由任务请求中心在从业务任务列表中查询得到目标业务任务的标识对应的配置信息,并利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务后得到,配置信息表明目标业务任务与业务***及业务数据库的对应关系。由此可见,基于本申请预先配置的业务任务列表,任务机器人在与用户进行交互时,无论识别到用户欲要查询某个业务任务,均可相应从业务请求中心获取并提供该业务任务对应的反馈信息给用户,用户无需因多个业务任务而在不同***中切换及登录,提高了业务任务的执行效率。
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作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种建立实体识别模型方法的流程图;
图2为本申请实施例提供的一种业务任务的执行方法的流程图;
图3为本申请另一实施例提供的一种场景编排的方法流程图;
图4为本申请另一实施例提供的一种业务任务的执行方法的流程图;
图5为本申请实施例提供的一种业务任务的执行装置的结构示意图;
图6为本申请实施例提供的一种业务任务的执行***的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
在本申请中,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。
需要注意的是,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
为实现在任务机器人上打破任务***的壁垒,向用户提供一种业务任务自动化流程运转的服务,本申请实施例通过在任务机器人上训练出多个实体识别模型和意图识别模型,以使得任务机器人能够接收用户输入并识别用户意图。其中,实体识别模型用于从用户的输入信息中提取出关键的参数信息;例如,当用户询问:“明天北京天气怎么样?”时,实体识别模型则会提取出关键的参数信息【地点:北京】、【时间:明天】。意图识别模型则用于识别业务任务,亦如当用户询问:“明天北京天气怎么样?”时,意图识别模型需要识别出用户的意图为“查天气”。
具体的,在本申请实施例中,意图识别模型与实体识别模型的训练过程参照图1所示,包括:
S101、获取任务配置中心定义的业务任务的配置信息,其中,业务任务的配置信息包括任务基本信息、任务训练语料以及任务参数的配置信息。
本实施例中,任务配置中心统一管理所有的业务任务,并针对于每一个业务任务,任务配置中心都定义了其详细的配置信息。
具体的,业务任务的配置信息包括:
任务基本信息:业务任务的名称、任务描述信息等基本信息。
任务训练预料:配置触发任务的用户可能问法。通常要求针对一个任务输入多个可能的问法,供机器人训练使用,机器人会在学习过程中自动泛化,即能够识别表述同样语义的不同问法。录入的用户可能问法越多,机器人的判断会越准确,也会愈发泛化。例如新建查询地区销售额的任务,可以录入“查一下销售额”、“今天北京的销售额”、“销售额数据”等不同问法,让任务机器人可以根据这些问法学习,在与用户交互过程中能够从用户的自然语言中理解出用户想要查询销售额的意图,触发此任务。需要说明的是,本申请采用自动训练模型技术,能够基于任务训练语料实现意图模型的自动建立和训练,用户可以在任意一个时期或阶段,添加新的任务训练语料以构建新的业务任务的意图模型。例如:在任务机器人投入使用过程中,通过添加“查询上海的库存量”所相应的任务训练语料,以使得机器人根据该任务训练语料构建出新的业务任务的意图模型。
任务参数:触发任务后,需要根据任务需求从用户会话中提取执行任务所需的参数。例如查询地区销售额的任务,需要说明查询哪里及何时的数据,因此在此处需要定义每一个要提取的参数实体,指明其参数类型或实体类型是什么,常见的实体类型包括人名、地名、时间,符合一定规则的常用编码(手机、电话、email、身份证、邮编、车牌等)、特定的枚举对象等,要提取的参数在此指明,但具体提取执行过程在任务机器人模块处理。
例如:在查询地区销售额的任务中,可以定义参数的形式如表1所示:
表1
由表1可以看出每个参数可以设置默认值,例如查询地区销售额的任务,默认地区可以是全国,默认时间范围是今天。
并且,每个参数还可以设置缺失值提示语,当用户未在会话中指明参数,且该参数无默认值的情况下,任务机器人将按该提示语反问用户,要求其提供该值,例如查询地区销售额的任务,若用户未指明地区,且未设置默认值为全国时,机器人将反问提示语“请输入您要查询的地区”。
另外,还可以自动提供一些隐含参数供机器人调用,例如当前会话用户信息、当前时间、当前位置等。
还需要说明的是,以上示例仅用于参考与理解,本申请所涉及到的业务任务包括但不仅限于查询类任务,而是支持一切业务***在允许范围内的业务操作。例如还可以包括删除、更新、新建等业务任务。
可选的,任务配置中心对业务任务配置的配置信息,还包括:
任务权限信息:根据***内用户的角色种类,设定任务所面向的角色,只有具有访问权限的角色才能触发该任务。例如只有主管级别以上角色才能触发查询地区销售额的任务。
参数转换配置信息:根据对接业务***或数据库的要求,在此对提取出的参数进行适配化,满足对接***的要求,例如简繁体转换、英文字母大小写转换、数字大小写转换、时间格式转换等等。用户在此处定义逻辑,***在任务机器人模块执行提取参数后即可自动转换。例如,我们可以将“今天”根据当前***时间转换为具体的日期格式,具体为一天,如2020-01-20,还是将其分解为具体的startTime:2020-01-20 00:00:00和endTime:2020-01-20 23:59:59,视情况需要决定,在查询地区销售额的任务例子中,我们可以选择转换为后者。
综上所述,本实施例中,任务配置中心定义了每一个执行在任务机器人上的每一个业务任务的配置信息,可以包括:任务基本信息、任务训练语料、任务参数、参数转换配置信息、接口配置信息、返回值转换、答案生成、异常状态反馈及返回值记录。基于上述的配置信息,业务机器人能从任务配置中心加载到最新的配置信息,以利用任务训练语料增量训练识别模型,从而能够与用户实现无障碍交互,对用户的查询行为返回相应的应答信息。
S102、利用任务训练语料对基础模型进行训练,得到意图识别模型,其中,意图识别模型用于对文本信息进行意图识别,并确定目标业务任务。
本实施例中,意图识别模型的训练过程是一个逐渐泛化的过程,利用多个任务训练语料对任务机器人进行增量训练,以得到意图识别模型;并且,意图识别模型在后续的使用中,仍可以将采集到的用户所输入的自然言语,作为新的任务训练语料进行更新训练。理论上,基于大数据的采集和训练,意图识别模型能够精确的识别用户的意识,并对应到相应的业务任务上。
可选的,本申请实施例所提供的任务机器人,为高可扩展的任务机器人,可以从任务配置中心(上述步骤S101)中加载最新的任务基本信息、任务语料、需提取参数、参数默认值和缺失问法、参数转换设置等信息,用于训练得到模型,与用户交互、判断理解意图、识别转换参数、多轮对话等。其中,与配置中心同步配置信息的方式有三种:
1、每隔一段时间定时跑批,检查任务配置中心的配置数据,并将其同步,不过可能出现任务同步不及时的问题。
2、每当用户在任务配置中心进行业务任务的配置信息的修改后,自动发送同步命令给任务机器人,令其更新,该模式的问题是在反复修改的情况下会导致任务机器人模型频繁训练,造成冲突或资源负荷过大。
3、采用上述两种方式的结合,定时同步加上用户控制的手动同步命令,当出现必要的紧急更新需求时,用户可以手动要求立即同步,其他情况下则定时同步。
还需要说明的是,业务机器人在每一次得到任务配置中心的最新的业务任务的配置信息之后,会进行自身的配置,该配置过程至少会利用任务训练语料对基础模型进行训练,得到意图识别模型,以及生成任务参数的每一种配置信息对应的实体识别模型等操作,业务机器人的具体配置过程可参见对应图1的实施例以及可选的实施例的内容。
可选的,意图判断本质上是一个分类模型,为了保证***的高敏捷性,这里的训练应该是自动的、快速的,而另一方面受限于用户提供的小规模语料的有限性,训练还必须能够支持few-shot,即小样本学习,可选地,利用现有技术,能够满足上述要求的技术方案可以为:
基于规则的模型,从用户提供的小规模语料中提取关键词,自动生成规则模板,其原理接近与传统的文本检索任务。简单、直接,缺点是泛化性差。此外由于关键词可能会重复,导致多个任务中可能存在冲突,因此还需要提前建立一套评分仲裁机制。
基于预训练的模型,利用大规模自监督学习得到的预训练模型,如BERT等,在用户提供的小语料上进行训练,得到拥有较好泛化性的模型。其问题是训练时间、复杂度、资源需求上升,由于用户提供的可能问法实在有限,还可能需要进行数据扩展和增强加入训练,导致过程进一步复杂。
基于自然语言处理模型和规则相结合的思路,利用已有的句法分析、词性标注等通用的自然语言处理模型,以及相关的同义词、近义词、术语表,对语料进行特征分析,得到任务特征,再在实际使用时根据预先定义好的规则计算输入文本与每个任务特征之间的匹配程度。能够在保证准确性、泛化性的前提下,得到一个轻量级的训练方案。
S103、生成任务参数的每一种配置信息对应的实体识别模型。其中,每一个实体识别模型用于说明业务任务所定义的一种要求,且用于从文本信息中识别出符合自身说明的业务任务所定义的一种要求的参数。
简单来说,本实施例中,每一个实体识别模型用于指明业务任务所必需的一类参数,并用于从文本信息中提取出相应的具体参数值。例如对常用的时间、地点、人名等实体参数可以由一组通用的实体识别模型来提取。除了这些通用型实体参数之外,对于格式具有规律的特别参数可以通过规则来识别,例如利用正则表达式识别合同号;对于可枚举的特别参数可以通过加载枚举列表后在表中检索来识别,例如加载一个公司所有的部门列表,机器人就可以利用该列表识别文本中出现的部门名称;对于其他的特殊模型,需要线下提供大量语料,针对性开发专门的实体识别模型。
综上所述,本实施例通过在任务机器人上训练出多个实体识别模型及意图识别模型,为任务机器人后续识别用户交互意图并反馈答案做了相应的铺垫。并且,实体识别模型也可以在后期使用时随时加入、随时扩展,即业务任务的执行过程中,可以加入新的实体识别模型。
还需要说明的是,业务请求中心对接多个业务***和业务数据库,需要从任务配置中心获取业务任务的配置信息,以完成自身的配置,在业务请求中心完成配置之后,可以实现接收任务机器人的业务任务的执行请求,根据从任务配置中心加载的各个业务任务的配置信息,找到对应的业务***或业务数据库,包装业务任务的执行请求,并向其发送。在得到业务***或者业务数据库的回应后,封装应答的反馈信息返回给任务机器人。
业务请求中心可以从任务配置中心加载最新的任务定义、任务请求设置、任务返回值设置等配置信息,该操作与任务机器人获取业务任务的配置信息同时进行,两者应使用同一套更新机制,只是获取业务任务的配置信息的内容侧重略有不同而已。具体的,业务请求中心获取任务配置中心定义的业务任务的配置信息一般包括:业务任务对应的业务***的接口地址或业务数据库的接口地址。
若一个业务任务的执行,是指由业务***对业务任务的执行。那针对此种业务任务,需要业务请求中心对接业务***的接口,因此在业务请求中心配置该业务***的接口地址等配置信息。该配置信息还包括测试执行的设置信息,用于测试触发业务请求中心,可以手动录入任务机器人提取到的任务关键参数,并向业务***发起业务任务的测试执行请求。其中,对接的业务***接口是指业务***需要对外暴露的服务接口,用于支持外部调用。可选地,配置信息除了包括业务***的接口地址,还可以包括访问协议和行为、加密要求、访问超时时长、访问消息内容。
例如,订单***中提供销售额的查询Restful接口,按其提供的接口信息可配置如下:
协议:http;请求行为:POST;
地址:http://xxx.abc.corp/api/sales/query
超时:4000ms;
加密类型:RSA;密钥:[……]
消息内容:
{
"location":"$location$",
"from":"$startTime$",
"to":"$endTime$"
}
其中,内容中的$location$、$startTime$、$endTime$为指代符,指代在业务机器人进行参数提取、参数转换后得到的具体值。
若一个业务任务的执行,是指在业务数据库中的执行,那针对此种业务任务,需要业务请求中心对接业务数据库的接口。因此在业务请求中心配置该业务数据库的接口地址等配置信息。可选地,还需为业务请求中心配置相应的权限,例如远程访问权限等。用户在此处配置远程业务数据库类型、用户名与密码、操作语句模板。业务请求中心将按照配置信息选择合适的适配器访问远程数据库,执行操作任务,并取得返回值。
例如,订单***开放销售额表给***,则可配置信息如下:
数据库类型:MySQL;
地址:mysql://10.118.0.23:3306/saledb
用户名:taskbot
密码:14#feJ83&d
查询模板:
SELECT SUM(amount)FROM`order`WHERE`location`='$location$'AND`order_time`BETWEEN'$startTime$'AND'$endTime$'。
可选的,业务请求中心加载的业务任务的配置信息,还可以包括反馈信息的处理规则和反馈信息的封装规则,其中,反馈信息的处理规则可以理解为任务返回值(也称之为反馈信息)的设置信息,用于定义业务请求中心对返回值的处理方式。具体的,任务返回值的设置信息包括返回值显示、返回值转换的设置信息。反馈信息的封装规则包括答案生成的设置信息。业务***的配置信息还可以包括异常状态反馈和返回值记录的设置信息。
返回值显示的设置信息,通过手动输入任务关键参数后,向业务请求中心发送请求,得到返回值并显示,用于测试和查看返回值格式,便于下一步返回值转换。若业务的返回值有加密,任务返回值的设置信息还包括配置解密类型和相应密钥的信息。
例如,在销售额查询例子中的返回结果可以为:
返回值转换的设置信息,用于触发业务请求中心根据业务的返回值,设定转换模板,可以对其中的字段进行重命名、提取、组合、转换等,并可增添部分字段,包括返回结果状态码。例如,在销售额查询例子中的转换模板可以为:
答案生成的设置信息,包括设定的自然语言答案生成模板,并触发业务请求中心使用文字与转换后的业务的返回值中提取出的特定字段进行拼接,按照自然语言答案生成模板组合成自然语言答案,会按此拼接成自然语言答案,交给任务机器人返回用户。
例如,在销售额查询例子中可拼接模板为:“您查询的销售额为$data.amount$$data.unit$”。其中,data指代在返回值转换中,转换后的值的表示形式。
异常状态反馈的设置信息,用于根据返回值结果状态码,针对性定义不同状态码所对应的答案。此外还在最后提供一个默认值作为兜底选项。
例如,在销售额查询例子中可配置状态码“0000”即执行成功状态的回答内容生成的答案;状态码“0001”的回答内容可能为“未能找到您要查询的数据信息”,若在实际使用中产生了上述状态,则任务机器人会按此设定回复用户。若返回的状态码未在此处配置对应的回复,则会按照默认值进行兜底回复。
返回值记录的设置信息,用于触发业务请求中心记录业务***返回值、转换后结果、结果状态码、最终返回答案等数据供后续使用。
基于上述训练的多个实体识别模型及意图识别模型,本申请实施例提供了一种业务任务的执行方法,应用在任务机器人上,并利用轻量级的数据接口适配技术实现将业务任务接入任务机器人中,构建业务一体化的企业业务会话式访问门户。该业务任务的执行方法请参照图2所示,包括:
S201、接收用户输入的自然语言的文本信息。
本实施例中,任务机器人在日常的工作过程中,会与用户进行对话式或输入式的交互行为,在产生交互行为之后,任务机器人会接收用户输入的自然语言的文本信息,以在后续中对用户的意图进行识别。
可选的,任务机器人还可以存储用户会话状态,并且在接收用户输入的自然语言文本后,还可以对这些文本信息进行预处理,将原始的文本信息加工成后续处理所需要的形式。例如:根据后续处理形式的不同,此处可以包括但不限于:分词(字),去停用词(字),词(字)编码映射,词TF-IDF编码,词性标注,依赖语法分析等。
S202、对文本信息进行意图识别,并确定目标业务任务。
其中,目标业务任务与识别出的意图相匹配。
本申请实施例中,基于上述中建立的意图识别模型,在与用户的交互过程中,处理用户输入(对话式输入或手动输入)的文本信息,进行意图识别,并与***已定义的任务进行匹配。相应的,模型接收文本信息后,输出针对每个已定义任务的匹配得分,若在某个任务上得分超过事先设定好的阈值,那么可以认为该任务与用户的输入所匹配。取所有匹配的任务中匹配得分最高的一项任务作为最终意图判断结果。
可选的,若没有任何一项任务得到匹配,则认为任务机器人未能得到触发,可以按预先设定好的兜底答案:“未能找到您要查询的数据信息”返回给用户。
S203、按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数。
本实施例中,目标任务所定义的要求包括上文中步骤S101中任务配置中心定义的业务任务的任务参数的提取方式。即触发任务后,需要根据任务需求,利用实体识别模型从用户会话中提取执行任务所需的关键参数。例如查询地区销售额的任务,需要说明查询哪里及何时的数据,因此在此处需要定义每一个要提取的参数实体,指明其参数类型或实体类型是什么,常见的实体类型包括人名、地名、时间,符合一定规则的常用编码(手机、电话、email、身份证、邮编、车牌等)、特定的枚举对象等。
将提取到的参数作为目标业务任务的任务关键参数。
可选的,在提取到任务关键参数之后,还可以按照目标业务任务的任务参数的格式转换规则,转换所述任务关键参数的格式。例如上述中提到的简繁体转换、英文字母大小写转换、数字大小写转换、时间格式转换等等。
S204、向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数。
本实施例中,目标业务任务的标识可以为业务任务的名称,或是在任务基本信息中,定义有该业务任务的序号或编号等。但可以明确的是,无论是采用哪一种标识,都是业务任务的唯一标识。
S205、接收任务请求中心返回的反馈信息。
其中,反馈信息由任务请求中心在从业务任务列表中查询得到目标业务任务的标识对应的配置信息,并利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务后得到。配置信息表明所述目标业务任务与业务***及业务数据库的对应关系。
本实施例中,业务任务列表为多个业务任务的集合,涵盖有所有预先定义的业务任务。目标业务任务的标识对应的配置信息,于上述步骤S101中详细提及了所包含的诸多项,此处不再赘述。
利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务的方式,为通过前述中定义的接口配置信息,采用接口对业务***或者业务数据库进行查询,以触发业务***或者业务数据库执行该目标业务任务,从而得到相应的反馈信息。简言之,在任务机器人发起对目标业务任务的查询后,业务请求中心依据查询请求中包含的任务关键信息,查询并返回相应的反馈信息。
至此,任务机器人在得到与用户输入的文本信息所对应的反馈信息之后,将该反馈信息按照预设的返回值转换,将反馈信息转换包装成自然语言或图片展示的形式提供给用户,完成与用户的一次交互行为。
从这个交互过程中足以看出,本申请实施例中最为核心的两个点:
1、利用每个业务任务所对应的任务训练语料,分别对意图识别模型进行训练,以使得任务机器人能够识别并对每个业务任务做出相应的反馈。例如:本申请采用了一套支持自我增量训练的意图模型训练框架,可在用户提供少量语料(10-15句)的情况下,自动训练出相应的意图识别模型。如有100个业务任务的情况下,用户只需针对每个业务任务提供少量语料,意图识别训练框架将自动训练出100个意图分类模型,以使得任务机器人能够识别并对每个任务做出相应的反馈。
2、采用了轻量级的数据接口适配技术,实现将业务任务接入任务机器人中。此处,具体体现为在配置业务任务的配置信息时,配置了接口配置信息。其中,接口配置信息又分为与业务***接口对接及与业务数据库对接。利用数据接口适配技术,实现与每个业务任务的连接关系,以使得任务机器人实现“有求必应,问有所答”。
综上所述,本申请实施例提供的一种业务任务的执行方法中,任务机器人接收用户输入的自然语言的文本信息;对文本信息进行意图识别,并确定目标业务任务,其中,目标业务任务与识别出的意图相匹配;按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数;向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数;接收任务请求中心返回的反馈信息,其中,反馈信息由任务请求中心在从业务任务列表中查询得到目标业务任务的标识对应的配置信息,并利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务后得到,配置信息表明目标业务任务与业务***及业务数据库的对应关系。由此可见,基于本申请预先配置的业务任务列表,任务机器人在与用户进行交互时,无论识别到用户欲要查询某个业务任务,均可相应从业务请求中心获取并提供该业务任务对应的反馈信息给用户,用户无需因多个业务任务而在不同***中切换及登录,提高了业务任务的执行效率。
可选的,本申请另一实施例提供了一种业务任务的执行方法,在接收任务请求中心返回的反馈信息之后,还执行如图3所展示的流程:
S301、向业务场景编排中心发送推荐任务的查询请求,其中,查询请求携带有目标业务任务的标识和执行结果。
本实施例中,业务场景编排中心是建立于所有业务任务之上的业务流程编制中心,管理员预先将所有定义的业务任务编制成业务场景,用户交互过程中触发了某个任务后,若该任务处于某个定义好的业务场景中,那么在该任务完成后,将按照场景中的设计规划向用户推荐下一步或相关的工作任务,辅助用户完成常用的业务过程。例如一种场景为:用户查询地区销售额后,为用户推荐全国销售额的推荐任务。通过这个场景,用户便能在查询过地区销售额,直接查看全国销售额的信息,无需重新交互查询。
当然,场景的编排依据实际情况进行绑定和编排顺序,并且支持新建、修改、删除业务场景。
S302、接收所述业务场景编排中心发送的任务推荐列表,其中,所述任务推荐列表包括至少一个推荐任务,每一个所述推荐任务均为所述业务场景编排中心利用所述目标业务任务的标识和执行结果匹配得到的目标业务场景中的未执行业务任务。
本实施例中,需要说明的是,在场景编排中心的业务场景管理中,业务场景可分为两种类型:工作流类型和推荐池类型。
工作流类型:在该场景模式下,业务任务被组织为工作流形式,用户在聊天过程中触发工作流某一环节的任务后,根据其完成任务的状态码、用户角色权限等,自动推荐工作流下一环节的任务。例如在行政任务机器人中查询假期余额后,机器人按照定义好的场景模式,可以继续向用户推荐接下来的任务:您是否需要申请假期?由于与聊天机器人交流的可中断性,这里的下一环节任务并不是要求强制完成的,***只是起到推荐作用,方便用户进行一系列业务过程操作。不过可选地,可以将其设置为强制完成,即用户进入某个预定的工作流后,要求其完成整个工作流或部分工作流才能再次进入。例如处理某个客户签约流程,只有将该客户签约流程任务全部处理完成,才可以处理下一个客户。实现方式为保存用户的每个工作流状态,即使用户终止当前聊天过程,下一次触发此工作流相关任务时会加载之前的工作流状态,并给出提示,要求其完成之前未完成的后续任务。
推荐池类型:在该场景模式下,业务编排中心预先将一组相关任务放入一个池中,当用户触发了其中一个任务时,在完成该任务后,将以推荐列表形式自动推荐同一个池中的其他任务。各任务之间是平行的关系,不一定具有前后顺序关系,只是在业务工作中可能经常同时使用。例如在某个制造业企业查询完地区销售额后,机器人还可能会询问用户是否需要查询订单量,或者地区仓储量等。
可选的,还可以根据当前任务信息、执行结果、用户权限,在所有业务场景中匹配、命中业务场景,并找到所有符合条件的相关的后继任务,将这些任务名称进行组合,生成一组任务推荐列表作为答案返回给任务机器人。
综上所述,本实施例中,业务编排中心利用多个任务之间的关联关系,为不同任务之间配置出业务场景,使得当业务场景中的某一个业务被触发时,向用户推荐该业务场景中的一个或多个业务任务,提高业务灵活性和拓展性。
可选的,本申请另一实施例还提供了一种业务任务的执行方法,应用于业务请求中心,请参照图4所示,包括:
S401、接收任务机器人发送的业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数。
本实施例中,业务请求中心对接多个业务***以及业务数据库,即每个业务任务所对应的业务***或业务数据库。其中,业务请求中心负责接收任务期间人发送的业务任务的执行请求,并从中分别确定出所要执行的任务,即目标业务任务的标识和任务关键参数。
在上述的实施例中,提及了标识和任务关键参数的具体形式,此处便不多赘述。简单可以理解为,任务机器人形成的目标业务任务的标识和任务关键信息,与业务请求中心识别的目标业务任务的标识和任务关键信息是相同的。
S402、从业务任务列表中查询得到目标业务任务的标识对应的配置信息,其中,所述配置信息表明所述目标业务任务对应的业务***或者业务数据库。
本步骤还请参照步骤S205中所表述的内容,此处不多赘述。简单可以理解为将目标业务任务的标识作为一种索引,以此查询到目标业务任务相应的配置信息。需要明确的是,目标业务任务的配置信息是预先配置好的一系列信息,其中涵盖有目标业务任务与业务***或者业务数据库的对应关系。
S403、利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务,并获取目标业务任务被执行后的反馈信息。
对于一个业务任务而言,业务请求中心预先配置好一个面向业务***的接口或面向业务数据库的接口,这取决于业务任务的类型。因此,在接收到业务任务的执行请求后,会通过查找该业务任务的配置信息来明确需要对接业务***还是业务数据库。
其中,若需要对接业务***,则业务请求中心根据获取的业务任务的配置信息将任务关键参数构建为请求消息体进行封装。若有加密要求,则再进行加密。将封装后的消息向配置信息中指定的业务***的接口地址发送,并接收业务***的响应,将得到的反馈信息按照业务任务的配置信息的要求进行处理。可选地,在业务***无响应或超时响应的情况下,则返回出错信息给任务机器人。
若需要对接业务数据库,则业务请求中心根据业务任务的配置信息构建的语句模板信息将任务关键参数加入其中构成操作语句。利用业务任务的配置信息中说明的数据库地址、用户名、密码,向指定的业务数据库发起请求并得到反馈信息。
可选地,在业务请求中心接收到反馈信息之后,还可以按照业务***的配置信息对反馈信息进行处理,得到处理后的反馈信息。可选的,对反馈信息,可以但不限于按照反馈信息的处理规则进行处理,以及按照反馈信息的封装规则进行封装。
具体的,按照反馈信息的处理规则进行处理,以及按照反馈信息的封装规则进行封装的具体实施方式,可参见上述介绍在业务请求中心加载业务任务的配置信息的内容。
S404、向任务机器人返回反馈信息。
本申请另一实施例还提供了一种业务任务的执行装置,应用于任务机器人,请参照图5所示,包括:
第一接收单元501,用于接收用户输入的自然语言的文本信息。
识别单元502,用于对文本信息进行意图识别,并确定目标业务任务,其中,目标业务任务与识别出的意图相匹配。
提取单元503,用于按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数。
第一发送单元504,用于向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数。
第二接收单元505,用于接收任务请求中心返回的反馈信息,其中,反馈信息由任务请求中心在从业务任务列表中查询得到目标业务任务的标识对应的配置信息,并利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务后得到,配置信息表明目标业务任务与业务***及业务数据库的对应关系。
本申请实施例提供的业务任务的执行装置中,当第一接收单元501接收用户输入的自然语言的文本信息时,识别单元502对文本信息进行意图识别,并确定目标业务任务;提取单元503按照目标业务任务所定义的要求,从文本信息中提取得到任务关键参数;第一发送单元504向任务请求中心发送业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数;第二接收单元505则接收任务请求中心返回的反馈信息。本申请实施例所提供的业务任务的执行装置,使得任务机器人在与用户进行交互时,能根据用户输入的文本信息所确定的目标业务任务,从业务请求中心获取该目标业务的反馈信息,并提供反馈信息给用户,用户无需因多个业务任务而在不同***中切换及登录,提高了业务任务的执行效率。
本实施例中,第一接收单元501、识别单元502、提取单元503、第一发送单元504及第二接收单元505的具体执行过程,请参照对应图2的方法实施例的内容,此处便不再赘述。
可选的,上述业务任务的执行装置,还包括:
获取单元,用于获取任务配置中心定义的业务任务的配置信息,其中,业务任务的配置信息包括任务基本信息、任务训练语料以及任务参数的配置信息。
训练单元,用于利用任务训练语料对基础模型进行训练,得到意图识别模型,其中,意图识别模型用于对文本信息进行意图识别,并确定目标业务任务。
生成单元,用于生成任务参数的每一种配置信息对应的实体识别模型,其中,每一个实体识别模型用于说明业务任务所定义的一种要求,且用于从文本信息中识别出符合自身说明的业务任务所定义的一种要求的参数。
本实施例中,获取单元、训练单元及生成单元的具体执行过程,请参照对应图1的方法实施例的内容,此处便不再赘述。
可选的,业务任务的配置信息还包括任务参数的格式转换规则,
其中,提取单元503在执行之后,还包括:
转换单元,用于按照目标业务任务的任务参数的格式转换规则,转换任务关键参数的格式。
可选的,第二接收单元505在执行之后,还包括:
第二发送单元,用于向业务场景编排中心发送推荐任务的查询请求,其中,查询请求携带有目标业务任务的标识和执行结果;
第三接收单元,用于接收业务场景编排中心发送的任务推荐列表,其中,任务推荐列表包括至少一个推荐任务,每一个推荐任务均为业务场景编排中心利用目标业务任务的标识和执行结果匹配得到的目标业务场景中的未执行业务任务。
本实施例中,第二发送单元及第三接收单元的具体执行过程,请参照对应图3的方法实施例的内容,此处便不再赘述。
本申请另一实施例还提供了一种业务任务的执行装置,应用于业务请求中心,业务请求中心对接多个业务***以及业务数据库,该业务任务的执行装置包括:
第四接收单元,用于接收任务机器人发送的业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数。
查询单元,用于从业务任务列表中查询得到目标业务任务的标识对应的配置信息,其中,配置信息表明目标业务任务对应的业务***或者业务数据库。
触发单元,用于利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务,并获取目标业务任务被执行后的反馈信息。
反馈单元,用于向任务机器人返回反馈信息。
本申请实施例提供的业务任务的执行装置中,第四接收单元接收任务机器人发送的业务任务的执行请求,其中,业务任务的执行请求中携带有目标业务任务的标识和任务关键参数;查询单元从业务任务列表中查询得到目标业务任务的标识对应的配置信息;触发单元利用任务关键参数触发目标业务任务对应的业务***或者业务数据库执行目标业务任务,并获取目标业务任务被执行后的反馈信息。反馈单元则向任务机器人返回反馈信息,通过查询业务任务相应的反馈信息并反馈至业务机器人,使得业务机器人能够对用户的业务请求做出应答。
本实施例中,第四接收单元、查询单元、触发单元及反馈单元的具体执行过程,请参照对应图4的方法实施例的内容,此处便不再赘述。
可选的,上述的业务任务的执行装置,还包括:
获取子单元,用于获取任务配置中心定义的业务任务的配置信息,其中,业务任务的配置信息包括业务任务对应的业务***的接口地址或业务数据库的接口地址。
可选的,业务任务的配置信息还包括反馈信息的处理规则、反馈信息的封装规则,其中,触发单元还用于按照反馈信息的处理规则和反馈信息的封装规则处理反馈信息。
本实施例中,获取子单元的具体执行过程,请参照对应图4的方法实施例的内容,此处便不再赘述。
本申请实施例还提供了一种业务任务的执行***,请参照图6所示,包括:
任务机器人601,用于执行对应图2及图3的方法实施例提供的业务任务的执行方法。
业务请求中心602,用于执行对应图4的方法实施例提供的业务任务的执行方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的***及***实施例仅仅是示意性的,其中所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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种业务任务的执行方法,其特征在于,应用于任务机器人,所述业务任务的执行方法包括:
接收用户输入的自然语言的文本信息;
对所述文本信息进行意图识别,并确定目标业务任务,其中,所述目标业务任务与识别出的意图相匹配;
按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数;
向任务请求中心发送业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
接收所述任务请求中心返回的反馈信息,其中,所述反馈信息由所述任务请求中心在从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,并利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务后得到,所述配置信息表明所述目标业务任务与业务***及业务数据库的对应关系。
2.根据权利要求1所述的执行方法,其特征在于,还包括:
获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括任务基本信息、任务训练语料以及任务参数的配置信息;
利用所述任务训练语料对基础模型进行训练,得到意图识别模型,其中,所述意图识别模型用于对文本信息进行意图识别,并确定目标业务任务;
生成所述任务参数的每一种配置信息对应的实体识别模型,其中,每一个所述实体识别模型用于说明业务任务所定义的一种要求,且用于从文本信息中识别出符合自身说明的业务任务所定义的一种要求的参数。
3.根据权利要求2所述的执行方法,其特征在于,所述业务任务的配置信息还包括任务参数的格式转换规则,
其中,所述按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数之后,还包括:
按照所述目标业务任务的任务参数的格式转换规则,转换所述任务关键参数的格式。
4.根据权利要求2所述的执行方法,其特征在于,所述接收所述任务请求中心返回的反馈信息之后,还包括:
向业务场景编排中心发送推荐任务的查询请求,其中,所述查询请求携带有所述目标业务任务的标识和执行结果;
接收所述业务场景编排中心发送的任务推荐列表,其中,所述任务推荐列表包括至少一个推荐任务,每一个所述推荐任务均为所述业务场景编排中心利用所述目标业务任务的标识和执行结果匹配得到的目标业务场景中的未执行业务任务。
5.一种业务任务的执行方法,其特征在于,应用于业务请求中心,所述业务请求中心对接多个业务***以及业务数据库,所述业务任务的执行方法包括:
接收任务机器人发送的业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,其中,所述配置信息表明所述目标业务任务对应的业务***或者业务数据库;
利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务,并获取所述目标业务任务被执行后的反馈信息;
向所述任务机器人返回所述反馈信息。
6.根据权利要求5所述的执行方法,其特征在于,还包括:
获取任务配置中心定义的业务任务的配置信息,其中,所述业务任务的配置信息包括业务任务对应的业务***的接口地址或业务数据库的接口地址。
7.根据权利要求6所述的执行方法,其特征在于,所述业务任务的配置信息还包括反馈信息的处理规则、反馈信息的封装规则,
其中,所述获取所述目标业务任务被执行后的反馈信息之后,还包括:
按照所述反馈信息的处理规则和反馈信息的封装规则,处理所述反馈信息。
8.一种业务任务的执行装置,其特征在于,应用于任务机器人,所述业务任务的执行装置包括:
第一接收单元,用于接收用户输入的自然语言的文本信息;
识别单元,用于对所述文本信息进行意图识别,并确定目标业务任务,其中所述目标业务任务与识别出的意图相匹配;
提取单元,用于按照所述目标业务任务所定义的要求,从所述文本信息中提取得到任务关键参数;
第一发送单元,用于向任务请求中心发送业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
第二接收单元,用于接收所述任务请求中心返回的反馈信息,其中,所述反馈信息由所述任务请求中心在从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,并利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务后得到,所述配置信息表明所述目标业务任务与业务***及业务数据库的对应关系。
9.一种业务任务的执行装置,其特征在于,应用于业务请求中心,所述业务请求中心对接多个业务***以及业务数据库,所述业务任务的执行装置包括:
第四接收单元,用于接收任务机器人发送的业务任务的执行请求,其中,所述业务任务的执行请求中携带有所述目标业务任务的标识和任务关键参数;
查询单元,用于从业务任务列表中查询得到所述目标业务任务的标识对应的配置信息,其中,所述配置信息表明所述目标业务任务对应的业务***或者业务数据库;
触发单元,用于利用所述任务关键参数触发所述目标业务任务对应的业务***或者业务数据库执行所述目标业务任务,并获取所述目标业务任务被执行后的反馈信息;
反馈单元,用于向所述任务机器人返回所述反馈信息。
10.一种业务任务的执行***,其特征在于,包括:
任务机器人,用于执行如权利要求1至4中任意一项所述的业务任务的执行方法;
业务请求中心,用于执行如权利要求5至7中任意一项所述的业务任务的执行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010445619.9A CN111597318A (zh) | 2020-05-21 | 2020-05-21 | 业务任务的执行方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010445619.9A CN111597318A (zh) | 2020-05-21 | 2020-05-21 | 业务任务的执行方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111597318A true CN111597318A (zh) | 2020-08-28 |
Family
ID=72187612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010445619.9A Pending CN111597318A (zh) | 2020-05-21 | 2020-05-21 | 业务任务的执行方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597318A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287092A (zh) * | 2020-11-30 | 2021-01-29 | 珠海采筑电子商务有限公司 | 电梯业务智能查询方法及相关产品 |
CN116258469A (zh) * | 2023-05-16 | 2023-06-13 | 四川数产范式科技有限公司 | 基于通信软件的业务数据处理方法、***、设备及介质 |
CN116578476A (zh) * | 2023-04-20 | 2023-08-11 | 北京瑞风协同科技股份有限公司 | 业务过程精细刻画的任务执行的保障仿真实现方法及装置 |
CN117453372A (zh) * | 2023-11-23 | 2024-01-26 | 暗物质(北京)智能科技有限公司 | 一种任务规划方法、装置、电子设备及存储介质 |
EP4375897A1 (en) * | 2022-11-25 | 2024-05-29 | Samsung SDS Co., Ltd. | System for business process automation and method thereof |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
WO2018000278A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳狗尾草智能科技有限公司 | 一种基于状态机上下文敏感多轮对话管理***及方法 |
CN109101545A (zh) * | 2018-06-29 | 2018-12-28 | 北京百度网讯科技有限公司 | 基于人机交互的自然语言处理方法、装置、设备和介质 |
CN109493166A (zh) * | 2018-10-23 | 2019-03-19 | 深圳智能思创科技有限公司 | 一种针对电子商务导购场景任务型对话***的构建方法 |
CN110765312A (zh) * | 2018-07-10 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 人机交互及内容搜索方法、装置、设备以及存储介质 |
CN111104495A (zh) * | 2019-11-19 | 2020-05-05 | 深圳追一科技有限公司 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
CN111177296A (zh) * | 2019-12-30 | 2020-05-19 | 科大讯飞股份有限公司 | 信息推荐方法、装置、电子设备及计算机存储介质 |
-
2020
- 2020-05-21 CN CN202010445619.9A patent/CN111597318A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018000278A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳狗尾草智能科技有限公司 | 一种基于状态机上下文敏感多轮对话管理***及方法 |
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
CN109101545A (zh) * | 2018-06-29 | 2018-12-28 | 北京百度网讯科技有限公司 | 基于人机交互的自然语言处理方法、装置、设备和介质 |
CN110765312A (zh) * | 2018-07-10 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 人机交互及内容搜索方法、装置、设备以及存储介质 |
CN109493166A (zh) * | 2018-10-23 | 2019-03-19 | 深圳智能思创科技有限公司 | 一种针对电子商务导购场景任务型对话***的构建方法 |
CN111104495A (zh) * | 2019-11-19 | 2020-05-05 | 深圳追一科技有限公司 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
CN111177296A (zh) * | 2019-12-30 | 2020-05-19 | 科大讯飞股份有限公司 | 信息推荐方法、装置、电子设备及计算机存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287092A (zh) * | 2020-11-30 | 2021-01-29 | 珠海采筑电子商务有限公司 | 电梯业务智能查询方法及相关产品 |
EP4375897A1 (en) * | 2022-11-25 | 2024-05-29 | Samsung SDS Co., Ltd. | System for business process automation and method thereof |
CN116578476A (zh) * | 2023-04-20 | 2023-08-11 | 北京瑞风协同科技股份有限公司 | 业务过程精细刻画的任务执行的保障仿真实现方法及装置 |
CN116578476B (zh) * | 2023-04-20 | 2024-04-09 | 北京瑞风协同科技股份有限公司 | 业务过程精细刻画的任务执行的保障仿真实现方法及装置 |
CN116258469A (zh) * | 2023-05-16 | 2023-06-13 | 四川数产范式科技有限公司 | 基于通信软件的业务数据处理方法、***、设备及介质 |
CN117453372A (zh) * | 2023-11-23 | 2024-01-26 | 暗物质(北京)智能科技有限公司 | 一种任务规划方法、装置、电子设备及存储介质 |
CN117453372B (zh) * | 2023-11-23 | 2024-04-09 | 暗物质(北京)智能科技有限公司 | 一种任务规划方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597318A (zh) | 业务任务的执行方法、装置及*** | |
US10824798B2 (en) | Data collection for a new conversational dialogue system | |
JP5796496B2 (ja) | 入力支援システム、方法、およびプログラム | |
US20130103391A1 (en) | Natural language processing for software commands | |
CN101431573B (zh) | 通过人机交互技术实现自动客户服务的方法和设备 | |
US20030182391A1 (en) | Internet based personal information manager | |
JP2020095764A (ja) | 情報入力方法、情報入力装置、及び情報入力システム | |
US11573990B2 (en) | Search-based natural language intent determination | |
WO2020006827A1 (zh) | 一种智能应答的方法和装置 | |
CN109241384B (zh) | 一种科研信息的可视化方法及装置 | |
US20140052445A1 (en) | Voice search and response based on relevancy | |
CN112434501B (zh) | 工单智能生成的方法、装置、电子设备及介质 | |
CN107784068A (zh) | 数据变化的获取方法、装置、存储介质、处理器及服务端 | |
CN112836018A (zh) | 应急预案的处理方法及装置 | |
CN113051389A (zh) | 知识推送方法及装置 | |
CN117314139A (zh) | 业务流程的建模方法、装置、终端设备及存储介质 | |
CN116501845A (zh) | 一种基于llm模型的人智交互方法和*** | |
CN109891410B (zh) | 用于新的会话对话***的数据收集 | |
CN113408736B (zh) | 语音语义模型的处理方法和装置 | |
Kozhevnikov et al. | THE CUSTOMER SUPPORT SERVICE DEVELOPMENT FOR USER APPLICATIONS. | |
CN114239604A (zh) | 在线咨询处理方法、装置及计算机设备 | |
CN113704185A (zh) | 基于rpa及ai的消息回复方法、装置、设备及介质 | |
JP2022190776A (ja) | プログラムコード自動生成システム | |
JP7199000B2 (ja) | 対話管理サーバ、対話管理方法、及びプログラム | |
JP6676083B2 (ja) | 検索装置、検索方法、およびプログラム |
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 |
Application publication date: 20200828 |