CN111782775A - 对话方法、装置、设备和介质 - Google Patents
对话方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111782775A CN111782775A CN201910272616.7A CN201910272616A CN111782775A CN 111782775 A CN111782775 A CN 111782775A CN 201910272616 A CN201910272616 A CN 201910272616A CN 111782775 A CN111782775 A CN 111782775A
- Authority
- CN
- China
- Prior art keywords
- standard
- conversation
- intention
- dialog
- determining
- 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
Landscapes
- Machine Translation (AREA)
Abstract
本发明实施例公开了一种对话方法、装置、设备和介质,涉及人工智能领域。该方法包括:获取包括当前对话的目标对话;根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。本发明实施例提供了一种对话方法、装置、设备和介质,实现了自动与用户进行带有沟通策略对话的效果。
Description
技术领域
本发明实施例涉及人工智能领域,尤其涉及一种对话方法、装置、设备和介质。
背景技术
随着人工智能的发展,对话机器人代替人工向用户进行信息介绍或问题的回复。
参见图1,传统的对话策略是:基于正则表达式或预先训练的模型,对用户输入的对话进行语义识别。根据识别的用户语义确定回复内容。
然而,上述方法只是根据识别的内容进行机械的对话,对话中不带有谈判和沟通策略。
发明内容
本发明实施例提供一种对话方法、装置、设备和介质,以实现自动与用户进行带有沟通策略的对话。
第一方面,本发明实施例提供了一种对话方法,该方法包括:
获取包括当前对话的目标对话;
根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。
第二方面,本发明实施例还提供了一种对话装置,该装置包括:
对话获取模块,用于获取包括当前对话的目标对话;
答复模块,用于根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据带有沟通策略的标准对话确定。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的对话方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的对话方法。
本发明实施例通过根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。从而实现自动与用户进行带有沟通策略的对话。
附图说明
图1是传统对话方法的流程示意图;
图2为本发明实施例一提供的一种对话方法的流程图;
图3是本发明实施例二提供的一种对话方法的流程图;
图4是本发明实施例三提供的一种对话方法的流程图;
图5是本发明实施例三提供的一种Conv-RNN语义编码算法的结构示意图;
图6是本发明实施例四提供的一种对话装置的结构示意图;
图7为本发明实施例五提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2是本发明实施例一提供的一种对话方法的流程图。本实施例可适用于,自动与用户进行带有沟通策略对话的情况。可选地,本实施例还可以用于,在双方进行对话的过程中,对其中一方进行对话引导的情况。该方法可以由一种对话装置来执行,该装置可以由软件和/或硬件的方式实现。参见图2,本实施例提供的对话方法包括:
S110、获取包括当前对话的目标对话。
其中,当前对话可以包括当前发生的双方(对话设备方和用户方)对话,也可以仅包括当前对话设备方发生的对话。
当前对话设备方发生的对话可以是对话设备当前发生的对话,也可以是借助对话设备的对话者的当前对话。
对话者可以是任意人员,典型的可以是电话销售人员。相应的,用户方可以是客户方。
目标对话除当前对话外,还可以包括历史对话。
S120、根据目标对话和标准对话轨迹,确定后续对话内容。
其中,所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。标准对话是带有沟通策略的对话。因此,标准对话轨迹反映有沟通策略。
标准对话轨迹也可以理解为优秀对话逻辑。标准对话也可以理解为优秀对话或高质量对话。
示例性地,在销售领域标准对话可以是能够说服用户签单的对话。
后续对话内容为接下来对话装置输出的对话内容。
可选地,可以将目标对话和标准对话轨迹进行匹配,根据匹配结果确定后续对话内容。
为减少语气词或无意义语句的干扰,所述根据目标对话和标准对话轨迹,确定后续对话内容,包括:
提取目标对话的意图,将提取的意图与预设的有效意图进行匹配;
根据匹配成功的意图,确定目标意图序列;
根据目标意图序列和标准对话轨迹,确定后续对话内容。
例如,目标对话意图包括:问候、赞美天气和介绍来意。预设的有效意图包括:问候、介绍来意、产品介绍和优惠介绍。匹配目标对话意图和有效意图。根据匹配成功的意图,确定的目标意图序列为:问候和来意介绍。从而将赞美天气的无用意图过滤掉。
本发明实施例的技术方案,通过根据目标对话和标准对话轨迹,确定后续对话内容。其中所述标准对话轨迹根据带有沟通策略的标准对话确定。从而实现自动与用户进行带有沟通策略的对话。
为进一步提高用户对话体验,所述根据目标对话和标准对话轨迹,确定后续对话内容之后,还包括:
识别当前对话中用户的情绪和语调;
根据识别的情绪和语调,对确定的后续对话内容进行调整。
为提高后续对话内容的确定准确率,所述根据目标对话和标准对话轨迹,确定后续对话内容之后,还包括:
根据用户基本属性信息,调整后续对话内容。
具体地,根据用户基本属性信息,确定后续对话内容,包括:
根据用户基本属性信息确定用户的意图;
根据用户的意图,调整后续对话内容。
为进一步提高对话质量,所述根据目标对话和标准对话轨迹,确定后续对话内容之后,还包括:
若根据当前对话和历史对话,确定当前对话没有信息量或糟糕的来回讨论,则转换新的话题。
实施例二
图3是本发明实施例二提供的一种对话方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3,本实施例提供的对话方法包括:
S210、根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话。
其中,成单率是指签订订单的对话数量占总的对话数量的比值。
预设对话时长是指预先设定的优秀对话的最小时间长度,例如20分钟。
意图覆盖率是指对话中表示意图词语的数量占对话中词语的总数量的比值。
成单意向是指通过对话促使用户具有的购买倾向。具体地,成单意向可以通过用户是否进一步询问产品信息确定,也可以通过是否接受上门介绍确定。
用户满意度是指用户的满意程度。具体地,用户满意度可以通过客户打分确定。
典型地,所述根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话,包括:
根据成单率确定标准对话者;
获取标准对话者的对话;
根据预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从标准对话者的对话中筛选出标准对话。
具体地,若对话者的成单率大于成单阈值,则将该对话者作为标准对话者。
S220、根据标准对话确定标准对话轨迹。
S230、获取包括当前对话的目标对话。
S240、根据目标对话和标准对话轨迹,确定后续对话内容。
本发明实施例的技术方案,通过根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话。从而实现标准对话的准确确定。进而提高标准对话轨迹的准确确定。
进一步地,所述根据意图覆盖率从标准对话者的对话中筛选出标准对话,包括:
提取候选标准对话的意图;
将候选标准对话的意图与预设标准意图序列中的各意图进行匹配,根据匹配结果确定候选标准对话的意图覆盖率;
若确定的意图覆盖率大于覆盖率阈值,则确定候选标准对话为标准对话。
其中,候选标准对话是标准对话者的对话。
为提高标准对话的准确率,所述根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话之后,还包括:
基于标准对话特征,对筛选出的标准对话进行再次筛选。
为提高标准对话特征的确定准确率,所述基于标准对话特征对筛选出的标准对话进行再次筛选之前,还包括:
识别标准对话样本和/或非标准对话样本中的成单意向意图和发生在成单意向意图之前的其他意图;
确定成单意向意图和发生在成单意向意图之前的其他意图之间的距离;
根据所述距离对获取的标准对话样本和/或非标准对话样本进行过滤;
根据过滤后的标准对话样本和/或非标准对话样本,确定标准对话特征。
其中,标准对话样本是人工采集的完整的标准对话,非标准对话样本是人工采集的完整的非标准对话。上述距离越小说明对话中发生在成单意向意图之前的其他意图,对成单意图的贡献越大,同时该对话更具有引导性。
具体地,滤除标准对话样本中距离大于设定距离阈值的样本,以及滤除非标准对话样本中距离小于设定距离阈值的样本。也即,滤除标准对话样本中的非标准对话,滤除非标准对话样本中的标准对话。
为适应不同长度和不同内容轨迹的对话,所述根据标准对话确定标准对话轨迹,包括:
提取标准对话的意图,生成标准意图序列;
从标准意图序列中提取至少两个相邻的意图作为训练意图序列;
根据训练意图序列确定标准对话轨迹。
示例性地,标准意图包括:问候、介绍来意、产品介绍、活动介绍、线下产品介绍和产品支付介绍。提取的训练意图序列可以为:问候和介绍来意;问候、介绍来意和产品介绍;问候、介绍来意、产品介绍和活动介绍;问候、介绍来意、产品介绍、活动介绍和线下产品介绍;问候、介绍来意、产品介绍、活动介绍、线下产品介绍和产品支付介绍;产品介绍和活动介绍;活动介绍和线下产品介绍等。
上述方法通过不同长的意图序列,确定出不同长度以及内容不同的标准对话轨迹。基于不同的标准对话轨迹可以实现不同长度和不同内容的对话。
典型的,所述根据训练意图序列确定标准对话轨迹,包括:
将训练意图序列中的最后一个意图作为标签,其他意图作为训练样本;
基于确定的训练样本和标签对初始模型进行训练,生成标准对话轨迹模型。
实施例三
图4是本发明实施例三提供的一种对话方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4,本实施例提供的对话方法包括:
根据预设对话时长、成单率、意图覆盖率、成单意向和用户满意度,从已有对话中筛选出标准对话。
利用标准对话识别模型对筛选出的标准对话进行再次筛选。
其中,标准对话识别模型的训练包括:人工采集标准对话样本和非标准对话样本;从标准对话样本的意图中选择至少两个意图作为正样本,从非标准对话样本的意图中选择至少两个意图作为负样本;基于正样本、负样本和标准对话标签,对初始模型进行训练,生成标准对话识别模型。
对经过筛选的标准对话进行意图提取,生成目标意图序列。
匹配目标意图序列和预先的有效意图序列,根据匹配成功的意图生成有效意图序列。
从有效意图序列中提取至少两个相邻的意图;将提取的相邻意图中最后一个意图作为标签,提取的相邻意图中其他意图作为样本,对初始模型进行训练,生成标准对话轨迹模型。
其中,参见图5在初始模型进行训练之前,基于Conv-RNN语义编码算法对各意图进行编码。Conv-RNN的优势在于让上下文依赖性更强。
具体地,从图5可以看出Conv-RNN包括了字向量转换层(Word embedding layer),全链接层(Bi-RNN layer),卷积层(Convolution layer)和池化层。
字向量转换层用于将输入的意图中的词映射为对应的词向量V1,V2,V3,V4和V5。
卷积层用于在hidden state的基础上进行卷积,卷积层的滤波器(filter)大小设为1×隐藏状态尺寸(size of hidden state)。因为RNN已经获取了序列信息,这里就不用再对相邻的n-gram进行卷积,而只对单个词进行,因此隐藏状态尺寸宽度为1;隐藏状态尺寸长度就是经过RNN后hidden state的输出维度。使用n个卷积核,激活函数使用ReLU。
池化层使用max pooling,核大小为1×BPTT时最多的unroll的步数(seqlength),也就是对每个卷积核得到的向量进行max pooling操作。最终得到的向量X为n维向量。
获取包括当前对话和历史对话的目标对话。
提取目标对话中的有效意图,将提取的有效意图输入训练完成的标准对话轨迹模型,输出目标对话的后续对话内容。
根据当前对话中用户的情绪和语调对目标对话的后续对话内容进行调整。
根据用户属性确定用户意图,根据确定的用户意图再次对确定的目标对话的后续对话内容进行调整。
为纠正跑题的情况,若当前用户意图与对话目标不一致,则调用预设谈判策略,在用户无发觉的情况下,回到标准对话轨迹上。
为避开没有信息量或者糟糕的来回讨论,在基于确定后续对话内容确定为没有信息量或者糟糕的来回讨论,则确定后续对话内容为对话目标相关的新的话题。
本发明实施例的技术方案,通过标准对话训练具有特定话术的标准对话轨迹模型。让对话装置的对话逻辑思路更明确。
通过识别的用户情绪和语调,判断用户真实意图,及时修改对话策略。
根据用户属性信息确定用户意图,并根据用户意图对后续对话内容进行调整。
基于监督学习和强化学习,利用与用户聊天对话,训练标准对话轨迹模型,使其具备谈判技巧。
需要说明的是,经过本实施例的技术教导,本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合,以实现自动与用户进行带有沟通策略的对话。
实施例四
图6是本发明实施例四提供的一种对话装置的结构示意图。参见图6,本实施例提供的对话方法包括:对话获取模块10和答复模块20。
其中,对话获取模块10,用于获取包括当前对话的目标对话;
答复模块20,用于根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。
本发明实施例的技术方案,通过根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据带有沟通策略的标准对话确定。从而实现自动与用户进行带有沟通策略的对话。
进一步地,所述装置还包括:标准对话确定模块和轨迹确定模块。
其中,标准对话确定模块,用于所述根据目标对话和标准对话轨迹,确定后续对话内容之前,根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话;
轨迹确定模块,用于根据标准对话确定标准对话轨迹。
进一步地,所述标准对话确定模块,包括:对话者确定单元、对话获取单元和对话筛选单元。
其中,对话者确定单元,用于根据成单率确定标准对话者;
对话获取单元,用于获取标准对话者的对话;
对话筛选单元,用于根据预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从标准对话者的对话中筛选出标准对话。
进一步地,所述对话筛选单元具体用于:
提取候选标准对话的意图;
将候选标准对话的意图与预设标准意图序列中的各意图进行匹配,根据匹配结果确定候选标准对话的意图覆盖率;
若确定的意图覆盖率大于覆盖率阈值,则确定候选标准对话为标准对话。
进一步地,所述轨迹确定模块,包括:标准意图提取单元、训练意图提取单元和轨迹确定单元。
其中,标准意图提取单元,用于提取标准对话的意图,生成标准意图序列;
训练意图提取单元,用于从标准意图序列中提取至少两个相邻的意图作为训练意图序列;
轨迹确定单元,用于根据训练意图序列确定标准对话轨迹。
进一步地,所述轨迹确定单元具体用于:
将训练意图序列中的最后一个意图作为标签,其他意图作为训练样本;
基于确定的训练样本和标签对初始模型进行训练,生成标准对话轨迹模型。
进一步地,所述答复模块,还包括:意图匹配单元、目标意图确定单元和答复确定单元。
意图匹配单元,用于提取目标对话的意图,将提取的意图与预设的有效意图进行匹配;
目标意图确定单元,用于根据匹配成功的意图,确定目标意图序列;
答复确定单元,用于根据目标意图序列和标准对话轨迹,确定后续对话内容。
进一步地,所述答复模块包括:匹配单元、意图序列确定单元和答复确定单元。
其中,匹配单元,用于提取目标对话的意图,将提取的意图与预设的有效意图进行匹配;
意图序列确定单元,用于根据匹配成功的意图,确定目标意图序列;
答复确定单元,用于根据目标意图序列和标准对话轨迹,确定后续对话内容。
进一步地,所述装置还包括:再次筛选模块。
再次筛选模块,用于所述根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话之后,基于标准对话特征,对筛选出的标准对话进行再次筛选。
进一步地,所述装置还包括:意图识别模块、距离确定模块、过滤模块和标准对话特征确定模块。
意图识别模块,用于基于标准对话特征对筛选出的标准对话进行再次筛选之前,识别标准对话样本和/或非标准对话样本中的成单意向意图和发生在成单意向意图之前的其他意图;
距离确定模块,用于确定成单意向意图和发生在成单意向意图之前的其他意图之间的距离;
过滤模块,用于根据所述距离对获取的标准对话样本和/或非标准对话样本进行过滤;
标准对话特征确定模块,用于根据过滤后的标准对话样本和/或非标准对话样本,确定标准对话特征。
进一步地,所述装置还包括:情绪识别模块和内容调整模块。
其中,情绪识别模块,用于将目标意图序列与标准对话轨迹进行匹配,根据匹配结果确定后续对话内容之后,识别当前对话中用户的情绪和语调;
内容调整模块,用于根据识别的情绪和语调,对确定的后续对话内容进行调整。
本发明实施例所提供的对话装置可执行本发明任意实施例所提供的对话方法,具备执行方法相应的功能模块和有益效果。
实施例五
图7是本发明实施例五提供的一种设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性设备12的框图。图7显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的对话方法。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的对话方法。该方法包括:获取包括当前对话的目标对话;
根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到客户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (18)
1.一种对话方法,其特征在于,包括:
获取包括当前对话的目标对话;
根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。
2.根据权利要求1所述的方法,其特征在于,所述根据目标对话和标准对话轨迹,确定后续对话内容,包括:
提取目标对话的意图,将提取的意图与预设的有效意图进行匹配;
根据匹配成功的意图,确定目标意图序列;
根据目标意图序列和标准对话轨迹,确定后续对话内容。
3.根据权利要求1所述的方法,其特征在于,所述根据目标对话和标准对话轨迹,确定后续对话内容之前,还包括:
根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话;
根据标准对话确定标准对话轨迹。
4.根据权利要求3所述的方法,其特征在于,所述根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话,包括:
根据成单率确定标准对话者;
获取标准对话者的对话;
根据预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从标准对话者的对话中筛选出标准对话。
5.根据权利要求4所述的方法,其特征在于,所述根据意图覆盖率从标准对话者的对话中筛选出标准对话,包括:
提取候选标准对话的意图;
将候选标准对话的意图与预设标准意图序列中的各意图进行匹配,根据匹配结果确定候选标准对话的意图覆盖率;
若确定的意图覆盖率大于覆盖率阈值,则确定候选标准对话为标准对话。
6.根据权利要求3所述的方法,其特征在于,所述根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话之后,还包括:
基于标准对话特征,对筛选出的标准对话进行再次筛选。
7.根据权利要求6所述的方法,其特征在于,所述基于标准对话特征对筛选出的标准对话进行再次筛选之前,还包括:
识别标准对话样本和/或非标准对话样本中的成单意向意图和发生在成单意向意图之前的其他意图;
确定成单意向意图和发生在成单意向意图之前的其他意图之间的距离;
根据所述距离对获取的标准对话样本和/或非标准对话样本进行过滤;
根据过滤后的标准对话样本和/或非标准对话样本,确定标准对话特征。
8.根据权利要求3所述的方法,其特征在于,所述根据标准对话确定标准对话轨迹,包括:
提取标准对话的意图,生成标准意图序列;
从标准意图序列中提取至少两个相邻的意图作为训练意图序列;
根据训练意图序列确定标准对话轨迹。
9.根据权利要求8所述的方法,其特征在于,所述根据训练意图序列确定标准对话轨迹,包括:
将训练意图序列中的最后一个意图作为标签,其他意图作为训练样本;
基于确定的训练样本和标签对初始模型进行训练,生成标准对话轨迹模型。
10.根据权利要求1所述的方法,其特征在于,所述根据目标对话和标准对话轨迹,确定后续对话内容之后,还包括:
识别当前对话中用户的情绪和语调;
根据识别的情绪和语调,对确定的后续对话内容进行调整。
11.一种对话装置,其特征在于,包括:
对话获取模块,用于获取包括当前对话的目标对话;
答复模块,用于根据目标对话和标准对话轨迹,确定后续对话内容,其中所述标准对话轨迹根据从已有对话中筛选的带有沟通策略的标准对话确定。
12.根据权利要求11所述的装置,其特征在于,还包括:
标准对话确定模块,用于所述根据目标对话和标准对话轨迹,确定后续对话内容之前,根据成单率、预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从已有对话中筛选出标准对话;
轨迹确定模块,用于根据标准对话确定标准对话轨迹。
13.根据权利要求12所述的装置,其特征在于,所述标准对话确定模块,包括:
对话者确定单元,用于根据成单率确定标准对话者;
对话获取单元,用于获取标准对话者的对话;
对话筛选单元,用于根据预设对话时长、意图覆盖率、成单意向和用户满意度中的至少一种,从标准对话者的对话中筛选出标准对话。
14.根据权利要求13所述的装置,其特征在于,所述对话筛选单元具体用于:
提取候选标准对话的意图;
将候选标准对话的意图与预设标准意图序列中的各意图进行匹配,根据匹配结果确定候选标准对话的意图覆盖率;
若确定的意图覆盖率大于覆盖率阈值,则确定候选标准对话为标准对话。
15.根据权利要求12所述的装置,其特征在于,所述轨迹确定模块,包括:
标准意图提取单元,用于提取标准对话的意图,生成标准意图序列;
训练意图提取单元,用于从标准意图序列中提取至少两个相邻的意图作为训练意图序列;
轨迹确定单元,用于根据训练意图序列确定标准对话轨迹。
16.根据权利要求15所述的装置,其特征在于,所述轨迹确定单元具体用于:
将训练意图序列中的最后一个意图作为标签,其他意图作为训练样本;
基于确定的训练样本和标签对初始模型进行训练,生成标准对话轨迹模型。
17.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的对话方法。
18.一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,该程序被处理器执行时实现如权利要求1-10中任一所述的对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272616.7A CN111782775B (zh) | 2019-04-04 | 2019-04-04 | 对话方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272616.7A CN111782775B (zh) | 2019-04-04 | 2019-04-04 | 对话方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111782775A true CN111782775A (zh) | 2020-10-16 |
CN111782775B CN111782775B (zh) | 2023-09-01 |
Family
ID=72754970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910272616.7A Active CN111782775B (zh) | 2019-04-04 | 2019-04-04 | 对话方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111782775B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488239A (zh) * | 2020-12-02 | 2021-03-12 | 罗科仕管理顾问有限公司 | 用于基于人工智能的计算机辅助说服***的方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215742A (ja) * | 2010-03-31 | 2011-10-27 | Nec Corp | 対話システム、対話フローの更新方法およびプログラム |
CN107766559A (zh) * | 2017-11-06 | 2018-03-06 | 第四范式(北京)技术有限公司 | 对话模型的训练方法、训练装置、对话方法及对话*** |
CN108109689A (zh) * | 2017-12-29 | 2018-06-01 | 李向坤 | 诊疗会话方法及装置、存储介质、电子设备 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
US20180261203A1 (en) * | 2017-03-09 | 2018-09-13 | Capital One Services, Llc | Systems and methods for providing automated natural language dialogue with customers |
CN109002510A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 一种对话处理方法、装置、设备和介质 |
CN109062951A (zh) * | 2018-06-22 | 2018-12-21 | 厦门快商通信息技术有限公司 | 基于意图分析和对话聚类的对话流程抽取方法、设备及存储介质 |
KR101945983B1 (ko) * | 2018-01-26 | 2019-02-11 | 주식회사 머니브레인 | 대화 이해 ai 서비스 시스템과 연관된 대화 세션 중의 특정 시점에서 목표 달성을 위한 최적의 대화 패턴을 결정하는 방법, 목표 달성 예측 확률을 결정하는 방법, 및 컴퓨터 판독가능 기록 매체 |
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 |
-
2019
- 2019-04-04 CN CN201910272616.7A patent/CN111782775B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215742A (ja) * | 2010-03-31 | 2011-10-27 | Nec Corp | 対話システム、対話フローの更新方法およびプログラム |
US20180261203A1 (en) * | 2017-03-09 | 2018-09-13 | Capital One Services, Llc | Systems and methods for providing automated natural language dialogue with customers |
CN107766559A (zh) * | 2017-11-06 | 2018-03-06 | 第四范式(北京)技术有限公司 | 对话模型的训练方法、训练装置、对话方法及对话*** |
CN108109689A (zh) * | 2017-12-29 | 2018-06-01 | 李向坤 | 诊疗会话方法及装置、存储介质、电子设备 |
KR101945983B1 (ko) * | 2018-01-26 | 2019-02-11 | 주식회사 머니브레인 | 대화 이해 ai 서비스 시스템과 연관된 대화 세션 중의 특정 시점에서 목표 달성을 위한 최적의 대화 패턴을 결정하는 방법, 목표 달성 예측 확률을 결정하는 방법, 및 컴퓨터 판독가능 기록 매체 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN109062951A (zh) * | 2018-06-22 | 2018-12-21 | 厦门快商通信息技术有限公司 | 基于意图分析和对话聚类的对话流程抽取方法、设备及存储介质 |
CN109002510A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 一种对话处理方法、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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488239A (zh) * | 2020-12-02 | 2021-03-12 | 罗科仕管理顾问有限公司 | 用于基于人工智能的计算机辅助说服***的方法和装置 |
CN112488239B (zh) * | 2020-12-02 | 2022-01-07 | 罗科仕管理顾问有限公司 | 用于基于人工智能的计算机辅助说服***的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111782775B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003624B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN108922564B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN108682420B (zh) | 一种音视频通话方言识别方法及终端设备 | |
CN110136749A (zh) | 说话人相关的端到端语音端点检测方法和装置 | |
CN110704618B (zh) | 确定对话数据对应的标准问题的方法及装置 | |
CN110381221B (zh) | 呼叫处理方法、装置、***、设备和计算机存储介质 | |
CN108920640A (zh) | 基于语音交互的上下文获取方法及设备 | |
US11120802B2 (en) | Diarization driven by the ASR based segmentation | |
CN112530408A (zh) | 用于识别语音的方法、装置、电子设备和介质 | |
JP2024502946A (ja) | 音声認識トランスクリプトの句読点付け及び大文字化 | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN111027291A (zh) | 文本中标点符号添加、模型训练方法、装置及电子设备 | |
CN112632244A (zh) | 一种人机通话的优化方法、装置、计算机设备及存储介质 | |
CN115935182A (zh) | 模型训练方法、多轮对话中的话题分割方法、介质及装置 | |
CN111400463B (zh) | 对话响应方法、装置、设备和介质 | |
KR20190074508A (ko) | 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법 | |
CN114138960A (zh) | 用户意图识别方法、装置、设备及介质 | |
US10468031B2 (en) | Diarization driven by meta-information identified in discussion content | |
CN111782775B (zh) | 对话方法、装置、设备和介质 | |
CN110740212B (zh) | 基于智能语音技术的通话接听方法、装置及电子设备 | |
CN112434953A (zh) | 一种基于计算机数据处理的客服人员考核方法和装置 | |
US20230130777A1 (en) | Method and system for generating voice in an ongoing call session based on artificial intelligent techniques | |
CN112466286A (zh) | 数据处理方法及装置、终端设备 | |
US11947872B1 (en) | Natural language processing platform for automated event analysis, translation, and transcription verification | |
CN113421551B (zh) | 语音识别方法、装置、计算机可读介质及电子设备 |
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 |