CN112559721B - 人机对话***的调整方法、装置、设备、介质和程序产品 - Google Patents
人机对话***的调整方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN112559721B CN112559721B CN202011566521.5A CN202011566521A CN112559721B CN 112559721 B CN112559721 B CN 112559721B CN 202011566521 A CN202011566521 A CN 202011566521A CN 112559721 B CN112559721 B CN 112559721B
- Authority
- CN
- China
- Prior art keywords
- node
- dialog
- dialogue
- nodes
- machine
- 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.)
- Active
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
- G06F16/3343—Query execution using phonetics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种人机对话***的调整方法、装置、电子设备、计算机可读存储介质和计算机程序产品,涉及人工智能技术领域,尤其涉及大数据、智能推荐和自然语言处理领域。实现方案为:获取与人机对话***相关联的对话日志;基于对话日志,创建节点状态跳转图。节点状态跳转图限定多个对话节点和多个对话节点之间的跳转关系,多个对话节点中的至少一个对话节点表示人机对话***的相应交互页面。基于节点状态跳转图,计算至少一个对话节点的权重参数,以及基于至少一个对话节点的权重参数,对至少一个对话节点所表示的交互页面执行相应的调整操作。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及大数据、智能推荐和自然语言处理领域。具体地,本公开提供了一种人机对话***的调整方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
目前,市场上基于人工智能的人机对话***纷纷涌现。在一些采用节点点击跳转模式与用户进行交互的对话***中,开发者只需简单配置对话节点便能完成人机对话***的开发。在人机对话***投入使用后,如何对人机对话***进行评估和调整就显得尤为重要。
在相关技术中,对人机对话***的评估方案还存在局限性并且评估效果还有很大的提高空间。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种人机对话***的调整方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种人机对话***的调整方法,包括:获取与人机对话***相关联的对话日志;基于对话日志,创建节点状态跳转图。节点状态跳转图限定多个对话节点和多个对话节点之间的跳转关系,多个对话节点中的至少一个对话节点表示人机对话***的相应交互页面。基于节点状态跳转图,计算至少一个对话节点的权重参数,以及基于至少一个对话节点的权重参数,对至少一个对话节点所表示的交互页面执行相应的调整操作。
根据本公开的另一方面,提供了一种人机对话***的调整装置,包括:获取单元,被配置为获取与人机对话***相关联的对话日志。创建单元,被配置为基于对话日志,创建节点状态跳转图。节点状态跳转图限定多个对话节点和多个对话节点之间的跳转关系,多个对话节点中的至少一个对话节点表示人机对话***的相应交互页面。计算单元,被配置为基于节点状态跳转图,计算至少一个对话节点的权重参数,以及调整单元,被配置为基于至少一个对话节点的权重参数,对至少一个对话节点所表示的交互页面执行相应的调整操作。
根据本公开的另一方面,提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上的计算机程序。其中,处理器被配置为执行计算机程序以实现上述的人机对话***的调整方法的步骤。
根据本公开的另一方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序。其中,计算机程序被处理器执行时实现上述的人机对话***的调整方法的步骤。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序。其中,计算机程序被处理器执行时实现上述的人机对话***的调整方法的步骤。
本公开实施例提供的技术方案带来的有益技术效果至少包括:
从全局角度对人机对话***的对话流进行评估和调整,根据人机对话数据对对话***进行的自动调整,节省了运营的人力成本。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图;
图2示出了根据本公开的实施例的人机对话***的调整方法的流程图;
图3示出了根据本公开的实施例的在图2的方法中创建节点状态跳转图的示例操作的流程图;
图4示出了根据本公开的实施例的在图3的方法中创建节点状态跳转图的示例操作的示意图;
图5示出了根据本公开的实施例的节点状态跳转图的结构的示意图;
图6示出了根据本公开的实施例的在图2的方法中计算对话节点的权重参数的示例操作的流程图;
图7示出了根据本公开的实施例的根据图6的方法对图5中的节点状态跳转图建立多个对话节点之间的跳转概率分布的示例操作的示意图;
图8示出了根据本公开的实施例的在图6的方法中的建立决策过程模型的示例操作的流程图;
图9示出了根据本公开的实施例的在图8的方法中建立决策过程模型的示例操作的示意图;
图10示出了根据本公开的实施例的在图6的方法中的计算对话节点的贡献值的示例操作的流程图;
图11示出了根据本公开的实施例的在图2的方法中调整对话节点的示例操作的流程图;
图12示出了根据本公开的实施例的在图11的方法中查找需要进行调整操作的对话节点的示例操作的流程图;
图13A-13C示出了根据本公开的实施例的人机对话***的调整方法对一个示例***进行调整的示意图;
图14示出了根据本公开的实施例的在图2的方法中获取对话***的对话日志的示例操作的流程图;
图15示出了根据本公开的实施例的人机对话***的调整方法的整体操作的流程图;
图16示出了根据本公开实施例的人机对话***调整装置的框图;
图17示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在相关技术中,对人机对话***的评估和调整是基于对目标链接的转化率或者对话节点的下一步跳转率来评估用户与人机对话***的交互情况。然而,相关技术中的方案无法确定其他对话节点对于***的转化效果的影响,或者仅能度量用户对人机对话***的停留偏好。此外,在相关技术中,对人机对话***的优化是消耗大量的人力去调整对话节点,并且如果外部环境发生变化后,需要继续投入大量人力去重新优化。
为解决相关技术中的上述问题,本公开基于大数据中的人机对话日志,从全局角度对人机对话***进行评估和自动调整,提供了以下调整方法的技术方案。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行本公开的人机对话***的调整方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来与人机对话***进行交互。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***,例如Microsoft Windows、AppleiOS、类UNIX操作***、Linux或类Linux操作***(例如Google Chrome OS);或包括各种移动操作***,例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式***的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的人机对话***的调整方法的流程图。如图2所示,人机对话***的调整方法200包括:
在步骤210,获取与人机对话***相关联的对话日志。示例性地,人机对话***可以是对话式营销机器人,其采用的是节点点击跳转和/或语音命令跳转的模式和用户进行对话交互。示例性地,对话日志可以包括用户对人机对话***访问的次数,可以包括但不限于独立访客数(UV)、独立IP数(IP)、访问次数(VV)、页面浏览量(PV)等。
在步骤220,基于对话日志,创建节点状态跳转图。节点状态跳转图限定多个对话节点和多个对话节点之间的跳转关系,多个对话节点中的至少一个对话节点表示人机对话***的相应交互页面。示例性地,用户在与人机对话***交互过程中,可以从一个对话节点表示的交互页面跳转进入下一个对话节点表示的交互页面。
在步骤230,基于节点状态跳转图,计算至少一个对话节点的权重参数。在一些示范性实施例中,如步骤220所创建的节点状态跳转图可以表示用户与人机对话***交互的行为分布情况。可选地,节点状态跳转图可以表示一种序列决策模型,并且可以利用该模型求解每个对话节点的权重参数。该权重参数可以表示对话节点对于决策目标的影响值或贡献度。
在步骤240,基于至少一个对话节点的权重参数,对至少一个对话节点所表示的交互页面执行相应的调整操作。示例性地,可以调整对话节点,使得权重参数高的对话节点所表示的交互页面或所对应的交互入口首先呈现给用户,从而提高让用户访问该交互页面或交互入口的概率。
综上所述,本公开的实施例提供的方法,基于用户与人机对话***中每个对话节点表示的交互页面的交互情况,生成节点状态跳转图。并且,从全局估计节点状态跳转图中每一个对话节点的权重参数,进而根据对话节点的权重参数对交互页面执行相应的调整操作进行优化,使得用户访问权重参数高的对话节点所表示的交互页面或所对应的交互入口的概率会更高。此外,由于本公开的实施例利用节点状态跳转图进行全局的评估,考虑了每个对话节点在全局下对目标链接的转化情况,因此评估结果和优化方案更加客观,同时也可以从整体的角度去调整和优化对话节点。
图3示出了根据本公开的实施例的在图2的方法200中创建节点状态跳转图(步骤220)的示例操作的流程图。如图3所示,基于对话日志,步骤220进一步包括步骤310和步骤320。
在步骤310,可以基于对话日志,统计对人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作。在一些示例性实施例中,可以统计每个交互页面的独立访客数(UV)。示例性地,独立用户针对每个交互页面所进行的操作可以是用户在交互页面上访问目标链接(在本上下文中也被称为“转化”)的操作,还可以是用户在交互页面不进行任何交互而离开当前页面的操作。
在步骤320,可以基于对人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作,生成多个对话节点和多个对话节点之间的跳转关系,从而得到节点状态跳转图。在一些示范性实施例中,对话节点之间的跳转关系可以包括跳转方向(即,从哪个对话节点跳转至哪个对话节点)和从当前对话节点跳转到下一个对话节点的UV数。
图4示出了根据本公开的实施例的在图3的方法中创建节点状态跳转图的示例操作的示意图。如图4所示,节点状态跳转图400包括对话节点410、420、430、440、450和460。对话节点410和420分别表示人机对话***400’中的交互页面410’和420’。同样,对话节点430至460分别表示相应的交互页面(未示出)。根据本公开的示范性实施例,当用户在交互页面410’点击按钮“申请***”或说出话音“申请***”时,对话节点410将跳转到对话节点420。人机对话***400’将对话节点420所表示的交互页面420’呈现给用户。
根据一些示例性实施例,连接对话节点410和420的边412可以表示从对话节点410到对话节点420的跳转。示例性地,可以通过基于人机对话日志统计用户在交互页面410’的行为,得到用户从交互页面410’跳转到交互页面420’的UV数,进而生成表示从对话节点410跳转到对话节点420的边412。进一步地,可以通过统计从对话节点410跳转到对话节点430的UV数414、从对话节点420分别跳转到440、450和460的UV数422、424和426,从而生成整个节点状态跳转图400。
综上所述,根据本公开的实施例,通过生成节点状态跳转图描述代表交互页面的对话节点和代表用户交互行为的边,使得节点状态跳转图能够把用户在交互页面上的行为抽象为对话节点跳转图,充分反映用户与人机对话***的交互行为,为全局评估优化提供基础。
图5示出了根据本公开的实施例的节点状态跳转图500的结构的示意图。如图5所示,节点状态跳转图500可以通过如图4所示的过程生成,其包括对话节点510、520、530以及对话节点541至对话节点548。根据如图4中所示的示例操作,可以基于对话日志统计从对话节点510到对话节点541的独立用户访问数。如图5所示,从对话节点510到对话节点541的访问数为1890,即,存在1890个独立用户在对话节点510上跳转到对话节点541的行为。
进一步示例性地,对话节点542存在有6种行为,分别对应于:3个独立用户从对话节点542跳转到对话节点541、18个独立用户从对话节点542跳转到对话节点530、51个独立用户从对话节点542跳转到对话节点545、112个独立用户从对话节点542跳转到对话节点543、30个独立用户从对话节点542跳转到对话节点546以及105个独立用户从对话节点542跳转到对话节点547。类似地,通过对用户在每个对话节点上的行为进行统计,从而生成整个节点状态跳转图500。
在一些示范性实施例中,节点状态跳转图500中的多个对话节点可以包括转化节点520,转化节点520表示用户在人机对话***的一个或多个交互页面上访问目标链接的行为。
在另一些示范性实施例中,节点状态跳转图500中的多个对话节点还可以包括初始节点510和结束节点530。初始节点510可以表示用户从该节点进入人机交互***的行为,并且结束节点530可以表示用户在其他对话节点中没有跳转操作而直接退出的行为。
综上所述,在表示相应交互页面的各个对话节点的基础上,通过向节点状态跳转图添加转化节点520、初始节点510和结束节点530,可以使得节点状态跳转图更完整地描述用户在人机对话***中的行为分布。
图6示出了根据本公开的实施例的在图2的方法200中计算对话节点的权重参数(步骤230)的示例操作的流程图。如图6所示,步骤230进一步包括步骤610至630。
在步骤610,可以基于多个对话节点之间的跳转关系,计算多个对话节点之间的跳转概率。示例性地,可以对每个对话节点的UV数进行求和,并分别用到下一个对话节点的UV数除以求和结果,从而得到从该对话节点到下一个对话节点的跳转概率。
在步骤620,可以基于多个对话节点之间的跳转概率,建立决策过程模型。示例性地,决策过程模型可以表示用来评价每个对话节点对用户访问目标链接的行为的影响力的模型。
在步骤630,可以基于决策过程模型,计算至少一个对话节点各自对于转化节点的贡献值,以作为至少一个对话节点各自的权重参数。
综上所述,通过基于节点状态跳转图和跳转概率建立决策过程模型,可以计算每个对话节点对于用户访问目标链接行为的贡献值,从而能够从整体对对话节点做出评估。
图7示出了根据本公开的实施例的根据图6的方法对图5中的节点状态跳转图500建立多个对话节点之间的跳转概率分布的示例操作700的示意图。如图7所示,可以对图5中的对话节点542的所有独立用户的访问个数进行求和,即得到总数(3+18+51+30+112+105)=319。然后,基于求和结果319,可以计算对话节点542到其他对话节点之间的跳转概率。进一步地,可以计算得到对话节点542跳转到对话节点530、541、543、545、546和547的跳转概率分别为0.056、0.009、0.351、0.160、0.094、和0.329。
示例性地,示例操作700中的从对话节点542到545的跳转概率可以表示用户在与人机对话***进行交互时,用户在对话节点542所表示的交互页面上选择跳转到对话节点545所表示的交互页面的概率为0.160。对话节点545与转化节点520之间的跳转概率可以表示用户在对话节点545所表示的交互页面上访问目标链接的行为(即,“转化”)的概率为0.170。类似地,可以对对话节点545以及其他如图5所示的所有对话节点进行计算并得到对应于图5所示的节点状态跳转图500的多个对话节点之间的跳转概率分布,在此不再赘述。
图8示出了根据本公开的实施例的在图6的方法中的建立决策过程模型(步骤620)的示例操作的流程图。如图8所示,步骤620进一步包括步骤810至840。
在步骤810,可以获取多个对话节点中的每一个的奖励函数,多个对话节点中的每一个的奖励函数为当决策主体处于该对话节点处时,决策主体在下一个跳转时刻能够获得的奖励值的期望。
在步骤820,可以获取衰减系数,衰减系数作用于奖励函数以得到有衰减的奖励。
在步骤830,可以获取多个对话节点中的每一个的收益函数,收益函数为从当前对话节点开始往后的所有跳转时刻的有衰减的奖励的求和结果。
在步骤840,可以根据奖励函数、衰减系数、收益函数和多个对话节点之间的跳转概率,建立衡量至少一个对话节点对转化节点的贡献的模型,作为决策过程模型。
图9示出了根据本公开的实施例的在图8的方法中建立决策过程模型的示例操作的示意图。如图9所示,决策过程模型900可以包括决策主体910、决策环境920、对话节点930、对应于对话节点930的奖励函数930’、下一个时刻的对话节点940以及奖励函数940’和跳转行为950。
在一些示范性实施例中,决策主体910可以是用户,并且决策环境920可以是人机对话***。假设决策过程模型具有马尔科夫性,可以通过Rt表示对话节点930的奖励函数930’,并且通过St表示决策主体910在t时刻处于对话节点930处。决策主体910可以通过选择行为950在t时刻与决策环境920进行交互并且在下一个时刻t+1进入下一个对话节点940,即St+1。决策环境920对行为950做出反馈并反馈给决策主体910奖励函数940’,即Rt+1。决策主体910的目标可以是最大化累计收集到的奖励函数。
示例性地,在对话节点s处的奖励函数RS,是在某一时刻t时,在下一个时刻t+1能获得的奖励期望:
RS=E[Rt+1|St=s]
衰减系数γ可以表示例如对话节点930的未来的奖励在当前时刻t的价值比例。收益函数Gt可以表示当前对话节点930从t时刻开始往后的所有跳转时刻的具有衰减系数γ的奖励的总和,并且可以满足:
进而可以得到节点930的对于转化节点的贡献值vs为:
vs=E[Gt|St=s]
综上所述,通过奖励函数Rt、衰减系数γ、收益函数Gt以及跳转概率,可以建立决策过程模型900。由于决策过程模型900可以衡量例如对话节点930的至少一个对话节点对转化节点的贡献vs,故而通过求解决策过程模型900可以从全局评估对话节点对于转化节点的贡献值。
图10示出了根据本公开的实施例的在图6的方法中的计算至少一个对话节点各自对于转化节点的贡献值(步骤630)的示例操作的流程图。如图10所示,步骤630进一步包括步骤1010至步骤1030。
在步骤1010,可以对多个对话节点中的每一个赋予奖励值。示例性地,奖励值可以表示决策主体在进入下一个对话节点时能够获得的瞬时奖励。
在步骤1020,可以基于决策过程模型中与多个对话节点中的每一个对应的收益函数、该对话节点与其他对话节点之间的跳转概率以及其他对话节点的奖励值,计算该对话节点的收益函数的期望。
在步骤1030,可以将至少一个对话节点各自的收益函数的期望作为至少一个对话节点各自对于转化节点的贡献值。
在一些示范性实施例中,贡献值vs可以进一步改写为:
通过对话节点之间的跳转概率,可以进一步得到:
其中,s′表示除对话节点s以外的其他对话节点,pss′表示从对话节点s跳转到对话节点s′的跳转概率。
示例性地,可以设定转化节点的初始收益为10,结束节点的初始收益为-3。进而,通过迭代计算可以得到每个对话节点的贡献值v(s)。
综上所述,由于每个对话节点对于转化节点的贡献值v(s)反映了在整个节点状态跳转图中,某个对话节点对最终转化节点的贡献程度,因此可以根据计算决策过程模型得到的贡献值作为该对话节点的权重参数。通过该权重参数来评价对话节点的位置以及对转化节点的影响情况,可以更好地从全局对对话节点进行评估。
图11示出了根据本公开的实施例的在图2的方法中调整对话节点(步骤240)的示例操作的流程图。如图11所示,步骤240进一步包括步骤1110和步骤1120。
在步骤1110,可以基于至少一个对话节点的权重参数,从至少一个对话节点中查找需要进行调整操作的对话节点。示例性地,可以通过权重参数的高低对对话节点进行排序,查找排序结果发生变化的对话节点。
在步骤1120,可以对需要进行调整操作的对话节点进行剪裁或重置,以使得由需要进行调整操作的对话节点所表示的交互页面被相应地移除或重新布局。
综上所述,可以根据由决策过程模型求解出来的对话节点的权重参数对对话节点所表示的交互页面进行调整和优化。由于对话节点的权重参数体现了从全局对话节点的评估,因此基于此的调整和优化可以保证人机对话***处于优化的状态并且保持较高的转化效果。
图12示出了根据本公开的实施例的在图11的方法中查找需要进行调整操作的对话节点(步骤1110)的示例操作的流程图。如图12所示,步骤1110进一步包括步骤1210至步骤1250。
在步骤1210,可以获得至少一个对话节点当前的第一序位。
在步骤1220,可以根据至少一个对话节点的权重参数的大小对至少一个对话节点进行排序。
在步骤1230,可以获得至少一个对话节点在经所述排序后的第二序位。
在步骤1240,可以对至少一个对话节点的第一序位和第二序位进行比较。
在步骤1250,可以基于比较的结果,确定需要进行调整操作的对话节点。
综上所述,通过对话节点进行排序并比较排序前后对话节点的序位,可以查找到例如在当前人机对话***中对话节点对转化效果不佳的节点,或者转化效果较好但是排序靠后的节点等。因此,通过调整这些对话节点可以保证***处于较优的高转化率状态。
在一些示例性实施例中,对需要进行调整操作的对话节点进行剪裁可以包括对所述需要进行调整操作的对话节点中具有最小第二序位的对话节点进行剪裁,以使得由所述具有最小第二序位的对话节点所表示的交互页面从人机对话***中被相应地移除。
由于对话节点的权重参数表示该对话节点对转化节点的贡献值,因此剪裁掉具有最低贡献值的对话节点能够从整体上提高人机对话***的转化率。
图13A-13C示出了根据本公开的实施例的人机对话***的调整方法对一个示例***进行调整的示意图。如图13A所示,调整前的人机对话***1300A包括对话节点1310、1320、1330和1340等。
在一些示范性实施例中,至少一个对话节点1310、1320、1330和1340所分别表示的交互页面1310’、1320’、1330’和1340’,每个交互页面都包括至少一个交互入口,每个交互入口指向由至少一个对话节点中的相应对话节点所表示的下一个交互页面。示例性地,对话节点1310可以包括交互入口1312、1314和1316,并且对话节点1330可以包括交互入口1332、1334、1336和1338。示例性地,交互入口1312可以指向由对话节点1320所表示的下一个交互页面1320’。交互入口1338可以指向由对话节点1340所表示的下一个交互页面1340’。
示例性地,对需要进行调整操作的对话节点进行重置可以包括:
对于需要进行调整操作的对话节点中的每个对话节点:按照该对话节点表示的交互页面中的至少一个交互入口指向的交互页面所对应的对话节点的排序,重置该对话节点中的至少一个交互入口,以使得至少一个交互入口在该对话节点所表示的交互页面中从上到下依照排序结果呈现。
应当理解的是,图13A表示的人机对话***1300A仅为示意性的,对话***1300A可以包括任意多个对话节点。
图13B是根据本公开的实施例的方法,对图13A中的人机对话***1300A中的至少一个对话节点1310、1320、1330和1340等中的每一个,计算其相应权重参数并排序的结果1300B。图13B中与图13A中相似的附图标记表示相似的元件,在此不再赘述。
如图13B所示,对话节点权重参数排序结果1300B可以包括对话节点1310至1340所对应的权重参数。示例性地,1350表示对话节点1340的权重参数并且1360表示对话节点1320的权重参数。
示例性地,对于人机对话***1300A,对话节点1310至1340依次出现。经过计算各个对话节点的权重参数后,重新对对话节点排序的结果如1300B中所示。依照权重参数大小排序的对话节点1310至1340的序位被改变为:从上到下依次为对话节点1340、1310、1330和1320。
图13C是根据对话节点的权重参数排序结果1300B对人机对话***1300A进行调整后的人机对话***1300C的示意图。图13C中与图13A和13B中相似的附图标记表示相似的元件,在此不再赘述。
如图13C所示,由于对话节点1320在权重参数排序1300B中具有最低的权重参数,其表示了节点1320对于转化的贡献值最低,从而可以在调整中对对话节点1320进行剪裁,使得对话节点1320所表示的交互页面1320’不再呈现给用户。
示例性地,由于对话节点1340在权重参数排序1300B中具有最高的权重参数,表示了其对转化节点的贡献值最高,因此可以对指向对话节点1340的交互入口1338进行调整以使得交互入口1338在其对应的交互页面上处于最上方的位置。对话节点1330C表示了对话节点1330依照权重参数排序1300B进行重置后的对话节点,其中指向权重参数最高的对话节点1340的交互入口1338位于对话节点1330C所表示的交互页面的中所有交互入口的最上方,从而保证用户在该交互页面通过交互入口1338进行交互的概率最高。
综上所述,通过全局评估每个对话节点的权重参数,可以根据权重参数对整个人机对话***的对话节点进行调整和优化,从而保证了调整和优化后的人机对话***中具有较高的权重参数的对话节点被用户访问到的概率较高。
图14示出了根据本公开的实施例的在图2的方法中获取对话***的对话日志(步骤210)的示例操作的流程图。如图14所示,步骤210还包括步骤1410至步骤1430。
在步骤1410,收集来自人机对话***的对话日志数据。示例性地,对话日志数据收集可以为相关技术中的常规数据收集方法。对话日志数据可以包括用户的交互行为数据和与交互无关的数据。
在步骤1420,统计用户与人机对话***的交互行为。示例性地,可以统计用户在当前对话节点的跳转行为。例如当存在用户在当前对话节点跳转到下一个对话节点,可以统计该跳转行为对应的数据。可选地,当用户不进行任何操作而退出人机对话***时,可以统计该行为的数据。可选地,当用户访问存在于对话节点上的目标链接时,可以统计该访问目标链接的数据。
在步骤1430,删除对话日志数据中除交互行为之外的数据。示例性地,可以对收集到的对话日志数据进行清洗,以删除其中与交互行为无关的数据。
综上所述,根据本公开的实施例的方法,通过筛选掉人机对话数据中无关的数据来获得对话日志,以保证每个对话节点的交互数据都被考虑到,进而能够从获得包括准确的全局信息的人机对话日志。
图15示出了根据本公开的实施例的人机对话***的调整方法1500的整体操作的流程图。如图15所示,人机对话***调整方法1500包括日志收集步骤1510、日志清洗步骤1520、建立节点状态跳转图的步骤1530以及对话节点权重参数估计步骤1540。然后,经由判断步骤1550确定当前的人机对话***是否是最优状态。若经对话节点的权重参数比较后不存在需要调整的对话节点,表示当前***处于最优状态,则进入步骤1590。步骤1590查询其他的人机对话***并且在一段时间后触发新一轮的日志收集过程。若经对话节点的权重参数比较后存在需要调整的对话节点,表示当前***不是最优状态,则进入对话节点调整步骤1560。示例性地,步骤1510-1560可以是如本公开图2至图14所描述的相应步骤,在此不再赘述。
在一些示范性实施例中,每隔一定时间间隔1570,步骤1580更新人机对话***的对话日志,并且基于更新的对话日志,重复本公开方法的各步骤。
综上所述,人机对话***的调整方法1500可以在经历一段新的人机对话之后,自动对当前的人机对话***进行日志收集、对话节点评估以及对话节点调整和优化。因此,调整方法1500能够在每隔一定时间间隔对人机对话***进行无人值守的自动调整和优化,节省了运营的人力成本。
图16示出了根据本公开实施例的人机对话***调整装置的框图。如图16所示,人机对话***的调整装置1600可以包括:获取单元1610,被配置为获取与人机对话***1600相关联的对话日志;创建单元1620,被配置为基于对话日志,创建节点状态跳转图,节点状态跳转图限定多个对话节点和多个对话节点之间的跳转关系,多个对话节点中的至少一个对话节点表示所述人机对话***的相应交互页面;计算单元1630,被配置为基于节点状态跳转图,计算至少一个对话节点的权重参数;以及调整单元1640,被配置为基于至少一个对话节点的权重参数,对至少一个对话节点所表示的交互页面执行相应的调整操作。
在一些示范性实施例中,创建单元1620可以包括:统计子单元1622,被配置为基于对话日志,统计对人机对话***1600的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作;以及生成子单元1624,被配置为基于对人机对话***1600的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作,生成多个对话节点和所述多个对话节点之间的跳转关系,从而得到节点状态跳转图。
在另一些示范性实施例中,多个对话节点可以包括转化节点,转化节点可以表示用户在人机对话***1600的一个或多个交互页面上访问目标链接的行为。
在另一些示范性实施例中,计算单元1630可以包括:第一计算子单元1632,被配置为基于多个对话节点之间的跳转关系,计算多个对话节点之间的跳转概率;建立子单元1634,被配置为基于多个对话节点之间的跳转概率,建立决策过程模型;以及第二计算子单元1636,被配置为基于决策过程模型,计算至少一个对话节点各自对于转化节点的贡献值,以作为至少一个对话节点各自的权重参数。
在另一些示范性实施例中,调整单元1640可以包括:查找子单元1642,被配置为基于至少一个对话节点的权重参数,从至少一个对话节点中查找需要进行调整操作的对话节点;以及调整子单元1644,被配置为对需要进行调整操作的对话节点进行剪裁或重置,以使得由需要进行调整操作的对话节点所表示的交互页面被相应地移除或重新布局。
综上所述,装置1600能够从全局对人机对话***中的每个对话节点进行评估打分,并利用权重参数对人机对话***进行调整和优化,从而保证了人机对话***能够处于具有较高目标转化情况的最优状态。
应当理解,图16中所示装置1600的各个单元和子单元可以与参考图2至图14描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置1600及其包括的单元和子单元,并且为了简洁起见不再赘述。
虽然上面参考特定单元讨论了特定功能,但是应当注意,本文讨论的各个单元的功能可以分为多个单元,和/或多个单元的至少一些功能可以组合成单个单元。本文讨论的特定单元执行动作包括该特定单元本身执行该动作,或者替换地该特定单元调用或以其他方式访问执行该动作(或结合该特定单元一起执行该动作)的另一个组件或单元。因此,执行动作的特定单元可以包括执行动作的该特定单元本身和/或该特定单元调用或以其他方式访问的、执行动作的另一单元。
本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面描述的各个单元、子单元可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些单元、子单元可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。例如,单元、子单元中的一个或多个可以一起被实现在片上***(SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(CPU)、微控制器、微处理器、数字信号处理器(DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的另一方面,提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上的计算机程序。其中,处理器被配置为执行计算机程序以实现上述的人机对话***的调整方法的步骤。
根据本公开的另一方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序。其中,计算机程序被处理器执行时实现上述的人机对话***的调整方法的步骤。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序。其中,计算机程序被处理器执行时实现上述的人机对话***的调整方法的步骤。
在下文中,结合图17描述这样的计算机设备、非暂态计算机可读存储介质和计算机程序产品的示例。图17示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
参考图17,现将描述可以作为本公开的服务器或客户端的电子设备1700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图17所示,设备1700包括计算单元1701,其可以根据存储在只读存储器(ROM)1702中的计算机程序或者从存储单元1708加载到随机访问存储器(RAM)1703中的计算机程序,来执行各种适当的动作和处理。在RAM 1703中,还可存储设备1700操作所需的各种程序和数据。计算单元1701、ROM 1702以及RAM 1703通过总线1704彼此相连。输入/输出(I/O)接口1705也连接至总线1704。
设备1700中的多个部件连接至I/O接口1705,包括:输入单元1706、输出单元1707、存储单元1708以及通信单元1709。输入单元1706可以是能向设备1700输入信息的任何类型的设备,输入单元1706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1708可以包括但不限于磁盘、光盘。通信单元1709允许设备1700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1701执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1702和/或通信单元1709而被载入和/或安装到设备1700上。当计算机程序加载到RAM 1703并由计算单元1701执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (14)
1.一种人机对话***的调整方法,包括:
获取与所述人机对话***相关联的对话日志;
基于所述对话日志,创建节点状态跳转图,所述节点状态跳转图限定多个对话节点和所述多个对话节点之间的跳转关系,所述多个对话节点中的至少一个对话节点表示所述人机对话***的相应交互页面;
基于所述节点状态跳转图,计算所述至少一个对话节点的权重参数;以及
基于所述至少一个对话节点的权重参数,对所述至少一个对话节点所表示的交互页面执行相应的调整操作,
其中,所述多个对话节点包括转化节点,所述转化节点表示用户在所述人机对话***的一个或多个交互页面上访问目标链接的行为,
其中,所述基于所述节点状态跳转图,计算所述至少一个对话节点的权重参数包括:
基于所述多个对话节点之间的跳转关系,计算所述多个对话节点之间的跳转概率;
基于所述多个对话节点之间的跳转概率,建立决策过程模型;以及
基于所述决策过程模型,计算所述至少一个对话节点各自对于所述转化节点的贡献值,以作为所述至少一个对话节点各自的权重参数,
其中,所述基于所述决策过程模型,计算所述至少一个对话节点各自对于所述转化节点的贡献值包括:
对所述多个对话节点中的每一个赋予奖励值;
基于所述决策过程模型中与多个对话节点中的每一个对应的收益函数、该对话节点与其他对话节点之间的所述跳转概率以及所述其他对话节点的奖励值,计算该对话节点的收益函数的期望;并且
将所述至少一个对话节点各自的收益函数的期望作为所述至少一个对话节点各自对于所述转化节点的贡献值,
其中,所述基于所述至少一个对话节点的权重参数,对所述至少一个对话节点所表示的交互页面执行相应的调整操作包括:
调整所述至少一个对话节点,使得所述至少一个对话节点所表示的交互页面按照所述权重参数的高低的顺序呈现给用户。
2.如权利要求1所述的方法,其中,所述基于所述对话日志,创建节点状态跳转图包括:
基于所述对话日志,统计对所述人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作;以及
基于对所述人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作,生成所述多个对话节点和所述多个对话节点之间的跳转关系,从而得到所述节点状态跳转图。
3.如权利要求1所述的方法,其中,所述基于所述多个对话节点之间的跳转概率,建立决策过程模型包括:
获取所述多个对话节点中的每一个的奖励函数,所述多个对话节点中的每一个的奖励函数为当决策主体处于该对话节点处时,所述决策主体在下一个跳转时刻能够获得的奖励值的期望;
获取衰减系数,所述衰减系数作用于所述奖励函数以得到有衰减的奖励;
获取所述多个对话节点中的每一个的收益函数,所述收益函数为从当前对话节点开始往后的所有跳转时刻的有衰减的奖励的求和结果;并且
根据所述奖励函数、衰减系数、收益函数和所述多个对话节点之间的跳转概率,建立衡量所述至少一个对话节点对所述转化节点的贡献的模型,作为所述决策过程模型。
4.如权利要求1所述的方法,其中,所述调整所述至少一个对话节点,使得所述至少一个对话节点所表示的交互页面按照所述权重参数的高低的顺序呈现给用户包括:
基于所述至少一个对话节点的权重参数,从所述至少一个对话节点中查找需要进行调整操作的对话节点;以及
对所述需要进行调整操作的对话节点进行剪裁或重置,以使得由所述需要进行调整操作的对话节点所表示的交互页面被相应地移除或重新布局。
5.如权利要求4所述的方法,其中,所述基于所述至少一个对话节点的权重参数,从所述至少一个对话节点中查找需要进行调整操作的对话节点包括:
获得所述至少一个对话节点当前的第一序位;
根据所述至少一个对话节点的权重参数的大小对所述至少一个对话节点进行排序;
获得所述至少一个对话节点在经所述排序后的第二序位;
对所述至少一个对话节点的第一序位和第二序位进行比较;
基于所述比较的结果,确定所述需要进行调整操作的对话节点。
6.如权利要求5所述的方法,其中,所述对所述需要进行调整操作的对话节点进行剪裁包括:
对所述需要进行调整操作的对话节点中具有最小第二序位的对话节点进行剪裁,以使得由所述具有最小第二序位的对话节点所表示的交互页面从所述人机对话***中被相应地移除。
7.如权利要求5所述的方法,
其中,所述至少一个对话节点所表示的交互页面均包括至少一个交互入口,每个交互入口指向由所述至少一个对话节点中的相应对话节点所表示的下一个交互页面,
其中,所述对所述需要进行调整操作的对话节点进行重置包括:
对于所述需要进行调整操作的对话节点中的每个对话节点:
按照该对话节点表示的交互页面中的所述至少一个交互入口指向的交互页面所对应的对话节点的排序,重置该对话节点中的所述至少一个交互入口,以使得所述至少一个交互入口在该对话节点所表示的交互页面中从上到下依照排序结果呈现。
8.如权利要求1所述的方法,其中,所述获取与所述人机对话***相关联的对话日志包括:
收集来自所述人机对话***的对话日志数据;
统计用户与所述人机对话***的交互行为;以及
删除所述对话日志数据中除所述交互行为之外的数据。
9.如权利要求1至8中任一项所述的方法,进一步包括:
每隔一定时间间隔,更新所述人机对话***的对话日志;并且
基于更新的对话日志,重复所述方法的各步骤。
10.一种人机对话***的调整装置,包括:
获取单元,被配置为获取与所述人机对话***相关联的对话日志;
创建单元,被配置为基于所述对话日志,创建节点状态跳转图,所述节点状态跳转图限定多个对话节点和所述多个对话节点之间的跳转关系,所述多个对话节点中的至少一个对话节点表示所述人机对话***的相应交互页面;
计算单元,被配置为基于所述节点状态跳转图,计算所述至少一个对话节点的权重参数;以及
调整单元,被配置为基于所述至少一个对话节点的权重参数,对所述至少一个对话节点所表示的交互页面执行相应的调整操作,
其中,所述多个对话节点包括转化节点,所述转化节点表示用户在所述人机对话***的一个或多个交互页面上访问目标链接的行为,
其中,所述基于所述节点状态跳转图,计算所述至少一个对话节点的权重参数包括:
基于所述多个对话节点之间的跳转关系,计算所述多个对话节点之间的跳转概率;
基于所述多个对话节点之间的跳转概率,建立决策过程模型;以及
基于所述决策过程模型,计算所述至少一个对话节点各自对于所述转化节点的贡献值,以作为所述至少一个对话节点各自的权重参数,
其中,所述基于所述决策过程模型,计算所述至少一个对话节点各自对于所述转化节点的贡献值包括:
对所述多个对话节点中的每一个赋予奖励值;
基于所述决策过程模型中与多个对话节点中的每一个对应的收益函数、该对话节点与其他对话节点之间的所述跳转概率以及所述其他对话节点的奖励值,计算该对话节点的收益函数的期望;并且
将所述至少一个对话节点各自的收益函数的期望作为所述至少一个对话节点各自对于所述转化节点的贡献值,
其中,所述基于所述至少一个对话节点的权重参数,对所述至少一个对话节点所表示的交互页面执行相应的调整操作包括:
调整所述至少一个对话节点,使得所述至少一个对话节点所表示的交互页面按照所述权重参数的高低的顺序呈现给用户。
11.如权利要求10所述的装置,其中,所述创建单元包括:
统计子单元,被配置为基于所述对话日志,统计对所述人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作;以及
生成子单元,被配置为基于对所述人机对话***的每个交互页面进行访问的独立用户的个数和独立用户针对每个交互页面所进行的操作,生成所述多个对话节点和所述多个对话节点之间的跳转关系,从而得到所述节点状态跳转图。
12.如权利要求10所述的装置,其中,所述调整单元包括:
查找子单元,被配置为基于所述至少一个对话节点的权重参数,从所述至少一个对话节点中查找需要进行调整操作的对话节点;以及
调整子单元,被配置为对所述需要进行调整操作的对话节点进行剪裁或重置,以使得由所述需要进行调整操作的对话节点所表示的交互页面被相应地移除或重新布局。
13.一种计算机设备,包括:
存储器、处理器以及存储在所述存储器上的计算机程序,
其中,所述处理器被配置为执行所述计算机程序以实现权利要求1-9中任一项所述的方法的步骤。
14.一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011566521.5A CN112559721B (zh) | 2020-12-25 | 2020-12-25 | 人机对话***的调整方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011566521.5A CN112559721B (zh) | 2020-12-25 | 2020-12-25 | 人机对话***的调整方法、装置、设备、介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559721A CN112559721A (zh) | 2021-03-26 |
CN112559721B true CN112559721B (zh) | 2023-10-20 |
Family
ID=75033050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011566521.5A Active CN112559721B (zh) | 2020-12-25 | 2020-12-25 | 人机对话***的调整方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559721B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257224A (zh) * | 2021-05-12 | 2021-08-13 | 思必驰科技股份有限公司 | 用于多轮对话的tts优化方法及*** |
CN115268282A (zh) * | 2022-06-29 | 2022-11-01 | 青岛海尔科技有限公司 | 家电设备的控制方法、装置、存储介质及电子装置 |
CN115577089B (zh) * | 2022-11-24 | 2023-03-10 | 零犀(北京)科技有限公司 | 一种优化对话流程中节点的方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9767408B1 (en) * | 2016-09-16 | 2017-09-19 | International Business Machines Corporation | Multi-memristive synapse with clock-arbitrated weight update |
CN107402877A (zh) * | 2016-05-19 | 2017-11-28 | 福建天晴数码有限公司 | 基于Android端的APP测试方法及*** |
CN108415932A (zh) * | 2018-01-23 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
CN108463849A (zh) * | 2016-03-16 | 2018-08-28 | 谷歌有限责任公司 | 确定语言模型的对话状态 |
CN110659091A (zh) * | 2018-06-29 | 2020-01-07 | 国际商业机器公司 | 会话代理对话流用户界面 |
CN111837116A (zh) * | 2017-12-18 | 2020-10-27 | 财富智慧股份有限公司 | 用于自动构建或更新对话式ai代理***的分层对话流管理模型的方法、计算机装置及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10387463B2 (en) * | 2017-07-06 | 2019-08-20 | International Business Machines Corporation | Dialog agent for conducting task-oriented computer-based communications |
-
2020
- 2020-12-25 CN CN202011566521.5A patent/CN112559721B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108463849A (zh) * | 2016-03-16 | 2018-08-28 | 谷歌有限责任公司 | 确定语言模型的对话状态 |
CN107402877A (zh) * | 2016-05-19 | 2017-11-28 | 福建天晴数码有限公司 | 基于Android端的APP测试方法及*** |
US9767408B1 (en) * | 2016-09-16 | 2017-09-19 | International Business Machines Corporation | Multi-memristive synapse with clock-arbitrated weight update |
CN111837116A (zh) * | 2017-12-18 | 2020-10-27 | 财富智慧股份有限公司 | 用于自动构建或更新对话式ai代理***的分层对话流管理模型的方法、计算机装置及计算机可读存储介质 |
CN108415932A (zh) * | 2018-01-23 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
CN110659091A (zh) * | 2018-06-29 | 2020-01-07 | 国际商业机器公司 | 会话代理对话流用户界面 |
Also Published As
Publication number | Publication date |
---|---|
CN112559721A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559721B (zh) | 人机对话***的调整方法、装置、设备、介质和程序产品 | |
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
CN114612749B (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
CN114791982B (zh) | 对象推荐方法和装置 | |
CN111738418A (zh) | 超网络的训练方法和装置 | |
CN114861910A (zh) | 神经网络模型的压缩方法及装置、设备和介质 | |
CN112784985A (zh) | 神经网络模型的训练方法及装置、图像识别方法及装置 | |
CN114924862A (zh) | 利用整数规划求解器实现的任务处理方法、设备和介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114881170A (zh) | 用于对话任务的神经网络的训练方法和对话任务处理方法 | |
CN114676062A (zh) | 用于接口的差异数据测试方法及装置、电子设备和介质 | |
CN112579587B (zh) | 数据清洗方法及装置、设备和存储介质 | |
CN114445147A (zh) | 电子券发放方法及装置、设备和介质 | |
CN114443896A (zh) | 数据处理方法和用于训练预测模型的方法 | |
CN113722594A (zh) | 推荐模型的训练方法、推荐方法、装置、电子设备及介质 | |
CN112860681A (zh) | 数据清洗方法及装置、计算机设备和介质 | |
CN112784912A (zh) | 图像识别方法及装置、神经网络模型的训练方法及装置 | |
CN116842156B (zh) | 数据生成方法及装置、设备和介质 | |
CN115713071B (zh) | 用于处理文本的神经网络的训练方法和处理文本的方法 | |
CN113284484B (zh) | 模型训练方法及装置、语音识别方法和语音合成方法 | |
CN115115051A (zh) | 神经网络模型的量化方法、装置、电子设备和存储介质 | |
CN114169440A (zh) | 模型训练方法、数据处理方法、装置、电子设备及介质 | |
CN114219079A (zh) | 特征选择方法及装置、模型训练方法及装置、设备和介质 | |
CN114048759A (zh) | 模型训练方法、数据处理方法、装置、设备及介质 | |
CN113420227A (zh) | 点击率预估模型的训练方法、预估点击率的方法、装置 |
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 |