CN114356173A - 消息回复方法及相关装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了一种消息回复方法及相关装置、电子设备和存储介质，其中，消息回复方法包括：响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息；基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息。上述方案，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

Description

消息回复方法及相关装置、电子设备和存储介质

技术领域

本申请涉及信息交互技术领域，特别是涉及一种消息回复方法及相关装置、电子设备和存储介质。

背景技术

随着各行各业的快速发展，人们对于沟通效率的诉求越来越高。以办公场景为例，在办公过程中由于需要专注工作，没有多余精力斟酌词句来回复对方，或者，以日常生活为例，在与朋友聊天过程中，有时会因为考虑如何回复对方而琢磨半天，如此种种，均会影响沟通效率。

目前，一般需要用户提供无障碍权限后收集用户对话信息，以为用户提供回复话术，不仅存在隐私泄露风险，而且存在高耗电、高耗内存等问题。有鉴于此，如何在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗，成为亟待解决的问题。

发明内容

本申请主要解决的技术问题是提供一种消息回复方法及相关装置、电子设备和存储介质，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

为了解决上述技术问题，本申请第一方面提供了一种消息回复方法，包括：响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息；基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息。

为了解决上述技术问题，本申请第二方面提供了一种消息回复装置，包括：消息预测模块和消息选择模块，消息预测模块，用于响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息；消息选择模块，用于基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息。

为了解决上述技术问题，本申请第三方面提供了一种电子设备，包括屏幕、通信电路、存储器和处理器，屏幕、通信电路和存储器耦接至处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的消息回复方法。

为了解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的消息回复方法。

上述方案，响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息，在此基础上，基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息，故在消息回复过程中，一方面无需用户手动输入即可根据对端消息预测得到若干候选消息，用户仅需对若干候选消息进行选择即可回复，有利于提升沟通效率，另一方面通过扩展界面作为内容中转，无需依赖于无障碍权限，有利于降低隐私泄露风险以及电量、内存消耗。故此，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

附图说明

图1是本申请消息回复方法一实施例的流程示意图；

图2是智能回复功能一实施例的设置示意图；

图3是输入法与扩展界面存在绑定关系时一实施例的示意图；

图4是输入法与扩展界面不存在绑定关系时一实施例的示意图；

图5是消息排序模型一实施例的框架示意图；

图6是本申请消息回复方法另一实施例的流程示意图；

图7是本申请消息回复方法一实施例的过程示意图；

图8是本申请消息回复装置一实施例的框架示意图；

图9是本申请电子设备一实施例的框架示意图；

图10是本申请计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“***”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。

请参阅图1，图1是本申请消息回复方法一实施例的流程示意图。

具体而言，可以包括如下步骤：

步骤S11：响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息。

在一个实施场景中，根据具体应用场景，交互界面也可以不尽相同。以聊天场景为例，交互界面可以是任意通讯程序所提供的视窗界面，示例性地，通讯程序可以包括但不限于：微信、QQ、iMessage等即时通讯软件，当然，通讯程序也可以包括但不限于短信等非即时通讯软件；或者，以线上购物场景为例，交互界面也可以任意购物程序所提供的交互视窗，示例性地，购物程序可以包括但不限于：淘宝、京东等电商软件。当然，在现实场景中，交互界面还可以存在于电子政务场景、保险咨询场景等等，具体可以根据上述描述类推，在此不再一一举例。

在一个实施场景中，本申请公开实施例的技术方案集成于输入法中，则在检测用户是否复制对端消息之前，可以先确保输入法开启智能回复功能，在确保输入法已经开启智能回复功能的情况下，执行本申请公开实施例中步骤。请结合参阅图2，图2是智能回复功能一实施例的设置示意图。如图2所示，黑色加粗矩形框所示为智能回复功能的开启/关闭选项，在开启智能回复功能的情况下，可以在选项上显示第一标识符，以提示用户当前已经开启智能回复功能，第一标识符可以根据实际情况自定义设置，如可以设置为如图2中所示的“√”，或者，也可以将该选项加上诸如“蓝色”等背景色，在此不做限定。

在一个具体的实施场景中，响应于用户开启输入法的智能回复功能，可以将输入法与扩展界面建立绑定关系，并检测用户是否复制对端消息，且在输入法与扩展界面存在绑定关系的情况下，扩展界面与输入法的输入界面保持同屏显示。具体地，在输入法与扩展界面建立绑定关系的情况下，可以在输入界面显示第二标识符，以提示用户输入法与扩展界面当前为绑定关系。请结合参阅图3，图3是输入法与扩展界面存在绑定关系时一实施例的示意图。如图3所示，第二标识符可以设置为“图钉”样式，且在输入法与扩展界面存在绑定关系时，“图钉”以深色背景表示。当然，第二标识符也可以根据需要自定义设置为其他样式，如可以包括但不限于：“磁铁”样式、“箭头”样式等等，在此不做限定。上述方式，在用户开启输入法的智能回复功能的情况下，默认将输入法语扩展界面建立绑定关系，并执行后续检测用户是否复制对端消息的操作，且在在输入法与扩展界面存在绑定关系的情况下，扩展界面与输入法的输入界面保持同屏显示，故用户在每次复制对端消息的情况下，无需重复唤起扩展界面，有利于降低内存消耗。

在一个具体的实施场景中，扩展界面可以为提供智能回复建议的特定区域。如图3所示，扩展界面可以设置于输入法显示界面之上。当然，扩展界面也可以设置于输入法显示界面的下方，或者其他位置，在此不做限定。

在一个具体的实施场景中，在将输入法与扩展界面建立绑定关系之后，用户可以根据自身需要解除该绑定关系，在此情况下，响应于用户对绑定关系的解除指令，可以直接解除输入法与扩展界面之间的绑定关系，且在输入法与扩展界面不存在绑定关系的情况下，扩展界面在满足预设触发条件时，与输入界面保持同屏显示，且预设触发条件包括：检测到用户复制对端消息，也就是说，在解除输入法与扩展界面之间的绑定关系之后，只有当检测到用户复制对端消息时，才重新唤起扩展界面。具体地，在输入法与扩展界面不存在绑定关系的情况下，可以在输入界面显示第三标识符，以提示用户输入法与扩展界面当前不存在绑定关系。请结合参阅图4，图4是输入法与扩展界面不存在绑定关系时一实施例的示意图。如图4所示，第三标识符也可以设置为“图钉”样式，且在输入法与扩展界面不存在绑定关系时，“图钉”以浅色背景表示。当然，第三标识符也可以根据需要自定义设置为其他样式，如可以包括但不限于：“磁铁”样式、“箭头”样式等等，在此不做限定。此外，如前所述，在输入法与扩展界面建立绑定关系的情况下，可以在输入界面显示第二标识符，则上述解除指令可以是对第二标识符的点击指令。请结合参阅图3和图4，在检测到用户对图3所示的第二标识符的点击指令之后，可以视为用户需要解除输入法与扩展界面的绑定关系，此时“图钉”样式从深色变为图4所示的浅色，以作为第三标识符。其他情况可以以此类推，在此不再一一举例。上述方式，响应于用户对绑定关系的解除指令，解除输入法与扩展界面之间的绑定关系，且在输入法与扩展界面不存在绑定关系的情况下，扩展界面在满足预设触发条件时，与输入界面保持同屏显示，且预设触发条件包括：检测到用户复制对端消息，故在建立绑定关系之后，还支持用户自定义解除该绑定关系，有利于提升用户操作体验。

在一个实施场景中，在预测候选消息的过程中，可以先识别对端消息的聊天主题，并从预设交互库中提取与聊天主题相关的若干候选交互对，且每个候选交互对包括第一交互消息和回复第一交互消息的第二交互消息，在此基础上，再基于对端消息分别与若干候选交互对中第一交互消息之间的语义相似度，选择至少一个第一交互消息所属的候选交互对，并将被选择的候选交互对中的第二交互消息，作为候选消息。上述方式，通过先识别聊天主题，再筛选候选交互对，最后根据语义相似度选择候选消息，一方面能够避免无关主题的预测干扰，缩小筛选范围，有利于提升预测效率，另一方面通过语义相似度来选择候选交互对，也能够在语义层面排除与对端消息语义无关的交互消息，有利于提升预测精度。故此，能够有利于提升候选消息预测的效率和精度。

在一个具体的实施场景中，聊天主题可以是由多层主题模型自上而下逐步识别得到的，且越上层的主题模型对应主题的涵盖范围越大，越下层的主题模型对应主题的涵盖范围越小。示例性地，第一层主题模型对应主题可以包括体育、金融、科技三个主题，即第一层主题模型用于区分对端消息属于上述三个主题中的哪一个，基于此，可以在第二层设有三个主题模型，其中一个主题模型对应主题可以包括足球、篮球、羽毛球三个主题，即这个主题模型用于在确定属于“体育”主题的情况下进一步区别属于足球、篮球、羽毛球中的哪一个，第二层中另一个主题模型对应主题可以包括股票、期货、基金三个主题，即这个主题模型用于在确定属于“金融”主题的情况下进一步区别属于股票、期货、基金中的哪一个，第二层中又一个主题模型对应主题可以包括信息技术、建筑工程、生物技术三个主题，即这个主题模型用于在确定属于“科技”主题的情况下进一步区别属于信息技术、建筑工程、生物技术中的哪一个，以此类推，还可以设置第三层、第四层等，在此不做限定。需要说明的是，上述举例仅仅是实际应用过程中一种可能的多层主题模型的设置方式，并不因此而限定多层主题模型的具体设置方式。具体地，可以通过日志解析或人工整理，预先收集用户一对一交互语料，一对一交互语料可以包括问题Q和回答A，则可以对数据集(Q，A)分词并去除停用词后进行LDA(即Latent Dirichlet Allocation)聚类，并指定参数n为层级数，设定n个不同主题数，主题数越高对应模型能够更精确地映射到具体主题，在此基础上，通过数据集(Q，A)分别训练n个LDA模型，即可获取n层主题模型。需要说明的是，LDA模型可以通过Gibbs采样确定，LDA模型的参数确定过程以及Gibbs采样的具体含义，可以参阅LDA模型、Gibbs采样的技术细节，在此不再赘述。上述方式，利用多层主题模型自上而下逐步识别得到聊天主题，且越上层的主题模型对应主题的涵盖范围越大，越下层的主题模型对应主题的涵盖范围越小，能够有利于提升聊天主题的精度。

在一个具体的实施场景中，上述预设交互库可以是基于用户的历史聊天记录预先构建的，且预设交互库包括用户关于若干主题的交互对。示例性地，可以从用户历史聊天记录采样得到关于“篮球”的若干交互对、关于“足球”的若干交互对等等，在此不再一一举例。上述方式，预设交互库是基于用户的历史聊天记录预先构建的，且预设交互库包括用户关于若干主题的交互对，能够使得最终预测出来的候选消息满足用户个性化聊天需求。

在一个具体的实施场景中，为了提升语义抽取的效率，可以预先训练语义提取模型，语义提取模型可以包括但不限于BERT(Bidirectional Encoder Representationsfrom Transformers，即基于Transformers的双向Encoder表示)等，在此不做限定。以语义提取模型设置为BERT为例，可以在训练过程中，构建下一句预测任务和遮蔽预测任务，将文本数据以字粒度进行独热编码(即one-hot)转换，并随机对语句中的字符进行遮蔽处理，以及预留首位字符(token)用于语句语义表示的学习。当BERT在上述两种任务训练收敛之后，即可将上述对端消息、第一交互消息分别输入BERT的嵌入层(即embedding)，并经多层Transformer处理之后，取首位字符(token)，以分别得到对端消息的第一语义表示和各个第一交互消息的第二语义表示，在此基础上，再计算第一语义表示分别与各个第二语义表示之间的余弦相似度，即可得到对端消息分别与若干候选交互对中第一交互消息之间的语义相似度。需要说明的是，BERT模型的训练过程，以及BERT模型的网络结构，可以参阅BERT模型的技术细节，在此不再赘述。

在一个具体的实施场景中，可以按照语义相似度由高到低的顺序将第一交互消息进行排序，并选择排在前预设序位(如前4位、前5位等)的第一交互消息所属的候选交互对，关于预设序位的具体数值可以自定义设置，在此不做限定。

在一个实施场景中，请结合参阅图3或图4，在得到候选消息之后，可以将候选消息显示于扩展界面上，以供用户选择。示例性地，在对端消息为“吃饭了没”的情况下，经预测得到的候选消息可以包括：“吃过了”、“你吃了吗”、“刚吃过”、“亲爱的你吃了吗”。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，在将候选消息显示于扩展界面之前，还可以基于候选消息，提取若干参考特征，且若干参考特征可以包括：与候选消息的句法结构相关的第一参考特征、与本次聊天相关的第二参考特征、与用户相关的第三参考特征，在此基础上，再基于候选消息的若干参考特征进行预测，得到候选消息被用户选择的概率值，从而可以基于各个候选消息的对应的概率值，将若干候选消息先进行排序。示例性地，可以按照概率值从高到低的顺序，将各个候选消息进行排序。进而在扩展界面上显示各个候选消息时，可以显示排序后的各个候选消息。上述方式，通过结合候选消息本身的句法特征、与本次聊天相关的特征以及该用户本身的特征，在此基础上预测各个候选消息被用户选择的概率值，能够满足不同用户不同聊天场景不同对话需求，有利于大大满足消息回复的个性化需求。

在一个具体的实施场景中，第一参考特征具体可以包括：候选消息的词性分布特征、语法结构特征、标点习惯特征中至少一者。需要说明的是，词性分布特征表示候选消息中地点、名字、动词等n种不同词性词语分布特征，而语法结构特征表示候选消息所呈现的诸如主谓宾、定状补等m种不同语法结构特征，标点习惯特征表示候选消息中标点占比。为了便于描述，词性分布特征可以记为

语法结构特征可以记为

标点习惯特征可以记为

上述方式，将第一参考特征设置为包括：候选消息的词性分布特征、语法结构特征、标点习惯特征中至少一者，能够从不同角度尽可能准确地描述候选消息的句法结构，提升特征准确性。

在一个具体的实施场景中，第二参考特征具体可以包括：本次聊天的对话关系特征、聊天场景特征、聊天时间特征中至少一者。需要说明的是，对话关系特征表示用户与对端之间的对话关系(如，家人、对象、孩子、朋友等)，聊天场景特征表示用户本次聊天所采用的应用程序(如，微信、QQ、钉钉等)，聊天时间表示用户本次聊天的时间(如，早上、上午、中午、下午、晚上等，或者工作日、休息日等，或者，也可以为具体的年月日时分秒，在此不做限定)。为了便于描述，对话关系特征可以记为

聊天场景特征可以记为

聊天时间特征可以记为

上述方式，将第二参考特征设置为包括：本次聊天的对话关系特征、聊天场景特征、聊天时间特征中至少一者，能够从不同角度尽可能准确地描述本次聊天的相关特征，提升特征准确性。

在一个具体的实施场景中，第三参考特征可以设置为包括：用户的年龄特征、性别特征中至少一者。为了便于描述，第三参考特征可以记为

上述方式，将第三参考特征设置为包括：用户的年龄特征、性别特征中至少一者，能够从不同角度尽可能准确地描述用户特征，提升特征准确性。

在一个具体的实施场景中，前述第二参考特征可以为经独热编码(one-hot)而得到的特征向量。示例性地，第二参考特征可以为预设维度的特征向量，预设维度可以根据实际应用情况进行设置，如可以设置为1000维、1200维等，在此不做限定。上述方式，将第二参考特征设置为经独热编码得到的特征向量，能够有利于降低特征编码的复杂度。

在一个具体的实施场景中，在得到候选消息的各个参考特征之后，可以将这些参考特征进行交互，得到若干交互特征，在此基础上，可以进一步基于若干交互特征进行预测，得到该候选消息的概率值，在得到各个候选消息的概率值之后，即可按照概率值对各个候选消息进行排序，并在扩展界面上显示排序后的各个候选消息。示例性地，为了提升概率值预测的效率，可以预先训练一个消息排序模型，如可以包括但不限于NN排序模型，在此对消息排序模型的网络结构不做限定。在此基础上，可以将候选消息的各个参考特征输入消息排序模型即可得到该候选消息被用户选择的概率值。请结合参阅图5，图5是消息排序模型一实施例的框架示意图。如图5所示，消息排序模型可以包括降维层、交互层和预测层，在降维层，各个第一参考特征分别经至少一层全连接层(Fully Connection，FC)降维，得到对应的第一降维特征，并对各个第二参考特征进行区域embedding降维并横向拼接，得到一个第二降维特征，以及各个第三参考特征分别经至少一层全连接层(即FC)降维，得到对应的第三降维特征；进一步地，在交互层，上述第一降维特征、第二降维特征、第三降维特征可以进行交互，得到若干交互特征。需要说明的是，交互层可以设置有预设数值(如，8个、10个等)个隐层节点，则交互之后，可以得到预设数值个交互特征。示例性地，对于每一第一降维特征而言，可以与其他第一降维特征、各个第二降维特征、各个第三降维特征进行交互，得到交互特征。请继续结合参阅图5，预测层可以包括多层感知机和归一化层，则上述若干交互特征经多层感知机处理之后，可以取多层感知机的隐层特征，并输入至归一化层(如，sigmoid等)进行预测，即可得到候选消息被用户选择的概率值。此外，在训练过程中，可以预先收集标注有样本标记的样本消息，且样本消息包括用户在交互界面手动输入的第一样本消息和非用户手动输入的第二样本消息(如，其他用户手动输入的样本消息等)，第一样本消息标注有第一标记(如，标记为1)，第二样本消息标注有第二标记(如，标记为0)，则可以基于样本消息提取若干样本参考特征，并利用消息排序模型对若干样本参考特征进行预测，得到该样本消息为用户输入的样本概率值，在此基础上，可以采用诸如二分类交叉熵等损失函数处理样本消息的样本标记以及样本概率值，得到消息排序模型的损失值，并采用诸如梯度下降等优化方式，基于损失值调整消息排序模型的网络参数。上述方式，通过将若干参考特征进行交互，得到若干交互特征，并基于若干交互特征进行预测，得到概率值，能够在预测过程中使得参考特征充分结合其他参考特征，有利于提升预测准确性。

步骤S12：基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息。

具体地，请结合参阅图3或图4，各个候选消息经排序之后，可以在扩展界面上进行显示：“吃过了”、“你吃了吗”、“刚吃过”、“亲爱的你吃了吗”，则用户可以通过直接点击的方式选择其中一个候选消息来回复对端消息，示例性地，用户可以直接点击第一个候选消息“吃过了”作为第一回复消息，以回复对端消息。其他情况可以以此类推，在此不再一一举例。

上述方案，响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息，在此基础上，基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息，故在消息回复过程中，一方面无需用户手动输入即可根据对端消息预测得到若干候选消息，用户仅需对若干候选消息进行选择即可回复，有利于提升沟通效率，另一方面通过扩展界面作为内容中转，无需依赖于无障碍权限，有利于降低隐私泄露风险以及电量、内存消耗。故此，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

请参阅图6，图6是本申请消息回复方法另一实施例的流程示意图。

具体而言，可以包括如下步骤：

步骤S61：响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息。

具体可以参阅前述公开实施例中相关描述，在此不再赘述。

步骤S62：基于用户的选择指令，选择候选消息，作为第一回复消息。

具体可以参阅前述公开实施例中相关描述，在此不再赘述。

步骤S63：基于第一回复消息进行预测，得到回复对端消息时跟随第一回复消息的第二回复消息。

具体地，为了提升消息预测的效率，可以预先训练一个消息预测模型，消息预测模型可以包括但不限于seq2seq模型，在此对网络结构不做限定。在此基础上，可以将第一回复消息输入消息预测模型，得到第二回复消息。示例性地，请结合参阅图3或图4，在用户选择“吃过了”作为第一回复消息的情况下，可以将第一回复消息“吃过了”输入消息预测模型，得到回复对端消息“吃饭了没”时跟随第一回复消息“吃过了”的第二回复消息“什么时候约个饭吧”。其他情况可以以此类推，在此不再一一举例。

在一个实施场景中，以消息预测模型为seq2seq模型为例，其可以包括编码网络(encoder)和解码网络(decoder)，编码网络和解码网络的具体结构以及操作过程，可以参阅seq2seq模型的技术细节，在此不再赘述。

在一个实施场景中，可以基于用户历史聊天记录预先收集若干组样本消息，且每组样本消息包括第一样本消息和跟随第一样本消息的第二样本消息。示例性地，其中一组样本消息可以包括第一样本消息“我今天坐地铁上班的”，以及跟随第一样本消息的第二样本消息“下班顺路一起回家吧”。在此基础上，对于每组样本消息，可以将第一样本消息输入消息预测模型进行消息预测，且在历次预测过程中，每次预测可以得到若干预设字符的预测概率值，在此基础上，可以基于第二样本消息中第i个样本字符在第i次预测时对应的预测概率值(其中，i为1至N，N为第二样本消息中样本字符的个数)，计算得到消息预测模型的损失值，并采用诸如梯度下降等优化方式，基于该损失值，调整消息预测模型的网络参数。损失的具体计算方式，可以参阅诸如交叉熵等损失函数的技术细节，参数的具体调整过程，可以参阅诸如梯度下降等优化方式的技术细节，在此不再赘述。

在一个实施场景中，第一回复消息、第二回复消息可以分先后发送，以回复对端消息。请结合参阅图3或图4，在收到对端消息“吃饭了没”之后，用户可以通过复制对端消息“吃饭了没”，经预测、排序可以得到扩展界面所示的各个候选消息，在用户点击候选消息“吃过了”之后，可以将候选消息“吃过了”作为第一回复消息，并发送至对端，以及基于第一回复消息“吃过了”进行预测，得到跟随第一回复消息“吃过了”的第二回复消息“什么时候约个饭吧”，并将第二回复消息发送至对端。

在一个实施场景中，第一回复消息和第二回复消息也可以作为整体同时发送，以回复对端消息。请结合参阅图3或图4，在收到对端消息“吃饭了没”之后，用户可以通过复制对端消息“吃饭了没”，经预测、排序可以得到扩展界面所示的各个候选消息，在用户点击候选消息“吃过了”之后，可以将候选消息“吃过了”作为第一回复消息，并基于第一回复消息“吃过了”进行预测，得到跟随第一回复消息“吃过了”的第二回复消息“什么时候约个饭吧”，以及将第一回复消息“吃过了”和第二回复消息“什么时候约个饭吧”作为整体同时发送至对端。

在一个实施场景中，请结合参阅图7，图7是本申请消息回复方法一实施例的过程示意图。如图7所示，响应于用户开启输入法的智能回复功能，将输入法与扩展界面建立绑定关系，并检测用户是否复制对端消息，基于此，在检测到用户在交互界面复制对端消息时，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息。在此过程中，可以利用预先构建的智能对话语料库模型进行相关预测，该智能对话语料库模型可以基于预先提取的问答语料，训练得到主题识别模型，从而利用主题识别模型识别得到对端消息的聊天主题，在此基础上，从预设交互库中提取与聊天主题相关的若干候选交互对，且每个候选交互对包括第一交互消息和回复第一交互消息的第二交互消息，在基于对端消息分别与若干候选交互对中第一交互消息之间的语义相似度，选择至少一个第一交互消息所属的候选交互对，从而将被选择的候选交互对中的第二交互消息，作为候选消息。此外，该智能对话语料库模型还进一步包括消息排序模型，从而可以结合各个候选消息提取得到的参考特征，利用消息排序模型对各个候选消息进行排序，并在扩展界面上，显示排序后的各个候选消息。之后，可以基于用户的选择指令，选择候选消息，作为第一回复消息，基于第一回复消息进行预测，得到回复对端消息时跟随第一回复消息的第二回复消息，从而可以将第一回复消息、第二回复消息分先后发送，以回复对端消息，或者第一回复消息和第二回复消息也可以作为整体同时发送，以回复对端消息。至此，即可完成一轮消息回复，进而可以继续检测用户是否复制对端消息，并在检测到用户再次复制对端消息的情况下，开启新一轮的消息回复。

上述方案，在基于用户选择候选消息得到第一回复消息之后，进一步基于第一回复消息进行预测，得到回复对端消息时跟随第一回复消息的第二回复消息，故能够在智能回复的基础上，进一步实现联想回复，有利于进一步提升用户体验。

请参阅图8，图8是本申请消息回复装置80一实施例的框架示意图。消息回复装置80包括：消息预测模块81和消息选择模块82，消息预测模块81，用于响应于检测到用户在交互界面复制对端消息，基于对端消息进行预测，得到用于回复对端消息的若干候选消息，并在与交互界面同屏显示的扩展界面上显示若干候选消息；消息选择模块82，用于基于用户的选择指令，选择候选消息，作为第一回复消息，以回复对端消息。

上述方案，一方面无需用户手动输入即可根据对端消息预测得到若干候选消息，用户仅需对若干候选消息进行选择即可回复，有利于提升沟通效率，另一方面通过扩展界面作为内容中转，无需依赖于无障碍权限，有利于降低隐私泄露风险以及电量、内存消耗。故此，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

在一些公开实施例中，消息回复装置80包括关系绑定模块，用于响应于用户开启输入法的智能回复功能，将输入法与扩展界面建立绑定关系，并检测用户是否复制对端消息；其中，在输入法与扩展界面存在绑定关系的情况下，扩展界面与输入法的输入界面保持同屏显示。

因此，在用户开启输入法的智能回复功能的情况下，默认将输入法语扩展界面建立绑定关系，并执行后续检测用户是否复制对端消息的操作，且在在输入法与扩展界面存在绑定关系的情况下，扩展界面与输入法的输入界面保持同屏显示，故用户在每次复制对端消息的情况下，无需重复唤起扩展界面，有利于降低内存消耗。

在一些公开实施例中，消息回复装置80包括关系解绑模块，用于响应于用户对绑定关系的解除指令，解除输入法与扩展界面之间的绑定关系；其中，在输入法与扩展界面不存在绑定关系的情况下，扩展界面在满足预设触发条件时，与输入界面保持同屏显示，且预设触发条件包括：检测到用户复制对端消息。

因此，响应于用户对绑定关系的解除指令，解除输入法与扩展界面之间的绑定关系，且在输入法与扩展界面不存在绑定关系的情况下，扩展界面在满足预设触发条件时，与输入界面保持同屏显示，且预设触发条件包括：检测到用户复制对端消息，故在建立绑定关系之后，还支持用户自定义解除该绑定关系，有利于提升用户操作体验。

在一些公开实施例中，消息预测模块81包括主题选择子模块，用于识别对端消息的聊天主题，并从预设交互库中提取与聊天主题相关的若干候选交互对，且每个候选交互对包括第一交互消息和回复第一交互消息的第二交互消息；消息预测模块81包括交互选择子模块，用于基于对端消息分别与若干候选交互对中第一交互消息之间的语义相似度，选择至少一个第一交互消息所属的候选交互对；消息预测模块81包括消息选择子模块，用于将被选择的候选交互对中的第二交互消息，作为候选消息。

因此，通过先识别聊天主题，再筛选候选交互对，最后根据语义相似度选择候选消息，一方面能够避免无关主题的预测干扰，缩小筛选范围，有利于提升预测效率，另一方面通过语义相似度来选择候选交互对，也能够在语义层面排除与对端消息语义无关的交互消息，有利于提升预测精度。故此，能够有利于提升候选消息预测的效率和精度。

在一些公开实施例中，预设交互库是基于用户的历史聊天记录预先构建的，且预设交互库包括用户关于若干主题的交互对；和/或，聊天主题是利用多层主题模型自上而下逐步识别得到的，且越上层的主题模型对应主题的涵盖范围越大，越下层的主题模型对应主题的涵盖范围越小。

因此，预设交互库是基于用户的历史聊天记录预先构建的，且预设交互库包括用户关于若干主题的交互对，能够使得最终预测出来的候选消息满足用户个性化聊天需求；而利用多层主题模型自上而下逐步识别得到聊天主题，且越上层的主题模型对应主题的涵盖范围越大，越下层的主题模型对应主题的涵盖范围越小，能够有利于提升聊天主题的精度。

在一些公开实施例中，消息回复装置80还包括特征提取模块，用于基于候选消息，提取若干参考特征；其中，若干参考特征包括：与候选消息的句法结构相关的第一参考特征、与本次聊天相关的第二参考特征、与用户相关的第三参考特征；消息回复装置80还包括概率预测模块，用于基于候选消息的若干参考特征进行预测，得到候选消息被用户选择的概率值；消息回复装置80还包括消息排序模块，用于基于各个候选消息对应的概率值，将若干候选消息进行排序。

因此，通过结合候选消息本身的句法特征、与本次聊天相关的特征以及该用户本身的特征，在此基础上预测各个候选消息被用户选择的概率值，能够满足不同用户不同聊天场景不同对话需求，有利于大大满足消息回复的个性化需求。

在一些公开实施例中，概率预测模块包括交互子模块，用于将若干参考特征进行交互，得到若干交互特征；概率预测模块包括预测子模块，用于基于若干交互特征进行预测，得到概率值。

因此，通过将若干参考特征进行交互，得到若干交互特征，并基于若干交互特征进行预测，得到概率值，能够在预测过程中使得参考特征充分结合其他参考特征，有利于提升预测准确性。

在一些公开实施例中，第一参考特征包括：候选消息的词性分布特征、语法结构特征、标点习惯特征中至少一者；和/或，第二参考特征包括：本次聊天的对话关系特征、聊天场景特征、聊天时间特征中至少一者；和/或，第三参考特征包括：用户的年龄特征、性别特征中至少一者；和/或，第二参考特征为经独热编码而得到的特征向量；和/或，扩展界面上显示排序后的各个候选消息。

因此，将第一参考特征设置为包括：候选消息的词性分布特征、语法结构特征、标点习惯特征中至少一者，能够从不同角度尽可能准确地描述候选消息的句法结构；而将第二参考特征设置为包括：本次聊天的对话关系特征、聊天场景特征、聊天时间特征中至少一者，能够从不同角度尽可能准确地描述本次聊天的相关特征；而将第三参考特征设置为包括：用户的年龄特征、性别特征中至少一者，能够从不同角度尽可能准确地描述用户特征，故能够提升特征准确性。此外，将第二参考特征设置为经独热编码得到的特征向量，能够有利于降低特征编码的复杂度。此外，通过在扩展界面上显示排序后的各个候选消息，能够使用户优先看到大概率会被选择的候选消息，有利于提升用户体验。

在一些公开实施例中，消息回复装置80还包括联想回复模块，用于基于第一回复消息进行预测，得到回复对端消息时跟随第一回复消息的第二回复消息。

因此，在基于用户选择候选消息得到第一回复消息之后，进一步基于第一回复消息进行预测，得到回复对端消息时跟随第一回复消息的第二回复消息，故能够在智能回复的基础上，进一步实现联想回复，有利于进一步提升用户体验。

在一些公开实施例中，第一回复消息、第二回复消息分先后发送，以回复对端消息；或者，第一回复消息和第二回复消息作为整体同时发送，以回复对端消息。

因此，将第一回复消息、第二回复消息分先后发送，以回复对端消息，有利于在尽可能地提升消息回复的即时性的前提下，同时进行联想回复，提升用户体验，而将第一回复消息和第二回复消息作为整体同时发送，以回复对端消息，有利于基于智能回复与联想回复共同进行消息回复，有利于提升沟通效率。

请参阅图9，图9是本申请电子设备90一实施例的框架示意图。电子设备90包括屏幕91、通信电路92、存储器93和处理器94，屏幕91、通信电路92和存储器93耦接至处理器94，存储器93中存储有程序指令，处理器94用于执行程序指令以实现上述任一消息回复方法实施例中的步骤。电子设备90可以包括但不限于：手机、平板电脑等，在此不做限定。上述屏幕91可以显示前述公开实施例中交互界面、输入界面以及扩展界面，以供用户与对端进行消息交互，通信电路92可以支持移动通信(如，4G、5G等)等通信协议，在此不做限定。

具体而言，处理器94用于控制其自身以及屏幕91、通信电路92、存储器93以实现上述任一消息回复方法实施例中的步骤。处理器94还可以称为CPU(Central ProcessingUnit，中央处理单元)。处理器94可能是一种集成电路芯片，具有信号的处理能力。处理器94还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器94可以由集成电路芯片共同实现。

上述方案，一方面无需用户手动输入即可根据对端消息预测得到若干候选消息，用户仅需对若干候选消息进行选择即可回复，有利于提升沟通效率，另一方面通过扩展界面作为内容中转，无需依赖于无障碍权限，有利于降低隐私泄露风险以及电量、内存消耗。故此，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

请参阅图10，图10是本申请计算机可读存储介质100一实施例的框架示意图。计算机可读存储介质100存储有能够被处理器运行的程序指令101，程序指令101用于实现上述任一消息回复方法实施例中的步骤。

上述方案，一方面无需用户手动输入即可根据对端消息预测得到若干候选消息，用户仅需对若干候选消息进行选择即可回复，有利于提升沟通效率，另一方面通过扩展界面作为内容中转，无需依赖于无障碍权限，有利于降低隐私泄露风险以及电量、内存消耗。故此，能够在提高沟通效率的同时，降低隐私泄露风险以及电量、内存消耗。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

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单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (13)

1.一种消息回复方法，其特征在于，包括：

响应于检测到用户在交互界面复制对端消息，基于所述对端消息进行预测，得到用于回复所述对端消息的若干候选消息，并在与所述交互界面同屏显示的扩展界面上显示所述若干候选消息；

基于所述用户的选择指令，选择所述候选消息，作为第一回复消息，以回复所述对端消息。

2.根据权利要求1所述的方法，其特征在于，在所述响应于检测到用户在交互界面复制对端消息，基于所述对端消息进行预测，得到用于回复所述对端消息的若干候选消息之前，所述方法还包括：

响应于所述用户开启输入法的智能回复功能，将所述输入法与所述扩展界面建立绑定关系，并检测所述用户是否复制所述对端消息；

其中，在所述输入法与所述扩展界面存在所述绑定关系的情况下，所述扩展界面与所述输入法的输入界面保持同屏显示。

3.根据权利要求2所述的方法，其特征在于，在所述将所述输入法与所述扩展界面建立绑定关系之后，所述方法还包括：

响应于所述用户对所述绑定关系的解除指令，解除所述输入法与所述扩展界面之间的绑定关系；

其中，在所述输入法与所述扩展界面不存在所述绑定关系的情况下，所述扩展界面在满足预设触发条件时，与所述输入界面保持同屏显示，且所述预设触发条件包括：检测到所述用户复制所述对端消息。

4.根据权利要求1所述的方法，其特征在于，所述基于所述对端消息进行预测，得到用于回复所述对端消息的若干候选消息，包括：

识别所述对端消息的聊天主题，并从预设交互库中提取与所述聊天主题相关的若干候选交互对，且每个所述候选交互对包括第一交互消息和回复所述第一交互消息的第二交互消息；

基于所述对端消息分别与所述若干候选交互对中所述第一交互消息之间的语义相似度，选择至少一个所述第一交互消息所属的候选交互对；

将被选择的候选交互对中的所述第二交互消息，作为所述候选消息。

5.根据权利要求4所述的方法，其特征在于，所述预设交互库是基于所述用户的历史聊天记录预先构建的，且所述预设交互库包括所述用户关于若干主题的交互对；

和/或，所述聊天主题是利用多层主题模型自上而下逐步识别得到的，且越上层的主题模型对应主题的涵盖范围越大，越下层的主题模型对应主题的涵盖范围越小。

6.根据权利要求1所述的方法，其特征在于，在基于所述对端消息进行预测，得到用于回复所述对端消息的若干候选消息之后，以及在所述在与所述交互界面同屏显示的扩展界面上显示所述若干候选消息之前，所述方法还包括：

基于所述候选消息，提取若干参考特征；其中，所述若干参考特征包括：与所述候选消息的句法结构相关的第一参考特征、与本次聊天相关的第二参考特征、与所述用户相关的第三参考特征；

基于所述候选消息的若干参考特征进行预测，得到所述候选消息被所述用户选择的概率值；

基于各个所述候选消息对应的概率值，将所述若干候选消息进行排序。

7.根据权利要求6所述的方法，其特征在于，所述基于所述候选消息的若干参考特征进行预测，得到所述候选消息被所述用户选择的概率值，包括：

将所述若干参考特征进行交互，得到若干交互特征；

基于所述若干交互特征进行预测，得到所述概率值。

8.根据权利要求6所述的方法，其特征在于，所述第一参考特征包括：所述候选消息的词性分布特征、语法结构特征、标点习惯特征中至少一者；

和/或，所述第二参考特征包括：所述本次聊天的对话关系特征、聊天场景特征、聊天时间特征中至少一者；

和/或，所述第三参考特征包括：所述用户的年龄特征、性别特征中至少一者；

和/或，所述第二参考特征为经独热编码而得到的特征向量；

和/或，所述扩展界面上显示顺序后的各个所述候选消息。

9.根据权利要求1所述的方法，其特征在于，在所述基于所述用户的选择指令，选择所述候选消息，作为第一回复消息之后，所述方法还包括：

基于所述第一回复消息进行预测，得到回复所述对端消息时跟随所述第一回复消息的第二回复消息。

10.根据权利要求9所述的方法，其特征在于，所述第一回复消息、所述第二回复消息分先后发送，以回复所述对端消息；

或者，所述第一回复消息和所述第二回复消息作为整体同时发送，以回复所述对端消息。

11.一种消息回复装置，其特征在于，包括：

消息预测模块，用于响应于检测到用户在交互界面复制对端消息，基于所述对端消息进行预测，得到用于回复所述对端消息的若干候选消息，并在与所述交互界面同屏显示的扩展界面上显示所述若干候选消息；

消息选择模块，用于基于所述用户的选择指令，选择所述候选消息，作为第一回复消息，以回复所述对端消息。

12.一种电子设备，其特征在于，包括屏幕、通信电路、存储器和处理器，所述屏幕、所述通信电路和所述存储器耦接至所述处理器，所述存储器中存储有程序指令，所述处理器用于执行所述程序指令以实现权利要求1至10任一项所述的消息回复方法。

13.一种计算机可读存储介质，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至10任一项所述的消息回复方法。

Images