CN114722171B - 多轮对话处理方法、装置、电子设备及存储介质 - Google Patents
多轮对话处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114722171B CN114722171B CN202210314564.7A CN202210314564A CN114722171B CN 114722171 B CN114722171 B CN 114722171B CN 202210314564 A CN202210314564 A CN 202210314564A CN 114722171 B CN114722171 B CN 114722171B
- Authority
- CN
- China
- Prior art keywords
- node
- content
- conversation
- dialogue
- nodes
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims 5
- 230000004044 response Effects 0.000 claims 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000003058 natural language processing Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了多轮对话处理方法、装置、电子设备及存储介质,涉及智能语音、深度学习以及自然语言处理等人工智能领域,其中的方法可包括:获取当前轮对话中用户输入的第一对话内容,对第一对话内容进行意图识别;确定识别到的意图对应的场景,确定出所述场景对应的节点树中与第一对话内容相匹配的节点,并根据相匹配的节点确定出推荐话术;分别获取第一对话内容对应的回复话术以及第一对话内容对应的引导话术;根据获取到的回复话术、引导话术以及推荐话术生成第一对话内容对应的回复。应用本公开所述方案,可提升对话的智能性以及流畅性。
Description
技术领域
本公开涉及人工智能技术领域,特别涉及智能语音、深度学习以及自然语言处理等领域的多轮对话处理方法、装置、电子设备及存储介质。
背景技术
随着自然语言处理等技术的发展,多轮对话***在智能客服、智能外呼等场景中得到了广泛应用。
目前的多轮对话***的对话能力通常都比较单一,都是按照预设流程来完成对话的交互,智能性和流畅性均较差。
发明内容
本公开提供了多轮对话处理方法、装置、电子设备及存储介质。
一种多轮对话处理方法,包括:
获取当前轮对话中用户输入的第一对话内容,对所述第一对话内容进行意图识别;
确定识别到的意图对应的场景,确定所述场景对应的节点树中与所述第一对话内容相匹配的节点,并根据所述相匹配的节点确定出推荐话术;
分别获取所述第一对话内容对应的回复话术以及所述第一对话内容对应的引导话术;
根据所述回复话术、所述引导话术以及所述推荐话术生成所述第一对话内容对应的回复。
一种多轮对话处理装置,包括:意图识别模块、第一话术获取模块、第二话术获取模块以及回复生成模块;
所述意图识别模块,用于获取当前轮对话中用户输入的第一对话内容,对所述第一对话内容进行意图识别;
所述第一话术获取模块,用于确定识别到的意图对应的场景,确定所述场景对应的节点树中与所述第一对话内容相匹配的节点,并根据所述相匹配的节点确定出推荐话术;
所述第二话术获取模块,用于分别获取所述第一对话内容对应的回复话术以及所述第一对话内容对应的引导话术;
所述回复生成模块,用于根据所述回复话术、所述引导话术以及所述推荐话术生成所述第一对话内容对应的回复。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果:可提前预判用户可能的需求,并进行相应的引导与推荐,从而提升了对话的智能性以及流畅性。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开所述多轮对话处理方法第一实施例的流程图;
图2为本公开所述待识别节点与其子节点之间的关系示意图;
图3为本公开所述多轮对话处理方法第二实施例的流程图;
图4为本公开所述多轮对话处理装置实施例400的组成结构示意图;
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。
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和精神。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。
另外,应理解,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。
图1为本公开所述多轮对话处理方法第一实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,获取当前轮对话中用户输入的第一对话内容,对第一对话内容进行意图识别。
在步骤102中,确定识别到的意图对应的场景,确定所述场景对应的节点树中与第一对话内容相匹配的节点,并根据相匹配的节点确定出推荐话术。
在步骤103中,分别获取第一对话内容对应的回复话术以及第一对话内容对应的引导话术。
在步骤104中,根据获取到的推荐话术、引导话术以及回复话术生成第一对话内容对应的回复。
采用上述方法实施例所述方案,可提前预判用户可能的需求,并进行相应的引导与推荐,从而提升了对话的智能性以及流畅性。
人机对话过程中,用户与机器人之间的一问一答称为一轮对话。
在每一轮对话中,针对用户输入的对话内容(query),可首先对其进行意图识别。为与后续出现的其它对话内容进行区别,将所述对话内容称为第一对话内容。
意图是指用户要完成的业务动作等,比如理财推荐,类似于代码中的函数。如何对第一对话内容进行意图识别不作限制,比如,第一对话内容通常为语音形式,可首先将其识别为文本,之后,可利用预先训练得到的意图识别模型,对所述文本进行意图识别。
进一步地,可确定是否识别到了意图,即确定用户是否在第一对话内容中表达了意图,若否,可按照现有方式生成第一对话内容对应的回复,并反馈给用户,若是,可确定出识别到的意图对应的场景。比如,可采用基于规则的方式或采用检索匹配等方式生成第一对话内容对应的回复。
可预先构建不同意图分别对应的场景,每个场景中可分别包括(即对应)一棵节点树,即多个节点以树形结构进行组织,每个节点分别处理对应的对话逻辑,每个场景中分别包括哪些节点以及不同节点间的跳转关系等均可根据实际需要而定。
每个节点分别具有各自的节点进入条件,比如,意图、实体内容或实体属性等。节点进入条件也可称为节点触发条件,即触发该节点的条件。
实体内容是指完成业务动作等所需的参数,如理财产品,类似于函数中的参数,一个意图加上若干个实体内容可以完成一个业务的办理。实体属性即指实体的属性,如理财产品的起售日期、起购金额、收益率等。
相应地,针对第一对话内容,在确定出对应的场景后,可进一步确定出所述场景中与第一对话内容相匹配的节点。
与第一对话内容相匹配的节点,即指节点触发条件与第一对话内容相匹配的节点。比如,第一对话内容中表述的实体内容与某一节点的节点触发条件中的实体内容相同,那么则可认为该节点为与第一对话内容相匹配的节点,再比如,第一对话内容中表述的实体属性与某一节点的节点触发条件中的实体属性相同,那么则可认为该节点为与第一对话内容相匹配的节点。
相匹配的节点的数量可能为1,也可能大于1。根据相匹配的节点,可确定出推荐话术。
在此之前,还可先确定是否开启了推荐功能(用户可自行选择是否开启),若未开启,可按照现有方式生成第一对话内容对应的回复,并反馈给用户,若开启,可根据相匹配的节点确定出推荐话术。
本公开的一个实施例中,若相匹配的节点的数量为1,可将相匹配的节点作为待识别节点,若相匹配的节点的数量大于1,可将相匹配的节点中的最后一个节点作为待识别节点,最后一个节点为按照节点间的跳转关系最后跳转到的节点,相应地,根据待识别节点,可生成所述推荐话术。
比如,相匹配的节点的数量为3,为便于表述,将3个相匹配的节点分别称为节点1、节点2和节点3,其中,节点2为节点1的子节点,节点3为节点2的子节点,按照节点间的跳转关系,最后跳转到的节点为节点3,那么节点3即为最后一个节点。
本公开的一个实施例中,可判断待识别节点是否符合推荐条件,在待识别节点符合推荐条件的情况下,可根据待识别节点生成推荐话术。
本公开的一个实施例中,符合推荐条件可包括:至少包括两个符合要求的子节点,所述符合要求的子节点可包括:子节点对应的意图与第一对话内容对应的意图相匹配,和/或,子节点对应的实体与第一对话内容对应的实体相匹配,其中,实体包括实体属性和/或实体内容。比如,子节点x对应某一实体属性,第一对话内容中表达了该实体属性,那么则可认为子节点x为符合要求的子节点。
对于任一节点来说,节点触发条件可能为意图、实体内容或实体属性,也可能为其它任意条件,如为一个表达式等。
比如,若待识别节点包括至少两个节点触发条件为意图、实体内容或实体属性的子节点,则可认为待识别节点符合推荐条件。
通过上述处理,可高效准确地确定出符合推荐条件的节点,从而为后续处理奠定了良好的基础,而且,即便不符合推荐条件,也可按照现有方式生成第一对话内容对应的回复,从而兼容了现有实现方式,并确保了用户在各种情况下均可及时得到回复。
本公开的一个实施例中,在生成推荐话术时,若待识别节点对应的推荐列表为空,可分别获取各符合要求的子节点对应的话术内容,并可利用获取到的话术内容组成推荐列表,进而可根据推荐列表生成推荐话术,若待识别节点对应的推荐列表不为空,可直接根据推荐列表生成推荐话术。
本公开的一个实施例中,在利用获取到的话术内容组成推荐列表时,可按照对应的子节点在待识别节点的子节点中的预定排列顺序,对获取到的各话术内容进行排序,利用排序后的各话术内容组成所述推荐列表。
比如,可按照对应的子节点在待识别节点的子节点中位置越靠左排序越靠前的原则,对获取到的各话术内容进行排序。
图2为本公开所述待识别节点与其子节点之间的关系示意图。如图2所示,假设待识别节点为节点A,包括3个子节点,分别为节点a、节点b和节点c,假设节点a、节点b和节点c均为符合要求的子节点,那么可分别获取节点a、节点b和节点c对应的话术内容,并可按照节点a、节点b和节点c的从左到右的顺序,对获取到的话术内容进行排序,即将节点a对应的话术内容排在第一位,将节点b对应的话术内容排在第二位,将节点c对应的话术内容排在第三位,进而可利用排序后的各话术内容组成节点A对应的推荐列表。
每个节点可分别对应一个话术内容。如何获取各节点对应的话术内容不作限制,比如,对于任一节点,可基于该节点的节点触发条件生成该节点对应的话术内容,如可将节点触发条件或节点触发条件的别名作为该节点对应的话术内容。
相应地,本公开的一个实施例中,在根据推荐列表生成推荐话术时,可生成包括推荐列表中的各话术内容的推荐话术,推荐话术中的各话术内容的先后顺序与推荐列表中的各话术内容的排序顺序相同。
通过上述处理,可使得推荐列表中排序越靠前的话术内容越被优先推荐,从而提升了推荐效果。
除了需要获取推荐话术之外,还需要分别获取第一对话内容对应的回复话术以及第一对话内容对应的引导话术。引导话术是指可对之后的话术起到引导作用的话术。回复话术即指按照现有方式生成的第一对话内容对应的回复。
本公开的一个实施例中,可从预先设置的至少一条引导话术中随机选出一条引导话术,作为第一对话内容对应的引导话术,实现方式非常的灵活方便,而且可直接使用预先设置的引导话术,从而节省了处理时间,提升了处理效率。
进一步地,可根据获取到的回复话术、引导话术以及推荐话术生成第一对话内容对应的回复,即生成最终回复。
本公开的一个实施例中,可按照回复话术、引导话术以及推荐话术的顺序,将回复话术、引导话术以及推荐话术进行拼接,从而得到第一对话内容对应的回复,并反馈给用户,本轮对话结束。
比如,在理财推荐场景中,机器人在生成了用户咨询的一款理财产品的回复话术后,可在此基础上拼接上对应的引导话术以及推荐话术,从而得到如下所示的最终回复:***产品是我行最新推出的一款高收益的理财产品…,你可能还想了解,起售时间、…起购金额。其中,“***产品是我行最新推出的一款高收益的理财产品…”为回复话术,“你可能还想了解”为引导话术,“起售时间、…起购金额”为推荐话术。
通过上述处理,最终回复中同时包括了回复信息、引导信息以及推荐信息等多种信息,从而丰富了最终回复的内容,并可对用户进行有效的引导和推荐,提升了业务办理效率等。
本公开的一个实施例中,还可获取当前轮对话的下一轮对话中用户输入的第二对话内容,并可确定出所述符合要求的子节点中与第二对话内容相匹配的子节点,相应地,可增大与第二对话内容相匹配的子节点对应的命中次数,所述符合要求的子节点的初始命中次数均为0,进而可按照命中次数从大到小的顺序对推荐列表中的各话术内容进行排序。
假设将最终回复“***产品是我行最新推出的一款高收益的理财产品…,你可能还想了解,起售时间、…起购金额”反馈给用户之后,下一轮用户输入的第二对话内容中表达了想了解“起购金额”,假设“起购金额”对应于图2中所示的节点b,那么可增加节点b对应的命中次数,如将其命中次数加1,进一步地,可按照命中次数从大到小的顺序,调整由节点a对应的话术内容、节点b对应的话术内容以及节点c对应的话术内容组成的推荐列表中的各话术内容的排序,从而得到更新后的节点A对应的推荐列表。
通过上述处理,可实现对推荐列表的及时更新,从而使得其中的话术内容的排序更为合理,进而进一步提升了基于推荐列表生成的推荐话术的准确性。
以上所述对推荐列表进行更新的方式仅为举例说明,并不用于限制本申请的技术方案,若采用其它的更新方式,如人工主动干预等方式,也是可以的。
基于上述介绍,图3为本公开所述多轮对话处理方法第二实施例的流程图。如图3所示,针对任一轮对话,可分别采用以下处理方式。
在步骤301中,获取当前轮对话中用户输入的第一对话内容,对第一对话内容进行意图识别。
在步骤302中,确定是否识别到意图,若是,则执行步骤303,否则,执行步骤312。
在步骤303中,确定出识别到的意图对应的场景,并确定出所述场景对应的节点树中与第一对话内容相匹配的节点。
在步骤304中,确定是否开启了推荐功能,若是,则执行步骤305,否则,执行步骤312。
在步骤305中,若相匹配的节点的数量为1,则将相匹配的节点作为待识别节点,若相匹配的节点的数量大于1,则将相匹配的节点中的最后一个节点作为待识别节点,最后一个节点为按照节点间的跳转关系最后跳转到的节点。
在步骤306中,确定待识别节点是否符合推荐条件,若是,则执行步骤307,否则,执行步骤312。
在步骤307中,确定待识别节点对应的推荐列表是否为空,若是,则执行步骤308,否则,执行步骤309。
在步骤308中,分别获取各符合要求的子节点对应的话术内容,利用获取到的话术内容组成推荐列表,根据推荐列表生成推荐话术,之后执行步骤310。
在利用获取到的话术内容组成推荐列表时,可按照对应的子节点在待识别节点的子节点中位置越靠左排序越靠前的原则,对获取到的各话术内容进行排序,利用排序后的各话术内容组成推荐列表。
相应地,在根据推荐列表生成推荐话术时,可生成包括推荐列表中的各话术内容的推荐话术,推荐话术中的各话术内容的先后顺序与推荐列表中的各话术内容的排序顺序相同。
在步骤309中,根据推荐列表生成推荐话术,之后执行步骤310。
在步骤310中,分别获取第一对话内容对应的回复话术以及引导话术。
比如,可从预先设置的至少一条引导话术中随机选出一条引导话术,作为第一对话内容对应的引导话术。
在步骤311中,按照回复话术、引导话术以及推荐话术的顺序,将回复话术、引导话术以及推荐话术进行拼接,得到第一对话内容对应的回复,并反馈给用户,之后结束流程。
在步骤312中,按照现有方式生成第一对话内容对应的回复,并反馈给用户,之后结束流程。
另外,在获取到下一轮对话中用户输入的第二对话内容后,还可确定出所述符合要求的子节点中与第二对话内容相匹配的子节点,并可增大与第二对话内容相匹配的子节点对应的命中次数,进而可按照命中次数从大到小的顺序对推荐列表中的各话术内容进行排序。
需要说明的是,对于前述的各方法实施例,为了简单描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本公开所必须的。另外,某个实施例中没有详述的部分,可以参见其它实施例中的相关说明。
总之,采用本公开方法实施例所述方案,可提前预判用户可能的需求,并进行相应的引导与推荐,从而提升了对话的智能性以及流畅性,并提升了业务办理效率,而且,所述方案实现简单,即具备较低的实现成本,并可适用于不同的场景,具有广泛适用性。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图4为本公开所述多轮对话处理装置实施例400的组成结构示意图。如图4所示,包括:意图识别模块401、第一话术获取模块402、第二话术获取模块403以及回复生成模块404。
意图识别模块401,用于获取当前轮对话中用户输入的第一对话内容,对第一对话内容进行意图识别。
第一话术获取模块402,用于确定识别到的意图对应的场景,确定所述场景对应的节点树中与第一对话内容相匹配的节点,并根据相匹配的节点确定出推荐话术。
第二话术获取模块403,用于分别获取第一对话内容对应的回复话术以及第一对话内容对应的引导话术。
回复生成模块404,用于根据获取到的回复话术、引导话术以及推荐话术生成第一对话内容对应的回复。
采用上述装置实施例所述方案,可提前预判用户可能的需求,并进行相应的引导与推荐,从而提升了对话的智能性以及流畅性。
在每一轮对话中,针对用户输入的对话内容,意图识别模块401可首先对其进行意图识别。
第一话术获取模块402可确定出识别到的意图对应的场景。可预先构建不同意图分别对应的场景,每个场景可分别对应一棵节点树,即多个节点以树形结构进行组织,每个节点分别处理对应的对话逻辑,每个场景中分别包括哪些节点以及不同节点间的跳转关系等均可根据实际需要而定。每个节点分别具有各自的节点触发条件。
在确定出对应的场景后,第一话术获取模块402还可进一步确定出所述场景中与第一对话内容相匹配的节点。与第一对话内容相匹配的节点,即指节点触发条件与第一对话内容相匹配的节点。
相匹配的节点的数量可能为1,也可能大于1。根据相匹配的节点,第一话术获取模块402可确定出推荐话术。
本公开的一个实施例中,若相匹配的节点的数量为1,第一话术获取模块402可将相匹配的节点作为待识别节点,若相匹配的节点的数量大于1,第一话术获取模块402可将相匹配的节点中的最后一个节点作为待识别节点,最后一个节点为按照节点间的跳转关系最后跳转到的节点,相应地,根据待识别节点符合,可生成所述推荐话术。
本公开的一个实施例中,第一话术获取模块402可判断待识别节点是否符合推荐条件,在待识别节点符合推荐条件的情况下,可根据待识别节点生成所述推荐话术。
本公开的一个实施例中,符合推荐条件可包括:至少包括两个符合要求的子节点,符合要求的子节点可包括:子节点对应的意图与第一对话内容对应的意图相匹配,和/或,子节点对应的实体与第一对话内容对应的实体相匹配,其中,所述实体包括实体属性和/或实体内容。
本公开的一个实施例中,第一话术获取模块402在生成推荐话术时,若待识别节点对应的推荐列表为空,可分别获取各符合要求的子节点对应的话术内容,并可利用获取到的话术内容组成推荐列表,进而可根据推荐列表生成推荐话术,若待识别节点对应的推荐列表不为空,可直接根据推荐列表生成推荐话术。
本公开的一个实施例中,第一话术获取模块402在利用获取到的话术内容组成推荐列表时,还可按照对应的子节点在待识别节点的子节点中的预定排列顺序,对获取到的各话术内容进行排序,利用排序后的各话术内容组成所述推荐列表。
比如,可按照对应的子节点在待识别节点的子节点中位置越靠左排序越靠前的原则,对获取到的各话术内容进行排序。
相应地,本公开的一个实施例中,第一话术获取模块402在根据推荐列表生成推荐话术时,可生成包括推荐列表中的各话术内容的推荐话术,推荐话术中的各话术内容的先后顺序与推荐列表中的各话术内容的排序顺序相同。
除了需要获取推荐话术之外,第二话术获取模块403还需要分别获取第一对话内容对应的回复话术以及引导话术。
本公开的一个实施例中,第二话术获取模块403可从预先设置的至少一条引导话术中随机选出一条引导话术,将该引导话术作为第一对话内容对应的引导话术。
进一步地,回复生成模块404可根据获取到的回复话术、引导话术以及推荐话术生成第一对话内容对应的回复,即生成最终回复。
本公开的一个实施例中,回复生成模块404可按照回复话术、引导话术以及推荐话术的顺序,将回复话术、引导话术以及推荐话术进行拼接,从而得到第一对话内容对应的回复,并反馈给用户,本轮对话结束。
本公开的一个实施例中,第一话术获取模块402还可获取当前轮对话的下一轮对话中用户输入的第二对话内容,并可确定出所述符合要求的子节点中与第二对话内容相匹配的子节点,相应地,可增大与第二对话内容相匹配的子节点对应的命中次数,所述符合要求的子节点的初始命中次数为0,进而可按照命中次数从大到小的顺序对推荐列表中的各话术内容进行重新排序。
图4所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明,不再赘述。
总之,采用本公开装置实施例所述方案,可提前预判用户可能的需求,并进行相应的引导与推荐,从而提升了对话的智能性以及流畅性,并提升了业务办理效率,而且,所述方案实现简单,即具备较低的实现成本,并可适用于不同的场景,具有广泛适用性。
本公开所述方案可应用于人工智能领域,特别涉及智能语音、深度学习以及自然语言处理等领域。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。
本公开所述实施例中的对话内容并不是针对某一特定用户的,并不能反映出某一特定用户的个人信息,另外,本公开所述方法的执行主体可以通过各种公开、合法合规的方式获取所述对话内容,如经过了用户的授权从用户处获取等。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、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,个人数字助理、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5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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。
计算单元501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501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501执行上文所描述的各个方法和处理,例如本公开所述的方法。例如,在一些实施例中,本公开所述的方法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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行本公开所述的方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开所述的方法。
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)、复杂可编程逻辑设备(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。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
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,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,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。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种多轮对话处理方法,包括:
获取当前轮对话中用户输入的第一对话内容,对所述第一对话内容进行意图识别;
确定识别到的意图对应的场景,确定所述场景对应的节点树中与所述第一对话内容相匹配的节点,与所述第一对话内容相匹配的节点指节点触发条件与所述第一对话内容相匹配的节点,并根据所述相匹配的节点确定出推荐话术,包括:从所述相匹配的节点中确定出待识别节点,响应于所述待识别节点对应的推荐列表为空,分别获取所述待识别节点包括的符合要求的子节点对应的话术内容,利用获取到的话术内容组成所述推荐列表,并生成包括所述推荐列表中的各话术内容的所述推荐话术,响应于所述待识别节点对应的推荐列表不为空,生成包括所述推荐列表中的各话术内容的所述推荐话术,其中,每个节点分别对应一个话术内容,对于任一节点,分别基于所述节点的节点触发条件生成所述节点对应的话术内容;
分别获取所述第一对话内容对应的回复话术以及所述第一对话内容对应的引导话术,所述引导话术为预先设置的;
根据所述回复话术、所述引导话术以及所述推荐话术生成所述第一对话内容对应的回复。
2.根据权利要求1所述的方法,其中,所述从所述相匹配的节点中确定出待识别节点包括:
若所述相匹配的节点的数量为1,则将所述相匹配的节点作为所述待识别节点,若所述相匹配的节点的数量大于1,则将所述相匹配的节点中的最后一个节点作为所述待识别节点,所述最后一个节点为按照节点间的跳转关系最后跳转到的节点。
3.根据权利要求1所述的方法,还包括:
判断所述待识别节点是否符合推荐条件;
在所述待识别节点符合所述推荐条件的情况下,根据所述待识别节点生成所述推荐话术。
4.根据权利要求3所述的方法,其中,
所述符合推荐条件包括:至少包括两个符合要求的子节点;
所述符合要求的子节点包括:
子节点对应的意图与所述第一对话内容对应的意图相匹配;和/或,
子节点对应的实体与所述第一对话内容对应的实体相匹配,其中,所述实体包括实体属性和/或实体内容。
5.根据权利要求1所述的方法,其中,
所述利用获取到的话术内容组成所述推荐列表包括:按照对应的子节点在所述待识别节点的子节点中的预定排列顺序,对获取到的各话术内容进行排序,利用排序后的各话术内容组成所述推荐列表;
所述推荐话术中的各话术内容的先后顺序与所述推荐列表中的各话术内容的排序顺序相同。
6.根据权利要求5所述的方法,还包括:
获取所述当前轮对话的下一轮对话中用户输入的第二对话内容,确定所述符合要求的子节点中与所述第二对话内容相匹配的子节点;
增大与所述第二对话内容相匹配的子节点对应的命中次数,所述符合要求的子节点的初始命中次数均为0;
按照命中次数从大到小的顺序对所述推荐列表中的各话术内容进行重新排序。
7.根据权利要求1-6中任一项所述的方法,其中,所述获取所述第一对话内容对应的引导话术包括:
从预先设置的至少一条引导话术中随机选出一条引导话术,作为所述第一对话内容对应的引导话术。
8.根据权利要求1-6中任一项所述的方法,其中,所述根据所述回复话术、所述引导话术以及所述推荐话术生成所述第一对话内容对应的回复包括:
将所述回复话术、所述引导话术以及所述推荐话术进行拼接,得到所述第一对话内容对应的回复。
9.一种多轮对话处理装置,包括:意图识别模块、第一话术获取模块、第二话术获取模块以及回复生成模块;
所述意图识别模块,用于获取当前轮对话中用户输入的第一对话内容,对所述第一对话内容进行意图识别;
所述第一话术获取模块,用于确定识别到的意图对应的场景,确定所述场景对应的节点树中与所述第一对话内容相匹配的节点,与所述第一对话内容相匹配的节点指节点触发条件与所述第一对话内容相匹配的节点,并根据所述相匹配的节点确定出推荐话术,包括:从所述相匹配的节点中确定出待识别节点,响应于所述待识别节点对应的推荐列表为空,分别获取所述待识别节点包括的符合要求的子节点对应的话术内容,利用获取到的话术内容组成所述推荐列表,并生成包括所述推荐列表中的各话术内容的所述推荐话术,响应于所述待识别节点对应的推荐列表不为空,生成包括所述推荐列表中的各话术内容的所述推荐话术,其中,每个节点分别对应一个话术内容,对于任一节点,分别基于所述节点的节点触发条件生成所述节点对应的话术内容;
所述第二话术获取模块,用于分别获取所述第一对话内容对应的回复话术以及所述第一对话内容对应的引导话术,所述引导话术为预先设置的;
所述回复生成模块,用于根据所述回复话术、所述引导话术以及所述推荐话术生成所述第一对话内容对应的回复。
10.根据权利要求9所述的装置,其中,
所述第一话术获取模块还用于在所述相匹配的节点的数量为1时,将所述相匹配的节点作为待识别节点,在所述相匹配的节点的数量大于1时,将所述相匹配的节点中的最后一个节点作为所述待识别节点,所述最后一个节点为按照节点间的跳转关系最后跳转到的节点。
11.根据权利要求9所述的装置,其中,
所述第一话术获取模块还用于判断所述待识别节点是否符合推荐条件,在所述待识别节点符合所述推荐条件的情况下,根据所述待识别节点生成所述推荐话术。
12.根据权利要求11所述的装置,其中,
所述符合推荐条件包括:至少包括两个符合要求的子节点;
所述符合要求的子节点包括:
子节点对应的意图与所述第一对话内容对应的意图相匹配;和/或,
子节点对应的实体与所述第一对话内容对应的实体相匹配,其中,所述实体包括实体属性和/或实体内容。
13.根据权利要求9所述的装置,其中,
所述第一话术获取模块还用于按照对应的子节点在所述待识别节点的子节点中的预定排列顺序,对获取到的各话术内容进行排序,利用排序后的各话术内容组成所述推荐列表;所述推荐话术中的各话术内容的先后顺序与所述推荐列表中的各话术内容的排序顺序相同。
14.根据权利要求13所述的装置,其中,
所述第一话术获取模块还用于,获取所述当前轮对话的下一轮对话中用户输入的第二对话内容,确定所述符合要求的子节点中与所述第二对话内容相匹配的子节点,增大与所述第二对话内容相匹配的子节点对应的命中次数,所述符合要求的子节点的初始命中次数均为0,按照命中次数从大到小的顺序对所述推荐列表中的各话术内容进行重新排序。
15.根据权利要求9-14中任一项所述的装置,其中,
所述第二话术获取模块还用于从预先设置的至少一条引导话术中随机选出一条引导话术,作为所述第一对话内容对应的引导话术。
16.根据权利要求9-14中任一项所述的装置,其中,
所述回复生成模块还用于将所述回复话术、所述引导话术以及所述推荐话术进行拼接,得到所述第一对话内容对应的回复。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314564.7A CN114722171B (zh) | 2022-03-28 | 2022-03-28 | 多轮对话处理方法、装置、电子设备及存储介质 |
US18/057,016 US20230306048A1 (en) | 2022-03-28 | 2022-11-18 | Multi-round dialogue processing method and apparatus, electronic device and storage medium |
EP22208777.7A EP4254221A1 (en) | 2022-03-28 | 2022-11-22 | Multi-round dialogue processing method and apparatus, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314564.7A CN114722171B (zh) | 2022-03-28 | 2022-03-28 | 多轮对话处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114722171A CN114722171A (zh) | 2022-07-08 |
CN114722171B true CN114722171B (zh) | 2023-10-24 |
Family
ID=82240302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210314564.7A Active CN114722171B (zh) | 2022-03-28 | 2022-03-28 | 多轮对话处理方法、装置、电子设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230306048A1 (zh) |
EP (1) | EP4254221A1 (zh) |
CN (1) | CN114722171B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115129878B (zh) * | 2022-08-31 | 2022-12-27 | 支付宝(杭州)信息技术有限公司 | 一种对话业务执行方法、装置、存储介质及电子设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786798A (zh) * | 2016-02-25 | 2016-07-20 | 上海交通大学 | 一种人机交互中自然语言意图理解方法 |
CN108121799A (zh) * | 2017-12-21 | 2018-06-05 | 广东欧珀移动通信有限公司 | 回复语句的推荐方法、装置、存储介质及移动终端 |
CN109447819A (zh) * | 2018-09-03 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 一种智能话术提醒方法、***及终端设备 |
CN110287299A (zh) * | 2019-06-17 | 2019-09-27 | 浙江百应科技有限公司 | 一种通话中多话术语句智能切换方法 |
CN110297616A (zh) * | 2019-05-31 | 2019-10-01 | 百度在线网络技术(北京)有限公司 | 话术的生成方法、装置、设备以及存储介质 |
CN111382241A (zh) * | 2018-12-28 | 2020-07-07 | 上海汽车集团股份有限公司 | 会话场景切换方法及装置 |
CN111651572A (zh) * | 2020-05-19 | 2020-09-11 | 金日泽 | 一种多领域任务型对话***、方法和终端 |
CN111737444A (zh) * | 2020-08-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 对话生成方法、装置及电子设备 |
CN111753061A (zh) * | 2019-03-27 | 2020-10-09 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN112214578A (zh) * | 2020-10-09 | 2021-01-12 | 中国平安人寿保险股份有限公司 | 话术生成方法、装置、电子设备及存储介质 |
CN112597292A (zh) * | 2020-12-29 | 2021-04-02 | 招联消费金融有限公司 | 问题回复推荐方法、装置、计算机设备和存储介质 |
CN113918712A (zh) * | 2021-09-02 | 2022-01-11 | 阿里巴巴达摩院(杭州)科技有限公司 | 数据处理方法以及装置 |
KR20220011083A (ko) * | 2020-07-20 | 2022-01-27 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 사용자 대화 중 정보 처리 방법, 장치, 전자 기기 및 기록 매체 |
CN114186036A (zh) * | 2021-11-19 | 2022-03-15 | 招联消费金融有限公司 | 对话处理方法、装置、计算机设备和存储介质 |
CN114218375A (zh) * | 2021-12-20 | 2022-03-22 | 平安科技(深圳)有限公司 | 基于图谱的对话引导方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737408B (zh) * | 2019-03-25 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 基于剧本的对话方法、设备及电子设备 |
CN111611368B (zh) * | 2020-05-22 | 2023-07-04 | 北京百度网讯科技有限公司 | 多轮对话中公共场景对话回溯的方法和装置 |
-
2022
- 2022-03-28 CN CN202210314564.7A patent/CN114722171B/zh active Active
- 2022-11-18 US US18/057,016 patent/US20230306048A1/en active Pending
- 2022-11-22 EP EP22208777.7A patent/EP4254221A1/en not_active Withdrawn
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786798A (zh) * | 2016-02-25 | 2016-07-20 | 上海交通大学 | 一种人机交互中自然语言意图理解方法 |
CN108121799A (zh) * | 2017-12-21 | 2018-06-05 | 广东欧珀移动通信有限公司 | 回复语句的推荐方法、装置、存储介质及移动终端 |
CN109447819A (zh) * | 2018-09-03 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 一种智能话术提醒方法、***及终端设备 |
CN111382241A (zh) * | 2018-12-28 | 2020-07-07 | 上海汽车集团股份有限公司 | 会话场景切换方法及装置 |
CN111753061A (zh) * | 2019-03-27 | 2020-10-09 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN110297616A (zh) * | 2019-05-31 | 2019-10-01 | 百度在线网络技术(北京)有限公司 | 话术的生成方法、装置、设备以及存储介质 |
CN110287299A (zh) * | 2019-06-17 | 2019-09-27 | 浙江百应科技有限公司 | 一种通话中多话术语句智能切换方法 |
CN111651572A (zh) * | 2020-05-19 | 2020-09-11 | 金日泽 | 一种多领域任务型对话***、方法和终端 |
KR20220011083A (ko) * | 2020-07-20 | 2022-01-27 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 사용자 대화 중 정보 처리 방법, 장치, 전자 기기 및 기록 매체 |
CN111737444A (zh) * | 2020-08-17 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 对话生成方法、装置及电子设备 |
CN112214578A (zh) * | 2020-10-09 | 2021-01-12 | 中国平安人寿保险股份有限公司 | 话术生成方法、装置、电子设备及存储介质 |
CN112597292A (zh) * | 2020-12-29 | 2021-04-02 | 招联消费金融有限公司 | 问题回复推荐方法、装置、计算机设备和存储介质 |
CN113918712A (zh) * | 2021-09-02 | 2022-01-11 | 阿里巴巴达摩院(杭州)科技有限公司 | 数据处理方法以及装置 |
CN114186036A (zh) * | 2021-11-19 | 2022-03-15 | 招联消费金融有限公司 | 对话处理方法、装置、计算机设备和存储介质 |
CN114218375A (zh) * | 2021-12-20 | 2022-03-22 | 平安科技(深圳)有限公司 | 基于图谱的对话引导方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
融合神经网络与电力领域知识的智能客服对话***研究;吕诗宁 等;《浙江电力》;第39卷(第8期);76-82 * |
Also Published As
Publication number | Publication date |
---|---|
EP4254221A1 (en) | 2023-10-04 |
CN114722171A (zh) | 2022-07-08 |
US20230306048A1 (en) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096191B (zh) | 一种人机对话方法、装置及电子设备 | |
CN112487173A (zh) | 人机对话方法、设备和存储介质 | |
CN112307188B (zh) | 对话生成方法、***、电子设备和可读存储介质 | |
CN111191450A (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
CN113590776A (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
CN114445047B (zh) | 工作流生成方法、装置、电子设备及存储介质 | |
CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
CN113836278B (zh) | 通用对话模型的训练与对话生成方法、装置 | |
CN114090755A (zh) | 基于知识图谱的回复语句确定方法、装置及电子设备 | |
CN113641807A (zh) | 对话推荐模型的训练方法、装置、设备和存储介质 | |
CN114722171B (zh) | 多轮对话处理方法、装置、电子设备及存储介质 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN113742457B (zh) | 应答处理方法、装置、电子设备及存储介质 | |
CN116992000A (zh) | 交互信息处理方法、装置、电子设备、计算机可读介质 | |
CN113743127B (zh) | 任务型对话的方法、装置、电子设备及存储介质 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN112632241A (zh) | 智能会话的方法、装置、设备和计算机可读介质 | |
CN115840867A (zh) | 数学解题模型的生成方法、装置、电子设备和存储介质 | |
CN112817463A (zh) | 输入法获取音频数据的方法、设备和存储介质 | |
CN113407699A (zh) | 对话方法、装置、设备和存储介质 | |
CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN115169549B (zh) | 人工智能模型更新方法、装置、电子设备及存储介质 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 | |
CN116244413B (zh) | 新意图确定方法、设备和存储介质 |
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 |