CN114996433A - 一种对话生成方法、装置及设备 - Google Patents
一种对话生成方法、装置及设备 Download PDFInfo
- Publication number
- CN114996433A CN114996433A CN202210942363.1A CN202210942363A CN114996433A CN 114996433 A CN114996433 A CN 114996433A CN 202210942363 A CN202210942363 A CN 202210942363A CN 114996433 A CN114996433 A CN 114996433A
- Authority
- CN
- China
- Prior art keywords
- reply
- result
- information
- replied
- user
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种对话生成方法、装置及设备,涉及数据处理技术领域,其中,所述方法包括:获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;输出所述回复信息。通过上述方式,本发明优化了人机对话***。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种对话生成方法、装置及设备。
背景技术
到目前为止,智能聊天机器人在产业界已经有了一些初步成功的应用,在智能客服、个人助理等场景中,在电商、保险等行业中已经能够替代大量的人工客服,进行简单的业务处理和客户支持。基于聊天机器人的应用场景,聊天机器人主要包括三部分内容,即问答***,对话***,闲聊生成。如何构建一个框架较为完善的机器聊天***成为了聊天机器人发展的重要因素。
但现有的智能聊天机器人依然存在如下三个问题:
第一,对话***后端框架是在多个子模块前实现一个规则判别器来决定执行哪个子模块,会存在判别器误判的情况,这将导致子模块无法很好的处理输入的情况。同时,许多人机对话交互时均要求对话快速响应,需要对话***支持高并发场景;
第二,常见问题解答(Frequently Asked Questions,FAQ)均采用固定内容进行返回,无法对每个用户进行个性化的FAQ内容编辑;
第三,目前的对话***的高并发处理仅仅是在请求响应端口减少了输入与输出耗时,但在对话***内部处理上并没有太多性能的提升。
发明内容
为解决上述问题,提出了本发明实施例的对话生成方法、装置及设备。
根据本发明实施例的一个方面,提供了一种对话生成方法,包括:
获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;
根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;
根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;
将得分最高的置信度对应的回复结果作为回复信息;
输出所述回复信息。
可选的,在得到检测结果之后,还包括:
若所述检测结果中存在违规信息,则将第一预设回复作为回复信息。
可选的,在得到分类结果之后,还包括:
若所述分类结果为非聊天信息,则将第二预设回复作为回复信息。
可选的,所述至少两种回复模式包括以下至少两种:
知识问答回复模式、常见问题解答模式、对话生成模式以及规则对话模式。
可选的,通过知识问答回复模式对所述待回复信息进行回复,得到知识问答回复结果,包括:
对所述待回复信息进行实体抽取,得到抽取结果;
根据预设知识图谱对所述抽取结果进行回复,得到知识问答回复结果;
若根据预设知识图谱无法对所述抽取结果进行回复,则调用第三方平台对所述抽取结果进行回复,得到知识问答回复结果。
可选的,通过常见问题解答模式对所述待回复信息进行回复,得到常见问题解答回复结果,包括:
提取所述待回复信息的句向量;
按照余弦相似度由高到低的顺序,在预设问题库中获取至少两个候选回复;
结合用户标识,按照置信度对所述至少两个候选回复进行重排序,将重排序后置信度最高的候选回复作为常见问题解答回复结果。
可选的,在输出所述回复信息之后,还包括:
将所述待回复信息以及回复信息作为用户历史对话记录,并存储到数据库中。
根据本发明实施例的另一方面,提供了一种对话生成装置,所述装置包括:
获取模块,用于获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
处理模块,用于根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;
输出模块,用于输出所述回复信息。
根据本发明实施例的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述对话生成方法对应的操作。
根据本发明实施例的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述对话生成方法对应的操作。
根据本发明上述实施例提供的方案,通过获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;输出所述回复信息,优化了人机对话***。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的对话生成方法的流程图;
图2示出了本发明实施例提供的一种具体的常见问题解答模式流程图;
图3示出了本发明实施例提供的一种具体的对话***框架示意图;
图4示出了本发明实施例提供的一种具体的对话流程示意图;
图5示出了本发明实施例提供的对话生成装置的结构示意图;
图6示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的对话生成方法的流程图。如图1所示,该方法包括以下步骤:
步骤11,获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
步骤12,根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;
步骤13,根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;
步骤14,根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;
步骤15,将得分最高的置信度对应的回复结果作为回复信息;
步骤16,输出所述回复信息。
该实施例中,通过获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;输出所述回复信息,优化了人机对话***。
在本发明的一可选的实施例中,步骤11可以包括:
步骤111,通过数据库获取用户数据。
在本发明的又一可选的实施例中,在步骤12之后,还可以包括:
步骤121,若所述检测结果中存在违规信息,则将第一预设回复作为回复信息。
该实施例中,所述违规信息是指不良信息或违法信息等。
在本发明的又一可选的实施例中,在步骤13之后,还可以包括:
步骤131,若所述分类结果为非聊天信息,则将第二预设回复作为回复信息。
该实施例中,所述非聊天信息包括结束命令,但不仅限于如上所述,当分类结果为非聊天信息时,则不用将待回复信息接入到人机对话***,直接回复预设信息即可。
在本发明的又一可选的实施例中,所述至少两种回复模式包括以下至少两种:
知识问答回复模式、常见问题解答模式、对话生成模式以及规则对话模式。
在本发明的又一可选的实施例中,步骤14中,通过知识问答回复模式对所述待回复信息进行回复,得到知识问答回复结果,可以包括:
步骤141,对所述待回复信息进行实体抽取,得到抽取结果;
步骤142,根据预设知识图谱对所述抽取结果进行回复,得到知识问答回复结果;
步骤143,若根据预设知识图谱无法对所述抽取结果进行回复,则调用第三方平台对所述抽取结果进行回复,得到知识问答回复结果。
在本发明的又一可选的实施例中,步骤14中,通过常见问题解答模式对所述待回复信息进行回复,得到常见问题解答回复结果,可以包括:
步骤144,提取所述待回复信息的句向量;
步骤145,按照余弦相似度由高到低的顺序,在预设问题库中获取至少两个候选回复;
步骤146,结合用户标识,按照置信度对所述至少两个候选回复进行重排序,将重排序后置信度最高的候选回复作为常见问题解答回复结果。
如图2所示,该实施例中,用户在提取到句向量后,可以根据句向量获得预设问题库中余弦相似度前五的回复候选集,再结合用户画像的标签映射来得到置信度最高的回复结果。
在本发明的再一可选的实施例中,在步骤16之后,还可以包括:
步骤161,将所述待回复信息以及回复信息作为用户历史对话记录,并存储到数据库中。
该实施例中,为了提高***整体性能,最近的N轮对话,保存在内存中;而更早的对话保存在数据库中。如果内存中最近对话历史的长度超过N,则早期的对话将从最近对话历史中移除,并写入数据库。
图2-图3示出了本发明实施例提供的一种具体的对话***框架以及对话流程示意图,如图2-3所示,该流程包括以下步骤:
步骤一,前端通过协议网址(http)、谷歌远程过程调用协议(Google RemoteProcedure Call,gRPC)等方式,与会话(Session)层通信,输入前端应用特有的用户标识和用户消息,其中,用户标识包括用户名称等,但不仅限于用户名称;
步骤二,所有用户输入,会被存储到用户私有空间的输入队列中。队列中的消息会被依次处理。因此,从前端视角来看,消息的发送与接收是异步的,但能够解决用户连续输入问题,且能保证持久化的对话历史的逻辑顺序,即在数据库中存储的对话历史的顺序;
步骤三,根据用户输入以及用户上下文,管道机器人(Pipeline bot)将顺序执行黄反检测模块及***检测模块,如果用户输入为涉黄涉反或者包含***倾向,那么将不会执行后续的子模块,并直接向用户返回预置回复;
步骤四,构建预处理模块判断来消息是否与聊天有关。一些特殊的消息,例如对话结束命令(bye),不必调用机器人程序(BOT)接口;而聊天消息,则既需要调用BOT,又要维护会话状态的变化和数据库的一致性;
步骤五,通过并行子模块获取得到各子模块的结果及置信度,其中,子模块包括:知识问答模块、FAQ模块、对话生成模型、规则对话模块,但不仅限于如上所述;
步骤六,知识问答模块采用问答判断模块及提取问题实体模块获得问题实体,通过知识图谱对实体返回属性回答,对于不能处理的问题会调用第三方平台接口实现;
步骤七,FAQ模块采用模拟网络(SimNet)网络结构,用户输入通过模型获得句向量标识与ES数据库(ElasticSearch)库中的预置问题计算余弦相似度获得前五的回复候选集,通过结合用户画像的标签映射,来对预置回复进行重排序和改写最终获取答案;
步骤八,根据置信度对回复进行重排序,取最高得分的回复作为加入用户私有空间的输出队列;
步骤九,如果用户发送的是聊天消息,则更新至内存中的最近对话历史;以最近对话历史为BOT的输入,获得BOT回复之后,将回复更新至最近对话历史,同时写入用户私有空间的输出队列;
步骤十,为了提高***整体性能,最近的N轮对话,保存在内存中;而更早的对话保存在数据库中。如果内存中最近对话历史的长度超过N,则早期的对话将从最近对话历史中移除,并写入数据库;
步骤十一,为了进一步保证消息的可靠性,即防止内存中的消息因为***故障而丢失,引入预写日志(WAL)机制,即在消息进入输入队列和输出队列之前分别调用全局的WAL服务确保消息记入专门设计的日志***中,在***发生故障并恢复之后可以自动恢复消息;
步骤十二,为了提高***在高并发场景下的表现,整个机器人框架内采用异步方式执行。程序内一处异步,处处异步。只要决定用异步(asyncio),几乎整个项目都要用异步库。
通过上述方式,利用上述对话***可以根据用户画像来对FAQ问题进行改动,例如针对不同年龄段的用户所提的常见问题,***会根据用户年龄画像更精确的返回用户想获得的答案。其次利用该***可以更精准的实现子模块回复,而不是依赖传统的规则划分,同时,***工程内实现了大量的异步操作,可以通过这样的方式来解决高并发的问题。
在本发明的上述实施例中,针对现有的智能聊天机器人的第一个问题,本发明可以并行调用各子模块,根据各子模块的结果来确定返回内容,避免了判别器误判导致子模块无法很好的处理输入的情况;针对现有的智能聊天机器人的第二个问题,本发明通过结合用户输入以及用户画像标签,对FAQ的答案可以进行改写,来达到精准回复的效果;针对现有的智能聊天机器人的第三个问题,在对话***内部做了大量异步实现方案,尽可能压缩了对话***耗时。
图5示出了本发明实施例提供的对话生成装置50的结构示意图。如图5所示,该装置包括:
获取模块51,用于获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
处理模块52,用于根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;
输出模块53,用于输出所述回复信息。
可选的,所述处理模块52还用于若所述检测结果中存在违规信息,则将第一预设回复作为回复信息。
可选的,所述处理模块52还用于若所述分类结果为非聊天信息,则将第二预设回复作为回复信息。
可选的,所述至少两种回复模式包括以下至少两种:
知识问答回复模式、常见问题解答模式、对话生成模式以及规则对话模式。
可选的,所述处理模块52还用于对所述待回复信息进行实体抽取,得到抽取结果;
根据预设知识图谱对所述抽取结果进行回复,得到知识问答回复结果;
若根据预设知识图谱无法对所述抽取结果进行回复,则调用第三方平台对所述抽取结果进行回复,得到知识问答回复结果。
可选的,所述处理模块52还用于提取所述待回复信息的句向量;
按照余弦相似度由高到低的顺序,在预设问题库中获取至少两个候选回复;
结合用户标识,按照置信度对所述至少两个候选回复进行重排序,将重排序后置信度最高的候选回复作为常见问题解答回复结果。
可选的,所述处理模块52还用于将所述待回复信息以及回复信息作为用户历史对话记录,并存储到数据库中。
应理解,上述对图1至图4示意的方法实施例的说明,仅是以可选示例的方式对本发明技术方案的阐述,对本发明涉及的对话生成方法不构成限制。另一些实施方式中,本发明涉及的对话生成方法的执行步骤和顺序,可以不同于上述实施例,本发明实施例对此不限制。
需要说明的是,该实施例是与上述方法实施例对应的装置实施例,上述方法实施例中的所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的对话生成方法。
图6示出了本发明实施例提供的计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示,该计算设备可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中:处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口,用于与其它设备比如客户端或其它服务器等的网元通信。处理器,用于执行程序,具体可以执行上述用于计算设备的对话生成方法实施例中的相关步骤。
具体地,程序可以包括程序代码,该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器,用于存放程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行上述任意方法实施例中的对话生成方法。程序中各步骤的具体实现可以参见上述对话生成方法实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明实施例的内容,并且上面对特定语言所做的描述是为了披露本发明实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明实施例并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明实施例进行说明而不是对本发明进行限制,位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种对话生成方法,其特征在于,所述方法包括:
获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;
根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;
根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;
将得分最高的置信度对应的回复结果作为回复信息;
输出所述回复信息。
2.根据权利要求1所述的对话生成方法,其特征在于,在得到检测结果之后,还包括:
若所述检测结果中存在违规信息,则将第一预设回复作为回复信息。
3.根据权利要求1所述的对话生成方法,其特征在于,在得到分类结果之后,还包括:
若所述分类结果为非聊天信息,则将第二预设回复作为回复信息。
4.根据权利要求1所述的对话生成方法,其特征在于,所述至少两种回复模式包括以下至少两种:
知识问答回复模式、常见问题解答模式、对话生成模式以及规则对话模式。
5.根据权利要求4所述的对话生成方法,其特征在于,通过知识问答回复模式对所述待回复信息进行回复,得到知识问答回复结果,包括:
对所述待回复信息进行实体抽取,得到抽取结果;
根据预设知识图谱对所述抽取结果进行回复,得到知识问答回复结果;
若根据预设知识图谱无法对所述抽取结果进行回复,则调用第三方平台对所述抽取结果进行回复,得到知识问答回复结果。
6.根据权利要求4所述的对话生成方法,其特征在于,通过常见问题解答模式对所述待回复信息进行回复,得到常见问题解答回复结果,包括:
提取所述待回复信息的句向量;
按照余弦相似度由高到低的顺序,在预设问题库中获取至少两个候选回复;
结合用户标识,按照置信度对所述至少两个候选回复进行重排序,将重排序后置信度最高的候选回复作为常见问题解答回复结果。
7.根据权利要求1所述的对话生成方法,其特征在于,在输出所述回复信息之后,还包括:
将所述待回复信息以及所述回复信息作为用户历史对话记录,并存储到数据库中。
8.一种对话生成装置,其特征在于,所述装置包括:
获取模块,用于获取用户数据,所述用户数据包括用户标识、用户历史对话记录以及待回复信息;
处理模块,用于根据所述用户历史对话记录,对所述用户数据进行违规检测,得到检测结果;根据所述检测结果,对所述待回复信息进行语义分类,得到分类结果;根据所述分类结果,通过至少两种回复模式对所述待回复信息进行回复,得到至少两种回复结果以及每种回复结果对应的置信度;将得分最高的置信度对应的回复结果作为回复信息;
输出模块,用于输出所述回复信息。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存储至少一可执行指令,所述至少一可执行指令运行时使所述处理器执行如权利要求1-7中任一项所述的对话生成方法。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令运行时使计算设备执行如权利要求1-7中任一项所述的对话生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210942363.1A CN114996433A (zh) | 2022-08-08 | 2022-08-08 | 一种对话生成方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210942363.1A CN114996433A (zh) | 2022-08-08 | 2022-08-08 | 一种对话生成方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114996433A true CN114996433A (zh) | 2022-09-02 |
Family
ID=83022843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210942363.1A Withdrawn CN114996433A (zh) | 2022-08-08 | 2022-08-08 | 一种对话生成方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114996433A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541504A (zh) * | 2023-06-27 | 2023-08-04 | 北京聆心智能科技有限公司 | 对话生成方法、装置、介质及计算设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018200295A1 (en) * | 2017-04-28 | 2018-11-01 | Microsoft Technology Licensing, Llc | Chat conversation based on knowledge base specific to object |
CN112948534A (zh) * | 2019-12-10 | 2021-06-11 | 中兴通讯股份有限公司 | 一种智能人机对话的交互方法、***和电子设备 |
US20210249002A1 (en) * | 2020-02-07 | 2021-08-12 | Royal Bank Of Canada | System and method for conversational middleware platform |
CN113515613A (zh) * | 2021-06-25 | 2021-10-19 | 华中科技大学 | 一种集成闲聊、知识和任务问答的智能机器人 |
CN114519093A (zh) * | 2022-02-07 | 2022-05-20 | 京东科技信息技术有限公司 | 问答方法、装置、电子设备和计算机可读存储介质 |
CN114860910A (zh) * | 2022-05-12 | 2022-08-05 | 阿里巴巴(中国)有限公司 | 智能对话方法及*** |
-
2022
- 2022-08-08 CN CN202210942363.1A patent/CN114996433A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018200295A1 (en) * | 2017-04-28 | 2018-11-01 | Microsoft Technology Licensing, Llc | Chat conversation based on knowledge base specific to object |
CN112948534A (zh) * | 2019-12-10 | 2021-06-11 | 中兴通讯股份有限公司 | 一种智能人机对话的交互方法、***和电子设备 |
US20210249002A1 (en) * | 2020-02-07 | 2021-08-12 | Royal Bank Of Canada | System and method for conversational middleware platform |
CN113515613A (zh) * | 2021-06-25 | 2021-10-19 | 华中科技大学 | 一种集成闲聊、知识和任务问答的智能机器人 |
CN114519093A (zh) * | 2022-02-07 | 2022-05-20 | 京东科技信息技术有限公司 | 问答方法、装置、电子设备和计算机可读存储介质 |
CN114860910A (zh) * | 2022-05-12 | 2022-08-05 | 阿里巴巴(中国)有限公司 | 智能对话方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541504A (zh) * | 2023-06-27 | 2023-08-04 | 北京聆心智能科技有限公司 | 对话生成方法、装置、介质及计算设备 |
CN116541504B (zh) * | 2023-06-27 | 2024-02-06 | 北京聆心智能科技有限公司 | 对话生成方法、装置、介质及计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363634B (zh) | 一种业务处理失败原因识别方法、装置及设备 | |
CN117076719B (zh) | 一种基于大语言模型的数据库联合查询方法、装置和设备 | |
CN115470318A (zh) | 客服问题处理方法及装置 | |
CN111553652B (zh) | 业务处理方法及装置 | |
CN114996433A (zh) | 一种对话生成方法、装置及设备 | |
CN115344805A (zh) | 素材审核方法、计算设备及存储介质 | |
CN111368100A (zh) | 一种媒资合并方法及其装置 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
CN117575008A (zh) | 训练样本生成方法、模型训练方法、知识问答方法及设备 | |
CN117171030A (zh) | 软件运行环境检测方法、装置、设备及存储介质 | |
CN112486947A (zh) | 一种知识库构建方法、装置、电子设备及可读存储介质 | |
CN116186219A (zh) | 一种人机对话交互方法方法、***及存储介质 | |
CN114970666B (zh) | 一种口语处理方法、装置、电子设备及存储介质 | |
CN111753062A (zh) | 一种会话应答方案确定方法、装置、设备及介质 | |
CN110543635A (zh) | 基于深度学习的信息检测方法、装置及计算机存储介质 | |
CN110085237B (zh) | 交互过程的恢复方法、装置及设备 | |
CN111241236B (zh) | 任务导向性问答方法、***、电子设备、可读存储介质 | |
CN113868396A (zh) | 基于知识图谱的任务类智能对话构建方法及*** | |
CN114416931A (zh) | 标签生成方法、装置及相关设备 | |
CN112163078A (zh) | 智能应答方法、装置、服务器及存储介质 | |
CN106682221B (zh) | 问答交互的响应方法、装置及问答*** | |
CN117932561B (zh) | 一种联轴器扭矩数据分析方法及*** | |
CN113344550B (zh) | 一种流程处理方法、装置、设备及存储介质 | |
CN111858832B (zh) | 一种对话方法、装置、电子设备和存储介质 | |
US11520786B2 (en) | System and method for optimizing execution of rules modifying search results |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220902 |