CN115221303A - 一种对话处理方法及对话处理装置 - Google Patents
一种对话处理方法及对话处理装置 Download PDFInfo
- Publication number
- CN115221303A CN115221303A CN202210901239.0A CN202210901239A CN115221303A CN 115221303 A CN115221303 A CN 115221303A CN 202210901239 A CN202210901239 A CN 202210901239A CN 115221303 A CN115221303 A CN 115221303A
- Authority
- CN
- China
- Prior art keywords
- service
- robot
- conversation
- business
- intention
- 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.)
- Pending
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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本申请提供了一种对话处理方法及对话处理装置,包括:获取服务窗口接收到的查询语句;使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。这样,通过分流对话机器人和各业务对话机器人的配合,用户通过一个服务窗口即可咨询多个业务对话机器人对应的业务,从而使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
Description
技术领域
本申请涉及智能对话机器人技术领域,尤其是涉及一种对话处理方法及对话处理装置。
背景技术
随着人工智能相关技术的发展,智能对话机器人的应用已经越来越普及,越来越多的人工服务窗口已经被智能对话机器人所替代。
目前,以企业为例,一个企业往往会向用户提供多个服务窗口,每个服务窗口中由对应的智能对话机器人提供相应的服务内容。用户需要根据自己的业务需求和每个智能对话机器人提供的服务内容,在多个服务窗口中找到对应的服务窗口,进而在对应的服务窗口输入咨询信息以获取服务内容。显然,这种对话方式较为繁琐,且容易出现找错服务窗口,接入错误的智能对话机器人,进而产生了错误工单的情况,导致智能对话机器人资源及用户时间的浪费。
发明内容
有鉴于此,本申请的目的在于提供一种对话处理方法及对话处理装置,能够通过分流对话机器人识别出用户的真实业务意图,从而将与真实业务意图对应的业务对话机器人接入服务窗口,由业务对话机器人与用户继续进行对话。这样,通过分流对话机器人和各业务对话机器人的配合,用户通过一个服务窗口即可咨询多个业务对话机器人对应的业务,从而使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
本申请实施例提供了一种对话处理方法,包括:
获取服务窗口接收到的查询语句;
使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;
使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
进一步的,所述使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人的步骤,包括:
若所述真实业务意图为任一业务对话机器人中独有的业务意图,则将该业务对话机器人确定为所述目标业务对话机器人;
若所述真实业务意图为多个业务对话机器人中共有的业务意图,则使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件;
将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
进一步的,在所述使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件的步骤之后,所述方法还包括:
若从所述查询语句中未提取出可指示业务对话机器人的实体条件,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,在所述获取服务窗口接收到的查询语句的步骤之后,所述方法还包括:
若使用分流对话机器人从所述查询语句中未识别出用户的真实业务意图,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,在所述将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答的步骤之后,所述方法还包括:
使用所述目标业务对话机器人对所述服务窗口接收到的下一查询语句进行识别;
若所述目标业务对话机器人从所述下一查询语句中识别出的下一真实业务意图指示所述用户请求调用其他业务对话机器人,则将所述用户请求调用的其他业务对话机器人确定为所述目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人继续对本轮次对话进行应答。
进一步的,所述使用分流对话机器人从所述查询语句中识别出用户的真实业务意图的步骤,包括:
使用所述分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值;
若各业务意图的可能性分值中分值最高的可能性分值大于预设分数阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图;
若所述分值最高的可能性分值小于等于预设分数阈值,且所述分值最高的可能性分值与分值第二高的可能性分值之间的差值大于预设差值阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
进一步的,构建所述各业务对话机器人的步骤,包括:
根据每个业务场景中的业务内容,确定该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术;
针对每个业务场景,使用该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术,构建该业务场景对应的业务知识图谱;
使用该业务场景下的各业务意图、可体现各业务意图的表达语句以及每个业务意图关联的实体条件,对初始业务自然语言理解模型进行训练,得到与该业务场景对应的业务自然语言理解模型;
将该业务场景对应的业务知识图谱和该业务场景对应的业务自然语言理解模型相结合,得到该业务场景对应的业务对话机器人。
进一步的,构建所述分流对话机器人的步骤,包括:
根据各业务场景对应的每个业务对话机器人,确定出所述业务对话机器人中独有的业务意图以及共有的业务意图;
为业务对话机器人中独有的业务意图分别配置调用指令;
为业务对话机器人中共有的业务意图分别配置引导话术;
根据各业务对话机器人中独有的业务意图配置的调用指令和共有的业务意图配置的引导话术,构建分流知识图谱;
根据各业务对话机器人中独有的业务意图、共有的业务意图,从用于训练得到各业务自然语言理解模型的表达语句中抽取的表达语句以及可指示业务对话机器人的实体条件,对初始分流自然语言理解模型进行训练,得到分流自然语言理解模型;
将所述分流知识图谱和所述分流自然语言理解模型相结合,得到所述分流对话机器人。
本申请实施例还提供了一种对话处理装置,所述装置包括:
获取模块,用于获取服务窗口接收到的查询语句;
第一识别模块,用于使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;
确定模块,用于使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;
接入模块,用于将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
进一步的,所述确定模块在用于使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人时,所述确定模块用于:
若所述真实业务意图为任一业务对话机器人中独有的业务意图,则将该业务对话机器人确定为所述目标业务对话机器人;
若所述真实业务意图为多个业务对话机器人中共有的业务意图,则使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件;
将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
进一步的,所述确定模块在用于使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件之后,所述确定模块还用于:
若从所述查询语句中未提取出可指示业务对话机器人的实体条件,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,所述装置还包括输出模块;所述输出模块用于:
若使用分流对话机器人从所述查询语句中未识别出用户的真实业务意图,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,所述装置还包括第二识别模块;所述第二识别模块用于:
使用所述目标业务对话机器人对所述服务窗口接收到的下一查询语句进行识别;
若所述目标业务对话机器人从所述下一查询语句中识别出的下一真实业务意图指示所述用户请求调用其他业务对话机器人,则将所述用户请求调用的其他业务对话机器人确定为所述目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人继续对本轮次对话进行应答。
进一步的,所述第一识别模块在用于使用分流对话机器人从所述查询语句中识别出用户的真实业务意图时,所述第一识别模块用于:
使用所述分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值;
若各业务意图的可能性分值中分值最高的可能性分值大于预设分数阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图;
若所述分值最高的可能性分值小于等于预设分数阈值,且所述分值最高的可能性分值与分值第二高的可能性分值之间的差值大于预设差值阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
进一步的,所述对话处理装置还包括构建模块;所述构建模块用于通过以下步骤构建所述各业务对话机器人:
根据每个业务场景中的业务内容,确定该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术;
针对每个业务场景,使用该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术,构建该业务场景对应的业务知识图谱;
使用该业务场景下的各业务意图、可体现各业务意图的表达语句以及每个业务意图关联的实体条件,对初始业务自然语言理解模型进行训练,得到与该业务场景对应的业务自然语言理解模型;
将该业务场景对应的业务知识图谱和该业务场景对应的业务自然语言理解模型相结合,得到该业务场景对应的业务对话机器人。
进一步的,所述构建模块还用于通过以下步骤构建所述分流对话机器人:
根据各业务场景对应的每个业务对话机器人,确定出所述业务对话机器人中独有的业务意图以及共有的业务意图;
为业务对话机器人中独有的业务意图分别配置调用指令;
为业务对话机器人中共有的业务意图分别配置引导话术;
根据各业务对话机器人中独有的业务意图配置的调用指令和共有的业务意图配置的引导话术,构建分流知识图谱;
根据各业务对话机器人中独有的业务意图、共有的业务意图,从用于训练得到各业务自然语言理解模型的表达语句中抽取的表达语句以及可指示业务对话机器人的实体条件,对初始分流自然语言理解模型进行训练,得到分流自然语言理解模型;
将所述分流知识图谱和所述分流自然语言理解模型相结合,得到所述分流对话机器人。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的一种对话处理方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的一种对话处理方法的步骤。
本申请实施例提供的一种对话处理方法及对话处理装置,包括:获取服务窗口接收到的查询语句;使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
这样,通过分流对话机器人和各业务对话机器人的配合,用户通过一个服务窗口即可咨询多个业务对话机器人对应的业务,从而使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种对话处理方法的流程图;
图2示出了本申请实施例所提供的一种对话处理装置的结构示意图之一;
图3示出了本申请实施例所提供的一种对话处理装置的结构示意图之二;
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
经研究发现,随着人工智能相关技术的发展,智能对话机器人的应用已经越来越普及,越来越多的人工服务窗口已经被智能对话机器人所替代。
目前,以企业为例,一个企业往往会向用户提供多个服务窗口,每个服务窗口中由对应的智能对话机器人提供相应的服务内容。用户需要根据自己的业务需求和每个智能对话机器人提供的服务内容,在多个服务窗口中找到对应的服务窗口,进而在对应的服务窗口输入咨询信息以获取服务内容。显然,这种对话方式较为繁琐,且容易出现找错服务窗口,接入错误的智能对话机器人,进而产生了错误工单的情况,导致资源及用户时间的浪费。
基于此,本申请实施例提供了一种对话处理方法及对话处理装置,以使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
请参阅图1,图1为本申请实施例所提供的一种对话处理方法的流程图。如图1中所示,本申请实施例提供的对话处理方法,包括:
S101、获取服务窗口接收到的查询语句。
该步骤中,可在电子设备中提供服务窗口这一虚拟界面作为用户与对话机器人交互的渠道,例如,用户可通过服务窗口与智能对话机器人进行咨询对话,用户可在服务窗口中输入不同的查询语句来咨询想要办理的业务,因此,通过服务窗口可接收用户输入的查询语句,并首先将分流对话机器人接入服务窗口与用户进行对话。
S102、使用分流对话机器人确定能否从所述查询语句中识别出用户的真实业务意图。
需要说明的是,目前,对话机器人往往依赖自然语言理解模型(NLU模型)来识别出每个应用场景下对话所指示的用户意图。其中,自然语言理解(Natural LanguageUnderstanding,NLU)是支持机器理解文本内容的方法模型或任务的总称,自然语言理解研究用电子计算机模拟人的语言交际过程,使计算机能理解和运用人类社会的自然语言如汉语、英语等,实现人机之间的自然语言通信。而自然语言理解模型(NLU模型),即为训练得到的能够对自然语言所指示的意图进行识别的模型,其主要用于识别自然语言所对应的意图,例如,BERT模型等。
因此,该步骤中,分流对话机器人可以通过其对应的分流自然语言理解模型对所述查询语句进行识别,确定能否从所述查询语句中识别出所述用户的真实业务意图。
其中,真实业务意图是指用户输入的查询语句所表达的真实含义,真实业务意图可以指示出用户想要办理的业务。
在一种可能的实施方式中,步骤S102可包括以下步骤:
S1021、使用所述分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值。
在具体实施时,可基于现有技术中的任何方式使用分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值;其中,可能性分值用于表征查询语句所指示意图为各意图标签的可能性大小。即,可能性分值越大,查询语句所指示意图为该意图标签对应的意图的可能性越大。
进一步的,可根据所述查询语句所指示的意图为各业务意图的可能性分值,确定能否从所述查询语句中识别出所述用户的真实业务意图。值得注意的是,即使是可能性分值最高的业务意图,也并不一定为能够准确表征出查询语句所指示的具体业务的真实业务意图。因此,为了进一步地增加意图识别的准确性,还需要进一步对可能性分值最高的业务意图是否可信进行判断,即需要根据所述查询语句所指示的意图为各业务意图的可能性分值,确定能否从所述查询语句中识别出所述用户的真实业务意图。
S1022、若各业务意图的可能性分值中分值最高的可能性分值大于预设分数阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
S1023、若所述分值最高的可能性分值小于等于预设分数阈值,且所述分值最高的可能性分值与分值第二高的可能性分值之间的差值大于预设差值阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
具体的,若可能性分值最高的业务意图的可能性分值大于预设分数阈值,或者,若可能性分值最高的业务意图的可能性分值虽然小于等于所述预设分数阈值,但可能性分值最高的业务意图与可能性分值第二高的业务意图之间的可能性分值的差值大于预设差值阈值,这两种情况下均认为可能性分值最高的业务意图是可信的,并将可能性分值最高的业务意图确定为所述真实业务意图。
其中,预设分值阈值可以为一固定常数,例如,0.7;同样的,预设差值阈值也可以为一固定常数,例如,0.25;这里,示例性的,关于预设分值阈值和预设差值阈值的来源:在构建出分流对话机器人后,通过大量测试集(测试集中包含测试咨询语句,以及每个测试咨询语句对应的测试意图标签)进行测试,得到测试结果,测试结果中主要包含测试咨询语句在分流对话机器人中确定出的可能性分值最高的业务意图以及可能性分值第二高的业务意图分别对应的可能性分值,以及两者间的差值。其中,可能性分值最高的业务意图与测试意图标签所指示的意图相同的属于识别正确,反之为识别错误。
统计结果发现当最高可能性分值大于等于0.7时,意图结果可信比例较高,可认定为可信结果;当最高可能性分值小于0.7时,进行进一步计算每组训练样本中最高可能性分值与第二高可能性分值之间的差值:将计算出的每组的差值进行统计并分档,以计算出一个有效的差值阈值。其中,分档方式有两种,一种是按照总量统计,如[0,1),[0.1,1),[0.2,1);另一种是按照区间统计,如[0,0.1),[0.1,0.2),[0.2,0.3)。
经过统计后发现,当最高分意图与第二高分意图分值之间的差值在0.2-0.3之间时,可保证在一组测试样本中将不可信的结果被错误识别为可信的结果的错误识别数量控制在3个以内,而正确识别的结果大于等于42个,由此可以看出对于一组测试样本来说正面收益要远大于负面影响,且可将负面影响控制在可接受范围内。因此在最高可能性分值小于0.7时,且最高可能性分值与第二高可能性分值之间的差值大于等于0.25时,则认为此最高分意图为可信结果。
进一步的,若使用分流对话机器人从所述查询语句中识别出用户的真实业务意图,则执行步骤S103:使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人。
需要说明的是,业务对话机器人往往针对于特定业务场景构建,各业务对话机器人对应的特定业务场景相互独立;构建出的业务对话机器人可以识别出与特定业务场景相关的多种意图,意图可指示用户想要办理的业务。例如,业务对话机器人A针对于业务场景“数据传输***中的相关业务”构建,业务对话机器人A可识别出的业务意图包括:“***无法登录”和“公告无法下载”等。又例如,业务对话机器人B针对于业务场景“商品展示***中的相关业务”构建,业务对话机器人B可识别出的业务意图包括:“***无法登录”和“产品价格有误”等。
在一种可能的实施方式中,构建所述各业务对话机器人的步骤,包括:
步骤1、根据每个业务场景中的业务内容,确定该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术。
步骤2、针对每个业务场景,使用该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术,构建该业务场景对应的业务知识图谱。
步骤3、使用该业务场景下的各业务意图、可体现各业务意图的表达语句以及每个业务意图关联的实体条件,对初始业务自然语言理解模型进行训练,得到与该业务场景对应的业务自然语言理解模型。
步骤4、将该业务场景对应的业务知识图谱和该业务场景对应的业务自然语言理解模型相结合,得到该业务场景对应的业务对话机器人。
需要说明的是,在一些情况下,在业务自然语言理解模型识别出具体的业务意图之后,通过查询业务知识图谱确定该真实业务意图对应了多种可选业务回复结果,此时还不能确定出应该反馈给用户的最终的精准的实际业务回复结果,需要向用户反馈引导话术,以使用户根据引导话术补充各实体条件,进而根据各实体条件决定对该业务意图的实际业务回复结果。其中,对于对应多种可选业务回复结果的每个业务意图,该业务意图关联的实体条件用于从多种可选业务回复结果中确定出对该业务意图的实际业务回复结果。示例性的,在识别出用户的业务意图为“公告无法下载”之后,需要进一步向用户反馈引导话术“请问您使用的浏览器的型号?”;用户在接收到引导话术后,可在当前咨询对话中输入“我使用的是xx浏览器”。这样,业务自然语言理解模型可以根据用户重新输入的咨询语句来识别出实体条件“浏览器型号:xx”。如此,在经过一句或多句交互对话之后,用户根据引导话术将为得到业务回复结果所需的各实体条件补充完毕,此时,无需再向用户反馈引导话术,可确定应当反馈给用户的实际业务回复结果,例如,“公告无法下载的解决方式为:xx”等。在另一些情况下,某些真实业务意图可能只对应了一种可选业务回复结果,此时,该真实业务意图并无关联的实体条件以及相应的引导话术。在业务自然语言理解模型识别出具体的业务意图之后,通过查询业务知识图谱可直接确定该真实业务意图只对应了一种可选业务回复结果,进而将该可选业务回复结果确定为应该反馈给用户的最终的精准的实际业务回复结果。
因此,通过上述方式构建出的业务对话机器人在使用业务自然语言理解模型识别出相应业务场景下的业务意图之后,首先使用业务知识图谱确定能否得到对所述真实意图的业务回复结果;若能,则向用户反馈业务回复结果,以使用户根据业务回复结果的指示办理业务;若不能,则使用业务知识图谱确定为得到所述业务回复结果所需的各实体条件对应的引导话术,向用户反馈所述引导话术,以使用户根据引导话术补充所需的各实体条件;最后,根据补充的各实体条件,确定对该业务意图的业务回复结果,并将业务回复结果输出。
在一种可能的实施方式中,构建所述分流对话机器人的步骤,包括:
步骤1、根据各业务场景对应的每个业务对话机器人,确定出所述业务对话机器人中独有的业务意图以及共有的业务意图。
步骤2、为业务对话机器人中独有的业务意图分别配置调用指令。
其中,所述调用指令用于调用各独有的业务意图对应的业务对话机器人,以将对应的业务对话机器人接入服务窗口。
步骤3、为业务对话机器人中共有的业务意图分别配置引导话术。
其中,所述引导话术用于引导用户补充可指示业务对话机器人的实体条件。
步骤4、根据各业务对话机器人中独有的业务意图配置的调用指令和共有的业务意图配置的引导话术,构建分流知识图谱。
步骤5、根据各业务对话机器人中独有的业务意图、共有的业务意图,从用于训练得到各业务自然语言理解模型的表达语句中抽取的表达语句以及可指示业务对话机器人的实体条件,对初始分流自然语言理解模型进行训练,得到分流自然语言理解模型。
步骤6、将所述分流知识图谱和所述分流自然语言理解模型相结合,得到所述分流对话机器人。
因此,通过上述方式构建出的分流对话机器人在使用业务自然语言理解模型识别出真实业务意图之后,首先使用分流知识图谱确定业务意图为某一业务对话机器人中独有的业务意图,还是两个或两个以上业务对话机器人中共有的业务意图;若业务意图为某一业务对话机器人中独有的业务意图,则根据独有的业务意图配置的调用指令,调用对应的业务对话机器人,以将对应的业务对话机器人接入服务窗口;若业务意图为两个或两个以上业务对话机器人中共有的业务意图,则向用户反馈共有的业务意图配置的引导话术;进而,从用户反馈的回答中识别出实体条件,再根据实体条件确定用户请求接入的目标业务对话机器人,并使用调用指令调用对应的业务对话机器人,以将对应的业务对话机器人接入服务窗口。
在一种可能的实施方式中,步骤S103可包括以下步骤:
S1031、确定所述真实业务意图是否为任一业务对话机器人中独有的业务意图。
S1032、若所述真实业务意图为任一业务对话机器人中独有的业务意图,则将该业务对话机器人确定为所述目标业务对话机器人。
S1033、若所述真实业务意图为多个业务对话机器人中共有的业务意图,则使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件。
S1034、将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
针对步骤S1031至S1034,对应于上述示例,若分流对话机器人识别出的真实业务意图为“公告无法下载”,该意图为业务对话机器人A中独有的业务意图,因此,可直接将业务对话机器人A确定为目标业务对话机器人。
若分流对话机器人识别出的真实业务意图为“***无法登录”,该意图为包括业务对话机器人A和业务对话机器人B在内的多个业务对话机器人中共有的业务意图,因此不能直接确定出用户请求接入的目标业务对话机器人。此时,需要使用所述分流对话机器人对所述查询语句进行识别,以从所述查询语句中提取出可指示业务对话机器人的实体条件,并将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
进一步的,若在步骤S1033中从所述查询语句中未提取出可指示业务对话机器人的实体条件,则通过以下步骤确定出所述用户请求接入的目标业务对话机器人:
第一步:通过所述服务窗口输出引导话术。
第二步:接收根据所述引导话术补充的可指示业务对话机器人的实体条件。
第三步:将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
S104、将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
在一种可能的实施方式中,在步骤S104之后,所述方法还包括:
S105、使用所述目标业务对话机器人对所述服务窗口接收到的下一查询语句进行识别。
S106、若所述目标业务对话机器人从所述下一查询语句中识别出的下一真实业务意图指示所述用户请求调用其他业务对话机器人,则将所述用户请求调用的其他业务对话机器人确定为所述目标业务对话机器人。
S107、将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人继续对本轮次对话进行应答。
这里,每个业务对话机器人可识别出的业务意图中包括请求接入任意一个其它业务对话机器人的意图,对于请求接入任意一个其它业务对话机器人的意图的业务回复结果为调用其它业务对话机器人的调用指令。例如,目标业务对话机器人A可从查询语句识别出的业务意图除了业务对话机器人A中的业务意图“***无法登录”和“公告无法下载”等,还包括业务意图“用户请求调用业务对话机器人B”、“用户请求调用业务对话机器人C”等。当目标业务对话机器人A从所述用户的本轮次对话中服务窗口接收到的下一查询语句识别出的业务意图指示所述用户请求调用其他业务对话机器人C时,将调用指令发送给业务对话机器人C,以将所述用户请求调用的业务对话机器人C接入所述服务窗口,使得业务对话机器人C通过所述服务窗口与所述用户继续进行对话,以及继续对本轮次对话进行应答。
在一种可能的实施方式中,在步骤S102使用分流对话机器人确定能否从所述查询语句中识别出用户的真实业务意图之后,若使用分流对话机器人从所述查询语句中未识别出用户的真实业务意图,则执行步骤S108、通过所述服务窗口输出引导话术。
S109、接收根据所述引导话术补充的可指示业务对话机器人的实体条件。
S110、将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进而,将通过补充的实体条件确定出的所述目标业务对话机器人接入所述服务窗口,并通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
这里,在从所述查询语句中未识别出用户的真实业务意图时,可以直接通过所述服务窗口向用户反馈引导话术,例如,“请问您要咨询的是哪个***的业务呢?”等。进而,获取用户的回答中包括的实体条件,例如,用户的回答是“我想要咨询商品展示***中的业务”,回答中包括的实体条件为“商品展示***”。进一步的,可根据实体条件“商品展示***”,确定用户请求接入的目标业务对话机器人为业务对话机器人B,并将业务对话机器人B接入所述服务窗口。
本申请实施例提供的一种对话处理方法,包括:获取服务窗口接收到的查询语句;使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
这样,通过分流对话机器人和各业务对话机器人的配合,用户通过一个服务窗口即可咨询多个业务对话机器人对应的业务,从而使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
请参阅图2、图3,图2为本申请实施例所提供的一种对话处理装置的结构示意图之一,图3为本申请实施例所提供的一种对话处理装置的结构示意图之一。如图2中所示,所述对话处理装置200包括:
获取模块210,用于获取服务窗口接收到的查询语句;
第一识别模块220,用于使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;
确定模块230,用于使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;
接入模块240,用于将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
进一步的,所述确定模块230在用于使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人时,所述确定模块230用于:
若所述真实业务意图为任一业务对话机器人中独有的业务意图,则将该业务对话机器人确定为所述目标业务对话机器人;
若所述真实业务意图为多个业务对话机器人中共有的业务意图,则使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件;
将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
进一步的,所述确定模块230在用于使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件之后,所述确定模块230还用于:
若从所述查询语句中未提取出可指示业务对话机器人的实体条件,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,所述对话处理装置200还包括输出模块250;所述输出模块250用于:
若使用分流对话机器人从所述查询语句中未识别出用户的真实业务意图,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
进一步的,所述对话处理装置200还包括第二识别模块260;所述第二识别模块260用于:
使用所述目标业务对话机器人对所述服务窗口接收到的下一查询语句进行识别;
若所述目标业务对话机器人从所述下一查询语句中识别出的下一真实业务意图指示所述用户请求调用其他业务对话机器人,则将所述用户请求调用的其他业务对话机器人确定为所述目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人继续对本轮次对话进行应答。
进一步的,所述第一识别模块220在用于使用分流对话机器人从所述查询语句中识别出用户的真实业务意图时,所述第一识别模块220用于:
使用所述分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值;
若各业务意图的可能性分值中分值最高的可能性分值大于预设分数阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图;
若所述分值最高的可能性分值小于等于预设分数阈值,且所述分值最高的可能性分值与分值第二高的可能性分值之间的差值大于预设差值阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
进一步的,所述对话处理装置200还包括构建模块270;所述构建模块270用于通过以下步骤构建所述各业务对话机器人:
根据每个业务场景中的业务内容,确定该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术;
针对每个业务场景,使用该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术,构建该业务场景对应的业务知识图谱;
使用该业务场景下的各业务意图、可体现各业务意图的表达语句以及每个业务意图关联的实体条件,对初始业务自然语言理解模型进行训练,得到与该业务场景对应的业务自然语言理解模型;
将该业务场景对应的业务知识图谱和该业务场景对应的业务自然语言理解模型相结合,得到该业务场景对应的业务对话机器人。
进一步的,所述构建模块270还用于通过以下步骤构建所述分流对话机器人:
根据各业务场景对应的每个业务对话机器人,确定出所述业务对话机器人中独有的业务意图以及共有的业务意图;
为业务对话机器人中独有的业务意图分别配置调用指令;
为业务对话机器人中共有的业务意图分别配置引导话术;
根据各业务对话机器人中独有的业务意图配置的调用指令和共有的业务意图配置的引导话术,构建分流知识图谱;
根据各业务对话机器人中独有的业务意图、共有的业务意图,从用于训练得到各业务自然语言理解模型的表达语句中抽取的表达语句以及可指示业务对话机器人的实体条件,对初始分流自然语言理解模型进行训练,得到分流自然语言理解模型;
将所述分流知识图谱和所述分流自然语言理解模型相结合,得到所述分流对话机器人。
本申请实施例提供的一种对话处理装置,包括:获取服务窗口接收到的查询语句;使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
这样,通过分流对话机器人和各业务对话机器人的配合,用户通过一个服务窗口即可咨询多个业务对话机器人对应的业务,从而使得用户与对话机器人的对话更加便捷高效,避免产生用户找错服务窗口和找错对话机器人的问题。
请参阅图4,图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示,所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时,可以执行如上述图1所示方法实施例中的一种对话处理方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的一种对话处理方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
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***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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通信接口,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。
所述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例方案的目的。
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。
所述功能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,可以存储在一个处理器可执行的非易失的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)执行本申请各个实施例所述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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种对话处理方法,其特征在于,所述方法包括:
获取服务窗口接收到的查询语句;
使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;
使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
2.根据权利要求1所述的方法,其特征在于,所述使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人的步骤,包括:
若所述真实业务意图为任一业务对话机器人中独有的业务意图,则将该业务对话机器人确定为所述目标业务对话机器人;
若所述真实业务意图为多个业务对话机器人中共有的业务意图,则使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件;
将所述实体条件指示的业务对话机器人确定为所述目标业务对话机器人。
3.根据权利要求2所述的方法,其特征在于,在所述使用所述分流对话机器人从所述查询语句中提取出可指示业务对话机器人的实体条件的步骤之后,所述方法还包括:
若从所述查询语句中未提取出可指示业务对话机器人的实体条件,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
4.根据权利要求1所述的方法,其特征在于,在所述获取服务窗口接收到的查询语句的步骤之后,所述方法还包括:
若使用分流对话机器人从所述查询语句中未识别出用户的真实业务意图,则通过所述服务窗口输出引导话术;
接收根据所述引导话术补充的可指示业务对话机器人的实体条件;
将补充的实体条件指示的业务对话机器人,确定为所述目标业务对话机器人。
5.根据权利要求1所述的方法,其特征在于,在所述将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答的步骤之后,所述方法还包括:
使用所述目标业务对话机器人对所述服务窗口接收到的下一查询语句进行识别;
若所述目标业务对话机器人从所述下一查询语句中识别出的下一真实业务意图指示所述用户请求调用其他业务对话机器人,则将所述用户请求调用的其他业务对话机器人确定为所述目标业务对话机器人;
将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人继续对本轮次对话进行应答。
6.根据权利要求1所述的方法,其特征在于,所述使用分流对话机器人从所述查询语句中识别出用户的真实业务意图的步骤,包括:
使用所述分流对话机器人对所述查询语句进行识别,确定所述查询语句所指示的意图为各业务意图的可能性分值;
若各业务意图的可能性分值中分值最高的可能性分值大于预设分数阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图;
若所述分值最高的可能性分值小于等于预设分数阈值,且所述分值最高的可能性分值与分值第二高的可能性分值之间的差值大于预设差值阈值,则将所述分值最高的可能性分值对应的业务意图确定为所述真实业务意图。
7.根据权利要求1所述的方法,其特征在于,构建所述各业务对话机器人的步骤,包括:
根据每个业务场景中的业务内容,确定该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术;
针对每个业务场景,使用该业务场景下的各业务意图、每个业务意图对应的至少一种可选业务回复结果、每个业务意图关联的实体条件以及每个实体条件对应的引导话术,构建该业务场景对应的业务知识图谱;
使用该业务场景下的各业务意图、可体现各业务意图的表达语句以及每个业务意图关联的实体条件,对初始业务自然语言理解模型进行训练,得到与该业务场景对应的业务自然语言理解模型;
将该业务场景对应的业务知识图谱和该业务场景对应的业务自然语言理解模型相结合,得到该业务场景对应的业务对话机器人。
8.根据权利要求7所述的方法,其特征在于,构建所述分流对话机器人的步骤,包括:
根据各业务场景对应的每个业务对话机器人,确定出所述业务对话机器人中独有的业务意图以及共有的业务意图;
为业务对话机器人中独有的业务意图分别配置调用指令;
为业务对话机器人中共有的业务意图分别配置引导话术;
根据各业务对话机器人中独有的业务意图配置的调用指令和共有的业务意图配置的引导话术,构建分流知识图谱;
根据各业务对话机器人中独有的业务意图、共有的业务意图,从用于训练得到各业务自然语言理解模型的表达语句中抽取的表达语句以及可指示业务对话机器人的实体条件,对初始分流自然语言理解模型进行训练,得到分流自然语言理解模型;
将所述分流知识图谱和所述分流自然语言理解模型相结合,得到所述分流对话机器人。
9.一种对话处理装置,其特征在于,所述装置包括:
获取模块,用于获取服务窗口接收到的查询语句;
第一识别模块,用于使用分流对话机器人从所述查询语句中识别出用户的真实业务意图;
确定模块,用于使用所述分流对话机器人根据所述真实业务意图从各业务对话机器人中确定出所述用户请求接入的目标业务对话机器人;
接入模块,用于将所述目标业务对话机器人接入所述服务窗口,通过所述目标业务对话机器人对所述用户的本轮次对话进行应答。
10.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至8任一所述的一种对话处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901239.0A CN115221303A (zh) | 2022-07-28 | 2022-07-28 | 一种对话处理方法及对话处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901239.0A CN115221303A (zh) | 2022-07-28 | 2022-07-28 | 一种对话处理方法及对话处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115221303A true CN115221303A (zh) | 2022-10-21 |
Family
ID=83614332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210901239.0A Pending CN115221303A (zh) | 2022-07-28 | 2022-07-28 | 一种对话处理方法及对话处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115221303A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117301074A (zh) * | 2023-11-17 | 2023-12-29 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
-
2022
- 2022-07-28 CN CN202210901239.0A patent/CN115221303A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117301074A (zh) * | 2023-11-17 | 2023-12-29 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
CN117301074B (zh) * | 2023-11-17 | 2024-04-30 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111914568B (zh) | 文本修辞句的生成方法、装置、设备及可读存储介质 | |
KR102256240B1 (ko) | 논팩토이드형 질의 응답 시스템 및 방법 | |
CN110148416A (zh) | 语音识别方法、装置、设备和存储介质 | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
US10755595B1 (en) | Systems and methods for natural language processing for speech content scoring | |
CN108920450B (zh) | 一种基于电子设备的知识点复习方法及电子设备 | |
CN109508441B (zh) | 通过自然语言实现数据统计分析的方法、装置及电子设备 | |
CN114547274B (zh) | 多轮问答的方法、装置及设备 | |
CN112686051B (zh) | 语义识别模型训练方法、识别方法、电子设备、存储介质 | |
CN109615009B (zh) | 一种学习内容推荐方法及电子设备 | |
CN114625855A (zh) | 用于生成对话信息的方法及装置、设备和介质 | |
CN113468894A (zh) | 对话交互方法及装置、电子设备和计算机可读存储介质 | |
CN115221303A (zh) | 一种对话处理方法及对话处理装置 | |
CN114297359A (zh) | 一种对话意图识别方法、装置、电子设备及可读存储介质 | |
CN112541109B (zh) | 答案摘要抽取方法及装置、电子设备、可读介质、产品 | |
CN113626441A (zh) | 基于扫描设备的文本管理方法、装置、设备以及存储介质 | |
CN113434653A (zh) | 处理查询语句的方法、装置、设备及存储介质 | |
CN109273004B (zh) | 基于大数据的预测性语音识别方法及装置 | |
US8666987B2 (en) | Apparatus and method for processing documents to extract expressions and descriptions | |
CN111639160A (zh) | 领域识别的方法、交互的方法、电子设备及存储介质 | |
CN114490986B (zh) | 计算机实施的数据挖掘方法、装置、电子设备及存储介质 | |
CN113505293B (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN112735465B (zh) | 无效信息确定方法、装置、计算机设备及存储介质 | |
CN113642334A (zh) | 意图识别方法、装置、电子设备和存储介质 | |
CN113806475A (zh) | 信息回复方法、装置、电子设备和存储介质 |
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 |