CN116049372A - 人机对话方法、装置及电子设备 - Google Patents
人机对话方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116049372A CN116049372A CN202310124978.8A CN202310124978A CN116049372A CN 116049372 A CN116049372 A CN 116049372A CN 202310124978 A CN202310124978 A CN 202310124978A CN 116049372 A CN116049372 A CN 116049372A
- Authority
- CN
- China
- Prior art keywords
- text
- user
- information
- source
- source identifier
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 62
- 230000006399 behavior Effects 0.000 claims description 41
- 230000003993 interaction Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003491 array Methods 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
- 239000000446 fuel Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (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)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了人机对话方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、自然语言处理、智能搜索技术领域。具体实现方案为：获取对话过程中用户的标识、用户的当前问题文本以及上下文文本；基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识；根据用户针对目标来源标识的偏好信息和/或状态信息，确定当前问题文本对应的回复文本，从而能够在人机对话过程中，结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，确定用户针对产品来源标识的需求，减少对话轮次，提高人机对话***的对话效率。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及深度学习、自然语言处理、智能搜索技术领域，尤其涉及一种人机对话方法、装置及电子设备。
背景技术
目前的人机对话***，获取对话过程中用户的当前问题文本以及上下文文本；根据当前问题文本以及对话上下文，确定当前问题文本对应的回复文本。其中，人机对话***生成回复文本时，结合对话上下文挖掘用户的需求，进而根据用户的需求生成回复文本。
其中，应用于品牌营销等场景时，人机对话***需要通过多轮对话才能获取用户针对品牌的需求，对话轮次过多，且获取的需求不够准确，对话效率差。
发明内容
本公开提供了一种人机对话方法、装置及电子设备。
根据本公开的一方面，提供了一种人机对话方法，应用于人机对话***，所述方法包括：获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本；基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识；根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
根据本公开的另一方面，提供了一种人机对话装置，应用于人机对话***，所述装置包括：第一获取模块，用于获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本；第二获取模块，用于基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息；选择模块，用于根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识；第一确定模块，用于根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
根据本公开的另一方面，提供了一种电子设备，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本公开上述提出的人机对话方法。
根据本公开的另一方面，提供了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本公开上述提出的人机对话方法。
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，所述计算机程序在被处理器执行时实现本公开上述提出的人机对话方法的步骤。
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是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是根据本公开第三实施例的示意图；
图4是根据本公开第四实施例的示意图；
图5是用来实现本公开实施例的人机对话方法的电子设备的框图。
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。
目前的人机对话***，获取对话过程中用户的当前问题文本以及上下文文本；根据当前问题文本以及对话上下文，确定当前问题文本对应的回复文本。其中，人机对话***生成回复文本时，结合对话上下文挖掘用户的需求，进而根据用户的需求生成回复文本。
其中，应用于品牌营销等场景时，人机对话***需要通过多轮对话才能获取用户针对品牌的需求，对话轮次过多，且获取的需求不够准确，对话效率差。
针对上述问题，本公开提出一种人机对话方法、装置及电子设备。
图1是根据本公开第一实施例的示意图，需要说明的是，本公开实施例的人机对话方法可应用于人机对话装置，该装置可被配置于人机对话***中，或者，设置有人机对话***的电子设备中，以使该电子设备可以执行人机对话功能。以下实施例中以执行主体为人机对话***为例进行说明。
其中，电子设备可以为任一具有计算能力以及人机对话功能的设备，例如可以为个人电脑(Personal Computer，简称PC)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备、智能音箱等具有各种操作***、触摸屏和/或显示屏的硬件设备。
如图1所示，该人机对话方法可以包括如下步骤：
步骤101，获取对话过程中用户的标识、用户的当前问题文本以及上下文文本。
在本公开实施例中，用户的标识，例如，手机号码、邮箱地址、商城账号、网站账号等。其中，若单个用户的标识为多个，可以建立多个标识之间的关联关系，例如，该用户的手机号码与该用户的邮箱地址之间的关联关系。其中，商城账号，为至少一个商城软件中用户所注册的账号。
其中，用户的当前问题文本，为对话过程中用户当前输入，且未获取到回复的问题文本。其中，上下文文本，为人机对话***与用户的对话过程中，用户历史输入的问题文本以及人机对话***的历史回复文本。
其中，需要说明的是，在人机对话***与用户进行文本对话的情况下，人机对话***可以直接获取用户输入的当前问题文本以及获取上下文文本。在人机对话***与用户进行语音对话，或者语音对话+文本对话的情况下，人机对话***可以对对话过程中的语音进行文本识别处理，进而根据识别处理结果，分别获取用户的当前问题文本以及上下文文本。
在本公开实施例中，人机对话***执行步骤101的过程例如可以为，获取人机对话***上的已注册用户标识；在已注册用户标识的数量为单个的情形下，将已注册用户标识作为对话过程中用户的标识；在已注册用户标识的数量为多个的情形下，获取多个已注册用户标识对应的注册声纹信息，以及对话过程中用户的当前声纹信息；根据多个已注册用户标识对应的注册声纹信息，以及对话过程中用户的当前声纹信息，确定与当前声纹信息匹配的第一注册声纹信息；将第一注册声纹信息对应的已注册用户标识，作为对话过程中用户的标识；获取用户的当前问题文本以及上下文文本。
其中，获取对话过程中用户的当前声纹信息的过程例如可以为，采集对话过程中用户输入的语音，或者，提示用户输入参考语音并进行语音采集，得到用户的语音；对用户的语音进行声纹提取处理，得到用户的当前声纹信息。其中，参考语音可以为用户输入的任意语音，或者，用户对人机对话***提供的参考文本进行阅读之后的语音。
其中，已注册用户标识的数量为多个的情况，例如，人机对话***设置在家庭中的智能音箱中，家庭人数为多个，家庭中每个用户均在智能音箱中注册用户标识，但不同的用户的偏好信息和/或状态信息不同，需求不同，需要根据用户的当前声纹信息，区分具体的用户。其中，将人机对话***设置于智能音箱、移动手机等与用户陪伴的硬件设备中，可以方便用户实时根据需要与人机对话***进行对话处理，进一步提高对话效率。
其中，人机对话***确定与当前声纹信息匹配的第一注册声纹信息的过程例如可以为，人机对话***确定各个注册声纹信息与当前声纹信息之间的相似度；根据相似度对各个注册声纹信息进行降序排序处理，得到排序结果；将排序结果中排序在最前的注册声纹信息，作为第一注册声纹信息。
其中，人机对话***根据已注册用户标识对应的注册声纹信息，以及对话过程中用户的当前声纹信息，可以准确地确定对话过程中用户的标识，进而能够结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，准确地确定适合当前问题文本的回复文本，提高人机对话***的对话效率。
步骤102，基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息。
在本公开实施例中，用户的标识可以为多个，用户的多个标识之间可以建立有关联关系。人机对话***可以设置有偏好数据库，其中包括一种标识与偏好数据之间的对应关系，一种标识可以为以下任意一种：手机号码、邮箱地址、商城账号、网站账号等。具体的，偏好数据可以为用户针对至少一个产品来源标识的偏好信息和/或状态信息。
其中，在用户的标识为多个的情况下，人机对话***可以根据用户的标识直接查询人机对话***，或者，根据与该标识关联的标识查询人机对话***，获取该用户针对至少一个产品来源标识的偏好信息和/或状态信息。
在本公开实施例中，在步骤102之前，一种示例中，人机对话***可以通过与多个命中数据库交互，获取多个用户针对至少一个产品来源标识的偏好信息和/或状态信息。另一种示例中，人机对话***可以与后台服务器通信，通过后台服务器获取多个用户针对至少一个产品来源标识的偏好信息和/或状态信息。
在本公开实施例中，在步骤102之前，人机对话***获取多个用户针对至少一个产品来源标识的偏好信息和/或状态信息的过程例如可以为，获取多个用户的命中行为数据，命中行为数据包括用户针对多个产品来源标识的命中行为记录；针对每个用户，根据用户针对多个产品来源标识的命中行为记录，确定用户针对至少一个产品来源标识的偏好信息和/或状态信息。另外，人机对话***也可以根据用户的当前问题文本以及上下文文本，提取用户的偏好信息；并根据该偏好信息，对用户针对至少一个产品来源标识的偏好信息进行更新处理，提高用户针对至少一个产品来源标识的偏好信息的准确度。
其中，人机对话***获取多个用户的命中行为数据的过程例如可以为，确定至少一个命中数据库的标识；针对每个命中数据库，基于命中数据库的标识，获取命中数据库中多个用户的子命中行为数据；根据至少一个命中数据库中多个用户的子命中行为数据，确定多个用户的命中行为数据。
其中，产品来源标识，例如可以为品牌、领域等。以产品来源标识为品牌为例，用户针对品牌的状态信息，可以用于表示用户对该品牌下的产品是否存在消费行为。即，状态信息为未命中状态时，表示一定时间段内用户对该品牌下的产品未存在消费行为；状态信息为命中状态时，表示一定时间段内用户对该品牌下的产品存在消费行为。对应的，命中数据库，具体可以为消费数据库，例如，各个商城软件上各个商家的数据库等。
其中，在产品来源标识为品牌的情况下，人机对话***确定用户针对至少一个品牌的偏好信息的过程例如可以为，针对每个品牌，根据该用户针对该品牌的消费行为记录，确定用户对该品牌的商品的消费频次、消费次数、消费时段等，若消费频次大于第一预设频次阈值，或者一定时间段内的消费次数大于第一消费次数阈值等，则确定用户对该品牌的偏好信息为正向偏好信息；若消费频次小于第二预设频次阈值，或者一定时间段内的消费次数小于第二消费次数阈值等，则确定用户对该品牌的偏好信息为负向偏好信息。
其中，以产品来源标识为领域为例，用户针对领域的状态信息，可以用于表示用户对该领域下的网页是否存在浏览行为。即，状态信息为未命中状态时，表示一定时间段内用户对该领域下的网页未存在浏览行为；状态信息为命中状态时，表示一定时间段内用户对该领域下的网页存在浏览行为。对应的，命中数据库，具体可以为浏览数据库，例如，各个网站上的浏览数据库等。
其中，在产品来源标识为领域的情况下，人机对话***确定用户针对至少一个领域的偏好信息的过程例如可以为，针对每个领域，根据该用户针对该领域的浏览行为记录，确定用户针对该领域的网页的浏览频次、浏览次数、浏览时段等，若浏览频次大于第三预设频次阈值，或者一定时间段内的浏览次数大于第三浏览次数阈值等，则确定用户对该领域的偏好信息为正向偏好信息；若浏览频次小于第四预设频次阈值，或者一定时间段内的浏览次数小于第四浏览次数阈值等，则确定用户对该领域的偏好信息为负向偏好信息。
其中，人机对话***与至少一个命中数据库交互，根据至少一个命中数据库中多个用户的子命中行为数据，确定多个用户的命中行为数据，进而确定多个用户针对至少一个产品来源标识的偏好信息和/或状态信息，能够避免对人机对话过程中通过多轮对话来获取用户针对一个产品来源标识的偏好信息和/或状态信息，减少人机对话过程中的对话轮次，且准确地确定适合当前问题文本的回复文本，提高人机对话***的对话效率。
步骤103，根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识。
在本公开实施例中，人机对话***可以确定当前问题文本以及上下文文本与至少一个产品来源标识的相关度；根据相关度从至少一个产品来源标识中选择目标来源标识。例如，针对每个产品来源标识，人机对话***可以将当前问题文本、上下文文本以及产品来源标识输入相关度模型，获取相关度模型输出的相关度。
步骤104，根据用户针对目标来源标识的偏好信息和/或状态信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本。
本公开实施例的人机对话方法，通过获取对话过程中用户的标识、用户的当前问题文本以及上下文文本；基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识；根据用户针对目标来源标识的偏好信息和/或状态信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本，从而能够在人机对话过程中，结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，确定用户针对产品来源标识的需求，避免通过多次轮次获取用户针对产品来源标识的需求，减少对话轮次，且能够获取到准确的需求，提高人机对话***的对话效率。
其中，为了准确选择目标来源标识，可以结合至少一个产品来源标识的来源特征，以及根据当前问题文本和上下文文本确定的文本来源特征，从至少一个产品来源标识中选择目标来源标识。如图2所示，图2是根据本公开第二实施例的示意图，图2所示实施例可以包括以下步骤：
步骤201，获取对话过程中用户的标识、用户的当前问题文本以及上下文文本。
步骤202，基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息。
步骤203，根据当前问题文本以及上下文文本，确定文本来源特征。
在本公开实施例中，人机对话***确定文本来源特征的过程例如可以为，将当前问题文本以及上下文文本输入来源特征提取模型，获取来源特征提取模型输出的文本来源特征。
步骤204，获取至少一个产品来源标识的来源特征。
在本公开实施例中，人机对话***确定至少一个产品来源标识的来源特征的过程例如可以为，针对每个产品来源标识，获取该产品来源标识的描述文本；将描述文本输入来源特征提取模型，获取来源特征提取模型输出的来源特征。其中，来源特征提取模型的训练过程例如可以为，将两组描述文本输入来源特征提取模型，获取输出的两个来源特征；确定输出的两个来源特征之间的预测相似度；根据预测相似度以及两组描述文本之间标注的参考相似度，构建损失函数对来源特征提取模型进行参数调整，得到训练好的来源特征提取模型。
步骤205，根据文本来源特征以及至少一个产品来源标识的来源特征，从至少一个产品来源标识中选择目标来源标识。
在本公开实施例中，人机对话***执行步骤205的过程例如可以为，根据文本来源特征以及至少一个产品来源标识的来源特征，确定文本来源特征与至少一个来源特征之间的相似度；获取至少一个来源特征中对应的相似度大于预设相似度阈值的第一来源特征；将第一来源特征对应的产品来源标识，确定为目标来源标识。
其中，根据文本来源特征与至少一个来源特征之间的相似度，来选择目标来源标识，可以从至少一个产品来源标识中选择出用户当前的需求所涉及的产品来源标识，进而能够提高基于目标来源标识确定得到的回复文本与用户需求之间的匹配度。
其中，若至少一个来源特征对应的相似度均小于或者等于预设相似度阈值，则人机对话***可以确定未选择到目标来源标识。在未选择到目标来源标识的情况下，人机对话***可以结合当前问题文本以及上下文文本，生成当前问题文本对应的回复文本，进而跳转到步骤201，重新执行步骤201以及之后的步骤。
步骤206，根据用户针对目标来源标识的偏好信息和/或状态信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本。
其中，需要说明的是，步骤201、步骤202和步骤206的详细内容，可以参考图1所示实施例中的步骤101、步骤102和步骤104，此处不再进行详细说明。
本公开实施例的人机对话方法，通过获取对话过程中用户的标识、用户的当前问题文本以及上下文文本；基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据当前问题文本以及上下文文本，确定文本来源特征；获取至少一个产品来源标识的来源特征；根据文本来源特征以及至少一个产品来源标识的来源特征，从至少一个产品来源标识中选择目标来源标识；根据用户针对目标来源标识的偏好信息和/或状态信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本，从而能够在人机对话过程中，结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，确定用户针对产品来源标识的需求，避免通过多次轮次获取用户针对产品来源标识的需求，减少对话轮次，且能够获取到准确的需求，提高人机对话***的对话效率。
其中，在确定目标来源标识后，可以先根据用户针对目标来源标识的偏好信息和/或状态信息，确定目标来源标识的用于生成回复文本的待推送信息或者服务信息；进而结合待推送信息或者服务信息，生成回复文本，提高回复文本的生成准确度。如图3所示，图3是根据本公开第三实施例的示意图，图3所示实施例可以包括以下步骤：
步骤301，获取对话过程中用户的标识、用户的当前问题文本以及上下文文本。
步骤302，基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息。
在本公开实施例中，以产品来源标识为品牌为例，状态信息表示用户针对品牌下的产品是否存在消费行为为例，以用户C为例，用户C针对至少一个品牌的偏好信息和/或状态信息，例如可以如以下表1中所示。
表1用户C针对至少一个品牌的偏好信息和/或状态信息
步骤303，根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识。
步骤304，在用户针对目标来源标识的偏好信息为正向偏好信息，且用户针对目标来源标识的状态信息为未命中状态的情形下，获取目标来源标识的待推送信息。
在本公开实施例中，表1中产品来源标识A和产品来源标识B的待推送信息和/或服务信息，例如可以如以下表2中所示。
表2产品来源标识的待推送信息和/或服务信息
| 产品来源标识 | 待推送信息 | 服务信息 |
| A | 无 | 汽车保养信息 |
| B | 某款羽绒服促销信息 |
其中，需要说明的是，以产品来源标识为品牌为例，待推送信息，可以为售前营销信息。服务信息，可以为售后服务营销信息。以产品来源标识为领域为例，待推送信息，可以为领域相关的页面等。服务信息，可以为领域下子领域的页面等。
步骤305，根据待推送信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本。
在本公开实施例中，人机对话***执行步骤305的过程例如可以为，将待推送信息、当前问题文本以及上下文文本输入对话模型，获取对话模型输出的回复文本。
步骤306，在用户针对目标来源标识的状态信息为命中状态的情形下，获取目标来源标识的服务信息。
步骤307，根据服务信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本。
在本公开实施例中，人机对话***执行步骤307的过程例如可以为，将服务信息、当前问题文本以及上下文文本输入对话模型，获取对话模型输出的回复文本。其中，对话模型可以采用训练数据训练得到，训练数据中包括大于预设数量的样本，样本可以包括：样本推送信息/服务信息、样本问题文本、样本上下文文本、样本回复文本。
在本公开实施例中，在确定当前问题文本对应的回复文本之后，人机对话***还可以执行以下过程：获取用户针对回复文本的应答文本；在应答文本为积极应答文本的情形下，获取与回复文本相关的待推送信息或者服务信息；根据待推送信息或者服务信息，与用户进行多轮对话处理。
另外，在应答文本为消息应答文本的情形下，跳转至步骤301，重新执行步骤301以及之后的各个步骤。
其中，根据用户针对回复文本的应答文本，是否为积极应答文本，进而确定是否根据待推送信息或者服务信息与用户进行多轮对话，能够根据用户的需求进行多轮对话处理，进一步提高对话效率。
以下举例进行说明，以目标来源标识为品牌A为例，品牌A所属行业为汽车行业用户的标识为xiaowang@***.com，用户针对品牌A的偏好信息和/或状态信息如表1所示，品牌A的待推送信息和/或服务信息如表2所示，人机对话***与用户的对话过程例如可以如以下表3所示。
表3人机对话***与用户的对话内容表
其中，在表3中，Bot表示人机对话***。在表3中，当前问题文本例如可以为“不过我出门都开车，不怕！”；上下文文本例如可以为“用户：今天什么气温？Bot：最高温1度，最低温零下7度。今天天气真冷！”；当前问题文本对应的回复文本例如可以为“进入冬季了，您的A品牌的爱车应该定期保养了！”；针对回复文本的积极应答文本例如可以为“谢谢提醒！你不说这事，我都不记得了！”。
在本公开实施例中，根据待推送信息或者服务信息，与用户进行多轮对话处理的过程中，人机对话***还可以与用户进行对话，获取用户对目标来源标识下的已命中产品的反馈信息，并将反馈信息提供给相应的产品来源标识商家。其中，反馈信息例如“最近油耗有些高，感觉踩油门后汽车起步没有力量”等。
其中，需要说明的是，步骤301至步骤303的详细内容，可以参考图1所示实施例中的步骤101至步骤103，此处不再进行详细说明。
本公开实施例的人机对话方法，通过获取对话过程中用户的标识、用户的当前问题文本以及上下文文本；基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识；在用户针对目标来源标识的偏好信息为正向偏好信息，且状态信息为未命中状态的情形下，获取目标来源标识的待推送信息；根据待推送信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本；在状态信息为命中状态的情形下，获取目标来源标识的服务信息；根据服务信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本，从而能够在人机对话过程中，结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，确定用户针对产品来源标识的需求，避免通过多次轮次获取用户针对产品来源标识的需求，减少对话轮次，且能够获取到准确的需求，提高人机对话***的对话效率。
为了实现上述实施例，本公开还提供一种人机对话装置。如图4所示，图4是根据本公开第四实施例的示意图。该人机对话装置40，可以应用于人机对话***，可以包括：第一获取模块401、第二获取模块402、选择模块403和第一确定模块404。
其中，第一获取模块401，用于获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本；
第二获取模块402，用于基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息；
选择模块403，用于根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识；
第一确定模块404，用于根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
作为本公开实施例的一种可能实现方式，所述选择模块403具体用于，根据所述当前问题文本以及所述上下文文本，确定文本来源特征；获取至少一个所述产品来源标识的来源特征；根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，从至少一个所述产品来源标识中选择所述目标来源标识。
作为本公开实施例的一种可能实现方式，所述选择模块403具体还用于，根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，确定所述文本来源特征与至少一个所述来源特征之间的相似度；获取至少一个所述来源特征中对应的相似度大于预设相似度阈值的第一来源特征；将所述第一来源特征对应的产品来源标识，确定为所述目标来源标识。
作为本公开实施例的一种可能实现方式，所述第一确定模块404包括：第一获取单元和第一确定单元；所述第一获取单元，用于在所述用户针对所述目标来源标识的偏好信息为正向偏好信息，且所述状态信息为未命中状态的情形下，获取所述目标来源标识的待推送信息；所述第一确定单元，用于根据所述待推送信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
作为本公开实施例的一种可能实现方式，所述第一确定模块404还包括：第二获取单元和第二确定单元；所述第二获取单元，用于在所述状态信息为命中状态的情形下，获取所述目标来源标识的服务信息；所述第二确定单元，用于根据所述服务信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
作为本公开实施例的一种可能实现方式，所述第一获取模块401具体用于，获取所述人机对话***上的已注册用户标识；在所述已注册用户标识的数量为单个的情形下，将所述已注册用户标识作为对话过程中所述用户的标识；获取所述用户的当前问题文本以及所述上下文文本。
作为本公开实施例的一种可能实现方式，所述第一获取模块401具体还用于，在所述已注册用户标识的数量为多个的情形下，获取多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息；根据多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息，确定与所述当前声纹信息匹配的第一注册声纹信息；将所述第一注册声纹信息对应的已注册用户标识，作为所述对话过程中所述用户的标识。
作为本公开实施例的一种可能实现方式，所述装置还包括：第三获取模块和第二确定模块；所述第三获取模块，用于获取多个用户的命中行为数据，所述命中行为数据包括用户针对多个产品来源标识的命中行为记录；所述第二确定模块，用于针对每个用户，根据所述用户针对多个产品来源标识的命中行为记录，确定所述用户针对至少一个产品来源标识的偏好信息和/或状态信息。
作为本公开实施例的一种可能实现方式，所述第三获取模块具体用于，确定至少一个命中数据库的标识；针对每个命中数据库，基于所述命中数据库的标识，获取所述命中数据库中多个所述用户的子命中行为数据；根据至少一个所述命中数据库中多个所述用户的子命中行为数据，确定多个所述用户的命中行为数据。
作为本公开实施例的一种可能实现方式，所述装置还包括：第四获取模块、第五获取模块以及对话处理模块；所述第四获取模块，用于获取所述用户针对所述回复文本的应答文本；所述第五获取模块，用于在所述应答文本为积极应答文本的情形下，获取与所述回复文本相关的待推送信息或者服务信息；所述对话处理模块，用于根据所述待推送信息或者所述服务信息，与所述用户进行多轮对话处理。
作为本公开实施例的一种可能实现方式，所述人机对话***设置在以下至少一种设备上：移动终端、智能音箱。
本公开实施例的人机对话装置，通过获取对话过程中用户的标识、用户的当前问题文本以及上下文文本；基于标识，获取用户针对至少一个产品来源标识的偏好信息和/或状态信息；根据当前问题文本以及上下文文本，从至少一个产品来源标识中选择目标来源标识；根据用户针对目标来源标识的偏好信息和/或状态信息、当前问题文本以及上下文文本，确定当前问题文本对应的回复文本，从而能够在人机对话过程中，结合用户针对至少一个产品来源标识的偏好信息和/或状态信息，确定用户针对产品来源标识的需求，避免通过多次轮次获取用户针对产品来源标识的需求，减少对话轮次，且能够获取到准确的需求，提高人机对话***的对话效率。
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，均在征得用户同意的前提下进行，并且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示例电子设备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、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，例如人机对话方法。例如，在一些实施例中，人机对话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，可以执行上文描述的人机对话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)而被配置为执行人机对话方法。
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)、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。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 (25)
1.一种人机对话方法，应用于人机对话***，所述方法包括：
获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本；
基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息；
根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识；
根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
2.根据权利要求1所述的方法，其中，所述根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识，包括：
根据所述当前问题文本以及所述上下文文本，确定文本来源特征；
获取至少一个所述产品来源标识的来源特征；
根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，从至少一个所述产品来源标识中选择所述目标来源标识。
3.根据权利要求2所述的方法，其中，所述根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，从至少一个所述产品来源标识中选择所述目标来源标识，包括：
根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，确定所述文本来源特征与至少一个所述来源特征之间的相似度；
获取至少一个所述来源特征中对应的相似度大于预设相似度阈值的第一来源特征；
将所述第一来源特征对应的产品来源标识，确定为所述目标来源标识。
4.根据权利要求1所述的方法，其中，所述根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本，包括：
在所述用户针对所述目标来源标识的偏好信息为正向偏好信息，且所述状态信息为未命中状态的情形下，获取所述目标来源标识的待推送信息；
根据所述待推送信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
5.根据权利要求4所述的方法，其中，所述根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本，还包括：
在所述状态信息为命中状态的情形下，获取所述目标来源标识的服务信息；
根据所述服务信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
6.根据权利要求1所述的方法，其中，所述获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本，包括：
获取所述人机对话***上的已注册用户标识；
在所述已注册用户标识的数量为单个的情形下，将所述已注册用户标识作为对话过程中所述用户的标识；
获取所述用户的当前问题文本以及所述上下文文本。
7.根据权利要求6所述的方法，其中，所述获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本，还包括：
在所述已注册用户标识的数量为多个的情形下，获取多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息；
根据多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息，确定与所述当前声纹信息匹配的第一注册声纹信息；
将所述第一注册声纹信息对应的已注册用户标识，作为所述对话过程中所述用户的标识。
8.根据权利要求1所述的方法，其中，在基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息之前，所述方法还包括：
获取多个用户的命中行为数据，所述命中行为数据包括用户针对多个产品来源标识的命中行为记录；
针对每个用户，根据所述用户针对多个产品来源标识的命中行为记录，确定所述用户针对至少一个产品来源标识的偏好信息和/或状态信息。
9.根据权利要求8所述的方法，其中，所述获取多个用户的命中行为数据，包括：
确定至少一个命中数据库的标识；
针对每个命中数据库，基于所述命中数据库的标识，获取所述命中数据库中多个所述用户的子命中行为数据；
根据至少一个所述命中数据库中多个所述用户的子命中行为数据，确定多个所述用户的命中行为数据。
10.根据权利要求1所述的方法，其中，所述方法还包括：
获取所述用户针对所述回复文本的应答文本；
在所述应答文本为积极应答文本的情形下，获取与所述回复文本相关的待推送信息或者服务信息；
根据所述待推送信息或者所述服务信息，与所述用户进行多轮对话处理。
11.根据权利要求1－10任一项所述的方法，其中，所述人机对话***设置在以下至少一种设备上：移动终端、智能音箱。
12.一种人机对话装置，应用于人机对话***，所述装置包括：
第一获取模块，用于获取对话过程中用户的标识、所述用户的当前问题文本以及上下文文本；
第二获取模块，用于基于所述标识，获取所述用户针对至少一个产品来源标识的偏好信息和/或状态信息；
选择模块，用于根据所述当前问题文本以及所述上下文文本，从至少一个所述产品来源标识中选择目标来源标识；
第一确定模块，用于根据所述用户针对所述目标来源标识的偏好信息和/或状态信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
13.根据权利要求12所述的装置，其中，所述选择模块具体用于，
根据所述当前问题文本以及所述上下文文本，确定文本来源特征；
获取至少一个所述产品来源标识的来源特征；
根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，从至少一个所述产品来源标识中选择所述目标来源标识。
14.根据权利要求13所述的装置，其中，所述选择模块具体还用于，
根据所述文本来源特征以及至少一个所述产品来源标识的来源特征，确定所述文本来源特征与至少一个所述来源特征之间的相似度；
获取至少一个所述来源特征中对应的相似度大于预设相似度阈值的第一来源特征；
将所述第一来源特征对应的产品来源标识，确定为所述目标来源标识。
15.根据权利要求12所述的装置，其中，所述第一确定模块包括：第一获取单元和第一确定单元；
所述第一获取单元，用于在所述用户针对所述目标来源标识的偏好信息为正向偏好信息，且所述状态信息为未命中状态的情形下，获取所述目标来源标识的待推送信息；
所述第一确定单元，用于根据所述待推送信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
16.根据权利要求15所述的装置，其中，所述第一确定模块还包括：第二获取单元和第二确定单元；
所述第二获取单元，用于在所述状态信息为命中状态的情形下，获取所述目标来源标识的服务信息；
所述第二确定单元，用于根据所述服务信息、所述当前问题文本以及所述上下文文本，确定所述当前问题文本对应的回复文本。
17.根据权利要求12所述的装置，其中，所述第一获取模块具体用于，
获取所述人机对话***上的已注册用户标识；
在所述已注册用户标识的数量为单个的情形下，将所述已注册用户标识作为对话过程中所述用户的标识；
获取所述用户的当前问题文本以及所述上下文文本。
18.根据权利要求17所述的装置，其中，所述第一获取模块具体还用于，
在所述已注册用户标识的数量为多个的情形下，获取多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息；
根据多个所述已注册用户标识对应的注册声纹信息，以及对话过程中所述用户的当前声纹信息，确定与所述当前声纹信息匹配的第一注册声纹信息；
将所述第一注册声纹信息对应的已注册用户标识，作为所述对话过程中所述用户的标识。
19.根据权利要求12所述的装置，其中，所述装置还包括：第三获取模块和第二确定模块；
所述第三获取模块，用于获取多个用户的命中行为数据，所述命中行为数据包括用户针对多个产品来源标识的命中行为记录；
所述第二确定模块，用于针对每个用户，根据所述用户针对多个产品来源标识的命中行为记录，确定所述用户针对至少一个产品来源标识的偏好信息和/或状态信息。
20.根据权利要求19所述的装置，其中，所述第三获取模块具体用于，
确定至少一个命中数据库的标识；
针对每个命中数据库，基于所述命中数据库的标识，获取所述命中数据库中多个所述用户的子命中行为数据；
根据至少一个所述命中数据库中多个所述用户的子命中行为数据，确定多个所述用户的命中行为数据。
21.根据权利要求12所述的装置，其中，所述装置还包括：第四获取模块、第五获取模块以及对话处理模块；
所述第四获取模块，用于获取所述用户针对所述回复文本的应答文本；
所述第五获取模块，用于在所述应答文本为积极应答文本的情形下，获取与所述回复文本相关的待推送信息或者服务信息；
所述对话处理模块，用于根据所述待推送信息或者所述服务信息，与所述用户进行多轮对话处理。
22.根据权利要求12至21任一项所述的装置，其中，所述人机对话***设置在以下至少一种设备上：移动终端、智能音箱。
23.一种电子设备，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至11中任一项所述的方法。
24.一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所述计算机执行根据权利要求1至11中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至11中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310124978.8A CN116049372B (zh) | 2023-02-07 | 2023-02-07 | 人机对话方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310124978.8A CN116049372B (zh) | 2023-02-07 | 2023-02-07 | 人机对话方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116049372A true CN116049372A (zh) | 2023-05-02 |
| CN116049372B CN116049372B (zh) | 2023-11-28 |
Family
ID=86120055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310124978.8A Active CN116049372B (zh) | 2023-02-07 | 2023-02-07 | 人机对话方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116049372B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257792A1 (en) * | 2013-03-11 | 2014-09-11 | Nuance Communications, Inc. | Anaphora Resolution Using Linguisitic Cues, Dialogue Context, and General Knowledge |
| CN112925894A (zh) * | 2021-03-26 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 对话中标问匹配方法、***及装置 |
| CN114391143A (zh) * | 2019-08-26 | 2022-04-22 | 三星电子株式会社 | 用于提供对话服务的电子设备和方法 |
| CN115150501A (zh) * | 2021-03-30 | 2022-10-04 | 华为技术有限公司 | 一种语音交互方法及电子设备 |
-
2023
- 2023-02-07 CN CN202310124978.8A patent/CN116049372B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257792A1 (en) * | 2013-03-11 | 2014-09-11 | Nuance Communications, Inc. | Anaphora Resolution Using Linguisitic Cues, Dialogue Context, and General Knowledge |
| CN114391143A (zh) * | 2019-08-26 | 2022-04-22 | 三星电子株式会社 | 用于提供对话服务的电子设备和方法 |
| CN112925894A (zh) * | 2021-03-26 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 对话中标问匹配方法、***及装置 |
| CN115150501A (zh) * | 2021-03-30 | 2022-10-04 | 华为技术有限公司 | 一种语音交互方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116049372B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104951428B (zh) | 用户意图识别方法及装置 | |
| CN111368043A (zh) | 基于人工智能的事件问答方法、装置、设备及存储介质 | |
| CN110019742B (zh) | 用于处理信息的方法和装置 | |
| CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
| CN114244795B (zh) | 一种信息的推送方法、装置、设备及介质 | |
| CN113904943B (zh) | 账号检测方法、装置、电子设备和存储介质 | |
| CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
| CN116049372B (zh) | 人机对话方法、装置及电子设备 | |
| CN117171296A (zh) | 信息获取方法、装置和电子设备 | |
| CN113360590B (zh) | 兴趣点信息的更新方法、装置、电子设备及存储介质 | |
| CN116204624A (zh) | 应答方法、装置、电子设备及存储介质 | |
| CN114444514B (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
| CN114490969B (zh) | 基于表格的问答方法、装置以及电子设备 | |
| CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
| CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
| CN112817463A (zh) | 输入法获取音频数据的方法、设备和存储介质 | |
| CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
| CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
| CN116244413B (zh) | 新意图确定方法、设备和存储介质 | |
| CN115965018B (zh) | 信息生成模型的训练方法、信息生成方法和装置 | |
| CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
| CN116244740B (zh) | 一种日志脱敏方法、装置、电子设备及存储介质 | |
| CN113238765B (zh) | 小程序的分发方法、装置、设备和存储介质 | |
| CN117421400A (zh) | 对话交互方法、装置及电子设备 | |
| CN117421402A (zh) | 对话处理方法、装置及电子设备 |
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 |