CN116303937A - 回复方法、装置、电子设备及可读存储介质 - Google Patents

回复方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116303937A
CN116303937A CN202310079546.XA CN202310079546A CN116303937A CN 116303937 A CN116303937 A CN 116303937A CN 202310079546 A CN202310079546 A CN 202310079546A CN 116303937 A CN116303937 A CN 116303937A
Authority
CN
China
Prior art keywords
rule
reply
input text
target
rule template
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
Application number
CN202310079546.XA
Other languages
English (en)
Inventor
任珂
任展
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cloudminds Shanghai Robotics Co Ltd
Original Assignee
Cloudminds Shanghai Robotics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cloudminds Shanghai Robotics Co Ltd filed Critical Cloudminds Shanghai Robotics Co Ltd
Priority to CN202310079546.XA priority Critical patent/CN116303937A/zh
Publication of CN116303937A publication Critical patent/CN116303937A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Human Computer Interaction (AREA)
  • Machine Translation (AREA)

Abstract

本公开涉及一种回复方法、装置、电子设备及可读存储介质，该方法包括：获取输入文本，对输入文本进行关键实体抽取得到输入文本的实体识别结果，对输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板，规则模板库包括预先定义的各个问题类别的规则模板，一个规则模板对应一个或多个回复规则，基于正则匹配方法从候选规则模板中筛选出目标规则模板，基于实体识别结果及目标规则模板的回复规则得到输入文本对应的回复；通过实体抽取结果和语义匹配结果从预先定义的规则模板库中获取回复规则，根据回复规则得到输入文本对应的回复，优化了回复语句，使得兜底回复更加多样性。

Description

回复方法、装置、电子设备及可读存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种回复方法、装置、电子设备及可读存储介质。
背景技术
在大部分的人工智能对话***中，对于对话***或第三方流程无法精准回复的问题，通常会用一个固定的回复作为该类问题的回复，避免对话***没有任何响应。这种方式往往会让用户感觉机器人回复太死板，觉得对话***不太智能，无法理解用户的意思。因此，亟需一种回复方法，使得这样的场景中的兜底回复更加多样性，对话***表现的更智能。
发明内容
本公开的目的是提供一种电子设备，该电子设备在面对无法精准回复的问题时，通过关键实体抽取和泛化意图匹配使兜底回复更加多样性，使对话***表现得更智能。
为了实现上述目的，本公开实施例的第一方面，提供一种回复方法，包括：获取输入文本；对所述输入文本进行关键实体抽取得到所述输入文本的实体识别结果；对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板；所述规则模板库包括预先定义的各个问题类别的规则模板，一个所述规则模板对应一个或多个回复规则；基于正则匹配方法从所述候选规则模板中筛选出目标规则模板；基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复。
可选的，所述对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板，包括：对所述输入文本进行分词，得到一个或多个词语；从所述一个或多个词语中确定所述关键词；将所述关键词与所述规则模板库中的每一个规则模板进行匹配，将包含所述关键词的规则模板作为所述候选规则模板。
可选的，所述从所述一个或多个词语中确定所述关键词，包括：获取所述述规则模板库中包含的问题类别；将所述一个或多个词语中每一个与所述问题类别进行匹配；将与所述问题类别语义对应的词语作为所述关键词。
可选的，所述基于正则匹配方法从所述候选规则模板中筛选出目标规则模板，包括：将所述候选规则模板的各个词语的语义及顺序与所述输入文本的各个词语的语义及顺序进行对比；将各个词语的语义及各个词语的顺序与所述输入文本完全对应的候选规则模板作为所述目标规则模板。
可选的，所述基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复，包括：获取所述目标规则模板对应的一个或多个回复规则；从所述一个或多个回复规则中确定目标回复规则；将所述实体识别结果中的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复。
可选的，所述从所述一个或多个回复规则中确定目标回复规则，包括：从所述一个或多个回复规则中随机选择一个作为所述目标回复规则。
可选的，所述将所述实体识别结果中的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复，包括：在所述实体识别结果中包含多个所述实体的情况下，将字符数最多的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复；或将所述输入文本中靠前的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复。
根据本公开实施例的第二方面，提供一种回复装置，包括：获取模块，用于获取输入文本；识别模块，用于对所述输入文本进行关键实体抽取得到所述输入文本的实体识别结果；处理模块，用于对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板；所述规则模板库包括预先定义的各个问题类别的规则模板，一个所述规则模板对应一个或多个回复规则；筛选模块，用于基于正则匹配方法从所述候选规则模板中筛选出目标规则模板；所述处理模块，还用于基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复。
根据本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述可执行指令实现前述的回复方法的步骤。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现本公开第一方面所提供的回复方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：能够获取输入文本，对输入文本进行关键实体抽取得到输入文本的实体识别结果，对输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板，规则模板库包括预先定义的各个问题类别的规则模板，一个规则模板对应一个或多个回复规则，基于正则匹配方法从候选规则模板中筛选出目标规则模板，基于实体识别结果及目标规则模板的回复规则得到输入文本对应的回复；在无法对输入文本进行精准回复的情况下，对输入文本进行关键实体抽取和泛化语义匹配，通过实体抽取结果和语义匹配结果从预先定义的规则模板库中获取回复规则，根据回复规则得到输入文本对应的回复，优化了回复语句，使得兜底回复更加多样性，对话***表现得更智能。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1为本公开示例性实施例示出的计算机***的结构示意图。
图2为本公开示例性实施例示出的一种回复方法的流程图。
图3为根据一示例性实施例示出的一种回复装置的框图。
图4为根据一示例性实施例示出的一种装置的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
可以理解的是，本公开中“多个”是指两个或两个以上，其它量词与之类似。“和/或”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。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
图1是本公开示例性实施例示出的计算机***的结构示意图，该计算机***包括终端120和服务器140。
终端120与服务器140之间通过有线或者无线网络相互连接。
终端120可以包括智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人中的至少一种。
终端120包括显示器；显示器可以用于显示输入文本对应的回复。
终端120包括第一存储器和第一处理器。第一存储器中存储有第一程序；上述第一程序被第一处理器调用执行以实现本公开提供的回复方法。第一存储器可以包括但不限于以下几种：随机存取存储器(Random Access Memory，RAM)、只读存储器(Read OnlyMemory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)、以及电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)。
第一处理器可以是一个或者多个集成电路芯片组成。可选地，第一处理器可以是通用处理器，比如，中央处理器(Central Processing Unit，CPU)或者网络处理器(NetworkProcessor，NP)。
服务器140包括第二存储器和第二处理器。第二存储器中存储有第二程序，上述第二程序被第二处理器调用来实现本公开提供的回复方法。可选地，第二存储器可以包括但不限于以下几种：RAM、ROM、PROM、EPROM、EEPROM。可选地，第二处理器可以是通用处理器，比如，CPU或者NP。
服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本公开在此不做限制。
图2为本公开示例性实施例示出的一种回复方法的流程图，如图1所示，该回复方法用于智能机器人、智能对话***等终端中，包括以下步骤。
在步骤S11中，获取输入文本。
其中，输入文本是用户输入的询问语句，询问对话***的问题，例如，用户向对话***提问“怎么去西岭雪山”，“请问一下如何去A市图书馆”。输入文本可以是用户语音输入的，也可以是用户手动输入的，或是其他可行的输入方式，本公开对此不做限制。
在步骤S12中，对输入文本进行关键实体抽取得到输入文本的实体识别结果。
其中，关键实体抽取是指抽取文本中具有特定意义的词，如人名、地名、机构名、专有名词等，并把需要识别的词在文本序列中标注出来，或者也可以称为命名实体识别(Named Entity Recognition，NER)。
示例性的，对输入文本“怎么去西岭雪山”进行关键实体抽取可以得到关于地点的实体“西岭雪山”，对输入文本“请问一下如何去A市图书馆”进行关键实体抽取可以得到关于地点的实体“A市图书馆”或“A市”，这里的“西岭雪山”、“A市图书馆”或“A市”为实体识别结果。
示例性的，可以通过NER模型对输入文本进行实体识别，NER模型可以是但不限于Template NER、Demonstration NER等，或是其他可以对输入文本进行实体识别的模型，本公开对此不做限制。
在步骤S13中，对输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板。
其中，分词是指将输入文本中的主语、谓语、宾语及介词等分隔开，例如，对前述步骤中提到的输入文本“怎么去西岭雪山”进行分词后得到“怎么”、“去”及“西岭雪山”三个词语，分词后的输入文本可以记为[怎么|去|西岭雪山]，对输入文本“请问一下如何去A市图书馆”进行分词可以得到[请问一下|如何|去|A市图书馆]。
规则模板库包括预先定义的各个问题类别的规则模板，一个规则模板对应一个或多个回复规则；其中，问题类别包括但不限于查询地点的问题、查询天气的类别或查询商品价格的问题等，每一类问题对应一个规则模板，例如，查询地点的问题的规则模板可以是“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”，其中，[0:5|]表示此处可以有不多于5个字符，例如，可以是“请问”、“请问一下”等，@sys.any:any表示此处可以支持匹配任意字符，不限制长度；一个规则模板对应一个或多个回复规则，例如，前述示例的规则模板“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”对应的回复规则可以是“我也很好奇[$]在哪里呢，辛苦您找别人打听一下哦”，或者也可以是“这个[$]挺神秘呢，我也不知道在哪里，您要不问问附近的人吧”，其中，[$]为替换位，可以用输入文本中识别到的实体替换[$]。
一种实施方式中，对输入文本进行分词得到一个或多个词语后，需要从一个或多个词语中确定关键词，将关键词与规则模板库中的每一个规则模板进行匹配，将包含关键词的规则模板作为候选规则模板。其中，关键词可以为输入文本中具有特定意义的词，即关键词为输入文本中实体，例如，输入文本“怎么去西岭雪山”中的关键词为“西岭雪山”，输入文本“请问一下如何去A市图书馆”中的关键词为“A市图书馆”或“A市”，关键词也可以是与问题类别语义对应的词语，如“西岭雪山”对应查询地点的问题类别。确定关键词后，将关键词与规则模板库中的每一个规则模板进行匹配，将包含关键词的规则模板作为候选规则模板。
在步骤S14中，基于正则匹配方法从候选规则模板中筛选出目标规则模板。
示例性的，用户通过语音输入了文本“请问一下如何去A市图书馆”，该输入文本可以匹配上“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”和“[0:5|][到|去]@sys.any:any”这两个候选规则模板，分词后的输入文本[请问一下|如何|去|A市图书馆]中各个词语的语义及顺序与“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”中各个词语的语义及顺序一一对应，因此，可以将“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”作为目标规则模板。
在步骤S15中，基于实体识别结果及目标规则模板的回复规则得到输入文本对应的回复。
前述提到，每个规则模板对应一个或多个回复规则，因此，获取目标规则模板之后，获取目标规则模板对应的一个或多个回复规则，基于实体识别结果及目标规则模板的回复规则得到输入文本对应的回复。例如，“[0:5|][怎么|如何|怎样][到|去]@sys.any:any”对应的回复规则可以是“我也很好奇[$]在哪里呢，辛苦您找别人打听一下哦”，或者也可以是“这个[$]挺神秘呢，我也不知道在哪里，您要不问问附近的人吧”，一种实施方式中，可以从这两个回复规则中随机选择一个作为目标回复规则。然后将实体识别结果中的实体替换到目标回复规则的指定位置，得到输入文本对应的回复；这里的指定位置是指替换位[$]。例如，将输入文本“请问一下如何去A市图书馆”中的实体“A市图书馆”替换至回复规则中可以得到输入文本的回复“这个A市图书馆挺神秘呢，我也不知道在哪里，您要不问问附近的人吧”。
需要说明的是，在实体识别结果中包含多个实体的情况下，将字符数最多的实体替换到目标回复规则的指定位置，得到输入文本对应的回复；或将输入文本中靠前的实体替换到目标回复规则的指定位置，得到输入文本对应的回复。例如，输入文本“请问一下如何去A市图书馆”中的实体包括“A市图书馆”或“A市”，“A市图书馆”的字符数多于“A市”，因此，将“A市图书馆”作为最终的替换实体；又例如，输入文本“请问一下如何去A市图书馆和博物馆呢”中的实体包括“A市图书馆”或“博物馆”，此时可以将输入文本中靠前的实体作为替换实体。
综上所述，本公开提供的回复方法，包括：获取输入文本，对输入文本进行关键实体抽取得到输入文本的实体识别结果，对输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板，规则模板库包括预先定义的各个问题类别的规则模板，一个规则模板对应一个或多个回复规则，基于正则匹配方法从候选规则模板中筛选出目标规则模板，基于实体识别结果及目标规则模板的回复规则得到输入文本对应的回复；在无法对输入文本进行精准回复的情况下，对输入文本进行关键实体抽取和泛化语义匹配，通过实体抽取结果和语义匹配结果从预先定义的规则模板库中获取回复规则，根据回复规则得到输入文本对应的回复，优化了回复语句，使得兜底回复更加多样性，对话***表现得更智能。
图2为本公开示例性实施例示出的一种回复装置框图。参照图4，该回复装置20包括获取模块201，识别模块202，处理模块203和筛选模块204。
该获取模块201，用于获取输入文本；
该识别模块202，用于对所述输入文本进行关键实体抽取得到所述输入文本的实体识别结果；
该处理模块203，用于对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板；所述规则模板库包括预先定义的各个问题类别的规则模板，一个所述规则模板对应一个或多个回复规则；
该筛选模块204，用于基于正则匹配方法从所述候选规则模板中筛选出目标规则模板；
该处理模块201，用于基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复。
可选的，该处理模块203，还用于对所述输入文本进行分词，得到一个或多个词语；
从所述一个或多个词语中确定所述关键词；
将所述关键词与所述规则模板库中的每一个规则模板进行匹配，将包含所述关键词的规则模板作为所述候选规则模板。
可选的，该处理模块203，还用于获取所述述规则模板库中包含的问题类别；
将所述一个或多个词语中每一个与所述问题类别进行匹配；
将与所述问题类别语义对应的词语作为所述关键词。
可选的，该筛选模块204，还用于将所述候选规则模板的各个词语的语义及顺序与所述输入文本的各个词语的语义及顺序进行对比；
将各个词语的语义及各个词语的顺序与所述输入文本完全对应的候选规则模板作为所述目标规则模板。
可选的，该处理模块201，还用于获取所述目标规则模板对应的一个或多个回复规则；
从所述一个或多个回复规则中确定目标回复规则；
将所述实体识别结果中的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复。
可选的，该处理模块201，还用于从所述一个或多个回复规则中随机选择一个作为所述目标回复规则。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种电子设备700的框图。如图4所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。
其中，处理器701用于控制该电子设备700的整体操作，以完成上述的回复方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的回复方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的回复方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的回复方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的回复方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的回复方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的回复方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种回复方法，其特征在于，包括：
获取输入文本；
对所述输入文本进行关键实体抽取得到所述输入文本的实体识别结果；
对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板；所述规则模板库包括预先定义的各个问题类别的规则模板，一个所述规则模板对应一个或多个回复规则；
基于正则匹配方法从所述候选规则模板中筛选出目标规则模板；
基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复。
2.根据权利要求1所述的方法，其特征在于，所述对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板，包括：
对所述输入文本进行分词，得到一个或多个词语；
从所述一个或多个词语中确定所述关键词；
将所述关键词与所述规则模板库中的每一个规则模板进行匹配，将包含所述关键词的规则模板作为所述候选规则模板。
3.根据权利要求2所述的方法，其特征在于，所述从所述一个或多个词语中确定所述关键词，包括：
获取所述述规则模板库中包含的问题类别；
将所述一个或多个词语中每一个与所述问题类别进行匹配；
将与所述问题类别语义对应的词语作为所述关键词。
4.根据权利要求1所述的方法，其特征在于，所述基于正则匹配方法从所述候选规则模板中筛选出目标规则模板，包括：
将所述候选规则模板的各个词语的语义及顺序与所述输入文本的各个词语的语义及顺序进行对比；
将各个词语的语义及各个词语的顺序与所述输入文本完全对应的候选规则模板作为所述目标规则模板。
5.根据权利要求1所述的方法，其特征在于，所述基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复，包括：
获取所述目标规则模板对应的一个或多个回复规则；
从所述一个或多个回复规则中确定目标回复规则；
将所述实体识别结果中的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复。
6.根据权利要求5所述的方法，其特征在于，所述从所述一个或多个回复规则中确定目标回复规则，包括：
从所述一个或多个回复规则中随机选择一个作为所述目标回复规则。
7.根据权利要求5所述的方法，其特征在于，所述将所述实体识别结果中的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复，包括：
在所述实体识别结果中包含多个所述实体的情况下，将字符数最多的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复；或将所述输入文本中靠前的实体替换到所述目标回复规则的指定位置，得到所述输入文本对应的回复。
8.一种回复装置，其特征在于，包括：
获取模块，用于获取输入文本；
识别模块，用于对所述输入文本进行关键实体抽取得到所述输入文本的实体识别结果；
处理模块，用于对所述输入文本进行分词，将分词后的输入文本与规则模板库中的规则模板进行匹配，筛选出包含关键词的候选规则模板；所述规则模板库包括预先定义的各个问题类别的规则模板，一个所述规则模板对应一个或多个回复规则；
筛选模块，用于基于正则匹配方法从所述候选规则模板中筛选出目标规则模板；
所述处理模块，还用于基于所述实体识别结果及所述目标规则模板的回复规则得到所述输入文本对应的回复。
9.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202310079546.XA 2023-01-20 2023-01-20 回复方法、装置、电子设备及可读存储介质 Pending CN116303937A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310079546.XA CN116303937A (zh) 2023-01-20 2023-01-20 回复方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310079546.XA CN116303937A (zh) 2023-01-20 2023-01-20 回复方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116303937A true CN116303937A (zh) 2023-06-23

Family

ID=86787891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310079546.XA Pending CN116303937A (zh) 2023-01-20 2023-01-20 回复方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116303937A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116842169A (zh) * 2023-09-01 2023-10-03 国网山东省电力公司聊城供电公司 电力网格会话管理方法、***、终端及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116842169A (zh) * 2023-09-01 2023-10-03 国网山东省电力公司聊城供电公司 电力网格会话管理方法、***、终端及存储介质
CN116842169B (zh) * 2023-09-01 2024-01-12 国网山东省电力公司聊城供电公司 电力网格会话管理方法、***、终端及存储介质

Similar Documents

Publication Publication Date Title
JP6647351B2 (ja) 候補応答情報を生成する方法及び装置
US9369418B2 (en) Determining additional information associated with geographic location information
CN109241286B (zh) 用于生成文本的方法和装置
CN112925898B (zh) 基于人工智能的问答方法、装置、服务器及存储介质
CN110532107B (zh) 接口调用方法、装置、计算机设备及存储介质
CN114595686A (zh) 知识抽取方法、知识抽取模型的训练方法及装置
CN113407851A (zh) 基于双塔模型的确定推荐信息的方法、装置、设备和介质
CN112765364A (zh) 群聊会话排序方法、装置、存储介质和电子设备
CN116303937A (zh) 回复方法、装置、电子设备及可读存储介质
CN110134920B (zh) 绘文字兼容显示方法、装置、终端及计算机可读存储介质
CN111930891B (zh) 基于知识图谱的检索文本扩展方法及相关装置
CN110852057A (zh) 一种计算文本相似度的方法和装置
CN108509059B (zh) 一种信息处理方法、电子设备和计算机存储介质
CN111858966A (zh) 知识图谱的更新方法、装置、终端设备及可读存储介质
CN116775815B (zh) 对话数据的处理方法、装置、电子设备及存储介质
CN107330126B (zh) 用于输出信息的方法和装置
CN110825954A (zh) 关键词推荐方法、装置和电子设备
CN109120783A (zh) 信息获取方法及装置、移动终端和计算机可读存储介质
CN113254579A (zh) 语音检索方法、装置及电子设备
CN108962398B (zh) 医院信息获取方法及装置
CN112487164A (zh) 一种人工智能交互方法
CN112615774A (zh) 即时通讯信息处理方法、装置、即时通讯***及电子设备
CN112597529A (zh) 多媒体内容处理方法和装置、存储介质和电子设备
CN111753548A (zh) 信息获取方法及装置、计算机存储介质、电子设备
CN113504836B (zh) 一种信息输入方法和电子设备

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