CN107609092B - 智能应答方法和装置 - Google Patents

Abstract

本申请公开了智能应答方法和装置。所述方法的一具体实施方式包括：确定输入法的当前状态；响应于当前状态为第一智能应答状态，解析用户的当前输入信息；将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。该实施方式有利于提升用户与对话方的沟通效率、减少用户使用输入法输入信息的时长，从而有利于降低电子设备的使用功耗延长电子设备的使用寿命。

Description

智能应答方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及输入法的技术领域，尤其涉及智能应答方法和装置。

背景技术

伴随移动互联网的飞速发展和移动互联网用户的增加，在移动端安装的用户社交类产品成为了用户最常使用的应用，甚至几乎成为了大家生活中的必需品。相应地，应用于移动终端的输入法也逐渐成为移动端工具类应用中使用最为频繁的应用。如何在社交沟通中为用户提供更多便利，成为了应用于移动终端的输入法在移动社交时代的一大突破点。

有别于以往的应用于个人电脑(Personal Computer，PC)输入法，应用于移动终端的输入法，由于其更多集中应用于移动社交应用中。相比长文本的记录或工作文稿的撰写，更多用于与人沟通时所使用的文字输入。那么，应用于移动终端的输入法除了要满足以往对输入法的要求，如输入使用便捷、纠错功能、联想功能之外，如何让社交时的输入更加高效、更加个性化，成为了其亟待解决的问题。

发明内容

本申请的目的在于提出一种改进的智能应答方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种智能应答方法，包括：确定输入法的当前状态；响应于当前状态为第一智能应答状态，解析用户的当前输入信息；将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

在一些实施例中，应答候选语句生成模型基于用户历史应答信息作为训练样本训练得到。

在一些实施例中，方法还包括：响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

在一些实施例中，响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果，包括：从所选择的对话信息中确定出语义特征信息；调用预先关联的搜索应用，并将语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

在一些实施例中，方法还包括：响应于当前状态为第二智能应答状态，解析对话方发送的对话信息；将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句。

在一些实施例中，自动应答语句生成模型基于用户与对话方的历史对话信息作为训练样本训练得到。

在一些实施例中，将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句，包括：若解析结果包括预先设置的关键词，则生成提醒信息。

第二方面，本申请提供了一种智能应答装置，包括：确定单元，用于确定输入法的当前状态；解析单元，用于响应于当前状态为第一智能应答状态，解析用户的当前输入信息；第一生成单元，用于将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及智能应答信息生成单元，用于响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

在一些实施例中，应答候选语句生成模型基于用户历史应答信息作为训练样本训练得到。

在一些实施例中，装置还包括：搜索调用单元，用于响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

在一些实施例中，搜索调用单元进一步用于：从所选择的对话信息中确定出语义特征信息；以及调用预先关联的搜索应用，并将语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

在一些实施例中，解析单元还用于响应于当前状态为第二智能应答状态，解析对话方发送的对话信息；装置还包括应答语句生成单元，用于将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句。

在一些实施例中，自动应答语句生成模型基于用户与对话方的历史对话信息作为训练样本训练得到。

在一些实施例中，应答语句生成单元还用于：若解析结果包括预先设置的关键词，则生成提醒信息。

第三方面，本申请提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上的智能应答方法。

第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的智能应答方法。

本申请提供的智能应答方法和装置，当输入法的当前状态为第一智能应答状态(例如，半自动应答状态)时，通过解析用户的当前输入信息得到语义信息，并将语义信息输入应答候选语句生成模型以得到与语义信息相匹配的智能应答候选语句信息，最后基于用户的选择，从智能应答候选语句信息确定出智能应答信息。这样一来，可以对用户的当前输入信息进行针对性的扩充和联想，有利于提升用户与对话方的沟通效率、减少用户使用输入法输入信息的时长，从而有利于降低电子设备的使用功耗延长电子设备的使用寿命。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的智能应答方法的一个实施例的流程图；

图3是根据本申请的智能应答方法的又一个实施例的流程图；

图4A～图4C是根据本申请的智能应答方法的应用场景的示意图；

图5是根据本申请的智能应答装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的智能应答方法或智能应答装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如即时通信工具、网页浏览器应用搜索类应用、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且其上安装有输入法应用的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的输入法应用提供支持的服务器。服务器可以对用户通过输入法应用输入的信息进行解析，并将解析结果反馈至终端设备101、102、103。

需要说明的是，本申请实施例所提供的智能应答方法一般由终端设备101、102、103执行，或者，也可以一部分由终端设备101、102、103执行而另一部分由服务器105执行。相应地，智能应答装置一般设置于终端设备101、102、103中，或者，一部分设置于终端设备101、102、103中而另一部分设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的智能应答方法的一个实施例的流程200。所述的智能应答方法，包括以下步骤：

步骤210，确定输入法的当前状态。

在本实施例中，智能应答方法运行于其上的电子设备(例如图1所示的服务器)可以接收用户通过输入法输入的信息，并将用户输入的信息呈现在使用该输入法的应用(例如，社交类应用、即时通信类应用等)的界面中。

在本实施例的一些可选的实现方式中，输入法应用的操作界面除了提供待用户输入的拼音、字母、数字、符号等字符之外，还可以提供用户可操作的控件。用户通过操作这些控件，可以修改输入法的当前状态。

在这些可选的实现方式的一些应用场景中，输入法的当前状态可以是用于表征用户的输入操作与呈现在输入法操作界面上的输出信息之间关联关系的状态。

或者，在这些可选的实现方式的另一些应用场景中，输入法的当前状态也可以用于表征使用该输入法的即时通信应用所接收到的信息与呈现在输入法操作界面上的输出信息之间关联关系的状态。

在本实施例的另一些可选的实现方式中，本实施例的智能应答方法应用其上的电子设备也可以通过检测用户在预定时段内对电子设备的操作来确定输入法的当前状态。

例如，在这些可选的实现方式的一些应用场景中，若用户在一段时间(例如，5分钟)内未操作过电子设备，则可确定输入法的当前状态为“自动应答”状态。若用户在一段时间内操作了电子设备，则可确定输入法的当前状态为“半自动应答”状态或者“手动应答”状态。

步骤220，响应于当前状态为第一智能应答状态，解析用户的当前输入信息。

在这里，第一智能应答状态例如可以是如上描述的“半自动应答”状态。当输入法处于“半自动应答”状态时，其可以在用户输入信息的基础上进行扩展和补充，从而减轻用户输入的工作量，提升用户使用即时通信工具与他人进行交互时的交互效率。

在一些可选的实现方式中，可以利用现有的和/或有待开发的自然语言处理技术来解析用户的当前输入信息。

在一些应用场景中，例如，若用户的当前输入信息为文本信息，可以对用户的当前输入信息进行分词(例如，采用全切分算法对当前输入信息进行分词)，接着从分词的结果中确定出当前输入的文本信息的关键词。或者，还可以基于分词的结果生成与当前输入的文本信息相对应的词向量(例如，采用Word2vec算法来生成词向量)，从而完成对当前输入信息的解析。

在另一些应用场景中，若用户的当前输入信息为图像信息，可以通过图像特征提取算法来提取出该图像信息的特征，或者，还可以采用光学字符识别(Optical CharacterRecognition，OCR)技术来识别出图像信息所呈现的文字，再采用如上的解析方法来对这些文字进行解析。

步骤230，将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息。

在一些可选的实现方式中，应答候选语句生成模型可以是基于规则库建立的模型。规则库中可以预先关联存储有语义信息和智能应答候选语句。将步骤220解析的到的语义信息输入该规则库中，可以对应确定出与该语义信息匹配的智能应答候选语句信息。

或者，在另一些可选的实现方式中，应答候选语句生成模型可以是预先训练的多层神经网络模型。在这里，多层神经网络模型可以是现有的或者未来开发的卷积神经网络模型(Convolutional Neural Network，CNN)、循环神经网络模型(Recurrent NeuralNetworks，RNN)或者深度神经网络模型(Deep Neural Networks，DNN)等等。

利用样本数据对多层神经网络模型进行预先训练，可以使得训练后的模型能够“模拟”样本数据中输入和输出之间的对应关系，从而基于模型的输入得到相应的输出。

此外，本步骤中，通过应答候选语句生成模型，可以基于输入模型的语义信息得到至少一个完整的语句作为应答候选语句信息，从而大大提升用户使用输入法时与对话方沟通的效率。

在本实施例的一些可选的实现方式中，应答候选语句生成模型可以设置在本实施例的智能应答方法应用其上的电子设备上。在这些可选的实现方式中，在解析得到语义信息后，可以直接将语义信息输入应答候选语句生成模型，从而得到相应的智能应答候选语句信息。

在本实施例的另一些可选的实现方式中，应答候选语句生成模型可以设置在与本实施例的智能应答方法应用其上的电子设备通信连接的服务器中。在这些可选的实现方式中，在解析得到语义信息后，电子设备可以将语义信息上传至服务器，由设置在服务器中的候选语句生成模型得到相应的智能应答候选语句信息，再将得到的智能应答候选语句信息发送至电子设备。

此外，在一些可选的实现方式中，可以对应答候选语句生成模型进行更新，从而使得应答候选语句生成模型可以根据当前的环境信息(例如，包括但不限于当前天气信息、交通信息、实时新闻信息等等)生成智能应答候选语句。

步骤240，响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

可以理解，在一些应用场景中，通过步骤230得到的与语义信息相对应的智能应答候选语句信息可能有多个。用户可以对多个呈现在电子设备上的智能应答候选语句信息进行选择，从而确定出最终的智能应答信息。

或者，在另一些应用场景中，尽管通过步骤230得到的与语义信息相对应的智能应答候选语句信息仅有一个，但用户并未对该条呈现在电子设备上的智能应答候选语句信息进行选择，那么该条智能应答候选语句信息也不能作为最终的智能应答信息。

本实施例的智能应答方法，当输入法的当前状态为第一智能应答状态(例如，半自动应答状态)时，通过解析用户的当前输入信息得到语义信息，并将语义信息输入应答候选语句生成模型以得到与语义信息相匹配的智能应答候选语句信息，最后基于用户的选择，从智能应答候选语句信息确定出智能应答信息。这样一来，可以对用户的当前输入信息进行针对性的扩充和联想，有利于提升用户与对话方的沟通效率、减少用户使用输入法输入信息的时长，从而有利于降低电子设备的使用功耗延长电子设备的使用寿命。

在本实施例的一些可选的实现方式中，若应答候选语句生成模型为多层神经网络模型，在使用该多层神经网络模型进行智能应答候选语句信息的生成之前，可以对多层神经网络模型进行训练。

例如，在一些应用场景中，应答候选语句生成模型设置在电子设备中。在用户使用输入法进行输入的过程中，电子设备可以采集用户输入的历史输入信息，并将历史输入信息作为训练样本来训练多层神经网络模型。具体地，可以将每一条历史输入信息根据语义拆分成前、后两部分，以一条历史输入信息的前部分作为输入样本，并将同一条历史输入信息的后部分作为输出样本，来训练多层神经网络模型，从而使得多层神经网络模型可以学习到该用户的语言风格和习惯。

或者，在另一些应用场景中，应答候选语句生成模型设置在与电子设备通信连接的服务器中。服务器可以获取多个使用该输入法进行输入的用户的历史输入信息，并将历史输入信息作为训练样本来训练多层神经网络模型。这样一来，可以获得更大量的训练样本数据，使得应答候选语句生成模型的训练过程可以得以缩短。此外，由于训练样本数据来源的多样性，可以使得训练得到的应答候选语句生成模型的鲁棒性更强。

在一些可选的实现方式中，本实施例的智能应答方法还可以包括：

步骤250，响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

例如，假设用户通过即时通信应用与对话方进行对话，电子设备的屏幕上可以相应地呈现双方输入的信息。若用户通过某种选择操作(例如，长按)选定某一对话信息，可视为用户此时对该条信息有相应的搜索意愿。此时，可以调用预先关联的搜索应用，从而执行对该条信息的搜索操作，并得到相应的搜索结果。

在这些可选的实现方式的一些应用场景中，上述步骤250可以通过如下方式来实现：

步骤251，从所选择的对话信息中确定出语义特征信息。

步骤252，调用预先关联的搜索应用，并将语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

在这些应用场景中，从所选择的对话信息中确定出语义特征信息例如可以采用与如上描述的步骤220中解析用户的当前输入信息类似的方式来得到。

通过将语义特征信息作为搜索输入信息，可以使得搜索结果与所选择的对话信息的匹配度更高，有利于准确地获得与该对话信息相关的搜索结果。

参见图3所示，为本申请的智能应答方法的另一个实施例的示意性流程图300。

本实施例的智能应答方法可以包括：

步骤310，确定输入法的当前状态。

步骤320，响应于当前状态为第一智能应答状态，解析用户的当前输入信息。

步骤330，将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息。

步骤340，响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

以上步骤310～步骤340可以与图2所示实施例中的步骤210～240具有类似的执行方式，在此不再赘述。

进一步地，本实施例的智能应答方法还可以包括：

步骤350，响应于当前状态为第二智能应答状态，解析对话方发送的对话信息。

在这里，第二智能应答状态是输入法的区别于第一智能应答状态的另一种当前状态。

在一些可选的实现方式中，第二智能应答状态例如可以是“自动应答”状态。在该状态下，无需用户本人参与，输入法本身便可以完成与即时通信应用中的对话方的对话交流。

与图2所示实施例中确定输入法处于第一智能应答状态的方式类似，本步骤中，同样可以基于用户对某一预设控件的操作来确定输入法的当前状态是否为第二智能应答状态。或者，也可以基于用户在预定时间段内是否对电子设备进行了操作，来确定输入法的当前状态是否为第二智能应答状态。

步骤360，将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句。

与应答候选语句生成模型类似，本步骤中的自动应答语句生成模型同样可以是预先训练的多层神经网络模型。

在一些可选的实现方式中，自动应答语句生成模型可以设置在本实施例的智能应答方法应用其上的电子设备中，在这些可选的实现方式中，自动应答语句生成模型可以基于使用该电子设备的用户与对话方的历史对话信息作为训练样本训练得到。具体而言，可以将历史对话信息中，对话方的输入信息作为输入样本并且将与之相应的用户的输入信息作为输出样本训练自动应答语句生成模型，使得训练得到的自动应答语句生成模型可以更好地模拟使用该电子设备的用户的语言习惯和风格。

在本实施例的另一些可选的实现方式中，自动应答语句生成模型可以设置在与本实施例的智能应答方法应用其上的电子设备通信连接的服务器中。在这些可选的实现方式中，服务器可以获取多个电子设备的各个用户与对话方的历史对话信息作为训练样本来训练自动应答语句生成模型，这样一来，可以获得更大量的训练样本数据，使得自动应答语句生成模型的训练过程可以得以缩短。此外，由于训练样本数据来源的多样性，可以使得训练得到的自动应答语句生成模型的鲁棒性更强。

此外，在一些可选的实现方式中，还可以对自动应答语句生成模型进行更新，从而使得自动应答语句生成模型可以根据当前的环境信息(例如，包括但不限于当前天气信息、交通信息、实时新闻信息等等)生成自动应答语句。

在本实施例的一些可选的实现方式中，步骤360还可以进一步包括：若解析结果包括预先设置的关键词，则生成提醒信息。

在这里，可以预先设置用户较为关注、较为重要的内容。这样一来，当解析结果包含这样的内容时，可以生成提醒信息以提醒用户，从而避免错过对话方发送的重要信息。

从图3中可以看出，与图2对应的实施例相比，本实施例中的智能应答方法的流程300突出了对第二智能应答状态下，如何自动地得到应答语句的步骤。由此，本实施例描述的方案可以进一步减轻用户输入的工作量，提升用户使用即时通信工具与他人进行交互时的交互效率。

参见图4A～图4C所示，其分别示出了本申请的智能应答方法的几种应用场景。

首先，请参见图4A所示，其示出了输入法处于“半自动应答”状态时的示意性应用场景。用户接收到对话方发送的信息“早上好”，并在输入栏410中输入自己的回答“早上好”。此时，可以基于对用户输入的“早上好”的解析，得到三个智能应答候选语句信息420。此时，用户可以根据需要和自己的喜好来选择，例如，用户可以选择“今天的风有点大，注意保暖哦”这一智能应答候选语句信息。此时，该句智能应答候选语句信息便可作为智能应答信息添加到用户自主输入的信息“早上好”之后，发送至对话方。

接着，请参见图4B所示，对话方发送对话信息430“太宰治的书有什么推荐的吗”，用户可以选择这一对话信息，从而调用预先关联的搜索应用，并将搜索结果呈现在附图标记440所示的区域中。

请继续参见图4C所示，其示出了输入法处于“自动应答”状态时的示意性应用场景。对话方发送消息“没想到中国队竟然赢了韩国队”450，接着，通过对该消息的解析，可以自动地生成相应的答句“是啊，在世界杯预选赛踢赢韩国还是第一次呢”460。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种智能应答装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例所述的智能应答装置500包括确定单元510、解析单元520、第一生成单元530和智能应答信息生成单元540。

其中，确定单元510可用于确定输入法的当前状态。

解析单元520可用于响应于当前状态为第一智能应答状态，解析用户的当前输入信息。

第一生成单元530可用于将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息。

智能应答信息生成单元540可用于响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

在一些可选的实现方式中，应答候选语句生成模型基于用户历史应答信息作为训练样本训练得到。

在一些可选的实现方式中，智能应答装置500还包括：搜索调用单元(图中未示出)，用于响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

在一些可选的实现方式中，搜索调用单元进一步用于：从所选择的对话信息中确定出语义特征信息；以及调用预先关联的搜索应用，并将语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

在一些可选的实现方式中，解析单元520还可用于响应于当前状态为第二智能应答状态，解析对话方发送的对话信息；装置还可以包括应答语句生成单元，用于将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句。

在一些可选的实现方式中，自动应答语句生成模型基于用户与对话方的历史对话信息作为训练样本训练得到。

在一些可选的实现方式中，应答语句生成单元还可用于：若解析结果包括预先设置的关键词，则生成提醒信息。

本领域技术人员可以理解，上述智能应答装置500还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图5中未示出。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、解析单元、第一生成单元和智能应答信息生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定输入法的当前状态的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：确定输入法的当前状态；响应于当前状态为第一智能应答状态，解析用户的当前输入信息；将解析当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种智能应答方法，其特征在于，包括：

确定输入法的当前状态；

响应于所述当前状态为第一智能应答状态，解析用户的当前输入信息；

将解析所述当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及

响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息；

响应于所述当前状态为第二智能应答状态，解析对话方发送的对话信息；

将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句，所述应答语句由所述自动应答语句生成模型根据当前的环境信息得到。

2.根据权利要求1所述的方法，其特征在于：

所述应答候选语句生成模型基于用户历史应答信息作为训练样本训练得到。

3.根据权利要求1所述的方法，其特征在于，还包括：

响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

4.根据权利要求3所述的方法，其特征在于，所述响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果，包括：

从所选择的对话信息中确定出语义特征信息；

调用所述预先关联的搜索应用，并将所述语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

5.根据权利要求1所述的方法，其特征在于：

所述自动应答语句生成模型基于用户与对话方的历史对话信息作为训练样本训练得到。

6.根据权利要求1所述的方法，其特征在于，所述将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句，包括：

若所述解析结果包括预先设置的关键词，则生成提醒信息。

7.一种智能应答装置，其特征在于，包括：

确定单元，用于确定输入法的当前状态；

解析单元，用于响应于所述当前状态为第一智能应答状态，解析用户的当前输入信息，响应于所述当前状态为第二智能应答状态，解析对话方发送的对话信息；

第一生成单元，用于将解析所述当前输入信息得到的语义信息输入应答候选语句生成模型，得到智能应答候选语句信息；以及

智能应答信息生成单元，用于响应于用户对所得到的至少一条智能应答候选语句信息的选择，将所选择的智能应答候选语句信息作为智能应答信息；

应答语句生成单元，用于将解析对话方发送的对话信息得到的解析结果输入预先训练的自动应答语句生成模型，以得到应答语句，所述应答语句由所述自动应答语句生成模型根据当前的环境信息得到。

8.根据权利要求7所述的装置，其特征在于：

所述应答候选语句生成模型基于用户历史应答信息作为训练样本训练得到。

9.根据权利要求7所述的装置，其特征在于，还包括：

搜索调用单元，用于响应于用户对所呈现的对话信息的选择操作，调用预先关联的搜索应用以得到与所选择的对话信息对应的搜索结果。

10.根据权利要求9所述的装置，其特征在于，所述搜索调用单元进一步用于：

从所选择的对话信息中确定出语义特征信息；以及

调用所述预先关联的搜索应用，并将所述语义特征信息作为搜索输入信息以得到与所选择的对话信息对应的搜索结果。

11.根据权利要求7所述的装置，其特征在于：

所述自动应答语句生成模型基于用户与对话方的历史对话信息作为训练样本训练得到。

12.根据权利要求7所述的装置，其特征在于，所述应答语句生成单元还用于：

若所述解析结果包括预先设置的关键词，则生成提醒信息。

13.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任意一项所述的智能应答方法。

14.一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：

该程序被处理器执行时实现如权利要求1-6任意一项所述的智能应答方法。

Images