CN106649704B - 一种智能对话控制方法和系统 - Google Patents
一种智能对话控制方法和系统 Download PDFInfo
- Publication number
- CN106649704B CN106649704B CN201611184302.4A CN201611184302A CN106649704B CN 106649704 B CN106649704 B CN 106649704B CN 201611184302 A CN201611184302 A CN 201611184302A CN 106649704 B CN106649704 B CN 106649704B
- Authority
- CN
- China
- Prior art keywords
- conversation
- user
- information
- strategy
- topic
- 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.)
- Active
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种智能对话控制方法和系统,所述智能对话控制方法包括:步骤S1,接收用户输入的信息;步骤S2,根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;步骤S3,根据所述对话话题、所述对话延续性和所述系统角色定位信息,选择对应的应答策略;步骤S4,根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容;步骤S5,输出所述应答内容。本发明提供一种智能对话控制方法和系统,能够使系统在对话时具有主动性,从而提升对话交互性和用户体验。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及人机对话技术领域。
背景技术
人机对话系统的研究,其目标是能够实现机器对自然语言的理解并像“人”一样和人进行对话。人机对话系统具有非常广泛的应用前景,如各种机器人的人机界面、智能客服系统、个人助理等。
现有技术中的人机对话系统,几乎都是被动式地跟用户进行交互,接受用户的输入,并基于此输入,利用语料库和模板搜寻产生一个或多个回复,或者利用算法自动产生一个或多个回复。而人与人的自然对话中,沟通是相互的,彼此都可以引入新的话题,也都可以占据对话的主动,从而推动对话自然地向前延续,对话的主题和内容,也自然地随着对话的继续演变、调整。因而现有的人机对话只是被动的应答而缺乏主动性,使对话的交互性较差,用户体验较差。
发明内容
针对现有技术中的缺陷,本发明提供一种智能对话控制方法和系统,能够使系统在对话时具有主动性,从而提升对话交互性和用户体验。
本发明提供了一种智能对话控制方法,包括:
步骤S1,接收用户输入的信息;
步骤S2,根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;
所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
步骤S3,根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略、被动策略、主被动结合策略;
步骤S4,根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容;
步骤S5,输出所述应答内容。
进一步地,所述根据所述用户输入的信息获取对话信息,具体包括:
通过以下至少一种方法获取所述对话话题:根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;或利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
通过以下至少一种方法获取所述对话延续性:根据所述用户输入的信息,判断当前输入的关键词与上文的关键词是否有相关性,有相关性则视为对话有延续性;或根据机器学习模型获取所述对话延续性,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
通过以下方法来确定所述对话情绪:从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像。
进一步地,所述根据所述用户输入的信息获取用户画像信息,具体包括:根据所述用户输入的信息提取与所述用户基本信息和所述用户特征信息相关的内容;根据所述内容确定所述用户画像信息。
进一步地,所述根据所述用户输入的信息获取系统角色定位信息,具体包括:在系统中预设多种系统角色定位,并根据所述对话信息和用户画像信息,将当前系统角色定位转变为符合所述对话信息和所述用户画像信息的所述系统角色定位。
进一步地,所述根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略,具体包括:根据所述对话信息,判断用户的需求和意图,并判断对话是否中断,形成判断结果;
根据所述判断结果,当用户在对话中有明确的需求或要求时,选择所述被动策略;
根据所述判断结果,判断对话是否中断,当对话中断,或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,选择所述主动策略;
根据所述判断结果,当所述对话信息不属于以上两种情况时,选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,在所述主动策略与所述被动策略之间互相切换。
进一步地,所述根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容,具体包括:
当选择所述被动策略时,产生给予用户明确回答的所述应答内容;
当选择所述主动策略时,主动生成新话题,并产生与所述新话题对应的所述应答内容,所述新话题可根据实际对话情况进行确定和调整;
当选择所述主被动结合策略时,根据所述对话话题、所述对话情绪和所述用户画像信息,产生对应的所述应答内容。
进一步地,所述用户输入的信息为文字信息、图像信息、语音信息中至少一种。
本发明还提供了一种智能对话控制系统,包括:
输入模块,用于接收用户输入的信息;
信息获取模块,用于根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
策略选择模块,用于根据所述对话话题、所述对话延续性和所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略、被动策略、主被动结合策略;
应答生成模块,用于根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容;
输出模块,用于输出所述应答内容。
进一步地,所述信息获取模块包括:话题识别单元,逻辑识别单元,情绪识别单元;
所述话题识别单元,用于通过以下至少一种方法获取所述对话话题:根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;或利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
所述逻辑识别单元,用于通过以下至少一种方法获取所述对话延续性:根据所述用户输入的信息,判断当前输入的关键词与上文的关键词是否有相关性,有相关性则视为对话有延续性;或根据机器学习模型获取所述对话延续性,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
所述情绪识别单元,用于从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像。
进一步地,所述输入模块接收文字信息、图像信息、语音信息中至少一种。
由上述技术方案可知,与现有的被动式的对话方法和系统,本发明提供的智能对话控制方法和系统,能够针对不同的对话内容选择相应的应答策略,使系统可以采用主动、被动、主被动结合等多种方式参与对话,使系统在对话中具有主动性,实现人-机对话中的相互性,从而能能更自然地跟用户进行交互,提升对话的交互性和用户体验。
附图说明
图1示出了本发明第一实施例提供的一种智能对话控制方法的流程图。
图2示出了本发明第二实施例提供的一种智能对话控制系统的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
实施例一
图1示出了本发明第一实施例所提供的智能对话控制方法流程图。如图1所示,本发明第一实施例的智能对话控制方法包括:
步骤S1,接收用户输入的信息;
步骤S2,根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;
所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
步骤S3,根据所述对话信息、所述用户画像信息和/或所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略,被动策略,主被动结合策略;
步骤S4,根据所述对话话题、所述对话情绪、所述用户画像信息和/或所述应答策略,产生对应的应答内容;
步骤S5,输出所述应答内容。
本发明实施例的技术方案为:
先接收用户通过输入模块1输入的信息;输入的信息可以文字信息、图像信息、语音信息中的至少一种,输入方式可以是文字输入、图像输入、语音输入的至少一种,可选的,本发明实施例可应用在多种场合,可以是用户在搜索引擎中的搜索操作、手机应用程序的作用操作和用户在对话系统界面中的对话输入操作,本实施例以用户在对话系统界面的对话输入为例,说明技术方案的原理,搜索和手机程序的操作也可以理解为广义的人-机对话方式,可依据同样的原理进行对话的处理和控制。
然后根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;所述系统定位为系统在对话中所承担的角色。
本实施例中,所述根据所述用户输入的信息,获取对话信息,具体包括利用关键词、人工规则、机器学习等一个或多个方法结合获取所述对话话题,具体来说是通过以下至少一种方法获取所述对话话题:方法一,根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;例如,当用户输入的信息中出现多次出现“足球”、“篮球”等关键词,且出现的次数高于预设的数值时,那么对话话题就可以是“运动相关”;如果用户输入的信息中多次单独出现“足球”或“篮球”,则话题优选“足球”或“篮球”,其次可以是“足球”或“篮球”的上位话题“球类运动”或“运动相关”,也可以是“足球”或“篮球”的下位话题,如“古典足球”、“现代足球”等;当用户输入多次“问句”,且次数高于预设的数值时,可以推断用户在发问,可以选择与问题相关的内容作为对话话题。或方法二,利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;其中,标注语料为,例如,用户输入“我好喜欢皇马啊”,该语句被标注为“体育、足球”,通过这种标注,机器学习的模型就能够学习句子和话题之间的关系,可以根据用户输入的信息判断该信息属于何种话题。通过上述方式可以更加准确的识别和获取对话话题,使对话更加符合用户的期待和需求。通过上述方式可以更加准确的识别和获取对话话题,使系统能够提供更准确的应答,使对话更加符合用户的需求。
本实施例中,所述根据所述用户输入的信息,获取对话信息,具体包括通过人工规则、机器学习中一个方法或两个方法的结合获取所述对话延续性,具体来说是通过以下至少一种方法获取所述对话延续性:方法一,根据所述用户输入的信息,判断当前输入的关键词与上文的至少一个关键词是否有相关性或有逻辑关系,有相关性或逻辑关系则视为对话有延续性,相关性越高或逻辑关系越强,则对话延续性越好;例如,在对话的上下文信息中,对话话题从“足球”聊到“篮球”,再聊到“运动鞋”时,可以判断出前后三个关键词是有相关性,都属于“运动相关”,此时可以判断对话延续性较好;如果对话话题从“电影”聊到“足球”,由于两者并无相关性和逻辑关系,因此认为对话延续性较差,可能是用户对电影不感兴趣,在这种情况下,系统可以选择转换话题。或方法二,根据机器学习的模型获取所述对话延续性,所述机器学习的模型为利用大规模的标注和非标注的语料训练得到的模型,从语料中训练模型,训练得到的模型可以得到对话延续性的指数,所述指数代表了对话的上下文信息的相关度,指数越高,相关度越高,对话的延续性也就越好。通过上述方法可以更加准确地判断对话延续性,有助于系统准确把握对话方向。
优选地,所述所述根据所述用户输入的信息,获取对话信息,具体包括通过以下方法来获取所述对话情绪:从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像。进一步优先地,通过文字分析技术分析用户输入的文字、符号等文字信息,进而识别出文字情绪特征,通过图像分析技术分析用户输入的图像信息,进而识别出表情情绪特征,通过语音分析技术分析用户输入的语音、语调等语音信息,进而识别出语音情绪特征。上述文字情绪特征、表情情绪特征和语音情绪特征共同组成了用户的情绪特征,从而可以判断所述对话情绪。通过上述多种方式和角度的使用,能够更加准确地获取对话情绪,有助于使对话更符合当前对话情绪。
优选地,所述根据所述用户输入的信息,获取用户画像信息,具体包括通过以下方法来获取所述用户画像信息:根据所述用户输入的信息提取与所述用户基本信息和所述用户特征信息相关的内容;根据所述内容确定所述用户画像信息。其中,所述用户基本信息包括用户的姓名、性别、年龄、昵称、职业、星座、生日等至少一项,所述用户特征信息包括用户的喜好、性格特征、行为特征等至少一项,其中所述用户的喜好既包含用户喜欢的东西,也包含用户讨厌的东西,例如是否关注天气、是否喜欢宠物、是否讨厌宠物、是否喜欢体育、具体喜欢哪项体育运动、喜欢哪支球队等反映用户喜好的信息,其中所述性格特征包括内向或外向、自信或自卑、交友态度等反映用户性格倾向的信息,其中所述行为特征包括吃饭时间、睡眠习惯、起床习惯等反映用户行为倾向和习惯的信息。所述用户画像信息可以理解为是建立在一系列真实数据上的目标用户模型,是真实用户的虚拟代表,不同的用户有不同的用户ID,用户可用其专有的用户ID与对话系统进行长期交互,所述用户输入的信息既包含用户当前输入的信息,也包含该用户的历史输入信息,也即所述用户画像信息既可以通过用户当前输入信息来获取,也可以通过用户的历史输入信息来获取,即通过对用户的真实数据进行长时间收集,在此基础上进行行为建模,抽象用户的的标签从而得到用户画像信息,这样可以得到更准确的用户画像信息,例如某用户之前提过,他是男生,或者他/她是上班族,那么对话系统应该记录该用户画像信息,并利用用户画像信息,更针对性地跟用户进行交互。获取用户画像信息有助于促进对话,使对话更符合用户的个性、行为特征等个人特点。
优选地,所述根据所述用户输入的信息,获取系统角色定位信息,具体包括通过以下方法来获取所述系统角色定位信息:在系统中预设多种系统角色定位,所述系统角色定位可以是“可爱少女”、“智能投资顾问”或“沉稳的生活助手”,也可以模拟生活中的其它角色,并且每个系统角色定位对应不同的对话风格,其中,“可爱少女”对应的对话风格是可爱的、会卖萌的,而“智能投资顾问”的对话风格是诚实的、可靠的、沉稳的。选定某个系统角色定位后,需要根据所述对话信息和用户画像信息,将当前系统角色定位转变为符合所述对话信息和所述用户画像信息的所述系统角色定位;例如,如果当前系统角色定位是“智能投资顾问”,而用户画像信息显示用户是一个随意的人,那么系统需要将角色定位转变为“可爱少女”或“俏皮随意的小女生”之类可爱、随意型角色,使系统的讲话风格逐渐变得随便一些,可以开玩笑,甚至说错话也没关系;如果当前系统角色定位是“可爱少女”或“俏皮随意的小女生”,而用户画像信息显示用户是一个较为死板的人,那么系统需要将角色定位转变为“智能投资顾问”或“沉稳的长者”等沉稳型角色,使得讲话方式变得更加成熟、稳重。可选的,当检测到用户对系统角色定位有明确的期待和要求时,系统根据其要求转换相应的角色定位,如用户明确说“你能做我的投资顾问吗”或“告诉该怎么投资”,系统需根据其要求将系统角色定位转换为“智能投资顾问”。
优选地,所述根据所述对话信息、所述用户画像信息和/或所述系统角色定位信息,选择对应的应答策略,具体包括:根据所述对话信息,判断用户的需求和意图,并判断对话是否中断,形成判断结果。其中,所述用户的需求和意图包括:(1)是否有明确的需求或要求;(2)所述明确的需求或要求是什么;(3)是否明确要求转换话题;其中,判断对话是否中断,需要对所述对话信息中用户输入字词的数量和频率进行统计。
根据所述判断结果,当用户在对话中有明确的需求或要求时,选择所述被动策略;例如,用户问“今天上海天气如何?”,那么不管系统角色定位、用户画像如何,都应该满足用户当前的需求,告诉他天气如何。
根据所述判断结果,当对话中断,或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,选择所述主动策略,主动引入新话题;比如用户说“能不能换个话题”或“我不想讨论这个话题”,或对话延续性较差且对话延续性的指数低于预设值,或输入其它明确表示对当前对话话题不感兴趣的内容,那么不管系统角色定位、用户画像如何,都应该转换话题,寻找用户其他可能感兴趣的话题。根据用户输入字符的数量和频率可判断对话是否中断。这样可以实现在用户没有话聊、或者不是非常想跟系统交互的时候,系统主动引入有趣的、用户感兴趣的内容,展开对话。
根据所述判断结果,当所述对话信息不属于以上两种情况时,选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,在所述主动策略与所述被动策略之间互相切换。例如,在主被动结合策略下,如果系统角色定位是“俏皮随意的小女生”,且用户画像信息显示用户是“比较随意的年轻人”,那么为了提高系统的不可预见性和有趣性,可以更多地采用“主动策略”,跟用户谈论多种不同的话题,甚至天南海北地狂侃;如果系统角色定位是“沉稳的生活助手”,那么更多地应该采用“被动策略”,让用户在对话、交互中占据主导地位。但是“在用户没话说的时候,或者检测到用户对当前聊天话题不感兴趣”的时候系统还是可以“主动策略”,主动引导到其他用户可能感兴趣的地方。因此,主被动结合策略具有较大的灵活性。
优选地,所述根据所述对话话题、所述对话情绪、所述用户画像信息和/或所述应答策略,产生对应的应答内容,具体包括:当选择所述被动策略时,产生给予用户明确回答的所述应答内容,所述的明确回答是指与用户所述话题相关的内容;当选择所述主动策略时,忽略用户当前的输入,由对话系统主动生成新话题,并产生与所述新话题不同的所述应答内容;当选择所述主被动结合策略时,根据所述对话话题、所述对话情绪和所述用户画像信息,产生对应的所述应答内容。优选地,在主动策略下,对话系统不再以被动回复用户为主,而是主要用于主导对话,产生能促进用户聊天兴趣的新话题,所述新话题可以根据实际对话情况进行确定和调整,所述新话题与用户的喜好、近期的热点信息等相关;在主被动结合策略下,例如,所述对话话题是与“运动”相关的话题,且所述用户画像信息也与“运动”相关,则所述应答内容优选“运动”相关;或当所述对话情绪为消极情绪时,对应的应答内容优选积极、轻松的内容,并适时引入新的话题,这样有助于缓解用户的消极情绪,引导用户保持积极的对话情绪;或所述用户画像信息显示用户是“比较随意的年轻人”,则对应的应答内容优选轻松、随意的内容。所述应答内容可以从预设数据库中查询调用。
可选地,所述应答内容可以从预设数据库中查找、调用,所述数据库中的每条待选应答内容都有话题种类标记、情绪标记、心理或行为特征标记等标记,或根据预设算法根据当前对话的需求自动生成对应的应答内容。
优选地,步骤S5包括通过输出模块5输出所述应答内容。对应的,输出方式可以是文字输出、图像输出或语音输出。
基于以上技术方案,本发明实施例一提供的一种智能对话控制方法,能够针对不同的对话内容选择相应的应答策略,使系统可以采用主动、被动、主被动结合等多种方式参与对话,使系统在对话中具有主动性,实现人-机对话中的相互性,从而能能更自然地跟用户进行交互,提升对话的交互性和用户体验。
实施例二
在上述实施例中,提供了一种智能对话控制方法,与之相对应的,本发明实施例还提供一种智能对话控制系统,如图2所示,包括:
输入模块1,用于接收用户输入的信息;
信息获取模块2,用于根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
策略选择模块3,用于根据所述对话信息、所述用户画像信息和/或所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略、被动策略、主被动结合策略;
应答生成模块4,用于根据所述对话话题、所述对话情绪、所述用户画像信息和/或所述应答策略,产生对应的应答内容;
输出模块5,用于输出所述应答内容。
本发明实施例的技术方案为:
所述输入模块1,用于用户进行输入操作,同时系统接收用户输入的信息;输入的信息可以文字信息、图像信息、语音信息中的至少一种,输入方式可以是文字输入、图像输入、语音输入的至少一种,可选的,本发明实施例可应用在多种场合,可以是用户在搜索引擎中的搜索操作、手机应用程序的作用操作和用户在对话系统界面中的对话输入操作,本实施例以用户在对话系统界面的对话输入为例,说明技术方案的原理,搜索和手机程序的操作也可以理解为广义的人-机对话方式,可依据同样的原理进行对话的处理和控制。
所述信息获取模块2,用于根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项。
优选地,所述信息获取模块2包括:话题识别单元,逻辑识别单元,情绪识别单元;
所述话题识别单元,用于利用关键词、人工规则、机器学习等一个或多个方法结合识别和获取所述对话话题,具体体地,所述话题识别单元通过以下至少一种方法识别和获取所述对话话题:方法一,根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;例如,当用户输入的信息中出现多次出现“足球”、“篮球”等关键词,且出现的次数高于预设的数值时,那么对话话题就可以是“运动相关”;如果用户输入的信息中多次单独出现“足球”或“篮球”,则话题优选“足球”或“篮球”,其次可以是“足球”或“篮球”的上位话题“球类运动”或“运动相关”,也可以是“足球”或“篮球”的下位话题,如“古典足球”、“现代足球”等;或当用户输入多次“问句”,且次数高于预设的数值时,可以推断用户在发问,可以选择与问题相关的内容作为对话话题。或方法二,利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;其中,标注语料为,例如,用户输入“我好喜欢皇马啊”,该语句被标注为“体育、足球”,通过这种标注,机器学习的模型就能够学习句子和话题之间的关系,可以根据用户输入的信息判断该信息属于何种话题。通过上述方式可以更加准确的识别和获取对话话题,使系统能够提供更准确的应答,使对话更加符合用户的需求。
所述逻辑识别单元,用于通过人工规则、机器学习中一个方法或两个方法的结合获取所述对话延续性,具体地,所述逻辑识别单元通过以下至少一种方法获取所述对话延续性:方法一,根据所述用户输入的信息,判断当前输入的关键词与上文的关键词是否有相关性或逻辑关系,有相关性或逻辑关系则视为对话有延续性,相关性越高或逻辑关系越强,则对话延续性越好;例如,在对话的上下文信息中,当对话话题从“足球”聊到“篮球”,再聊到“运动鞋”时,通过逻辑识别单元可以判断出前后三个关键词是有相关性,都属于“运动相关”,此时可以判断对话延续性较好;如果对话话题从“电影”聊到“足球”,通过逻辑识别单元,判断“电影”和“足球”之间并无相关性和逻辑关系,则认为对话延续性较差,可能是用户对电影不感兴趣,在这种情况下,系统可以选择转换话题。或方法二,根据机器学习模型获取所述对话延续性,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;从语料中训练模型,训练得到的模型可以得到对话延续性的指数,所述指数代表了对话的上下文信息的相关度,指数越高,相关度越高,对话的延续性也就越好。通过上述方法可以更加准确地判断对话延续性,有助于系统准确把握对话方向。
所述情绪识别单元,用于从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像。进一步优选地,所述情绪识别单元具体用于:通过文字分析技术分析用户输入的文字、符号等文字信息,进而识别出文字情绪特征,通过图像分析技术分析用户输入的图像信息,进而识别出表情情绪特征,通过语音分析技术分析用户输入的语音、语调等语音信息,进而识别出语音情绪特征。上述文字情绪特征、表情情绪特征和语音情绪特征共同组成了用户的情绪特征,从而可以判断所述对话情绪。通过上述多种方式和角度的使用,能够更加准确地获取对话情绪,有助于使对话更符合当前对话情绪。
优选地,所述信息获取模块2具体用于通过以下方法来获取所述用户画像信息:根据所述用户输入的信息提取与所述用户基本信息和所述用户特征信息相关的内容;根据所述内容确定所述用户画像信息;其中,所述用户基本信息包括用户的姓名、性别、年龄、昵称、职业、星座、生日等至少一项,所述用户特征信息包括用户的喜好、性格特征、行为特征等至少一项,其中所述用户的喜好既包含用户喜欢的东西,也包含用户讨厌的东西,例如是否关注天气、是否喜欢宠物、是否讨厌宠物、是否喜欢体育、具体喜欢哪项体育运动、喜欢哪支球队等反映用户喜好的信息,其中所述性格特征包括内向或外向、自信或自卑、交友态度等反映用户性格倾向的信息,其中所述行为特征包括吃饭时间、睡眠习惯、起床习惯等反映用户行为倾向和习惯的信息。所述用户画像信息可以理解为是建立在一系列真实数据上的目标用户模型,是真实用户的虚拟代表,不同的用户有不同的用户ID,用户可用其专有的用户ID与对话系统进行长期交互,所述用户输入的信息既包含用户当前输入的信息,也包含该用户的历史输入信息,因此所述信息获取模块2既可以用于通过用户当前输入信息来获取,也可以用于通过用户的历史输入信息来获取,即通过对用户的真实数据进行长时间收集,在此基础上进行行为建模,抽象用户的的标签从而得到用户画像信息,这样可以得到更准确的用户画像信息,例如某用户之前提过,他是男生,或者他/她是上班族,那么对话系统应该记录该用户画像信息,并利用用户画像信息,更针对性地跟用户进行交互。获取用户画像信息有助于促进对话,使对话更符合用户的个性、行为特征等个人特点。
优选地,所述信息获取模块2具体用于通过以下方法来获取所述系统角色定位信息:在系统中预设多种系统角色定位,所述系统角色定位可以是“可爱少女”、“智能投资顾问”或“沉稳的生活助手”,也可以模拟生活中的其它角色,并且每个系统角色定位对应不同的对话风格,其中,“可爱少女”对应的对话风格是可爱的、会卖萌的,而“智能投资顾问”的对话风格是诚实的、可靠的、沉稳的。选定某个系统角色定位后,所述信息获取模块2根据所述对话信息和用户画像信息,将当前系统角色定位转变为符合所述对话信息和所述用户画像信息的所述系统角色定位;例如,如果当前系统角色定位是“智能投资顾问”,而用户画像信息显示用户是一个随意的人,那么所述信息获取模块2将角色定位转变为“可爱少女”或“俏皮随意的小女生”之类可爱、随意型角色,使系统的讲话风格逐渐变得随便一些,可以开玩笑,甚至说错话也没关系,这些可爱、随意型角色就是所述信息获取模块2获取得到的系统角色定位信息;如果当前系统角色定位是“可爱少女”或“俏皮随意的小女生”,而用户画像信息显示用户是一个较为死板的人,那么所述信息获取模块2将角色定位转变为“智能投资顾问”或“沉稳的长者”等沉稳型角色,使得讲话方式变得更加成熟、稳重,沉稳型角色既为所述信息获取模块2获取得到的系统角色定位信息。可选的,当检测到用户对系统角色定位有明确的期待和要求时,系统根据其要求转换相应的角色定位,如用户明确说“你能做我的投资顾问吗”或“告诉该怎么投资”,系统需根据其要求将系统角色定位转换为“智能投资顾问”。
优选地,所述策略选择模块3首先用于根据所述对话信息,判断用户的需求和意图,并判断对话是否中断,形成判断结果。其中,所述用户的需求和意图包括:(1)是否有明确的需求或要求;(2)所述明确的需求或要求是什么;(3)是否明确要求转换对话话题;其中,判断对话是否中断,需要对所述对话信息中用户输入字词的数量和频率进行统计。
然后具体用于以下几种情况:
情况一,根据所述判断结果,当用户在对话中有明确的需求或要求时,所述策略选择模块3选择所述被动策略;例如,用户问“今天上海天气如何?”,那么不管系统角色定位、用户画像如何,都应该满足用户当前的需求,告诉他天气如何,此时可选被动策略。
情况二,根据所述判断结果,当对话中断,或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,所述策略选择模块3选择所述主动策略;比如用户说“能不能换个话题”或“我不想讨论这个话题”,或对话延续性较差且对话延续性的指数低于预设值,或输入其它明确表示对当前对话话题不感兴趣的内容,那么不管系统角色定位、用户画像如何,都应该转换话题,寻找用户其他可能感兴趣的话题。
情况三,根据所述判断结果,当所述对话信息不属于以上两种情况时,所述策略选择模块3选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,所述策略选择模块3在所述主动策略与所述被动策略之间互相切换。例如,在主被动结合策略下,如果系统角色定位是“俏皮随意的小女生”,且用户画像信息显示用户是“比较随意的年轻人”,那么为了提高系统的不可预见性和有趣性,那么所述策略选择模块3更多地选择“主动策略”,使系统跟用户能够谈论多种不同的话题,甚至天南海北地狂侃;如果系统角色定位是“沉稳的生活助手”,那么所述策略选择模块3更多地选择“被动策略”,让用户在对话、交互中占据主导地位。但是“在用户没话说的时候,或者检测到用户对当前聊天话题不感兴趣”的时候,所述策略选择模块3需选择“主动策略”,主动引导到其他用户可能感兴趣的地方。因此,主被动结合策略具有较大的灵活性。
作为优选实施例,所述策略选择模块3包括:意图识别单元和策略选择单元;所述意图识别单元用于根据所述对话信息,识别和判断用户的需求和意图,也用于根据对所述对话信息中用户输入字词的数量和频率的统计结果,判断对话是否中断;所述用户的需求和意图包括:(1)是否有明确的需求或要求;(2)所述明确的需求或要求是什么;(3)是否明确要求转换话题;所述策略选择单元用于根据所述意图识别单元的判断结果选择相应的应答策略,所述判断结果包括对用户需求和意图的判断和对对话是否中断的判断。
其中,所述意图识别单元包括:字词统计子单元、人工规则子单元、机器学习模型子单元中的一个或多个;所述字词统计子单元,用于统计用户输入字词的数量和频率,得到统计结果;所述人工规则子单元,用于根据人工发现的规则判断用户的需求和意图;所述机器学习模型子单元,用于利用大规模的标注/非标注语料进行训练,得到机器学习模型,用所述机器学习模型判断用户的需求和意图。
相应的,所述策略选择模块3及其各单元在上述几种情况中具体应用如下:
在所述情况一中,根据所述意图识别单元的判断结果,当用户在对话中有明确的需求或要求时,所述策略选择单元选择所述被动策略;例如,用户问“今天上海天气如何?”,通过所述意图识别单元可以判断该用户有明确的需求,即想要知道上海的天气如何,那么不管系统角色定位、用户画像如何,都应该满足用户当前的需求,告诉他天气如何,此时可选被动策略。
在所述情况二中,根据所述意图识别单元的判断结果,当对话中断或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,所述策略选择单元选择所述主动策略;比如用户说“能不能换个话题”或“我不想讨论这个话题”,或对话延续性较差且对话延续性的指数低于预设值,或输入其它明确表示对当前对话话题不感兴趣的内容,通过所述意图识别单元可以判断该用户明确要求转换话题,那么不管系统角色定位、用户画像如何,都应该转换话题,寻找用户其他可能感兴趣的话题。
在所述情况三中,根据所述意图识别单元的判断结果,当所述对话信息不属于以上两种情况时,所述策略选择单元选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,所述策略选择单元在所述主动策略与所述被动策略之间互相切换。例如,在主被动结合策略下,如果系统角色定位是“俏皮随意的小女生”,且用户画像信息显示用户是“比较随意的年轻人”,那么为了提高系统的不可预见性和有趣性,那么所述策略选择单元更多地选择“主动策略”,使系统跟用户能够谈论多种不同的话题,甚至天南海北地狂侃;如果系统角色定位是“沉稳的生活助手”,那么所述策略选择单元更多地选择“被动策略”,让用户在对话、交互中占据主导地位。但是“在用户没话说的时候,或者检测到用户对当前聊天话题不感兴趣”的时候,所述策略选择单元需选择“主动策略”,主动引导到其他用户可能感兴趣的地方。因此,主被动结合策略具有较大的灵活性。
优选地,所述应答生成模块4具体用于:当选择所述被动策略时,产生给予用户明确回答的所述应答内容;或当选择所述主动策略时,产生与所述对话话题不同的所述应答内容;或当选择所述主被动结合策略时,根据所述对话信息、所述用户画像信息和所述系统角色定位信息,产生对应的所述应答内容。在主被动结合策略下,例如,所述对话话题是与“运动”相关的话题,且所述用户画像信息也与“运动”相关,则所述应答生成模块4生成与“运动”相关的应答内容;若所述对话情绪为消极情绪时,则所述应答生成模块4生成积极、轻松的应答内容,并适时引入新的话题,这样有助于缓解用户的消极情绪,引导用户保持积极的对话情绪;若所述用户画像信息显示用户是“比较随意的年轻人”,所述应答生成模块4生成轻松、随意的应答内容。
可选地,所述应答内容可以从预设数据库中查找、调用,所述数据库中的每条待选应答内容可以设有话题种类标记、情绪标记、心理或行为特征标记等任意一项或多项标记方便查找、调用,也可以不设任何标记直接被查找、调用,对应的,由应答生成模块4的应答内容查找单元完成;或根据预设算法和当前对话的需求计算生成对应的应答内容,对应地,由应答生成模块4中的应答内容生成单元完成。
优选地,所述输出模块5,用于输出所述应答内容。对应的,所述输出模块5的输出方式为文字输出、图像输出或语音输出。
基于以上内容,本发明实施例提供的一种智能对话控制系统,能够根据对用户的需求和意图以及对话是否中断进行判断,并根据这些判断结果选择相应的应答策略,从而使系统能够针对不同的对话内容选择相应的应答策略,有针对性地采用主动、被动、主被动结合等多种方式参与对话和应对对话中出现的不同情况,使系统在对话中具有主动性,实现人-机对话中的相互性,从而能能更自然地跟用户进行交互,提升对话的交互性和用户体验。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (4)
1.一种智能对话控制方法,其特征在于,包括:
步骤S1,接收用户输入的信息;
步骤S2,根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;
所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
步骤S3,根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略、被动策略、主被动结合策略;
步骤S4,根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容;
步骤S5,输出所述应答内容;
所述根据所述用户输入的信息获取对话信息,具体包括:
通过以下至少一种方法获取所述对话话题:根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;或利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
通过以下至少一种方法获取所述对话延续性:根据所述用户输入的信息,判断当前输入的关键词与上文的关键词是否有相关性,有相关性则视为对话有延续性;或根据机器学习模型获取所述对话延续性,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
通过以下方法来确定所述对话情绪:从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像;
所述根据所述用户输入的信息获取用户画像信息,具体包括:根据所述用户输入的信息提取与所述用户基本信息和所述用户特征信息相关的内容;根据所述内容确定所述用户画像信息;
所述根据所述用户输入的信息获取系统角色定位信息,具体包括:在系统中预设多种系统角色定位,并根据所述对话信息和用户画像信息,将当前系统角色定位转变为符合所述对话信息和所述用户画像信息的所述系统角色定位;
所述根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略,具体包括:根据所述对话信息,判断用户的需求和意图,并判断对话是否中断,形成判断结果;
根据所述判断结果,当用户在对话中有明确的需求或要求时,选择所述被动策略;
根据所述判断结果,当对话中断,或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,选择所述主动策略;
根据所述判断结果,当所述对话信息不属于以上两种情况时,选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,在所述主动策略与所述被动策略之间互相切换;
所述根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容,具体包括:
当选择所述被动策略时,产生给予用户明确回答的所述应答内容;
当选择所述主动策略时,主动生成新话题,并产生与所述新话题对应的所述应答内容,所述新话题可根据实际对话情况进行确定和调整;
当选择所述主被动结合策略时,根据所述对话话题、所述对话情绪和所述用户画像信息,产生对应的所述应答内容。
2.根据权利要求1所述的智能对话控制方法,其特征在于,所述用户输入的信息为文字信息、图像信息、语音信息中至少一种。
3.一种智能对话控制系统,其特征在于,包括:
输入模块,用于接收用户输入的信息;
信息获取模块,用于根据所述用户输入的信息,获取对话信息、用户画像信息和系统角色定位信息;所述对话信息包括对话话题、对话延续性、对话情绪;所述用户画像信息包括用户基本信息、用户特征信息中至少一项;
策略选择模块,用于根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略;所述应答策略包括:主动策略、被动策略、主被动结合策略;
应答生成模块,用于根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容;
输出模块,用于输出所述应答内容;
所述信息获取模块包括:话题识别单元,逻辑识别单元,情绪识别单元;
所述话题识别单元,用于通过以下至少一种方法获取所述对话话题:根据所述用户输入的信息中,某一关键词或某一句型出现的次数来获取所述对话话题,所述次数高于一定值时,所述关键词或所述句型相关的话题即为所述对话话题;或利用机器学习模型获取所述对话话题,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
所述逻辑识别单元,用于通过以下至少一种方法获取所述对话延续性:根据所述用户输入的信息,判断当前输入的关键词与上文的关键词是否有相关性,有相关性则视为对话有延续性;或根据机器学习模型获取所述对话延续性,所述机器学习模型为利用大规模的标注和非标注的语料训练得到的模型;
所述情绪识别单元,用于从所述用户输入的信息中识别情绪特征,获取所述对话情绪;所述情绪特征包括能表征用户情绪的文字、符号、语音、语调或图像;
所述根据所述对话信息、所述用户画像信息和所述系统角色定位信息,选择对应的应答策略,具体包括:根据所述对话信息,判断用户的需求和意图,并判断对话是否中断,形成判断结果;
根据所述判断结果,当用户在对话中有明确的需求或要求时,选择所述被动策略;
根据所述判断结果,当对话中断,或用户在对话中明确表示不喜欢所述对话话题,或用户明确要求转换所述对话话题时,选择所述主动策略;
根据所述判断结果,当所述对话信息不属于以上两种情况时,选择主被动结合策略,根据所述用户画像信息和所述系统角色定位信息,以及用户当前的状态,在所述主动策略与所述被动策略之间互相切换;
所述根据所述对话话题、所述对话情绪、所述用户画像信息和所述应答策略,产生对应的应答内容,具体包括:
当选择所述被动策略时,产生给予用户明确回答的所述应答内容;
当选择所述主动策略时,主动生成新话题,并产生与所述新话题对应的所述应答内容,所述新话题可根据实际对话情况进行确定和调整;
当选择所述主被动结合策略时,根据所述对话话题、所述对话情绪和所述用户画像信息,产生对应的所述应答内容。
4.根据权利要求3所述的智能对话控制系统,其特征在于,所述输入模块接收文字信息、图像信息、语音信息中至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611184302.4A CN106649704B (zh) | 2016-12-20 | 2016-12-20 | 一种智能对话控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611184302.4A CN106649704B (zh) | 2016-12-20 | 2016-12-20 | 一种智能对话控制方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106649704A CN106649704A (zh) | 2017-05-10 |
CN106649704B true CN106649704B (zh) | 2020-04-07 |
Family
ID=58834082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611184302.4A Active CN106649704B (zh) | 2016-12-20 | 2016-12-20 | 一种智能对话控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106649704B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105515A1 (zh) * | 2020-11-18 | 2022-05-27 | 腾讯科技(深圳)有限公司 | 会话消息生成方法、装置及设备 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368572A (zh) * | 2017-07-13 | 2017-11-21 | 张勇 | 多功能智能人机交互方法及系统 |
CN108304154B (zh) * | 2017-09-19 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、服务器及存储介质 |
CN107885837A (zh) * | 2017-11-09 | 2018-04-06 | 北京光年无限科技有限公司 | 一种用于智能机器人的交互输出方法以及智能机器人 |
CN108053826B (zh) * | 2017-12-04 | 2021-01-15 | 泰康保险集团股份有限公司 | 用于人机交互的方法、装置、电子设备及存储介质 |
CN108052605A (zh) * | 2017-12-13 | 2018-05-18 | 广州佰聆数据股份有限公司 | 一种基于客户特征库的智能问答系统 |
CN108134876A (zh) * | 2017-12-21 | 2018-06-08 | 广东欧珀移动通信有限公司 | 对话分析方法、装置、存储介质及移动终端 |
CN108460111B (zh) * | 2018-02-08 | 2020-10-16 | 合肥工业大学 | 基于对话的个人性格建模与生成方法及装置 |
CN110209778A (zh) * | 2018-04-11 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种对话生成的方法以及相关装置 |
CN109509002A (zh) * | 2018-06-15 | 2019-03-22 | 中国建设银行股份有限公司 | 自动配置实现对话流程的系统和方法、存储介质 |
CN109241251B (zh) * | 2018-07-27 | 2022-05-27 | 众安信息技术服务有限公司 | 一种会话交互方法 |
CN109215679A (zh) | 2018-08-06 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 基于用户情绪的对话方法和装置 |
CN110019748B (zh) * | 2018-09-27 | 2021-12-24 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
CN109635080A (zh) * | 2018-11-15 | 2019-04-16 | 上海指旺信息科技有限公司 | 应答策略生成方法及装置 |
CN109785140A (zh) * | 2018-12-05 | 2019-05-21 | 上海拍拍贷金融信息服务有限公司 | 一种基于智能语音的理财投资规划方法及装置 |
CN111506711A (zh) * | 2019-01-14 | 2020-08-07 | 北京京东尚科信息技术有限公司 | 一种智能客服应答方法和装置 |
CN110059169B (zh) * | 2019-01-25 | 2023-12-01 | 邵勃 | 基于语料标注的智能机器人聊天上下文实现方法及系统 |
CN109977217A (zh) * | 2019-04-09 | 2019-07-05 | 莫雨潜 | 一种智能辅助沟通的方法、系统及存储介质 |
CN110069612B (zh) * | 2019-04-28 | 2022-02-01 | 河北省讯飞人工智能研究院 | 一种回复生成方法及装置 |
CN110399474B (zh) * | 2019-07-18 | 2023-06-09 | 腾讯科技(深圳)有限公司 | 一种智能对话方法、装置、设备及存储介质 |
CN112445906A (zh) * | 2019-08-28 | 2021-03-05 | 北京搜狗科技发展有限公司 | 一种生成回复消息的方法及装置 |
CN110674276A (zh) * | 2019-09-23 | 2020-01-10 | 深圳前海微众银行股份有限公司 | 机器人自学习方法、机器人终端、装置及可读存储介质 |
CN111161708A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 语音信息处理方法及装置 |
CN111340658A (zh) * | 2020-02-28 | 2020-06-26 | 重庆百事得大牛机器人有限公司 | 用于法律咨询的机器人交互系统及方法 |
CN111741104B (zh) * | 2020-06-18 | 2021-10-08 | 腾讯科技(深圳)有限公司 | 应答消息的确定方法、配置方法、装置、设备及存储介质 |
CN112017629B (zh) * | 2020-07-15 | 2021-12-21 | 马上消费金融股份有限公司 | 语音机器人的会话控制方法及设备、存储介质 |
CN112507116B (zh) * | 2020-12-16 | 2023-10-10 | 平安科技(深圳)有限公司 | 基于客户应答语料的客户画像方法及其相关设备 |
CN112989015B (zh) * | 2021-04-28 | 2021-08-06 | 武汉龙津科技有限公司 | 一种自适应的对话方法、装置、电子设备及可读存储介质 |
CN113377938A (zh) * | 2021-06-24 | 2021-09-10 | 北京小米移动软件有限公司 | 一种对话处理方法及装置 |
CN113436625A (zh) * | 2021-06-25 | 2021-09-24 | 安徽淘云科技股份有限公司 | 一种人机交互方法及其相关设备 |
CN113469711A (zh) * | 2021-07-20 | 2021-10-01 | 阳光保险集团股份有限公司 | 一种智能客服交互方法、装置、电子设备及存储介质 |
CN116628153B (zh) * | 2023-05-10 | 2024-03-15 | 上海任意门科技有限公司 | 一种人工智能设备对话的控制方法、装置、设备及介质 |
CN117933398A (zh) * | 2024-02-05 | 2024-04-26 | 北京面壁智能科技有限责任公司 | 基于人工智能的对话预测方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010094799A (ja) * | 2008-10-17 | 2010-04-30 | Littleisland Inc | 人型ロボット |
CN102169642B (zh) * | 2011-04-06 | 2013-04-03 | 沈阳航空航天大学 | 具有智能纠错功能的交互式虚拟教师系统 |
CN104836720B (zh) * | 2014-02-12 | 2022-02-25 | 北京三星通信技术研究有限公司 | 交互式通信中进行信息推荐的方法及装置 |
CN105512228B (zh) * | 2015-11-30 | 2018-12-25 | 北京光年无限科技有限公司 | 一种基于智能机器人的双向问答数据处理方法和系统 |
-
2016
- 2016-12-20 CN CN201611184302.4A patent/CN106649704B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105515A1 (zh) * | 2020-11-18 | 2022-05-27 | 腾讯科技(深圳)有限公司 | 会话消息生成方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106649704A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649704B (zh) | 一种智能对话控制方法和系统 | |
US11397888B2 (en) | Virtual agent with a dialogue management system and method of training a dialogue management system | |
CN109918650B (zh) | 自动生成采访稿的采访智能机器人装置及智能采访方法 | |
CN107818781B (zh) | 智能交互方法、设备及存储介质 | |
KR102580322B1 (ko) | 컨퍼런스 기능을 갖는 자동화된 어시스턴트 | |
CN109918680B (zh) | 实体识别方法、装置及计算机设备 | |
CN108000526B (zh) | 用于智能机器人的对话交互方法及系统 | |
CN107943998B (zh) | 一种基于知识图谱的人机对话控制系统及方法 | |
CN109844741B (zh) | 在自动聊天中生成响应 | |
CN114556354A (zh) | 自动确定和呈现来自事件的个性化动作项 | |
US20200082928A1 (en) | Assisting psychological cure in automated chatting | |
WO2018102229A1 (en) | Systems and methods for performing automated interviews | |
CN110059182A (zh) | 面向客服的话术推荐方法和装置 | |
JP2020537777A (ja) | 発言のユーザ意図を識別するための方法および装置 | |
CN108804698A (zh) | 基于人物ip的人机交互方法、系统、介质及设备 | |
CN109791549A (zh) | 面向对话的机器用户交互 | |
CN106649410B (zh) | 一种获取聊天回复内容的方法及装置 | |
Kao et al. | Model of multi-turn dialogue in emotional chatbot | |
CN111399629B (zh) | 一种终端设备的操作引导方法、终端设备及存储介质 | |
CN110890088A (zh) | 语音信息反馈方法、装置、计算机设备和存储介质 | |
CN108345612A (zh) | 一种问题处理方法和装置、一种用于问题处理的装置 | |
CN112632242A (zh) | 智能对话方法及装置、电子设备 | |
CN111858875B (zh) | 智能交互方法、装置、设备及存储介质 | |
CN108306813B (zh) | 会话消息的处理方法、服务器及客户端 | |
CN116561265A (zh) | 个性化对话生成方法和模型训练方法以及设备 |
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 |