CN107040450B - 自动回复方法和装置 - Google Patents
自动回复方法和装置 Download PDFInfo
- Publication number
- CN107040450B CN107040450B CN201610578824.6A CN201610578824A CN107040450B CN 107040450 B CN107040450 B CN 107040450B CN 201610578824 A CN201610578824 A CN 201610578824A CN 107040450 B CN107040450 B CN 107040450B
- Authority
- CN
- China
- Prior art keywords
- classification
- chat messages
- reply
- chat
- hit
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Information Transfer Between Computers (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种自动回复方法,该方法包括:接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间;基于预先训练得到的分类器,获取所述聊天消息命中的类别;根据预先配置的回复间隔和所述起始时间,配置回复时间;在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复。本发明还公开了一种自动回复装置。本发明实现了对聊天应用软件自动回复速度的控制,以贴近人工回复的速度,增强了模拟人工回复的真实度,提升了聊天应用软件的拟人化程度。
Description
技术领域
本发明涉及网络技术领域,尤其涉及一种自动回复方法和装置。
背景技术
目前,越来越多的聊天应用软件,例如微软小冰、小黄鸡等,能够自动与用户进行对话或聊天。但是,在聊天时,用户能够清楚的感觉到与其进行对话的并非真实的人类,缺乏真实感,也大大降低了聊天的趣味性。
例如,聊天机器人能够模仿人类进行聊天或对话,在聊天机器人与用户对话时,由于聊天机器人的回复的内容是预先录入的,因此在收到用户输入的聊天消息后,根据用户的聊天消息查找对应的回复语句进行回复即可,回复速度比普通的人工回复要快很多。
对于用户而言,输入聊天消息后,通常在极短的时间内即可以收到聊天机器人的自动回复,而人工回复的速度则慢许多。在对话过程中,用户可以轻易的判断出当前进行回复的是人工还是机器人。
因此,目前的聊天应用软件拟人化程度较低,还无法给用户带来较为真实的聊天感。
发明内容
本发明的主要目的在于提供一种自动回复方法和装置,旨在解决聊天应用软件自动回复的拟人化程度低的技术问题。
为实现上述目的,本发明提供一种自动回复方法,所述自动回复方法包括以下步骤:
接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间;
基于预先训练得到的分类器,获取所述聊天消息命中的类别;
根据预先配置的回复间隔和所述起始时间,配置回复时间;
在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复。
在一个实施例中,所述根据预先配置的回复间隔和所述起始时间,配置回复时间的步骤之前,还包括:
根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
在一个实施例中,所述根据预先配置的回复间隔和所述起始时间,配置回复时间的步骤之前,还包括:
根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;
若所述类别在所述时间段内被命中的次数小于预设值,则转入执行步骤:根据预先配置的回复间隔和所述起始时间,配置回复时间。
在一个实施例中,所述自动回复方法还包括:
若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
在一个实施例中,所述自动回复方法还包括:
使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
此外,为实现上述目的,本发明还提供一种自动回复装置,所述自动回复装置包括:
接收模块,用于接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间;
分类模块,用于基于预先训练得到的分类器,获取所述聊天消息命中的类别;
配置模块,用于根据预先配置的回复间隔和所述起始时间,配置回复时间;
回复模块,用于在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复。
在一个实施例中,所述自动回复装置还包括:
计算模块,用于根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
在一个实施例中,所述自动回复装置还包括:
查询模块,用于根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;
所述配置模块,还用于若所述类别在所述时间段内被命中的次数小于预设值,则根据预先配置的回复间隔和所述起始时间,配置回复时间。
在一个实施例中,所述自动回复装置还包括:
拒复模块,用于若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
在一个实施例中,所述自动回复装置还包括:
训练模块,用于使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
本发明实施例提出的一种自动回复方法和装置,收到聊天对象发送的聊天消息后,确定收到此聊天消息的时间点为起始时间;然后,基于预先训练得到的分类器,对聊天消息进行分类,获取聊天消息命中的类别;然后,根据起始时间和预先配置的回复间隔,配置回复时间;在达到回复时间时,调用本次聊天消息命中的类别对应的回复消息进行本次聊天消息的回复。本发明通过回复间隔的设置,实现了对聊天应用软件自动回复速度的控制,以贴近人工回复的速度,增强了模拟人工回复的真实度,提升了聊天应用软件的拟人化程度。
附图说明
图1为本发明自动回复方法第一实施例的流程示意图;
图2为本发明自动回复方法第二实施例的流程示意图;
图3为本发明自动回复方法第三实施例的流程示意图;
图4为本发明自动回复方法第四实施例的流程示意图;
图5为本发明自动回复方法第五实施例的流程示意图;
图6为本发明自动回复装置第一实施例的功能模块示意图;
图7为本发明自动回复装置第二实施例的功能模块示意图;
图8为本发明自动回复装置第三实施例的功能模块示意图;
图9为本发明自动回复装置第四实施例的功能模块示意图;
图10为本发明自动回复装置第五实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明自动回复方法第一实施例提供一种自动回复方法,所述自动回复方法包括:
步骤S10、接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间。
本实施例通过控制自动回复的速率,使得聊天应用软件的自动回复更加贴近人工回复,增强聊天场景的真实感,提升用户体验。
本实施例中,以聊天应用软件为聊天机器人进行举例说明。聊天机器人是能够模拟人类进行聊天或是对话的应用程序。本发明并不限定于聊天机器人,还可以应用于其他需要进行自动回复的应用软件,例如,通过微信、QQ等社交软件与聊天对象进行聊天,自动回复聊天对象的聊天消息,或是模拟淘宝客服与消费者聊天,提供客户服务。
具体的,作为一种实施方式,聊天机器人与聊天对象建立聊天会话的条件,例如聊天机器人与聊天对象成为社交软件的好友,则聊天机器人可以主动触发进入自动回复模式,也可以在收到聊天对象发送的触发信息时,进入自动回复模式。
例如,可以配置触发信息为“你好”、“Hi”等,则聊天机器人在收到触发信息后,控制进入自动回复模式。
在自动回复模式下,聊天机器人接收聊天对象发送的聊天消息。聊天对象可以是人类或是其他的聊天机器人,本实施例以聊天对象为人类进行举例说明。
聊天对象发送的聊天消息可以是语音或文字信息等类型。若聊天对象发送的聊天消息为文字信息,则可以直接通过分类器获取对应的类别;若聊天对象发送的聊天消息为语音,则需要通过语音识别转换文文字信息后,再使用文字信息进行分类。
同时,聊天机器人记录收到此条聊天消息的时间点,并确定此时间点为本次对话的起始时间点。
步骤S20、基于预先训练得到的分类器,获取所述聊天消息命中的类别。
在获取聊天消息后,聊天机器人使用预先训练得到的分类器,获取聊天消息命中的类别。
具体的,分类器中预先配置有多个给定的类别,不同的类别对应不同的回复消息,分类器能够将未知类别的聊天消息映射到给定类别中的一个,从而得到回复的消息。其中,不同的类别可以使用数字标号等方式进行标识。
作为一种实施方式,在获取文字类型的聊天消息后,将聊天消息的文本信息进行分词,得到各词组。
然后,将文本信息的分词投入预先训练好的分类器,根据文本信息分词的特征查找命中的类别。
需要说明的是,命中的类别也即当前聊天消息的分类,是基于聊天消息的特征映射得到的,不同的聊天消息由于语义相同可能命中同一个类别,但是同样的聊天消息仅能命中同一个类别。
例如,聊天消息“你需要购买什么样的产品”和“你想要买什么样的产品”,在进行分词,并投入分类器后,可能命中同一个对应回复消息内容是具体产品的类别。
步骤S30、根据预先配置的回复间隔和所述起始时间,配置回复时间。
在获取本次聊天消息命中的类别后,聊天机器人根据预设的回复间隔,控制本次聊天消息的回复时间。
具体的,作为一种实施方式,预设的回复间隔可以是固定的时间间隔。
则聊天机器人在获取聊天消息命中的类别后,将收到此聊天消息的时间点,也即起始时间,加上预设的时间间隔,得到的时间点也即对本次聊天消息的回复时间。
进一步的,预设的回复间隔也可以是根据不同类别回复消息对应配置的时间间隔。时间间隔可以根据不同回复消息的语义、文本字数、语音长度等信息进行灵活配置,以贴近人工回复的速度。
则,聊天机器人在获取聊天消息命中的类别后,获取此类别对应的时间间隔。
然后,将收到此聊天消息的时间点,也即起始时间,加上此类别对应的时间间隔,得到的时间点也即对本次聊天消息的回复时间。
步骤S40、在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复。
在成功获取本次聊天消息命中的类别后,聊天机器人获取此类别对应的回复消息作为本次聊天消息对应的回复消息。其中,回复消息可以是文本信息,也可以是预先配置的语音信息等类型的消息,可根据实际需要灵活配置。
在时间达到回复时间时,将本次获取的聊天消息发送给聊天对象。
由此,实现了聊天消息的回复。
此后,若再次收到聊天对象发送的聊天消息,则重新配置起始时间,进行新一轮的自动回复。
在本实施例中,收到聊天对象发送的聊天消息后,确定收到此聊天消息的时间点为起始时间;然后,基于预先训练得到的分类器,对聊天消息进行分类,获取聊天消息命中的类别;然后,根据起始时间和预先配置的回复间隔,配置回复时间;在达到回复时间时,调用本次聊天消息命中的类别对应的回复消息进行本次聊天消息的回复。本实施例通过回复间隔的设置,实现了对聊天应用软件自动回复速度的控制,以贴近人工回复的速度,增强了模拟人工回复的真实度,提升了聊天应用软件的拟人化程度。
进一步的,参照图2,本发明自动回复方法第二实施例提供一种自动回复方法,基于上述图1所示的实施例,所述步骤S30之前,还包括:
步骤S50、根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
本实施例中,配置所有的回复消息为文本信息。在收到聊天对象发送的聊天消息时,聊天机器人记录收到聊天消息的时间点。
则在获取本次聊天对象发送的聊天消息命中的类别后,聊天机器人获取此类别对应的回复消息。
然后,聊天机器人统计本次回复消息的字数,根据得到的字数和预设的打字速率,计算得到回复间隔。其中,预设的打字速率也可以理解为人工的打字速率,例如每秒一个字等。在计算回复间隔时,将回复消息的字数与打字速率相乘,得到的时间即为回复间隔。
在得到回复间隔后,聊天机器人将收到聊天消息的时间点加上回复间隔的时间,得到对本地聊天消息的回复时间点。
然后,聊天机器人检测当前的时间,在到达回复时间点时,向聊天对象发送回复消息。
由于获取回复消息的运算时间通常非常短,通常在得到回复消息时,时间点不会超过回复时间点,因此不会影响到对于回复时间的控制。
在本实施例中,在获取本次聊天消息命中的类后别,根据此类别对应的回复消息字数,以及预设的打字速率,计算得到回复本次聊天消息的回复间隔;然后,根据起始时间和得到的回复间隔配置回复本次聊天消息的回复时间。本实施例通过根据回复消息的字数和打字速率配置时间间隔,模拟人工回复的打字速度,以增强人工回复的场景感,提高了聊天应用软件的拟人化程度。
进一步的,参照图3,本发明自动回复方法第三实施例提供一种自动回复方法,基于上述图1或图2所示的实施例(本实施例以图1为例),所述步骤S30之前,还包括:
步骤S60、根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;若所述类别在所述时间段内被命中的次数小于预设值,则转入执行步骤S30。
本实施例中,聊天机器人记录聊天对象发送的每一条聊天消息,每一条聊天消息命中的类别,和对应的回复时间,配置得到聊天记录。
在聊天机器人获取本次聊天消息命中的类别时,根据配置的聊天记录,查询预设时间段内此类别是否被命中过。
若此类别在预设的时间段内被与本次聊天消息相同或不同的聊天消息命中,则统计此类别在此时间段内被命中的次数。本实施例中,统计此类别被命中的次数时,本次被命中不计入统计结果。
在得到此类别在预设时间段内被命中的次数后,判断被命中的次数是否小于预设值;若被命中的次数小于预设值,则判定此类别有效,可以对本次聊天消息进行回复;若被命中的次数大于或等于预设值,则判定此类别无效,不对本次聊天消息进行回复。
例如,若预设的时间段为2分钟,预设值为1。
则聊天机器人在获取命中的类别时,查询2分钟以内的聊天记录中,此类别被命中的次数。
若此类别在2分钟内被命中1次,意味着此类别的聊天消息在2分钟内已经被回复过,聊天对象在发送重复的聊天消息,则不再次回复;若此类别在2分钟内被命中0次,意味着2分钟内未收到此类别的聊天消息,可以进行回复,则进行回复时间的配置,在达到回复时间时,调用此类别对应的回复消息进行聊天消息的回复。
由此,实现了对相同回复消息的管理。
在本实施例中,在获取本次聊天消息命中的类别后,根据预先配置的聊天记录,查询预设时间段内此类别被命中的次数,从而得到预设时间段内收到此类别的本次聊天消息的次数;若此类别在预设时间段内被命中的次数小于预设值,也即在预设时间段内收到此类别聊天消息的次数小于预设值,则进行回复时间的配置,进行聊天消息的回复。本实施例通过配置预设值,仅在预设时间段内收到的同类别的聊天消息的次数小于预设值时,才对本次聊天消息进行回复;当在预设时间段内收到同类别聊天消息的次数过多时,不进行回复,以避免多次以同样的内容重复回复同一类别的聊天消息,更加符合人类聊天的习惯,提高了聊天应用软件的拟人化程度。
进一步的,参照图4,本发明自动回复方法第四实施例提供一种自动回复方法,基于上述图1、图2或图3所示的实施例,所述自动回复方法还包括:
步骤70、若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
本实施例在未获取本次聊天消息命中的类别时,控制不进行聊天消息的回复。
例如,在使用自动回复对公司内部的业务员进行风险测试时,由于目的是在业务员不知情的条件下,模拟客户测试业务员是否违规操作,因此为了避免业务员怀疑,对业务员发送的聊天消息进行自动回复时,需要有较高的拟人化程度。
若业务员发送的聊天消息没有命中分类器中特定的类别,则可以认为当前业务员发送的聊天消息不在可自动回复的范围内,不进行回复;若使用针对此种情况预先配置的回复消息进行回复,或是随机选择回复消息进行回复,则可能由于不符合当前的聊天场景,导致业务员怀疑当前的客户存在异常情况,而影响测试结果。
在本实施例中,不对未命中类别的聊天消息进行回复,以避免在没有合适的回复消息时乱回复,更加符合人类聊天的习惯,增强聊天应用软件的拟人化程度。
进一步的,参照图5,本发明自动回复方法第五实施例提供一种自动回复方法,基于上述图1、图2、图3或图4所示的实施例,所述自动回复方法还包括:
步骤S80、使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
本实施例基于神经网络算法和逻辑回归算法训练得到用于对聊天消息进行分类的分类器。
具体的,作为一种实时方式,获取预先配置语料样本,语料样本可以是大量的聊天消息,语料样本数量越多,训练效果越好。
可以根据需要配置分类器对于语料进行分类后的类别,不同的类别对应不同的回复消息。分别为语料样本中的各聊天消息配置其映射的类别,也即,将语料样本中的聊天消息进行分类,并标注好对应的类别,为分类器的训练做准备。
然后,对语料样本进行分词,将以句为单位的聊天消息切分为一个一个单独的词。
然后,对分词后的聊天消息进行特征提取,提取的特征可以是词性特征等。
然后,使用逻辑回归算法基于各聊天消息的特征,对各聊天消息进行分类训练,使各聊天消息能够命中其预先配置的类别。
在对聊天消息进行分类时,基于聊天消息提取的特征,使分类器在指定的各类别中选取概率最大的类别作为其命中的类别,再根据此聊天消息预先配置的类别判断是否分类成功,根据分类是否成功的结果对语料样本进行分类的往复训练,尽量使分类器可以根据聊天消息的特征命中正确的类别。
在训练过程中,基于神经网络算法,根据语料样本的训练分类结果学习分类的模式,并修正分类器,使得对聊天消息提取得到的特征为各聊天消息最显著、最能够区别于其他聊天消息的特征,提高分类结果的成功率。
在训练阶段结束后,可以使用测试语料测试分类器的成功率,若成功率达到预设的要求值时,可以判定分类器完成训练;若成功率未达到预设的要求值时,可以继续进行分类器的训练,直至成功率达到预设的要求值。
在本实施例中,采用神经网络算法和逻辑回归算法进行分类器的训练,使得分类器能够提取出语料样本最显著的特征,对聊天消息的分类结果也更加准确。
参照图6,本发明自动回复装置第一实施例提供一种自动回复装置,所述自动回复装置包括:
接收模块10,用于接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间。
本实施例通过控制自动回复的速率,使得聊天应用软件的自动回复更加贴近人工回复,增强聊天场景的真实感,提升用户体验。
具体的,作为一种实施方式,聊天应用软件与聊天对象建立聊天会话的条件,例如聊天机器人与聊天对象成为社交软件的好友,则聊天机器人可以主动触发进入自动回复模式,也可以在收到聊天对象发送的触发信息时,进入自动回复模式。
例如,可以配置触发信息为“你好”、“Hi”等,则聊天应用软件在收到触发信息后,控制进入自动回复模式。
在自动回复模式下,接收模块10接收聊天对象发送的聊天消息。聊天对象可以是人类或是其他的聊天应用软件,本实施例以聊天对象为人类进行举例说明。
聊天对象发送的聊天消息可以是语音或文字信息等类型。若聊天对象发送的聊天消息为文字信息,则可以直接通过分类器获取对应的类别;若聊天对象发送的聊天消息为语音,则需要接收模块10通过语音识别转换文文字信息后,再使用文字信息进行分类。
同时,接收模块10记录收到此条聊天消息的时间点,并确定此时间点为本次对话的起始时间点。
分类模块20,用于基于预先训练得到的分类器,获取所述聊天消息命中的类别。
在获取聊天消息后,分类模块20使用预先训练得到的分类器,获取聊天消息命中的类别。
具体的,分类器中预先配置有多个给定的类别,不同的类别对应不同的回复消息,分类器能够将未知类别的聊天消息映射到给定类别中的一个,从而得到回复的消息。其中,不同的类别可以使用数字标号等方式进行标识。
作为一种实施方式,在获取文字类型的聊天消息后,分类模块20将聊天消息的文本信息进行分词,得到各词组。
然后,分类模块20将文本信息的分词投入预先训练好的分类器,根据文本信息分词的特征查找命中的类别。
需要说明的是,命中的类别也即当前聊天消息的分类,是基于聊天消息的特征映射得到的,不同的聊天消息由于语义相同可能命中同一个类别,但是同样的聊天消息仅能命中同一个类别。
例如,聊天消息“你需要购买什么样的产品”和“你想要买什么样的产品”,在进行分词,并投入分类器后,可能命中同一个对应回复消息内容是具体产品的类别。
配置模块30,用于根据预先配置的回复间隔和所述起始时间,配置回复时间。
在获取本次聊天消息命中的类别后,配置模块30根据预设的回复间隔,控制本次聊天消息的回复时间。
具体的,作为一种实施方式,预设的回复间隔可以是固定的时间间隔。
则在获取聊天消息命中的类别后,配置模块30将收到此聊天消息的时间点,也即起始时间,加上预设的时间间隔,得到的时间点也即对本次聊天消息的回复时间。
进一步的,预设的回复间隔也可以是根据不同类别回复消息对应配置的时间间隔。时间间隔可以根据不同回复消息的语义、文本字数、语音长度等信息进行灵活配置,以贴近人工回复的速度。
则,在获取聊天消息命中的类别后,配置模块30获取此类别对应的时间间隔。
然后,配置模块30将收到此聊天消息的时间点,也即起始时间,加上此类别对应的时间间隔,得到的时间点也即对本次聊天消息的回复时间。
回复模块40,用于在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复。
在成功获取本次聊天消息命中的类别后,回复模块40获取此类别对应的回复消息作为本次聊天消息对应的回复消息。其中,回复消息可以是文本信息,也可以是预先配置的语音信息等类型的消息,可根据实际需要灵活配置。
在时间达到回复时间时,回复模块40将本次获取的聊天消息发送给聊天对象。
由此,实现了聊天消息的回复。
此后,若再次收到聊天对象发送的聊天消息,则接收模块10重新配置起始时间,进行新一轮的自动回复。
在本实施例中,接收模块10收到聊天对象发送的聊天消息后,确定收到此聊天消息的时间点为起始时间;然后,分类模块20基于预先训练得到的分类器,对聊天消息进行分类,获取聊天消息命中的类别;然后,配置模块30根据起始时间和预先配置的回复间隔,配置回复时间;在达到回复时间时,回复模块40调用本次聊天消息命中的类别对应的回复消息进行本次聊天消息的回复。本实施例通过回复间隔的设置,实现了对聊天应用软件自动回复速度的控制,以贴近人工回复的速度,增强了模拟人工回复的真实度,提升了聊天应用软件的拟人化程度。
进一步的,参照图7,本发明自动回复装置第二实施例提供一种自动回复装置,基于上述图6所示的实施例,所述自动回复装置还包括:
计算模块50,用于根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
本实施例中,配置所有的回复消息为文本信息。接收模块10在收到聊天对象发送的聊天消息时,记录收到聊天消息的时间点。
则在获取本次聊天对象发送的聊天消息命中的类别后,计算模块50获取此类别对应的回复消息。
然后,计算模块50统计本次回复消息的字数,根据得到的字数和预设的打字速率,计算得到回复间隔。其中,预设的打字速率也可以理解为人工的打字速率,例如每秒一个字等。在计算回复间隔时,将回复消息的字数与打字速率相乘,得到的时间即为回复间隔。
在得到回复间隔后,配置模块30将收到聊天消息的时间点加上回复间隔的时间,得到对本地聊天消息的回复时间点。
然后,回复模块40检测当前的时间,在到达回复时间点时,向聊天对象发送回复消息。
由于获取回复消息的运算时间通常非常短,通常在得到回复消息时,时间点不会超过回复时间点,因此不会影响到对于回复时间的控制。
在本实施例中,在获取本次聊天消息命中的类后别,计算模块50根据此类别对应的回复消息字数,以及预设的打字速率,计算得到回复本次聊天消息的回复间隔;然后,根据起始时间和得到的回复间隔配置回复本次聊天消息的回复时间。本实施例通过根据回复消息的字数和打字速率配置时间间隔,模拟人工回复的打字速度,以增强人工回复的场景感,提高了聊天应用软件的拟人化程度。
进一步的,参照图8,本发明自动回复装置第三实施例提供一种自动回复装置,基于上述图6或图7所示的实施例(本实施例以图6为例),所述自动回复装置还包括:
查询模块60,用于根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;
所述配置模块30,还用于若所述类别在所述时间段内被命中的次数小于预设值,则根据预先配置的回复间隔和所述起始时间,配置回复时间。
本实施例中,查询模块60记录聊天对象发送的每一条聊天消息,每一条聊天消息命中的类别,和对应的回复时间,配置得到聊天记录。
在获取本次聊天消息命中的类别时,查询模块60根据配置的聊天记录,查询预设时间段内此类别是否被命中过。
若此类别在预设的时间段内被与本次聊天消息相同或不同的聊天消息命中,则查询模块60统计此类别在此时间段内被命中的次数。本实施例中,统计此类别被命中的次数时,本次被命中不计入统计结果。
在得到此类别在预设时间段内被命中的次数后,查询模块60判断被命中的次数是否小于预设值;若被命中的次数小于预设值,则查询模块60判定此类别有效,可以对本次聊天消息进行回复;若被命中的次数大于或等于预设值,则查询模块60判定此类别无效,不对本次聊天消息进行回复。
例如,若预设的时间段为2分钟,预设值为1。
则在获取命中的类别时,查询模块60查询2分钟以内的聊天记录中,此类别被命中的次数。
若此类别在2分钟内被命中1次,意味着此类别的聊天消息在2分钟内已经被回复过,聊天对象在发送重复的聊天消息,则不再次回复;若此类别在2分钟内被命中0次,意味着2分钟内未收到此类别的聊天消息,可以进行回复,则由配置模块30进行回复时间的配置,在达到回复时间时,回复模块40调用此类别对应的回复消息进行聊天消息的回复。
由此,实现了对相同回复消息的管理。
在本实施例中,在获取本次聊天消息命中的类别后,查询模块60根据预先配置的聊天记录,查询预设时间段内此类别被命中的次数,从而得到预设时间段内收到此类别的本次聊天消息的次数;若此类别在预设时间段内被命中的次数小于预设值,也即在预设时间段内收到此类别聊天消息的次数小于预设值,则配置模块30进行回复时间的配置,回复模块40进行聊天消息的回复。本实施例通过配置预设值,仅在预设时间段内收到的同类别的聊天消息的次数小于预设值时,才对本次聊天消息进行回复;当在预设时间段内收到同类别聊天消息的次数过多时,不进行回复,以避免多次以同样的内容重复回复同一类别的聊天消息,更加符合人类聊天的习惯,提高了聊天应用软件的拟人化程度。
进一步的,参照图9,本发明自动回复装置第四实施例提供一种自动回复装置,基于上述图6、图7或图8所示的实施例(本实施例以图6为例),所述自动回复装置还包括:
拒复模块70,用于若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
本实施例在未获取本次聊天消息命中的类别时,拒复模块70控制不进行聊天消息的回复。
例如,在使用自动回复对公司内部的业务员进行风险测试时,由于目的是在业务员不知情的条件下,模拟客户测试业务员是否违规操作,因此为了避免业务员怀疑,对业务员发送的聊天消息进行自动回复时,需要有较高的拟人化程度。
若业务员发送的聊天消息没有命中分类器中特定的类别,则可以认为当前业务员发送的聊天消息不在可自动回复的范围内,不进行回复;若使用针对此种情况预先配置的回复消息进行回复,或是随机选择回复消息进行回复,则可能由于不符合当前的聊天场景,导致业务员怀疑当前的客户存在异常情况,而影响测试结果。
在本实施例中,拒复模块70控制不对未命中类别的聊天消息进行回复,以避免在没有合适的回复消息时乱回复,更加符合人类聊天的习惯,增强聊天应用软件的拟人化程度。
进一步的,参照图10,本发明自动回复装置第五实施例提供一种自动回复装置,基于上述图6、图7、图8或图9所示的实施例(本实施例以图9为例),所述自动回复装置还包括:
训练模块80,用于使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
本实施例训练模块80基于神经网络算法和逻辑回归算法训练得到用于对聊天消息进行分类的分类器。
具体的,作为一种实时方式,训练模块80获取预先配置语料样本,语料样本可以是大量的聊天消息,语料样本数量越多,训练效果越好。
可以根据需要配置分类器对于语料进行分类后的类别,不同的类别对应不同的回复消息。分别为语料样本中的各聊天消息配置其映射的类别,也即,将语料样本中的聊天消息进行分类,并标注好对应的类别,为分类器的训练做准备。
然后,训练模块80对语料样本进行分词,将以句为单位的聊天消息切分为一个一个单独的词。
然后,训练模块80对分词后的聊天消息进行特征提取,提取的特征可以是词性特征等。
然后,训练模块80使用逻辑回归算法基于各聊天消息的特征,对各聊天消息进行分类训练,使各聊天消息能够命中其预先配置的类别。
在对聊天消息进行分类时,基于聊天消息提取的特征,使分类器在指定的各类别中选取概率最大的类别作为其命中的类别,再根据此聊天消息预先配置的类别判断是否分类成功,根据分类是否成功的结果对语料样本进行分类的往复训练,尽量使分类器可以根据聊天消息的特征命中正确的类别。
在训练过程中,训练模块80基于神经网络算法,根据语料样本的训练分类结果学习分类的模式,并修正分类器,使得对聊天消息提取得到的特征为各聊天消息最显著、最能够区别于其他聊天消息的特征,提高分类结果的成功率。
在训练阶段结束后,训练模块80可以使用测试语料测试分类器的成功率,若成功率达到预设的要求值时,可以判定分类器完成训练;若成功率未达到预设的要求值时,可以继续进行分类器的训练,直至成功率达到预设的要求值。
在本实施例中,训练模块80采用神经网络算法和逻辑回归算法进行分类器的训练,使得分类器能够提取出语料样本最显著的特征,对聊天消息的分类结果也更加准确。
以上仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种自动回复方法,其特征在于,所述自动回复方法包括以下步骤:
接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间;
基于预先训练得到的分类器,获取所述聊天消息命中的类别;
根据预先配置的回复间隔和所述起始时间,配置回复时间;
在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复;
所述根据预先配置的回复间隔和所述起始时间,配置回复时间的步骤之前,还包括:
根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
2.如权利要求1所述的自动回复方法,其特征在于,所述根据预先配置的回复间隔和所述起始时间,配置回复时间的步骤之前,还包括:
根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;
若所述类别在所述时间段内被命中的次数小于预设值,则转入执行步骤:根据预先配置的回复间隔和所述起始时间,配置回复时间。
3.如权利要求1或2所述的自动回复方法,其特征在于,所述自动回复方法还包括:
若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
4.如权利要求3所述的自动回复方法,其特征在于,所述自动回复方法还包括:
使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
5.一种自动回复装置,其特征在于,所述自动回复装置包括:
接收模块,用于接收聊天对象发送的聊天消息,确定收到所述聊天消息的时间点为起始时间;
分类模块,用于基于预先训练得到的分类器,获取所述聊天消息命中的类别;
配置模块,用于根据预先配置的回复间隔和所述起始时间,配置回复时间;
回复模块,用于在到达所述回复时间时,调用所述类别对应的回复消息进行所述聊天消息的回复;
所述自动回复装置还包括:
计算模块,用于根据所述类别对应的回复消息字数,以及预设的打字速率,计算得到回复间隔。
6.如权利要求5所述的自动回复装置,其特征在于,所述自动回复装置还包括:
查询模块,用于根据预先配置的聊天记录,查询预设时间段内所述类别被命中的次数;
所述配置模块,还用于若所述类别在所述时间段内被命中的次数小于预设值,则根据预先配置的回复间隔和所述起始时间,配置回复时间。
7.如权利要求5或6所述的自动回复装置,其特征在于,所述自动回复装置还包括:
拒复模块,用于若未成功获取所述聊天消息命中的类别,则不进行所述聊天消息的回复。
8.如权利要求7所述的自动回复装置,其特征在于,所述自动回复装置还包括:
训练模块,用于使用预先配置的语料样本,基于神经网络算法和逻辑回归算法训练得到所述分类器。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578824.6A CN107040450B (zh) | 2016-07-20 | 2016-07-20 | 自动回复方法和装置 |
PCT/CN2017/077963 WO2018014579A1 (zh) | 2016-07-20 | 2017-03-24 | 自动回复方法、装置、设备及计算机可读存储介质 |
EP17800690.4A EP3306867B1 (en) | 2016-07-20 | 2017-03-24 | Auto-response method, apparatus and device, and computer-readable storage medium |
US15/578,227 US10404629B2 (en) | 2016-07-20 | 2017-03-24 | Automatic reply method, device, apparatus, and storage medium |
JP2017560292A JP6431993B2 (ja) | 2016-07-20 | 2017-03-24 | 自動返答方法、自動返答装置、自動返答機器、自動返答プログラムおよびコンピュータ読み取り可能記憶媒体 |
SG11201709529SA SG11201709529SA (en) | 2016-07-20 | 2017-03-24 | An automatic reply method, device, apparatus, and storage medium |
KR1020187035330A KR102125348B1 (ko) | 2016-07-20 | 2017-03-24 | 자동 회신 방법, 장치, 설비 및 컴퓨터 판독가능 저장 매체 |
AU2017258821A AU2017258821A1 (en) | 2016-07-20 | 2017-03-24 | An automatic reply method, device, apparatus, and storage medium |
TW106124443A TWI632469B (zh) | 2016-07-20 | 2017-07-20 | 自動回覆方法和裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610578824.6A CN107040450B (zh) | 2016-07-20 | 2016-07-20 | 自动回复方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107040450A CN107040450A (zh) | 2017-08-11 |
CN107040450B true CN107040450B (zh) | 2018-06-01 |
Family
ID=59533122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610578824.6A Active CN107040450B (zh) | 2016-07-20 | 2016-07-20 | 自动回复方法和装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10404629B2 (zh) |
EP (1) | EP3306867B1 (zh) |
JP (1) | JP6431993B2 (zh) |
KR (1) | KR102125348B1 (zh) |
CN (1) | CN107040450B (zh) |
AU (1) | AU2017258821A1 (zh) |
SG (1) | SG11201709529SA (zh) |
TW (1) | TWI632469B (zh) |
WO (1) | WO2018014579A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108563657A (zh) * | 2017-12-29 | 2018-09-21 | 上海与德科技有限公司 | 机器人应答模式的自适应调整方法及智能机器人 |
TWI718369B (zh) * | 2018-04-26 | 2021-02-11 | 國立勤益科技大學 | 智能互動系統 |
US10567314B1 (en) * | 2018-12-03 | 2020-02-18 | D8AI Inc. | Programmable intelligent agents for human-chatbot communication |
CN111353024B (zh) * | 2018-12-04 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 回评文本的生成方法、装置及系统 |
US11157701B2 (en) | 2019-01-10 | 2021-10-26 | International Business Machines Corporation | Regulating velocity of chat discourse |
CN109753561B (zh) * | 2019-01-16 | 2021-04-27 | 长安汽车金融有限公司 | 一种自动回复的生成方法及装置 |
CN109639444B (zh) * | 2019-02-20 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 消息处理方法、装置、电子设备及存储介质 |
TWI714019B (zh) * | 2019-03-12 | 2020-12-21 | 國立清華大學 | 諮詢式聊天機械人之執行方法 |
CN110324237A (zh) * | 2019-06-24 | 2019-10-11 | 中建八局第一建设有限公司 | 一种基于微信的集成项目应用管理方法 |
CN110290057B (zh) * | 2019-06-28 | 2021-09-14 | 联想(北京)有限公司 | 一种信息处理方法及信息处理装置 |
CN110351293B (zh) * | 2019-07-19 | 2022-03-01 | 秒针信息技术有限公司 | 一种发送信息的方法、装置及系统 |
CN110445707B (zh) * | 2019-07-23 | 2022-05-13 | 北京秒针人工智能科技有限公司 | 一种消息处理方法及装置 |
CN112491692A (zh) * | 2020-11-09 | 2021-03-12 | 北京明略软件系统有限公司 | 定时收集信息方法、系统、计算机可读存储介质及电子设备 |
CN112612877A (zh) * | 2020-12-16 | 2021-04-06 | 平安普惠企业管理有限公司 | 多类型消息智能答复方法、装置、计算机设备及存储介质 |
CN113297362A (zh) * | 2021-05-27 | 2021-08-24 | 平安科技(深圳)有限公司 | 机器人问答方法、装置、计算机设备及存储介质 |
CN113609275B (zh) * | 2021-08-24 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN115499397B (zh) * | 2022-09-08 | 2023-11-17 | 亿咖通(湖北)技术有限公司 | 一种信息回复方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179619A (zh) * | 2006-11-08 | 2008-05-14 | 中兴通讯股份有限公司 | 一种移动电话及其自动应答方法 |
EP2887627A1 (en) * | 2013-12-18 | 2015-06-24 | Telefonica Digital España, S.L.U. | Method and system for extracting out characteristics of a communication between at least one client and at least one support agent and computer program product thereof |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105138710A (zh) * | 2015-10-12 | 2015-12-09 | 金耀星 | 一种聊天代理系统及方法 |
CN105227790A (zh) * | 2015-09-24 | 2016-01-06 | 北京车音网科技有限公司 | 一种语音应答方法、电子设备和系统 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000050045A (ko) * | 2000-03-28 | 2000-08-05 | 백찬영 | 전자 메시지 자동 응답 시스템 및 방법 |
AU2001275766A1 (en) * | 2000-07-20 | 2002-02-05 | Telefonaktiebolaget Lm Ericsson (Publ) | Customer support system and method providing virtual and live agent interaction over a data network |
US20030182391A1 (en) | 2002-03-19 | 2003-09-25 | Mike Leber | Internet based personal information manager |
TW576118B (en) * | 2002-12-31 | 2004-02-11 | Inventec Appliances Corp | Method of auto-answering the short message for the mobile phone |
US20050282559A1 (en) * | 2003-02-25 | 2005-12-22 | Boston Communications Group, Inc. | Method and system for providing supervisory control over wireless phone data usage |
US7249162B2 (en) * | 2003-02-25 | 2007-07-24 | Microsoft Corporation | Adaptive junk message filtering system |
CN100438511C (zh) * | 2005-09-16 | 2008-11-26 | 腾讯科技(深圳)有限公司 | 一种即时通信中按照时间段自动回复的方法及系统 |
JP2008191748A (ja) * | 2007-02-01 | 2008-08-21 | Oki Electric Ind Co Ltd | ユーザ間コミュニケーション方法、ユーザ間コミュニケーションプログラム、ユーザ間コミュニケーション装置 |
JP4625057B2 (ja) * | 2007-08-15 | 2011-02-02 | ヤフー株式会社 | 仮想空間情報要約作成装置 |
US20090077185A1 (en) * | 2007-09-17 | 2009-03-19 | Inventec Corporation | Automatic-reply instant messeging system and method thereof |
US20140279050A1 (en) * | 2008-05-21 | 2014-09-18 | The Delfin Project, Inc. | Dynamic chatbot |
JP4547721B2 (ja) * | 2008-05-21 | 2010-09-22 | 株式会社デンソー | 自動車用情報提供システム |
US7818374B2 (en) * | 2008-05-29 | 2010-10-19 | International Business Machines Corporation | Effective communication in virtual worlds |
CN101800709A (zh) * | 2010-01-05 | 2010-08-11 | 深圳中兴网信科技有限公司 | 一种即时通讯中自动回复的实现方法 |
US9077749B2 (en) * | 2012-01-31 | 2015-07-07 | International Business Machines Corporation | Identity verification for at least one party to a text-based communication |
US9973457B2 (en) * | 2012-06-26 | 2018-05-15 | Nuance Communications, Inc. | Method and apparatus for live chat integration |
US9461945B2 (en) * | 2013-10-18 | 2016-10-04 | Jeffrey P. Phillips | Automated messaging response |
US20150154002A1 (en) * | 2013-12-04 | 2015-06-04 | Google Inc. | User interface customization based on speaker characteristics |
CN104750705B (zh) | 2013-12-27 | 2019-05-28 | 华为技术有限公司 | 信息回复方法及装置 |
US9559993B2 (en) * | 2014-10-02 | 2017-01-31 | Oracle International Corporation | Virtual agent proxy in a real-time chat service |
CN104615646A (zh) * | 2014-12-25 | 2015-05-13 | 上海科阅信息技术有限公司 | 智能聊天机器人系统 |
CN105608221B (zh) * | 2016-01-11 | 2018-08-21 | 北京光年无限科技有限公司 | 一种面向问答系统的自学习方法和装置 |
CN105550679B (zh) | 2016-02-29 | 2019-02-15 | 深圳前海勇艺达机器人有限公司 | 一种机器人循环监听录音的判断方法 |
-
2016
- 2016-07-20 CN CN201610578824.6A patent/CN107040450B/zh active Active
-
2017
- 2017-03-24 EP EP17800690.4A patent/EP3306867B1/en active Active
- 2017-03-24 US US15/578,227 patent/US10404629B2/en active Active
- 2017-03-24 JP JP2017560292A patent/JP6431993B2/ja active Active
- 2017-03-24 WO PCT/CN2017/077963 patent/WO2018014579A1/zh active Application Filing
- 2017-03-24 SG SG11201709529SA patent/SG11201709529SA/en unknown
- 2017-03-24 AU AU2017258821A patent/AU2017258821A1/en not_active Abandoned
- 2017-03-24 KR KR1020187035330A patent/KR102125348B1/ko active IP Right Grant
- 2017-07-20 TW TW106124443A patent/TWI632469B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179619A (zh) * | 2006-11-08 | 2008-05-14 | 中兴通讯股份有限公司 | 一种移动电话及其自动应答方法 |
EP2887627A1 (en) * | 2013-12-18 | 2015-06-24 | Telefonica Digital España, S.L.U. | Method and system for extracting out characteristics of a communication between at least one client and at least one support agent and computer program product thereof |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105227790A (zh) * | 2015-09-24 | 2016-01-06 | 北京车音网科技有限公司 | 一种语音应答方法、电子设备和系统 |
CN105138710A (zh) * | 2015-10-12 | 2015-12-09 | 金耀星 | 一种聊天代理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2017258821A1 (en) | 2018-02-08 |
JP2018527638A (ja) | 2018-09-20 |
EP3306867B1 (en) | 2020-11-11 |
KR20190005930A (ko) | 2019-01-16 |
EP3306867A1 (en) | 2018-04-11 |
JP6431993B2 (ja) | 2018-11-28 |
SG11201709529SA (en) | 2018-05-30 |
TW201804339A (zh) | 2018-02-01 |
WO2018014579A1 (zh) | 2018-01-25 |
TWI632469B (zh) | 2018-08-11 |
KR102125348B1 (ko) | 2020-06-23 |
US10404629B2 (en) | 2019-09-03 |
CN107040450A (zh) | 2017-08-11 |
US20180359197A1 (en) | 2018-12-13 |
EP3306867A4 (en) | 2018-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107040450B (zh) | 自动回复方法和装置 | |
CN109308357B (zh) | 一种用于获得答案信息的方法、装置和设备 | |
CN106113054B (zh) | 基于机器人的服务处理方法 | |
CN105320591B (zh) | 代码检测方法及装置 | |
CN109547332B (zh) | 通讯会话交互方法、装置、计算机设备 | |
CN106407178A (zh) | 一种会话摘要生成方法及装置 | |
CN107222865A (zh) | 基于可疑行为识别的通讯诈骗实时检测方法和系统 | |
CN107566358A (zh) | 一种风险预警提示方法、装置、介质及设备 | |
CN112365894A (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
CN103975322A (zh) | 在文本消息中呈现情感的方法 | |
CN110580282A (zh) | 通过仿真用户与客服交互的方法及装置 | |
CN108173835B (zh) | 一种验证的方法、装置、服务器和终端 | |
CN110457214A (zh) | 应用测试方法及装置、电子设备 | |
CN107807734A (zh) | 一种用于智能机器人的交互输出方法以及系统 | |
CN106156362A (zh) | 一种针对预警提示自动提供解决方案的方法及装置 | |
CN112087444B (zh) | 账号识别方法和装置、存储介质及电子设备 | |
CN110490428A (zh) | 空中交通管制工作质量评估方法及相关装置 | |
CN111611365A (zh) | 一种对话系统的流程控制方法、装置、设备及存储介质 | |
Garg et al. | Nlp based chatbot for multiple restaurants | |
CN104504051B (zh) | 输入提示方法、装置及终端 | |
CN111191019A (zh) | 一种信息处理方法、电子设备和信息处理系统 | |
JP6457600B1 (ja) | チャットシステム、サーバ、画面生成方法及びコンピュータプログラム | |
CN109726002A (zh) | 一种处理流程调整方法及装置 | |
CN110290057B (zh) | 一种信息处理方法及信息处理装置 | |
CN109522927A (zh) | 用于用户消息的情感分析方法及装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1235929 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1235929 Country of ref document: HK |