CN107967304A - 会话交互处理方法、装置及电子设备 - Google Patents
会话交互处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107967304A CN107967304A CN201711107107.6A CN201711107107A CN107967304A CN 107967304 A CN107967304 A CN 107967304A CN 201711107107 A CN201711107107 A CN 201711107107A CN 107967304 A CN107967304 A CN 107967304A
- Authority
- CN
- China
- Prior art keywords
- current statement
- scene
- sentence
- current
- statement
- 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
Links
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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例提供了一种会话交互处理方法、装置及电子设备,其中,会话交互处理方法包括:获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;以及根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。本申请实施例从而提供了一种实用性较高的会话交互系统的解决方案。
Description
技术领域
本申请实施例涉及人工智能技术领域,尤其涉及一种会话交互处理方法、装置及电子设备。
背景技术
会话交互功能是人工智能中人机交互的的一项技术应用,目前广泛应用于客服机器人、智能助理等领域。现存大部分的会话交互方法多是基于预设的输入和输出的集合,即在会话时,提示用户从预设的输入中选择一输入,系统根据从预设的输入中选择的输入再从预设的输出结果中选择一个最佳的输出结果。高级的多轮交互目前是通过机器学习技术,建立会话训练模型,这其中就需要基于大量的语料,使得交互系统能够基于该会话训练模型生成精准的自动回复。
但是,对于有明确场景化的任务型会话时,现有大部分多轮会话交互系统的解决方案都并不理想。例如:通过人工定义规则的多轮会话交互系统,在任务定制较为复杂,且容易出现多条规则的冲突;基于增强学习的统计对话系统,在有充足训练语料的前提下,可以自动学习到树形依赖关系,但训练语料获取难度和训练预料的样本量优先,且学习到的内容可理解性差,难于控制。
发明内容
有鉴于此,本发明实施例所解决的技术问题之一在于提供一种会话交互处理方法、装置及电子设备,用以克服或者缓解现有技术中的上述缺陷。
本申请实施例提供了一种会话交互处理方法,其包括:
获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,对所述当前语句进行分析以识别所述当前语句的场景包括:
对所述当前语句进行分词、词向量、自然语言识别中的至少任一一种处理以识别所述当前语句的场景。
可选地,在本发明的任一实施例中,对所述当前语句进行分析以识别所述当前语句的场景包括:对所述当前语句进行分析从中选择一关键词,用所述关键词表征所述当前语句的场景。
可选地,在本发明的任一实施例中,根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度包括:根据所述当前语句的关键词表征的所述当前语句的场景与所述会话交互中上一语句的关键词表征的所述上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
可选地,在本发明的任一实施例中,根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复包括:
根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复;或者,
根据所述当前语句与所述上一语句之间的场景匹配度,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复之后,还包括:对所述语料库进行更新。
可选地,在本发明的任一实施例中,根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中适配所述当前语句最优的回复:根据当前语句的场景匹配度与上一语句的场景匹配度,确定新的场景,并将所述新的场景添加到语料库中。
可选地,在本发明的任一实施例中,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复包括:根据对所述当前语句与所述上一语句的整体分析,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
本申请实施例还提供了一种会话交互处理装置,其包括:
第一程序模块,用于获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
第二程序模块,用于根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
第三程序模块,用于根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,所述第一程序模块进一步用于对所述当前语句进行分词、词向量、自然语言识别中的至少任一一种处理以识别所述当前语句的场景。
可选地,在本发明的任一实施例中,所述第一程序模块进一步用于对所述当前语句进行分析从中选择一关键词,用所述关键词表征所述当前语句的场景。
可选地,在本发明的任一实施例中,所述第二程序模块进一步用于根据所述当前语句的关键词表征的所述当前语句的场景与所述会话交互中上一语句的关键词表征的所述上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
可选地,在本发明的任一实施例中,所述第二程序模块进一步用于根据所述当前语句与所述上一语句之间的场景匹配度与设定的容错范围,适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,所述第三程序模块进一步用于根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复;或者,
根据所述当前语句与所述上一语句之间的场景匹配度,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,还包括第四程序模块:对所述语料库进行更新。
可选地,在本发明的任一实施例中,所述第三程序模块进一步用于根据当前语句的场景匹配度与上一语句的场景匹配度,确定新的场景,并将所述新的场景添加到语料库中。
可选地,在本发明的任一实施例中,所述第三程序模块进一步用于根据对所述当前语句与所述上一语句的整体分析,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
本申请实施例还提供了一种电子设备,其包括:处理器,所述处理器配置有执行如下技术处理的程序模块:
获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
本申请下述实施例中提供的会话交互处理方法,通过获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;再根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;最后,根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复,从而提供了一种实用性较高的会话交互系统的解决方案。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1为本申请实施例一中会话交互处理方法的流程示意图;
图2为本申请实施例二中会话交互处理装置的模块示意图。
具体实施方式
实施本发明实施例的任一技术方案必不一定需要同时达到以上的所有优点。
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。
本申请下述实施例中提供的会话交互处理方法,通过获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;再根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;最后,根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复,从而提供了一种实用性较高的会话交互系统的解决方案。
图1为本申请实施例一中会话交互处理方法的流程示意图;如图1所示,本实施例中,会话交互处理方法包括如下步骤:
S101、通过获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
本实施例中,在步骤S101中对所述当前语句进行分析以识别所述当前语句的场景时,具体可以对所述当前语句进行分词、词向量、自然语言识别中的至少任一一种处理以识别所述当前语句的场景。
在对当前语句进行上述处理时,可以获得多个关键词,因此,对应地,步骤S101中对所述当前语句进行分析以识别所述当前语句的场景时,可以对所述当前语句进行处理得到多个关键词,进一步从中选择一关键词,用所述关键词表征所述当前语句的场景。
S102、根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
本实施例中,步骤S102中,在根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度时,可以根据所述当前语句的关键词表征的所述当前语句的场景与所述会话交互中上一语句的关键词表征的所述上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
在具体实施时,若有多个关键词时,可以给不同关键词分配权重,再计算述当前语句与所述上一语句之间的场景匹配度。
S103、判断所述当前语句与所述上一语句之间的场景匹配度是否位于设定的容错范围内,若是,则执行步骤S104A,否则执行步骤S104B;
本实施例中,容错范围包括容错阈值上限值和下限值,该容错阈值上限值和下限值的大小可以根据实际需求灵活配置,如果要求最优回复的准确度较高,容错阈值上限值和下限值可以较大,或者,容错阈值上限值和下限值限定的容错范围较窄;相反,容错阈值上限值和下限值可以较小,或者,容错阈值上限值和下限值限定的容错范围较宽。
S104A、从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
本实施例中,在步骤S104A中适配所述当前语句最优的回复时,可以根据对所述当前语句与所述上一语句的整体分析,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
S104B、将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复。
本实施例中,在具体场景中,若所述当前语句的场景匹配度累计高于前一语句的场景匹配度的话,则将所述当前语句的场景作为新的场景。
本实施例中,在所述当前语句的场景匹配度时,具体可以通过对所述当前语句中的关键词基于权重的统计,从而得到当前语句的场景匹配度。
本实施例中,在步骤S104B中进行最优回复的适配时,具体可以通过互联网搜索确定可适配所述当前语句的最优回复。
S105、对所述语料库进行更新。
本实施例中,为了适配从而确定最优回复,维护了一个语料库,在该语料库中存储有多个场景,当出现语料库中不存在的新的场景时,将新的场景添加到语料库中,从而完成了语料库的更新。换言之,语料库中具体包括能反应场景的上述关键词,新的场景即新的关键词,将该关键词增加到语料库中,从而完成语料库的更新。
需要说明的是,在其他一实施例中,也可以仅包括步骤S101、S102、S103、S104A,即当语句间的场景匹配度在容错范围内时,执行完后续步骤后再返回到步骤S101,重新执行下一个循环处理;在还一实施例中,也可以仅包括步骤S101、S102、S103、S104B,进一步还可以包括S105,即当语句间的场景匹配度不在容错范围内时,直接返回到步骤S101重新执行下一个循环处理,或者将对当前语句进行处理得到的场景作为新的场景,据此进行最优回复的确定。
上述图1实施例中,通过不断识别语句,将每一个交互语句通过分词技术、自然语言理解等识别为一个具体场景,再将相同场景的交互语句作为整体进行判断的,逐步给出最优回复的技术方案。
其次,通过不断识别语句的场景,当识别出新场景时,自然过渡到下一个场景的技术方案,从而实现了新场景和上一场景通过设定阈值自然过渡,使得交互的对话上下文自然过渡。
另外,当识别出语料库中没有的新场景时,将新的场景增添语料库中,从从而实现了语料库的动态更新,提高了后续会话最优回复的准确性。
另外,当满足容错范围时,回复的内容是通过从语料库中根据给出最优的语料组合作为最优的回复。区别于现有的技术点在于,不是简单的树形结构,输入和回复是简单机械的一一对应关系,而是通过该场景从语料库中结合最近上一语句,给出最优的回复。
应用实例一:专业领域的多轮会话
例如:
User语句1:“今天北京天气多少”
User语句2:“不对我问的是上海的天气”
User语句3:“顺带告诉我下杭州的天气”
在对上面三个语句分别进行上述图1的处理后得知,均出现了“天气”这一关键词,可以识别到语句1、2、3都是符合设定场景中的天气回复,则三条语句在处理时会都记录到天气场景中,在确定最优回复时把所有语句并入到一个整体进行分析,逻辑判断:
今天北京天气多少不对我问的是上海的天气顺带告诉我下杭州的天气。
通过自然语言识别逻辑关系,可以判断出所有的关键词为:时间:今天,地点:上海,杭州,需要结果:天气,则此时综合上述几个关键词得到最优的回复。
应用实例二:专业领域的多重条件会话机制
User:“我要查招标!”
robot:请问您要查什么招标?
user:上海市政工程的
robot:请问你要查什么时候上海市政工程的?
user:今年年初到现在的
robot:今年年初到现在上海市政公共招标信息共有11000条。
参照上述应用实例一的分析,实例二依据用户语句确定的场景为:为用户需要寻找专业的招投标信息,其中,“投标信息”是均出现的关键词。在每一次回复中,会把招专业招投标的场景中的所有语句条件和回复进行组合给出最优回复,例如,用户回答的是要查“上海市政工程的”,下文回复中根据同一场景识别后,会将新增的关键词与已有关键词归并“请问你要查什么时候上海市政工程的?”,用户给出的回复后“今年年初到现在的”,再叠加已有关键词,最后给出符合“上海,今年,市政工程,招标”关键词的最优回复:今年年初到现在上海市政公共招标信息共有11000条。
由实例二可见,当根据当前语句和上一语句确定出最终的场景时,在针对每一语句进行回复时,为了引导用户进行回复,以及能让反应场景的关键词始终出现在整个交互过程中,在针对每一语句的回复中,均附加了反应场景的关键词,从而保证了最优回复的准确性。
图2为本申请实施例二中会话交互处理装置的模块示意图;如图2所示,会话交互处理装置包括:第一程序模块201、第二程序模块202、第三程序模块203,其中:
第一程序模块201用于获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
第二程序模块202用于根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
第三程序模块203用于根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,所述第一程序模块201进一步用于对所述当前语句进行分词、词向量、自然语言识别中的至少任一一种处理以识别所述当前语句的场景。
可选地,在本发明的任一实施例中,所述第一程序模块201进一步用于对所述当前语句进行分析从中选择一关键词,用所述关键词表征所述当前语句的场景。
可选地,在本发明的任一实施例中,所述第二程序模块202进一步用于根据所述当前语句的关键词表征的所述当前语句的场景与所述会话交互中上一语句的关键词表征的所述上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
可选地,在本发明的任一实施例中,所述第二程序模块202进一步用于根据所述当前语句与所述上一语句之间的场景匹配度与设定的容错范围,适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,所述第三程序模块203进一步用于根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复;或者,
根据所述当前语句与所述上一语句之间的场景匹配度,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复。
可选地,在本发明的任一实施例中,还包括第四程序模块:对所述语料库进行更新。
可选地,在本发明的任一实施例中,所述第三程序模块203进一步用于根据当前语句的场景匹配度与上一语句的场景匹配度,确定新的场景,并将所述新的场景添加到语料库中。
可选地,在本发明的任一实施例中,所述第三程序模块203进一步用于根据对所述当前语句与所述上一语句的整体分析,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
上述装置的实施例中,第一程序模块201、第二程序模块202、第三程序模块203还可以包括多个子模块或者子单元。
上述装置的实施例中,第一程序模块201、第二程序模块202、第三程序模块203只是相对的概念,相互之间可以复用,或者也可以封装成形成一个大的程序模块。
本申请实施例还提供了一种电子设备,其包括:处理器,所述处理器配置有执行如下技术处理的程序模块:
获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
上述实施例中,电子设备可以是服务器,也可以是智能移动终端,或者,为智能移动终端和服务器形成的系统。
所述处理器可以由多个子处理器组成,不同子处理器根据需求执行分配的技术处理。多个子处理器在物理位置上并非一定要位于同一装置或者硬件设备中。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。例如,机器可读介质包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储介质、电、光、声或其他形式的传播信号(例如,载波、红外信号、数字信号等)等,该计算机软件产品包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请实施例的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
本领域的技术人员应明白,本发明实施例的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种会话交互处理方法,其特征在于,包括:
获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
2.根据权利要求1所述的会话交互处理方法,其特征在于,对所述当前语句进行分析以识别所述当前语句的场景包括:
对所述当前语句进行分词、词向量、自然语言识别中的至少任一一种处理以识别所述当前语句的场景。
3.根据权利要求1所述的会话交互处理方法,其特征在于,对所述当前语句进行分析以识别所述当前语句的场景包括:对所述当前语句进行分析从中选择一关键词,用所述关键词表征所述当前语句的场景。
4.根据权利要求1所述的会话交互处理方法,其特征在于,根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度包括:根据所述当前语句的关键词表征的所述当前语句的场景与所述会话交互中上一语句的关键词表征的所述上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度。
5.根据权利要求1所述的会话交互处理方法,其特征在于,根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复包括:
根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复;或者,
根据所述当前语句与所述上一语句之间的场景匹配度,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复。
6.根据权利要求5所述的会话交互处理方法,其特征在于,将所述当前语句的场景作为新的场景,并适配所述当前语句最优的回复之后,还包括:对所述语料库进行更新。
7.根据权利要求1所述的会话交互处理方法,其特征在于,根据所述当前语句与所述上一语句之间的场景匹配度,从语料库中适配所述当前语句最优的回复:根据当前语句的场景匹配度与上一语句的场景匹配度,确定新的场景,并将所述新的场景添加到语料库中。
8.根据权利要求5所述的会话交互处理方法,其特征在于,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复包括:根据对所述当前语句与所述上一语句的整体分析,从语料库中选择与所述上一语句关联的回复作为适配所述当前语句最优的回复。
9.一种会话交互处理装置,其特征在于,包括:
第一程序模块,用于获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
第二程序模块,用于根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
第三程序模块,用于根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
10.一种电子设备,其特征在于,包括:处理器,所述处理器配置有执行如下技术处理的程序模块:
获取所述会话交互中的当前语句,并对所述当前语句进行分析以识别所述当前语句的场景;
根据所述当前语句的场景与所述会话交互中上一语句的场景,确定所述当前语句与所述上一语句之间的场景匹配度;
根据所述当前语句与所述上一语句之间的场景匹配度,适配所述当前语句最优的回复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711107107.6A CN107967304A (zh) | 2017-11-10 | 2017-11-10 | 会话交互处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711107107.6A CN107967304A (zh) | 2017-11-10 | 2017-11-10 | 会话交互处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107967304A true CN107967304A (zh) | 2018-04-27 |
Family
ID=62000107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711107107.6A Pending CN107967304A (zh) | 2017-11-10 | 2017-11-10 | 会话交互处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967304A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804603A (zh) * | 2018-05-29 | 2018-11-13 | 北京灵智优诺科技有限公司 | 人机书面对话方法及系统、服务器、介质 |
CN109918673A (zh) * | 2019-03-14 | 2019-06-21 | 湖北亿咖通科技有限公司 | 语义仲裁方法、装置、电子设备和计算机可读存储介质 |
CN111198823A (zh) * | 2020-01-10 | 2020-05-26 | 北京声智科技有限公司 | 一种多轮会话的测试方法、装置、设备和介质 |
CN114265920A (zh) * | 2021-12-27 | 2022-04-01 | 北京易聊科技有限公司 | 一种基于信号和场景的智能机器人对话方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866990A (zh) * | 2012-08-20 | 2013-01-09 | 北京搜狗信息服务有限公司 | 一种主题对话方法和装置 |
CN105704013A (zh) * | 2016-03-18 | 2016-06-22 | 北京光年无限科技有限公司 | 基于上下文的话题更新数据处理方法及装置 |
CN106503030A (zh) * | 2015-09-03 | 2017-03-15 | 卡西欧计算机株式会社 | 对话控制装置、对话控制方法 |
CN107180080A (zh) * | 2017-04-28 | 2017-09-19 | 北京神州泰岳软件股份有限公司 | 一种多交互模式的智能问答方法及装置 |
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
-
2017
- 2017-11-10 CN CN201711107107.6A patent/CN107967304A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866990A (zh) * | 2012-08-20 | 2013-01-09 | 北京搜狗信息服务有限公司 | 一种主题对话方法和装置 |
CN106503030A (zh) * | 2015-09-03 | 2017-03-15 | 卡西欧计算机株式会社 | 对话控制装置、对话控制方法 |
CN105704013A (zh) * | 2016-03-18 | 2016-06-22 | 北京光年无限科技有限公司 | 基于上下文的话题更新数据处理方法及装置 |
CN107180080A (zh) * | 2017-04-28 | 2017-09-19 | 北京神州泰岳软件股份有限公司 | 一种多交互模式的智能问答方法及装置 |
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108804603A (zh) * | 2018-05-29 | 2018-11-13 | 北京灵智优诺科技有限公司 | 人机书面对话方法及系统、服务器、介质 |
CN108804603B (zh) * | 2018-05-29 | 2021-07-23 | 北京灵智优诺科技有限公司 | 人机书面对话方法及系统、服务器、介质 |
CN109918673A (zh) * | 2019-03-14 | 2019-06-21 | 湖北亿咖通科技有限公司 | 语义仲裁方法、装置、电子设备和计算机可读存储介质 |
CN109918673B (zh) * | 2019-03-14 | 2021-08-03 | 湖北亿咖通科技有限公司 | 语义仲裁方法、装置、电子设备和计算机可读存储介质 |
CN111198823A (zh) * | 2020-01-10 | 2020-05-26 | 北京声智科技有限公司 | 一种多轮会话的测试方法、装置、设备和介质 |
CN114265920A (zh) * | 2021-12-27 | 2022-04-01 | 北京易聊科技有限公司 | 一种基于信号和场景的智能机器人对话方法及系统 |
CN114265920B (zh) * | 2021-12-27 | 2022-07-01 | 北京易聊科技有限公司 | 一种基于信号和场景的智能机器人对话方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003624B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN110543552B (zh) | 对话交互方法、装置及电子设备 | |
JP7432556B2 (ja) | マンマシンインタラクションのための方法、装置、機器および媒体 | |
CN112100349A (zh) | 一种多轮对话方法、装置、电子设备及存储介质 | |
CN111738016B (zh) | 多意图识别方法及相关设备 | |
CN109582767A (zh) | 对话系统处理方法、装置、设备及可读存储介质 | |
CN107967304A (zh) | 会话交互处理方法、装置及电子设备 | |
CN108959531A (zh) | 信息搜索方法、装置、设备及存储介质 | |
CN106407178A (zh) | 一种会话摘要生成方法及装置 | |
CN108228576B (zh) | 文本翻译方法及装置 | |
CN112799747A (zh) | 智能助理评价、推荐方法、系统、终端及可读存储介质 | |
CN108920510A (zh) | 自动聊天方法、装置和电子设备 | |
US20220138193A1 (en) | Conversion method and systems from natural language to structured query language | |
CN110457449A (zh) | 在线训练模型的方法、装置、设备及存储介质 | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN113569017B (zh) | 一种模型处理方法、装置、电子设备及存储介质 | |
CN115495568B (zh) | 一种对话模型的训练方法及装置、对话响应方法及装置 | |
CN111598979A (zh) | 虚拟角色的面部动画生成方法、装置、设备及存储介质 | |
CN108959388A (zh) | 信息生成方法及装置 | |
CN112749556B (zh) | 多语言模型的训练方法和装置、存储介质和电子设备 | |
CN108959529A (zh) | 问题答案类型的确定方法、装置、设备及存储介质 | |
CN117251552B (zh) | 基于大型语言模型的对话处理方法、装置及电子设备 | |
CN108595609A (zh) | 基于人物ip的机器人回复生成方法、系统、介质及设备 | |
CN110263218A (zh) | 视频描述文本生成方法、装置、设备和介质 | |
CN113408287A (zh) | 实体识别方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180427 |
|
RJ01 | Rejection of invention patent application after publication |