CN108021572B - 回复信息推荐方法和装置 - Google Patents

Abstract

本发明公开了一种回复信息推荐方法和装置，所述方法包括以下步骤：从当前对话流中提取参考对话信息；根据参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息；向用户推荐回复信息。由于推荐的回复信息是根据当前对话流中的对话信息所生成，因此准确性高，而且可以在用户向输入框中输入信息之前就及时向用户推荐回复信息，进一步提高了信息输入的便捷性；并且推荐的多个回复信息是通过不同的回复生成机制生成的，因此不同的回复信息在句式、语气、语言风格、具体内容等方面各不相同，从而保证了推荐的回复信息的准确性和多样性，提高了命中率。

Description

回复信息推荐方法和装置

技术领域

本发明涉及通信技术领域，尤其是涉及一种回复信息推荐方法和装置。

背景技术

随着移动互联网的发展，越来越多的用户通过智能终端设备进行互联网访问。以社交服务、即时消息为代表的移动互联网应用的发展，带来了远高于传统的输入需求。同时，用户对终端的使用已由简单的地址簿查询、短消息输入过渡到即时消息、社交互动等复杂场景。

为了满足用户对信息输入的便捷性需求，现有技术中多采用预置信息模板技术、词语联想输入技术、基于个人语言模型的单词输入推荐及纠正技术等技术方法来向用户推荐回复信息。

然而，上述技术都需要将用户已在输入框中输入的部分信息作为参考信息来进行回复信息的推荐，因此只有用户输入的信息越多，推荐的回复信息才越准确，导致输入的便捷性和信息推荐的准确性此消彼长，不可调和。

综上所述，现有的回复信息推荐方案，难以在用户回复信息时快速准确的提供切合语境的回复信息的推荐。

发明内容

本发明实施例的主要目的在于提供一种回复信息推荐方法和装置，旨在实现在用户回复信息时快速准确的提供切合语境的回复信息的推荐。

为达以上目的，一方面提出一种回复信息推荐方法，所述方法包括以下步骤：

从当前对话流中提取参考对话信息；

根据所述参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息；

向用户推荐所述回复信息。

可选地，所述从当前对话流中提取参考对话信息包括：

从所述当前对话流中提取预设时间内的所有历史对话信息作为所述参考对话信息；或者，

从所述当前对话流中提取最近生成的预设数量的历史对话信息作为所述参考对话信息。

可选地，所述根据所述参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，包括：

根据所述参考对话信息和所述对话模型，针对多种回复生成机制中的每一种回复生成机制，计算出用户拟回复的回复信息是由所述回复生成机制所生成的概率，根据计算结果选择所述概率最高的前N种回复生成机制，其中N≥2；

根据所述参考对话信息和所述对话模型，采用选择的每一种回复生成机制生成至少一个回复信息。

可选地，所述对话模型对应的函数表达式为：

和

其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率；所述第j句话

即生成的所述回复信息。

可选地，所述采用至少两种不同的回复生成机制生成至少两个回复信息包括：根据不同的回复生成机制生成不同句式和/或语言风格的回复信息。

可选地，所述句式为肯定句、否定句、疑问句、反问句或判断句。

另一方面，提出一种回复信息推荐装置，所述装置包括：

提取模块，用于从当前对话流中提取参考对话信息；

生成模块，用于根据所述参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息；

推荐模块，用于向用户推荐所述回复信息。

可选地，所述提取模块用于：

从所述当前对话流中提取预设时间内的所有历史对话信息作为所述参考对话信息；或者，

从所述当前对话流中提取最近生成的预设数量的历史对话信息作为所述参考对话信息。

可选地，所述生成模块包括：

选择单元，用于根据所述参考对话信息和所述对话模型，针对多种回复生成机制中的每一种回复生成机制，计算出用户拟回复的回复信息是由所述回复生成机制所生成的概率，根据计算结果选择所述概率最高的前N种回复生成机制，其中N≥2；

生成单元，用于根据所述参考对话信息和所述对话模型，采用选择的每一种回复生成机制生成至少一个回复信息。

可选地，所述生成模块用于：根据不同的回复生成机制生成不同句式的回复信息。

本发明实施例所提供的一种回复信息推荐方法，通过从当前对话流中提取参考对话信息，并根据参考对话信息和对话模型，采用不同的回复生成机制生成两个或多个不同类型的回复信息推荐给用户，使得用户可以从中选择一个合适的回复信息进行快捷回复。由于推荐的回复信息是根据当前对话流中的对话信息所生成，因此准确性高，而且无需参考用户正在输入的信息，因此可以在用户向输入框中输入信息之前就及时向用户推荐回复信息，进一步提高了信息输入的便捷性；并且推荐的多个回复信息是通过不同的回复生成机制生成的，因此不同的回复信息在句式、语气、语言风格、具体内容等方面各不相同，从而保证了推荐的回复信息的准确性和多样性，提高了命中率。因此，能够在用户回复信息时快速准确的提供切合语境的回复信息的推荐，极大的提高了信息输入的便捷性，提升了用户体验。

附图说明

图1是本发明第一实施例的回复信息推荐方法的流程图；

图2是图1中步骤S12的具体流程图；

图3是本发明实施例中由第k种回复生成机制生成回复信息的具体流程图；

图4是本发明实施例的回复信息推荐方法应用到微信应用中进行回复信息推荐的示意图；

图5是本发明第二实施例中的回复信息推荐装置模块示意图；

图6是图5中的生成模块的模块示意图；

图7是用于实现本发明实施例回复信息推荐方法的终端的模块示意图。

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。

实施例一

参见图1，提出本发明的回复信息推荐方法，所述方法包括以下步骤：

S11、从当前对话流中提取参考对话信息。

本发明实施例中，所述对话流是指对话聊天应用(如QQ、微信等即时通信应用、邮件应用等)、文本编辑应用或者类似应用中至少两个对象交替交流的对话信息的集合。例如，QQ应用中用户A(假设用户A为本终端用户)和B的对话信息组成的对话流，微信应用中用户A和C的对话信息组成的对话流，等等。

其中，当前对话流，即当前正在进行的对话流。如终端用户当前正通过QQ应用与好友小明对话，则终端记录下的二者的所有对话信息(即终端用户与好友小明的历史对话信息)则组成当前对话流。参考对话信息，即从当前对话流中提取出来的历史对话信息，用来预测并生成用户即将回复对方的回复信息。

本发明实施例中，终端可以通过以下方式从对话流中提取参考对话信息：

可选地，终端从当前对话流中提取预设时间内的所有历史对话信息作为参考对话信息。所述预设时间可以根据需要设定，如设定为半个小时内、两个小时内、一天内、一周内等等。

例如，在用户A和B的对话流中，提取A和B在半个小时内的所有历史对话信息作为本次的参考对话信息。又如，在用户A和C的对话流中，提取A和C在一天内的所有历史对话信息。

可选地，终端从当前对话流中提取最近生成的预设数量的历史对话信息作为参考对话信息。所述预设数量可以根据需要设定，如：可以设定为最近生成的至少两个历史对话信息，即对话流中最新的两条信息；也可以设定为最近生成的至少两轮历史对话信息，其中，一轮历史对话信息为两个对象交替交流一次的对话信息，至少包括两个历史对话信息。

当然，除此之外，终端也可以采用其它方式从对话流中提取参考对话信息，本发明对此不作限制。

S12、根据参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息。

本发明实施例中预设的对话模型，是预先从对话数据集中使用深度神经网络技术训练出的对话模型。以下详细说明如何通过对话数据集训练出对话模型：

对话数据集D由多组对话流d⁽ⁱ⁾组成，即D＝{d⁽¹⁾,d⁽²⁾,…,d^(N)}。其中，每一组对话流d⁽ⁱ⁾由A、B两个用户交替交流的对话信息组成，即

其中

是用户A的对话记录，

是用户B的对话记录，在每句话的起始位置插入一个标识符<BEG>(也可以设置为其它符号)，表示该句话开始，结尾位置插入一个标识符<END>(也可以设置为其它符号)，代表该句话结束。

通过最大化对话数据集的似然函数为目标，即

训练一个深度循环神经网络对话模型。其中

代表给定第i个对话流的前j句话

时(不包括第j句话)，生成第j句话

的概率。

假设生成第j句话的过程中，蕴含着K种隐含的回复生成机制的共同影响，因此生成的概率可以被扩展，即

其中

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制_k生成时，生成第j句话

的概率。

可以进一步扩展成

其中

表示第i个对话流的第j句话中第l个单词。

表示已知第j句话中前l-1个单词时，生成第l个单词的概率。

最终，通过最大化目标函数

使用梯度下降法，就可以训练出对话模型的参数。

对话模型设置完成后，当给定前j句话

(即参考对话信息)之后，就能通过对话模型的参数θ求出

和

进而自动生成第j句话

(即回复信息)。其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率。这里所述的第j句话

即终端根据参考对话信息和对话模型自动生成的回复信息。

本领域技术人员可以理解，上述对话模型仅为一实施例，除此之外，还可以基于同样的原理采用现有技术中的其它的对话模型予以替代，在此不一一列举赘述。

本发明实施例中，预先设置了至少两种不同的回复生成机制。回复生成机制的种类，可以根据需要，以句式、语言风格等因素进行分类，或者将至少两种因素结合起来进行分类，所述句式如肯定句、否定句、疑问句、反问句、判断句、祈使句、陈述句、感叹句、主动句、被动句等等，所述语言风格如俏皮诙谐型、严肃正式型、豪放爽朗型、含蓄委婉型、清新明丽型、幽默讽刺型、绚丽飘逸型、婉约细腻型等等。从而，终端根据不同句式类型和/或语言风格类型的回复生成机制生成不同句式和/或语言风格的回复信息。

当回复生成机制只有两种时，终端则直接根据两种回复生成机制生成两种不同类型的回复信息，其中每一种回复生成机制生成至少一个回复信息。

当回复生成机制有多种时，终端则首先从多种回复生成机制中选择至少两种回复生成机制，然后再根据选择的至少两种回复生成机制生成至少两种不同类型的回复信息，其中每一种回复生成机制生成至少一个回复信息。

优选地，本发明实施例中，终端自动生成回复信息的具体流程如图3所示，包括以下步骤：

S121、根据参考对话信息和对话模型，针对多种回复生成机制中的每一种回复生成机制，计算出用户拟回复的回复信息是由该回复生成机制所生成的概率。

S122、根据计算结果选择概率最高的前N种回复生成机制，其中N≥2。

S123、根据参考对话信息和对话模型，采用选择的每一种回复生成机制生成至少一个回复信息。

举例而言：假设现在的状态是已知当前对话流的前j-1句话(即参考对话信息)，终端需要为用户推荐第j句话(即需要自动生成的回复信息)。终端首先根据

计算出每种回复生成机制的概率(即第j句话是由某种回复生成机制所生成的概率)，在当前的对话流中，用户的下一句回答更有可能是由概率高的回复生成机制所生成的，因此选择其中概率最高的三个回复生成机制(也可以选择概率最高的两个或者多个)，然后由每个回复生成机制，各生成一句回复信息

(也可以生成两句或者多句回复信息)，最终获得三句回复信息。

其中，如图3所示，由第k种回复生成机制来生成回复信息的过程如下：

S101、初始化待扩展句队列和候选句列表。

具体的，初始化待扩展句队列为空队列，初始化候选句列表为空列表。将起始标识符<BEG>作为第一句待扩展句加入到待扩展句队列中，记该句得分为0。

S102、在待扩展句队列中选取得分最高的a(a≥1)个待扩展句，根据第k种回复生成机制针对每一个待扩展句进行扩展，并更新扩展后的每个新的待扩展句的得分。

例如，基于

对于第i句待扩展句，根据

选取概率(即已知第j句话中前l-1个单词时，生成第l个单词的概率)最高的u(u≥1)个单词，分别将u个单词插入到该第i句待扩展句的句尾，生成u*a个新的待扩展句并加入到待扩展句列表中，并且将该第i句待扩展句的得分加上新的待扩展句对应的概率值的对数

作为该新的待扩展句的得分。

S103、将待扩展句中的完整句子作为候选句，将候选句从待扩展句列表中移除并加入到候选句列表中。判断候选句列表中候选句的数量是否达到阈值。当没有达到阈值时，返回步骤S102；当达到阈值时，进入下一步骤S104。

具体的，当某一句待扩展句的结尾是结束标识符<END>(即结束标识符被作为概率最高的单词加入到了待扩展句的句尾)，则说明该待扩展句为一个完整句子，则将该完整句子作为候选句从待扩展句列表中移除并加入到候选句列表中。

本发明实施例中，循环执行步骤S102～S103，直到候选句列表中候选句的数量达到阈值时，才进入下一步骤S104。其中，阈值可以根据需要设定，至少大于或等于1。

S104、从候选句列表中选择得分最高的前N(N≥1)个候选句作为由第k种回复生成机制生成的回复信息。

其中，N优选为1，即从候选句列表中选择得分最高的候选句作为由第k种回复生成机制生成的回复信息。

根据上述方式，终端分别采用至少两种不同的回复生成机制生成至少两种不同类型的回复信息。

S13、向用户推荐生成的回复信息。

具体的，终端自动生成回复信息后，就将生成的所有回复信息推荐给用户。可以将回复信息显示在当前对话界面的任意位置，如底部、顶部、侧面等位置。用户可以点击选择其中一个回复信息，可以对该回复信息进行编辑或者直接发送给对方，使得用户可以快捷回复，提高了回复效率。

如图4所示，展示了一对话聊天应用中用户A和用户B的对话流的部分对话信息，其中用户B为本终端的用户，当接收到用户A发送的“当然喜欢啦！”的对话信息后，终端立即从当前的对话流中选取部分历史对话信息作为参考对话信息，生成三条不同句式类型的回复信息，并在屏幕的底部推荐给用户B，三条回复信息分别为：否定句式的回复信息“其实我更喜欢动作电影”(否定喜欢科幻电影)，肯定句式的回复信息“我也很喜欢看电影”，疑问句式的回复信息“你喜欢看那部电影”。由于这三条回复信息是通过不同的回复生成机制生成，因此这三条回复信息在句式、包含的信息等方面各不相同，保证了推荐的回复信息的多样性，提高了命中率。

在具体实施时，可以将本发明实施例的回复信息推荐方案作为聊天秘书或聊天助手，嵌入到一个提供上下文接口的对话聊天应用或者文本编辑应用中，利用预先训练好的对话模型，自动地根据已知的上下文(如用户的聊天上下文、文档的上下句等)，为用户推荐几句可能的回复信息(以选项的形式提供)，并且这些推荐的回复信息相互之间表达的意思有所差别。

举例而言，可以将本发明实施例的回复信息推荐方案作为一个后台服务(称为回复推荐服务)运行在系统中，供其他应用软件请求调用。该回复推荐服务主要完成如下功能：

当本终端用户与对方用户进行聊天时，回复推荐服务记录当前对话流中最新的N-1句对话，将该N-1句对话作为参考对话信息，分析该参考对话信息，生成三句概率最高的回复信息推荐给用户，如在聊天界面中通过选项的形式显示三句回复信息。由于这三句回复信息是通过不同的回复生成机制生成，因此这三句回复信息在句式、包含的信息等方面各不相同，保证了推荐的回复信息的多样性。用户可以点击选择其中的一条回复信息，并直接将该回复信息作为第N句对话发送给对方用户，或者对该回复信息进行编辑后作为第N句对话发送给对方用户。

本发明实施例所述的终端，既可以是手机、平板等移动终端，也可以是个人电脑、智能电视等固定终端。

本发明实施例的回复信息推荐方法，通过从当前对话流中提取参考对话信息，并根据参考对话信息和对话模型，采用不同的回复生成机制生成两个或多个不同类型的回复信息推荐给用户，使得用户可以从中选择一个合适的回复信息进行快捷回复。由于推荐的回复信息是根据当前对话流中的对话信息所生成，因此准确性高，而且无需参考用户正在输入的信息，因此可以在用户向输入框中输入信息之前就及时向用户推荐回复信息，进一步提高了信息输入的便捷性；并且推荐的多个回复信息是通过不同的回复生成机制生成的，因此不同的回复信息在句式、语气、语言风格、具体内容等方面各不相同，从而保证了推荐的回复信息的准确性和多样性，提高了命中率。因此，能够在用户回复信息时快速准确的提供切合语境的回复信息的推荐，极大的提高了信息输入的便捷性，提升了用户体验。

采用本发明实施例的回复信息推荐方法，具有以下有益效果：

1、满足了用户需求。用户在聊天过程中出现语塞等状况十分平常，本方案可以帮助用户更好地分析并且回复对方发送的消息，为用户推荐更加合适并且多样化的回复。

2、交互模式自然。通过回复推荐的方式，不仅可以加深聊天聊天秘书(助手)在用户心中的认可度，而且推荐这种方式更加自然，降低了用户的抵触心理。

3、服务模式新颖。以往没有类似的产品提供此类功能，从而增加了聊天秘书与用户沟通的趣味性。

实施例二

参照图5，提出本发明第二实施例的回复信息推荐装置，所述装置既可以应用于手机、平板等移动终端，也可以应用于个人电脑、智能电视等固定终端，所述装置包括提取模块110、生成模块120和推荐模块130，其中：

提取模块110：用于从当前对话流中提取参考对话信息。

具体的，提取模块110可以通过以下方式从对话流中提取参考对话信息：

可选地，提取模块110从当前对话流中提取预设时间内的所有历史对话信息作为参考对话信息。所述预设时间可以根据需要设定，如设定为半个小时内、两个小时内、一天内、一周内等等。

例如，在用户A和B的对话流中，提取A和B在半个小时内的所有历史对话信息作为本次的参考对话信息。又如，在用户A和C的对话流中，提取A和C在一天内的所有历史对话信息。

可选地，提取模块110从当前对话流中提取最近生成的预设数量的历史对话信息作为参考对话信息。所述预设数量可以根据需要设定，如：可以设定为最近生成的至少两个历史对话信息，即对话流中最新的两条信息；也可以设定为最近生成的至少两轮历史对话信息，其中，一轮历史对话信息为两个对象交替交流一次的对话信息，至少包括两个历史对话信息。

当然，除此之外，提取模块110也可以采用其它方式从对话流中提取参考对话信息，本发明对此不作限制。

生成模块120：用于根据参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息。

本发明实施例中预设的对话模型，是预先从对话数据集中使用深度神经网络技术训练出的对话模型。该对话模型对应的函数表达式为：

和

其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率。这里所述的第j句话

即终端根据参考对话信息和对话模型自动生成的回复信息。

本发明实施例中，预先设置了至少两种不同的回复生成机制。回复生成机制的种类，可以根据需要以句式、语言风格等因素进行分类，或者将至少两种因素结合起来进行分类，所述句式如肯定句、否定句、疑问句、反问句、判断句、祈使句、陈述句、感叹句、主动句、被动句等等，所述语言风格如俏皮诙谐型、严肃正式型、豪放爽朗型、含蓄委婉型、清新明丽型、幽默讽刺型、绚丽飘逸型、婉约细腻型等等。从而，生成模块根据不同句式类型和/或语言风格类型的回复生成机制生成不同句式和/或语言风格的回复信息。

当回复生成机制只有两种时，生成模块120则直接根据参考对话信息和对话模型采用两种回复生成机制生成两种不同类型的回复信息，其中每一种回复生成机制生成至少一个回复信息。

当回复生成机制有多种时，生成模块120如图6所示，包括选择单元121和生成单元122，其中：

选择单元121：用于根据参考对话信息和对话模型，从多种回复生成机制中选择至少两种回复生成机制。

优选地，本发明实施例中，选择单元121根据参考对话信息和对话模型，针对多种回复生成机制中的每一种回复生成机制，计算出用户拟回复的回复信息是由该回复生成机制所生成的概率，根据计算结果选择概率最高的前N种回复生成机制，其中N≥2。

生成单元122：用于根据参考对话信息和对话模型，采用选择的至少两种回复生成机制生成至少两种不同类型的回复信息，其中每一种回复生成机制生成至少一个回复信息。

举例而言：假设现在的状态是已知当前对话流的前j-1句话(即参考对话信息)，终端需要为用户推荐第j句话(即需要自动生成的回复信息)。首先由选择单元121根据

计算出每种回复生成机制的概率(即第j句话是由某种回复生成机制所生成的概率)，在当前的对话流中，用户的下一句回答更有可能是由概率高的回复生成机制所生成的，因此选择其中概率最高的三个回复生成机制(也可以选择概率最高的两个或者多个)，然后由生成单元122根据每个回复生成机制，各生成一句回复信息

(也可以生成两句或者多句回复信息)，最终获得三句回复信息。

其中，生成单元122根据第k种回复生成机制来生成回复信息的具体过程参见图3以及第一实施例中对图3的详细说明，大致过程为：

初始化待扩展句队列和候选句列表；在待扩展句队列中选取得分最高的a(a≥1)个待扩展句，根据第K种回复生成机制针对每一个待扩展句进行扩展，并更新扩展后的每个新的待扩展句的得分；将待扩展句中的完整句子作为候选句，将候选句从待扩展句列表中移除并加入到候选句列表中；判断候选句列表中候选句的数量是否达到阈值；当达到阈值时，从候选句列表中选择得分最高的前N(N≥1)个候选句作为由第k种回复生成机制生成的回复信息。

推荐模块130：用于向用户推荐生成的回复信息。

具体的，生成模块120生成回复信息后，推荐模块130就将生成的所有回复信息推荐给用户。推荐模块130可以将回复信息显示在当前对话界面的任意位置，如底部、顶部、侧面等位置。用户可以点击选择其中一个回复信息，可以对该回复信息进行编辑或者直接发送给对方，使得用户可以快捷回复，提高了回复效率。

本发明实施例的回复信息推荐装置，通过从当前对话流中提取参考对话信息，并根据参考对话信息和对话模型，采用不同的回复生成机制生成两个或多个不同类型的回复信息推荐给用户，使得用户可以从中选择一个合适的回复信息进行快捷回复。由于推荐的回复信息是根据当前对话流中的对话信息所生成，因此准确性高，而且无需参考用户正在输入的信息，因此可以在用户向输入框中输入信息之前就及时向用户推荐回复信息，进一步提高了信息输入的便捷性；并且推荐的多个回复信息是通过不同的回复生成机制生成的，因此不同的回复信息在句式、语气、语言风格、具体内容等方面各不相同，从而保证了推荐的回复信息的准确性和多样性，提高了命中率。因此，能够在用户回复信息时快速准确的提供切合语境的回复信息的推荐，极大的提高了信息输入的便捷性，提升了用户体验。

本发明实施例还提供了另一种用于实现本发明实施例回复信息推荐方法的终端，如图7所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该终端可以为手机、平板电脑、PDA(Personal DigitalAssistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以终端为手机为例：

图7示出的是与本发明实施例提供的终端相关的手机的部分结构的框图。参考图7，手机包括：射频(Radio Frequency，RF)电路210、存储器220、输入单元230、显示单元240、传感器250、音频电路220、无线保真(wireless fidelity，WiFi)模块270、处理器280、以及电源290等部件。本领域技术人员可以理解，图7中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图7对手机的各个构成部件进行具体的介绍：

RF电路210可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器280处理；另外，将设计上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路210还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。

存储器220可用于存储软件程序以及模块，处理器280通过运行存储在存储器220的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器220可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器220可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元230可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元230可包括触控面板231以及其他输入设备232。触控面板231，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板231上或在触控面板231附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板231可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器280，并能接收处理器280发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板231。除了触控面板231，输入单元230还可以包括其他输入设备232。具体地，其他输入设备232可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元240可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元240可包括显示面板241，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板241。进一步的，触控面板231可覆盖显示面板241，当触控面板231检测到在其上或附近的触摸操作后，传送给处理器280以确定触摸事件的类型，随后处理器280根据触摸事件的类型在显示面板241上提供相应的视觉输出。虽然在图7中，触控面板231与显示面板241是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板231与显示面板241集成而实现手机的输入和输出功能。

手机200还可包括至少一种传感器250，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板241的亮度，接近传感器可在手机移动到耳边时，关闭显示面板241和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路260、扬声器261，传声器262可提供用户与手机之间的音频接口。音频电路260可将接收到的音频数据转换后的电信号，传输到扬声器261，由扬声器261转换为声音信号输出；另一方面，传声器262将收集的声音信号转换为电信号，由音频电路260接收后转换为音频数据，再将音频数据输出处理器280处理后，经RF电路210以发送给比如另一手机，或者将音频数据输出至存储器220以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块270可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块270，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器280是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器220内的软件程序和/或模块，以及调用存储在存储器220内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器280可包括一个或多个处理单元；优选的，处理器280可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器280中。

手机还包括给各个部件供电的电源290(比如电池)，优选的，电源可以通过电源管理系统与处理器280逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本发明实施例中，该终端所包括的处理器280还具有以下功能：

从当前对话流中提取参考对话信息；

根据参考对话信息和预设的对话模型，采用至少两种不同的回复生成机制生成至少两个回复信息，其中每一种回复生成机制生成至少一个回复信息；

向用户推荐生成回复信息。

上述处理器280，还用于：

从当前对话流中提取预设时间内的所有历史对话信息作为参考对话信息；或者，从当前对话流中提取最近生成的预设数量的历史对话信息作为参考对话信息。

上述处理器280，还用于：

根据参考对话信息和对话模型，针对多种回复生成机制中的每一种回复生成机制，计算出回复信息是由回复生成机制所生成的概率，根据计算结果选择概率最高的前N种回复生成机制，其中N≥2；

根据参考对话信息和对话模型，采用选择的每一种回复生成机制生成至少一个回复信息。

前述对话模型对应的函数表达式为：

和

其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率；所述第j句话

即生成的回复信息。

上述处理器280，还用于：

根据不同的回复生成机制生成不同句式和/或语言风格的回复信息。所述句式为肯定句、否定句、疑问句、反问句或判断句。

值得注意的是，上述终端实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

应当理解的是，以上仅为本发明的优选实施例，不能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 (6)

1.一种回复信息推荐方法，其特征在于，包括以下步骤：

从当前对话流中提取用于预测并生成用户即将回复对方的回复信息的参考对话信息，所述参考对话信息为所述当前对话流中的历史对话信息；

根据所述参考对话信息和预设的对话模型，采用至少两种不同句式类型和/或语言风格类型的回复生成机制生成至少两个不同句式类型和/或语言风格类型回复信息，其中每一种回复生成机制生成至少一个回复信息；

所述对话模型对应的函数表达式为：

和

其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率；所述第j句话

即生成的所述回复信息；

所述回复生成机制通过如下方式筛选得到：

针对多种回复生成机制中的每一种回复生成机制，根据

计算出用户拟回复的回复信息是由所述回复生成机制所生成的概率，根据计算结果选择所述概率最高的前N种回复生成机制，其中N≥2；

所述第k种回复生成机制生成所述回复信息的过程如下:

初始化待扩展句队列和候选句列表；在所述待扩展句队列中选取得分最高的b个待扩展句，针对各个所述待扩展句，根据

选取概率最高的u个单词，并将所述u个单词插入到相应的所述待扩展句的句尾，生成对应所述待扩展句的新的待扩展句，并更新扩展后的每个新的待扩展句的得分，其中b≥1，u≥1，

表示第i个对话流的第j句话中第l个单词，L表示第i个对话流的第j句话中有L个单词，L≥1,

表示第i个对话流的第j句话中前l-1个单词，

表示已知第j句话中前l-1个单词时，生成第l个单词的概率；将所述待扩展句中的完整句子作为候选句，将所述候选句从待扩展句队列中移除并加入到所述候选句列表中；确定所述候选句列表中候选句的数量达到阈值时，从所述候选句列表中选择得分最高的前M个候选句作为由所述第k种回复生成机制生成的回复信息，其中M≥1；

同时向用户推荐所述至少两个不同句式类型和/或语言风格类型的回复信息，以在当前对话界面上呈现所述回复信息。

2.根据权利要求1所述的回复信息推荐方法，其特征在于，所述从当前对话流中提取参考对话信息包括：

从所述当前对话流中提取预设时间内的所有历史对话信息作为所述参考对话信息；或者，

从所述当前对话流中提取最近生成的预设数量的历史对话信息作为所述参考对话信息。

3.根据权利要求1所述回复信息推荐方法，其特征在于，所述句式为肯定句、否定句、疑问句、反问句或判断句。

4.一种回复信息推荐装置，其特征在于，包括：

提取模块，用于从当前对话流中提取用于预测并生成用户即将回复对方的回复信息的参考对话信息，所述参考对话信息为所述当前对话流中的历史对话信息；

生成模块，用于根据所述参考对话信息和预设的对话模型，采用至少两种不同句式类型和/或语言风格类型的回复生成机制生成至少两个不同句式类型和/或语言风格类型回复信息，其中每一种回复生成机制生成至少一个回复信息；

所述对话模型对应的函数表达式为：

和

其中，

表示给定第i个对话流的前j句话

时，第j句话

是由第k种回复生成机制m_k生成的概率；

表示给定第i个对话流的前j句话

并且第j句话是由第k种回复生成机制m_k生成时，生成第j句话

的概率；所述第j句话

即生成的所述回复信息；

所述第k种回复生成机制生成所述回复信息的过程如下:

初始化待扩展句队列和候选句列表；在所述待扩展句队列中选取得分最高的b个待扩展句，针对各个所述待扩展句，根据

选取概率最高的u个单词，并将所述u个单词插入到相应的所述待扩展句的句尾，生成对应所述待扩展句的新的待扩展句，并更新扩展后的每个新的待扩展句的得分，其中b≥1，u≥1，

表示第i个对话流的第j句话中第l个单词，L表示第i个对话流的第j句话中有L个单词，L≥1,

表示第i个对话流的第j句话中前l-1个单词，

表示已知第j句话中前l-1个单词时，生成第l个单词的概率；将所述待扩展句中的完整句子作为候选句，将所述候选句从待扩展句队列中移除并加入到所述候选句列表中；确定所述候选句列表中候选句的数量达到阈值时，从所述候选句列表中选择得分最高的前M个候选句作为由所述第k种回复生成机制生成的回复信息,M≥1；

所述生成模块包括：选择单元，用于针对多种回复生成机制中的每一种回复生成机制，根据

计算出用户拟回复的回复信息是由所述回复生成机制所生成的概率，根据计算结果选择所述概率最高的前N种回复生成机制，其中N≥2；

推荐模块，用于同时向用户推荐所述至少两个不同句式类型和/或语言风格类型的回复信息，以在当前对话界面上呈现所述回复信息。

5.根据权利要求4所述的回复信息推荐装置，其特征在于，所述提取模块用于：

从所述当前对话流中提取预设时间内的所有历史对话信息作为所述参考对话信息；或者，

从所述当前对话流中提取最近生成的预设数量的历史对话信息作为所述参考对话信息。

6.根据权利要求4所述回复信息推荐装置，其特征在于，所述句式为肯定句、否定句、疑问句、反问句或判断句。

Images