CN108038230B - 基于人工智能的信息生成方法和装置 - Google Patents
基于人工智能的信息生成方法和装置 Download PDFInfo
- Publication number
- CN108038230B CN108038230B CN201711432661.1A CN201711432661A CN108038230B CN 108038230 B CN108038230 B CN 108038230B CN 201711432661 A CN201711432661 A CN 201711432661A CN 108038230 B CN108038230 B CN 108038230B
- Authority
- CN
- China
- Prior art keywords
- information
- feedback information
- text information
- category
- keyword set
- 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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- 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
- G06F16/3325—Reformulation based on results of preceding query
- G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
-
- 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
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了基于人工智能的信息生成方法和装置。该方法的一具体实施方式包括:接收用户输入的文本信息;从文本信息中提取出关键词,生成第一关键词集合;基于文本信息和第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复文本信息的反馈信息中的关键词;基于文本信息和第二关键词集合,生成反馈信息。该实施方式提高了反馈信息与用户输入的文本信息之间的相关性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及基于人工智能的信息生成方法和装置。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
目前,聊天机器人受到学术界和工业界的广泛关注。聊天机器人是一个用来模拟人类对话或聊天的程序。现有的聊天机器人在接收到用户输入的对话句子后,通常是使用检索匹配技术从对话数据库中得到最合适的回复,其中,对话数据库中一般存储有预先收集的大量的对话数据。该回复与该对话句子之间的相关性通常较低。
发明内容
本申请实施例提出了基于人工智能的信息生成方法和装置。
第一方面,本申请实施例提供了一种基于人工智能的信息生成方法,该方法包括:接收用户输入的文本信息;从上述文本信息中提取出关键词,生成第一关键词集合;基于上述文本信息和上述第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复上述文本信息的反馈信息中的关键词;基于上述文本信息和上述第二关键词集合,生成反馈信息。
在一些实施例中,上述方法还包括:输出所生成的反馈信息。
在一些实施例中,上述基于上述文本信息和上述第一关键词集合,生成第二关键词集合,包括:确定上述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,若是,则将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息,其中,上述类别标识集合中的类别标识预先关联有标记;将上述新文本信息和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到上述第二关键词集合,其中,上述第一双向长短期记忆网络用于表征输入信息与第二关键词集合之间的对应关系,上述输入信息包括文本信息和该文本信息所关联的第一关键词集合。
在一些实施例中,上述基于上述文本信息和上述第二关键词集合,生成反馈信息,包括:将上述新文本信息和所生成的第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,其中,上述第二双向长短期记忆网络用于表征输入信息与初始反馈信息之间的对应关系,该输入信息包括文本信息和该文本信息所关联的第二关键词集合;基于所得的初始反馈信息,生成反馈信息。
在一些实施例中,上述基于所得的初始反馈信息,生成反馈信息,包括:确定所得的初始反馈信息中是否存在与上述类别标识集合中的类别标识关联的标记;响应于确定所得的初始反馈信息中存在与上述类别标识集合中的类别标识关联的标记,则对所得的初始反馈信息中的标记进行字符填充,以生成反馈信息。
在一些实施例中,上述类别标识集合中存在所指示的类别为数值或数量词的目标类别标识;以及上述对所得的初始反馈信息中的标记进行字符填充,包括:若所得的初始反馈信息中存在与上述目标类别标识对应的目标标记,则从所得的初始反馈信息中提取关键词作为查询词;获取预设的信息列表,其中,上述信息列表中的每条信息包括第一信息和第二信息,上述第二信息为数值或数量词;在上述信息列表中查找所包括的第二信息归属于上述目标类别标识所指示的类别、且所包括的第一信息与上述查询词匹配的目标信息,并将上述目标信息中的第二信息填充至上述目标标记所在的位置。
第二方面,本申请实施例提供了一种基于人工智能的信息生成装置,该装置包括:接收单元,配置用于接收用户输入的文本信息;第一生成单元,配置用于从上述文本信息中提取出关键词,生成第一关键词集合;第二生成单元,配置用于基于上述文本信息和上述第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复上述文本信息的反馈信息中的关键词;第三生成单元,配置用于基于上述文本信息和上述第二关键词集合,生成反馈信息。
在一些实施例中,上述装置还包括:输出单元,配置用于输出所生成的反馈信息。
在一些实施例中,上述第二生成单元包括:确定子单元,配置用于确定上述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,若是,则将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息,其中,上述类别标识集合中的类别标识预先关联有标记;第一输入子单元,配置用于将上述新文本信息和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到上述第二关键词集合,其中,上述第一双向长短期记忆网络用于表征输入信息与第二关键词集合之间的对应关系,上述输入信息包括文本信息和该文本信息所关联的第一关键词集合。
在一些实施例中,上述第三生成单元包括:第二输入子单元,配置用于将上述新文本信息和所生成的第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,其中,上述第二双向长短期记忆网络用于表征输入信息与初始反馈信息之间的对应关系,该输入信息包括文本信息和该文本信息所关联的第二关键词集合;生成子单元,配置用于基于所得的初始反馈信息,生成反馈信息。
在一些实施例中,上述生成子单元包括:确定模块,配置用于确定所得的初始反馈信息中是否存在与上述类别标识集合中的类别标识关联的标记;字符填充模块,配置用于响应于确定所得的初始反馈信息中存在与上述类别标识集合中的类别标识关联的标记,则对所得的初始反馈信息中的标记进行字符填充,以生成反馈信息。
在一些实施例中,上述类别标识集合中存在所指示的类别为数值或数量词的目标类别标识;以及上述字符填充模块进一步配置用于:若所得的初始反馈信息中存在与上述目标类别标识关联的目标标记,则从所得的初始反馈信息中提取关键词作为查询词;获取预设的信息列表,其中,上述信息列表中的每条信息包括第一信息和第二信息,上述第二信息为数值或数量词;在上述信息列表中查找所包括的第二信息归属于上述目标类别标识所指示的类别、且所包括的第一信息与上述查询词匹配的目标信息,并将上述目标信息中的第二信息填充至上述目标标记所在的位置。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的基于人工智能的信息生成方法和装置,通过对用户输入的文本信息进行关键词提取以便生成第一关键词集合,而后基于文本信息和第一关键词集合来生成第二关键词集合,最后基于文本信息和第二关键词集合来生成反馈信息,从而有效利用了对第二关键词集合的生成,以及基于文本信息和第二关键词集合对反馈信息的生成,提高了反馈信息与用户输入的文本信息之间的相关性。
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是根据本申请的基于人工智能的信息生成方法的一个实施例的流程图;
图3是根据本申请的基于人工智能的信息生成方法的一个应用场景的示意图;
图4是根据本申请的基于人工智能的信息生成方法的又一个实施例的流程图;
图5是根据本申请的基于人工智能的信息生成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电子设备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基于人工智能的信息生成方法或基于人工智能的信息生成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,例如网页浏览器应用、即时通信工具、用于实现人机对话的聊天类应用(例如聊天机器人)。
终端设备101、102、103可以是各种电子设备,包括但不限于智能手机、平板电脑、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上安装的用于实现人机对话的聊天类应用提供支持的后台服务器,该后台服务器可以接收用户通过该聊天类应用输入的文本信息,并对该文本信息进行分析等处理。
需要说明的是,本申请实施例所提供的基于人工智能的信息生成方法一般由服务器105执行,相应地,基于人工智能的信息生成装置一般设置于服务器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基于人工智能的信息生成方法的一个实施例的流程200。该基于人工智能的信息生成方法的流程200,包括以下步骤:
步骤201,接收用户输入的文本信息。
在本实施例中,基于人工智能的信息生成方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式接收用户通过终端设备(例如图1所示的终端设备101、102、103)输入的文本信息。其中,该文本信息可以是对话语句。
步骤202,从文本信息中提取出关键词,生成第一关键词集合。
在本实施例中,上述电子设备在接收到上述文本信息后,上述电子设备可以从上述文本信息中提取出关键词,生成第一关键词集合。作为示例,上述电子设备本地可以预先存储有关键词集合。上述电子设备可以对上述文本信息进行切词,从切出的词中提取出包含在该关键词集合中的词,并将提取出的词作为关键词生成第一关键词集合。
步骤203,基于文本信息和第一关键词集合,生成第二关键词集合。
在本实施例中,上述电子设备可以基于上述文本信息和上述第一关键词集合,生成第二关键词集合。其中,第二关键词可以是用于回复上述文本信息的反馈信息中的关键词。
作为示例,上述电子设备本地可以预先存储有类别标识集合,类别标识所指示的类别例如可以是句中标点、句末标点、数值、数量词或英文字符串等等。上述电子设备可以先确定上述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串。若不存在,则上述电子设备可以将上述文本信息和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到第二关键词集合。其中,第一双向长短期记忆网络可以用于表征输入信息与第二关键词集合之间的对应关系,该输入信息可以包括文本信息和该文本信息所关联的第一关键词集合。
这里,所指示的类别为数量词的类别标识可以关联有数量词集合,上述电子设备可以通过在接收到的文本信息中查找该数量词集合中的数量词,以确定该文本信息中是否存在归属于该类别标识所指示的类别的字符或字符串。另外,对于除所指示的类别为数量词的类别标识以外的类别标识,上述电子设备可以通过对该文本信息进行字符识别,以确定该文本信息中是否存在归属于该类别标识所指示的类别的字符或字符串。例如,该文本信息包括“你好,2017”,在进行字符识别时可以识别出标点符号“,”,通过对该标点符号的位置进行判断,可以确定该标点符号是归属于类别“句中标点”的字符。而且,在进行字符识别时,可以识别出数字字符“2”、“0”、“1”、“7”,由于这四个数字字符是连续的字符,因此“2017”可以是归属于类别“数值”的字符串。
需要说明的是,第一双向长短期记忆网络可以是利用机器学习方法和训练样本对现有的双向LSTM(Long Short-Term Memory,长短期记忆网络)进行有监督训练而得到的。第一双向长短期记忆网络可以分别对输入的文本信息和第一关键词集合进行编码,得到二者的隐藏层表示,然后对该隐藏层表示进行解码,以预测出回复关键词,上述电子设备可以将预测出的各个回复关键词的集合确定为第二关键词集合。
步骤204,基于文本信息和第二关键词集合,生成反馈信息。
在本实施例中,上述电子设备可以基于用户输入的文本信息和所生成的第二关键词集合,生成反馈信息。
作为示例,若该文本信息中不存在归属于上述类别标识集合中的类别标识所指示的类别的字符或字符串,则上述电子设备可以将该文本信息和该第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息。上述电子设备可以接着判断该初始反馈信息中是否存在与上述类别标识集合中的类别标识关联的标记,若不存在,上述电子设备可以直接将该初始反馈信息确定为反馈信息。
其中,第二双向长短期记忆网络可以用于表征输入信息与初始反馈信息之间的对应关系。该输入信息可以包括文本信息和该文本信息所关联的第二关键词集合。需要指出的是,第二双向长短期记忆网络可以是利用机器学习方法和训练样本对现有的双向LSTM进行有监督训练而得到的。第二双向长短期记忆网络可以分别对输入的文本信息和第二关键词集合进行编码,得到二者的隐藏层表示,然后对该隐藏层表示进行解码,以预测出初始反馈信息。
需要指出的是,通过关键词(即所生成的第二关键词集合中的关键词)控制反馈信息的生成,可以使得反馈信息与用户输入的文本信息之间的相关性更强。
在本实施例的一些可选的实现方式中,上述电子设备可以输出所生成的反馈信息,以对接收到的文本信息进行回复。
继续参见图3,图3是根据本实施例的基于人工智能的信息生成方法的应用场景的一个示意图。在图3的应用场景中,用户所使用的终端设备上可以安装有用于实现人机对话的聊天类应用。首先,上述用户可以通过上述聊天类应用所提供的聊天界面输入对话句子“这个赛季对于骑士来说还不错”。而后,如标号301所示,对上述应用提供支持的后台服务器可以接收上述对话句子。之后,如标号302所示,上述后台服务器可以从上述对话句子中提取出关键词“赛季”、“骑士”,生成包含“赛季”和“骑士”的第一关键词集合。接着,如标号303所示,上述后台服务器可以将上述对话句子和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到第二关键词集合,其中,该第二关键词集合可以包括“骑士”、“赛季”、“场均”。最后,如标号304所示,上述后台服务器可以将上述对话句子和上述第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息“骑士这个赛季场均得分很高”,上述后台服务器可以直接将该初始反馈信息确定为用于回复上述对话句子的反馈信息。
本申请的上述实施例提供的方法,有效利用了对第二关键词集合的生成,以及基于文本信息和第二关键词集合对反馈信息的生成,提高了反馈信息与用户输入的文本信息之间的相关性。
进一步参考图4,其示出了基于人工智能的信息生成方法的又一个实施例的流程400。该基于人工智能的信息生成方法的流程400,包括以下步骤:
步骤401,接收用户输入的文本信息。
在本实施例中,基于人工智能的信息生成方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式接收用户通过终端设备(例如图1所示的终端设备101、102、103)输入的文本信息。其中,该文本信息可以是对话语句。
步骤402,从文本信息中提取出关键词,生成第一关键词集合。
在本实施例中,上述电子设备在接收到上述文本信息后,上述电子设备可以从上述文本信息中提取出关键词,生成第一关键词集合。作为示例,上述电子设备本地可以预先存储有关键词集合。上述电子设备可以对上述文本信息进行切词,从切出的词中提取出包含在该关键词集合中的词,并将提取出的词作为关键词生成第一关键词集合。
步骤403,确定文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串。
在本实施例中,上述电子设备可以确定上述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串。其中,类别标识所指示的类别例如可以是句中标点、句末标点、数值、数量词或英文字符串等等。
作为示例,所指示的类别为数量词的类别标识可以关联有数量词集合,上述电子设备可以通过在上述文本信息中查找该数量词集合中的数量词,以确定该文本信息中是否存在归属于该类别标识所指示的类别的字符或字符串。另外,对于除所指示的类别为数量词的类别标识以外的类别标识,上述电子设备可以通过对该文本信息进行字符识别,以确定该文本信息中是否存在该类别标识所指示的类别的字符或字符串。例如,该文本信息包括“你好,2017”,在进行字符识别时可以识别出标点符号“,”,通过对该标点符号的位置进行判断,可以确定该标点符号是归属于类别“句中标点”的字符。而且,在进行字符识别时,可以识别出数字字符“2”、“0”、“1”、“7”,由于这四个数字字符是连续的字符,因此“2017”可以是归属于类别“数值”的字符串。
需要说明的是,类别标识可以关联有标记。作为示例,与所指示的类别为句间标点的类别标识相关联的标记可以为“PUNCT_MID”。与所指示的类别为句末标点的类别标识相关联的标记可以为“PUNCT_END”。与所指示的类别为数值的类别标识相关联的标记可以为“NUMBER”。与所指示的类别为数量词的类别标识相关联的标记可以为“NUM_QUANTITY”。与所指示的类别为英文字符串的类别标识相关联的标记可以为“ASCII”。需要指出的是,类别标识所关联的标记是可以根据实际需要进行调整的,本实施例不对此方面内容做任何限定。
步骤404,响应于确定文本信息中存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息。
在本实施例中,响应于上述电子设备确定上述文本信息中存在归属于上述类别标识集合中的类别标识所指示的类别的字符或字符串,上述电子设备可以将归属于该类别的字符或字符串替换为相应的标记(即该类别标识所关联的标记),以生成新文本信息。作为示例,假设上述文本信息为“这个赛季对于骑士来说还不错,看季后赛表现了。”进行标记替换后的新文本信息可以为“这个赛季对于骑士来说还不错PUNCT_MID看季后赛表现了PUNCT_END”。
步骤405,将新文本信息和第一关键词集合输入预先训练的第一双向长短期记忆网络,得到第二关键词集合。
在本实施例中,上述电子设备得到新文本信息后,上述电子设备可以将新文本信息和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到第二关键词集合。其中,第二关键词可以是用于回复上述文本信息的反馈信息中的关键词。第一双向长短期记忆网络可以用于表征输入信息与第二关键词集合之间的对应关系。该输入信息可以包括文本信息和该文本信息所关联的第一关键词集合。
需要指出的是,第一双向长短期记忆网络可以是利用机器学习方法和训练样本对现有的双向LSTM进行有监督训练而得到的。第一双向长短期记忆网络可以分别对输入的文本信息和第一关键词集合进行编码,得到二者的隐藏层表示,然后对该隐藏层表示进行解码,以预测出回复关键词,上述电子设备可以将预测出的各个回复关键词的集合确定为第二关键词集合。
步骤406,将新文本信息和第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息。
在本实施例中,上述电子设备在得到第二关键词集合后,上述电子设备可以将上述新文本信息和该第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息。其中,第二双向长短期记忆网络可以用于表征输入信息与初始反馈信息之间的对应关系。该输入信息可以包括文本信息和该文本信息所关联的第二关键词集合。
需要指出的是,第二双向长短期记忆网络可以是利用机器学习方法和训练样本对现有的双向LSTM进行有监督训练而得到的。第二双向长短期记忆网络可以分别对输入的文本信息和第二关键词集合进行编码,得到二者的隐藏层表示,然后对该隐藏层表示进行解码,以预测出初始反馈信息。
步骤407,确定初始反馈信息中是否存在与类别标识集合中的类别标识关联的标记。
在本实施例中,上述电子设备在得到初始反馈信息后,可以在该初始反馈信息中查找上述类别标识集合中的类别标识所关联的标记,以确定该初始反馈信息中是否存在与上述类别标识集合中的类别标识关联的标记。
步骤408,响应于确定初始反馈信息中存在与类别标识集合中的类别标识关联的标记,对初始反馈信息中的标记进行字符填充,以生成反馈信息。
在本实施例中,响应于上述电子设备确定所得的初始反馈信息中存在与上述类别标识集合中的类别标识关联的标记,上述电子设备可以对该初始反馈信息中的标记进行字符填充,以生成反馈信息。
作为示例,若该初始反馈信息中存在与所指示的类别为数值或英文字符串的目标类别标识关联的目标标记,则上述电子设备可以先从该初始反馈信息中提取关键词(例如所得的第二关键词集合中的关键词)作为查询词。而后,上述电子设备可以获取预设的信息列表,其中,该信息列表中的每条信息可以包括第一信息和第二信息,该第二信息可以为数值或数量词,该信息列表可以预先存储在上述电子设备本地或与上述电子设备远程通信连接的服务器。最后,上述电子设备可以在该信息列表中查找所包括的第二信息归属于该目标类别标识所指示的类别、且所包括的第一信息与该查询词匹配的目标信息,并将该目标信息中的第二信息填充至该目标标记所在的位置。例如,初始反馈信息为“骑士这个赛季场均得NUMBER分”,该目标信息中的第二信息为“110.3”,上述电子设备可以将“110.3”填充至该初始反馈信息中的标记“NUMBER”所在的位置,得到最终的反馈信息“骑士这个赛季场均得110.3分”。
需要说明的是,若所得的初始反馈信息中包括除上述目标标记以外的标记,则上述电子设备可以利用预设的字符填充算法,在该标记所在的位置填充相应的字符。该字符填充算法可以是任何可以实现字符填充的算法,本实施例不对此方面内容做任何限定。
从图4中可以看出,与图2对应的实施例相比,本实施例中的基于人工智能的信息生成方法的流程400突出了对用户输入的文本信息进行处理的步骤(步骤403-404),以及对初始反馈信息进行处理的步骤(步骤407-408)。由此,本实施例描述的方案可以实现富于针对性的信息处理,可以提高反馈信息与用户输入的文本信息之间的相关性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种基于人工智能的信息生成装置的一个实施例,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,本实施例所示的基于人工智能的信息生成装置500包括:接收单元501、第一生成单元502、第二生成单元503和第三生成单元504。其中,接收单元501可以配置用于接收用户输入的文本信息;第一生成单元502可以配置用于从上述文本信息中提取出关键词,生成第一关键词集合;第二生成单元503可以配置用于基于上述文本信息和上述第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复上述文本信息的反馈信息中的关键词;第三生成单元504可以配置用于基于上述文本信息和上述第二关键词集合,生成反馈信息。
在本实施例中,基于人工智能的信息生成装置500中:接收单元501、第一生成单元502、第二生成单元503和第三生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:输出单元(图中未示出),配置用于输出所生成的反馈信息。
在本实施例的一些可选的实现方式中,上述第二生成单元503可以包括:确定子单元(图中未示出),配置用于确定上述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,若是,则将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息,其中,上述类别标识集合中的类别标识可以预先关联有标记;第一输入子单元(图中未示出),配置用于将上述新文本信息和上述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到上述第二关键词集合,其中,上述第一双向长短期记忆网络可以用于表征输入信息与第二关键词集合之间的对应关系,上述输入信息可以包括文本信息和该文本信息所关联的第一关键词集合。
在本实施例的一些可选的实现方式中,上述第三生成单元504可以包括:第二输入子单元(图中未示出),配置用于将上述新文本信息和所生成的第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,其中,上述第二双向长短期记忆网络可以用于表征输入信息与初始反馈信息之间的对应关系,该输入信息可以包括文本信息和该文本信息所关联的第二关键词集合;生成子单元(图中未示出),配置用于基于所得的初始反馈信息,生成反馈信息。
在本实施例的一些可选的实现方式中,上述生成子单元可以包括:确定模块(图中未示出),配置用于确定所得的初始反馈信息中是否存在与上述类别标识集合中的类别标识关联的标记;字符填充模块(图中未示出),配置用于响应于确定所得的初始反馈信息中存在与上述类别标识集合中的类别标识关联的标记,则对所得的初始反馈信息中的标记进行字符填充,以生成反馈信息。
在本实施例的一些可选的实现方式中,上述类别标识集合中可以存在所指示的类别为数值或数量词的目标类别标识;以及上述字符填充模块可以进一步配置用于:若所得的初始反馈信息中存在与上述目标类别标识关联的目标标记,则从所得的初始反馈信息中提取关键词作为查询词;获取预设的信息列表,其中,上述信息列表中的每条信息可以包括第一信息和第二信息,该第二信息可以为数值或数量词;在上述信息列表中查找所包括的第二信息归属于上述目标类别标识所指示的类别、且所包括的第一信息与上述查询词匹配的目标信息,并将该目标信息中的第二信息填充至该目标标记所在的位置。
本申请的上述实施例提供的装置,有效利用了对第二关键词集合的生成,以及基于文本信息和第二关键词集合对反馈信息的生成,提高了反馈信息与用户输入的文本信息之间的相关性。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
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,其包括承载在计算机可读介质上的计算机程序,该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。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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,上述模块、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,框图或流程图中的每个方框、以及框图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:一种处理器包括接收单元、第一生成单元、第二生成单元和第三生成单元。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,接收单元还可以被描述为“接收用户输入的文本信息的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备包括:接收用户输入的文本信息;从该文本信息中提取出关键词,生成第一关键词集合;基于该文本信息和该第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复该文本信息的反馈信息中的关键词;基于该文本信息和该第二关键词集合,生成反馈信息。
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上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)
1.一种基于人工智能的信息生成方法,包括:
接收用户输入的文本信息;
从所述文本信息中提取出关键词,生成第一关键词集合;
基于所述文本信息和所述第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复所述文本信息的反馈信息中的关键词;
基于所述文本信息和所述第二关键词集合,生成反馈信息;
其中,所述基于所述文本信息和所述第二关键词集合,生成反馈信息,包括:
将所述文本信息和所述第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息;
基于所述初始反馈信息,生成反馈信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
输出所生成的反馈信息。
3.根据权利要求1所述的方法,其中,所述基于所述文本信息和所述第一关键词集合,生成第二关键词集合,包括:
确定所述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,若是,则将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息,其中,所述类别标识集合中的类别标识预先关联有标记;
将所述新文本信息和所述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到所述第二关键词集合,其中,所述第一双向长短期记忆网络用于表征输入信息与第二关键词集合之间的对应关系,所述输入信息包括文本信息和该文本信息所关联的第一关键词集合。
4.根据权利要求3所述的方法,其中,所述将所述文本信息和所述第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,包括:
将所述新文本信息和所生成的第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,其中,所述第二双向长短期记忆网络用于表征输入信息与初始反馈信息之间的对应关系,该输入信息包括文本信息和该文本信息所关联的第二关键词集合。
5.根据权利要求4所述的方法,其中,所述基于所得的初始反馈信息,生成反馈信息,包括:
确定所得的初始反馈信息中是否存在与所述类别标识集合中的类别标识关联的标记;
响应于确定所得的初始反馈信息中存在与所述类别标识集合中的类别标识关联的标记,则对所得的初始反馈信息中的标记进行字符填充,以生成反馈信息。
6.根据权利要求5所述的方法,其中,所述类别标识集合中存在所指示的类别为数值或数量词的目标类别标识;以及
所述对所得的初始反馈信息中的标记进行字符填充,包括:
若所得的初始反馈信息中存在与所述目标类别标识对应的目标标记,则从所得的初始反馈信息中提取关键词作为查询词;
获取预设的信息列表,其中,所述信息列表中的每条信息包括第一信息和第二信息,所述第二信息为数值或数量词;
在所述信息列表中查找所包括的第二信息归属于所述目标类别标识所指示的类别、且所包括的第一信息与所述查询词匹配的目标信息,并将所述目标信息中的第二信息填充至所述目标标记所在的位置。
7.一种基于人工智能的信息生成装置,包括:
接收单元,配置用于接收用户输入的文本信息;
第一生成单元,配置用于从所述文本信息中提取出关键词,生成第一关键词集合;
第二生成单元,配置用于基于所述文本信息和所述第一关键词集合,生成第二关键词集合,其中,第二关键词是用于回复所述文本信息的反馈信息中的关键词;
第三生成单元,配置用于基于所述文本信息和所述第二关键词集合,生成反馈信息;
其中,所述第三生成单元包括:
得到子单元,配置用于将所述文本信息和所述第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息;
生成子单元,配置用于基于所述初始反馈信息,生成反馈信息。
8.根据权利要求7所述的装置,其中,所述装置还包括:
输出单元,配置用于输出所生成的反馈信息。
9.根据权利要求7所述的装置,其中,所述第二生成单元包括:
确定子单元,配置用于确定所述文本信息中是否存在归属于预设的类别标识集合中的类别标识所指示的类别的字符或字符串,若是,则将归属于该类别的字符或字符串替换为相应的标记,以生成新文本信息,其中,所述类别标识集合中的类别标识预先关联有标记;
第一输入子单元,配置用于将所述新文本信息和所述第一关键词集合输入预先训练的第一双向长短期记忆网络,得到所述第二关键词集合,其中,所述第一双向长短期记忆网络用于表征输入信息与第二关键词集合之间的对应关系,所述输入信息包括文本信息和该文本信息所关联的第一关键词集合。
10.根据权利要求9所述的装置,其中,所述第三生成单元包括:
第二输入子单元,配置用于将所述新文本信息和所生成的第二关键词集合输入预先训练的第二双向长短期记忆网络,得到初始反馈信息,其中,所述第二双向长短期记忆网络用于表征输入信息与初始反馈信息之间的对应关系,该输入信息包括文本信息和该文本信息所关联的第二关键词集合。
11.根据权利要求10所述的装置,其中,所述生成子单元包括:
确定模块,配置用于确定所得的初始反馈信息中是否存在与所述类别标识集合中的类别标识关联的标记;
字符填充模块,配置用于响应于确定所得的初始反馈信息中存在与所述类别标识集合中的类别标识关联的标记,则对所得的初始反馈信息中的标记进行字符填充,以生成反馈信息。
12.根据权利要求11所述的装置,其中,所述类别标识集合中存在所指示的类别为数值或数量词的目标类别标识;以及
所述字符填充模块进一步配置用于:
若所得的初始反馈信息中存在与所述目标类别标识对应的目标标记,则从所得的初始反馈信息中提取关键词作为查询词;
获取预设的信息列表,其中,所述信息列表中的每条信息包括第一信息和第二信息,所述第二信息为数值或数量词;
在所述信息列表中查找所包括的第二信息归属于所述目标类别标识所指示的类别、且所包括的第一信息与所述查询词匹配的目标信息,并将所述目标信息中的第二信息填充至所述目标标记所在的位置。
13.一种电子设备,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中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432661.1A CN108038230B (zh) | 2017-12-26 | 2017-12-26 | 基于人工智能的信息生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711432661.1A CN108038230B (zh) | 2017-12-26 | 2017-12-26 | 基于人工智能的信息生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108038230A CN108038230A (zh) | 2018-05-15 |
CN108038230B true CN108038230B (zh) | 2022-05-20 |
Family
ID=62101163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711432661.1A Active CN108038230B (zh) | 2017-12-26 | 2017-12-26 | 基于人工智能的信息生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038230B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294582A (zh) * | 2016-07-28 | 2017-01-04 | 上海未来伙伴机器人有限公司 | 基于自然语言的人机交互方法及系统 |
CN106469212A (zh) * | 2016-09-05 | 2017-03-01 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法和装置 |
CN106506327A (zh) * | 2016-10-11 | 2017-03-15 | 东软集团股份有限公司 | 一种垃圾邮件识别方法及装置 |
CN107066449A (zh) * | 2017-05-09 | 2017-08-18 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3882048B2 (ja) * | 2003-10-17 | 2007-02-14 | 独立行政法人情報通信研究機構 | 質問応答システムおよび質問応答処理方法 |
US10431205B2 (en) * | 2016-04-27 | 2019-10-01 | Conduent Business Services, Llc | Dialog device with dialog support generated using a mixture of language models combined using a recurrent neural network |
CN106649524B (zh) * | 2016-10-20 | 2019-11-22 | 天聚地合(苏州)数据股份有限公司 | 一种改进型基于计算机云数据的深度学习智能应答系统 |
US9767182B1 (en) * | 2016-10-28 | 2017-09-19 | Searchmetrics Gmbh | Classification of search queries |
CN106997375B (zh) * | 2017-02-28 | 2020-08-18 | 浙江大学 | 基于深度学习的客服回复推荐方法 |
CN107133303A (zh) * | 2017-04-28 | 2017-09-05 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
-
2017
- 2017-12-26 CN CN201711432661.1A patent/CN108038230B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294582A (zh) * | 2016-07-28 | 2017-01-04 | 上海未来伙伴机器人有限公司 | 基于自然语言的人机交互方法及系统 |
CN106469212A (zh) * | 2016-09-05 | 2017-03-01 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法和装置 |
CN106506327A (zh) * | 2016-10-11 | 2017-03-15 | 东软集团股份有限公司 | 一种垃圾邮件识别方法及装置 |
CN107066449A (zh) * | 2017-05-09 | 2017-08-18 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108038230A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151177B2 (en) | Search method and apparatus based on artificial intelligence | |
US11501182B2 (en) | Method and apparatus for generating model | |
CN107273503B (zh) | 用于生成同语言平行文本的方法和装置 | |
CN107679039B (zh) | 用于确定语句意图的方法和装置 | |
CN107066449B (zh) | 信息推送方法和装置 | |
CN109299458B (zh) | 实体识别方法、装置、设备及存储介质 | |
US20190163742A1 (en) | Method and apparatus for generating information | |
CN108877782B (zh) | 语音识别方法和装置 | |
CN110019742B (zh) | 用于处理信息的方法和装置 | |
CN109635094B (zh) | 用于生成答案的方法和装置 | |
CN108628830B (zh) | 一种语义识别的方法和装置 | |
CN107861954B (zh) | 基于人工智能的信息输出方法和装置 | |
CN109766418B (zh) | 用于输出信息的方法和装置 | |
US20210042470A1 (en) | Method and device for separating words | |
EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
US11036996B2 (en) | Method and apparatus for determining (raw) video materials for news | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN112860919A (zh) | 基于生成模型的数据标注方法、装置、设备及存储介质 | |
CN112528654A (zh) | 自然语言处理方法、装置及电子设备 | |
CN113836925A (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
CN114626380A (zh) | 实体识别的方法和装置、电子设备和存储介质 | |
CN112818996A (zh) | 指令识别方法和装置、存储介质及电子设备 | |
CN112949320B (zh) | 基于条件随机场的序列标注方法、装置、设备及介质 | |
CN108491387B (zh) | 用于输出信息的方法和装置 | |
CN109710634B (zh) | 用于生成信息的方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |