CN108073600B - 一种智能问答交互方法、装置以及电子设备 - Google Patents
一种智能问答交互方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN108073600B CN108073600B CN201610992645.7A CN201610992645A CN108073600B CN 108073600 B CN108073600 B CN 108073600B CN 201610992645 A CN201610992645 A CN 201610992645A CN 108073600 B CN108073600 B CN 108073600B
- Authority
- CN
- China
- Prior art keywords
- user
- intention
- dialog
- question
- information
- 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本申请公开一种智能问答交互方法,包括:对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤。所述智能问答交互方法通过引导问题来引导用户进行对话,以获取更加全面的对话信息从而识别用户的对话意图,实现方式简单,提升了用户服务体验。
Description
技术领域
本申请涉及智能客服领域,具体涉及一种智能问答交互方法。本申请同时涉及一种智能问答交互装置,以及一种电子设备。
背景技术
随着人工智能的不断普及和发展,智能客服系统在客服领域得到了广泛应用,智能客服系统是在大规模知识处理基础上发展起来的,适用大规模知识处理、自然语言理解、知识管理、自动问答系统和推理等技术领域。智能客服系统通过自然语言接口或者语音的方式进行人机交互,在交互过程中通过多种表现形式得到特定领域问题的解决方法。智能客服系统通常包括智能机器客服(智能客服机器人)和人工客服,在用户服务过程中,首先由智能客服机器人进行服务,当用户认为智能客服机器人无法解决其提出的问题时,再手动点击人工客服,由人工客服进行服务。智能客服系统通过自然语言理解识别用户意图(用户遇到的问题或者想要完成的任务),并通过推送配置的知识点让用户自助解决问题或完成任务,从而减少人工话务量;对于用户无法自助完成的任务,在识别出用户意图后可以自动分流至该用户所对应的业务线的人工客服。
对于智能客服系统的核心任务是如何识别用户意图,从而根据用户意图进行服务。现有的智能客服系统一般会给用户一次描述用户意图的机会,然后根据用户的描述采用自然语言理解手段去判断用户意图,但是,在实际当中,由于用户的表达能力存在差异,相当大一部分用户很难一次性地完整描述用户意图,导致判断用户意图的文本信息量较少,难以确定用户意图;此外,即使在智能客服机器人的引导下,仍然有相当大比例(约30%)的用户在面对智能客服机器人时仍然以“喂”、“你好”等传统对话方式开始交互,并没有按照引导语所要求的直接描述用户意图,导致无法识别用户意图或者识别的用户意图无效,因此,现有的智能客服系统识别用户意图的难度较大,用户服务体验差。
发明内容
本申请提供一种智能问答交互方法,以解决现有技术存在的用户意图的识别难度较大和用户服务体验差的问题。
本申请同时涉及一种智能问答交互装置,以及一种电子设备。
本申请提供一种智能问答交互方法,包括:
对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;
若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及
更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤。
可选的,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值步骤执行之前,执行下述步骤:
汇总所述用户的对话信息。
可选的,所述对话信息的类型包括:
语音类型、文字类型和/或视频类型。
可选的,若所述对话信息为语音类型和/或视频类型,相应的,所述汇总所述用户的对话信息,包括:
将所述用户输入的所述对话信息从语音类型和/或视频类型转换为文字类型。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,采用如下方式实现:
根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选所述引导问题;
将所述引导问题从文字类型转换为语音类型和/或视频类型,并依据所述语音类型和/或视频类型的引导问题与所述用户进行对话。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话步骤执行之后,且所述更新所述问答信息步骤执行之前,执行下述步骤:
将所述用户针对所述引导问题输入的对话信息从语音类型和/或视频类型转换为文字类型。
可选的,若根据所述对话信息分析获得的所述初始对话意图只有一个,则所述确定所述用户的对话意图,采用如下方式实现:
将所述初始对话意图作为所述用户的对话意图。
可选的,若根据所述对话信息分析获得的所述初始对话意图有多个,所述判断所述初始对话意图的概率值是否大于预设概率阈值,采用如下方式实现:
判断是否存在至少一个概率值大于所述预设概率阈值的初始对话意图,若是,执行所述确定所述用户的对话意图步骤。
可选的,所述确定所述用户的对话意图,采用如下方式实现:
从概率值大于所述预设概率阈值的多个初始对话意图中选择概率值最大的初始对话意图作为所述用户的对话意图,或者,将概率值大于所述预设概率阈值的唯一一个初始对话意图作为所述用户的对话意图。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,采用如下方式实现:
提取所述对话信息和/或所述初始对话意图中包含的关键字和/或关键词;
根据所述关键字和/或关键词从所述问答知识库中筛选与所述关键字和/或关键词的匹配度最高的引导问题。
可选的,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值,基于预设的意图分析模型实现,所述意图分析模型的输入包括所述用户的对话信息,所述意图分析模型的输出包括所述用户的初始对话意图的概率值。
可选的,所述意图分析模型根据所述对话信息中包含的关键字和/或关键词,利用深层神经网络算法计算获得所述用户的初始对话意图的概率值。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,基于预设的问题筛选模型实现,所述问题筛选模型的输入包括所述用户的对话信息和所述用户的初始对话意图的概率值,所述意图分析模型的输出为从所述问答知识库中筛选出的引导问题。
可选的,所述问题筛选模型利用LSTM网络从所述问答知识库中筛选所述引导问题。
可选的,所述问题筛选模型按照最大熵原理从所述问答知识库中筛选所述引导问题。
可选的,所述更新所述用户的对话信息步骤执行之后,在执行所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值步骤时,将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值。
可选的,所述更新所述用户的对话信息步骤执行之后,且将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值之后,在执行所述判断所述初始对话意图的概率值是否大于预设概率阈值步骤时,若所述更新后的对话信息对应的初始对话意图的概率值小于或者等于所述预设概率阈值,则将所述更新后的对话信息、所述更新后的对话信息对应的初始对话意图的概率值代入所述问题筛选模型,获得所述更新后的对话信息对应的引导问题,并根据所述更新后的对话信息对应的引导问题与所述用户进行对话。
可选的,若所述对话意图的概率值大于所述预设概率阈值,则所述确定所述用户的对话意图步骤执行之后,执行下述步骤:
结束当前对话,并将当前对话切换至所述用户的对话意图对应的人工客服进行对话。
可选的,所述将当前对话切换至所述用户的对话意图对应的人工客服,采用如下方式实现:
在预设的对话意图和业务类型的对应关系中检索所述用户的对话意图对应的业务类型;
将当前对话切换至检索到的业务类型对应的人工客服进行对话。
本申请还提供一种智能问答交互装置,包括:
对话信息分析单元,用于对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
概率值判断单元,用于判断所述初始对话意图的概率值是否大于预设概率阈值,若是,运行对话意图确定单元;
若否,运行引导对话单元和对话信息更新单元;
所述对话意图确定单元,用于确定所述用户的对话意图;
所述引导对话单元,用于根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;
所述对话信息更新单元,用于更新所述用户的对话信息,并在更新后运行所述对话信息分析单元和所述概率值判断单元。
本申请还提供一种电子设备,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;
若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及
更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值。
本申请提供的智能问答交互方法,包括:对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤。
本申请提供的所述智能问答交互方法,通过分析用户的对话信息获得用户当前请求对话的初始对话意图的概率值,并判断所述初始对话意图的概率值是否大于预设概率阈值,如果所述初始对话意图的概率值大于所述预设概率阈值,则根据当前所述用户的对话信息识别所述用户的对话意图;如果初始对话意图的概率值小于或者等于所述预设概率阈值,无法根据当前所述用户的对话信息识别所述用户的对话意图,则根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,并更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤,根据更新后的所述用户的对话信息来识别所述用户的对话意图。所述智能问答交互方法,在无法根据当前用户的对话信息识别用户的对话意图的情况下,可根据当前对话信息获得的引导问题与用户进行一次或者多次对话,通过引导用户以获取更加全面的对话信息即可识别用户的对话意图,实现方式简单,提升了用户服务体验。
附图说明
附图1是本申请提供的一种智能问答交互方法实施例的处理流程图;
附图2是本申请提供的一种智能问答交互方法实施方式的示意图;
附图3是本申请提供的一种智能问答交互装置实施例的示意图;
附图4是本申请提供的一种电子设备实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种智能问答交互方法,本申请还提供一种智能问答交互装置,以及一种电子设备。以下分别结合本申请提供的实施例的附图逐一进行详细说明,并且对方法的各个步骤进行说明。
本申请提供的一种智能问答交互方法实施例如下:
参照附图1,其示出了本申请提供的一种智能问答交互方法实施例的处理流程图,参照附图2,其示出了本申请提供的一种智能问答交互方法实施方式的示意图。此外,所述智能问答交互方法实施例的各个步骤之间的关系,请根据附图1确定。
步骤S101,对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值。
在客服领域,为了提高客服的工作效率,智能客服机器人得到了广泛的应用,智能客服机器人基于其上运行的智能客服系统为用户提供服务,此外,有的智能客服机器人还可以通过其上运行的智能客服系统和其他系统的结合为用户提供服务,比如其上运行的智能客服系统和IVR(Interactive Voice Response,互动式语音应答)系统的结合,或者其上运行的智能客服系统和聊天系统的结合。
本申请实施例所述对话信息,是指所述用户与所述智能客服系统进行对话生成的信息,包括所述用户针对当前发起的客服输入的描述信息,以及所述智能客服系统针对所述用户输入的描述信息的响应,或者所述智能客服系统向所述用户发出的引导问题。在实际当中,所述智能客服系统的录入用户数据的接口有可能是文字录入接口,还有可能是语音录入接口或者视频录入接口,相应的,所述对话信息中可能包含文字类型的对话信息,还可能包含语音类型或者视频类型的对话信息。
比如用户在使用支付平台或者购物平台的过程中,遇到无法解决的问题需要求助支付平台或者购物平台,通过支付平台或者购物平台提供的在线服务来咨询或者需求帮助,来解决面临的问题,用户在使用支付平台或者购物平台提供的在线服务时,通过支付平台或者购物平台提供的在线服务网页来输入文字信息或者语音信息,或者通过支付平台或者购物平台提供的支付软件或者购物开放的在线客服功能模块来输入文字信息或者语音信息,用户输入的文字信息或者语音信息用于描述用户当前在使用支付平台或者购物平台时所面临的问题。例如,如附图2所示,用户在使用支付平台收取别人的转账,出现转账未到账的情形,此时,用户可以在支付平台的智能客服系统当中输入表征当前面临问题的文字信息:“别人给我转账的钱没有收到啊”,当然用户也可以将上述文字信息通过语音的方式输入支付平台的智能客服系统。相应的,用户向所述智能客服系统输入相应的对话信息后,所述智能客服系统即接收到所述用户输入的所述对话信息。例如,智能客服系统接收到的用户通过文字录入接口输入的文字信息:“别人给我转账的钱没有收到啊”,或者,智能客服系统接收到的用户通过语音录入接口输入的语音信息:“别人给我转账的钱没有收到啊”。
所述初始对话意图,是指所述用户咨询客服所遇到的问题或者想要进行的任务,实际应用中,所述用户的初始对话意图可能是一个,也有可能是多个。例如,用户输入的文字信息:“别人给我转账的钱没有收到啊”,其对应的初始对话意图可能是“询问转账到卡失败”,也可能是“询问转账到卡失败”和“询问转账到账户失败”。
在具体实施时,如果所述用户与所述智能客服系统进行对话生成的所述对话信息当中,包含有所述用户输入的语音类型和/或视频类型的对话信息,则在本步骤执行之前,执行数据类型转换操作,将所述对话信息中包含的语音类型和/或视频类型的对话信息,从语音类型和/或视频类型转换为文字类型,所述数据类型转换操作具体实现如下:将所述用户输入的所述对话信息从语音类型和/或视频类型转换为文字类型。例如,将用户输入的语音信息“别人给我转账的钱没有收到啊”转换为文字信息,或者,将用户输入的采用视频方式录制表征“别人给我转账的钱没有收到啊”的视频类型的信息转换为文字信息。
在实际应用中,可以采用多种具体的实现方式,实现所述数据类型转换操作。实现所述数据类型转换操作的各种形式的变化,都只是具体实现方式的变更,都不偏离本申请的核心,因此都在本申请的保护范围之内。
在此基础上,为了使分析获得的用户的初始对话意图更加准确,在上述数据类型转换操作执行之后,还可以汇总用户与智能客服系统进行对话生成的所有对话信息,通过汇总获得的对话信息来分析获得用户的初始对话意图。
在实际应用中,由于用户之间存在个体差异,可能有的用户输入的对话信息较为完整,也可能有的用户输入的对话信息较为简略;另一方面,可能有的用户输入的对话信息较为准确,也可能有的用户输入的对话信息的准确度较差,在这种情况下,根据用户输入的对话信息分析获得的相应的初始对话意图也可能有所不同,因此,本实施例通过各个初始对话意图的概率值来衡量所述初始对话意图的可能性或者真实性。本步骤中,对所述用户的对话信息进行分析,获得所述用户的初始对话意图的概率值。
在具体实施时,本步骤对所述用户的对话信息进行分析,获得所述初始对话意图的概率值,可采用预设的意图分析模型来实现,通过所述意图分析模型来分析得出所述用户的初始对话意图的概率值,其中,所述意图分析模型的输入包括所述用户的对话信息,所述意图分析模型的输出包括所述用户的初始对话意图的概率值。具体的,所述意图分析模型在根据所述用户的对话信息进行分析时,可以根据所述对话信息中包含的关键字和/或关键词,利用深层神经网络(DNN,Deep Neural Network)算法计算获得所述用户的初始对话意图的概率值。例如,将用户的对话信息“别人给我转账的钱没有收到啊”输入意图分析模型进行分析计算,意图分析模型输出的结果如下:
初始对话意图:“询问转账到卡失败”,概率值:20%;初始对话意图:“询问转账到账户失败”,概率值:40%;
或者,
初始对话意图:“询问转账到卡失败”,概率值:60%。
步骤S102,判断所述初始对话意图的概率值是否大于预设概率阈值。
本步骤中,根据上述步骤S101获得的所述用户的初始对话意图的概率值,判断所述用户的初始对话意图的概率值是否大于所述预设概率阈值,下面针对不同情形分别进行说明:
1)如果所述用户的初始对话意图只有一个,则判断该初始对话意图的概率值是否大于所述预设概率阈值;
若是,则表明根据当前所述用户的对话信息已经能够识别出所述用户发起客服真实的对话意图,执行下述步骤S103,确定所述用户的对话意图;例如,用户的初始对话意图“询问转账到卡失败”,其概率值为60%,预设概率阈值为50%,初始对话意图“询问转账到卡失败”的概率值大于预设概率阈值,则执行下述步骤S103。
若否,则表明根据当前所述用户的对话信息还无法识别出所述用户发起客服真实的对话意图,还需要与所述用户进行对话以获取足够多的对话信息,执行下述步骤S104和步骤S105,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,以及更新所述用户的对话信息。
2)如果所述用户的初始对话意图有多个,则可以判断是否存在至少一个概率值大于所述预设概率阈值的初始对话意图;
若是,则表明根据当前所述用户的对话信息已经能够识别出所述用户发起客服真实的对话意图,执行下述步骤S103,确定所述用户的对话意图;
若否,则表明根据当前所述用户的对话信息还无法识别出所述用户发起客服真实的对话意图,还需要与所述用户进行对话以获取足够多的对话信息,执行下述步骤S104和步骤S105,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,以及更新所述用户的对话信息。例如,如附图2所示用户的初始对话意图“询问转账到卡失败”,其概率值为20%,初始对话意图“询问转账到账户失败”,其概率值为40%,预设概率阈值为50%,由于初始对话意图“询问转账到卡失败”和初始对话意图“询问转账到账户失败”的概率值均小于预设概率阈值,则执行下述步骤S104和步骤S105。
步骤S103,确定所述用户的对话意图。
本步骤得以实施的前提是上述步骤S102判断所述用户的初始对话意图的概率值是否大于所述预设概率阈值的判断结果为是,表明根据当前所述用户的对话信息已经能够识别出所述用户发起客服真实的对话意图,在此基础上,通过本步骤来确定所述用户的对话意图。与上述判断所述初始对话意图的概率值是否大于所述预设概率阈值的实现方式相对应,本步骤确定所述用户的对话意图的实现方式具体如下:
1)如果所述用户的初始对话意图只有一个,并且该初始对话意图的概率值大于所述预设概率阈值,则将该初始对话意图作为所述用户的对话意图。例如,用户的初始对话意图“询问转账到卡失败”,其概率值为60%,预设概率阈值为50%,由于初始对话意图“询问转账到卡失败”的概率值大于预设概率阈值,则将初始对话意图“询问转账到卡失败”作为用户的对话意图。
2)如果所述用户的初始对话意图有多个,并且存在至少一个概率值大于所述预设概率阈值的初始对话意图,采用如下方式:
若概率值大于所述预设概率阈值的初始对话意图有多个(至少两个),则从概率值大于所述预设概率阈值的多个初始对话意图中选择概率值最大的初始对话意图作为所述用户的对话意图;
若概率值大于所述预设概率阈值的初始对话意图只有一个,则将概率值大于所述预设概率阈值的唯一一个初始对话意图作为所述用户的对话意图。
在具体实施时,在本步骤执行之后,即确定所述用户真实的对话意图之后,可以执行对话切换操作,通过所述对话切换操作将当前智能客服系统与所述用户之间的对话切换至人工客服进行对话,使所述智能客服系统在识别了所述用户真实的对话意图之后,才将所述用户当前与所述智能客服系统的对话切换到人工客服,从而减少了人工客服的话务量,同时也提升了人工客服的工作效率。所述对话切换操作采用如下方式:结束当前对话,并将当前对话切换至所述用户的对话意图对应的人工客服进行对话。
其中,所述将当前对话切换至所述用户的对话意图对应的人工客服,可采用如下方式实现:
在预设的对话意图和业务类型的对应关系中检索所述用户的对话意图对应的业务类型;
将当前对话切换至检索到的业务类型对应的人工客服进行对话。
在实际应用中,可以采用多种具体的实现方式,实现所述对话切换操作。实现所述对话切换操作的各种形式的变化,都只是具体实现方式的变更,都不偏离本申请的核心,因此都在本申请的保护范围之内。
步骤S104,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话。
本步骤和下述步骤S105得以实施的前提是上述步骤S102判断所述初始对话意图的概率值是否大于所述预设概率阈值的判断结果为否,表明根据当前所述用户的对话信息还无法识别出所述用户发起客服真实的对话意图,还需要与所述用户进行对话以获取足够多或者足够有效的对话信息,因此通过本步骤和下述步骤S105与所述用户进行对话以获取足够多或者足够有效的对话信息。
本步骤中,根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话。例如,如附图2所示用户的初始对话意图“询问转账到卡失败”,其概率值为20%,初始对话意图“询问转账到账户失败”,其概率值为40%,预设概率阈值为50%,由于初始对话意图“询问转账到卡失败”和初始对话意图“询问转账到账户失败”的概率值均小于预设概率阈值,则从问答知识库中筛选出引导问题:“请问您接收转账的是银行卡还是支付宝账户?”,用户得知引导问题之后输入对话信息:“银行卡”。
在具体实施时,本步骤根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,可采用预设的问题筛选模型实现,通过所述问题筛选模型从所述问答知识库中筛选出相应引导问题,具体的,所述问题筛选模型的输入包括所述用户的对话信息和所述用户的初始对话意图的概率值,所述意图分析模型的输出为从所述问答知识库中筛选出的引导问题。
具体的,所述问题筛选模型从所述问答知识库中筛选出相应引导问题时,可以利用LSTM(Long-Short Term Memory)网络从所述问答知识库中筛选所述引导问题。此外,所述问题筛选模型从所述问答知识库中筛选出相应引导问题时,还可以按照最大熵原理从所述问答知识库中筛选所述引导问题,对此不作限定。
此外,在具体实施时,如果所述用户与所述智能客服系统之间采用语音的方式进行对话,则本步骤根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,可采用如下方式实现:根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选所述引导问题;将所述引导问题从文字类型转换为语音类型和/或视频类型,并依据所述语音类型和/或视频类型的引导问题与所述用户进行对话。例如,将引导问题“请问您接收转账的是银行卡还是支付宝账户?”从文字信息转换为语音信息,利用转换后的语音信息与用户进行对话;或者,生成显示引导问题“请问您接收转账的是银行卡还是支付宝账户?”的视频信息,利用生成的视频信息与所述用户进行对话。
相应的,所述用户在与所述智能客服系统进行对话时,获知所述智能客服系统发出的语音类型的引导问题之后,针对所述语音类型的引导问题同样可以输入语音类型的答复信息,即对话信息,则针对所述用户输入的语音类型的对话信息,还需要将所述用户针对所述引导问题输入的对话信息从语音类型转换为文字类型。例如,将用户输入的语音信息“银行卡”转换为文字信息。
除此之外,上述根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选引导问题,还可以采用如下方式实现:提取所述对话信息和/或所述初始对话意图中包含的关键字和/或关键词;根据所述关键字和/或关键词从所述问答知识库中筛选与所述关键字和/或关键词的匹配度最高的引导问题。
步骤S105,更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值步骤。
上述步骤S104根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,本步骤中,根据上述步骤S104获得所述引导问题和所述用户针对所述引导问题输入的对话信息,来更新所述用户的对话信息,并在所述用户的对话信息更新之后,返回执行上述步骤S101。具体的,基于更新后的所述用户的对话信息执行上述步骤S101时,将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值。例如,将用户与智能客服系统之间的对话信息“别人给我转账的钱没有收到啊”、“请问您接收转账的是银行卡还是支付宝账户?”以及“银行卡”作为输入流输入意图分析模型当中,获得相应的初始对话意图“询问转账到银行卡失败”,其概率值为90%。
在此基础上,基于上述获得的所述更新后的对话信息对应的初始对话意图的概率值,在执行上述步骤S102时,若所述更新后的对话信息对应的初始对话意图的概率值大于所述预设概率阈值,则执行上述步骤S103,确定所述用户的对话意图,例如,如附图2所示,初始对话意图“询问转账到银行卡失败”的概率值为90%,大于预设概率阈值50%,则将“询问转账到银行卡失败”作为用户的对话意图;若所述更新后的对话信息对应的初始对话意图的概率值小于或者等于所述预设概率阈值,则进一步获取所述用户与所述智能客服系统的对话信息,将所述更新后的对话信息、所述更新后的对话信息对应的初始对话意图的概率值代入所述问题筛选模型,获得所述更新后的对话信息对应的引导问题,并根据所述更新后的对话信息对应的引导问题与所述用户进行对话。
综上所述,本申请提供的所述智能问答交互方法,通过分析用户的对话信息获得用户当前请求对话的初始对话意图的概率值,并判断所述初始对话意图的概率值是否大于预设概率阈值,如果所述初始对话意图的概率值大于所述预设概率阈值,则根据当前所述用户的对话信息识别所述用户的对话意图;如果初始对话意图的概率值小于或者等于所述预设概率阈值,无法根据当前所述用户的对话信息识别所述用户的对话意图,则根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,并更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤,根据更新后的所述用户的对话信息来识别所述用户的对话意图。所述智能问答交互方法,在无法根据当前用户的对话信息识别用户的对话意图的情况下,可根据当前对话信息获得的引导问题与用户进行一次或者多次对话,通过引导用户以获取更加全面的对话信息即可识别用户的对话意图,实现方式简单,提升了用户服务体验。
本申请提供的一种智能问答交互装置实施例如下:
在上述的实施例中,提供了一种智能问答交互方法,与之相对应的,本申请还提供了一种智能问答交互装置,下面结合附图进行说明。
参照附图3,其示出了本申请提供的一种智能问答交互装置实施例的示意图。
由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种智能问答交互装置,包括:
对话信息分析单元301,用于对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
概率值判断单元302,用于判断所述初始对话意图的概率值是否大于预设概率阈值,若是,运行对话意图确定单元303;
若否,运行引导对话单元304和对话信息更新单元305;
所述对话意图确定单元303,用于确定所述用户的对话意图;
所述引导对话单元304,用于根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;
所述对话信息更新单元305,用于更新所述用户的对话信息。
可选的,所述智能问答交互装置,包括:
对话信息汇总单元,用于汇总所述用户的对话信息。
可选的,所述对话信息的类型包括:
语音类型、文字类型和/或视频类型。
可选的,若所述对话信息为语音类型和/或视频类型,相应的,所述对话信息汇总单元具体用于将所述用户输入的所述对话信息从语音类型和/或视频类型转换为文字类型。
可选的,所述引导对话单元304,包括:
引导问题筛选子单元,用于根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选所述引导问题;
类型转换子单元,用于将所述引导问题从文字类型转换为语音类型和/或视频类型,并依据所述语音类型和/或视频类型的引导问题与所述用户进行对话。
可选的,所述智能问答交互装置,包括:
类型转换单元,用于将所述用户针对所述引导问题输入的对话信息从语音类型和/或视频类型转换为文字类型。
可选的,对话意图确定单元303,包括:
第一确定单元子单元,用于将所述初始对话意图作为所述用户的对话意图。
可选的,所述概率值判断单元302,具体用于判断是否存在至少一个概率值大于所述预设概率阈值的初始对话意图,若是,运行所述对话意图确定单元303。
可选的,所述对话意图确定单元303,包括:
第二确定单元子单元,用于从概率值大于所述预设概率阈值的多个初始对话意图中选择概率值最大的初始对话意图作为所述用户的对话意图,或者,将概率值大于所述预设概率阈值的唯一一个初始对话意图作为所述用户的对话意图。
可选的,引导对话单元304,包括:
提取子单元,用于提取所述对话信息和/或所述初始对话意图中包含的关键字和/或关键词;
筛选子单元,用于根据所述关键字和/或关键词从所述问答知识库中筛选与所述关键字和/或关键词的匹配度最高的引导问题。
可选的,所述对话信息分析单元301,基于预设的意图分析模型实现,所述意图分析模型的输入包括所述用户的对话信息,所述意图分析模型的输出包括所述用户的初始对话意图的概率值。
可选的,所述意图分析模型根据所述对话信息中包含的关键字和/或关键词,利用深层神经网络算法计算获得所述用户的初始对话意图的概率值。
可选的,所述引导对话单元304,基于预设的问题筛选模型实现,所述问题筛选模型的输入包括所述用户的对话信息和所述用户的初始对话意图的概率值,所述意图分析模型的输出为从所述问答知识库中筛选出的引导问题。
可选的,所述问题筛选模型利用LSTM网络从所述问答知识库中筛选所述引导问题。
可选的,所述问题筛选模型按照最大熵原理从所述问答知识库中筛选所述引导问题。
可选的,在所述用户的对话信息更新后运行所述对话信息分析单元301时,将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值。
可选的,在所述用户的对话信息更新后运行所述概率值判断单元302时,若所述更新后的对话信息对应的初始对话意图的概率值小于或者等于所述预设概率阈值,则将所述更新后的对话信息、所述更新后的对话信息对应的初始对话意图的概率值代入所述问题筛选模型,获得所述更新后的对话信息对应的引导问题,并根据所述更新后的对话信息对应的引导问题与所述用户进行对话。
可选的,所述智能问答交互装置,包括:
对话切换单元,用于结束当前对话,并将当前对话切换至所述用户的对话意图对应的人工客服进行对话。
可选的,所述对话切换单元,包括:
业务类型检索子单元,用于在预设的对话意图和业务类型的对应关系中检索所述用户的对话意图对应的业务类型;
人工客服切换子单元,用于将当前对话切换至检索到的业务类型对应的人工客服进行对话。
本申请提供的一种电子设备实施例如下:
在上述的实施例中,提供了一种智能问答交互方法,此外,本申请还提供了一种用于实现所述智能问答交互方法的电子设备,下面结合附图进行说明。
参照附图4,其示出了本实施例提供的一种电子设备的示意图。
本申请提供的所述电子设备实施例描述得比较简单,相关的部分请参见上述提供的所述智能问答交互方法实施例的对应说明即可。下述描述的实施例仅仅是示意性的。
本申请提供一种电子设备,包括:
存储器401,以及处理器402;
所述存储器401用于存储计算机可执行指令,所述处理器402用于执行所述计算机可执行指令:
对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;
若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及
更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值。
可选的,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值指令执行之前,所述处理器402还用于执行如下计算机可执行指令:
汇总所述用户的对话信息。
可选的,所述对话信息的类型包括:
语音类型、文字类型和/或视频类型。
可选的,若所述对话信息为语音类型和/或视频类型,相应的,所述汇总所述用户的对话信息,包括:
将所述用户输入的所述对话信息从语音类型和/或视频类型转换为文字类型。
可选的,若所述初始对话意图的概率值小于或者等于所述预设概率阈值,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,采用如下方式实现:
根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选所述引导问题;
将所述引导问题从文字类型转换为语音类型和/或视频类型,并依据所述语音类型和/或视频类型的引导问题与所述用户进行对话。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话指令执行之后,且所述更新所述问答信息指令执行之前,所述处理器402还用于执行如下计算机可执行指令:
将所述用户针对所述引导问题输入的对话信息从语音类型和/或视频类型转换为文字类型。
可选的,若根据所述对话信息分析获得的所述初始对话意图只有一个,则所述确定所述用户的对话意图,采用如下方式实现:
将所述初始对话意图作为所述用户的对话意图。
可选的,若根据所述对话信息分析获得的所述初始对话意图有多个,所述判断所述初始对话意图的概率值是否大于预设概率阈值,采用如下方式实现:
判断是否存在至少一个概率值大于所述预设概率阈值的初始对话意图,若是,执行所述确定所述用户的对话意图。
可选的,所述确定所述用户的对话意图,采用如下方式实现:
从概率值大于所述预设概率阈值的多个初始对话意图中选择概率值最大的初始对话意图作为所述用户的对话意图,或者,将概率值大于所述预设概率阈值的唯一一个初始对话意图作为所述用户的对话意图。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,采用如下方式实现:
提取所述对话信息和/或所述初始对话意图中包含的关键字和/或关键词;
根据所述关键字和/或关键词从所述问答知识库中筛选与所述关键字和/或关键词的匹配度最高的引导问题。
可选的,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值,基于预设的意图分析模型实现,所述意图分析模型的输入包括所述用户的对话信息,所述意图分析模型的输出包括所述用户的初始对话意图的概率值。
可选的,所述意图分析模型根据所述对话信息中包含的关键字和/或关键词,利用深层神经网络算法计算获得所述用户的初始对话意图的概率值。
可选的,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,基于预设的问题筛选模型实现,所述问题筛选模型的输入包括所述用户的对话信息和所述用户的初始对话意图的概率值,所述意图分析模型的输出为从所述问答知识库中筛选出的引导问题。
可选的,所述问题筛选模型利用LSTM网络从所述问答知识库中筛选所述引导问题。
可选的,所述问题筛选模型按照最大熵原理从所述问答知识库中筛选所述引导问题。
可选的,所述更新所述用户的对话信息指令执行之后,所述处理器402在执行所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值指令时,将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值。
可选的,所述更新所述用户的对话信息指令执行之后,且将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值之后,所述处理器402在执行所述判断所述初始对话意图的概率值是否大于预设概率阈值指令时,若所述更新后的对话信息对应的初始对话意图的概率值小于或者等于所述预设概率阈值,则将所述更新后的对话信息、所述更新后的对话信息对应的初始对话意图的概率值代入所述问题筛选模型,获得所述更新后的对话信息对应的引导问题,并根据所述更新后的对话信息对应的引导问题与所述用户进行对话。
可选的,若所述对话意图的概率值大于所述预设概率阈值,则所述确定所述用户的对话意图指令执行之后,所述处理器402还用于执行如下计算机可执行指令:
结束当前对话,并将当前对话切换至所述用户的对话意图对应的人工客服进行对话。
可选的,所述将当前对话切换至所述用户的对话意图对应的人工客服,采用如下方式实现:
在预设的对话意图和业务类型的对应关系中检索所述用户的对话意图对应的业务类型;
将当前对话切换至检索到的业务类型对应的人工客服进行对话。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
Claims (21)
1.一种智能问答交互方法,其特征在于,包括:
对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;
若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及
更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值步骤。
2.根据权利要求1所述的智能问答交互方法,其特征在于,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值步骤执行之前,执行下述步骤:
汇总所述用户的对话信息。
3.根据权利要求2所述的智能问答交互方法,其特征在于,所述对话信息的类型包括:
语音类型、文字类型和/或视频类型。
4.根据权利要求3所述的智能问答交互方法,其特征在于,若所述对话信息为语音类型和/或视频类型,相应的,所述汇总所述用户的对话信息,包括:
将所述用户输入的所述对话信息从语音类型和/或视频类型转换为文字类型。
5.根据权利要求4所述的智能问答交互方法,其特征在于,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话,采用如下方式实现:
根据所述对话信息和所述初始对话意图的概率值从所述问答知识库中筛选所述引导问题;
将所述引导问题从文字类型转换为语音类型和/或视频类型,并依据所述语音类型和/或视频类型的引导问题与所述用户进行对话。
6.根据权利要求5所述的智能问答交互方法,其特征在于,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话步骤执行之后,且所述更新所述对话信息步骤执行之前,执行下述步骤:
将所述用户针对所述引导问题输入的对话信息从语音类型和/或视频类型转换为文字类型。
7.根据权利要求1所述的智能问答交互方法,其特征在于,若根据所述对话信息分析获得的所述初始对话意图只有一个,则所述确定所述用户的对话意图,采用如下方式实现:
将所述初始对话意图作为所述用户的对话意图。
8.根据权利要求1所述的智能问答交互方法,其特征在于,若根据所述对话信息分析获得的所述初始对话意图有多个,所述判断所述初始对话意图的概率值是否大于预设概率阈值,采用如下方式实现:
判断是否存在至少一个概率值大于所述预设概率阈值的初始对话意图,若是,执行所述确定所述用户的对话意图步骤。
9.根据权利要求8所述的智能问答交互方法,其特征在于,所述确定所述用户的对话意图,采用如下方式实现:
从概率值大于所述预设概率阈值的多个初始对话意图中选择概率值最大的初始对话意图作为所述用户的对话意图,或者,将概率值大于所述预设概率阈值的唯一一个初始对话意图作为所述用户的对话意图。
10.根据权利要求1所述的智能问答交互方法,其特征在于,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,采用如下方式实现:
提取所述对话信息和/或所述初始对话意图中包含的关键字和/或关键词;
根据所述关键字和/或关键词从所述问答知识库中筛选与所述关键字和/或关键词的匹配度最高的引导问题。
11.根据权利要求1所述的智能问答交互方法,其特征在于,所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值,基于预设的意图分析模型实现,所述意图分析模型的输入包括所述用户的对话信息,所述意图分析模型的输出包括所述用户的初始对话意图的概率值。
12.根据权利要求11所述的智能问答交互方法,其特征在于,所述意图分析模型根据所述对话信息中包含的关键字和/或关键词,利用深层神经网络算法计算获得所述用户的初始对话意图的概率值。
13.根据权利要求11所述的智能问答交互方法,其特征在于,所述根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,基于预设的问题筛选模型实现,所述问题筛选模型的输入包括所述用户的对话信息和所述用户的初始对话意图的概率值,所述意图分析模型的输出为从所述问答知识库中筛选出的引导问题。
14.根据权利要求13所述的智能问答交互方法,其特征在于,所述问题筛选模型利用LSTM网络从所述问答知识库中筛选所述引导问题。
15.根据权利要求13所述的智能问答交互方法,其特征在于,所述问题筛选模型按照最大熵原理从所述问答知识库中筛选所述引导问题。
16.根据权利要求13所述的智能问答交互方法,其特征在于,所述更新所述用户的对话信息步骤执行之后,在执行所述对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值步骤时,将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值。
17.根据权利要求16所述的智能问答交互方法,其特征在于,所述更新所述用户的对话信息步骤执行之后,且将更新后的对话信息代入所述意图分析模型进行计算,获得所述更新后的对话信息对应的初始对话意图的概率值之后,在执行所述判断所述初始对话意图的概率值是否大于预设概率阈值步骤时,若所述更新后的对话信息对应的初始对话意图的概率值小于或者等于所述预设概率阈值,则将所述更新后的对话信息、所述更新后的对话信息对应的初始对话意图的概率值代入所述问题筛选模型,获得所述更新后的对话信息对应的引导问题,并根据所述更新后的对话信息对应的引导问题与所述用户进行对话。
18.根据权利要求1所述的智能问答交互方法,其特征在于,若所述对话意图的概率值大于所述预设概率阈值,则所述确定所述用户的对话意图步骤执行之后,执行下述步骤:
结束当前对话,并将当前对话切换至所述用户的对话意图对应的人工客服进行对话。
19.根据权利要求18所述的智能问答交互方法,其特征在于,所述将当前对话切换至所述用户的对话意图对应的人工客服,采用如下方式实现:
在预设的对话意图和业务类型的对应关系中检索所述用户的对话意图对应的业务类型;
将当前对话切换至检索到的业务类型对应的人工客服进行对话。
20.一种智能问答交互装置,其特征在于,包括:
对话信息分析单元,用于对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
概率值判断单元,用于判断所述初始对话意图的概率值是否大于预设概率阈值,若是,运行对话意图确定单元;
若否,运行引导对话单元和对话信息更新单元;
所述对话意图确定单元,用于确定所述用户的对话意图;
所述引导对话单元,用于根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;
所述对话信息更新单元,用于更新所述用户的对话信息。
21.一种电子设备,其特征在于,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
对用户的对话信息进行分析,获得所述用户的初始对话意图的概率值;
判断所述初始对话意图的概率值是否大于预设概率阈值,若是,确定所述用户的对话意图;
若否,根据所述对话信息和所述初始对话意图的概率值从问答知识库中筛选引导问题,并依据所述引导问题与所述用户进行对话;以及
更新所述用户的对话信息,并在更新后返回执行所述对用户的对话信息进行分析,获得所述用户的对话意图的概率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610992645.7A CN108073600B (zh) | 2016-11-11 | 2016-11-11 | 一种智能问答交互方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610992645.7A CN108073600B (zh) | 2016-11-11 | 2016-11-11 | 一种智能问答交互方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073600A CN108073600A (zh) | 2018-05-25 |
CN108073600B true CN108073600B (zh) | 2022-06-03 |
Family
ID=62154549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610992645.7A Active CN108073600B (zh) | 2016-11-11 | 2016-11-11 | 一种智能问答交互方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108073600B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959404A (zh) * | 2018-06-06 | 2018-12-07 | 北京春雨天下软件有限公司 | 智能追问方法及装置 |
CN109947909B (zh) * | 2018-06-19 | 2024-03-12 | 平安科技(深圳)有限公司 | 智能客服应答方法、设备、存储介质及装置 |
CN108959467B (zh) * | 2018-06-20 | 2021-10-15 | 华东师范大学 | 一种基于强化学习的问句和答案句相关度的计算方法 |
CN108984655B (zh) * | 2018-06-28 | 2021-01-01 | 厦门快商通信息技术有限公司 | 一种客服机器人智能客服引导方法 |
CN109003605B (zh) * | 2018-07-02 | 2020-04-21 | 北京百度网讯科技有限公司 | 智能语音交互处理方法、装置、设备及存储介质 |
CN109727041B (zh) * | 2018-07-03 | 2023-04-18 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
CN108965620A (zh) * | 2018-08-24 | 2018-12-07 | 杭州数心网络科技有限公司 | 一种人工智能呼叫中心系统 |
CN109388692A (zh) * | 2018-09-06 | 2019-02-26 | 北京京东尚科信息技术有限公司 | 人机对话的信息处理方法、服务器和终端 |
CN110879837B (zh) * | 2018-09-06 | 2022-01-14 | 华为技术有限公司 | 一种信息处理方法及装置 |
CN109618069A (zh) * | 2018-11-28 | 2019-04-12 | 上海智阔通讯技术中心 | 自动呼叫应答方法及系统 |
CN109688281A (zh) * | 2018-12-03 | 2019-04-26 | 复旦大学 | 一种智能语音交互方法及系统 |
CN109727091B (zh) * | 2018-12-14 | 2022-04-05 | 平安科技(深圳)有限公司 | 基于对话机器人的产品推荐方法、装置、介质及服务器 |
CN109783626B (zh) * | 2018-12-29 | 2022-05-31 | 联想(北京)有限公司 | 问题生成方法、智能问答系统、介质以及计算机系统 |
CN109840802B (zh) * | 2018-12-29 | 2023-04-28 | 深圳巨湾科技有限公司 | 通信方法及装置、房地产系统、计算机及可读存储介质 |
CN110059174B (zh) * | 2019-04-28 | 2023-05-30 | 科大讯飞股份有限公司 | 问询指引方法及装置 |
CN110110048B (zh) * | 2019-05-10 | 2023-06-02 | 科大讯飞股份有限公司 | 问询指引方法及装置 |
CN112115239A (zh) * | 2019-06-20 | 2020-12-22 | 北京京东尚科信息技术有限公司 | 一种人机对话的方法、装置和存储介质 |
CN110472136A (zh) * | 2019-07-04 | 2019-11-19 | 微民保险代理有限公司 | 查询结果的推送方法、装置、存储介质和计算机设备 |
US11935521B2 (en) * | 2019-09-12 | 2024-03-19 | Oracle International Corporation | Real-time feedback for efficient dialog processing |
CN111050002B (zh) * | 2019-12-17 | 2021-07-30 | 北京鸿博信通科技有限公司 | 一种智能电话总机及其工作方法和系统 |
CN111191018B (zh) * | 2019-12-30 | 2023-10-20 | 华为技术有限公司 | 对话系统的应答方法和装置、电子设备、智能设备 |
CN111414467A (zh) * | 2020-03-20 | 2020-07-14 | 中国建设银行股份有限公司 | 问答对话方法、装置、电子设备及计算机可读存储介质 |
CN112035627B (zh) * | 2020-07-27 | 2023-11-17 | 深圳技术大学 | 自动问答方法、装置、设备及存储介质 |
CN112256824B (zh) * | 2020-09-17 | 2023-10-20 | 国网安徽省电力有限公司 | 一种用于机器人服务的业务引导方法、系统和存储介质 |
CN112380875A (zh) * | 2020-11-18 | 2021-02-19 | 杭州大搜车汽车服务有限公司 | 对话标签跟踪方法、装置、电子装置及存储介质 |
CN112527983A (zh) * | 2020-11-27 | 2021-03-19 | 长威信息科技发展股份有限公司 | 一种个性化政务人机自然交互服务系统 |
CN112287091A (zh) * | 2020-11-30 | 2021-01-29 | 珠海采筑电子商务有限公司 | 智能问答方法及相关产品 |
CN112989014A (zh) * | 2021-04-30 | 2021-06-18 | 武汉龙津科技有限公司 | 对话处理方法、装置、电子设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1231742A (zh) * | 1996-07-19 | 1999-10-13 | 微软公司 | 智能用户辅助设备 |
KR20120079344A (ko) * | 2011-01-04 | 2012-07-12 | 삼성전자주식회사 | 결합기반의 음성명령 인식 장치 및 그 방법 |
CN102637192A (zh) * | 2012-02-17 | 2012-08-15 | 清华大学 | 一种自然语言问答的方法 |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN104699708A (zh) * | 2013-12-09 | 2015-06-10 | 中国移动通信集团北京有限公司 | 一种客服机器人的自学习方法及装置 |
CN105094315A (zh) * | 2015-06-25 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN105487663A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 一种面向智能机器人的意图识别方法和系统 |
CN105513593A (zh) * | 2015-11-24 | 2016-04-20 | 南京师范大学 | 一种语音驱动的智能人机交互方法 |
CN106095950A (zh) * | 2016-06-14 | 2016-11-09 | 中国科学院自动化研究所 | 一种人机对话中教授意图答案生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120296638A1 (en) * | 2012-05-18 | 2012-11-22 | Ashish Patwa | Method and system for quickly recognizing and responding to user intents and questions from natural language input using intelligent hierarchical processing and personalized adaptive semantic interface |
-
2016
- 2016-11-11 CN CN201610992645.7A patent/CN108073600B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1231742A (zh) * | 1996-07-19 | 1999-10-13 | 微软公司 | 智能用户辅助设备 |
KR20120079344A (ko) * | 2011-01-04 | 2012-07-12 | 삼성전자주식회사 | 결합기반의 음성명령 인식 장치 및 그 방법 |
CN102637192A (zh) * | 2012-02-17 | 2012-08-15 | 清华大学 | 一种自然语言问答的方法 |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN104699708A (zh) * | 2013-12-09 | 2015-06-10 | 中国移动通信集团北京有限公司 | 一种客服机器人的自学习方法及装置 |
CN105094315A (zh) * | 2015-06-25 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN105513593A (zh) * | 2015-11-24 | 2016-04-20 | 南京师范大学 | 一种语音驱动的智能人机交互方法 |
CN105487663A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 一种面向智能机器人的意图识别方法和系统 |
CN106095950A (zh) * | 2016-06-14 | 2016-11-09 | 中国科学院自动化研究所 | 一种人机对话中教授意图答案生成方法 |
Non-Patent Citations (2)
Title |
---|
"An Effective Two-Step Model for Speech Act Analysis in a Schedule Management Domain";Kim, Harksoo et al.;《Korean Journal of Cognitive Science》;20081231;第297-310页 * |
"基于网页概率潜在语义信息的用户兴趣聚类";钱学忠 等;《计算机工程与科学》;20140430;第765-771页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108073600A (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073600B (zh) | 一种智能问答交互方法、装置以及电子设备 | |
CN108153780B (zh) | 一种人机对话装置及其实现人机对话的方法 | |
CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
CN111932144B (zh) | 一种客服坐席分配方法、装置、服务器及存储介质 | |
CN111917878B (zh) | 消息处理方法、装置、设备及存储介质 | |
CN109829036A (zh) | 一种对话管理方法及相关装置 | |
CN110970021B (zh) | 一种问答控制方法、装置及系统 | |
JP2020521210A (ja) | 情報処理方法及び端末、コンピュータ記憶媒体 | |
CN112035638B (zh) | 信息处理方法、装置、存储介质及设备 | |
CN102779067B (zh) | 快捷操作设置方法及装置 | |
EP4345645A1 (en) | User question labeling method and device | |
CN111930912A (zh) | 对话管理方法及系统、设备和存储介质 | |
CN111625638B (zh) | 一种问句处理方法、装置、设备及可读存储介质 | |
CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
CN117575008A (zh) | 训练样本生成方法、模型训练方法、知识问答方法及设备 | |
CN113239698A (zh) | 基于rpa及ai的信息提取方法、装置、设备及介质 | |
CN117332054A (zh) | 表格问答处理方法、装置及设备 | |
US20200159824A1 (en) | Dynamic Contextual Response Formulation | |
CN114444514B (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
CN111949776B (zh) | 一种用户标签评估的方法、装置和电子设备 | |
CN115114453A (zh) | 基于知识图谱的智能客服实现方法和装置 | |
CN113868396A (zh) | 基于知识图谱的任务类智能对话构建方法及系统 | |
CN112925889A (zh) | 自然语言处理方法、装置、电子设备和存储介质 | |
CN110853623A (zh) | 一种基于语音问答的自动金融催收方法及装置 | |
CN114818683B (zh) | 一种基于移动端的运维方法及装置 |
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 |