CN108121799A - 回复语句的推荐方法、装置、存储介质及移动终端 - Google Patents
回复语句的推荐方法、装置、存储介质及移动终端 Download PDFInfo
- Publication number
- CN108121799A CN108121799A CN201711392792.1A CN201711392792A CN108121799A CN 108121799 A CN108121799 A CN 108121799A CN 201711392792 A CN201711392792 A CN 201711392792A CN 108121799 A CN108121799 A CN 108121799A
- Authority
- CN
- China
- Prior art keywords
- revert statement
- recommended
- revert
- statement
- user
- 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
-
- 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)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种回复语句的推荐方法、装置、存储介质及移动终端。该方法包括:获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;根据所述回复语句推荐模型,确定待推荐回复语句;在输入界面的回复语句展示区域展示所述待推荐回复语句。本申请所提供的技术方案,可以实现优化移动终端的信息交互过程中的推荐方式的效果。
Description
技术领域
本申请实施例涉及通信技术领域,尤其涉及一种回复语句的推荐方法、装置、存储介质及移动终端。
背景技术
随着移动通讯技术的发展,人们经常使用电子设备进行沟通,如通过一些聊天软件进行聊天。
目前,在输入法中,往往是通过统计用户对于词语的连续输入顺序确定为用户推荐的候选词的参考权重,如用户通过连续输入“十分给力”后,当再次使用该输入法输入“十分”时,则候选词中“给力”很可能会排在第一位,然而这种候选词的推荐方法并不够智能,很难适应用户的输入需求,不能够为用户节省信息输入的时间,提高信息交互的效率。
发明内容
本申请实施例提供一种回复语句的推荐方法、装置、存储介质及移动终端,可以实现优化移动终端的信息交互过程中的推荐方式的效果。
第一方面,本申请实施例提供了一种回复语句的推荐方法,该方法包括:
获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
根据所述回复语句推荐模型,确定待推荐回复语句;
在输入界面的回复语句展示区域展示所述待推荐回复语句。
第二方面,本申请实施例提供了一种回复语句的推荐装置,该装置包括:
信息输入模块,用于获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
待推荐回复语句确定模块,用于根据所述回复语句推荐模型,确定待推荐回复语句;
回复语句推荐模块,用于在输入界面的回复语句展示区域展示所述待推荐回复语句。
第三方面,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,该程序被处理器执行时实现如本申请实施例所述的回复语句的推荐方法。
第四方面,本申请实施例提供了一种移动终端,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的回复语句的推荐方法。
本申请实施例所提供的技术方案,通过获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;根据所述回复语句推荐模型,确定待推荐回复语句;在输入界面的回复语句展示区域展示所述待推荐回复语句,可以实现优化移动终端的信息交互过程中的推荐方式的效果。
附图说明
图1a为本申请实施例提供的一种回复语句的推荐方法的流程示意图;
图1b为本申请实施例提供的一种回复语句的推荐示意图;
图2a为本申请实施例提供的另一种回复语句的推荐方法的流程示意图;
图2b为本申请实施例提供的另一种回复语句的推荐示意图;
图3a为本申请实施例提供的另一种回复语句的推荐方法的流程示意图;
图3b为本申请实施例提供的另一种回复语句的推荐示意图;
图4为本申请实施例提供的另一种回复语句的推荐方法的流程示意图;
图5为本申请实施例提供的另一种回复语句的推荐方法的流程示意图;
图6为本申请实施例提供的一种回复语句的推荐装置的结构框图;
图7为本申请实施例提供的一种移动终端的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1a为本申请实施例提供的一种回复语句的推荐方法的流程示意图,该方法可以由回复语句的推荐装置执行,其中该装置可由软件和/或硬件实现,一般可集成在移动终端中。如图1a所示,该方法包括:
S101、获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成。
其中,当前对话可以是在移动终端的通讯软件中的对话内容,也可以是在贴吧、朋友圈等留言界面中,可以获取到用户需要回复的对方与用户之间的相互留言的内容。值得说明的是,本申请实施例中所指的对话内容可以是语音信息,也可以是文字信息,如果是语音信息,可以通过语音转文字后,得到该语音信息的文字内容。
本申请实施例中,所提到的回复语句推荐可以是检测到用户打开某应用程序并在该应用程序中调用输入法进行文字输入时,为用户提供回复语句,以使用户根据回复语句的推荐结果,进行快捷的语句回复,节约用户的信息的输入时间,并且还能够减少用户对输入法的点按所带来的算法负担,间接的节省终端的内存空间。
其中,所述回复语句推荐模型可以是基于文字对话记录作为训练样本,利用机器学习手段训练而成。其中,文字对话记录可以是从网络中获取到的大量的对话内容,进行对话内容筛选,将大量的网络对话内容进行训练,得到回复语句推荐模型。其中,文字对话记录还可以是客户端用户所使用的通信软件所产生的文字对话记录,进而通过训练,得到与用户的语言表达习惯相关的回复语句推荐模型,可以使得得到的回复语句推荐结果更加准确,并符合用户聊天过程中的表达习惯。本申请实施例通过使用回复语句推荐模型,还可以实现为用户提供更加能够表现出用户意图的回复语句,可以辅助用户完成自己的意思表达,避免用户在表达能力不强的时候不能够完全由所输入的文字表达出自己的思想,可以提高用户的文字交流过程中的体验效果。
S102、根据所述回复语句推荐模型,确定待推荐回复语句。
在将当前对话的至少一段对话内容输入至回复语句推荐模型后,可以由回复语句推荐模型得到待推荐回复语句。其中,待推荐的回复语句可以是一个,也可以是多个,当回复语句为多个的时候,可以按照待推荐回复语句的推荐分数来推荐,其中,根据当前对话的至少一段对话内容,以及根据回复语句推荐模型,越能够符合用户的意图的回复语句的推荐分数越高。
在现有技术中,往往是根据当前已经输入内容来确定待推荐回复语句,而本申请实施例所提供的技术方案可以在用户未输入任何内容时,直接根据当前对话的前文进行回复语句推荐,这样设置的好处是可以快速为用户提供用户想要输入的内容,扩大回复语句推荐的适用范围,并提高用户的文字内容的输入速度。
S103、在输入界面的回复语句展示区域展示所述待推荐回复语句。
其中,可以将输入法中的候选词展示区域拉伸后作为回复语句展示区域,还可以在输入法界面的上部增加一个回复语句展示层,该展示层可以设置为半透明,并在该半透明展示层上进行回复语句的展示。
图1b为本申请实施例提供的一种回复语句的推荐示意图。如图1b所示,当接收到当前对话的前文时,即图1b中的“阿姨”对用户说的“给你拿的苹果好吃吗”,可以将该段对话内容输入至回复语句推荐模型,既可以得到至少一个待推荐的回复语句,并在输入界面的回复语句展示区域展示待推荐回复语句,如图1b中的“还没有吃,但是看起来很不错”以及“苹果特别甜,特别好吃”等。在本实施例中,可选的,可以在回复语句展示区域展示2-4条回复语句,这样设置的好处是即能够为用户展示一定量的待推荐回复语句,又能够不影响用户观看对话窗口中双方的信息,提高用户在使用过程中的体验效果。
本申请实施例所提供的技术方案,通过获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;根据所述回复语句推荐模型,确定待推荐回复语句;在输入界面的回复语句展示区域展示所述待推荐回复语句,可以实现优化移动终端的信息交互过程中的推荐方式的效果。
图2a为本申请实施例提供的另一种回复语句的推荐方法的流程示意图,如图2a所示,该方法包括:
S201、获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成。
S202、根据所述回复语句推荐模型,确定待推荐回复语句。
S203、获取用户的按键操作,根据所述按键操作与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选。
其中,获取用户的按键操作,可以是检测用户对于触摸屏的触点所对应位置的虚拟按键,也可以是实际按键,其中,按键操作可以是对于文字信息的输入操作,如九宫格按键中如1-9的具体按键,还可以是其他按键,例如逗号按键,句号按键,以及中英文切换按键等,其中,当用户点按的是符号按键或者输入方式切换按键时,可以相应的将待推荐回复语句进行进一步的筛选。在本实施例中,具体的,可以是当用户点按中文切换至英文的按键时,将待推荐回复语句进行筛选,把待推荐回复语句中带有英文词语进行推荐。这样设置的好处是可以根据用户的使用需求为用户提供实际需要的回复语句,从而提高用户的使用体验。
图2b为本申请实施例提供的另一种回复语句的推荐示意图。如图2b所示,当接收到当前对话的对话内容时,并且在用户点按“8tuv”这个按键时,则可以在原有的待推荐回复语句“还没有吃,但是看起来很不错”以及“苹果特别甜,特别好吃”中进行进一步筛选。将以带有拼音首写字母“t”开头的“苹果特别甜,特别好吃”作为最优先推荐的回复语句,其他回复语句的推荐顺序后移。值得说明的是,在本申请实施例中不仅以两个回复语句作为示例,可以理解为在本技术方案和上一个技术方案中的其他待推荐回复语句在两个技术方案中的推荐顺序均在这两个回复语句之后。这样设置的好处是可以根据获取到的用户的信息输入操作对待推荐回复语句进行相应的调整,进而提高回复语句被选用的转化率,并能够提高用户的使用体验。
值得说明的是,图2b给出的是以增加半透明展示层的方式为用户显示推荐回复语句。这样设置的好处是可以在回复语句推荐的同时,进行候选词推荐。并且在本技术方案中,还可以对推荐的回复语句进行编辑,如可以复制、剪切以及粘贴等,这样设置的好处是不仅能够为用户提供完整的推荐回复语句,还可以为用户进行语句输入的过程中提供易于使用的语言素材,这样也可以丰富用户对于语句输入的内容或者情感,使用户的聊天内容更具亲和力,易于被他人所接收。
S204、在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
本技术方案在上述技术方案的基础上,提供了一种根据用户的按键操作对待推荐回复语句进行进一步筛选的方法,从本实施例中,不仅可以根据当前对话的前文进行回复语句推荐,还能够根据用户的按键操作对用户实际想要输入的内容进行预测,提高了推荐的回复语句的适用性,并能够提高用户的使用体验。
图3a为本申请实施例提供的另一种回复语句的推荐方法的流程示意图,如图3a所示,该方法包括:
S301、获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成。
S302、根据所述回复语句推荐模型,确定待推荐回复语句。
S303、获取用户在对话框中的已输入内容,根据所述已输入内容与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选。
其中,已输入内容可以是已经输入至对话框的内容,根据已经输入的内容与待推荐回复语句的匹配关系,其中匹配关系可以是根据语义匹配确定回复语句的语义,还可以是根据词性匹配确定回复语句的类型等,例如,已输入内容如果是“还没有吃”,则可以根据语义匹配,确定待推荐回复语句中带有转折语义的词语,如可以用“不过”,来带入转折语句。根据词性匹配可以是当已输入的内容为“非常”时,可以在根据对话内容确定的回复语句中,将与“非常”这一词性相搭配的回复语句进行推荐,如形容词+名词,副词+动词等,进而得到“甜”或者“好吃”等回复语句。
图3b为本申请实施例提供的另一种回复语句的推荐示意图。如图3b所示,当接收到当前对话的前文时,可以根据已经输入的内容,进而确定待推荐回复语句,如当前已经输入“特别好吃,”时,则可以根据标点符号确定用户将要单独提起一段话,在根据已经输入的内容是“特别好吃”,基本已经完成了对对话对方的前文的回复,则可以将此话题继续延伸或者转换至其他话题,因此,可以得到待推荐回复语句为“什么品种的苹果啊”以及“这种苹果的产地在哪里啊”等延伸或者话题转换的回复语句。这样设置的好处是可以根据已经输入的内容对回复语句筛选后,避免回复语句与已经输入的内容意思相近或者相同,影响用户的使用体验,能够真正的根据用户已经输入的内容的意思确定用户想要输入的内容,达到智能推荐回复语句的目的。
S304、在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
本技术方案在上述各技术方案的基础上,提供了一种根据用户的已输入内容对待推荐回复语句进行进一步筛选的方法,从本实施例中,不仅可以根据当前对话的前文进行回复语句推荐,还能够根据用户的已输入内容对用户实际想要输入的内容进行预测,提高了推荐的回复语句的适用性,并能够提高用户的使用体验。
在上述各技术方案的基础上,可选的,还包括:获取历史产生的文字对话记录作为训练样本,利用机器学习手段,确定所述文字对话记录中前文内容和后文内容的关联关系;根据所述关联关系,确定与前文内容对应的回复语句模型,作为回复语句推荐模型。
其中,根据前文内容与后文内容的关联关系,确定回复语句推荐模型,可以更加准确的获取到广大用户对于前文内容的回复方式,或者获取到当前用户对于前文内容的回复方式,进而得到用户对于前文内容的回复方式,并根据大量学习得到的模型为用户提供待推荐回复语句。这样设置的好处是可以提高所推荐的回复语句的适用性,能够根据学习结果对回复语句进行推荐,提高用户对于回复语句使用的转化率。
在上述各技术方案的基础上,可选的,获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型,包括:获取所述当前对话的前文的发生时间;将所述前文的发生时间处于预设时段内的所述前文输入至所述回复语句推荐模型。其中,预设时段可以是10分钟,还可以是5分钟,或者更短以及更长的时间,这样设置的好处是可以避免为用户推荐的回复语句针对的是已经发生过长时间的对话内容,从而显示出一些用户在内容输入时根本不想得到的想选词内容,可提高所推荐的回复语句与用户意图的贴合程度,进而用户对于回复语句的接受程度。
图4为本申请实施例提供的另一种回复语句的推荐方法的流程示意图,如图4所示,该方法包括:
S401、获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成。
S402、提取当前对话中对方的至少一段对话内容中的至少一个话题点。
S403、根据回复语句推荐模型,确定已经沟通的话题点和未沟通的话题点。
其中,可以是得到多段对话内容的多个话题点,并在已经回复的语句中确定已经被回复的话题点和位沟通的话题点。
S404、在所述回复语句推荐模型中,将针对所述未沟通的话题点的权重提高,并确定待推荐回复语句。
在利用回复语句推荐模型时,可以将针对所述未沟通的话题点的权重提高,即在得到推荐回复语句的序列时,可以提高未沟通的话题点的权重,让未沟通的话题点的相关语句在序列中位置靠前显示。
S405、在输入界面的回复语句展示区域展示所述待推荐回复语句。
本技术方案在上述各技术方案的基础上,提供了一种根据话题点的回复情况确定待推荐回复语句的方法,这样设置的好处是不仅可以避免用户疏漏一些话题点,还能够起到提醒效果,以使用户无需观看以往发生过的对话,就知道哪些内容已经沟通过,哪些问题尚未沟通过,提高用户对于回复语句推荐的使用体验。
图5为本申请实施例提供的另一种回复语句的推荐方法的流程示意图,如图5所示,该方法包括:
S501、获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成。
S502、提取当前对话中对方的至少一段对话内容中的至少一个话题点。
S503、根据回复语句推荐模型,确定用户对于所述至少一个话题点的关注程度。
其中,可以根据用户对于每个话题点所发生的对话内容长度和/或针对每个话题点所发生的对话次数,确定用户对于每个话题点的关注程度。
S504、在所述回复语句推荐模型中,根据所述用户对于所述至少一个话题点的关注程度,并确定待推荐回复语句。
其中,可以根据关注关注程度由高到低的顺序显示推荐回复语句。
S505、在输入界面的回复语句展示区域展示所述待推荐回复语句。
本技术方案在上述各技术方案的基础上,提供了一种根据用户对于话题点的关注程度确定待推荐回复语句的方法,这样设置的好处是可以根据用户感兴趣的话题点,进行回复语句的推荐,提高用户的使用体验。
图6为本申请实施例提供的一种回复语句的推荐装置的结构框图,该装置可由软件和/或硬件实现,一般集成在移动终端中,可通过执行回复语句的推荐方法来对回复语句进行推荐。如图6所示,该装置包括:
信息输入模块601,用于获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
待推荐回复语句确定模块602,用于根据所述回复语句推荐模型,确定待推荐回复语句;
回复语句推荐模块603,用于在输入界面的回复语句展示区域展示所述待推荐回复语句。
本技术方案在上述各技术方案的基础上,提供了一种根据用户的已输入内容对待推荐回复语句进行进一步筛选的方法,从本实施例中,不仅可以根据当前对话的前文进行回复语句推荐,还能够根据用户的已输入内容对用户实际想要输入的内容进行预测,提高了推荐的回复语句的适用性,并能够提高用户的使用体验。
在上述技术方案的基础上,可选的,还包括按键操作匹配模块,具体用于:
获取用户的按键操作,根据所述按键操作与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选;
相应的,
在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
在上述各技术方案的基础上,可选的,所述装置还包括已输入内容匹配模块,具体用于:
获取用户在对话框中的已输入内容,根据所述已输入内容与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选;
相应的,
在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
在上述各技术方案的基础上,可选的,所述装置还包括回复语句推荐模型训练模块,具体用于:
获取历史产生的文字对话记录作为训练样本,利用机器学习手段,确定所述文字对话记录中前文内容和后文内容的关联关系;
根据所述关联关系,确定与前文内容对应的回复语句模型,作为回复语句推荐模型。
在上述各技术方案的基础上,可选的,获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型,包括:
获取所述当前对话的前文的发生时间;
将所述前文的发生时间处于预设时段内的所述前文输入至所述回复语句推荐模型。
在上述各技术方案的基础上,可选的,所述待推荐回复语句确定模块602,具体用于:
提取当前对话中对方的至少一段对话内容中的至少一个话题点;
根据回复语句推荐模型,确定已经沟通的话题点和未沟通的话题点;
在所述回复语句推荐模型中,将针对所述未沟通的话题点的权重提高,并确定待推荐回复语句。
在上述各技术方案的基础上,可选的,所述待推荐回复语句确定模块602,具体用于:
提取当前对话中对方的至少一段对话内容中的至少一个话题点;
根据回复语句推荐模型,确定用户对于所述至少一个话题点的关注程度;
在所述回复语句推荐模型中,根据所述用户对于所述至少一个话题点的关注程度,并确定待推荐回复语句。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种回复语句的推荐方法,该方法包括:
获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
根据所述回复语句推荐模型,确定待推荐回复语句;
在输入界面的回复语句展示区域展示所述待推荐回复语句。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的回复语句的推荐操作,还可以执行本申请任意实施例所提供的回复语句的推荐方法中的相关操作。
本申请实施例提供了一种移动终端,该移动终端中可集成本申请实施例提供的回复语句的推荐装置。图7为本申请实施例提供的一种移动终端的结构示意图。如图7所示,该移动终端可以包括:存储器701、中央处理器(Central Processing Unit,CPU)702(又称处理器,以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部;所述CPU702和所述存储器701设置在所述电路板上;所述电源电路,用于为所述移动终端的各个电路或器件供电;所述存储器701,用于存储可执行程序代码;所述CPU702通过读取所述存储器701中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序,以实现以下步骤:
获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
根据所述回复语句推荐模型,确定待推荐回复语句;
在输入界面的回复语句展示区域展示所述待推荐回复语句。
所述移动终端还包括:外设接口703、RF(Radio Frequency,射频)电路705、音频电路706、扬声器711、电源管理芯片708、输入/输出(I/O)子系统709、触摸屏712、其他输入/控制设备710以及外部端口704,这些部件通过一个或多个通信总线或信号线707来通信。
应该理解的是,图示移动终端700仅仅是移动终端的一个范例,并且移动终端700可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于回复语句的推荐移动终端进行详细的描述,该移动终端以手机为例。
存储器701,所述存储器701可以被CPU702、外设接口703等访问,所述存储器701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,例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口703,所述外设接口703可以将设备的输入和输出外设连接到CPU702和存储器701。
I/O子系统709,所述I/O子系统709可以将设备上的输入输出外设,例如触摸屏712和其他输入/控制设备710,连接到外设接口703。I/O子系统709可以包括显示控制器7091和用于控制其他输入/控制设备710的一个或多个输入控制器7092。其中,一个或多个输入控制器7092从其他输入/控制设备710接收电信号或者向其他输入/控制设备710发送电信号,其他输入/控制设备710可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是,输入控制器7092可以与以下任一个连接:键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏712,所述触摸屏712是用户移动终端与用户之间的输入接口和输出接口,将可视输出显示给用户,可视输出可以包括图形、文本、图标、视频等。
I/O子系统709中的显示控制器7091从触摸屏712接收电信号或者向触摸屏712发送电信号。触摸屏712检测触摸屏上的接触,显示控制器7091将检测到的接触转换为与显示在触摸屏712上的用户界面对象的交互,即实现人机交互,显示在触摸屏712上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是,设备还可以包括光鼠,光鼠是不显示可视输出的触摸敏感表面,或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路705,主要用于建立手机与无线网络(即网络侧)的通信,实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF电路705接收并发送RF信号,RF信号也称为电磁信号,RF电路705将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路705可以包括用于执行这些功能的已知电路,其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder,编译码器)芯片组、用户标识模块(Subscriber Identity Module,SIM)等等。
音频电路706,主要用于从外设接口703接收音频数据,将该音频数据转换为电信号,并且将该电信号发送给扬声器711。
扬声器711,用于将手机通过RF电路705从无线网络接收的语音信号,还原为声音并向用户播放该声音。
电源管理芯片708,用于为CPU702、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
本申请实施例提供的移动终端,可以实现优化移动终端的信息交互过程中的推荐方式的效果。
上述实施例中提供的回复语句的推荐装置、存储介质及移动终端可执行本申请任意实施例所提供的回复语句的推荐方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的回复语句的推荐方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种回复语句的推荐方法,其特征在于,包括:
获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
根据所述回复语句推荐模型,确定待推荐回复语句;
在输入界面的回复语句展示区域展示所述待推荐回复语句。
2.根据权利要求1所述的回复语句的推荐方法,其特征在于,在根据所述回复语句推荐模型,确定待推荐回复语句之后,还包括:
获取用户的按键操作,根据所述按键操作与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选;
相应的,
在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
3.根据权利要求1所述的回复语句的推荐方法,其特征在于,在根据所述回复语句推荐模型,确定待推荐回复语句之后,还包括:
获取用户在对话框中的已输入内容,根据所述已输入内容与所述待推荐回复语句的匹配程度,对所述待推荐回复语句进行再次筛选;
相应的,
在输入界面的回复语句展示区域展示再次筛选后的待推荐回复语句。
4.根据权利要求1-3任一项所述的回复语句的推荐方法,其特征在于,还包括:
获取历史产生的文字对话记录作为训练样本,利用机器学习手段,确定所述文字对话记录中前文内容和后文内容的关联关系;
根据所述关联关系,确定与前文内容对应的回复语句模型,作为回复语句推荐模型。
5.根据权利要求1-3任一项所述的回复语句的推荐方法,其特征在于,获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型,包括:
获取所述当前对话的前文的发生时间;
将所述前文的发生时间处于预设时段内的所述前文输入至所述回复语句推荐模型。
6.根据权利要求1所述的回复语句的推荐方法,其特征在于,根据所述回复语句推荐模型,确定待推荐回复语句,包括:
提取当前对话中对方的至少一段对话内容中的至少一个话题点;
根据回复语句推荐模型,确定已经沟通的话题点和未沟通的话题点;
在所述回复语句推荐模型中,将针对所述未沟通的话题点的权重提高,并确定待推荐回复语句。
7.根据权利要求1所述的回复语句的推荐方法,其特征在于,根据所述回复语句推荐模型,确定待推荐回复语句,包括:
提取当前对话中对方的至少一段对话内容中的至少一个话题点;
根据回复语句推荐模型,确定用户对于所述至少一个话题点的关注程度;
在所述回复语句推荐模型中,根据所述用户对于所述至少一个话题点的关注程度,并确定待推荐回复语句。
8.一种回复语句的推荐装置,其特征在于,包括:
信息输入模块,用于获取当前对话中对方的至少一段对话内容,并将所述对话内容输入至回复语句推荐模型;其中,所述回复语句推荐模型为基于文字对话记录中的双方对话内容作为训练样本,利用机器学习手段训练而成;
待推荐回复语句确定模块,用于根据所述回复语句推荐模型,确定待推荐回复语句;
回复语句推荐模块,用于在输入界面的回复语句展示区域展示所述待推荐回复语句。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的回复语句的推荐方法。
10.一种移动终端,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的回复语句的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711392792.1A CN108121799A (zh) | 2017-12-21 | 2017-12-21 | 回复语句的推荐方法、装置、存储介质及移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711392792.1A CN108121799A (zh) | 2017-12-21 | 2017-12-21 | 回复语句的推荐方法、装置、存储介质及移动终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108121799A true CN108121799A (zh) | 2018-06-05 |
Family
ID=62230758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711392792.1A Pending CN108121799A (zh) | 2017-12-21 | 2017-12-21 | 回复语句的推荐方法、装置、存储介质及移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121799A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932066A (zh) * | 2018-06-13 | 2018-12-04 | 北京百度网讯科技有限公司 | 输入法获取表情包的方法、装置、设备和计算机存储介质 |
CN109032381A (zh) * | 2018-08-01 | 2018-12-18 | 平安科技(深圳)有限公司 | 一种基于上下文的输入方法、装置、存储介质及终端 |
CN109359298A (zh) * | 2018-09-26 | 2019-02-19 | Oppo广东移动通信有限公司 | 表情符推荐方法、系统及电子设备 |
CN109547320A (zh) * | 2018-09-29 | 2019-03-29 | 阿里巴巴集团控股有限公司 | 社交方法、装置及设备 |
CN110263247A (zh) * | 2019-05-20 | 2019-09-20 | 话媒(广州)科技有限公司 | 一种回复信息推荐方法及电子设备 |
CN110874401A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 信息处理方法、模型训练方法、装置、终端及计算设备 |
CN111126033A (zh) * | 2018-11-01 | 2020-05-08 | 财团法人资讯工业策进会 | 文章的回应预测装置及方法 |
CN111385188A (zh) * | 2019-11-22 | 2020-07-07 | 百度在线网络技术(北京)有限公司 | 对话元素的推荐方法、装置、电子设备和介质 |
CN111556201A (zh) * | 2020-05-08 | 2020-08-18 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
CN111553171A (zh) * | 2020-04-09 | 2020-08-18 | 北京小米松果电子有限公司 | 语料处理方法、装置及存储介质 |
CN111984767A (zh) * | 2019-05-23 | 2020-11-24 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置和电子设备 |
CN112445906A (zh) * | 2019-08-28 | 2021-03-05 | 北京搜狗科技发展有限公司 | 一种生成回复消息的方法及装置 |
CN112989013A (zh) * | 2021-04-30 | 2021-06-18 | 武汉龙津科技有限公司 | 一种对话处理方法、装置、电子设备及存储介质 |
CN114722171A (zh) * | 2022-03-28 | 2022-07-08 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319495A1 (en) * | 2008-06-23 | 2009-12-24 | Microsoft Corporation | Presenting instant answers to internet queries |
CN103200550A (zh) * | 2013-04-26 | 2013-07-10 | 上海华勤通讯技术有限公司 | 移动终端及其自动回复短信的方法 |
CN104376045A (zh) * | 2014-10-24 | 2015-02-25 | 北京奇虎科技有限公司 | 一种基于搜索场景实现问答的方法和装置 |
CN105095182A (zh) * | 2014-05-22 | 2015-11-25 | 华为技术有限公司 | 一种回复信息推荐方法及装置 |
CN106649405A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
-
2017
- 2017-12-21 CN CN201711392792.1A patent/CN108121799A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090319495A1 (en) * | 2008-06-23 | 2009-12-24 | Microsoft Corporation | Presenting instant answers to internet queries |
CN103200550A (zh) * | 2013-04-26 | 2013-07-10 | 上海华勤通讯技术有限公司 | 移动终端及其自动回复短信的方法 |
CN105095182A (zh) * | 2014-05-22 | 2015-11-25 | 华为技术有限公司 | 一种回复信息推荐方法及装置 |
CN104376045A (zh) * | 2014-10-24 | 2015-02-25 | 北京奇虎科技有限公司 | 一种基于搜索场景实现问答的方法和装置 |
CN106649405A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932066A (zh) * | 2018-06-13 | 2018-12-04 | 北京百度网讯科技有限公司 | 输入法获取表情包的方法、装置、设备和计算机存储介质 |
CN108932066B (zh) * | 2018-06-13 | 2023-04-25 | 北京百度网讯科技有限公司 | 输入法获取表情包的方法、装置、设备和计算机存储介质 |
CN109032381B (zh) * | 2018-08-01 | 2022-05-17 | 平安科技(深圳)有限公司 | 一种基于上下文的输入方法、装置、存储介质及终端 |
WO2020024455A1 (zh) * | 2018-08-01 | 2020-02-06 | 平安科技(深圳)有限公司 | 基于上下文的输入方法、装置、存储介质及计算机设备 |
CN109032381A (zh) * | 2018-08-01 | 2018-12-18 | 平安科技(深圳)有限公司 | 一种基于上下文的输入方法、装置、存储介质及终端 |
CN110874401B (zh) * | 2018-08-31 | 2023-12-15 | 阿里巴巴集团控股有限公司 | 信息处理方法、模型训练方法、装置、终端及计算设备 |
CN110874401A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 信息处理方法、模型训练方法、装置、终端及计算设备 |
CN109359298A (zh) * | 2018-09-26 | 2019-02-19 | Oppo广东移动通信有限公司 | 表情符推荐方法、系统及电子设备 |
CN109547320A (zh) * | 2018-09-29 | 2019-03-29 | 阿里巴巴集团控股有限公司 | 社交方法、装置及设备 |
CN111126033A (zh) * | 2018-11-01 | 2020-05-08 | 财团法人资讯工业策进会 | 文章的回应预测装置及方法 |
CN110263247A (zh) * | 2019-05-20 | 2019-09-20 | 话媒(广州)科技有限公司 | 一种回复信息推荐方法及电子设备 |
CN111984767A (zh) * | 2019-05-23 | 2020-11-24 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置和电子设备 |
CN112445906A (zh) * | 2019-08-28 | 2021-03-05 | 北京搜狗科技发展有限公司 | 一种生成回复消息的方法及装置 |
CN111385188A (zh) * | 2019-11-22 | 2020-07-07 | 百度在线网络技术(北京)有限公司 | 对话元素的推荐方法、装置、电子设备和介质 |
CN111553171A (zh) * | 2020-04-09 | 2020-08-18 | 北京小米松果电子有限公司 | 语料处理方法、装置及存储介质 |
CN111553171B (zh) * | 2020-04-09 | 2024-02-06 | 北京小米松果电子有限公司 | 语料处理方法、装置及存储介质 |
CN111556201B (zh) * | 2020-05-08 | 2021-06-29 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
CN111556201A (zh) * | 2020-05-08 | 2020-08-18 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
CN112989013A (zh) * | 2021-04-30 | 2021-06-18 | 武汉龙津科技有限公司 | 一种对话处理方法、装置、电子设备及存储介质 |
CN114722171A (zh) * | 2022-03-28 | 2022-07-08 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN114722171B (zh) * | 2022-03-28 | 2023-10-24 | 北京百度网讯科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121799A (zh) | 回复语句的推荐方法、装置、存储介质及移动终端 | |
US10379712B2 (en) | Conversation user interface | |
US9990052B2 (en) | Intent-aware keyboard | |
CN108134876A (zh) | 对话分析方法、装置、存储介质及移动终端 | |
KR101491843B1 (ko) | 대화 기반 검색 도우미 시스템 및 그 방법 | |
CN205038557U (zh) | 电子设备 | |
US11893236B2 (en) | Interface display method and apparatus of application, device, and medium | |
US20160308794A1 (en) | Method and apparatus for recommending reply message | |
CN108021572B (zh) | 回复信息推荐方法和装置 | |
GB2567309A (en) | Method and system for conducting an automated conversation with a virtual agent system | |
CN111147949B (zh) | 用于提供会话话题的设备、服务器和方法 | |
EP3571601A1 (en) | Input system having a communication model | |
KR20170027277A (ko) | 답신 메시지 추천 방법 및 이를 위한 디바이스 | |
US20230385543A1 (en) | Selective text prediction for electronic messaging | |
CN110493123B (zh) | 即时通讯方法、装置、设备及存储介质 | |
CN111563151B (zh) | 一种信息采集的方法、会话配置的方法、装置及存储介质 | |
CN110209778A (zh) | 一种对话生成的方法以及相关装置 | |
Grace et al. | Undergraduates' use of text messaging language: Effects of country and collection method | |
KR20120053666A (ko) | 휴대 단말기의 컨텐츠 제공 방법 및 장치 | |
CN108132717A (zh) | 候选词的推荐方法、装置、存储介质及移动终端 | |
CN112148850A (zh) | 动态交互方法、服务器、电子设备及存储介质 | |
CN112307166B (zh) | 一种智能问答方法、装置、存储介质以及计算机设备 | |
CN109948155B (zh) | 一种多意图的选择方法及装置、终端设备 | |
JP6449368B2 (ja) | 会話提供装置、会話提供方法及びプログラム | |
CN115473864B (zh) | 机器人聊天方法、计算机设备及存储介质 |
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: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |