CN108134876A - 对话分析方法、装置、存储介质及移动终端 - Google Patents

Abstract

本申请实施例公开了一种对话分析方法、装置、存储介质及移动终端。该方法包括：获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；根据所述对话中对方的对话状态，为用户推荐对话方式。本申请所提供的技术方案，可以优化通过移动终端进行信息交互方式。

Description

对话分析方法、装置、存储介质及移动终端

技术领域

本申请实施例涉及通信技术领域，尤其涉及一种对话分析方法、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。然而，在聊天过程中，总会出现令人尴尬的冷场情况，这就使得聊天的双方对聊天体验极差，同时，对于聊天的话题的确定也需要用户有很强的捕捉能力才能够实现，那么如何能够为用户的聊天体验提供辅助，已成为本领域亟待克服的技术难题。

发明内容

本申请实施例提供一种对话分析方法、装置、存储介质及移动终端，可以优化通过移动终端进行信息交互方式。

第一方面，本申请实施例提供了一种对话分析方法，该方法包括：

获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

根据所述对话中对方的对话状态，为用户推荐对话方式。

第二方面，本申请实施例提供了一种对话分析装置，该装置包括：

信息输入模块，用于获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

对话状态确定模块，用于根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

对话方式推荐模块，用于根据所述对话中对方的对话状态，为用户推荐对话方式。

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对话分析方法。

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对话分析方法。

本申请实施例所提供的技术方案，获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；根据所述对话中对方的对话状态，为用户推荐对话方式，可以优化通过移动终端进行信息交互方式。

附图说明

图1a为本申请实施例提供的一种对话分析方法的流程示意图；

图1b为本申请实施例提供的一种对话分析效果示意图；

图2为本申请实施例提供的另一种对话分析方法的流程示意图；

图3为本申请实施例提供的另一种对话分析方法的流程示意图；

图4为本申请实施例提供的另一种对话分析方法的流程示意图；

图5为本申请实施例提供的另一种对话分析方法的流程示意图；

图6为本申请实施例提供的一种对话分析装置的结构框图；

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对话分析方法的流程示意图，该方法可以由对话分析装置执行，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、获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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。

在本申请实施例中，可选的，对话内容包括：文字内容和/或语音内容。

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，所提到的对话分析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，为用户提供对话分析结果，以使用户根据对话内容的分析结果，进行对话方式的推荐，节约用户的信息的输入时间，并且能够辅助用户把握对话对方的对话状态，根据对话对方的对话状态，进行对话方式的推荐，使得用户输入的内容更能够被对话对方所接收，并且能够引起对方的对话兴趣，避免对话是双方在对话中出现不回话的尴尬局面。

其中，所述对话分析模型为基于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，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，得到对话分析模型。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对话分析模型，可以使得得到的对话方式推荐结果更加准确，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对话分析模型，还可以实现为用户提供更加能够表现出用户意图表达方式，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、根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态。

其中，对话分析模型的输出结果可以是对方当前的对话状态，比如，喜欢、厌烦等，还可以结合时间以及对话对方的位置等，确定当前对话对方是处于休闲状态还是处于工作状态。对话分析模块的输出结果可以是一个维度的，比如表示对方情感色彩的，还可以是不同维度的，比如表示对方情感色彩的同时，还表示对方当前是忙碌还是空闲的，等等。其中，对话分析模型的所输入的内容是对方的语音或者文字聊天的内容，可以从语音内容中的音调、音色等，学习到对方的对话状态，也可以是从文字内容的简易程度以及语句中的修饰限定词语的使用情况等确定对方的对话状态。

值得说明的是，在两个人聊天的过程中，聊天对方的对话状态可能是不断变化的。为了能够精准的把握聊天对方的对话状态，可以在对方没回复一条信息时，直接将当前对话双方的最近多条信息输入至对话分析模型，也可以是在原有的基础上没增加一条对话对输入对话分析模型进行一次更新。这样设置的好处是可以随时为用户提供对话中对方的对话状态分析结果。在本申请实施例中，还可以每发生设定次数的对话后将对话内容输入至对话分析模型，这样设置的好处是可以在为用户提供对话分析结果的同时，还能够避免移动终端的运算负担过大，节省移动终端的资源消耗。

S103、根据所述对话中对方的对话状态，为用户推荐对话方式。

其中，为用户推荐的对话方式，可以是语言表述方式，也可以是其他方式。语言表述方式可以是在用户所发送的对话内容太过简单时，为用户推荐相对复杂的语言表达方式，可以避免让对话对方觉得自己无心聊天等。为用户推荐对话方式，还可以是当对话分析模型确定对话对方比较爱使用表情等，可以通过为用户推荐文字加表情的方式，让对方对自己的对话内容更加感兴趣。

本对话分析模型还可以在分析出对话双方的对话方式过于单一时，为用户提供推荐的对话方式。图1b为本申请实施例提供的一种对话分析效果示意图。如图1b所示，当接收到当前对话中至少一段对话内容时，可以根据用户回复的内容的复杂程度，以及对方针对用户回复内容为用户推荐对话方式，并说明所推荐的对话方式的效果。这样设置的好处是不仅可以分析对话对方的对话状态，还能够根据用户已经发生的对话方式，为用户推荐对话方式，可以达到提醒用户以更好的方式与对方进行对话，避免对方会觉得用户回复的信息冷漠，影响对方与自己聊天的兴趣等。

可以理解的是，在本申请实施例中，可以为用户提供对话分析功能的开关以及分析的程度，设置开关的好处是可以根据用户是否需要开启或者关闭对话分析功能。同时，也可以对对话分析的程度进行设置，比如用户可以通过设置，获取对话对方是否喜欢交谈当前的话题，还可以增大对话分析程度，确定对话对方此时的情感，是否对某一话题存在过激的看法，以及存在过激的看法可能的原因等等。以上这些功能可以通过采用模型对大量对话内容的进行分析学习来得到，其中，对话内容还可以是电影、电视剧等中的对话内容。另外值得说明的是，本申请实施例中对用户的对话内容保密，在未经用户允许的情况下，不会将用户的对话内容泄露给第三人得知，从而确保了用户隐私的安全。

图2为本申请实施例提供的另一种对话分析方法的流程示意图，如图2所示，该方法包括：

S201、获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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、根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态。

在本申请实施例中，可选的，根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态，包括：获取所述对话中对方对话内容的显性参数和隐性参数；其中，所述显性参数包括对话内容的回复速度、对话内容的长短以及对话内容的兴趣度词语；所述隐性参数包括对话内容的复杂度、对话内容的话题关注度以及对话内容的丰富度；将所述对话中对方对话内容的显性参数和隐性参数输入所述对话分析模型，确定所述对话中对方的兴趣状态。

其中，对话内容的回复速度，可以是指在用户发出段对话内容的时间，与接收到对话对方回复对话内容的时间上的差值，差值越小，则回复速度越快，还可以是回复内容的字符数量与时间差值的比值，比值越大的，则表示对话内容的回复速度越快。对话内容的长短可以是指对话内容文字字符数量的多少以及语音内容的长短。对话内容的兴趣度词语，比如，可以是包含“喜欢”、“开心”等情感词语，可以从词语的表面意思确定用户对于聊天内容的兴趣度，其中，虽然“喜欢”、“开心”等情感词语未必是表述对方对和用户聊天的感受的评价，但是由于人们的聊天习惯是当说到所“喜欢”的内容时，会比较容易喜欢继续当前的聊天话题，并将感受表现在与用户聊天的感受上。

其中，隐性参数可以是不容易直接确定对方兴趣度的，但是又能够表现出对方兴趣度的一些参数，如对话内容的复杂度，可以是指同一语句中是否对单个话题进行充分描述，或者同一语句中是否包含多个话题等。对话内容的话题关注度，可以是对话对方的回复的内容是否对用户所提出的话题进行交谈，如果对话的对方没有回复相关话题的内容，则表示该话题可能对话对方不是很喜欢交谈。对话内容的丰富度，可以是指对方对话内容的主语、谓语、宾语以及修饰词语是否齐全，如果是，则可以推测对话对方可能对当前的话题比较感兴趣。

在获取到上述线性参数和隐性参数的基础上，将所述对话中对方对话内容的显性参数和隐性参数输入所述对话分析模型，确定所述对话中对方的兴趣状态。这样设置的好处是可以更加精准的把握对话过程中对方的兴趣度，为用户对于当前话题有更加明确的把握。

S203、根据所述对话中对方的兴趣状态，确定当前对话对方对当前话题的兴趣度。

其中，当前对话对方的兴趣状态表现出很感兴趣的话，则说明当前对话对方对当前话题的兴趣度很高，当前对话对方的兴趣状态表现出不是很感兴趣的话，则说明当前对话对方对当前话题的兴趣度不高。

S204、根据所述兴趣度，为用户提供话题切换建议。

其中，当对方对当前话题的兴趣度不高时，可以提供切换话题的建议，并根据话题之间的相关度，为用户推荐至少一个话题，比如，现在所谈的话题是个人择偶标准的问题，可以根据话题之间的相关度，切换话题为两个明星最近结婚的问题。话题切换的建议可以根据对方的具体内容或者表达方式确定对方比较关注哪方面的话题，如科技、娱乐圈、电视剧以及电影等。这样设置的好处是可以使切换后的话题既不给对方跳跃性太大的感受，又很可能切换至对方比较喜欢或者了解的话题，可以提起对方的交谈兴趣度。

本技术方案在上述各技术方案的基础上，提供了一种把对话对方的对话内容的显性参数和隐性参数输入至对话分析模型，进一步的，根据模型的输出结果确定对话对方的兴趣状态，从而确定对话对方的兴趣度以及是否给出话题切换的建议，实现了准确的把握对话过程中对方的情感，并能够为用户提供话题切换的建议，提高用户的使用体验。

图3为本申请实施例提供的另一种对话分析方法的流程示意图，如图3所示，该方法包括：

S301、获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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、根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态。

S303、根据所述对话中对方的兴趣状态，确定当前对话对方对当前话题的兴趣度。

S304、若所述兴趣度低于预设兴趣度阈值，则为用户提供进行话题切换的建议，并推荐切换话题。

其中，兴趣度阈值可以是将兴趣度数字化，比如当兴趣度阈值为60时，则对话对方的兴趣度低于60时，则推荐切换话题，当对方兴趣度高于60时，则不提供切换话题。

S305、获取所述对话的对方对切换后话题的接受程度。

切换后的话题的接受程度可以采用与上文相似的方式确定用户对切换后的话题的兴趣度，作为接受程度。

S306、将所述接受程度的损失函数，计算损失。

其中，损失函数可以是对话分析模型中，用于根据所推荐的切换话题被对话对方的接受程度，计算所推荐的话题是否合理，根据对方的接受结果对推荐话题的相关参数做出调整。

S307、根据所述损失，对所述对话分析模型进行调整。

本技术方案在上述各技术方案的基础上，提供了一种根据所推荐的切换话题的接受程度，对模型进行调整的方法，这样设置的好处是可以跟据用户的对话对方的反映对模型进行实时更新，是对话分析模型所提供的切换话题更加准确，符合用户想要达到的效果。

图4为本申请实施例提供的另一种对话分析方法的流程示意图，如图4所示，该方法包括：

S401、获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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、根据所述对话分析模型的输出结果，确定所述对话对方的性格类别。

其中，性格类型可能与对话双方的关系有关，比如亲戚之间，尤其是对长辈的对话，晚辈对话内容的表达方式会相对顽皮些，性格类别可以确定为顽皮，长辈的对话相对稳重一些，性格类别可以确定为稳重，好朋友之间可能更加自然些，性格类别可以确定为随性，等等。

S403、根据所述对话中对方的性格类别，确定当前对话中对方的喜好的对话方式。

在确定对话中对方的性格类别之后，可以分析出对话对方的喜好对话方式，比如动态表情非常丰富的方式，文字简述的方式以及条例清晰的方式。

S404、为用户推荐所述当前对话对方的喜好的对话方式，提供推荐词语或者语句。

为用户推荐所述当前对话对方的喜好的对话方式，提供推荐词语或者语句。值得说明的是，在本申请实施例中，可以为用户推荐表达方式，比如“文字+表情”，还可以提供话题，比如“明星A和明星B结婚”，还可以提供推荐的词语或者语句，以直接的形式为用户提供可以直接使用的词语和语句，可以更加直接的让用户使用到对话分析模型的结果，提高用户的使用体验。

本技术方案在上述各技术方案的基础上，提供了一种对话对方的性格类别为用户提供推荐词语或者语句的方法，可以实现直接为用户输出可以使用的对话分析模型的输出结果，更加简便了用户的信息输入，提高了用户的使用体验。

图5为本申请实施例提供的另一种对话分析方法的流程示意图，如图5所示，该方法包括：

S501、获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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、根据所述对话分析模型，提取所述至少一段对话内容的语料信息；其中，所述语料信息包括文字信息、词语信息、词语搭配信息以及表情信息中的一种或者多种。

文字信息可以是文字内容，词语信息可以是识别是否有当前网络流行词语，词语搭配信息可以是动宾短语、形容词以及副词的使用情况，表情信息可以是识别对话内容中表情的占比和使用情况等。

S503、根据所述语料信息，确定所述对话中对方的性格类别。

根据上述语料信息，可以为用户更加准确的确定对话中对方的性格类别。

S504、根据所述对话中对方的性格类别，确定当前对话中对方的喜好的对话方式。

S505、为用户推荐所述当前对话对方的喜好的对话方式，提供推荐词语或者语句。

本技术方案在上述各技术方案的基础上，提供了一种根据语料信息确定对话中对方的性格类别的方法，为对话分析模型提供更加细致的分析元素，提高对话分析模型的准确性和实用性。

图6为本申请实施例提供的一种对话分析装置的结构框图，该装置可由软件和/或硬件实现，一般集成在移动终端中，可通过执行对话分析方法来对移动终端的音量进行调节。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至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

对话状态确定模块602，用于根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

对话方式推荐模块603，用于根据所述对话中对方的对话状态，为用户推荐对话方式。

本申请实施例所提供的技术方案，获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；根据所述对话中对方的对话状态，为用户推荐对话方式，可以优化通过移动终端进行信息交互方式。

在上述各技术方案的基础上，可选的，所述对话状态确定模块602，包括：

兴趣状态确定单元，用于根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态；

相应的，所述对话方式推荐模块603，包括：

兴趣度确定单元，用于根据所述对话中对方的兴趣状态，确定当前对话对方对当前话题的兴趣度；

话题切换建议单元，用于根据所述兴趣度，为用户提供话题切换建议。

在上述各技术方案的基础上，可选的，所述兴趣状态确定单元，具体用于：

获取所述对话中对方对话内容的显性参数和隐性参数；其中，所述显性参数包括对话内容的回复速度、对话内容的长短以及对话内容的兴趣度词语；所述隐性参数包括对话内容的复杂度、对话内容的话题关注度以及对话内容的丰富度；

将所述对话中对方对话内容的显性参数和隐性参数输入所述对话分析模型，确定所述对话中对方的兴趣状态。

在上述各技术方案的基础上，可选的，所述话题切换建议单元，用于：若所述兴趣度低于预设兴趣度阈值，则为用户提供进行话题切换的建议，并推荐切换话题；

所述对话方式推荐模块603，还包括：

切换话题接受程度获取单元，用于获取所述对话的对方对切换后话题的接受程度；

损失计算单元，用于将所述接受程度的损失函数，计算损失；

模型调整单元，用于根据所述损失，对所述对话分析模型进行调整。

在上述各技术方案的基础上，可选的，所述对话状态确定模块602，包括：

性格类别确定单元，用于根据所述对话分析模型的输出结果，确定所述对话对方的性格类别；

相应的，所述对话方式推荐模块603，包括：

喜好对话方式确定单元，用于根据所述对话中对方的性格类别，确定当前对话中对方的喜好的对话方式；

推荐单元，用于为用户推荐所述当前对话对方的喜好的对话方式，提供推荐词语或者语句。

在上述各技术方案的基础上，可选的，所述喜好对话方式确定单元具体用于：

根据所述对话分析模型，提取所述至少一段对话内容的语料信息；其中，所述语料信息包括文字信息、词语信息、词语搭配信息以及表情信息中的一种或者多种；

根据所述语料信息，确定所述对话中对方的性格类别。

在上述各技术方案的基础上，可选的，所述对话内容包括：文字内容和/或语音内容。

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对话分析方法，该方法包括：

获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

根据所述对话中对方的对话状态，为用户推荐对话方式。

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对话分析操作，还可以执行本申请任意实施例所提供的对话分析方法中的相关操作。

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对话分析装置。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：

获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

根据所述对话中对方的对话状态，为用户推荐对话方式。

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对话分析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，可以优化通过移动终端进行信息交互方式。

上述实施例中提供的对话分析装置、存储介质及移动终端可执行本申请任意实施例所提供的对话分析方法，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对话分析方法。

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)

1.一种对话分析方法，其特征在于，包括：

获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

根据所述对话中对方的对话状态，为用户推荐对话方式。

2.根据权利要求1所述的方法，其特征在于，根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态，包括：

根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态；

相应的，根据所述对话中对方的对话状态，为用户推荐对话方式，包括：

根据所述对话中对方的兴趣状态，确定当前对话对方对当前话题的兴趣度；

根据所述兴趣度，为用户提供话题切换建议。

3.根据权利要求2所述的方法，其特征在于，根据所述对话分析模型的输出结果，确定所述对话中对方的兴趣状态，包括：

获取所述对话中对方对话内容的显性参数和隐性参数；其中，所述显性参数包括对话内容的回复速度、对话内容的长短以及对话内容的兴趣度词语；所述隐性参数包括对话内容的复杂度、对话内容的话题关注度以及对话内容的丰富度；

将所述对话中对方对话内容的显性参数和隐性参数输入所述对话分析模型，确定所述对话中对方的兴趣状态。

4.根据权利要求2所述的方法，其特征在于，根据所述兴趣度，为用户提供话题切换建议，包括：若所述兴趣度低于预设兴趣度阈值，则为用户提供进行话题切换的建议，并推荐切换话题；

在根据所述兴趣度，为用户提供话题切换建议之后，还包括：

获取所述对话的对方对切换后话题的接受程度；

将所述接受程度的损失函数，计算损失；

根据所述损失，对所述对话分析模型进行调整。

5.根据权利要求1所述的方法，其特征在于，根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态，包括：

根据所述对话分析模型的输出结果，确定所述对话对方的性格类别；

相应的，根据所述对话中对方的对话状态，为用户推荐对话方式，包括：

根据所述对话中对方的性格类别，确定当前对话中对方的喜好的对话方式；

为用户推荐所述当前对话对方的喜好的对话方式，提供推荐词语或者语句。

6.根据权利要求5所述的方法，其特征在于，根据所述对话分析模型的输出结果，确定所述对话中对方的性格类别，包括：

根据所述对话分析模型，提取所述至少一段对话内容的语料信息；其中，所述语料信息包括文字信息、词语信息、词语搭配信息以及表情信息中的一种或者多种；

根据所述语料信息，确定所述对话中对方的性格类别。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述对话内容包括：文字内容和/或语音内容。

8.一种对话分析装置，其特征在于，包括：

信息输入模块，用于获取当前对话中至少一段对话内容，并将所述对话内容输入至对话分析模型；其中，所述对话分析模型为基于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；

对话状态确定模块，用于根据所述对话分析模型的输出结果，确定所述对话中对方的对话状态；

对话方式推荐模块，用于根据所述对话中对方的对话状态，为用户推荐对话方式。

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中任一所述的对话分析方法。

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中任一所述的对话分析方法。