CN108536811A - 基于机器学习的语音交互路径确定方法及装置、存储介质、终端 - Google Patents

Abstract

一种基于机器学习的语音交互路径确定方法及装置、存储介质、终端，基于机器学习的语音交互路径确定方法包括：获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。本发明技术方案可以确定最优交互路径，提升用户交互的体验。

Description

基于机器学习的语音交互路径确定方法及装置、存储介质、 终端

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种基于机器学习的语音交互路径确定方法及装置、存储介质、终端。

背景技术

随着人机交互技术的发展，越来越多的业务场景支持对用户问题的自动答复。例如，通过智能机器人回复用户对业务流程的咨询。

但是，现有的自动交互中，通常会出现用户对回复的答案不满意的状况，用户的问题得不到解决，导致用户体验差。

发明内容

本发明解决的技术问题是如何确定最优交互路径，提升用户交互的体验。

为解决上述技术问题，本发明实施例提供一种基于机器学习的语音交互路径确定方法，基于机器学习的语音交互路径确定方法包括：获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

可选的，所述根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径包括：步骤1：确定输入的问题；步骤2：根据所述问答匹配关系确定所述输入的问题的最优答案；步骤3：根据所述问答统计结果，确定所述最优答案后概率最大的问题；步骤4：将所述概率最大的问题作为所述输入的问题并重复步骤2和步骤3，直至结束，以得到所述最优交互路径。

可选的，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

可选的，所述分析每一交互过程的交互属性，以确定问答匹配关系包括：对于每一问题，确定该问题所在的各个交互过程的交互属性；将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

可选的，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

可选的，所述分析每一交互过程的交互属性，以确定问答匹配关系包括：对于每一交互过程，确定与其匹配的预设交互模板；对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

可选的，所述最优交互路径包括问题的最优答案及其后续的多个问题。

可选的，所述获取针对多次交互过程各自的历史交互数据包括：获取所述多次交互过程各自的语音数据；将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

为解决上述技术问题，本发明实施例还公开了一种基于机器学习的语音交互路径确定装置，基于机器学习的语音交互路径确定装置包括：历史交互数据获取模块，适于获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；统计模块，适于对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；分析模块，适于分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；最优交互路径确定模块，适于根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

可选的，所述最优交互路径确定模块包括：输入确定单元，适于确定输入的问题；最优答案确定单元，适于根据所述问答匹配关系确定所述输入的问题的最优答案；问题确定单元，适于根据所述问答统计结果，确定所述最优答案后概率最大的问题；迭代确定单元，适于将所述概率最大的问题作为所述输入的问题并重复最优答案确定单元和问题确定单元执行的步骤，直至结束，以得到所述最优交互路径。

可选的，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

可选的，所述分析模块包括：交互属性确定单元，适于对于每一问题，确定该问题所在的各个交互过程的交互属性；计算单元，适于将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；第一最优答案确定单元，适于至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

可选的，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

可选的，所述分析模块包括：预设交互模板匹配单元，适于对于每一交互过程，确定与其匹配的预设交互模板；步骤节点匹配单元，适于对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；第二最优答案确定单元，适于至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

可选的，所述最优交互路径包括问题的最优答案及其后续的多个问题。

可选的，所述历史交互数据获取模块包括：语音数据获取单元，适于获取所述多次交互过程各自的语音数据；聚类单元，适于将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述基于机器学习的语音交互路径确定方法的步骤。

本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述基于机器学习的语音交互路径确定方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明技术方案获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。本发明技术方案利用交互过程中的交互历史数据进行分析和统计，得到交互匹配关系以及问答统计结果；利用问答匹配关系可以关联问题与其最优答案，利用问答统计结果可以确定答案后出现概率最大的问题，由此，可以确定每一问题的最优交互路径，以尽快和/或用户满意度尽可能高的方式向用户提供答案；由于确定最优交互路径时将交互属性、出现概率等作为考量因素，因此利用最优交互路径与用户进行交互，可以提升用户体验。

进一步地，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。本发明技术方案中，交互属性可以用来衡量用户的体验友好性；交互结果可以表示是否解决了用户的问题；交互时长越短，交互体验越友好；交互次数越短，交互体验越友好。由此，利用上述交互属性确定问答匹配关系中的最优答案，可以进一步保证利用该最优答案与用户交互时的友好体验性。

进一步地，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。本发明技术方案中，预设交互模板可以表示正确的交互流程，与预设交互模板的相关性可以表示交互过程的流畅性，通过该交互属性可以衡量该交互过程与用户进行交互的友好性。由此，将与预设交互模板的相关性作为确定最优答案的考量因素，进一步保证了利用最优交互路径与用户进行交互时的友好体验性。

附图说明

图1是本发明实施例一种基于机器学习的语音交互路径确定方法的流程图；

图2是图1所示步骤S104的一种具体实施方式的流程图；

图3是图1所示步骤S103的一种具体实施方式的流程图；

图4是图1所示步骤S103的另一种具体实施方式的流程图；

图5是本发明实施例一种基于机器学习的语音交互路径确定装置的结构示意图；

图6是图5所示最优交互路径确定模块504的一种具体结构示意图；

图7是图5所示分析模块503的一种具体结构示意图。

具体实施方式

如背景技术中所述，现有的自动交互中，通常会出现用户对回复的答案不满意的状况，用户的问题得不到解决，导致用户体验差。

本发明技术方案利用交互过程中的交互历史数据进行分析和统计，得到交互匹配关系以及问答统计结果；利用问答匹配关系可以关联问题与其最优答案，利用问答统计结果可以确定答案后出现概率最大的问题，由此，可以确定每一问题的最优交互路径；由于确定最优交互路径时将交互属性、出现概率等作为考量因素，因此利用最优交互路径与用户进行交互，可以提升用户体验。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例一种基于机器学习的语音交互路径确定方法的流程图。

图1所示基于机器学习的语音交互路径确定方法可以用于任意可实施的交互设备，例如可以用于客服机器人、客服机器人的后台服务器等。所述基于机器学习的语音交互路径确定方法可以包括以下步骤：

步骤S101：获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；

步骤S102：对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；

步骤S103：分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；

步骤S104：根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

具体实施中，单次交互过程可以是指连续的问答过程。具体可以是单次会话过程，例如可以是单次的通话过程。

交互过程的历史交互数据可以是指在该交互过程中所形成的问答记录，也即多个问题及其答案。

具体而言，历史交互数据可以是语音数据，也可以是文本数据。如果历史交互数据是语音数据，则可以将语音数据转换为文本数据。更具体地，历史交互数据可以选自人工客服数据、自动问答数据以及现有的话术设计数据。

在步骤S102的具体实施中，可以对各个交互过程的历史交互数据进行统计。由于交互过程是连续的问答过程，因此在每一答案之后会继续出现问题。通过对历史交互数据进行统计分析，可以得到各个答案后可能出现的下一问题。

在不同的交互过程中，同一答案后出现的问题可能不同。故而，同一答案后的下一个问题可能有多种。通过对历史交互数据进行统计分析，还可以得到可能出现的下一个问题的出现概率。例如，答案1后出现问题a的概率为0.2，出现问题b的概率为0.3，出现问题c的概率为0.5。

具体地，各个答案后可能出现的下一个问题的概率可以利用该下一个问题在该答案后出现的频次来计算。例如，在100次的交互过程中，答案1后出现问题a的频次为20，出现问题b的频次为30，出现问题c的频次为50；由此，答案1后出现问题a的概率为0.2，出现问题b的概率为0.3，出现问题c的概率为0.5。

每一交互过程具备交互属性。交互属性可以衡量该交互过程的体验友好性。在步骤S103的具体实施中，可以通过分析各个交互过程的交互属性确定问答匹配关系。对于各个用户问题，将该用户问题所处的交互属性最优的交互过程中，针对该用户问题的答案作为该用户问题的最优答案。各个用户问题与其匹配的最优答案形成问答匹配关系。

进而在步骤S104中，利用问答匹配关系中的最优答案，以及问答统计结果中各答案后可能出现的下一个问题及其概率，来确定针对各个问题的最优交互路径。

作为一个非限制性的例子，在确定问答统计结果中各答案后可能出现的下一个问题的概率时，可以采用贝叶斯统计算法来实现。更具体地，可以利用贝叶斯统计算法建立模型，并利用该模型得到问答统计结果。

最优交互路径可以形成针对问题的交互流程，利用该最优交互路径与用户进行交互时，可以引导用户按照该交互流程进行交互，以获得较好的交互体验。

本发明实施例利用交互过程中的交互历史数据进行分析和统计，得到交互匹配关系以及问答统计结果；利用问答匹配关系可以关联问题与其最优答案，利用问答统计结果可以确定答案后出现概率最大的问题，由此，可以确定每一问题的最优交互路径；由于确定最优交互路径时将交互属性、出现概率等作为考量因素，因此利用最优交互路径与用户进行交互，可以提升用户体验。

在实际的应用中，可以按照最优交互路径中顺序排列的各个最优答案及其后出现的下一问题设计语音交互界面(voice-user interface,VUI)，以获得较好的用户体验。具体地，可以得到业务流程中每个步骤的最佳话术的选择；通过对每个阶段的最佳话术进行组合可以得到VUI的设计原型。还可以在此基础上进行进一步优化设计。

本发明一个优选实施例中，所述最优交互路径包括问题的最优答案及其后续的多个问题。

换言之，在给出针对用户问题的最优答案后，还可以预测用户最可能提问的下一问题，提升交互体验。

由于最优交互路径可以表示交互流程，因此交互路径中可以包括问题的最优答案及其后续的多个问题，以形成可持续的问答交互。

在本发明一个关于步骤S101的具体实施方式中，可以获取所述多次交互过程各自的语音数据；将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

本实施例中，在获得交互过程的文本数据之后，可以对所述文本进行聚类。在聚类结果中，主题相同或相近的问答数据被划分为同一类别。在后续对历史交互数据进行分析时，可以基于聚类后的问答数据确定问答匹配关系和问答统计结果。

本实施例采用聚类的方式对语音数据进行分类后再处理，可以减小分析计算量，提高交互效率。

本发明一个具体实施例中，请参照图2，图1所示步骤S104可以包括以下步骤：

步骤S201：确定输入的问题；

步骤S202：根据所述问答匹配关系确定所述输入的问题的最优答案；

步骤S203：根据所述问答统计结果，确定所述最优答案后概率最大的问题；

步骤S204：将所述概率最大的问题作为所述输入的问题并重复步骤202和步骤203，直至结束，以得到所述最优交互路径。

本实施例中公开了根据问答匹配关系和问答统计结果确定最优交互路径的具体实施方式。

具体实施中，所述输入的问题可以是用户输入的问题。将该问题作为输入确定针对该问题的最优交互路径。将输入的问题与问答匹配关系中各个问题进行匹配，将相匹配的问题的最优答案作为输入的问题的最优答案。

将最优答案与问答统计结果中的答案进行匹配，确定相匹配的答案后可能出现的下一个问题及其概率，进而确定最优答案后概率最大的问题。

迭代地，将概率最大的问题作为输入的问题，继续确定其最优答案，以及最优答案后概率最大的问题，直至结束。结束的标识是最优答案后没有下一问题。

至此，可以获得针对用户输入的问题的最优交互路径。

可以理解的是，初始输入的问题可以是用户输入的问题，也可以是其他任意方式获取到的问题；只要获得该问题，就可以执行上述迭代过程，确定针对该问题的最优交互路径。

本发明一个优选实施例中，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

具体实施中，交互结果可以表示是否解决了用户的问题，交互时长越短，交互体验越友好，交互次数越短，交互体验越友好。

具体而言，交互结果可以采用用户满意度来衡量，例如统计用户输入针对本次交互过程的满意度调查结果、统计用户在本次交互过程中是否挂机等。更具体地，可以将交互结果采用数字等级来表示，例如数字越小，表示交互结果越优。

交互过程的交互时长也可以通过统计得到。交互时长是指交互过程从开始到结束的时间长度，例如可以是通话开始到用户挂机之间的时间长度。

交互次数可以是指用户提出问题与得到想要的答案之前问答的数量，例如，用户问题为余额，在得到其想要的答案“话费余额为42”之间有3次问答交互，则本次交互过程的交互次数为3。

本发明实施例中，交互属性可以用来衡量用户的体验友好性。由此，利用上述交互属性确定问答匹配关系中的最优答案，可以进一步保证利用该最优答案与用户交互时的友好体验性。

本发明一个具体实施例中，请参照图3，图1所示步骤S103可以包括以下步骤：

步骤S301：对于每一问题，确定该问题所在的各个交互过程的交互属性；

步骤S302：将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；

步骤S303：至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

具体实施中，为了确定问答匹配关系，首先确定各个问题所在的交互过程的交互属性。例如，问题1出现在3次交互过程中，需要获取上述3次交互过程的交互属性。

由于交互属性可以具备多个交互参数，因此在步骤S302的具体实施中，可以利用多个交互参数的参数值计算交互过程的数值结果。所述数值结果可以用于衡量交互过程的友好性。进一步地，不同交互参数可以在不同程度上衡量交互过程的友好性，故而不同交互参数可以对应不同的预设权重。例如，交互参数“交互次数”重要性高于交互参数“交互时长”，则“交互次数”对应的预设权重大于“交互时长”对应的预设权重。

如前所述，交互结果可以采用数字等级来表示，例如数字越小，表示交互结果越优；交互时长越短，交互体验越友好；交互次数越短，交互体验越友好。

由此，在步骤S303的具体实施中，数值结果的数值越小，表示交互过程越优。可以选取数值结果最小的交互过程作为最优交互过程。最优交互过程中的针对所述问题的答案作为所述问题的最优答案。问题与其最优答案可以形成问答匹配关系。

本发明另一个优选实施例中，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

具体实施中，为了衡量交互过程的友好性，可以预先确定预设交互模板。预设交互模板可以是预先参照多种因素确定的顺序排列的多个步骤节点。换句话说，按照顺序排列的多个步骤节点与用户交互可以获得较好的用户体验。由此，将交互过程与预设交互模板的相关性作为交互过程的交互属性，并用于衡量交互过程的友好性。

交互过程与预设交互模板的相关性越高，表示交互过程较优。

可以理解的是，在实际的应用场景中，预设交互模板是固定的，例如维修变压器有5个步骤，上述5个步骤的顺序是确定且不可更改的。

本发明实施例中，预设交互模板可以表示正确的交互流程，与预设交互模板的相关性可以表示交互过程的流畅性，通过该交互属性可以衡量该交互过程与用户进行交互的友好性。由此，将与预设交互模板的相关性作为确定最优答案的考量因素，进一步保证了利用最优交互路径与用户进行交互时的友好体验性。

本发明另一个具体实施例中，请参照图4，图1所示步骤S103可以包括以下步骤：

步骤S401：对于每一交互过程，确定与其匹配的预设交互模板；

步骤S402：对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；

步骤S403：至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

本实施例中，每一交互过程具有匹配的预设交互模板，也即具有匹配的顺序排列的多个步骤节点。

在步骤S402的具体实施中，交互过程中具有顺序排列的问题，交互过程具有匹配的顺序排列的多个步骤节点。由此，将在预设交互模板中搜索与交互过程中的每一问题匹配的当前步骤节点。并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果。

确定结果可以表示所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配。如果确定结果表示所述问题的下一问题与所述当前步骤节点的下一步骤节点匹配，则表示该交互过程为最优交互过程。

本发明实施例中，预设交互模板可以表示正确的交互流程，与预设交互模板的相关性可以表示交互过程的流畅性，通过该交互属性可以衡量该交互过程与用户进行交互的友好性。由此，将与预设交互模板的相关性作为确定最优答案的考量因素，进一步保证了利用最优交互路径与用户进行交互时的友好体验性。

请参照图5，基于机器学习的语音交互路径确定装置50可以包括历史交互数据获取模块501、统计模块502、分析模块503和最优交互路径确定模块504。

其中，历史交互数据获取模块501适于获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；

统计模块502适于对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；

分析模块503适于分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；

最优交互路径确定模块504适于根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

具体实施中，单次交互过程可以是指连续的问答过程。具体可以是单次会话过程，例如可以是单次的通话过程。

交互过程的历史交互数据可以是指在该交互过程中所形成的问答记录，也即多个问题及其答案。

具体而言，历史交互数据可以是语音数据，也可以是文本数据。如果历史交互数据是语音数据，则可以将语音数据转换为文本数据。更具体地，历史交互数据可以选自人工客服数据、自动问答数据以及现有的话术设计数据。

可以对各个交互过程的历史交互数据进行统计。由于交互过程是连续的问答过程，因此在每一答案之后会继续出现问题。通过对历史交互数据进行统计分析，可以得到各个答案后可能出现的下一问题。

在不同的交互过程中，同一答案后出现的问题可能不同。故而，同一答案后可以出现多个下一个问题。通过对历史交互数据进行统计分析，还可以得到可能出现的下一个问题的概率。

每一交互过程具备交互属性。交互属性可以衡量该交互过程的体验友好性。可以通过分析各个交互过程的交互属性确定问答匹配关系。对于各个用户问题，将该用户问题所处的交互属性最优的交互过程中，针对该用户问题的答案作为该用户问题的最优答案。各个用户问题与其匹配的最优答案形成问答匹配关系。

进而可以利用问答匹配关系中的最优答案，以及问答统计结果中各答案后可能出现的下一个问题及其概率，来确定针对各个问题的最优交互路径。

具体地，在确定问答统计结果中各答案后可能出现的下一个问题的概率时，可以采用贝叶斯统计算法来实现。更具体地，可以利用贝叶斯统计算法建立模型，并利用该模型得到问答统计结果。

最优交互路径可以形成针对问题的交互流程，利用该最优交互路径与用户进行交互时，可以引导用户按照该交互流程进行交互，以获得较好的交互体验。

本发明实施例利用交互过程中的交互历史数据进行分析和统计，得到交互匹配关系以及问答统计结果；利用问答匹配关系可以关联问题与其最优答案，利用问答统计结果可以确定答案后出现概率最大的问题，由此，可以确定每一问题的最优交互路径；由于确定最优交互路径时将交互属性、出现概率等作为考量因素，因此利用最优交互路径与用户进行交互，可以提升用户体验。

所述最优交互路径包括问题的最优答案及其后续的多个问题。

换言之，在给出针对用户问题的最优答案后，还可以预测用户最可能提问的下一问题，提升交互体验。

由于最优交互路径可以表示交互流程，因此交互路径中可以包括问题的最优答案及其后续的多个问题，以形成可持续的问答交互。

请参照图6，本发明一个具体实施例中，图5所示最优交互路径确定模块504可以包括输入确定单元5041，适于确定输入的问题；最优答案确定单元5042，适于根据所述问答匹配关系确定所述输入的问题的最优答案；问题确定单元5043，适于根据所述问答统计结果，确定所述最优答案后概率最大的问题；迭代确定单元5044，适于将所述概率最大的问题作为所述输入的问题并重复输入确定单元5041和最优答案确定单元5042所执行的步骤，直至结束，以得到所述最优交互路径。

具体实施中，所述输入的问题可以是用户输入的问题。将该问题作为输入确定针对该问题的最优交互路径。将输入的问题与问答匹配关系中各个问题进行匹配，将相匹配的问题的最优答案作为输入的问题的最优答案。

将最优答案与问答统计结果中的答案进行匹配，确定相匹配的答案后可能出现的下一个问题及其概率，进而确定最优答案后概率最大的问题。

迭代地，将概率最大的问题作为输入的问题，继续确定其最优答案，以及最优答案后概率最大的问题，直至结束。结束的标识是最优答案后没有下一问题。

至此，可以获得针对用户输入的问题的最优交互路径。

可以理解的是，初始输入的问题可以是用户输入的问题，也可以是其他任意方式获取到的问题；只要获得该问题，就可以执行上述迭代过程，确定针对该问题的最优交互路径。

本发明一个优选实施例中，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

具体实施中，交互结果可以表示是否解决了用户的问题，交互时长越短，交互体验越友好，交互次数越短，交互体验越友好。

具体而言，交互结果可以采用用户满意度来衡量，例如统计用户输入针对本次交互过程的满意度调查结果、统计用户在本次交互过程中是否挂机等。更具体地，可以将交互结果采用数字等级来表示，例如数字越小，表示交互结果越优。

交互过程的交互时长也可以通过统计得到。交互时长是指交互过程从开始到结束的时间长度，例如可以是通话开始到用户挂机之间的时间长度。

交互次数可以是指用户提出问题与得到想要的答案之前问答的数量，例如，用户问题为余额，在得到其想要的答案“话费余额为42”之间有3次问答交互，则本次交互过程的交互次数为3。

本发明实施例中，交互属性可以用来衡量用户的体验友好性；交互结果可以表示是否解决了用户的问题，交互时长越短，交互体验越友好，交互次数越短，交互体验越友好。由此，利用上述交互属性确定问答匹配关系中的最优答案，可以进一步保证利用该最优答案与用户交互时的友好体验性。

请参照图7，图5所示分析模块503可以包括交互属性确定单元5031，适于对于每一问题，确定该问题所在的各个交互过程的交互属性；计算单元5032，适于将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；第一最优答案确定单元5033，适于至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

具体实施中，为了确定问答匹配关系，首先确定各个问题所在的交互过程的交互属性。例如，问题1出现在3次交互过程，需要获取上述3次交互过程的交互属性。

由于交互属性可以具备多个交互参数，因此可以利用多个交互参数的参数值计算交互过程的数值结果。所述数值结果可以用于衡量交互过程的友好性。进一步地，不同交互参数可以在不同程度上衡量交互过程的友好性，故而不同交互参数可以对应不同的预设权重。例如，交互参数“交互次数”重要性高于交互参数“交互时长”，则“交互次数”对应的预设权重大于“交互时长”对应的预设权重。

如前所述，交互结果可以采用数字等级来表示，例如数字越小，表示交互结果越优；交互时长越短，交互体验越友好；交互次数越短，交互体验越友好。

由此，数值结果的数值越小，表示交互过程越优。可以选取数值结果最小的交互过程作为最优交互过程。最优交互过程中的针对所述问题的答案作为所述问题的最优答案。问题与其最优答案可以形成问答匹配关系。

优选地，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

具体实施中，为了衡量交互过程的友好性，可以预先确定预设交互模板。预设交互模板可以是预先参照多种因素确定的顺序排列的多个步骤节点。换句话说，按照顺序排列的多个步骤节点与用户交互可以获得较好的用户体验。由此，将交互过程与预设交互模板的相关性作为交互过程的交互属性，并用于衡量交互过程的友好性。

交互过程与预设交互模板的相关性越高，表示交互过程较优。

可以理解的是，在实际的应用场景中，预设交互模板是固定的，例如维修变压器有5个步骤，上述5个步骤的顺序是确定且不可更改的。

本发明实施例中，预设交互模板可以表示正确的交互流程，与预设交互模板的相关性可以表示交互过程的流畅性，通过该交互属性可以衡量该交互过程与用户进行交互的友好性。由此，将与预设交互模板的相关性作为确定最优答案的考量因素，进一步保证了利用最优交互路径与用户进行交互时的友好体验性。

请继续参照图7，图5所示分析模块503可以包括预设交互模板匹配单元5034，适于对于每一交互过程，确定与其匹配的预设交互模板；步骤节点匹配单元5035，适于对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；第二最优答案确定单元5036，适于至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

本实施例中，每一交互过程具有匹配的预设交互模板，也即具有匹配的顺序排列的多个步骤节点。

交互过程中具有顺序排列的问题，交互过程具有匹配的顺序排列的多个步骤节点。由此，将在预设交互模板中搜索与交互过程中的每一问题匹配的当前步骤节点。并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果。

确定结果可以表示所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配。如果确定结果表示所述问题的下一问题与所述当前步骤节点的下一步骤节点匹配，则表示该交互过程为最优交互过程。

具体地，图5所示历史交互数据获取模块501可以包括语音数据获取单元(图未示)，适于获取所述多次交互过程各自的语音数据；聚类单元(图未示)，适于将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

本实施例中，在获得交互过程的文本数据之后，可以对所述文本进行聚类。在聚类结果中，主题相同或相近的问答数据被划分为同一类别。在后续对历史交互数据进行分析时，可以基于聚类后的问答数据确定问答匹配关系和问答统计结果。

关于所述基于机器学习的语音交互路径确定装置50的工作原理、工作方式的更多内容，可以参照图1至图4中的相关描述，这里不再赘述。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行图1至图4中所示的基于机器学习的语音交互路径确定方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。

本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1至图4中所示的基于机器学习的语音交互路径确定方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (18)

1.一种基于机器学习的语音交互路径确定方法，其特征在于，包括：

获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；

对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；

分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；

根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

2.根据权利要求1所述的基于机器学习的语音交互路径确定方法，其特征在于，所述根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径包括：

步骤1：确定输入的问题；

步骤2：根据所述问答匹配关系确定所述输入的问题的最优答案；

步骤3：根据所述问答统计结果，确定所述最优答案后概率最大的问题；

步骤4：将所述概率最大的问题作为所述输入的问题并重复步骤2和步骤3，直至结束，以得到所述最优交互路径。

3.根据权利要求1所述的语音交互路径确定方法，其特征在于，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

4.根据权利要求3所述的语音交互路径确定方法，其特征在于，所述分析每一交互过程的交互属性，以确定问答匹配关系包括：

对于每一问题，确定该问题所在的各个交互过程的交互属性；

将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；

至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

5.根据权利要求1所述的语音交互路径确定方法，其特征在于，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

6.根据权利要求5所述的语音交互路径确定方法，其特征在于，所述分析每一交互过程的交互属性，以确定问答匹配关系包括：

对于每一交互过程，确定与其匹配的预设交互模板；

对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；

至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

7.根据权利要求1所述的语音交互路径确定方法，其特征在于，所述最优交互路径包括问题的最优答案及其后续的多个问题。

8.根据权利要求1所述的语音交互路径确定方法，其特征在于，所述获取针对多次交互过程各自的历史交互数据包括：

获取所述多次交互过程各自的语音数据；

将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

9.一种基于机器学习的语音交互路径确定装置，其特征在于，包括：

历史交互数据获取模块，适于获取多次交互过程各自的历史交互数据，每一历史交互数据包括多个问题及其答案；

统计模块，适于对所述历史交互数据进行统计，以确定问答统计结果，所述问答统计结果包括各答案后可能出现的下一个问题及其概率；

分析模块，适于分析每一交互过程的交互属性，以确定问答匹配关系，所述问答匹配关系包括每一问题及其匹配的最优答案；

最优交互路径确定模块，适于根据所述问答统计结果以及所述问答匹配关系，确定最优交互路径。

10.根据权利要求9所述的语音交互路径确定装置，其特征在于，所述最优交互路径确定模块包括：

输入确定单元，适于确定输入的问题；

最优答案确定单元，适于根据所述问答匹配关系确定所述输入的问题的最优答案；

问题确定单元，适于根据所述问答统计结果，确定所述最优答案后概率最大的问题；

迭代确定单元，适于将所述概率最大的问题作为所述输入的问题并所述最优答案确定单元和问题确定单元执行的步骤，直至结束，以得到所述最优交互路径。

11.根据权利要求9所述的语音交互路径确定装置，其特征在于，所述交互属性包括至少一个交互参数，所述交互参数选自交互结果、交互时长和获取问题的最优答案所需的交互次数。

12.根据权利要求11所述的语音交互路径确定装置，其特征在于，所述分析模块包括：

交互属性确定单元，适于对于每一问题，确定该问题所在的各个交互过程的交互属性；

计算单元，适于将所述交互属性中的各个交互参数的参数值按照其对应的预设权重加权相加，以得到数值结果；

第一最优答案确定单元，适于至少根据所述问题所在的各个交互过程的数值结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

13.根据权利要求9所述的语音交互路径确定装置，其特征在于，所述交互属性包括与预设交互模板的相关性，所述预设交互模板包括顺序排列的多个步骤节点。

14.根据权利要求13所述的语音交互路径确定装置，其特征在于，所述分析模块包括：

预设交互模板匹配单元，适于对于每一交互过程，确定与其匹配的预设交互模板；

步骤节点匹配单元，适于对于所述交互过程中的每一问题，在所述预设交互模板中搜索与该问题匹配的当前步骤节点，并确定所述问题的下一问题是否与所述当前步骤节点的下一步骤节点匹配，以得到确定结果；

第二最优答案确定单元，适于至少根据所述确定结果确定最优交互过程，并将所述最优交互过程中的针对所述问题的答案作为所述问题的最优答案。

15.根据权利要求9所述的语音交互路径确定装置，其特征在于，所述最优交互路径包括问题的最优答案及其后续的多个问题。

16.根据权利要求9所述的语音交互路径确定装置，其特征在于，所述历史交互数据获取模块包括：

语音数据获取单元，适于获取所述多次交互过程各自的语音数据；

聚类单元，适于将所述语音数据转换为文本，并对所述文本进行聚类分析，以得到聚类结果，所述聚类结果用于统计确定所述问答统计结果和分析得到每一交互过程的交互属性。

17.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至8中任一项所述语音交互路径确定方法的步骤。

18.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至8中任一项所述语音交互路径确定方法的步骤。