CN108763352A - 采访提问方法、装置及电子设备 - Google Patents
采访提问方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108763352A CN108763352A CN201810465751.9A CN201810465751A CN108763352A CN 108763352 A CN108763352 A CN 108763352A CN 201810465751 A CN201810465751 A CN 201810465751A CN 108763352 A CN108763352 A CN 108763352A
- Authority
- CN
- China
- Prior art keywords
- data
- interview
- enquirement
- editor
- queue
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及人工智能领域，具体而言，涉及一种采访提问方法、装置及电子设备。该方法包括：获得待提问类别，从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送，获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中，根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。采用该方法、装置及电子设备，能减少采访提问的工作量和人力成本。
Description
技术领域
本发明实施例涉及人工智能领域，具体而言，涉及一种采访提问方法、装置及电子设备。
背景技术
随着互联网技术的快速发展，信息的交互和传递变得尤为重要，人与人之间的采访提问作为信息交互的重要手段，在这个时代有着非常重要的作用。
但目前大多数的采访提问的方式由记者或者提问者直接与被采访者进行对接，增加了工作量和人力成本。
发明内容
有鉴于此，本发明提供了一种采访提问方法、装置及电子设备，以改善现有的采访提问方式需要耗费大量工作量和人力成本的问题。
为实现上述目的，本发明实施例提供了一种采访提问方法，应用于服务端，所述方法包括：
获得待提问类别；
从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送；
获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
可选地，将所述待编辑数据存入编辑队列中的步骤，包括：
获得所述提问数据所对应的变量标签；
根据所述变量标签和所述回复数据生成键值对数组；
将所述键值对数组存入所述编辑队列中。
可选地，根据所述编辑队列，采用遍历循环方法生成采访文本稿件的步骤，包括：
根据所述采访提问数据，在所述提问数据库进行检索并提取相对应的采访文本稿件模板；
获得所述采访文本稿件模板的变量标签以及该变量标签所对应的文本数据；
根据所述采访文本稿件模板对所述编辑队列进行遍历循环，将存入所述编辑队列中的键值对数组中的变量标签与所述采访文本稿件模板的变量标签进行匹配；
将所述采访文本稿件模板的变量标签所对应的文本数据替换成存入所述编辑队列中的键值对数组中的变量标签所对应的回复数据，将替换后的采访文本稿件模板作为采访文本稿件。
可选地，根据所述待提问类别从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送的步骤，包括：
根据所述提问类别，在所述提问数据库中进行检索，获得与所述提问类别相对应的至少一条提问数据；
对所述至少一条提问数据进行编号，获得已编号的所述至少一条提问数据，将所述已编号的所述至少一条提问数据进行发送。
可选地，获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据的步骤，包括：
获得所述已编号的所述至少一条提问数据所对应的回复数据；
根据所述已编号的所述至少一条提问数据对所述回复数据进行编号，获得已编号的回复数据；
将所述已编号的所述至少一条提问数据与所述已编号的恢复数据作为待编辑数据。
可选地，所述回复数据包括被采访者的语音数据，所述方法还包括：
根据所述语音数据提取语义数据和声纹数据；
根据所述语义数据生成语义文本数据；
根据所述声纹数据分析获得该声纹数据所对应的情绪状态数据；
将所述提问数据、所述语义文本数据、所述声纹数据和所述情绪状态数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
根据所述编辑队列生成采访文本稿件；其中，所述采访文本稿件反映了采访者针对所述提问数据所作出的答复以及情绪反映。
可选地，所述方法还包括：
在预存的情绪状态数据库中查找出与所述情绪状态数据相对应的类别，将所述采访文本稿件与所述类别进行关联，将关联之后的采访文本稿件进行存储。
本发明实施例还提供了一种采访提问装置，所述采访提问装置包括：
获取模块，用于获得待提问类别；
查找模块，用于从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送；
编辑模块，用于获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
生成模块，用于根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
本发明实施例还提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的采访提问方法。
本发明实施例还提供了一种计算机可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述的采访提问方法。
本发明实施例提供的采访提问方法、装置及电子设备，服务端将提问数据和该提问数据对应的回复数据存入编辑队列，并采用遍历循环方法生成采访文本稿件，减少了人为撰写采访文本稿件的工作量，进而减少了采访提问所需要的人力成本。
进一步地，通过对被采访者的语音数据进行分析，获得被采访者对于某一类提问数据的情绪状态数据，将该情绪状态数据与该类提问数据进行关联并存储，便于获得被采访者对一些特定提问数据的情绪反映，有助于对一些特定提问数据的后续研究。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种电子设备10的方框示意图。
图2为本发明实施例所提供的一种采访提问方法的流程图。
图3为一实施方式中图2所示的步骤S23包括的子步骤的示意图。
图4为本发明实施例所提供的一种采访提问装置20的模块框图。
图标：10-电子设备；11-存储器；12-处理器；13-网络模块；20-采访提问装置；21-获取模块；22-查找模块；23-编辑模块；24-生成模块。
具体实施方式
经调查发现，但目前大多数的采访提问的方式由记者或者提问者直接与被采访者进行对接，增加了工作量和人力成本。
以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案，都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究，本发明实施例提供了一种采访提问方法、装置及电子设备，能改善现有的采访提问方式需要耗费大量工作量和人力成本的问题。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本发明实施例所提供的一种电子设备10的方框示意图。本发明实施例中的电子设备10可以为具有数据存储、传输、处理功能的服务端，如图1所示，电子设备10包括：存储器11、处理器12、网络模块13和采访提问装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有采访提问装置20，所述采访提问装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本发明实施例中的采访提问装置20，从而执行各种功能应用以及数据处理，即实现本发明实施例中的采访提问方法。
其中，所述存储器11可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。
所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质，所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的采访提问方法。
在本实施例中，采访提问装置20可以与客户端进行数据交互，其中，采访提问装置20可以为远程服务器，客户端可以为移动设备，例如客户端可以为手机M，用户Y使用手机M与远程服务器进行数据交互，下面将针对这一过程作详细说明。
图2示出了本发明实施例所提供的一种采访提问方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10，可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述：
步骤S21，获得待提问类别。
可选地，远程服务器向客户端展示多个提问类别，客户端通过网站、APP应用或其它电子设备选择或者输入类别。
在实施例中，远程服务器将多个提问类别A、B、C发送至手机M，用户Y可以通过手机M选择A、B、C中的其中一个类别。例如，用户选择了类别A，则远程服务器获得的待提问类别为类别A。
步骤S22，从预存的提问数据库中查找出与该提问类别相对应的提问数据，将所述提问数据进行发送。
例如，远程服务器在获得了类别A之后，从预存的提问数据库中查找出与类别A相对应的提问数据，并将提问数据发送给手机M。
又例如，类别A可以为“校园暴力”，与“校园暴力”相对应的提问数据可以有多个，又例如，这些提问数据可以为：
问题一：请问您的名字叫什么？
问题二：请问您是否有小孩？
问题三：请问您的小孩年龄有多大？
问题四：请问您如何看待校园暴力？
问题五：如果您的小孩遭遇校园暴力，请问您如何处理？
可选地，在将这些问题发送给手机M之前，远程服务端会对这些问题进行编号，然后将编号之后的问题进行发送，便于后续的统计。
步骤S23，获得针对所述问题数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中。
可选地，针对步骤S22的问题，用户Y通过手机M将回复数据反馈给远程服务器，例如，回复数据可以如下：
回答一：我的名字是张三。
回答二：我有小孩。
回答三：我的孩子11岁。
回答四：这是非常不应该出现的，对孩子的身心都造成了很大的损害，而且这种情况屡屡发生，校园工作者是不是也应该反省一下自己！？
回答五：遇到这种情况我首先会找学校沟通，看看学校怎么处理，如果学校处理不给力，那么只有好好教训一下那些使用校园暴力的人了！
远程服务器在获得了手机M发送的这些问题的回复数据后，会将这些回复数据和相对应的提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中。
请结合参阅图3，本实施例中通过步骤S231、步骤S232和步骤S233列举了步骤S23的其中一种实现方式。
步骤S231，获得所述提问数据所对应的变量标签。
例如，针对“问题一：请问您的名字叫什么？”可以理解，问题一的变量标签为“姓名”。
步骤S232，根据所述变量标签和所述回复数据生成键值对数组。
例如，问题一的回复数据为：“我的名字叫张三”。
又例如，键值对数组的代码可以为：
array('1'＝>['姓名'＝>'张三']
又例如，第二个问题的键值对数组的代码为：
array('2'＝>['生育情况'＝>'有小孩']
可以理解，针对其他问题，键值对数组的生成方式和上面类似，因此在此不作更多说明。
步骤S233，将所述键值对数组存入所述编辑队列中。
在本实施例中，针对多个提问数据会获得多个键值对数组，将这些键值对数组存入编辑队列中，为之后的采访文本稿件生成提供数据基础。
步骤S24，根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
远程服务器根据步骤S22中的五个问题，在提问数据库中进行检索并提取相对应的采访文本稿件模板，并获得采访文本稿件模板的变量标签以及该变量标签对应的文本数据。
例如，根据问题一，在提问数据库中检索并提取采访文本稿件模板：“我的名字叫做$(姓名)”。可以理解，该采访文本稿件模板的变量标签是“姓名”，该变量标签所对应的文本数据为“$”。
根据采访文本稿件模板对编辑队列进行遍历循环，将存入编辑队列汇总的键值对数组中的变量标签与采访文本稿件模板的变量标签进行匹配。
又例如，将键值对数组array('1'＝>['姓名'＝>'张三']中的标签与采访文本稿件模板的变量标签进行匹配，可以得到，匹配成功的标签为“姓名”。
将采访文本稿件模板的变量标签所对应的文本数据替换成存入编辑队列中的键值对数组中的变量标签所对应的回复数据。
又例如，采访文本稿件模板的变量标签所对应的文本数据为“$”，存入编辑队列中的键值对数组中的变量标签所对应的回复数据为“张三”，将“$”替换成“张三”，进而获得采访文本稿件“我的名字叫做张三(姓名)”。
依次类推，其它采访文本稿件模板与相对应的键值对数组也采用这种方法进行替换。
根据上述方法，获得替换之后的采访文本稿件模板，将其作为采访文本稿件，并进行存储。
通过这种方法，大大减少了人为采访、撰写采访文本的工作量，且远程服务器可以同时与多个客户端进行数据交互，进而同时生成多篇采访文本稿件，提高了采访提问的效率。
可选地，用户Y可以通过语音回答远程服务器发送的问题。远程服务器获得用户Y通过手机M发送的语音数据。
在本实施例中，语音数据可以包括语义数据和声纹数据。远程服务器可以根据语义数据生成语义文本数据，根据声纹数据分析获得该声纹数据所对应的情绪状态数据。
例如，针对步骤S22提出的问题四和问题五，用户Y可以用手机M语音输入下面的回答：
回答四：这是非常不应该出现的，对孩子的身心都造成了很大的损害，而且这种情况屡屡发生，校园工作者是不是也应该反省一下自己！？
回答五：遇到这种情况我首先会找学校沟通，看看学校怎么处理，如果学校处理不给力，那么只有好好教训一下那些使用校园暴力的人了！
远程服务器在或者这些语音信息之后，可以分析得出用户Y对于问题四和问题五的情绪反映是激动和愤怒。又例如，远程服务器将提问四、提问五、回答四和回答五存入编辑队列。并根据上述遍历循环的方法生成采访问问稿件T。
进一步地，远程服务器在预存的情绪状态数据库中查找出与用户Y对于问题四和问题五的情绪反映相对应的类别，例如，远程服务器查找出的类别为愤怒类别，将采访文本稿件T与愤怒类别进行关联，并将关联之后的采访文本稿件T进行存储。如此设置，可以获得不同用户对于不同问题的情绪反映。
又例如，针对一些社会热点问题，若用户通过语音回答，则不同用户的情绪反映可能不同，所发出的语音(声纹特性)也不同，通过对语音数据进行分析能更好地对采访提问这种信息交互方式进行分析。
进一步地，将关联了不同情绪类别的采访文本稿件进行存储，易于之后的检索和分析。例如，若想研究用户在被采访过程中情绪反映为“消极”的采访文本稿件，可以通过远程服务器直接调取情绪反映类别为“消极”的采访文本稿件如：“雾霾”和“房价”。
相比于传统的人为采访、撰写文稿，本发明实施例提供的采访提问方法效率高、分析全面。
在上述基础上，如图4所示，本发明实施例提供了一种采访提问装置20，所述采访提问装置20包括：获取模块21、编辑模块22、编辑模块23和生成模块24。
获取模块21，用于获得待提问类别。
由于获取模块21和图2中步骤S21的实现原理类似，因此在此不作更多说明。
查找模块22，用于从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送。
由于查找模块22和图2中步骤S22的实现原理类似，因此在此不作更多说明。
编辑模块23，用于获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中。
由于编辑模块23和图2中步骤S23的实现原理类似，因此在此不作更多说明。
生成模块24，用于根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
由于生成模块24和图2中步骤S24的实现原理类似，因此在此不作更多说明。
综上，本发明实施例所提供的采访提问方法、装置及电子设备，采用遍历循环方法生成采访文本稿件，减少了人为撰写采访文本稿件的工作量，进而减少了采访提问所需要的人力成本。
进一步地，本发明实施例通过对被采访者的语音数据进行分析，获得被采访者对于某一类提问数据的情绪状态数据，将该情绪状态数据与该类提问数据进行关联并存储，便于获得被采访者对一些特定提问数据的情绪反映，有助于对一些特定提问数据的后续研究。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备10，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种采访提问方法，其特征在于，应用于服务端，所述方法包括：
获得待提问类别；
从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送；
获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
2.根据权利要求1所述的采访提问方法，其特征在于，将所述待编辑数据存入编辑队列中的步骤，包括：
获得所述提问数据所对应的变量标签；
根据所述变量标签和所述回复数据生成键值对数组；
将所述键值对数组存入所述编辑队列中。
3.根据权利要求2所述的采访提问方法，其特征在于，根据所述编辑队列，采用遍历循环方法生成采访文本稿件的步骤，包括：
根据所述采访提问数据，在所述提问数据库进行检索并提取相对应的采访文本稿件模板；
获得所述采访文本稿件模板的变量标签以及该变量标签所对应的文本数据；
根据所述采访文本稿件模板对所述编辑队列进行遍历循环，将存入所述编辑队列中的键值对数组中的变量标签与所述采访文本稿件模板的变量标签进行匹配；
将所述采访文本稿件模板的变量标签所对应的文本数据替换成存入所述编辑队列中的键值对数组中的变量标签所对应的回复数据，将替换后的采访文本稿件模板作为采访文本稿件。
4.根据权利要求1所述的采访提问方法，其特征在于，根据所述待提问类别从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送的步骤，包括：
根据所述提问类别，在所述提问数据库中进行检索，获得与所述提问类别相对应的至少一条提问数据；
对所述至少一条提问数据进行编号，获得已编号的所述至少一条提问数据，将所述已编号的所述至少一条提问数据进行发送。
5.根据权利要求4所述的采访提问方法，其特征在于，获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据的步骤，包括：
获得所述已编号的所述至少一条提问数据所对应的回复数据；
根据所述已编号的所述至少一条提问数据对所述回复数据进行编号，获得已编号的回复数据；
将所述已编号的所述至少一条提问数据与所述已编号的恢复数据作为待编辑数据。
6.根据权利要求1所述的采访提问方法，其特征在于，所述回复数据包括被采访者的语音数据，所述方法还包括：
根据所述语音数据提取语义数据和声纹数据；
根据所述语义数据生成语义文本数据；
根据所述声纹数据分析获得该声纹数据所对应的情绪状态数据；
将所述提问数据、所述语义文本数据、所述声纹数据和所述情绪状态数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
根据所述编辑队列生成采访文本稿件；其中，所述采访文本稿件反映了采访者针对所述提问数据所作出的答复以及情绪反映。
7.根据权利要求6所述的采访提问方法，其特征在于，所述方法还包括：
在预存的情绪状态数据库中查找出与所述情绪状态数据相对应的类别，将所述采访文本稿件与所述类别进行关联，将关联之后的采访文本稿件进行存储。
8.一种采访提问装置，其特征在于，所述采访提问装置包括：
获取模块，用于获得待提问类别；
查找模块，用于从预存的提问数据库中查找出与该待提问类别相对应的提问数据，将所述提问数据进行发送；
编辑模块，用于获得针对所述提问数据反馈的回复数据，将所述回复数据和所述提问数据作为待编辑数据，将所述待编辑数据存入编辑队列中；
生成模块，用于根据所述编辑队列，采用遍历循环方法生成采访文本稿件，将所述采访文本稿件进行存储。
9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述的采访提问方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在电子设备执行权利要求1～7任一项所述的采访提问方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810465751.9A CN108763352A (zh) | 2018-05-15 | 2018-05-15 | 采访提问方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810465751.9A CN108763352A (zh) | 2018-05-15 | 2018-05-15 | 采访提问方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108763352A true CN108763352A (zh) | 2018-11-06 |
Family
ID=64008012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810465751.9A Pending CN108763352A (zh) | 2018-05-15 | 2018-05-15 | 采访提问方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108763352A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109670911A (zh) * | 2018-12-14 | 2019-04-23 | 安徽仁昊智能科技有限公司 | 一种网购平台用的自动回复语音系统 |
| CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008035044A2 (en) * | 2006-09-18 | 2008-03-27 | Yann Emmanuel Motte | Methods and apparatus for selection of information and web page generation |
| CN101567978A (zh) * | 2009-05-31 | 2009-10-28 | 上海文广新闻传媒集团 | 财经制播图文系统 |
| CN103699642A (zh) * | 2013-12-25 | 2014-04-02 | 江苏省金思维信息技术有限公司 | 一种基于模块化软件的应答实现方法及系统 |
| CN105975511A (zh) * | 2016-04-27 | 2016-09-28 | 乐视控股（北京）有限公司 | 智能对话的方法及装置 |
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
-
2018
- 2018-05-15 CN CN201810465751.9A patent/CN108763352A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008035044A2 (en) * | 2006-09-18 | 2008-03-27 | Yann Emmanuel Motte | Methods and apparatus for selection of information and web page generation |
| CN101567978A (zh) * | 2009-05-31 | 2009-10-28 | 上海文广新闻传媒集团 | 财经制播图文系统 |
| CN103699642A (zh) * | 2013-12-25 | 2014-04-02 | 江苏省金思维信息技术有限公司 | 一种基于模块化软件的应答实现方法及系统 |
| CN105975511A (zh) * | 2016-04-27 | 2016-09-28 | 乐视控股（北京）有限公司 | 智能对话的方法及装置 |
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109670911A (zh) * | 2018-12-14 | 2019-04-23 | 安徽仁昊智能科技有限公司 | 一种网购平台用的自动回复语音系统 |
| CN110096191A (zh) * | 2019-04-24 | 2019-08-06 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置及电子设备 |
| US11355109B2 (en) | 2019-04-24 | 2022-06-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for man-machine conversation, and electronic device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10789552B2 (en) | Question answering system-based generation of distractors using machine learning | |
| US9147154B2 (en) | Classifying resources using a deep network | |
| JP7406873B2 (ja) | 質問および回答の語彙のグラフを使用する照会拡張 | |
| JP2019514117A (ja) | 個人に関連するソーシャルネットワークにわたってコンテンツを検索し、マッチングさせるためのシステムおよび方法 | |
| Liang et al. | Super tickets in pre-trained language models: From model compression to improving generalization | |
| AU2014285033B2 (en) | Systems and methods for creating and implementing an artificially intelligent agent or system | |
| Qian et al. | Pchatbot: a large-scale dataset for personalized chatbot | |
| CN107256267A (zh) | 查询方法和装置 | |
| CN104471582B (zh) | 对搜索引擎跟踪的防御 | |
| US11586815B2 (en) | Method, system and computer program product for generating artificial documents | |
| CN111858913A (zh) | 一种自动生成文本摘要的方法和系统 | |
| US20210209358A1 (en) | Methods and systems for facilitating classification of portions of a regulatory document using multiple classification codes | |
| CN111090739A (zh) | 信息处理方法、装置以及电子设备、存储介质 | |
| US20230050655A1 (en) | Dialog agents with two-sided modeling | |
| Jajarmi et al. | A new approach for the optimal control of time-varying delay systems with external persistent matched disturbances | |
| CN110807044A (zh) | 一种基于人工智能技术的模型维度管理方法 | |
| Le Mens et al. | Uncovering the semantics of concepts using GPT-4 | |
| Tsinganos et al. | Utilizing convolutional neural networks and word embeddings for early-stage recognition of persuasion in chat-based social engineering attacks | |
| CN108763352A (zh) | 采访提问方法、装置及电子设备 | |
| US20220164714A1 (en) | Generating and modifying ontologies for machine learning models | |
| Xu | [Retracted] Intelligent Library Service and Management Based on IoT Assistance and Text Recommendation | |
| US11734445B2 (en) | Document access control based on document component layouts | |
| Liu et al. | [Retracted] Deep Learning and Collaborative Filtering‐Based Methods for Students’ Performance Prediction and Course Recommendation | |
| CN106294417A (zh) | 一种数据排序方法、装置及电子设备 | |
| CN107885872A (zh) | 用于生成信息的方法和装置 |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220405 |