CN108804603B - 人机书面对话方法及系统、服务器、介质 - Google Patents
人机书面对话方法及系统、服务器、介质 Download PDFInfo
- Publication number
- CN108804603B CN108804603B CN201810531344.3A CN201810531344A CN108804603B CN 108804603 B CN108804603 B CN 108804603B CN 201810531344 A CN201810531344 A CN 201810531344A CN 108804603 B CN108804603 B CN 108804603B
- Authority
- CN
- China
- Prior art keywords
- data
- fine
- scene
- grained information
- current
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明所公开了一种人机书面对话方法及系统、服务器、介质。所述人机书面对话方法,应用于服务器,包括:接收数据;抽取所述数据的细粒度信息;根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。本发明实施例所公开的技术方案运行简单,计算机的回复准确,而且不限定具体的对话内容和对话顺序,能够实现自由对话。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种人机书面对话方法及系统、服务器、介质。
背景技术
人机对话是计算机的一种工作方式,即计算机操作员或用户与计算机之间,通过控制台或终端显示屏幕,以对话方式进行工作。操作员可用命令或命令过程告诉计算机执行某一任务。人机对话分为语音对话和书面对话两种。
目前,人机书面对话主要采用的方案为:基于固定路径的对话系统、基于检索的对话系统和基于神经网络的对话系统。其中,基于固定路径的对话系统中,用户没有自主性,只能按照程序设定好的方式进行点选和输入,没有办法自由对话。基于检索的对话系统只是通过字面上的相似性来实现数据的检索,容易发生字面相似,但是语义相差大的问题。基于神经网络的对话系统训练依赖于大量的训练语料,因此在语料准备上十分困难,同时,由于神经网络生成模型的特性,容易生成大量无效回复。
可见,提出一种简单、准确、自由的人机书面对话技术,已成为本领域技术人员亟待解决的技术问题。
发明内容
本发明目的是提供一种人机书面对话方法及系统、服务器、介质,以解决上述问题。
本发明解决技术问题采用如下技术方案:
一种人机书面对话方法,应用于服务器,所述方法包括:
接收数据;
抽取所述数据的细粒度信息;
根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。
可选的,在接收数据之前,还包括:
创建多个数据场景和与所述数据场景相对应的引导数据集合。
可选的,在接收数据之后,抽取所述数据的细粒度信息之前,还包括:
对所述数据进行预处理。
可选的,所述根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景的方法,包括:
将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并语句处理,得到全集数据;
根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
可选的,所述按照预设规则对所述引导数据集合内的引导数据进行排序的方法,包括:
按照与所述当前人机书面对话度从高到低的顺序对所述引导数据进行排序;
按照数据质量从高到低的顺序对所述引导数据进行排序。
本发明哈公开了一种人机书面对话系统,包括:
数据接收模块,所述数据接收模块用于接收数据;
细粒度信息抽取模块,所述细粒度信息抽取模块与所述数据接收模块相连,用于抽取所述数据的细粒度信息;
引导数据集合选取模块,所述引导数据集合选取模块与所述细粒度信息抽取模块相连,用于根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
引导数据选取模块,所述引导数据选取模块与所述引导数据集合选取模块相连,用于接收所述与所述数据场景对应的引导数据集合,并按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。
可选的,所述人机书面对话系统,还包括:
存储器,所述存储器分别与所述引导数据集合选取模块和引导数据选取模块相连,用于存储预先创建的多个数据场景和与所述数据场景相对应的引导数据集合。
可选的,所述细粒度信息抽取模块,包括:
全集数据获取单元,所述全集数据获取单元用于将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并语句处理,得到全集数据;
第一条件筛选单元,所述第一条件筛选单元与所述全集数据获取单元相连,用于接收所述全集数据,并根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
第二条件筛选单元,所述第二条件筛选单元与所述第一条件筛选单元相连,用于接收所述预留数据场景集合,并根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
本发明还公开了一种服务器,所述服务器包括:
处理器;以及
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述任一所述方法的步骤。
本发明还公开了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的服务器执行时,使得所述服务器执行如上述任一所述方法的步骤。
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:
本发明实施例所提供的人机书面对话方法,对接收到的数据抽取细粒度信息,然后根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合,再按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据,从而实现人机书面对话。本发明实施例所提供的人机书面对话方法将数据的细粒度信息与预设的数据场景相结合,从而选取最优的引导数据,实现人机书面对话。整个人机书面对话运行简单,计算机的回复准确,而且不限定具体的对话内容和对话顺序,能够实现自由对话。
附图说明
图1是本发明实施例所公开的一种人机书面对话方法流程图;
图2是本发明实施例所公开的一种人机书面对话系统示意图;
图3是本发明实施例所公开的另一种人机书面对话系统示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
下面结合实施例及附图对本发明的技术方案作进一步阐述。
一种人机书面对话方法,应用于服务器,如图1所示,所述方法包括:
接收数据;
抽取所述数据的细粒度信息;
根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。
其中,所述接收到的数据为用户的对话请求数据和文本输入数据。
在接收数据之前,还包括:
创建多个数据场景和与所述数据场景相对应的引导数据集合。所述数据场景为预设的,对于特定领域的对话,数据场景需要的较少,可以实现更为精确的对话行为;对于不限领域的对话,需要较多的预设数据场景,或者需要多级的数据场景,从而实现更为精确的数据引导,进而实现更为精准的人机书面对话。
在接收数据之后,抽取所述数据的细粒度信息之前,还包括:
对所述数据进行预处理。所述对对所述数据进行预处理即为去掉与所述细粒度信息抽取无关的要素,只留下数据的关键要素,从而为抽取所述数据的细粒度信息做好铺垫。
所述根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景的方法,包括:
将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并(merge)语句处理,得到全集数据;
根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
其中,所述全集数据结合了当前数据的细粒度信息和在先数据的细粒度信息,根据所述全集数据筛选数据场景,能够更好的考虑全文语境,实现人机书面对话的连贯性。所述第一条件为数据场景筛选的条件,所述第二条件为最优数据场景排序的条件,在具体设置第一条件和第二条件时,由于对话领域的不同,则第一条件和第二条件的限制内容会出现较大的差别。这个差别不是体现在第一条件和第二条件之间,而是体现在不同领域人机书面对话情况下,某一领域第一条件和另一领域第一条件之间的差别,某一领域第二条件和另一领域第二条件之间的差别。而且,上述数据场景的选取过程中,首先对多个数据场景进行第一条件筛选,能够剔除掉与当前数据无关的数据场景,然后对剩下的与所述当前数据有关的数据场景进行第二条件排序,从而在与所述当前数据有关的数据场景选出最优的数据场景,从而实现精确的数据场景匹配,为当前数据的引导数据选取提供必要条件。
在确定了数据场景后,便可以在所述数据场景所对应的引导数据集合内选取引导数据,实现人机书面对话。在本实施例中,所述按照预设规则对所述引导数据集合内的引导数据进行排序的方法,包括:
按照与所述当前人机书面对话度从高到低的顺序对所述引导数据进行排序;
按照数据质量从高到低的顺序对所述引导数据进行排序。
即先按照与所述当前人机书面对话度进行排序,剔除不相关的引导数据,再按照数据质量排序,进而在相关的引导数据中选取数据质量最好的引导数据。
可见,本发明实施例所提供的人机书面对话方法,对接收到的数据抽取细粒度信息,然后根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合,再按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据,从而实现人机书面对话。将数据的细粒度信息与预设的数据场景相结合,从而选取最优的引导数据,实现人机书面对话。整个人机书面对话运行简单,计算机的回复准确,而且不限定具体的对话内容和对话顺序,能够实现自由对话。
为使本领域技术人员更好地理解和实现本发明,以下以一个具体的应用场景进行说明。在互联网保险销售领域,提供一个自动化的开放式对话引导,能够智能地根据用户提问和回答,逐步引导用户完成购买保险前的需求确认、信息收集、和成单付款过程,从而为客服人员提供标准化的咨询销售流程,以及减少客服过程中人力的投入。
基于上述互联网保险销售领域,本发明实施例通过下述方法,能够更简单准确的实现人机书面对话,从而更有效的为客服人员提供标准化的咨询销售流程,以及减少客服过程中人力的投入。
在本方法运行之前,先创建多个数据场景和与所述数据场景相对应的引导数据集合。例如,新用户场景、意外保险场景、养老保险场景和未成年人医疗保险场景、成年人医疗保险场景、老年人医疗保险场景,对应着这些数据场景,会有新用户引导语集合、意外保险引导语集合、养老保险引导语集合和未成年人医疗保险引导语集合、成年人医疗保险引导语集合、老年人医疗保险引导语集合。
在本方法运行之时,收到数据。例如,用户的消息“我想给孩子买一份保终身的重疾险,请问有合适的吗?”。
对所述数据进行预处理。例如,对上述文字预处理,统一英文大小写,去除符号等操作,得到标准化字符串“我想给孩子买一份保终身的重疾险请问有合适的吗”。
抽取所述数据的细粒度信息。例如,提取文字中的细粒度信息,得到“被保人-孩子”,“保障期限-终身”,“保险类型-重疾险”三个信息实体数据。
根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合。即,结合上文,假设此时是用户的第一条消息,因此上文中的数据为空。此时,当前数据的细粒度信息“被保人-孩子”、“保障期限-终身”和“保险类型-重疾险”。则将所述当前数据的细粒度信息(“被保人-孩子”、“保障期限-终身”和“保险类型-重疾险”)和在先数据的细粒度信息(空)进行合并语句处理,得到全集数据(“被保人-孩子”、“保障期限-终身”和“保险类型-重疾险”)。根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合。此时,第一条件即可设为“医疗保险”,检索所有预设的数据场景,若不属于“医疗保险”的数据场景都会被删除,得到的预留数据场景集合为(未成年人医疗保险场景、成年人医疗保险场景、老年人医疗保险场景)。根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。此时,第二条件即可设为“年龄匹配度”,对所述预留数据场景集合内的数据场景按照“年龄匹配度”条件进行排序。由于上文是“孩子”,则“年龄匹配度”排序结果为未成年人医疗保险场景-成年人医疗保险场景-老年人医疗保险场景,未成年人医疗保险场景序列最高,即为与所述当前数据对应的数据场景。
按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。此时,对应着未成年人医疗保险场景为未成年人医疗保险引导语集合,在未成年人医疗保险引导语集合内有多条不同的引导数据(引导语料),不同的引导数据对应用户不同的引导分支,例如:想给孩子买短期医疗险,想给孩子买长期医疗险,想给孩子买终身医疗险等等。在按照预设规则对所述引导数据集合内的引导数据进行排序时,先按照与所述当前人机书面对话度从高到低的顺序对所述引导数据进行排序,再按照数据质量从高到低的顺序对所述引导数据进行排序。根据上例,即先按照与所述当前人机书面对话度进行排序,剔除与“孩子、终身、重疾”不相关的引导数据,再按照数据质量排序,进而在相关的引导数据中选取数据质量最好的引导数据。
本发明另一实施例公开了一种人机书面对话系统,如图2所示,所述人机书面对话系统包括:
数据接收模块,所述数据接收模块用于接收数据;
细粒度信息抽取模块,所述细粒度信息抽取模块与所述数据接收模块相连,用于抽取所述数据的细粒度信息;
引导数据集合选取模块,所述引导数据集合选取模块与所述细粒度信息抽取模块相连,用于根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
引导数据选取模块,所述引导数据选取模块与所述引导数据集合选取模块相连,用于接收所述与所述数据场景对应的引导数据集合,并按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。
如图3所示,所述人机书面对话系统,还包括:
存储器,所述存储器分别与所述引导数据集合选取模块和引导数据选取模块相连,用于存储预先创建的多个数据场景和与所述数据场景相对应的引导数据集合。
在所述人机书面对话系统中,所述细粒度信息抽取模块,包括:
全集数据获取单元,所述全集数据获取单元用于将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并语句处理,得到全集数据;
第一条件筛选单元,所述第一条件筛选单元与所述全集数据获取单元相连,用于接收所述全集数据,并根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
第二条件筛选单元,所述第二条件筛选单元与所述第一条件筛选单元相连,用于接收所述预留数据场景集合,并根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
本发明实施例中的人机书面对话系统适于实现本发明实施例中的人机书面对话方法,其原理、名词解释及有益效果可以参见本发明实施例中的人机书面对话方法,在此不再赘述。
本发明实施例还提供了一种服务器,所述服务器包括:
处理器;以及
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述任一实施例所述方法的步骤。
其中,存储器用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器,执行存储器所存放的程序,并具体用于执行以下操作:
接收数据;
抽取所述数据的细粒度信息;
根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据。
本实施例中的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的服务器执行时,使得所述服务器执行如上述任一实施例所述方法的步骤
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
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暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种人机书面对话方法,应用于服务器,其特征在于,所述方法包括:
接收数据;
抽取所述数据的细粒度信息;
根据当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据,
其中,在接收数据之前,还包括:创建多个数据场景和与所述数据场景相对应的引导数据集合;
所述根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景的方法,包括:
将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并语句处理,得到全集数据;
根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
2.根据权利要求1所述人机书面对话方法,其特征在于,在接收数据之后,抽取所述数据的细粒度信息之前,还包括:
对所述数据进行预处理。
3.根据权利要求1所述人机书面对话方法,其特征在于,所述按照预设规则对所述引导数据集合内的引导数据进行排序的方法,包括:
按照与所述当前人机书面对话度从高到低的顺序对所述引导数据进行排序;
按照数据质量从高到低的顺序对所述引导数据进行排序。
4.一种人机书面对话系统,其特征在于,包括:
数据接收模块,所述数据接收模块用于接收数据;
细粒度信息抽取模块,所述细粒度信息抽取模块与所述数据接收模块相连,用于抽取所述数据的细粒度信息;
引导数据集合选取模块,所述引导数据集合选取模块与所述细粒度信息抽取模块相连,用于根据所述当前数据的细粒度信息和在先数据的细粒度信息选取与所述当前数据对应的数据场景,并确定与所述数据场景对应的引导数据集合;
引导数据选取模块,所述引导数据选取模块与所述引导数据集合选取模块相连,用于接收所述与所述数据场景对应的引导数据集合,并按照预设规则对所述引导数据集合内的引导数据进行排序,选取排序最高的引导数据作为当前数据的引导数据,
其中,所述细粒度信息抽取模块,包括:
全集数据获取单元,所述全集数据获取单元用于将所述当前数据的细粒度信息和在先数据的细粒度信息进行合并语句处理,得到全集数据;
第一条件筛选单元,所述第一条件筛选单元与所述全集数据获取单元相连,用于接收所述全集数据,并根据所述全集数据对所述多个数据场景进行第一条件判定,将不符合第一条件判定的数据场景删除,得到预留数据场景集合;
第二条件筛选单元,所述第二条件筛选单元与所述第一条件筛选单元相连,用于接收所述预留数据场景集合,并根据所述当前数据的细粒度信息,对所述预留数据场景集合内的数据场景进行第二条件排序,将排序最高的数据场景作为与所述当前数据对应的数据场景。
5.根据权利要求4所述人机书面对话系统,其特征在于,还包括:
存储器,所述存储器分别与所述引导数据集合选取模块和引导数据选取模块相连,用于存储预先创建的多个数据场景和与所述数据场景相对应的引导数据集合。
6.一种服务器,其特征在于,所述服务器包括:
处理器;以及
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1-3任一所述方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的服务器执行时,使得所述服务器执行如权利要求1-3任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810531344.3A CN108804603B (zh) | 2018-05-29 | 2018-05-29 | 人机书面对话方法及系统、服务器、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810531344.3A CN108804603B (zh) | 2018-05-29 | 2018-05-29 | 人机书面对话方法及系统、服务器、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108804603A CN108804603A (zh) | 2018-11-13 |
CN108804603B true CN108804603B (zh) | 2021-07-23 |
Family
ID=64090770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810531344.3A Expired - Fee Related CN108804603B (zh) | 2018-05-29 | 2018-05-29 | 人机书面对话方法及系统、服务器、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108804603B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685454A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 人机交互方法及系统 |
CN105138671A (zh) * | 2015-09-07 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互的交互引导方法和装置 |
CN106326452A (zh) * | 2016-08-26 | 2017-01-11 | 宁波薄言信息技术有限公司 | 一种基于上下文的人机对话方法 |
CN106557576A (zh) * | 2016-11-24 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 基于人工智能的提示信息推荐方法以及装置 |
CN107066558A (zh) * | 2017-03-28 | 2017-08-18 | 北京百度网讯科技有限公司 | 基于人工智能的引导项推荐方法及装置、设备与可读介质 |
CN107644641A (zh) * | 2017-07-28 | 2018-01-30 | 深圳前海微众银行股份有限公司 | 对话场景识别方法、终端以及计算机可读存储介质 |
CN107870994A (zh) * | 2017-10-31 | 2018-04-03 | 北京光年无限科技有限公司 | 用于智能机器人的人机交互方法及系统 |
CN107967304A (zh) * | 2017-11-10 | 2018-04-27 | 北京众标智能科技有限公司 | 会话交互处理方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050047394A1 (en) * | 2003-08-28 | 2005-03-03 | Jeff Hodson | Automatic contact navigation system |
-
2018
- 2018-05-29 CN CN201810531344.3A patent/CN108804603B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685454A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 人机交互方法及系统 |
CN105138671A (zh) * | 2015-09-07 | 2015-12-09 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互的交互引导方法和装置 |
CN106326452A (zh) * | 2016-08-26 | 2017-01-11 | 宁波薄言信息技术有限公司 | 一种基于上下文的人机对话方法 |
CN106557576A (zh) * | 2016-11-24 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 基于人工智能的提示信息推荐方法以及装置 |
CN107066558A (zh) * | 2017-03-28 | 2017-08-18 | 北京百度网讯科技有限公司 | 基于人工智能的引导项推荐方法及装置、设备与可读介质 |
CN107644641A (zh) * | 2017-07-28 | 2018-01-30 | 深圳前海微众银行股份有限公司 | 对话场景识别方法、终端以及计算机可读存储介质 |
CN107870994A (zh) * | 2017-10-31 | 2018-04-03 | 北京光年无限科技有限公司 | 用于智能机器人的人机交互方法及系统 |
CN107967304A (zh) * | 2017-11-10 | 2018-04-27 | 北京众标智能科技有限公司 | 会话交互处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108804603A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112672184A (zh) | 一种视频审核及发布方法 | |
CN110033382B (zh) | 一种保险业务的处理方法、装置及设备 | |
US11416539B2 (en) | Media selection based on content topic and sentiment | |
US20170011068A1 (en) | Extrapolative Search Techniques | |
CN108875743B (zh) | 一种文本识别方法及装置 | |
CN113011169B (zh) | 一种会议纪要的处理方法、装置、设备及介质 | |
CN111143551A (zh) | 文本预处理方法、分类方法、装置及设备 | |
CN111966334A (zh) | 一种业务处理方法、装置及设备 | |
CN117076650B (zh) | 一种基于大语言模型的智能对话方法、装置、介质及设备 | |
CN112733024A (zh) | 一种信息推荐的方法及装置 | |
CN110837545A (zh) | 交互式数据分析方法、装置、介质及电子设备 | |
CN110191150B (zh) | 一种信息的处理系统、方法、装置及设备 | |
CN110738562B (zh) | 一种风险提醒信息的生成方法、装置及设备 | |
CN113887206B (zh) | 一种模型训练及关键词提取方法及装置 | |
US20210142803A1 (en) | Information processing system, method, device and equipment | |
CN109584088B (zh) | 产品信息的推送方法及装置 | |
CN108595395B (zh) | 一种昵称的生成方法、装置及设备 | |
CN108804603B (zh) | 人机书面对话方法及系统、服务器、介质 | |
CN112487181A (zh) | 关键词确定方法和相关设备 | |
US11106864B2 (en) | Comment-based article augmentation | |
CN117035695B (zh) | 一种信息预警的方法、装置、可读存储介质以及电子设备 | |
CN117909505B (zh) | 事件论元的抽取方法及相关设备 | |
US11520839B2 (en) | User based network document modification | |
CN115048904B (zh) | 一种实体展示方法、装置、存储介质及电子设备 | |
CN113837772B (zh) | 一种对营销信息进行审核的方法、装置及设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210723 |