CN109739961A - 一种人机语言交互方法及装置 - Google Patents

Abstract

本申请提供了一种人机语言交互方法及装置，从用户输入的语句中提取语义要素，从预设的语义网络中搜索包括语义要素中的至少一个关键词的候选路径，依据候选路径和语义要素，确认用户的意图，依据用户的意图，确认语句的反馈结果。依据语义网络和语义要素确认用户的意图，与现有技术中使用匹配句一步确认用户的意图的方式相比，能够提高反馈结果的准确性，提高用户的使用体验。

Description

一种人机语言交互方法及装置

技术领域

本申请涉及人工智能领域，尤其涉及一种人机语言交互方法及装置。

背景技术

随着计算机技术的发展，人们越来越习惯使用各种智能设备完成各种需求，如查天气、查股票、查酒店等，或者通过智能客服系统完成各种业务的查询办理。智能设备或系统在满足上述需求时往往都离不开人机语言交互技术。

现有的人机语言交互方法，依据用户输入的语句确定用户的意图，再依据意图向用户发送相应的反问语句，直至通过反问语句确定用户的需求后，将需求对应的答案反馈给用户。

但实际应用中，用户输入的语句往往不能准确表达用户的意图，在此情况下，对于用户的反问不能获得用户真正的需求，因此向用户反馈的答案的很难满足用户的需求。

发明内容

本申请提供了一种人机语言交互方法及装置，目的在于解决人机语言交互结果不能满足用户需求的问题。

为了实现上述目的，本申请提供了以下技术方案：

一种人机语言交互方法，包括：

从用户输入的语句中提取语义要素，所述语义要素中包括预设类型的关键词；

从预设的语义网络中搜索候选路径，所述候选路径为所述语义网络中包括所述语义要素中的至少一个关键词的对应关系；

依据所述候选路径和所述语义要素，确认所述用户的意图；

依据所述用户的意图，确认所述语句的反馈结果。

可选的，所述预设的语义网络中包括：

属于所述预设类型的要素之间的对应关系；任意一条所述对应关系为一条路径，任意一条路径对应一个意图。

可选的，所述依据所述候选路径和所述语义要素，确认所述用户的意图包括：

按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，依次向所述用户发送交互语句，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，直至选出一条候选路径；

依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图。

可选的，所述依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图包括：

向所述用户输出确认目标意图是否正确的语句，所述目标意图为选出的一条候选路径对应的意图；基于所述用户确认所述目标意图正确的回答句，确认所述用户的意图为所述目标意图；

或者，确认选出的一条候选路径对应的意图，为所述用户的意图。

可选的，还包括：

基于所述用户确认所述目标意图不正确的回答句，触发人工服务；

或者，向所述用户输出确认其它意图是否正确的语句，并在所述用户确认所述目标意图均不正确的情况下，触发人工服务，所述目标意图为其它候选路径对应的意图。

可选的，在所述从用户输入的语句中提取语义要素之前，还包括：

依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图；

所述从用户输入的语句中提取语义要素包括：

在判定所述候选意图不可信的情况下，从所述用户输入的语句中提取所述语义要素。

可选的，所述依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图包括：

计算所述领域知识库中的语句与所述用户输入的语句的相似度得分；

将所述相似度得分满足预设条件的语句，作为所述用户输入的语句的匹配句；

所述匹配句所属的意图为所述候选意图；

判断所述候选意图不可信的方式包括以下至少一种：

所述候选意图对应的所述匹配句的相似度得分不大于预设得分阈值，所述候选意图不可信；

分别属于两个不同候选意图的匹配句的相似度得分的差值小于预设差值阈值，所述两个不同候选意图均不可信。

可选的，所述依据所述候选路径和所述语义要素，确认所述用户的意图包括：

循环执行以下流程，直至从所述领域知识库，得到可信的候选意图作为所述用户的意图：按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，向所述用户发送交互语句，在接收到所述用户的回答句后，依据历史语句从所述领域知识库中识别所述候选意图，判断所述候选意图是否可信，所述历史语句包括所述用户输入的语句和所述回答句；

其中，在循环过程中，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，每一次发送的交互语句与上一次发送的交互语句不同。

一种人机语言交互装置，包括：

提取模块，用于从用户输入的语句中提取语义要素，所述语义要素中包括预设类型的关键词；

搜索模块，用于从预设的语义网络中搜索候选路径，所述候选路径为所述语义网络中包括所述语义要素中的至少一个关键词的对应关系；

第一确认模块，用于依据所述候选路径和所述语义要素，确认所述用户的意图；

第二确认模块，用于依据所述用户的意图，确认所述语句的反馈结果。

一种人机语言交互设备，包括：

存储器和处理器；

所述存储器用于存储一个或多个程序；

所述处理器用于执行所述一个或多个程序，以使得所述人机语言交互设备实现前述人机语言交互方法。

一种计算机可读介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行前述人机语言交互方法。

本申请所述的人机语言交互方法及装置，从用户输入的语句中提取语义要素，从预设的语义网络中搜索包括语义要素中的至少一个关键词的候选路径，依据候选路径和语义要素，确认用户的意图，依据用户的意图，确认语句的反馈结果。依据语义网络和语义要素确认用户的意图，与现有技术中使用匹配句一步确认用户的意图的方式相比，能够提高反馈结果的准确性，提高用户的使用体验。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。

图1为本申请实施例公开的一种人机语言交互方法的流程图；

图2为本申请实施例公开的语义网络的示例图；

图3为本申请实施例公开的又一种人机语言交互方法的流程图；

图4为本申请实施例公开的又一种人机语言交互方法的流程图；

图5为本申请实施例公开的又一种人机语言交互方法的流程图；

图6为本申请实施例公开的一种人机语言交互装置的结构示意图。

具体实施方式

本申请实施例提供的人机语言交互方法以及装置，可以应用在人机交互问答系统中，以提高反馈结果的准确性。

运营商的自动客户系统为一种常见的人机交互问答系统，用户可以通过向该系统输入语句(例如文字或语音)，实现业务的自动查询或办理。以下将以自动客户系统为例进行说明。但本申请的实施例并不限定于自动客户系统，能够支持人机语言的交互的场景，均为本申请的实施例适用的场景。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

图1为本申请实施例公开的一种人机语言交互方法，包括以下步骤：

S101：获取用户输入的语句。

需要说明的是，在用户向自动客服系统输入第一句话的情况下，即执行本实施例所述的过程，因此，此步骤中，用户输入的语句，为用户输入的第一句话。但本实施例并不限定从接收到用户输入的第一句话开始执行，即此步骤中，获取的语句并不限定为用户输入的第一句话。

S102：依据预设的领域知识库，识别与用户输入的语句匹配的意图，此步骤识别出的意图可称为候选意图。

其中，领域知识库由语句构成，语句的收集方式为：收集用户与自动客服系统的对话，将其中的高频语句作为标准句，如“查询话费”、“查询流量”、“查询套餐内容”等，再通过挖掘等方式，从海量的人机交互或人与人交互的数据中得到标准句的扩展句，形成领域知识库。具体的挖掘方式可以参见现有技术。

意图由领域专家依据语句设置，可以看作由语句估计出的用户需求。一个意图有可能对应多个语句，即多个语句同属于一个意图，例如，领域知识库中的语句：“查下我的话费”、“看下我这个月话费”、“我这个这个话费”、“看下我这个月话费的使用情况”等，都属于意图“查询话费”。当然，一个意图也可能只对应一个语句。

语句所属的意图，可以包括在上述领域知识库中，也可以单独设置意图与语句的对应关系。

本实施例中，领域知识库可以使用现有的人机语言交互系统中的领域知识库，即现有的自动客服系统已使用的领域知识库。

识别与用户输入的语句匹配的意图的具体方式为：计算用户输入的语句与领域知识库中的语句之间的相似度得分，相似度得分越高，说明两者越相似，将领域知识库中相似度得分最高的(或者排在前预设数量)的语句，作为与用户输入的语句匹配的语句(以下将与用户输入的语句匹配的语句简称为匹配句)，匹配句所属的意图，即为用户输入的语句匹配的意图。具体的，可以通过现有的规则、统计学习或深度学习等方式，计算相似度得分。

按照上述方式，有可能仅识别出一个意图。也有可能识别出多个意图，例如，选取相似度得分排序在前三的三个匹配句，而这三个匹配句属于不同的意图。在识别出多个意图的情况下，按照预设的规则，例如对应的匹配句的相似度得分的均值最大，从多个意图中选择一个意图，当然也可以不选。

S103：判断候选意图是否可信，如果是，执行S104，如果否，执行S105。

如前所述，候选意图由匹配句确定，因此，匹配句是否选择准确，直接关系到确定的候选意图是否可信，所以，本实施例中，具体的，判断候选意图是否可信的具体方式包括以下至少一种：

1、候选意图对应的匹配句的相似度得分大于预设得分阈值，其中，预设得分阈值可以依据经验设定。相似度得分如果大于预设得分阈值，说明匹配句与用户输入的语句的相似度较高，因此，匹配句的准确性较高，进一步的，匹配句所属的意图为用户输入的语句表达的真实意图的可能性就越高。

2、在识别出多个候选意图的情况下，计算分别属于任意两个不同候选意图的匹配句的相似度得分之间的差值，差值越小，说明这两个匹配句之间的区分度越小，因此，差值小于预设差值与值的情况下，这两个候选意图均不可信。在匹配出的候选意图的数量大于两个的情况下，可以按照2判断两两候选意图是否可信，或者，从候选意图中选择两个，例如选择对应的匹配句的相似度得分排名前两位的候选意图，判断是否可信。

在以上两种情况中，具体的，在多个匹配句属于一个候选意图的情况下，该候选意图对应的匹配句的相似度得分，为属于该候选意图的多个匹配句相似度得分的均值，或者最大值等。即一个候选意图对应的匹配句的相似度得分，依据同属该候选意图的多个匹配句的相似度得分确定。

需要说明的是，在识别出多个候选意图且S102中没有择一的情况下，如果该步骤中判断出候选意图可信，则按照预设的规则，例如对应的匹配句的相似度得分的均值最大，从多个候选意图中选择一个意图，当然也可以不选。

S104：依据意图对应的选项槽提问，直至获取所有选项槽的值后，调用业务系统，向用户反馈答案。

此步骤中的意图，为可信的候选意图，例如，意图“查询话费”对应的选项槽包括状态和月份，在确定意图后，需要向用户询问选项槽的值，例如，向用户询问“您需要查询几月份的话费”，在获得用户的回答后，将用户回答中的月份值作为选项槽“月份”的值。

可以使用现有的自动客服系统中的意图与选项槽的对应关系，对应关系的设置方式、具体的提问方式、以及槽值的填充方式均可以参见现有技术。

S105：将用户输入的语句作为语义要素提取模型的输入，得到语义要素提取模型输出的语义要素。

其中，语义要素为属于预设类型的关键词，本实施例中，具体的，预设类型包括业务类、操作类和属性类。业务类关键词是指能够表示用户可操作的业务的词，操作类关键词是指能够表示用户可对业务进行的操作的词，属性类关键词是指能够表示业务的各项属性的词。

以运营商可为用户提供的流量业务为例，表1中包括业务与操作的对应关系。

表1

表1中所示的业务为流量业务，流量业务之下又包括子业务：加油包、随意玩流量包等。子业务下还可能包括子业务。业务和子业务这里统称为业务。操作包括开通、取消、查询和释疑。其中，一项业务中打勾的操作，为用户能够对该项业务执行的操作(即该项业务支持的操作)，例如，自动加油包业务支持支持的操作为开通、查询和释疑。

表2为表1中的业务对应的属性。

表2

从表2可以看出，属性包括属性名和属性值，因此，表示属性名和属性值的词均为属性关键词。

语义要素提取模型的作用为从用户输入的语句中提取出业务类关键词、操作关键词和属性关键词。

语义要素提取模型可以为现有的翻译模型。通过收集真实的、大量的人机对话数据，并由业务专家对这些数据进行业务、操作及属性的标注构建训练数据。通过对翻译模型例如nmt进行训练，形成语义要素提取模型。模型也可以使用现有的DNN或RNN模型，本实施例不做限定。

需要说明的是，如果语义要素提取模型没有提取到某类关键词，则将此类关键词的输出标记为空。

S106：从预设的语义网络中搜索候选路径。

语义网络为业务、操作和属性组成的网络，在语义网络中，有对应关系的业务、操作和属性之间相连接。语义网络以图2为例。

对应关系是指，业务与其支持的操作及其具有的属性之间的对应关系。业务与操作以及属性的对应，基于业务自身的逻辑确定，例如，可查询语音套餐的剩余通话时长，因此，语音套餐业务与时长这一属性之间存在对应关系，但对于不以时长计数的流量包，与时长这一属性间不存在对应关系。又例如，加油包开通与金额是有关联的，所以，加油包业务与开通操作及金融属性之间对应，而查询加油包与金额无关联，所以，图2中，加油包业务对应的查询操作与金额之间没有对应关系。图2中任意一条包括业务、操作和属性的对应关系，称为一条路径。

进一步的，除了业务自身的逻辑之外，运营商还具有自己的运营逻辑，例如，取消流量资费，虽然满足业务自身的逻辑，但不属于运营商的运营逻辑，即运营商不支持该逻辑。因此，图2所示的语义网络中的对应关系，需要进一步根据运营逻辑筛选进行筛选，即满足运营逻辑的对应关系被保留，以避免对于无法实现的逻辑的发问。

表3为业务、操作、属性和意图之间的对应关系的示例，从表3可以看出，一条对应的业务、操作和意图的对应关系，对应一个意图。

表3

可见，表3是对图2所示的语义网络进行筛选后的语义网络(即预设的语义网络)的示例，筛选的依据为意图。意图可以采用现有的自动客服系统中使用的意图。

即语义网络中包括多条路径，任意一条路径上包括属于预设类型的要素(即词语)：业务类要素、操作类要素和属性类要素。一条路径对应一个意图，也有可能多条路径对应一个意图。候选路径为，包括语义要素提取模型输出的业务关键词、操作关键词和属性关键词中的至少一个的路径(即对应关系)。

可选的，表3所示的语义网络中，还可以包括每个要素的频度信息(表3中未标出)，频度信息依据该要素出现的历史次数确定。历史次数可以为自动客服系统统计到的所有用户在自动客服系统中输入的次数。

S107：依据候选路径和语义要素，确认用户的意图。

具体的，在候选路径的数量为1个的情况下，可以与用户对话，输出的对话语句可以为询问候选路径在语义网络中对应的意图是否为用户的真实意图的问句，例如，语义要素中包括业务关键词：加油包、操作关键词：查询和属性关键词：状态，则依据表3，选择出一条候选路径(即表3中的第一条路径)，因此，可以询问用户：“您是否要查询加油包状态”，确认用户的真实意图是否为候选路径对应的意图。或者，也可以不向用户输出确认意图的问句，而直接将该条候选路径对应的意图作为用户的意图。

在候选路径的数量为多个的情况下，与用户进行对话，输出的对话语句用于确认用户的意图。

具体的，按照要素的优先级顺序以及要素的频度信息，依次询问候选路径上包括但语义要素中不包括的要素，直至能够选出一条候选路径，再询问用户的意图是否为这一条候选路径对应的意图。

例如，假设要素的优先级顺序为业务类要素、操作类要素、属性类要素，语义要素中包括关键词：加油包和操作关键词：查询，选择出两条候选路径，每条候选路径上均包括要素：加油包和查询，因为优先级顺序中的前两类要素已经明确，因此，只需要询问属性类要素。假设两条候选路径的属性类要素分别为状态和金额，且状态的频度信息为100，金额的频度信息为1000，则先询问“您是要查询加油包的金额吗”，如果没有得到确认，再询问“您是要查询加油包的状态吗”。最终确认出一条候选路径。再询问用户的意图是否为这一条候选路径对应的意图。

又例如，语义要素中包括关键词：加油包，选择出3条候选路径，按照要素的优先级顺序和频度信息，询问的顺序为：出现频率较高的操作要素、出现频率较低的操作要素、出现频率较高的属性要素、出现频率较低的属性要素，直至确认出一条候选路径。再询问用户的意图是否为这一条候选路径对应的意图。

或者，在通过询问确认一条候选路径后，可以不向用户输出确认意图的问句，而直接将该条候选路径对应的意图作为用户的意图。

可见，向用户输出的语句可以为一条语句，也可以为多条语句。

在确认用户的意图后，执行S104。

S108：如果候选路径对应的意图不是用户的真实意图，则触发人工客服。

具体的，在确认选择的一条候选路径对应的意图不是用户的真实意图(例如，接收到用户否认意图的语句)的情况下，可以尝试确认其它候选路径对应的意图，在均得不到用户确认的情况下，触发人工客服。当然，为了节省服务流程，也可以仅在选择的一条候选路径对应的意图不是用户的真实意图下，触发人工客服，而不再询问其它选路径对应的意图。

需要说明的是，S108为可选步骤，也可以不执行。

从图1所示的流程可以看出，在确定意图后，判定意图的可信性，不可信的情况下，使用语义要素提取模型获得用户输入语句的语义要素，并依据语义网络和语义要素，对用户发问，以逐步确认用户的意图，与现有技术中使用匹配句一步确认用户的意图，且不理会意图是否可信的方式相比，能够提高最终反馈的答案的准确性，提高用户的使用体验。

图3为本申请实施例公开的又一种人机语言交互方法，与图1所示的流程的区别在于，在S107中，在每次接收到用户的回答句后，如果不能确认出唯一的候选路径(也可以不做唯一候选路径的判断)，也不再继续向用户发送对话语句，而是返回执行S102，该步骤中，用户输入的语句是指用户在本轮对话中输入的全部语句，包括历史语句和回答句。

也就是说，不会一次性问完所有的问句，而接收到用户的(一次或多次)回答句后，将回答句与用户的语句(可以统称为用户的历史语句)作为依据，尝试从领域知识库识别候选意图，在候选意图可信的情况下，依据意图反馈答案，即执行S104，在候选意图不可信的情况下，可以按照图1的流程，执行S105-S107。

或者，如图4所示，也可以再继续向用户发送后续的问句(即上一次没有发送完的问句)，而不再重复执行S105-S106，以减少对于用户大量发问的可能性，进一步提高用户的使用体验。图5中，S103在否的情况下，实线部分表示第一次执行该流程，即没有执行S105-S107的情况下，S103在否的情况下，执行直线箭头所示的流程，虚线部分表示第一次之后的流程中，即在执行过S105-S107的情况下，S103在否的情况下，执行虚线箭头所示的流程。

图3及图4中的其它步骤，与图1相同，这里不再赘述。

图5为本申请实施例公开的又一种人机语言交互方法，与图1所示的流程相比，不再使用领域知识库确认用户的意图，而直接使用语义要素提取模型和语义网络确定意图。图5中的其它步骤，与图1相同，这里不再赘述。

可选的，在图1、图3、图4和图5所示的流程中，还可以依据用户输入的历史语句，更新频度信息(仅以图5中包括为例)。例如，如果用户在本轮询问过程中，输入的问句中包括“流量包”，则重新计算“流量包”的频度信息，以指示“流量包”使用频度的增加。重新计算频度信息的方式，可以参见现有技术，这里不再赘述。

需要说明的是，图1、图3、图4和图5所示的流程，可概括为以下语义提取方法：从用户输入的语句中提取语义要素，语义要素中包括预设类型的关键词。从预设的语义网络中搜索候选路径，候选路径为语义网络中包括语义要素中的至少一个关键词的对应关系。依据候选路径和语义要素，确认用户的意图。依据用户的意图，确认语句的反馈结果。其中，除了前述使用模型提取语义要素中外，也可以使用其它方式(例如依据预设对应关系)提取语义要素。另外，前述使用选项槽提问，确认用户语句的反馈结果的方式也为可选方式，也可以使用其它方式，向用户反馈答案。

图6为本申请实施例公开的一种人机语言交互装置，包括：提取模块、搜索模块、第一确认模块和第二确认模块。

其中，提取模块用于从用户输入的语句中提取语义要素，所述语义要素中包括预设类型的关键词。搜索模块用于从预设的语义网络中搜索候选路径，所述候选路径为所述语义网络中包括所述语义要素中的至少一个关键词的对应关系。第一确认模块用于依据所述候选路径和所述语义要素，确认所述用户的意图。第二确认模块用于依据所述用户的意图，确认所述语句的反馈结果。

可选的，预设的语义网络中属于所述预设类型的要素之间的对应关系；任意一条所述对应关系为一条路径，任意一条路径对应一个意图。

可选的，第一确认模块依据所述候选路径和所述语义要素，确认所述用户的意图的具体实现方式为：按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，依次向所述用户发送交互语句，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，直至选出一条候选路径，依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图。

进一步的，依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图的具体实现方式为：向所述用户输出确认目标意图是否正确的语句，所述目标意图为选出的一条候选路径对应的意图；基于所述用户确认所述目标意图正确的回答句，确认所述用户的意图为所述目标意图；或者，确认选出的一条候选路径对应的意图，为所述用户的意图。

可选的，所述装置还包括：触发模块，用于基于所述用户确认所述目标意图不正确的回答句，触发人工服务。或者，向所述用户输出确认其它意图是否正确的语句，并在所述用户确认所述目标意图均不正确的情况下，触发人工服务，所述目标意图为其它候选路径对应的意图。

可选的，提取模块从用户输入的语句中提取语义要素的具体实现方式为：依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图，在判定所述候选意图不可信的情况下，从所述用户输入的语句中提取所述语义要素。

进一步的，依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图的流程包括：计算所述领域知识库中的语句与所述用户输入的语句的相似度得分。将所述相似度得分满足预设条件的语句，作为所述用户输入的语句的匹配句。所述匹配句所属的意图为所述候选意图。其中，判断所述候选意图不可信的方式包括以下至少一种：所述候选意图对应的所述匹配句的相似度得分不大于预设得分阈值，所述候选意图不可信；分别属于两个不同候选意图的匹配句的相似度得分的差值小于预设差值阈值，所述两个不同候选意图均不可信。

可选的，第一确认模块依据所述候选路径和所述语义要素，确认所述用户的意图的另一种具体实现方式为：循环执行以下流程，直至从所述领域知识库，得到可信的候选意图作为所述用户的意图：按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，向所述用户发送交互语句，在接收到所述用户的回答句后，依据历史语句从所述领域知识库中识别所述候选意图，判断所述候选意图是否可信，所述历史语句包括所述用户输入的语句和所述回答句；。其中，在循环过程中，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，每一次发送的交互语句与上一次发送的交互语句不同。

图6所示的人机语言交互装置，依据语义网络和语义要素，确认用户的意图，并依据用户的意图，确认语句的反馈结果，能够得到准确性较高的语义理解结果。

本申请实施例还公开了一种人机语言交互设备，包括：存储器和处理器。所述存储器用于存储一个或多个程序。所述处理器用于执行所述一个或多个程序，以使得所述人机语言交互设备实现上述实施例所述的人机语言交互方法。

本申请实施例还公开了一种计算机可读介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例所述的人机语言交互方法。

本申请实施例方法所述的功能如果以软件功能单元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设备可读取存储介质中。基于这样的理解，本申请实施例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设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请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，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种人机语言交互方法，其特征在于，包括：

从用户输入的语句中提取语义要素，所述语义要素中包括预设类型的关键词；

从预设的语义网络中搜索候选路径，所述候选路径为所述语义网络中包括所述语义要素中的至少一个关键词的对应关系；

依据所述候选路径和所述语义要素，确认所述用户的意图；

依据所述用户的意图，确认所述语句的反馈结果。

2.根据权利要求1所述方法，其特征在于，所述预设的语义网络中包括：

属于所述预设类型的要素之间的对应关系；任意一条所述对应关系为一条路径，任意一条路径对应一个意图。

3.根据权利要求1所述方法，其特征在于，所述依据所述候选路径和所述语义要素，确认所述用户的意图包括：

按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，依次向所述用户发送交互语句，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，直至选出一条候选路径；

依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图。

4.根据权利要求3所述的方法，其特征在于，所述依据选出的一条候选路径在所述语义网络中对应的意图，确认所述用户的意图包括：

向所述用户输出确认目标意图是否正确的语句，所述目标意图为选出的一条候选路径对应的意图；基于所述用户确认所述目标意图正确的回答句，确认所述用户的意图为所述目标意图；

或者，确认选出的一条候选路径对应的意图，为所述用户的意图。

5.根据权利要求4所述的方法，其特征在于，还包括：

基于所述用户确认所述目标意图不正确的回答句，触发人工服务；

或者，向所述用户输出确认其它意图是否正确的语句，并在所述用户确认所述目标意图均不正确的情况下，触发人工服务，所述目标意图为其它候选路径对应的意图。

6.根据权利要求1所述的方法，其特征在于，在所述从用户输入的语句中提取语义要素之前，还包括：

依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图；

所述从用户输入的语句中提取语义要素包括：

在判定所述候选意图不可信的情况下，从所述用户输入的语句中提取所述语义要素。

7.根据权利要求6所述的方法，其特征在于，所述依据预设的领域知识库，识别与所述用户输入的语句匹配的意图，得到候选意图包括：

计算所述领域知识库中的语句与所述用户输入的语句的相似度得分；

将所述相似度得分满足预设条件的语句，作为所述用户输入的语句的匹配句；

所述匹配句所属的意图为所述候选意图；

判断所述候选意图不可信的方式包括以下至少一种：

所述候选意图对应的所述匹配句的相似度得分不大于预设得分阈值，所述候选意图不可信；

分别属于两个不同候选意图的匹配句的相似度得分的差值小于预设差值阈值，所述两个不同候选意图均不可信。

8.根据权利要求6所述的方法，其特征在于，所述依据所述候选路径和所述语义要素，确认所述用户的意图包括：

循环执行以下流程，直至从所述领域知识库，得到可信的候选意图作为所述用户的意图：按照所述语义网络中的要素的优先级顺序以及所述要素的频度信息，向所述用户发送交互语句，在接收到所述用户的回答句后，依据历史语句从所述领域知识库中识别所述候选意图，判断所述候选意图是否可信，所述历史语句包括所述用户输入的语句和所述回答句；

其中，在循环过程中，所述交互语句用于询问所述候选路径上包括但所述语义要素中不包括的要素，每一次发送的交互语句与上一次发送的交互语句不同。

9.一种人机语言交互装置，其特征在于，包括：

提取模块，用于从用户输入的语句中提取语义要素，所述语义要素中包括预设类型的关键词；

搜索模块，用于从预设的语义网络中搜索候选路径，所述候选路径为所述语义网络中包括所述语义要素中的至少一个关键词的对应关系；

第一确认模块，用于依据所述候选路径和所述语义要素，确认所述用户的意图；

第二确认模块，用于依据所述用户的意图，确认所述语句的反馈结果。

10.一种人机语言交互设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储一个或多个程序；

所述处理器用于执行所述一个或多个程序，以使得所述人机语言交互设备实现权利要求1-8中任一项所述的人机语言交互方法。

11.一种计算机可读介质，其特征在于，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行权利要求1-8任一项所述的人机语言交互方法。