CN109753561B - 一种自动回复的生成方法及装置 - Google Patents
一种自动回复的生成方法及装置 Download PDFInfo
- Publication number
- CN109753561B CN109753561B CN201910040921.3A CN201910040921A CN109753561B CN 109753561 B CN109753561 B CN 109753561B CN 201910040921 A CN201910040921 A CN 201910040921A CN 109753561 B CN109753561 B CN 109753561B
- Authority
- CN
- China
- Prior art keywords
- question
- replied
- service
- intention
- reply
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开一种自动回复的生成方法及装置。其中,所述方法包括:接收客户端发送的询问请求,所述询问请求包括待回复问题;对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。所述服务器用于执行上述方法。本发明实施例提供的自动回复的生成方法及装置,提高了回复的准确性。
Description
技术领域
本发明实施例涉及人工智能技术领域,具体涉及一种自动回复的生成方法及装置。
背景技术
随着人工智能时代的来临,大量的人工客服被智能客服机器人所替代。目前智能客服机器人在汽车行业、金融行业和服装行业等领域得到了广泛的应用。
智能客服机器人属于聊天机器人的一种,其主要功能是基于相关专业领域的专业知识,根据用户的提出的问题和用户进行沟通,自动回复用户提出的问题。由于智能机器人客服可以24小时工作,及时回复用户提出的问题,能够提高服务效率并降低企业的客服运营成本。但是用户提出的问题各式各样,准确理解用户的提出的问题,才能做出有针对性的答复,理解用户提出的问题以及做出针对性的答复是本领域的难点。
因此,如何提出一种自动回复的生成方法,能够对用户提出的问题做出针对性的回复,以提高回复的准确性成为业界亟待解决的重要课题。
发明内容
针对现有技术中的缺陷,本发明实施例提供一种自动回复的生成方法及装置。
一方面,本发明实施例提出一种自动回复的生成方法,包括:
接收客户端发送的询问请求,所述询问请求包括待回复问题;
对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;
对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;
根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;
根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
另一方面,本发明实施例提供一种自动回复的生成装置,包括:
接收单元,用于接收客户端发送的询问请求,所述询问请求包括待回复问题;
第一获得单元,用于对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;
第二获得单元,用于对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;
第三获得单元,用于根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;
回复单元,用于根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
再一方面,本发明实施例提供一种电子设备,包括存储器、处理器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程序时实现上述任一实施例所述的自动回复的生成方法的步骤。
又一方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述的自动回复的生成方法的步骤。
本发明实施例提供的自动回复的生成方法及装置,由于能够接收客户端发送的包括待回复问题的询问请求,然后对待回复问题进行闲聊意图检测,获得待回复问题的闲聊意图可信水平,对待回复问题进行业务意图检测,获得待回复问题的业务意图可信水平,再根据闲聊意图可信水平和业务意图可信水平,获得回复策略,根据待回复问题以及回复策略获得回复内容,并将回复内容发送给所述客户端,能够对待回复问题做出针对性的回复,提高了回复的准确性。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明第一实施例提供的自动回复的生成方法的流程示意图;
图2为本发明第二实施例提供的自动回复的生成方法的流程示意图;
图3为本发明第三实施例提供的自动回复的生成方法的流程示意图;
图4为本发明第四实施例提供的自动回复的生成方法的流程示意图;
图5为本发明第五实施例提供的自动回复的生成方法的流程示意图;
图6为本发明第六实施例提供的自动回复的生成方法的流程示意图;
图7为本发明第七实施例提供的服务器的结构示意图;
图8为本发明第八实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、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。
意图识别是指对来自客户端的问题进行意图类别的识别,针对不同的意图类别的问题,智能客服机器人可以采用不同的处理方法对上述问题进行处理,从而给出有针对性的回复内容。本发明实施例提供的自动回复的生成方法,可以对来自客户端的问题,进行业务意图识别和闲聊意图识别,结合业务意图和闲聊意图识别的结果,获得回复策略,根据回复策略以及要回复的问题确定回复的内容,可以提高对来自客户端的问题的回复的准确性。
图1为本发明第一实施例提供的自动回复的生成方法的流程示意图,如图1所示,本发明提供的自动回复的生成方法,包括:
S101、接收客户端发送的询问请求,所述询问请求包括待回复问题;
具体地,用户可以通过客户端输入想要询问的问题,所述客户端将上述询问的问题携带在询问请求中发送给服务器,所述服务器可以接收所述询问请求。其中,上述询问的问题为所述服务器需要答复的问题,在本发明实施例中称为待回复问题。可理解的是,由于是对用户提出的问题的解答,所述服务器可以被称为智能客服机器人。
S102、对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;
具体地,所述服务器对在接收到所述询问请求之后,对所述待回复问题进行闲聊意图检测,可以获得所述待回复问题的闲聊意图可信水平。例如,所述服务器根据所述待回复问题以及二分类器模型,获得所述待回复问题的分类结果,并获得所述待回复问题为闲聊问题时的距离值;其中,所述二分类器模型是预先获得的,用于区分所述待回复问题为所述闲聊问题或者业务问题;然后根据所述待回复问题的分类结果、所述待回复问题为所述闲聊问题时的距离值以及预设的闲聊意图可信水平分类,获得所述待回复问题的闲聊意图可信水平。
S103、对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;
具体地,所述服务器对在接收到所述询问请求之后,对所述待回复问题进行业务意图检测,可以获得所述待回复问题的业务意图可信水平。可理解的是,S102和S103是两个独立的步骤,没有先后顺序关系,本发明实施例不限制上述两个步骤的先后顺序。
例如,所述服务器将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;然后分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;再根据各个所述余弦距离中的最大值以及预设的业务意图可信水平分类,获得所述待回复问题的业务意图可信水平。
S104、根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;
具体地,所述服务器在获得所述闲聊意图可信水平和所述业务意图可信水平之后,根据所述闲聊意图可信水平和所述业务意图可信水平可以获得对所述待回复问题的回复策略。
例如,预先设置回复策略表,在所述回复策略表中,所述服务器根据所述闲聊意图可信水平和所述业务意图可信水平可以查询获得所述回复策略。
S105、根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
具体地,所述服务器在获得所述回复策略之后,根据所述回复策略以及所述回复问题,可以获得对所述待回复问题的回复内容,然后将所述待回复内容发送给所述客户端,所述客户端可以显示所述回复内容以便于所述用户查看。
本发明实施例提供的自动回复的生成方法,由于能够接收客户端发送的包括待回复问题的询问请求,然后对待回复问题进行闲聊意图检测,获得待回复问题的闲聊意图可信水平,对待回复问题进行业务意图检测,获得待回复问题的业务意图可信水平,再根据闲聊意图可信水平和业务意图可信水平,获得回复策略,根据待回复问题以及回复策略获得回复内容,并将回复内容发送给所述客户端,能够对待回复问题做出针对性的回复,提高了回复的准确性。
图2为本发明第二实施例提供的自动回复的生成方法的流程示意图,如图2所示,在上述各实施例的基础上,进一步地,所述对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平包括:
S1021、根据所述待回复问题以及二分类器模型,获得所述待回复问题的分类结果,并获得所述待回复问题为闲聊问题时的距离值;其中,所述二分类器模型是预先获得的,用于区分所述待回复问题为所述闲聊问题或者业务问题;
具体地,所述服务器可以将所述待回复问题输入到二分类器模型中,获得所述待回复问题的分类结果,即所述待回复问题为闲聊问题或者业务问题,当所述待回复问题为所述闲聊问题时,还可以输出所述待回复问题为所述闲聊问题时的距离值。其中,所述二分类器模型是预先获得的,用于区分所述待回复问题为所述闲聊问题或者业务问题。
例如,所述二分类器模型可以利用支持向量机训练获得,首先准备预设数量的待回复问题,预先将每个所述待回复问题区分为所述闲聊问题或者业务问题,所述闲聊问题和所述业务问题的区分可以通过相关业务领域的专家进行判断做出,所述闲聊问题是指和业务无关的问题,诸如询问天气情况,是否已经吃饭,身体是否健康等,所述业务问题是指与业务密切相关的问题,如果业务领域是银行,所述业务问题诸如信用卡还款为什么会失败,如何开通银行账户,银行卡密码忘记了怎么办等。将所述预设数量的待回复问题作为输入数据,将每个所述待回复问题的分类结果作为输出数据,利用LibSVM进行训练,可以获得所述二分类器模型,在训练获得所述二分类器模型之后,可以得到支持向量机分类平面,所述闲聊问题在进行向量化之后,可以获得所述闲聊问题对应的向量,所述闲聊问题对应的向量与所述支持向量机分类平面的距离即为所述待回复问题为闲聊问题时的距离值。其中,所述二分类器模型的具体训练过程为现有技术,可以利用Matlab或者Python软件实现,此处不进行赘述。
S1022、根据所述待回复问题的分类结果、所述待回复问题为所述闲聊问题时的距离值以及预设的闲聊意图可信水平分类,获得所述待回复问题的闲聊意图可信水平。
具体地,所述服务器在获得所述待回复问题的分类结果以及所述待回复问题为所述闲聊问题时的距离值之后,可以根据所述待回复问题的分类结果、所述待回复问题为所述闲聊问题时的距离值以及闲聊意图可信水平分类,获得所述待回复问题的闲聊意图可信水平。其中,所述闲聊意图可信水平分类是预设的,可以包括多个不同的闲聊意图可信水平。
例如,所述闲聊意图可信水平分类分为极高、高、中和低四种闲聊意图可信水平,当所述待回复问题为所述业务问题时,所述待回复问题的闲聊意图可信水平为低;当所述待回复问题为所述闲聊问题时,所述待回复问题为所述闲聊问题时的距离值为A,当A大于第一预设值时,所述待回复问题的闲聊意图可信水平为极高,大于所述第一预设值的取值范围与所述闲聊意图可信水平极高对应;当A小于或者等于所述第一预设值,且大于第二预设值时,所述待回复问题的闲聊意图可信水平为高,小于或者等于所述第一预设值且大于所述第二预设值的取值范围与所述闲聊意图可信水平高对应;当A小于或者等于第三预设值时,所述待回复问题的闲聊意图可信水平为低,小于或者等于所述第三预设值的取值范围与所述闲聊意图可信水平低对应。其中,所述第一预设值、所述第二预设值和所述第三预设值根据实际经验进行设置,本发明实施例不做限定。可理解的是所述第一预设值大于所述第二预设值,所述第二预设值大于所述第三预设值。
图3为本发明第三实施例提供的自动回复的生成方法的流程示意图,如图3所示,在上述各实施例的基础上,进一步地,所述对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平包括:
S1031、将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
具体地,所述服务器可以对所述待回复问题进行向量化,获得所述待回复问题对应的向量,并可以将所述业务问题库中各个业务问题向量化,分别获得各个所述业务问题对应的向量。其中,所述业务问题库是预设的,所述业务问题库包括的业务问题以及业务问题的数量根据实际需要进行设置,本发明实施例不做限定。
例如,所述待回复问题以及所述业务问题的向量化,可以看做是语句的向量化,可以通过Paragraph2vec或Doc2vec实现,Paragraph2vec或Doc2vec是Word2vec的延伸,可以利用C、Python和Java/Scala等编程工具实现。
S1032、分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
具体地,所述服务器在获得所述待回复问题对应的向量以及所述业务问题库中各个所述业务问题对应的向量之后,分别计算所述待回复问题对应向量与每个所述业务问题对应的向量的余弦距离。
例如,所述服务器通过公式计算所述待回复问题对应向量与所述业务问题对应的向量的余弦距离d,其中,a表示所述待回复问题对应的向量,b表示所述业务问题对应的向量,·表示点乘,|a|表示a向量的模值,|b|表示b向量的模值。
S1033、根据各个所述余弦距离中的最大值以及预设的业务意图可信水平分类,获得所述待回复问题的业务意图可信水平。
具体地,所述服务器在计算获得所述待回复问题对应的向量与所述业务问题库中各个所述业务问题对应的向量的余弦距离之后,可以获得多个所述余弦距离,从多个所述余弦距离中可以获得所述余弦距离的最大值,然后根据所述余弦距离的最大值以及业务意图可信水平分类,可以获得所述待回复问题的业务意图可信水平。其中,所述业务意图可信水平分类是预设的,可以包括多个不同的业务意图可信水平。
例如,所述业务意图可信水平分类包括极高、高、中、低和极低五种业务意图可信水平,每种业务意图可信水平对应不同的余弦距离范围,所述业务意图可信水平极高对应的余弦距离范围为大于d1,所述业务意图可信水平高对应的余弦距离范围为小于或者等于d1,且大于d2,所述业务意图可信水平中对应的余弦距离范围为小于或者等于d2,且大于d3,所述业务意图可信水平低对应的余弦距离范围为小于或者等于d3,且大于d4,所述业务意图可信水平极低对应的余弦距离范围为小于或者等于d4。所述服务器获得各个所述余弦距离中的最大值为dmax,如果dmax大于d1,那么所述待回复问题的业务意图可信水平为极高,如果dmax小于或者等于d1,且大于d2,那么所述待回复问题的业务意图可信水平为高,如果dmax小于或者等于d2,且大于d3,那么所述待回复问题的业务意图可信水平为中,如果dmax小于或者等于d3,且大于d4,那么所述待回复问题的业务意图可信水平为低,如果dmax小于或者等于d4,那么所述待回复问题的业务意图可信水平为极低。其中,d1、d2、d3和d4根据实际经验进行设置,本发明实施例不做限定。可理解的是,d1大于d2,d2大于d3,d3大于d4。
在上述各实施例的基础上,进一步地,所述根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略包括:
根据所述闲聊意图可信水平和所述业务意图可信水平在回复策略表中查询获得所述回复策略;其中,所述回复策略表是预设的。
具体地,所述服务器在获得所述待回复问题的闲聊意图可信水平和业务意图可信水平之后,可以根据所述闲聊意图可信水平和所述业务意图可信水平在回复策略表中查询获得所述回复策略。
例如,表1为回复策略表,如表1所示,所述闲聊意图可信水平为极高、高、中和低四类,所述业务意图可信水平为极高、高、中、低和极低五类,所述回复策略包括业务策略、闲聊策略、业务闲聊策略、业务不确定策略、业务不知道策略和不清楚策略。所述服务器根据所述闲聊意图可信水平和所述业务意图可信水平,在表1中可以查询到对应的回复策略,如果所述闲聊意图可信水平为极高且所述业务意图可信水平为极高,那么通过表1可以获得所述回复策略为业务策略。
表1回复策略表
图4为本发明第四实施例提供的自动回复的生成方法的流程示意图,如图4所示,在上述各实施例的基础上,进一步地,所述回复内容包括问候内容、业务答案内容和候选问题内容;相应地,所述根据所述待回复问题以及所述回复策略获得回复内容包括:
S1051、根据所述回复策略确定所述问候内容为第一问候语句、第二问候语句、第三问候语句与相关问题或者闲聊答案;其中,所述第一问候语、所述第二问候语句和所述第三问候语句是预设的;所述相关问题是预设的,与业务答案对应;所述闲聊答案是根据所述待回复问题获得的;
具体地,不同的回复策略对应的回复内容会有所差别,所述服务器根据所述回复策略确定所述问候内容为第一问候语句、第二问候语句、第三问候语句与相关问题或者闲聊答案,所述第一问候语、所述第二问候语句和所述第三问候语句是预设的,所述相关问题是预设的,是与所述待回复问题相关的问题,所述相关问题与所述业务答案对应,所述闲聊答案是根据所述待回复问题获得的。
例如,表2为回复策略与回复内容对照表,如表2所示,所述回复策略包括业务策略、闲聊策略、业务闲聊策略、业务不知道策略、业务不确定策略和不清楚策略五种,当所述回复策略为所述业务策略时,所述问候内容为第一问候语句,所述第一问候语句诸如“好的,我试着回答如下:”等,表明开始回答所述待回复问题;当所述回复策略为所述闲聊策略或者业务闲聊策略时,所述问候内容为闲聊答案;当所述回复策略为所述业务不知道策略或者不清楚策略时,所述问候内容为第二问候语句,所述第二问候语句诸如“对不起,不太清楚您的问题。”等,表示没有理解所述待回复问题;当所述回复策略为所述业务不确定策略时,所述问候内容为第三问候语句和相关问题,所述第三问候语句诸如“我猜您的问题是:相关问题”等,表示猜测所述待回复问题为所述相关问题,所述相关问题与所述业务答案对应。
S1052、根据所述回复策略确定所述业务答案内容为空或者所述业务答案;
具体地,所述服务器根据所述回复策略,可以确定所述业务答案内容为空或者所述业务答案。
例如,如表2所示,当所述回复策略为所述业务策略或者所述业务不确定策略时,所述业务答案内容为所述业务答案;当所述回复策略为所述闲聊策略、所述业务闲聊策略、所述业务不知道策略或者所述不清楚策略时,所述业务答案内容为空。
S1053、根据所述回复策略确定所述候选问题内容为空或者不为空;其中,若所述候选问题内容不为空且所述业务答案内容为空,则根据所述待回复问题,获得所述候选问题内容;若所述候选问题内容不为空且所述业务答案内容为所述业务答案,则根据所述待回复问题获得所述业务答案以及所述候选问题内容。
具体地,所述服务器可以根据所述回复策略确定所述候选问题内容为空或者不为空。如果所述服务器据所述回复策略确定所述候选问题内容不为空且所述业务答案内容为空,那么可以根据所述待回复问题获得所述候选问题内容,所述候选问题内容可以包括至少一个与所述待回复问题相似的问题,便于所述用户从所述候选问题内容中选择自己想要询问的问题。如果所述服务器根据所述回复策略确定所述候选问题内容不为空且所述业务答案内容为所述业务答案,那么可以根据所述待回复问题获得所述业务答案以及所述候选问题内容。
例如,如表2所示,当所述回复策略为所述业务策略或者所述业务不确定策略时,所述业务答案内容为所述业务答案,所述候选问题内容包括相似问题2、相似问题3和相似问题4,相似问题2、相似问题3和相似问题4是与所述待回复问题相似的问题,可以根据所述待回复问题获得;当所述回复策略为所述闲聊策略和所述不清楚策略时,所述候选问题内容为空;当所述回复策略为所述业务闲聊策略和所述业务不知道策略时,所述业务答案内容为空,所述候选问题内容包括相似问题1、相似问题2和相似问题3,相似问题1、相似问题2和相似问题3是与所述待回复问题相似的问题,可以根据所述待回复问题获得。
表2回复策略与回复内容对应表
在上述各实施例的基础上,进一步地,根据所述待回复问题获得所述闲聊答案包括:
根据所述待回复问题、各个闲聊关键词以及各个所述闲聊关键词对应的答案,获得所述闲聊答案;其中,各个所述闲聊关键词以及各自对应的答案是预设的。
具体地,可以预先设置各个闲聊关键词以及每个所述闲聊关键词对应的答案,所述服务器检测所述待回复问题是否包括预先设置的闲聊关键词,如果所述待回复问题包括一个所述闲聊关键词,那么将所述闲聊关键词对应的答案,作为所述闲聊答案,如果所述待回复问题包括多个所述闲聊关键词,可以从多个所述闲聊关键词各自对应的答案中随机选择一个作为所述闲聊答案,如果所述待回复问题不包括任何一个所述闲聊关键词,那么所述闲聊答案为空。
例如,所述待回复问题为:今天天气如何?所述服务器检测到“今天天气如何?”包括所述闲聊关键词:天气。所述闲聊关键词:天气对应的答案为“今天天气不错啊”,所述服务器将“今天天气不错啊”作为所述待回复问题的闲聊答案。其中,天气以及对应的“今天天气不错啊”是预设的。
图5为本发明第五实施例提供的自动回复的生成方法的流程示意图,如图5所示,在上述各实施例的基础上,进一步地,所述根据所述待回复问题,获得所述候选问题内容包括:
S501、将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
具体地,本步骤的具体实现过程与S1031类似,此处不进行赘述。
S502、分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
具体地,本步骤的具体实现过程与S1032类似,此处不进行赘述。
S503、从各个所述余弦距离中获取预设数量个最大的所述余弦距离对应的业务问题作为所述候选问题内容。
具体地,所述服务器在计算获得所述待回复问题对应的向量与所述业务问题库中各个所述业务问题对应的向量的余弦距离之后,可以获得多个所述余弦距离,从多个所述余弦距离中可以获得预设数量个最大的余弦距离,然后将所述预设数量个最大的余弦距离各自对应的业务问题,作为所述候选问题内容,即所述候选问题内容包括所述预设数量个所述业务问题,上述预设数量个业务问题是与所述待回复问题相似的问题,所述余弦距离越大,说明对应的业务问题与所述待回复问题越相似。其中,所述预设数量根据实际情况进行设置,本发明实施例不做限定。
例如,所述业务问题库中设置了100个所述业务问题,所述服务器计算出所述待回复问题对应的向量与每个所述业务问题对应的向量余弦距离之后,可以获得100个所述余弦距离。所述服务器可以从100个所述余弦距离中获得最大的三个所述余弦距离,然后将最大的三个所述余弦距离各自对应的业务问题作为所述候选问题内容。
图6为本发明第六实施例提供的自动回复的生成方法的流程示意图,如图6所示,在上述各实施例的基础上,进一步地,所述根据所述待回复问题获得所述业务答案以及所述候选问题内容包括:
S601、将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
具体地,本步骤的具体实现过程与S1031类似,此处不进行赘述。
S602、分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
具体地,本步骤的具体实现过程与S1032类似,此处不进行赘述。
S603、将各个所述余弦距离中的最大的余弦距离对应的业务问题的答案,作为所述业务答案;其中,所述业务问题与所述业务问题的答案一一对应;
具体地,所述服务器在计算获得所述待回复问题对应的向量与所述业务问题库中各个所述业务问题对应的向量的余弦距离之后,可以获得多个所述余弦距离,从多个所述余弦距离中可以获得最大的余弦距离,所述最大的余弦距离对应的业务问题为与所述待回复问题最相似的业务问题,将所述最大的余弦距离对应的业务问题的答案作为所述待回复问题的业务答案。其中,所述业务问题与所述业务问题的答案一一对应。可理解的是,由于所述最大的余弦距离对应的业务问题为与所述待回复问题最相似的业务问题,可以将所述最大的余弦距离对应的业务问题作为所述相关问题。
S604、从各个所述余弦距离去除所述最大的余弦距离之后剩余的余弦距离中,获取预设数量个最大的所述余弦距离对应的业务问题作为所述候选问题内容。
具体地,所述服务器将所述最大的余弦距离从各个所述余弦距离中去除,获得剩余的余弦距离,从剩余的余弦距离中可以获得预设数量个最大的余弦距离,然后将所述预设数量个最大的余弦距离各自对应的业务问题,作为所述候选问题内容,即所述候选问题内容包括所述预设数量个所述业务问题。
图7为本发明第七实施例提供的服务器的结构示意图,如图7所示,本发明实施例提供的自动回复的生成装置,包括接收单元701、第一获得单元702、第二获得单元703、第三获得单元704和回复单元705,其中:
接收单元701用于接收客户端发送的询问请求,所述询问请求包括待回复问题;第一获得单元702用于对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;第二获得单元703用于对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;第三获得单元704用于根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;回复单元705用于根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
具体地,用户可以通过客户端输入想要询问的问题,所述客户端将上述询问的问题携带在询问请求中发送给接收单元701,接收单元701可以接收所述询问请求。其中,上述询问的问题为所述服务器需要答复的问题,在本发明实施例中称为待回复问题。
对在接收到所述询问请求之后,第一获得单元702对所述待回复问题进行闲聊意图检测,可以获得所述待回复问题的闲聊意图可信水平。
对在接收到所述询问请求之后,第二获得单元703对所述待回复问题进行业务意图检测,可以获得所述待回复问题的业务意图可信水平。
在获得所述闲聊意图可信水平和所述业务意图可信水平之后,第三获得单元704根据所述闲聊意图可信水平和所述业务意图可信水平可以获得对所述待回复问题的回复策略。
在获得所述回复策略之后,回复单元705根据所述回复策略以及所述回复问题,可以获得对所述待回复问题的回复内容,然后将所述待回复内容发送给所述客户端,所述客户端可以显示所述回复内容以便于所述用户查看。
本发明实施例提供的自动回复的生成装置,由于能够接收客户端发送的包括待回复问题的询问请求,然后对待回复问题进行闲聊意图检测,获得待回复问题的闲聊意图可信水平,对待回复问题进行业务意图检测,获得待回复问题的业务意图可信水平,再根据闲聊意图可信水平和业务意图可信水平,获得回复策略,根据待回复问题以及回复策略获得回复内容,并将回复内容发送给所述客户端,能够对待回复问题做出针对性的回复,提高了回复的准确性。
本发明实施例提供的服务器的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图8为本发明第八实施例提供的电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行如下方法:接收客户端发送的询问请求,所述询问请求包括待回复问题;对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
此外,上述的存储器830中的逻辑指令可以通过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,服务器,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。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:接收客户端发送的询问请求,所述询问请求包括待回复问题;对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:接收客户端发送的询问请求,所述询问请求包括待回复问题;对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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)
1.一种自动回复的生成方法,其特征在于,包括:
接收客户端发送的询问请求,所述询问请求包括待回复问题;
对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平;
对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平;
根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略;
根据所述待回复问题以及所述回复策略获得回复内容,并将所述回复内容发送给所述客户端;
所述根据所述闲聊意图可信水平和所述业务意图可信水平,获得回复策略包括:
根据所述闲聊意图可信水平和所述业务意图可信水平在回复策略表中查询获得所述回复策略;其中,所述回复策略表是预设的;
所述对所述待回复问题进行闲聊意图检测,获得所述待回复问题的闲聊意图可信水平包括:
根据所述待回复问题以及二分类器模型,获得所述待回复问题的分类结果,并获得所述待回复问题为闲聊问题时的距离值;其中,所述二分类器模型是预先获得的,用于区分所述待回复问题为所述闲聊问题或者业务问题;
根据所述待回复问题的分类结果、所述待回复问题为所述闲聊问题时的距离值以及预设的闲聊意图可信水平分类,获得所述待回复问题的闲聊意图可信水平;所述闲聊意图可信水平分类包括多个不同的闲聊意图可信水平;
所述对所述待回复问题进行业务意图检测,获得所述待回复问题的业务意图可信水平包括:
将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
根据各个所述余弦距离中的最大值以及预设的业务意图可信水平分类,获得所述待回复问题的业务意图可信水平;
所述业务意图可信水平分类包括多个不同的业务意图可信水平。
2.根据权利要求1所述的方法,其特征在于,所述回复内容包括问候内容、业务答案内容和候选问题内容;相应地,所述根据所述待回复问题以及所述回复策略获得回复内容包括:
根据所述回复策略确定所述问候内容为第一问候语句、第二问候语句、第三问候语句与相关问题或者闲聊答案;其中,所述第一问候语、所述第二问候语句和所述第三问候语句是预设的;所述相关问题是预设的,与业务答案对应;所述闲聊答案是根据所述待回复问题获得的;
根据所述回复策略确定所述业务答案内容为空或者所述业务答案;
根据所述回复策略确定所述候选问题内容为空或者不为空;其中,若所述候选问题内容不为空且所述业务答案内容为空,则根据所述待回复问题,获得所述候选问题内容;若所述候选问题内容不为空且所述业务答案内容为所述业务答案,则根据所述待回复问题获得所述业务答案以及所述候选问题内容。
3.根据权利要求2所述的方法,其特征在于,根据所述待回复问题获得所述闲聊答案包括:
根据所述待回复问题、各个闲聊关键词以及各个所述闲聊关键词对应的答案,获得所述闲聊答案;其中,各个所述闲聊关键词以及各自对应的答案是预设的。
4.根据权利要求2所述的方法,其特征在于,所述根据所述待回复问题,获得所述候选问题内容包括:
将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
从各个所述余弦距离中获取预设数量个最大的所述余弦距离对应的业务问题作为所述候选问题内容。
5.根据权利要求2所述的方法,其特征在于,所述根据所述待回复问题获得所述业务答案以及所述候选问题内容包括:
将所述待回复问题进行向量化获得所述待回复问题对应的向量,并将业务问题库中各个业务问题进行向量化,分别获得各个所述业务问题对应的向量;其中,所述业务问题库是预设的;
分别计算所述待回复问题对应的向量与各个所述业务问题对应的向量的余弦距离;
将各个所述余弦距离中的最大的余弦距离对应的业务问题的答案,作为所述业务答案;其中,所述业务问题与所述业务问题的答案一一对应;
从各个所述余弦距离去除所述最大的余弦距离之后剩余的余弦距离中,获取预设数量个最大的所述余弦距离对应的业务问题作为所述候选问题内容。
6.一种电子设备,包括存储器、处理器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程序时实现如权利要求1至5任一项所述的自动回复的生成方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述的自动回复的生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040921.3A CN109753561B (zh) | 2019-01-16 | 2019-01-16 | 一种自动回复的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040921.3A CN109753561B (zh) | 2019-01-16 | 2019-01-16 | 一种自动回复的生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109753561A CN109753561A (zh) | 2019-05-14 |
CN109753561B true CN109753561B (zh) | 2021-04-27 |
Family
ID=66405990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040921.3A Active CN109753561B (zh) | 2019-01-16 | 2019-01-16 | 一种自动回复的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109753561B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858832B (zh) * | 2020-07-23 | 2024-06-25 | 平安证券股份有限公司 | 一种对话方法、装置、电子设备和存储介质 |
CN112053165A (zh) * | 2020-08-24 | 2020-12-08 | 北京达佳互联信息技术有限公司 | 信息交互方法、装置、服务器及存储介质 |
CN113282755A (zh) * | 2021-06-11 | 2021-08-20 | 上海寻梦信息技术有限公司 | 对话型文本分类方法、系统、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050256A (zh) * | 2014-06-13 | 2014-09-17 | 西安蒜泥电子科技有限责任公司 | 基于主动学习的问答方法及采用该方法的问答系统 |
CN104133817A (zh) * | 2013-05-02 | 2014-11-05 | 深圳市世纪光速信息技术有限公司 | 网络社区交互方法、装置及网络社区平台 |
CN104424290A (zh) * | 2013-09-02 | 2015-03-18 | 佳能株式会社 | 基于语音的问答系统和用于交互式语音系统的方法 |
CN104516986A (zh) * | 2015-01-16 | 2015-04-15 | 青岛理工大学 | 一种语句识别方法及装置 |
CN106095950A (zh) * | 2016-06-14 | 2016-11-09 | 中国科学院自动化研究所 | 一种人机对话中教授意图答案生成方法 |
CN107040450A (zh) * | 2016-07-20 | 2017-08-11 | 平安科技(深圳)有限公司 | 自动回复方法和装置 |
CN107169105A (zh) * | 2017-05-17 | 2017-09-15 | 北京品智能量科技有限公司 | 用于车辆的问答装置及方法 |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
CN107977415A (zh) * | 2017-11-22 | 2018-05-01 | 北京寻领科技有限公司 | 自动问答方法及装置 |
KR20180088192A (ko) * | 2017-01-26 | 2018-08-03 | 주식회사 솔트룩스 | 자동 질의응답 시스템 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN109190114A (zh) * | 2018-08-13 | 2019-01-11 | 北京百度网讯科技有限公司 | 用于生成回复信息的方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018000278A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳狗尾草智能科技有限公司 | 一种基于状态机上下文敏感多轮对话管理系统及方法 |
CN106997342B (zh) * | 2017-03-27 | 2020-08-18 | 上海奔影网络科技有限公司 | 基于多轮交互的意图识别方法和装置 |
CN108536852B (zh) * | 2018-04-16 | 2021-07-23 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
CN108920510A (zh) * | 2018-05-30 | 2018-11-30 | 出门问问信息科技有限公司 | 自动聊天方法、装置和电子设备 |
CN108874949A (zh) * | 2018-06-05 | 2018-11-23 | 北京玄科技有限公司 | 基于业务语料的意图分类方法、装置及智能问答方法 |
-
2019
- 2019-01-16 CN CN201910040921.3A patent/CN109753561B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133817A (zh) * | 2013-05-02 | 2014-11-05 | 深圳市世纪光速信息技术有限公司 | 网络社区交互方法、装置及网络社区平台 |
CN104424290A (zh) * | 2013-09-02 | 2015-03-18 | 佳能株式会社 | 基于语音的问答系统和用于交互式语音系统的方法 |
CN104050256A (zh) * | 2014-06-13 | 2014-09-17 | 西安蒜泥电子科技有限责任公司 | 基于主动学习的问答方法及采用该方法的问答系统 |
CN104516986A (zh) * | 2015-01-16 | 2015-04-15 | 青岛理工大学 | 一种语句识别方法及装置 |
CN106095950A (zh) * | 2016-06-14 | 2016-11-09 | 中国科学院自动化研究所 | 一种人机对话中教授意图答案生成方法 |
CN107040450A (zh) * | 2016-07-20 | 2017-08-11 | 平安科技(深圳)有限公司 | 自动回复方法和装置 |
KR20180088192A (ko) * | 2017-01-26 | 2018-08-03 | 주식회사 솔트룩스 | 자동 질의응답 시스템 |
CN107169105A (zh) * | 2017-05-17 | 2017-09-15 | 北京品智能量科技有限公司 | 用于车辆的问答装置及方法 |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
CN107977415A (zh) * | 2017-11-22 | 2018-05-01 | 北京寻领科技有限公司 | 自动问答方法及装置 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN109190114A (zh) * | 2018-08-13 | 2019-01-11 | 北京百度网讯科技有限公司 | 用于生成回复信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109753561A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574538B (zh) | 分类模型训练方法及装置 | |
CN109753561B (zh) | 一种自动回复的生成方法及装置 | |
KR102218506B1 (ko) | 계정 컴플레인트 처리 방법 및 서버 | |
CN112527972A (zh) | 基于深度学习的智能客服聊天机器人实现方法和系统 | |
KR102207219B1 (ko) | 검증 방법 및 디바이스 | |
CN112966081A (zh) | 处理问答信息的方法、装置、设备和存储介质 | |
CN115470318A (zh) | 客服问题处理方法及装置 | |
CN114328878A (zh) | 一种信息回复方法、装置、介质 | |
CN116662555B (zh) | 一种请求文本处理方法、装置、电子设备及存储介质 | |
CN111930901B (zh) | 知识点向量获取、推荐题目确定方法及相关装置 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
CN110750633B (zh) | 用于确定问题的答案的方法及装置 | |
CN111597336A (zh) | 训练文本的处理方法、装置、电子设备及可读存储介质 | |
CN115630147A (zh) | 应答方法、装置、电子设备及存储介质 | |
CN116431912A (zh) | 用户画像推送方法及装置 | |
CN115374247A (zh) | 一种基于改进lda模型的对话模板匹配方法及装置 | |
CN111881266B (zh) | 一种应答方法及装置 | |
CN111382246B (zh) | 文本的匹配方法、匹配装置、终端及计算机可读存储介质 | |
CN111488738B (zh) | 非法信息的识别方法、装置 | |
CN113434653A (zh) | 处理查询语句的方法、装置、设备及存储介质 | |
CN113220949A (zh) | 一种隐私数据识别系统的构建方法及装置 | |
CN111860655A (zh) | 用户的处理方法、装置和设备 | |
CN111538905A (zh) | 一种对象的推荐方法及装置 | |
CN113987309B (zh) | 个人隐私数据识别方法、装置、计算机设备及存储介质 | |
CN113139579B (zh) | 一种基于图像特征自适应卷积网络的图像分类方法和系统 |
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 |