CN110019695A - 一种自动聊天响应方法 - Google Patents

Abstract

本发明公开了一种自动聊天响应方法，属于自动聊天技术领域；方法包括通过爬取网络论坛数据预先生成多个问答对数据，并采用一预设的索引方式根据多个问答对数据建立索引，每个问答对数据中包括一个问题语句以及对应的至少一个回复语句，还包括：获取用户输入的输入语句；根据输入语句查询得到至少一个问题语句；将查询到的至少一个问题语句所对应的所有回复语句作为输入语句的候选回答；从候选回答中选择一个回复语句，以作为输入语句的回答并输出给用户查看。上述技术方案的有益效果是：降低自动聊天的实现成本，使得自动聊天软件容易产品化，并且可以有效避免语法分析、句法分析等逻辑步骤，简化自动聊天中的检索和处理过程。

Description

一种自动聊天响应方法

技术领域

本发明涉及自动聊天技术领域，尤其涉及一种自动聊天响应方法。

背景技术

自动聊天技术是一种通过自然语言在人与机器人或者虚拟软件之间进行交流的人机对话服务。用户可以输入聊天语句，系统通过自动聊天模块找到合适的回复语句并进行自动回复，多次的语句输入和自动回复就可以模拟构成自动聊天的场景。随着智能终端例如智能手机的快速发展，终端用户希望实现更人性化的人机交互体验，能够体验更真实的自动聊天服务。

传统的自动聊天技术通常分为两种：

一种是检索式自动聊天技术，这种技术需要人工编写很多的问答对数据。输入聊天语句后，匹配事先编写的问答对数据，将所匹配到的问题的回复作为聊天的输出。这种技术需要耗费大量的人力工作，并且最终匹配得到的回复语句比较固定，同时收到问答对数据数量上的限制，用户体验并不好。

另一种是生成式自动聊天技术，这种技术通常是基于深度神经网络的序列到序列的方法，即输入聊天语句后，通过训练好的自动聊天模型来自动生成回复语句。这种技术需要事先准备大量数据的聊天对训练语料，并且基于深度神经网络训练序列到序列的模型，因此这种技术的聊天体验效果距离实际应用和产品化还有一定的距离，其不足以解决现实的问题。

发明内容

根据现有技术中存在的上述问题，现提供一种自动聊天响应方法的技术方案，旨在降低自动聊天的实现成本，使得自动聊天软件容易产品化，并且可以有效避免语法分析、句法分析等逻辑步骤，简化自动聊天中的检索和处理过程。

上述技术方案具体包括：

一种自动聊天响应方法，适用于检索式的自动聊天问答过程中；其中，通过爬取网络论坛数据预先生成多个问答对数据，并采用一预设的索引方式根据多个所述问答对数据建立索引，每个所述问答对数据中包括一个问题语句以及对应的至少一个回复语句，还包括：

步骤S1，获取用户输入的输入语句；

步骤S2，根据所述输入语句查询得到至少一个所述问题语句；

步骤S3，将查询到的至少一个所述问题语句所对应的所有所述回复语句作为所述输入语句的候选回答；

步骤S4，从所述候选回答中选择一个所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。

优选的，该自动聊天响应方法，其中，在爬取所述网络论坛数据时，将所述网络论坛数据中的论坛标题作为所述问答对数据中的所述问题语句，并将所述论坛标题所对应的回复内容作为所述问题语句所对应的所述回复语句。

优选的，该自动聊天响应方法，其中，预先生成多个问答对数据后，先采用预设的策略对所述问答对数据中的所述回复语句分别进行过滤，以得到过滤后的所述回复语句，在根据多个所述问答对数据建立索引。

优选的，该自动聊天响应方法，其中，所述预设的策略包括：

滤除数据长度位于预设的一长度范围之外的所述回复语句；和/或

滤除包括预设的多个第一类过滤词汇中至少一个的所述回复语句。

优选的，该自动聊天响应方法，其中，所述预设的索引方式为根据多个所述问答对数据，采用Lucene框架建立索引。

优选的，该自动聊天响应方法，其中，所述步骤S2中，通过Lucene框架中提供的查询功能查询得到至少一个所述问题语句。

优选的，该自动聊天响应方法，其中，所述步骤S2具体包括：

步骤S21，将所述输入语句与所有所述问答对数据中的所述问题语句进行匹配，以获取每个所述问题语句与所述输入语句之间的语义近似度；

步骤S22，根据所述语义近似度由高至低依序排列所述问题语句，并选择前N个所述问题语句作为查询得到的所述问题语句并输出。

优选的，该自动聊天响应方法，其中，所述步骤S3中，得到所述候选回答后，滤除所述候选回答中的包括预设的多个第二类过滤词汇中至少一个的所述回复语句，以形成过滤后的所述候选回答，随后转向所述步骤S4。

优选的，该自动聊天响应方法，其中，所述步骤S4具体包括：

步骤S41a，分别处理得到所述候选回答中的每个所述回复语句与所述输入语句之间的相似度；

步骤S42a，选择所述相似度最高的所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。

优选的，该自动聊天响应方法，其中，所述步骤S4具体包括：

步骤S41b，分别处理得到所述候选回答中的每个所述回复语句与所述输入语句之间的相似度；

步骤S42b，根据所述相似度由高至低依序排列所述回复语句，并选取前M个所述回复语句作为关联于所述问题语句的回答集合；

步骤S43b，从所述回答集合中随机选择一个所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。

上述技术方案的有益效果是：提供一种自动聊天响应方法，能够降低自动聊天的实现成本，使得自动聊天软件容易产品化，并且可以有效避免语法分析、句法分析等逻辑步骤，简化自动聊天中的检索和处理过程。

附图说明

图1是本发明的较佳的实施例中，一种自动聊天响应方法的总体流程示意图；

图2是本发明的较佳的实施例中，于图1的基础上，步骤S2的具体流程示意图；

图3是本发明的一个较佳的实施例中，于图1的基础上，步骤S4的具体流程示意图；

图4是本发明的另一个较佳的实施例中，于图1的基础上，步骤S4的具体流程示意图。

具体实施方式

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，所描述的实施例仅仅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作出创造性劳动的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。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

基于现有技术中存在的问题，现提供一种自动聊天响应方法，该方法适用于自动聊天问答过程中，具体地适用于检索式的自动聊天问答过程中。

上述方法中，首先通过爬取网络论坛数据预先生成多个问答对数据，并采用一预设的索引方式根据多个问答对数据建立索引，每个问答对数据中包括一个问题语句以及对应的多个回复语句。

上述方法具体如图1中所示，还包括：

步骤S1，获取用户输入的输入语句；

步骤S2，根据输入语句查询得到至少一个问题语句；

步骤S3，将查询到的至少一个问题语句所对应的所有回复语句作为输入语句的候选回答；

步骤S4，从候选回答中选择一个回复语句，以作为输入语句的回答并输出给用户查看。

具体地，本实施例中，首先通过爬取网络论坛上的论坛数据的方式预先生成多个问答对数据，每个问答对数据中包括一个问题语句以及对应的至少一个回复语句。进一步地，可以采用爬虫软件或者其他现有的爬取数据的方式来爬取网络论坛数据，爬取的对象可以为流量比较大的大型论坛，以保证问答对数据的数据量。

随后，再采用一预设的索引方式根据上述多个问答对数据建立索引，具体地根据问答对数据中问题语句以及对应的至少一个回复语句之间的关联关系来建立索引。

本实施例中，在建立关于问答对数据的索引之后，首先获取用户输入的输入语句，该输入语句通常是带有查询语气的语句，用户期望通过输入语句来获取与该语句相符的回答。随后，系统根据获取的输入语句对之前建立的关联于问答对数据的索引进行查询，以查询得到至少一个与输入语句相关联的问题语句。

本实施例中，在查询得到至少一个问题语句的同时就能够查询得到该至少一个问题语句所对应的至少一个回复语句，并将这些回复语句均加入到候选回答中，最后再从候选回答中选择一个回复语句作为上述输入语句的回答并反馈给用户查看，从而完成自动聊天过程中对输入语句的响应处理。

本发明的较佳的实施例中，在爬取网络论坛数据时，将网络论坛数据中的论坛标题作为问答对数据中的问题语句，并将论坛标题所对应的回复内容作为问题语句所对应的回复语句。

具体地，本实施例中，在爬取网络论坛数据并生成相应的问答对数据的过程中，将论坛中某个主题的论坛标题作为对应的问答对数据中的问题语句，将该主题下的所有回复作为问答对数据中的回复语句，从而构成一个完整的问答对数据。由于一个主题的论坛标题只有一个，而相应的回复可以有多个，因此一个问答对数据中只包括一个问题语句，以及包括至少一个回复语句。

本发明的较佳的实施例中，预先生成多个问答对数据后，先采用预设的策略对问答对数据中的回复语句分别进行过滤，以得到过滤后的回复语句，在根据多个问答对数据建立索引。

具体地，本实施例中，由于论坛主题下的回复鱼龙混杂，其中可能存在不宜作为回复语句的内容，因此在形成问答对数据之前，需要先对回复语句进行过滤和筛选，在经过筛选之后剩下的回复语句才能被编入到问答对数据中。

本发明的较佳的实施例中，上述预设的策略可以包括下文中所述的一种或几种：

滤除数据长度位于预设的一长度范围之外的回复语句；

滤除包括预设的多个第一类过滤词汇中至少一个的回复语句。

具体地，论坛中的回复内容有可能过长或者过短，太长或者太短的回复内容都不宜作为回复语句。因此可以预先设置一个长度范围，只有数据长度在该长度范围内的回复语句才会被保留，数据长度处于该长度范围之外的回复语句会被滤除。

另外，论坛的回复内容中有可能会出现一些涉及到色情、暴力以及政治等内容的敏感词汇，同样需要将包括这些敏感词汇的回复语句滤除。具体地，可以预先设置一些第一类过滤词汇，并且滤除包括预设的第一类过滤词汇中至少一个词汇的回复语句。

上述第一类过滤词汇中除了包括一些涉及到色情、暴力以及政治等内容的敏感词汇之外，还可以包括一些无意义的词汇，例如一些语气助词如“哈哈”和“呵呵”等，以及一些无意义的回复词如“赞”和“顶”等。

本实施例中，经过上述预设的策略进行过滤处理剩下的回复语句应当是由实质内容并且不会触发国家相关法规的回复内容，可以作为合格的回复语句。

本发明的较佳的实施例中，预设的索引方式为根据多个问答对数据，采用Lucene框架建立索引。

具体地，所谓Lucene，是apache软件基金会4jakarta项目组执行的一个子项目，其实质为一个开源代码的工具包，能够实现一个全文检索引擎的检索架构，提供了完整的查询引擎和索引引擎。因此，本实施例中，采用Lucene框架能够较好地为问答对数据建立索引，并且提供给后续的自动聊天响应过程中查询索引的功能。换言之，本发明的较佳的实施例中，上述步骤S2中，通过Lucene框架中提供的查询功能查询得到至少一个问题语句。

本发明的较佳的实施例中，如图2中所示，步骤S2具体包括：

步骤S21，将输入语句与所有问答对数据中的问题语句进行匹配，以获取每个问题语句与输入语句之间的语义近似度；

步骤S22，根据语义近似度由高至低依序排列问题语句，并选择前N个问题语句作为查询得到的问题语句并输出。

具体地，本实施例中，上述根据输入语句查询问题语句的过程中，首先获取输入语句与问答对数据中每个问题语句之间的语义近似度，现有技术中针对两个语句处理得到其语义近似度的实现方式有多种，在此不再赘述。

本实施例中，在获取输入语句与每个问题语句的语义近似度后，根据语义近似度由高至低对所有问题语句进行排列，并选取前N个问题语句作为查询得到的问题语句，这样可以缩小查询回复语句的查询范围。进一步地，本发明的一个较佳的实施例中，N＝15，即匹配得到与输入语句的语义相似度最高的前15个问题语句作为查询到的问题语句。本发明的其他实施例中，N还可以取其他适于处理和计算的数值例如N＝10，在此不再赘述。

本实施例中，在得到前N个问题语句后，就能够得到前N个问题语句所对应的所有回复语句，可以将这些回复语句都加入到候选回答中以供后续处理。

本发明的较佳的实施例中，上述步骤S3中，得到候选回答后，滤除候选回答中的包括预设的多个第二类过滤词汇中至少一个的回复语句，以形成过滤后的候选回答，随后转向步骤S4。

具体地，本实施例中，在输出候选回答的输出层上，还需要再对候选回答中的回复语句做一次过滤，这次过滤的目的在于尽量覆盖第一次过滤(即预先建立索引时采用预设的策略进行的过滤)未被覆盖到的部分。

则本实施例中，这次过滤采用预设多个第二类过滤词汇的方式进行。上述第二类过滤词汇可以与上述第一类过滤词汇相对应，即第二类过滤词汇需要尽量覆盖到第一类过滤词汇未覆盖的敏感词汇。则在本次过滤中，在候选回答中过滤掉包括上述预设的第二类过滤词汇中至少一个的回复语句，剩下的包括在候选回答中的回复语句即为可以反馈给用户查看的回复语句。

本发明的一个较佳的实施例中，如图4中所示，上述步骤S4具体包括：

步骤S41a，分别处理得到候选回答中的每个回复语句与输入语句之间的相似度；

步骤S42a，选择相似度最高的回复语句，以作为输入语句的回答并输出给用户查看。

具体地，本实施例中，分别处理得到候选回答中每个回复语句针对上述输入语句的相似度。相似度的计算可以采用现有技术中的计算方法，例如基于词向量的相似度计算方法、基于同义词的相似度计算方法以及基于卷积神经网络的相似度计算方法等，在此不再赘述。

随后根据相似度对回复语句做由高至低的排列，并且选择一个相似度最高的回复语句作为本次输入语句的回答，并反馈给用户查看。

则本实施例中，应用上述回复语句的选择方式，最终实现的是针对一个输入语句的固定回答输出，即每次用户输入这个输入语句，反馈的都是固定的回答，这样的方式有利于提高回答的准确性，但是在用户体验上可能稍弱。

本发明的另一个较佳的实施例中，如图4中所示，上述步骤S4具体包括：

步骤S41b，分别处理得到候选回答中的每个回复语句与输入语句之间的相似度；

步骤S42b，根据相似度由高至低依序排列回复语句，并选取前M个回复语句作为关联于问题语句的回答集合；

步骤S43b，从回答集合中随机选择一个回复语句，以作为输入语句的回答并输出给用户查看。

具体地，本实施例中，同样分别处理得到候选回答中每个回复语句针对上述输入语句的相似度。相似度的计算可以采用现有技术中的计算方法，例如基于词向量的相似度计算方法、基于同义词的相似度计算方法以及基于知网词汇的相似度计算方法等，在此不再赘述。

本实施例中，随后根据相似度由高至低依序排列上述回复语句，并将前M个回复语句编入一回答集合中，该回答集合对应于上述输入语句。

具体地，上述M可以取值为5，即根据相似度由高至低依序排列后，选择相似度最高的前5个回复语句并编入回答集合中。上述M还可以取其他适于计算的数值，例如M＝10，在此不再赘述。

本实施例中，对于本次输入的输入语句，可以在最终生成的回答集合中随机选择一个回复语句作为本次输入语句的回答并反馈给用户查看。

并且，本实施例中，之后若系统接收到同样的输入语句，可以直接从回答集合中随机选择一个回复语句并作为回答反馈给用户查看。

本实施例中，应用上述回复语句的选择方式，最终实现的是针对同一个输入语句的随机回答输出，即每次用户输入相同的输入语句，输出的回答可能各不相同，但是均与输入语句较为匹配。这样的方式有利于提升用户体验，自动聊天的效果较好，但是从输出回答的准确性上较前一种方式要低。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种自动聊天响应方法，适用于检索式的自动聊天问答过程中；其特征在于，通过爬取网络论坛数据预先生成多个问答对数据，并采用一预设的索引方式根据多个所述问答对数据建立索引，每个所述问答对数据中包括一个问题语句以及对应的至少一个回复语句，还包括：

步骤S1，获取用户输入的输入语句；

步骤S2，根据所述输入语句查询得到至少一个所述问题语句；

步骤S3，将查询到的至少一个所述问题语句所对应的所有所述回复语句作为所述输入语句的候选回答；

步骤S4，从所述候选回答中选择一个所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。

2.如权利要求1所述的自动聊天响应方法，其特征在于，在爬取所述网络论坛数据时，将所述网络论坛数据中的论坛标题作为所述问答对数据中的所述问题语句，并将所述论坛标题所对应的回复内容作为所述问题语句所对应的所述回复语句。

3.如权利要求1所述的自动聊天响应方法，其特征在于，预先生成多个问答对数据后，先采用预设的策略对所述问答对数据中的所述回复语句分别进行过滤，以得到过滤后的所述回复语句，在根据多个所述问答对数据建立索引。

4.如权利要求3所述的自动聊天响应方法，其特征在于，所述预设的策略包括：

滤除数据长度位于预设的一长度范围之外的所述回复语句；和/或

滤除包括预设的多个第一类过滤词汇中至少一个的所述回复语句。

5.如权利要求1所述的自动聊天响应方法，其特征在于，所述预设的索引方式为根据多个所述问答对数据，采用Lucene框架建立索引。

6.如权利要求5所述的自动聊天响应方法，其特征在于，所述步骤S2中，通过Lucene框架中提供的查询功能查询得到至少一个所述问题语句。

7.如权利要求1所述的自动聊天响应方法，其特征在于，所述步骤S2具体包括：

步骤S21，将所述输入语句与所有所述问答对数据中的所述问题语句进行匹配，以获取每个所述问题语句与所述输入语句之间的语义近似度；

步骤S22，根据所述语义近似度由高至低依序排列所述问题语句，并选择前N个所述问题语句作为查询得到的所述问题语句并输出。

8.如权利要求1所述的自动聊天响应方法，其特征在于，所述步骤S3中，得到所述候选回答后，滤除所述候选回答中的包括预设的多个第二类过滤词汇中至少一个的所述回复语句，以形成过滤后的所述候选回答，随后转向所述步骤S4。

9.如权利要求1所述的自动聊天响应方法，其特征在于，所述步骤S4具体包括：

步骤S41a，分别处理得到所述候选回答中的每个所述回复语句与所述输入语句之间的相似度；

步骤S42a，选择所述相似度最高的所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。

10.如权利要求1所述的自动聊天响应方法，其特征在于，所述步骤S4具体包括：

步骤S41b，分别处理得到所述候选回答中的每个所述回复语句与所述输入语句之间的相似度；

步骤S42b，根据所述相似度由高至低依序排列所述回复语句，并选取前M个所述回复语句作为关联于所述问题语句的回答集合；

步骤S43b，从所述回答集合中随机选择一个所述回复语句，以作为所述输入语句的回答并输出给所述用户查看。