CN110032625B - 一种人机对话方法及装置 - Google Patents
一种人机对话方法及装置 Download PDFInfo
- Publication number
- CN110032625B CN110032625B CN201910244177.9A CN201910244177A CN110032625B CN 110032625 B CN110032625 B CN 110032625B CN 201910244177 A CN201910244177 A CN 201910244177A CN 110032625 B CN110032625 B CN 110032625B
- Authority
- CN
- China
- Prior art keywords
- entity
- dimension
- target
- recommendation
- intention
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人机对话方法及装置,方法包括:获取用户当前输入的待处理语料;对待处理语料进行提取,得到目标实体;根据第一预设推荐维度和目标实体,从知识库选择推荐信息输出;其中,知识库用于存储实体与意图之间的对应关系,知识库包括多个实体库,实体库存储有多个实体,第一预设推荐维度的维度类别包括用户的基本信息、目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及知识库的当前调用热度值。将用户的基本信息、目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及知识库的当前调用热度值这些维度类别相结合可以大大提高给用户返回推荐信息的准确率。
Description
技术领域
本发明涉及互联网通信技术领域,尤其涉及一种人机对话方法及装置。
背景技术
随着移动互联网时代的到来和人工智能浪潮的兴起,实现人机对话成为了人类新的追求。人机对话中机器人需要能理解和运用人类社会的自然语言如汉语、英语等,机器人根据用户输入的自然语言作出回应。人机对话在提高人与机器人沟通效率的同时,也极大地方便了人类的生活和工作。
目前,在人机对话中,返回给用户的推荐信息往往由人工手动配置。例如,用户在游戏中询问“某把枪怎么使用”,当机器人返回给用户该把枪的使用方法后,需要人工手动在后台配置下一个或若干个与上个问题相关联的问题给用户,推荐问题的思路来源局限于人工的经验和想法。这样的推荐依赖且受限于配置人员的个人理解,同时人工配置也是低效的,因此,需要提供更准确有效的推荐信息返回方案。
发明内容
为了解决现有技术应用在人机对话中给用户返回推荐信息准确率低等问题,本发明提供了一种人机对话方法及装置:
一方面,本发明提供了一种人机对话方法,所述方法包括:
获取用户当前输入的待处理语料;
对所述待处理语料进行提取,得到目标实体;
根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
其中,所述知识库用于存储实体与意图之间的对应关系,所述知识库包括多个实体库,所述实体库存储有多个所述实体,所述第一预设推荐维度的维度类别包括所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值。
另一方面提供了一种人机对话装置,所述装置包括:
语料获取模块:用于获取用户当前输入的待处理语料;
实体提取模块:用于对所述待处理语料进行提取,得到目标实体;
信息输出模块:用于根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
其中,所述知识库用于存储实体与意图之间的对应关系,所述知识库包括多个实体库,所述实体库存储有多个所述实体,所述第一预设推荐维度的维度类别包括所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值。
另一方面提供了一种服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的人机对话方法。
另一方面提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的人机对话方法。
本发明提供的一种人机对话方法及装置,具有如下技术效果:
本发明根据第一预设推荐维度从知识库选择推荐信息输出给用户,将所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值这些维度类别相结合可以大大提高给用户返回推荐信息的准确率,保证人机对话的过程更加自然,提高用户的对话体验。
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和优点,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的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1是本发明实施例提供的一种应用环境的示意图;
图2也是本发明实施例提供的一种应用环境的示意图;
图3是本发明实施例提供的一种人机对话方法的流程示意图;
图4是本发明实施例提供的根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出的一种的流程示意图;
图5是本发明实施例提供的补充所述跨实体库实体间的关联关系的一种流程示意图;
图6是本发明实施例提供的一种人机对话装置的组成框图;
图7也是本发明实施例提供的一种人机对话装置的组成框图;
图8是应用本发明实施例得到的UI界面示意图;
图9是本发明实施例提供的一种服务器的结构示意图。
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做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,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本发明实施例提供的一种应用环境的示意图,如图1所示,该应用环境中用户通过终端设备上安装的智能对话工具进行人机对话,用户在所述智能对话工具的通信界面输入待处理语料,所述智能对话工具根据所述待处理语料在所述通信界面上向用户返回推荐信息。需要说明的是,图1仅仅是一种示例。
在本发明实施例中,所述终端设备可以包括但不限于移动智能电话、平板电子设备、便携式计算机(例如笔记本电脑等)、个人数字助理(PDA)、桌面型计算机、带有信息阅读功能的智能穿戴设备。所述智能对话工具可以是一能够与用户进行交互的计算机程序。所述智能对话工具的通信界面可以包括会话窗口,所述会话窗口可以为所述智能对话工具提供的用于与用户进行交互的窗口,所述智能对话工具可以包括但不限于腾讯公司的QQ、腾讯公司的微信、微软公司的MSN、阿里公司的阿里旺旺。所述智能对话工具也可以包括微软公司的小冰、百度公司的度秘、以及苹果公司的Siri等。
具体的,用户输入的待处理语料可以为以书面形式表达的自然语言(比如以键盘为介质键入“今天天气怎么样”)、以语音形式表达的自然语言(比如以麦克风为介质语音输入“播放音乐”)等。当然也可以先通过麦克风输入语音、再通过键盘对采集到的文字进行调整。自然语言为自然地随文化演化的语言,它包括但不限于汉语、英语、日语。
在实际应用中,终端设备还可以包括智能音箱,如图2所示,用户可以使用智能音响进行人机对话,用户向所述智能音响输入待处理语料,所述智能音响根据所述待处理语料向用户返回推荐信息。所述智能音响内嵌可以内嵌有智能对话工具,所述智能音响可以包括阿里公司的天猫精灵、百度公司的小度和小米公司的小爱等。
以下介绍本发明一种人机对话方法,将可与用户进行人机对话的终端设备称为“机器人”。图3是本发明实施例提供的一种人机对话方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图3所示,所述方法可以包括:
S301:获取用户当前输入的待处理语料;
在本发明实施例中,所述待处理语料可以为文字数据,比如“今天的空气质量怎么样”、“Hello”等。所述待处理语料也可以为语音、图像或者视频等数据类型的非文字数据,可以通过语音识别技术或者图像识别技术等将非文字数据转换为文字数据以继续本发明实施例的人机对话步骤。
在一个具体的实施例中,待处理语料可以由用户主动输入而获取,也可以通过相关的采集设备主动采集而获取。比如相关的采集设备主动采集时,当前机器人处于人机交互状态,可以通过机器人的麦克风主动采集交互对象(比如用户和带有发声功能的装置)的语音数据,可以通过机器人的摄像头采集交互对象的图像数据(比如表情数据、手势数据)。
S302:对所述待处理语料进行提取,得到目标实体;
在本发明实施例中,对于应用于不同业务场景的机器人可以预设对应业务场景的知识库。知识库在人机对话过程中,可以作为机器人回复用户问题时候的知识来源和依据。所述知识库用于存储实体与意图之间的对应关系,所述知识库中可以包括问题和答案相结合的FAQ对(常见问题解答、知识点)。意图可以表示用户的目的,比如用户输入的语料为“今天天气怎么样”,该语料指向的意图便是“查天气”。所述知识库包括多个实体库,所述实体库存储有多个所述实体。对于智能家居场景、消费场景(购物、餐饮和娱乐)、在线学习场景等业务场景,对应业务场景的知识库可以是不同的。对于不同业务场景所对应的知识库,实体与意图之间的对应关系可以不同,实体库类型可以不同,实体库内的分类级别可以有不同设置等等。
具体的,对于一游戏业务场景,预设的知识库中可以包括枪支实体库、弹药实体库以及相关配件实体库等。实体库中按预设规则对其中的实体进行分类,如下述表1所示一个枪支实体库中,实体库可以反映某个实体的从属关系,比如98K属于第二分类狙击枪下的一种,狙击枪属于一级分类枪支下的一种。
表1
在一个具体的实施例中,对所述待处理语料进行提取,得到目标实体。比如待处理语料A为“AK47(一种枪支)使用7.62毫米子弹”,提取到的目标实体为“AK47”和“7.62毫米子弹”;待处理语料B为“M4(一种枪支)使用5.6mm子弹并配备鸭嘴枪口”,提取到的目标实体为“M4”、“5.6mm子弹”和“鸭嘴枪口”;待处理语料C为“在刺激战场中98K使用7.62mm子弹,是最热门的单发狙击枪,对于枪法精准度要求较高,配备98k子弹袋”,提取到的目标实体为“98K”、“7.62mm子弹”和“98k子弹袋”。这样将作为整句的待处理语料抽离成一个个目标实体。
S303:根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
在本发明实施例中,所述第一预设推荐维度的维度类别包括所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值。
对于所述用户的基本信息:
所述用户的基本信息包括以下至少之一:所述用户的感兴趣实体;当前时间之前,所述用户输入包括所述目标实体的语料的上下文信息。
具体的,对于用户的感兴趣实体,比如用户A在浏览商品时,对商品甲作了收藏处理或者将商品甲添加进了购物车,可将商品甲在预设的知识库中对应的实体视为用户A的感兴趣实体。比如用户B在开启使用某资讯类应用时,选择了对“体育”类资讯、“娱乐”类资讯感兴趣,可将“体育”类资讯和“娱乐”类资讯分别在预设的知识库中对应的实体视为用户B的感兴趣实体。
具体的,可以对当前时间之前,所述用户输入包括所述目标实体的语料的上下文信息进行分析,比如就目标实体“SKS”,用户C对应的上下文信息为“SKS怎么玩”和“我想了解M416”;用户D对应的上下文信息为“SKS好玩吗”和“我感觉UMP(一种枪支)很厉害啊”。进而得到:实体库可能性子维度:某用户在提问某一实体库(比如枪支实体库)相关的问题后,提问其他实体库(比如弹药实体库)相关的问题的可能性有多大;实体库分类可能性子维度:在了解到某一实体库中某分类(比如枪支实体库中的狙击枪分类)后,了解其他分类(比如枪支实体库中的步枪分类、跨实体库分类)的可能性有多大;实体可能性子维度:在了解某一实体(比如98K)后,关心其他实体(比如M416、98k子弹袋)的可能性有多大;意图可能性子维度:在表达了某一种意图(比如查询空气质量)后,想了解其他意图(比如了解雾霾科普知识、如何挑选合适的防雾霾口罩)的可能性有多少。可以对以上的可能性子维度分别作相应的排序,机器人选择具体的可能性子维度作参考,比如可以选择某具体的实体可能性子维度下排序前10作参考。
当然,用户的基本信息不局限于上述。用户的基本信息可以实现对该用户一定程度的用户画像,用户的基本信息可以反映该用户的好恶,用户的基本信息可以对从知识库选择推荐信息增加更多个性化的参考,该用户获得的推荐信息也更加准确甚至定向,这样能够更好的满足各个用户进行人机对话的不同需求。
对于所述目标实体所属实体库的内部分类关系:可参考上述表1,这里不作赘述。
对于跨实体库实体间的关联关系:
跨实体库实体间的关联关系表示所属两个不同实体库的两个实体间的关联关系。比如“AK47”作为属于枪支实体库中的一实体,“7.62毫米子弹”作为属于弹药实体库中的一实体。因为在某游戏中使用上的配合关系,“AK47”和“7.62毫米子弹”存在跨实体库实体间的关联关系。
跨实体库实体间的关联关系可以在预设的知识库中已经存在。预设的知识库中可以包括存储跨实体库实体间的关联关系的库。可以通过对两个跨实体库实体进行标注,在两个跨实体库实体间形成一个关联关系链,关联关系链可以持续扩充。跨实体库实体间的关联关系也可以在用户与机器人人机对话的交互中在知识库(以人工手动或自动的方式)补充跨实体库实体间的关联关系。如图5所示,所述跨实体库实体间的关联关系通过执行下述步骤补充:
S501:当所述推荐信息包括对应所述目标实体的新跨实体库实体时,获取用于预测用户满意度的指标数据;
具体的,比如目标实体为“区块链”,当前知识库中与“区块链”存在跨实体库实体间的关联关系的实体有“人工智能”、“大数据”。而当推荐信息包括新跨实体库实体“地铁乘车码”时,获取用于预测用户满意度的指标数据。指标数据可以是反映用户增加、减少或者屏蔽推荐信息的数据。比如推荐信息返回至用户时,向用户展示对满意度打星的交互界面,当用户打5颗星时可以获取用户对推荐信息表示非常满意的指标数据,当用户打3颗星时可以获取用户对推荐信息表示一般满意的指标数据。
S502:当所述指标数据满足预设规定时,在所述跨实体库实体间的关联关系中补充所述目标实体与所述新跨实体库实体的关联关系。
具体的,比如预设规定为用户打星大于等于4颗时可以在跨实体库实体间的关联关系中作增加,那么当用户打5颗星时即可在所述跨实体库实体间的关联关系中补充所述目标实体(“区块链”)与所述新跨实体库实体(“地铁乘车码”)的关联关系。
跨实体库实体间的关联关系可以不局限于预设的知识库中的设置,而是可以在进行人机对话的交互中得到补充,这样能够增强预设的知识库的适应性,可以保证用户获得更实时、更智能的人机对话体验。
对于所述知识库的当前调用热度值:
所述知识库的当前调用热度值可以通过执行下述步骤确定:首先,统计多个用户的历史对话,可以对一定量的活跃用户的历史对话作统计。然后,可以基于实体库维度,对每个实体库的调用热度进行排序以得到对应的实体库调用热度值。可以基于实体维度,对每个所述实体的调用热度进行排序以得到对应的实体调用热度值。当然也可以对某个实体库内的分类的调用热度进行排序,对某个实体库内的所有实体的调用热度进行排序,对某个实体库内的某分类下的实体的调用热度进行排序。可以基于意图维度,对相邻意图进行分析、排序以得到同一意图的下轮意图调用热度值;其中,所述相邻意图为所述多个用户的历史对话中指向的两个相邻的所述意图,所述相邻意图包括上轮意图和所述下轮意图。还可以基于知识点维度,对每个知识点的调用热度进行排序以得到对应的知识点调用热度值。
在实际应用中,对全部历史对话作相关的调用热度排序,可以得知提问完狙击枪后,大部分用户会继续提问步枪;提问完步枪后,大部分用户会继续提问步枪使用的子弹。比如某游戏业务场景中,统计得到的一部分调用热度如表2、表3所示:
表2
表3
这样通过较大数据量的统计、排序可以了解对应业务场景下的大部分用户的喜好、习惯等,通过调用热度可以对用户的基本信息不完善甚至信息量少的用户作合适的推荐及引导,增强用户体验度。
在一个具体的实施例中,所述推荐信息可以包括所述意图答案和所述推荐问题。所述意图答案和所述推荐问题的展示方式不限于文字、语音、图像、视频、链接等。
在另一个具体的实施例中,根据第一预设推荐维度中的四个维度类别和所述目标实体,从知识库选择推荐信息输出。比如待处理语料为“明天A地的天气如何”,目标实体为“明天”、“A地”和“天气”,目标意图为查天气。那么根据第一预设推荐维度中的四个维度类别和所述目标实体输出的推荐信息可以包括:作为意图答案的“19-26摄氏度、阵雨转多云和南风转东南风”以及作为推荐问题的“A地春游好去处是哪儿”。当然对于隐性意图的待处理语料,比如待处理语料为“鲜花”,目标实体为“鲜花”,目标意图并不明显,那么根据第一预设推荐维度中的四个维度类别和所述目标实体输出的推荐信息可以只包括作为推荐问题的“了解鲜花速递网站?”。
在另一个具体的实施例中,如图4所示,所述根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出的步骤,包括:
S401:基于所述目标实体,对所述待处理语料进行意图识别,得到目标意图;
如图8所示,待处理语料为“想买把狙击枪”,目标实体为“狙击枪”,目标意图为“求狙击枪推荐”。
S402:根据第二预设推荐维度,获取所述目标意图对应的意图答案;
具体的,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的交集为空或一至四个所述第一预设推荐维度的维度类别,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的并集为所述第一预设推荐维度的维度类别。所述第二预设推荐维度包括以下至少之一:所述用户的基本信息、所述目标实体所属实体库的内部分类关系、所述跨实体库实体间的关联关系以及所述知识库的当前调用热度值。比如第二预设推荐维度可以选择所述用户的基本信息和所述知识库的当前调用热度值两个维度类别。这样对于图8中的提问用户可以通过该用户的基本信息得知他/她喜欢了解狙击枪,且狙击枪中最喜欢SKS,同时他/她了解完狙击枪后他了解过步枪。再结合所述知识库的当前调用热度值得知狙击枪分类和步枪分类下的调用热度排行。那么给该用户个性化的意图答案中包括狙击枪中调用热度排行最高的98K,以及他/她自己喜欢的狙击枪SKS。如图8所示,意图答案为“小悦猜给推荐98K哦,这是大部分狙击枪爱好者的选择呢,当然,SKS也有优点,适合伏地魔爱好者哟”。
S403:根据第三预设推荐维度,获取与所述目标实体相关的推荐问题;
具体的,所述第三预设推荐维度包括以下至少之一:所述用户的基本信息、所述目标实体所属实体库的内部分类关系、所述跨实体库实体间的关联关系以及所述知识库的当前调用热度值。比如第三预设推荐维度可以选择所述用户的基本信息、所述跨实体库实体间的关联关系和所述知识库的当前调用热度值三个维度类别。这样对于图8中的提问用户可以通过该用户的基本信息得知他/她了解完狙击枪后他了解过步枪。通过所述跨实体库实体间的关联关系得知M416(一种步枪)与弹药、其他配件存在关联关系。再结合所述知识库的当前调用热度值得知步枪分类下的调用热度排行。那么给该用户个性化的推荐问题中可以包括步枪中的调用热度排行最高的M416,以及M416的相关配置等。如图8所示,推荐问题为“步枪哪一把最叼?”和“M416怎么配置装备?”。当然,也可以同时提供98K相关的推荐问题,比如是不是要了解下98K使用的子弹或者98K配备的子弹袋。
所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的并集为所述第一预设推荐维度的维度类别。在向用户返回推荐信息时可以根据实际需求对维度类别作结合参考,也可以根据对维度类别作预设的权重设置,实现对四个维度类别的高效结合参考。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中根据第一预设推荐维度从知识库选择推荐信息输出给用户,将所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值这些维度类别相结合可以大大提高给用户返回推荐信息的准确率,这样用户在推荐信息的引导下能够更自然且符合用户习惯的进行下轮对话(设置用户输入待处理预料-机器人输出推荐信息为一轮对话)。人机对话的交互大概率的模仿用户的行为路径,以便最大程度上了解用户并满足用户,给用户更佳的对话体验。
本发明实施例还提供了一种人机对话装置,如图6所示,所述装置包括:
语料获取模块61:用于获取用户当前输入的待处理语料;
实体提取模块62:用于对所述待处理语料进行提取,得到目标实体;
信息输出模块63:用于根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
其中,所述知识库用于存储实体与意图之间的对应关系,所述知识库包括多个实体库,所述实体库存储有多个所述实体,所述第一预设推荐维度的维度类别包括所述用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值。
所述用户的基本信息包括以下至少之一:所述用户的感兴趣实体;当前时间之前,所述用户输入包括所述目标实体的语料的上下文信息。
所述装置还包括用于补充所述跨实体库实体间的关联关系的补充模块,所述补充模块包括:指标数据获取单元:用于当所述推荐信息包括对应所述目标实体的新跨实体库实体时,获取用于预测用户满意度的指标数据;补充单元:用于当所述指标数据满足预设规定时,在所述跨实体库实体间的关联关系中补充所述目标实体与所述新跨实体库实体的关联关系。
所述装置还包括用于确定所述知识库的当前调用热度值的确定模块,所述确定模块包括:统计单元:用于统计多个用户的历史对话;实体库调用热度值确定单元:用于基于实体库维度,对每个实体库的调用热度进行排序以得到对应的实体库调用热度值;实体调用热度值确定单元:用于基于实体维度,对每个所述实体的调用热度进行排序以得到对应的实体调用热度值;下轮意图调用热度值确定单元:用于基于意图维度,对相邻意图进行分析、排序以得到同一意图的下轮意图调用热度值;其中,所述相邻意图为所述多个用户的历史对话中指向的两个相邻的所述意图,所述相邻意图包括上轮意图和所述下轮意图。
具体的,所述信息输出模块63包括:意图识别单元631:用于基于所述目标实体,对所述待处理语料进行意图识别,得到目标意图;答案获取单元632:用于根据第二预设推荐维度,获取所述目标意图对应的意图答案;问题获取单元633:用于根据第三预设推荐维度,获取与所述目标实体相关的推荐问题;
其中,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的交集为空或一至四个所述第一预设推荐维度的维度类别,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的并集为所述第一预设推荐维度的维度类别;所述推荐信息包括所述意图答案和所述推荐问题。
需要说明的,所述装置实施例中的装置与方法实施例基于同样的发明构思。
本发明实施例提供了一种服务器,该服务器包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的人机对话方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本发明实施例还提供了一种服务器的结构示意图,请参阅图9,该服务器900用于实施上述实施例中提供的人机对话方法,具体来讲,所述服务器结构可以包括上述人机对话装置。该服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)910(例如,一个或一个以上处理器)和存储器930,一个或一个以上存储应用程序923或数据922的存储介质920(例如一个或一个以上海量存储设备)。其中,存储器930和存储介质920可以是短暂存储或持久存储。存储在存储介质920的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器910可以设置为与存储介质920通信,在服务器900上执行存储介质920中的一系列指令操作。服务器900还可以包括一个或一个以上电源960,一个或一个以上有线或无线网络接口950,一个或一个以上输入输出接口940,和/或,一个或一个以上操作系统921,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种人机对话方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的人机对话方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、移动硬盘、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:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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,对于装置和服务器实施例而言,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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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)
1.一种人机对话方法,其特征在于,所述方法包括:
获取目标用户当前输入的待处理语料;
对所述待处理语料进行提取,得到目标实体;
根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
其中,所述知识库用于存储实体与意图之间的对应关系,所述知识库包括多个实体库,所述实体库存储有多个所述实体,所述第一预设推荐维度的维度类别包括所述目标用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值;
所述知识库的当前调用热度值通过执行下述步骤确定:统计多个样本用户的历史对话;基于实体库维度,对每个所述实体库的调用热度进行排序以得到对应的实体库调用热度值;基于实体维度,对每个所述实体的调用热度进行排序以得到对应的实体调用热度值;基于意图维度,对相邻意图进行分析、排序以得到同一意图的下轮意图调用热度值;其中,所述相邻意图为所述历史对话中指向的两个相邻的意图,所述相邻意图包括上轮意图和下轮意图。
2.根据权利要求1所述的方法,其特征在于,所述根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出的步骤,包括:
基于所述目标实体,对所述待处理语料进行意图识别,得到目标意图;
根据第二预设推荐维度,获取所述目标意图对应的意图答案;
根据第三预设推荐维度,获取与所述目标实体相关的推荐问题;
其中,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的交集为空或一至四个所述第一预设推荐维度的维度类别,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的并集为所述第一预设推荐维度的维度类别;
所述推荐信息包括所述意图答案和所述推荐问题。
3.根据权利要求1或2任一所述的方法,其特征在于,所述目标用户的基本信息包括以下至少之一:所述目标用户的感兴趣实体;当前时间之前,所述目标用户输入包括所述目标实体的语料的上下文信息。
4.根据权利要求1或2任一所述的方法,其特征在于,所述跨实体库实体间的关联关系通过执行下述步骤补充:
当所述推荐信息包括对应所述目标实体的新跨实体库实体时,获取用于预测用户满意度的指标数据;
当所述指标数据满足预设规定时,在所述跨实体库实体间的关联关系中补充所述目标实体与所述新跨实体库实体的关联关系。
5.一种人机对话装置,其特征在于,所述装置包括:
语料获取模块:用于获取目标用户当前输入的待处理语料;
实体提取模块:用于对所述待处理语料进行提取,得到目标实体;
信息输出模块:用于根据第一预设推荐维度和所述目标实体,从知识库选择推荐信息输出;
其中,所述知识库用于存储实体与意图之间的对应关系,所述知识库包括多个实体库,所述实体库存储有多个所述实体,所述第一预设推荐维度的维度类别包括所述目标用户的基本信息、所述目标实体所属实体库的内部分类关系、跨实体库实体间的关联关系以及所述知识库的当前调用热度值;
所述装置还包括用于确定所述知识库的当前调用热度值的确定模块,所述确定模块包括:统计单元:用于统计多个样本用户的历史对话;实体库调用热度值确定单元:用于基于实体库维度,对每个所述实体库的调用热度进行排序以得到对应的实体库调用热度值;实体调用热度值确定单元:用于基于实体维度,对每个所述实体的调用热度进行排序以得到对应的实体调用热度值;下轮意图调用热度值确定单元:用于基于意图维度,对相邻意图进行分析、排序以得到同一意图的下轮意图调用热度值;其中,所述相邻意图为所述历史对话中指向的两个相邻的意图,所述相邻意图包括上轮意图和下轮意图。
6.根据权利要求5所述的装置,其特征在于,所述信息输出模块包括:
意图识别单元:用于基于所述目标实体,对所述待处理语料进行意图识别,得到目标意图;
答案获取单元:用于根据第二预设推荐维度,获取所述目标意图对应的意图答案;
问题获取单元:用于根据第三预设推荐维度,获取与所述目标实体相关的推荐问题;
其中,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的交集为空或一至四个所述第一预设推荐维度的维度类别,所述第二预设推荐维度的维度类别与所述第三预设推荐维度的维度类别的并集为所述第一预设推荐维度的维度类别;
所述推荐信息包括所述意图答案和所述推荐问题。
7.根据权利要求5或6任一所述的装置,其特征在于,所述目标用户的基本信息包括以下至少之一:所述目标用户的感兴趣实体;当前时间之前,所述目标用户输入包括所述目标实体的语料的上下文信息。
8.根据权利要求5或6任一所述的装置,其特征在于,所述装置还包括用于补充所述跨实体库实体间的关联关系的补充模块,所述补充模块包括:
指标数据获取单元:用于当所述推荐信息包括对应所述目标实体的新跨实体库实体时,获取用于预测用户满意度的指标数据;
补充单元:用于当所述指标数据满足预设规定时,在所述跨实体库实体间的关联关系中补充所述目标实体与所述新跨实体库实体的关联关系。
9.一种服务器,其特征在于,所述服务器包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;其中,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述至少一个处理器加载并执行以实现如权利要求1-4任意一项所述的人机对话方法。
10.一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中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-4任意一项所述的人机对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910244177.9A CN110032625B (zh) | 2019-03-28 | 2019-03-28 | 一种人机对话方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910244177.9A CN110032625B (zh) | 2019-03-28 | 2019-03-28 | 一种人机对话方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110032625A CN110032625A (zh) | 2019-07-19 |
CN110032625B true CN110032625B (zh) | 2023-01-13 |
Family
ID=67236925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910244177.9A Active CN110032625B (zh) | 2019-03-28 | 2019-03-28 | 一种人机对话方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110032625B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324700A (zh) * | 2020-02-21 | 2020-06-23 | 北京声智科技有限公司 | 资源召回方法、装置、电子设备及计算机可读存储介质 |
CN111428506B (zh) * | 2020-03-31 | 2023-02-21 | 联想(北京)有限公司 | 实体分类方法、实体分类装置和电子设备 |
CN111488463B (zh) * | 2020-04-09 | 2023-08-29 | 中国银行股份有限公司 | 测试语料生成方法、装置及电子设备 |
CN111506719B (zh) * | 2020-04-20 | 2023-09-12 | 深圳追一科技有限公司 | 一种关联问句推荐方法、装置、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836720A (zh) * | 2014-02-12 | 2015-08-12 | 北京三星通信技术研究有限公司 | 交互式通信中进行信息推荐的方法及装置 |
CN107704612A (zh) * | 2017-10-23 | 2018-02-16 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
CN108000526A (zh) * | 2017-11-21 | 2018-05-08 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
CN108776689A (zh) * | 2018-06-05 | 2018-11-09 | 北京玄科技有限公司 | 一种应用于智能机器人交互的知识推荐方法及装置 |
CN108920649A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 一种信息推荐方法、装置、设备和介质 |
CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
CN109376228A (zh) * | 2018-11-30 | 2019-02-22 | 北京猎户星空科技有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN109522393A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
-
2019
- 2019-03-28 CN CN201910244177.9A patent/CN110032625B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836720A (zh) * | 2014-02-12 | 2015-08-12 | 北京三星通信技术研究有限公司 | 交互式通信中进行信息推荐的方法及装置 |
CN107704612A (zh) * | 2017-10-23 | 2018-02-16 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
CN108000526A (zh) * | 2017-11-21 | 2018-05-08 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
CN108776689A (zh) * | 2018-06-05 | 2018-11-09 | 北京玄科技有限公司 | 一种应用于智能机器人交互的知识推荐方法及装置 |
CN108920649A (zh) * | 2018-06-29 | 2018-11-30 | 北京百度网讯科技有限公司 | 一种信息推荐方法、装置、设备和介质 |
CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
CN109522393A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN109376228A (zh) * | 2018-11-30 | 2019-02-22 | 北京猎户星空科技有限公司 | 一种信息推荐方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110032625A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110032625B (zh) | 一种人机对话方法及装置 | |
CN110309283B (zh) | 一种智能问答的答案确定方法及装置 | |
CN109299344B (zh) | 排序模型的生成方法、搜索结果的排序方法、装置及设备 | |
US10210243B2 (en) | Method and system for enhanced query term suggestion | |
CN110334344B (zh) | 一种语义意图识别方法、装置、设备及存储介质 | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
CN110569354B (zh) | 弹幕情感分析方法及装置 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN112533051A (zh) | 弹幕信息显示方法、装置、计算机设备和存储介质 | |
CN109710732B (zh) | 信息查询方法、装置、存储介质和电子设备 | |
CN103970791B (zh) | 一种从视频库推荐视频的方法、装置 | |
CN108345612B (zh) | 一种问题处理方法和装置、一种用于问题处理的装置 | |
CN110765294B (zh) | 图像搜索方法、装置、终端设备及存储介质 | |
CN109582869B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN111435369A (zh) | 音乐推荐方法、装置、终端及存储介质 | |
CN114706945A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN115712657A (zh) | 基于元宇宙的用户需求挖掘方法及系统 | |
CN111444321B (zh) | 问答方法、装置、电子设备和存储介质 | |
CN111611369A (zh) | 基于人工智能的交互方法和相关装置 | |
CN114372383B (zh) | 一种基于vr仿真场景的场景快速切换方法及系统 | |
CN112632222B (zh) | 一种终端设备和确定数据所属领域的方法 | |
Sakkos et al. | Anima: Adaptive personalized software keyboard | |
KR102120115B1 (ko) | 대화 능력 기반의 답변 시스템 및 그 방법 | |
CN111667028A (zh) | 一种可靠负样本确定方法和相关装置 | |
CN116401394B (zh) | 对象集和图像生成方法、装置、电子设备及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40008539 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |