CN110232116A

CN110232116A - 回复语句中的表情添加的方法及装置

Info

Publication number: CN110232116A
Application number: CN201910467752.1A
Authority: CN
Inventors: 王卓然; 亓超; 马宇驰; 侯兴林; 李彦
Original assignee: Triangle Animal (beijing) Technology Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-05-31
Filing date: 2019-05-31
Publication date: 2019-09-13
Anticipated expiration: 2039-05-31
Also published as: CN110232116B

Abstract

本发明公开了一种回复语句中的表情添加的方法及装置，涉及语言处理技术领域，主要目的在于解决现有的人机交互时，机器回复语句时添加的表情方式较为机械和僵化的问题。本发明主要的技术方案为：确定待回复语句以及对应的表情；从预设的表情库中，确定所述表情的表情特征，所述表情库中分别保存有不同情绪倾向的表情以及对应的表情特征；根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，所述目标词汇是所述待回复语句经分词操作后得到的词汇；在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。本发明用于回复语句中进行表情的添加过程。

Description

回复语句中的表情添加的方法及装置

技术领域

本发明涉及语言处理技术领域，尤其涉及一种回复语句中的表情添加的方法及装置。

背景技术

随着技术的不断进步，人工智能逐步兴起，人机间的语言交流已逐步走进人们的生活。在与人工智能设备交互的过程中，当用户输入了语句后，机器需要对该语句进行语义分析，并根据相应的语义来反馈与该语义相对应的语句以进行聊天回复，并且，为了增加聊天的趣味性，在与机器人等人工智能设备聊天的过程中，机器经常会自动回复与上段文字适应的表情，以增加聊天的趣味性。

目前，在现有的人工智能的语句回复过程中，往往都是通过直接回复单独的表情，或者是在需要回复的一段文字的后缀添加一个表情，然而，在实际应用中，现有的机器在回复时添加表情的方式较为机械和僵化，使得用户在与机器人等人工智能设备进行交流时，往往感觉较为生硬。

发明内容

鉴于上述问题，本发明提出了一种回复语句中的表情添加的方法及装置，主要目的在于解决现有的人机交互时，机器回复语句时添加的表情方式较为机械和僵化的问题。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供一种回复语句中的表情添加的方法，具体包括：

确定待回复语句以及对应的表情；

从预设的表情库中，确定所述表情的表情特征，所述表情库中分别保存有不同情绪倾向的表情以及对应的表情特征；

根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，所述目标词汇是所述待回复语句经分词操作后得到的词汇；

在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。

优选的，所述表情特征为表情向量，所述词汇特征为词向量。

优选的，所述根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，包括：

将所述表情向量与所述基础词汇的词向量进行点乘计算，得到向量相似值；

将所述向量相似值最大的基础词汇，确定为与所述表情的特征相似度最高的目标词汇。

优选的，在所述根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇之前，所述方法还包括：

对所述待回复语句进行分词操作，得到所述基础词汇；

根据所述基础词汇，进行向量化操作，得到对应所述基础词汇的词向量。

优选的，所述确定待回复语句以及对应的表情，包括：

当接收到用户输入的语句后，根据所述用户输入的语句及预设聊天回复模型，确定待回复语句以及对应的表情，所述表情是根据表情特征与用户输入的语句的语句特征间的相似度确定的。

优选的，在根据所述用户输入的语句及预设聊天回复模型，确定待回复语句以及对应的表情之前，所述方法还包括；

通过聊天数据及语料信息，训练所述预设聊天回复模型，所述聊天数据及语料信息为基于问答交互时、包含有文字及表情的语句数据。

另一方面，本发明提供一种回复语句中的表情添加的装置，具体包括：

第一确定单元，用于确定待回复语句以及对应的表情；

第二确定单元，用于从预设的表情库中，确定所述表情的表情特征，所述表情库中分别保存有不同情绪倾向的表情以及对应的表情特征；

第三确定单元，用于根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，所述目标词汇是所述待回复语句经分词操作后得到的词汇；

插入单元，用于在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。

优选的，所述第三确定单元，包括：

计算模块，用于将所述表情向量与所述基础词汇的词向量进行点乘计算，得到向量相似值；

确定模块，用于将所述向量相似值最大的基础词汇，确定为与所述表情的特征相似度最高的目标词汇。

另一方面，本发明提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被一个或多个计算装置执行时实现上述的回复语句中的表情添加的方法。

另一方面，本发明提供一种包括一个或多个计算装置和一个或多个存储装置的系统，所述一个或多个存储装置上记录有计算机程序，所述计算机程序在被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现上述的回复语句中的表情添加的方法。

借由上述技术方案，本发明提供的一种回复语句中的表情添加的方法及装置，能够首先确定待回复语句以及对应的表情，并从预设的表情库中，确定所述表情的表情特征，然后根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，最后在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。相对现有的智能设备在回复语句中添加表情时存在表情添加得较为机械、僵硬相比，本发明通过确定表情特征及回复语句中基础词汇的词汇特征中确定相似对最高的目标词汇，并在该目标词汇后添加表情，从而使得表情能够与回复语句中最匹配的词汇后出现，继而使得在人机交流过程中，机器所回复语句中的表情在其最接近的词汇后出现，使机器的回复带有表情的语句时，其方式更加趋近于人，并且表情的添加位置也随着最相似的目标词汇的位置变化，使得表情添加的方式更为灵活，解决了以往仅在整个语句后添加表情所存在的表情添加方式僵化的问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提出的一种回复语句中的表情添加的方法的流程图；

图2示出了本发明实施例提出的另一种回复语句中的表情添加的方法的流程图；

图3示出了本发明实施例提出的一种回复语句中的表情添加的装置的组成框图；

图4示出了本发明实施例提出的另一种回复语句中的表情添加的装置的组成框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种回复语句中的表情添加的方法，该方法用于在人机交互时解决现有的回复语句中表情添加的方式较为机械、僵化的问题。本方法具体步骤如图1所示，包括：

101、确定待回复语句以及对应的表情。

在人机交互的过程中，基于人工智能设备在进行回复时的语句及表情是根据接收到的外界语句(人的输入)的不同而改变。因此，在本发明实施例进行回复语句中表情的添加方法时，首先要确定当前机器所需获取的语句及其对应的表情是什么。具体的，在进行回复语句及对应的表情的确定过程中，可以基于目前常用的神经模型系统，通过预先训练得到对应的自动回复模型，并在接收到用户输入的语音或文字后，根据该自动回复模型对当前语音或文字的回复语句进行生成，并在此基础上基于当前用户输入的语音或文字的情绪倾向来确定所需回复时的对应用户情绪倾向的表情。

在此，需要说明的是，在确定回复语句及对应的表情的过程中，可以如上述所述的方法进行，当然，还可以根据需要选取其他的方式进行确定，在此并不做具体的确定，可按需选取。例如，在确定所需回复的表情时，确定的方式还可以通过对用户输入的语句进行语句特征的提取，然后确定表情特征中与其最接近的表情作为所需回复的表情。

102、从预设的表情库中，确定所述表情的表情特征。

当前述步骤101确定了待回复语句以及对应的表情后，为了能够在回复语句中的表情添加较为灵活和准确，在此，需要确定所述表情的表情特征，其中，该表情特征可以理解为用于表示表情所对应的情绪倾向的特征。具体的在确定表情的表情特征时，可以通过预设的表情库进行，其中该表情库中分别保存有不同情绪倾向的表情以及对应的表情特征。

例如，当确定所述表情为“表情A”，则可以在预设的表情库中查询该“表情A”，当在该预设表情库中记录的“表情A”对应的表情特征为“特征X”时，则可以确定“表情A”对应的表情特征为“特征X”。

103、根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇。

其中，所述目标词汇是所述待回复语句经分词操作后得到的词汇

基于本发明实施例所述的方法在于实现一种能够灵活的在回复语句中添加表情的功能，因此，实现过程中需要确定表情具体添加到回复语句中的哪个位置，因此，在前述步骤102中确定了所需回复表情的表情特征后，还需要在回复语句中确定的其中包括的每个基础词汇的词汇特征，并根据词汇特征及表情特征之间的相似度，然后根据特征相似度确定相似度最高的目标词汇为目标词汇。

104、在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。

在确定了特征相似度最高的目标词汇后，则说明该目标词汇与表情之间在情绪倾向上最为接近，因此，为了使得在回复语句的过程中表情的位置更为符合人与人之间交流时表情的位置，在此可以将该表情插入该回复语句中的所述目标词汇之后，得到添加有表情的回复语句。

例如，当回复语句为“哈哈，那确实很有趣”，回复的表情为“笑脸”，且确定目标词汇为“哈哈”时，则可以将“笑脸”，插入到回复语句中的“哈哈”之后，从而得到的添加有表情的回复语句为：“哈哈‘笑脸’，那确实很有趣”。

作为图1所述的回复语句中的表情添加的方法进行进一步的扩展和延伸，本发明实施例还提供了另一种回复语句中的表情添加的方法，其过程如图2所示，具体步骤包括：

201、确定待回复语句以及对应的表情。

具体的，在确定待恢复语句及对应的表情时，其确定过程可以具体为：当接收到用户输入的语句后，根据所述用户输入的语句及预设聊天回复模型，确定待回复语句以及对应的表情。其中，为了确保所述表情的准确性，在确定所述表情的过程中，可以通过对用户输入语句的语句特征及表情特征之间进行判断，从而确定特征间相似度最高的表情特征对应的表情为来确定对应所述用户输入语句的表情，即待回复时的表情。

另外，确定待回复语句以及对应的表情之前，本发明实施例所述的方法中，还包可以含训练所述预设聊天回复模型的过程，其中可以包括：通过聊天数据及语料信息，训练所述预设聊天回复模型，其中，所述聊天数据及语料信息为基于问答交互时、包含有文字及表情的语句数据，这样，通过聊天语句及语料信息作为训练所述聊天回复模型的依据，并且聊天数据集语料信息为基于问答交互时包含有文字及表情的语句数据，从而确保所聊天回复模型的准确性。

202、从预设的表情库中，确定所述表情的表情特征。

其中，所述表情库中分别保存有不同情绪倾向的表情以及对应的表情特征。在本发明实施例中，所述表情特征具体可以为表情向量，所述词汇特征具体可以为词向量。因此，在本步骤中，根据预设的表情库来确定所述表情的表情特征的过程则可以为确定所述表情的表型向量。

203、对所述待回复语句进行分词操作，得到所述基础词汇；

在本发明实施例中，当前述步骤202中确定了表情的表情向量后，还需要对待回复语句进行分词操作，得到分词后的每一个词，并在此基础上确定与表情最相近的词汇从而确定表情添加的位置。因此，在本步骤中，则需要向对待回复语句进行分词操作，从而得到所述基础词汇。

204、根据所述基础词汇，进行向量化操作，得到对应所述基础词汇的词向量。

这样，通过对基础词汇进行向量化操作，并得到对应的基础词向量，能够为后续对表情及基础词汇之间特征相似度的计算奠定了基础。

205、根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇。

具体的，在确定的过程中，可以包括：首先，将所述表情向量与所述基础词汇的词向量进行点乘计算，得到向量相似值。然后，将所述向量相似值最大的基础词汇，确定为与所述表情的特征相似度最高的目标词汇，其中，点乘，在数学中，又称为数量积(dotproduct；scalar product，也称为点积)是接受在实数R上的两个向量并返回一个实数值标量的二元运算。它是欧几里得空间的标准内积。该操作的意义可以确定点乘操作的两个向量的相似性。因此，通过将词向量与语句向量之间进行点乘操作，其实质能够确定两个向量之间的相似度。

这样，通过以点乘计算，得到基础词汇的向量及表情向量间的相似值来确定所述目标词汇，从而确保了目标词汇确定结果的准确性，继而为后续添加表情奠定了基础。

具体的，在进行点乘计算的过程中，其执行方式可以如下所示：

例如，当存在两个向量A＝[a1,a2,…,an]和B＝[b1,b2,…,bn]时，则这两个向量之间进行点乘为：

A·B＝a1b1+a2b2+……+anbn

在上述点乘公式中，其计算结果相当于两个向量之间的夹角的余弦值，即余弦值的域位于[-1,1]，从数学角度来说，余弦值越大，说明A向量在B向量上的投影越大，继而说明这两个向量之间越相似，反之，当余弦值是-1时，则说明这两个向量的代表方向相反，不近似。需要说明的是，上述示例中所述向量A、B中任意一个向量均可以为本发明实施例所述的表情向量或词向量。

206、在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。

进一步的，作为对上述回复语句中的表情添加的方法的实现，本发明实施例提供了一种回复语句中的表情添加的装置，该装置主要用于在人机交互时解决现有的回复语句中表情添加的方式较为机械、僵化的问题。为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置如图3所示，具体包括：

第一确定单元31，可以用于确定待回复语句以及对应的表情。

第二确定单元32，可以用于从预设的表情库中，确定所述第一确定单元31确定的表情的表情特征，所述表情库中分别保存有不同情绪倾向的表情以及对应的表情特征。

第三确定单元33，可以用于根据所述第二确定单元32确定的表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，所述目标词汇是所述待回复语句经分词操作后得到的词汇。

插入单元34，可以用于在所述待回复语句中将所述表情插入至第三确定单元33确定所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。

进一步的，如图4所示，所述表情特征为表情向量，所述词汇特征为词向量。

进一步的，如图4所示，所述第三确定单元33，包括：

计算模块331，可以用于将所述表情向量与所述基础词汇的词向量进行点乘计算，得到向量相似值；

确定模块332，可以用于将所述计算模块331计算的向量相似值最大的基础词汇，确定为与所述表情的特征相似度最高的目标词汇。

进一步的，如图4所示，所述装置还包括：

分词操作单元35，可以用于对所述第一确定单元31确定的待回复语句进行分词操作，得到所述基础词汇。

向量化处理单元36，可以用于根据所述分词操作单元35得到的基础词汇，进行向量化操作，得到对应所述基础词汇的词向量。

进一步的，如图4所示，所述第一确定单元31，可以具体用于当接收到用户输入的语句后，根据所述用户输入的语句及预设聊天回复模型，确定待回复语句以及对应的表情，所述表情是根据表情特征与用户输入的语句的语句特征间的相似度确定的。

进一步的，如图4所示，所述装置还包括；

训练单元37，可以用于通过聊天数据及语料信息，训练所述预设聊天回复模型，以及所述第一确定单元31根据所述预设聊天回复模型确定待回复语句及对应的表情，所述聊天数据及语料信息为基于问答交互时、包含有文字及表情的语句数据。

进一步的，本发明实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被一个或多个计算装置执行时实现上述的回复语句中的表情添加的方法。

另外，本发明实施例还提供了一种包括一个或多个计算装置和一个或多个存储装置的系统，所述一个或多个存储装置上记录有计算机程序，所述计算机程序在被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现上述的回复语句中的表情添加的方法。

综上所述，本发明实施例提出的一种回复语句中的表情添加的方法及装置，能够首先确定待回复语句以及对应的表情，并从预设的表情库中，确定所述表情的表情特征，然后根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，最后在所述待回复语句中将所述表情插入至的所述特征相似度最高的目标词汇后，以便得到添加有表情的回复语句。相对现有的智能设备在回复语句中添加表情时存在表情添加得较为机械、僵硬相比，本发明通过确定表情特征及回复语句中基础词汇的词汇特征中确定相似对最高的目标词汇，并在该目标词汇后添加表情，从而使得表情能够与回复语句中最匹配的词汇后出现，继而使得在人机交流过程中，机器所回复语句中的表情在其最接近的词汇后出现，使机器的回复带有表情的语句时，其方式更加趋近于人，并且表情的添加位置也随着最相似的目标词汇的位置变化，使得表情添加的方式更为灵活，解决了以往仅在整个语句后添加表情所存在的表情添加方式僵化的问题。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。

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。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims

1.一种回复语句中的表情添加的方法，其中，所述方法包括：

确定待回复语句以及对应的表情；

2.如权利要求1所述的方法，其中，所述表情特征为表情向量，所述词汇特征为词向量。

3.如权利要求2所述的方法，其中，所述根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇，包括：

4.如权利要求3所述的方法，其中，在所述根据所述表情特征以及所述待回复语句的基础词汇的词汇特征，确定与所述表情的特征相似度最高的目标词汇之前，所述方法还包括：

对所述待回复语句进行分词操作，得到所述基础词汇；

5.如权利要求1-4中任一项所述的方法，其中，所述确定待回复语句以及对应的表情，包括：

6.如权利要求5所述的方法，其中，在根据所述用户输入的语句及预设聊天回复模型，确定待回复语句以及对应的表情之前，所述方法还包括；

7.一种回复语句中的表情添加的装置，其中，所述装置包括：

第一确定单元，用于确定待回复语句以及对应的表情；

8.如权利要求7所述的装置，其中，所述第三确定单元，包括：

9.一种计算机可读存储介质，其存储计算机程序，所述计算机程序在被处理器执行时，实现根据权利要求1至6中任一项所述的回复语句中的表情添加的方法中包括的步骤。

10.一种计算机设备，所述计算机设备包括：

一个或多个处理器；以及

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现根据权利要求1至6中任一项所述的回复语句中的表情添加的方法中包括的步骤。