CN110472035A - 一种智能应答方法、装置、计算机设备及存储介质 - Google Patents
一种智能应答方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110472035A CN110472035A CN201910792366.XA CN201910792366A CN110472035A CN 110472035 A CN110472035 A CN 110472035A CN 201910792366 A CN201910792366 A CN 201910792366A CN 110472035 A CN110472035 A CN 110472035A
- Authority
- CN
- China
- Prior art keywords
- dialog information
- response message
- intention
- keyword
- response
- 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.)
- Pending
Links
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
Abstract
本发明适用于计算机技术领域,提供了一种智能应答方法、装置、计算机设备及存储介质,所述智能应答方法包括:获取用户输入的对话信息;对所述对话信息进行意图识别以及关键词匹配;根据所述对话信息的意图以及关键词,采用多个应答策略模型对对话信息进行处理,生成多个应答信息;对多个应答信息进行分析,确定各个应答信息的权重;将权重最高的应答信息确定为最优应答信息并输出。本发明提供的一种智能应答方法,先识别出对话信息的意图以及关键词,使得生成的多个应答信息更加准确,进一步对各个应答信息进行筛选,筛选出最优应答信息并输出,使得最终确定的应答信息更加准确,用户体验感好。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种智能应答方法、装置、计算机设备及存储介质。
背景技术
随着人工智能的发展,人工智能技术的应用也越来越广泛。智能客服就是人工智能应用的一个方面。智能客服是指代替人工咨询服务的一项技术,解决了现有的人工客服需要消耗大量的人力资源的技术问题。
然而现有的智能客服,大多都是基于自然语言理解NLP技术,但基于不同的算法所建立的智能客服性能不同,鲁棒性较低,有时并不能很好的识别、理解用户的用意,从而无法做出准确的应答,导致用户的体验不佳。
可见,现有的智能客服还存在着鲁棒性较差、无法准确做出应答从而导致用户体验不佳的技术问题。
发明内容
本发明实施例的目的在于提供一种智能应答方法,旨在解决现有的智能客服还存在着鲁棒性较差、无法准确做出应答从而导致用户体验不佳的技术问题。
本发明实施例是这样实现的,一种智能应答方法,所述智能应答方法包括:
获取用户输入的对话信息;
采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
将权重最高的应答信息确定为最优应答信息并输出。
本发明实施例的另一目的在于提供一种智能应答装置,所述智能应答装置包括:
对话信息获取单元,用于获取用户输入的对话信息;
意图识别单元,用于采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
关键词匹配单元,用于采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
应答单元,用于根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
权重匹配单元,用于基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
应答输出单元,用于将权重最高的应答信息确定为最优应答信息并输出。
本发明实施例的另一目的在于提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述所述智能应答方法的步骤。
本发明实施例的另一目的在于提供计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述所述智能应答方法的步骤。
本发明实施例提供的一种智能应答方法,在获取用户输入的对话信息后,分别采用预设的意图识别模型以及预设的关键词匹配模型对对话信息进行意图识别和关键词匹配,根据所述意图以及关键词,基于预设的多个应答策略模型对对话信息进行处理,生成在不同应答策略模型下的应答信息,然后基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重,并将权重最高的应答信息确定为最优应答信息并输出。本发明实施例提供的一种智能应答方法,基于意图识别和关键词识别能够获取到对话信息的意图以及所述对话信息的关键词,使得在多个应答策略模型下生成的应答信息更加准确,符合用户的意愿,并且多个应答策略模型下生成的应答信息的知识来源更广泛,进一步利用预设的权重模型中从多个应答策略模型下生成的应答信息中筛选出权重最高的应答信息作为最优应答信息并输出,使得最终确定的应答信息更加准确,用户体验感好。
附图说明
图1为本发明实施例提供的一种智能应答方法的步骤流程图;
图2为本发明实施例提供的另一种智能应答方法的步骤流程图;
图3为本发明实施例提供的又一种智能应答方法的步骤流程图;
图4为本发明实施例提供的一种在不同应答策略模型下生成应答信息的方法的步骤流程图;
图5为本发明实施例提供的一种智能应答装置的结构示意图;
图6为本发明实施例提供的另一种智能应答装置的结构示意图;
图7为本发明实施例提供的又一种智能应答装置的结构示意图;
图8为本发明实施例提供的应答单元的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供的一种智能应答方法,能够在获取用户的对话信息后,识别用户的意图以及关键字,并进一步根据多个应答策略模型生成不同应答来源的多个应答信息,利用预设的权重匹配模型对所述在不同应答策略模型下生成的应答信息进行分析,确定出权重最高的应答信息,并作为最优输出,有效地提高了应答信息的准确率,提高了用户体验。
如图1所示,在一个实施例中,提出了一种智能应答方法,具体可以包括以下步骤:
步骤S102,获取用户输入的对话信息。
在本发明实施例中,所述用户输入的对话信息可以是用户输入的语音信息,例如在用户在使用电话进行咨询时,能够对用户的语音信息进行分析,也可以是用户输入的文本信息,例如用户在使用商城指引板板搜索相关店铺的位置信息时,能够对用户输入的文本信息进行分析。
步骤S104,采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图。
在本发明实施例中,所述预设的意图识别模型能够对用户的意图进行识别,由于现有的意图识别模型种类较多,本发明对具体的意图识别模型不做要求,本领域技术人员可以根据实际需求选用合适的意图识别模型,例如可以是基于语义分析树构造的路径特征对意图的识别模型,也可以是基于注意力机制的卷积神经网络的意图识别模型。
步骤S106,采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词。
在本发明实施例中,所述关键词匹配模型可以提取出对话信息中的关键词,与意图配合可以对槽信息进行填充,与意图识别模型相似,由于现有的关键词匹配模型较多,本发明对具体的关键词匹配模型同样不做要求,本领域技术人员可以根据实际需求选用合适的关键词匹配模型,例如可以是基于深度神经网络训练生成的关键词匹配模型,也可以是基于哈希运算的关键词匹配模型。
步骤S108,根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息。
在本发明实施例中,基于对话信息的意图以及关键词,就能够根据预先设置的多个应答策略模型从多角度、多维度对对话信息进行应答,从而生成在不同应答策略模型下的应答信息,所述具体的应答策略模型请参阅图4及其解释说明。
步骤S110,基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重。
步骤S112,将权重最高的应答信息确定为最优应答信息并输出。
本发明实施例提供的一种智能应答方法,在获取用户输入的对话信息后,分别采用预设的意图识别模型以及预设的关键词匹配模型对对话信息进行意图识别和关键词匹配,根据所述意图以及关键词,基于预设的多个应答策略模型对对话信息进行处理,生成在不同应答策略模型下的应答信息,然后基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重,并将权重最高的应答信息确定为最优应答信息并输出。本发明实施例提供的一种智能应答方法,基于意图识别和关键词识别能够获取到对话信息的意图以及所述对话信息的关键词,使得在多个应答策略模型下生成的应答信息更加准确,符合用户的意愿,并且多个应答策略模型下生成的应答信息的知识来源更广泛,进一步利用预设的权重模型中从多个应答策略模型下生成的应答信息中筛选出权重最高的应答信息作为最优应答信息并输出,使得最终确定的应答信息更加准确,用户体验感好。
如图2所示,在一个实施例中,提出了另一种智能应答方法,与图1示出的一种智能应答方法的不同之处在于,在所述步骤S106后,还包括:
步骤S202,基于所述关键词对所述关键词匹配模型进行优化。
在本发明实施例中,通过对关键词匹配的结果进行调整,能够反向对关键词匹配模型进行优化。
本发明实施例提供的另一种智能应答方法,在利用关键词匹配模型对所述对话信息进行关键词匹配,获取到对话信息的关键词后,进一步对关键词结果进行调整,反向对关键词匹配模型进行优化,从而进一步提高关键词匹配模型的稳定性。
如图3所示,在一个实施例中,提出了又一种智能应答方法,与图1示出的一种智能应答方法的不同之处在于,在所述步骤S112前,还包括:
步骤S302,基于在不同应答策略模型下生成的应答信息的权重,对所述预设的权重匹配模型进行优化。
在本发明实施例中,系统能够收集问题以及答案,进一步通过筛选提交或者提高某些答案的权重来对模型进行优化。
如图4所示,在一个实施例中,提出了一种生成在不同应答策略模型下的应答信息的方法,具体包括以下步骤:
步骤S402,根据所述对话信息的意图以及关键词,基于文本检索的知识库对所述对话信息进行处理,并生成第一应答信息。
步骤S404,根据所述对话信息的意图以及关键词,基于导航式的综合服务对所述对话信息进行处理,并生成第二应答信息。
步骤S406,根据所述对话信息的意图以及关键词,基于预先通过自然语言理解算法训练生成的自然语言理解模型对所述对话信息进行处理,并生成第三应答信息。
在本发明实施例中,其中知识库中预先存储有与各个意图以及关键词相匹配的应答信息,根据用户的意图以及关键词,在知识库中检索就能够为用户提供较为准确的答案,但在对意图以及关键词与知识库中的先验数据进行检索、匹配的过程中,匹配效率较低,匹配偏差较大。
在本发明实施例中,基于导航式的综合服务能够指引客户按照既定流程依次回答问题,例如在一次叫车行为中,客户向系统下达我要叫车的通知,此时基于导航式的综合服务,系统在分析出用户的意图以及关键词后,会向客户提出上车地点在哪的问题,在客户回答上车地点后,进一步提出下车地点在哪的问题,同样的,在客户回答下车地点后,提出预定叫车时间的问题。
在本发明实施例中,基于预先通过自然语言理解算法训练生成的自然语言理解模型是预先通过大量的自然语言训练生成的,适用范围广,且应答信息的准确率较高。
在本发明实施例中,所提供的三种生成应答信息的方法侧重点不同,应用场景也并不完全相同,而对三种生成的应答信息进行权重匹配,找出匹配度更好的结果,能够使得确定的应答信息更为准确。
如图5所示,在一个实施例中,提出了一种智能应答装置的结构示意图,详述如下。
在本发明实施例中,所述智能应答装置具体包括:
对话信息获取单元510,用于获取用户输入的对话信息。
在本发明实施例中,所述用户输入的对话信息可以是用户输入的语音信息,例如在用户在使用电话进行咨询时,能够对用户的语音信息进行分析,也可以是用户输入的文本信息,例如用户在使用商城指引板板搜索相关店铺的位置信息时,能够对用户输入的文本信息进行分析。
意图识别单元520,用于采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图。
在本发明实施例中,所述预设的意图识别模型能够对用户的意图进行识别,由于现有的意图识别模型种类较多,本发明对具体的意图识别模型不做要求,本领域技术人员可以根据实际需求选用合适的意图识别模型,例如可以是基于语义分析树构造的路径特征对意图的识别模型,也可以是基于注意力机制的卷积神经网络的意图识别模型。
关键词匹配单元530,用于采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词。
在本发明实施例中,所述关键词匹配模型可以提取出对话信息中的关键词,与意图配合可以对槽信息进行填充,与意图识别模型相似,由于现有的关键词匹配模型较多,本发明对具体的关键词匹配模型同样不做要求,本领域技术人员可以根据实际需求选用合适的关键词匹配模型,例如可以是基于深度神经网络训练生成的关键词匹配模型,也可以是基于哈希运算的关键词匹配模型。
应答单元540,用于根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息。
在本发明实施例中,基于对话信息的意图以及关键词,就能够根据预先设置的多个应答策略模型从多角度、多维度对对话信息进行应答,从而生成在不同应答策略模型下的应答信息,所述具体的应答策略模型请参阅图4及其解释说明。
权重匹配单元550,用于基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重。
应答输出单元560,用于将权重最高的应答信息确定为最优应答信息并输出。
本发明实施例提供的一种智能应答装置,在获取用户输入的对话信息后,分别采用预设的意图识别模型以及预设的关键词匹配模型对对话信息进行意图识别和关键词匹配,根据所述意图以及关键词,基于预设的多个应答策略模型对对话信息进行处理,生成在不同应答策略模型下的应答信息,然后基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重,并将权重最高的应答信息确定为最优应答信息并输出。本发明实施例提供的一种智能应答方法,基于意图识别和关键词识别能够获取到对话信息的意图以及所述对话信息的关键词,使得在多个应答策略模型下生成的应答信息更加准确,符合用户的意愿,并且多个应答策略模型下生成的应答信息的知识来源更广泛,进一步利用预设的权重模型中从多个应答策略模型下生成的应答信息中筛选出权重最高的应答信息作为最优应答信息并输出,使得最终确定的应答信息更加准确,用户体验感好。
如图6所示,在一个实施例中,提出了另一种智能应答装置的结构示意图,详述如下。
在本发明实施例中,与图5示出的一种智能应答装置的结构示意图的不同之处在于,还包括:
关键词匹配模型优化单元610,用于基于所述关键词对所述关键词匹配模型进行优化。
在本发明实施例中,通过对关键词匹配的结果进行调整,能够反向对关键词匹配模型进行优化。
本发明实施例提供的另一种智能应答装置,在利用关键词匹配模型对所述对话信息进行关键词匹配,获取到对话信息的关键词后,进一步对关键词结果进行调整,反向对关键词匹配模型进行优化,从而进一步提高关键词匹配模型的稳定性。
如图7所示,在一个实施例中,提出了又一种智能应答装置的结构示意图,详述如下。
在本发明实施例中,与图5示出的一种智能应答装置的结构示意图的不同之处在于,还包括:
权重匹配模型优化单元710,用于基于在不同应答策略模型下生成的应答信息的权重,对所述预设的权重匹配模型进行优化。
如图8所示,在一个实施例中,提出了一种应答单元的结构示意图,详述如下。
在本发明实施例中,所述应答单元具体包括:
知识库应答模块810,用于根据所述对话信息的意图以及关键词,基于文本检索的知识库对所述对话信息进行处理,并生成第一应答信息。
导航应答模块820,用于根据所述对话信息的意图以及关键词,基于导航式的综合服务对所述对话信息进行处理,并生成第二应答信息。
自然语言理解应答模块830,用于根据所述对话信息的意图以及关键词,基于预先通过自然语言理解算法训练生成的自然语言理解模型对所述对话信息进行处理,并生成第三应答信息。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取用户输入的对话信息;
采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
将权重最高的应答信息确定为最优应答信息并输出。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
获取用户输入的对话信息;
采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
将权重最高的应答信息确定为最优应答信息并输出。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能应答方法,其特征在于,所述智能应答方法包括:
获取用户输入的对话信息;
采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
将权重最高的应答信息确定为最优应答信息并输出。
2.根据权利要求1所述的智能应答方法,其特征在于,在所述采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词的步骤后,还包括:
基于所述关键词对所述关键词匹配模型进行优化。
3.根据权利要求1所述的智能应答方法,其特征在于,在所述将权重最高的应答信息确定为最优应答信息并输出的步骤前,还包括:
基于在不同应答策略模型下生成的应答信息的权重,对所述预设的权重匹配模型进行优化。
4.根据权利要求1所述的智能应答方法,其特征在于,所述根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息的步骤具体包括:
根据所述对话信息的意图以及关键词,基于文本检索的知识库对所述对话信息进行处理,并生成第一应答信息;
根据所述对话信息的意图以及关键词,基于导航式的综合服务对所述对话信息进行处理,并生成第二应答信息;
根据所述对话信息的意图以及关键词,基于预先通过自然语言理解算法训练生成的自然语言理解模型对所述对话信息进行处理,并生成第三应答信息。
5.一种智能应答装置,其特征在于,所述智能应答装置包括:
对话信息获取单元,用于获取用户输入的对话信息;
意图识别单元,用于采用预设的意图识别模型对所述对话信息进行意图识别,获取所述对话信息的意图;
关键词匹配单元,用于采用预设的关键词匹配模型对所述对话信息进行关键词匹配,获取所述对话信息的关键词;
应答单元,用于根据所述对话信息的意图以及所述对话信息的关键词,基于预设的多个应答策略模型对所述对话信息进行处理,分别生成在不同应答策略模型下的应答信息;
权重匹配单元,用于基于预设的权重匹配模型,对所述在不同应答策略模型下生成的应答信息进行分析,确定所述在不同应答策略模型下生成的应答信息的权重;
应答输出单元,用于将权重最高的应答信息确定为最优应答信息并输出。
6.根据权利要求5所述的智能应答装置,其特征在于,还包括:
关键词匹配模型优化单元,用于基于所述关键词对所述关键词匹配模型进行优化。
7.根据权利要求5所述的智能应答装置,其特征在于,还包括:
权重匹配模型优化单元,用于基于在不同应答策略模型下生成的应答信息的权重,对所述预设的权重匹配模型进行优化。
8.根据权利要求5所述的智能应答装置,其特征在于,所述应答单元具体包括:
知识库应答模块,用于根据所述对话信息的意图以及关键词,基于文本检索的知识库对所述对话信息进行处理,并生成第一应答信息;
导航应答模块,用于根据所述对话信息的意图以及关键词,基于导航式的综合服务对所述对话信息进行处理,并生成第二应答信息;
自然语言理解应答模块,用于根据所述对话信息的意图以及关键词,基于预先通过自然语言理解算法训练生成的自然语言理解模型对所述对话信息进行处理,并生成第三应答信息。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至4中任一项权利要求所述智能应答方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至4中任一项权利要求所述智能应答方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792366.XA CN110472035A (zh) | 2019-08-26 | 2019-08-26 | 一种智能应答方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792366.XA CN110472035A (zh) | 2019-08-26 | 2019-08-26 | 一种智能应答方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472035A true CN110472035A (zh) | 2019-11-19 |
Family
ID=68512862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910792366.XA Pending CN110472035A (zh) | 2019-08-26 | 2019-08-26 | 一种智能应答方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472035A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105782A (zh) * | 2019-11-27 | 2020-05-05 | 深圳追一科技有限公司 | 会话交互处理方法、装置、计算机设备和存储介质 |
CN111108501A (zh) * | 2019-12-25 | 2020-05-05 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
CN111104505A (zh) * | 2019-12-30 | 2020-05-05 | 浙江阿尔法人力资源有限公司 | 信息提示方法、装置、设备和存储介质 |
CN111400340A (zh) * | 2020-03-12 | 2020-07-10 | 杭州城市大数据运营有限公司 | 一种自然语言处理方法、装置、计算机设备和存储介质 |
CN111538820A (zh) * | 2020-04-10 | 2020-08-14 | 出门问问信息科技有限公司 | 一种异常答复处理、装置以及计算机可读存储介质 |
CN112035630A (zh) * | 2020-03-27 | 2020-12-04 | 北京来也网络科技有限公司 | 结合rpa和ai的对话交互方法、装置、设备及存储介质 |
CN112364622A (zh) * | 2020-11-11 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 对话文本分析方法、装置、电子装置及存储介质 |
CN112530422A (zh) * | 2020-11-04 | 2021-03-19 | 联想(北京)有限公司 | 一种应答处理方法、智能设备及存储介质 |
CN112860873A (zh) * | 2021-03-23 | 2021-05-28 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
CN113065363A (zh) * | 2021-03-22 | 2021-07-02 | 联想(北京)有限公司 | 一种对话信息的处理方法及装置 |
CN113486166A (zh) * | 2021-07-26 | 2021-10-08 | 平安科技(深圳)有限公司 | 智能客服机器人的构建方法、装置、设备以及存储介质 |
CN114970559A (zh) * | 2022-05-18 | 2022-08-30 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6278996B1 (en) * | 1997-03-31 | 2001-08-21 | Brightware, Inc. | System and method for message process and response |
KR20130128717A (ko) * | 2012-05-17 | 2013-11-27 | 포항공과대학교 산학협력단 | 대화 관리 시스템 및 방법 |
CN106503156A (zh) * | 2016-10-24 | 2017-03-15 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法及装置 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN108597509A (zh) * | 2018-03-30 | 2018-09-28 | 百度在线网络技术(北京)有限公司 | 智能语音交互实现方法、装置、计算机设备及存储介质 |
CN108804529A (zh) * | 2018-05-02 | 2018-11-13 | 深圳智能思创科技有限公司 | 一种基于Web的问答系统实现方法 |
CN110046221A (zh) * | 2019-03-01 | 2019-07-23 | 平安科技(深圳)有限公司 | 一种机器对话方法、装置、计算机设备及存储介质 |
-
2019
- 2019-08-26 CN CN201910792366.XA patent/CN110472035A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6278996B1 (en) * | 1997-03-31 | 2001-08-21 | Brightware, Inc. | System and method for message process and response |
KR20130128717A (ko) * | 2012-05-17 | 2013-11-27 | 포항공과대학교 산학협력단 | 대화 관리 시스템 및 방법 |
CN106503156A (zh) * | 2016-10-24 | 2017-03-15 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法及装置 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN108597509A (zh) * | 2018-03-30 | 2018-09-28 | 百度在线网络技术(北京)有限公司 | 智能语音交互实现方法、装置、计算机设备及存储介质 |
CN108804529A (zh) * | 2018-05-02 | 2018-11-13 | 深圳智能思创科技有限公司 | 一种基于Web的问答系统实现方法 |
CN110046221A (zh) * | 2019-03-01 | 2019-07-23 | 平安科技(深圳)有限公司 | 一种机器对话方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
颜志国 等: "《多摄像机协同关注目标检测跟踪技术》", 30 June 2017 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105782A (zh) * | 2019-11-27 | 2020-05-05 | 深圳追一科技有限公司 | 会话交互处理方法、装置、计算机设备和存储介质 |
WO2021128044A1 (zh) * | 2019-12-25 | 2021-07-01 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
CN111108501A (zh) * | 2019-12-25 | 2020-05-05 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
US11941366B2 (en) | 2019-12-25 | 2024-03-26 | Ubtech Robotics Corp Ltd | Context-based multi-turn dialogue method and storage medium |
CN111108501B (zh) * | 2019-12-25 | 2024-02-06 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
CN111104505A (zh) * | 2019-12-30 | 2020-05-05 | 浙江阿尔法人力资源有限公司 | 信息提示方法、装置、设备和存储介质 |
CN111104505B (zh) * | 2019-12-30 | 2023-08-25 | 浙江阿尔法人力资源有限公司 | 信息提示方法、装置、设备和存储介质 |
CN111400340A (zh) * | 2020-03-12 | 2020-07-10 | 杭州城市大数据运营有限公司 | 一种自然语言处理方法、装置、计算机设备和存储介质 |
CN111400340B (zh) * | 2020-03-12 | 2024-01-09 | 杭州城市大数据运营有限公司 | 一种自然语言处理方法、装置、计算机设备和存储介质 |
CN112035630A (zh) * | 2020-03-27 | 2020-12-04 | 北京来也网络科技有限公司 | 结合rpa和ai的对话交互方法、装置、设备及存储介质 |
CN111538820A (zh) * | 2020-04-10 | 2020-08-14 | 出门问问信息科技有限公司 | 一种异常答复处理、装置以及计算机可读存储介质 |
CN112530422A (zh) * | 2020-11-04 | 2021-03-19 | 联想(北京)有限公司 | 一种应答处理方法、智能设备及存储介质 |
CN112364622A (zh) * | 2020-11-11 | 2021-02-12 | 杭州大搜车汽车服务有限公司 | 对话文本分析方法、装置、电子装置及存储介质 |
CN113065363A (zh) * | 2021-03-22 | 2021-07-02 | 联想(北京)有限公司 | 一种对话信息的处理方法及装置 |
CN112860873A (zh) * | 2021-03-23 | 2021-05-28 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
CN112860873B (zh) * | 2021-03-23 | 2024-03-05 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
CN113486166A (zh) * | 2021-07-26 | 2021-10-08 | 平安科技(深圳)有限公司 | 智能客服机器人的构建方法、装置、设备以及存储介质 |
CN113486166B (zh) * | 2021-07-26 | 2023-09-05 | 平安科技(深圳)有限公司 | 智能客服机器人的构建方法、装置、设备以及存储介质 |
CN114970559A (zh) * | 2022-05-18 | 2022-08-30 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
CN114970559B (zh) * | 2022-05-18 | 2024-02-02 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472035A (zh) | 一种智能应答方法、装置、计算机设备及存储介质 | |
CN112492111B (zh) | 一种智能语音外呼方法、装置、计算机设备和存储介质 | |
CN111212190B (zh) | 一种基于话术策略管理的对话管理方法、装置和系统 | |
CN106599317B (zh) | 问答系统的测试数据处理方法、装置及终端 | |
CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
US8917853B2 (en) | Enhanced customer experience through speech detection and analysis | |
US11900071B2 (en) | Generating customized digital documents using artificial intelligence | |
CN111597818A (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
CN110096512A (zh) | 题库建立方法、装置、学习设备及存储介质 | |
CN108959529A (zh) | 问题答案类型的确定方法、装置、设备及存储介质 | |
CN115509485A (zh) | 一种业务表单的填写方法、装置、电子设备和存储介质 | |
CN115358481A (zh) | 一种企业外迁预警识别的方法、系统及装置 | |
CN115905926A (zh) | 基于样本差异的代码分类深度学习模型解释方法及系统 | |
WO2023272850A1 (zh) | 基于决策树的产品匹配方法、装置、设备及存储介质 | |
CN112925888A (zh) | 一种问答响应及小样本文本匹配模型的训练方法和装置 | |
CN115934904A (zh) | 文本处理方法以及装置 | |
US20220101052A1 (en) | Answering questions with artificial intelligence using tabular data | |
CN112860873A (zh) | 智能应答方法、装置及存储介质 | |
CN113326359A (zh) | 一种对话应答及应答策略匹配模型的训练方法和装置 | |
CN113033160A (zh) | 对话的意图分类方法及设备和生成意图分类模型的方法 | |
KR102507810B1 (ko) | 인공지능을 이용한 음성 기반 세일즈 정보 추출 및 리드 추천방법과 이를 수행하는 데이터 분석장치 | |
CN107766416A (zh) | 数据分析方法、装置及系统 | |
CN116992111B (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN116383883B (zh) | 一种基于大数据的数据管理权限处理方法及系统 | |
KR102653266B1 (ko) | 인공지능 기반의 챗봇 대화 상담 시스템 및 그 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |