CN111078856A - 一种群聊对话处理方法、装置及电子设备 - Google Patents
一种群聊对话处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111078856A CN111078856A CN201911369391.3A CN201911369391A CN111078856A CN 111078856 A CN111078856 A CN 111078856A CN 201911369391 A CN201911369391 A CN 201911369391A CN 111078856 A CN111078856 A CN 111078856A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- group
- questions
- processed
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 3
- 241000282326 Felis catus Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请提供了一种群聊对话处理方法、装置及电子设备,该方法包括:获得聊天群组当前对话中的待处理问题,聊天群组中包含多个群成员和至少一个客服系统,客服系统能够响应一个群成员输入的问题向所有群成员推送答案;在预先生成的至少一个问答对中获得待处理问题对应的答案,其中,问答对中包含一个问题和问题对应的答案,问答对至少基于当前对话对应的历史对话生成。本申请可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于历史对话快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
Description
技术领域
本发明涉及社交软件技术领域,更具体地说,涉及一种群聊对话处理方法、装置及电子设备。
背景技术
人们日常沟通越来越依赖于虚拟社交聊天软件,根据特定意图常常建立不同的讨论群(组),比如孕妈群、爱猫群等等,成员们可以在其中阐述相关话题的观点。
但是随着新成员加入或者消息滚动,历史消息很容易被忽略,导致相同/相似问题被询问多次的现象时有发生。
因此,如何提高群聊的问答效率成为亟需解决的问题。
发明内容
有鉴于此,本申请提供如下技术方案:
一种群聊对话处理方法,包括:
获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;
在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
优选的,其中,至少基于所述当前对话对应的历史对话生成所述问答对的过程,包括:
获得所述当前对话对应的历史对话中的问题和针对所述问题的回复内容;
从针对所述问题的回复内容中提取所述问题对应的答案,所述问题和所述问题对应的答案组成所述问答对。
优选的,其中,所述获得所述当前对话对应的历史对话中的问题和针对所述问题的回复内容,包括:
利用问题检测模型获得所述当前对话对应的历史对话中的问题,其中,所述问题检测模型是利用至少两个具有问题标签的训练样本进行训练得到的;
基于所述历史对话中位于所述问题和所述问题的下一个问题间的至少一个对话,确定所述问题的回复内容。
优选的,其中,所述基于所述历史对话中位于所述问题和所述问题的下一个问题间的至少一个对话,确定所述问题的回复内容,包括:
利用特征提取模型分别提取所述问题和所述历史对话中位于所述问题和所述问题的下一个问题间的对话的特征向量;
根据所述问题的特征向量和所述对话的特征向量的相似度,选取符合预设相似条件的目标对话作为所述问题的回复内容。
优选的,还包括:
获得用户针对所述待处理问题的答案的输入数据;
基于所述输入数据修正所述特征提取模型的模型参数,以实现利用修正后的所述特征提取模型重新提取所述问题和所述对话的特征向量。
优选的,其中,所述从针对所述问题的回复内容中提取所述问题对应的答案,包括:
利用摘要提取模型提取所述问题的回复内容的摘要,其中,所述摘要提取模型是利用至少两个具有摘要标签的训练样本进行训练得到的;
将所述问题的回复内容的摘要作为所述问题对应的答案。
优选的,还包括:
对预设的群主题关键词和所述问答对中的关键词进行相关性匹配,并选取与所述群主题关键词相匹配的问答对。
优选的,还包括:
判断所述待处理问题是否符合预设常识条件,并在所述待处理问题不符合所述预设常识条件的情况下,执行所述在预先生成的至少一个问答对中获得所述待处理问题对应的答案。
一种群聊对话处理装置,包括:
问题获得模块,用于获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;
答案获得模块,用于在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
一种电子设备,包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现功能:获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
经由上述的技术方案可知,本申请实施例提供了一种群聊对话处理方法,预先至少基于当前对话对应的历史对话生成至少一个问答对,在至少一个问答对中获得当前对话中待处理问题对应的答案。由此可见,本申请可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于历史对话快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例一公开的一种群聊对话处理方法的方法流程图;
图2为本申请实施例二公开的一种群聊对话处理方法的方法流程图;
图3为本申请实施例二公开的群聊示例;
图4为本申请实施例三公开的一种群聊对话处理方法的方法流程图;
图5为本申请实施例公开的一种群聊对话处理装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请应用于聊天软件的网络侧,用户侧可以与网络侧交互来构建聊天群组。该聊天群组中包含多个群成员和至少一个客服系统,基于本申请实施例提供的群聊对话处理方法,客服系统能够响应聊天群组中一个群成员输入的问题向所有群成员推送相应的答案。
本申请公开的一种群聊对话处理方法实施例一中,如图1所示,该方法包括以下步骤:
步骤101:获得聊天群组当前对话中的待处理问题,聊天群组中包含多个群成员和至少一个客服系统,客服系统能够响应一个群成员输入的问题向所有群成员推送答案。
本申请实施例中,客服系统通过监测聊天群组中群成员在当前显示界面中的输入内容来获得当前对话中的待处理问题。
针对输入内容的不同格式,可以采用相匹配的问题提取方式。具体的,如果输入内容为文本,则将该文本中关于提问的文本内容作为待处理问题;如果输入内容为语音,则可以先将该语音转换为文本,再将该文本中关于提问的文本内容作为待处理问题,或者通过识别音调将该语音中关于提问的语音内容作为待处理问题;如果输入内容为图片,则可以识别图片中的文本,再将该文本中关于提问的文本内容作为待处理问题。
可以理解的是,对于上述列举的输入内容的不同格式仅为举例,对于其他未列举到的格式,也在本申请实施例的保护范围内。
步骤102:在预先生成的至少一个问答对中获得待处理问题对应的答案,其中,问答对中包含一个问题和问题对应的答案,问答对至少基于当前对话对应的历史对话生成。
本申请实施例中,针对聊天群组历史对话中的一个问题,可以从历史对话中提取针对该问题的答案,从而生成包含该问题和该问题对应的答案的一个问答对。从而可以将该问答对存储于数据库中,或者以知识图谱的格式存储至知识库中。
当然,数据库或者知识库中还可以存储有具有参考答案的问题的问答对,比如爱猫群的数据库或者知识库中可以预先存储有关于幼猫的营养配餐的问答对。
在获得当前对话中的待处理问题后,可以通过查找数据库或者知识库中与该待处理问题相匹配的问题,来从包含匹配到的问题的问答对中获得该待处理问题对应的答案。
具体的,在查找数据库或者知识库中与该待处理问题相匹配的问题的过程中,可以采用诸如余弦相似度算法计算数据库或者知识库中的一个问题与待处理问题间的语义相似度,将数据库或者知识库中语义相似度高于问题相似度阈值的问题作为与待处理问题相匹配的问题。
此外,对于常识性问题,客服系统可以通过百科等途径推送对应的答案,而无需预先生成问答对。本申请实施例可以判断待处理问题是否符合预设常识条件,并在待处理问题不符合预设常识条件的情况下,执行步骤102。
具体的,可以先从百科等途径查询待处理问题的答案,如果可以查询到,就可以确定待处理问题为常识问题,并推送查询到的答案,反之,如果没有查询到,则可以从数据库或者知识库中查询待处理问题的答案。
而如果在数据库或者知识库中也没有查询到待处理问题,则基于当前对话获得该待处理问题的答案,并生成新的问答对存储至数据库或者知识库。
本申请实施例提供的群聊对话处理方法,可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于历史对话快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
作为至少基于当前对话对应的历史对话生成问答对的一种实现方式,本申请实施例二公开了一种群聊对话处理方法,如图2所示,该方法包括以下步骤:
步骤201:获得当前对话对应的历史对话中的问题和针对问题的回复内容。
本申请实施例中,针对聊天群组历史对话中的一个问题,可以将该问题被输入后指定时长内的对话作为针对该问题的回复内容,还可以将该问题被输入后指定数量的对话作为针对该问题的回复内容,本申请实施例对此不做限定。
参见图3所示的群聊示例。群成员1在time1时刻输入一个问题,在time1时刻后的△t时段内,群成员2、3和4依次在显示界面上输入内容。本申请实施例将群成员2、3和4的对话作为针对群成员1的回复内容。
继续参见图3所示的群聊示例。还可以将群成员1输入的问题后,其他群成员输入的M个对话作为针对群成员1的回复内容。
步骤202:从针对问题的回复内容中提取问题对应的答案,问题和问题对应的答案组成问答对。
本申请实施例中,可以直接将针对问题的回复内容作为该问题的答案,还可以通过提取问题的回复内容的摘要来获得该问题的答案。一个问题和该问题对应的答案可以组成一个问答对。
具体的,在提取问题的回复内容的摘要过程中,可以利用摘要提取模型提取问题的回复内容的摘要,其中,摘要提取模型是利用至少两个具有摘要标签的训练样本进行训练得到的;将问题的回复内容的摘要作为问题对应的答案。
本申请实施例中,通过收集日常聊天群组产生的对话语料来扩充语料库,将语料库中的语料作为获得训练样本的基础。具体的,对至少两个语料分别添加摘要标签,从而将标注有摘要标签的语料作为训练样本、将通用摘要提取模型对训练样本的预测结果趋近于摘要标签为目标,对通用摘要提取模型进行训练。
此外,由于聊天群组的建立是以群成员具有相同的关注点为前提的,比如,爱猫群限定谈论关于猫的喂养、护理和配种等等,为保证生成的问答对不与群主题相偏离,排除闲聊等其他垃圾信息。本申请实施例可以对预设的群主题关键词和问答对中的关键词进行相关性匹配,并选取与群主题关键词相匹配的问答对。
具体的,对于爱猫群的群主题关键词可以设置为“猫”、“喂养”、“护理”、“配种”等,可以通过对群主题关键词与问答对中的关键词进行相关性匹配,选择符合相关性条件的问答对。比如可以采用余弦相似度算法计算语义相似度,将语义相似度高于主题相似度阈值的问答对作为与群主题相关的问答对,剔除与群主题不相关的问答对。
步骤203:获得聊天群组当前对话中的待处理问题,聊天群组中包含多个群成员和至少一个客服系统,客服系统能够响应一个群成员输入的问题向所有群成员推送答案。
步骤204:在至少一个问答对中获得待处理问题对应的答案。
本申请实施例提供的群聊对话处理方法,可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于预先生成的问答对快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
作为获得当前对话对应的历史对话中的问题和针对问题的回复内容的一种实现方式,本申请实施例三公开了一种群聊对话处理方法,如图4所示,该方法包括以下步骤:
步骤301:利用问题检测模型获得当前对话对应的历史对话中的问题,其中,问题检测模型是利用至少两个具有问题标签的训练样本进行训练得到的。
本申请实施例中,通过收集日常聊天群组产生的对话语料来扩充语料库,将语料库中的语料作为获得训练样本的基础。具体的,对至少两个语料分别添加问题标签,从而将标注有问题标签的语料作为训练样本、将通用问题检测模型对训练样本的预测结果趋近于问题标签为目标,对通用问题检测模型进行训练。
步骤302:基于历史对话中位于问题和问题的下一个问题间的至少一个对话,确定问题的回复内容。
本申请实施例中,针对聊天群组历史对话中的一个问题,可以将该问题与下一个问题间的至少一个对话作为该问题的回复内容。
当然,为剔除与问题不相关的对话,本申请实施例可以利用特征提取模型分别提取问题和历史对话中位于问题和问题的下一个问题间的对话的特征向量;根据问题的特征向量和对话的特征向量的相似度,选取符合预设相似条件的目标对话作为问题的回复内容。
本申请实施例中,可以采用现有神经网络模型作为特征提取模型来提取问题和位于该问题与下一个问题间的对话的特征向量。进一步,采用诸如余弦相似度算法计算问题的特征向量与对话的特征向量的语义相似度,将语义相似度高于特征相似度阈值的对话作为与问题相关的目标对话,剔除与问题不相关的对话。
此外,为把控客服系统推送答案的效果,客服系统每次推送答案后,由用户判定推送的答案是否准确作为强化学习的依据,从而直到特征提取模型的更新优化。本申请实施例可以获得用户针对待处理问题的答案的输入数据;基于输入数据修正特征提取模型的模型参数,以实现利用修正后的特征提取模型重新提取问题和对话的特征向量。
具体的,可以由用户输入评分来确定客服系统推送的答案是否准确,如果评分低于评分阈值,则表示用户判定推送的答案不准确,此时可以调整特征提取模型的模型参数,来更新优化特征提取模型。
步骤303:从针对问题的回复内容中提取问题对应的答案,问题和问题对应的答案组成问答对。
步骤304:获得聊天群组当前对话中的待处理问题,聊天群组中包含多个群成员和至少一个客服系统,客服系统能够响应一个群成员输入的问题向所有群成员推送答案。
步骤305:在至少一个问答对中获得待处理问题对应的答案。
本申请实施例提供的群聊对话处理方法,可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于预先生成的问答对快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
与上述群聊对话处理方法相对应的,本申请实施例还公开一种群聊对话处理装置,如图5所示,该装置包括:
问题获得模块10,用于获得聊天群组当前对话中的待处理问题,聊天群组中包含多个群成员和至少一个客服系统,客服系统能够响应一个群成员输入的问题向所有群成员推送答案;
答案获得模块20,用于在预先生成的至少一个问答对中获得待处理问题对应的答案,其中,问答对中包含一个问题和问题对应的答案,问答对至少基于当前对话对应的历史对话生成。
可选的,答案获得模块20至少基于当前对话对应的历史对话生成问答对的过程,包括:
获得当前对话对应的历史对话中的问题和针对问题的回复内容;从针对问题的回复内容中提取问题对应的答案,问题和问题对应的答案组成问答对。
可选的,答案获得模块20获得当前对话对应的历史对话中的问题和针对问题的回复内容,包括:
利用问题检测模型获得当前对话对应的历史对话中的问题,其中,问题检测模型是利用至少两个具有问题标签的训练样本进行训练得到的;基于历史对话中位于问题和问题的下一个问题间的至少一个对话,确定问题的回复内容。
可选的,答案获得模块20基于历史对话中位于问题和问题的下一个问题间的至少一个对话,确定问题的回复内容,包括:
利用特征提取模型分别提取问题和历史对话中位于问题和问题的下一个问题间的对话的特征向量;根据问题的特征向量和对话的特征向量的相似度,选取符合预设相似条件的目标对话作为问题的回复内容。
可选的,答案获得模块20还用于:
获得用户针对待处理问题的答案的输入数据;基于输入数据修正特征提取模型的模型参数,以实现利用修正后的特征提取模型重新提取问题和对话的特征向量。
可选的,答案获得模块20从针对问题的回复内容中提取问题对应的答案,包括:
利用摘要提取模型提取问题的回复内容的摘要,其中,摘要提取模型是利用至少两个具有摘要标签的训练样本进行训练得到的;将问题的回复内容的摘要作为问题对应的答案。
可选的,答案获得模块20还用于:
对预设的群主题关键词和问答对中的关键词进行相关性匹配,并选取与群主题关键词相匹配的问答对。
可选的,答案获得模块20还用于:
判断待处理问题是否符合预设常识条件,并在待处理问题不符合预设常识条件的情况下,执行在预先生成的至少一个问答对中获得待处理问题对应的答案。
本申请实施例提供的群聊对话处理装置,可以在用户提出历史相同/相似问题时无需等待他人重复回复,即可基于历史对话快速输出参考答案,使用户可以及时获得可靠全面的解决方案,显著提高了问答效率。
与上述数据处理方法相对应的,本申请实施例还公开一种电子设备,该电子设备包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现功能:获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种群聊对话处理方法,包括:
获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;
在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
2.根据权利要求1所述的方法,其中,至少基于所述当前对话对应的历史对话生成所述问答对的过程,包括:
获得所述当前对话对应的历史对话中的问题和针对所述问题的回复内容;
从针对所述问题的回复内容中提取所述问题对应的答案,所述问题和所述问题对应的答案组成所述问答对。
3.根据权利要求2所述的方法,其中,所述获得所述当前对话对应的历史对话中的问题和针对所述问题的回复内容,包括:
利用问题检测模型获得所述当前对话对应的历史对话中的问题,其中,所述问题检测模型是利用至少两个具有问题标签的训练样本进行训练得到的;
基于所述历史对话中位于所述问题和所述问题的下一个问题间的至少一个对话,确定所述问题的回复内容。
4.根据权利要求3所述的方法,其中,所述基于所述历史对话中位于所述问题和所述问题的下一个问题间的至少一个对话,确定所述问题的回复内容,包括:
利用特征提取模型分别提取所述问题和所述历史对话中位于所述问题和所述问题的下一个问题间的对话的特征向量;
根据所述问题的特征向量和所述对话的特征向量的相似度,选取符合预设相似条件的目标对话作为所述问题的回复内容。
5.根据权利要求4所述的方法,还包括:
获得用户针对所述待处理问题的答案的输入数据;
基于所述输入数据修正所述特征提取模型的模型参数,以实现利用修正后的所述特征提取模型重新提取所述问题和所述对话的特征向量。
6.根据权利要求2所述的方法,其中,所述从针对所述问题的回复内容中提取所述问题对应的答案,包括:
利用摘要提取模型提取所述问题的回复内容的摘要,其中,所述摘要提取模型是利用至少两个具有摘要标签的训练样本进行训练得到的;
将所述问题的回复内容的摘要作为所述问题对应的答案。
7.根据权利要求2所述的方法,还包括:
对预设的群主题关键词和所述问答对中的关键词进行相关性匹配,并选取与所述群主题关键词相匹配的问答对。
8.根据权利要求1所述的方法,还包括:
判断所述待处理问题是否符合预设常识条件,并在所述待处理问题不符合所述预设常识条件的情况下,执行所述在预先生成的至少一个问答对中获得所述待处理问题对应的答案。
9.一种群聊对话处理装置,包括:
问题获得模块,用于获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;
答案获得模块,用于在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
10.一种电子设备,包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现功能:获得聊天群组当前对话中的待处理问题,所述聊天群组中包含多个群成员和至少一个客服系统,所述客服系统能够响应一个群成员输入的问题向所有群成员推送答案;在预先生成的至少一个问答对中获得所述待处理问题对应的答案,其中,所述问答对中包含一个问题和所述问题对应的答案,所述问答对至少基于所述当前对话对应的历史对话生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369391.3A CN111078856B (zh) | 2019-12-26 | 2019-12-26 | 一种群聊对话处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369391.3A CN111078856B (zh) | 2019-12-26 | 2019-12-26 | 一种群聊对话处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111078856A true CN111078856A (zh) | 2020-04-28 |
CN111078856B CN111078856B (zh) | 2024-04-26 |
Family
ID=70318254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911369391.3A Active CN111078856B (zh) | 2019-12-26 | 2019-12-26 | 一种群聊对话处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111078856B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368059A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 群聊机器人自主应答的方法和系统 |
CN111680141A (zh) * | 2020-05-28 | 2020-09-18 | 泰康保险集团股份有限公司 | 一对多智能问答的响应方法、装置、设备及可读存储介质 |
CN111753073A (zh) * | 2020-06-29 | 2020-10-09 | 北京联想软件有限公司 | 一种会话交互的处理方法、装置及电子设备 |
CN113595874A (zh) * | 2021-07-09 | 2021-11-02 | 北京百度网讯科技有限公司 | 即时通讯群组的搜索方法、装置、电子设备和存储介质 |
CN115086259A (zh) * | 2021-03-10 | 2022-09-20 | 深圳顺丰快运科技有限公司 | 群聊信息的提醒方法、装置、计算机设备和存储介质 |
CN115334030A (zh) * | 2022-08-08 | 2022-11-11 | 阿里健康科技(中国)有限公司 | 语音消息显示方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013081358A1 (ko) * | 2011-11-29 | 2013-06-06 | 에스케이텔레콤 주식회사 | 그룹 대화 서비스 방법 및 장치 |
CN103401757A (zh) * | 2013-06-26 | 2013-11-20 | 宇龙计算机通信科技(深圳)有限公司 | 聊天方法及通信终端 |
CN110413744A (zh) * | 2019-06-17 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 即时通讯过程中的对话消息处理方法、装置及设备 |
-
2019
- 2019-12-26 CN CN201911369391.3A patent/CN111078856B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013081358A1 (ko) * | 2011-11-29 | 2013-06-06 | 에스케이텔레콤 주식회사 | 그룹 대화 서비스 방법 및 장치 |
CN103401757A (zh) * | 2013-06-26 | 2013-11-20 | 宇龙计算机通信科技(深圳)有限公司 | 聊天方法及通信终端 |
CN110413744A (zh) * | 2019-06-17 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 即时通讯过程中的对话消息处理方法、装置及设备 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368059A (zh) * | 2020-05-27 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 群聊机器人自主应答的方法和系统 |
CN111368059B (zh) * | 2020-05-27 | 2020-09-15 | 支付宝(杭州)信息技术有限公司 | 群聊机器人自主应答的方法和系统 |
CN112052323A (zh) * | 2020-05-27 | 2020-12-08 | 支付宝(杭州)信息技术有限公司 | 群聊机器人自主应答的方法和系统 |
CN112052323B (zh) * | 2020-05-27 | 2024-07-16 | 支付宝(杭州)信息技术有限公司 | 群聊机器人自主应答的方法和系统 |
CN111680141A (zh) * | 2020-05-28 | 2020-09-18 | 泰康保险集团股份有限公司 | 一对多智能问答的响应方法、装置、设备及可读存储介质 |
CN111680141B (zh) * | 2020-05-28 | 2023-09-08 | 泰康保险集团股份有限公司 | 一对多智能问答的响应方法、装置、设备及可读存储介质 |
CN111753073A (zh) * | 2020-06-29 | 2020-10-09 | 北京联想软件有限公司 | 一种会话交互的处理方法、装置及电子设备 |
CN115086259A (zh) * | 2021-03-10 | 2022-09-20 | 深圳顺丰快运科技有限公司 | 群聊信息的提醒方法、装置、计算机设备和存储介质 |
CN113595874A (zh) * | 2021-07-09 | 2021-11-02 | 北京百度网讯科技有限公司 | 即时通讯群组的搜索方法、装置、电子设备和存储介质 |
CN113595874B (zh) * | 2021-07-09 | 2023-03-24 | 北京百度网讯科技有限公司 | 即时通讯群组的搜索方法、装置、电子设备和存储介质 |
CN115334030A (zh) * | 2022-08-08 | 2022-11-11 | 阿里健康科技(中国)有限公司 | 语音消息显示方法及装置 |
CN115334030B (zh) * | 2022-08-08 | 2023-09-19 | 阿里健康科技(中国)有限公司 | 语音消息显示方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111078856B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
CN112365894B (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
CN111177359A (zh) | 多轮对话方法和装置 | |
CN107506372A (zh) | 一种机器人客服在混合类型会话下的自动会话切换方法 | |
CN105868179B (zh) | 一种智能问答方法及装置 | |
CN106649742A (zh) | 数据库维护方法和装置 | |
CN111143530B (zh) | 一种智能答复方法及装置 | |
JP2006092473A (ja) | 回答支援システムおよび装置、回答支援プログラム | |
CN111768781B (zh) | 语音打断的处理方法和装置 | |
CN111276148A (zh) | 基于卷积神经网络的回访方法、系统及存储介质 | |
CN109697676B (zh) | 基于社交群的用户分析及应用方法和装置 | |
CN112632242A (zh) | 智能对话方法及装置、电子设备 | |
CN109508367A (zh) | 自动提取问答语料的方法、在线智能客服系统及电子设备 | |
CN107977676A (zh) | 文本相似度计算方法及装置 | |
CN110209768B (zh) | 自动问答的问题处理方法和装置 | |
CN109582780B (zh) | 一种基于用户情绪的智能问答方法及装置 | |
CN111597821A (zh) | 一种确定应答概率的方法及装置 | |
CN110750626B (zh) | 一种基于场景的任务驱动的多轮对话方法及系统 | |
CN117556057A (zh) | 知识问答方法、向量数据库构建方法及装置 | |
CN111490929A (zh) | 视频片段推送方法、装置、电子设备、存储介质 | |
CN111027557A (zh) | 一种基于题目图像的科目识别方法及电子设备 | |
CN113010664B (zh) | 一种数据处理方法、装置及计算机设备 | |
CN115114404A (zh) | 智能客服的问答方法、装置、电子设备及计算机存储介质 | |
El Azhari et al. | An evolutive knowledge base for “AskBot” toward inclusive and smart learning-based NLP techniques |
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 |