CN111105800B - 语音交互处理方法、装置、设备和介质 - Google Patents

Abstract

本申请实施例公开了一种语音交互处理方法、装置、设备和介质，涉及语音技术领域，其中，该方法包括：获取用户语音，并对用户语音进行识别；基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；利用识别结果，对目标交互引导行为模板进行实例化，确定与用户语音对应的引导话术。本申请实施例通过合理利用交互引导行为模板，降低了语音交互过程的开发成本，节省了人机交互成本。

Description

语音交互处理方法、装置、设备和介质

技术领域

本申请实施例涉及计算机技术，具体涉及语音技术，尤其涉及一种语音交互处理方法、装置、设备和介质。

背景技术

语音交互技术在智能家电设备上的应用非常广泛，例如支持语音交互的智能音箱、支持语音控制的智能电视等，为日常生活提供了极大便利性。

在语音技术开发过程中，为了准确追踪人机交互的对话状态，给予用户合理的反馈，开发人员需要开发多种对话逻辑，实现对用户的交互引导，使得智能家电设备可以准确定位用户需求。然而，对话逻辑的逐次重复开发与增加，对开发人员而言，成本非常高，并且，如果人机交互过程中，智能家电设备的交互引导行为不恰当，将会增加人机交互成本。

发明内容

本申请实施例公开一种语音交互处理方法、装置、设备和介质，以通过合理利用交互引导行为模板，降低语音交互过程的开发成本，节省人机交互成本。

第一方面，本申请实施例公开了一种语音交互处理方法，包括：

获取用户语音，并对所述用户语音进行识别；

基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；

利用所述识别结果，对所述目标交互引导行为模板进行实例化，确定与所述用户语音对应的引导话术。

上述申请中的一个实施例具有如下优点或有益效果：通过合理而准确的确定目标交互引导行为模板，可以通过较少的对话次数准确定位用户需求，节省了人机交互成本；交互引导行为模板的复用性，降低了语音交互过程的开发成本。

可选的，所述交互引导行为模板根据引导行为的分类预先构建，所述引导行为的分类包括：通用回复式引导行为、校验式引导行为、选择式引导行为和询问式引导行为。

可选的，所述基于识别结果，确定目标交互引导行为模板，包括：

基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板；

根据各候选交互引导行为模板的描述特征，确定所述目标交互引导行为模板，其中，所述描述特征用于表征交互引导行为模板对应的用户反馈满意度。

上述申请中的一个实施例具有如下优点或有益效果：基于用户语音的识别结果和模板描述特征确定目标交互引导行为模板，使得每次对话中最终利用的交互引导行为模板更加贴合当前用户，用户对引导话术的满足程度也会较高，进而提升了人机交互过程中的对话质量。

可选的，基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，包括：

利用所述识别结果以及当前语音交互的上下文，与所述各模板触发条件的匹配结果，确定所述多种候选交互引导行为模板；

其中，所述识别结果包括以下至少一种：用户语音的完整度、用户意图、以及基于用户语音中的关键词确定的资源信息。

可选的，基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，还包括：

获取用户画像信息，以使得确定所述多种候选交互引导行为模板的过程中考虑所述用户画像信息。

上述申请中的一个实施例具有如下优点或有益效果：基于当前语音交互，考虑多种因素召回候选交互引导行为模板，避免了模板召回出错或者遗漏。

可选的，每种候选交互引导行为模板的描述特征包括：由交互引导行为模板标识与该模板对应的历史引导话术构成的第一拼接文本、由历史用户语音文本与所述第一拼接文本构成的第二拼接文本、由历史用户标识与所述第二拼接文本构成的第三拼接文本。

可选的，所述根据各候选交互引导行为模板的描述特征，确定所述目标交互引导行为模板，包括：

利用预先训练的模板排序模型，对所述各候选交互引导行为模板的描述特征进行分析，确定所述目标交互引导行为模板。

第二方面，本申请实施例还公开了一种语音交互处理装置，包括：

语音识别模块，用于获取用户语音，并对所述用户语音进行识别；

目标模板确定模块，用于基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；

引导话术确定模块，用于利用所述识别结果，对所述目标交互引导行为模板进行实例化，确定与所述用户语音对应的引导话术。

第三方面，本申请实施例还公开了一种电子设备，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，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例任一所述的语音交互处理方法。

第四方面，本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例任一所述的语音交互处理方法。

根据本申请实施例的技术方案，通过在人机交互过程中，基于对用户语音的识别结果，合理而准确的确定目标交互引导行为模板，进而通过模板实例化，确定与用户语音对应的引导话术，可以通过较少的对话次数准确定位用户需求，解决了现有方案中人机交互成本高的问题，实现了节省交互成本的效果。并且，本实施例中的交互引导行为模板具有通用性，每种交互引导行为模板均可以复用在多种不同的对话场景中，即针对每种类型的模板，根据用户语音的不同，经模板实例化便可以得到不同的引导话术，使得电子设备中语音交互引导行为的增加非常便捷，与现有方案相比，省去了开发人员基于不同的对话场景重复开发与增加语音交互引导行为的操作，解决了现有方案中新增交互引导行为设计成本高的问题，降低了语音交互过程的开发成本。上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例公开的一种语音交互处理方法的流程图；

图2是根据本申请实施例公开的另一种语音交互处理方法的流程图；

图3是根据本申请实施例公开的一种语音交互处理装置的结构示意图；

图4是根据本申请实施例公开的一种电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请实施例公开的一种语音交互处理方法的流程图，本实施例可以适用于在人机交互过程中，例如任务式对话场景中，对用户进行交互引导的情况，其中，人机交互场景包括用户与智能电子设备的交互场景，智能电子设备包括但不限于智能音箱、智能电视等。本实施例方法可以由语音交互处理装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在任意的具有计算能力且具有语音交互能力的电子设备上。

如图1所示，本实施例公开的语音交互处理方法可以包括：

S101、获取用户语音，并对用户语音进行识别。

在本实施例中，电子设备可以调用麦克风等语音采集装置采集用户语音，然后利用语音识别技术对用户语音进行识别，识别结果可以包括以下至少一种：用户语音的完整度、用户意图或用户需求、以及基于用户语音中的关键词确定的资源信息。其中，用户语音的完整度是指基于语法结构确定用户当前语义是否表达完整，以及语义表达的程度；基于用户语音中的关键词确定的资源信息是指电子设备基于从用户语音中识别出的关键词，在本地或者网络中进行搜索，所确定出的各种相关的可以反馈给用户的资源。

S102、基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板。

每种交互引导行为模板中详细定义了该模板的触发条件、对话执行逻辑、以及引导话术模板。每种交互引导行为模板均具有通用性，可以复用在多种不同的对话场景中。进一步的，交互引导行为模板根据引导行为的分类预先构建，引导行为的分类可以包括但不限于：通用回复式引导行为、校验式引导行为、选择式引导行为和询问式引导行为。

其中，通用回复式引导行为(CommonResponseAction)，表示电子设备行为上只返回一句话术的引导，没有多轮的对话交互，引导话术可以例如“刚才没有听清，你可以再跟我说一遍吗？”，该行为类型对应的交互模板适用于基于用户语音，无法识别用户意图的情形；

校验式引导行为(CheckAction)，表示电子设备询问用户一个资源选择并期望用户下轮对话中返回“是”或“否”行为的引导，引导话术可以例如“我没听清，你是想听告白气球吗？”，该行为类型对应的交互模板适用于基于用户语音，对用户意图进行推测，且反馈给用户的选择较少的情形；

选择式引导行为(SelectAction)，表示电子设备向用户反馈多个选择并期望用户下轮对话中选择其中某个选项的引导，引导话术可以例如“你是想要葫芦娃的有声还是视频？”，该行为类型对应的交互模板适用于基于用户语音，对用户意图进行推测，且反馈给用户的选择较多的情形；

询问式引导行为(AskAction)，表示电子设备向用户返回对槽位进行询问并期望用户回答的引导，其中，槽位指用户语音中与用户意图相关的关键词，引导话术可以例如“你是要听周杰伦的什么歌曲？”，槽位即“周杰伦”，该行为类型对应的交互模板适用于基于用户语音，可以确定用户意图，需要进一步明确用户需求的情形。

每种交互引导行为模板的触发条件可以根据其适用情况，进行合理设置，本实施例不作具体限定。基于用户语音的识别结果与每种交互引导行为模板触发条件的匹配情况，确定出与用户当前语音较为匹配的目标交互引导行为模板，可以使得电子设备向用户反馈合理而准确的引导话术，进而通过较少的对话次数准确定位用户需求，实现节省交互成本的效果，也可以提高用户对电子设备的使用满意度。

S103、利用识别结果，对目标交互引导行为模板进行实例化，确定与用户语音对应的引导话术。

模板实例化是指电子设备根据对用户语音的识别结果，将相关信息填补到模板字段或者模板槽位中，从而形成与用户语音对应的引导话术，并以语音的形式进行播放。以校验式引导行为类型对应的交互引导行为模板为例，其中的引导话术模板可以包括“我没听清，你是想听[槽位]吗？”，通过对用户语音进行识别，得到的“告白气球”为需要填补到槽位中的信息，电子设备最终向用户返回的引导话术为“我没听清，你是想听告白气球吗？”。

根据本实施例的技术方案，通过在人机交互过程中，基于对用户语音的识别结果，合理而准确的确定目标交互引导行为模板，进而通过模板实例化，确定与用户语音对应的引导话术，可以通过较少的对话次数准确定位用户需求，解决了现有方案中人机交互成本高的问题，实现了节省交互成本的效果。并且，本实施例中的交互引导行为模板具有通用性，每种交互引导行为模板均可以复用在多种不同的对话场景中，即针对每种类型的模板，根据用户语音的不同，经模板实例化便可以得到不同的引导话术，使得电子设备中语音交互引导行为的增加非常便捷，与现有方案相比，省去了开发人员基于不同的对话场景重复开发与增加语音交互引导行为的操作，解决了现有方案中新增交互引导行为设计成本高的问题，降低了语音交互过程的开发成本。

图2是根据本申请实施例公开的另一种语音交互处理方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图2所示，本实施例方法可以包括：

S201、获取用户语音，并对用户语音进行识别。

S202、基于识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板。

其中，用户语音的识别结果可以包括以下至少一种：用户语音的完整度、用户意图、以及基于用户语音中的关键词确定的资源信息。用户语音的识别结果与模板触发条件的匹配度越高，则对应的交互引导行为模板被召回的概率越大。

可选的，基于识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，包括：利用识别结果以及当前语音交互的上下文，与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，即电子设备在召回候选交互引导行为模板的过程中，还可以同时考虑当前交互的语境，当前交互语境可以用于确认识别的用户意图是否有误，或者在基于用户语音无法确定用户真正意图时，用于预测用户意图，从而避免模板召回出错或者遗漏。

进一步的，基于识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，还包括：获取用户画像信息，以使得确定多种候选交互引导行为模板的过程中考虑用户画像信息，示例性的，可以利用用户语音的识别结果、当前语音交互的上下文以及用户画像信息，与各模板触发条件的匹配结果，确定多种候选交互引导行为模板。用户画像信息可以包括用户的个人信息、职业、兴趣、语言习惯等。用户画像信息不仅可以用于确认或者预测用户意图，还可以用于分析用户在语音交互过程中的交互习惯，例如偏好选择式对话或者询问式对话等，以及确定用户属于兴趣广泛类用户还是兴趣单一类用户，从而确定使用选择式或询问式的交互引导行为模板。

示例性的，本实施例中各交互引导行为模板的触发条件可以如下：

通用回复式引导行为类型对应的模板触发条件包括：基于用户语音，无法识别用户意图；校验式引导行为、选择式引导行为、以及询问式引导行为这三种类型对应的模板触发条件包括：用户语音的完整度、对话交互的上下文、基于用户语音中的关键词确定的可用资源、当前用户的画像信息等；当前所列举的各类型的模板触发条件作为对本实施例的示例性说明，不应理解为对本实施例的具体限定。

S203、根据各候选交互引导行为模板的描述特征，确定目标交互引导行为模板，其中，描述特征用于表征交互引导行为模板对应的用户反馈满意度。

在本实施例中，包括候选交互引导行为模板在内的任一模板的描述特征包括：由交互引导行为模板标识与该模板对应的历史引导话术构成的第一拼接文本(action-key)、由历史用户语音文本(query)与第一拼接文本构成的第二拼接文本(query-action-key)、由历史用户标识(cuid)与第二拼接文本构成的第三拼接文本(cuid-query-action-key)。历史用户对历史引导话术的满意程度可以用于反应历史用户对相应交互引导行为模板的满意程度。针对每种候选交互引导行为模板，可以通过分析设定历史周期内的语音交互数据，构建每种候选交互引导行为模板的描述特征。并且，随着每种交互引导行为模板的不断被利用，语音交互数据随之变化，相应的，交互引导行为模板的描述特征也可以随之变化，从而使得在不同时间段内各候选交互引导行为模板的排序发生动态调整，进而适应性变更确定的目标交互引导行为模板。设定历史周期的时间长度可以根据实际情况进行设置，本实施例不作具体限定，例如可以设置为历史2周内。此处的历史用户包括使用电子设备的任意用户。

具体的，描述特征中的第一拼接文本可以用于描述在不考虑用户意图的情况下，历史用户对相应交互引导行为模板的满意程度，交互引导行为模板标识即用于区分和关联不同类型的模板；描述特征中的第二拼接文本可以用于描述基于历史用户的意图或需求，历史用户对相应交互引导行为模板的满意程度；用户标识可以用于区分和关联不同的用户，不同的用户具有不同的用户画像信息，因此，描述特征中的第三拼接文本可以用于描述在同时考虑历史用户需求与用户画像信息的情况下，历史用户对相应交互引导行为模板的满意程度，即实现将模板满意程度的统计分析细化到具有不同特点的个体。上述三个维度的特征也可以称为交互引导行为模板的后验满意度特征，可以用于确定用户对交互引导行为模板的综合满意度。通过综合考虑各候选交互引导行为模板的上述三个维度的特征，确定出综合满足度值达到阈值要求的模板作为目标交互引导行为模板，可以使得每次对话中最终利用的交互引导行为模板更加贴合当前用户，用户对引导话术的满足程度也会较高，进而提升人机交互过程中的对话质量。

当然，关于目标交互引导行为模板的确定，除了考虑各候选交互引导行为模板的描述特征外，还可以引入其他模板特征作为考虑因素，例如预先定义的模板优先级等，本实施例对此不作具体限定。

进一步的，根据各候选交互引导行为模板的描述特征，确定目标交互引导行为模板，包括：利用预先训练的模板排序模型，对各候选交互引导行为模板的描述特征进行分析，确定目标交互引导行为模板。

示例性的，针对每种交互引导行为模板，采集样本语音交互数据，包括设定时间周期内的样本用户标识、样本用户语音文本或者语音请求文本、交互引导行为模板标识、电子设备针对用户语音返回的该模板下的引导话术、以及样本用户对当前模板的综合满意度。样本用户对每种交互引导行为模板的综合满意度可以使用0到1之间的浮点数进行表示，数值越大表示越满意，并且，该综合满意度可以通过对对话上下文以及对话轮次等因素进行分析而确定，例如结合对话上下文、对话轮次越少，用户的综合满意度值越大。利用采集的样本语音交互数据，构建每种交互引导行为模板的描述特征，结合确定的各样本用户对各模板的综合满意度，利用逻辑斯度回归，进行模型训练，从而得到模板排序模型。在模板排序模型的使用过程中，将召回的各候选交互引导行为模板的描述特征作为模型的输入，经模型分析，输出每种候选交互引导行为模板对应的用户综合满意度，按照综合满意度的排序，可以将排序最前的模板作为目标交互引导行为模板。

S204、利用识别结果，对目标交互引导行为模板进行实例化，确定与用户语音对应的引导话术。

根据本实施例的技术方案，首先基于识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，然后根据各候选交互引导行为模板的描述特征，确定目标交互引导行为模板，进而通过模板实例化确定反馈话术，目标交互引导行为模板确定的合理性与准确性，确保了每次对话中最终利用的交互引导行为模板更加贴合当前用户，用户对引导话术的满足程度也会较高，进而提升了人机交互过程中的对话质量，节省了人机交互成本；交互引导行为模板的复用性，省去了开发人员基于不同的对话场景重复开发与增加语音交互引导行为的操作，降低了语音交互过程的开发成本。

图3是根据本申请实施例公开的一种语音交互处理装置的结构示意图，本实施例可以适用于在人机交互过程中，对用户进行交互引导的情况，其中，人机交互场景包括用户与智能电子设备的交互场景，智能电子设备包括但不限于智能音箱、智能电视等。本实施例公开的装置可以采用软件和/或硬件的方式实现，并可集成在任意的具有计算能力且具有语音交互能力的电子设备上。

如图3所示，本实施例公开的语音交互处理装置300可以包括语音识别模块301、目标模板确定模块302、引导话术确定模块303，其中：

语音识别模块301，用于获取用户语音，并对用户语音进行识别；

目标模板确定模块302，用于基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；

引导话术确定模块303，用于利用识别结果，对目标交互引导行为模板进行实例化，确定与用户语音对应的引导话术。

可选的，交互引导行为模板根据引导行为的分类预先构建，引导行为的分类包括：通用回复式引导行为、校验式引导行为、选择式引导行为和询问式引导行为。

可选的，目标模板确定模块302包括：

候选模板确定单元，用于基于识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板；

目标模板确定单元，用于根据各候选交互引导行为模板的描述特征，确定目标交互引导行为模板，其中，描述特征用于表征交互引导行为模板对应的用户反馈满意度。

可选的，候选模板确定单元具体用于：

利用识别结果以及当前语音交互的上下文，与各模板触发条件的匹配结果，确定多种候选交互引导行为模板；

其中，识别结果包括以下至少一种：用户语音的完整度、用户意图、以及基于用户语音中的关键词确定的资源信息。

可选的，候选模板确定单元还具体用于：

获取用户画像信息，以使得确定多种候选交互引导行为模板的过程中考虑用户画像信息。

可选的，每种候选交互引导行为模板的描述特征包括：由交互引导行为模板标识与该模板对应的历史引导话术构成的第一拼接文本、由历史用户语音文本与第一拼接文本构成的第二拼接文本、由历史用户标识与第二拼接文本构成的第三拼接文本。

可选的，目标模板确定单元具体用于：

利用预先训练的模板排序模型，对各候选交互引导行为模板的描述特征进行分析，确定目标交互引导行为模板。

本申请实施例所公开的语音交互处理装置300可执行本申请实施例所公开的语音交互处理方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，图4是用于实现本申请实施例中语音交互处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。典型的，本申请实施例公开的电子设备包括但不限于智能音箱、智能电视等智能家电设备。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作，例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统。图4中以一个处理器401为例。

存储器402即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请实施例所提供的语音交互处理方法。本申请实施例的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请实施例所提供的语音交互处理方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中语音交互处理方法对应的程序指令/模块，例如，附图3所示的语音识别模块301、目标模板确定模块302、引导话术确定模块303。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的语音交互处理方法。

存储器402可以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、至少一个功能所需要的应用程序；存储数据区可存储根据语音交互处理方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至用于实现本实施例中语音交互处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

用于实现本实施例中语音交互处理方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与用于实现本实施例中语音交互处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置和触觉反馈装置等，其中，辅助照明装置例如发光二极管(Light Emitting Diode，LED)；触觉反馈装置例如，振动电机等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、LED显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuit，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序，也称作程序、软件、软件应用、或者代码，包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置，例如，磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device，PLD)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置，例如，阴极射线管(Cathode Ray Tube，CRT)或者LCD监视器；以及键盘和指向装置，例如，鼠标或者轨迹球，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈，例如，视觉反馈、听觉反馈、或者触觉反馈；并且可以用任何形式，包括声输入、语音输入或者、触觉输入，来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统，例如，作为数据服务器，或者实施在包括中间件部件的计算系统，例如，应用服务器，或者实施在包括前端部件的计算系统，例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互，或者实施在包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信，例如通信网络，来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过在人机交互过程中，基于对用户语音的识别结果，合理而准确的目标交互引导行为模板，进而通过模板实例化，确定与用户语音对应的引导话术，可以通过较少的对话次数准确定位用户需求，实现了节省交互成本的效果。并且，本申请实施例中的交互引导行为模板具有通用性，每种交互引导行为模板均可以复用在多种不同的对话场景中，即针对每种类型的模板，根据用户语音的不同，经模板实例化便可以得到不同的引导话术，使得电子设备中语音交互引导行为的增加非常便捷，与现有方案相比，省去了开发人员基于不同的对话场景重复开发与增加语音交互引导行为的操作，降低了语音交互过程的开发成本。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (9)

1.一种语音交互处理方法，其特征在于，包括：

获取用户语音，并对所述用户语音进行识别；

基于识别结果，确定目标交互引导行为模板，包括：基于用户语音的识别结果与每种交互引导行为模板触发条件的匹配情况，确定出与用户当前语音匹配的目标交互引导行为模板；其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；所述交互引导行为模板根据引导行为的分类预先构建；

利用所述识别结果，对所述目标交互引导行为模板进行实例化，确定与所述用户语音对应的引导话术。

2.根据权利要求1所述的方法，其特征在于，所述引导行为的分类包括：通用回复式引导行为、校验式引导行为、选择式引导行为和询问式引导行为。

3.根据权利要求1所述的方法，其特征在于，所述基于识别结果，确定目标交互引导行为模板，包括：

基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板；

根据各候选交互引导行为模板的描述特征，确定所述目标交互引导行为模板，其中，所述描述特征用于表征交互引导行为模板对应的用户反馈满意度；所述描述特征包括：由交互引导行为模板标识与该模板对应的历史引导话术构成的第一拼接文本、由历史用户语音文本与第一拼接文本构成的第二拼接文本、由历史用户标识与第二拼接文本构成的第三拼接文本。

4.根据权利要求3所述的方法，其特征在于，基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，包括：

利用所述识别结果以及当前语音交互的上下文，与所述各模板触发条件的匹配结果，确定所述多种候选交互引导行为模板；

其中，所述识别结果包括以下至少一种：用户语音的完整度、用户意图、以及基于用户语音中的关键词确定的资源信息。

5.根据权利要求4所述的方法，其特征在于，基于所述识别结果与各模板触发条件的匹配结果，确定多种候选交互引导行为模板，还包括：

获取用户画像信息，以使得确定所述多种候选交互引导行为模板的过程中考虑所述用户画像信息。

6.根据权利要求3所述的方法，其特征在于，所述根据各候选交互引导行为模板的描述特征，确定所述目标交互引导行为模板，包括：

利用预先训练的模板排序模型，对所述各候选交互引导行为模板的描述特征进行分析，确定所述目标交互引导行为模板。

7.一种语音交互处理装置，其特征在于，包括：

语音识别模块，用于获取用户语音，并对所述用户语音进行识别；

目标模板确定模块，用于基于识别结果，确定目标交互引导行为模板，其中，交互引导行为模板用于通过引导话术定位用户需求，每种交互引导行为模板中定义了该模板的引导话术模板；所述交互引导行为模板根据引导行为的分类预先构建；

引导话术确定模块，用于利用所述识别结果，对所述目标交互引导行为模板进行实例化，确定与所述用户语音对应的引导话术；

其中，所述基于识别结果，确定目标交互引导行为模板，包括：基于用户语音的识别结果与每种交互引导行为模板触发条件的匹配情况，确定出与用户当前语音匹配的目标交互引导行为模板。

8.一种电子设备，其特征在于，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，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－6中任一项所述的语音交互处理方法。

9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1－6中任一项所述的语音交互处理方法。

Images