CN111241255A - 智能会话管理方法及智能终端、存储介质 - Google Patents

智能会话管理方法及智能终端、存储介质 Download PDF

Info

Publication number
CN111241255A
CN111241255A CN201911379662.3A CN201911379662A CN111241255A CN 111241255 A CN111241255 A CN 111241255A CN 201911379662 A CN201911379662 A CN 201911379662A CN 111241255 A CN111241255 A CN 111241255A
Authority
CN
China
Prior art keywords
intention
candidate
input corpus
feature words
management method
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
Application number
CN201911379662.3A
Other languages
English (en)
Inventor
胡智杰
熊友军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN201911379662.3A priority Critical patent/CN111241255A/zh
Publication of CN111241255A publication Critical patent/CN111241255A/zh
Pending legal-status Critical Current

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
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Machine Translation (AREA)

Abstract

本申请公开了一种智能会话管理方法，智能会话管理方法包括：获取输入语料；判断输入语料是否满足上轮对话所提取出的主意图；如果输入语料满足上轮对话所提取出的主意图，则判断本轮对话是否存在子意图，子意图为主意图所延伸出的意图；若判断本轮对话存在子意图，则根据子意图，更新对应语境的特征词或保存所提取的特征词；输出特征词对应意图的识别结果。本申请可以通过继承上轮对话的主意图，将主意图和子意图的意图的特征词相结合，能够更准确识别输入语料意图，也可以通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料意图，适用于多种复杂情况下的意图识别，满足不同用户的需求。

Description

智能会话管理方法及智能终端、存储介质
技术领域
本申请涉及自然语言处理技术领域，特别是涉及一种智能会话管理方法及智能终端、存储介质。
背景技术
智能对话系统大致可分为五个基本模块：语音识别(ASR)、自然语音理解(NLU)、会话管理(DM)、自然语言生成(NLG)、语音合成(TTS)。其中，会话管理是智能对话系统中一个重要的模块。会话管理是指系统采用一定的方式引导对话，其主要任务根据用户输入，结合上下文语境和历史对话信息等，识别当前对话意图和主题，并判断从用户获取的信息是否能够进行下一步动作。通常用户的需求比较复杂，智能对话系统在使用过程中会遇到多种复杂的情况，进而增加对话状态管理的难度，因此需要提供一个完善的会话管理方案来适配多种复杂的情况。
发明内容
本申请主要解决的技术问题是提供智能会话管理方法及智能终端、存储介质，解决现有技术中会话管理方案不能适配多种复杂情况的问题。
为解决上述技术问题，本申请采用的第一个技术方案是：提供一种智能会话管理方法，智能会话管理方法包括：获取输入语料；判断输入语料是否满足上轮对话所提取出的主意图；如果输入语料满足上轮对话所提取出的主意图，则判断本轮对话是否存在子意图，子意图为主意图所延伸出的意图；若判断本轮对话存在子意图，则根据子意图，更新对应语境的特征词或保存所提取的特征词；输出特征词对应意图的识别结果。
为解决上述技术问题，本申请采用的第二个技术方案是：提供一种智能会话管理方法，智能会话管理方法包括：获取输入语料；判断输入语料是否需要调用意图识别模型；如果输入语料需要调用意图识别模型；则调用意图识别模型对输入语料的进行预测得出候选意图；判断词槽是否全部填充候选意图的特征词；如果词槽中全部填充候选意图的特征词，则根据候选意图的特征词，更新对应语境的特征词或保存所提取的特征词；输出候选意图的特征词的对应识别结果。
为解决上述技术问题，本申请采用的第三个技术方案是：提供一种智能会话管理方法，智能会话管理方法包括：获取输入语料；判断输入语料为问答对话还是意图对话；若输入语料为问答对话，由问答系统进行处理；若输入语料为意图对话，则由意图系统进行处理。
为解决上述技术问题，本申请采用的第四个技术方案是：提供一种智能终端，智能终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于实现上述任意一种智能会话管理方法。
为解决上述技术问题，本申请采用的第五个技术方案是：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实现上述任意一种智能会话管理方法。
本申请的有益效果是：区别于现有技术的情况，本申请提供的一种智能会话管理方法，既可以通过判断输入语料与上轮对话意图，当输入语料满足上轮对话所提出的主意图，判断本轮对话的存在子意图时，根据子意图更新对应语境的特征词，又可以通过对输入语料进行意图预测得出候选意图以及候选意图的特征词，进而更新对应语境的特征词，根据特征词能够输出语料的对应结果。本申请可以通过继承上轮对话的主意图，激活本轮对话的子意图，将主意图和子意图的意图的特征词相结合，可以更全面准确的识别输入语料的意图，也可以通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料的候选意图，能够适用多种复杂情况下的意图识别，满足不同用户的需求。
附图说明
图1是本申请智能会话管理方法第一实施例的流程示意图；
图2是本申请智能会话管理方法第二实施例的流程示意图；
图3是本申请智能会话管理方法第三实施例的流程示意图
图4是本申请智能会话管理方法第四实施例的流程示意图；
图5是本申请智能会话管理方法第五实施例的流程示意图；
图6是本申请智能会话管理方法中输入语料的前序处理方法的一实施例的流程示意图；
图7是本申请智能会话管理方法第六实施例的流程示意图；
图8是本申请智能会话管理装置实施例的示意框图；
图9是本申请智能终端实施例的示意框图；
图10是本申请计算机可读存储介质实施例的示意框图。
具体实施例
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施例对本申请所提供的一种智能会话管理方法及智能终端、存储介质做进一步详细描述。
参阅图1，图1是本申请智能会话管理方法第一实施例的流程示意图。
S101：获取输入语料。
具体地，输入语料可以是问答型的语料文本，也可以是陈述型的语料文本，其中，输入语料可以是语音文本，也可以是文字文本。该输入语料可以是多轮对话中的一轮，当该输入语料为多轮对话中的一轮时，还需同时获取到之前的对话语料，以进行后续处理。
S102：判断输入语料是否满足上轮对话所提取出的主意图。当输入语料为多轮对话中的一轮时，便需要判断输入语料是否满足上轮对话所提取出的主意图。而当输入语料为第一轮对话，并无上轮对话时，则判定为否。
如果输入语料满足上轮对话所提取出的主意图，则进入到步骤S103；如果输入语料不满足上轮对话所提取出的主意图，则进入到步骤S105。
S103：判断本轮对话是否存在子意图。
在多轮对话中，第一轮对话中的意图则被认为是主意图，而由第一轮对话中的意图所延伸出的意图，或与主意图不同的意图，则为子意图。例如，第一轮对话是“购买5月25日西安到成都的高铁票”，第二轮对话是“查询成都的天气如何”。其中主意图是“西安到成都的高铁票”时间词槽是“5月25日”；子意图是“成都的天气”，子意图继承主意图的时间词槽，即第二轮对话的意图是查询5月25日成都的天气情况。如果判断本轮对话存在子意图，则进入到步骤S104；如果判断本轮对话不存在子意图，则进入到步骤S105。其中，子意图为主意图所延伸出的意图。
S104：根据子意图，更新对应语境的特征词或保存所提取的特征词。
S105：调用意图识别模型对输入语料进行预测得出候选意图。
S106：判断词槽是否全部填充候选意图的特征词。
如果判断词槽中全部填充候选意图的特征词，则进入到步骤S107；如果判断词槽中未全部填充候选意图的特征词，则进入到步骤S108。
S107：根据候选意图的特征词，更新对应语境的特征词或保存所提取的特征词。
S108：澄清词槽追问。
S109：输出特征词对应意图的识别结果。
本实施例提供的一种智能会话管理方法，通过判断输入语料与上轮对话意图，当输入语料满足上轮对话所提出的主意图，判断本轮对话的存在子意图时，根据子意图更新对应语境的特征词，输出意图的特征词的对应识别结果。本申请通过继承上轮对话的主意图，激活本轮对话的子意图，将主意图和子意图的意图的特征词相结合，可以更全面准确的识别输入语料的意图，能够适用多种复杂情况下的意图识别，满足不同用户的需求。
参阅图2，图2是本申请智能会话管理方法第二实施例的流程示意图。
S201：输入语料。
具体地，输入语料可以是问答型的语料文本，也可以是陈述型的语料文本，其中，输入语料可以是语音文本，也可以是文字文本。该输入语料可以是多轮对话中的一轮，当该输入语料为多轮对话中的一轮时，还需同时获取到之前的对话语料，以进行后续处理。
S202：判断是否符合全局设置。此全局设置为历史数据处理条件，此步骤也可以理解为是判断是否符合历史数据处理条件。
如果输入语料符合全局设置，满足历史数据处理的条件，进入到步骤S203；如果输入语料不符合全局设置，不满足历史数据处理的条件，可以继承上轮对话的内容，进入到步骤S204。
S203：进行全局设置。
具体地，依据全局配置对历史数据的语境、存活寿命和偏移量进行更新。其包括判断是否超过规定的存活轮次，超过的话将历史对话信息做清除处理，或者判断是否超过规定的对话时间，超过的话将历史对话信息做清除处理，由输入语料得出新意图，进入到步骤S219。
S204：判断上轮意图是否满足。
当输入语料为多轮对话中的一轮时，便需要判断输入语料是否满足上轮对话所提取出的主意图。而当输入语料为第一轮对话，并无上轮对话时，则判定为否。
如果判断输入语料满足上轮意图，则进入到步骤S205；如果判断输入语料不满足上轮意图，则进入到步骤S211。
S205：判断上轮意图是否是主意图。
如果判断上轮意图是输入语料的主意图，则进入到步骤S206；如果判断上轮意图不是输入语料的主意图，则进入到步骤S211。
S206：判断是否存在输出语境。
如果判断主意图存在输出语境，则进入到步骤S207；如果判断主意图不存在输出语境，则进入到步骤S211。
S207：判断子意图是否判断成功。
在多轮对话中，第一轮对话中的意图则被认为是主意图，而由第一轮对话中的意图所延伸出的意图，或与主意图不同的意图，则为子意图。例如，第一轮对话是“购买5月25日西安到成都的高铁票”，第二轮对话是“查询成都的天气如何”。其中主意图是“西安到成都的高铁票”时间词槽是“5月25日”；子意图是“成都的天气”，子意图继承主意图的时间词槽，即第二轮对话的意图是查询5月25日成都的天气情况。如果判断输入语料的子意图判断成功，则进入到步骤S208；如果判断输入语料的子意图没有判断成功，则进入到步骤S211。
S208：判断是否存在对应语境。
如果判断子意图存在对应语境，则进入到步骤S209；如果判断子意图不存在对应语境，则进入到步骤S210。
S209：更新对应语境槽位。
具体地，更新对应语境下意图的特征词，进入到步骤S219。
S210：保存所提取的槽位。
具体地，保存原有槽位上提取的意图的特征词，进入到步骤S219。
S211：调用模型预测并返回候选意图。
具体的，调用意图识别模块对输入语料进行预测，得出输入语料对应的至少一个候选意图，进入到步骤S212。
S212：判断候选意图是否高分识别。
如果判断输入语料对应的候选意图高分识别，则进入到步骤S214；如果判断输入语料对应的候选意图均没有得到高分识别，则进入到步骤S213。
S213：做意图澄清或意图失败。
具体地，通过对话再次澄清用户的意图，直到对话轮次超过设定轮次，则判定意图澄清失败，进入到步骤S222。
S214：判断词槽是否全部填充。
如果判断词槽中全部填充候选意图的特征词，则进入到步骤S215；如果判断词槽中未全部填充候选意图的特征词，则进入到步骤S216。
S215：判断是否存在对应语境。
如果判断候选意图存在对应语境，则进入步骤S217；如果判断候选意图不存在对应语境，则进入步骤S218。
S216：澄清词槽追问。
具体地，通过多轮对话，进一步澄清候选意图的特征词，每次澄清一个词槽，澄清词槽后进入步骤S222。
S217：更新对应语境槽位。
具体地，更新对应语境下意图的特征词，进入到步骤S219。
S218：保存所提取槽位。
具体地，保存原有槽位上提取的意图的特征词，进入到步骤S219。
S219：更新上下文意图及词槽。
具体地，根据词槽中的特征词更新上下文意图及词槽，使上下文意图及词槽满足输入语料的意图，进入到步骤S220。
S220：判断必要词槽是否全部填充。
如果判断必要词槽中全部填充特征词，则进入到步骤S221；如果判断必要词槽中未全部填充特征词，则进入到步骤S216。
S221：输出满足意图。
具体的，通过词槽中填充的特征词，识别得出满足输入语料的意图，进入到步骤S222。
S222：输出满足意图的对应结果。
具体地，根据识别输入语料的意图，得出的输入语料对应的结果。
本实施例提供的一种智能会话管理方法，通过对输入语料进行意图预测得出候选意图以及候选意图的特征词，进而更新对应语境的特征词，根据候选意图的特征词能够输出语料的对应结果。本申请通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料的候选意图，能够适用多种复杂情况的意图识别，满足不同用户的需求。
参阅图3，图3是本申请智能会话管理方法第三实施例的流程示意图。
S301：获取输入语料。
具体地，输入语料可以是问答型的语料文本，也可以是陈述型的语料文本，其中，输入语料可以是语音文本，也可以是文字文本。该输入语料可以是多轮对话中的一轮，当该输入语料为多轮对话中的一轮时，还需同时获取到之前的对话语料，以进行后续处理。
S302：判断输入语料是否需要调用意图识别模型。
如果判断输入语料需要调用意图识别模型，则进入至步骤303；如果判断输入语料不需要调用意图识别模型，则进入至步骤305。
S303：调用意图识别模型对输入语料进行预测得到候选意图。
具体地，调用意图识别模型对输入语料进行意图预测，得到至少一个候选意图，进入至步骤S304。
S304：判断词槽是否全部填充候选意图的特征词。
如果判断词槽全部填充候选意图的特征词，进入至步骤S306；如果判断词槽未全部填充候选意图的特征词，进入至步骤S305。
S305：澄清词槽追问。
具体地，通过多轮对话，进一步澄清候选意图的特征词，每次澄清一个词槽，澄清词槽后进入步骤S307。
S306：根据候选意图的特征词，更新对应语境的特征词或保存提取的特征词。
S307：输出候选意图的特征词对应识别结果。
具体地，根据识别输入语料的意图，得出的输入语料对应的结果。
本实施例提供的一种智能会话管理方法，通过对输入语料进行意图预测得出候选意图以及候选意图的特征词，进而更新对应语境的特征词，根据候选意图的特征词能够输出语料的对应结果。本申请通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料的候选意图，能够适用多种复杂情况的意图识别，满足不同用户的需求。
参阅图4，图4是本申请智能会话管理方法第四实施例的流程示意图。
S401：输入语料。
具体地，输入语料可以是问答型的语料文本，也可以是陈述型的语料文本，其中，输入语料可以是语音文本，也可以是文字文本。该输入语料可以是多轮对话中的一轮，当该输入语料为多轮对话中的一轮时，还需同时获取到之前的对话语料，以进行后续处理。
S402：判断是否符合全局设置。此全局设置为历史数据处理条件，此步骤也可以理解为是判断是否符合历史数据处理条件。
如果输入语料符合全局设置，满足历史数据处理的条件，进入到步骤S403；如果输入语料不符合全局设置，不满足历史数据处理的条件，可以继承上轮对话的内容，进入到步骤S404。
S403：进行全局设置。
具体地，依据全局配置对历史数据的语境、存活寿命和偏移量进行更新。其包括判断是否超过规定的存活轮次，超过的话将历史对话信息做清除处理，或者判断是否超过规定的对话时间，超过的话将历史对话信息做清除处理，由输入语料得出新意图，进入到步骤S413。
S404：判断是否调用模型。
如果判断需要调用模型，进入到步骤S405；如果判断不需要调用模型，进入到步骤S416。
S405：调用模型预测并返回候选意图。
具体的，调用意图识别模块对输入语料进行预测，得出输入语料对应的至少一个候选意图，进入到步骤S406。
S406：判断意图是否高分识别。
如果判断预测的候选意图得到高分识别，则进入到步骤S408；如果判断预测候选意图均没有得到高分识别，则进入到步骤S407。
S407：做意图澄清或意图失败。
具体地，通过对话再次澄清用户的意图，直到对话轮次超过设定轮次，则判定意图澄清失败，进入到步骤S416。
S408：判断词槽是否全部填充。
如果判断词槽中全部填充候选意图的特征词，则进入到步骤S409；如果判断词槽中未全部填充候选意图的特征词，则进入到步骤S410。
S409：是否存在对应语境。
如果判断候选意图存在对应语境，则进入步骤S411；如果判断候选意图不存在对应语境，则进入步骤S412。
S410：澄清词槽追问。
具体地，通过多轮对话，进一步澄清候选意图的特征词，每次澄清一个词槽，澄清词槽后进入步骤S416。
S411：更新对应语境槽位。
具体地，更新对应语境下意图的特征词，进入到步骤S413。
S412：保存所提取槽位。
具体地，保存原有槽位上提取的意图的特征词，进入到步骤S413。
S413：更新上下文意图及词槽。
具体地，根据词槽中的特征词更新上下文意图及词槽，使上下文意图及词槽满足输入语料的意图，进入到步骤S414。
S414：判断必要词槽是否全部填充。
如果判断必要词槽中全部填充特征词，则进入到步骤S415；如果判断必要词槽中未全部填充特征词，则进入到步骤S410。
S415：输出满足意图。
具体的，通过词槽中填充的特征词，识别得出满足输入语料的意图，进入到步骤S416。
S416：输出满足意图的对应结果。
具体地，根据识别输入语料的意图，得出的输入语料对应的结果。
本实施例提供的一种智能会话管理方法，通过对输入语料进行意图预测得出候选意图以及候选意图的特征词，进而更新对应语境的特征词，根据候选意图的特征词能够输出语料的对应结果。本申请通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料的候选意图，能够适用多种复杂情况的意图识别，满足不同用户的需求。
参阅图5，图5是本申请智能会话管理方法第五实施例的流程示意图。
S501：获取输入语料。
具体地，输入语料可以是问答型的语料文本，也可以是陈述型的语料文本，其中，输入语料可以是语音文本，也可以是文字文本。
S502：判断输入语料为问答对话还是意图对话。
如果判断输入语料为问答对话，则进入至步骤S503；如果判断输入语料为意图对话，则进入至步骤S504。
S503：若输入语料为问答对话，则有问答系统进行处理。
具体地，如果输入语料为问答对话，则通过问答系统将输入语料与系统中预设的问答模板进行比对，将与输入语料相似度最高的问答模板的结果输出。
S504：若输入语料为意图对话，则有意图系统进行处理。
具体地，如果输入语料为意图对话，则调用意图系统对输入语料进行意图预测，进而得出与输入语料意图相应的结果。其中意图系统通过包括上述智能会话管理方法。
参阅图6，图6是本申请智能会话管理方法中输入语料的前序处理方法的一实施例的流程示意图。
S601：上下文模块。
具体地，上下文模块调用存储历史数据，对获取的语料进行处理，然后进入至步骤S602。
S602：获取用户预处理问句、相关历史记录。
具体地，获取用户预处理的问句以及相关历史记录后，进入至步骤S603。
S603：判断是否有意图历史数据。
如果判断有意图历史数据，则进入至步骤S604；如果判断没有有意图历史数据，则进入至步骤S606。
S604：判断上轮是否澄清。
如果判断上轮是澄清对话，则进入至步骤S605；如果判断上轮不是澄清对话，则进入至步骤S606或S610。
S605：判断是用户肯定澄清、否定澄清还是其它。
如果判断上轮对话中是用户肯定澄清，则进入至步骤S608；如果判断上轮对话中是用户否定澄清，则进入至步骤S607；如果判断上轮对话中是其它，则进入至步骤S606。
S606：将用户问句转换成所有可能的模板，进入至步骤S609。
S607：生成否定澄清的candidates(候选项)，进入至步骤S621。
S608：生成澄清的candidates，进入至步骤S621。
S609：与样本模板、片段模板进行相似度计算，返回高分匹配结果，进入至步骤S611。
S610：与样本、片段样本进行相似度计算，返回高分匹配结果，进入至步骤S611。
S611：判断高分结果个数。
如果判断得到用户问句与模板的匹配度高的模板个数有多个，则进入至步骤S612；如果判断得到用户问句与模板匹配度高的模板个数有单个，则进入至步骤S614；如果判断得到用户问句与模板匹配度高的模板个数有零个，则进入至步骤S613。
S612：选择快速/深度模型进行筛选。
具体地，通过快速/深度模型将匹配度高的多个模板进行筛选得出一个匹配度最高的模板，进入至步骤S621。
S613：判断上一次会话是否是意图满足或者词槽澄清。
如果判断上一次会话是意图满足或者词槽澄清，则进入至步骤S621。
S614：生成该意图的candidates，则进入至步骤S621。
S615：与回答澄清模板及单词槽进行匹配，返回高分匹配结果。
具体地，判断回答澄清模板与单词槽高分匹配的词槽个数，如果匹配的词槽个数为单个，则进入至步骤S616；如果匹配的词槽个数为多个，则进入至步骤S618；如果匹配的词槽个数为零个，则进入至步骤S617。
S616：判断是否含有上轮追问词槽。
其中，如果判断单个词槽中含有上轮追问词槽，则进入至步骤S619。
S617：选择快速/深度模型进行预测。
具体地，通过快速模型/深度模型对上次对话的意图进行预测后，进入到S621。
S618：判断是否含有上轮追问词槽。
如果判断多个词槽中含有上轮追问词槽，进入到S619；如果判断多个词槽中不含有上轮追问词槽，进入到S620。
S619：生成高分该意图带词槽的candidates，则进入至步骤S621。
S620：生成高分该意图带词槽名澄清的candidates，则进入至步骤S621。
S621：输出至其它部分进行处理。该输出实际上输出到上述实施例中，各实施例的第一步输入语料即为本步骤所输出的内容。
参阅图7，图7是本申请智能会话管理方法第六实施例的流程示意图。
S701：输入语料。
具体的，通过对话管理模块中的规则模块对输入语料进行分析之后，得到分析后的语料，具体分析如图6所示。其中，输入语料可以是多轮对话中的一轮，当该输入语料为多轮对话中的一轮时，还需同时获取到之前的对话语料，以进行后续处理。将分析后的语料输入到系统中进行判断，进入到步骤S702。
S702：判断是否符合全局设置。此全局设置为历史数据处理条件，此步骤也可以理解为是判断是否符合历史数据处理条件。
如果输入语料符合全局设置，满足历史数据处理的条件，进入到步骤S703；如果输入语料不符合全局设置，不满足历史数据处理的条件，可以继承上轮对话的内容，进入到步骤S704。
S703：进行全局设置。
具体地，依据全局配置对历史数据的语境、存活寿命和偏移量进行更新。其包括判断是否超过规定的存活轮次，超过的话将历史对话信息做清除处理，或者判断是否超过规定的对话时间，超过的话将历史对话信息做清除处理，由输入语料得出新意图，进入到步骤S721。
S704：模型选择。
具体地，通过用户指令选择模型对输入语料进行识别。如果用户选择模型1，则进入至步骤S705；如果用户选择模型2，则进入至步骤S706。模型1对应第一实施例和第二实施例，模型2对应第三实施例和第四实施例。在本实施例中，以模型1对应第二实施例、模型2对应第四实施例来进行介绍。可以理解的是，模型1还可以为第一实施例，模型2还可以为第三实施例。
S705：判断上轮意图是否满足。
如果判断输入语料满足上轮意图，则进入到步骤S707；如果判断输入语料不满足上轮意图，则进入到步骤S708。
S706：判断是否定调用模型。
如果判断需要调用模型，进入到步骤S708；如果判断不需要调用模型，进入到步骤S724。
S707：判断上轮意图是否是主意图。
当输入语料为多轮对话中的一轮时，便需要判断输入语料是否满足上轮对话所提取出的主意图。而当输入语料为第一轮对话，并无上轮对话时，则判定为否。
如果判断上轮意图是输入语料的主意图，则进入到步骤S709；如果判断上轮意图不是输入语料的主意图，则进入到步骤S708。
S708：调用模型预测并返回候选意图。
具体的，调用意图识别模块对输入语料进行预测，得出输入语料对应的至少一个候选意图，进入到步骤S710。
S709：是否存在输出语境。
如果判断主意图存在输出语境，则进入到步骤S712；如果判断主意图不存在输出语境，则进入到步骤S708。
S710：判断意图是否高分识别。
如果判断输入语料对应的候选意图高分识别，则进入到步骤S713；如果判断输入语料对应的候选意图均没有得到高分识别，则进入到步骤S711。
S711：做意图澄清或意图失败。
具体地，通过对话再次澄清用户的意图，直到对话轮次超过设定轮次，则判定意图澄清失败，进入到步骤S724。
S712：判断子意图是否判断成功。
如果判断输入语料的子意图判断成功，则进入到步骤S714；如果判断输入语料的子意图没有判断成功，则进入到步骤S708。
S713：判断词槽是否全部填充。
如果判断词槽中全部填充候选意图的特征词，则进入到步骤S715；如果判断词槽中未全部填充候选意图的特征词，则进入到步骤S716。
S714：判断是否存在对应语境。
如果判断候选意图存在对应语境，则进入步骤S717；如果判断候选意图不存在对应语境，则进入步骤S718。
S715：判断是否存在对应语境。
如果判断候选意图存在对应语境，则进入步骤S719；如果判断候选意图不存在对应语境，则进入步骤S720。
S716：澄清词槽追问。
具体地，通过多轮对话，进一步澄清候选意图的特征词，每次澄清一个词槽，澄清词槽后进入步骤S724。
S717：更新对应语境槽位。
具体地，更新对应语境下意图的特征词，进入到步骤S721。
S718：保存所提取的槽位。
具体地，保存原有槽位上提取的意图的特征词，进入到步骤S721。
S719：更新对应语境槽位。
具体地，更新对应语境下意图的特征词，进入到步骤S721。
S720：保存所提取槽位。
具体地，保存原有槽位上提取的意图的特征词，进入到步骤S721。
S721：更新上下文意图及词槽。
具体地，根据词槽中的特征词更新上下文意图及词槽，使上下文意图及词槽满足输入语料的意图，进入到步骤S722。
S722：判断必要词槽是否全部填充。
如果判断必要词槽中全部填充特征词，则进入到步骤S723；如果判断必要词槽中未全部填充特征词，则进入到步骤S716。
S723：输出满足意图。
具体的，通过词槽中填充的特征词，识别得出满足输入语料的意图，进入到步骤S724。
S724：输出满足意图的相应结果。
本实施例提供的一种智能会话管理方法，既可以通过判断输入语料与上轮对话意图，当输入语料满足上轮对话所提出的主意图，判断本轮对话的存在子意图时，根据子意图更新对应语境的特征词，又可以通过对输入语料进行意图预测得出候选意图以及候选意图的特征词，进而更新对应语境的特征词，根据特征词能够输出语料的对应结果。本申请可以通过继承上轮对话的主意图，激活本轮对话的子意图，将主意图和子意图的意图的特征词相结合，可以更全面准确的识别输入语料的意图，也可以通过意图识别模型对输入语料进行识别，可以快速有效的识别输入语料的候选意图，能够适用多种复杂情况下的意图识别，满足不同用户的需求。
参阅图8，图8是本申请智能会话管理装置实施例的示意框图。
一种智能会话管理装置80包括输入模块81、会话管理模块82、预测模块83、意图模块84、问答模块85、决策模块86和输出模块87。
输入模块81用于输入用户提出的问句或陈述型语料。
会话管理模块82用于判断本轮对话是意图对话还是问答对话。如果本轮对话是问答对话，则通过会话管理模块82直接进行处理。其中，会话管理模块82包括规则模块824，规则模块824用于判断是需要经过意图预测模块83，还是直接用规则进行匹配输出；判断意图预测后返回的候选意图是否需要改写。其中规则模块824具体对应第六实施例。
预测模块83用于判断本轮对话是否上下文意图还是普通的问答。
意图模块84用于对输入的问句或陈述型语料进行意图识别，意图识别过程具体对应上述第一实施例、第二实施例、第三实施例、第四实施例、第五实施例或第七实施例。
问答模块85用于在数据库中查找与输入问句或陈述型语料相匹配的结果。其中问答模块是常规普通问答模块85。
决策模块86用于判断输入的问句或陈述型语料由意图模块84处理还是问答模块85处理。
输出模块87用于输出与用户问句或陈述型语料对应的结果。
其中，会话管理模块82还包括以下模块：
会议管理模块821用于根据配置的规则决定用户的历史数据是否需要删除，保留多少轮。
词槽跟踪模块822用于对必要词槽检测、必要词槽追问顺序、必要词槽追问轮次的判定。
异常处理模块823用于导入配置的异常处理规则，判断结果是否异常、是否需要澄清。
记忆模块825用于存储记忆用户的历史原始问句、该问句经过各个模块处理后的结果。
返回构造器模块826用于将问答模块84或意图模块85的返回结果进行重构造，输出给输出模块87。
参阅图9，图是本申请智能终端实施例的示意框图。如图9所示，该实施例的智能终端90包括：处理器91、存储器92以及存储在存储器92中并可在处理器91上运行的计算机程序该计算机程序被处理器91执行时实现上述语音识别模型训练方法、语音识别方法或者智能外呼号码状态检测方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器91执行时实现上述中语音识别模型训练装置、语音识别装置或者智能外呼号码状态检测装置中各模型/单元的功能，为避免重复，此处不一一赘述。
参阅图10，图10是本申请计算机可读存储介质实施例的示意框图。本申请的实施例中还提供一种计算机可读存储介质100，计算机可读存储介质100存储有计算机程序1001，计算机程序1001中包括程序指令，处理器执行程序指令，实现本申请实施例提供的任一项智能会话管理方法。
其中，计算机可读存储介质100可以是前述实施例的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质100也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上仅为本申请的实施例，并非因此限制本申请的专利保护范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (22)

1.一种智能会话管理方法，其特征在于，所述会话管理方法包括：
获取输入语料；
判断所述输入语料是否满足上轮对话所提取出的主意图；
如果所述输入语料满足所述上轮对话所提取出的主意图，则判断本轮对话是否存在子意图，所述子意图为所述主意图所延伸出的意图；
若判断所述本轮对话存在子意图，则根据所述子意图，更新对应语境的特征词或保存所提取的特征词；
输出所述特征词对应意图的识别结果。
2.根据权利要求1所述的智能会话管理方法，其特征在于，所述智能会话管理方法还包括：
若判断本轮对话不存在所述子意图，则调用意图模型预测所述输入语料的候选意图；
判断词槽中是否全部填充所述候选意图的特征词；
如果所述词槽中全部填充所述候选意图的特征词，则根据所述候选意图的特征词，更新所述候选意图的特征词对应语境或保存所提取的所述候选意图的特征词；
输出所述候选意图的特征词的对应识别结果。
3.根据权利要求1所述的智能会话管理方法，其特征在于，所述智能会话管理方法还包括：
如果所述输入语料不满足上轮对话所提取出的主意图，则调用意图模型预测所述输入语料的候选意图；
判断词槽中是否全部填充所述候选意图的特征词；
如果所述词槽中全部填充所述候选意图的特征词，则根据所述候选意图的特征词，更新所述候选意图的特征词对应语境或保存所提取的所述候选意图的特征词；
输出所述候选意图的特征词的对应识别结果。
4.根据权利要求1所述的智能会话管理方法，其特征在于，所述判断所述输入语料是否满足上轮对话所提取出的主意图步骤具体包括：
判断所述输入语料是否满足所述上轮对话；
如果所述输入语料满足所述上轮对话，则判断所述输入语料是否满足所述上轮对话所提取出的主意图。
5.根据权利要求3或4所述的智能会话管理方法，其特征在于，所述调用意图模型预测所述输入语料的候选意图步骤具体包括：
调用意图识别模型对所述输入语料进行意图预测，得出相应的候选意图；
判断所述候选意图的评分是否大于设定阈值；
如果判断所述候选意图的评分大于设定阈值，则所述候选意图为所述输入语料的意图。
6.根据权利要求5所述的智能会话管理方法，其特征在于，所述调用意图模型预测所述输入语料的候选意图步骤具体还包括：
如果判断所述候选意图的评分小于设定阈值，则对所述输入语料的意图进行追问澄清。
7.根据权利要求1所述的智能会话管理方法，其特征在于，所述如果所述输入语料满足所述上轮对话所提取出的主意图，则判断本轮对话是否存在子意图，所述子意图为所述主意图所延伸出的意图步骤具体包括：
如果所述输入语料满足所述上轮对话所提取出的主意图，则判断所述主意图是否存在对应输出语境；
如果所述主意图存在对应输出语境，则判断本轮对话是否存在子意图。
8.根据权利要求1所述的智能会话管理方法，其特征在于，所述若判断所述本轮对话存在子意图，则根据所述子意图，更新对应语境的特征词或保存所提取的特征词步骤具体包括：
若判断所述本轮对话存在子意图，则判断所述子意图是否存在对应语境；
如果判断所述子意图存在对应语境，则更新对应语境的特征词；
如果判断所述子意图不存在对应语境，则保存所提取的子意图的特征词。
9.根据权利要求1所述的智能会话管理方法，其特征在于，所述判断所述输入语料是否满足上轮对话所提取出的主意图步骤之前包括：
判断所述输入语料是否超出预设时长或问答次数；
如果所述输入语料未超出预设时长或问答次数，则对所述输入语料进行判断。
10.根据权利要求1所述的智能会话管理方法，其特征在于，所述输出所述特征词对应意图的识别结果步骤具体包括：
通过获取的所述意图的特征词和所述对应语境更新上下文意图和词槽；
判断必要词槽中是否全部填充所述意图的特征词；
如果未全部填充，则进行词槽追问澄清；
如果全部填充，则输出对应全部填充的所述意图的特征词的识别结果。
11.一种智能会话管理方法，其特征在于，所述智能会话管理方法包括：
获取输入语料；
判断所述输入语料是否需要调用意图识别模型；
如果所述输入语料需要调用意图识别模型，则调用意图识别模型对所述输入语料的进行预测得出候选意图；
判断词槽是否全部填充所述候选意图的特征词；
如果所述词槽中全部填充所述候选意图的特征词，则根据所述候选意图的特征词，更新对应语境的特征词或保存所提取的特征词；
输出所述候选意图的特征词的对应识别结果。
12.根据权利要求11所述的智能会话管理方法，其特征在于，所述智能会话管理方法还包括：
如果所述输入语料不需要调用意图识别模型，则直接输出所述输入语料对应的结果。
13.根据权利要求11所述的智能会话管理方法，其特征在于，所述如果所述输入语料需要调用意图识别模型，则调用意图识别模型对所述输入语料的进行预测得出候选意图步骤具体包括：
如果所述输入语料需要调用意图识别模型，则调用意图识别模型对所述输入语料进行意图预测，得出相应的候选意图；
判断所述候选意图的评分是否大于设定阈值；
如果判断所述候选意图的评分大于设定阈值，则所述候选意图为所述输入语料的意图。
14.根据权利要求13所述的智能会话管理方法，其特征在于，所述如果所述输入语料需要调用意图识别模型，则调用意图识别模型对所述输入语料的进行预测得出候选意图步骤具体还包括：
如果判断所述候选意图的评分小于设定阈值，则对所述输入语料的意图进行追问澄清。
15.根据权利要求11所述的智能会话管理方法，其特征在于，所述智能会话管理方法还包括：
如果所述词槽中未全部填充所述候选意图的特征词，则对所述候选意图的特征词进行追问澄清。
16.根据权利要求11所述的智能会话管理方法，其特征在于，所述如果所述词槽中全部填充所述候选意图的特征词，则根据所述候选意图的特征词，更新对应语境的特征词或保存所提取的特征词步骤具体包括：
如果所述词槽中全部填充所述候选意图的特征词，则判断所述候选意图是否存在对应语境；
如果判断所述候选意图存在对应语境，则更新对应语境的特征词；
如果判断所述候选意图不存在对应语境，则保存所提取的候选意图的特征词。
17.根据权利要求11所述的智能会话管理方法，其特征在于，所述输出所述候选意图的特征词的对应识别结果步骤具体包括：
通过获取的所述候选意图的特征词和所述对应语境更新上下文意图和词槽；
判断必要词槽中是否全部填充所述候选意图的特征词；
如果必要词槽全部填充，则输出对应全部填充的所述候选意图的特征词的识别结果。
18.根据权利要求17所述的智能会话管理方法，其特征在于，所述输出所述候选意图的特征词的对应识别结果步骤具体还包括：
如果必要词槽未全部填充，则对所述候选意图的特征词进行追问澄清，输出对应所述候选意图的特征词的识别结果。
19.根据权利要求11所述的智能会话管理方法，其特征在于，所述判断所述输入语料是否满足上轮对话所提取出的主意图步骤之前包括：
判断所述输入语料是否超出预设时长或问答次数；
如果所述输入语料未超出预设时长或问答次数，则对所述输入语料进行判断。
20.一种智能会话管理方法，其特征在于，所述智能会话管理方法包括步骤：
获取输入语料；
判断所述输入语料为问答对话还是意图对话；
若所述输入语料为问答对话，由问答系统进行处理；
若所述输入语料为意图对话，则执行如权利要求1～10任一项所述智能会话管理方法；或用于实现如权利要求11～19任一项所述智能会话管理方法。
21.一种智能终端，所述智能终端包括存储器、处理器以及存储于所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器用于实现如权利要求1～10任一项所述智能会话管理方法；或用于实现如权利要求11～19任一项所述智能会话管理方法；或用于实现如权利要求20所述智能会话管理方法。
22.一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实现如权利要求1～10任一项所述智能会话管理方法；或用于实现如权利要求11～19任一项所述智能会话管理方法；或用于实现如权利要求20所述智能会话管理方法。
CN201911379662.3A 2019-12-27 2019-12-27 智能会话管理方法及智能终端、存储介质 Pending CN111241255A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911379662.3A CN111241255A (zh) 2019-12-27 2019-12-27 智能会话管理方法及智能终端、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911379662.3A CN111241255A (zh) 2019-12-27 2019-12-27 智能会话管理方法及智能终端、存储介质

Publications (1)

Publication Number Publication Date
CN111241255A true CN111241255A (zh) 2020-06-05

Family

ID=70875830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911379662.3A Pending CN111241255A (zh) 2019-12-27 2019-12-27 智能会话管理方法及智能终端、存储介质

Country Status (1)

Country Link
CN (1) CN111241255A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100368A (zh) * 2020-07-21 2020-12-18 深思考人工智能科技(上海)有限公司 对话交互意图的识别方法和装置
CN112328758A (zh) * 2020-10-27 2021-02-05 创泽智能机器人集团股份有限公司 一种会话意图识别方法、装置、设备及存储介质
CN114118060A (zh) * 2021-11-10 2022-03-01 北京深维智信科技有限公司 一种从销售会话中自动识别关键事件的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951433A (zh) * 2015-06-24 2015-09-30 北京京东尚科信息技术有限公司 基于上下文进行意图识别的方法和系统
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
CN110008319A (zh) * 2019-02-27 2019-07-12 百度在线网络技术（北京）有限公司 基于对话模板的模型训练方法和装置
US20190294673A1 (en) * 2018-03-23 2019-09-26 Servicenow, Inc. Method and system for automated intent mining, classification and disposition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951433A (zh) * 2015-06-24 2015-09-30 北京京东尚科信息技术有限公司 基于上下文进行意图识别的方法和系统
US20190294673A1 (en) * 2018-03-23 2019-09-26 Servicenow, Inc. Method and system for automated intent mining, classification and disposition
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
CN110008319A (zh) * 2019-02-27 2019-07-12 百度在线网络技术（北京）有限公司 基于对话模板的模型训练方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100368A (zh) * 2020-07-21 2020-12-18 深思考人工智能科技(上海)有限公司 对话交互意图的识别方法和装置
CN112100368B (zh) * 2020-07-21 2024-01-26 深思考人工智能科技(上海)有限公司 对话交互意图的识别方法和装置
CN112328758A (zh) * 2020-10-27 2021-02-05 创泽智能机器人集团股份有限公司 一种会话意图识别方法、装置、设备及存储介质
CN114118060A (zh) * 2021-11-10 2022-03-01 北京深维智信科技有限公司 一种从销售会话中自动识别关键事件的方法及系统

Similar Documents

Publication Publication Date Title
US10991366B2 (en) Method of processing dialogue query priority based on dialog act information dependent on number of empty slots of the query
CN111753531B (zh) 基于人工智能的文本纠错方法、装置、设备及存储介质
CN109033305B (zh) 问题回答方法、设备及计算机可读存储介质
CN111241255A (zh) 智能会话管理方法及智能终端、存储介质
CN110110062B (zh) 机器智能问答方法、装置与电子设备
CN110472224B (zh) 服务质量的检测方法、装置、计算机设备和存储介质
US11113335B2 (en) Dialogue system and computer program therefor
EP4086893A1 (en) Natural language understanding method and device, vehicle and medium
CN113297366B (zh) 多轮对话的情绪识别模型训练方法、装置、设备及介质
CN111428485A (zh) 司法文书段落分类方法、装置、计算机设备及存储介质
CN111223476B (zh) 语音特征向量的提取方法、装置、计算机设备和存储介质
CN110797026A (zh) 一种语音识别方法、装置及存储介质
EP3614297A1 (en) Hybrid natural language understanding
CN110955766A (zh) 一种自动扩充智能客服标准问题对的方法和系统
CN111859916A (zh) 古诗关键词提取、诗句生成方法、装置、设备及介质
CN110019305B (zh) 知识库扩展方法及存储介质、终端
CN110929514B (zh) 文本校对方法、装置、计算机可读存储介质及电子设备
CN113012687A (zh) 一种信息交互方法、装置及电子设备
CN115858776B (zh) 一种变体文本分类识别方法、系统、存储介质和电子设备
CN115240676A (zh) 智能外呼方法、装置、计算机设备及存储介质
CN111522957B (zh) 一种短语分割模型的训练方法和系统
CN111626059B (zh) 一种信息处理方法及装置
CN114242045A (zh) 一种自然语言对话系统意图深度学习方法
CN113268571A (zh) 一种确定段落中正确答案位置的方法、装置、设备及介质
US20210182342A1 (en) Major point extraction device, major point extraction method, and non-transitory computer readable recording medium

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