CN111309990A - 一种语句应答方法及装置 - Google Patents
一种语句应答方法及装置 Download PDFInfo
- Publication number
- CN111309990A CN111309990A CN201811521036.9A CN201811521036A CN111309990A CN 111309990 A CN111309990 A CN 111309990A CN 201811521036 A CN201811521036 A CN 201811521036A CN 111309990 A CN111309990 A CN 111309990A
- Authority
- CN
- China
- Prior art keywords
- consultation
- service
- statement
- sentence
- prediction model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 153
- 230000004044 response Effects 0.000 title claims abstract description 84
- 230000008569 process Effects 0.000 claims description 88
- 238000012549 training Methods 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 21
- 238000013461 design Methods 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 238000009223 counseling Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种语句应答方法及装置，涉及计算机技术领域，本申请所述的语句应答方法包括：获取用户端的咨询语句信息；基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句信息匹配的服务领域；基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，并将与所述服务类型匹配的应答语句发送给用户端。采用上述方式通过结合咨询语句信息自动为用户端推送匹配的应答语句，可以在满足用户实际咨询需求的基础上，提升语句应答的处理效率，提升用户体验。
Description
技术领域
本申请涉及计算机技术领域，尤其是涉及一种语句应答方法及装置。
背景技术
目前，很多服务系统，例如网上购物平台、打车平台等，会配置对话功能，以便向用户提供问题咨询服务等。但是，现有的对话功能一般都是预先配置好服务领域以及服务类型等，当用户发起咨询服务时，向用户推送候选问题列表，其中，候选问题列表中包括服务系统负责的服务领域下与各个服务类型匹配的候选问题，进一步地，在用户从候选问题列表中选择需要咨询的候选问题之后，可以针对用户选择的候选问题进行回答。
上述这种向用户推送固定的候选问题的方式，一方面可能无法满足用户的实际咨询需求，另一方面还需要用户来筛选需要咨询的问题，处理效率较低，且用户体验度较差。
发明内容
有鉴于此，本申请的目的在于提供一种语句应答方法及装置，可以在满足用户实际咨询需求的基础上，提升语句应答的处理效率，提升用户体验。
第一方面，本申请实施例提供了一种语句应答方法，包括：
获取用户端的咨询语句信息；
基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句信息匹配的服务领域；
基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，并将与所述服务类型匹配的应答语句发送给用户端。
一种可能的实施方式中，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句匹配的服务领域，包括：
将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；
通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的实施方式中，当确定出没有与所述当前咨询语句匹配的服务领域时，所述方法还包括：
获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
提取所述k个历史咨询语句的第二特征信息；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句匹配的服务领域，包括：
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的实施方式中，在获取用户端的咨询语句信息之后，所述方法还包括：
确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
一种可能的实施方式中，当基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定出没有与所述当前咨询语句匹配的服务类型时，所述方法还包括：
基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
一种可能的实施方式中，在确定出没有与所述咨询语句信息匹配的服务类型时，所述方法还包括：
确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
向所述用户端发送携带有所述咨询要素的应答语句。
一种可能的实施方式中，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域，包括：
针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至与所述第i级服务领域匹配的第i+1级服务领域预测模型中，确定出第i+1级服务领域。
一种可能的实施方式中，所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
所述基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，包括：
针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至与所述第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
一种可能的实施方式中，根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
一种可能的实施方式中，根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
一种可能的实施方式中，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
第二方面，本申请实施例还提供一种语句应答装置，包括：
获取模块，用于获取用户端的咨询语句信息；
领域预测模块，用于基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域；
类型预测模块，用于基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型；
应答模块，用于将与所述服务类型匹配的应答语句发送给用户端。
一种可能的设计中，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
所述领域预测模块，具体用于将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的设计中，当所述领域预测模块确定出没有与所述当前咨询语句匹配的服务领域时，所述获取模块，还用于获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
所述领域预测模块，还用于提取所述k个历史咨询语句的第二特征信息；
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的设计中，在所述获取模块获取用户端的咨询语句信息之后，所述领域预测模块，还用于确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
一种可能的设计中，当所述领域预测模块基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定出没有与所述当前咨询语句匹配的服务类型时，所述类型预测模块，还用于基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
一种可能的设计中，在所述类型预测模块确定出没有与所述咨询语句信息匹配的服务类型时，所述类型预测模块，还用于确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
所述应答模块，还用于向所述用户端发送携带有所述咨询要素的应答语句。
一种可能的设计中，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
所述领域预测模块，还用于针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至与所述第i级服务领域匹配的第i+1级服务领域预测模型中，确定出第i+1级服务领域。
一种可能的设计中，所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
所述类型预测模块，还用于针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至与所述第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
一种可能的设计中，所述装置还包括：
第一模型训练模块，用于根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
一种可能的设计中，所述装置还包括：
第二模型训练模块，用于根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
一种可能的设计中，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面或上述第一方面任一种可能的实施方式中所述语句应答方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面或上述第一方面任一种可能的实施方式中所述语句应答方法的步骤。
本申请实施例提供的一种语句应答方法及装置，在获取用户端的咨询语句信息后，可以确定咨询语句信息匹配的服务领域，并确定与咨询语句信息匹配的服务类型，将与服务类型匹配的应答语句发送给用户端。通过自动识别服务领域与服务类型，并根据识别的服务领域与服务类型，匹配对应的应答语句，在满足用户实际咨询需求的基础上，能够提升语句应答的处理效率，也能够提高语句应答过程的自然度和流畅感，并且也可以简化语句应答系统的操作过程，提升用户体验。
使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例提供的一种可能的应用场景的示意图；
图2示出了本申请实施例提供的一种语句应答方法的流程示意图；
图3示出了本申请实施例提供的另一种语句应答方法的流程示意图；
图4示出了本申请实施例所提供的一种语句应答方法的架构图；
图5示出了本申请实施例所提供的一种语句应答装置的结构示意图；
图6示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
目前很多服务系统，例如网上购物平台、打车平台等，会配置对话功能，以便向用户提供问题咨询服务等，常见的对话系统分为几类：第一类、解决实际问题的面向任务的对话系统，例如通过对话引导用户订票；第二类、与用户闲聊的对话系统；第三类、基于知识图谱进行事实问题回答的对话系统；第四类、辅助人工客服回答用户常见问题的对话系统。
但是，现有的对话功能一般都是预先配置好服务领域以及服务类型等，常见的服务领域包括：医疗问答、电商导购、情感抚慰等。而在每个领域内部又有很多子类，例如一个医疗领域的对话系统就包括：基于知识图谱的疾病、药物的事实型问答；与用户多轮交互后给出疾病诊断、药物推荐的任务型问答；抚慰用户情绪的情感类闲聊问答；解决用户使用中遇到的问题的常见问题解答(Frequency Asked Questions，FAQ)。
现有的一个对话系统通常只覆盖单个服务领域单一服务类型或覆盖单个服务领域内多个服务类型的对话系统，当用户发起咨询服务时，向用户推送候选问题列表，其中，候选问题列表中包括服务系统负责的服务领域下与各个服务类型匹配的候选问题，需要通过用户选择，例如回复数字或选择菜单等方式，选择对话的服务领域或服务类型。这种方式使得对话系统无法与用户进行自然、流畅的对话，并且需要用户先知道自己的问题属于哪个服务领域和服务类型的。进一步地，在用户从候选问题列表中选择需要咨询的候选问题之后，可以针对用户选择的候选问题进行回答。
上述这种向用户推送固定的候选问题的方式，一方面可能无法满足用户的实际咨询需求，另一方面还需要用户来筛选需要咨询的问题，处理效率较低，且用户体验度较差。针对上述问题，本申请提供了一种语句应答方法及装置，在满足用户实际咨询需求的基础上，能够提升语句应答的处理效率，也能够提高语句应答过程的自然度和流畅感，并且也可以简化语句应答系统的操作过程，提升用户体验。
参照图1所示，为本申请实施例提供的一种可能的应用场景的示意图，包括业务服务器、以及用户使用的客户端1～n等。其中，业务服务器与用户使用的客户端之间可以建立通信连接，并基于通信连接来传输服务数据等。其中，用户既可以指服务提供方，也可以指服务请求方。例如，针对网上打车这一服务领域的咨询服务来说，服务提供方可以为司机，服务请求方可以为乘客，业务服务器可以与司机使用的客户端保持通信连接，进而可以获取每个客户端中记录的司机针网上打车这一服务领域的咨询服务请求，例如，可以通过客户端获取司机针对网上打车的咨询语句信息，如“附近有没有可分配的打车订单？”等。本申请实施例中，业务服务器通过分析处理来自客户端的咨询语句信息，可以确定每一个咨询语句信息的服务领域和服务类型，进而将与上述服务领域和服务类型匹配的应答语句发送给用户端。具体实施过程请参见以下实施例。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种语句应答方法进行详细介绍。
实施例一
图2示出的，为本申请实施例提供的一种语句应答方法的流程示意图，包括：
S201：获取用户端的咨询语句信息。
其中，上述咨询语句信息可以是通过用户端获取的文字信息。或者，也可以是上述咨询语句信息可以是通过用户端获取的语音信息。并且，咨询语句信息可以是自然语言信息，包括日常生活中使用的口头语言和/或书面语言。
在一种可能的实施方式中，上述咨询语句信息可以包括用户端本次发送的当前咨询语句。在另一种可能的实施方式中，上述咨询语句信息还可以包括用户端在发送当前咨询语句之前最近发送的k个历史咨询语句，k为正整数。
S202：基于咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域。
一种可能的实施方式中，当咨询语句信息中包括用户端本次发送的当前咨询语句时，业务服务器在基于咨询语句信息、以及预先训练的服务领域预测模型，确定咨询语句匹配的服务领域时，可以将当前咨询语句输入至服务领域预测模型中，提取当前咨询语句的第一特征信息，进一步通过对第一特征信息进行分类，确定与当前咨询语句匹配的服务领域。
示例性的，服务领域预测模型可以通过下述过程从当前咨询语句中提取当前咨询语句的第一特征信息：根据当前咨询语句中的每个字符得到多个字符向量，每个字符向量对应一个字符；将多个字符向量拼接为一个语句矩阵；获取标准单元矩阵；使用标准单元矩阵，提取当前咨询语句的第一特征信息。
上述标准单元矩阵的大小需要根据分析需求具体确定，一般的可以设定标准单元矩阵的行数等于字符向量的长度，标准单元矩阵的列数等于一个标准词语单元中包含的字符数。由于汉语中，一个标准词语单元中包含的字数通常为1-6个字，因此，一个标准单元矩阵的列数可以设置为1-6列。
使用上述标准单元矩阵，将上述语句矩阵分成若干个与上述标准单元矩阵大小相同的词语单元矩阵，依次对每个词语单元矩阵进行分析和分类，计算每个词语单元矩阵与若干个预设标签之间的相似度，在上述相似度大于预设相似度阈值的情况下，将对应的词语单元矩阵作为第一特征信息进行提取，并为对应的词语单元矩阵设置对应的预设标签。进一步地，根据上述预设标签，对上述第一特征信息进行分类，确定与当前咨询语句匹配的服务领域。
本申请实施例中，服务领域预测模型可以包括N级服务领域预测模型，N为正整数。这样，在基于咨询语句信息、以及预先训练的服务领域预测模型，确定咨询语句信息匹配的服务领域时，针对N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数。其中，第一预测过程包括：
将咨询语句信息输入至第i级服务领域预测模型中，确定出咨询语句信息匹配的第i级服务领域，然后将咨询语句信息输入至第i+1级服务领域预测模型中，确定出第i+1级服务领域。
其中，关于每一级服务领域预测模型的训练过程将在后文中详细说明，这里暂不介绍。
具体实施中，考虑到用户端获取的咨询语句信息为自然语言信息，使用自然语言有可能在不同服务领域中，提出相同的问题，例如，用户端获取的咨询语句信息为“权限怎么申请？”，在不同的领域，例如医疗问答、电商导购、网上打车等，都有可能涉及到用户权限的问题，都有可能获取到“权限怎么申请？”这样的咨询语句信息，这时候，仅仅凭当前的咨询语句信息提取的第一特征信息，无法确定与咨询语句匹配的服务领域。
针对上述问题，当根据当前咨询语句以及服务领域预测模型，确定出没有与当前咨询语句匹配的服务领域时，可以执行下述可能的实施方式：
获取用户端在发送当前咨询语句之前最近发送的k个历史咨询语句，k为正整数，并提取k个历史咨询语句的第二特征信息；进一步地，在基于咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域时，可以将第一特征信息和第二特征信息进行拼接，得到第三特征信息，然后再根据服务领域预测模型对第三特征信息进行分类，确定与当前咨询语句匹配的服务领域。
这里，由于在一般情况下，对话在一定的时间长度范围内，会维持一个话题。因此，在具体实施中，获取用户端在发送当前咨询语句之前最近发送的k个历史咨询语句，需要获取用户端在发送当前咨询语句之前预设时间长度范围内的k个历史咨询语句。
也正是由于在一般情况下，对话在一定的时间长度范围内，会维持一个话题。因此，本申请实施例在根据当前咨询语句信息提取的第一特征信息，无法判断与当前咨询语句信息匹配的服务领域的情况下，获取用户端在发送当前咨询语句之前最近发送的k个历史咨询语句，与当前咨询语句信息结合，共同判断与当前咨询语句信息匹配的服务领域，可以在获取的当前咨询语句信息具有歧义的情况下，有效地确定与当前咨询语句信息匹配的服务领域，更好地满足用户实际咨询需求，进一步提高语句应答过程的自然度和流畅感，进一步提升用户体验。
在具体实施中，由于在一般情况下，对话在一定的时间长度范围内，会维持一个话题。因此，在一次对话开始时，基于咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域，并记录此时的服务领域信息，作为历史服务领域。从而，在一次对话维持状态时间范围内，还可以执行如下实施方式：
在获取用户端的咨询语句信息之后，确定用户端上一次发送的历史咨询语句匹配的历史服务领域，然后，基于用户端本次发送的当前咨询语句、以及与历史服务领域匹配的服务类型预测模型，确定与当前咨询语句匹配的服务类型。由此可以无需在每次获取到用户端的当前咨询语句时，都要执行一次确定与咨询语句信息匹配的服务领域的过程。
或者，当服务领域模型包括N级服务领域预测模型时，在获取到用户端的当前咨询语句之后，还可以将直接将历史服务领域确定为与当前咨询语句匹配的第i级服务领域，并基于用户端本次发送的当前咨询语句、以及与历史服务领域匹配的第i+1级服务领域预测模型，确定与当前咨询语句匹配的第i+1级服务领域。
本申请实施例通过上述步骤，大大减少确定与咨询语句信息匹配的服务领域所需的时间，降低了由于确定与咨询语句信息匹配的服务领域所消耗的计算资源，使与服务领域和服务类型匹配的应答语句更快，减少了用户的等待时间，进一步提升了用户体验。
同时，为了防止在一次对话维持状态时间范围内，用户端获取当前咨询语句信息匹配的服务领域发生变化。当基于用户端本次发送的当前咨询语句、以及与历史服务领域匹配的服务类型预测模型，确定出没有与当前咨询语句匹配的服务类型时，还可以基于用户端本次发送的当前咨询语句、以及服务领域预测模型，重新确定与当前咨询语句匹配的服务领域。然后，再基于用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与当前咨询语句匹配的服务类型。
在具体实施中，在确定服务领域之后，基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定是否存在与咨询语句信息匹配的服务类型。如果确定不存在与咨询语句信息匹配的服务类型，应当返回服务领域预测阶段，基于所咨询语句信息、以及预先训练的服务领域预测模型，重新确定与咨询语句信息匹配的服务领域。
或者，在确定了第i级服务领域之后，将咨询语句信息输入至与第i级服务领域匹配的第i+1级服务领域预测模型中，确定是否存在与咨询语句信息匹配的第i+1级服务领域。如果确定不存在与咨询语句信息匹配的第i+1级服务领域，应当返回第i级服务领域阶段，基于咨询语句信息、以及预先训练的服务领域预测模型，重新确定与咨询语句信息匹配的第i级服务领域。
S203：基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型，并将与服务类型匹配的应答语句发送给用户端。
本申请实施例中，服务类型预测模型可以包括M级服务类型预测模型，M为正整数。这样，在基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型时，针对M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数。其中，第二预测过程包括：
将咨询语句信息输入至第j级服务类型预测模型中，确定出咨询语句信息匹配的第j级服务类型，进而将咨询语句信息输入至与第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
在一种可能的实施方式中，由于在一般情况下，对话在一定的时间长度范围内，会维持一个话题。因此，在一次对话开始时，基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型，并记录此时的服务类型信息，作为历史服务类型。从而，在一次对话维持状态时间范围内，当用户端获取当前咨询语句信息时，直接将历史服务类型确定为与当前咨询语句匹配的服务类型，并将与服务类型匹配的应答语句发送给用户端。无需在每次用户端获取当前咨询语句信息时，均基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型。
或者，当用户端获取当前咨询语句信息时，直接将历史服务类型确定为与当前咨询语句匹配的第j级服务类型，并基于用户端本次发送的当前咨询语句、以及与历史服务类型匹配的第j+1级服务类型预测模型，确定与当前咨询语句匹配的第j+1级服务类型。
本申请实施例通过上述步骤，可以大大减少确定与咨询语句信息匹配的服务类型所需的时间，降低了由于确定与咨询语句信息匹配的服务类型所消耗的计算资源，可以更快地确定与服务领域和服务类型匹配的应答语句，减少了用户的等待时间，进一步提升了用户体验。
同时，为了防止在一次对话维持状态时间范围内，用户端获取当前咨询语句信息匹配的服务类型发生变化。当确定出没有与服务类型匹配的应答语句时，还可以执行如下操作：
基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，重新确定与咨询语句信息匹配的服务类型，然后基于重新确定的服务类型，确定与重新确定的服务类型匹配的应答语句。
在具体实施中，在确定是否存在与服务类型匹配的应答语句时，如果确定不存在与服务类型匹配的应答语句，应当返回服务类型预测阶段，基于基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，重新确定与咨询语句信息匹配的服务类型。
或者，在确定了第j级服务类型之后，将咨询语句信息输入至第j+1级服务类型预测模型中，确定是否存在与咨询语句信息匹配的第j+1级服务类型。如果确定不存在与咨询语句信息匹配的第j+1级服务类型，应当返回第j级服务类型阶段，基于咨询语句信息、以及与服务类型匹配的第j+1级服务类型预测模型，重新确定与咨询语句信息匹配的第j+1级服务类型。
在一种可能的实施方式中，在确定出没有与咨询语句信息匹配的服务类型时，还可以确定咨询语句信息中缺少的用于预测咨询语句信息匹配的服务类型的咨询要素，并向用户端发送携带有咨询要素的应答语句。
这里，可以通过多次向用户端发送携带有咨询要素的应答语句，获取足够的用于预测咨询语句信息匹配的服务类型的咨询要素，从而更加精准地确定与咨询语句信息匹配的服务类型，为用户提供准确的、有参考价值的应答语句。
在多次向用户端发送携带有咨询要素的应答语句时，也可以设定预设停止次数，以防无止尽地向用户提出问题，影响用户体验，在向用户端发送携带有咨询要素的应答语句达到预设停止次数时，停止向用户端发送携带有咨询要素的应答语句，并基于当前已获取的咨询要素预测咨询语句信息匹配的服务类型，并将与服务类型匹配的应答语句发送给用户端。
实施例二
上述实施例一中介绍了语句应答方法的过程，其中涉及了服务领域预测模型和服务类型预测模型。在本实施例二中，主要对服务领域预测模型和服务类型预测模型的训练方式进行详细说明。
首先，可以根据以下方式对第i级服务领域预测模型进行训练：
获取咨询语句样本集合，咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整第i级服务领域预测模型的模型参数，并返回执行第一训练过程，直至确定计算的第一预测损失值小于或等于第一预设值；
当计算的第一预测损失值小于或等于第一预设值时，确定第i级服务领域预测模型训练完成。
具体实施中，考虑到用户端获取的咨询语句信息可能存在歧义，仅仅凭当前的咨询语句信息提取的第一特征信息，无法确定与咨询语句匹配的服务领域。针对上述问题，当根据当前咨询语句以及服务领域预测模型，确定出没有与当前咨询语句匹配的服务领域时，可以获取用户端在发送当前咨询语句之前最近发送的k个历史咨询语句。
在这种情况下，在对第i级服务领域预测模型进行训练的过程中，需要考虑记录的最近发送的k个历史咨询语句、以及最近发送的k个历史咨询语句分配到的服务领域，具体包括如下步骤：
获取当前咨询语句的样本集合，咨询语句样本集合中每个当前咨询语句样本均对应一个第i级服务领域标签；并，执行第一训练过程：
从咨询语句样本集合中选取预设数量的当前咨询语句样本输入到第i级服务领域预测模型中，输出每个当前咨询语句对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的最近发送的k个历史咨询语句、每个咨询语句样本对应的最近发送的k个历史咨询语句分配到的服务领域、每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整第i级服务领域预测模型的模型参数，并返回执行第一训练过程，直至确定计算的第一预测损失值小于或等于第一预设值；
当计算的第一预测损失值小于或等于第一预设值时，确定第i级服务领域预测模型训练完成。
上述对服务领域预测模型进行训练的步骤，可以在获取的当前咨询语句信息具有歧义的情况下，有效地确定与当前咨询语句信息匹配的服务领域，更好地满足用户实际咨询需求。
这里，本申请实施例方法还包括对服务类型预测模型的训练过程，并根据以下方式对第j级服务类型预测模型进行训练：
获取咨询语句样本集合，咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整第j级服务类型预测模型的模型参数，并返回执行第二训练过程，直至确定计算的第二预测损失值小于或等于第二预设值；
当计算的第二预测损失值小于或等于第二预设值时，确定第j级服务类型预测模型训练完成。
上述服务类型预测模型可以与服务领域预测模型使用不同的算法模型。另外，上述服务类型预测模型也可以与服务领域预测模型使用同一个算法模型，只是在对服务领域预测模型和服务类型预测模型进行训练时，使用不同的训练样本。对服务领域预测模型进行训练时，训练样本涵盖各种不同服务领域的咨询语句信息和每个咨询语句信息对应的服务领域预测结果。对服务类型预测模型进行训练时，训练样本为单一服务领域的咨询语句信息和每个咨询语句信息对应的服务类型预测结果。
实施例三
在本实施例三中，以包含1级服务领域预测模型和1级服务类型预测模型为例，对本申请实施例提供的语句应答方法进行示例性说明。其中，上述两个层级的预测模型架构图如图3所示，
将用户端获取的咨询语句信息输入第一层级的服务领域预测模型，并通过第一层级的对话状态记录，记录最近发送的k个历史咨询语句。
第一层级的服务领域预测模型，根据用户端获取的咨询语句信息，或者根据用户端获取的咨询语句信息与最近发送的k个历史咨询语句的结合，确定与咨询语句信息匹配的服务领域，并确定与咨询语句信息匹配的服务类型预测模型。将用户端获取的咨询语句信息输入第二层级的服务类型预测模型中，并且第二层级的对话状态记录，记录最近发送的k个历史咨询语句。
第二层级的服务类型预测模型，根据用户端获取的咨询语句信息，或者根据用户端获取的咨询语句信息与最近发送的k个历史咨询语句的结合，确定与咨询语句信息匹配的服务类型。并根据与咨询语句信息匹配的服务类型，确定与咨询语句信息匹配的应答语句，将与咨询语句信息匹配的应答语句发送给用户端。
结合上述图3所示的预测模型架构图，下面参照图4所示，本实施列二执行的语句应答方法，主要包括如下步骤：
S401：获取用户端的咨询语句信息。
S402：基于咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域。
这里，需要先判断当前获取的咨询语句信息是否为一次对话状态维持时间段内的第一句咨询语句信息。
在一种可能的实施方式中，在当前获取的咨询语句信息为一次对话状态维持时间段内的第一句咨询语句信息的情况下，基于咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域，并记录上述服务领域作为本次对话状态维持时间段内的历史服务领域。在当前获取的咨询语句信息不是一次对话状态维持时间段内的第一句咨询语句信息的情况下，直接根据记录的历史服务领域，确定为与当前咨询语句信息匹配的服务领域。
在一种可能的实施方式中，如果根据当前获取的咨询语句信息，以及预先训练的服务领域预测模型，无法准确地确定与咨询语句信息匹配的服务领域。就需要获取用户端在发送当前咨询语句之前预设时间长度范围内的k个历史咨询语句，也就是获取用户端在发送当前咨询语句之前一次对话状态维持时间段内的k个历史咨询语句，k为正整数，并提取k个历史咨询语句的第二特征信息。将第一特征信息和和第二特征信息进行拼接，得到第三特征信息；根据服务领域预测模型对第三特征信息进行分类，确定与当前咨询语句匹配的服务领域。
S403：根据与咨询语句信息匹配的服务领域，确定与服务领域匹配的服务类型预测模型。
具体地，需要将上述咨询语句信息发送给与服务领域匹配的服务类型预测模型。
S404：基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型。
在一种可能的实施方式中，需要先判断当前获取的咨询语句信息是否为一次对话状态维持时间段内的第一句咨询语句信息。
在当前获取的咨询语句信息为一次对话状态维持时间段内的第一句咨询语句信息的情况下，基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型，并记录上述服务领域作为本次对话状态维持时间段内的历史服务类型。在当前获取的咨询语句信息不是一次对话状态维持时间段内的第一句咨询语句信息的情况下，直接根据记录的历史服务类型，确定为与当前咨询语句信息匹配的服务类型。并根据历史服务类型，确定与历史服务类型匹配的应答语句。
在一种可能的实施方式中，如果基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定不存在与咨询语句信息匹配的服务类型；并且，咨询语句信息并没有经过预先训练的服务领域预测模型的计算，而是直接根据历史服务领域，确定了与历史服务领域匹配的服务类型预测模型。此时，应当基于咨询语句信息、以及预先训练的服务领域预测模型，重新确定与咨询语句信息匹配的服务领域。并基于咨询语句信息、以及与重新确定的服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型。
在一种可能的实施方式中，如果基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，无法准确地确定与咨询语句信息匹配的服务类型。就需要获取用户端在发送当前咨询语句之前预设时间长度范围内的k个历史咨询语句，也就是获取用户端在发送当前咨询语句之前一次对话状态维持时间段内的k个历史咨询语句，k为正整数，并提取k个历史咨询语句的第二特征信息。将第一特征信息和和第二特征信息进行拼接，得到第三特征信息；根据服务领域预测模型对第三特征信息进行分类，确定与当前咨询语句匹配的服务类型。
S405：基于与咨询语句信息匹配的服务类型，确定与服务类型匹配的应答语句，并将与服务类型匹配的应答语句发送给用户端。
在一种可能的实施方式中，如果确定基于与咨询语句信息匹配的服务类型，确定不存在与服务类型匹配的应答语句；并且，咨询语句信息并没有经过预先训练的服务类型预测模型的计算，而是直接根据历史服务类型，确定与历史服务类型匹配的应答语句。此时，需要基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，重新确定与咨询语句信息匹配的服务类型；基于重新确定的服务类型，确定与重新确定的服务类型匹配的应答语句。
这里，可以通过如下的实施方式，确定与服务类型匹配的应答语句。
在一种可能的实施方式中，可以根据咨询要素，生成与服务类型匹配的、并且与咨询语句信息对应的应答语句。并且在确定出没有与咨询语句信息匹配的服务类型时，可以确定咨询语句信息中缺少的用于预测咨询语句信息匹配的服务类型的咨询要素；向用户端发送携带有咨询要素的应答语句。
在获取足够的咨询要素后，可以生成与咨询语句信息对应的、准确的、有参考价值的应答语句。
在一示例中，比如用户端接收到“最近的加油站在哪？”的咨询语句信息，之后，基于上述咨询语句信息、以及预先训练的服务领域预测模型，确定与咨询语句信息匹配的服务领域为加油服务，之后，根据与咨询语句信息匹配的加油服务的服务领域，确定与服务领域匹配的服务类型预测模型，基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型为寻址服务。基于与咨询语句信息匹配的寻址服务的服务类型，确定与服务类型匹配的应答语句。这里，由于确定咨询语句信息中缺少的用于预测咨询语句信息匹配的服务类型的咨询要素，例如，用户是否对加油站所属的公司有偏好。可以根据需要获得的咨询要素，生成携带有咨询要素的应答语句，例如“是否要去有业务合作的加油站？”，从而获取足够的咨询要素。另外，在多次向用户端发送携带有咨询要素的应答语句时，也可以设定预设停止次数，达到预设停止次数后，停止向用户端发送携带有咨询要素的应答语句，并基于当前已获取的咨询要素预测咨询语句信息匹配的服务类型，并将与服务类型匹配的应答语句发送给用户端。
在另一种可能的实施方式中，当用户端获取的咨询语句信息为常见问题，可以在基于咨询语句信息、以及与服务领域匹配的服务类型预测模型，确定与咨询语句信息匹配的服务类型之后，根据用户端获取的咨询语句信息，从应答语句库中查找与上述咨询语句信息匹配的应答语句，并将与上述咨询语句信息匹配的应答语句发送给用户端。上述应答语句库中的应答语句可以用图的方式存储，也可以用数据库的方式存储。
在另一种可能的实施方式中，当用户端获取的咨询语句信息不是咨询某一问题的语句时，也可以生成与上述咨询语句信息匹配的目的为闲聊的应答语句，发送给用户端。
这里，本申请实施例二提供了两个层级的咨询语句应答方法的架构，当然的，本申请实施例提供的语句应答方法，并不限制服务领域和服务类型的层级数量，也并不限制语句应答方法针对的服务领域个数和服务类型个数。应用本申请实施例提供的语句应答方法，可以方便的构建任意层级、针对任意服务领域和服务类型的语句应答方法，并且每一个层级的服务领域预测模型和服务类型预测模型，可以使用相同的算法模型，也可以使用不同的算法模型，因此，本申请实施例具有良好的可扩展性。
基于相同的技术构思，本申请实施例还提供一种语句应答装置、电子设备、以及计算机存储介质等，具体可参见以下实施例。
实施例四
如图5所示，为本申请实施例提供的语句应答装置500的结构示意图，包括：
获取模块501，用于获取用户端的咨询语句信息；
领域预测模块502，用于基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域；
类型预测模块503，用于基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型；
应答模块504，用于将与所述服务类型匹配的应答语句发送给用户端。
一种可能的设计中，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
领域预测模块502，具体用于将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的设计中，当领域预测模块502确定出没有与所述当前咨询语句匹配的服务领域时，获取模块501，还用于获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
领域预测模块502，还用于提取所述k个历史咨询语句的第二特征信息；
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
一种可能的设计中，获取模块501在获取用户端的咨询语句信息之后，领域预测模块502，还用于确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型503，确定与所述当前咨询语句匹配的服务类型。
一种可能的设计中，当领域预测模块502基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定出没有与所述当前咨询语句匹配的服务类型时，类型预测模块503，还用于基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
一种可能的设计中，类型预测模块503在确定出没有与所述咨询语句信息匹配的服务类型时，类型预测模块503，还用于确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
应答模块504向所述用户端发送携带有所述咨询要素的应答语句。
一种可能的设计中，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
领域预测模块502，还用于针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至所述第i+1级服务领域预测模型502中，确定出第i+1级服务领域。
一种可能的设计中，所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
类型预测模块503，还用于针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至与所述第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
一种可能的设计中，所述装置还包括：
第一模型训练模块505，用于根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
一种可能的设计中，所述装置还包括：
第二模型训练模块506，用于根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
一种可能的设计中，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
本申请实施例提供的一种语句应答装置，在满足用户实际咨询需求的基础上，能够提升语句应答的处理效率，也能够提高语句应答过程的自然度和流畅感，并且也可以简化语句应答系统的操作过程，提升用户体验。
实施例五
基于相同的技术构思，本申请实施例还提供了一种电子设备600。参照图6所示，为本申请实施例提供的电子设备600的结构示意图，包括处理器601、存储器602、和总线603。其中，存储器602用于存储执行指令，包括内存621和外部存储器622；这里的内存621也称内存储器，用于暂时存放处理器601中的运算数据，以及与硬盘等外部存储器622交换的数据，处理器601通过内存621与外部存储器622进行数据交换，当电子设备500运行时，处理器601与存储器602之间通过总线603通信，使得处理器601在执行以下指令：
获取用户端的咨询语句信息；
基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句信息匹配的服务领域；
基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，并将与所述服务类型匹配的应答语句发送给用户端。
具体实施中，上述处理器601执行的处理中，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句匹配的服务领域，包括：
将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；
通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
具体实施中，上述处理器601执行的处理中，当确定出没有与所述当前咨询语句匹配的服务领域时，所述方法还包括：
获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
提取所述k个历史咨询语句的第二特征信息；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句匹配的服务领域，包括：
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
具体实施中，上述处理器601执行的处理中，在获取用户端的咨询语句信息之后，所述方法还包括：
确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模块，确定与所述当前咨询语句匹配的服务类型。
具体实施中，上述处理器601执行的处理中，当基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模块，确定出没有与所述当前咨询语句匹配的服务类型时，所述方法还包括：
基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
具体实施中，上述处理器601执行的处理中，在确定出没有与所述咨询语句信息匹配的服务类型时，所述方法还包括：
确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
向所述用户端发送携带有所述咨询要素的应答语句。
具体实施中，上述处理器601执行的处理中，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域，包括：
针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至与所述第i级服务领域匹配的第i+1级服务领域预测模型中，确定出第i+1级服务领域。
具体实施中，上述处理器601执行的处理中所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
所述基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，包括：
针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至所述第j+1级服务类型预测模块中，确定出第j+1级服务类型。
具体实施中，上述处理器601执行的处理中，根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
具体实施中，上述处理器601执行的处理中，根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
具体实施中，上述处理器601执行的处理中，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
本申请实施例中，上述处理器601的具体处理过程，可参见上述方法实施例的记载，在此不再赘述。
本申请提供的上述电子设备，可以在获取用户端的咨询语句信息后，确定所述咨询语句信息匹配的服务领域，并确定与所述咨询语句信息匹配的服务类型，将与服务类型匹配的应答语句发送给用户端。通过自动识别服务领域与服务类型，并在满足用户实际咨询需求的基础上，能够提升语句应答的处理效率，也能够提高语句应答过程的自然度和流畅感，并且也可以简化语句应答系统的操作过程，提升用户体验。
实施例六
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行语句应答方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述语句应答方法，从而解决现有方式中处理效率较低，且用户体验度较差的问题。
本申请实施例所提供的进行语句应答方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (24)
1.一种语句应答方法，其特征在于，包括：
获取用户端的咨询语句信息；
基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句信息匹配的服务领域；
基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，并将与所述服务类型匹配的应答语句发送给用户端。
2.如权利要求1所述的方法，其特征在于，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句匹配的服务领域，包括：
将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；
通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
3.如权利要求2所述的方法，其特征在于，当确定出没有与所述当前咨询语句匹配的服务领域时，所述方法还包括：
获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
提取所述k个历史咨询语句的第二特征信息；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定与所述咨询语句匹配的服务领域，包括：
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
4.如权利要求1所述的方法，其特征在于，在获取用户端的咨询语句信息之后，所述方法还包括：
确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
5.如权利要求4所述的方法，其特征在于，当基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定出没有与所述当前咨询语句匹配的服务类型时，所述方法还包括：
基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
6.如权利要求1至5任一所述的方法，其特征在于，在确定出没有与所述咨询语句信息匹配的服务类型时，所述方法还包括：
确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
向所述用户端发送携带有所述咨询要素的应答语句。
7.如权利要求1所述的方法，其特征在于，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
所述基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域，包括：
针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至与所述第i级服务领域匹配的第i+1级服务领域预测模型中，确定出第i+1级服务领域。
8.如权利要求1所述的方法，其特征在于，所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
所述基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型，包括：
针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至与所述第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
9.如权利要求7所述的方法，其特征在于，根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
10.如权利要求8所述的方法，其特征在于，根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
11.如权利要求1至5、7至10中任一所述的方法，其特征在于，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
12.一种语句应答装置，其特征在于，包括：
获取模块，用于获取用户端的咨询语句信息；
领域预测模块，用于基于所述咨询语句信息、以及预先训练的服务领域预测模型，确定所述咨询语句信息匹配的服务领域；
类型预测模块，用于基于所述咨询语句信息、以及与所述服务领域匹配的服务类型预测模型，确定与所述咨询语句信息匹配的服务类型；
应答模块，用于将与所述服务类型匹配的应答语句发送给用户端。
13.如权利要求12所述的装置，其特征在于，所述咨询语句信息包括所述用户端本次发送的当前咨询语句；
所述领域预测模块，具体用于将所述当前咨询语句输入至所述服务领域预测模型中，提取所述当前咨询语句的第一特征信息；通过对所述第一特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
14.如权利要求13所述的装置，其特征在于，当所述领域预测模块确定出没有与所述当前咨询语句匹配的服务领域时，所述获取模块，还用于获取所述用户端在发送所述当前咨询语句之前最近发送的k个历史咨询语句，k为正整数；
所述领域预测模块，还用于提取所述k个历史咨询语句的第二特征信息；
将所述第一特征信息和所述第二特征信息进行拼接，得到第三特征信息；
根据所述服务领域预测模型对所述第三特征信息进行分类，确定与所述当前咨询语句匹配的服务领域。
15.如权利要求12所述的装置，其特征在于，在所述获取模块获取用户端的咨询语句信息之后，所述领域预测模块，还用于确定所述用户端上一次发送的历史咨询语句匹配的历史服务领域；
基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
16.如权利要求15所述的装置，其特征在于，当所述领域预测模块基于所述用户端本次发送的当前咨询语句、以及与所述历史服务领域匹配的服务类型预测模型，确定出没有与所述当前咨询语句匹配的服务类型时，所述类型预测模块，还用于基于所述用户端本次发送的当前咨询语句、以及所述服务领域预测模型，重新确定与所述当前咨询语句匹配的服务领域；
基于所述用户端本次发送的当前咨询语句、以及重新确定的服务领域匹配的服务类型预测模型，确定与所述当前咨询语句匹配的服务类型。
17.如权利要求12至16任一所述的装置，其特征在于，在所述类型预测模块确定出没有与所述咨询语句信息匹配的服务类型时，所述类型预测模块，还用于确定所述咨询语句信息中缺少的用于预测所述咨询语句信息匹配的服务类型的咨询要素；
所述应答模块，还用于向所述用户端发送携带有所述咨询要素的应答语句。
18.如权利要求12所述的装置，其特征在于，所述服务领域预测模型包括N级服务领域预测模型，N为正整数；
所述领域预测模块，还用于针对所述N级服务领域预测模型中的第i级服务领域预测模型，依次执行第一预测过程，i取遍1至N-1中任意一个整数；
其中，所述第一预测过程包括：
将所述咨询语句信息输入至所述第i级服务领域预测模型中，确定出所述咨询语句信息匹配的第i级服务领域；
将所述咨询语句信息输入至与所述第i级服务领域匹配的第i+1级服务领域预测模型中，确定出第i+1级服务领域。
19.如权利要求12所述的装置，其特征在于，所述服务类型预测模型包括M级服务类型预测模型，M为正整数；
所述类型预测模块，还用于针对所述M级服务类型预测模型中的第j级服务类型预测模型，依次执行第二预测过程，j取遍1至M-1中任意一个整数；
其中，所述第二预测过程包括：
将所述咨询语句信息输入至所述第j级服务类型预测模型中，确定出所述咨询语句信息匹配的第j级服务类型；
将所述咨询语句信息输入至与所述第j级服务类型匹配的第j+1级服务类型预测模型中，确定出第j+1级服务类型。
20.如权利要求18所述的装置，其特征在于，所述装置还包括：
第一模型训练模块，用于根据以下方式对所述第i级服务领域预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第i级服务领域标签；并，执行第一训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务领域预测模型中，输出每个咨询语句样本对应的第i级服务领域预测结果；
根据每个咨询语句样本对应的第i级服务领域预测结果、以及每个咨询语句样本对应的第i级服务领域标签，确定本轮预测过程的第一预测损失值；
当计算的第一预测损失值大于第一预设值时，调整所述第i级服务领域预测模型的模型参数，并返回执行所述第一训练过程，直至确定计算的第一预测损失值小于或等于所述第一预设值；
当计算的第一预测损失值小于或等于所述第一预设值时，确定所述第i级服务领域预测模型训练完成。
21.如权利要求19所述的装置，其特征在于，所述装置还包括：
第二模型训练模块，用于根据以下方式对所述第j级服务类型预测模型进行训练：
获取咨询语句样本集合，所述咨询语句样本集合中每个咨询语句样本对应一个第j级服务类型标签；并，执行第二训练过程：
从所述咨询语句样本集合中选取预设数量的咨询语句样本输入到第i级服务类型预测模型中，输出每个咨询语句样本对应的第j级服务类型预测结果；
根据每个咨询语句样本对应的第j级服务类型预测结果、以及每个咨询语句样本对应的第j级服务类型标签，确定本轮预测过程的第二预测损失值；
当计算的第二预测损失值大于第二预设值时，调整所述第j级服务类型预测模型的模型参数，并返回执行所述第二训练过程，直至确定计算的第二预测损失值小于或等于所述第二预设值；
当计算的第二预测损失值小于或等于所述第二预设值时，确定所述第j级服务类型预测模型训练完成。
22.如权利要求12至16、18至21中任一所述的装置，其特征在于，所述服务类型包括服务场景类型、以及对话类型中的至少一种。
23.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至11任一所述的语句应答方法的步骤。
24.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至11任一所述的语句应答方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811521036.9A CN111309990B (zh) | 2018-12-12 | 2018-12-12 | 一种语句应答方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811521036.9A CN111309990B (zh) | 2018-12-12 | 2018-12-12 | 一种语句应答方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111309990A true CN111309990A (zh) | 2020-06-19 |
| CN111309990B CN111309990B (zh) | 2024-01-23 |
Family
ID=71149167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811521036.9A Active CN111309990B (zh) | 2018-12-12 | 2018-12-12 | 一种语句应答方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111309990B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | 中国移动通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
| CN105915987A (zh) * | 2016-04-15 | 2016-08-31 | 济南大学 | 一种面向智能电视的隐式交互方法 |
| CN106250369A (zh) * | 2016-07-28 | 2016-12-21 | 海信集团有限公司 | 语音交互方法、装置和终端 |
| CN106326984A (zh) * | 2016-08-09 | 2017-01-11 | 北京京东尚科信息技术有限公司 | 用户意图识别方法和装置、自动应答系统 |
| CN106407333A (zh) * | 2016-09-05 | 2017-02-15 | 北京百度网讯科技有限公司 | 基于人工智能的口语查询识别方法及装置 |
| CN106649694A (zh) * | 2016-12-19 | 2017-05-10 | 北京云知声信息技术有限公司 | 语音交互中确定用户意图的方法及装置 |
| CN107146610A (zh) * | 2017-04-10 | 2017-09-08 | 北京猎户星空科技有限公司 | 一种用户意图的确定方法及装置 |
| CN107256267A (zh) * | 2017-06-19 | 2017-10-17 | 北京百度网讯科技有限公司 | 查询方法和装置 |
| US20170316775A1 (en) * | 2016-04-27 | 2017-11-02 | Conduent Business Services, Llc | Dialog device with dialog support generated using a mixture of language models combined using a recurrent neural network |
| CN107491655A (zh) * | 2017-08-31 | 2017-12-19 | 康安健康管理咨询（常熟）有限公司 | 基于机器学习的肝脏疾病信息智能咨询方法及系统 |
| CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技（上海）有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
| KR20180108400A (ko) * | 2017-03-23 | 2018-10-04 | 삼성전자주식회사 | 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체 |
-
2018
- 2018-12-12 CN CN201811521036.9A patent/CN111309990B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | 中国移动通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
| CN105915987A (zh) * | 2016-04-15 | 2016-08-31 | 济南大学 | 一种面向智能电视的隐式交互方法 |
| US20170316775A1 (en) * | 2016-04-27 | 2017-11-02 | Conduent Business Services, Llc | Dialog device with dialog support generated using a mixture of language models combined using a recurrent neural network |
| CN106250369A (zh) * | 2016-07-28 | 2016-12-21 | 海信集团有限公司 | 语音交互方法、装置和终端 |
| CN106326984A (zh) * | 2016-08-09 | 2017-01-11 | 北京京东尚科信息技术有限公司 | 用户意图识别方法和装置、自动应答系统 |
| CN106407333A (zh) * | 2016-09-05 | 2017-02-15 | 北京百度网讯科技有限公司 | 基于人工智能的口语查询识别方法及装置 |
| CN106649694A (zh) * | 2016-12-19 | 2017-05-10 | 北京云知声信息技术有限公司 | 语音交互中确定用户意图的方法及装置 |
| KR20180108400A (ko) * | 2017-03-23 | 2018-10-04 | 삼성전자주식회사 | 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체 |
| CN107146610A (zh) * | 2017-04-10 | 2017-09-08 | 北京猎户星空科技有限公司 | 一种用户意图的确定方法及装置 |
| CN107256267A (zh) * | 2017-06-19 | 2017-10-17 | 北京百度网讯科技有限公司 | 查询方法和装置 |
| CN107491655A (zh) * | 2017-08-31 | 2017-12-19 | 康安健康管理咨询（常熟）有限公司 | 基于机器学习的肝脏疾病信息智能咨询方法及系统 |
| CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技（上海）有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 唐晓波;魏巍;: "基于文本与Web语义分析的智能咨询服务模式及体系架构研究", 情报科学, no. 11 * |
| 贾熹滨，李让，胡长建，陈军成: "智能对话系统研究综述", vol. 43, no. 43, pages 1344 - 1356 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111309990B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108897867B (zh) | 用于知识问答的数据处理方法、装置、服务器和介质 | |
| US10789552B2 (en) | Question answering system-based generation of distractors using machine learning | |
| US10776580B2 (en) | Method for providing dialogue service with chatbot assisted by human agents | |
| CN107357849B (zh) | 基于测试类应用的交互方法和装置 | |
| US11757807B2 (en) | Interactive chatbot for multi-way communication | |
| CN112185358A (zh) | 意图识别方法、模型的训练方法及其装置、设备、介质 | |
| CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和系统 | |
| CN110399473B (zh) | 为用户问题确定答案的方法和装置 | |
| CN112559865A (zh) | 信息处理系统、计算机可读存储介质及电子设备 | |
| CN114969352B (zh) | 文本处理方法、系统、存储介质及电子设备 | |
| CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
| CN114783421A (zh) | 智能推荐方法和装置、设备、介质 | |
| WO2022018676A1 (en) | Natural language enrichment using action explanations | |
| CN116955573B (zh) | 问题搜索方法、装置、设备及存储介质 | |
| WO2020042164A1 (en) | Artificial intelligence systems and methods based on hierarchical clustering | |
| CN111414732A (zh) | 文本风格转换方法、装置、电子设备及存储介质 | |
| CN117216229A (zh) | 一种生成客服答案的方法及装置 | |
| CN111309990A (zh) | 一种语句应答方法及装置 | |
| CN110929519B (zh) | 实体属性抽取方法及装置 | |
| CN116701604A (zh) | 问答语料库的构建方法和装置、问答方法、设备及介质 | |
| CN112148939A (zh) | 数据处理方法、装置及电子设备 | |
| CN116186771A (zh) | 应用于人工智能生成内容的文本处理方法、装置及介质 | |
| CN111881270B (zh) | 一种智能对话方法和系统 | |
| CN109683727A (zh) | 一种数据处理方法及装置 | |
| CN113111157B (zh) | 问答处理方法、装置、计算机设备和存储介质 |
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 |