CN111324713B - 对话自动回复方法、装置、存储介质和计算机设备 - Google Patents

Abstract

本申请涉及一种对话自动回复方法、装置、存储介质和计算机设备，所述方法包括：获取输入的对话内容，提取所述对话内容中的关键词信息；根据所述关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，所述预设语料库集合中包含多个不同语种对应的语料库；当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容；反馈所述输出对话内容。通过上述方法，首先对于输入的对话内容确定语种，在对应语种的语料库中获取合适的回复内容输出，可以应对多种语种的输入的对话内容给出合理准确的回复，适应更多场景。

Description

对话自动回复方法、装置、存储介质和计算机设备

技术领域

本申请涉及计算机技术领域，特别是涉及一种对话自动回复方法、装置、计算机可读存储介质和计算机设备。

背景技术

随着计算机技术的发展，各种应用程序被开发出来，很多应用程序是为用户提供服务的，需要设置客服来为用户解答疑问和处理相关问题等，随着用户数量的增长，采用人工来处理用户提出的问题的方式需要巨大的人力物力，因此出现了机器人智能回复的方法，对于一些常见的问题可以采用机器人自动回复。

然而，现有的机器人自动回复方法中，机器人能够识别并给出回复的问题类型单一，但是用户输入的对话内容的类型可能是多样化的，很多情况下机器人无法对咨询内容的类型进行识别，从而也无法自动给出合理且准确的回复。

发明内容

基于此，有必要针对现有的自动回复可以识别并回复的问题类型单一的技术问题，提供一种对话自动回复方法、装置、存储介质和计算机设备。

一种对话自动回复方法，所述方法包括：

获取输入的对话内容，提取所述对话内容中的关键词信息；

根据所述关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，所述预设语料库集合包括多个不同语种对应的语料库；

当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容；

反馈所述输出对话内容。

一种对话自动回复装置，所述装置包括：

关键词提取模块，用于获取输入的对话内容，提取所述对话内容中的关键词信息；

语种匹配模块，用于根据所述关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，所述预设语料库集合包括多个不同语种对应的语料库；

输出对话内容确定模块，用于当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容；

对话输出模块，用于将所述输出对话内容返回至发送所述对话内容的设备。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述对话自动回复方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述对话自动回复方法的步骤。

上述对话自动回复方法、装置、存储介质和计算机设备，对输入的对话内容提取关键词信息，基于关键词信息从包含多个不同语种对应的语料库的语料库集合中进行语种匹配，当根据语种匹配结果确定出输入的对话内容的目标语种时，从目标语种对应的语料库中获取匹配的输出对话内容进行反馈；通过上述方法，对于输入的对话内容确定语种，在对应语种的语料库中查找合适的回复内容输出，可以应对多种语种的输入的对话内容给出合理准确的回复，适应更多场景。

附图说明

图1为一个实施例中对话自动回复方法的应用环境图；

图2为一个实施例中对话自动回复方法的流程示意图；

图3为另一个实施例中对话自动回复方法的流程示意图；

图4为另一个实施例中对话自动回复方法的流程示意图；

图5为一个具体实施例输出对话内容的类型包括多种类型的示意图；

图6为一个实施例中当根据语种匹配结果确定输入的对话内容对应的目标语种时，从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容的流程示意图；

图7为一个实施例中从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容的流程示意图；

图8为一个具体实施例中对话自动回复方法的流程示意图；

图9为另一个实施例中对话自动回复方法的时序图；

图10为一个实施例中对话自动回复装置的结构框图；

图11为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中对话自动回复方法的应用环境图。请参照图1，该对话自动回复方法应用于对话自动回复系统。在一些实施例中，该对话自动回复系统包括终端102和服务器104。终端102和服务器104通过网络连接。服务器104获取用户通过终端102输入的对话内容，提取对话内容中的关键词信息，基于关键词信息从多个语种的预设语料库中进行语种匹配，当根据语种匹配结果确定出输入的对话内容的目标语种时，从目标语种对应的语料库中获取匹配的输出对话内容反馈给终端102。终端102具体可以是台式终端或移动终端，移动终端具体可以是手机、平板电脑、笔记本电脑等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在另一些实施例中，上述对话自动回复方系统仅包括终端，终端获取用户输入的对话内容，提取对话内容中的关键词信息，基于关键词信息从多个语种的预设语料库中进行语种匹配，当根据语种匹配结果确定出输入的对话内容的目标语种时，从目标语种对应的语料库中获取匹配的输出对话内容反馈给用户。

用户在使用应用程序的过程中可能碰到很多问题，需要咨询应用程序的官方以得到回复，因此应用程序大多会设置客服中心，为用户解答疑问；有很多情况下用户提出的咨询问题的目的是相同的，这种情况下可以由计算机识别出用户真实想要咨询的问题，并给出准确合理的答复；然而由于用户数量的巨大，也会存在很多情况下用户输入的咨询问题表达方式、咨询采用的方式不相同，如不同语种、不同问话方式等，在这种情况下计算机很有可能无法识别用户输入的咨询问题，无法准确的理解用户真正想要咨询的内容，因此也无法给出合理且准确的回复。

因此，本申请提供了一种对话自动回复方法，如图2所示，在本实施例中主要以该方法应用于上述图1中的服务器104来举例说明。参照图2，该对话自动回复方法具体包括步骤S210至步骤S240。

步骤S210，获取输入的对话内容，提取对话内容中的关键词信息。

其中，输入的对话内容是指用户发送的期望得到回复的内容，例如在应用程序的客服咨询场景中，输入的对话内容为用户输入的咨询问题；在一个实施例中，对话内容可能包括不同语种的语言，也可能是不同类型的对话内容，如文字类型、图片类型、语音类型或者视频类型等等。

提取对话内容中的关键词信息是为了准确理解对话内容的真实目的和意思，进而为输入的对话内容确定合理准确的回复进行输出；可以理解地，关键词信息是可以表示对话内容的意思的关键信息，可以是从对话内容中提取的关键词；在一个实施例中，输入的对话内容为非文字类型时，上述方法还包括：将非文字类型的对话内容转换为文字类型的对话内容；从文字类型的对话内容中提取关键词信息；其中，将非文字类型的对话内容转换为文字类型的对话内容包括通过对非文字类型的对话内容进行语义解析，根据语义解析的结果将非文字类型转换为文字类型的对话内容，如将图片类型、视频类型的对话内容中的信息进行语义解析，将其转换成文字类型的对话内容；也可以通过提取非文字类型的对话内容中的文字获得文字类型的对话内容，如将语音类型的对话内容转换为文字类型的对话内容。

在一个实施例中，关键词信息包括对话内容中的多个关键词以及各关键词的顺序；其中，若对话内容为文字类型，从文字类型的对话内容提取关键词具体是对对话内容进行分割后提取的关键词，对于每一关键词均携带有其在对话内容中的顺序标识，进一步地，根据该顺序标识可以获得各关键词在该对话内容中的顺序。

在另一个实施例中，关键词信息也可以是从对话内容中提取的关键图形信息、图片信息等等关键词信息；例如对话内容为图片信息时，可以通过从图片信息中提取关键的图片信息作为关键词信息等；进一步地，可以通过训练提取关键词信息的模型来实现从对话内容中提取关键词信息。

在一个实施例中，提取对话内容中的关键词信息包括：当对话内容的类型为非文字时，将对话内容转换为文字对话内容，从文字对话内容中提取关键词信息；例如对话内容为语音类型时，将语音类型的对话内容的类型转换为文字类型对话内容，然后从中提取关键词信息；再如对话内容为图片类型，通过识别图片中的文字、重点信息等，如果能够从图片中识别出文字，可以将图片类型对话内容识别出的文字确定为文字对话内容，再从中提取关键词信息；或者也可以直接将图片中识别出的文字内容作为关键词信息。其中，转换对话内容的类型可以通过任意一种方式实现；例如可以通过speech to text(声转文)、speech_recognition(语音识别)等方式实现将语音类型的对话内容转换为文字类型的对话内容；对于图片类型的对话内容，可以通过如OCR(Optical Character Recognition，光学字符识别)等方式识别其中的文字。

在一个实施例中，提取输入的对话内容中的关键词信息包括：对对话内容依次进行分割，获得多个关键词和各关键词的顺序标识；根据各关键词的顺序标识获得各关键词的顺序，其中，关键词信息包括各关键词和各关键词的顺序。

本实施例中，顺序标识可以表示该关键词在对话内容中的位置，获得该对话内容中各关键词所对应的顺序标识之后，可以根据顺序标识确定各关键词之间的顺序；其中，对对话内容进行分割可以通过任意一种方式实现。进一步地，在本实施例中根据关键词信息在预设语料库中进行语种匹配时，可以通过查找预设语料库中是否存在各关键词，同时在预设语料库中常用的语句中的顺序与对话内容中各关键词的顺序进行匹配，通过以上两点的匹配确定语种匹配结果。

步骤S220，根据关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，其中，预设语料库集合包括多个不同语种对应的语料库。

在研究了世界上一些主要语言以后，语言学家也象生物学家那样，把世界上的语言按相似程度分为语系语族语支和语种，例如中文、英文、德语、日语、和韩语等等均为一种语种。在本实施例中，预先对于多种语种设置了对应的语料库，记为预设语料库，每一语料库对应一种类型的语种；在一个实施例中，可以根据应用程序面向的主要客户群体确定预设语料库集合中包含的语料库的语种。

本实施例中的语种匹配是指根据从输入的对话内容中提取的关键词信息在预设语料库中进行匹配，以确定关键词信息对应的语种，也就是输入的对话内容对应的语种；在一个实施例中，关键词信息为文字信息，根据关键词信息与预设语料库集合进行语种匹配可以通过在预设语料库中查找是否存在关键词信息，如果能在预设语料库中查找到对应的信息，可以确定关键词信息即为该预设语料库对应的语种；进一步地，在另一个实施例中，由于多种语种之间有部分语种可能是比较相近的，其各自对应的语料库中可能包含相同的关键词，即当在多个语料库中均匹配到关键词信息时，还需进一步从关键词信息的其他方面确定关键词信息的语种。

进一步地，在一个实施例中，根据关键词信息在预设语料库集合中进行语种匹配包括：根据关键词信息中的多个关键词以及多个关键词的顺序在多个预设语料库中进行匹配；针对一个预设语料库中可能存储了同种类型的语种中的用语，例如可能包括对于应用程序提出咨询问题的常用语句、词语等等，对于常用语句而言，中间包括多个词语，且各词语之间存在唯一的顺序关系，因此根据预设语料库中的语句以及关键词信息中的多个关键词的顺序可以进行匹配；对于一个词语而言，可能在多种语种中均存在该词语，但是大多数情况下不同语种中对于同一词语的使用习惯(语法)、表示的意义是不相同的，因此关键词的顺序信息可以作为语种匹配的一个参考信息之一。

在一个实施例中，语种匹配结果包括是否在预设语料库中匹配到关键词信息，以及当预设语料库中匹配到关键词信息时的匹配程度。

步骤S230，当根据语种匹配结果确定对话内容对应的目标语种时，根据预设语料库集合，从目标语种对应的语料库中获取与对话内容匹配的输出对话内容。

在提取出关键词信息之后，利用该关键词信息在预设语料库中进行语种匹配获得语种匹配结果，进一步可以根据该语种匹配结果确定关键词信息对应的语种；如果根据语种匹配结果成功确定关键词信息的语种，也即确定了输入的对话内容的语种，记为目标语种；在目标语种对应的语料库中确定对话内容的输出对话内容。在一个具体实施例中，输入的对话内容为一个屏幕截图，识别到该截图中包含的文字作为关键词信息在预设语料库中进行匹配，确定关键词信息多为德语，则可以确定目标语种为德语。

其中，从目标语种对应的语料库中确定对话内容匹配的输出对话内容可以根据任意一种方法实现，例如可以通过机器学习的方法从对应的预设语料库中匹配输出对话内容，也可以通过映射的方式匹配输出对话内容，等等。

在另一个实施例中，根据语种匹配结果也可能在预设语料库中无法确定关键词信息的语种，即根据语种匹配结果无法确定对话内容对应的目标语种，可能是关键词信息的语种与预设语料库的语种未能匹配成功，也可能是根据关键词信息能在预设语料库中匹配到但无法确定准确对应的目标语种。

进一步地，在一个实施例中，如果根据关键词信息在预设语料库中进行语种匹配时，获得的语种匹配结果显示在多个预设语料库中均匹配到关键词信息时，但无法确定关键词信息与哪一预设语料库对应，那么，上述方法还包括：当根据语种匹配结果无法确定输入的对话内容对应的目标语种时，根据输入的对话内容生成提示信息，将提示信息发送至人工客服；并获取人工客服反馈的语种结果，根据人工客服反馈的语种结果对应的语料库中输出对话内容。

在另一个实施例中，如图3所示，如果根据关键词信息在预设语料库中进行语种匹配时，获得的语种匹配结果显示在所有已有的预设语料库中均未能匹配到关键词信息时，可能表示关键词信息的语种在服务器中未设置对应的语料库，在本实施例中，上述方法还包括步骤S310：当根据语种匹配结果无法确定输入的对话内容对应的目标语种时，获取预设的默认回复内容；步骤S320，反馈默认回复内容。

针对关键词信息在预设语料库中无法成功匹配的情况，可以预设默认回复内容，在语种匹配未成功时，反馈该默认回复内容，用户看到默认回复内容时可以对输入的对话内容进行调整，如调整对话内容的语种，或者选择人工客服继续提供服务等等；进一步地，在另一个实施例中，当根据语种匹配结果无法确定输入的对话内容对应的目标语种时，上述方法还包括：根据输入的对话内容生成提示信息，将提示信息发送至人工客服；并获取人工客服反馈的目标语种结果，以及人工客服根据对话内容确定的回复内容，反馈人工客服确定的回复内容；本实施例中，当根据关键词信息在预设语料库中的语种匹配结果无法确定目标语种时，也无法进入为输入的对话内容匹配输出对话内容的步骤，因此通过人工客服进行干预，确定目标语种和/或输出对话内容，或者反馈默认输出对话内容的方式，保证用户输入的所有对话内容均得到响应和回复。进一步地，对于输入的对话内容以及人工客服确定的目标语种结果可以对预设语料库的语种匹配的逻辑、权重等进行调整。

在另一个实施例中，也可以通过其他方式从预设语料库中确定对话内容匹配的输出对话内容，例如通过线性分析的方式从预设语料库中确定输入的对话内容的输出对话内容；在一个具体实施例中，可以利用scipy(科学计算函数库)、numpy(N维数组容器，矩阵)和pandas(表格容器)的算法从预设语料库中确定匹配的输出对话内容；在其它实施例中，也可以通过其它具体方式实现确定匹配的输出对话内容。

步骤S240，反馈输出对话内容。

反馈输出对话内容可以是将确定的输出对话内容向输入的对话内容的设备进行反馈，也可以是确定的输出对话内容反馈给用户查看。

上述对话自动回复方法，对输入的对话内容提取关键词信息，基于关键词信息从多个语种的预设语料库中进行语种匹配，当根据语种匹配结果确定出输入的对话内容的目标语种时，从目标语种对应的语料库中获取匹配的输出对话内容进行反馈；通过上述方法，对于输入的对话内容确定语种，在对应语种的预设语料库中查找合适的回复内容输出，可以应对多种语种的输入的对话内容给出合理准确的回复，适应更多场景。

在一个实施例中，可以将上述对话自动回复方法与区块链技术结合，例如具体可以将多种语种的预设语料库设置在区块链节点中，即将预设的各语种的语料存储在区块链节点中。

其中，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。利用区块链节点存储预设语料库中的语料，可以实现数据共享的效果，以及区块链节点中的预设数据中存储的语料库防止被篡改。

在一个实施例中，如图4所示，在获取输入的对话内容之后，还包括步骤S410：确定对话内容的对话内容类型；其中，对话内容的类型包括文字类型、图片类型、语音类型、视频类型等等。

进一步地，请继续参照图4，在本实施例中，反馈输出对话内容包括步骤S420和步骤S430。

步骤S420，若输出对话内容的类型与输入的对话内容类型不同，则将输出对话内容的类型转换为输入的对话内容类型，获得转换后输出对话内容。步骤S430，反馈转换后输出对话内容。

根据对话内容确定的匹配的输出对话内容可能与输入的对话内容属于不同类型，此时将输出对话内容转换成为与输入的对话内容相同类型的内容，即转换后输出对话内容。其中，将输出对话内容的类型转换为输入的对话内容类型可以通过任意一种方式实现。有时候也会输入的对话内容类型表示了用户使用这一类型比较方便，对于输出对话内容也采用相同的类型进行反馈，可以提升用户的使用体验；例如用户当前输入的对话内容为语音类型，可能表示用户当前使用语音的方式更合适，或者说使用其他类型不合适，如用户视力较差希望通过语音的方式获得对话内容的回复，计算机在确定匹配的输出对话内容之后，如果输出对话内容是非语音类型的，则先将输出对话内容转换为语音类型获得转换后对话内容；以输出对话内容为文字类型为例，将文字类型的输出对话内容以语音的形式表示即获得转换后对话内容。

在另一个实施例中，对于某些包含预设关键词的对话内容，获取预设语料库中匹配的输出对话内容也可以包括多种类型的，例如对于包含“注册”关键词的对话内容，由于注册的过程用文字描述不够直观，因此对于该关键词在预设语料库中获取的输出对话内容可以同时包括文字类型的输出对话内容和视频文字类型或者图片(截图)类型的输出对话内容，如图5所示为一个具体实施例输出对话内容的类型包括多种类型的示意图，可以理解地图中所示左边部分为输入的对话内容，图中所示右边部分为计算机自动回复的输出对话内容。

在一个实施例中，如图6所示，当根据语种匹配结果确定输入的对话内容对应的目标语种时，从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容包括步骤S610至步骤S630。

步骤S610，根据各语种匹配结果确定关键词信息与预设语料库集合中各语料库的匹配评分。

各语种匹配结果是指的关键词信息在各预设语料库中进行语种匹配的匹配结果，分别根据各语种匹配结果确定关键词信息与各预设语料库的匹配评分，用于表征关键词信息与各预设语料库的评分；在一个实施例中，各语种匹配结果包括是否在预设语料库中查找到关键词信息，以及匹配程度等信息，在本实施例中，根据各语种匹配结果确定关键词信息与各预设语料库的匹配评分包括：根据语种匹配结果，以及各预设语料库对应设置的权重，确定关键词信息与各预设语料库的匹配评分；其中，各预设语料库的权重可以根据实际需求进行设置。

步骤S620，当存在大于预设阈值的匹配评分时，确定评分最高的匹配评分对应的语料库的语种，获得目标语种。

对于关键词与各预设语料库的匹配评分设置了阈值，记为预设阈值；当匹配评分大于预设阈值时，表示关键词信息在该预设语料库中匹配度较高，其中匹配评分最高的自然是匹配度最高，将匹配评分最高的预设语料库对应的语种确定为本实施例中的预设语种。

步骤S630，从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容。

在另一个实施例中，当所有匹配评分均小于预设阈值时，表示根据语种匹配结果无法确定目标语种，此时可以获取默认回复对话内容进行反馈；进一步地，在一个实施例中，当所有匹配评分均小于预设阈值时，上述方法还包括：将输入的对话内容发送至人工客服，获取人工客服对该对话内容的语种分类结果，若人工对该对话内容的语种分类结果与已有的某一个预设语料库的语种匹配，将该语种确定为目标语种，进入从目标语种对应的语料库中获取匹配的输出对话内容的步骤；进一步地，在一个实施例中，将对话内容存储至数据库；每隔预设时间获取数据中的最新对话内容作为样本训练用于语种匹配模型。

上述实施例中，根据关键词信息在各语种对应的语料库中进行语种匹配之后获得的各语种匹配结果确定匹配评分，如今而根据匹配评分确定关键词信息的语种，用户可以选择根据自定义的根据语种匹配结果计算评分的方法匹配评分，进而根据匹配评分确定目标语种，由此可以提高确定输入的对话内容的目标语种的准确性。

在一个实施例中，从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容包括：基于训练确定的答复匹配模型从目标语种对应的语料库中获取输出对话内容。其中，答复匹配模型可以通过机器学习的方式训练得到，在一个具体实施例中，获取历史对话数据作为样本进行训练，以获得答复匹配模型；进一步地，对于答复匹配模型可以设置定时更新，每隔预设时间段获取最近一段时间的历史对话数据更新答复匹配模型；机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。通过机器学习利用样本训练确定答复匹配模型，通过答复匹配模型实现为输入的对话内容进行匹配的过程，基于机器学习理论，维护、更新智能对话客服训练模型，该模型使得自动回复话术具有更高的精准度。

在一个实施例中，如图7所示，从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容包括步骤S710至步骤S730。

步骤S710，根据输入的对话内容与目标语种对应的语料库中的语料进行答复匹配，获得答复匹配结果。

预设语料库中包含了大量的语料，例如可以是语句、词语等等；在确定输入的对话内容的目标语种之后，则在目标语种所对应的语料库中查找输出对话内容；在一个实施例中，可以根据预先设定的输入的对话内容和输出对话内容的映射关系进行答复匹配，在另一个实施例中，也可以由预先训练的答复匹配模型来完成在预设语料库中进行答复匹配的过程；在其它实施例中，还可以采用其它方式进行答复匹配。

答复匹配是指在预设语料库中查找针对输入的对话内容进行答复的内容的过程；在一个实施例中，预设语料库中存储了大量的语句，可以是与解答疑惑相关的一些语句，其中存储的语句与一些问题存在映射的关系，例如答复匹配通过一定的算法将输入的对话内容与预设语料库中的各语句进行匹配计算，根据计算结果可以获取到预设语料库中与输入的对话内容相关的语料，获得答复匹配结果，进而根据答复匹配结果确定输出对话内容；答复匹配结果即为从预设语料库中查找到的可能的结果，也就是针对输入的对话内容而言，较为合理的结果。

步骤S720，根据答复匹配结果确定答复匹配评分。

其中，根据答复匹配结果确定答复匹配评分可以是根据统计历史对话数据中的输出对话内容与输入的对话内容的规律来确定的，答复匹配评分的分值越高，对应的答复匹配结果越合理(相较于输入的对话内容而言)；其中历史对话数据包括历史上发生过的对话的内容，在一个实施例中，对于发生的对话内容进行存储和分析，获得历史对话数据，可以将经常发生的对话内容赋予较高的权重，而对于不太常发生的对话赋予较低的权重(可以根据需求设置)；当获取到新输入的对话内容时，在预设语料库中进行匹配获得答复匹配结果时，根据答复匹配结果对应的权重确定答复匹配评分。

步骤S730，确定答复匹配评分最高的语料，获得输出对话内容。

答复匹配结果可能仅包括一个匹配结果，也可能包括多个匹配结果；当答复匹配结果包括多个时，对于匹配结果中的每一个匹配到的结果均对应一个匹配评分，评分越高对应的匹配结果与输入的对话内容越匹配，因此在本实施例中在获取答复匹配评分最高的预料确定为输出对话内容。

在另一个实施例中，当在目标语种对应的语料库中进行答复匹配获得答复匹配结果为没有与输入的对话内容匹配的结果时，获取默认回复内容，反馈默认反馈内容。如果在预设语料库中无法匹配到语料作为输出的结果时，则向用户反馈默认的回复内容，或者由人工客服干预进行回复，获取人工客服输入或选择的输出对话内容进行反馈。

上述实施例中的对话自动回复方法，用户输入的对话内容所使用的语种为目标语种，在目标语种对应的语料库中获取匹配的输出对话内容，可以保证输出对话内容与输入的对话内容是同一语种的；同时通过在目标语种对应的语料库中进行答复匹配，然后从答复匹配结果中选择答复匹配评分最高的语料确定为输出对话内容，可以提高回复的合理性和精准性。

在一个具体实施例中，如图8所示为本实施例中对话自动回复方法的流程示意图，其中：判定系统表示用于确定目标语种，语言、语料和方式分别表示上述语种、匹配的输出对话内容和输出对话内容的类型。

用户在窗口真实输入讯息，形式不限于文本、语音、视频等；

咨询窗口将获取到输入的对话内容传至http接口；首先，对对话内容进行关键词提取，获得关键词信息，接口通过调用判定系统对关键词信息确定目标语种，进而在目标语种对应的语料库中获取最佳的输出对话内容；其中，接口确定输出对话内容需要考虑的信息包括语言类型(语种)、语义、对话类型(文字/语音/图片/视频等)；然后将获取的输出对话内容传至咨询窗口，并返回给用户。

进一步地，http接口在调用判定系统同时，将获取的对话内容上传至数据库存储，同时统计对话内容以及对话内容中提取的关键词信息；对关键词信息进行统计主要用于：1、要判定语音、视频模块转义是否准确；2、要判定关键词提取是否准确有效；3、历史的对话内容中关键词提取是否准确有效这一信息，可以作为训练系统选取新关键词的依据；4、过滤信息，如果有反国家反社会的语料需要进行过滤并标记。

更进一步地，获取的对话内容将作为样本进行存储，用于定期更新模型，其中可能包括用于语种匹配的模型、用于答复匹配的模型；并且对话内容可以补充至对应语种的预设语料库，以不断丰富预设语料库中包含的数据。

如图9所示为另一个具体实施例中对话自动回复方法的时序图，包括以下步骤：

获取输入的对话内容，可以是文字、语音、视频等。

对对话内容进行解析、切割并提取关键词，提取到的关键词会和本地预设语料库集合进行语种匹配，当匹配算法算出的语种匹配评分超过预设阈值时，认为输入的对话内容与该预设语料库匹配，这一预设语料库的语种确定为目标语种，从该预设语料库(与目标语种对应)中获取与输入的对话内容匹配的语料确定为输出对话内容，并将输出对话内容转换为与输入的对话内容相同类型的转换后输出对话内容，反馈给用户。

进一步地，在进行语种匹配时，当语种匹配评分均未超过预设阈值，或者在预设语料库中没有获取到匹配的输出对话内容时，可以获取人工客服确定的目标语种或者输出对话内容；更进一步地，对于无法自动匹配确定目标语种或者无法自动获取到匹配的输出对话内容的输入的对话内容赋予预设权重返回给对应的深度学习模型(语种匹配的模型或者答复匹配模型)进行训练，定时向深度学习模型接口请求获取最新的关键词语料资源。

此外，对于获取的输入的对话内容可以存储至预设的数据库中，并对关键词进行统计，出现频率越高的关键词可以根据实际情况调高相对应的权重反馈至对应的深度学习模型进行训练，使模型的训练结果更符合用户的真实情况。

上述实施例中的对话自动回复方法，基于真实的输入的对话内容不断训练智能回复客服模型，提高回复准确率；支持多语言的自动回复与训练；并根据输入的对话内容的类型确定输出对话内容的类型；在提升用户/客户服务质量，降低人力成本等方面有着巨大的实用潜力和潜在经济价值。

图2为一个实施例中对话自动回复方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，本申请还提供一种对话自动回复装置，如图10所示，该装置包括：关键词提取模块1010、语种匹配模块1020、输出对话内容确定模块1030以及对话输出模块1040；其中：

关键词提取模块1010，用于获取输入的对话内容，提取对话内容中的关键词信息。

语种匹配模块1020，用于根据关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，其中，预设语料库集合包括多个不同语种对应的语料库。

输出对话内容确定模块1030，用于当根据语种匹配结果确定对话内容对应的目标语种时，根据预设语料库集合，从目标语种对应的语料库中获取与对话内容匹配的输出对话内容。

对话输出模块1040，用于反馈输出对话内容。

上述对话自动回复装置，对输入的对话内容提取关键词信息，基于关键词信息从多个语种的预设语料库中进行语种匹配，当根据语种匹配结果确定出输入的对话内容的目标语种时，从目标语种对应的语料库中获取匹配的输出对话内容进行反馈；通过上述装置，向确定输入的对话内容的语种，在对应语种的预设语料库中查找合适的回复内容输出，可以应对多种语种的对话内容给出合理准确的回复，适应更多场景。

在一个实施例中，上述装置还包括：对话内容确定模块，用于确定对话内容的对话内容类型；在本实施例中，对话输出模块包括：输出对话内容类型转换模块，用于若输出对话内容的类型与输入的对话内容类型不同，则将输出对话内容的类型转换为输入的对话内容类型，获得转换后输出对话内容；对话输出模块用于反馈转换后输出对话内容。

在一个实施例中，关键词提取模块1010包括：对话内容分割模块，用于对对话内容依次进行分割，获得多个关键词和各关键词的顺序标识；关键词顺序确定模块，用于根据各关键词的顺序标识获得各关键词的顺序，其中，关键词信息包括各关键词和各关键词的顺序。

在一个实施例中，输出对话内容确定模块1030包括：匹配评分模块，用于根据各语种匹配结果确定关键词信息与各预设语料库的匹配评分；目标语种确定模块用于当存在大于预设阈值的匹配评分时，确定评分最高的匹配评分对应的语料库的语种，获得目标语种；输出对话内容确定模块还用于从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容。

在一个实施例中，上述装置还包括：默认回复内容获取模块，用于当根据语种匹配结果无法确定输入的对话内容对应的目标语种时，获取预设的默认回复内容；在本实施例中，对话输出模块还用于反馈默认回复内容。

在一个实施例中，输出对话内容确定模块1030包括：答复匹配模块，用于根据输入的对话内容与目标语种对应的语料库中的语料进行答复匹配，获得答复匹配结果；答复匹配评分模块，用于根据答复匹配结果确定答复匹配评分；在本实施例中，输出对话内容确定模块还用于确定答复匹配评分最高的语料，获得输出对话内容。

图11示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器104。如图11所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现对话自动回复方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行对话自动回复方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的对话自动回复装置可以实现为一种计算机程序的形式，计算机程序可在如图11所示的计算机设备上运行。计算机设备的存储器中可存储组成该对话自动回复装置的各个程序模块，比如，图10所示的关键词提取模块1010、语种匹配模块1020、输出对话内容确定模块1030和对话输出模块1040。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的对话自动回复方法中的步骤。

例如，图11所示的计算机设备可以通过如图10所示的对话自动回复装置中的关键词提取模块获取输入的对话内容，提取对话内容中的关键词信息。计算机设备可以通过语种匹配模块根据关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果。计算机设备可以通过输出对话内容确定模块在根据语种匹配结果确定对话内容对应的目标语种时，根据预设语料库集合，从目标语种对应的语料库中获取与对话内容匹配的输出对话内容。计算机设备可以通过对话输出模块反馈输出对话内容。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述对话自动回复方法的步骤。此处对话自动回复方法的步骤可以是上述各个实施例的对话自动回复方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述对话自动回复方法的步骤。此处对话自动回复方法的步骤可以是上述各个实施例的对话自动回复方法中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种对话自动回复方法，所述方法包括：

获取输入的对话内容，提取所述对话内容中的关键词信息；其中，若所述输入的对话内容包括图片类型的对话内容，识别图片中的文字，若从所述图片中识别出文字，将识别出的文字确定为文字对话内容，并从中提取关键词信息，或者直接将图片中识别出的文字内容作为关键词信息；

根据所述关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，所述预设语料库集合包括多个不同语种对应的语料库，每一语料库对应一种类型的语种；

当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容，所述目标语种为所述输入的对话内容的语种；若所述对话内容包含预设关键词，所述输出对话内容同时包括文字类型的输出对话内容和视频类型或者图片类型的输出对话内容；

反馈所述输出对话内容。

2.根据权利要求1所述的方法，其特征在于，在所述获取输入的对话内容之后，还包括：

确定所述对话内容的对话内容类型；

所述反馈所述输出对话内容包括：

若所述输出对话内容的类型与所述对话内容类型不同，则将所述输出对话内容的类型转换为所述对话内容类型，获得转换后输出对话内容；

反馈所述转换后输出对话内容。

3.根据权利要求1所述的方法，其特征在于，所述提取所述对话内容中的关键词信息包括：

对所述对话内容依次进行分割，获得多个关键词和各所述关键词的顺序标识；

根据各所述关键词的顺序标识获得各所述关键词的顺序，所述关键词信息包括各关键词和各所述关键词的顺序。

4.根据权利要求1所述的方法，其特征在于，所述当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容包括：

根据各所述语种匹配结果确定所述关键词信息与所述预设语料库集合中各语料库的匹配评分；

当存在大于预设阈值的匹配评分时，确定评分最高的所述匹配评分对应的语料库的语种，获得所述目标语种；

从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当根据语种匹配结果无法确定所述对话内容对应的目标语种时，获取预设的默认回复内容；

反馈所述默认回复内容。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当根据语种匹配结果无法确定所述对话内容对应的目标语种时，基于所述对话内容向人工客服发送提示信息；

获取人工客服基于所述提示信息反馈的回复内容；

反馈所述回复内容。

7.根据权利要求1所述的方法，其特征在于，所述从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容包括：

根据所述对话内容与所述目标语种对应的语料库中的语料进行答复匹配，获得答复匹配结果；

根据所述答复匹配结果确定答复匹配评分；

确定所述答复匹配评分最高的语料，获得所述输出对话内容。

8.一种对话自动回复装置，其特征在于，所述装置包括：

关键词提取模块，用于获取输入的对话内容，提取所述对话内容中的关键词信息；其中，若所述输入的对话内容包括图片类型的对话内容，识别图片中的文字，若从所述图片中识别出文字，将识别出的文字确定为文字对话内容，并从中提取关键词信息，或者直接将图片中识别出的文字内容作为关键词信息；

语种匹配模块，用于根据所述关键词信息在预设语料库集合中进行语种匹配，获得语种匹配结果，所述预设语料库集合包括多个不同语种对应的语料库，每一语料库对应一种类型的语种；

输出对话内容确定模块，用于当根据语种匹配结果确定所述对话内容对应的目标语种时，根据所述预设语料库集合，从所述目标语种对应的语料库中获取与所述对话内容匹配的输出对话内容，所述目标语种为所述输入的对话内容的语种；若所述对话内容包含预设关键词，所述输出对话内容同时包括文字类型的输出对话内容和视频类型或者图片类型的输出对话内容；

对话输出模块，用于反馈所述输出对话内容。

9.根据权利要求8所述的装置，其特征在于：

所述装置还包括：对话内容确定模块，用于确定对话内容的对话内容类型；

所述对话输出模块包括：输出对话内容类型转换模块，用于若输出对话内容的类型与输入的对话内容类型不同，则将输出对话内容的类型转换为输入的对话内容类型，获得转换后输出对话内容；

所述对话输出模块还用于反馈转换后输出对话内容。

10.根据权利要求8所述的装置，其特征在于，所述关键词提取模块包括：

对话内容分割模块，用于对对话内容依次进行分割，获得多个关键词和各关键词的顺序标识；

关键词顺序确定模块，用于根据各关键词的顺序标识获得各关键词的顺序，其中，关键词信息包括各关键词和各关键词的顺序。

11.根据权利要求8所述的装置，其特征在于，所述输出对话内容确定模块包括匹配评分模块和目标语种确定模块：

所述匹配评分模块，用于根据各语种匹配结果确定关键词信息与各预设语料库的匹配评分；

所述目标语种确定模块，用于当存在大于预设阈值的匹配评分时，确定评分最高的匹配评分对应的语料库的语种，获得目标语种；

所述输出对话内容确定模块，还用于从目标语种对应的语料库中获取与输入的对话内容匹配的输出对话内容。

12.根据权利要求8所述的装置，其特征在于，所述装置还包括默认回复内容获取模块：

所述默认回复内容获取模块，用于当根据语种匹配结果无法确定输入的对话内容对应的目标语种时，获取预设的默认回复内容；

所述对话输出模块还用于反馈默认回复内容。

13.根据权利要求8所述的装置，其特征在于，所述输出对话内容确定模块包括答复匹配模块和答复匹配评分模块：

所述答复匹配模块，用于根据输入的对话内容与目标语种对应的语料库中的语料进行答复匹配，获得答复匹配结果；

所述答复匹配评分模块，用于根据答复匹配结果确定答复匹配评分；

所述输出对话内容确定模块还用于确定答复匹配评分最高的语料，获得输出对话内容。

14.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

Images