CN111353027B - 聊天机器人中的答案反馈方法、装置、计算机设备和介质 - Google Patents
聊天机器人中的答案反馈方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN111353027B CN111353027B CN202010095754.5A CN202010095754A CN111353027B CN 111353027 B CN111353027 B CN 111353027B CN 202010095754 A CN202010095754 A CN 202010095754A CN 111353027 B CN111353027 B CN 111353027B
- Authority
- CN
- China
- Prior art keywords
- slot
- text
- compensated
- question
- entity
- 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.)
- Active
Links
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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种聊天机器人中的答案反馈方法、装置、计算机设备和介质,包括:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。上述方式,能够提高对话成功率。
Description
技术领域
本发明涉及聊天机器人技术领域,尤其涉及一种聊天机器人中的答案反馈方法、装置、计算机设备和介质。
背景技术
近几年,随着人工智能技术的飞速发展也给自然语言处理带来了新的机遇和挑战。聊天机器人作为自然语言处理中的一个非常重要的应用,也随着技术的逐渐成熟进入了一个新的发展阶段。
聊天机器人能够和用户进行对话,具体的,用户输入一段问题文本,然后聊天机器人将针对该问题文本给出相应的答案文本,以实现和用户的对话。但是,当聊天机器人无法识别该问题文本的时候机器人将无法给出相应的答案文本,使得对话失败。
发明内容
基于此,有必要针对上述问题,提出一种对话成功率高的聊天机器人中的答案反馈方法、装置、计算机设备和介质。
一种聊天机器人中的答案反馈方法,所述方法包括:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
在一个实施例中,所述根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体,包括:获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
在一个实施例中,所述根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体,包括:若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,包括:否则,获取匹配结果为匹配失败的待补槽位的槽位类别;根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
在一个实施例中,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述确定所述第一待补槽位中的第一槽位问题,包括:将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述确定所述第一待补槽位中的第一槽位问题,包括:获取所述问答文本对应的目标用户类型;根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述问答文本为回复文本;所述根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,包括:获取所述用户意图对应的已补槽位的目标实体;根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在一个实施例中,所述提取所述问答文本中的文本实体集,包括:对所述问答文本进行单文本分割得到多个单文本;将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;根据每个所述单文本对应的匹配结果得到所述文本实体集。
在一个实施例中,所述问答文本为问题文本,所述用户意图包括空意图;所述方法还包括:若所述用户意图为空意图,则获取上一问题文本;若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
一种聊天机器人中的答案反馈装置,包括:文本获取模块,用于获取问答文本,所述问答文本为问题文本或回复文本;实体提取模块,用于确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;待补槽位模块,用于确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;实体确定模块,用于根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;答案反馈模块,用于根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
在一个实施例中,所述实体确定模块,包括:候选集模块,用于获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;候选集匹配模块,用于将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;目标实体确定模块,用于根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
在一个实施例中,所述目标实体确定模块,包括:成功模块,用于若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;失败模块,用于否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述失败模块,包括:类别获取模块,用于否则,获取匹配结果为匹配失败的待补槽位的槽位类别;类别槽位模块,用于根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
在一个实施例中,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述失败模块,包括:目标问题模块,用于将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;第一问题模块,用于将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述失败模块,包括:用户类型获取模块,用于获取所述问答文本对应的目标用户类型;用户类型问题模块,用于根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;用户类型问题模块,用于将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述问答文本为回复文本;所述答案反馈模块,包括:已补槽位实体模块,用于获取所述用户意图对应的已补槽位的目标实体;综合答案获取模块,用于根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在一个实施例中,所述实体提取模块,包括:单文本分割模块,用于对所述问答文本进行单文本分割得到多个单文本;文本数匹配模块,用于将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;实体集确定模块,用于根据每个所述单文本对应的匹配结果得到所述文本实体集。
在一个实施例中,所述问答文本为问题文本,所述用户意图包括空意图;所述装置还包括:上一问题获取模块,用于若所述用户意图为空意图,则获取上一问题文本;上一问题判断模块,用于若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;第二问题确定模块,用于根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
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以下步骤:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
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以下步骤:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
实施本发明实施例,将具有如下有益效果:
本发明提出了一种聊天机器人中的答案反馈方法、装置、计算机设备和介质,首先获取问答文本,该问答文本可以是问题文本,也可以是回复文本,也即是说,获取到的问答文本可以是用户问的问题,也可以是用户给出的针对聊天机器人问的问题的回答,然后根据该问答文本确定用户意图,以获取到与用户意图对应的待补槽位,从而对待补槽位进行补槽,当有多个待补槽位的时候将进行多次补槽,从而通过多次补槽可以更好的确定用户的具体问题并结合用户意图和最终得到的多个槽位的目标实体获取到相应的答案反馈给用户,进而提高了对话成功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,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。
其中:
图1为一个实施例中聊天机器人中的答案反馈方法的实现流程示意图;
图2为一个实施例中机器人聊天界面的示意图;
图3为一个实施例中步骤108的实现流程示意图;
图4为一个实施例中步骤110的实现流程示意图;
图5为一个实施例中步骤104的实现流程示意图;
图6为一个实施例中预设的实体字典树的示意图;
图7为一个实施例中聊天机器人中的答案反馈方法的实现流程示意图;
图8为一个实施例中聊天机器人中的答案反馈系统的组成结构示意图;
图9为一个实施例中聊天机器人中的答案反馈装置的结构框图;
图10为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,在一个实施例中,提供了一种聊天机器人中的答案反馈方法,本发明实施例所述的聊天机器人中的答案反馈方法的执行主体为能够实现本发明实施例所述的聊天机器人中的答案反馈方法的设备,该设备可以包括但不限于终端和服务器,其中,终端包括台式终端和移动终端,台式终端包括但不限于台式电脑和车载电脑,移动终端包括但不限于手机、平板、笔记本电脑和智能手表;服务器包括高性能计算机和高性能计算机集群。该聊天机器人中的答案反馈方法,具体包括如下步骤:
步骤S102,获取问答文本,所述问答文本为问题文本或回复文本。
其中,问题文本,为用户向聊天机器人发起的问题,需要确定该问题文本的答案并将确定的答案反馈给用户。在确定该问题文本的答案的过程中,单纯的根据该问题文本,聊天机器人可能并不太清楚需要为用户呈现什么答案,于是,聊天机器人会给出一些问题去问用户以便得到更为准确的答案,相应的,用户针对聊天机器人给出的问题的回答即为回复文本,也即是说对于一个问题文本对应有至少一个回复文本。如图2所示,用户可通过机器人聊天界面输入问答文本。
步骤S104,确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体。
其中,用户意图,反映用户想要达到的具体目的。例如,问答文本为“我是中性肤质,我想问下小棕瓶的口碑怎么样”,于是,可以确定该用户的用户意图为:查口碑。
其中,文本实体集,为包含多个文本实体的集合。其中,文本实体,为从问答文本中提取出来的与用户意图对应的对象。可以理解的是,单纯的根据用户意图是无法向用户反馈准确的答案的,比如,用户意图为查口碑,但是,由于缺乏与用户意图对应的对象,无法明确需要查询什么产品的口碑,通过从问答文本中将文本实体“小棕瓶”提取出来,从而可以确定用户想要查询小棕瓶的口碑,于是,结合用户意图和最终确定的实体即可查询到相应的答案并反馈给用户。
在一个实施例中,当问答文本为问题文本时,步骤S104所述确定所述问答文本对应的用户意图,包括:将所述问答文本输入意图识别模型,得到所述问答文本对应的用户意图。
其中,意图识别模型,包括深度学习模型,例如,Bert模型,该意图识别模型还可以是Albert模型,在此不做具体的限定。
需要预先对意图识别模型进行训练,在训练好之后,在使用训练好的意图识别模型进行意图识别。具体的,将训练文本(作为训练模型用的问题文本)作为意图识别模型的输入,将该训练文本对应的训练意图作为意图识别模型的输出,对意图识别模型进行训练。
在一个实施例中,当问答文本为回复文本时,由于用户当前没有提问,可能在之前进行了提问,此时只是针对聊天机器人给出的问题进行的回答,于是,需要确定用户之前提问对应的问题文本,将该问题文本对应的意图作为当前的回复文本的意图。步骤S104所述确定所述问答文本对应的用户意图,包括:确定所述回复文本对应的目标问题文本;将所述目标问题文本对应的用户意图作为所述回复文本对应的用户意图。
其中,目标问题文本,为用户在当前的回复文本之前向聊天机器人发出的问题文本。可以理解的是,为了得到更高准确率的答案,用户与聊天机器人需要进行多次对话,用户在第一次与聊天机器人对话的时候向聊天机器人发送问题文本A,此时,根据问题文本A可以确定用户意图B,同时,为了获取到更多的信息以向用户反馈更为准确的答案,聊天机器人会向用户发问并获取到用户的回复文本C,此时,与回复文本C对应的目标问题文本即为问题文本A,将用户意图B作为回复文本C对应的用户意图。
步骤S106,确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位。
其中,槽位,用于确定目标实体,根据各个槽位中确定的目标实体和用户意图即可得到答案反馈给用户,具体的,一个槽位用于确定一个目标实体。待补槽位,为未补上的槽位,即未确定目标实体的槽位。预先建立不同用户意图对应的意图槽位集,例如,用户意图A对应的意图槽位集包括:槽位A1,A2和A3,其中,槽位A1,A2和A3可以代表不同类别的槽位,即槽位A1,A2和A3需要配置的目标实体属于不同的类别,然后根据槽位A1,A2和A3是否补上确定待补槽位集,若槽位A1补上,则确定用户意图A对应的待补槽位集为{A2,A3},其中,A2和A3为待补槽位;若槽位A2补上,则确定用户意图A对应的待补槽位集为{A1,A3},其中,A1和A3为待补槽位。
步骤S108,根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体。
补槽的目的就在于确定待补槽位对应的目标实体。其中,目标实体,为与该待补槽位对应的实体,每个待补槽位都需要配置相应的实体,当用户意图对应的所有槽位都配置上相应的实体之后即可去数据库查询答案反馈给用户。
根据文本实体集中的文本实体对待补槽位集中的各个待补槽位进行补槽,将文本实体集中的全部文本实体或者部分文本实体作为各个待补槽位对应的目标实体,以便查询答案。
步骤S110,根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
在确定用户意图和每个待补槽位的目标实体之后,就可以根据该用户意图以及各个槽位对应的目标实体去数据库(例如,arangoDB原生多模型数据库,Neo4j,SQL,MongoDB等)获取问答文本对应的答案,并将答案进行反馈,例如图2所示,获取到的答案可以通过机器人聊天界面进行反馈。需要说明的是,在本发明实施例中,答案是存储在数据库中的,通过将答案存储于数据库中能够大大的简化内存,优化查询效率。
答案在数据库中可以以三元组的形式进行存储,例如,(小棕瓶,口碑,5星),(科比,夫妻关系,瓦妮莎),(勒布朗,任职于,洛杉矶湖人队)。
上述聊天机器人中的答案反馈方法,首先获取问答文本,该问答文本可以是问题文本,也可以是回复文本,也即是说,获取到的问答文本可以是用户问的问题,也可以是用户给出的针对聊天机器人问的问题的回答,然后根据该问答文本确定用户意图,以获取到与用户意图对应的待补槽位,从而对待补槽位进行补槽,当有多个待补槽位的时候将进行多次补槽,从而通过多次补槽可以更好的确定用户的具体问题并结合用户意图和最终得到的多个槽位的目标实体获取到相应的答案反馈给用户,进而提高了对话成功率。
在一个实施例中,文本实体集中的所有文本实体不一定只是用于确定当前槽位问题对应的待补槽位的目标实体,将文本实体集中的所有文本实体与各个候选槽位实体集中的所有候选槽位实体进行匹配,可以实现一个问答文本补多个槽位,提高了补槽效率。具体的,如图3所示,步骤108所述根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体,包括:
步骤108A,获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体。
其中,候选槽位实体,指为每个槽位配置的实体,预先根据槽位的类别为每个槽位配置不同的候选槽位实体,组成候选槽位实体集。需要说明的是,由于数据库中存储的知识有限,比如,对于护肤品,数据库中可能只存储有小蓝瓶和小黑瓶的答案,没有存储小棕瓶的答案,于是,根据数据库中已有的答案为用户意图对应的每个槽位配置相应的候选槽位实体集,以便在确定好了待补槽位对应的目标实体之后一定能够从数据库获取到相应的答案反馈给用户。可以理解的是,如果各个槽位对应的候选槽位实体集中记载的实体超过了数据库存储的答案的范围,即使这些槽位能够匹配上相应的目标实体,但是也可能无法根据匹配上的目标实体以及用户意图查询到相应的答案,导致答案反馈失败。
步骤108B,将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果。
其中,匹配结果包括匹配成功和匹配失败。若文本实体集中的某个文本实体A与某个待补槽位B中的某个候选槽位实体A1相同,例如,A和A1均为小棕瓶,则待补槽位B的匹配结果为匹配成功;若某个待补槽位B中的任意一个候选槽位实体均与文本实体集中的任意一个文本实体不同,则待补槽位B的匹配结果为匹配失败。例如,问答文本为“小棕瓶的口碑怎么样”,用户意图为查护肤品口碑,查护肤品口碑对应的槽位的候选槽位实体集为{a1,a2,a3},a1,a2,a3分别为:小棕瓶,小黑瓶和小蓝瓶,于是,确定该槽位对应的匹配结果为匹配成功,匹配上的实体为a1小棕瓶。
步骤108C,根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
若待补槽位的匹配结果为匹配成功,则直接将匹配上的实体作为该待补槽位对应的目标实体;若待补槽位的匹配结果为匹配失败,则可能需要将该待补槽位中的槽位问题反馈给用户,以通过问用户问题的方式确定该待补槽位对应的目标实体。
在一个实施例中,步骤108C所述根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体,包括:若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
其中,第一待补槽位,为从至少一个匹配失败的待补槽位中挑选出来的一个待补槽位;预先为每一个槽位配置至少一个槽位问题,其中,第一槽位问题,为从第一待补槽位的多个槽位问题中挑选出来的一个槽位问题。
若每个待补槽位对应的匹配结果均为匹配成功,于是,直接将每个待补槽位中匹配成功的候选槽位实体作为该待补槽位对应的目标实体即可,以此确定了待补槽位集中的每个待补槽位对应的目标实体;若待补槽位集中的待补槽位存在匹配失败的情况,此时,就需要确定匹配失败的待补槽位的个数,若匹配失败的待补槽位的个数为1,则直接将该待补槽位确定为第一待补槽位,若匹配失败的待补槽位的个数大于1,则需要根据一定的挑选原则从这些匹配失败的待补槽位中挑选出第一待补槽位,确定该第一待补槽位中的第一槽位问题,以此再次尝试获取该第一待补槽位对应的目标实体。
在本发明实施例中,即使待补槽位集中存在匹配失败的情况也不用担心无法向用户反馈答案,通过上述实施例还可以确定第一槽位问题并将第一槽位问题进行反馈从而继续补槽,保证了答案反馈率。
在一个实施例中,一个槽位设置了多个槽位问题,即使该槽位一次补不上,也可以通过多次问问题的方式尽可能的补槽。具体的,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述确定所述第一待补槽位中的第一槽位问题,包括:将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
其中,当前问题标识,指当前应该反馈给用户的槽位问题,可以根据待补槽位输出的问题的次数确定,当待补槽位输出问题的次数超过该待补槽位的槽位问题的总数时,认为补槽失败,因为此时该待补槽位已经没有槽位问题可以输出给用户了,即无法再获取用户的回复文本,进而无法再补上这个待补槽位了。槽位中设置有多个候选槽位问题,其中,候选问题标识,用于唯一标识一个候选槽位问题。
例如,第一待补槽位中的候选槽位问题有:“请先告诉我您想查询哪种肌肤问题”和“我需要知道您想查询哪种肌肤问题才能给您提供更好的服务”,这两个候选槽位问题对应的候选问题标识分别为2和1。假设当前问题标识用以指示候选槽位问题当前的生命周期,若当前问题标识为2,意味着第一待补槽位中还有2个候选槽位问题没有问过客户,假设候选问题标识用于指示各个候选槽位问题对应的生命周期,2表示生命周期为2的候选槽位问题,1表示生命周期为1的候选槽位问题,由于当前问题标识为2,于是确定目标候选问题表示为2,将2对应的候选槽位问题“请先告诉我您想查询哪种肌肤问题”作为第一槽位问题反馈给用户,此时,当前问题标识自动减为1,若用户针对该候选槽位问题进行了回答但是该第一待补槽位还是没有补上,则确定目标候选问题标识为1,将1对应的候选槽位问题“我需要知道您想查询哪种肌肤问题才能给您提供更好的服务”反馈给用户。如果第一待补槽位中的所有候选槽位问题都反馈完毕,该第一待补槽位还是没有补上,则将问答文本对应的问题文本的状态设置为未完成状态,并根据上一问题文本的状态确定是进入闲聊模式还是反馈第二槽位问题。
在一个实施例中,为了为不同类型的用户提供更为个性化的服务,在槽位中为不同类型的用户配置不同类型的问题。所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述确定所述第一待补槽位中的第一槽位问题,包括:获取所述问答文本对应的目标用户类型;根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
如表1所示,不同的用户有不同的用户标识,根据用户标识可以查询到该用户的用户类型,从而将该用户类型作为该用户给出的问答文本对应的用户类型。
表1
例如,第一待补槽位中类型问题有:“请先告诉我您想查询哪种肌肤问题”和“我需要知道您想查询哪种肌肤问题才能给您提供更好的服务”,这两个类型问题对应的用户类型分别为A类型(比如,A类型为男性)和B类型(比如,B类型为女性),若目标用户类型为B,则将“我需要知道您想查询哪种肌肤问题才能给您提供更好的服务”作为第一槽位问题。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,包括:否则,获取匹配结果为匹配失败的待补槽位的槽位类别;根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
其中,必要类别,指该槽位为查询答案必须的槽位,必要类别的槽位必须补上才能够查询答案,如果必要类别的槽位没有补上,意味着答案的查询必然失败;非必要槽位,指该槽位并非为查询答案必须的槽位,非必要类别的槽位可以不补上,若必要类别的槽位补上了,则由于获取到了更多的查询答案所需的信息从而提高了答案查询的效率。可以理解的是,当目标实体越多的时候,我们能够确定到更多的有用信息,从而更加快速的查询到答案反馈给用户,但是,如果要确定过多的目标实体意味着聊天机器人要花费大量的时间与用户对话,降低了答案反馈的效率,于是,可以对槽位的类别进行设置,确定哪些槽位是获取答案必须的槽位,当这些槽位都补上之后既可以从数据库查询答案反馈给用户了,在一定程度上提高了答案反馈的效率。
若存在待补槽位匹配失败的情况,则确定这些匹配失败的待补槽位的槽位类别。若匹配失败的待补槽位的槽位类别均为非必要类别,则此时可以不用确定第一待补槽位;若匹配失败的待补槽位的槽位类别中只包含一个必要类别,则直接将该必要类别的待补槽位作为第一待补槽位;若匹配失败的待补槽位的槽位类别中包含两个及以上的必要类别,则从这多个必要类别对应的待补槽位中挑选出一个待补槽位作为第一待补槽位。
在一个实施例中,所述问答文本为回复文本;如图4所示,步骤110所述根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,包括:
步骤110A,获取所述用户意图对应的已补槽位的目标实体。
其中,已补槽位,为已经确定了目标实体的槽位。在用户与聊天机器人的多轮对话中,有的槽位可能已经补上,有的槽位还没有补上,对于已经补上的槽位,将其对应的目标实体进行存储,以便在待补槽位补上之后,根据存储的已补槽位的目标实体和当前完成补槽的待补槽位的目标实体查询答案。
步骤110B,根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在获取到已补槽位的目标实体之后,就可以根据全部的目标实体以及用户意图去数据库中查询答案了。
在一个实施例中,如图5所示,步骤104所述提取所述问答文本中的文本实体集,包括:
步骤104A,对所述问答文本进行单文本分割得到多个单文本。
其中,单文本,包括但不限于单词、汉字和数字。例如,问答文本为“我喜欢java代码”,经过单文本分割得到多个单文本:我,喜,欢,j,a,v,a,代和码。
步骤104B,将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果。
其中,实体字典树,为预先设置的字典树,例如图6所示的实体字典树,能够实现对中文实体以及英文实体的查询,一棵实体字典树可以根据预先设置的多个槽位的槽位实体生成。例如图6所示,根节点用于指示一个实体的开始文本(定义一个实体由多个单文本组成,左边第一个单文本为开始文本,按照从左到右的顺序,最后一个单文本为结束文本,在开始文本和结束文本之间的文本为中间文本),叶子节点用于指示一个实体的结束文本,中间节点用于指示一个实体的中间文本。
其中,单文本对应的匹配结果包括单文本对应的节点类型。例如,对于问答文本为“我喜欢java代码”,单文本“我”、“喜”、“欢”对应的匹配结果均为空节点,单文本“j”对应的匹配结果为根节点,单文本“a”对应的匹配结果为中间节点,单文本“v”对应的匹配结果为中间节点,单文本“a”对应的匹配结果为叶子节点,单文本“代”和“码”对应的匹配结果均为空节点。
步骤104C,根据每个所述单文本对应的匹配结果得到所述文本实体集。
确定匹配结果为根节点、中间节点以及叶子节点的单文本;根据在同一路径中的根节点对应的单文本、中间节点对应的单文本以及叶子节点对应的单文本确定文本实体。如图6所示,在同一路径中的根节点为j,中间节点为a和v,叶子节点为a,于是,确定问答文本“我喜欢java代码”中包含实体“java”。再如,对于问答文本“小棕瓶的口碑如何”,在同一路径中的根节点为小,中间节点为棕,叶子节点为瓶,于是,确定问答文本“小棕瓶的口碑如何”中包含实体“小棕瓶”。
由于采用的是字典树的方式提取实体,相较于采用深度学习提取实体的方式,这样的方式由于无需进行实体标注从而具有更低的成本。
在一个实施例中,所述问答文本为问题文本,指示用户向聊天机器人发起了一个问题;所述用户意图包括空意图。如图7所示,所述方法还包括:
步骤712,若所述用户意图为空意图,则获取上一问题文本。
其中,空意图,指示无法对问题文本对应的用户意图进行识别;上一问题文本,为上一次用户向聊天机器人发出的问题。
步骤714,若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集。
其中,每个问题文本都设置有相应的状态,根据问题文本确定用户意图,若用户意图下所有的槽位都已补上,则问题文本的状态为完成状态;若用户意图下的至少一个槽位没有补上,则问题文本的状态为未完成状态。
步骤716,根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
首先确定上一问题文本对应的待补槽位集,该待补槽位集中包括至少一个待补槽位,然后按照一定的挑选规则从该至少一个待补槽位的槽位问题中挑选出一个槽位问题作为第二槽位问题并进行反馈。
当无法对用户意图进行识别的时候,即用户意图为空意图的时候,为了避免无法进行答案输出,出现无内容向用户反馈的尴尬情况,于是,为了提高用户体验,选择将上一问题文本中的第二槽位问题进行反馈,以和用户进行互动,并对上一问题文本进行补槽。
在一个实施例中,所述方法还包括:若所述上一问题文本的状态为完成状态,则获取闲聊回复语,将所述闲聊回复语进行反馈。当上一问题文本的状态为完成状态的时候,意味着上一问题文本不存在待补槽位,无需再对上一问题文本进行补槽,于是,进入闲聊模式,以和用户互动。
在一个实施例中,如图8所示,提供了一种聊天机器人中的答案反馈系统,该系统至少包括:文本获取模块,意图识别模块,实体提取模块,用户管理模块,槽位管理模块和答案存储模块和答案输出模块。其中,文本获取模块,用于获取问答文本;意图识别模块,用于确定问答文本对应的用户意图;实体提取模块,用于提取问答文本中的文本实体集;用户管理模块,用于对用户数据进行管理,其中,用户数据可以包括但不限于用户ID和用户类型,例如,用户数据还可以包括问题文本,问题文本对应的用户意图,问题文本的状态,目标实体、待补槽位、问题文本的产生时间以及问题文本下的各个回复文本的产生时间等;槽位管理模块,用于对用户意图对应的各个槽位进行管理,例如,对槽位中的槽位问题、槽位类别以及当前问题标识等进行配置管理;答案存储模块,用于对各个答案进行存储,以便实现答案的查询;答案输出模块,用于对查询到的答案进行输出,以便实现答案反馈。
如图9所示,提供了一种聊天机器人中的答案反馈装置900,具体包括:文本获取模块902,用于获取问答文本,所述问答文本为问题文本或回复文本;实体提取模块904,用于确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;待补槽位模块906,用于确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;实体确定模块908,用于根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;答案反馈模块910,用于根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
上述聊天机器人中的答案反馈装置,首先获取问答文本,该问答文本可以是问题文本,也可以是回复文本,也即是说,获取到的问答文本可以是用户问的问题,也可以是用户给出的针对聊天机器人问的问题的回答,然后根据该问答文本确定用户意图,以获取到与用户意图对应的待补槽位,从而对待补槽位进行补槽,当有多个待补槽位的时候将进行多次补槽,从而通过多次补槽可以更好的确定用户的具体问题并结合用户意图和最终得到的多个槽位的目标实体获取到相应的答案反馈给用户,进而提高了对话成功率。
在一个实施例中,所述实体确定模块908,包括:候选集模块,用于获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;候选集匹配模块,用于将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;目标实体确定模块,用于根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
在一个实施例中,所述目标实体确定模块,包括:成功模块,用于若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;失败模块,用于否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述失败模块,包括:类别获取模块,用于否则,获取匹配结果为匹配失败的待补槽位的槽位类别;类别槽位模块,用于根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
在一个实施例中,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述失败模块,包括:目标问题模块,用于将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;第一问题模块,用于将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述失败模块,包括:用户类型获取模块,用于获取所述问答文本对应的目标用户类型;用户类型问题模块,用于根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;用户类型问题模块,用于将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述问答文本为回复文本;所述答案反馈模块910,包括:已补槽位实体模块,用于获取所述用户意图对应的已补槽位的目标实体;综合答案获取模块,用于根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在一个实施例中,所述实体提取模块904,包括:单文本分割模块,用于对所述问答文本进行单文本分割得到多个单文本;文本数匹配模块,用于将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;实体集确定模块,用于根据每个所述单文本对应的匹配结果得到所述文本实体集。
在一个实施例中,所述问答文本为问题文本,所述用户意图包括空意图;所述装置900还包括:上一问题获取模块,用于若所述用户意图为空意图,则获取上一问题文本;上一问题判断模块,用于若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;第二问题确定模块,用于根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
图10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终端或服务器。如图10所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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,可使得处理器实现聊天机器人中的答案反馈方法。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,可使得处理器执行聊天机器人中的答案反馈方法。本领域技术人员可以理解,图10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,本申请提供的聊天机器人中的答案反馈方法可以实现为一种计算机程序的形式,计算机程序可在如图10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聊天机器人中的答案反馈装置的各个程序模板。比如,文本获取模块902、实体提取模块904和待补槽位模块906。
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下步骤:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
在一个实施例中,所述根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体,包括:获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
在一个实施例中,所述根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体,包括:若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,包括:否则,获取匹配结果为匹配失败的待补槽位的槽位类别;根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
在一个实施例中,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述确定所述第一待补槽位中的第一槽位问题,包括:将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述确定所述第一待补槽位中的第一槽位问题,包括:获取所述问答文本对应的目标用户类型;根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述问答文本为回复文本;所述根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,包括:获取所述用户意图对应的已补槽位的目标实体;根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在一个实施例中,所述提取所述问答文本中的文本实体集,包括:对所述问答文本进行单文本分割得到多个单文本;将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;根据每个所述单文本对应的匹配结果得到所述文本实体集。
在一个实施例中,所述问答文本为问题文本,所述用户意图包括空意图;所述计算机程序被所述处理器执行时,还用于:若所述用户意图为空意图,则获取上一问题文本;若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
在一个实施例中,提出了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以下步骤:获取问答文本,所述问答文本为问题文本或回复文本;确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈。
在一个实施例中,所述根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体,包括:获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体。
在一个实施例中,所述根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体,包括:若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
在一个实施例中,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;所述否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,包括:否则,获取匹配结果为匹配失败的待补槽位的槽位类别;根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
在一个实施例中,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;所述确定所述第一待补槽位中的第一槽位问题,包括:将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;所述确定所述第一待补槽位中的第一槽位问题,包括:获取所述问答文本对应的目标用户类型;根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
在一个实施例中,所述问答文本为回复文本;所述根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,包括:获取所述用户意图对应的已补槽位的目标实体;根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
在一个实施例中,所述提取所述问答文本中的文本实体集,包括:对所述问答文本进行单文本分割得到多个单文本;将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;根据每个所述单文本对应的匹配结果得到所述文本实体集。
在一个实施例中,所述问答文本为问题文本,所述用户意图包括空意图;所述计算机程序被所述处理器执行时,还用于:若所述用户意图为空意图,则获取上一问题文本;若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
需要说明的是,上述聊天机器人中的答案反馈方法、聊天机器人中的答案反馈装置、计算机设备及计算机可读存储介质属于一个总的发明构思,聊天机器人中的答案反馈方法、聊天机器人中的答案反馈装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。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 (10)
1.一种聊天机器人中的答案反馈方法,其特征在于,包括:
获取问答文本,所述问答文本为问题文本或回复文本;
确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;
确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;
根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;
根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈;
所述根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体,包括:
获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;
将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;
根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体;
所述根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体,包括:
若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;
否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
2.如权利要求1所述的方法,其特征在于,所述待补槽位中包括槽位类别,所述槽位类别包括必要类别或非必要类别;
所述否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,包括:
否则,获取匹配结果为匹配失败的待补槽位的槽位类别;
根据匹配结果为匹配失败的待补槽位的槽位类别确定第一待补槽位。
3.如权利要求1所述的方法,其特征在于,所述第一待补槽位中包括当前问题标识、候选问题标识和所述候选问题标识对应的候选槽位问题;
所述确定所述第一待补槽位中的第一槽位问题,包括:
将所述第一待补槽位中的当前问题标识与候选问题标识进行匹配,得到目标候选问题标识;
将所述目标候选问题标识对应的候选槽位问题作为所述第一待补槽位中的第一槽位问题。
4.如权利要求1所述的方法,其特征在于,所述第一待补槽位中包括用户类型和所述用户类型对应的类型问题;
所述确定所述第一待补槽位中的第一槽位问题,包括:
获取所述问答文本对应的目标用户类型;
根据所述目标用户类型从所述第一待补槽位中获取到所述目标用户类型对应的类型问题;
将所述目标用户类型对应的类型问题作为所述第一待补槽位中的第一槽位问题。
5.如权利要求1所述的方法,其特征在于,所述问答文本为回复文本;
所述根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,包括:
获取所述用户意图对应的已补槽位的目标实体;
根据所述用户意图、已补槽位的目标实体和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案。
6.如权利要求1所述的方法,其特征在于,所述提取所述问答文本中的文本实体集,包括:
对所述问答文本进行单文本分割得到多个单文本;
将每个所述单文本与预设的实体字典树进行匹配,得到每个所述单文本对应的匹配结果;
根据每个所述单文本对应的匹配结果得到所述文本实体集。
7.如权利要求1所述的方法,其特征在于,所述问答文本为问题文本,所述用户意图包括空意图;
所述方法还包括:
若所述用户意图为空意图,则获取上一问题文本;
若所述上一问题文本的状态为未完成状态,则获取上一问题文本对应的待补槽位集;
根据上一问题文本对应的待补槽位集确定第二槽位问题,将所述第二槽位问题进行反馈。
8.一种聊天机器人中的答案反馈装置,其特征在于,包括:
文本获取模块,用于获取问答文本,所述问答文本为问题文本或回复文本;
实体提取模块,用于确定所述问答文本对应的用户意图,提取所述问答文本中的文本实体集,所述文本实体集中包括文本实体;
待补槽位模块,用于确定所述用户意图对应的待补槽位集,所述待补槽位集中包括待补槽位;
实体确定模块,用于根据所述文本实体集对所述待补槽位集中的待补槽位进行补槽,得到每个所述待补槽位对应的目标实体;
答案反馈模块,用于根据所述用户意图和每个所述待补槽位对应的目标实体获取所述问答文本对应的答案,将所述答案进行反馈;
所述实体确定模块包括:
候选集模块,用于获取每个所述待补槽位对应的候选槽位实体集,所述候选槽位实体集中包括至少一个候选槽位实体;
候选集匹配模块,用于将所述文本实体集中的文本实体与各个所述候选槽位实体集中的候选槽位实体进行匹配,得到每个所述待补槽位对应的匹配结果;
目标实体确定模块,用于根据每个所述待补槽位对应的匹配结果确定每个所述待补槽位对应的目标实体;
所述目标实体确定模块包括:
成功模块,用于若每个所述待补槽位对应的匹配结果均为匹配成功,则将每个所述待补槽位中匹配成功的候选槽位实体作为所述待补槽位对应的目标实体;
失败模块,用于否则,根据匹配结果为匹配失败的待补槽位确定第一待补槽位,确定所述第一待补槽位中的第一槽位问题,将所述第一槽位问题进行反馈,以通过反馈得到所述第一待补槽位对应的目标实体。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述聊天机器人中的答案反馈方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述聊天机器人中的答案反馈方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095754.5A CN111353027B (zh) | 2020-02-17 | 2020-02-17 | 聊天机器人中的答案反馈方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095754.5A CN111353027B (zh) | 2020-02-17 | 2020-02-17 | 聊天机器人中的答案反馈方法、装置、计算机设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353027A CN111353027A (zh) | 2020-06-30 |
CN111353027B true CN111353027B (zh) | 2023-07-28 |
Family
ID=71194024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095754.5A Active CN111353027B (zh) | 2020-02-17 | 2020-02-17 | 聊天机器人中的答案反馈方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353027B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723574A (zh) * | 2020-07-09 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及计算机可读存储介质 |
CN112528002B (zh) * | 2020-12-23 | 2023-07-18 | 北京百度网讯科技有限公司 | 对话识别方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446322A (zh) * | 2018-02-10 | 2018-08-24 | 灯塔财经信息有限公司 | 一种智能问答系统的实现方法和装置 |
CN109101545A (zh) * | 2018-06-29 | 2018-12-28 | 北京百度网讯科技有限公司 | 基于人机交互的自然语言处理方法、装置、设备和介质 |
CN109299476A (zh) * | 2018-11-28 | 2019-02-01 | 北京羽扇智信息科技有限公司 | 问答方法、装置、电子设备及存储介质 |
CN109522393A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN110175223A (zh) * | 2019-05-29 | 2019-08-27 | 北京搜狗科技发展有限公司 | 一种实现问题生成的方法及装置 |
-
2020
- 2020-02-17 CN CN202010095754.5A patent/CN111353027B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446322A (zh) * | 2018-02-10 | 2018-08-24 | 灯塔财经信息有限公司 | 一种智能问答系统的实现方法和装置 |
CN109101545A (zh) * | 2018-06-29 | 2018-12-28 | 北京百度网讯科技有限公司 | 基于人机交互的自然语言处理方法、装置、设备和介质 |
CN109522393A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技(深圳)有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN109299476A (zh) * | 2018-11-28 | 2019-02-01 | 北京羽扇智信息科技有限公司 | 问答方法、装置、电子设备及存储介质 |
CN110175223A (zh) * | 2019-05-29 | 2019-08-27 | 北京搜狗科技发展有限公司 | 一种实现问题生成的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111353027A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200301954A1 (en) | Reply information obtaining method and apparatus | |
US20210232761A1 (en) | Methods and systems for improving machine learning performance | |
CN109522393A (zh) | 智能问答方法、装置、计算机设备和存储介质 | |
CN110442710B (zh) | 一种基于知识图谱的短文本语义理解与精准匹配方法及装置 | |
CN111368538B (zh) | 语音交互方法、系统、终端及计算机可读存储介质 | |
CN111324713B (zh) | 对话自动回复方法、装置、存储介质和计算机设备 | |
CN106934068A (zh) | 机器人基于环境上下文的语义理解的方法 | |
CN111353027B (zh) | 聊天机器人中的答案反馈方法、装置、计算机设备和介质 | |
WO2021159670A1 (zh) | 智能问答中未知问题处理方法、装置、计算机设备和介质 | |
CN109840255B (zh) | 答复文本生成方法、装置、设备及存储介质 | |
CN111666399A (zh) | 基于知识图谱的智能问答方法、装置和计算机设备 | |
CN111859986A (zh) | 基于多任务孪生网络的语义匹配方法、装置、设备和介质 | |
CN114547274B (zh) | 多轮问答的方法、装置及设备 | |
CN110135888A (zh) | 产品信息推送方法、装置、计算机设备和存储介质 | |
US20220358297A1 (en) | Method for human-machine dialogue, computing device and computer-readable storage medium | |
CN112397197A (zh) | 基于人工智能的问诊数据处理方法及装置 | |
CN112036161A (zh) | 需求文档处理方法、装置、设备及存储介质 | |
CN113111157B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN115186080A (zh) | 一种智能问答数据处理方法、系统、计算机设备及介质 | |
CN112328871B (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 | |
CN114186060A (zh) | 文本处理方法、文本分类方法、装置、设备及存储介质 | |
CN116757203B (zh) | 一种自然语言匹配方法、装置、计算机设备及存储介质 | |
CN112035623B (zh) | 智能问答方法、装置、电子设备及存储介质 | |
CN113988070B (zh) | 调研问题生成方法、装置、计算机设备和存储介质 | |
CN110427470B (zh) | 问答处理方法、装置及电子设备 |
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 |