CN111414733A - 一种数据处理方法、装置及电子设备 - Google Patents
一种数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111414733A CN111414733A CN202010191061.6A CN202010191061A CN111414733A CN 111414733 A CN111414733 A CN 111414733A CN 202010191061 A CN202010191061 A CN 202010191061A CN 111414733 A CN111414733 A CN 111414733A
- Authority
- CN
- China
- Prior art keywords
- sentence
- conversion
- conversion model
- parameters
- 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
Images
Abstract
本申请公开了一种数据处理方法、装置及电子设备,方法包括:获得当前会话中待输出的第一语句;至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;其中,所述语句转换模型利用至少两个语句对样本训练得到,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
Description
技术领域
本申请涉及智能客服技术领域,尤其涉及一种数据处理方法、装置及电子设备。
背景技术
自然语言生成是智能客服中人机交互系统的重要一环,自然语言的生成能力对用户的体验起着关键的作用。
然而,目前交互系统所输出给用户的语言并不“自然”,通常比较刻板,使得交互系统所输出的语言会导致用户丧失交流兴趣的情况。
发明内容
有鉴于此,本申请提供一种数据处理方法、装置及电子设备,如下:
一种数据处理方法,包括:
获得当前会话中待输出的第一语句;
至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;
其中,所述语句转换模型利用至少两个语句对样本训练得到,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
上述方法,优选的,所述语句对样本还包括所述转换语句相对于所述初始语句的转换程度参数;
其中,所述语句转换模型通过以下方式训练得到:
至少以所述语句对样本中的初始语句和所述转换程度参数作为所述语句转换模型的输入数据,以所述语句对样本中的转换语句为所述语句转换模型的输出数据,对所述语句转换模型进行训练。
上述方法,优选的,所述方法还包括:
获得所述当前会话对应的会话参数,所述会话参数用于对所述语句转换模型对所述第一语句转换成所述第二语句时的转换程度参数进行调整。
上述方法,优选的,所述会话参数至少包括:根据所述当前会话中的用户的历史会话语句所获得的历史风格参数;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述历史风格参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述历史风格参数相关。
上述方法,优选的,所述会话参数至少包括:所述当前会话对应的会话主题信息;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述会话主题信息和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述主题风格参数相关。
上述方法,优选的,所述会话参数至少包括:所述第一语句的第一情绪参数;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述第一情绪参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句的第二情绪参数与所述第一情绪参数相对应。
上述方法,优选的,所述会话参数至少包括:所述当前会话中输出所述第二语句之后用户的第三情绪参数,还包括:所述当前会话输出所述第二语句之前用户的第四情绪参数;
所述方法还包括:
根据所述第三情绪参数和所述第四情绪参数,对所述语句转换模型的模型参数进行调整。
上述方法,优选的,还包括:
将所述第二语句进行输出。
一种数据处理装置,包括:
语句获得单元,用于获得当前会话中待输出的第一语句;
语句输出单元,用于至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;
模型训练单元,用于利用至少两个语句对样本训练得到所述语句转换模型,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
一种电子设备,包括:
存储器,用于存储应用程序和所述应用程序运行所产生的数据;
处理器,用于运行所述应用程序,以实现:获得当前会话中待输出的第一语句;至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;其中,所述语句转换模型利用至少两个语句对样本训练得到,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
从上述技术方案可以看出,本申请公开的一种数据处理方法、装置及电子设备中,在获得到当前会话中待输出的第一语句之后,利用能够对语句进行表述风格参数转换的语句转换模型对第一语句进行转换,而保持语句的语义不变,由此得到表述风格类型不同但语义仍然相同的第二语句。可见,本申请中能够避免目前交互系统中直接输出第一语句存在因为表述刻板而导致用户丧失交流兴趣的情况,并通过在保持语义不变的前提下对输出给用户的语句进行表述风格类型的转换,从而为用户呈现不同的交互风格,由此达到改善用户交互体验的目的。
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申请的一些实施例,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。
图1为本申请实施例一提供的一种数据处理方法的流程图;
图2为本申请实施例一提供的一种数据处理方法的另一流程图;
图3-图6分别为本申请实施例的应用示例图;
图7为本申请实施例二提供的一种数据处理装置的结构示意图;
图8为本申请实施例三提供的一种电子设备的结构示意图;
图9为本申请实施例的实现示例图。
具体实施方式
自然语言生成是人机交互的重要一环,自然语言的生成能力对用户的体验起着关键的作用。然而,目前人机交互系统生成的语言并不“自然”,其中一个重要因素是机器生成的语言无法善用人类语言中经常出现的语言学现象,例如幽默和比喻。此外,目前的交互系统无法对不同用语习惯的用户做出针对性的回复,导致用户丧失交流的兴趣。针对这些问题,本申请的发明人经过研究,提出一种数据处理方案,通过学习用户的用语习惯来可选择性的编码语言学现象,进而实现不同表述风格的自然语言,如下:
首先,获得交互系统的当前会话中待输出的第一语句,再至少将第一语句输出到语句转换模型中,以得到语句转换模型对第一语句进行转换所输出的第二语句,第二语句与第一语句的语义相同但第二语句与第一语句的表述风格参数不同,表述风格参数表征语句的表述风格类型。
其中的语句转换模型可以利用至少两个语句对样本训练得到,语句对样本包括初始语句和转换语句,初始语句和转换语句之间的语义相同但表述风格参数不同。
例如,本申请在语句转换模型中添加编码语言学特征的转换层,使用端到端的模型对交互系统生成待回复的第一语句进行表述风格转换。其中的语句转换模型可以预先通过大量的幽默/正常、比喻/正常等语句对样本进行训练,相应训练出的模型能够成功的学习到刻画幽默、比喻等语言学现象的特征,从而将待回复的第一语句进行重编码,使其包含适当的语言学成分,如幽默或比喻等。
由此,本申请中能够避免目前交互系统中直接输出第一语句存在因为表述刻板而导致用户丧失交流兴趣的情况,并通过在保持语义不变的前提下对输出给用户的语句进行表述风格类型的转换,从而为用户呈现不同的交互风格,用户有继续交互的可能,由此达到改善用户交互体验的目的。
下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
参考图1,为本申请实施例一提供的一种数据处理方法的实现流程图,该方法适用于能够配置有智能客服等交互系统且能够进行数据处理的电子设备中,如计算机或电脑等。本实施例中的技术方案主要用于实现对交互系统中需要输出给用户的语句进行表述风格的转换,进而改善用户对交互系统的使用体验。
具体的,本实施例中的方法可以包括以下步骤:
步骤101:获得当前会话中待输出的第一语句。
其中,本实施例中所获得的第一语句可以是通过交互系统中的自然语言处理模型针对用户输入的语句所生成的回复语句,例如,用户在交互系统中输入“我美吗?”的输入语句之后,交互系统中的自然语言处理模型对“我美吗?”进行处理,并生成“你很美”的回复语句,这里的回复语句“你很美”即为第一语句,也就是需要进行表述风格转换的语句。
步骤102:至少将第一语句输出到语句转换模型中,以得到语句转换模型对第一语句进行转换所输出的第二语句。
其中,第二语句与第一语句的语义相同但第二语句与第一语句的表述风格参数不同,这里语句的表述风格参数能够表征语句的表述风格类型,例如幽默的表述风格、辞藻华丽的比喻表述风格、委婉含蓄的比喻表述风格等。
而本实施例中的语句转换模型可以利用至少两个语句对样本训练得到,其中,语句对样本中包括初始语句和转换语句,初始语句和转换语句之间的语义相同但表述风格参数不同,比如初始语句为“美”的平淡刻板的表述风格,而转换语句为“美”的辞藻华丽或委婉含蓄的比喻的表述风格。基于此,本实施例中可以以语句对样本中的初始语句作为语句转换模型的输入数据,以语句对样本中的转换语句为语句转换模型的输出数据,对语句转换模型进行训练,直到语句转换模型中的模型参数至少趋于稳定,得到训练完成的语句转换模型。
而训练完成的语句转换模型中的模型参数能够用于对输入的第一语句进行表述风格的转换,以使得语句转换模型所输出的语句的表述风格参数发生变化,且这种变化是与作为学习样本的语句对样本相关的。由此,语句转换模型所输出的第二语句与第一语句的表述风格参数不同,相应表述风格类型发生转换,与此同时,第二语句和第一语句的语义是不变的,例如,从第一语句“你很美”的平淡刻板的表述风格转换到第二语句“你美得像人间四月天”的委婉的比喻表述风格,但“美”的语义是不变的,由此,语句转换模型实现对语句之间关于语义不变而转换语句表述风格的处理。
由上述方案可知,本申请实施例一提供的一种数据处理方法中,在获得到当前会话中待输出的第一语句之后,利用能够对语句进行表述风格参数转换的语句转换模型对第一语句进行转换,而保持语句的语义不变,由此得到表述风格类型不同但语义仍然相同的第二语句。可见,本实施例中能够避免目前交互系统中直接输出第一语句存在刻板而导致用户丧失交流兴趣的情况,并通过在保持语义不变的前提下对输出给用户的语句进行表述风格类型的转换,从而为用户呈现不同的交互风格,由此达到改善用户交互体验的目的。
基于以上实现,本实施例中在步骤102之后,还可以包括以下步骤,如图2中所示:
步骤103:将第二语句进行输出。
如图3中所示,本实施例中将转换来的第二语句“你美得像人间四月天”替换第一语句“你很美”输出在交互系统中与用户的智能客服交互界面上,用户在交互界面上看到其输出的第二语句之后,可以在键盘区域进行后续的输入。
在一种实现方式中,语句转换模型的语句对样本除了包含有初始语句和转换语句之外,还包括转换语句相对于初始语句的转换程度参数,这里的转换程序参数表征从初始语句向转换语句进行表述风格类型的转换时的转换程度,如幽默的表述风格类型中是轻度的幽默表述风格、或是适度的幽默表述风格、亦或是夸张的幽默表述风格;再如,比喻的表述风格类型中是委婉含蓄的比喻表述风格还是辞藻华丽的比喻表述风格等等。
其中,语句对样本中的转换程度参数可以通过数值或者标号等符号来表征,具体可以通过用户的标注操作参数来获得。例如,在获得语句对样本时,接收用户的标注操作,标注操作中包含有表征转换程度参数的数值,如0-9的数值,或者,如从a-f的符号。以比喻的表述风格类型为例,在语句对样本中初始语句向转换语句的转换程度参数的数值从小到大依次表征:从初始语句到转换语句从平淡、轻度、适度到夸张甚至极度夸张等不同阶段或程度的比喻表述风格。
基于以上实现,本实施例中的语句转换模型在训练时,除了将语句对样本的初始语句作为语句转换模型的输入,还将语句对样本中的转换程度参数与初始语句一起作为语句转换模型的输入数据,相应的,以语句对样本中的转换语句为语句转换模型的输出数据,对语句转换模型进行训练,在训练过程中,语句转换模型根据语句对样本中的初始语句、转换语句以及对应的转换程度参数对模型参数进行学习优化,直到语句转换模型中的模型参数至少趋于稳定,得到训练完成的语句转换模型。
此时训练完成的语句转换模型中的模型参数中是包含转换程度参数的,由此,语句转换模型中包含转换程度参数的模型参数能够用于对输入的第一语句进行表述风格的转换,以使得语句转换模型所输出的语句的语义不变但表述风格参数发生变化,并且所输出的语句的转换程度是按照模型参数中经过语句对样本学习后所优化出来的转换程度参数来确定的。
由此,语句转化模型所输出的第二语句与转换前的第一语句之间关于表述风格类型是发生转换的,而在表述风格上的转换程度是与语句对样本中初始语句和转换语句之间的转换程度参数相对应的,同时,第二语句的语义与第一语句的语义保持一致。
例如,利用具有转换程度参数的语句转换模型将第一语句“你很美”的平淡刻板的表述风格转换到第二语句“你美得像人间四月天”的委婉的比喻表述风格,并且转换程度为轻度,可以用数值2表示转换程度参数(或者,转换程度为夸张时,可以用数值7表示转换程度参数),但“美”的语义是不变的,由此,语句转换模型实现对语句之间关于语义不变而转换语句表述风格的处理,同时在表述风格上的转换程度与模型参数中的转换程度参数相对应,该转换程度参数表征初始语句与转换语句在表述风格类型上的转换程度。
基于以上实现方案,本实施例中在利用语句转换模型进行语句转换之前,可以首先获得当前会话对应的会话参数,如表征参与当前会话的用户情绪的参数、表征参与当前会话的用户历史或当前的表述风格的参数、表征当前会话或对应的历史会话的会话主题的参数,等等,这些会话参数能够用于对语句转换模型对第一语句转换成第二语句时的转换程度参数进行调整。
基于此,本实施例中利用语句转换模型在进行语句转换时,根据会话参数调整后的转换程度参数所转换输出的第二语句的表述风格参数不变但是第二语句所体现出的从第一语句转换来的相对转换程度发生变化,当然语义还是不变的。例如,语句转换模型中的转换程度参数根据会话参数被调整后,语句转换模型对第一语句进行转换所输出的第二语句相对于第一语句在相应表述风格类型上的转换程度会发生相应变化,例如,第二语句不再是轻度的比喻表述风格,而是夸张的比喻表述风格。
以第一语句为“你很美”为例,在原来的轻度的转换程度参数的参与下,语句转换模型输出第二语句:“你美得像人间四月天”,此时第二语句相对于第一语句来说是比较委婉的比喻表述风格,此时的转换程度参数可以用数值2表示,而在语句转换模型中的转换程度参数根据会话参数被调整之后,在被调整后的夸张的转换程度参数的参与下,语句转换模型输出第二语句:“翩若惊鸿,婉若游龙。荣曜秋菊,华茂春松”,此时第二语句相对于第一语句来说是比较夸张的比喻表述风格,此时的转换程度参数可以用数值7表示,但是第二语句与第一语句之间的语义仍然是不变的,都是表达“美”,如图4中所示。
可见,本实施例中可以通过对语句转换模型中转换程度参数进行调整,从而进一步丰富输出给用户的第二语句的表述方式,由此进一步改善用户对交互系统的使用体验。
而在具体实现中,以上用于调整转换程度参数的会话参数可以有多种实现,如下:
在一种实现方式中,会话参数至少包括:根据当前会话中的用户的历史会话语句所获得的历史风格参数。本实施例中可以交互系统中所记录或存储的当前会话中用户的历史会话语句进行读取,进而对这些历史会话语句进行语义识别及表述方式的识别,进而得到这些历史会话语句所对应的用户的历史风格参数,如用户习惯的轻度比喻表述风格或者夸张的幽默表述风格等参数,这些参数可以以文字或数字等符号表示。
基于此,本实施例中在将第一语句输入到语句转换模型时,将历史风格参数和第一语句一起输入到语句转换模型中,由此,运行语句转换模型所输出的第二语句相对于第一语句的转换程度参数与历史风格参数相关。
具体的,本实施例中将历史风格参数和第一语句输入到语句转换模型中,以历史风格参数对语句转换模型对第一语句进行转换过程中的转换程度参数进行调整,此时,语句转换模型可以先基于原始的转换程度参数对第一语句进行转换,再对转换输出的第二语句按照历史风格参数进行相应调整,比如更换第二语句或者调整第二语句中的字词,以使得最终输出的第二语句相对于第一语句的转换程度参数与用户的历史风格参数相关;或者语句转换模型可以先使用历史风格参数对相应的转换程度参数进行调整,再利用调整后的转换程度参数对第一语句进行转换,以使得最终输出的第二语句相对于第一语句的转换程度参数与用户的历史风格参数相关。
以第一语句为“你很美”为例,在原来的轻度的转换程度参数的参与下,语句转换模型输出第二语句:“你美得像人间四月天”,此时第二语句相对于第一语句来说是比较委婉的比喻表述风格,此时的转换程度参数可以用数值2表示,而交互系统的用户的历史风格参数表征用户习惯于较为夸张的表述方式,因此,在语句转换模型中的转换程度参数根据历史风格参数被调整之后,在被调整后的夸张的转换程度参数的参与下,语句转换模型输出第二语句:“翩若惊鸿,婉若游龙。荣曜秋菊,华茂春松”,此时第二语句相对于第一语句来说是比较夸张的比喻表述风格,与用户的表述习惯一致,此时的转换程度参数可以用数值7表示,但是第二语句与第一语句之间的语义仍然是不变的,都是表达“美”,如图4中所示。
在另一种实现中,会话参数至少包括:当前会话对应的会话主题信息。本实施例中可以读取交互系统中所记录或存储的当前会话的会话内容如用户在当前会话中的输入内容等,之后,在对这些当前会话的会话内容进行主题识别及分类,进而得到当前会话对应的会话主题信息,例如,用户在当前会话中所咨询的产品或售后等信息、用户在当前聊天中所涉及的某位演员的信息、或者是用户在当前聊天中所涉及的历史文物的信息等等。
基于此,本实施例中在将第一语句输入到语句转换模型时,将会话主题信息和第一语句一起输入到语句转换模型中,由此,运行语句转换模型所输出的第二语句相对于第一语句的转换程度参数与会话主题信息相关,会话主题信息的不同,相应所输出的第二语句不同,但语义保持不变。
具体的,本实施例中将会话主题信息和第一语句输入到语句转换模型中,以会话主题信息对语句转换模型对第一语句进行转换过程中的转换程度参数进行调整,此时,语句转换模型可以先基于原始的转换程度参数对第一语句进行转换,再对转换输出的第二语句按照会话主题信息进行相应调整,比如更换第二语句或者调整第二语句中的字词,以使得最终输出的第二语句相对于第一语句的转换程度参数与用户的会话主题信息相关;或者语句转换模型可以先使用会话主题信息对相应的转换程度参数进行调整,再利用调整后的转换程度参数对第一语句进行转换,以使得最终输出的第二语句相对于第一语句的转换程度参数与用户的会话主题信息相关。
以第一语句为“她很美”为例,在原来的轻度的转换程度参数的参与下,语句转换模型输出第二语句:“她美得像人间四月天”,此时第二语句相对于第一语句来说是比较委婉的比喻表述风格,此时的转换程度参数可以用数值2表示,而交互系统的用户在当前会话中涉及所喜欢的女演员的主题内容,此时用户可能会更加倾向夸张的表述方式,因此,在语句转换模型中的转换程度参数根据会话主题信息被调整之后,在被调整后的夸张的转换程度参数的参与下,语句转换模型输出第二语句:“翩若惊鸿,婉若游龙。荣曜秋菊,华茂春松”,此时第二语句相对于原来的第二语句来说是比较夸张的比喻表述风格,与用户的倾向一致(夸奖喜欢的演员),此时的转换程度参数可以用数值7表示,但是第二语句与第一语句之间的语义仍然是不变的,都是表达“美”,如图4中所示。
再如,以第一语句为“她很美”为例,在原来的夸张的转换程度参数的参与下,语句转换模型输出第二语句:“翩若惊鸿,婉若游龙。荣曜秋菊,华茂春松”,此时第二语句相对于第一语句来说是辞藻华丽的比喻表述风格,此时的转换程度参数可以用数值7表示,而交互系统的用户在当前会话中涉及某个地区的地震灾难的主题内容,此时用户可能会更加倾向平淡的表述方式,如果继续使用夸张的比喻表述风格可能会引起用户的反感,因此,在语句转换模型中的转换程度参数根据会话主题信息被调整之后,在被调整后的不转换或更轻度的转换程度参数的参与下,语句转换模型输出第二语句:“她确实很美”,此时第二语句相对于原来的第二语句来说是比较平淡刻板的比喻表述风格,与用户的倾向一致(处于地震灾难的状态,会反感辞藻华丽的表述),此时的转换程度参数可以用数值1表示,但是第二语句与第一语句之间的语义仍然是不变的,都是表达“美”,如图5中所示。
在另一种实现中,会话参数至少包括:第一语句的第一情绪参数。本实施例中可以在交互系统中读取所记录或存储的当前会话的会话内容,如用户在当前会话中所输入的内容,进而对这些内容进行语义识别以得到表征用户当前情绪类型的第一情绪参数,如用户开心、悲伤或者愤怒等情绪类型。
基于此,本实施例中在将第一语句输入到语句转换模型时,将第一情绪参数和第一语句一起输入到语句转换模型中,由此,运行语句转换模型所输出的第二语句的第二情绪参数与第一情绪参数相对应,比如完全一致或者相近。
具体的,本实施例中将第一情绪参数加入到语句转换模型对第一语句的转换中,并结合第一情绪参数所表征的用户情绪类型,对语句转换模型中的转换程度参数进行适度的调整,以使得语句转换模型所输出的第二语句具有与经过第一情绪参数调整的转换程度参数相匹配的第二情绪参数,即:第二情绪参数与第一情绪参数完全一致或者相近。
也就是说,利用语句转换模型对第一语句向第二语句转换后,第二语句相对于第一语句的表述风格类型发生变化,而在表述风格类型发生变化的同时,第二语句所表征的情绪类型是与用户在当前会话中表现出的情绪类型可以是一致的或相似的,当然第二语句和第一语句在语义上仍然是不变的。
以第一语句为“你很美”为例,在原来的夸张的转换程度参数的参与下,语句转换模型输出第二语句:“翩若惊鸿,婉若游龙。荣曜秋菊,华茂春松”,此时第二语句相对于第一语句来说是辞藻华丽的比喻表述风格,此时的转换程度参数可以用数值7表示,并且能够表现出较为开心的情绪类型,而交互系统的用户在当前会话中表现出悲伤的情绪状态,此时用户可能会更加倾向平淡的表述方式,如果继续使用夸张的比喻表述风格可能会引起用户情绪上的反感,因此,在语句转换模型中的转换程度参数根据用户在当前会话中的第一情绪参数被调整之后,在被调整后的轻度的转换程度参数的参与下,语句转换模型输出第二语句:“那天雨下的好大,我遇到了你,你没看我,我没看雨”,此时第二语句相对于原来的第二语句来说是相对平淡的比喻表述风格,并且呈现出轻度悲伤的情绪类型,此时与用户所表现出的情绪类型相对应(处于悲伤的情绪状态,会反感辞藻华丽的表述),此时的转换程度参数可以用数值1表示,但是第二语句与第一语句之间的语义仍然是不变的,都是表达“美”,如图6中所示。
基于此,会话参数中还可以包括有:当前会话中输出第二语句之后用户的第三情绪参数,以及当前会话输出第二语句之前用户的第四情绪参数。
具体的,本实施例中可以将转换来的第二语句进行输出,并获得用户针对第二语句的输入内容,例如,用户在交互系统输出“你美得像人间四月天”之后,再次进行输入操作,输入“哈哈哈哈”,本实施例中在对用户针对第二语句的输入内容进行获取之后,可以通过对这些输入内容进行语义识别,以得到当前会话中输出第二语句之后用户的第三情绪参数,表征用户在看到交互系统所输出的第二语句之后所呈现的情绪类型,是开心或者愤怒等。
另外,本实施例中可以通过对当前会话中用户在第二语句输出之前的输入内容进行获取,例如,用户在第二语句被输出之前输入的是“今天有人说我丑,伐开心,难道我真的那么丑吗”,本实施例中对用户在第二语句被输出之前所输入的内容进行语义识别,以得到用户的第四情绪参数,表征用户在第二语句被输出之前所呈现的情绪类型,是开心还是愤怒。
基于以上实现,本实施例中可以根据第三情绪参数和第四情绪参数,对语句转换模型中的模型参数进行调整,而以使得经过模型参数调整的语句转换模型在进行后续的语句转换中能够输出使得用户在第二语句被输出后的情绪类型趋近于情绪高涨如开心或兴奋的情绪类型,从而使得用户能够有继续与交互系统进行交互的倾向。
具体的,本实施例中可以通过比对第四情绪参数和第三情绪参数各自所表征的情绪类型来决定对语句转换模型的模型参数的调整方式。例如,如果第三情绪参数相对于第四情绪参数所表征的情绪类型发生变化,且情绪变化是趋向于用户开心或兴奋的正向变化方向的,那么本实施例中可以不对语句转换模型的模型参数进行调整;如果第三情绪参数相对于第四情绪参数所表征的情绪类型不变或相似,那么不对语句转换模型的模型参数进行调整或者随机对模型参数进行调整,例如,调整模型参数中的转换程度参数增加,以增加后续进行语句转换过程中在表述风格上的转换程度,在经过迭代的多次调整之后,以使得经过调整的语句转换模型进行语句转换后用户的第三情绪参数相对于第四情绪参数所表征的情绪类型发生变化,且情绪变化是趋向于用户开心或兴奋的正向变化方向的;如果第三情绪参数相对于第四情绪参数所表征的情绪类型变化,且情绪变化是趋向于用户悲伤或愤怒的负向变化方向的,说明此次的转换会引起用户不适,那么对语句转换模型的模型参数进行反向调整,例如,调整模型参数中的转换程度参数降低,以降低后续进行语句转换过程中在表述风格上的转换程度,在经过迭代的多次调整之后,以使得经过调整的语句转换模型进行语句转换后用户的第三情绪参数相对于第四情绪参数所表征的情绪类型发生变化,且情绪变化是趋向于用户开心或兴奋的正向变化方向的。
可见,本实施例中在多个方向上对语句转换模型进行语句转换过程中在表述风格上的转换程度进行控制,以使得所转换出的语句能够使得用户看到之后表现出情绪正向变化,从而进一步改善用户与交互系统进行交互过程中的使用体验。
参考图7,为本申请实施例二提供的一种数据处理装置的结构示意图,该装置可以配置在具有智能客服等交互系统且能够进行数据处理的电子设备中,如计算机或电脑等。本实施例中的技术方案主要用于实现对交互系统中需要输出给用户的语句进行表述风格的转换,进而改善用户对交互系统的使用体验。
具体实现中,本实施例中的装置可以包括以下结构:
语句获得单元701,用于获得当前会话中待输出的第一语句;
语句输出单元702,用于至少将第一语句输出到语句转换模型中,以得到语句转换模型对第一语句进行转换所输出的第二语句,第二语句与第一语句的语义相同但第二语句与第一语句的表述风格参数不同,表述风格参数表征语句的表述风格类型;
模型训练单元703,用于利用至少两个语句对样本训练得到语句转换模型,语句对样本包括初始语句和转换语句,初始语句和转换语句之间的语义相同但表述风格参数不同。
语句输出单元704,用于将所述第二语句进行输出。
其中,语句输出单元704可以通过传输接口等部件将第二语句输出到用户终端,以便于在用户终端上显示第二语句,提供给用户观看。
由上述方案可知,本申请实施例二提供的一种数据处理装置,在获得到当前会话中待输出的第一语句之后,利用能够对语句进行表述风格参数转换的语句转换模型对第一语句进行转换,而保持语句的语义不变,由此得到表述风格类型不同但语义仍然相同的第二语句。可见,本实施例中能够避免目前交互系统中直接输出第一语句存在因为表述刻板而导致用户丧失交流兴趣的情况,并通过在保持语义不变的前提下对输出给用户的语句进行表述风格类型的转换,从而为用户呈现不同的交互风格,由此达到改善用户交互体验的目的。
在一种实现方式中,所述语句对样本还包括所述转换语句相对于所述初始语句的转换程度参数;其中,所述语句转换模型通过以下方式训练得到:
至少以所述语句对样本中的初始语句和所述转换程度参数作为所述语句转换模型的输入数据,以所述语句对样本中的转换语句为所述语句转换模型的输出数据,对所述语句转换模型进行训练。
在一种实现方式中,语句获得单元701还用于:获得所述当前会话对应的会话参数,所述会话参数用于对所述语句转换模型对所述第一语句转换成所述第二语句时的转换程度参数进行调整。
优选方案中,所述会话参数至少包括:根据所述当前会话中的用户的历史会话语句所获得的历史风格参数;其中,语句输出单元702在将所述第一语句输入到语句转换模型中时,具体可以将所述历史风格参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述历史风格参数相关。
优选方案中,所述会话参数至少包括:所述当前会话对应的会话主题信息;其中,语句输出单元702在将所述第一语句输入到语句转换模型中时,可以将所述会话主题信息和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述主题风格参数相关。
优选方案中,所述会话参数至少包括:所述第一语句的第一情绪参数;语句输出单元702在将所述第一语句输入到语句转换模型中时,可以将所述第一情绪参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句的第二情绪参数与所述第一情绪参数相对应。
优选方案中,所述会话参数至少包括:所述当前会话中输出所述第二语句之后用户的第三情绪参数,还包括:所述当前会话输出所述第二语句之前用户的第四情绪参数;相应的,模型训练单元703还用于:根据所述第三情绪参数和所述第四情绪参数,对所述语句转换模型的模型参数进行调整。
需要说明的是,本实施例中各单元的具体实现可以参考前文中相应内容,此处不再详述。
参考图8,为本申请实施例三提供的一种电子设备的结构示意图,该电子设备可以为配置有智能客服等交互系统且能够进行数据处理的电子设备,如计算机或电脑等。本实施例中的技术方案主要用于实现对交互系统中需要输出给用户的语句进行表述风格的转换,进而改善用户对交互系统的使用体验。
具体的,本实施例中的电子设备可以包括以下结构:
存储器801,用于存储应用程序和应用程序运行所产生的数据;
处理器802,用于运行应用程序,以实现:获得当前会话中待输出的第一语句;至少将第一语句输出到语句转换模型中,以得到语句转换模型对第一语句进行转换所输出的第二语句,第二语句与第一语句的语义相同但第二语句与第一语句的表述风格参数不同,表述风格参数表征语句的表述风格类型;其中,语句转换模型利用至少两个语句对样本训练得到,语句对样本包括初始语句和转换语句,初始语句和转换语句之间的语义相同但表述风格参数不同。
由上述方案可知,本申请实施例三提供的一种电子设备中,在获得到当前会话中待输出的第一语句之后,利用能够对语句进行表述风格参数转换的语句转换模型对第一语句进行转换,而保持语句的语义不变,由此得到表述风格类型不同但语义仍然相同的第二语句。可见,本实施例中能够避免目前交互系统中直接输出第一语句存在因为表述刻板而导致用户丧失交流兴趣的情况,并通过在保持语义不变的前提下对输出给用户的语句进行表述风格类型的转换,从而为用户呈现不同的交互风格,由此达到改善用户交互体验的目的。
需要说明的是,本实施例中处理器的具体实现可以参考前文中相应描述,此处不再详述。
以下对本申请的技术方案进行实例说明:
本申请中,在通用的自然语言处理模型后添加编码语言学特征的转换层(语句转换模型),如基于自然语言理解NLU(NaturalLanguageUnderstanding)模型和自然语言生成NLG(NaturalLanguageGeneration)模型所构建的自然语言模型后设置本申请中的语句转换模型,在语句转换模型中设置语言学编码层来实现对语料的训练和处理,同时在C1、C2和C3三个方面对语句转换模型中对语句的转换程度或力度进行约束。
具体的,本申请中使用端到端的语句转换模型对机器(NLU和NLG)所生成的回复语句进行风格转换。其中的语句转换模型预先通过大量的幽默/正常、比喻/正常的语句对样本进行训练,使得端到端的语句转换模型能够成功的学到刻画幽默或比喻等语言学现象的特征,从而将回复语句进行重编码,使其包含适当的语言学成分。而语句转换模型中对语句转换力度的约束方面如下:
约束1:语句转换模型中的编码层会融合交互的历史信息,学习用户的用语习惯(用户是否习惯幽默表达、是否常用比喻等,例如,历史记录中的“我觉得今天天空蓝得像蓝宝石”),以保证语句转换模型生成具有用户特异性的回复语句。
约束2:编码层会解析当前会话的领域和主题信息,从而实现可选择领域和主题的语言成分转换。
约束3:编码层会结合原始语句的情感信息,以限制转换后的语句和转换前具有相似的情感。进一步的,根据转换后的语句与转换前的语句的情绪变化,对语句转换模型的编码层参数进行调整,以迭代的方式优化模型参数。
可见,针对当前人机交互中机器中交互系统所生成的回复语句死板、没有针对性且不可控等问题,本申请提出将原始语句进行显示的风格转换的方法,以增强机器回复的灵活性、趣味性和特异性。而在转换过程中,语句转换模型通过编码用户用语习惯、会话领域、会话主题以及原始语句的情感信息等方面来约束转换力度,以保证转换后的语句可控。
参考图9中所示的实现流程,X1-Xr为第一语句“你很美”中的第1-r个字符,如中文字符,经过模型转换之后,得到第二语句,其中,y1-yt为第二语句“你美得像人间四月天”中的第1-t个字符,具体流程如下:
S1:先通过大量的含修辞成分/不含修辞成分的句子对语料(如幽默/非幽默)来训练语句转换模型。例如:你一定是个超人,不然怎么能把星星放到你的眼睛里/你的眼睛很明亮;你的声音像百灵鸟般清脆/你的声音很好听,等等。
S2:针对用户的当前输入“你觉得我美吗”,将经过NLU和/或NLG生成的语句“你很美”输入到语句转换模型的编码层,并使用C1、C2和C3三个约束来约束语句转换模型对语句转换的转换力度。
S3:编码层将转换后的语句“你美得像人间的四月天”输出。
综上,本申请的技术方案能够使机器回复的语句具备人类语言中常用的语言学现象,比如让机器变得更幽默,以提升用户体验。而且,本申请的技术方案可以通过历史数据学习用户的用语习惯,使得回复的语句更具针对性。进一步的,本申请的技术方案中可以通过用户在当前会话中输入的领域信息来约束语言成分生成,实现领域可控,比如涉及健康、战争时则减少幽默生成;涉及娱乐、闲聊时则增加幽默成分的生成,等等。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种数据处理方法,包括:
获得当前会话中待输出的第一语句;
至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;
其中,所述语句转换模型利用至少两个语句对样本训练得到,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
2.根据权利要求1所述的方法,所述语句对样本还包括所述转换语句相对于所述初始语句的转换程度参数;
其中,所述语句转换模型通过以下方式训练得到:
至少以所述语句对样本中的初始语句和所述转换程度参数作为所述语句转换模型的输入数据,以所述语句对样本中的转换语句为所述语句转换模型的输出数据,对所述语句转换模型进行训练。
3.根据权利要求2所述的方法,所述方法还包括:
获得所述当前会话对应的会话参数,所述会话参数用于对所述语句转换模型对所述第一语句转换成所述第二语句时的转换程度参数进行调整。
4.根据权利要求3所述的方法,所述会话参数至少包括:根据所述当前会话中的用户的历史会话语句所获得的历史风格参数;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述历史风格参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述历史风格参数相关。
5.根据权利要求3所述的方法,所述会话参数至少包括:所述当前会话对应的会话主题信息;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述会话主题信息和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句相对于所述第一语句的转换程度参数与所述主题风格参数相关。
6.根据权利要求3所述的方法,所述会话参数至少包括:所述第一语句的第一情绪参数;
其中,将所述第一语句输入到语句转换模型中,包括:
将所述第一情绪参数和所述第一语句输入到语句转换模型中,以使得所述语句转换模型输出的第二语句的第二情绪参数与所述第一情绪参数相对应。
7.根据权利要求3所述的方法,所述会话参数至少包括:所述当前会话中输出所述第二语句之后用户的第三情绪参数,还包括:所述当前会话输出所述第二语句之前用户的第四情绪参数;
所述方法还包括:
根据所述第三情绪参数和所述第四情绪参数,对所述语句转换模型的模型参数进行调整。
8.根据权利要求1或2所述的方法,还包括:
将所述第二语句进行输出。
9.一种数据处理装置,包括:
语句获得单元,用于获得当前会话中待输出的第一语句;
语句输出单元,用于至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;
模型训练单元,用于利用至少两个语句对样本训练得到所述语句转换模型,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
10.一种电子设备,包括:
存储器,用于存储应用程序和所述应用程序运行所产生的数据;
处理器,用于运行所述应用程序,以实现:获得当前会话中待输出的第一语句;至少将所述第一语句输出到语句转换模型中,以得到所述语句转换模型对所述第一语句进行转换所输出的第二语句,所述第二语句与所述第一语句的语义相同但所述第二语句与所述第一语句的表述风格参数不同,所述表述风格参数表征所述语句的表述风格类型;其中,所述语句转换模型利用至少两个语句对样本训练得到,所述语句对样本包括初始语句和转换语句,所述初始语句和所述转换语句之间的语义相同但表述风格参数不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191061.6A CN111414733B (zh) | 2020-03-18 | 2020-03-18 | 一种数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191061.6A CN111414733B (zh) | 2020-03-18 | 2020-03-18 | 一种数据处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414733A true CN111414733A (zh) | 2020-07-14 |
CN111414733B CN111414733B (zh) | 2022-08-19 |
Family
ID=71491181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010191061.6A Active CN111414733B (zh) | 2020-03-18 | 2020-03-18 | 一种数据处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414733B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094490A (zh) * | 2021-05-13 | 2021-07-09 | 重庆度小满优扬科技有限公司 | 一种会话交互方法、装置、电子设备及存储介质 |
WO2022105229A1 (zh) * | 2020-11-20 | 2022-05-27 | 北京搜狗科技发展有限公司 | 一种输入方法、装置和用于输入的装置 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH086952A (ja) * | 1994-06-21 | 1996-01-12 | Canon Inc | 文章処理装置及びその方法 |
JP2004054781A (ja) * | 2002-07-23 | 2004-02-19 | Toppan Printing Co Ltd | 情報検索コミュニケーションシステム及び情報検索コミュニケーション方法 |
KR20100029917A (ko) * | 2008-09-09 | 2010-03-18 | 에스케이 텔레콤주식회사 | 문체 변환 장치, 문체 변환 방법, 저장 매체, 자동 대화 서비스 시스템 및 방법 |
US20120251016A1 (en) * | 2011-04-01 | 2012-10-04 | Kenton Lyons | Techniques for style transformation |
US20160132590A1 (en) * | 2014-11-12 | 2016-05-12 | International Business Machines Corporation | Answering Questions Via a Persona-Based Natural Language Processing (NLP) System |
CN106773923A (zh) * | 2016-11-30 | 2017-05-31 | 北京光年无限科技有限公司 | 面向机器人的多模态情感数据交互方法及装置 |
US20180061400A1 (en) * | 2016-08-30 | 2018-03-01 | Google Inc. | Using textual input and user state information to generate reply content to present in response to the textual input |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
CN108304436A (zh) * | 2017-09-12 | 2018-07-20 | 深圳市腾讯计算机系统有限公司 | 风格语句的生成方法、模型的训练方法、装置及设备 |
CN109635095A (zh) * | 2018-12-17 | 2019-04-16 | 北京百度网讯科技有限公司 | 用于优化对话模型的方法和装置 |
US20190115008A1 (en) * | 2017-10-17 | 2019-04-18 | International Business Machines Corporation | Automatic answer rephrasing based on talking style |
CN109783603A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 基于自编码神经网络的文本生成方法、装置、终端及介质 |
CN110097085A (zh) * | 2019-04-03 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 歌词文本生成方法、训练方法、装置、服务器及存储介质 |
CN110162623A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 软文自动生成方法、装置、计算机设备及存储介质 |
CN110188177A (zh) * | 2019-05-28 | 2019-08-30 | 北京搜狗科技发展有限公司 | 对话生成方法及装置 |
CN110263150A (zh) * | 2019-03-05 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 文本生成方法、装置、计算机设备及存储介质 |
CN110287461A (zh) * | 2019-05-24 | 2019-09-27 | 北京百度网讯科技有限公司 | 文本转换方法、装置及存储介质 |
KR20190119839A (ko) * | 2018-04-13 | 2019-10-23 | 강원대학교산학협력단 | 신경망을 이용해 다양한 문체를 포함한 문장 생성 방법 |
CN110457661A (zh) * | 2019-08-16 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 自然语言生成方法、装置、设备及存储介质 |
CN110581772A (zh) * | 2019-09-06 | 2019-12-17 | 腾讯科技(深圳)有限公司 | 即时通讯消息的交互方法、装置以及计算机可读存储介质 |
CN110738026A (zh) * | 2019-10-23 | 2020-01-31 | 腾讯科技(深圳)有限公司 | 用于生成描述文本的方法和设备 |
CN110738057A (zh) * | 2019-09-05 | 2020-01-31 | 中山大学 | 一种基于语法约束和语言模型的文本风格迁移方法 |
-
2020
- 2020-03-18 CN CN202010191061.6A patent/CN111414733B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH086952A (ja) * | 1994-06-21 | 1996-01-12 | Canon Inc | 文章処理装置及びその方法 |
JP2004054781A (ja) * | 2002-07-23 | 2004-02-19 | Toppan Printing Co Ltd | 情報検索コミュニケーションシステム及び情報検索コミュニケーション方法 |
KR20100029917A (ko) * | 2008-09-09 | 2010-03-18 | 에스케이 텔레콤주식회사 | 문체 변환 장치, 문체 변환 방법, 저장 매체, 자동 대화 서비스 시스템 및 방법 |
US20120251016A1 (en) * | 2011-04-01 | 2012-10-04 | Kenton Lyons | Techniques for style transformation |
US20160132590A1 (en) * | 2014-11-12 | 2016-05-12 | International Business Machines Corporation | Answering Questions Via a Persona-Based Natural Language Processing (NLP) System |
US20180061400A1 (en) * | 2016-08-30 | 2018-03-01 | Google Inc. | Using textual input and user state information to generate reply content to present in response to the textual input |
CN106773923A (zh) * | 2016-11-30 | 2017-05-31 | 北京光年无限科技有限公司 | 面向机器人的多模态情感数据交互方法及装置 |
CN108304436A (zh) * | 2017-09-12 | 2018-07-20 | 深圳市腾讯计算机系统有限公司 | 风格语句的生成方法、模型的训练方法、装置及设备 |
US20190115008A1 (en) * | 2017-10-17 | 2019-04-18 | International Business Machines Corporation | Automatic answer rephrasing based on talking style |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
KR20190119839A (ko) * | 2018-04-13 | 2019-10-23 | 강원대학교산학협력단 | 신경망을 이용해 다양한 문체를 포함한 문장 생성 방법 |
CN109783603A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 基于自编码神经网络的文本生成方法、装置、终端及介质 |
CN109635095A (zh) * | 2018-12-17 | 2019-04-16 | 北京百度网讯科技有限公司 | 用于优化对话模型的方法和装置 |
CN110263150A (zh) * | 2019-03-05 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 文本生成方法、装置、计算机设备及存储介质 |
CN110097085A (zh) * | 2019-04-03 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 歌词文本生成方法、训练方法、装置、服务器及存储介质 |
CN110162623A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 软文自动生成方法、装置、计算机设备及存储介质 |
CN110287461A (zh) * | 2019-05-24 | 2019-09-27 | 北京百度网讯科技有限公司 | 文本转换方法、装置及存储介质 |
CN110188177A (zh) * | 2019-05-28 | 2019-08-30 | 北京搜狗科技发展有限公司 | 对话生成方法及装置 |
CN110457661A (zh) * | 2019-08-16 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 自然语言生成方法、装置、设备及存储介质 |
CN110738057A (zh) * | 2019-09-05 | 2020-01-31 | 中山大学 | 一种基于语法约束和语言模型的文本风格迁移方法 |
CN110581772A (zh) * | 2019-09-06 | 2019-12-17 | 腾讯科技(深圳)有限公司 | 即时通讯消息的交互方法、装置以及计算机可读存储介质 |
CN110738026A (zh) * | 2019-10-23 | 2020-01-31 | 腾讯科技(深圳)有限公司 | 用于生成描述文本的方法和设备 |
Non-Patent Citations (6)
Title |
---|
FRANÇOIS MAIRESSE: "Controlling User Perceptions of Linguistic Style: Trainable Generation of Personality Traits", 《COMPUTATIONAL LINGUISTICS》 * |
REMI MIR ET AL: "Evaluating Style Transfer for Text", 《HTTPS://ARXIV.ORG/ABS/1904.02295》 * |
SANDEEP SUBRAMANIAN ET AL: "Multiple-Attribute Text Style Transfer", 《HTTPS://ARXIV.ORG/ABS/1811.00552》 * |
周雪: "对话系统中非正式语言生成技术的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
曹卫华: "基于进化策略的仿唐诗自动生成系统", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
王苗: "基于交叉对齐方法的中文文本风格转换", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105229A1 (zh) * | 2020-11-20 | 2022-05-27 | 北京搜狗科技发展有限公司 | 一种输入方法、装置和用于输入的装置 |
CN113094490A (zh) * | 2021-05-13 | 2021-07-09 | 重庆度小满优扬科技有限公司 | 一种会话交互方法、装置、电子设备及存储介质 |
CN113094490B (zh) * | 2021-05-13 | 2022-11-22 | 度小满科技(北京)有限公司 | 一种会话交互方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111414733B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Danesi | The semiotics of emoji: The rise of visual language in the age of the internet | |
Sagolla | 140 characters: A style guide for the short form | |
Katsuno et al. | Face to face: on‐line subjectivity in contemporary Japan | |
KR100695392B1 (ko) | 단문 메시지를 멀티미디어 메시지로 변환 및 전송하는방법과 이를 수행하는 문자 이미지 변환서버 | |
Lepic | Motivation in morphology: Lexical patterns in ASL and English | |
CN111414733B (zh) | 一种数据处理方法、装置及电子设备 | |
Cowley et al. | Evolution, lineages and human language | |
Pasaribu et al. | Coding logical mechanism and stereotyping in gender cyber humours | |
Olveres et al. | Intelligent, expressive avatars | |
Farnia et al. | Humor markers in computer mediated communication: emotion perception and response | |
Dijkstra et al. | The New Psychology of Language: From Body to Mental Model and Back | |
Altohami | Text messages: A computer-mediated discourse analysis | |
Martin | Dictionary of Digital Pictograms and Glossary for Internet Use and Portable Telephones | |
Qureshi et al. | An analysis of the emoji’s impact on the language and expressions of youth on social media | |
Goldstein | Philosophical integrations | |
Kavanagh | A Contrastive Analysis of American and Japanese Online Communication: A Study of UMC Function and Usage in Popular Personal Weblogs | |
KR102388465B1 (ko) | 가상 콘텐츠 생성 방법 | |
Pobegaylov et al. | Development of linguistic personality under the influence of social and cultural factors of the modern society. Doc | |
Kazmi et al. | Translation quality assessment: A case study of the novel Peer-E-Kamil | |
Zakrimal | An Analysis Of Presupposition In “Ouija: Origin Of Evil Movie”: Pragmatics Approach | |
Dinangun | An analysis of expressive perlocutionary act of main character's utterances in Sausage Party Movie (2016) | |
Oberwinkler | The Case of Japanese Facebook Users | |
Samola et al. | Morphological Analysis of Slang Words Spoken by Transgender Community in Manado | |
Toma | Emoji Use in Computer-Mediated Communication | |
Kondor | Embedded thinking: Multimedia and the new rationality |
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 |