CN111460124B - 智能交互方法、装置及机器人 - Google Patents
智能交互方法、装置及机器人 Download PDFInfo
- Publication number
- CN111460124B CN111460124B CN202010319458.9A CN202010319458A CN111460124B CN 111460124 B CN111460124 B CN 111460124B CN 202010319458 A CN202010319458 A CN 202010319458A CN 111460124 B CN111460124 B CN 111460124B
- Authority
- CN
- China
- Prior art keywords
- condition
- supplemented
- reply
- relation
- value
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/08—Programme-controlled manipulators characterised by modular constructions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种智能交互方法、装置及机器人,该方法通过从用户提问语句中获取意图信息,根据意图信息从预设知识图谱中推理得到答复条件关系网,进而从答复条件关系网中确定当前待补充条件,并向用户发送提问语句,接着对用户答复语句进行条件值提取,若提取到与当前待补充条件对应的当前条件值,将当前条件值补充至当前待补充条件中,并根据当前待补充条件及当前条件值推理出下一个待补充条件;若检测到答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定用户提问的语句答复内容。这样当用户咨询的问题存在多种情况时,可以根据条件补充完整的关系链确定语句答复内容,从而满足复杂问题下的咨询需求。
Description
技术领域
本申请涉及人机交互技术领域,具体而言,涉及一种智能交互方法、装置及机器人。
背景技术
随着人工智能的发展,越来越多的领域争相开展了对人工智能对话机器人应用落地的探索工作。
传统的人工智能对话机器人主要采用简单的一问一答以及单一的线性多轮对话聊天模式,即根据用户的问题描述确认用户想要表达的意图后直接给出一个对应的反馈,若是用户问题命中的意图并不完整需要一些其他条件值来补全该意图,则通过单一固定的线性多轮对话引导用户补全意图所需要的条件值后给出一个对应反馈回复(即该意图需要补全的条件及其条件值范围是单一固定的)。但是当用户咨询的问题比较复杂,传统的一问一答以及单一的线性多轮对话聊天模式无法满足实际需求。
发明内容
本申请实施例的目的在于提供一种智能交互方法、装置及机器人,用以满足复杂问题下的用户咨询需求。
本申请实施例提供了一种智能交互方法,包括:接收用户提问语句,从所述用户提问语句中获取意图信息;根据所述意图信息从预设知识图谱中推理得到答复条件关系网;根据预设规则从所述答复条件关系网中确定当前待补充条件,并向用户发送对应的提问语句;对针对所述提问语句的用户答复语句进行条件值提取,若提取到所述当前待补充条件对应的当前条件值,将所述当前条件值补充至所述当前待补充条件中,并根据所述当前待补充条件及所述当前条件值从所述答复条件关系网中推理下一个待补充条件;若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
在上述实现过程中,通过从用户提问语句中获取意图信息,进而根据意图信息从预设知识图谱中推理得到答复条件关系网,依据预设规则从答复条件关系网中确定当前待补充条件,并向用户发送所述当前待补充条件对应的提问语句,并对用户答复语句进行条件值提取,将提取到的当前条件值补充至当前待补充条件中。在检测到答复条件关系网中存在一个条件补充完整的关系链时,即根据该关系链对应的条件值确定用户提问的语句答复内容。这样,当用户咨询的问题存在多种情况时,可以根据当前条件值以及当前待补充条件,确定出后续需反馈给用户的提问语句,从而逐步确定出符合用户实际情况的关系链,并根据条件补充完整的关系链确定用户提问的语句答复内容,从而满足复杂问题下的用户咨询需求。
进一步地,所述根据所述意图信息从预设知识图谱中推理得到答复条件关系网,包括:根据所述意图信息,从所述预设知识图谱中确定目标实体;根据所述目标实体及所述目标实体间的关联关系确定所述答复条件关系网中的待补充条件、所述待补充条件对应的可补充条件值以及所述待补充条件间的指向关系。
在上述实现过程中,通过意图信息从预设知识图谱中确定目标实体,进而根据目标实体及目标实体间的关联关系确定出答复条件关系网中的待补充条件、待补充条件对应的可补充条件值以及待补充条件间的指向关系,使得得到的答复条件关系网脉络清晰、完整,为基于关系链确定用户提问的语句答复内容提供了可靠的基础。
进一步地,所述目标实体包括目标意图实体以及与所述目标意图实体直接或间接关联的目标条件值实体;所述根据所述目标实体及所述目标实体间的关联关系确定所述答复条件关系网中的待补充条件、所述待补充条件对应的可补充条件值以及所述待补充条件间的指向关系,包括:根据所述目标意图实体与所述目标条件值实体间的关联关系确定首个待补充条件,所述首个待补充条件为所述答复条件关系网中的开始节点对应的待补充条件;根据所述目标条件值实体间的关联关系确定除所述首个待补充条件之外的待补充条件;根据所述目标条件值实体确定各所述待补充条件对应的可补充条件值;根据所述目标条件值实体间的关联关系以及各所述待补充条件对应的可补充条件值,确定各所述待补充条件之间的指向关系。
进一步地,所述答复条件关系网包括多个条件节点;各所述待补充条件分别与各所述条件节点对应;所述根据预设规则从所述答复条件关系网中确定当前待补充条件,包括:将所述答复条件关系网中的开始节点对应的待补充条件确定为首个待补充条件;所述开始节点为所述答复条件关系网中的第一个条件节点。
进一步地,所述根据所述意图信息,从所述预设知识图谱中确定目标实体,包括:对所述用户提问语句进行第一条件值提取;若提取到第一条件值,则根据所述第一条件值和所述意图信息,从所述预设知识图谱中确定所述目标实体,所述第一条件值为所述用户提问语句中具有的条件值。
在上述实现过程中,在对用户提问语句进行意图信息获取的同时,还进行第一条件值提取,从而基于用户提问语句中的条件值,从预设知识图谱中确定目标实体,从而使得推理得到的答复条件关系网更为符合用户实际所需,同时也能使得得到的答复条件关系网更小,从而能够更快获取到条件补充完整的关系链。
进一步地,所述根据预设规则从所述答复条件关系网中确定当前待补充条件,包括:根据所述第一条件值及所述第一条件值对应的第一待补充条件,从所述答复条件关系网中推理出所述第一待补充条件的下一个待补充条件作为首个待补充条件。
进一步地,所述方法还包括:根据所述第一待补充条件确定目标关系链,其中,所述目标关系链为从所述答复条件关系网的开始节点对应的待补充条件到所述第一待补充条件的关系链;根据所述目标关系链中各待补充条件的指向关系确定所述目标关系链中各待补充条件对应的条件值并进行条件值补充。
在上述实现过程中,可以自动实现对于目标关系链的条件值补充,从而减少用户输入量,提高条件值的补充效率。
进一步地,所述答复条件关系网中包括一个开始节点和多个结束节点,所述若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的语句答复内容,包括:若检测到从所述开始节点到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
进一步地,所述答复条件关系网中包括多个结束节点;所述若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的语句答复内容,包括:若检测到从所述第一条件值对应的第一待补充条件到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
进一步地,所述方法还包括:若从所述用户答复语句中提取到所述预设特定待补充条件对应的条件值,将该条件值补充至所述预设特定待补充条件中,并根据该条件值和所述预设特定待补充条件从所述答复条件关系网中推理下一个待补充条件。
进一步地,所述答复条件关系网中包括多个结束节点;所述方法还包括:若检测到从所述预设特定待补充条件到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
进一步地,所述方法还包括:通过所述目标接口从目标数据库中获取待用条件值;将所述待用条件值补充到对应的待补充条件中。
在上述实现过程中,可以通过接口从数据库中获取待用条件值,从而可以减少用户的信息输入量,提高交互效率。
进一步地,所述方法还包括:若对于所述答复条件关系网中的任一待补充条件,同时存在从所述用户答复语句中获得的条件值和从所述目标数据库中获取的待用条件值,则判断所述待补充条件是否为预设的第一类待补充条件;若是,将从所述用户答复语句中获得的条件值补充至该待补充条件中;否则,从所述目标数据库中获取的待用条件值补充至该待补充条件中。
在实际应用过程中,可能存在某些信息相较于之前记录在数据库中的信息发生了改变(比如用户所在地等),此外也可能存在某些信息相对于用户输入的信息而言,数据库中记录的信息反而更为准确(比如用户购买的设备的型号等信息)。为此,在本申请实施例中可以将具有对应的待用条件值的各待补充条件划分为两类。在上述实现过程中,在同时存在从用户答复语句中获得的条件值和从目标数据库中获取的待用条件值时,可以判断待补充条件是否为预设的第一类待补充条件,进而根据待补充条件的类型,分别执行将从用户答复语句中获得的条件值补充至该待补充条件中,或者从目标数据库中获取的待用条件值补充至该待补充条件中的操作,从而提高获取到的条件值的准确性。
以用户答复语句中获得的条件值为主进行待补充条件的补充,可以提高条件值的准确性,从而提高确定出的针对用户提问的语句答复内容的可靠性。
本申请实施例还提供了一种智能交互装置,包括:接收模块、推理模块、补充模块、发送模块和处理模块;所述接收模块,用于接收用户提问语句,从所述用户提问语句中获取意图信息;所述推理模块,用于根据所述意图信息从预设知识图谱中推理得到答复条件关系网;所述推理模块,还用于根据预设规则从所述答复条件关系网中确定当前待补充条件;所述发送模块,用于向用户发送所述当前待补充条件对应的提问语句;所述补充模块,用于对针对所述提问语句的用户答复语句进行条件值提取,若提取到所述当前待补充条件对应的当前条件值,将所述当前条件值补充至所述当前待补充条件中;所述推理模块,还用于根据提取到的所述第一条件值及所述第一待补充条件从所述答复条件关系网中推理下一个待补充条件;所述处理模块,用于若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的答语句复内容。
通过上述实现过程,当用户咨询的问题存在多种情况时,可以根据当前条件值以及当前待补充条件,依据预设知识图谱确定出后续需反馈给用户的提问语句,从而逐步确定出符合用户实际情况的关系链,并根据条件补充完整的关系链确定用户提问的语句答复内容,从而满足复杂问题下的用户咨询需求。
本申请实施例还提供了一种机器人,包括信息输入接口、信息输出接口、处理器、存储器及通信总线;所述通信总线用于实现信息输入接口、信息输出接口、处理器和存储器之间的连接通信;所述信息输入接口用于获取用户提问语句以及用户答复语句,并传输给所述处理器;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的智能交互方法,并将所述提问语句或所述语句答复内容传给所述信息输出接口进行输出。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的智能交互方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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为本申请实施例提供的一种智能交互方法的基本流程示意图;
图2为本申请实施例提供的一种知识网结构示意图;
图3为本申请实施例提供的一种对应图2的答复条件关系网;
图4为本申请实施例提供的一种针对居住证续签的知识网;
图5为本申请实施例提供的一种针对居住证续签的答复条件关系网;
图6为本申请实施例提供的一种智能交互装置的结构示意图;
图7为本申请实施例提供的一种机器人的结构示意图。
具体实施方式
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描述。
实施例一:
本申请实施例中提供了一种智能交互方法,参见图1所示,包括:
S101:接收用户提问语句,从用户提问语句中获取意图信息。
在本申请实施例中,用户可以通过语音、文字等形式将用户提问语句输入至可以实现本申请实施例所提供的智能交互方法的电子设备(如机器人)中。
而电子设备在接收到用户提问语句后,可以通过语义识别技术从用户提问语句中识别出意图信息。
所谓意图信息,即是指用户提问语句实际表达的意图,比如对于“居住证怎么办理”这样一句用户提问语句,其实际表达的意图是获取“办理居住证”。
在本申请实施例中,可以基于神经网络构建语义识别模型,通过收集大量用户提问语句样本,并分别对各用户提问语句样本进行意图标注,标注出各用户提问语句样本实际表达的意图,进而将标注的用户提问语句样本输入到语义识别模型中进行训练。这样训练得到的语义识别模型即可实现对于用户提问语句的意图信息的识别。
S102:根据意图信息从预设知识图谱中推理得到答复条件关系网。
在本申请实施例中,可以由工程师预先针对各实际业务应用场景进行分析,并收集各实际业务应用场景中用户所进行咨询的问题进行整理,从而梳理出各实际业务应用场景中用户所咨询的意图有哪些,并梳理出各意图所可能会涉及到的事件,以及相关事件之间的关联关系。进而将梳理得到各意图,各意图所可能会涉及到的事件,以及相关事件之间的关联关系导入到知识图谱中,从而得到可以用于推理得到答复条件关系网的知识图谱。
需要理解的是,知识图谱通常会以实体和关系的形式进行展现,实体对应的即是事件,而实体间的关联关系即对应实体间对应的条件。而由于梳理得到了各意图,各意图所可能会涉及到的事件,以及相关事件之间的关联关系,因此在知识图谱中,各意图即存在有明确的基于实体和关系所构成的网状结构(本申请实施例中称为知识网),例如图2即为一个知识网结构示例。
据此,在本申请实施例中可以根据从用户提问语句中获取到的意图信息,从预设知识图谱中确定出于与该意图信息对应的各实体(本申请实施例中称为目标实体),进而即可根据目标实体及目标实体间的关联关系确定出答复条件关系网中的待补充条件、待补充条件对应的可补充条件值以及待补充条件间的指向关系。
在本申请实施例中,答复条件关系网由各条件节点以及各条件节点之间的指向关系构成。所谓待补充条件是指答复条件关系网中未填充入条件值的条件节点所对应需补充的条件。而在推理得到答复条件关系网时,答复条件关系网中各条件节点即均为未填充入条件值的条件节点,即在推导出答复条件关系网时,答复条件关系网中只存在待补充条件。需要理解的是,待补充条件和条件节点具有对应关系,例如图5所示的答复条件关系网,图5中每一个小框即对应一个条件节点,而条件节点内的内容即为待补充条件。比如图5中第一个条件节点对应的待补充条件即为“是否接收到续签短信”。
而所谓待补充条件对应的可补充条件值是指待补充条件所能够补充的条件值的范围,比如对于“是否收到续签短信”这样一个待补充条件,其所对应的可补充条件值即仅存在有“收到续签短信”和“未收到续签短信”这两种。
在本申请实施例中,根据各目标实体及目标实体间的关联关系,即可确定出整个答复条件关系网中所涉及到的条件,这些条件的条件值的范围,以及各条件之间的先后指向关系,据此即可得到答复条件关系网。例如,以图2所示例的知识网为基础,即可推理得到如图3所示的答复条件关系网。
需要注意的是,在本申请实施例中,实体可以分为两类,一类为意图实体,一类为条件值实体。所谓意图实体是指对应于意图事件的实体,而条件值实体是指对应于某一种条件值下的事件的实体。例如参见图4所示,图4为知识图谱中的关于居住证续签这一意图对应的知识网。图4中“居住证续签”这一实体即为意图实体,而“收到续签短信”,“未收到续签短信”等实体即为条件值实体。
据此,本申请实施例可以根据目标意图实体与目标条件值实体间的关联关系确定首个待补充条件(首个待补充条件为答复条件关系网中的开始节点对应的待补充条件)。比如对于图4所示的知识网中,根据“居住证续签”这一意图实体与关联的“收到续签短信”和“未收到续签短信”这两个条件值实体之间的关联关系“是否收到续签短信”,可以确定出首个待补充条件为“是否收到续签短信”。
此后,可以根据目标条件值实体间的关联关系确定除首个待补充条件之外的待补充条件。比如对于图4所示的知识网中,根据目标条件值实体“未收到续签短信”与目标条件值实体“到期时间在2018.1.1之前”和“到期时间在2018.1.1之后”之间的关联关系“到期时间在2018.1.1之前还是之后”,可以确定出待补充条件为“到期时间在2018.1.1之前还是之后”。
此后,根据目标条件值实体确定各待补充条件对应的可补充条件值。
在本申请实施例中,根据各待补充条件在知识网中对应的各目标条件值实体,即可确定出待补充条件对应的可补充条件值的范围。例如,对于图4所示的知识网中,根据目标条件值实体“收到续签短信”和“未收到续签短信”,即可确定出待补充条件对应的可补充条件值为“收到续签短信”和“未收到续签短信”两种。
此后,根据目标条件值实体间的关联关系以及各待补充条件对应的可补充条件值,即可确定各待补充条件之间的指向关系。
应当理解的是,各待补充条件之间的指向关系与知识图谱中各关联关系的指向是一致的。例如,对于图4所示的知识网中,根据意图实体“居住证续签”到目标条件值实体“未收到续签短信”的关联关系,以及目标条件值实体“未收到续签短信”到目标条件值实体“到期时间在2018.1.1之前”和“到期时间在2018.1.1之后”之间的关联关系,即可推理得到待补充条件“是否收到续签短信”与待补充条件“到期时间在2018.1.1之前还是之后”之间的指向关系,且该指向关系的值为“未收到续签短信”,即在待补充条件“是否收到续签短信”的条件值为“未收到续签短信”时,答复条件关系网中指向待补充条件“到期时间在2018.1.1之前还是之后”的指向关系生效。
据此,根据图4的知识网,可以推理得到如图5所示的答复条件关系网。
S103:根据预设规则从答复条件关系网中确定当前待补充条件,并向用户发送当前待补充条件对应的提问语句。
在本申请实施例的一种可行实施方式中,可以将答复条件关系网中的开始节点(即答复条件关系网中的第一个条件节点)所对应的待补充条件确定为首个待补充条件,进而可以将首个待补充条件作为当前待补充条件,向用户发送当前待补充条件对应的提问语句。在本申请实施例中,开始节点为在答复条件关系网中没有任何节点指向它的条件节点。
S104:对针对提问语句的用户答复语句进行条件值提取,若提取到当前待补充条件对应的当前条件值,将当前条件值补充至当前待补充条件中,并根据当前待补充条件及当前条件值从答复条件关系网中推理下一个待补充条件。
在本申请实施例中,可以通过语义识别技术从用户答复语句中提取条件值。
与获取意图信息的方式类似,本申请实施例可以基于神经网络构建语义识别模型,通过收集大量语句样本,并分别对各语句样本进行条件值标注,标注出各语句样本中所含有的条件值,进而将标注的语句样本输入到语义识别模型中进行训练。这样训练得到的语义识别模型即可实现对于用户答复语句中的条件值的识别。
需要理解的是,在本申请实施例中,在提取到条件值时,即可确定出该条件值对应的待补充条件。
示例性的,在本申请实施例中,在训练语义识别模型时,可以同时标注出各语句样本对应的待补充条件,从而在在提取到条件值的同时,即确定出该条件值对应的待补充条件。此外,也可以根据答复条件关系网中各待补充条件对应的可补充条件值,通过提取出的条件值在答复条件关系网中确定出对应的待补充条件。
需要理解的是,在实际应用过程中,对针对提问语句的用户答复语句进行条件值提取时,往往存在以下情况:
其一,仅提取到针对当前待补充条件的条件值。此时可以将条件值补充到当前待补充条件,并基于当前待补充条件以及当前待补充条件的条件值在答复条件关系网中得到当前待补充条件所指向的下一待补充条件。
其二,提取到针对当前待补充条件的条件值的同时,还提取到了其余待补充条件的条件值。此时可以将各条件值补充到各自对应的待补充条件中。而对于下一个待补充条件的推理,可以通过以下方式实现:
方式一:可以基于当前待补充条件以及当前待补充条件的条件值在答复条件关系网中得到当前待补充条件所指向的下一待补充条件,以该下一待补充条件作为下一个待补充条件。
方式二:可以根据业务需要,将待补充条件中某些待补充条件预先设置为特定待补充条件。进而可以判断各条件值中,是否存在预设特定待补充条件对应的条件值。
若存在,以该预设特定待补充条件为基准,根据该预设特定待补充条件对应的条件值在答复条件关系网中得到该预设特定待补充条件所指向的下一待补充条件,以该下一待补充条件作为下一个待补充条件。
若不存在,可以基于当前待补充条件以及当前待补充条件的条件值在答复条件关系网中得到当前待补充条件所指向的下一待补充条件,以该下一待补充条件作为下一个待补充条件。
其三,提取到的条件值均为当前待补充条件外的其余待补充条件的条件值。此时可以将各条件值补充到各自对应的待补充条件中。而对于下一个待补充条件的推理,可以通过以下方式实现:
方式一:可以将当前待补充条件作为下一个待补充条件。
方式二:可以根据业务需要,将待补充条件中某些待补充条件预先设置为特定待补充条件。进而可以判断获取到的条件值中,是否存在预设特定待补充条件对应的条件值。
若存在,以该预设特定待补充条件为基准,根据该预设特定待补充条件对应的条件值在答复条件关系网中得到该预设特定待补充条件所指向的下一待补充条件,以该下一待补充条件作为下一个待补充条件。
若不存在,可以将当前待补充条件作为下一个待补充条件。
需要说明的是,在前述预先设置特定待补充条件的方案中,在检测答复条件关系网中是否存在一个条件补充完整的关系链时,可以仅检测答复条件关系网中,从提取出的条件值所对应的特定待补充条件到任一个结束节点间的关系链中,条件是否补充完整。在从提取出的条件值所对应的预设特定待补充条件到任一个结束节点间的关系链中条件补充完整时,即可认为得到了一个条件补充完整的关系链。
S105:若检测到答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定用户提问的语句答复内容。
在本申请实施例中,答复条件关系网中可以存在多个结束节点。所谓结束节点即是指不指向答复条件关系网的任何节点的节点。从开始节点到多个结束节点中任一个结束节点间的关系链即可以被认为是一个完整的关系链。在本申请实施例中,可以检测从开始节点到任一个结束节点间的关系链中待补充条件是否全部被补充,若全部被补充,该关系链即可被用于确定用户提问的语句答复内容。
在本申请实施例的一种可行示例中,关系链对应的语句答复内容可以是预先配置好的,从而在检测到答复条件关系网中存在一个条件补充完整的关系链时,即可根据该关系链获取到对应的语句答复内容。此外,关系链对应的语句答复内容也可以不是预先设定好的,而是基于条件补充完整的关系链,结合其余业务信息等生成相应的语句答复内容,在本申请实施例中不做限定。
需要注意的是,在本申请实施例的一种可行实施方式中,可以对用户提问语句进行条件值提取(本申请实施例中记从用户提问语句中提取出的条件值为第一条件值)。
此时,一种可行的方式是,若提取到第一条件值,则可以将根据第一条件值和意图信息,从预设知识图谱中确定目标实体。示例性的,可以根据意图信息从预设知识图谱中确定出知识网,进而再根据第一条件值从确定出的知识网中确定出目标实体。
具体而言,可以将知识网中从意图实体到第一条件值所对应的条件值实体之间所有的实体,以及第一条件值所对应的条件值实体之后的所有实体作为目标实体。
以图2所示的知识网为例,设提取到的第一条件值为条件值3.1,此时即只需要根据知识网中,将从意图实体到条件值3.1这一实体之间涉及的所有实体,以及条件值3.1这一实体之后的各实体作为目标实体即可。即将意图实体、条件值1.2、条件值3.1、条件值4.1和条件值4.2作为目标实体。
而在另一种可行的方式是,也可以是基于意图信息从预设知识图谱确定出对应于该意图信息的知识网,基于该知识网推理得到答复条件关系网。而若提取到了第一条件值,再将第一条件值补充至答复条件关系网中的相应待补充条件处。
在以上对用户提问语句进行条件值提取的可行实施方式中,在提取到了第一条件值时,即可以同时确定出该第一条件值对应的第一待补充条件,进而即可根据第一条件值及第一待补充条件,从答复条件关系网中推理出第一待补充条件的下一个待补充条件作为首个待补充条件。进而可以将首个待补充条件作为当前待补充条件,向用户发送首个待补充条件对应的提问语句。
值得注意的是,从用户提问语句中提取出的第一条件值所对应的第一待补充条件,可能并不对应于答复条件关系网中的开始节点。
那么,在本申请实施例的第一种可行示例中,可以根据第一待补充条件确定目标关系链(目标关系链为从答复条件关系网的开始节点对应的待补充条件到第一待补充条件的关系链),进而根据目标关系链中各待补充条件的指向关系确定目标关系链中各待补充条件对应的条件值,并自动进行条件值补充。
例如,针对图5所示的答复条件关系网,假设第一条件值为“到期时间在2018.11之前”,那么可以得到从开始节点对应的待补充条件到第一待补充条件的目标关系链中,待补充条件为“是否收到续签短信”,对应的条件值应当为“未收到续签短信”,将“未收到续签短信”这一条件值补充到“是否收到续签短信”这一待补充条件中。
应当理解的是,在上述可行示例中,针对目标关系链中的各待补充条件,也可以通过返回各待补充条件对应的提问语句,进而基于用户的答复语句来获取相应的条件值进行补充。
需要注意的是,在上述可行示例中,进行关系链完整性校验时,可以从开始节点开始进行检测,在检测到从开始节点到答复条件关系网中任一个结束节点间的关系链中待补充条件全部被补充时,即认为得到了一个条件补充完整的关系链。
在本申请实施例的第二种可行示例中,可以不对第一待补充条件之前的各待补充条件进行条件值获取和补充,而是以该第一待补充条件为起始点,根据第一条件值从答复条件关系网中推理下一个待补充条件并发送对应的提问语句,从而逐步得到一个完整的关系链。
此可行示例中,进行关系链完整性校验时,可以仅校验答复条件关系网中从第一待补充条件到任一个结束节点间的关系链中,条件是否补充完整。在从第一待补充条件到任一个结束节点间的关系链中条件补充完整时,即可认为得到了一个条件补充完整的关系链。示例性的,可以从第一待补充条件开始进行检测,在检测到从第一待补充条件到答复条件关系网中任一个结束节点间的关系链中待补充条件全部被补充时,即认为得到了一个条件补充完整的关系链,进而根据从第一待补充条件到结束节点间的关系链确定用户提问的语句答复内容。
在本申请实施例的第三种可行示例中,可以根据业务需要,将待补充条件中某些待补充条件预先设置为特定待补充条件。进而可以判断第一待补充条件是否为预设的特定待补充条件。若第一待补充条件为预设的特定待补充条件,则可以按照上述第二种可行示例进行操作,若第一待补充条件不为预设的特定待补充条件,则可以按照上述第一种可行示例进行操作。
还需要注意的是,在本申请实施例中,电子设备可以通过接口从相关数据库中获取到某些待补充条件所对应的条件值。例如可以获取到用户的姓名、年龄、购买的产品型号等数据。从而在确定出答复条件关系网后,将各待用条件值补充到对应的待补充条件中。
在本申请实施例中,可以在推理下一个待补充条件的过程中,判断下一个待补充条件是否存在对应的待用条件值。若存在,即将对应的待用条件值补充至该下一个待补充条件中,并推理该下一个待补充条件的再下一个待补充条件。若不存在,则返回该下一个待补充条件对应的提问语句,以从用户处获取到该下一个待补充条件对应的条件值。
需要理解的是,在实际应用过程中,可能存在有从用户答复语句中获取到了某一待补充条件对应的条件值,且该待补充条件存在对应的待用条件值的情况。
对此,在本申请实施例的一种可行实施方式中,可以设置采用用户答复语句中获得的条件值补充至该待补充条件中。
此外,考虑到某些条件值的内容可能相对比较复杂,数据库中的数据准确性相较于用户输入的数据而言可能更为准确,在本申请实施例的另一种可行实施方式中,可以将具有对应的待用条件值的各待补充条件划分为两类,分别记为第一类待补充条件和第二类待补充条件。其中,第一类待补充条件为以用户输入为准的一类待补充条件,第二类待补充条件为以数据库为准的一类待补充条件。对于第一类待补充条件,在从用户答复语句中获取到了对应的条件值时,以从用户答复语句中获取到的条件值补充至待补充条件中。对于第二类待补充条件,在从用户答复语句中获取到了对应的条件值时,仍旧将对应的待用条件值补充至待补充条件中。
此外,为了提高条件值的准确性,在出现从用户答复语句中获取到了某一待补充条件对应的条件值,且该待补充条件存在对应的待用条件值的情况时,可以将该待用条件值和从用户答复语句中获取到了某一待补充条件对应的条件值反馈给用户进行确认,进而将用户确认的条件值补充至该待补充条件中。
本申请实施例所提供的智能交互方法,通过从用户提问语句中获取意图信息,进而根据意图信息从预设知识图谱中推理得到答复条件关系网,依据预设规则从答复条件关系网中确定当前待补充条件,并向用户发送所述当前待补充条件对应的提问语句,并获取用户答复语句中当前条件值补充至当前待补充条件中。在检测到答复条件关系网中存在一个条件补充完整的关系链时,即根据该关系链对应的条件值确定用户提问的语句答复内容。这样,当用户咨询的问题存在多种情况时,可以根据当前条件值以及当前待补充条件,依据预设知识图谱确定出后续需反馈给用户的提问语句,从而逐步确定出符合用户实际情况的关系链,并根据条件补充完整的关系链确定用户提问的语句答复内容,从而满足复杂问题下的用户咨询需求。
实施例二:
基于同一发明构思,本申请实施例中还提供了一种智能交互装置100。请参阅图6所示,图6示出了采用图1所示的方法所执行的步骤一一对应的智能交互装置。应理解,装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在装置100的操作系统中的软件功能模块。具体地:
参见图6所示,装置100包括:接收模块101、推理模块102、补充模块103、发送模块104和处理模块105。其中:
接收模块101,用于接收用户提问语句,从用户提问语句中获取意图信息;
推理模块102,用于根据意图信息从预设知识图谱中推理得到答复条件关系网;
推理模块102,还用于根据预设规则从答复条件关系网中确定当前待补充条件;
发送模块104,用于向用户发送当前待补充条件对应的提问语句;
补充模块103,用于对针对提问语句的用户答复语句进行条件值提取,若提取到当前待补充条件对应的当前条件值,将当前条件值补充至当前待补充条件中;
推理模块102,还用于根据当前待补充条件及当前条件值从答复条件关系网中推理下一个待补充条件;
处理模块105,用于若检测到答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定用户提问的答语句复内容。
在本申请实施例中,推理模块102具体用于根据意图信息,从预设知识图谱中确定目标实体;根据目标实体及目标实体间的关联关系确定答复条件关系网中的待补充条件、待补充条件对应的可补充条件值以及待补充条件间的指向关系。
在本申请实施例中,目标实体包括目标意图实体以及与目标意图实体直接或间接关联的目标条件值实体;推理模块102具体用于根据目标意图实体与目标条件值实体间的关联关系确定首个待补充条件,首个待补充条件为答复条件关系网中的开始节点对应的待补充条件;根据目标条件值实体间的关联关系确定除首个待补充条件之外的待补充条件;根据目标条件值实体确定各待补充条件对应的可补充条件值;根据目标条件值实体间的关联关系以及各待补充条件对应的可补充条件值,确定各待补充条件之间的指向关系。
在本申请实施例中,所述答复条件关系网包括多个条件节点;各所述待补充条件分别与各所述条件节点对应;推理模块102具体用于将答复条件关系网中的开始节点对应的待补充条件确定为首个待补充条件;开始节点为答复条件关系网中的第一个条件节点。
在本申请实施例中,推理模块102具体用于对用户提问语句进行第一条件值提取;若提取到第一条件值,则根据第一条件值和意图信息,从预设知识图谱中确定目标实体;所述第一条件值为用户提问语句中具有的条件值。
在本申请实施例中,推理模块102具体用于根据第一条件值及第一条件值对应的第一待补充条件,从答复条件关系网中推理出第一待补充条件的下一个待补充条件作为首个待补充条件。
在本申请实施例中,补充模块103还用于根据第一待补充条件确定目标关系链,其中,目标关系链为从答复条件关系网的开始节点对应的待补充条件到第一待补充条件的关系链;根据目标关系链中各待补充条件的指向关系确定目标关系链中各待补充条件对应的条件值并进行条件值补充。
在本申请实施例中,所述答复条件关系网中包括多个结束节点;处理模块105具体用于若检测到从所述第一条件值对应的第一待补充条件到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
在本申请实施例中,答复条件关系网中包括一个开始节点和多个结束节点;处理模块105具体用于若检测到从开始节点到多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定用户提问的语句答复内容。
在本申请实施例中,补充模块103还用于在从用户答复语句中取到预设特定待补充条件对应的条件值时,将该条件值补充至该特定待补充条件中;推理模块102还用于根据该条件值和该特定待补充条件从答复条件关系网中推理下一个待补充条件。
在本申请实施例中,答复条件关系网中包括多个结束节点。处理模块105具体用于若检测到从该特定待补充条件到多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定用户提问的语句答复内容。
在本申请实施例中,接收模块101还用于通过目标接口从目标数据库中获取待用条件值;补充模块103还用于将待用条件值补充到对应的待补充条件中。
在本申请实施例中,补充模块103还用于若对于答复条件关系网中的任一待补充条件,同时存在从用户答复语句中获得的条件值和从目标数据库中获取的待用条件值,则判断待补充条件是否为预设的第一类待补充条件;若是,将从用户答复语句中获得的条件值补充至该待补充条件中;否则,从目标数据库中获取的待用条件值补充至该待补充条件中。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述,其实施过程可以参考实施例一中的描述。
实施例三:
本实施例提供了一种机器人,参见图7所示,其包括信息输入接口701、信息输出接口702、处理器703、存储器704以及通信总线705。其中:
通信总线705用于实现信息输入接口701、信息输出接口702、处理器703和存储器704之间的连接通信。
信息输入接口701用于获取用户提问语句以及用户答复语句,并传输给处理器703。
处理器703用于执行存储器704中存储的一个或多个程序,以实现上述实施例一所述的智能交互方法,并将提问语句或语句答复内容传给信息输出接口702进行输出。
可以理解,信息输入接口701可以是诸如于麦克风、鼠标、键盘等信息输入组件,而信息输出接口702可以是诸如扬声器、显示屏等信息输出组件。
还需要说明的是,图7所示的结构仅为机器人的一种可行示意,机器人还可包括比图7中所示更多或者更少的组件,或者具有与图7所示不同的配置。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一所述的智能交互方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,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。
另外,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。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种智能交互方法,其特征在于,包括:
接收用户提问语句,从所述用户提问语句中获取意图信息;
根据所述意图信息从预设知识图谱中推理得到答复条件关系网;
所述根据所述意图信息从预设知识图谱中推理得到答复条件关系网,包括:
根据所述意图信息,从所述预设知识图谱中确定目标实体;
根据所述目标实体及所述目标实体间的关联关系确定所述答复条件关系网中的待补充条件、所述待补充条件对应的可补充条件值以及所述待补充条件间的指向关系;
根据预设规则从所述答复条件关系网中确定当前待补充条件,并向用户发送所述当前待补充条件对应的提问语句;
对针对所述提问语句的用户答复语句进行条件值提取,若提取到所述当前待补充条件对应的当前条件值,将所述当前条件值补充至所述当前待补充条件中,并根据所述当前待补充条件及所述当前条件值从所述答复条件关系网中推理下一个待补充条件;
若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的语句答复内容;其中,进行关系链完整性校验时,若检测到所述答复条件关系网中从开始节点到任一个结束节点间的关系链,或从第一待补充条件到任一个所述结束节点间的关系链中待补充条件全部被补充完整,则得到一个条件补充完整的关系链;所述开始节点为所述答复条件关系网中不被任一所述待补充条件指向的待补充条件对应的条件节点,所述结束节点为所述答复条件关系网中不指向任一所述待补充条件的待补充条件对应的条件节点,所述第一待补充条件为所述答复条件关系网中与从所述用户提问语句中提取出的条件值对应的待补充条件。
2.如权利要求1所述的智能交互方法,其特征在于,所述目标实体包括目标意图实体以及与所述目标意图实体直接或间接关联的目标条件值实体;
所述根据所述目标实体及所述目标实体间的关联关系确定所述答复条件关系网中的待补充条件、所述待补充条件对应的可补充条件值以及所述待补充条件间的指向关系,包括:
根据所述目标意图实体与所述目标条件值实体间的关联关系确定首个待补充条件,所述首个待补充条件为所述答复条件关系网中的开始节点对应的待补充条件;
根据所述目标条件值实体间的关联关系确定除所述首个待补充条件之外的待补充条件;
根据所述目标条件值实体确定各所述待补充条件对应的可补充条件值;
根据所述目标条件值实体间的关联关系以及各所述待补充条件对应的可补充条件值,确定各所述待补充条件之间的指向关系。
3.如权利要求1所述的智能交互方法,其特征在于,所述答复条件关系网包括多个条件节点;各所述待补充条件分别与各所述条件节点对应;
所述根据预设规则从所述答复条件关系网中确定当前待补充条件,包括:
将所述答复条件关系网中的开始节点对应的待补充条件确定为首个待补充条件;所述开始节点为所述答复条件关系网中的第一个条件节点。
4.如权利要求1所述的方法,其特征在于,所述根据所述意图信息,从所述预设知识图谱中确定目标实体,包括:
对所述用户提问语句进行第一条件值提取;
若提取到第一条件值,则根据所述第一条件值和所述意图信息,从所述预设知识图谱中确定所述目标实体;所述第一条件值为所述用户提问语句中具有的条件值。
5.如权利要求4所述的智能交互方法,其特征在于,所述根据预设规则从所述答复条件关系网中确定当前待补充条件,包括:
根据所述第一条件值及所述第一条件值对应的第一待补充条件,从所述答复条件关系网中推理出所述第一待补充条件的下一个待补充条件作为首个待补充条件。
6.如权利要求5所述的智能交互方法,其特征在于,所述方法还包括:
根据所述第一待补充条件确定目标关系链,其中,所述目标关系链为从所述答复条件关系网的开始节点对应的待补充条件到所述第一待补充条件的关系链;
根据所述目标关系链中各待补充条件的指向关系确定所述目标关系链中各待补充条件对应的条件值并进行条件值补充。
7.如权利要求5所述的智能交互方法,其特征在于,所述答复条件关系网中包括多个结束节点;所述若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的语句答复内容,包括:
若检测到从所述第一条件值对应的第一待补充条件到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:
若从所述用户答复语句中提取到预设特定待补充条件对应的条件值,将该条件值补充至所述预设特定待补充条件中,并根据该条件值和所述预设特定待补充条件从所述答复条件关系网中推理下一个待补充条件。
9.如权利要求8所述的方法,其特征在于,所述答复条件关系网中包括多个结束节点;所述方法还包括:
若检测到从所述预设特定待补充条件到所述多个结束节点中任一个结束节点间的关系链中待补充条件全部被补充,则根据该关系链对应的条件值确定所述用户提问的语句答复内容。
10.如权利要求1-9任一项所述的智能交互方法,其特征在于,所述方法还包括:
通过目标接口从目标数据库中获取待用条件值;
将所述待用条件值补充到对应的待补充条件中。
11.如权利要求10所述的智能交互方法,其特征在于,所述方法还包括:
若对于所述答复条件关系网中的任一待补充条件,同时存在从所述用户答复语句中获得的条件值和从所述目标数据库中获取的待用条件值,则判断所述待补充条件是否为预设的第一类待补充条件;
若是,将从所述用户答复语句中获得的条件值补充至该待补充条件中;
否则,从所述目标数据库中获取的待用条件值补充至该待补充条件中。
12.一种智能交互装置,其特征在于,包括接收模块、推理模块、补充模块、发送模块和处理模块;
所述接收模块,用于接收用户提问语句,从所述用户提问语句中获取意图信息;
所述推理模块,用于根据所述意图信息从预设知识图谱中推理得到答复条件关系网;
所述推理模块,具体用于根据所述意图信息,从所述预设知识图谱中确定目标实体;根据所述目标实体及所述目标实体间的关联关系确定所述答复条件关系网中的待补充条件、所述待补充条件对应的可补充条件值以及所述待补充条件间的指向关系;
所述推理模块,还用于根据预设规则从所述答复条件关系网中确定当前待补充条件;
所述发送模块,用于向用户发送所述当前待补充条件对应的提问语句;
所述补充模块,用于对针对所述提问语句的用户答复语句进行条件值提取,若提取到所述当前待补充条件对应的当前条件值,将所述当前条件值补充至所述当前待补充条件中;
所述推理模块,还用于根据所述当前待补充条件及所述当前条件值从所述答复条件关系网中推理下一个待补充条件;
所述处理模块,用于若检测到所述答复条件关系网中存在一个条件补充完整的关系链,则根据该关系链对应的条件值确定所述用户提问的答语句复内容;其中,进行关系链完整性校验时,若检测到所述答复条件关系网中从开始节点到任一个结束节点间的关系链,或从第一待补充条件到任一个所述结束节点间的关系链中待补充条件全部被补充完整,则得到一个条件补充完整的关系链;所述开始节点为所述答复条件关系网中不被任一所述待补充条件指向的待补充条件对应的条件节点,所述结束节点为所述答复条件关系网中不指向任一所述待补充条件的待补充条件对应的条件节点,所述第一待补充条件为所述答复条件关系网中与从所述用户提问语句中提取出的条件值对应的待补充条件。
13.一种机器人,其特征在于,包括信息输入接口、信息输出接口、处理器、存储器及通信总线;
所述通信总线用于实现信息输入接口、信息输出接口、处理器和存储器之间的连接通信;
所述信息输入接口用于获取用户提问语句以及用户答复语句,并传输给所述处理器;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1-11中任一项所述的智能交互方法,并将所述提问语句或所述语句答复内容传给所述信息输出接口进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010319458.9A CN111460124B (zh) | 2020-04-21 | 2020-04-21 | 智能交互方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010319458.9A CN111460124B (zh) | 2020-04-21 | 2020-04-21 | 智能交互方法、装置及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460124A CN111460124A (zh) | 2020-07-28 |
CN111460124B true CN111460124B (zh) | 2023-08-25 |
Family
ID=71681330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010319458.9A Active CN111460124B (zh) | 2020-04-21 | 2020-04-21 | 智能交互方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460124B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035636B (zh) * | 2020-08-28 | 2023-06-02 | 康键信息技术(深圳)有限公司 | 医疗问诊系统的问答管理方法、装置、设备及存储介质 |
CN112232080A (zh) * | 2020-10-20 | 2021-01-15 | 大唐融合通信股份有限公司 | 命名实体识别方法、装置及电子设备 |
CN112417110A (zh) * | 2020-10-27 | 2021-02-26 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108446286A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN110929016A (zh) * | 2019-12-10 | 2020-03-27 | 北京爱医生智慧医疗科技有限公司 | 一种基于知识图谱的智能问答方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502608B (zh) * | 2019-07-05 | 2023-10-10 | 平安科技(深圳)有限公司 | 基于知识图谱的人机对话方法及人机对话装置 |
CN110377715A (zh) * | 2019-07-23 | 2019-10-25 | 天津汇智星源信息技术有限公司 | 基于法律知识图谱的推理式精准智能问答方法 |
-
2020
- 2020-04-21 CN CN202010319458.9A patent/CN111460124B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446286A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
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 |
WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN108959627A (zh) * | 2018-07-23 | 2018-12-07 | 北京光年无限科技有限公司 | 基于智能机器人的问答交互方法及系统 |
CN110929016A (zh) * | 2019-12-10 | 2020-03-27 | 北京爱医生智慧医疗科技有限公司 | 一种基于知识图谱的智能问答方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111460124A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460124B (zh) | 智能交互方法、装置及机器人 | |
CN109760041B (zh) | 基于聊天机器人的云管理系统及其操作方法 | |
CN108416041B (zh) | 语音日志分析方法和系统 | |
US20190205743A1 (en) | System and method for detangling of interleaved conversations in communication platforms | |
CN103413549A (zh) | 语音交互的方法、系统以及交互终端 | |
US20190188478A1 (en) | Method and apparatus for obtaining video public opinions, computer device and storage medium | |
GB2604552A (en) | Fusing multimodal data using recurrent neural networks | |
CN105450853B (zh) | 一种预防聊天信息错发的方法、装置及移动终端 | |
CN112749266B (zh) | 一种工业问答方法、装置、系统、设备及存储介质 | |
CN105095415A (zh) | 网络情绪的确定方法和装置 | |
CN109698798B (zh) | 一种应用的识别方法、装置、服务器和存储介质 | |
CN111126071B (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
CN115238105A (zh) | 融合多媒体的违规内容检测方法及系统、设备和介质 | |
CN109492079A (zh) | 意图识别方法及装置 | |
CN111524043A (zh) | 诉讼风险评估问卷自动生成的方法和装置 | |
CN108021713B (zh) | 一种文档聚类的方法和装置 | |
CN108829807A (zh) | 一种舆情归并方法、装置、服务器和存储介质 | |
CN113158069A (zh) | 基于大数据的互动话题场景分析方法、服务器及介质 | |
CN111917848A (zh) | 基于边缘计算和云计算协同的数据处理方法及云服务器 | |
CN116701604A (zh) | 问答语料库的构建方法和装置、问答方法、设备及介质 | |
CN114048303B (zh) | 一种人机协同作战处置响应的系统及方法 | |
CN114022300A (zh) | 社交动态信息的发布方法、装置、存储介质和电子设备 | |
CN114238593A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN113190458A (zh) | 自动埋点数据分析的方法、装置、计算机设备和存储介质 | |
CN110543556A (zh) | 对话配置方法及存储介质和电子设备 |
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 |