CN111475628B - 会话数据处理方法、装置、计算机设备和存储介质 - Google Patents
会话数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111475628B CN111475628B CN202010238184.0A CN202010238184A CN111475628B CN 111475628 B CN111475628 B CN 111475628B CN 202010238184 A CN202010238184 A CN 202010238184A CN 111475628 B CN111475628 B CN 111475628B
- Authority
- CN
- China
- Prior art keywords
- session information
- information
- questions
- question
- standard
- 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
- 238000003672 processing method Methods 0.000 title abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 26
- 239000013589 supplement Substances 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000000470 constituent Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
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
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
-
- 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)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种会话数据处理方法、装置、计算机设备和存储介质,方法包括:获取会话信息;当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题;当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素;输入差异要素至问题生成模型中,生成引导问题;接收回复信息;当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息;根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。当会话信息中缺乏信息要素时,根据会话信息生成引导问题,引导用户补充要素,快速准确地确定用户的意图并提供精准的服务,提升用户的体验感。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种会话数据处理方法、装置、计算机设备和存储介质。
背景技术
人工智能是利用计算机来模拟人脑进行计算、延伸和感知周围环境的一门综合技术,在应用时对给定的条件以人类智能相似的方式做出反应。目前业内的智能客服在获取了用户的会话数据之后,根据会话数据在标准问答库中寻找最相似的标准问题推送给用户,根据用户提出的问题返回给用户相关问题的标准答案,或者执行标准答案对应的流程。但是目前的智能客服在回答问题的过程中,若当前的会话信息中缺乏某些信息要素时,通常无法为用户给出与会话信息最匹配的标准问题,需要用户自发的补充信息才能够更加精确的了解用户意图。
发明内容
为了解决智能客服无法在会话信息不足时为用户提供精准服务的技术问题,本申请提供了一种会话数据处理方法、装置、计算机设备和存储介质。
第一方面,本实施例提供了一种会话数据处理方法,包括:
获取会话信息;
当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素;
输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
接收根据所述引导问题输入的回复信息;
当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
可选地,所述获取会话信息之后,所述方法包括:
判断在所述问答数据库中,是否存在与所述会话信息完全匹配的标准问题;
当未存在与所述会话信息完全匹配的标准问题时,检测所述会话信息中是否存在项目类别;
当所述会话信息中存在项目类别时,执行所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
可选地,所述方法还包括:
当所述会话信息中未包括项目类别时,将所述项目类别作为差异要素;
执行输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题。
可选地,所述方法还包括:
当存在与所述会话信息完全匹配的标准问题时,与所述会话信息完全匹配的标准问题作为目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
可选地,所述方法还包括:
当所述回复信息与所述会话信息无关联时,将所述回复信息作为新的会话信息;
执行判断在所述问答数据库中,是否存在与所述新的会话信息完全匹配的标准问题。
可选地,所述项目类别包括多个产品类型,所述方法还包括:
获取所述会话信息中的目标产品类型;
所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,包括:
在所述问答数据库中,与所述目标产品类别对应的标准问题中,筛选出所述候选问题。
可选地,所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,包括:
在所述问答数据库的标准问题中筛选出,与所述会话信息匹配度最高的标准问题,作为所述候选问题。
第二方面,本实施例提供了一种会话数据处理装置,包括:
信息获取模块,用于获取会话信息;
问题筛选模块,用于当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
差异判断模块,用于当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素;
问题生成模块,用于输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
信息接收模块,用于接收根据所述引导问题输入的回复信息;
关联判断模块,用于当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
数据获取模块,用于根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取会话信息;
当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素;
输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
接收根据所述引导问题输入的回复信息;
当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取会话信息;
当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素;
输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
接收根据所述引导问题输入的回复信息;
当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
上述会话数据处理方法、装置、计算机设备和存储介质,所述方法包括:获取会话信息;当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素;输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;接收根据所述引导问题输入的回复信息;当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。当会话信息中缺乏信息要素时,根据会话信息生成引导问题,引导用户补充要素,快速准确地确定用户的意图并提供精准的服务,提升了用户的体验感。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中会话数据处理方法的应用环境图;
图2为一个实施例中会话数据处理方法的流程示意图;
图3为一个实施例中会话数据处理装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,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的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中会话数据处理方法的应用环境图。参照图1,该会话数据处理方法应用于会话数据处理系统。该会话数据处理系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120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。
在一个实施例中,图2为一个实施例中会话数据处理方法的流程示意图,参照图2,提供了一种会话数据处理方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明,该会话数据处理方法具体包括如下步骤:
步骤S210,获取会话信息。
步骤S220,当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取候选问题对应的预设要素,标准问题包括至少一个要素。
在本实施例中,根据分类器或经过深度学习的分类模型,对获取的会话信息进行分类,项目类别为会话信息中的分类依据,若会话信息中没有项目类别,则无法得知用户与智能客服之间会话的目的是什么,分类器或经过深度学习的分类模型的输出结果就是会话信息对应的分类结果,依照会话信息对应的分类结果在问答数据库中筛选标准问题,将满足筛选条件的标准问题作为候选问题,每个标准问题由多个字符组成,要素为标准问题中与用户需求相关的必须字符,例如标准问题为“请问您想要购买什么型号的空调?”,其中空调为项目类别,购买、型号等为要素。
步骤S230,当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素。
在本实施例中,差异要素是指候选问题与会话信息中不一致的要素,其中,差异要素可以为一个或多个。差异要素的对比可以采用常见字符串对比方法确定,也可以采用训练好的对比模型进行对比。如将会话信息和问答数据库中的标准问题作为输入参数,输入至训练好的匹配度计算模型中,匹配度计算模型包括基于卷积神经网络或循环神经网络学习训练生成,判断当前的会话信息与当前的标准问题是否完全匹配,当会话信息与候选问题不完全匹配时,会话信息中的要素与候选问题中的要素不一致,将候选问题中存在的要素,但会话信息中不存在的要素,作为差异要素。
步骤S240,输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。
在本实施例中,问题生成模型基于自然语言生成算法、transformer模型和强化学习算法生成,其中transformer模型也可用LSTM模型替换,问题生成模型的输入参数为差异要素,输出参数为根据差异要素生成的问题,将根据差异要素生成的引导问题返回至用户输入界面,引导用户输入与差异要素相关联的信息,继而精确定位用户的需求。
步骤S250,接收根据引导问题输入的回复信息。
步骤S260,当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息。
在本实施例中,判断回复信息中是否存在差异要素对应的数据信息,若回复信息中存在差异要素对应的数据信息,则判定回复信息与会话信息有关联,在获取项目类别的基础上进一步确定用户的需求。
步骤S270,根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。
在本实施例中,预设数据是指预先定义的与目标问题对应的数据,该数据可以根据需求自定义。数据包括但不限于文本数据、图像数据和链接数据等等。当根据结合信息在问答数据的标准问题中筛选出目标问题,证明结合信息中存在目标问题的全部要素,在问答数据库中获取与目标问题对应的答案数据或链接数据。例如当用户想要了解A项目类别的参数信息,但无法得到具体型号时,则将型号作为差异要素,根据该差异要素生成引导问题。通过引导问题引导用户输入所需项目类别的具体型号,当获取到型号对应的数据信息为B时,根据结合信息筛选出目标问题,返回A项目类别下B型号对应的参数信息。
当用户的意图是购买A项目类别对应的产品时,根据差异要素生成引导问题,引导用户输入自己所需要的机型或功能,根据结合信息筛选到目标问题,返回A项目类别中对应机型或功能的链接数据,使用户通过链接数据可直接进行选购操作。
在一个实施例中,获取会话信息;判断在问答数据库中,是否存在与会话信息完全匹配的标准问题;当未存在与会话信息完全匹配的标准问题时,检测会话信息中是否存在项目类别;当会话信息中存在项目类别时,执行根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
具体地,根据会话信息中的全部要素,对问答数据库中标准问题进行匹配,即判断在问答数据库中,是否存在组成要素与会话信息中的全部要素完全匹配的标准问题;当问答数据库中不存在,组成要素与会话信息中的全部要素完全匹配的标准问题时,表示无法根据会话信息返回用户想要的数据信息。对会话信息中是否存在项目类别进行检测,当检测到会话信息中存在项目类别时,执行根据项目类别在问答数据库的标准问答中筛选出候选问题,即执行步骤S220。
在一个实施例中,当会话信息中未包括项目类别时,将项目类别作为差异要素;执行输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。
具体地,若会话信息中没有项目类别,则无法得知用户与智能客服之间会话的目的是什么,需要确定用户的会话目的才能为用户提供对应服务,将项目类别作为差异要素输入值问题生成模型中,得到关于项目类别的引导问题,例如“请问您所说的产品名称是什么?”,其中产品名称对应项目类别的名称,返回引导问题至用户输入界面,引导用户输入项目类别,即可根据用户输入的项目类别确定会话目的。
在一个实施例中,当存在与会话信息完全匹配的标准问题时,与会话信息完全匹配的标准问题作为目标问题,在问答数据库中获取与目标问题对应的预设数据。
具体地,将会话信息中的全部要素在问答数据库中进行筛选,当存在组成要素与会话信息中全部要素完全一致的标准问题时,表示会话信息完整,根据会话信息可清楚了解用户的需求,直接返回用户所需的数据信息,将组成要素与会话信息中全部要素完全匹配的标准问题作为目标问题,获取目标问题对应的预设数据,并返回预设数据至用户输入界面。
在一个实施例中,当回复信息与会话信息无关联时,将回复信息作为新的会话信息;执行判断在问答数据库中,是否存在与新的会话信息完全匹配的标准问题。
具体地,当回复信息中不存在差异要素对应的数据信息时,判定该回复信息与会话信息无关联,忽略该回复信息之前的会话信息,将回复信息作为新的会话信息,判断新的会话信息在问答数据库的标准问题中,是否存在完全匹配的标准问题,根据新的会话信息确定用户的需求,再根据确定后的需求为用户提供对应的服务。
在一个实施例中,项目类别包括多个产品类型,获取会话信息中的目标产品类型;在问答数据库中,与目标产品类别对应的标准问题中,筛选出候选问题。
具体地,例如会话数据处理方法的应用场景为家电销售平台,项目类别包括冰箱、空调、电视机、洗衣机和扫地机等,当会话信息中的目标产品类型为空调时,在问答数据库中筛选出空调对应的标准问题,在空调对应的标准问题中筛选出满足筛选条件的候选问题,根据空调筛选出候选问题,在问答数据库中缩小了筛选范围,提高了会话数据处理效率。
在一个实施例中,在问答数据库的标准问题中筛选出,与会话信息匹配度最高的标准问题,作为候选问题。
具体地,当根据会话信息无法直接返回用户所需的数据信息时,需要引导用户补充信息以清楚了解用户的真实需求,在问答数据库中,根据会话信息中的全部要素与每个标准问题的组成要素进行匹配,与会话信息匹配度最高的标准问题,作为候选问题,与会话信息匹配度最高的候选问题与用户的意图最相近,候选问题中的要素用于精准定位用户的需求。
图2为一个实施例中会话数据处理方法的流程示意图。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,图3为一个实施例中会话数据处理装置的结构框图,如图3所示,提供了一种会话数据处理装置,包括:
信息获取模块310,用于获取会话信息;
问题筛选模块320,用于当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取候选问题对应的预设要素,标准问题包括至少一个要素;
差异判断模块330,用于当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素;
问题生成模块340,用于输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题;
信息接收模块350,用于接收根据引导问题输入的回复信息;
关联判断模块360,用于当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息;
数据获取模块370,用于根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,装置还包括:
匹配模块,用于判断在问答数据库中,是否存在与会话信息完全匹配的标准问题;
类别检测模块,用于当未存在与会话信息完全匹配的标准问题时,检测会话信息中是否存在项目类别;
类别筛选模块,用于当会话信息中存在项目类别时,执行根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
在一个实施例中,装置还包括:
差异比对模块,用于当会话信息中未包括项目类别时,将项目类别作为差异要素;
问题生成模块340,用于执行输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。
在一个实施例中,装置还包括:
数据返回模块,用于当存在与会话信息完全匹配的标准问题时,与会话信息完全匹配的标准问题作为目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,装置还包括:
更新模块,用于当回复信息与会话信息无关联时,将回复信息作为新的会话信息;
匹配模块,用于执行判断在问答数据库中,是否存在与新的会话信息完全匹配的标准问题。
在一个实施例中,项目类别包括多个产品类型,装置还包括:
产品类型获取模块,用于获取会话信息中的目标产品类型;
问题筛选模块320包括:
目标群筛选单元,用于在问答数据库中,与目标产品类别对应的标准问题中,筛选出候选问题。
在一个实施例中,问题筛选模块320还包括:
匹配度筛选单元,用于在问答数据库的标准问题中筛选出,与会话信息匹配度最高的标准问题,作为候选问题。
图4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中的终端110(或服务器120)。如图4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,可使得处理器实现会话数据处理方法。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,可使得处理器执行会话数据处理方法。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4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,本申请提供的会话数据处理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4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会话数据处理装置的各个程序模块,比如,图3所示的信息获取模块310、问题筛选模块320、差异判断模块330、问题生成模块340、信息接收模块350、关联判断模块360和数据获取模块370。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会话数据处理方法中的步骤。
图4所示的计算机设备可以通过如图3所示的会话数据处理装置中的信息获取模块310执行获取会话信息。计算机设备可通过问题筛选模块320执行当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取候选问题对应的预设要素,标准问题包括至少一个要素。计算机设备可通过差异判断模块330执行当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素。计算机设备可通过问题生成模块340执行输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。计算机设备可通过信息接收模块350执行接收根据引导问题输入的回复信息。计算机设备可通过关联判断模块360执行当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息。计算机设备可通过数据获取模块370执行根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取会话信息;当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取候选问题对应的预设要素,标准问题包括至少一个要素;当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素;输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题;接收根据引导问题输入的回复信息;当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息;根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:判断在问答数据库中,是否存在与会话信息完全匹配的标准问题;当未存在与会话信息完全匹配的标准问题时,检测会话信息中是否存在项目类别;当会话信息中存在项目类别时,执行根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当会话信息中未包括项目类别时,将项目类别作为差异要素;执行输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当存在与会话信息完全匹配的标准问题时,与会话信息完全匹配的标准问题作为目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当回复信息与会话信息无关联时,将回复信息作为新的会话信息;执行判断在问答数据库中,是否存在与新的会话信息完全匹配的标准问题。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:项目类别包括多个产品类型,获取会话信息中的目标产品类型;在问答数据库中,与目标产品类别对应的标准问题中,筛选出候选问题。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在问答数据库的标准问题中筛选出,与会话信息匹配度最高的标准问题,作为候选问题。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取会话信息;当会话信息中包括项目类别时,根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取候选问题对应的预设要素,标准问题包括至少一个要素;当会话信息与候选问题不完全匹配时,根据候选问题与会话信息确定差异要素;输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题;接收根据引导问题输入的回复信息;当回复信息与会话信息有关联时,结合会话信息与回复信息得到结合信息;根据结合信息在问答数据库的标准问题中筛选出目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:判断在问答数据库中,是否存在与会话信息完全匹配的标准问题;当未存在与会话信息完全匹配的标准问题时,检测会话信息中是否存在项目类别;当会话信息中存在项目类别时,执行根据会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当会话信息中未包括项目类别时,将项目类别作为差异要素;执行输入差异要素至问题生成模型中,通过问题生成模型生成引导问题,输出引导问题。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当存在与会话信息完全匹配的标准问题时,与会话信息完全匹配的标准问题作为目标问题,在问答数据库中获取与目标问题对应的预设数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当回复信息与会话信息无关联时,将回复信息作为新的会话信息;执行判断在问答数据库中,是否存在与新的会话信息完全匹配的标准问题。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:项目类别包括多个产品类型,获取会话信息中的目标产品类型;在问答数据库中,与目标产品类别对应的标准问题中,筛选出候选问题。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在问答数据库的标准问题中筛选出,与会话信息匹配度最高的标准问题,作为候选问题。
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,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。
需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种会话数据处理方法,其特征在于,所述方法包括:
获取会话信息;
当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素,其中,所述差异要素为所述候选问题中存在但所述会话信息中不存在的要素;
输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
接收根据所述引导问题输入的回复信息;
当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
2.根据权利要求1所述的方法,其特征在于,所述获取会话信息之后,所述方法包括:
判断在所述问答数据库中,是否存在与所述会话信息完全匹配的标准问题;
当未存在与所述会话信息完全匹配的标准问题时,检测所述会话信息中是否存在项目类别;
当所述会话信息中存在项目类别时,执行所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述会话信息中未包括项目类别时,将所述项目类别作为差异要素;
执行输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当存在与所述会话信息完全匹配的标准问题时,与所述会话信息完全匹配的标准问题作为目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述回复信息与所述会话信息无关联时,将所述回复信息作为新的会话信息;
执行判断在所述问答数据库中,是否存在与所述新的会话信息完全匹配的标准问题。
6.根据权利要求1所述的方法,其特征在于,所述项目类别包括多个产品类型,所述方法还包括:
获取所述会话信息中的目标产品类型;
所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,包括:
在所述问答数据库中,与所述目标产品类别对应的标准问题中,筛选出所述候选问题。
7.根据权利要求1所述的方法,其特征在于,所述根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,包括:
在所述问答数据库的标准问题中筛选出,与所述会话信息匹配度最高的标准问题,作为所述候选问题。
8.一种会话数据处理装置,其特征在于,所述装置包括:
信息获取模块,用于获取会话信息;
问题筛选模块,用于当所述会话信息中包括项目类别时,根据所述会话信息中的项目类别,在问答数据库的标准问题中筛选出候选问题,获取所述候选问题对应的预设要素,所述标准问题包括至少一个要素;
差异判断模块,用于当所述会话信息与所述候选问题不完全匹配时,根据所述候选问题与所述会话信息确定差异要素,其中,所述差异要素为所述候选问题中存在但所述会话信息中不存在的要素;
问题生成模块,用于输入所述差异要素至问题生成模型中,通过所述问题生成模型生成引导问题,输出所述引导问题;
信息接收模块,用于接收根据所述引导问题输入的回复信息;
关联判断模块,用于当所述回复信息与所述会话信息有关联时,结合所述会话信息与回复信息得到结合信息;
数据获取模块,用于根据所述结合信息在所述问答数据库的标准问题中筛选出目标问题,在所述问答数据库中获取与所述目标问题对应的预设数据。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238184.0A CN111475628B (zh) | 2020-03-30 | 2020-03-30 | 会话数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238184.0A CN111475628B (zh) | 2020-03-30 | 2020-03-30 | 会话数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111475628A CN111475628A (zh) | 2020-07-31 |
CN111475628B true CN111475628B (zh) | 2023-07-14 |
Family
ID=71749260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238184.0A Active CN111475628B (zh) | 2020-03-30 | 2020-03-30 | 会话数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111475628B (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 |
CN112182182B (zh) * | 2020-09-28 | 2024-05-14 | 中国建设银行股份有限公司 | 多轮会话的实现方法、装置、设备及存储介质 |
CN112685552A (zh) * | 2021-02-26 | 2021-04-20 | 深圳追一科技有限公司 | 信息推送方法、推送机器人、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN108491433A (zh) * | 2018-02-09 | 2018-09-04 | 平安科技(深圳)有限公司 | 聊天应答方法、电子装置及存储介质 |
CN109977208A (zh) * | 2019-03-22 | 2019-07-05 | 北京中科汇联科技股份有限公司 | 一种融合faq和任务及主动引导的对话系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030712A1 (en) * | 2008-07-29 | 2010-02-04 | TransAct Communications, Inc. | Guided process/procedure and knowledge and resource scripting system, toolbox and method |
-
2020
- 2020-03-30 CN CN202010238184.0A patent/CN111475628B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN108491433A (zh) * | 2018-02-09 | 2018-09-04 | 平安科技(深圳)有限公司 | 聊天应答方法、电子装置及存储介质 |
CN109977208A (zh) * | 2019-03-22 | 2019-07-05 | 北京中科汇联科技股份有限公司 | 一种融合faq和任务及主动引导的对话系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111475628A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475628B (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
CN110334179B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109902753B (zh) | 用户推荐模型训练方法、装置、计算机设备和存储介质 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN108920530B (zh) | 一种信息处理方法、装置、存储介质及电子设备 | |
CN112905876B (zh) | 基于深度学习的信息推送方法、装置和计算机设备 | |
CN110750523A (zh) | 数据标注方法、系统、计算机设备和存储介质 | |
CN111159570B (zh) | 一种信息推荐方法及服务器 | |
CN111581529A (zh) | 一种结合学生适合度和课程搭配度的课程推荐方法及装置 | |
CN110796261A (zh) | 基于强化学习的特征提取方法、装置和计算机设备 | |
CN109034941B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN113343091A (zh) | 面向产业和企业的科技服务推荐计算方法、介质及程序 | |
CN111680213B (zh) | 信息推荐方法、数据处理方法及装置 | |
Liu et al. | [Retracted] Deep Learning and Collaborative Filtering‐Based Methods for Students’ Performance Prediction and Course Recommendation | |
CN113705792A (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
CN111222566B (zh) | 用户属性识别方法、装置及存储介质 | |
CN110362681B (zh) | 问答系统重复问题识别方法、装置及存储介质 | |
CN114707510A (zh) | 资源推荐信息推送方法、装置、计算机设备及存储介质 | |
CN113724044A (zh) | 基于用户画像的商品推荐、装置、计算机设备和存储介质 | |
CN111310028A (zh) | 基于心理化特征的推荐方法及装置 | |
JP2021077206A (ja) | 学習方法、評価装置、及び評価システム | |
CN111915339A (zh) | 数据的处理方法、装置及设备 | |
CN112925982B (zh) | 用户重定向方法及装置、存储介质、计算机设备 | |
CN114048392B (zh) | 多媒体资源推送方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |