CN111488435A - 人工智能对话方法和装置、聊天机器人和存储介质 - Google Patents
人工智能对话方法和装置、聊天机器人和存储介质 Download PDFInfo
- Publication number
- CN111488435A CN111488435A CN201910080616.7A CN201910080616A CN111488435A CN 111488435 A CN111488435 A CN 111488435A CN 201910080616 A CN201910080616 A CN 201910080616A CN 111488435 A CN111488435 A CN 111488435A
- Authority
- CN
- China
- Prior art keywords
- dialog
- conversation
- artificial intelligence
- consumer
- personality traits
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 49
- 230000008569 process Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 5
- 230000008450 motivation Effects 0.000 description 5
- 230000003936 working memory Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 206010029216 Nervousness Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000344 soap Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开了人工智能对话方法和装置、聊天机器人和存储介质。人工智能对话方法包括:取得代表对话对象的人格特质的数据,并且基于所取得的人格特质数据确定用于对话对象的对话策略;基于所确定的对话策略生成一个或多个对话样例;以及基于所述一个或多个对话样例来产生并输出与对话对象的对话。
Description
技术领域
本公开涉及人工智能对话方法和装置、聊天机器人和存储介质。
背景技术
人工智能聊天机器人已经广泛地应用于我们的日常生活中。在电子商务平台上,聊天机器人已经被应用来为消费者提供对于一般常见问题的解答;在餐馆中,聊天机器人已经被应用来为消费者提供订餐、点餐等服务;在旅馆中,聊天机器人已经被应用来为消费者提供各种住宿相关服务。人工智能聊天机器人有着广阔的应用前景,可以预期人工智能聊天机器人会承担许多的人工客服的工作。
发明内容
本公开的一个目的是提供一种改进的人工智能对话方法和装置以及改进的人工智能聊天机器人。
本公开提出了一种人工智能对话方法,该方法包括:取得代表对话对象的人格特质(personality trait)的数据,并且基于所取得的人格特质数据确定用于对话对象的对话策略;基于所确定的对话策略生成一个或多个对话样例;以及基于一个或多个对话样例来产生并输出与对话对象的对话。
从参考附图的以下描述中,本公开其他特征和优点将变得清楚。
附图说明
并入说明书中并构成说明书的一部分的附图图示了本公开的实施例,并且与说明书一起用于解释本公开的原理而没有限制。在各图中,类似的标号用于表示类似的项目。
图1是根据本公开的一些实施例的示例性人工智能对话装置的框图。
图2是图示根据本公开的一些实施例的示例性人工智能对话方法的流程图。
图3是根据本公开的一个实施例的示例性人工智能对话装置的框图。
图4是图示根据本公开的所述一个实施例的示例性人工智能对话方法的流程图。
图5示出了根据本公开的一些实施例的其中可应用本公开的一般硬件环境。
具体实施方式
在以下详细描述中,阐述了许多具体细节以提供对所描述的示例性实施例的透彻理解。但是,对于本领域技术人员清楚的是,所描述的实施例可以在没有这些具体细节中的一些或全部的情况下进行实践。在所描述的示例性实施例中,为了避免不必要地模糊本公开的概念,没有详细描述众所周知的结构或处理步骤。
下文所示的每个框图内的方框可以通过硬件、软件、固件或其任意组合来实现以实现本公开的原理。本领域技术人员应该理解的是,每个框图中描述的方框可以被组合或分成子框来实现本公开的原理。
本公开中呈现的方法的步骤旨在是说明性的。在一些实施例中,该方法可以用未描述的一个或多个附加步骤来完成和/或在没有所讨论的一个或多个步骤的情况下完成。此外,方法的步骤被图示和描述的顺序并不旨在是限制性的。
在本公开中,所提出的人工智能对话方法和装置可以以软件形式的聊天应用程序(app)的方式实现。可替代地,所提出的人工智能对话方法和装置可以以实体的聊天机器人的方式实现。
图1是根据本公开的一些实施例的示例性人工智能对话装置100的框图。如图1所示,装置100可以包括对话策略确定部件110,该对话策略确定部件110被配置成取得代表对话对象的人格特质的数据,并且基于所取得的人格特质数据确定用于对话对象的对话策略。装置100可以包括对话样例生成部件120,该对话样例生成部件120被配置成基于所确定的对话策略生成一个或多个对话样例。装置100还可以包括对话产生和输出部件130,该对话产生和输出部件130被配置成基于所述一个或多个对话样例来产生并输出与对话对象的对话。
这里,与对话对象的对话包括与对话对象打招呼,对于对话对象的询问的答复,对于对话对象的询问,给予对话对象的建议等等。
在本公开中,对话策略指的是使得所输出的对话得到对话对象的认可和接受的策略。对话样例指的是与一种或多种对话策略对应的(或者满足一种或多种对话策略的)对话的示例或例子。
图2是图示根据本公开的一些实施例的示例性人工智能对话方法200的流程图。方法200可以包括:取得代表对话对象的人格特质的数据,并且基于所取得的人格特质数据确定用于对话对象的对话策略的步骤S210。方法200可以包括:基于所确定的对话策略生成一个或多个对话样例的步骤S220。方法200还可以包括:基于所述一个或多个对话样例来产生并输出与对话对象的对话的步骤S230。
接下来,将参考图3至图4描述本公开的示例性实施例。
在本实施例中,代表对话对象的人格特质的数据可以是评价大五人格(Big5Personality)中的五种人格特质的分数。这五种人格特质分别是:外向性(extraversion)、宜人性(agreeableness)、责任感(conscientiousness)、开放性(openness)和神经质(neuroticism)。
在本实施例中,用于对话对象的对话策略可以是说服策略,即说服对话对象选择或不选择某种服务或产品的策略。
图3示出了根据本实施例的示例性人工智能对话装置300的框图。
如图3所示,装置300可以包括:对话策略确定部件310,被配置成取得代表消费者(对话对象)的五种人格特质的分数,并且基于所取得的人格特质分数确定用于该消费者的说服策略;对话样例生成部件320,被配置成基于所确定的对话策略生成一个或多个对话样例;对话产生和输出部件330,被配置成基于所述一个或多个对话样例来产生并输出与消费者的对话;合同信息取得部件340,被配置成取得与消费者有关的合同信息;业务流程信息取得部件350,被配置成取得与消费者有关的业务的流程信息;以及存储部件360,被配置成存储第一知识库和第二知识库,该第一知识库关联地存储人格特质和对话策略,该第二知识库关联地存储对话策略和对应的对话样例。第二知识库与第一知识库可以实现为单个知识库或者两个或更多个知识库。在一种实现方式中,第一知识库和第二知识库可以被存储为单个手册以供查阅。存储部件360还可以被配置成存储人格特质数据、合同信息和业务流程信息中的一个或多个。尽管没有示出,装置300还可以包括:消费者输入接收部件,被配置成接收消费者对于装置300的语音和/或文本消息输入。该消费者输入接收部件还可以被配置成对接收到的消费者输入进行语音到文本转换(在输入是语音输入的情况下)以及文本分析(例如语义分析、关键字分析等)。
下文将进一步详细描述如图3所示的各部件的操作。
图4是图示根据本实施例的示例性人工智能对话方法400的流程图。
在图4的方法400开始之前,消费者的人格特质分数被预先确定和存储。例如,消费者A的人格特质分数被预先确定和存储如下:消费者A,外向性85%,宜人性80%,责任感30%,开放性90%,神经质20%。
可以通过以下一种或多种方式来预先确定消费者的人格特质分数:对所接收到的消费者的交互活动进行分析;对消费者的社交媒体活动进行分析;和对消费者的问卷结果进行分析。
所接收到的消费者的交互活动可以包括由装置300的消费者输入接收部件接收到的消费者的交互活动。所接收到的消费者的交互活动可以包括当前的消费者输入和/或在先的消费者输入。可以采用已知的预测模型来基于所接收到的消费者的交互活动(或消费者输入)预测消费者的人格特质分数。
消费者的社交媒体活动可以包括消费者在诸如微博、微信等的社交媒体上的诸如评论、转发、关注等的活动。可以采用已知的预测模型来基于消费者的社交媒体活动预测消费者的人格特质分数。
消费者的问卷结果可以通过经由装置300向消费者提供调查问卷并回收问卷结果来获得。可以采用已知的预测模型来基于问卷结果预测消费者的人格特质分数。
应理解,可以使用各种已知的预测模型(或预测方法)来预先确定消费者的人格特质分数。预先确定的人格特质分数被存储在装置300的存储部件360中或者远程存储在一个或多个远程服务器中以供装置300取回。例如,在Michal Kosinski、David Stillwell和Thore Graepel的论文“Private traits and attributes are predictable fromdigital records of human behavior”中公开了根据人的行为的数字记录来预测人格特质分数的方法。
此外,在图4的方法400开始之前,与消费者有关的合同信息以及与消费者有关的业务的流程信息被预先存储。这些信息可以被存储在装置300的存储部件360中或者远程存储在一个或多个远程服务器中以供装置300取回。在一种实现方式中,与消费者有关的购车贷款合同信息以及与消费者有关的针对购车贷款的还款流程信息被预先存储。应理解,可以根据实际需求来预先存储必要的合同信息和业务流程信息。
此外,在图4的方法400开始之前,如前所述的第一知识库和第二知识库被预先存储在装置300的存储部件360中。可替代地,第一知识库和第二知识库可以被预先存储在一个或多个远程服务器中以供装置300访问。第一知识库和第二知识库是根据大量的心理学研究以及心理学专家的经验而建立的。
方法400从步骤S410开始,在步骤S410处,对话策略确定部件310取得消费者的大五人格中的五种人格特质的分数。然后,对话策略确定部件310通过参考在存储部件360中存储的第一知识库来取得与消费者的人格特质对应的说服策略。
应理解,对话策略确定部件310可以首先通过消费者的唯一标识(比如身份标识号码、手机号码等)来识别消费者,然后根据消费者的唯一标识来取得消费者的人格特质分数。
说服策略可以包括例如以下几种策略。
权威(Authority):人们更喜欢听从处于权威位置的人物的建议。比如,在某个香皂广告中,专业的皮肤科医生因为研究表明这种香皂防止95%的病菌而推荐这种香皂。
承诺(Commitment):人们在口头或书面承诺了要做某件事的情况下更倾向于去完成这件事。比如,在某人口头或书面承诺了不乘坐电梯而爬楼梯的情况下,他更倾向于去这样做,即使他最初并不想做出这样的承诺。
共识(Consensus):当个体观察到大多数的其他人显露出相同的信念或行为时,他们更倾向于类似地去相信或动作。比如,广告可以指出80%的澳大利亚家庭选择某种牛奶。
喜欢(Liking):人们更倾向于在他们喜欢的人请他们做某事时而做某事。比如,在某人捡到的钱包上的姓名与他自己的姓名相近似的情况下,它更愿意把钱包送到失物招领处。
互惠(Reciprocity):人们倾向于回馈向他们提供了优惠的人。例如,如果某个销售员帮助消费者实现了满意的售后服务,那么这个消费者更倾向于找到这个销售员来购买商品。
稀缺(Scarcity):产品越稀缺,人们越想得到它。也就是,如果告诉人们某种产品很难得到,那么人们更想要得到该产品。比如,销售人员常说“限量销售”和“售完即止”。
在下表1中示出消费者的人格特质与说服策略的对应性的例子。例如,从表1的第一列和第二列中可以看出,如果某个消费者的外向性人格特质的分数较高,那么互惠、稀缺和承诺这几种说服策略会是适合该消费者的策略。又例如,如果某个消费者的宜人性人格特质的分数较高,那么互惠、权威、喜欢、承诺这几种说服策略会是适合该消费者的策略。从表1的第一列和第二列中还可以看出,如果某个消费者的神经质人格特质的分数较高,那么可能没有适合他的说服策略。
表1
应注意,虽然在表1中分别示出与某一种人格特质关联的说服策略,但是可替代地,可以综合考虑某个消费者的五种人格特质的分数,从而为他确定合适的说服策略。
接下来,方法400前进到步骤S420,在步骤S420处,对话样例生成部件320通过参考在存储部件360中存储的第二知识库来取得与所确定的说服策略对应的一个或多个对话样例。
在表1中还示出说服策略(以及人格特质)与对话样例的对应性。在表1的例子中,以产品“手机X”为例列出了若干对话样例。应理解,可以根据实际需求,预先存储与目标产品或服务有关的对话样例。还应理解,对话样例并不限于对于新产品的推荐。对话样例可以涉及服务的推荐,可以意在提升客户体验,等等。例如,在一种实现方式中,如果所确定的说服策略是“稀缺”,那么所存储的对话样例之一例如可以是“优惠活动本月就结束,之后选择的话可能没有这么多优惠”。又例如,在又一种实现方式中,如果所确定的说服策略是“承诺”,那么所存储的对话样例之一例如可以是“感谢您多次使用我们的服务,感谢您对我们的服务的一贯的支持和喜爱”。
方法400接着前进到步骤S430,在步骤S430处,合同信息取得部件340从存储部件360或者远程服务器取得与消费者有关的合同信息。
方法400进而前进到步骤S440,在步骤S440处,业务流程信息取得部件350从存储部件360或者远程服务器取得与消费者有关的业务的流程信息。
方法400继而前进到步骤S450,在步骤S450处,对话产生和输出部件330基于在步骤S420中取得的一个或多个对话样例、在步骤S430中取得的合同信息、以及在步骤S440中取得的业务流程信息来产生并输出适用于消费者的询问的答复。更具体地,对话产生和输出部件330可以对一个或多个对话样例进行选择、修改和/或组合来产生并输出适用于消费者的询问的答复。对对话样例的选择、修改和/或组合依赖于具体的对话情境、对话的上下文、对话所涉及的产品和/或服务等等。根据样例来产生实际对话的各种已知的文本处理方法可以被用来生成对话。
在一种实现方式中,装置300的消费者输入接收部件接收到消费者A的如下文本消息输入:“我希望立即还清名下的购车贷款,应该如何操作?”。首先,装置300的对话策略确定部件310基于消费者A的人格特质分数(外向性85%,宜人性80%,责任感30%,开放性90%,神经质20%)确定用于消费者A的说服策略,并且对话样例生成部件320基于所确定的说服策略生成对话样例。然后,合同信息取得部件340取得与消费者有关的购车贷款合同信息,并且业务流程信息取得部件350取得与消费者有关的针对购车贷款的还款流程信息。最后,对话产生和输出部件330基于所生成的对话样例,所取得的购车贷款合同信息和还款流程信息来为消费者A产生并输出适合消费者A的答复。例如,对话产生和输出部件330输出如下文本消息和/或语音答复:“XX先生您好,您的购车贷款总额是XXXXX元,您可以在XX网站预约还款日期,在约定日期来XX地点还款即可。我们近期新推出了新能源轿车,该款新能源轿车内设最新的人工智能服务系统,将为您提供前所未有的舒适的驾驶体验。本月内订购享受VIP九折购车优惠。”
能够理解,在上述的实现方式中,最后产生并输出的人工智能答复具有依消费者的人格特质而定的对话内容。具体而言,考虑到消费者A的开放性和外向性人格特质的高分数,对话产生和输出部件330向其推荐新能源轿车,并且以适合其人格特质的对话内容向其进行推荐。比如在推荐内容中包含关键字“前所未有”、“最新”等。相反,如果消费者具有开放性和外向性人格特质的低分数,那么对话产生和输出部件330不会向其推荐新能源轿车,而是会向其推荐传统的口碑优良的轿车。
更具体地,基于消费者的人格特质,对话产生和输出部件330会向其推荐适合他的产品品牌(例如宝马、奔驰、奥迪等)和/或产品型号(例如宝马3系、5系、7系等)。在这种情况下,需要预先建立并存储消费者人格特质与消费者喜欢的产品品牌和/或产品型号之间的对应关系。例如,可以通过对不同产品品牌和/或产品型号的爱好者的社交网络活动进行分析从而确定这些爱好者的人格特质,来建立消费者的人格特质与喜欢的产品品牌和/或产品型号的之间的对应关系。这里,消费者的人格特质例如可以通过包括对应于五种人格特质的五个分数维度的分数来表征。可替代地,基于消费者的人格特质,对话产生和输出部件330可以向其推荐适合他的服务。
此外,最后产生并输出的人工智能答复可以具有依消费者的人格特质而定的对话风格。具体而言,在消费者的宜人性人格特质的分数较高的情况下,装置300可以采用轻松亲切的人工智能对话风格。在消费者的宜人性人格特质的分数较低或者神经质人格特质分数较高的情况下,装置300可以采用官方的严谨的人工智能对话风格。
以上,已经参考图3、图4描述了本公开的人工智能对话方法和装置。通过在产生与对话对象的对话的过程中考虑对话对象的人格特质,并且产生随着对话对象的人格特质不同而不同的对话,本公开的人工智能对话方法和装置能够实现个性化的聊天服务。换言之,本公开的人工智能对话方法和装置能够实现为对话对象定制的聊天服务。也就是说,对话对象的聊天体验能够得到改善。通过使人工智能对话方法和装置能够更恰当地提出问题或者回答问题,能够减少人工客服的介入,从而降低对人工客服的需求。
此外,本公开的人工智能对话方法和装置能够基于对话对象的人格特质来给出不同的说服策略,从而使得对话对象更容易接受人工智能对话方法和装置给出的建议。并且,通过建立对话对象的人格特质与喜欢的产品品牌和/或产品型号(或者偏好的服务)的之间的对应关系,能够识别潜在的消费者并且实现更准确的推荐。因此,能够增大对话对象购买产品或使用服务的可能性及频率。
本公开还提出一种人工智能聊天机器人,该人工智能聊天机器人具有外壳和放置在外壳内的处理器和存储器。机器人外壳可以设有供与对话对象进行人机交互的触摸面板。根据本公开的人工智能对话方法作为计算机可执行指令被存储在存储器中,计算机可执行指令在被处理器执行时使得处理器执行根据本公开的人工智能对话方法。
应理解,说服策略并不限于以上所列出的那些说服策略的例子。说服策略还可以包括与消费者的购买动机相关联的策略,比如,与了解新趋势的购买动机对应的说服策略,与感官刺激的购买动机对应的说服策略,与喜好讲价的购买动机对应的说服策略,等等。在这种情况下,基于消费者的人格特质和消费者的购买动机二者来确定说服策略。说服策略也可以包括与消费者的消费价值观相关联的策略,比如,与享乐型价值观对应的说服策略,与功利型价值观对应的说服策略,等等。在这种情况下,基于消费者的人格特质和消费者的消费价值观二者来确定说服策略。此外,还可以进一步基于消费者的年龄、性别、教育背景、职业、收入状况等来确定说服策略。可以通过与取得消费者的人格特质的方式类似的方式来取得消费者的购买动机、消费价值观等。
对话策略也并不限于说服策略。例如,对话策略可以包括适合对话对象的对话风格。更具体而言,对话策略可以包括适合对话对象的打招呼的方式。
对话样例并不限于以上所给出的例子。对话样例只要能够体现出所采用的对话策略即可。可替代地,对话样例只要适合相应的人格特质即可。根据实际需求,可以产生并预先存储许多个对话样例。
硬件实现
图5示出了根据本公开的示例性实施例的其中可应用本公开的一般硬件环境500。
参考图5,现在将描述作为可应用于本公开的各方面的硬件设备的示例的计算设备500。计算设备500可以是被配置成执行处理和/或计算的任何机器,可以是但不限于工作站、服务器、台式计算机、膝上型计算机、平板计算机、个人数字助理、智能电话、便携式相机或其任意组合。上述装置100、300中的每一个可以整体或至少部分地由计算设备500或类似的设备或系统来实现。
计算设备500可以包括能够经由一个或多个接口与总线502连接或者与总线502通信的元件。例如,计算设备500可以包括总线502、一个或多个处理器504、一个或多个输入设备506以及一个或多个输出设备508。一个或多个处理器504可以是任何类型的处理器,并且可以包括但不限于一个或多个通用处理器和/或一个或多个专用处理器(诸如专用处理芯片)。输入设备506可以是能够向计算设备输入信息的任何类型的设备,并且可以包括但不限于鼠标、键盘、触摸屏、麦克风和/或遥控器。输出设备508可以是能够呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端和/或打印机。计算设备500还可以包括非瞬态存储设备510或与非瞬态存储设备510连接,非瞬态存储设备510可以是非瞬态的并且可以实现数据存储库的任何存储设备,并且可以包括但不限于盘驱动器、光学存储设备、固态存储装置、软盘、柔性盘、硬盘、磁带或任何其它磁性介质、紧凑型盘或任何其它光学介质、ROM(只读存储器)、RAM(随机存取存储器)、高速缓存存储器和/或任何其它存储器芯片或盒带、和/或计算机可以从其读取数据、指令和/或代码的任何其它介质。非瞬态存储设备510可以是可从接口拆卸的。非暂态存储设备510可以具有用于实现上述方法和步骤的数据/指令/代码。计算设备500还可以包括通信设备512。通信设备512可以是能够与外部装置和/或与网络通信的任何类型的设备或系统,并且可以包括但不限于调制解调器、网络卡、红外通信设备、无线通信装备和/或诸如蓝牙TM设备、502.11设备、WiFi设备、WiMax设备、蜂窝通信设施等的芯片组。
总线502可以包括但不限于工业标准体系架构(ISA)总线、微通道体系架构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)本地总线和外围组件互连(PCI)总线。
计算设备500还可以包括工作存储器514,工作存储器514可以是可以存储对处理器504的工作有用的指令和/或数据的任何类型的工作存储器,并且可以包括但不限于随机存取存储器和/或只读存储器设备。
软件要素可以位于工作存储器514中,包括但不限于操作系统516、一个或多个应用程序518、驱动程序和/或其它数据和代码。用于执行上述方法和步骤的指令可以被包括在一个或多个应用程序518中,并且上述装置100和300中的每一个的部件可以通过处理器504读取并执行一个或多个应用程序518的指令来实现。更具体地,对话策略确定部件110可以例如由处理器504在执行具有执行步骤S210的指令的应用程序518时实现。对话样例生成部件120可以例如由处理器504在执行具有执行步骤S220的指令的应用程序518时实现。对话产生和输出部件130可以例如由处理器504在执行具有执行步骤S230的指令的应用程序518时实现。并且,类似地,对话策略确定部件310、对话样例生成部件320、合同信息取得部件340、业务流程信息取得部件350、对话产生和输出部件330可以例如由处理器504在执行具有分别执行步骤S410、S420、S430、S440、S450的指令的应用程序518时实现。软件要素的指令的可执行代码或源代码可以存储在非瞬态计算机可读存储介质(诸如上述(一个或多个)存储设备510)中,并且可以在可能编译和/或安装的情况下被读入到工作存储器514中。软件要素的指令的可执行代码或源代码也可以从远程位置下载。
从上述实施例中,本领域技术人员可以清楚地知晓,可以通过软件及必要的硬件来实现本公开,或者可以通过硬件、固件等来实现本公开。基于这种理解,可以部分地以软件形式来实现本公开的实施例。计算机软件可以存储在计算机的可读存储介质中,比如软盘、硬盘、光盘或闪存中。计算机软件包括使得计算机(例如个人计算机、服务站或网络终端)运行根据本公开的各个实施例的方法或其一部分的一系列指令。
已经这样描述了本公开,清楚的是,本公开可以以许多种方式变化。这些变化不被视为背离了本公开的精神和范围,而是对于本领域技术人员而言显而易见的所有这种修改意欲被包括在以下权利要求的范围中。
Claims (15)
1.一种人工智能对话方法,其特征在于,包括:
取得代表对话对象的人格特质的数据,并且基于所取得的人格特质数据确定用于对话对象的对话策略;
基于所确定的对话策略生成一个或多个对话样例;以及
基于所述一个或多个对话样例来产生并输出与对话对象的对话。
2.根据权利要求1所述的人工智能对话方法,其中,与对话对象的对话具有依对话对象的人格特质而定的对话内容。
3.根据权利要求1所述的人工智能对话方法,其中,与对话对象的对话具有依对话对象的人格特质而定的对话风格。
4.根据权利要求1所述的人工智能对话方法,其中,对话策略包括对对话对象进行说服的说服策略。
5.根据权利要求1所述的人工智能对话方法,还包括:
取得与对话对象有关的合同信息;以及
取得与对话对象有关的业务的流程信息,
其中,产生并输出对话进一步包括:基于所述一个或多个对话样例、所取得的合同信息和所取得的业务流程信息来产生并输出适用于对话对象的对话。
6.根据权利要求5所述的人工智能对话方法,还包括:
存储以下项中的一项或多项:代表对话对象的人格特质的数据,与对话对象有关的合同信息,和与对话对象有关的业务的流程信息。
7.根据权利要求1所述的人工智能对话方法,其中,代表对话对象的人格特质的数据是通过以下方式中的一种或多种方式而导出的:
对所接收到的对话对象的交互活动进行分析;
对对话对象的社交媒体活动进行分析;和
对对话对象的问卷结果进行分析。
8.根据权利要求1所述的人工智能对话方法,其中,代表对话对象的人格特质的数据包括评价大五人格中的五种人格特质的分数。
9.根据权利要求1所述的人工智能对话方法,其中,通过参考第一知识库来基于人格特质数据确定对话策略,并且通过参考第二知识库来基于对话策略生成对话样例。
10.根据权利要求1所述的人工智能对话方法,其中,产生并输出对话进一步包括:对所述一个或多个对话样例进行选择、修改和/或组合来产生并输出适用于对话对象的对话。
11.根据权利要求1所述的人工智能对话方法,其中,所输出的对话包括语音对话和/或文本消息对话。
12.一种人工智能对话装置,其特征在于,包括:用于执行如权利要求1-11中的任一项所述的方法的步骤的部件。
13.一种人工智能对话装置,其特征在于,包括:
至少一个处理器;以及
至少一个存储设备,所述至少一个存储设备存储有指令,当所述指令由所述至少一个处理器执行时使得所述至少一个处理器执行如权利要求1-11中的任一项所述的方法。
14.一种人工智能聊天机器人,其特征在于,包括如权利要求12或13所述的人工智能对话装置。
15.一种非瞬态计算机可读存储介质,其特征在于,存储有指令,当所述指令由处理器执行时使得执行如权利要求1-11中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910080616.7A CN111488435B (zh) | 2019-01-28 | 2019-01-28 | 人工智能对话方法和装置、聊天机器人和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910080616.7A CN111488435B (zh) | 2019-01-28 | 2019-01-28 | 人工智能对话方法和装置、聊天机器人和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488435A true CN111488435A (zh) | 2020-08-04 |
CN111488435B CN111488435B (zh) | 2023-12-12 |
Family
ID=71812264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910080616.7A Active CN111488435B (zh) | 2019-01-28 | 2019-01-28 | 人工智能对话方法和装置、聊天机器人和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488435B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022126734A1 (zh) * | 2020-12-14 | 2022-06-23 | 美的集团股份有限公司 | 语音交互处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294774A (zh) * | 2016-08-11 | 2017-01-04 | 北京光年无限科技有限公司 | 基于对话服务的用户个性化数据处理方法及装置 |
CN106297789A (zh) * | 2016-08-19 | 2017-01-04 | 北京光年无限科技有限公司 | 智能机器人的个性化交互方法及交互系统 |
CN107169113A (zh) * | 2017-05-19 | 2017-09-15 | 网易(杭州)网络有限公司 | 用于基于用户性格实现人工智能对话的方法及设备 |
-
2019
- 2019-01-28 CN CN201910080616.7A patent/CN111488435B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294774A (zh) * | 2016-08-11 | 2017-01-04 | 北京光年无限科技有限公司 | 基于对话服务的用户个性化数据处理方法及装置 |
CN106297789A (zh) * | 2016-08-19 | 2017-01-04 | 北京光年无限科技有限公司 | 智能机器人的个性化交互方法及交互系统 |
CN107169113A (zh) * | 2017-05-19 | 2017-09-15 | 网易(杭州)网络有限公司 | 用于基于用户性格实现人工智能对话的方法及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022126734A1 (zh) * | 2020-12-14 | 2022-06-23 | 美的集团股份有限公司 | 语音交互处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111488435B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sischka et al. | The impact of forced answering and reactance on answering behavior in online surveys | |
Lugtig et al. | The use of PCs, smartphones, and tablets in a probability-based panel survey: Effects on survey measurement error | |
US20200013071A1 (en) | Method for personalizing customer interaction experiences by routing to customer interaction channels | |
Mavletova | Data quality in PC and mobile web surveys | |
Park et al. | Developing elements of user experience for mobile phones and services: survey, interview, and observation approaches | |
Kwok et al. | Spreading social media messages on Facebook: An analysis of restaurant business-to-consumer communications | |
De Ruyter et al. | The impact of perceived listening behavior in voice-to-voice service encounters | |
Heiman et al. | Using demonstration to increase new product acceptance: Controlling demonstration time | |
Griskevicius et al. | Fear and loving in Las Vegas: Evolution, emotion, and persuasion | |
Van Cleemput | “I’ll see you on IM, text, or call you”: A social network approach of adolescents’ use of communication media | |
Murray et al. | Personalization without interrogation: Towards more effective interactions between consumers and feature-based recommendation agents | |
US20070150281A1 (en) | Method and system for utilizing emotion to search content | |
EP4036823A1 (en) | Customization platform and method for service quality evaluation product | |
Mumuni et al. | Online product review impact: the relative effects of review credibility and review relevance | |
Aerts et al. | The platform shapes the message: How website design affects abstraction and valence of online consumer reviews | |
US10817888B2 (en) | System and method for businesses to collect personality information from their customers | |
Zhao et al. | Mining affective words to capture customer’s affective response to apparel products | |
Roffo | Personality in computational advertising: A benchmark | |
Tao et al. | Firm-determined or consumer-determined corporate social responsibility (CSR)? Examining the effects of choice-of-cause in cause-related marketing | |
Manusov et al. | Bumps and tears on the road to the presidency: Media framing of key nonverbal events in the 2008 Democratic election | |
Shim et al. | Virtual sales associates for mature consumers: Technical and social support in e-retail service interactions | |
Kwak et al. | Integrating the reviewers’ and readers’ perceptions of negative online reviews for customer decision-making: a mixed-method approach | |
Donnelly et al. | Time periods feel longer when they span more category boundaries: evidence from the lab and the field | |
CN111488435B (zh) | 人工智能对话方法和装置、聊天机器人和存储介质 | |
Stevenson | Data, Trust, and Transparency in Personalized Advertising. |
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 |