CN111611364A - 一种智能应答方法、装置、设备及存储介质 - Google Patents
一种智能应答方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111611364A CN111611364A CN202010414320.7A CN202010414320A CN111611364A CN 111611364 A CN111611364 A CN 111611364A CN 202010414320 A CN202010414320 A CN 202010414320A CN 111611364 A CN111611364 A CN 111611364A
- Authority
- CN
- China
- Prior art keywords
- entity
- current
- answered
- clarification
- statement
- 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
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种智能应答方法、装置、设备及存储介质,涉及人工智能技术领域和云计算领域。具体实现方案为:获取当前待应答语句,确定所述当前待应答语句的意图所对应的当前待收集实体;若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句;所述实体澄清语句用于对所述当前待收集实体的实体值进行澄清;将所述实体澄清语句作为所述当前待应答语句的回复语句进行输出。通过对当前待应答语句进行澄清回复,实现了对用户请求的自动回复,提高智能应答的效率和精确性。
Description
技术领域
本申请实施例涉及计算机技术,尤其涉及人工智能技术领域和云计算领域,特别涉及一种智能应答方法、装置、设备及存储介质。
背景技术
随着自然语言技术的发展,多轮对话技术越来越多地应用在智能客服和智能外呼等场景,在提升服务效率的同时,大大降低了企业的成本。
目前大部分的多轮对话系统,对话能力比较单一,基本都是按照预设流程来完成对话的交互。然而,用户的表述十分自由,若根据用户表达的内容不能唯一确认实体,应答系统只能重复上一轮的回复或表示系统不理解,导致对用户的输入语句理解不正确,智能应答效率较低,用户体验较差。
发明内容
本申请实施例提供了一种智能应答方法、装置、设备及存储介质,以提高智能应答的效率和精确性。
根据第一方面,提供了一种智能应答方法,该方法包括:
获取当前待应答语句,确定所述当前待应答语句的意图所对应的当前待收集实体;
若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句;所述实体澄清语句用于对所述当前待收集实体的实体值进行澄清;
将所述实体澄清语句作为所述当前待应答语句的回复语句进行输出。
根据第二方面,提供了一种智能应答装置,该装置包括:
实体确定模块,用于获取当前待应答语句,确定所述当前待应答语句的意图所对应的当前待收集实体;
澄清语句获取模块,用于若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句;所述实体澄清语句用于对所述当前待收集实体的实体值进行澄清;
澄清语句输出模块,用于将所述实体澄清语句作为所述当前待应答语句的回复语句进行输出。
根据第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例所述的智能应答方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例所述的智能应答方法。
根据本申请的技术,解决了现有技术中,智能应答的对话能力单一的问题,实现了对用户表述的正确理解,提高了智能应答的效率和精确性,提升用户体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的一种智能应答方法的流程示意图;
图2是根据本申请实施例的一种智能应答方法的流程示意图;
图3是根据本申请实施例的一种智能应答方法的流程示意图;
图4是根据本申请实施例的一种智能应答方法的流程示意图;
图5a是根据本申请实施例的多级地点属性实体示意图;
图5b是根据本申请实施例的多级地点属性实体示意图;
图6是根据本申请实施例的一种智能应答方法的流程示意图;
图7是根据本申请实施例的智能应答流程示意图;
图8是根据本申请实施例的一种智能应答装置的结构框图;
图9是用来实现本申请实施例的智能应答方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例提供的一种智能应答方法的流程示意图,本实施例用于与客户智能对话的情况,该方法可以由一种智能应答装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于具有计算能力的电子设备中。如图1所示,本实施例提供的一种智能应答方法可以包括:
S110、获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体。
其中,实时获取用户输入的语句作为当前待应答语句,根据自然语言的意图识别方法确定当前待应答语句的意图。实体是对一类具体的下位对象的统称,比如将北京大兴机场和北京首都机场等统称为机场,机场为一个实体;而实体值是某一实体对应的下位的具体对象,比如机场这一实体的实体值包括北京大兴机场和北京首都机场等。根据当前待应答语句的意图确定当前待应答语句中的当前待收集实体,当前待收集实体是指针对当前待应答语句的意图预先设置的各待收集实体中的一个待收集实体。例如,当前待应答语句为“买一张A城到B城的机票”,根据意图识别可知,当前待应答语句中所涉及的待收集实体包括出发地第机场和目的地机场,可以预先存储出发地第机场和目的地机场对应的实体值,包括A城第一国际机场、A城第二国际机场、B城第一国际机场、B城第二国际机场和C城第一国际机场等下位对象。本实施例中,对自然语言的意图识别方法不做具体限定。
S120、若根据当前待应答语句确定满足预设实体澄清条件,则获取当前待收集实体对应的实体澄清语句;实体澄清语句用于对当前待收集实体的实体值进行澄清。
其中,实体澄清条件是指确定对当前待应答语句中的实体进行澄清回复的条件,实体澄清语句是指对当前待应答语句中的当前待收集实体进行澄清回复的语句,用于对当前待应答语句中当前待收集实体的实体值进行澄清,实体值是当前待收集实体的具体下位对象。具体的,可以预设实体澄清条件为当前待应答语句为疑问句,若当前待应答语句为疑问句,则满足预设实体澄清条件,获取实体澄清语句。例如,当前待应答语句为“本月剩余话费是多少”,则当前待应答语句的当前待收集实体为“月份”,针对当前待收集实体,可以获取实体澄清语句“您指的是4月份剩余话费吗”,其中,“4月份”是当前待收集实体“月份”的实体值。
也可以先确定当前待收集实体对应的实体值的数量,若当前待收集实体对应的实体值的数量大于一个,则满足预设实体澄清条件,需要获取当前待收集实体对应的实体澄清语句。比如在运营商行业办理流量套餐的场景下,用户想要办理一个流量包,系统构建的流量套餐的实体值的候选值集合为“20元日包”、“20元月包”、“30元月包”和“10元闲时包”,当用户表述“我要办个20元的”,NLU根据用户表述的当前待应答语句,不能确定唯一的实体值。因此,满足预设实体澄清条件,将识别出的“20元日包”和“20元月包”反馈给对话系统,所生成的澄清话术可以是“请问您想要20元日包还是20元月包”。
S130、将实体澄清语句作为当前待应答语句的回复语句进行输出。
其中,获取实体澄清语句,将实体澄清语句作为当前待应答语句的回复语句,发送给用户,形成当前待应答语句与实体澄清语句的一轮对话,可以显示在可视化界面上,等待用户对实体澄清语句的回复。
上述申请中的一个实施例具有如下优点或有益效果:通过确定当前待应答语句中的当前待收集实体,对当前待收集实体的实体值进行澄清回复,实现了对用户请求的确认与智能应答。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,实现了对用户表述的正确理解,提高了智能应答的效率和精确性。支持用户自由的表达,提升对话能力的智能性和流畅性,有利于提高用户办理业务的服务效率,提升用户体验。
图2是根据本申请实施例提供的一种智能应答方法的流程示意图,本实施例以上述实施例为基础进行优化,用于与客户智能对话的情况,该方法可以由一种智能应答装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。
本实施例中,可选的,若根据当前待应答语句确定满足预设实体澄清条件,则获取当前待收集实体对应的实体澄清语句,包括:确定当前待收集实体对应的候选实体值;若当前待应答语句中未包含候选实体值,则确定满足预设实体澄清条件;从候选实体值中筛选出与当前待应答语句匹配的实体值;根据与当前待应答语句匹配的实体值,生成当前待收集实体对应的实体澄清语句。
如图2所示,本实施例提供的一种智能应答方法可以包括:
S210、获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体。
S220、确定当前待收集实体对应的候选实体值。
其中,候选实体值为当前待收集实体的下位对象,例如,当前待收集实体为出发地机场,则候选实体值可以是A城第一国际机场、A城第二国际机场、B城第一国际机场和B城第二国际机场等。在获取当前待应答语句中的当前待收集实体后,根据预设的当前待收集实体与候选实体值的映射关系,确定当前待收集实体对应的候选实体值。
本实施例中,可选的,确定当前待收集实体对应的候选实体值,包括:根据预先配置的实体与实体值集合的对应关系,确定待收集实体对应的实体值集合;将确定的实体值集合中的各实体值,作为当前待收集实体对应的候选实体值。
具体的,实体值集合中包含当前待收集实体的所有候选实体值,预先配置有不同实体对应的实体值集合,在确定当前待应答语句中的当前待收集实体后,查找该当前待收集实体对应的实体值集合,该实体值集合中的各实体值,即为当前待收集实体对应的候选实体值。例如,预先设置实体“出发地机场”对应的实体值集合为:机场=[A城第一国际机场,A城第二国际机场,B城第一国际机场,B城第二国际机场],则将“A城第一国际机场”、“A城第二国际机场”、“B城第一国际机场”和“B城第二国际机场”作为“机场”的候选实体值。通过预先配置实体与实体值集合的对应关系,便于从实体值集合中查找与当前待收集实体对应的候选实体值,提高候选实体值的查找效率和查找精度,进而提高对当前待应答语句的回复效率和回复精度。
本实施例中,可选的,确定当前待收集实体对应的候选实体值,包括:获取针对上一待应答语句筛选出的与上一待应答语句匹配的实体值;将获取的实体值确定为当前待收集实体对应的候选实体值。
具体的,针对上一待应答语句,已经筛选出了匹配的实体值,对于当前待应答语句,若当前待收集实体与上一待应答语句的上一待收集实体一致,则可以直接获取上一待应答语句的实体值,作为当前待应答语句中当前待收集实体的候选实体值。例如,上一待应答语句为“买一张A城到B城的机票”,对于该待应答语句,回复实体澄清语句“请问是需要从A城第一国际机场还是A城第二国际机场出发的机票”,如果根据用户针对实体澄清语句的回复语句仍然不能明确是哪个出发地机场,则在系统针对该回复语句进行澄清时,可以直接将“A城第一国际机场”和“A城第二国际机场”作为候选实体值。通过获取上一待应答语句匹配的实体值,减少对当前待应答语句候选实体值的确定过程,提高候选实体值的确定效率,节约澄清回复时间,进而提高澄清回复效率。
S230、若当前待应答语句中未包含候选实体值,则确定满足预设实体澄清条件。
其中,在确定候选实体值之后,从当前待应答语句中查找候选实体值,确定当前待应答语句中是否包含候选实体值。若当前待应答语句中包含任一候选实体值,则当前待应答语句不满足预设实体澄清条件,不需要对当前待应答语句进行澄清回复;若当前待应答语句中不包含任一候选实体值,则当前待应答语句满足预设实体澄清条件,需要生成针对候选实体值的实体澄清语句进行回复。例如,当前待应答语句为“买一张A城到B城的机票”,针对当前待收集实体“出发地机场”,候选实体值有“A城第一国际机场”、“A城第二国际机场”、“B城第一国际机场”和“B城第二国际机场”。当前待应答语句中不包含任一候选实体值,因此,该当前待应答语句满足预设实体澄清条件。
S240、从候选实体值中筛选出与当前待应答语句匹配的实体值。
其中,当前待应答语句的当前待收集实体可以对应有至少一个候选实体值,根据候选实体值与当前待应答语句的匹配关系,筛选出满足与当前待应答语句匹配关系的实体值。具体的,可以将候选实体值与当前待应答语句中的相同文字的数量作为匹配关系的判断标准,例如,当前待应答语句为“A城的机场平面图是什么”,当前待收集实体为“机场”,候选实体值有“A城第一国际机场”、“A城第二国际机场”、“B城第一国际机场”、“B城第二国际机场”和“C城第一国际机场”,其中,“A城第一国际机场”和“A城第二国际机场”是与当前待应答语句中相同文字数量最多的候选实体值,因此,确定“A城第一国际机场”和“A城第二国际机场”是与当前待应答语句匹配的实体值。
S250、根据与当前待应答语句匹配的实体值,生成当前待收集实体对应的实体澄清语句。
其中,在确定与当前待应答语句匹配的实体值后,针对所确定的一个或多个实体值,生成实体澄清语句,可以将与当前待应答语句匹配的实体值全部展示在实体澄清语句中,便于用户的选择确认。例如,当前待应答语句为“A城的机场平面图是什么”,所确定的实体值为“A城第一国际机场”和“A城第二国际机场”,则实体澄清语句可以是“请问是A城第一国际机场还是A城第二国际机场”。
S260、将实体澄清语句作为当前待应答语句的回复语句进行输出。
上述申请中的一个实施例具有如下优点或有益效果:根据当前待应答语句的意图确定当前待收集实体,由当前待收集实体确定候选实体值,并在当前待应答语句满足预设实体澄清条件时,针对匹配的实体值生成实体澄清语句,便于用户的确认。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,通过选择匹配的候选实体值,实现了对用户表述的正确理解,节约澄清回复时间,提高了智能应答的效率和精确性,提升用户体验。
图3是根据本申请实施例提供的一种智能应答方法的流程示意图,本实施例以上述实施例为基础进行优化,用于与客户智能对话的情况,该方法可以由一种智能应答装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。
本实施例中,可选的,从候选实体值中筛选出与当前待应答语句匹配的实体值,包括:确定当前待应答语句与各候选实体值的相似度;选取相似度达到预设阈值的候选实体值,作为与当前待应答语句匹配的实体值。
如图3所示,本实施例提供的一种智能应答方法可以包括:
S310、获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体。
S320、确定当前待收集实体对应的候选实体值。
S330、若当前待应答语句中未包含候选实体值,则确定满足预设实体澄清条件。
S340、确定当前待应答语句与各候选实体值的相似度;选取相似度达到预设阈值的候选实体值,作为与当前待应答语句匹配的实体值。
其中,在得到候选实体值之后,从候选实体值中选取与当前待应答语句匹配的实体值,若候选实体值满足预设的匹配条件,则根据该候选实体值生成实体澄清语句。预设的匹配条件可以是当前待应答语句与各候选实体值的相似度,若当前待应答语句与各候选实体值的相似度达到预设的相似度阈值,则该候选实体值为与当前待应答语句匹配的实体值。例如,相似度可以是当前待应答语句与候选实体值相同文字的数量,预设相似度的阈值为三个字。若当前待应答语句为“A城的机场平面图是什么”,候选实体值为“A城第一国际机场”、“A城第二国际机场”和“B城第一国际机场”,“A城第一国际机场”与当前待应答语句相同文字的数量为四个,“A城第二国际机场”与当前待应答语句相同文字的数量为四个,“B城第一国际机场”与当前待应答语句相同文字的数量为两个,则满足相似度条件的候选实体值为“A城第一国际机场”和“A城第二国际机场”。
本实施例中,可选的,确定当前待应答语句与各候选实体值的相似度,包括:将当前待应答语句和各候选实体值进行分词;对于各候选实体值,根据分词结果确定当前待应答语句与当前候选实体值所共有的分词的数量,根据该数量确定当前待应答语句与当前候选实体值的相似度。
具体的,确定当前待应答语句与各候选实体值的相似度的方法,可以是确定当前待应答语句与各候选实体值中共有的分词数量。将当前待应答语句和各候选实体值进行分词,所得到的分词结果可以是当前待应答语句的分词集合和各候选实体值的分词集合,将各候选实体值的分词结果分别与当前待应答语句的分词结果对比,确定每一个候选实体值与当前待应答语句所共有的分词数量。根据共有的分词数量确定当前待应答语句与各候选实体值的相似度,共有的分词数量越多,相似度越高。通过对当前待应答语句和各候选实体值进行分词来确定相似度,可以提高相似度的计算效率和计算精度,避免候选实体值判断错误,有利于实体澄清语句对当前待应答语句的准确回复。
S350、根据与当前待应答语句匹配的实体值,生成当前待收集实体对应的实体澄清语句。
S360、将实体澄清语句作为当前待应答语句的回复语句进行输出。
上述申请中的一个实施例具有如下优点或有益效果:根据当前待应答语句的意图确定当前待收集实体,由当前待收集实体确定候选实体值,并在当前待应答语句满足预设实体澄清条件时,根据相似度确定匹配的实体值,针对匹配的实体值生成实体澄清语句,便于用户的确认。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,通过相似度选择匹配的实体值,提高对实体值选择的准确性,实现了对用户表述的正确澄清回复,提高了智能应答的效率和精确性,提升用户体验。
图4是根据本申请实施例提供的一种智能应答方法的流程示意图,本实施例以上述实施例为基础进行优化,用于与客户智能对话的情况,该方法可以由一种智能应答装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。
本实施例中,可选的,根据与当前待应答语句匹配的实体值,生成当前待收集实体对应的实体澄清语句,包括:通过将各个与当前待应答语句匹配的实体值进行字符串匹配,确定各个与当前待应答语句匹配的实体值之间的差异子串,根据差异子串生成实体澄清语句。
如图4所示,本实施例提供的一种智能应答方法可以包括:
S410、获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体。
S420、确定当前待收集实体对应的候选实体值。
S430、若当前待应答语句中未包含候选实体值,则确定满足预设实体澄清条件。
S440、从候选实体值中筛选出与当前待应答语句匹配的实体值。
S450、通过将各个与当前待应答语句匹配的实体值进行字符串匹配,确定各个与当前待应答语句匹配的实体值之间的差异子串,根据差异子串生成实体澄清语句。
其中,差异子串是指与当前待应答语句匹配的实体值之间不同字符所组成的字符串。在根据实体值生成实体澄清语句时,将各个与当前待应答语句匹配的实体值进行字符串匹配,将实体值之间不同的字符确定为差异子串。根据差异子串生成实体澄清语句,在实体澄清语句中展示各个与当前待应答语句匹配的实体值的差异子串,便于用户通过差异子串确定合适的实体值。例如,与当前待应答语句匹配的实体值有“A城第一国际机场”和“A城第二国际机场”,这两个实体值之间的差异在于“第一”和“第二”,因此可以生成差异子串为[第一,第二]。根据差异子串,生成的实体澄清语句可以是“您指的机场是第一机场还是第二机场”。
本实施例中,可选的,当前待收集实体包含多个具有层级关系的属性实体;根据差异子串生成实体澄清回复语句,包括:确定各差异子串分别对应的属性实体;根据层级关系,依次针对确定的各属性实体根据相应属性实体对应的差异子串,生成相应属性实体的实体澄清语句。
具体的,当前待收集实体可以是具有层级关系的属性的实体,例如,可以是地点等包含层级属性的实体,地点属性可以包括省、市和区等。图5a和图5b为多级地点属性实体示意图。若当前待收集实体是具有层级关系的属性实体,则根据层级关系,从上位层级到下位层级,依次确定与当前待应答语句匹配的实体值的差异子串,针对该层级关系的差异子串,生成相应属性实体的实体澄清语句。例如,用户的当前待应答语句中存在“长江路”,对应“长江路”的实体值包括A城C区的长江路和B城D区的长江路,其中,A城和B城是同一层属性实体,即“市”这一属性实体,C区和D区是同一层属性实体,即“区”这一属性实体,且A城和B城的属性实体的层级高于C区和D区的属性实体的层级,则优先生成A城和B城这两个实体值的差异子串,生成的实体澄清语句可以是“您指的是A城的长江路还是B城的长江路”。然后再生成C区和D区这两个实体值的差异子串,生成的实体澄清语句可以是“您指的是C区的长江路还是D区的长江路”。通过生成不同层级差异子串,对当前待应答语句进行逐层确认,有利于提高对当前待应答语句的正确理解,提高实体澄清语句的回复效率和回复精度,提升用户体验。
S460、将实体澄清语句作为当前待应答语句的回复语句进行输出。
上述申请中的一个实施例具有如下优点或有益效果:根据当前待应答语句的意图确定当前待收集实体,由当前待收集实体确定候选实体值,并在当前待应答语句满足预设实体澄清条件时,针对匹配的实体值生成差异子串,根据差异子串确定实体澄清语句,便于用户的确认。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,通过差异子串生成实体澄清语句,有利于用户选择合适的实体值,按照标准格式对实体澄清语句进行回复,提高了智能应答的效率和精确性,提升用户体验。
图6是根据本申请实施例提供的一种智能应答方法的流程示意图,本实施例以上述实施例为基础进行优化,用于与客户智能对话的情况,该方法可以由一种智能应答装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。
本实施例中,可选的,若根据当前待应答语句确定满足预设实体澄清条件,则获取当前待收集实体对应的实体澄清语句,包括:若当前待应答语句中包含预设关键词,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设关键词设置的实体澄清回复语句;或者,若当前待应答语句与预设条件表达式相匹配,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设条件表达式设置的实体澄清回复语句。
如图6所示,本实施例提供的一种智能应答方法可以包括:
S610、获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体。
S620、若当前待应答语句中包含预设关键词,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设关键词设置的实体澄清回复语句;或者,若当前待应答语句与预设条件表达式相匹配,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设条件表达式设置的实体澄清回复语句。
其中,确认当前待应答语句确定满足预设实体澄清条件,可以是确定当前待应答语句中是否包含预设关键词,若不包含,则没有满足预设实体澄清条件,若包含,则满足预设实体澄清条件,需要进行实体澄清回复。例如,预设关键词可以是“修改密码”,当识别出当前待应答语句中存在“修改密码”,则获取预先针对当前待收集实体和预设关键词设置的实体澄清回复语句,对待应答语句进行回复。实体澄清回复语句可以预先设定,例如,用户发出的待应答语句为“我要修改密码”,预设关键词为“修改密码”,当前待收集实体为“密码”,候选实体值包括“服务密码”和“登录密码”因此,针对当前待收集实体和预设关键词,可以设置实体澄清语句为“您是要修改服务密码还是登录密码”。
确认当前待应答语句确定满足预设实体澄清条件,也可以是确定当前待应答语句是否与预设条件表达式相匹配,若不匹配,则没有满足预设实体澄清条件,若匹配,则满足预设实体澄清条件,需要获取预先针对当前待收集实体和预设条件表达式设置的实体澄清回复语句,进行实体澄清回复。例如,预设条件表达式可以是“A or B”,当待应答语句为“Aor B”的表达形式,则满足预设实体澄清条件,根据预先设置的该条件表达式下的澄清回复语句进行回复。
S630、将实体澄清语句作为当前待应答语句的回复语句进行输出。
图7是智能应答流程示意图。
S701、用户输入当前待应答语句。
S702、对用户的当前待应答语句做意图及当前待收集实体的识别。
S703、判断用户是否表述了意图,若没有表述意图,则进行S704,若表述了意图,则进行S705。
S704、执行回复话术,引导用户表述意图。
S705、判断用户是否表述了实体,若没有表述实体,则进行S706,若表述了实体,则进行S707。
S706、执行回复话术,引导用户表述当前场景下需要收集的实体。
S707、判断这个实体是否已经被收集,若已经被收集,则进行S708,若没有被收集,则进行S709。
S708、根据当前对话信息,执行回复话术。
S709、判断是否满足实体收集规则,实体收集规则为预设的对实体收集表述的限定。若满足,则进行S710,若不满足,则进行S712。
S710、进行实体收集。
S711、同S708,执行回复话术。
S712、判断当前待收集实体是否满足实体澄清策略。若满足,则进行S713,若不满足,则进行S715。
S713、触发实体澄清,获取实体澄清回复语句。
S714、根据实体澄清回复语句,执行回复话术。S712-S714可参考前述实施例的内容,这里不在赘述。
S715、根据系统状态执行回复话术。
上述申请中的一个实施例具有如下优点或有益效果:通过确定当前待应答语句满足预设实体澄清条件,对当前待收集实体的实体值进行澄清回复,实现了对用户请求的确认与智能应答。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,实现了对用户表述的正确理解,服务于客户定制化的场景,准确命中客户的真实诉求,提高了智能应答的效率和精确性,提升用户体验。
图8是根据本申请实施例提供的一种智能应答装置的结构示意图,可执行本申请实施例所提供的智能应答方法,具备执行方法相应的功能模块和有益效果。如图8所示,该装置800可以包括:
实体确定模块801,用于获取当前待应答语句,确定当前待应答语句的意图所对应的当前待收集实体;
澄清语句获取模块802,用于若根据当前待应答语句确定满足预设实体澄清条件,则获取当前待收集实体对应的实体澄清语句;实体澄清语句用于对当前待收集实体的实体值进行澄清;
澄清语句输出模块803,用于将实体澄清语句作为当前待应答语句的回复语句进行输出。
可选的,澄清语句获取模块802,包括:
候选实体值确定单元,用于确定当前待收集实体对应的候选实体值;
澄清条件确定单元,用于若当前待应答语句中未包含候选实体值,则确定满足预设实体澄清条件;
实体值筛选单元,用于从候选实体值中筛选出与当前待应答语句匹配的实体值;
澄清语句生成单元,用于根据与当前待应答语句匹配的实体值,生成当前待收集实体对应的实体澄清语句。
可选的,候选实体值确定单元,包括:
实体值集合确定单元,用于根据预先配置的实体与实体值集合的对应关系,确定待收集实体对应的实体值集合;
候选实体值获得单元,用于将确定的实体值集合中的各实体值,作为当前待收集实体对应的候选实体值。
可选的,候选实体值确定单元,包括:
实体值获取单元,用于获取针对上一待应答语句筛选出的与上一待应答语句匹配的实体值;
候选实体值获取单元,用于将获取的实体值确定为当前待收集实体对应的候选实体值。
可选的,实体值筛选单元,包括:
相似度确定单元,用于确定当前待应答语句与各候选实体值的相似度;
实体值确定单元,用于选取相似度达到预设阈值的候选实体值,作为与当前待应答语句匹配的实体值。
可选的,相似度确定单元,包括:
分词单元,用于将当前待应答语句和各候选实体值进行分词;
分词数量确定单元,用于对于各候选实体值,根据分词结果确定当前待应答语句与当前候选实体值所共有的分词的数量,根据该数量确定当前待应答语句与当前候选实体值的相似度。
可选的,澄清语句生成单元,包括:
差异子串确定单元,用于通过将各个与当前待应答语句匹配的实体值进行字符串匹配,确定各个与当前待应答语句匹配的实体值之间的差异子串,根据差异子串生成实体澄清语句。
可选的,当前待收集实体包含多个具有层级关系的属性实体;
差异子串确定单元,还包括:
属性实体确定单元,用于确定各差异子串分别对应的属性实体;
语句生成单元,用于根据层级关系,依次针对确定的各属性实体根据相应属性实体对应的差异子串,生成相应属性实体的实体澄清语句。
可选的,澄清语句获取模块802,具体用于:
若当前待应答语句中包含预设关键词,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设关键词设置的实体澄清回复语句;或者,
若当前待应答语句与预设条件表达式相匹配,则确定满足预设实体澄清条件;获取预先针对当前待收集实体和预设条件表达式设置的实体澄清回复语句。
上述申请中的一个实施例具有如下优点或有益效果:通过确定当前待应答语句中的当前待收集实体,对当前待收集实体的实体值进行澄清回复,实现了对用户请求的确认与智能应答。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,实现了对用户表述的正确理解,提高了智能应答的效率和精确性。支持用户自由的表达,提升对话能力的智能性和流畅性,有利于提高用户办理业务的服务效率,提升用户体验。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的智能应答方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的智能应答方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的智能应答方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的智能应答方法对应的程序指令/模块。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的智能应答方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据智能应答方法的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至智能应答方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
智能应答方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与智能应答方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过确定当前待应答语句中的当前待收集实体,对当前待收集实体的实体值进行澄清回复,实现了对用户请求的确认与智能应答。解决了现有技术中,智能应答的对话能力单一的问题,避免回复语句与用户表述的请求不符,实现了对用户表述的正确理解,提高了智能应答的效率和精确性。支持用户自由的表达,提升对话能力的智能性和流畅性,有利于提高用户办理业务的服务效率,提升用户体验。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (20)
1.一种智能应答方法,包括:
获取当前待应答语句,确定所述当前待应答语句的意图所对应的当前待收集实体;
若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句;所述实体澄清语句用于对所述当前待收集实体的实体值进行澄清;
将所述实体澄清语句作为所述当前待应答语句的回复语句进行输出。
2.根据权利要求1所述的方法,其中,若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句,包括:
确定所述当前待收集实体对应的候选实体值;
若所述当前待应答语句中未包含所述候选实体值,则确定满足预设实体澄清条件;
从所述候选实体值中筛选出与所述当前待应答语句匹配的实体值;
根据与所述当前待应答语句匹配的实体值,生成所述当前待收集实体对应的实体澄清语句。
3.根据权利要求2所述的方法,其中,确定所述当前待收集实体对应的候选实体值,包括:
根据预先配置的实体与实体值集合的对应关系,确定所述待收集实体对应的实体值集合;
将确定的实体值集合中的各实体值,作为所述当前待收集实体对应的候选实体值。
4.根据权利要求2所述的方法,其中,确定所述当前待收集实体对应的候选实体值,包括:
获取针对上一待应答语句筛选出的与所述上一待应答语句匹配的实体值;
将获取的实体值确定为所述当前待收集实体对应的候选实体值。
5.根据权利要求2所述的方法,其中,从所述候选实体值中筛选出与所述当前待应答语句匹配的实体值,包括:
确定所述当前待应答语句与各候选实体值的相似度;
选取相似度达到预设阈值的候选实体值,作为与所述当前待应答语句匹配的实体值。
6.根据权利要求5所述的方法,其中,确定所述当前待应答语句与各候选实体值的相似度,包括:
将所述当前待应答语句和各候选实体值进行分词;
对于各候选实体值,根据分词结果确定所述当前待应答语句与当前候选实体值所共有的分词的数量,根据该数量确定所述当前待应答语句与当前候选实体值的相似度。
7.根据权利要求2所述的方法,其中,根据与所述当前待应答语句匹配的实体值,生成所述当前待收集实体对应的实体澄清语句,包括:
通过将各个与所述当前待应答语句匹配的实体值进行字符串匹配,确定各个与所述当前待应答语句匹配的实体值之间的差异子串,根据所述差异子串生成实体澄清语句。
8.根据权利要求7所述的方法,其中,所述当前待收集实体包含多个具有层级关系的属性实体;
根据所述差异子串生成实体澄清回复语句,包括:
确定各差异子串分别对应的属性实体;
根据所述层级关系,依次针对确定的各属性实体根据相应属性实体对应的差异子串,生成相应属性实体的实体澄清语句。
9.根据权利要求1所述的方法,其中,若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句,包括:
若所述当前待应答语句中包含预设关键词,则确定满足预设实体澄清条件;获取预先针对所述当前待收集实体和所述预设关键词设置的实体澄清回复语句;或者,
若所述当前待应答语句与预设条件表达式相匹配,则确定满足预设实体澄清条件;获取预先针对所述当前待收集实体和所述预设条件表达式设置的实体澄清回复语句。
10.一种智能应答装置,包括:
实体确定模块,用于获取当前待应答语句,确定所述当前待应答语句的意图所对应的当前待收集实体;
澄清语句获取模块,用于若根据所述当前待应答语句确定满足预设实体澄清条件,则获取所述当前待收集实体对应的实体澄清语句;所述实体澄清语句用于对所述当前待收集实体的实体值进行澄清;
澄清语句输出模块,用于将所述实体澄清语句作为所述当前待应答语句的回复语句进行输出。
11.根据权利要求10所述的装置,其中,所述澄清语句获取模块,包括:
候选实体值确定单元,用于确定所述当前待收集实体对应的候选实体值;
澄清条件确定单元,用于若所述当前待应答语句中未包含所述候选实体值,则确定满足预设实体澄清条件;
实体值筛选单元,用于从所述候选实体值中筛选出与所述当前待应答语句匹配的实体值;
澄清语句生成单元,用于根据与所述当前待应答语句匹配的实体值,生成所述当前待收集实体对应的实体澄清语句。
12.根据权利要求11所述的装置,其中,所述候选实体值确定单元,包括:
实体值集合确定单元,用于根据预先配置的实体与实体值集合的对应关系,确定所述待收集实体对应的实体值集合;
候选实体值获得单元,用于将确定的实体值集合中的各实体值,作为所述当前待收集实体对应的候选实体值。
13.根据权利要求11所述的装置,其中,所述候选实体值确定单元,包括:
实体值获取单元,用于获取针对上一待应答语句筛选出的与所述上一待应答语句匹配的实体值;
候选实体值获取单元,用于将获取的实体值确定为所述当前待收集实体对应的候选实体值。
14.根据权利要求11所述的装置,其中,所述实体值筛选单元,包括:
相似度确定单元,用于确定所述当前待应答语句与各候选实体值的相似度;
实体值确定单元,用于选取相似度达到预设阈值的候选实体值,作为与所述当前待应答语句匹配的实体值。
15.根据权利要求14所述的装置,其中,所述相似度确定单元,包括:
分词单元,用于将所述当前待应答语句和各候选实体值进行分词;
分词数量确定单元,用于对于各候选实体值,根据分词结果确定所述当前待应答语句与当前候选实体值所共有的分词的数量,根据该数量确定所述当前待应答语句与当前候选实体值的相似度。
16.根据权利要求11所述的装置,其中,所述澄清语句生成单元,包括:
差异子串确定单元,用于通过将各个与所述当前待应答语句匹配的实体值进行字符串匹配,确定各个与所述当前待应答语句匹配的实体值之间的差异子串,根据所述差异子串生成实体澄清语句。
17.根据权利要求16所述的装置,其中,所述当前待收集实体包含多个具有层级关系的属性实体;
所述差异子串确定单元,还包括:
属性实体确定单元,用于确定各差异子串分别对应的属性实体;
语句生成单元,用于根据所述层级关系,依次针对确定的各属性实体根据相应属性实体对应的差异子串,生成相应属性实体的实体澄清语句。
18.根据权利要求10所述的装置,其中,所述澄清语句获取模块,具体用于:
若所述当前待应答语句中包含预设关键词,则确定满足预设实体澄清条件;获取预先针对所述当前待收集实体和所述预设关键词设置的实体澄清回复语句;或者,
若所述当前待应答语句与预设条件表达式相匹配,则确定满足预设实体澄清条件;获取预先针对所述当前待收集实体和所述预设条件表达式设置的实体澄清回复语句。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的智能应答方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的智能应答方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414320.7A CN111611364B (zh) | 2020-05-15 | 2020-05-15 | 一种智能应答方法、装置、设备及存储介质 |
US17/213,061 US20210216713A1 (en) | 2020-05-15 | 2021-03-25 | Method, apparatus, device and storage medium for intelligent response |
JP2021056068A JP7241122B2 (ja) | 2020-05-15 | 2021-03-29 | スマート応答方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム |
EP21165609.5A EP3822818A1 (en) | 2020-05-15 | 2021-03-29 | Method, apparatus, device and storage medium for intelligent response |
KR1020210040180A KR20210042272A (ko) | 2020-05-15 | 2021-03-29 | 지능형 응답 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414320.7A CN111611364B (zh) | 2020-05-15 | 2020-05-15 | 一种智能应答方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111611364A true CN111611364A (zh) | 2020-09-01 |
CN111611364B CN111611364B (zh) | 2023-08-15 |
Family
ID=72204773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414320.7A Active CN111611364B (zh) | 2020-05-15 | 2020-05-15 | 一种智能应答方法、装置、设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210216713A1 (zh) |
EP (1) | EP3822818A1 (zh) |
JP (1) | JP7241122B2 (zh) |
KR (1) | KR20210042272A (zh) |
CN (1) | CN111611364B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632251A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 回复内容的生成方法、装置、设备和存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611364B (zh) * | 2020-05-15 | 2023-08-15 | 北京百度网讯科技有限公司 | 一种智能应答方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184718A1 (en) * | 2010-01-25 | 2011-07-28 | Chen Chung-Ching | Interlingua, Interlingua Engine, and Interlingua Machine Translation System |
US20170103069A1 (en) * | 2015-10-13 | 2017-04-13 | International Business Machines Corporation | Supplementing candidate answers |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
CN110222161A (zh) * | 2019-05-07 | 2019-09-10 | 北京来也网络科技有限公司 | 对话机器人智能应答方法及装置 |
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
CN111046154A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 信息检索方法、装置、介质及电子设备 |
CN111090736A (zh) * | 2018-10-24 | 2020-05-01 | 马上消费金融股份有限公司 | 问答模型的训练方法、问答方法、装置及计算机存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222147A (ja) * | 2001-01-26 | 2002-08-09 | Seiko Epson Corp | 掲示板式情報提供システム |
JP5212204B2 (ja) * | 2009-03-19 | 2013-06-19 | トヨタ自動車株式会社 | 応答生成装置及びプログラム |
JP5711674B2 (ja) * | 2012-01-12 | 2015-05-07 | Kddi株式会社 | 大量のコメント文章を用いた質問回答プログラム、サーバ及び方法 |
JP6275569B2 (ja) * | 2014-06-27 | 2018-02-07 | 株式会社東芝 | 対話装置、方法およびプログラム |
US10380125B2 (en) * | 2015-05-01 | 2019-08-13 | Sony Corporation | Information processing apparatus and information processing method |
CN105824933B (zh) * | 2016-03-18 | 2019-02-26 | 苏州大学 | 基于主述位的自动问答系统及其实现方法 |
CN106649768B (zh) * | 2016-12-27 | 2021-03-16 | 北京百度网讯科技有限公司 | 基于深度问答的问答澄清方法和装置 |
CN111611364B (zh) * | 2020-05-15 | 2023-08-15 | 北京百度网讯科技有限公司 | 一种智能应答方法、装置、设备及存储介质 |
CN111813828B (zh) * | 2020-06-30 | 2024-02-27 | 北京百度网讯科技有限公司 | 一种实体关系挖掘方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-15 CN CN202010414320.7A patent/CN111611364B/zh active Active
-
2021
- 2021-03-25 US US17/213,061 patent/US20210216713A1/en not_active Abandoned
- 2021-03-29 EP EP21165609.5A patent/EP3822818A1/en not_active Ceased
- 2021-03-29 JP JP2021056068A patent/JP7241122B2/ja active Active
- 2021-03-29 KR KR1020210040180A patent/KR20210042272A/ko not_active Application Discontinuation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184718A1 (en) * | 2010-01-25 | 2011-07-28 | Chen Chung-Ching | Interlingua, Interlingua Engine, and Interlingua Machine Translation System |
US20170103069A1 (en) * | 2015-10-13 | 2017-04-13 | International Business Machines Corporation | Supplementing candidate answers |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
CN111090736A (zh) * | 2018-10-24 | 2020-05-01 | 马上消费金融股份有限公司 | 问答模型的训练方法、问答方法、装置及计算机存储介质 |
CN110222161A (zh) * | 2019-05-07 | 2019-09-10 | 北京来也网络科技有限公司 | 对话机器人智能应答方法及装置 |
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
CN111046154A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 信息检索方法、装置、介质及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632251A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 回复内容的生成方法、装置、设备和存储介质 |
CN112632251B (zh) * | 2020-12-24 | 2023-12-29 | 北京百度网讯科技有限公司 | 回复内容的生成方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR20210042272A (ko) | 2021-04-19 |
JP2021168125A (ja) | 2021-10-21 |
US20210216713A1 (en) | 2021-07-15 |
CN111611364B (zh) | 2023-08-15 |
EP3822818A1 (en) | 2021-05-19 |
JP7241122B2 (ja) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020108063A1 (zh) | 特征词的确定方法、装置和服务器 | |
CN112487814B (zh) | 实体分类模型训练方法、实体分类方法、装置及电子设备 | |
CN111753914A (zh) | 模型优化方法和装置、电子设备及存储介质 | |
JP2021131528A (ja) | ユーザ意図認識方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN113836925B (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN111783468A (zh) | 文本处理方法、装置、设备和介质 | |
CN112153206B (zh) | 一种联系人匹配方法、装置、电子设备及存储介质 | |
CN111538815A (zh) | 一种文本查询方法、装置、设备及存储介质 | |
EP3822818A1 (en) | Method, apparatus, device and storage medium for intelligent response | |
CN111738015A (zh) | 文章情感极性分析方法、装置、电子设备及存储介质 | |
CN115145924A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112597288B (zh) | 人机交互方法、装置、设备及存储介质 | |
CN111538817A (zh) | 人机交互方法和装置 | |
CN112989170A (zh) | 应用于信息搜索的关键词匹配方法、信息搜索方法及装置 | |
CN117171296A (zh) | 信息获取方法、装置和电子设备 | |
CN111339314A (zh) | 一种三元组数据的生成方法、装置和电子设备 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN115328898A (zh) | 一种数据处理方法、装置、电子设备及介质 | |
CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN113204616A (zh) | 文本抽取模型的训练与文本抽取的方法、装置 | |
CN112989066A (zh) | 数据处理方法和装置、电子设备、计算机可读介质 | |
CN111782979A (zh) | 兴趣点的品牌分类方法、装置、设备以及存储介质 | |
CN116244413B (zh) | 新意图确定方法、设备和存储介质 |
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 |