CN111666388A - 对话数据处理方法、装置、计算机设备和存储介质 - Google Patents
对话数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111666388A CN111666388A CN202010315483.XA CN202010315483A CN111666388A CN 111666388 A CN111666388 A CN 111666388A CN 202010315483 A CN202010315483 A CN 202010315483A CN 111666388 A CN111666388 A CN 111666388A
- Authority
- CN
- China
- Prior art keywords
- condition
- supplemented
- user
- sub
- preset
- 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
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 174
- 230000008569 process Effects 0.000 claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000001502 supplementing effect Effects 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 27
- 230000009191 jumping Effects 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 4
- 239000013589 supplement Substances 0.000 abstract description 15
- 230000003993 interaction Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 110
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及一种对话数据处理方法、装置、计算机设备和存储介质。所述方法包括:根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。上述方案,使得客服机器人具备处理复杂对话的能力,在用户无法理解引导内容、从用户反馈数据中提取不到所需条件值时,可有针对性跳转至对应的子对话流程,引导用户输入符合要求的条件值以补充待补充条件,以保证用户能得到正确的反馈内容,提高对话交互效率。
Description
技术领域
本申请涉及自然语言处理和人工智能技术领域,特别是涉及一种对话数据处理方法、装置、计算机设备和存储介质。
背景技术
随着自然语言处理技术和人工智能技术的发展,用于人机交互的各种智能对话系统应运而生。智能对话系统越来越广泛地应用在智能客服、智能外呼、智能音箱等应用场景或产品中,通过对话系统,人可以使用自然语言和计算机进行多轮交互来完成特定的任务,如信息查询、服务获取等。
目前,当在多轮对话中,用户向智能客服机器人咨询一些复杂问题时,可能需要由客服机器人主动发起提示引导用户补充意图条件以得到想要的反馈内容。但是,不同的用户对同一问题的认知水平不一致,若用户无法真正理解客服机器人的引导内容,给出表述不明确的回复内容,则客服机器人无法提供进一步的针对性引导,致使对话无法继续,如此,使得对话交互效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高对话交互效率的对话数据处理方法、装置、计算机设备和存储介质。
一种对话数据处理方法,方法包括:
根据预设规则从预设条件关系网获取当前待补充条件;
基于当前待补充条件,推送对应的提示话术;
接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程;
提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
在一个实施例中,方法还包括:
获取用户输入的咨询数据;
提取咨询数据的用户意图和/或条件值;
将用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
在一个实施例中,方法还包括:
获取、并分析历史对话场景数据,得到意图数据,意图数据包括相关联的用户意图和引导意图;
确定意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型;
将意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
在一个实施例中,预设条件关系网包括各待补充条件对应的可填入条件值;若检测反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程包括:
统计用户的输入次数,若输入次数达到上限且反馈数据仍未包含当前待补充条件对应的可填入条件值,则跳转至当前待补充条件对应的子对话流程。
在一个实施例中,若检测反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程包括:
若检测到反馈数据包括用户针对提示话术提出的疑问数据,则跳转至当前待补充条件对应的子对话流程。
在一个实施例中,跳转至与当前待补充条件对应的子对话流程,包括:
根据预设对应关系获取当前待补充条件对应的子对话流程条件关系链;
根据子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
在一个实施例中,方法还包括:
若识别到当前待补充条件为预设类型条件,则跳转至预设类型条件对应的子对话流程;
接收用户于预设类型条件对应的子对话流程输入的反馈数据;
提取反馈数据中的条件值,根据提取出的条件值补充当前待补充条件。
在一个实施例中,若预设类型条件为需重复确认条件,则跳转至预设类型条件对应的子对话流程包括:
判断反馈数据中是否包括当前待补充条件对应的条件值;
若是,则根据反馈数据和子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
一种对话数据处理装置,装置包括:
待补充条件获取模块,用于根据预设规则从预设条件关系网获取当前待补充条件;
话术提示模块,用于基于当前待补充条件,推送对应的提示话术;
对话跳转模块,用于接收用户针对提示话术输入的反馈数据,当检测到反馈数据满足预设流程跳转条件时,跳转至与当前待补充条件对应的子对话流程;
条件填充模块,用于提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据预设规则从预设条件关系网获取当前待补充条件;
基于当前待补充条件,推送对应的提示话术;
接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程;
提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
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:
根据预设规则从预设条件关系网获取当前待补充条件;
基于当前待补充条件,推送对应的提示话术;
接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程;
提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
上述对话数据处理方法、装置、计算机设备和存储介质,根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。上述方案,使得客服机器人具备处理复杂对话的能力,在用户无法理解引导内容、从用户反馈数据中提取不到所需条件值时,可有针对性地跳转至对应的子对话流程,引导用户输入符合要求的条件值以补充待补充条件,以保证用户能得到正确的反馈内容,提高对话交互效率。
附图说明
图1为一个实施例中对话数据处理方法的应用环境图;
图2为一个实施例中对话数据处理方法的流程示意图;
图3为一个实施例中客服机器人对用户进行针对性引导的流程图;
图4为另一个实施例中对话数据处理方法的流程示意图;
图5为另一个实施例中步骤构建知识图谱的流程示意图;
图6为一个实施例中对话数据处理方法装置的结构框图;
图7为另一个实施例中对话数据处理方法装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的对话数据处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104(能够提供咨询服务的客服机器人)通过网络进行通信。可以是用户通过终端102的操作界面,在当前主对话流程通过文字或语音输入需要咨询的业务或问题,终端102生成话术数据,并将话术数据发送至服务器104,服务器104实时接收话术数据,在当前轮对话中,根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备和智能家居(如智能音箱、智能冰箱、智能电视等),服务器104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,如图2所示,提供了一种对话数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,根据预设规则从预设关系条件网获取当前待补充条件。
在实际应用中,用户通过在终端102各种渠道(如微信端、网页端、实体机器人端、小程序等)以文字或语音(会自动将语音转成文本)方式,在当前主对话流程中向客服机器人(服务器104)提出问题,生成话术数据。用户可在该主对话流程中展开多轮对话,获取其想要的信息。具体实施时,在用户输入咨询的问题得到话术数据时,可根据话术数据识别出用户意图,若用户有输入相应的条件值,也可提取出将用户意图输入预先构建好的知识图谱进行知识推理,得到条件关系网。该条件关系网包括识别出的用户意图对应的待补充条件及各待补充条件对应的可填入条件值,以及各条件之间的指向关系。在条件关系网中,其每个节点都是待补充条件,由各待补充条件及其之间的指向关系组成关系网络。在当前轮对话中,可直接根据规则获取当前待补充条件。具体的,可以是在对话开始之初,根据条件关系网确定了第一个待补充条件之后,会根据该首个待补充条件推送对应的提示话术,以提取出用户针对提示话术反馈的话术数据,再提取出反馈的话术数据中的条件值,根据提取出的条件值补充对应的待补充条件,根据待补充条件间的指向关系,逐步确定下一个条件值。在当前轮对话中,可根据已推理出的待补充条件和条件间的指向关系,确定出当前待补充的条件。
步骤204,基于当前待补充条件,推送对应的提示话术;
具体实施时,开发人员会事先配置好各待补充条件对应的提示话术,以便能根据不同的待补充条件推送对应的提示话术,以引导用户反馈相匹配的条件值。具体的,当获取到当前待补充条件时,可直接推送与待补充条件对应的提问话术。结合图3,当确定待补充条件为“居住证如何续签”,其需要补充的条件值为“居住证到期时间”,则可以给出提示话术‘居住证到期时间是在2018年1月1日之前还是之后’,以引导用户输入对应的回答内容。
步骤206,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程。
承接上一个实施例,用户获知该提示话术后,可回复反馈数据“到期时间在2018年1月1日之前”或“到期时间在2018年1月1日之后”。此时若用户回复‘不知道’或者继续提出疑问‘怎么查询?’又或者用户的数次输入内容均不能正确填充该条件值,则可针对居住证到期时间的补充跳转至‘居住证到期时间查询’的子对话流程。进一步的,还包括根据预设对应关系获取当前待补充条件对应的子对话流程条件关系链,根据子对话流程条件关系链中的待补充条件,推送对应的子对话流程提示话术。结合图3,子对话流程仍以‘居住证到期时间查询’为例,可根据条件关系网得知该子对话流程条件关系链中待补充的条件包括:“在2018.1.1之前到期”或“2018.1.1之后到期”,则可根据该待补充条件推送提示话术“在居住证背面即可查看当前居住证有效时间”,以引导用户查看居住证到期时间,确认居住证有效时间。
步骤208,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
承接上一个实施例,如图3所示,用户在居住证到期时间查询的子对话流程中,可通过提示话术“在居住证背面即可查看当前居住证有效时间”,从而获知居住证到期时间,然后输入相应的居住证到期的反馈数据是2018年1月1日之前还是之后。进而,服务器104提取出该条件值(居住证到期时间),并且将其赋予上轮对话中的相关条件‘居住证到期时间在2018年1月1日之前还是之后’中,以完成对应的咨询意图“居住如何续签”的待补充条件“居住证到期时间”的补充,进一步的,可进入下一步继续当前对话流程。
上述对话数据处理方法中,根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,将提取出的条件值补充到当前待补充条件。上述方案,使得客服机器人具备处理复杂对话的能力,在用户无法理解引导内容、从用户反馈数据中提取不到所需条件值时,可有针对性跳转至对应的子对话流程,引导用户输入符合要求的条件值以补充待补充条件,以保证用户能得到正确的反馈内容,提高对话交互效率。
在一个实施例中,如图4所示,方法还包括:步骤200,获取用户输入的咨询数据,提取咨询数据的用户意图和/或条件值,将用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
用户意图即指用户想要获取的信息。知识图谱是一种基于图的数据结构,通俗地讲,知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。其可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。关系推理就是通过各种方法获取新的知识或者结论。本实施例中所指的关系推理就是指在计算机或智能系统中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的知识(知识图谱)进行机器思维和求解问题的过程。本实施例中,基于关系推理得到的推理结果包括基于用户意图和提取出的条件值实时确定的关系链。关系链是知识图谱的某个关系的常用表达。本实施例中,条件关系网也可称为关系链。关系链可以是一条简单的关系链,也可以是包含多条关系链的网状结构的关系链,且网状结构的关系链可包含用户意图可能需要补充的条件值(某一个条件可能会根据其条件值的不同而使得后置条件不一致),具体的,网状结构关系链可能需要在后续对话过程中随着条件值的逐个填入收缩范围,逐步确定得到完整有效的关系链。
具体实施时,可以是当接收到用户在主对话流程中输入的咨询数据,对该咨询数据进行语义理解,识别出用户所想要咨询问题的意图,得到用户意图(如“办理招退工”),并提取出用户话术中包含的该意图所需要的条件值以及外部接口传入的相关条件值。实际应用中,系统预设有用于问答的知识图谱,该知识图谱包括意图数据以及意图数据所需的条件值、各条件值之间的关系以及各条件值的提示话术等。当已知用户意图和提取出的条件值,可将用户意图和/或提取出的条件值作为参数传入知识图谱,进行关系推理,确定该用户意图所涉及的所有条件信息(即所需条件值),进而得到基于当前话术数据的预设条件网(关系链)。例如,用户意图为“招退工”,条件值为‘外地户籍’”、‘退工’及‘退档’,通过关系推理,能够确定当前的关系链为“招退工-外地户籍-退工”。除此之外,知识图谱也能够判定当前场景对话中的用户意图是否存在待补充的条件值。
如图5所示,在一个实施例中,方法还包括:
步骤102,获取、并分析历史对话场景数据,得到意图数据,意图数据包括相关联的用户意图和引导意图;
步骤104,确定意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型;
步骤106,将意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
在实际应用中,开发人员可针对各业务应用场景对客服机器人进行对话训练,以构建意图关系链模型,完善预设知识图谱。获取并分析各历史对话场景数据,得到意图数据。具体的,意图数据包括在业务应用场景下用户会咨询的意图(用户意图)以及针对某些复杂的意图条件的引导意图。进一步的,可根据意图数据构建意图模型。其中,引导意图可能仅仅在引导用户补充某些意图条件时发挥作用,也可能作为用户可以直接单独咨询的独立意图(可以直接单独咨询的独立意图在某些情况下也可以作为其他意图的引导意图)。此外,引导意图也可能存在需要补充的条件,因此还可能会存在一些用于引导用户补充上一级引导意图的某些复杂条件的引导意图。
构建意图模型之后,可根据所构建的意图模型,梳理出各意图数据需要补充的条件信息及各条件信息之间的关联关系(指向关系),并配置各条件信息的提示话术,构建该意图的一条或者多条关系链(意图关系链),得到意图关系链模型。此外,将可能需要通过引导意图进一步引导的复杂条件与其对应引导意图之间的关联关系进行梳理,同样,可构建意图关系链模型。将意图关系链模型一并导入到相应关系事务的预设初始知识图谱中,构建预设知识图谱。其中,另外条件值的补充数据来源可包括用户文字输入以及外部接口传入。本实施例中,通过构建意图关系链,完善知识图谱,能够在对话流程中,给出快速且高效的响应。
在一个实施例中,方法还包括:若识别到当前待补充条件为预设类型条件,则跳转至预设类型条件对应的子对话流程,接收用户于预设类型条件对应的子对话流程输入的反馈数据,提取反馈数据中的条件值,根据提取出的条件值补充当前待补充条件。
在实际应用中,可对待补充条件进行类型划分,有针对性的对不同类型的待补充条件配置对应的子对话流程,例如,可将待补充条件划分为需重复确认条件、复杂条件以及疑问条件等。当待补充条件为需重复确认条件时,则跳转至条件值确认子对话流程,再提取出用户于该子对话流程输入的反馈数据中的条件值,根据提取出的条件值补充当前补充条件。本实施例中,针对待补充条件进行类型划分,能够有序且有针对性地跳转至对应子对话流程,保证对话的开展。同时,针对不同的业务需求场景开启子对话流程,可在支持对用户进行多层次复杂引导的同时,还可避免一个意图的关系链中包含过多冗余信息。进一步的,一个子对话流程具有复用性,其可以被多个意图共用。
在一个实施例中,预设条件关系网包括各待补充条件对应的可填入条件值;若检测反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程包括:统计用户的输入次数,若输入次数达到上限且反馈数据仍未包含当前待补充条件对应的可填入条件值,则跳转至当前待补充条件对应的子对话流程。
具体实施时,在对话过程中,接收用户反馈数据后,认为用户需要进一步引导,跳转至与待补充条件对应的子对话流程可以是:①用户通过提示话术的引导后,经多次输入且输入次数已达上限(次数可配置,一般为两到三次)均未能成功填入待补充的条件值,则就当前用户意图相关的引导意图下的关系链,启动子对话流程(在此过程中有可能还会开启下一级子对话流程引导),最终,在该子对话流程的反馈内容中获取到先前数次填入失败的条件值,并将获取的条件值赋值到主对话流程的对应条件中,继续之前的主对话进程(也可能是用户在该多轮对话过程中知晓了应当如何补充之前填入失败的条件值并直接准确输入,此时会直接将先前多轮对话引用下来继续先前的对话进程)。通过子对话流程的开启,能够在用户多次输入错误时,及时引导用户填入正确的条件值,提高用户体验。
在一个实施例中,若检测反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程包括:若检测到反馈数据包括用户针对提示话术提出的疑问数据,则跳转至当前待补充条件对应的子对话流程。
具体实施时,在对话过程中,接收用户反馈数据后,认为用户需要进一步引导,跳转至与待补充条件对应的子对话流程还可以是:②用户在接收到提示语后,反馈未能理解、不知道如何补充该条件或者针对提示语提出了新的问题,具体来说,当识别到用户在回答某个条件值时,给出的回复数据为不知道或者一些新的疑问时,则根据用户的反馈数据(疑问数据)进入到配置好的相应引导意图对话中,以引导用户填入争取的条件值。其中,需要根据用户的不同表达情况开启针对性子对话流程以解答用户的疑惑,并按照上述①中所述方式获取到相应的条件值并继续先前多轮对话(主对话流程)的进程。
在一个实施例中,若预设类型条件为需重复确认条件,则跳转至预设类型条件对应的子对话流程包括:判断反馈数据中是否包括当前待补充条件对应的条件值;若是,则根据反馈数据和子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
具体实施时,在对话过程中,接收用户反馈数据后,认为用户需要进一步引导,跳转至与待补充条件对应的子对话流程还可以是:③当识别到待补充条件为需要重复确认的条件(如身份证号码或手机号码等)时,在检测到用户输入对应的条件值之后,需要再次与用户确认条件值以保证当前补充的条件值无误,此时可推送提示话术“请确认当前输入的信息是否无误”。若用户回复确认该条件值无误,则提取出该条件值,将其补充至对应的待补充条件中,若用户回复条件值有误,则继续跳转至条件值输入的子对话流程,引导用户输入正确条件值,直至用户回复输入的条件值无误(可重复该步骤)。本实施例中,对于身份证号码或手机号等关键待补充条件,设置对应的条件确认子对话流程,能够保障用户输入正确的信息,顺利办理业务。
在另一个实施例中,在对话过程中,接收用户反馈数据后,认为用户需要进一步引导,跳转至与待补充条件对应的子对话流程还可以是:④当识别到当前待补充条件比较复杂,对于大多数用户来说,则均需要展开多步骤引导对话流程才能补充。即当多轮对话中存在一个较为复杂的条件时,可以在对话进程进行到该条件值的填入步骤时直接开启对应针对性子对话流程(在此过程中有可能还会开启下一级子对话流程),并将在该子对话流程的反馈内容中获取到的条件值赋值到主对话的对应条件中继续先前的对话进程。具体的,判定条件信息比较复杂的情形可以包括:若一个条件值存在一些客观的前置条件,而这些前置条件可能与本意图关联不大(比如与关系链中其他条件值关联不大),又或者一个条件可能情形比较多通常需要多个问题帮助用户定位条件值。
在一个实施例中,还包括:若主对话流程中的用户意图存在关联意图,将关联意图标记为引导意图,当主对话流程结束时,基于引导意图,创建新的主对话流程。
在实际应用中,一个用户意图可能存在多个关联意图,一个用户意图根据关系链的条件值的不同组合会有不同的反馈内容,具体相关联意图可根据具体业务而定,在此不做限定。当检测到当前主对话流程中的用户意图存在关联意图时,将此关联意图标记为当前对话意图的引导意图,在多轮对话(主对话流程)完成后,则在确定一条完整的关系链(即得到完整的用户意图的明细)后,开启新的一轮多轮对话(新的主对话流程),新的主对话流程不需要对之前完成的多轮对话的条件赋值。
应该理解的是,虽然图2、图4及图5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、图4及图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的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,如图6所示,提供了一种对话数据处理装置,包括:待补充条件获取模块510、话术提示模块520、对话跳转模块530和条件填充模块540,其中:
待补充条件获取模块510,用于根据预设规则从预设条件关系网获取当前待补充条件;
话术提示模块520,用于基于当前待补充条件,推送对应的提示话术;
对话跳转模块530,用于接收用户针对提示话术输入的反馈数据,当检测到反馈数据满足预设流程跳转条件时,跳转至与当前待补充条件对应的子对话流程;
条件填充模块540,用于提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
如图7所示,在一个实施例中,装置还包括条件关系网确定模块550,用于获取用户输入的咨询数据,提取咨询数据的用户意图和/或条件值,将用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
如图7所示,在一个实施例中,装置还包括知识图谱完善模块560,用于获取、并分析历史对话场景数据,得到意图数据,意图数据包括相关联的用户意图和引导意图,确定意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型,将意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
在一个实施例中,对话跳转模块530还用于若识别到当前待补充条件为预设类型条件,则跳转至预设类型条件对应的子对话流程,接收用户于预设类型条件对应的子对话流程输入的反馈数据,提取反馈数据中的条件值,根据提取出的条件值补充当前待补充条件。
在一个实施例中,对话跳转模块530还用于统计用户的输入次数,若输入次数达到上限且反馈数据仍未包含当前待补充条件对应的可填入条件值,则跳转至当前待补充条件对应的子对话流程。
在一个实施例中,对话跳转模块530还用于若检测到反馈数据包括用户针对提示话术提出的疑问数据,则跳转至当前待补充条件对应的子对话流程。
在一个实施例中,对话跳转模块530还用于根据预设对应关系获取当前待补充条件对应的子对话流程条件关系链,根据子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
在一个实施例中,对话跳转模块530还用于若预设类型条件为需重复确认条件,判断反馈数据中是否包括当前待补充条件对应的条件值;若是,则根据反馈数据和子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
在一个实施例中,装置还包括对话新建模块570,用于若主对话流程中的用户意图存在关联意图,将关联意图标记为引导意图,当主对话流程结束时,基于引导意图,创建新的主对话流程。
关于对话数据处理装置的具体限定可以参见上文中对于对话数据处理方法的限定,在此不再赘述。上述对话数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储知识图谱和历史场景对话数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种对话数据处理方法。
本领域技术人员可以理解,图8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,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
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:获取用户输入的咨询数据,提取咨询数据的用户意图和/或条件值,将用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
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:获取、并分析历史对话场景数据,得到意图数据,意图数据包括相关联的用户意图和引导意图,确定意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型,将意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
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:统计用户的输入次数,若输入次数达到上限且反馈数据仍未包含当前待补充条件对应的可填入条件值,则跳转至当前待补充条件对应的子对话流程。
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:若检测到反馈数据包括用户针对提示话术提出的疑问数据,则跳转至当前待补充条件对应的子对话流程。
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:根据预设对应关系获取当前待补充条件对应的子对话流程条件关系链;根据子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
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:若识别到当前待补充条件为预设类型条件,则跳转至预设类型条件对应的子对话流程,接收用户于预设类型条件对应的子对话流程输入的反馈数据,提取反馈数据中的条件值,根据提取出的条件值补充当前待补充条件。
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:若预设类型条件为需重复确认条件,判断反馈数据中是否包括当前待补充条件对应的条件值;若是,则根据反馈数据和子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
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:根据预设规则从预设条件关系网获取当前待补充条件,基于当前待补充条件,推送对应的提示话术,接收用户针对提示话术输入的反馈数据,若检测到反馈数据满足预设流程跳转条件,则跳转至与当前待补充条件对应的子对话流程,提取用户在子对话流程中输入的条件值,根据提取出的条件值补充当前待补充条件。
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:获取用户输入的咨询数据,提取咨询数据的用户意图和/或条件值,将用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
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:获取、并分析历史对话场景数据,得到意图数据,意图数据包括相关联的用户意图和引导意图,确定意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型,将意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
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:统计用户的输入次数,若输入次数达到上限且反馈数据仍未包含当前待补充条件对应的可填入条件值,则跳转至当前待补充条件对应的子对话流程。
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:若检测到反馈数据包括用户针对提示话术提出的疑问数据,则跳转至当前待补充条件对应的子对话流程。
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:根据预设对应关系获取当前待补充条件对应的子对话流程条件关系链;根据子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
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:若识别到当前待补充条件为预设类型条件,则跳转至预设类型条件对应的子对话流程,接收用户于预设类型条件对应的子对话流程输入的反馈数据,提取反馈数据中的条件值,根据提取出的条件值补充当前待补充条件。
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:若预设类型条件为需重复确认条件,判断反馈数据中是否包括当前待补充条件对应的条件值;若是,则根据反馈数据和子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种对话数据处理方法,其特征在于,所述方法包括:
根据预设规则从预设条件关系网获取当前待补充条件;
基于所述当前待补充条件,推送对应的提示话术;
接收用户针对所述提示话术输入的反馈数据,若检测到所述反馈数据满足预设流程跳转条件,则跳转至与所述当前待补充条件对应的子对话流程;
提取所述用户在所述子对话流程中输入的条件值,根据提取出的条件值补充所述当前待补充条件。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户输入的咨询数据;
提取所述咨询数据的用户意图和/或条件值;
将所述用户意图和/或条件值作为参数传入预设知识图谱进行关系推理,得到预设条件关系网。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取、并分析历史对话场景数据,得到意图数据,所述意图数据包括相关联的用户意图和引导意图;
确定所述意图数据的所需条件信息以及各条件信息之间的指向关系、并配置各条件信息的提示话术,构建意图关系链模型;
将所述意图关系链模型导入预设初始知识图谱,构建预设知识图谱。
4.根据权利要求1所述的方法,其特征在于,所述预设条件关系网包括各待补充条件对应的可填入条件值;所述若检测所述反馈数据满足预设流程跳转条件,则跳转至与所述当前待补充条件对应的子对话流程包括:
统计所述用户的输入次数,若所述输入次数达到上限且所述反馈数据仍未包含所述当前待补充条件对应的可填入条件值,则跳转至所述当前待补充条件对应的子对话流程。
5.根据权利要求1所述的方法,其特征在于,所述若检测所述反馈数据满足预设流程跳转条件,则跳转至与所述当前待补充条件对应的子对话流程包括:
若检测到所述反馈数据包括所述用户针对所述提示话术提出的疑问数据,则跳转至所述当前待补充条件对应的子对话流程。
6.根据权利要求1所述的方法,其特征在于,所述跳转至与所述当前待补充条件对应的子对话流程,包括:
根据预设对应关系获取所述当前待补充条件对应的子对话流程条件关系链;
根据所述子对话流程条件关系链中的待补充条件,推送对应的子对话流程提示话术。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若识别到所述当前待补充条件为预设类型条件,则跳转至所述预设类型条件对应的子对话流程;
接收用户于所述预设类型条件对应的子对话流程输入的反馈数据;
提取所述反馈数据中的条件值,根据提取出的条件值补充所述当前待补充条件。
8.根据权利要求7所述的方法,其特征在于,若所述预设类型条件为需重复确认条件,则所述跳转至所述预设类型条件对应的子对话流程包括:
判断所述反馈数据中是否包括所述当前待补充条件对应的条件值;
若是,则根据所述反馈数据和所述子对话流程条件关系链中的待补充条件推送对应的子对话流程提示话术。
9.一种对话数据处理装置,其特征在于,所述装置包括:
待补充条件获取模块,用于根据预设规则从预设条件关系网获取当前待补充条件;
话术提示模块,用于基于所述当前待补充条件,推送对应的提示话术;
对话跳转模块,用于接收用户针对所述提示话术输入的反馈数据,当检测到所述反馈数据满足预设流程跳转条件时,跳转至与所述当前待补充条件对应的子对话流程;
条件填充模块,用于提取所述用户在所述子对话流程中输入的条件值,根据提取出的条件值补充所述当前待补充条件。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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8中任一项所述方法的步骤。
11.一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8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315483.XA CN111666388B (zh) | 2020-04-21 | 2020-04-21 | 对话数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315483.XA CN111666388B (zh) | 2020-04-21 | 2020-04-21 | 对话数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666388A true CN111666388A (zh) | 2020-09-15 |
CN111666388B CN111666388B (zh) | 2023-11-10 |
Family
ID=72382778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010315483.XA Active CN111666388B (zh) | 2020-04-21 | 2020-04-21 | 对话数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666388B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669011A (zh) * | 2020-12-30 | 2021-04-16 | 招联消费金融有限公司 | 智能对话方法、装置、计算机设备和存储介质 |
CN114282902A (zh) * | 2021-12-27 | 2022-04-05 | 南京品佳科技开发有限公司 | 行政审批办事事项智能处理系统及其方法 |
CN115129878A (zh) * | 2022-08-31 | 2022-09-30 | 支付宝(杭州)信息技术有限公司 | 一种对话业务执行方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190004831A1 (en) * | 2017-06-30 | 2019-01-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | IoT BASED METHOD AND SYSTEM FOR INTERACTING WITH USERS |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
CN110555095A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 人机对话方法和装置 |
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 |
-
2020
- 2020-04-21 CN CN202010315483.XA patent/CN111666388B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190004831A1 (en) * | 2017-06-30 | 2019-01-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | IoT BASED METHOD AND SYSTEM FOR INTERACTING WITH USERS |
CN110555095A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 人机对话方法和装置 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
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 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669011A (zh) * | 2020-12-30 | 2021-04-16 | 招联消费金融有限公司 | 智能对话方法、装置、计算机设备和存储介质 |
CN112669011B (zh) * | 2020-12-30 | 2024-03-22 | 招联消费金融股份有限公司 | 智能对话方法、装置、计算机设备和存储介质 |
CN114282902A (zh) * | 2021-12-27 | 2022-04-05 | 南京品佳科技开发有限公司 | 行政审批办事事项智能处理系统及其方法 |
CN115129878A (zh) * | 2022-08-31 | 2022-09-30 | 支付宝(杭州)信息技术有限公司 | 一种对话业务执行方法、装置、存储介质及电子设备 |
CN115129878B (zh) * | 2022-08-31 | 2022-12-27 | 支付宝(杭州)信息技术有限公司 | 一种对话业务执行方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111666388B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11588760B2 (en) | Initialization of automated workflows | |
CN111666388B (zh) | 对话数据处理方法、装置、计算机设备和存储介质 | |
CN110377720B (zh) | 智能多轮交互方法和系统 | |
CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
CN112365894A (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
CN105512228A (zh) | 一种基于智能机器人的双向问答数据处理方法和系统 | |
CN108446321B (zh) | 一种基于深度学习的自动问答方法 | |
CN111341311A (zh) | 一种语音对话方法及装置 | |
US20220165256A1 (en) | System and method for virtual conversations | |
CN116595148B (zh) | 一种利用大型语言模型实现对话流程的方法及系统 | |
CN111858890A (zh) | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 | |
CN112084317A (zh) | 预训练语言模型的方法和装置 | |
CN106909677B (zh) | 一种生成提问的方法及装置 | |
CN110489519B (zh) | 基于会话预测模型的会话方法及相关产品 | |
CN112069830A (zh) | 一种智能会话方法及装置 | |
CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
CN113192505B (zh) | 一种会话信息生成方法、装置及服务机器人 | |
CN111666389A (zh) | 对话数据处理方法、装置、计算机设备和存储介质 | |
CN112929499A (zh) | 对话交互方法和装置、计算机设备、计算机可读存储介质 | |
CN112085594A (zh) | 身份核实方法、设备及可读存储介质 | |
CN111125321A (zh) | 问答方法、装置、终端设备和存储介质 | |
CN111708693A (zh) | 多轮会话系统测试方法及装置 | |
CN113326359A (zh) | 一种对话应答及应答策略匹配模型的训练方法和装置 | |
CN111858874B (zh) | 对话服务处理方法、装置、设备及计算机可读存储介质 | |
CN113342956B (zh) | 一种用于多轮对话中相同槽值填充的方法 |
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 |