CN111723189B - 交互问答的提示方法和装置、存储介质、电子设备 - Google Patents
交互问答的提示方法和装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN111723189B CN111723189B CN202010580837.3A CN202010580837A CN111723189B CN 111723189 B CN111723189 B CN 111723189B CN 202010580837 A CN202010580837 A CN 202010580837A CN 111723189 B CN111723189 B CN 111723189B
- Authority
- CN
- China
- Prior art keywords
- question
- state
- answer
- statement
- state diagram
- 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
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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
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)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种交互问答的提示方法和装置、存储介质、电子设备,其中,方法包括:根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;接收的用户输入的当前信息;根据所述当前信息从所述问答状态图中确定与所述当前信息对应的状态点;根据所述问答状态图中与所述当前信息对应的状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句;本实施例通过历史问答数据集建立具有指向性的问答状态图,为与用户对话行为提供辅助,根据问答状态图引导用户从模糊到清晰的明确目标,进而提高了目标转化率。
Description
技术领域
本公开涉及自动交互技术领域,尤其是一种交互问答的提示方法和装置、存储介质、电子设备。
背景技术
人机对话,是人工智能领域的一个子方向,通俗的讲就是让人可以通过人类的语言即自然语言与计算机进行交互。现有的以导购为目的的人机对话系统,通过已知的用户行为习惯、购买历史、偏好等信息给用户生成用户画像(将上述非结构化的信息变化计算机可理解的结构化信息)。在线向用户推荐物品时,系统大量使用监督学习和非监督学习算法,结合用户检索信息和用户画像,向用户推荐利润更高更热销的物品,而不是偏向用户更加感兴趣的物品,导致系统推荐引导目标和用户目标存在偏差。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种交互问答的提示方法和装置、存储介质、电子设备。
根据本公开实施例的一个方面,提供了一种交互问答的提示方法,包括:
根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;
接收的用户输入的当前信息;
根据所述当前信息从所述问答状态图中确定与所述当前信息对应的状态点;
根据所述问答状态图中与所述当前信息对应的状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句。
可选地,所述问答状态图为单智能体状态图;
所述根据历史问答数据集,建立问答状态图,包括:
获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;
对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点;
根据所述关联语句链连接得到的所述多个状态点,得到问答状态图。
可选地,所述对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点,包括:
根据所述多个语句中每个所述语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组问答语句组;其中,每组所述问答语句组包括对应同一意图的主题询问或主题询问以及对应的主题应答;
基于每组所述问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
可选地,所述问答状态图为以交互双方分别作为智能体的多智能体状态图;
所述根据历史问答数据集,建立问答状态图,包括:
获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;
确定所述关联语句链中的多个语句中交互双方为第一智能体和第二智能体;
分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点;
根据所述关联语句链连接得到的所述多个状态点,得到所述多智能体问答状态图。
可选地,所述状态点包括对应所述第一智能体的多个第一状态点和对应所述第二智能体的多个第二状态点。
可选地,所述分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点,包括:
对所述第一智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第一语句组;其中,每组所述第一语句组包括所述第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答;
对所述第二智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第二语句组;其中,每组所述第二语句组包括所述第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答;
基于所述多组第一问答语句组中的每个第一问答语句组确定一个所述第一状态点,得到多个所述第一状态点;基于所述多组第二问题语句组中的每个第二问题语句组确定一个所述第二状态点,得到多个所述第二状态点;其中,对应相同意图的所述第一状态点和所述第二状态点之间存在关联。
可选地,所述根据历史问答数据集,建立问答状态图之后,还包括:
确定所述问答状态图中每两个依次连接的状态点之间的回报值;
根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值;其中,每条所述支线包括依次连接的多个状态点。
可选地,所述根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值,包括:
基于所述关联语句链确定所述问答状态图中的至少一条支线;
基于所述至少一条支线中的每条所述支线对应的多个状态点之间的回报值,确定每条所述支线的所述回报和值。
可选地,所述根据所述问答状态图中与所述当前状态点连接的至少一个状态点推荐至少一个语句,包括:
基于所述问答状态图确定包括所述当前状态点的至少一条支线;
根据所述至少一条支线对应的回报和值的大小,确定所述至少一条支线中一条支线作为目标支线;
推荐所述目标支线中所述当前状态点之后的状态点对应的语句。
根据本公开实施例的另一方面,提供了一种交互问答的提示装置,包括:
状态图建立模块,用于根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;
信息接收模块,用于接收的用户输入的当前信息;
状态点确定模块,用于根据所述当前信息从所述问答状态图中确定与所述当前信息对应的当前状态点;
语句推荐模块,用于根据所述问答状态图中与所述当前状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句。
可选地,所述问答状态图为单智能体状态图;
所述状态图建立模块,具体用于获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点;根据所述关联语句链连接得到的所述多个状态点,得到问答状态图。
可选地,所述状态图建立模块在对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点时,用于根据所述多个语句中每个所述语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组问答语句组;其中,每组所述问答语句组包括对应同一意图的主题询问或主题询问以及对应的主题应答;基于每组所述问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
可选地,所述问答状态图为以交互双方分别作为智能体的多智能体状态图;
所述状态图建立模块,具体用于获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;确定所述关联语句链中的多个语句中交互双方为第一智能体和第二智能体;分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点;根据所述关联语句链连接得到的所述多个状态点,得到所述多智能体问答状态图。
可选地,所述状态点包括对应所述第一智能体的多个第一状态点和对应所述第二智能体的多个第二状态点。
可选地,所述状态图建立模块在分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点时,用于对所述第一智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第一语句组;其中,每组所述第一语句组包括所述第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答;对所述第二智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第二语句组;其中,每组所述第二语句组包括所述第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答;基于所述多组第一问答语句组中的每个第一问答语句组确定一个所述第一状态点,得到多个所述第一状态点;基于所述多组第二问题语句组中的每个第二问题语句组确定一个所述第二状态点,得到多个所述第二状态点;其中,对应相同意图的所述第一状态点和所述第二状态点之间存在关联。
可选地,所述装置还包括:
回报值确定模块,用于确定所述问答状态图中每两个依次连接的状态点之间的回报值;
支线回报确定模块,用于根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值;其中,每条所述支线包括依次连接的多个状态点。
可选地,所述支线回报确定模块,具体用于基于所述关联语句链确定所述问答状态图中的至少一条支线;基于所述至少一条支线中的每条所述支线对应的多个状态点之间的回报值,确定每条所述支线的所述回报和值。
可选地,所述语句推荐模块,具体用于基于所述问答状态图确定包括所述当前状态点的至少一条支线;根据所述至少一条支线对应的回报和值的大小,确定所述至少一条支线中一条支线作为目标支线;推荐所述目标支线中所述当前状态点之后的状态点对应的语句。
根据本公开实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述任一实施例所述的交互问答的提示方法。
根据本公开实施例的还一方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述任一实施例所述的交互问答的提示方法。
基于本公开上述实施例提供的一种交互问答的提示方法和装置、存储介质、电子设备,根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;接收的用户输入的当前信息;根据所述当前信息从所述问答状态图中确定与所述当前信息对应的状态点;根据所述问答状态图中与所述当前信息对应的状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句;本实施例通过历史问答数据集建立具有指向性的问答状态图,为与用户对话行为提供辅助,根据问答状态图引导用户从模糊到清晰的明确目标,进而提高了目标转化率。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的交互问答的提示方法的流程示意图。
图2是本公开图1所示的实施例中步骤102的一个流程示意图。
图3是本公开一示例性实施例提供的交互问答的提示方法建立的一个示意问答状态图。
图4是本公开一示例性实施例提供的交互问答的提示方法构建问答状态图的流程示意图。
图5是本公开图1所示的实施例中步骤102的另一个流程示意图。
图6是本公开另一示例性实施例提供的交互问答的提示方法的流程示意图。
图7是本公开一示例性实施例提供的交互问答的提示装置的结构示意图。
图8是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
申请概述
在实现本公开的过程中,发明人发现,现有的交互系统通常通过已知的用户行为习惯、购买历史、偏好等信息给用户推荐物品,这种交互系统至少存在以下问题:推荐的物品是算法内部的最优、次优解,而算法的目标则是导购系统利润最大化。
示例性方法
图1是本公开一示例性实施例提供的交互问答的提示方法的流程示意图。本实施例可应用在电子设备上,如图1所示,包括如下步骤:
步骤102,根据历史问答数据集,建立问答状态图。
其中,历史问答数据集包括多个关联语句链;问答状态图中包括多个状态点。本实施例中问答状态图可理解为一个状态机;状态机由状态组成,各状态由转移链接在一起。状态是对象执行某项活动或等待某个事件时的条件。转移是两个状态之间的关系,它由某个事件触发,然后执行特定的操作或评估并导致特定的结束状态。
可选地,本实施例中的问答状态图。
步骤104,接收的用户输入的当前信息。
在一实施例中,在实时交互过程中,在接收用户输入的当前信息之后,需要根据该当前信息回复或引起用户感兴趣的话题,以提高转化率。
步骤106,根据当前信息从问答状态图中确定与当前信息对应的当前状态点。
可选地,从问答状态图中确定一个状态点作为该当前信息对应的当前状态点。
本实施例中,由于问答状态图是基于问答数据集获得的,可选地,可通过关键词将当前信息和问答状态图中多个状态点中的一个状态点进行匹配,确定当前信息对应的状态点,以便确定之后根据与该状态点连接的状态点确定推荐语句。
步骤108,根据问答状态图中与当前信息对应的状态点连接的至少一个状态点推荐至少一个语句。
其中,每个状态点对应至少一个语句。
本实施例中,问答状态图中的每个状态点与至少一个状态点存在连接关系,可选地,通过从与当前信息对应的状态点连接的状态点中确定一个状态点,以提高最终的转化率。
本公开上述实施例提供的一种交互问答的提示方法,根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;接收的用户输入的当前信息;根据所述当前信息从所述问答状态图中确定与所述当前信息对应的状态点;根据所述问答状态图中与所述当前信息对应的状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句;本实施例通过历史问答数据集建立具有指向性的问答状态图,为与用户对话行为提供辅助,根据问答状态图引导用户从模糊到清晰的明确目标,进而提高了目标转化率。
如图2所示,在上述图1所示实施例的基础上,步骤102可包括如下步骤:
步骤1021,获取历史问答数据集中的多个关联语句链。
其中,每个关联语句链包括多个存在交互关系的语句。
步骤1022,对关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点。
步骤1023,根据关联语句链连接得到的多个状态点,得到问答状态图。
本实施例中,建立的问答状态图为单智能体状态图;即,将所有动作看做是同一智能体发出的;通过对多个语句进行意图分类,将每个意图对应的所有语句作为一个状态点(等同于状态机中的一个状态),以在历史文件数据集中的关联语句链之间的关系,确定多个状态点之间的连接关系,连接得到的所有状态点,即完成建立问答状态图。
图3是本公开一示例性实施例提供的交互问答的提示方法建立的一个示意问答状态图。如图3所示,问答状态图中包括多个状态点,每个状态点对应一个意图的主题询问或主题应答,特殊的,问候可看做以问候为意图的主题询问,问候应答为以问候为意图的主题应答。
可选地,步骤1022可以包括:
根据多个语句中每个语句中的关键词确定语句的意图,基于意图对语句进行分类,得到多组问答语句组;
基于每组问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
其中,每组问答语句组包括对应同一意图的主题询问、或主题询问以及对应的主题应答。本实施例中,通过语句中的关键词确定语句的意图,例如,句子:“这个房子临街不?”,该句子中的关键词为临街,其意图为询问房子是否临街,可通过关键词确定与该句子相关的其他句子,构成一个问答语句组,其中,主题询问作为一个状态点,主题应答作为另一个状态点,同一意图对应的主题询问和主题应答之间存在连接。
图4是本公开一示例性实施例提供的交互问答的提示方法构建问答状态图的流程示意图。如图4所示,对历史问答数据集进行意图确定,根据意图对语句进行分类(可选地,利用分类模型(如神经网络等)实现分类),根据文本分类结果确定多个状态点,连接多个状态点得到状态图。
可选地,使用马尔可夫决策过程(MDP)框架来描述关联语句链。定义一个离散时间有限范围的折扣马尔科夫决策过程M=(S,A,P,r,ρ0,γ,T),其中S为状态集,A为动作集,P:S×A×S→R是转移概率,r:S×A→[-Rmax,Rmax]为立即回报函数,ρ0:S→R是初始状态分布,γ∈[0,1]为折扣因子,T为水平范围(其实就是步数)。τ为一个轨迹序列,即τ=(s0,ao,s1,a1,…),累积回报为r×τ,强化学习的目标是找到最优策略π,使得该策略下的累积回报期望最大。
本实施例中使用的马尔科夫决策过程,其中,S:有限的状态集,即上一步得到的状态图中状态点;A:用户/或经纪人是否回答了前述提问将影响后续状态走向,回答内容包括:是/否/模糊;R为状态点之间的回报值,在本实施例中,根据关联语句链的结果可确定为已知;γ:为折扣因子;P:状态间的转移概率,并且,若对话记录数量足够庞大,P则可以根据大数定律以平均值代替,故使用基于模型的动态规划方法可解。
上述实施例中建立的状态图为单智能体状态图。但是在用户实际和对话系统交互的过程中,二者的目标并不是完全一致。
假设有相同品质的物品A和B,A价格低,B价格高,且价格差距悬殊。为预算考虑,用户会优先选择A;导购系统为利润考虑会优先选择B,如表1所示。
用户选A | 用户选B | |
系统选A | 系统目标背离 | 目标全部背离 |
系统选B | 符合双方目标 | 用户目标背离 |
表1
由表1可知,如果使用单智能体强化学习模型,只有较小概率情况下,会同时符合用户和导购的预期目标。因此,本实施例提出了多智能体强化学习(建立多智能体状态图)。
在完全合作的环境中,智能体与环境进行交互与学习,在交互与学习的过程中,智能体获得相同的奖励信号,即如果它们合作做的很好,那么就告诉给它们正的奖励,如果它们并没有合作,或者没有做的比较好的时候,就不给予奖励,甚至给予负的奖励(cost)。更一般地说法:智能体具有相同的奖励函数(如果有不同的奖励,那么也可以将这些奖励相加,那么就可以转化成这样同一个奖励的性质了,目的就是最大化全局的奖励)。
所以,在这类的环境中,学习目标当然是:最大化折扣累计回报了。即两个智能体一起努力,将大家的奖励最大化。因为智能体之间的目标并不不是完全冲突(无论如何用户成交都会给系统带来收益),所以可以直接地将单智能体的算法直接运用过来(注意,因为奖励函数相同即大家目标一致,所以直接拿过来用)。
如图5所示,在上述图1所示实施例的基础上,步骤102还可包括如下步骤:
步骤1024,获取历史问答数据集中的多个关联语句链。
其中,每个关联语句链包括多个存在交互关系的语句。
步骤1025,确定关联语句链中的多个语句中交互双方为第一智能体和第二智能体。
步骤1026,分别对第一智能体对应的语句和第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点。
步骤1027,根据关联语句链连接得到的多个状态点,得到多智能体问答状态图。
该实施例中,问答状态图为以交互双方分别作为智能体的多智能体状态图;本实施例中,将交互双方(例如,用户和经纪人)分别作为第一智能体和第二智能体,即,将交互双方对应的相同意图的语句区分为不同的状态点,可选地,状态点包括对应第一智能体的多个第一状态点和对应第二智能体的多个第二状态点。例如,两个智能体分别为经纪人A和用户C,两个智能体可处在的状态是不一样的,可选择发出的动作也是不一样的,如经纪A人主要会对客户的,购买力、购买资质进行询问;客户C则会对房源情况、购房政策等进行询问,A与C之间对彼此的问题进行回复、不回复、模糊回复。
可选地,步骤1026包括:
对第一智能体对应的语句中的关键词确定语句的意图,基于意图对语句进行分类,得到多组第一语句组。其中,每组第一语句组包括第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答。
对第二智能体对应的语句中的关键词确定语句的意图,基于意图对语句进行分类,得到多组第二语句组。其中,每组第二语句组包括第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答。
基于多组第一问答语句组中的每个第一问答语句组确定一个第一状态点,得到多个第一状态点;基于多组第二问题语句组中的每个第二问题语句组确定一个第二状态点,得到多个第二状态点。
其中,对应相同意图的第一状态点和第二状态点之间存在关联。
本实施例中,针对不同智能体对应的语句分别进行处理,该处理过程与单智能体的语句处理过程相同,是基于关键词进行意图分类,对多个语句进行分类,将同一智能体中相同意图的语句归类为一个状态点,并且,由于在问答数据集中的关联语句链是两个智能体之间交互的过程,因此,不同智能体中对应相同意图的第一状态点和第二状态点之间存在连接。
图6是本公开另一示例性实施例提供的交互问答的提示方法的流程示意图。
如图6所示,包括如下步骤:
步骤601,根据历史问答数据集,建立问答状态图。
其中,历史问答数据集包括多个关联语句链;问答状态图中包括多个状态点。
步骤602,确定问答状态图中每两个依次连接的状态点之间的回报值。
本实施例中,根据历史文件数据集中每个关联语句链的已知转化结果,可确定基于关联语句链确定的每两个状态点之间的回报值,回报值的具体数值可根据实际情况进行确定。
步骤603,根据每两个依次连接的状态点之间的回报值,确定问答状态图中包括的至少一条支线中每条支线的回报和值。
其中,每条支线包括依次连接的多个状态点。
步骤104,接收的用户输入的当前信息。
步骤106,根据当前信息从问答状态图中确定与当前信息对应的当前状态点。
步骤108,根据问答状态图中与当前状态点连接的至少一个状态点推荐至少一个语句。
其中,每个状态点对应至少一个语句。
本实施例中的问答状态图由于是基于多个已知转化结果的关联语句链确定,不同的关联语句链的问答过程和结果都可能不同,因此,得到的问答状态图不仅包括一条路径,而多条路径中的每条路径的后一个状态点都对前一个状态点得到的回报进行累计(回报值可以为正数或负数),对应的,每条路径对应的回报和值可能相同或不同,为了提高回报值和/或转化率,本实施例选择回报和值较大(例如,最大)的路径对应的状态点进行推荐语句。
可选地,步骤603可以包括:
基于关联语句链确定问答状态图中的至少一条支线;
基于至少一条支线中的每条支线对应的多个状态点之间的回报值,确定每条支线的回报和值。
本实施例中,为了提高交互过程中产生的回报值的大小,需要在确定对应当前信息的状态点之后选择一条包括该状态点的路径作为后续推荐的基础,因此,需要确定问答状态图中每条支线对应的回报和值,本实施例中,通过累加每条支线中包括的所有状态点之间的回报值确定回报和值。
可选地,步骤108可以包括:
基于问答状态图确定包括当前状态点的至少一条支线;
根据至少一条支线对应的回报和值的大小,确定至少一条支线中一条支线作为目标支线;
推荐目标支线中当前状态点之后的状态点对应的语句。
本实施例中,每个状态点可能与多个其他状态点相连接,为了确定推荐的状态点对应的语句,需要确定包括当前状态点的至少一条支线中每条支线的回报和值,选择回报和值较大(如,最大)的一条支线作为目标支线,将该目标支线中当前状态点之后的状态点对应的语句推荐给系统,由于推荐的语句对应的支线回报和值较高,可提高根据推荐最终得到的关联语句链对应的回报和值,有可能提高转化率。
本公开实施例提供的任一种交互问答的提示方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种交互问答的提示方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种交互问答的提示方法。下文不再赘述。
示例性装置
图7是本公开一示例性实施例提供的交互问答的提示装置的结构示意图。如图7所示,该实施例提供的装置包括:
状态图建立模块71,用于根据历史问答数据集,建立问答状态图。
其中,历史问答数据集包括多个关联语句链;问答状态图中包括多个状态点。
信息接收模块72,用于接收的用户输入的当前信息。
状态点确定模块73,用于根据当前信息从问答状态图中确定与当前信息对应的当前状态点。
语句推荐模块74,用于根据问答状态图中与当前状态点连接的至少一个状态点推荐至少一个语句。
其中,每个状态点对应至少一个语句。
本公开上述实施例提供的一种交互问答的提示装置,根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;接收的用户输入的当前信息;根据所述当前信息从所述问答状态图中确定与所述当前信息对应的状态点;根据所述问答状态图中与所述当前信息对应的状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句;本实施例通过历史问答数据集建立具有指向性的问答状态图,为与用户对话行为提供辅助,根据问答状态图引导用户从模糊到清晰的明确目标,进而提高了目标转化率。
在一些可选的实施例中,问答状态图为单智能体状态图;
状态图建立模块,具体用于获取历史问答数据集中的多个关联语句链;其中,每个关联语句链包括多个存在交互关系的语句;对关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点;根据关联语句链连接得到的多个状态点,得到问答状态图。
可选地,状态图建立模块在对关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点时,用于根据多个语句中每个语句中的关键词确定语句的意图,基于意图对语句进行分类,得到多组问答语句组;其中,每组问答语句组包括对应同一意图的主题询问或主题询问以及对应的主题应答;基于每组问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
在另一些可选的实施例中,问答状态图为以交互双方分别作为智能体的多智能体状态图;
状态图建立模块,具体用于获取历史问答数据集中的多个关联语句链;其中,每个关联语句链包括多个存在交互关系的语句;确定关联语句链中的多个语句中交互双方为第一智能体和第二智能体;分别对第一智能体对应的语句和第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点;根据关联语句链连接得到的多个状态点,得到多智能体问答状态图。
可选地,状态点包括对应第一智能体的多个第一状态点和对应第二智能体的多个第二状态点。
可选地,状态图建立模块在分别对第一智能体对应的语句和第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点时,用于对第一智能体对应的语句中的关键词确定所述语句的意图,基于意图对语句进行分类,得到多组第一语句组;其中,每组第一语句组包括第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答;对第二智能体对应的语句中的关键词确定语句的意图,基于意图对所述语句进行分类,得到多组第二语句组;其中,每组第二语句组包括第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答;基于多组第一问答语句组中的每个第一问答语句组确定一个第一状态点,得到多个第一状态点;基于多组第二问题语句组中的每个第二问题语句组确定一个第二状态点,得到多个第二状态点;其中,对应相同意图的第一状态点和第二状态点之间存在关联。
在一些可选的实施例中,本实施例提供的装置还包括:
回报值确定模块,用于确定问答状态图中每两个依次连接的状态点之间的回报值;
支线回报确定模块,用于根据每两个依次连接的状态点之间的回报值,确定问答状态图中包括的至少一条支线中每条支线的回报和值;其中,每条支线包括依次连接的多个状态点。
可选地,支线回报确定模块,具体用于基于关联语句链确定问答状态图中的至少一条支线;基于至少一条支线中的每条支线对应的多个状态点之间的回报值,确定每条支线的所述回报和值。
可选地,语句推荐模块,具体用于基于问答状态图确定包括当前状态点的至少一条支线;根据至少一条支线对应的回报和值的大小,确定至少一条支线中一条支线作为目标支线;推荐目标支线中当前状态点之后的状态点对应的语句。
示例性电子设备
下面,参考图8来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图8图示了根据本公开实施例的电子设备的框图。
如图8所示,电子设备80包括一个或多个处理器81和存储器82。
处理器81可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备80中的其他组件以执行期望的功能。
存储器82可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器81可以运行所述程序指令,以实现上文所述的本公开的各个实施例的交互问答的提示方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备80还可以包括:输入装置83和输出装置84,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是第一设备100或第二设备200时,该输入装置83可以是上述的麦克风或麦克风阵列,用于捕捉声源的输入信号。在该电子设备是单机设备时,该输入装置83可以是通信网络连接器,用于从第一设备100和第二设备200接收所采集的输入信号。
此外,该输入设备83还可以包括例如键盘、鼠标等等。
该输出装置84可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备84可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备80中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备80还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的交互问答的提示方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的交互问答的提示方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (20)
1.一种交互问答的提示方法,其特征在于,包括:
根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;所述问答状态图中每两个依次连接的状态点之间具有回报值;所述问答状态图中包括的至少一条支线中每条所述支线具有回报和值,所述每条支线的回报和值通过所述支线中包括的依次连接的多个状态点中后一个状态点都对前一个状态点的回报值累计得到;其中,根据历史文件数据集中每个关联语句链的已知转化结果,确定基于关联语句链确定的每两个状态点之间的回报值;
接收用户输入的当前信息;
根据所述当前信息从所述问答状态图中确定与所述当前信息对应的当前状态点;
根据所述问答状态图中包括的所述至少一条支线的回报和值,确定与所述当前状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句。
2.根据权利要求1所述的方法,其特征在于,所述问答状态图为单智能体状态图;
所述根据历史问答数据集,建立问答状态图,包括:
获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;
对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点;
根据所述关联语句链连接得到的所述多个状态点,得到问答状态图。
3.根据权利要求2所述的方法,其特征在于,所述对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点,包括:
根据所述多个语句中每个所述语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组问答语句组;其中,每组所述问答语句组包括对应同一意图的主题询问或主题询问以及对应的主题应答;
基于每组所述问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
4.根据权利要求1所述的方法,其特征在于,所述问答状态图为以交互双方分别作为智能体的多智能体状态图;
所述根据历史问答数据集,建立问答状态图,包括:
获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;
确定所述关联语句链中的多个语句中交互双方为第一智能体和第二智能体;
分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点;
根据所述关联语句链连接得到的所述多个状态点,得到所述多智能体问答状态图。
5.根据权利要求4所述的方法,其特征在于,所述状态点包括对应所述第一智能体的多个第一状态点和对应所述第二智能体的多个第二状态点。
6.根据权利要求5所述的方法,其特征在于,所述分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点,包括:
对所述第一智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第一语句组;其中,每组所述第一语句组包括所述第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答;
对所述第二智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第二语句组;其中,每组所述第二语句组包括所述第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答;
基于所述多组第一问答语句组中的每个第一问答语句组确定一个所述第一状态点,得到多个所述第一状态点;基于所述多组第二问题语句组中的每个第二问题语句组确定一个所述第二状态点,得到多个所述第二状态点;其中,对应相同意图的所述第一状态点和所述第二状态点之间存在关联。
7.根据权利要求1-6任一所述的方法,其特征在于,所述根据历史问答数据集,建立问答状态图之后,还包括:
确定所述问答状态图中每两个依次连接的状态点之间的回报值;
根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值;其中,每条所述支线包括依次连接的多个状态点。
8.根据权利要求7所述的方法,其特征在于,所述根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值,包括:
基于所述关联语句链确定所述问答状态图中的至少一条支线;
基于所述至少一条支线中的每条所述支线对应的多个状态点之间的回报值,确定每条所述支线的所述回报和值。
9.根据权利要求7所述的方法,其特征在于,所述根据所述问答状态图中与所述当前状态点连接的至少一个状态点推荐至少一个语句,包括:
基于所述问答状态图确定包括所述当前状态点的至少一条支线;
根据所述至少一条支线对应的回报和值的大小,确定所述至少一条支线中一条支线作为目标支线;
推荐所述目标支线中所述当前状态点之后的状态点对应的语句。
10.一种交互问答的提示装置,其特征在于,包括:
状态图建立模块,用于根据历史问答数据集,建立问答状态图;其中,所述历史问答数据集包括多个关联语句链;所述问答状态图中包括多个状态点;所述问答状态图中每两个依次连接的状态点之间具有回报值;所述问答状态图中包括的至少一条支线中每条所述支线基于回报和值,所述每条支线的回报和值通过所述支线中包括的依次连接的多个状态点中后一个状态点都对前一个状态点的回报值累计得到;其中,根据历史文件数据集中每个关联语句链的已知转化结果,确定基于关联语句链确定的每两个状态点之间的回报值;
信息接收模块,用于接收用户输入的当前信息;
状态点确定模块,用于根据所述当前信息从所述问答状态图中确定与所述当前信息对应的当前状态点;
语句推荐模块,用于根据所述问答状态图中包括的所述至少一条支线的回报和值,确定与所述当前状态点连接的至少一个状态点推荐至少一个语句;其中,每个所述状态点对应至少一个语句。
11.根据权利要求10所述的装置,其特征在于,所述问答状态图为单智能体状态图;
所述状态图建立模块,具体用于获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点;根据所述关联语句链连接得到的所述多个状态点,得到问答状态图。
12.根据权利要求11所述的装置,其特征在于,所述状态图建立模块在对所述关联语句链中的多个语句按照意图进行分类,根据分类结果获得多个状态点时,用于根据所述多个语句中每个所述语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组问答语句组;其中,每组所述问答语句组包括对应同一意图的主题询问或主题询问以及对应的主题应答;基于每组所述问答语句组中的主题询问或主题询问以及对应的主题应答确定多个状态点。
13.根据权利要求10所述的装置,其特征在于,所述问答状态图为以交互双方分别作为智能体的多智能体状态图;
所述状态图建立模块,具体用于获取所述历史问答数据集中的多个关联语句链;其中,每个所述关联语句链包括多个存在交互关系的语句;确定所述关联语句链中的多个语句中交互双方为第一智能体和第二智能体;分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点;根据所述关联语句链连接得到的所述多个状态点,得到所述多智能体问答状态图。
14.根据权利要求13所述的装置,其特征在于,所述状态点包括对应所述第一智能体的多个第一状态点和对应所述第二智能体的多个第二状态点。
15.根据权利要求14所述的装置,其特征在于,所述状态图建立模块在分别对所述第一智能体对应的语句和所述第二智能体对应的语句按照意图进行分类,根据分类结果得到多个状态点时,用于对所述第一智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第一语句组;其中,每组所述第一语句组包括所述第一智能体对应同一意图的主题询问或主题询问以及对应的主题应答;对所述第二智能体对应的语句中的关键词确定所述语句的意图,基于所述意图对所述语句进行分类,得到多组第二语句组;其中,每组所述第二语句组包括所述第二智能体对应同一意图的主题询问或主题询问以及对应的主题应答;基于所述多组第一问答语句组中的每个第一问答语句组确定一个所述第一状态点,得到多个所述第一状态点;基于所述多组第二问题语句组中的每个第二问题语句组确定一个所述第二状态点,得到多个所述第二状态点;其中,对应相同意图的所述第一状态点和所述第二状态点之间存在关联。
16.根据权利要求10-15任一所述的装置,其特征在于,所述装置还包括:
回报值确定模块,用于确定所述问答状态图中每两个依次连接的状态点之间的回报值;
支线回报确定模块,用于根据所述每两个依次连接的状态点之间的回报值,确定所述问答状态图中包括的至少一条支线中每条所述支线的回报和值;其中,每条所述支线包括依次连接的多个状态点。
17.根据权利要求16所述的装置,其特征在于,所述支线回报确定模块,具体用于基于所述关联语句链确定所述问答状态图中的至少一条支线;基于所述至少一条支线中的每条所述支线对应的多个状态点之间的回报值,确定每条所述支线的所述回报和值。
18.根据权利要求15所述的装置,其特征在于,所述语句推荐模块,具体用于基于所述问答状态图确定包括所述当前状态点的至少一条支线;根据所述至少一条支线对应的回报和值的大小,确定所述至少一条支线中一条支线作为目标支线;推荐所述目标支线中所述当前状态点之后的状态点对应的语句。
19.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9任一所述的交互问答的提示方法。
20.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9任一所述的交互问答的提示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580837.3A CN111723189B (zh) | 2020-06-23 | 2020-06-23 | 交互问答的提示方法和装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580837.3A CN111723189B (zh) | 2020-06-23 | 2020-06-23 | 交互问答的提示方法和装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723189A CN111723189A (zh) | 2020-09-29 |
CN111723189B true CN111723189B (zh) | 2021-11-16 |
Family
ID=72568456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010580837.3A Active CN111723189B (zh) | 2020-06-23 | 2020-06-23 | 交互问答的提示方法和装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723189B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779210A (zh) * | 2021-07-30 | 2021-12-10 | 深圳市思为软件技术有限公司 | 信息介绍方法及相关装置和计算机可读存储介质 |
CN114281969A (zh) * | 2021-12-20 | 2022-04-05 | 平安普惠企业管理有限公司 | 答复语句推荐方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013042117A1 (en) * | 2011-09-19 | 2013-03-28 | Personetics Technologies Ltd. | System and method for evaluating intent of a human partner to a dialogue between human user and computerized system |
US9466297B2 (en) * | 2014-12-09 | 2016-10-11 | Microsoft Technology Licensing, Llc | Communication system |
CN108415932B (zh) * | 2018-01-23 | 2023-12-22 | 思必驰科技股份有限公司 | 人机对话方法及电子设备 |
CN111611357B (zh) * | 2019-02-25 | 2023-08-15 | 北京嘀嘀无限科技发展有限公司 | 人机对话系统的配置方法、多轮对话配置平台及电子设备 |
CN111309880B (zh) * | 2020-01-21 | 2023-11-10 | 清华大学 | 多智能体行动策略学习方法、装置、介质和计算设备 |
-
2020
- 2020-06-23 CN CN202010580837.3A patent/CN111723189B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111723189A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11735163B2 (en) | Human-machine dialogue method and electronic device | |
Paradarami et al. | A hybrid recommender system using artificial neural networks | |
US11847106B2 (en) | Multi-service business platform system having entity resolution systems and methods | |
Bisk et al. | Experience grounds language | |
US10565602B1 (en) | Method and system for obtaining leads based on data derived from a variety of sources | |
US9946775B2 (en) | System and methods thereof for detection of user demographic information | |
US8209214B2 (en) | System and method for providing targeted content | |
CN112308650B (zh) | 推荐理由生成方法、装置、设备及存储介质 | |
WO2009002526A1 (en) | System and method for providing targeted content | |
EP3685245B1 (en) | Method, apparatus, and computer-readable media for customer interaction semantic annotation and analytics | |
CN111090739A (zh) | 信息处理方法、装置以及电子设备、存储介质 | |
CN111723189B (zh) | 交互问答的提示方法和装置、存储介质、电子设备 | |
Earley | There is no AI without IA | |
CA3147634A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
Graef et al. | Human-machine collaboration in online customer service–a long-term feedback-based approach | |
US20230418793A1 (en) | Multi-service business platform system having entity resolution systems and methods | |
Kumar et al. | Chatbot in Python | |
Khan et al. | Comparative analysis on Facebook post interaction using DNN, ELM and LSTM | |
Haq | Enterprise artificial intelligence transformation | |
US11295731B1 (en) | Artificial intelligence (AI) enabled prescriptive persuasion processes based on speech emotion recognition and sentiment analysis | |
CN111753074B (zh) | 用于实现会话的方法、装置、介质和电子设备 | |
CN116433324A (zh) | 一种产品推荐方法、装置、介质和计算机设备 | |
CN112256879B (zh) | 信息处理方法和装置、电子设备和计算机可读存储介质 | |
CN112148939A (zh) | 数据处理方法、装置及电子设备 | |
Altarif et al. | Artificial intelligence: chatbot—the new generation of communication |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201104 Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co.,Ltd. Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin Applicant before: BEIKE TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |