CN111753073A - 一种会话交互的处理方法、装置及电子设备 - Google Patents
一种会话交互的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111753073A CN111753073A CN202010609093.3A CN202010609093A CN111753073A CN 111753073 A CN111753073 A CN 111753073A CN 202010609093 A CN202010609093 A CN 202010609093A CN 111753073 A CN111753073 A CN 111753073A
- Authority
- CN
- China
- Prior art keywords
- conversation
- reply
- topic
- historical
- content
- 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.)
- Pending
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 33
- 230000009471 action Effects 0.000 claims description 28
- 238000013145 classification model Methods 0.000 claims description 21
- 230000003542 behavioural effect Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 4
- 238000009223 counseling Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种会话交互的处理方法、装置及电子设备,方法包括:获得当前会话中用户的当前输入内容;在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;如果在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
Description
技术领域
本申请涉及智能客服技术领域,尤其涉及一种会话交互的处理方法、装置及电子设备。
背景技术
在智能客服系统中,针对用户的每个咨询问题,智能客服通常会给出多个语句,以丰富反馈给用户的答复内容。例如,智能客服系统对于用户提出的“你是机器人吗?”的问题,不仅会按照会话合作原则答复内容:“是的”,还会答复不符合会话合作原则的其他内容:“你可以叫我机器人或者虚拟特工”,由此,为用户提供多种多样的答复内容。
目前在针对用户的咨询问题进行答复时,通常需要对咨询问题进行自然语言识别等处理,以确定用户的咨询意图,再针对咨询意图如询问价格或者性能等为用户提供答复内容。
但是,仅依赖于咨询问题本身的处理来确定咨询意图的方式,可能存在所确定的咨询意图不准确的情况。
发明内容
有鉴于此,本申请提供一种会话交互的处理方法、装置及电子设备,包括:
一种会话交互的处理方法,包括:
获得当前会话中用户的当前输入内容;
在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;
如果在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
上述方法,优选的,所述方法还包括:
根据所述第一行为意图,输出第一答复内容,所述第一答复内容中包含与所述第一行为意图相对应且满足预设的会话合作原则的答复语句。
上述方法,优选的,所述会话主题集合中包括至少一个第一会话主题和/或第二会话主题;
其中,所述第一会话主题为:所述前一次会话中所述客服系统的历史答复内容中不满足所述会话合作原则的历史答复语句对应的会话主题;
所述第二会话主题为:在所述前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句的情况下,所述前一次会话中所述用户的历史输入内容对应的会话主题。
上述方法,优选的,所述第一会话主题通过以下方式获得:
获得所述当前会话的前一次会话中所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
如果所述历史答复内容中存在不满足所述会话合作原则的历史答复语句,获得所述不满足所述会话合作原则的历史答复语句对应的第一会话主题。
上述方法,优选的,所述第二会话主题通过以下方式获得:
获得所述当前会话的前一次会话中所述用户的历史输入内容;
如果所述当前会话的前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句,获得所述历史输入内容对应的第二会话主题。
上述方法,优选的,所述会话主题集合通过以下方式获得:
获得所述当前会话的前一次会话中所述用户的历史输入内容和所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
将所述历史答复内容中满足所述会话合作原则的历史答复语句添加到第一语句集合,将所述历史答复内容中不满足所述会话合作原则的历史答复语句添加到第二语句集合;
如果所述第一语句集合为空,获得所述历史输入内容对应的第二会话主题;
如果所述第二语句集合不为空,获得所述第二语句集合中的历史答复语句对应的第一会话主题。
上述方法,优选的,获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句,包括:
利用语句分类模型对所述用户的历史输入内容和所述历史答复内容进行处理,以得到所述语句分类模型输出的分类结果,所述分类结果包括:所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
其中,所述语句分类模型利用多个语句对样本进行训练得到,一个所述语句对样本至少包含输入内容语句、第一答复语句和第二答复语句,所述第一答复语句具有满足所述会话合作原则的标签,所述第二答复语句具有不满足所述会话合作原则的标签。
上述方法,优选的,所述方法还包括:
如果在所述会话主题集合中不存在与所述当前输入内容相匹配的会话主题,根据所述当前输入内容,获得所述用户的第二行为意图;
根据所述第二行为意图,输出第二答复内容,所述第二答复内容中包含:与所述第二行为意图相对应且满足所述会话合作原则的答复语句,和/或,与所述当前输入内容相对应且不满足所述会话合作原则的答复语句。
一种会话交互的处理装置,包括:
输入获取单元,用于获得当前会话中用户的当前输入内容;
主题查找单元,用于在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;
意图获取单元,用于如果所述主题查找单元在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
一种电子设备,包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现:获得当前会话中用户的当前输入内容;在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;如果在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
由上述方案可知,本申请提供的一种会话交互的处理方法、装置及电子设备中,在获得到用户的当前输入内容之后,在用户的前一次会话中所涉及的会话主题中查找与当前输入内容相匹配的会话主题,由此,根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图。可见,本申请中不再仅依赖与当前输入内容本申请来确定行为意图,而是根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图,进而能够避免意图分析不准确的情况,以此达到提高意图获取准确性的目的。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种会话交互的处理方法的流程图;
图2为本申请实施例的示例图;
图3为本申请实施例一提供的一种会话交互的处理方法的另一流程图;
图4-图6分别为本申请实施例的另一示例图;
图7为本申请实施例一提供的一种会话交互的处理方法的又一流程图;
图8为本申请实施例的又一示例图;
图9为本申请实施例二提供的一种会话交互的处理装置的结构示意图;
图10为本申请实施例二提供的一种会话交互的处理装置的另一结构示意图;
图11为本申请实施例三提供的一种电子设备的结构示意图;
图12为本申请实施例三提供的一种电子设备的另一结构示意图;
图13为本申请实施例适用于智能客服系统时的示例流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参考图1,为本申请实施例一提供的一种会话交互的处理方法的实现流程图,该方法可以适用于能够与用户进行交互的电子设备或者与能够与用户进行交互的装置相连接的电子设备中,如具有智能客服系统的计算机或服务器等。本实施例中的技术方案主要用于提高对用户行为意图进行识别的准确性。
具体的,本实施例中的方法可以包括以下步骤:
步骤101:获得当前会话中用户的当前输入内容。
其中,当前会话是指智能客服系统中用户通过交互界面与电子设备进行的人机会话,如图2中所示,当前会话中,用户在交互界面中的输入区域进行输入操作,相应的,电子设备对用户输入操作所产生的当前输入内容进行获取。例如,用户在输入区域中输入“virtual agent?”,本实施例中对当前输入内容“virtual agent?”进行获取。
步骤102:在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题,如果在会话主题集合中经过查找发现存在与当前输入内容相匹配的目标会话主题,那么执行步骤103。
其中,会话主题集合中包含至少一个会话主题,会话集合中的会话主题为在当前会话的前一次会话中对应的会话主题,也就是说,本实施例中对当前会话的前一次会话中涉及的会话内容进行获取并进行处理,如图2中所示,前一次会话中,用户输入“are you abot?”,智能客服系统恢复“Yes,you could call me a bot/robot or a virtualagent.”,本实施例中对这些会话语句进行获取并进行语义分析等处理,以得到这些会话语句中所涉及的会话主题,这些会话主题组成会话主题集合。
具体的,本实施例中可以通过对当前输入内容进行语义分析,进而在会话主题集合中查找是否存在有与当前输入内容相匹配的目标会话主题。
步骤103:至少根据目标会话主题,获得用户的第一行为意图。
其中,第一行为意图用于生成答复内容。
具体的,本实施例中可以对与当前输入内容相匹配的目标会话主题进行处理,以确定与该目标会话主题相对应的第一行为意图;
或者,本实施例中可以对当前输入内容进行语义分析之后,结合目标会话主题对语义分析的结果进行进一步分析,以获得到用户的第一行为意图。进一步的,本实施例中可以根据第一行为意图生成相应的答复内容。
如图2中所示,在前一次会话所涉及的会话主题:称呼bot、称呼virtual agent中,对当前输入内容进行匹配,得到与当前输入内容“virtual agent?”相匹配的目标会话主题“称呼virtual agent”,并结合该会话主题获得到与当前输入内容对应的行为意图:需要确定是不是virtual agent,而所获得到的行为意图能够更加符合用户的当前输入内容,即:用户需要确定是不是virtual agent,而不是单纯的想了解“virtual agent是什么定义”,由此提高所获得的行为意图的准确性。
由上述方案可知,本申请实施例一提供的一种会话交互的处理方法中,在获得到用户的当前输入内容之后,在用户的前一次会话中所涉及的会话主题中查找与当前输入内容相匹配的会话主题,由此,根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图。可见,本申请中不再仅依赖与当前输入内容本申请来确定行为意图,而是根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图,进而能够避免意图分析不准确的情况,以此达到提高意图获取准确性的目的。
在一种实现方式中,本实施例中在步骤103之后,还可以包括以下步骤,如图3中所示:
步骤104:根据第一行为意图,输出第一答复内容。
其中,第一答复内容中包含与第一行为意图相对应且满足预设的会话合作原则的答复语句。
需要说明的是,会话合作原则是指会话合作原则是指交际双方为使会话、合作顺利进行,以达到共同的沟通目的而必须相互配合,共同遵循的准则。本实施例中可以通过对第一行为意图对应的多个答复内容按照会话合作原则进行分析筛选,以输出满足会话合作原则的答复语句。这里满足会话合作原则的答复语句可以理解为能够满足用户的第一行为意图的或者说能够满足用户交互需求的答复语句。其中,本实施例中预先在客服系统的数据库中预先存储多个行为意图以及每个行为意图对应的一个或多个答复语句(内容),以便于在获得到行为意图之后,在该行为意图对应的答复语句中选取一个或多个答复语句作为答复内容。
也就是说,本实施例中在获得到第一行为意图之后,由于该第一行为意图是根据与当前输入内容相匹配的前一次会话中所涉及的会话主题所生成的行为意图,因此,本实施例为了提高会话进度,可以针对第一行为意图,输出满足会话合作原则的答复语句,以避免用户继续围绕与前一次会话中涉及的会话主题进行交互,由此,在为用户输出与第一行为意图相对应且满足会话合作原则的答复语句之后,用户可以得到直接的肯定或者否定的答复内容,由此减少用户继续围绕同一会话主题进行交互的次数,提高交互效率。
如图4中所示,在前一次会话所涉及的会话主题:称呼bot、称呼virtual agent中,对当前输入内容进行匹配,得到与当前输入内容“virtual agent?”相匹配的目标会话主题“称呼virtual agent”,并结合该会话主题获得到与当前输入内容对应的行为意图:需要确定是不是virtual agent,而所获得到的行为意图能够更加符合用户的当前输入内容,即:用户需要确定是不是virtual agent,而不是单纯的想了解“virtual agent是什么定义”,由此提高所获得的行为意图的准确性,进一步的,为了避免用户继续围绕virtual agent进行交互,本实施例中直接为用户提供满足会话合作原则的“是”或“Yes”的答复内容,以提高交互效率。
如图5中所示,用户的当前输入内容为“why?”,在前一次会话中,用户输入“howold are you?”,客服系统回复“Some of us never age.”,由此,前一次会话所涉及的会话主题:年龄、永不衰老中,对当前输入内容进行匹配,得到与当前输入内容相匹配的目标会话主题:永不衰老,结合该会话主题或得到与当前输入内容相对应的行为意图,即:永不衰老的原因是什么,而不是单纯的询问为什么或者询问年龄,由此,提高所获得的行为意图的准确性,进一步的,为了避免用户继续围绕永不衰老的话题进行交互,本实施例中直接为用户提供满足会话合作原则的“we remain forever”的答复内容,以提高交互效率。
在一种实现方式中,会话主题集合中可以仅包括至少一个第一会话主题,或者,会话主题集合中可以仅包含有至少一个第二会话主题,或者,会话主题集合中既包含有至少一个第一会话主题又包含有至少一个第二会话主题。这里的第一会话主题和第二会话主题是指针对不同的会话语句所有者的主题。例如,第一会话主题为:前一次会话中客服系统的历史答复内容中不满足会话合作原则的历史答复语句对应的会话主题,如图2中所示的前一次会话中,“you could call me a bot/robot or a virtual agent.”为不满足会话合作原则的历史答复语句,其所对应的会话主题为第一会话主题,其中的“yes”为满足会话合作原则的历史答复语句。
而第二会话主题为:在前一次会话中客服系统的历史答复内容中不存在满足会话合作原则的历史答复语句的情况下,前一次会话中用户的历史输入内容对应的会话主题。如图5中所示的前一次会话中“Some of us never age.”为不满足会话合作原则的历史答复语句,而没有满足会话合作原则的历史答复语句,此时,将用户输入内容“how old areyou?”对应的会话主题作为第二会话主题。
具体实现中,会话主题集合中的第一会话主题可以单独通过以下方式获得:
首先,获得当前会话的前一次会话中客服系统的历史答复内容,这里的历史答复内容包括至少一个历史答复语句,如客服系统回复的“yes”和“you could call me a bot/robot or a virtual agent.”的历史答复语句;
之后,判断历史答复内容中是否存在不满足会话合作原则的语句,如果历史答复内容中存在不满足会话合作原则的历史答复语句,那么获得这些不满足会话合作原则的历史答复语句所对应的第一会话主题。
具体的,本实施例中可以对这些不满足会话合作原则的历史答复语句进行语义分析,以获得到每个不满足会话合作原则的历史答复语句所对应的第一会话主题。例如,对不满足会话合作原则的答复语句“you could call me a bot/robot or a virtual agent.”进行语义分析,得到第一会话主题:“称呼bot”、“称呼virtual agent”。
而会话主题集合中的第二会话主题可以单独通过以下方式获得:
首先,获得当前会话的前一次会话中用户的历史输入内容,如用户在前一次会话中输入的内容“are you a bot?”;之后,判断前一次会话中客服系统的历史答复内容中是否存在满足会话合作原则的历史答复语句,如果当前会话的前一次会话中客服系统的历史答复内容中不存在满足会话合作原则的历史答复语句,那么获得前一次会话中用户的历史输入内容所对应的会话主题,即为第二会话主题。
具体的,本实施例中可以对前一次会话中用户的历史输入语句进行语义分析,以获得到每个历史输入语句所对应的第一会话主题。例如,对用户的历史输入语句“are youa bot?”进行语义分析,得到第二会话主题:“确认bot”。
或者,在另一种实现方式中,会话主题集合可以通过以下方式获得到其中的第一会话主题和第二会话主题,如下:
首先,本实施例中获得当前会话的前一次会话中用户的历史输入内容和客服系统的历史答复内容,其中,用户的历史输入内容可能包含一个历史输入语句或者多个历史输入语句,而历史答复内容中可以包括一个或多个历史答复语句。
其次,本实施例中获得历史答复内容中满足会话合作原则的历史答复语句和不满足会话合作原则的历史答复语句,具体的,本实施例中可以对历史答复内容中的每个历史答复语句根据用户的历史输入语句进行分析,以筛选出针对历史输入语句的满足会话合作原则的历史答复语句以及针对历史输入语句的不满足会话合作原则的历史答复语句。
例如,如图2所示的会话中,对客服系统的历史答复内容“Yes,you could call mea bot/robot or a virtual agent.”根据用户的历史输入内容“are you a bot?”进行分析,由此确定出满足会话合作原则的历史答复语句“Yes”和不满足会话合作原则的历史答复语句“you could call me a bot/robot or a virtual agent.”。
再如,如图5所示的会话中,对客服系统的历史答复内容“Some of us neverage.”根据用户的历史输入内容“how old are you?”进行分析,由此确定出满足会话合作原则的历史答复语句为空,并确定不满足会话合作原则的历史答复语句“Some of usnever age.”。
再如,如图6中所示的会话中,对客服系统的历史答复内容“Yes.”根据用户的历史输入内容“are you a bot?”进行分析,由此确定出满足会话合作原则的历史答复语句“Yes.”,并确定不满足会话合作原则的历史答复语句为空。
然后,将历史答复内容中满足会话合作原则的历史答复语句添加到第一语句集合,将历史答复内容中不满足会话合作原则的历史答复语句添加到第二语句集合,由此,将历史答复内容进行结构划分,划分出两个集合,其中的第一语句集合中包含满足会话合作原则的历史答复语句,第二语句集合中包含不满足会话合作原则的历史答复语句。例如,如图2中所示的会话中,第一语句集合中包含语句“Yes”,第二语句集合中包含语句“youcould call me a bot/robot or a virtual agent.”;再如,如图5所示的会话中,第一语句集合为空,第二语句集合中包含语句“Some of us never age.”;再如,如图6中所示的会话中,第一语句集合中包含语句“Yes.”,第二语句集合为空。
基于此,如果第一语句集合为空,即历史答复内容中不包含满足会话合作原则的历史答复语句,那么本实施例中获得用户的历史输入内容对应的会话主题为第二会话主题,而如果第二语句集合不为空,即历史答复内容中包含不满足会话合作原则的历史答复语句,那么本实施例中获得第二语句集合中的历史答复语句对应的会话主题为第一会话主题。
具体实现中,本实施例中在获得历史答复内容中满足会话合作原则的历史答复语句和不满足会话合作原则的历史答复语句时,可以利用语句分类模型对用户的历史输入内容和历史答复内容进行处理,以得到语句分类模型输出的分类结果,语句分类模型所输出的分类结果中包括:历史答复内容中满足会话合作原则的历史答复语句和不满足会话合作原则的历史答复语句。当然,一种可能中,历史答复内容中也可能不包含满足会话合作原则的历史答复语句,另一种可能中,历史答复内容中也可能不包含不满足会话合作原则的历史答复语句。
其中,语句分类模型预先基于分类算法构建,并利用多个语句对样本进行训练得到,其中的每个语句对样本中包含多个语句,例如,语句对样本中至少包含有输入内容语句、第一答复语句和第二答复语句,其中的第一答复语句具有满足会话合作原则的标签,第二答复语句具有不满足会话合作原则的标签。由此,本实施例中将语句对样本输入到语句分类模型后,根据语句分类模型所输出的语句分类结果与语句对样本中的标签对语句分类模型中的模型参数进行调整,以便于语句分类模型的损失参数减小,而随着更多的语句对样本对语句分类模型的训练,语句分类模型的损失函数逐渐减小到最低不再变化,此时结束语句分类模型的训练,训练完成的语句分类模型能够对输入的历史输入内容和历史答复内容进行语句分类,由此针对历史输入内容而言,分类出满足会话合作原则的历史答复语句和不满足会话合作原则的历史答复语句。
在一种实现方式中,在步骤102中如果在会话主题集合中没有查找到与当前输入内容相匹配的目标会话主题,也就是说,会话主题集合中不存在与当前输入内容相匹配的会话主题,那么本实施例中的方法还可以包括以下步骤,如图7中所示:
步骤105:根据当前输入内容,获得用户的第二行为意图。
其中,本实施例中可以通过对当前输入内容进行语义分析,进而得到用户的第二行为意图。
如图8中所示的会话中,用户的历史输入内容为“what’s your name?”,客服系统的历史答复内容为“my name is moli.”,相应的会话主题集合包含会话主题“名字询问”和“名字回答”,用户的当前输入内容为“hi moli,i have some question about my moto z2.”,由此,本实施例中在接收到用户的当前输入内容之后,在会话主题集合中并不存在与当前输入内容“hi moli,i have some question about my moto z 2.”相匹配的会话主题,那么此时,本实施例中根据当前输入内容“hi moli,i have some question about mymoto z 2.”获得到用户的行为意图“询问产品moto z 2”。
步骤106:根据第二行为意图,输出第二答复内容。
其中,第二答复内容中包含与第二行为意图相对应且满足会话合作原则的答复语句,和/或,与当前输入内容相对应且不满足会话合作原则的答复语句。例如,本实施例中针对“询问产品moto z 2”的行为意图,输出答复内容“OK”或者“OK,i`m waiting”,如图8中所示,其中,“OK”为满足会话合作原则的答复语句,“i`m waiting”为不满足会话合作原则的答复语句,由此,通过输出满足和不满足会话合作原则的答复语句来丰富为用户提供的答复内容,进而改善用户的交互体验。
参考图9,为本申请实施例二提供的一种会话交互的处理装置的结构示意图,该装置可以适用于能够与用户进行交互的电子设备或者与能够与用户进行交互的装置相连接的电子设备中,如具有智能客服系统的计算机或服务器等。本实施例中的技术方案主要用于提高对用户行为意图进行识别的准确性。
具体的,本实施例中的装置可以包括以下单元:
输入获取单元901,用于获得当前会话中用户的当前输入内容。
主题查找单元902,用于在会话主题集合中查找是否存在与当前输入内容相匹配的目标会话主题;其中,会话主题集合中包含至少一个会话主题,会话主题为在当前会话的前一次会话中对应的会话主题;
意图获取单元903,用于如果主题查找单元在会话主题集合中存在与当前输入内容相匹配的目标会话主题,至少根据目标会话主题,获得用户的第一行为意图,第一行为意图用于生成答复内容。
由上述方案可知,本申请实施例二提供的一种会话交互的处理装置中,在获得到用户的当前输入内容之后,在用户的前一次会话中所涉及的会话主题中查找与当前输入内容相匹配的会话主题,由此,根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图。可见,本实施例中不再仅依赖与当前输入内容本申请来确定行为意图,而是根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图,进而能够避免意图分析不准确的情况,以此达到提高意图获取准确性的目的。
在一种实现方式中,本实施例中的装置还可以包括以下结构,如图10中所示:
答复输出单元904,用于根据所述第一行为意图,输出第一答复内容,所述第一答复内容中包含与所述第一行为意图相对应且满足预设的会话合作原则的答复语句。
在一种实现方式中,所述会话主题集合中包括至少一个第一会话主题和/或第二会话主题;
其中,所述第一会话主题为:所述前一次会话中所述客服系统的历史答复内容中不满足所述会话合作原则的历史答复语句对应的会话主题;
所述第二会话主题为:在所述前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句的情况下,所述前一次会话中所述用户的历史输入内容对应的会话主题。
在一种可选方式中,主题查找单元902可以通过以下方式获得所述第一会话主题:
获得所述当前会话的前一次会话中所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
如果所述历史答复内容中存在不满足所述会话合作原则的历史答复语句,获得所述不满足所述会话合作原则的历史答复语句对应的第一会话主题。
在另一种可选方式中,主题查找单元902可以通过以下方式获得所述第二会话主题:
获得所述当前会话的前一次会话中所述用户的历史输入内容;
如果所述当前会话的前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句,获得所述历史输入内容对应的第二会话主题。
在另一种可选方式中,主题查找单元902可以通过以下方式获得所述会话主题集合:
获得所述当前会话的前一次会话中所述用户的历史输入内容和所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
将所述历史答复内容中满足所述会话合作原则的历史答复语句添加到第一语句集合,将所述历史答复内容中不满足所述会话合作原则的历史答复语句添加到第二语句集合;
如果所述第一语句集合为空,获得所述历史输入内容对应的第二会话主题;
如果所述第二语句集合不为空,获得所述第二语句集合中的历史答复语句对应的第一会话主题。
优选的,主题查找单元902在获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句时,可以通过以下方式实现:
利用语句分类模型对所述用户的历史输入内容和所述历史答复内容进行处理,以得到所述语句分类模型输出的分类结果,所述分类结果包括:所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
其中,所述语句分类模型利用多个语句对样本进行训练得到,一个所述语句对样本至少包含输入内容语句、第一答复语句和第二答复语句,所述第一答复语句具有满足所述会话合作原则的标签,所述第二答复语句具有不满足所述会话合作原则的标签。
在一种实现方式中,如果主题查找单元902在所述会话主题集合中没有查找到与所述当前输入内容相匹配的会话主题,那么意图获取单元903还用于:根据所述当前输入内容,获得所述用户的第二行为意图;基于此,答复输出单元904还用于根据所述第二行为意图,输出第二答复内容,所述第二答复内容中包含:与所述第二行为意图相对应且满足所述会话合作原则的答复语句,和/或,与所述当前输入内容相对应且不满足所述会话合作原则的答复语句。
需要说明的是,本实施例中各单元的具体实现可以参考前文中相应内容,此处不再详述。
参考图11,为本申请实施例三提供的一种电子设备的结构示意图,该电子设备可以为能够与用户进行交互的电子设备或者与能够与用户进行交互的装置相连接的电子设备,如具有智能客服系统的计算机或服务器等。本实施例中的技术方案主要用于提高对用户行为意图进行识别的准确性。
具体的,本实施例中的电子设备可以包括以下结构:
存储器1101,用于存储应用程序及应用程序运行所产生的数据。
处理器1102,用于执行应用程序,以实现:获得当前会话中用户的当前输入内容;在会话主题集合中查找是否存在与当前输入内容相匹配的目标会话主题;其中,会话主题集合中包含至少一个会话主题,会话主题为在当前会话的前一次会话中对应的会话主题;如果在会话主题集合中存在与当前输入内容相匹配的目标会话主题,至少根据目标会话主题,获得用户的第一行为意图,第一行为意图用于生成答复内容。
另外,本实施例中的电子设备中还可以包含有显示器1103,如触控屏或者其他类型的显示屏等。如图12中所示,该显示器1103用于输出处理器1102所生成的答复内容,当然,显示器1103还可以用于输出用户的输入内容。
由上述方案可知,本申请实施例三提供的一种电子设备中,在获得到用户的当前输入内容之后,在用户的前一次会话中所涉及的会话主题中查找与当前输入内容相匹配的会话主题,由此,根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图。可见,本实施例中不再仅依赖与当前输入内容本申请来确定行为意图,而是根据前一次会话中与当前输入内容相匹配的会话主题来获得用户的行为意图,进而能够避免意图分析不准确的情况,以此达到提高意图获取准确性的目的。
以智能客服对话为例,用户通过与bot之间的交流来解决用户的问题。用户和bot的交互是一个对答模式,理想简单的对答模式是用户(提问)和bot(回答)之间一问一答。在交互中,用户历史输入为user_input1,相应的,bot理解用户的意图input1_intent1,然后bot返回用户之前编写好的历史回复intent1_reply1。但是由于意图对应的回复内容是人工编辑的,不同人工的编辑风格不同,编辑的回复内容也具有多样性。基于此,不同的bot回复对后续对话会有不同的引导作用,用户的下一步输入也会因为bot回复的不同有所不同。
目前,智能客服在用户意图user_intent1确定的情况下,bot会从user_intent1对应的回复集合intent1_reply_set随机选择一个intent_reply_i,把intent_reply_i作为一个答案推出,对于推出的回复会引发的用户反馈不做关联考虑,因此,当用户的输入是基于bot的历史回复时,则会因为覆盖不到导致bot很难理解用户的意图,最终导致bot所理解的意图不准确,使得答复不符合用户的需求。
为解决上述问题,基于前文中的技术方案,本申请中提出一种通过提取交互会话socialtalk中的话术结构来分析用户下一步输入意图的方案,通过抽取出bot回复内容的结构,分析哪些回复内容会影响用户的下一步输入,结合这些回复内容更好的理解用户的意图。其中,本申请中可以首先提取user_intent和bot_reply对,然后分析出bot_reply的结构,包括意图的答案内容bot_reply__direct_answer_content和引导对话的内容bot_reply__non_answer_content,即为符合会话合作原则的答复语句和不符合会话合作原则的答复语句,之后,分析bot_reply可能引发的用户的输入方向(范围),以更好的理解用户的意图。
基于以上理论,本申请的实现方案主要是应用在socialtalk用户的输入是基于上轮对话bot回复内容的情况下,核心要点在于:
首先,根据user_intent和bot_reply对,并对bot_reply进行分句;
之后,提取bot回复内容bot_reply的结构,包括意图的纯答案内容bot_reply__direct_answer_content和引导对话的内容bot_reply__non_answer_content;
然后,分析bot_reply可能引发的用户的输入范围;
最后,结合前面所分析出的可能引发的输入范围,更广泛的更准去的理解用户的意图。
由此,本申请中采用以上实现方案可以在用户的输入是基于上轮bot回复的情况下,即便bot的回复内容多样化,也可以很好的理解用户的意图,使对话更流畅用户体验更好。
这里举几个例子说明一下上述定义:
1)user_input_1:are you a bot?
bot_reply_1:Yes,you could call me a bot/robot or a virtual agent.这个问号
user_input_2:virtual agent?
分析:
user_intent:chat_identity__if_bot
bot_reply:
bot_reply__direct_answer_content:{“yes”}
bot_reply__non_answer_content:{“you could call me a bot/robot or avirtual agent”}
2)user_input_1:are you a bot?
bot_reply_1:Yes.
user_input_2:oh,i have a moto z.
分析:
user_intent:chat_identity__if_bot
bot_reply:
bot_reply__direct_answer_content:{“yes”}
bot_reply__non_answer_content:{}
3)user_input_1:how old are you?
bot_reply_1:Some of us never age.
user_input_2:why?
分析:
user_intent:chat_bot_about__age
bot_reply:
bot_reply__direct_answer_content:{}
bot_reply__non_answer_content:{“Some of us never aget”}
4)user_input_1:what’s the time?
bot_reply_1:It's time to learn about Motorola products! Whatquestions do you have?
user_input_2:i mean the time.
分析:
user_intent:chat_non_bu_question__time_or_data
bot_reply:
bot_reply__direct_answer_content:{}
bot_reply__non_answer_content:{“It's time to learn about Motorolaproducts!”,”What questions do you have?”}
5)user_input_1:what’s your name?
bot_reply_1:my name is moli.
user_input_2:hi moli,i have some question about my moto z 2.
分析:
user_intent:chat_bot_about__name
bot_reply:
bot_reply__direct_answer_content:{“my name is moli.”}
bot_reply__non_answer_content:{}
结合图13中所示的流程图,本申请中通过以下流程实现意图分析:
首先,分析上轮对话user_input_1和bot_reply_1,以提取上轮对话用户的意图user_intent和bot的回复内内容bot_reply;
然后,结构化bot_reply,即对bot_reply内容进行分句,然后根据会话合作原则,判断bot_reply的每个句子和user_intent的关系,符合会话合作原则则放入bot_reply__direct_answer_content,如果不符合会话合作原则则放入bot_reply__non_answer_content;
之后,分析用户的下一步输入范围如果bot_reply__direct_answer_content为空的话,用户下一步有可能会围绕上轮的输入意图继续追问query1,如果bot_reply__non_answer_content不为空的话,用户可能会围绕里面的某一个指继续输入:query2,query3........,所以用户的下一步输入范围为uesr_next_input_scope=[query1,query2,query3,......];
最后,识别用户的意图,例如,判断用户的当前输入落在[query1,query2,query3,......]中的哪个范围内,即当前的意图。
基于以上所获得的意图,bot推出回复,具体为:根据当前的意图和上轮的意图范围进行回复。
举例如下:
1)user_input_1:how old are you?
bot_reply_1:Some of us never age.
user_input_2:why?
分析:
a)分析上轮对话user_input_1和bot_reply_1:user_input_1={chat_bot_about__age},bot_reply_1={“Some of us never age”};
b)结构化bot_reply:bot_reply__direct_answer_content:{},bot_reply__non_answer_content={“Some of us never aget”};
c)分析用户的下一步输入范围:user_next_input_scope={query1:“继续追问botage”,query2:”对bot_reply__non_answer_content提出反问”};
d)识别用户的意图:用户的输入落在query2内;
e)bot推出回复:bot_reply={because robots have no age}。
2)user_input_1:what’s the time?
bot_reply_1:It's time to learn about Motorola products! Whatquestions do you have?
user_input_2:i mean the time.
分析:
a)分析上轮对话user_input_1和bot_reply_1:user_input_1={chat_non_bu_question__time_or_data},bot_reply_1={“It's time to learn about Motorolaproducts! What questions do you have?”};
b)结构化bot_reply:bot_reply__direct_answer_content:{},bot_reply__non_answer_content={“It's time to learn about Motorola products!”,”Whatquestions do you have?”};
c)分析用户的下一步输入范围:user_next_input_scope={query1:“继续追问botage”,query2:”对bot_reply__non_answer_content提出反问”};
d)识别用户的意图:用户的输入落在query1内;
e)bot推出回复:bot_reply={ok,it is xx:xx}。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种会话交互的处理方法,包括:
获得当前会话中用户的当前输入内容;
在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;
如果在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
2.根据权利要求1所述的方法,所述方法还包括:
根据所述第一行为意图,输出第一答复内容,所述第一答复内容中包含与所述第一行为意图相对应且满足预设的会话合作原则的答复语句。
3.根据权利要求1所述的方法,所述会话主题集合中包括至少一个第一会话主题和/或第二会话主题;
其中,所述第一会话主题为:所述前一次会话中所述客服系统的历史答复内容中不满足所述会话合作原则的历史答复语句对应的会话主题;
所述第二会话主题为:在所述前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句的情况下,所述前一次会话中所述用户的历史输入内容对应的会话主题。
4.根据权利要求3所述的方法,所述第一会话主题通过以下方式获得:
获得所述当前会话的前一次会话中所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
如果所述历史答复内容中存在不满足所述会话合作原则的历史答复语句,获得所述不满足所述会话合作原则的历史答复语句对应的第一会话主题。
5.根据权利要求3所述的方法,所述第二会话主题通过以下方式获得:
获得所述当前会话的前一次会话中所述用户的历史输入内容;
如果所述当前会话的前一次会话中所述客服系统的历史答复内容中不存在满足所述会话合作原则的历史答复语句,获得所述历史输入内容对应的第二会话主题。
6.根据权利要求3所述的方法,所述会话主题集合通过以下方式获得:
获得所述当前会话的前一次会话中所述用户的历史输入内容和所述客服系统的历史答复内容,所述历史答复内容包括至少一个历史答复语句;
获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
将所述历史答复内容中满足所述会话合作原则的历史答复语句添加到第一语句集合,将所述历史答复内容中不满足所述会话合作原则的历史答复语句添加到第二语句集合;
如果所述第一语句集合为空,获得所述历史输入内容对应的第二会话主题;
如果所述第二语句集合不为空,获得所述第二语句集合中的历史答复语句对应的第一会话主题。
7.根据权利要求6所述的方法,获得所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句,包括:
利用语句分类模型对所述用户的历史输入内容和所述历史答复内容进行处理,以得到所述语句分类模型输出的分类结果,所述分类结果包括:所述历史答复内容中满足所述会话合作原则的历史答复语句和不满足所述会话合作原则的历史答复语句;
其中,所述语句分类模型利用多个语句对样本进行训练得到,一个所述语句对样本至少包含输入内容语句、第一答复语句和第二答复语句,所述第一答复语句具有满足所述会话合作原则的标签,所述第二答复语句具有不满足所述会话合作原则的标签。
8.根据权利要求1或2所述的方法,所述方法还包括:
如果在所述会话主题集合中不存在与所述当前输入内容相匹配的会话主题,根据所述当前输入内容,获得所述用户的第二行为意图;
根据所述第二行为意图,输出第二答复内容,所述第二答复内容中包含:与所述第二行为意图相对应且满足所述会话合作原则的答复语句,和/或,与所述当前输入内容相对应且不满足所述会话合作原则的答复语句。
9.一种会话交互的处理装置,包括:
输入获取单元,用于获得当前会话中用户的当前输入内容;
主题查找单元,用于在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;
意图获取单元,用于如果所述主题查找单元在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
10.一种电子设备,包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现:获得当前会话中用户的当前输入内容;在会话主题集合中查找是否存在与所述当前输入内容相匹配的目标会话主题;其中,所述会话主题集合中包含至少一个会话主题,所述会话主题为在所述当前会话的前一次会话中对应的会话主题;如果在所述会话主题集合中存在与所述当前输入内容相匹配的目标会话主题,至少根据所述目标会话主题,获得所述用户的第一行为意图,所述第一行为意图用于生成答复内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010609093.3A CN111753073A (zh) | 2020-06-29 | 2020-06-29 | 一种会话交互的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010609093.3A CN111753073A (zh) | 2020-06-29 | 2020-06-29 | 一种会话交互的处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753073A true CN111753073A (zh) | 2020-10-09 |
Family
ID=72678120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010609093.3A Pending CN111753073A (zh) | 2020-06-29 | 2020-06-29 | 一种会话交互的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753073A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090228265A1 (en) * | 2008-03-06 | 2009-09-10 | Shing-Lung Chen | Interactive Conversation-Learning System and A Method Thereof |
CN109683727A (zh) * | 2018-12-26 | 2019-04-26 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
CN110580282A (zh) * | 2018-05-22 | 2019-12-17 | 阿里巴巴集团控股有限公司 | 通过仿真用户与客服交互的方法及装置 |
CN111291170A (zh) * | 2020-01-20 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种基于智能客服的会话推荐方法及相关装置 |
-
2020
- 2020-06-29 CN CN202010609093.3A patent/CN111753073A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090228265A1 (en) * | 2008-03-06 | 2009-09-10 | Shing-Lung Chen | Interactive Conversation-Learning System and A Method Thereof |
CN110580282A (zh) * | 2018-05-22 | 2019-12-17 | 阿里巴巴集团控股有限公司 | 通过仿真用户与客服交互的方法及装置 |
CN109683727A (zh) * | 2018-12-26 | 2019-04-26 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
CN111291170A (zh) * | 2020-01-20 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种基于智能客服的会话推荐方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11315560B2 (en) | Method for conducting dialog between human and computer | |
CN112365894B (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
WO2018224034A1 (zh) | 智能问答方法、服务器、终端及存储介质 | |
KR102033388B1 (ko) | 질의 응답 장치 및 방법 | |
CN111625632A (zh) | 一种问答对推荐方法、装置、设备及存储介质 | |
CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
CN111768781B (zh) | 语音打断的处理方法和装置 | |
CN113312468B (zh) | 基于对话模式的话术推荐方法、装置、设备及介质 | |
CN116521841B (zh) | 用于生成回复信息的方法、装置、设备及介质 | |
CN112507139B (zh) | 基于知识图谱的问答方法、系统、设备及存储介质 | |
CN110457454A (zh) | 一种对话方法、服务器、对话系统及存储介质 | |
CN113076423A (zh) | 数据处理方法及装置、数据查询方法及装置 | |
CN117520523B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN112383667A (zh) | 通话数据的处理方法、装置、设备和存储介质 | |
CN111062211A (zh) | 信息提取方法、装置、电子设备及存储介质 | |
CN114742032A (zh) | 交互式数据分析方法、装置、设备、介质及程序产品 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN110377706B (zh) | 基于深度学习的搜索语句挖掘方法及设备 | |
CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
CN116956068A (zh) | 基于规则引擎的意图识别方法、装置、电子设备及介质 | |
CN115952260A (zh) | 汽车领域问答方法、装置、电子设备及存储介质 | |
CN111753073A (zh) | 一种会话交互的处理方法、装置及电子设备 | |
CN109683727A (zh) | 一种数据处理方法及装置 |
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 |