CN111753074B - 用于实现会话的方法、装置、介质和电子设备 - Google Patents
用于实现会话的方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN111753074B CN111753074B CN202010610048.XA CN202010610048A CN111753074B CN 111753074 B CN111753074 B CN 111753074B CN 202010610048 A CN202010610048 A CN 202010610048A CN 111753074 B CN111753074 B CN 111753074B
- Authority
- CN
- China
- Prior art keywords
- user
- dialogue
- conversation
- action
- turn
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000009471 action Effects 0.000 claims abstract description 355
- 238000011156 evaluation Methods 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 abstract description 18
- 239000013598 vector Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
Abstract
公开了一种用于实现会话的方法、装置、介质以及电子设备。其中的方法包括:获取本次会话的第一用户的会话框架信息;根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息;根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作;至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,并向所述第二用户提供所述自然对话语言。本公开提供的技术方案可以利用第一用户对房产经纪人等第二用户进行会话培训,从而有利于提升第二用户的业务水平。
Description
技术领域
本公开涉及计算机技术,尤其是涉及一种用于实现会话的方法、用于实现会话的装置、存储介质以及电子设备。
背景技术
在很多领域中,工作人员需要与大量的用户进行会话,以解决用户的问题或者满足用户的需求等。例如,在房产领域中,联系大量的用户,是房产经纪人的日常工作的主要内容之一,房产经纪人通过与各式各样的用户进行会话,以便于为用户提供其所需的房屋。如何提高例如房产经纪人等工作人员的会话水平,是一个值得关注的技术问题。
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用于实现会话的方法、用于实现会话的装置、存储介质以及电子设备。
根据本公开实施例的一方面,提供一种用于实现会话的方法,该方法包括:获取本次会话的第一用户的会话框架信息;根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息;根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作;至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,并向所述第二用户提供所述自然对话语言;其中,所述第一用户的会话框架信息包括:用于约束第一用户告知所述第二用户的内容的告知约束信息;以及,用于约束第一用户问询所述第二用户的内容的问询约束信息。
在本公开一实施方式中,所述获取本次会话的第一用户的会话框架信息,包括:根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例;根据所述各用户群体的选取比例,确定本次会话对应的用户群体;将所述本次会话对应的用户群体的会话框架信息,作为所述本次会话的第一用户的会话框架信息。
在本公开又一实施方式中,所述获取本次会话的第一用户的会话框架信息,还包括:根据多个用户各自对需求标的的属性槽的各槽值的偏好,将所述多个用户划分为多个用户群体;其中,任一用户群体中的所有用户对所述需求标的的属性槽的各槽值具有相同的偏好。
在本公开再一实施方式中,所述获取本次会话的第一用户的会话框架信息,还包括:针对任一用户群体,根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息;根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。
在本公开再一实施方式中,所述根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息,包括:获取所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述第二用户在各历史对话轮次中的回复信息;获取所述第二用户在各历史对话轮次中的回复信息与所述第一用户在各历史对话轮次中的告知约束信息的差异;获取所述会话框架信息中的各告知约束信息的告知状态、以及所述会话框架信息中的各问询约束信息的问询状态;将所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述差异、所述告知状态以及所述问询状态,作为当前对话轮次的历史对话上下文信息。
在本公开再一实施方式中,所述根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作,包括:将所述历史对话上下文信息提供给动作模型;根据所述动作模型的输出,获得多个对话动作的概率;根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作。
在本公开再一实施方式中,所述根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作,包括:将概率最高的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者,将概率最高,且概率达到预设概率阈值的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者,根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作;或者,根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率、预设概率阈值以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作。
在本公开再一实施方式中,所述至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,包括:从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者,将所述对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得所述第一用户在当前对话轮次中的自然对话语言;
在本公开再一实施方式中,所述从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言,包括:在检测出所述对话动作为用于主动问询第二用户的第一问询对话动作的情况下,从所述第一问询对话动作对应的第一问询模板集合中选取问询自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于要求第二用户确认的第二问询对话动作的情况下,根据所述会话框架信息获取问询参数,并从所述第二问询对话动作对应的第二问询模板集合中,选取问询自然对话语言模板,并将所述问询自然对话语言模板和所述问询参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于告知第二用户的告知对话动作的情况下,根据所述会话框架信息获取告知参数,并从所述告知对话动作对应的告知模板集合中,选取告知自然对话语言模板,并将所述告知自然对话语言模板和所述告知参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于表示第一用户的满意程度的表明态度对话动作的情况下,从所述表明态度对话动作对应的态度模板集合中,选取态度自然对话语言模板,并将所述态度自然对话语言作为所述第一用户在当前对话轮次中的自然对话语言。
在本公开再一实施方式中,所述方法还包括:根据所述本次会话的对话内容,获取多个基于预设评价维度的评价参数;根据所述多个评价参数及其权值,获取所述第二用户基于预设评价维度的评价结果。
根据本公开实施例的另一个方面,提供一种用于实现会话的装置,该装置包括:获取框架信息模块,用于获取本次会话的第一用户的会话框架信息;生成上下文模块,用于根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息;获取对话动作模块,用于根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作;获取自然对话语言模块,用于至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,并向所述第二用户提供所述自然对话语言;其中,所述第一用户的会话框架信息包括:用于约束第一用户告知所述第二用户的内容的告知约束信息;以及,用于约束第一用户问询所述第二用户的内容的问询约束信息。
在本公开一实施方式中,所述获取框架信息模块,包括:第一子模块,用于根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例;第二子模块,用于根据所述各用户群体的选取比例,确定本次会话对应的用户群体;第三子模块,用于将所述本次会话对应的用户群体的会话框架信息,作为所述本次会话的第一用户的会话框架信息。
在本公开又一实施方式中,所述获取框架信息模块,还包括:第四子模块,用于根据多个用户各自对需求标的的属性槽的各槽值的偏好,将所述多个用户划分为多个用户群体;其中,任一用户群体中的所有用户对所述需求标的的属性槽的各槽值具有相同的偏好。
在本公开再一实施方式中,所述获取框架信息模块,还包括:第五子模块,用于针对任一用户群体,根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息;第六子模块,用于根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。
在本公开再一实施方式中,所述生成上下文模块进一步用于:获取所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述第二用户在各历史对话轮次中的回复信息;获取所述第二用户在各历史对话轮次中的回复信息与所述第一用户在各历史对话轮次中的告知约束信息的差异;获取所述会话框架信息中的各告知约束信息的告知状态、以及所述会话框架信息中的各问询约束信息的问询状态;将所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述差异、所述告知状态以及所述问询状态,作为当前对话轮次的历史对话上下文信息。
在本公开再一实施方式中,所述获取对话动作模块,包括:第七子模块,用于将所述历史对话上下文信息提供给动作模型;第八子模块,用于根据所述动作模型的输出,获得多个对话动作的概率;第九子模块,用于根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作。
在本公开再一实施方式中,所述第九子模块进一步用于:将概率最高的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者,将概率最高,且概率达到预设概率阈值的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者,根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作;或者,根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率、预设概率阈值以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作。
在本公开再一实施方式中,所述获取自然对话语言模块,包括:第十子模块,用于从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者,第十一子模块,用于将所述对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得所述第一用户在当前对话轮次中的自然对话语言。
在本公开再一实施方式中,所述第十子模块进一步用于:在检测出所述对话动作为用于主动问询第二用户的第一问询对话动作的情况下,从所述第一问询对话动作对应的第一问询模板集合中选取问询自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于要求第二用户确认的第二问询对话动作的情况下,根据所述会话框架信息获取问询参数,并从所述第二问询对话动作对应的第二问询模板集合中,选取问询自然对话语言模板,并将所述问询自然对话语言模板和所述问询参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于告知第二用户的告知对话动作的情况下,根据所述会话框架信息获取告知参数,并从所述告知对话动作对应的告知模板集合中,选取告知自然对话语言模板,并将所述告知自然对话语言模板和所述告知参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者,在检测出所述对话动作为用于表示第一用户的满意程度的表明态度对话动作的情况下,从所述表明态度对话动作对应的态度模板集合中,选取态度自然对话语言模板,并将所述态度自然对话语言作为所述第一用户在当前对话轮次中的自然对话语言。
在本公开再一实施方式中,所述装置还包括:评价模块,用于:根据所述本次会话的对话内容,获取多个基于预设评价维度的评价参数;根据所述多个评价参数及其权值,获取所述第二用户基于预设评价维度的评价结果。
根据本公开实施例的再一方面,提供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用于实现会话的方法。
根据本公开实施例的又一方面,提供一种电子设备,该电子设备包括: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,以实现上述用于实现会话的方法。
基于本公开上述实施例提供的一种用于实现会话的方法和装置,通过利用本次会话的第一用户的会话框架信息,为第一用户与第二用户的本次会话设定了具体的对话范围;通过利用会话框架信息和会话双方在历史对话轮次中的对话内容形成历史对话上下文信息,可以明确获知本次会话基于会话框架的当前进展情况,从而本公开可以利用当前对话的进展,决定出第一用户在当前对话轮次中的对话动作,有利于保证本次会话中的对话内容连贯性;由于对话动作可以反映出第一用户在当前对话轮次中的对话意图,因此,本公开通过对话动作可以获得相应的自然对话语言,从而实现第一用户与第二用户的会话。由此可知,本公开提供的技术方案可以利用第一用户对房产经纪人等第二用户进行会话培训,从而有利于提升第二用户的业务水平。
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
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开的用于实现会话的技术的应用场景一个实施例的示意图;
图2为本公开的用于实现会话的方法一个实施例的流程图;
图3为本公开的获取本次会话的第一用户的会话框架信息一实施例的流程图;
图4为本公开的获得第一用户在当前对话轮次中的对话动作一实施例的流程图;
图5为本公开的基于编码器和解码器的动作模型一实施例的示意图;
图6为本公开的用于实现会话的装置一个实施例的结构示意图;
图7为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”可以指两个或者两个以上,“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”,仅是一种描述关联对象的关联关系,表示可以存在三种关系,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。
本公开的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者专用计算系统环境或配置一起操作。适于与终端设备、计算机系统或者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。在分布式云计算环境中,任务可以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。
本公开概述
在实现本公开的过程中,发明人发现,用户的需求、问题以及说话方式等往往是多样化的,对于日常需要与大量用户进行会话的工作人员而言,如果能够有效的提高自己的会话水平,则不仅能够为用户提供更好的服务,也往往能够为自己以及公司带来一定的收益。虽然工作人员在日常工作中与用户的会话,可以达到提高自己会话水平的目的,但是如果能够预先模拟多样化的用户对工作人员进行会话训练,则有利于增强工作人员在实战会话中的应对能力,从而有利于快速提高工作人员的业务水平。
示例性概述
本公开提供的用于实现会话的技术的应用场景的一个例子如图1所示。
在房产领域,房产经纪人的数量通常较多,房产经纪人的业务水平通常参差不齐,利用本公开提供的技术方案,可以形成房产经纪人培训模拟器。该房产经纪人培训模拟器可以为智能移动电话中安装的一款APP中的一个功能模块。该房产经纪人培训模拟器也可以为网络侧提供的网站中的一个功能模块或者计算机中安装的客户端应用程序中的一个功能模块等。
在房产经纪人100通过触发其智能移动电话101中安装的一款APP中的房产经纪人培训模拟器的情况下,房产经纪人培训模拟器开启本次与房产经纪人100的会话。房产经纪人培训模拟器先确定本次的第一用户,并仿照用户产生商机的形式,主动向房产经纪人发起会话,即在首个对话轮次中,由第一用户首先发言,智能移动电话101可以以文字或者声音的形式输出第一用户在首个对话轮次中的发言。房产经纪人培训模拟器可以根据房产经纪人的回复语句,形成第一用户在第二个对话轮次的发言,同样的,智能移动电话101可以以文字或者声音的形式输出第一用户在第二个对话轮次中的发言。以此类推,直到本次会话结束。
房产经纪人培训模拟器可以在本次会话结束后,对房产经纪人在本次会话中的发言进行打分,从而不但有利于提高房产经纪人对业务的了解程度,还可以使房产经纪人能够及时且客观的了解自己的业务水平。
示例性方法
图2为本公开的用于实现会话的方法一个实施例的流程图。图2所示的实施例的方法包括步骤:S200、S201、S202以及S203。下面对各步骤分别进行说明。
S200、获取本次会话的第一用户的会话框架信息。
本公开中的会话可以是指第一用户与第二用户的一个完整的对话过程。本公开中的第一用户是与第二用户进行对话的一方。第一用户可以为模拟用户,模拟用户可以认为是虚拟用户,第二用户可以为真实用户,即本公开通过利用虚拟出的用户与第二用户进行对话,可以训练第二用户的会话水平。本公开中的会话可以是由第一用户主动发起的会话。
本公开中的会话框架信息可以是指用于界定本次会话内容的范围的信息。会话框架信息也可以称为会话内容约束信息或者用户会话目标等。本公开可以在开启本次会话的时候,动态的形成本次会话的第一用户的会话框架信息。
S201、根据第一用户和第二用户在各历史对话轮次的对话内容以及会话框架信息,生成当前对话轮次的历史对话上下文信息。
本公开中的历史对话上下文信息可以是指,能够表示出本次会话的当前对话轮次之前的各轮次对话的具体情况的信息。本公开中的历史对话上下文信息可以为多维向量的形式。例如,本公开可以根据第一用户和第二用户在各历史对话轮次的对话内容以及会话框架信息形成多个变量,并对多个变量分别进行编码(如独热编码等),使每一个变量均形成一个向量,通过对多个向量进行拼接,形成当前对话轮次的历史对话上下文信息。
S202、根据历史对话上下文信息,获得第一用户在当前对话轮次中的对话动作。
本公开中的对话动作可以是指预先设置的语义标签。例如,对于房产领域而言,对话动作可以为:询问_房屋价格、询问_房屋位置、询问_是否有房、告知_购房价格、告知_购房位置、以及告知_物业类型等语义标签。语义标签的具体内容可以根据实际应用场景设置,本公开对此不作限定。本公开可以利用预先设置的模型,获得第一用户在当前对话轮次中的对话动作,即历史对话上下文信息被作为输入提供给预先设置的模型,从而可以对模型的输出进行判别,获得一个或者多个语义标签。
S203、至少根据上述获得的对话动作,确定第一用户在当前对话轮次中的自然对话语言,并向第二用户提供该自然对话语言。
本公开可以通过对对话动作进行自然语言的转换,获得第一用户在当前对话轮次中的自然对话语言。本公开可以以文字或者语音等方式,向第二用户提供给自然对话语言。
本公开通过利用本次会话的第一用户的会话框架信息,为第一用户与第二用户的本次会话设定了具体的对话范围;通过利用会话框架信息和会话双方在历史对话轮次中的对话内容形成历史对话上下文信息,可以明确获知本次会话基于会话框架的当前进展情况,从而本公开可以利用当前对话的进展,决定出第一用户在当前对话轮次中的对话动作,有利于保证本次会话中的对话内容连贯性;由于对话动作可以反映出第一用户在当前对话轮次中的对话意图,因此,本公开可以通过对话动作获得相应的自然对话语言,从而实现第一用户与第二用户的会话。由此可知,本公开提供的技术方案可以利用第一用户对房产经纪人等第二用户进行会话培训,从而有利于快速提升第二用户的业务水平。
在一个可选示例中,本公开中的第一用户在与第二用户的对话过程中,通常会基于其需求而询问第二用户,并基于其需求而告知第二用户等,即本公开中的第一用户的需求通常较为明确,本公开可以利用第一用户的需求设置第一用户的会话框架信息。例如,本公开的会话框架信息可以包括:告知约束信息以及问询约束信息。其中的告知约束信息用于约束第一用户可以告知第二用户的具体内容,即告知约束信息用于限定可告知内容。其中的问询约束信息用于约束第一用户可以问询第二用户的具体内容,即问询约束信息用于限定可问询内容。
可选的,本公开中的告知约束信息和问询约束信息通常与第一用户需要获得的标的物或者服务等需求标的相关。一个例子,在房产领域,需求标的通常为房屋,则告知约束信息和问询约束信息通常与房屋属性相关。再一个例子,在商品零售领域,需求标的通常为零售的商品,则告知约束信息和问询约束信息通常与商品属性相关。又一个例子,在技术服务领域,需求标的通常为技术服务,则告知约束信息和问询约束信息通常与服务属性相关。
可选的,本公开中的第一用户的会话框架信息可以采用G=(C,R)来表示。其中的G表示第一用户的会话框架信息,即第一用户的会话目标Goal。其中的C表示告知约束信息,其中的R表示问询约束信息。C和R的一个具体例子如下述表1所示:
表1
由上述表1可知,本公开中的告知约束信息可以包括:告知槽和槽值。告知槽通常为第一用户需要获得的标的物或者服务等需求标的的属性。即标的物或者服务等需求标的通常包括多个属性,每一个属性具有一个属性槽,一个属性槽即为一个告知槽,任一个属性均可以具有不同取值,一个属性的不同取值即为该属性槽的不同槽值,属性槽的槽值也即告知槽的槽值。本公开不限制告知槽和槽值的具体内容。
由上述表1可知,本公开中的问询约束信息可以包括:问询槽。问询槽通常不具有槽值。问询槽不仅可以与第一用户需要获得的标的物或者服务等需求的属性相关,而且还可以包括其他内容。例如,上述表1中的“是否有房”等。本公开中的标的物或者服务等需求标的的每一个属性都可以各自对应一个问询槽。本公开中的问询槽也可以认为是问询意图。本公开不限制问询槽的具体内容。
本公开通过设置告知约束信息以及问询约束信息,不仅有利于明确本次会话的目标,而且有利于使会话框架信息更加清晰有条理,从而有利于便捷的形成本次会话的当前对话轮次的历史对话上下文信息。
在一个可选示例中,本公开可以将一个用户群体的会话框架信息,作为本次会话的第一用户的会话框架信息,且在本次会话的过程中,第一用户的会话框架信息不会发生变化。具体的,本公开获取本次会话的第一用户的会话框架信息的一个例子如图3所示。
S300、根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例。
可选的,本公开中的用户群体可以是指由多个用户形成的用户集合。一个用户群体中的所有用户通常具有相同的偏好。本公开中的偏好可以认为是用户对需求标的(如标的物或者服务等)各属性槽的各槽值的偏好。本公开可以先确定出所有用户各自对需求标的的属性槽的各槽值的偏好,然后,识别出具有完全相同偏好的用户,并将具有完全相同偏好的用户划分在一个用户群体中。本公开可以将用户对需求标的(如标的物或者服务等)的各属性槽的各槽值的偏好认为是用户画像,因此,本公开中的一个用户群体中的所有用户具有相同的用户画像。
可选的,本公开中的用户群体的选取比例可以认为是:一个用户群体被选择的概率。对于任一用户群体而言,本公开可以将该用户群体所包含的用户数量占所有用户群体所包含的用户数量的比值,作为该用户群体的选取比例。一个具体的例子,假设所有用户群体所包含的所有用户的总数量为n,且n个用户被划分为m个用户群体,如果第一个用户群体包括n1个用户,第二个用户群体包括n2个用户,……,第m个用户群体包括nm个用户,则第一个用户群体、第二个用户群体、……以及第m个用户群体的选取比例分别为:n1/n、n2/n、……、以及nm/n。其中,n为大于m的整数,n1、n2、……以及nm均为大于1的整数,且n1、n2、……以及nm之和为n。
另外,本公开在确定各用户群体的选取比例时,除了考虑用户群体各自包含的用户数量之外,还可以考虑各用户群体的重要程度等因素,用户群体的重要程度可以与VIP用户数量等因素相关。
S301、根据各用户群体的选取比例,确定本次会话对应的用户群体。
可选的,在与第二用户的多次会话中,本公开中的选取比例可以决定用户群体被选取出作为会话对应的用户群体的次数。如假设一共有三个用户群体,根据三个用户群体各自包含的用户数量,获得的第一个用户群体的选取比例为五分之一,第二个用户群体的选取比例为五分之二,且第三个用户群体的选取比例为五分之二,在上述假设条件下,如果一个第二用户进行了10次会话练习,则第一个用户群体被选取出作为会话对应的用户群体的次数可以为两次,第二个用户群体和第三个用户群体被选取出作为会话对应的用户群体的次数可以均为四次。
S302、将本次会话对应的用户群体的会话框架信息,作为本次会话的第一用户的会话框架信息。
可选的,本公开中的每一个用户群体均具有相应的会话框架信息,且用户群体的会话框架信息是由用户群体中的用户的偏好以及该用户群体中的所有用户的说话习惯决定的。更具体而言,本公开可以预先为每一个用户群体生成一个会话框架信息,针对任一用户群体,本公开可以根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息,同时,本公开可以根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。这里的历史会话通常是线上用户与房产经纪人等第二用户的真实会话。
一个例子,假设需求标的为房屋,且房屋的属性槽包括:房屋价值、房屋室数、房屋位置以及电梯偏好。其中的房屋价值这一属性槽的槽值包括:200万以下、200-250万、250-300万、300至350万、350-400万、450-500万以及500万以上。其中的房屋室数这一属性槽的槽值包括:1室、2室、3室、4室以及5室及以上。其中的房屋位置这一属性槽的槽值包括:东城区、西城区、海淀区、朝阳区以及通州区等。其中的电梯偏好这一属性槽的槽值包括:非电梯房以及电梯房。所有用户中具有上述四个属性槽的相同槽值的用户被作为一个用户群体,且一个用户群体对应的槽值形成该用户群体的会话框架信息中的告知约束信息。例如,具有房屋价值的槽值为450万-500万、房屋室数的槽值为两室、房屋位置的槽值为海淀区以及电梯偏好的槽值为电梯房的所有用户属于一个用户群体,该用户群体的会话框架信息中的告知约束信息如上述表1左侧所示。
可选的,本公开可以对一个用户群体中的所有用户分别在其历史会话中的问询语句进行意图识别,并对具有相同意图的问询语句的数量进行统计,从而本公开可以根据每个意图所包含的问询语句数量,对所有意图进行排序,并从意图排序中选取包含问询语句数量最多的N个意图,本公开可以根据这N个意图形成该用户群体的会话框架信息中的问询槽。例如,可以直接将这N个意图分别作为该用户群体的会话框架信息中的问询槽;再例如,可以将这N个意图各自对应的描述信息分别作为该用户群体的会话框架信息中的问询槽。所有问询槽形成该用户群体的问询约束信息。本公开形成的问询约束信息的一个例子如表1右侧所示。
本公开通过利用多个用户群体各自包含的用户数量,来确定各用户群体的选取比例,并利用选取比例确定本次会话对应的用户群体,尤其是将具有完全相同偏好的用户划分在一个用户群体中,不仅可以使每一个用户群体均有机会成为一次会话对应的用户群体,即本公开可以使第一用户覆盖各种用户人设,而且可以合理设置每一次会话的会话框架信息。通过利用需求标的的属性槽及其槽值设置告知约束信息,并利用用户群体中的各用户在历史会话中的问询语句设置问询约束信息,有利于使第一用户在本次会话中的对话动作更贴近于真实用户,即有利于模拟出真实用户的对话动作,从而本公开有利于提高模拟对话对房产经纪人等第二用户的训练效果。
在一个可选示例中,本公开生成当前对话轮次的历史对话上下文信息的一个例子可以为:根据第二用户在上一对话轮次中的对话内容所属的对话动作、第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异、会话框架信息中的各告知约束信息的告知状态、以及会话框架信息中的各问询约束信息的问询状态,生成当前对话轮次的历史对话上下文信息。也就是说,本公开中的当前对话轮次的历史对话上下文信息可以包括:第二用户在上一对话轮次中的对话内容所属的对话动作、第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异、会话框架信息中的各告知约束信息的告知状态、以及会话框架信息中的各问询约束信息的问询状态。具体的,本公开可以先获取第二用户在上一对话轮次中的对话内容所属的对话动作以及第二用户在各历史对话轮次中的回复信息;之后,本公开可以获取第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异;本公开还可以获取会话框架信息中的各告知约束信息的告知状态、以及会话框架信息中的各问询约束信息的问询状态;本公开可以将第二用户在上一对话轮次中的对话内容所属的对话动作、上述差异、上述告知状态以及上述问询状态,作为当前对话轮次的历史对话上下文信息。
可选的,本公开预先为第二用户设置有多种对话动作,且本公开可以根据实际应用场景为第二用户设置对话动作。例如,本公开为第二用户设置的对话动作可以包括:用于回答用户需求标的的情况的对话动作、用于问询用户联系方式的对话动作、用于问询用户对需求标的的特定条件的对话动作、用于问询用户对需求标的的整体条件的对话动作、用于确认用户需求标的的对话动作、用于主动向用户推荐需求标的的对话动作、开场对话动作以及结束对话动作等。另外,本公开可以利用预先设置的动作分类模型,获得第二用户在上一对话轮次中的对话内容所属的对话动作。例如,将第二用户在上一对话轮次中的对话内容作为输入提供给动作分类模型,并根据动作分类模型的输出获得输入的对话内容所属的对话动作。本公开不限制为第二用户设置的对话动作具体包括的内容以及确定第二用户在上一对话轮次中的对话内容所属的对话动作的具体实现方式。
可选的,本公开中的第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异,可以基于语义识别获得。例如,在任一历史对话轮次中,第一用户在该历史对话轮次中的告知约束信息是已知的,即属性槽和槽值是已知的,本公开可以对该历史对话轮次中的第二用户的回复信息进行语义识别,获得相应的属性槽和槽值,并将获得的属性槽和槽值与已知的属性槽和槽值进行对比,从而可以确定出两者是否一致,如果两者一致,则认为两者不存在差异,如果两者不一致,则认为两者存在差异。一个更具体的例子,假设本次会话的差异的初始值为[0,0,0,0,0,0,0,0,0,0],在第一个历史对话轮次中,第一用户告知约束信息对应的属性槽为房屋室数,槽值为2,由于第二用户的误解等原因,从回复信息中提取出的属性槽为房屋室数,但是槽值为3,此时,可以认为两者存在差异,当前差异的取值可以为[1,0,0,0,0,0,0,0,0,0]。
可选的,本公开的会话框架信息中的各告知约束信息的告知状态用于表示会话框架信息中的每一个告知约束信息在当前对话轮次之前,是否已经告知第二用户。例如,如上述表1所示,假设本次会话的会话框架信息中的告知约束信息一共包括四个,即房屋价格、房屋室数、房屋位置以及房屋电梯偏好,则会话框架信息中的各告知约束信息的告知状态的初始值可以设置为[0,0,0,0],如果在当前对话轮次之前,房屋价格和房屋室数均已经告知了第二用户,而房屋位置和房屋电梯偏好还未告知第二用户,则会话框架信息中的各告知约束信息的告知状态可以为[1,1,0,0]。
可选的,本公开的会话框架信息中的各问询约束信息的问询状态用于表示会话框架信息中的每一个问询约束信息在当前对话轮次之前,是否向第二用户提出了问询。例如,如上述表1所示,假设本次会话的会话框架信息中的问询约束信息一共包括三个,即是否有房、楼层以及楼龄,则会话框架信息中的各问询约束信息的问询状态的初始值可以设置为[0,0,0],如果在当前对话轮次之前,是否有房以及楼层已经向第二用户提出了问询,而楼龄还未向第二用户提出问询,则会话框架信息中的各问询约束信息的问询状态可以为[1,1,0]。
可选的,本公开可以将第二用户在上一对话轮次中的对话内容所属的对话动作作为第一个变量,将第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异作为第二个变量,将会话框架信息中的各告知约束信息的告知状态作为第三个变量,将会话框架信息中的各问询约束信息的问询状态作为第四个变量,然后,对这四个变量分别进行编码处理(如独热编码处理等),从而可以获得四个向量,本公开可以将这四个向量拼接在一起,获得当前对话轮次的历史对话上下文信息。本公开中的历史对话上下文信息可以采用下述公式(1)来表示:
ct=am,t⊙inconsistt⊙constt⊙reqt 公式(1)
在上述公式(1)中,向量ct表示当前对话轮次(即第t轮次)的历史对话上下文信息;向量am,t表示对第一个变量的编码处理结果;向量inconsistt表示第二个变量的编码处理结果;向量constt表示第三个变量的编码处理结果;向量reqt表示第四个变量的编码处理结果。
本公开通过利用上述四个变量形成当前对话轮次的历史对话上下文信息,使获得的历史对话上下文信息可以较为全面的描述出历史对话的具体情况,从而有利于更加准确的确定出的第一用户在当前对话轮次中的对话动作。
在一个可选示例中,本公开可以利用预先设置的动作模型,获得第一用户在当前对话轮次中的对话动作。本公开获得第一用户在当前对话轮次中的对话动作的一个例子如图4所示。
S400、将历史对话上下文信息提供给动作模型。
可选的,本公开的动作模型可以为基于编码器和解码器构架的动作模型。例如,动作模型可以采用LSTM(Long Short-Term Memory,长短期记忆)神经网络或者Transformer(变压器)模型等。其中的LSTM神经网络可以为增加了注意力机制的LSTM神经网络等。本公开不限制动作模型的具体表现形式。
可选的,在第一个对话轮次中,本公开可以先获得一个开场语动作,并将该开场语动作作为第一用户在第一个对话轮次中的对话动作。另外,本公开也可以直接随机获得一个开场自然对话语言,并将该开场自然对话语言作为第一用户在第一个对话轮次中的自然对话语言。
可选的,在当前对话轮次为第二个对话轮次的情况下,本公开可以基于第一个对话轮次,形成第二个对话轮次的历史对话上下文信息(如向量c1),并将第二个对话轮次的历史对话上下文信息作为输入提供给动作模型。在当前对话轮次为第三个对话轮次的情况下,本公开可以基于第一个对话轮次和第二个对话轮次,形成第三个对话轮次的历史对话上下文信息(如向量c2),并将第三个对话轮次的历史对话上下文信息作为输入提供给动作模型,以此类推,直到本次会话结束。
S401、根据动作模型的输出,获得第一用户的所有对话动作的概率。
可选的,本公开中的动作模型通常会针对预先设置的每一个对话动作分别输出一个概率。例如,假设预先为第一用户设置了M种对话动作,则动作模型会针对M种对话动作输出M个概率,且这M个概率的和可以为1。一个对话动作的概率表示该对话动作最终被作为当前对话轮次中的对话动作的可能性。
可选的,本公开中的第一用户的对话动作通常包括动作名称。其中的部分对话动作包括动作参数,其中的部分对话动作不包括动作参数。对于包含有动作参数的对话动作而言,动作参数的具体取值可以从告知约束信息中获得。
可选的,在动作模型为基于编码器和解码器的动作模型的情况下,如图5所示,动作模型中的编码器的输入可以依次为c1、c2、……、以及ck等。编码器的处理结果被提供给解码器,解码器针对c1、c2、……、以及ck等分别输出相应的概率组,即图5中的概率组a1、概率组a2、……、以及概率组ak等。每一个概率组均包括所有对话动作的概率。
S402、根据所有对话动作的概率,确定第一用户在当前对话轮次中的对话动作。
可选的,本公开最终确定出的第一用户在当前对话轮次中的对话动作可以为一个对话动作,也可以为多个对话动作。本公开可以根据预先设置的动作策略确定最终的对话动作。下面例举四个具体的确定第一用户在当前对话轮次中的对话动作的例子:
第一个例子,本公开可以对所有对话动作的概率进行排序,并根据排序结果选取出概率最高的前a个概率,其中的a可以等于1,也可以为大于等于1的整数,且a可以为预先设置的常数值;选取出的每一个概率对应一个对话动作,本公开可以将选取出的a个概率各自对应的对话动作作为第一用户在当前对话轮次中的对话动作。
第二个例子,本公开可以对所有对话动作的概率进行排序,并根据排序结果选取出概率最高的前a个概率,其中的a可以等于1,也可以为大于等于1的整数,且a可以为预先设置的常数值;之后,本公开可以从选取出a个概率中挑选出达到预设概率阈值的概率,并将达到预设概率阈值的各概率分别对应的对话动作均作为第一用户的当前对话轮次中的对话动作,如果a个概率均未达到预设概率阈值,则本公开可以认为第一用户在当前对话轮次中无对话动作。
第三个例子,本公开可以根据第一用户对应的主动性程度参数,确定第一用户在当前对话轮次中的对话动作数量,并根据动作模型输出的所有对话动作的概率以及该对话动作数量,确定第一用户在当前对话轮次中的对话动作。本公开中的主动性程度参数用于表示第一用户在本次会话中的发言积极程度。主动性程度参数通常会对第一用户是否回复第二用户以及第一用户回复第二用户的对话语句的数量等产生影响。本公开可以为第一用户随机产生一个主动程度参数。本公开确定出的第一用户在当前对话轮次中的对话动作数量可以为零,即第一用户在当前对话轮次中不产生对话动作。本公开利用主动性程度参数确定第一用户在当前对话轮次中的对话动作数量的一个例子可以为:将主动性程度参数代入预设公式中进行计算,并将该公式的计算结果作为第一用户在当前对话轮次中的对话动作数量a,其中的a可以等于0,也可以为大于等于1的整数。上述预设公式中的参数还可以包括当前对话轮次等参数。本公开利用主动性程度参数确定第一用户在当前对话轮次中的对话动作数量的另一个例子可以为:从0至主动性程度参数之间随机选择一个整数,并将选择出的整数作为第一用户在当前对话轮次中的对话动作数量a,其中的a可以等于0,也可以为大于等于1的整数。在确定了第一用户在当前对话轮次中的对话动作数量a之后,本公开可以对所有对话动作的概率进行排序,并根据排序结果选取出概率最高的前a个概率,选取出的每一个概率对应一个对话动作,本公开可以将选取出的a个概率各自对应的对话动作作为第一用户在当前对话轮次中的对话动作。
第四个例子,本公开可以根据第一用户对应的主动性程度参数,确定第一用户在当前对话轮次中的对话动作数量,并根据动作模型输出的所有对话动作的概率、预设概率阈值以及对话动作数量,确定第一用户的当前对话轮次中的对话动作。具体的,本公开在根据第一用户对应的主动性程度参数,确定第一用户在当前对话轮次中的对话动作数量a之后,如果对话动作数量a不为零,则本公开可以对所有对话动作的概率进行排序,并根据排序结果选取出概率最高的前a个概率,之后,本公开可以从选取出a个概率中挑选出达到预设概率阈值的概率,并将达到预设概率阈值的各概率分别对应的对话动作均作为第一用户的当前对话轮次中的对话动作,如果a个概率均未达到预设概率阈值,则本公开可以认为第一用户在当前对话轮次中无对话动作。
需要特别说明的是,上述四个例子仅为例举,本公开还可以采用其他方式确定第一用户在当前对话轮次中的对话动作,另外,上述四个例子中描述的步骤可以有变化的形式,例如,在上述第二个例子中,本公开可以在对所有对话动作的概率进行排序后,先根据排序结果选取出达到预设概率阈值的概率,并从达到预设概率阈值的概率中选取出概率最高的前a个概率。在此不再一一说明。
可选的,本公开中的动作模型是利用多个历史会话训练而成的。例如,本公开可以根据业务数据,获得线上用户与房产经纪人等第二用户的多个历史会话,针对每一个历史会话,本公开可以针对线上用户和房产经纪人等第二用户在每一对话轮次中的对话语句形成一系列的向量ct,并将向量ct顺序提供给待训练的动作模型,本公开可以根据动作模型的输出与线上用户在相应对话轮次中的对话语句的差异,进行损失计算,并利用计算出的损失,调整动作模型的模型参数。本公开可以将部分历史会话作为用于验证的历史会话,将部分历史会话作为用于训练的历史会话。在利用用于训练的历史会话,对动作模型进行训练后,可以利用用于验证的历史会话,对动作模型的输出结果的准确性进行验证,如果验证结果为动作模型的输出结果的准确性满足预定准确性要求,则动作模型成功训练完成,如果验证结果为动作模型的输出结果的准确性不满足预定准确性要求,则应继续使用用于训练的历史会话对动作模型进行训练。
本公开通过利用多种方式确定第一用户在当前对话轮次中的对话动作,有利于使第一会话的实现方式更加灵活,从而有利于提高第二用户的会话训练效果。
在一个可选示例中,本公开利用对话动作,生成第一用户在当前对话轮次中的自然对话语言的方式有多种。下面举两个例子进行说明。
第一个例子,本公开可以从对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得第一用户在当前对话轮次中的自然对话语言。
可选的,本公开中的对话动作通常有多种,本公开可以预先为每一种对话动作分别设置一个模板集合,从而本公开可以从相应的模板集合中选取自然对话语言模板。在选取出的自然对话语言模板需要参数的情况下,本公开可以将自然对话语言模板和其参数一起作为第一用户在当前对话轮次中的自然对话语言。在选取出的自然对话语言模板不需要参数的情况下,本公开可以直接将自然对话语言模板作为第一用户在当前对话轮次中的自然对话语言。
可选的,本公开中的第一用户的对话动作可以包括:用于主动问询第二用户的第一问询对话动作、用于要求第二用户确认的第二问询对话动作(如您是说3居室吗?)、用于告知第二用户的告知对话动作、以及用于表示第一用户的满意程度的表明态度对话动作等。其中的告知对话动作可以细分为:主动告知对话动作以及基于第二用户的询问而告知的被动告知对话动作。另外,本公开中的第一用户的对话动作还可以包括:开场语对话动作以及结束语对话动作等。本公开针对不同的对话动作获得第一用户在当前对话轮次中的自然对话语言的几个例子如下:
例1、在检测出对话动作为用于主动问询第二用户的第一问询对话动作(如主动询问_房屋价格、主动询问_房屋位置、或者主动询问_是否有房等)的情况下,本公开可以从第一问询对话动作对应的第一问询模板集合中选取一问询自然对话语言模板(如这个房子面积多少?),并将该问询自然对话语言模板作为第一用户在当前对话轮次中的自然对话语言。
例2、在检测出对话动作为用于要求第二用户确认的第二问询对话动作(如确认询问_居室数量、确认询问_房屋位置、或者确认询问_房屋价格等)的情况下,本公开可以根据会话框架信息(如会话框架信息中的告知约束信息)获取问询参数(即告知约束信息中的相应告知槽的槽值,如房屋室数=3等),并从第二问询对话动作对应的第二问询模板集合中,选取一问询自然对话语言模板(如您是说“房屋室数”居室吗?),并将该问询自然对话语言模板和该问询参数一起(如您是说3居室吗?),作为第一用户在当前对话轮次中的自然对话语言。另外,本公开也可以根据第二用户在当前对话轮次之前的各历史对话轮次中的对话内容,获取问询参数。例如,第二用户在历史对话轮次中提供了一房源卡片,本公开可以从该房源卡片中提取出房屋属性信息(如房屋价格、房屋位置以及房屋室数等),并将相应的房屋属性信息作为问询参数。
例3、在检测出对话动作为用于告知第二用户的告知对话动作(如告知_购房价格、告知_购房位置、或者告知_物业类型等)的情况下,本公开可以根据会话框架信息(如告知约束信息)获取相应的告知参数,(即告知约束信息中的相应告知槽的槽值,如房屋价格=450-500万),并从告知对话动作对应的告知模板集合中,选取告知自然对话语言模板(如我的买房预算为“房屋价格”),并将告知自然对话语言模板和告知参数一起(如我的买房预算为450-500万)作为第一用户在当前对话轮次中的自然对话语言。
例4、在检测出对话动作为用于表示第一用户的满意程度的表明态度对话动作(如态度_满意、态度_较为满意、或者态度_不满意等)的情况下,本公开可以从表明态度对话动作对应的态度模板集合中,选取一态度自然对话语言模板(如:好的,我觉得还可以),并将态度自然对话语言作为第一用户在当前对话轮次中的自然对话语言。
例5、在检测出对话动作为结束语对话动作的情况下,本公开可以从结束语对话动作对应的结束语模板集合中,选取一结束语自然对话语言模板(如:我现在有些忙,稍后再联系您),并将结束语自然对话语言作为第一用户在当前对话轮次中的自然对话语言。
本公开通过为对话动作设置模板集合,有利于便捷的获得第一用户在当前对话轮次中的自然对话语言;通过对模板集合进行维护更新,有利于使自然对话语言更丰富。通过为不同类型的对话动作分别设置模板集合,并针对部分对话动作获得参数,有利于快速准确的形成相应类型的对话动作的自然对话语言。
第二个例子,本公开可以将对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得第一用户在当前对话轮次中的自然对话语言。例如,本公开可以将对话动作及其参数作为输入提供给自然对话语言生成模型,由自然对话语言生成模型针对当前输入,形成并输出自然对话语言。本公开中的自然语言生成模型可以是基于用户的个性化表述方式而形成的模型,从而本公开利用自然对话语言生成模型获得的自然对话语言具有较强的个性化特点。
在一个可选示例中,本公开可以根据预设评价策略,对第二用户在本次会话中的表现进行评价。预设评价策略通常包括多个评价维度,且每一个评价维度通常对应有相应的权值,从而本公开可以利用加权平均的方式获得评价结果。
可选的,本公开可以先根据第一用户和第二用户在本次会话中的对话内容,获取多个基于预设评价维度的评价参数,之后,再根据获得的所有评价参数及其权值进行加权计算,获得第二用户的会话水平的评价结果。
可选的,本公开中的评价维度可以包括:第二用户的服务态度、第一用户的回复率、第一用户的情感、第二用户和第一用户的对话总轮次以及本次会话是否达到预定目的等。其中的第二用户的服务态度可以根据第二用户的开场语以及结束语等对话内容来确定,例如,是否有开场语、是否有结束语、开场语的情感以及结束语的情感(如中性、积极)等。其中的第一用户的情感可以根据第一用户的表明态度对话动作来确定。其中的本次会话是否达到预定目的可以根据实际应用场景来确定,例如,在房产领域,本次会话是否达到预定目的可以包括:本次会话是否成功转委托(如用户留下了联系方式等)以及本次会话是否提供用户感兴趣的房源(如用户表示想去实地看房等)。
本公开通过利用多个评价维度,不仅有利于较为客观的体现出第二用户的会话水平,而且有利于有针对性的为第二用户提出改进建议,从而有利于提高第二用户的业务水平。
示例性装置
图6为本公开的用于实现会话的装置一个实施例的结构示意图。该实施例的装置可用于实现本公开上述各方法实施例。
如图6所示,本实施例的装置可以包括:获取框架信息模块600、生成上下文模块601、获取对话动作模块602、以及获取自然对话语言模块603。另外,本实施例的装置还可以可选的包括:评价模块604。
获取框架信息模块600用于获取本次会话的第一用户的会话框架信息。
可选的,获取框架信息模块600获取到的会话框架信息可以包括:用于约束第一用户告知第二用户的内容的告知约束信息、以及用于约束第一用户问询第二用户的内容的问询约束信息。
可选的,本公开中的获取框架信息模块600可以包括:第一子模块6001、第二子模块6002以及第三子模块6003。其中的第一子模块6001可以用于根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例。其中的第二子模块6002可以用于根据第一子模块6001确定出的各用户群体的选取比例,确定本次会话对应的用户群体。其中的第三子模块6003可以用于将第二子模块6002确定出的本次会话对应的用户群体的会话框架信息,作为本次会话的第一用户的会话框架信息。
可选的,本公开中的获取框架信息模块600还可以包括第四子模块6004、第五子模块6005以及第六子模块6006。其中的第四子模块6004用于根据多个用户各自对需求标的的属性槽的各槽值的偏好,将多个用户划分为多个用户群体;其中,任一用户群体中的所有用户对所述需求标的的属性槽的各槽值具有相同的偏好。第一子模块6001可以第四子模块6004划分而成的用户群体各自包含的用户数量,确定各用户群体的选取比例。其中的第五子模块6005用于针对第四子模块6004划分而成的任一用户群体,根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息。其中的第六子模块6006用于针对第四子模块6004划分而成的任一用户群体,根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。
生成上下文模块601用于根据第一用户和第二用户在各历史对话轮次的对话内容以及获取框架信息模块600获取到的会话框架信息,生成当前对话轮次的历史对话上下文信息。例如,生成上下文模块601可以根据第二用户在上一对话轮次中的对话内容所属的对话动作、第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异、会话框架信息中的各告知约束信息的告知状态、以及会话框架信息中的各问询约束信息的问询状态,生成当前对话轮次的历史对话上下文信息。具体的,生成上下文模块601可以获取第二用户在上一对话轮次中的对话内容所属的对话动作、以及第二用户在各历史对话轮次中的回复信息;并获取第二用户在各历史对话轮次中的回复信息与第一用户在各历史对话轮次中的告知约束信息的差异;生成上下文模块601可以获取会话框架信息中的各告知约束信息的告知状态、以及会话框架信息中的各问询约束信息的问询状态;生成上下文模块601可以将第二用户在上一对话轮次中的对话内容所属的对话动作、上述差异、上述告知状态以及上述问询状态,作为当前对话轮次的历史对话上下文信息。
获取对话动作模块602用于根据生成上下文模块601生成的历史对话上下文信息,获得第一用户在当前对话轮次中的对话动作。
可选的,本公开中的获取对话动作模块602可以包括:第七子模块6021、第八子模块6022以及第九子模块6023。其中的第七子模块6021用于将历史对话上下文信息提供给动作模型。其中的第八子模块6022用于根据动作模型的输出获得多个对话动作的概率。其中的第九子模块6023用于根据多个对话动作的概率确定第一用户在当前对话轮次中的对话动作。
一个例子,第九子模块6023可以将概率最高的至少一对话动作,作为第一用户的当前对话轮次中的对话动作。再一个例子,第九子模块6023可以将概率最高,且概率达到预设概率阈值的至少一对话动作作为第一用户的当前对话轮次中的对话动作。再一个例子,第九子模块6023可以根据第一用户对应的主动性程度参数,确定第一用户在当前对话轮次中的对话动作数量,并根据对话动作的概率以及对话动作数量,确定第一用户的当前对话轮次中的对话动作。再一个例子,第九子模块6023可以根据第一用户对应的主动性程度参数,确定第一用户在当前对话轮次中的对话动作数量,并根据对话动作的概率、预设概率阈值以及对话动作数量,确定第一用户的当前对话轮次中的对话动作。
获取自然对话语言模块603用于至少根据获取对话动作模块602获得的对话动作,确定第一用户在当前对话轮次中的自然对话语言,并向第二用户提供该自然对话语言。
可选的,获取自然对话语言模块603可以包括:第十子模块6031以及第十一子模块6032。
可选的,第十子模块6031可以用于从获取对话动作模块602获得的对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得第一用户在当前对话轮次中的自然对话语言。
一个例子,在检测出获取对话动作模块602获得的对话动作为用于主动问询第二用户的第一问询对话动作的情况下,第十子模块6031可以从第一问询对话动作对应的第一问询模板集合中选取问询自然对话语言模板,获得第一用户在当前对话轮次中的自然对话语言。
再一个例子,在检测出获取对话动作模块602获得的对话动作为用于要求第二用户确认的第二问询对话动作的情况下,第十子模块6031可以根据会话框架信息获取问询参数,并从第二问询对话动作对应的第二问询模板集合中,选取问询自然对话语言模板,并将问询自然对话语言模板和问询参数一起作为第一用户在当前对话轮次中的自然对话语言。
再一个例子,在检测出获取对话动作模块602获得的对话动作为用于告知第二用户的告知对话动作的情况下,第十子模块6031可以根据会话框架信息,获取告知参数,并从告知对话动作对应的告知模板集合中,选取告知自然对话语言模板,第十子模块6031将告知自然对话语言模板和告知参数一起作为第一用户在当前对话轮次中的自然对话语言。
再一个例子,在检测出获取对话动作模块602获得的对话动作为用于表示第一用户的满意程度的表明态度对话动作的情况下,第十子模块6031可以从表明态度对话动作对应的态度模板集合中,选取态度自然对话语言模板,并将态度自然对话语言作为第一用户在当前对话轮次中的自然对话语言。
可选的,第十一子模块6032用于将获取对话动作模块602获得的对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得第一用户在当前对话轮次中的自然对话语言。
评价模块604用于根据本次会话的对话内容,获取多个基于预设评价维度的评价参数,并根据多个评价参数及其权值,获取第二用户基于预设评价维度的评价结果。
上述各模块及其包括的子模块和单元具体执行的操作可以参见上述方法实施例中针对图2-图5的描述,在此不再详细说明。
示例性电子设备
下面参考图7来描述根据本公开实施例的电子设备。图7示出了根据本公开实施例的电子设备的框图。如图7所示,电子设备71包括一个或多个处理器711和存储器712。
处理器711可以是中央处理单元(CPU)或者具有用于实现会话的能力和/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71中的其他组件以执行期望的功能。
存储器712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)、硬盘以及闪存等。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711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用于实现会话的方法以及/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71还可以包括:输入装置713以及输出装置714等,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。此外,该输入设备713还可以包括例如键盘、鼠标等等。该输出装置714可以向外部输出各种信息。该输出设备714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7中仅示出了该电子设备71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71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用于实现会话的方法中的步骤。
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用于实现会话的方法中的步骤。
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(非穷举的列举)可以包括:具有一个或者多个导线的电连接、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、优势以及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、设备以及系统。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等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中。尽管以上已经讨论了多个示例方面以及实施例,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 (22)
1.一种用于实现会话的方法,包括:
获取本次会话的第一用户的会话框架信息;
根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息;
利用预先设置的动作模型,根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作;
至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,并向所述第二用户提供所述自然对话语言;
其中,所述第一用户的会话框架信息包括:
用于约束第一用户告知所述第二用户的内容的告知约束信息;以及
用于约束第一用户问询所述第二用户的内容的问询约束信息。
2.根据权利要求1所述的方法,其中,所述获取本次会话的第一用户的会话框架信息,包括:
根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例;
根据所述各用户群体的选取比例,确定本次会话对应的用户群体;
将所述本次会话对应的用户群体的会话框架信息,作为所述本次会话的第一用户的会话框架信息。
3.根据权利要求2所述的方法,其中,所述获取本次会话的第一用户的会话框架信息,还包括:
根据多个用户各自对需求标的的属性槽的各槽值的偏好,将所述多个用户划分为多个用户群体;
其中,任一用户群体中的所有用户对所述需求标的的属性槽的各槽值具有相同的偏好。
4.根据权利要求2所述的方法,其中,所述获取本次会话的第一用户的会话框架信息,还包括:
针对任一用户群体,根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息;
根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。
5.根据权利要求1至4中任一项所述的方法,其中,所述根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息,包括:
获取所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述第二用户在各历史对话轮次中的回复信息;
获取所述第二用户在各历史对话轮次中的回复信息与所述第一用户在各历史对话轮次中的告知约束信息的差异;
获取所述会话框架信息中的各告知约束信息的告知状态、以及所述会话框架信息中的各问询约束信息的问询状态;
将所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述差异、所述告知状态以及所述问询状态,作为当前对话轮次的历史对话上下文信息。
6.根据权利要求1至4中任一项所述的方法,其中,所述利用预先设置的动作模型,根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作,包括:
将所述历史对话上下文信息提供给动作模型;
根据所述动作模型的输出,获得多个对话动作的概率;
根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作。
7.根据权利要求6所述的方法,其中,所述根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作,包括:
将概率最高的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者
将概率最高,且概率达到预设概率阈值的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者
根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作;或者
根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率、预设概率阈值以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作。
8.根据权利要求1至4中任一项所述的方法,其中,所述至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,包括:
从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者
将所述对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得所述第一用户在当前对话轮次中的自然对话语言。
9.根据权利要求8所述的方法,其中,所述从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言,包括:
在检测出所述对话动作为用于主动问询第二用户的第一问询对话动作的情况下,从所述第一问询对话动作对应的第一问询模板集合中选取问询自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于要求第二用户确认的第二问询对话动作的情况下,根据所述会话框架信息获取问询参数,并从所述第二问询对话动作对应的第二问询模板集合中,选取问询自然对话语言模板,并将所述问询自然对话语言模板和所述问询参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于告知第二用户的告知对话动作的情况下,根据所述会话框架信息获取告知参数,并从所述告知对话动作对应的告知模板集合中,选取告知自然对话语言模板,并将所述告知自然对话语言模板和所述告知参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于表示第一用户的满意程度的表明态度对话动作的情况下,从所述表明态度对话动作对应的态度模板集合中,选取态度自然对话语言模板,并将所述态度自然对话语言作为所述第一用户在当前对话轮次中的自然对话语言。
10.根据权利要求1至4中任一项所述的方法,其中,所述方法还包括:
根据所述本次会话的对话内容,获取多个基于预设评价维度的评价参数;
根据所述多个评价参数及其权值,获取所述第二用户基于预设评价维度的评价结果。
11.一种用于实现会话的装置,其中,所述装置包括:
获取框架信息模块,用于获取本次会话的第一用户的会话框架信息;
生成上下文模块,用于根据所述第一用户和第二用户在各历史对话轮次的对话内容以及所述会话框架信息,生成当前对话轮次的历史对话上下文信息;
获取对话动作模块,用于利用预先设置的动作模型,根据所述历史对话上下文信息,获得所述第一用户在当前对话轮次中的对话动作;
获取自然对话语言模块,用于至少根据所述对话动作,确定所述第一用户在当前对话轮次中的自然对话语言,并向所述第二用户提供所述自然对话语言;
其中,所述第一用户的会话框架信息包括:
用于约束第一用户告知所述第二用户的内容的告知约束信息;以及
用于约束第一用户问询所述第二用户的内容的问询约束信息。
12.根据权利要求11所述的装置,其中,所述获取框架信息模块,包括:
第一子模块,用于根据多个用户群体各自包含的用户数量,确定各用户群体的选取比例;
第二子模块,用于根据所述各用户群体的选取比例,确定本次会话对应的用户群体;
第三子模块,用于将所述本次会话对应的用户群体的会话框架信息,作为所述本次会话的第一用户的会话框架信息。
13.根据权利要求12所述的装置,其中,所述获取框架信息模块,还包括:
第四子模块,用于根据多个用户各自对需求标的的属性槽的各槽值的偏好,将所述多个用户划分为多个用户群体;
其中,任一用户群体中的所有用户对所述需求标的的属性槽的各槽值具有相同的偏好。
14.根据权利要求12所述的装置,其中,所述获取框架信息模块,还包括:
第五子模块,用于针对任一用户群体,根据该用户群体中的各用户对需求标的的属性槽以及属性槽的各槽值的偏好,生成该用户群体的会话框架信息中的告知约束信息;
第六子模块,用于根据该用户群体中的所有用户在历史会话中的问询语句,生成该用户群体的会话框架信息中的问询约束信息。
15.根据权利要求11至14中任一项所述的装置,其中,所述生成上下文模块进一步用于:
获取所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述第二用户在各历史对话轮次中的回复信息;
获取所述第二用户在各历史对话轮次中的回复信息与所述第一用户在各历史对话轮次中的告知约束信息的差异;
获取所述会话框架信息中的各告知约束信息的告知状态、以及所述会话框架信息中的各问询约束信息的问询状态;
将所述第二用户在上一对话轮次中的对话内容所属的对话动作、所述差异、所述告知状态以及所述问询状态,作为当前对话轮次的历史对话上下文信息。
16.根据权利要求11至14中任一项所述的装置,其中,所述获取对话动作模块,包括:
第七子模块,用于将所述历史对话上下文信息提供给动作模型;
第八子模块,用于根据所述动作模型的输出,获得多个对话动作的概率;
第九子模块,用于根据所述多个对话动作的概率,确定所述第一用户在当前对话轮次中的对话动作。
17.根据权利要求16所述的装置,其中,所述第九子模块进一步用于:
将概率最高的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者
将概率最高,且概率达到预设概率阈值的至少一对话动作,作为所述第一用户的当前对话轮次中的对话动作;或者
根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作;或者
根据第一用户对应的主动性程度参数,确定所述第一用户在当前对话轮次中的对话动作数量,并根据所述对话动作的概率、预设概率阈值以及所述对话动作数量,确定所述第一用户的当前对话轮次中的对话动作。
18.根据权利要求11至14中任一项所述的装置,其中,所述获取自然对话语言模块,包括:
第十子模块,用于从所述对话动作对应的模板集合中选取自然对话语言模板,并根据选取出的自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者
第十一子模块,用于将所述对话动作提供给自然对话语言生成模型,并根据该自然对话语言生成模型的输出,获得所述第一用户在当前对话轮次中的自然对话语言。
19.根据权利要求18所述的装置,其中,所述第十子模块进一步用于:
在检测出所述对话动作为用于主动问询第二用户的第一问询对话动作的情况下,从所述第一问询对话动作对应的第一问询模板集合中选取问询自然对话语言模板,获得所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于要求第二用户确认的第二问询对话动作的情况下,根据所述会话框架信息获取问询参数,并从所述第二问询对话动作对应的第二问询模板集合中,选取问询自然对话语言模板,并将所述问询自然对话语言模板和所述问询参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于告知第二用户的告知对话动作的情况下,根据所述会话框架信息获取告知参数,并从所述告知对话动作对应的告知模板集合中,选取告知自然对话语言模板,并将所述告知自然对话语言模板和所述告知参数一起作为所述第一用户在当前对话轮次中的自然对话语言;或者
在检测出所述对话动作为用于表示第一用户的满意程度的表明态度对话动作的情况下,从所述表明态度对话动作对应的态度模板集合中,选取态度自然对话语言模板,并将所述态度自然对话语言作为所述第一用户在当前对话轮次中的自然对话语言。
20.根据权利要求11至14中任一项所述的装置,其中,所述装置还包括:评价模块,用于:
根据所述本次会话的对话内容,获取多个基于预设评价维度的评价参数;
根据所述多个评价参数及其权值,获取所述第二用户基于预设评价维度的评价结果。
21.一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权利要求1-10中任一项所述的方法。
22.一种电子设备,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权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610048.XA CN111753074B (zh) | 2020-06-30 | 2020-06-30 | 用于实现会话的方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610048.XA CN111753074B (zh) | 2020-06-30 | 2020-06-30 | 用于实现会话的方法、装置、介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753074A CN111753074A (zh) | 2020-10-09 |
CN111753074B true CN111753074B (zh) | 2021-08-17 |
Family
ID=72678276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010610048.XA Active CN111753074B (zh) | 2020-06-30 | 2020-06-30 | 用于实现会话的方法、装置、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753074B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256879B (zh) * | 2020-10-29 | 2021-07-20 | 贝壳找房(北京)科技有限公司 | 信息处理方法和装置、电子设备和计算机可读存储介质 |
CN115775067B (zh) * | 2022-11-25 | 2024-04-05 | 贝壳找房(北京)科技有限公司 | 会话综合评价方法和装置、电子设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941710A (zh) * | 2019-11-27 | 2020-03-31 | 贝壳技术有限公司 | 用于实现会话的方法、装置、介质以及电子设备 |
CN111046132A (zh) * | 2019-10-25 | 2020-04-21 | 众安信息技术服务有限公司 | 一种检索多轮对话的客服问答处理方法及其系统 |
CN111108501A (zh) * | 2019-12-25 | 2020-05-05 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866990B (zh) * | 2012-08-20 | 2016-08-03 | 北京搜狗信息服务有限公司 | 一种主题对话方法和装置 |
US20180052842A1 (en) * | 2016-08-16 | 2018-02-22 | Ebay Inc. | Intelligent online personal assistant with natural language understanding |
CN106776828B (zh) * | 2016-11-24 | 2020-12-15 | 竹间智能科技(上海)有限公司 | 用于保持对话系统对话连贯性的方法及系统 |
US10360908B2 (en) * | 2017-04-19 | 2019-07-23 | International Business Machines Corporation | Recommending a dialog act using model-based textual analysis |
CN110555095B (zh) * | 2018-05-31 | 2024-04-16 | 北京京东尚科信息技术有限公司 | 人机对话方法和装置 |
CN110765312A (zh) * | 2018-07-10 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 人机交互及内容搜索方法、装置、设备以及存储介质 |
CN110858226A (zh) * | 2018-08-07 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 对话管理方法和装置 |
CN110399460A (zh) * | 2019-07-19 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、设备及存储介质 |
CN110532361A (zh) * | 2019-08-09 | 2019-12-03 | 深圳追一科技有限公司 | 用户意图的识别方法、装置、计算机设备和存储介质 |
CN110765249A (zh) * | 2019-10-21 | 2020-02-07 | 支付宝(杭州)信息技术有限公司 | 机器人客服引导对话中多轮对话的质检方法和装置 |
CN111177338B (zh) * | 2019-12-03 | 2023-07-21 | 北京博瑞彤芸科技股份有限公司 | 一种基于上下文的多轮对话方法 |
CN111177310B (zh) * | 2019-12-06 | 2023-08-18 | 广西电网有限责任公司 | 电力服务机器人智能场景会话方法及装置 |
-
2020
- 2020-06-30 CN CN202010610048.XA patent/CN111753074B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046132A (zh) * | 2019-10-25 | 2020-04-21 | 众安信息技术服务有限公司 | 一种检索多轮对话的客服问答处理方法及其系统 |
CN110941710A (zh) * | 2019-11-27 | 2020-03-31 | 贝壳技术有限公司 | 用于实现会话的方法、装置、介质以及电子设备 |
CN111108501A (zh) * | 2019-12-25 | 2020-05-05 | 深圳市优必选科技股份有限公司 | 一种基于上下文的多轮对话方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111753074A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102424261B1 (ko) | 사용자 프로그래머블 자동화 어시스턴트 | |
CN109844855B (zh) | 任务的多重计算代理执行 | |
US11625425B2 (en) | Dialogue management system with hierarchical classification and progression | |
CN111753074B (zh) | 用于实现会话的方法、装置、介质和电子设备 | |
WO2021056837A1 (zh) | 服务质量评测产品定制平台及方法 | |
WO2018098060A1 (en) | Enabling virtual agents to handle conversation interactions in complex domains | |
US11995523B2 (en) | Systems and methods for determining training parameters for dialog generation | |
US20210232972A1 (en) | Methods, mediums, and systems for an unsupervised predictive learning system | |
EP3839800A1 (en) | Recommending multimedia based on user utterances | |
CN110574104A (zh) | 自动助理数据流 | |
CN110941710B (zh) | 用于实现会话的方法、装置、介质以及电子设备 | |
US20220067500A1 (en) | Decoupling memory and computation to enable privacy across multiple knowledge bases of user data | |
CN111966805B (zh) | 用于辅助实现会话的方法、装置、介质以及电子设备 | |
CN111931507A (zh) | 获取用于实现会话的多元组集合方法、装置、介质及设备 | |
US11393454B1 (en) | Goal-oriented dialog generation using dialog template, API, and entity data | |
CN111723189B (zh) | 交互问答的提示方法和装置、存储介质、电子设备 | |
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 | |
CN113256395B (zh) | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 | |
CN114201595A (zh) | 对话中的句子推荐方法和装置、存储介质、电子设备 | |
Griol et al. | Modeling users emotional state for an enhanced human-machine interaction | |
KR20200122916A (ko) | 대화 시스템 및 그 제어 방법 | |
CN110909166B (zh) | 用于提高会话质量的方法、装置、介质以及电子设备 | |
JP7498149B2 (ja) | ユーザプログラマブル自動アシスタント | |
CN113609266A (zh) | 资源处理方法以及装置 | |
CN116150343A (zh) | 话术推荐方法、装置及电子设备 |
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 |