CN111858890A - 基于机器人的咨询方法、咨询机器人、计算机设备及介质 - Google Patents
基于机器人的咨询方法、咨询机器人、计算机设备及介质 Download PDFInfo
- Publication number
- CN111858890A CN111858890A CN202010718558.9A CN202010718558A CN111858890A CN 111858890 A CN111858890 A CN 111858890A CN 202010718558 A CN202010718558 A CN 202010718558A CN 111858890 A CN111858890 A CN 111858890A
- Authority
- CN
- China
- Prior art keywords
- user
- consultation
- response
- primary
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据技术领域,尤其涉及一种基于机器人的咨询方法、咨询机器人、计算机设备及介质。所述方法包括:获取用户的一次咨询内容,将一次咨询内容转换为文本信息;从文本信息中识别出用户意图和提取出第一实体信息;根据用户意图维持与用户的对话状态,并在检验到第一实体信息不存在缺失时,生成与不存在缺失的第一实体信息对应的一次响应答案;接收到用户发出的二次咨询指令时,获取用户的二次咨询内容,根据一次咨询内容和一次响应答案对二次咨询内容进行内容完整化;根据二次咨询内容生成二次响应答案,结合一次响应答案和二次响应答案后反馈至用户。本发明能在多轮对话时对用户的咨询内容进行准确的应答。
Description
技术领域
本发明涉及大数据的数据处理技术领域,尤其涉及一种基于机器人的咨询方法、咨询机器人、计算机设备及介质。
背景技术
咨询机器人是人工智能领域一大重要组成部分,且咨询机器人在包括金融、电信以及服务等许多行业领域内都有着深入的应用,其目标是为用户提供用户咨询等其他用户服务,但按照目前来看,在同一个用户在一个时间段咨询次数过多,且每一次的咨询内容并不完整的情况下,目前的咨询机器人很难理解到用户真正的用户意图,进而使得在上述情况下,不能及时向用户的咨询内容响应出正常的应答,如此,会导致用户体验效果差。因此,本领域技术人员亟需寻找一种新的技术方案来解决上述提到的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种基于机器人的咨询方法、咨询机器人、计算机设备及介质,用于在多轮对话时,对用户的咨询内容进行准确的应答,进而提高用户的体验效果。
一种基于机器人的咨询方法,包括:
在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
一种咨询机器人,包括:
转换模块,用于在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
识别模块,用于将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
检验模块,用于根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
填充模块,用于在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
生成模块,用于在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
内容完整化模块,用于在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
断开模块,用于若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于机器人的咨询方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于机器人的咨询方法。
上述基于机器人的咨询方法、咨询机器人、计算机设备及介质,本发明可适应于多轮对话,避免由于脱离上下文的情况而使咨询机器人理解不了用户意图,且使用机器自动应答的形式去代替人工应答的形式,一方面不仅可有效提高应答效率,缓解人工应答的压力,节省人工成本,另一方面可避免人工应答的形式对用户的咨询内容不了解而导致作出不适应咨询内容的应答,可见,本发明是可提高用户在应答过程中的体验效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于机器人的咨询方法的一应用环境示意图;
图2是本发明一实施例中基于机器人的咨询方法的一流程图;
图3是本发明一实施例中咨询机器人的结构示意图;
图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的基于机器人的咨询方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务器进行通信。其中,客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种基于机器人的咨询方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S10,在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
可理解地,本实施例的执行主体为用于处理咨询机器人接收到的所有咨询内容并对其进行应答的咨询机器人服务器,该咨询机器人可用于金融、电信以及服务等许多行业领域;一次咨询指令可以在与用户的建立通话连接之后被触发,或者在与用户关联的网络平台、网页和软件上建立通信连接之后被触发(比如,在接收到用户触发的一次咨询指令时,咨询机器人服务器可与用户所在的用户终端建立会话连接并处于会话状态),该一次咨询内容的内容类型包括文本数据、图像数据和语音数据(每一种内容类型输入的方式可存在不同,比如,文本数据和图像数据可通过网络平台、网页和软件输入,而语音数据可通过通话链接输入),具体地,该一次咨询内容可为用户向咨询机器人服务器提出关于某一个业务的要求(包括询问要求和执行要求),比如用户想查询在股票平台原先选择的自选股内容;预先转换方法与一次咨询内容类型一一对应,在文本数据转换成文本信息的过程中,可对文本数据中其他无关的内容先进行删除 (具体可通过文字识别模型或调用外部接口的文本识别插件识别出无关的内容,无关的内容包括但不限于感叹词、语气词和礼貌词等)后得到文本信息,在图像数据转换成文本信息的过程中,可通过图像识别模型或调用外部接口的图像识别插件识别出位于图像中的文本信息,在语音数据转换成文本信息的过程中,可通过语音识别模型或调用外部接口的语音识别插件识别出语音数据包含的文本信息。本实施例提供多种渠道来将用户输入的一次咨询内容统一转换成文本信息,以实现对用户的咨询内容进行统一处理,进而提高咨询内容的处理效率。
S20,将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
可理解地,NLU模块(natural language understanding自然语言理解)是用来解决机器理解人类语言的问题,属于NLP的一个分支,本实施例用于理解出文本信息中的语义,且该NLU模块融合(本实施例是通过预设pipeline 管道去融合多种组件和技术以实现别出用户意图和提取出第一实体信息)了用户意图识别组件和第一实体信息提取组件(自定义组件),其中,本实施例中的用户意图为一次咨询内容所包含的意图,比如在一次咨询内容为用户想查询在股票平台原先选择的自选股内容(属于步骤S10提到的询问要求),用户意图可为查询自选股,而第一实体信息为用户意图关联的词槽(与一次咨询内容中的内容关联),比如在用户意图为查询自选股时,而第一实体信息的词槽为用户编号+自选股股票名称。本实施例通过NLU模块可高效且自动识别出用户意图和提取出第一实体信息,进而能准确理解出用户真正的用户意图。
S30,根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
可理解地,不同的用户意图可存在不同的响应措施(一种用户意图可对应至少一种预设词槽要求,因此相同用户意图可能存在不同的第一实体信息),该响应措施与用户意图的对应关系可以在被预先自定义之后,存储在咨询机器人服务器中的数据库中,而本实施例主要的响应措施是维持与用户的对话状态,并按照与用户意图对应的多种预设词槽要求检验第一实体信息;预设词槽要求是与用户意图一一对应的,比如在用户意图为查询自选股时,而预设词槽要求为用户编号+自选股股票名称,用户编号的编号词槽要求应为阿拉伯数字格式,自选股股票名称的股票词槽要求应为股票列表中已知的股票名称,另外,时间词槽要求应为时间格式等。本实施例可按照用户意图去执行相对的响应措施,其中,响应措施中的维持与所述用户的对话状态是为了让用户对存在缺失的第一实体信息进行补充,而检验第一实体信息是为了更好地适应于用户意图。
S40,在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
可理解地,第一实体信息存在缺失为第一实体信息与对应的预设词槽要求对比,第一实体信息中存在缺失的词槽;补充信息是咨询机器人服务器在维持与用户的对话状态下,向用户追问出第一实体信息中缺失的词槽,具体可将包含缺失的第一实体信息的信息通过语音或者文字形式反馈至用户(具体由接收到用户发出的一次咨询指令的咨询方式决所定),比如该信息为用户编号1+ 自选股股票名称(?),可见,(?)代表自选股股票名称已缺失,并可提示出该缺失的第一实体信息应当填写什么类型的词槽。本实施例一方面可检验未补充过补充信息的第一实体信息是否存在缺失,另一方面也可检验补充过至少一次补充信息的第一实体信息是否还存在缺失(可能由于用户的输入错误而导致第一实体信息还存在缺失),并在第一实体信息存在缺失时,自动触发追问缺失补充信息的渠道。
S50,在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
可理解地,本实施例所提到不存在缺失的第一实体信息包括未补充过补充信息的第一实体信息和补充过至少一次补充信息的第一实体信息;预设数据库和知识图谱可配合使用,也可分开使用,具体地,在知识图谱中,通过固定模板为不存在缺失的第一实体信息追溯出与用户意图适应的一次响应答案,在预设数据库中,根据第一实体信息中的词槽查询到与词槽对应的位置(将第一实体信息中的词槽作为查询条件),进而追溯出与用户意图适应的一次响应答案,并在确定出两个的一次响应答案都存在区别时,可将两个的一次响应答案进行结合成一个的一次响应答案,其中,在确定出预设数据库和知识图谱生成的一次响应答案并不存在区别时,可以根据其中一种方式生成与不存在缺失的第一实体信息对应的一次响应答案;需要说明的是,在不存在缺失的第一实体信息来源于步骤S10提到的一次咨询内容的执行要求,比如一次咨询内容的执行要求为用户想删除在股票平台原先选择的自选股内容,此时,咨询机器人服务器会执行相应的动作指令(如删除掉自选股内容)后,结合预设数据库和知识图谱生成与不存在缺失的第一实体信息对应的一次响应答案(如已删除掉自选股的信息,该信息被作为一次响应答案)。本实施例通过预设数据库和知识图谱可为用户及时生成出一个与不存在缺失的第一实体信息对应的一次响应答案 (在不存在缺失的第一实体信息来源于一次咨询内容的执行要求时,还需执行与执行要求对应的动作指令)。
S60,在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
可理解地,二次咨询指令是在未结束掉一次咨询指令而在一次咨询指令的基础上由用户重新发出新的咨询指令,因而二次咨询内容与一次咨询内容在内容完整度方面可能存在不一致的情况,比如,在一次咨询内容为用户想查询在股票平台1月份之前选择的自选股内容,而二次咨询内容由于用户咨询过相同类型的问题,用户并未完整输入二次咨询内容,此时,二次咨询内容可为2 月份之前等内容;指代消解模块主要用于解决多个指称(本实施例可从一次咨询内容、一次响应答案和存储词语的数据库,该存储词语的数据库可加强对二次咨询内容进行内容完整化)对应同一实体对象(用户)的问题,在一次会话中,多个指称可能指向的是同一实体对象,利用共指消解模块,可以将这些指称关联(合并)到正确的实体对象,比如在上述的二次咨询内容为2月份之前等内容,此时,由于该二次咨询内容并不具备完整的状态,因此咨询机器人服务器并不能理解到用户的意图,此时咨询机器人服务器需通过一次咨询内容和一次响应答案来理解出二次咨询内容的用户意图,并将二次咨询内容进行内容完整化(也即结合上下文将二次咨询内容转换为至少具备主谓宾结构的句子),因此最后二次咨询内容可为用户想查询在股票平台2月份之前选择的自选股内容;需要说明的是,在另一实施例中,可将内容完整化的所述二次咨询内容发送至所述用户,并在所述用户确认所述二次咨询内容无误后,才流转至下一个生成二次响应答案的流程。本实施例主要用于多轮对话(多轮对话包括二轮对话)的应用场景,可避免由于脱离上下文的情况而使咨询机器人理解不了二次咨询内容(也即指标消解的问题)。
S70,若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
可理解地,预设接口是通过Flask(Flask是一个使用Python编写的轻量级Web应用框架)来实现与外界的交互功能;具体地,本实施例是按照一次咨询内容相同的流程(上述步骤S10至步骤S40)去判断第二实体信息是否存在缺失(也即获取用户在会话状态中输入的二次咨询内容,根据与所述二次咨询内容类型对应的预设转换方法将所述二次咨询内容转换为文本信息;将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第二实体信息;根据所述用户意图调用出与所述二次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第二实体信息;在检验到所述第二实体信息存在缺失时,根据与缺失的所述第二实体信息对应的补充要求向所述用户追问出缺失的所述第二实体信息的补充信息,并根据所述补充信息将缺失的所述第二实体信息填充至第二实体信息不再存在缺失),并在内容完整化之后的二次咨询内容对应的第二实体信息不存在缺失时,此时,才生成与不存在缺失的第二实体信息对应的二次响应答案;另外,需要说明的时候,本实施例中未接收到其他咨询指令,则本实施例为二轮对话,若接收到其他咨询指令,则本实施例就为相应轮数对话(一个咨询指令可代表一次轮数对话)。在本实施例主要是为了对用户的一次咨询内容和二次咨询内容作出合适的一次响应答案和二次响应答案(可理解成为用户作出最合适的响应,也即对用户咨询内容作出最合适的应答),可见,本实施例可适用于多轮对话,且本实施例使用机器自动应答的形式去代替人工应答的形式,一方面不仅可有效提高应答效率,缓解人工应答的压力,节省人工成本,另一方面可避免人工应答的形式对用户的咨询内容不了解而导致作出不适应咨询内容的应答,可见,本实施例是可提高用户在应答过程中的体验效果。
进一步地,所述令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息,包括:
调用出以阶层方式融合在流程化的所述NLU模块中的用户意图识别组件和第一实体信息提取组件;
令所述用户意图识别组件通过onehot编码技术计算所述文本信息的词向量后,将所述词向量输入至预设神经网络模型进行用户意图识别,并识别出所述用户意图;
令所述信息提取组件结合jieba分词和预设字典对所述文本信息进行分词,得到分词信息后,将所述分词信息输入至由条件随机场构成的概率分布模型进行第一实体信息的判断,并提取出所述第一实体信息。
可理解地,阶层方式是通过Pipeline来进行完成,其中Pipeline中包括多个stage,其中一个stage可用于代表出上述一个组件;onehot编码又称为一位有效编码,主要是采用N位状态寄存器来对N个状态进行编码,其可用于对文本信息进行分类,并可将类别变量(文本信息中的词语)转换为机器学习算法易于利用的一种形式(词向量);预设的神经网络模型可被理解成一种用于文本识别的模型,该模型文本识别的内容为词向量,输出的内容为文本信息中的户意图识别,具体地,通过nehot编码技术计算得到的词向量(可理解为确定出用户意图中的关键词),将词向量一一输入至预设神经网络模型中(basicRecursive NN),将词向量的词性看作为权重向量,在预设神经网络模型中的各个路径中进行词向量与权重向量的点积运算,接着通过点积运算的运算结果实现根节点(路径中包含了根节点)输出向量的分类,进而可得到用户意图; jieba分词是基于统计词典而构造的一个前缀词典,因此可利用前缀词典对文本信息中的句子进行切分,得到所有的切分可能,接着根据切分位置,构造出一个有向无环图,最后在有向无环图中,通过动态规划算法,计算出最大概率路径,因此可得到最终的切分结果,其中,最终的切分结果为各个单词;预设字典是自定义的字典,该预设字典用于确定需要合并的单词,比如股票+号码是可组合在一起的单词;分词信息是对文本信息进行jieba分词后,再通过预设字典组合而成的单词;条件随机场构成的概率分布模型是用于在给定一组输入随机变量X的条件下,另一组输出随机变量Y的条件概率分布模型P(Y/X),因此通过条件随机场可结合上下文对分词信息中的词槽(具体结构)进行概率值的判断(分词信息与分词信息可进行组合搭配,组合搭配不限于数量,可组合成如BIO字母的形式,B指第一实体信息的开始位置,I指第一实体信息的中间位置、O指第一实体信息的非实体,若得到如B_person,I_location,O这种结果,person为人名的分词信息,location为地名的分词信息,可见B与I并不能组合搭配,此时可将该分词信息组合的确定概率默认为0,因此不能确定出该该分词信息组合,若得到如B_person,I_anction,O这种结果,anction为动作的分词信息,可见B与I能组合搭配,此时可将该实体信息组合的确定概率默认为1,因此能确定出该分词信息组合),确定出满足预设概率值的分词信息组合(可提取出确定概率为1的分词信息组合),并从分词信息组合中提取到第一实体信息(该分词信息组合等同于第一实体信息)。通过本实施例中的各个模型可提高用户意图的识别效率和第一实体信息的提取效率。
进一步地,所述令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息,包括:
通过增量训练而成的bert模型获取所述文本信息中的句向量,并通过 kashgari分类处理所述句向量后识别出所述用户意图和提取出所述第一实体信息。
可理解地,增量训练主要的作用是为了利用全部的数据和及时使用新的数据,增量训练是指的每次为bert模型提供预训练结果,并在预训练基础上,使用自己的数据以及类别标签进行分类学习,最后bert模型能从数量多的文本信息中获取到所需的句向量,具体地,使用bert as service获取词向量,而句向量是在词向量基础上得到的;Kashgare是基于Keras的简单而强大的NLP框架,在本实施例可被理解成一种分类模型,该分类模型以句向量作为输入,以分类结果作为输出(具体的分类过程是通过Kashgare中的 bertEmbedding/classification进行分类处理),因此最后可从分类结果识别出用户意图和提取出第一实体信息。
进一步地,所述根据所述用户意图调用出与所述一次咨询内容对应的响应措施之后,还包括:
记录与各个响应措施对应的响应节点的响应时间,并在至少一个所述响应节点的响应时间出现异常时,向数据接收方以预设方法发送包含该响应节点出现异常的提示信息。
可理解地,本实施例将各个响应措施以响应节点来进行表达,并在至少一个响应节点的响应时间出现异常时,也即在响应节点下,长时间未得到一个关于响应措施的反馈(比如,响应措施中的维持与用户的对话状态,长时间未得到关于该响应措施的维持反馈),此时可以邮件、app通信提示或者电话通信去提示数据接收方。本实施例主要为了对响应措施对应的响应节点进行及时监测,避免异常而影响到本次咨询机器人服务器与用户所在的用户终端的对话状态。
进一步地,所述根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,还包括:
记录向所述用户追问缺失的所述第一实体信息的所述补充信息的追问失败次数;所述追问失败次数是指表征出在追问之后所述用户的所述补充信息依旧存在所述第一实体信息缺失问题的追问次数;
在所述追问失败次数大于预设次数阈值时,停止向所述用户进行追问,维持与所述用户的对话状态,并将所述用户的当前所述用户意图切换至重新获取的新的用户意图,或断开与所述用户的所述对话状态。
可理解地,一次追问失败次数可代表用户输入一次补充信息,在确定出追问失败次数大于预设次数阈值时,可默认目前的用户意图并不是用户所需的,此时,可终止掉用户意图,在本实施例中可通过两种方式终止掉用户意图,一是通过向用户重新要求输入新的用户意图或新的一次咨询内容,二是直接断开与用户的对话状态。本实施例主要是为了确定出用户真正的用户意图,以减少本咨询机器嗯服务器作出无效的工作量,避免浪费用户的时间。
进一步地,所述将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答之后,还包括:
通过flask实现的接口服务去接收所述用户针对所述一次响应答案和所述二次响应答案返回的接收结果,根据所述接收结果确定所述一次响应答案和所述二次响应答案以及所述用户对咨询内容的满意度,并在所述满意度低于预设满意度时,在预设数据库和知识图谱中完善所述咨询内容对应的所述一次响应答案和所述二次响应答案;所述咨询内容包括所述一次咨询内容和所述二次咨询内容。
可理解地,Flask是一个使用Python编写的轻量级Web应用框架,是用于提供接口服务。本实施例主要是在咨询内容对应的一次响应答案和二次响应答案并未达到用户的预设满意度时(可通过打分结果确定出满意度,而预设满意度也是对应一个打分结果),在预设数据库和知识图谱中完善咨询内容对应的一次响应答案和二次响应答案(可从接收结果中确定出一次响应答案和二次响应答案中的不足之处),因此通过本实施例可提高用户下次咨询过程的体验效果。需要说明的是,本实施例主要针对咨询内容中的询问要求,而对于咨询内容中的执行要求,只需通知到数据接收方即可。
进一步地,所述在接收到用户发出的一次咨询指令时,还包括:
在同时接收到预设数量的用户发出的所述一次咨询指令时,利用分布式架构中所有具备空闲的处理线程同时处理所述用户的所述一次咨询指令,在确定具备空闲的所述处理线程的数量小于所述预设数量且在存在空闲的所述处理线程时,按照所述用户发出所述一次咨询指令的时间顺序,将所述用户流转至空闲的所述处理线程并建立与所述用户的会话状态;所述处理线程用于在会话状态中完成与所述用户发出的所述一次咨询指令关联的应答。
可理解地,分布式架构可处理各项协助的任务,然后从各种任务中整合出结果(是否在会话状态中完成与用户发出的一次咨询指令关联的应答)。本实施例主要是在同时接收到预设数量的用户发出的一次咨询指令时,为用户的一次咨询指令安排出具备空闲的处理线程,实现所有的一次咨询指令都可顺序处理,避免出现无序处理的现象。
综上所述,上述提供了一种基于机器人的咨询方法,本方法可适应于多轮对话,避免由于脱离上下文的情况而使咨询机器人理解不了用户意图,且使用机器自动应答的形式去代替人工应答的形式,一方面不仅可有效提高应答效率,缓解人工应答的压力,节省人工成本,另一方面可避免人工应答的形式对用户的咨询内容不了解而导致作出不适应咨询内容的应答,因此本方法是可提高用户在应答过程中的体验效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种咨询机器人,该咨询机器人与上述实施例中基于机器人的咨询方法一一对应。如图3所示,该咨询机器人包括转换模块11、识别模块12、检验模块13、填充模块14、生成模块15、内容完整化模块16 和断开模块17。各功能模块详细说明如下:
转换模块11,用于在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
识别模块12,用于将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
检验模块13,用于根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
填充模块14,用于在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
生成模块15,用于在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
内容完整化模块16,用于在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
断开模块17,用于若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
进一步地,所述识别模块,包括:
调用子模块,用于调用出以阶层方式融合在流程化的所述NLU模块中的用户意图识别组件和第一实体信息提取组件;
识别子模块,用于令所述用户意图识别组件通过onehot编码技术计算所述文本信息的词向量后,将所述词向量输入至预设神经网络模型进行用户意图识别,并识别出所述用户意图;
提取子模块,用于令所述信息提取组件结合jieba分词和预设字典对所述文本信息进行分词,得到分词信息后,将所述分词信息输入至由条件随机场构成的概率分布模型进行第一实体信息的判断,并提取出所述第一实体信息。
进一步地,所述咨询机器人还包括:
发送模块,用于记录与各个响应措施对应的响应节点的响应时间,并在至少一个所述响应节点的响应时间出现异常时,向数据接收方以预设方法发送包含该响应节点出现异常的提示信息。
进一步地,所述咨询机器人还包括:
记录模块,用于记录向所述用户追问缺失的所述第一实体信息的所述补充信息的追问失败次数;所述追问失败次数是指表征出在追问之后所述用户的所述补充信息依旧存在所述第一实体信息缺失问题的追问次数;
维持模块,用于在所述追问失败次数大于预设次数阈值时,停止向所述用户进行追问,维持与所述用户的对话状态,并将所述用户的当前所述用户意图切换至重新获取的新的用户意图,或断开与所述用户的所述对话状态。
进一步地,所述咨询机器人还包括:
完善模块,用于通过flask实现的接口服务去接收所述用户针对所述一次响应答案和所述二次响应答案返回的接收结果,根据所述接收结果确定所述一次响应答案和所述二次响应答案以及所述用户对咨询内容的满意度,并在所述满意度低于预设满意度时,在预设数据库和知识图谱中完善所述咨询内容对应的所述一次响应答案和所述二次响应答案;所述咨询内容包括所述一次咨询内容和所述二次咨询内容。
进一步地,所述咨询机器人还包括:
流转模块,用于在同时接收到预设数量的用户发出的所述一次咨询指令时,利用分布式架构中所有具备空闲的处理线程同时处理所述用户的所述一次咨询指令,在确定具备空闲的所述处理线程的数量小于所述预设数量且在存在空闲的所述处理线程时,按照所述用户发出所述一次咨询指令的时间顺序,将所述用户流转至空闲的所述处理线程并建立与所述用户的会话状态;所述处理线程用于在会话状态中完成与所述用户发出的所述一次咨询指令关联的应答。
关于咨询机器人的具体限定可以参见上文中对于基于机器人的咨询方法的限定,在此不再赘述。上述咨询机器人中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于机器人的咨询方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于机器人的咨询方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中基于机器人的咨询方法的步骤,例如图2所示的步骤S10至步骤 S70。或者,处理器执行计算机程序时实现上述实施例中咨询机器人的各模块/ 单元的功能,例如图3所示模块11至模块17的功能。为避免重复,这里不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中基于机器人的咨询方法的步骤,例如图2所示的步骤S10至步骤S70。或者,计算机程序被处理器执行时实现上述实施例中咨询机器人的各模块/单元的功能,例如图3所示模块11至模块17的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM (DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于机器人的咨询方法,其特征在于,包括:
在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
2.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息,包括:
调用出以阶层方式融合在流程化的所述NLU模块中的用户意图识别组件和第一实体信息提取组件;
令所述用户意图识别组件通过onehot编码技术计算所述文本信息的词向量后,将所述词向量输入至预设神经网络模型进行用户意图识别,并识别出所述用户意图;
令所述信息提取组件结合jieba分词和预设字典对所述文本信息进行分词,得到分词信息后,将所述分词信息输入至由条件随机场构成的概率分布模型进行第一实体信息的判断,并提取出所述第一实体信息。
3.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述根据所述用户意图调用出与所述一次咨询内容对应的响应措施之后,还包括:
记录与各个响应措施对应的响应节点的响应时间,并在至少一个所述响应节点的响应时间出现异常时,向数据接收方以预设方法发送包含该响应节点出现异常的提示信息。
4.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述根据所述用户意图调用出与所述一次咨询内容对应的响应措施之后,还包括:
记录与各个响应措施对应的响应节点的响应时间,并在至少一个所述响应节点的响应时间出现异常时,向数据接收方以预设方法发送包含该响应节点出现异常的提示信息。
5.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,还包括:
记录向所述用户追问缺失的所述第一实体信息的所述补充信息的追问失败次数;所述追问失败次数是指表征出在追问之后所述用户的所述补充信息依旧存在所述第一实体信息缺失问题的追问次数;
在所述追问失败次数大于预设次数阈值时,停止向所述用户进行追问,维持与所述用户的对话状态,并将所述用户的当前所述用户意图切换至重新获取的新的用户意图,或断开与所述用户的所述对话状态。
6.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答之后,还包括:
通过flask实现的接口服务去接收所述用户针对所述一次响应答案和所述二次响应答案返回的接收结果,根据所述接收结果确定所述一次响应答案和所述二次响应答案以及所述用户对咨询内容的满意度,并在所述满意度低于预设满意度时,在预设数据库和知识图谱中完善所述咨询内容对应的所述一次响应答案和所述二次响应答案;所述咨询内容包括所述一次咨询内容和所述二次咨询内容。
7.根据权利要求1所述的基于机器人的咨询方法,其特征在于,所述在接收到用户发出的一次咨询指令时,还包括:
在同时接收到预设数量的用户发出的所述一次咨询指令时,利用分布式架构中所有具备空闲的处理线程同时处理所述用户的所述一次咨询指令,在确定具备空闲的所述处理线程的数量小于所述预设数量且在存在空闲的所述处理线程时,按照所述用户发出所述一次咨询指令的时间顺序,将所述用户流转至空闲的所述处理线程并建立与所述用户的会话状态;所述处理线程用于在会话状态中完成与所述用户发出的所述一次咨询指令关联的应答。
8.一种咨询机器人,其特征在于,包括:
转换模块,用于在接收到用户发出的一次咨询指令时,获取用户在与咨询机器人的会话状态中输入的一次咨询内容,根据与所述一次咨询内容类型对应的预设转换方法将所述一次咨询内容转换为文本信息;
识别模块,用于将所述文本信息传输至NLU模块,以令所述NLU模块从所述文本信息中识别出用户意图和提取出第一实体信息;
检验模块,用于根据所述用户意图调用出与所述一次咨询内容对应的响应措施,在所述响应措施下,维持与所述用户的对话状态,按照与所述用户意图对应的至少一种预设词槽要求检验所述第一实体信息;
填充模块,用于在检验到所述第一实体信息存在缺失时,根据与缺失的所述第一实体信息对应的补充要求向所述用户追问出缺失的所述第一实体信息的补充信息,并根据所述补充信息将缺失的所述第一实体信息填充至第一实体信息不再存在缺失;
生成模块,用于在检验到所述第一实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第一实体信息对应的一次响应答案;
内容完整化模块,用于在将生成的所述一次响应答案发送至所述用户之前,连续接收到所述用户发出的二次咨询指令时,获取所述用户输入的二次咨询内容,令指代消解模块根据所述一次咨询内容和所述一次响应答案对所述二次咨询内容进行内容完整化;
断开模块,用于若与内容完整化之后的所述二次咨询内容对应的第二实体信息不存在缺失时,结合预设数据库和知识图谱生成与不存在缺失的所述第二实体信息对应的二次响应答案,将按照预设结合方式结合后的所述一次响应答案和所述二次响应答案,通过预设接口反馈至所述用户以实现对所述用户的咨询内容作出应答,并在自接收所述二次咨询指令时起的预设时长之内未接收到其他咨询指令之后,断开与所述用户的所述对话状态。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述基于机器人的咨询方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于机器人的咨询方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718558.9A CN111858890B (zh) | 2020-07-23 | 2020-07-23 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718558.9A CN111858890B (zh) | 2020-07-23 | 2020-07-23 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111858890A true CN111858890A (zh) | 2020-10-30 |
CN111858890B CN111858890B (zh) | 2023-07-21 |
Family
ID=72950446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010718558.9A Active CN111858890B (zh) | 2020-07-23 | 2020-07-23 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858890B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112530422A (zh) * | 2020-11-04 | 2021-03-19 | 联想(北京)有限公司 | 一种应答处理方法、智能设备及存储介质 |
CN112685546A (zh) * | 2020-12-29 | 2021-04-20 | 平安普惠企业管理有限公司 | 人机多轮对话方法、装置及计算机可读存储介质 |
WO2022105522A1 (zh) * | 2020-11-18 | 2022-05-27 | 华为技术有限公司 | 一种意图维持方法及装置 |
CN117301074A (zh) * | 2023-11-17 | 2023-12-29 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857850A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 咨询请求处理方法、装置、计算机设备及存储介质 |
WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN110909137A (zh) * | 2019-10-12 | 2020-03-24 | 平安科技(深圳)有限公司 | 基于人机交互的信息推送方法、装置和计算机设备 |
CN111090739A (zh) * | 2019-10-30 | 2020-05-01 | 贝壳技术有限公司 | 信息处理方法、装置以及电子设备、存储介质 |
-
2020
- 2020-07-23 CN CN202010718558.9A patent/CN111858890B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN109857850A (zh) * | 2019-01-18 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 咨询请求处理方法、装置、计算机设备及存储介质 |
CN110909137A (zh) * | 2019-10-12 | 2020-03-24 | 平安科技(深圳)有限公司 | 基于人机交互的信息推送方法、装置和计算机设备 |
CN111090739A (zh) * | 2019-10-30 | 2020-05-01 | 贝壳技术有限公司 | 信息处理方法、装置以及电子设备、存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112530422A (zh) * | 2020-11-04 | 2021-03-19 | 联想(北京)有限公司 | 一种应答处理方法、智能设备及存储介质 |
WO2022105522A1 (zh) * | 2020-11-18 | 2022-05-27 | 华为技术有限公司 | 一种意图维持方法及装置 |
CN112685546A (zh) * | 2020-12-29 | 2021-04-20 | 平安普惠企业管理有限公司 | 人机多轮对话方法、装置及计算机可读存储介质 |
CN112685546B (zh) * | 2020-12-29 | 2023-10-31 | 王福山 | 人机多轮对话方法、装置及计算机可读存储介质 |
CN117301074A (zh) * | 2023-11-17 | 2023-12-29 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
CN117301074B (zh) * | 2023-11-17 | 2024-04-30 | 浙江孚宝智能科技有限公司 | 智能机器人的控制方法及芯片 |
Also Published As
Publication number | Publication date |
---|---|
CN111858890B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111858890B (zh) | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 | |
CN110162633B (zh) | 语音数据意图确定方法、装置、计算机设备和存储介质 | |
CN110442870B (zh) | 文本纠错方法、装置、计算机设备和存储介质 | |
CN108628974B (zh) | 舆情信息分类方法、装置、计算机设备和存储介质 | |
CN110298019B (zh) | 命名实体识别方法、装置、设备及计算机可读存储介质 | |
CN111061847A (zh) | 对话生成及语料扩充方法、装置、计算机设备和存储介质 | |
CN111104495A (zh) | 基于意图识别的信息交互方法、装置、设备和存储介质 | |
WO2020238553A1 (zh) | 测试语料生成方法、装置、计算机设备和存储介质 | |
CN110493019B (zh) | 会议纪要的自动生成方法、装置、设备及存储介质 | |
CN109344242B (zh) | 一种对话问答方法、装置、设备及存储介质 | |
CN112131888A (zh) | 分析语义情感的方法、装置、设备及存储介质 | |
CN111666388B (zh) | 对话数据处理方法、装置、计算机设备和存储介质 | |
CN111368029B (zh) | 基于意图三元组的交互方法、装置、设备及存储介质 | |
CN111223476A (zh) | 语音特征向量的提取方法、装置、计算机设备和存储介质 | |
CN116434741A (zh) | 语音识别模型训练方法、装置、计算机设备及存储介质 | |
CN115495553A (zh) | 查询文本排序方法、装置、计算机设备及存储介质 | |
CN112732884A (zh) | 目标回答语句生成方法、装置、计算机设备和存储介质 | |
CN117591659A (zh) | 基于ChatGLM运维场景的信息处理方法、装置、设备及介质 | |
CN113343711B (zh) | 工单生成方法、装置、设备及存储介质 | |
CN111124898A (zh) | 问答系统测试方法、装置、计算机设备和存储介质 | |
CN112860873B (zh) | 智能应答方法、装置及存储介质 | |
CN111353027B (zh) | 聊天机器人中的答案反馈方法、装置、计算机设备和介质 | |
CN112040076B (zh) | 处理坐席上报文本的方法、装置、计算机设备和存储介质 | |
CN112434143B (zh) | 基于gru单元隐藏状态约束的对话方法、存储介质及系统 | |
CN114398487A (zh) | 线上会话的参考信息输出方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |