CN111966809A - 基于多轮对话来进行知识问答的方法及装置 - Google Patents
基于多轮对话来进行知识问答的方法及装置 Download PDFInfo
- Publication number
- CN111966809A CN111966809A CN202010847695.2A CN202010847695A CN111966809A CN 111966809 A CN111966809 A CN 111966809A CN 202010847695 A CN202010847695 A CN 202010847695A CN 111966809 A CN111966809 A CN 111966809A
- Authority
- CN
- China
- Prior art keywords
- slot position
- slot
- user
- determining
- supplemented
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000977 initiatory effect Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本说明书实施例提供了一种基于多轮对话来进行知识问答的方法及装置。在该方法中,获取用户的问题,根据问题确定用户的抽象用户意图和抽象用户意图对应的槽位组;在槽位组中存在缺少槽位信息的待补充槽位时,发起与用户的多轮对话,以确定待补充槽位的槽位信息;基于槽位组中的各个槽位的槽位信息确定具体用户意图;根据具体用户意图从知识库中获取对应的答案,以及将答案提供给用户。
Description
技术领域
本说明书实施例涉及机器学习技术领域,具体地,涉及一种基于多轮对话来进行知识问答的方法及装置。
背景技术
随着人工智能的发展,尤其是深度学习技术、自然语言处理和人工构造的知识库规模的扩大,人机对话广泛应用于智能家居、智能语音助手、智能客服等领域。
以智能客服为例,智能客服以完成用户的问题为目标,当用户向智能客服提出问题时,智能客服根据用户的问题生成相应的答案,并将答案提供给用户。智能客服的广泛应用不仅节省了人力资源,而且实现客户服务的及时性和连续性,提升了客户体验。
发明内容
鉴于上述,本说明书实施例提供了一种基于多轮对话来进行知识问答的方法及装置。通过本技术方案,使用多轮对话的方式获取用户问题对应的抽象用户意图所缺少的信息,从而确定出更准确的具体用户意图,进而为用户提供准确的答案。
根据本说明书实施例的一个方面,提供了一种基于多轮对话来进行知识问答的方法,包括:获取用户的问题;根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组;在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息;基于所述槽位组中的各个槽位的槽位信息确定具体用户意图;根据所述具体用户意图从知识库中获取对应的答案;以及将所述答案提供给所述用户。
可选地,在上述方面的一个示例中,根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组包括:根据所述问题确定所述抽象用户意图和所述问题所属的知识领域;以及根据所述抽象用户意图和所述知识领域来确定所述抽象用户意图对应的槽位组。
可选地,在上述方面的一个示例中,在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息包括:在所述槽位组中存在缺少槽位信息的待补充槽位时,按照以下方式进行多轮对话中的每一轮对话,直至满足多轮对话结束条件:从当前的待补充槽位中确定目标槽位;针对所述目标槽位向所述用户提问;以及确定所述目标槽位对应的槽位信息。
可选地,在上述方面的一个示例中,所述多轮对话结束条件包括:所述槽位组中不存在待补充槽位;或者,所述槽位组中不存在待补充槽位,以及当前对话的轮次达到指定轮次阈值。
可选地,在上述方面的一个示例中,确定所述目标槽位对应的槽位信息包括:根据所述用户的回答语句确定所述目标槽位对应的槽位信息,其中,所述回答语句包括当前轮次的回答语句,或者当前轮次的回答语句以及上下文语句;和/或,根据所述用户的用户信息和/或场景信息确定所述目标槽位对应的槽位信息。
可选地,在上述方面的一个示例中,确定所述目标槽位对应的槽位信息包括:当针对一个目标槽位存在多个槽位信息时,根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。
可选地,在上述方面的一个示例中,从当前的待补充槽位中确定目标槽位包括:在当前的待补充槽位有至少两个时,根据该至少两个待补充槽位之间的依赖关系确定目标槽位。
可选地,在上述方面的一个示例中,从当前的待补充槽位中确定目标槽位包括:在当前的待补充槽位中有存在指定关联关系的至少两个待补充槽位时,将所述至少两个待补充槽位确定为目标槽位。
可选地,在上述方面的一个示例中,在发起所述多轮对话之前,还包括:根据所述用户的用户信息和/或场景信息获取待补充槽位对应的槽位信息。
根据本说明书实施例的另一方面,还提供一种基于多轮对话来进行知识问答的装置,包括:问题获取单元,获取用户的问题;槽位组确定单元,根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组;多轮对话执行单元,在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息;用户意图确定单元,基于所述槽位组中的各个槽位的槽位信息确定具体用户意图;答案获取单元,根据所述具体用户意图从知识库中获取对应的答案;以及答案输出单元,将所述答案提供给所述用户。
可选地,在上述方面的一个示例中,所述槽位组确定单元:根据所述问题确定所述抽象用户意图和所述问题所属的知识领域;以及根据所述抽象用户意图和所述知识领域来确定所述抽象用户意图对应的槽位组。
可选地,在上述方面的一个示例中,所述多轮对话执行单元包括:目标槽位确定模块,在所述多轮对话中的每一轮对话中,从当前的待补充槽位中确定目标槽位;提问模块,针对所述目标槽位向所述用户提问;以及槽位信息确定模块,确定所述目标槽位对应的槽位信息,其中,在不满足多轮对话结束条件时,触发所述目标槽位确定模块执行操作,在满足多轮对话结束条件时,结束所述多轮对话。
可选地,在上述方面的一个示例中,所述槽位信息确定模块:根据所述用户的回答语句确定所述目标槽位对应的槽位信息,其中,所述回答语句包括当前轮次的回答语句,或者当前轮次的回答语句以及上下文语句;和/或,根据所述用户的用户信息和/或场景信息确定所述目标槽位对应的槽位信息。
可选地,在上述方面的一个示例中,所述槽位信息确定模块:当针对一个目标槽位存在多个槽位信息时,根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。
可选地,在上述方面的一个示例中,所述目标槽位确定模块:在当前的待补充槽位有至少两个时,根据该至少两个待补充槽位之间的依赖关系确定目标槽位。
可选地,在上述方面的一个示例中,所述目标槽位确定模块:在当前的待补充槽位中有存在指定关联关系的至少两个待补充槽位时,将所述至少两个待补充槽位确定为目标槽位。
根据本说明书实施例的另一方面,还提供一种电子设备,包括:至少一个处理器;以及存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如上所述的基于多轮对话来进行知识问答的方法。
根据本说明书实施例的另一方面,还提供一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的基于多轮对话来进行知识问答的方法。
附图说明
通过参照下面的附图,可以实现对于本说明书内容的本质和优点的进一步理解。在附图中,类似组件或特征可以具有相同的附图标记。
图1示出了本说明书实施例的基于多轮对话来进行知识问答的方法的一个示例的流程图。
图2示出了本说明书实施例提供的多轮对话的一个示例的示意图。
图3示出了本说明书实施例提供的识别用户问题的一个示例的示意图。
图4示出了本说明书实施例的基于多轮对话来进行知识问答的方法的另一个示例的流程图。
图5示出了本说明书实施例的基于多轮对话来进行知识问答的装置的一个示例的方框图。
图6示出了本说明书实施例的多轮对话执行单元的一个示例的方框图。
图7示出了本说明书的实施例的实现基于多轮对话来进行知识问答的方法的电子设备的方框图。
具体实施方式
以下将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本说明书内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。另外,相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义,无论是明确的还是隐含的。除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
随着人工智能发展,人机对话也被广泛应用,为用户提供了方便。目前,人机对话系统,比如知识回答系统,通常将用户提出的问题与系统中预存的问题模板进行匹配,若匹配上,再将预设的问题模板对应的答案反馈给用户,若不能匹配,则无法反馈答案。在这种方式中,对用户提出的问题要求较高,需要用户的问题与问题模板有较高的相似度才能匹配上,否则,由于用户的问题与问题模板不易匹配,导致用户的问题与问题模板的匹配率低,从而系统回答的出错率高。
鉴于上述,本说明书实施例提供了基于多轮对话来进行知识问答的方法及装置。通过本技术方案,使用多轮对话的方式获取用户问题对应的抽象用户意图所缺少的信息,从而确定出更准确的具体用户意图,进而为用户提供准确的答案。
下面参照附图描述根据本说明书实施例的基于多轮对话来进行知识问答的方法及装置。
图1示出了本说明书实施例的基于多轮对话来进行知识问答的方法100的一个示例的流程图。
如图1所示,在110,获取用户的问题,用户的问题可以是文本或语音。
接着,在120,根据所获取的问题确定用户的抽象用户意图和该抽象用户意图对应的槽位组。
在本说明书实施例中,可以使用自然语言处理(NLP,Natural LanguageProcessing)对用户的问题进行语义解析,以将用户的问题转换成机器可读的结构化语义表述,再根据转换后的结构化语义表述来得到针对问题的抽象用户意图。
当用户的问题是语音时,可以先对语音进行音转字处理,以将语音形式的问题转换成文本形式的问题,再将问题文本输入至训练好的深度学习模型中,深度学习模型可以输出针对问题的各个用户意图的概率,将概率最大的用户意图确定为针对该问题的抽象用户意图。其中,深度学习模块可以是DAN(Deep average network)、CNN(ConvolutionalNeural Network)、BLSTM(Bidirectional Long Short-Term Memory Networks)等模型中的任一种。
当然,在用户以文本形式提出问题时,可以将用户问题的文本直接输入给深度学习模型以得到针对问题的抽象用户意图。
在确定抽象用户意图的一个示例中,可以从用户的问题中提取关键词,根据关键词确定用户的抽象用户意图。例如,用户的问题是“如何还款”,从问题中提取的关键词是“还款”,从而可以确定用户的抽象用户意图是还款。
在另一个示例中,可以根据用户的问题获取问题的关联信息,关联信息可以包括与问题相关的场景信息、上下文信息、用户信息等。相同的问题在不同的场景下所表达的用户意图可以不同,场景信息可以根据用户提出问题所在的平台、用户提出问题的关联语句等来确定。
例如,用户提出关于处罚的问题,当用户在金融监管平台上提出该问题时,此时的场景涉及金融领域,因此,可以确定该问题对应的抽象用户意图是金融处罚。当用户在教育平台(比如,学校网站)上提出该问题时,此时的场景涉及教育领域,因此,可以确定该问题对应的抽象用户意图是教育处罚,比如,教育行政处罚、学生的违规处罚等。
用户信息可以包括用户的职业信息、教育背景信息、年龄信息等,例如,当用户是教育从业者或学生时,用户提出的问题是处罚,则结合该用户的职业信息可以确定用户的抽象用户意图是教育处罚。
在本说明书实施例中,槽位组与用户意图对应,不同的用户意图对应的槽位组可以不同。在一个示例中,可以预设用户意图与槽位组的对应关系,当确定出用户的抽象用户意图后,可以将抽象用户意图与预设对应关系中的用户意图进行匹配,将匹配上的用户意图对应的槽位组确定为抽象用户意图对应的槽位组。在该示例中,用户意图的匹配可以是模糊匹配。
每个槽位组可以包括至少一个槽位,每个槽位用来表示一种属性信息,槽位中的槽位信息是该槽位所表示的具体属性信息。一种类型的用户意图在被明确时需要确定的一类或多类属性信息,这些用来明确用户意图的属性信息即该用户意图对应的槽位组中的各个槽位,槽位组中的各个槽位的槽位信息构成了对应的用户意图所需的必要信息。
例如,用户意图是订车票,该用户意图对应的槽位组中包括三个槽位:出发地、出发时间和目的地,出发地、出发时间和目的地是订车票所需的必要属性信息。若出发地是北京,目的地是上海,出发时间是2020年5月1日8点,“北京”、“上海”和“2020年5月1日8点”是对应槽位的槽位信息,基于上述槽位信息即可以确定预定车次的车票。
在本说明书实施例的一个示例中,根据问题还可以确定出问题所属的知识领域。
在一个示例中,当用户的问题中包含知识领域的关键词时,可以从问题中提取关键词,根据所提取的关键词来确定问题所属的知识领域。其中,知识领域的关键词可以包括知识领域的专有名词、高频词、机构名称等。
例如,根据用户的问题确定的抽象用户意图是处罚,当问题中包含金融、证券、股票等关键词时,可以确定该问题属于金融领域,从而可以进一步地确定抽象用户意图是金融处罚。当问题中包含教育、学生、学校等关键词时,可以确定该问题属于教育领域,从而可以进一步地确定抽象用户意图是教育处罚。
在另一个示例中,还可以根据用户的用户信息、历史对话信息等来确定知识领域。例如,当用户的职业是教师时,可以确定该用户提出的问题属于教育领域。当针对提问的用户的历史对话信息中包括有与当前问题相同或相似的历史对话时,可以将历史对话中确定出的知识领域作为当前问题所属的知识领域。
在确定出抽象用户意图和知识领域后,可以根据抽象用户意图和知识领域来确定抽象用户意图对应的槽位组。在一个示例中,在预设有用户意图与槽位组的对应关系时,可以将抽象用户意图和知识领域与上述预设对应关系中的用户意图进行匹配,将匹配上的用户意图对应的槽位组确定为抽象用户意图对应的槽位组。
在上述示例中,利用知识领域可以限定抽象用户意图的所涉及的领域范围,基于限定知识领域的抽象用户意图所确定出的槽位组更准确,进而更能准确地理解用户的问题。
回到图1,在确定出抽象用户意图对应的槽位组之后,在130,判断槽位组中是否存在缺少槽位信息的待补充槽位。如果否,可以继续执行170的操作。
如果上述判断的结果为是,且当前执行的判断操作是针对上述问题的首次判断时,可以发起与用户的多轮对话,并在开始多轮对话时执行140的操作。若当前的判断操作不是首次判断时,表示当前已处于多轮对话的过程中,继续执行140的操作。
多轮对话由多个一轮对话构成,一轮对话包括一问一答的对话。以图2为例,图2示出了本说明书实施例提供的多轮对话200的一个示例的示意图。如图2所示,用户与系统之间进行的一次多轮对话,该多轮对话中包括4个一轮对话,比如,用户的语句“帮我订张从北京到上海的机票”和系统的语句“请问您希望哪天出发”是一问一答,构成一个一轮对话,
在执行上述130的操作时,可以从用户的问题中提取信息作为各个槽位的槽位信息,若有槽位的槽位信息无法从问题中提取到,则可以确定该槽位是待补充槽位。
例如,用户的问题是“北京到上海的机票”,槽位组中的槽位包括出发地、目的地和出发时间。可以从问题中获取到出发地的槽位信息是北京,目的地的槽位信息是上海。但无法从问题中获取出发时间的槽位信息,则可以确定出发时间是待补充槽位。
在一个示例中,可以采用命名实体识别的方式对用户的问题进行识别,并对问题中的各个字符进行序列标注,再将命名实体识别标注出的字符对应到槽位组中的各个槽位。这样可以确定出槽位的槽位信息,无法确定槽位信息的槽位则是待补充槽位。
以图3为例,图3示出了本说明书实施例提供的标注用户问题并对应到槽位的一个示例300的示意图。
如图3所示,用户的问题是“北京到上海的机票”,命名实体识别对该问题中的各个字进行标注:“北”标注为“B-city”,“京”标注为“I-city”,“上”标注为“B-city”,“海”标注为“I-city”,“到”、“的”、“机”和“票”都标注为“O”。其中,“B-city”表示城市词汇中的开始的字符,“I-city”表示城市词汇中的中间的字符,“O”表示标记的无关字符。将命名实体识别标注的字符对应到相应的槽位上,由此得到槽位的标注为:“北”标注为“B-dept”,“京”标注为“I-dept”,“上”标注为“B-arr”,“海”标注为“I-arr”,“到”、“的”、“机”和“票”都标注为“O”。其中,“B-dept”表示出发地的开始的字符,“I-dept”表示出发地的中间的字符,“B-arr”表示目的地的开始的字符,“I-arr”表示目的地的中间的字符。由此,可以确定出槽位“出发地”的槽位信息是北京,槽位“目的地”的槽位信息是上海,缺少槽位信息的待补充槽位是出发时间。
在本说明书实施例的一个示例中,在判断出槽位组中存在待补充槽位后,且在发起多轮对话之前,可以根据用户的用户信息和/或场景信息来获取待补充槽位对应的槽位信息。
用户信息可以包括用户的职业信息、日程表信息等。例如,抽象用户意图对应的槽位组中的槽位包括:出发地、目的地和出发时间,其中,作为目标槽位的待补充槽位是出发时间,用户的日程表信息中记录8月2日从北京飞上海,则从用户的日程表信息中可以确定出发时间是8月2日。
场景信息可以是用户当前所处的场景的相关信息,比如,用户当前的位置、用户所使用的平台等。例如,抽象用户意图是“今天飞上海”,待补充槽位是出发地,而用户当前的位置是北京,则可以将北京确定为出发地,进而待补充槽位的槽位信息是北京。
在上述示例中,在发起多轮对话之前,利用用户的相关信息来对待补充槽位进行填槽,以减少待补充槽位的数量,进而可以减少向用户提问的次数,提高多轮对话的效率。
回到图1,如果槽位组中存在待补充槽位,在140,可以从当前的待补充槽位中确定目标槽位。所确定的目标槽位当前缺少槽位信息,并且所确定的目标槽位属于当前轮次的一轮对话。
在当前的待补充槽位仅有一个时,将该待补充槽位作为目标槽位。在当前的待补充槽位有至少两个时,可以判断该至少两个待补充槽位之间是否存在依赖关系。若各个待补充槽之间都不存在依赖关系,即表示各个待补充槽之间相互独立,则可以按照指定规则或任意方式从该至少两个待补充槽位中选取待补充槽位作为目标槽位。
若当前的待补充槽位相互之间都存在依赖关系,则可以根据依赖关系确定各个待补充槽位的优先级顺序,被越多的其他待补充槽位依赖的待补充槽位的优先级越高,而依赖越多的其他待补充槽位的待补充槽位的优先级越低。
然后,按照优先级顺序将各个待补充槽位确定为目标槽位,优先级高的待补充槽位会优先获取到槽位信息,优先级低的待补充槽根据高优先级的待补充槽位中的槽位信息来获取对应的槽位信息。
例如,当前的待补充槽位包括:国家、省市地区和地区区号,省市地区槽位依赖于国家槽位,地区区号槽位依赖于省市地区槽位,由此,各个槽位之间的优先级从高到低的顺序为:国家、省市地区、地区区号,基于该优先级顺序,先将国家槽位确定为目标槽位,再将省市地区槽位确定为目标槽位,最后将地区区号槽位确定为目标槽位。
若当前的待补充槽位中有部分待补充槽位相互之间存在依赖关系,则根据该部分待补充槽位之间的依赖关系确定该部分待补充槽位中的目标槽位,对于该部分待补充槽位以外的其他待补充槽位,则可以通过指定规则或任意方式来确定目标槽位。
所确定出的目标槽位可以包括一个或多个,当目标槽位包括多个槽位时,该多个槽位之间存在指定关联关系,具有指定关联关系的多个槽位可以在系统向用户提问的一个问题中提出。
在一个示例中,若当前的待补充槽位中存在至少两个待补充槽位,且在所存在的至少两个待补充槽位中包括具有指定关联关系的至少两个待补充槽位,则可以将该具有指定关联关系的至少两个待补充槽位确定为目标槽位。
例如,用户的问题是“8月1号的往返机票多少钱”,该问题对应的槽位组中包括4个待补充槽位:去程的出发地、去程的目的地、返程的出发地和返程的目的地,其中,去程的出发地和返程的目的地是指向同一个地方,可以在同一个问题中提出;去程的目的地和返程的出发地也是指向同一个地方,也可以在同一个问题中提出。基于此,可以将去程的出发地槽位和返程的目的地槽位确定为一个目标槽位,可以将去程的目的地槽位和返程的出发地地槽位确定为另一个目标槽位。
在上述示例中,将具有指定关联关系的多个待补充槽位确定为目标槽位,在同一轮的对话中提出,可以减少多轮对话的轮次,提高多轮对话确定槽位信息的效率。
然后,在150,针对目标槽位可以向用户提问,以获得目标槽位的槽位信息。在一个示例中,系统向用户提问的方式与用户提问的方式可以一致,用户以语音的方式提出问题,则系统也以语义的方式提出问题。用户以文本的方式提出问题,则系统也以文本的方式提出问题。
接着,在160,可以确定目标槽位对应的槽位信息。
在一个示例中,可以根据用户的回答语句确定目标槽位对应的槽位信息。用户的回答语句可以包括当前轮次的回答语句,当前轮次的回答语句与上述150中向用户提问的问题都属于同一轮对话。
例如,作为目标槽位的待补充槽位是出发地,则系统向用户提问“出发地是哪?”,用户回答“北京”,“北京”是当前轮次的回答语句,从而可以确定目标槽位“出发地”的槽位信息是“北京”。
此外,用户的回答语句还可以包括当前轮次的回答语句的上下文语句,即,根据用户当前轮次的回答语句以及上下文语句来确定目标槽位对应的槽位信息。上下文语句可以包括多轮对话中其他轮次的对话内容。
例如,在多轮对话的上一轮对话中,用户的回答语句包括“我在北京工作”,在当前轮次的对话中,目标槽位是出发地,系统向用户提出“出发地是哪?”,用户回答“我工作的地方”,则结合当前的回答语句以及上一轮的上下文语句可以确定出发地是北京,进而可以确定目标槽位“出发地”的槽位信息是“北京”。
在另一个示例中,还可以根据用户的用户信息和/或场景信息来确定目标槽位对应的槽位信息。这样可以减少向用户提问的次数,进而减少多轮对话中的对话轮次,提高多轮对话的效率。
在一个示例中,当针对一个目标槽位存在多个待选的槽位信息时,可以从该多个槽位信息中指定一个槽位信息作为该目标槽位对应的槽位信息。
此外,还可以根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。槽位信息的信息来源可以包括用户的回答语句、用户信息以及用户的场景信息等。
信息来源优先级可以是指定的。比如,信息来源优先级从高到低的顺序为:用户的回答语句、用户信息、用户的场景信息。若存在来源于回答语句的槽位信息时,优先将该槽位信息作为目标槽位对应的槽位信息;若不存在回答语句的槽位信息,则优先将来源于用户信息的槽位信息作为目标槽位对应的槽位信息;若也不存在用户信息对应的槽位信息,则可以将来源于场景信息的槽位信息作为目标槽位对应的槽位信息。
以上述信息来源优先级为例,目标槽位是出发地,用户的回答语句是“北京”,用户信息中的日程表信息中的出发地是石家庄,而用户当前所在的位置是天津,则根据上述信息来源优先级可以确定出发地是北京,进而确定目标槽位的槽位信息是北京。
在一个示例中,用户的回答语句可以包括当前回答语句和历史回答语句,历史回答语句不属于本次的多轮对话,是本次多轮对话之前已经发生的其他多轮对话的内容,比如,历史回答语句是2天前发生的多轮对话中用户的回答语句。在该示例中,信息来源优先级从高到低的顺序可以是:用户的当前回答语句、用户信息、用户的场景信息、用户的历史回答语句。
例如,目标槽位是出发地,在用户的当前回答语句、用户信息以及用户的场景信息中都无法获取到目标槽位的槽位信息,而历史回答语句中用户提到出发地是北京,则可以将北京确定为该目标槽位的槽位信息。
回到图1,在执行完160的操作,即确定出目标槽位对应的槽位信息时,表示当前轮次的对话结束,此时,可以判断是否满足多轮对话结束条件。
在一个示例中,多轮对话结束条件可以包括槽位组中不存在待补充槽位。此时,即返回执行130的操作,判断槽位组中是否存在待补充槽位,若存在,则不满足多轮对话结束条件,此时进入下一轮对话。若不存在,则满足多轮对话结束条件,此时可以继续执行170。
在另一个示例中,多轮对话结束条件可以包括:槽位组中不存在待补充槽位,以及当前对话的轮次达到指定轮次阈值。只要满足上述两个条件中的任一个,则终止当前的多轮对话。其中,不同多轮对话中的指定轮次阈值可以不同,这样可以根据用户问题的复杂度、槽位组中的待补充槽位数量等来确定多轮对话中的指定轮次阈值,用户问题复杂度越高、待补充槽位数量越多,指定轮次的阈值越大。当然,不同多轮对话中的指定轮次阈值也可以相同。
图4示出了本说明书实施例的基于多轮对话来进行知识问答的方法400的另一个示例的流程图。
如图4所示,在执行完160的操作后,可以继续执行135的操作,即,判断当前对话的轮次是否达到指定轮次阈值,若达到指定轮次阈值,则满足多轮对话结束条件,此时可以结束当前的多轮对话。若未达到指定轮次阈值,则继续判断槽位组中是否存在待补充槽位,即返回执行130的操作。
在上述示例中,通过设置指定轮次阈值,在与用户的多轮对话效率不高时,可以避免多轮对话无限的持续,从而避免浪费时间。
如果执行130的操作判断出抽象用户意图对应的槽位组中不存在待补充槽位,即,不缺少用于确定具体用户意图的槽位信息。在170,可以基于槽位组中的各个槽位的槽位信息确定具体用户意图。在一个示例中,具体用户意图由槽位组中的槽位信息构成,比如,槽位组中的出发地是北京,目的地是上海,出发时间是8月1日,则“北京”、“上海”和“8月1日”构成了具体用户意图。
接着,在180,根据具体用户意图从知识库中获取对应的答案。
知识库中可以存储用户意图与答案的对应关系,利用具体用户意图来匹配知识库中的用户意图,并将匹配上的用户意图对应的答案确定为具体用户意图对应的答案。
知识库可以根据知识领域来存储答案,知识库包括多个存储区域,每个存储区域用于存储一个知识领域的答案。这样便于根据知识领域来获取答案,提高答案获取效率。例如,知识库中的一个存储区域用于存储法规领域的答案,另一个存储区域用于存储监管处罚领域的答案。
在190,将所获取的答案提供给用户。
图5示出了本说明书实施例的基于多轮对话来进行知识问答的装置(以下称为知识问答装置500)的一个示例的方框图。
如图5所示,知识问答装置500可以包括问题获取单元510、槽位组确定单元520、多轮对话执行单元530、用户意图确定单元540、答案获取单元550和答案输出单元560。
问题获取单元510被配置为获取用户的问题。问题获取单元510的操作可以参考上面参照图1描述的110的操作。
槽位组确定单元520被配置为根据问题确定用户的抽象用户意图和抽象用户意图对应的槽位组。槽位组确定单元520的操作可以参考上面参照图1描述的120的操作。
在一个示例中,槽位组确定单元520还可以被配置为:根据问题确定抽象用户意图和问题所属的知识领域;以及根据抽象用户意图和知识领域来确定抽象用户意图对应的槽位组。
多轮对话执行单元530被配置为在槽位组中存在缺少槽位信息的待补充槽位时,发起与用户的多轮对话,以确定待补充槽位的槽位信息。
用户意图确定单元540被配置为基于槽位组中的各个槽位的槽位信息确定具体用户意图。用户意图确定单元540的操作可以参考上面参照图1描述的170的操作。
答案获取单元550被配置为根据具体用户意图从知识库中获取对应的答案。答案获取单元550的操作可以参考上面参照图1描述的180的操作。
答案输出单元560被配置为将答案提供给所述用户。答案输出单元560的操作可以参考上面参照图1描述的190的操作。
图6示出了本说明书实施例的多轮对话执行单元530的一个示例的方框图。
如图6所示,多轮对话执行单元530可以包括目标槽位确定模块531、提问模块533和槽位信息确定模块535。
目标槽位确定模块531被配置为在多轮对话中的每一轮对话中,从当前的待补充槽位中确定目标槽位。目标槽位确定模块531的操作可以参考上面参照图1描述的140的操作。
在一个示例中,目标槽位确定模块531还可以被配置为:在当前的待补充槽位有至少两个时,根据该至少两个待补充槽位之间的依赖关系确定目标槽位。
在一个示例中,目标槽位确定模块531还可以被配置为:在当前的待补充槽位中有存在指定关联关系的至少两个待补充槽位时,将所述至少两个待补充槽位确定为目标槽位。
提问模块533被配置为针对目标槽位向用户提问。提问模块533的操作可以参考上面参照图1描述的150的操作。
槽位信息确定模块535被配置为确定目标槽位对应的槽位信息,其中,在不满足多轮对话结束条件时,触发目标槽位确定模块执行操作,在满足多轮对话结束条件时,结束当前的多轮对话。槽位信息确定模块535的操作可以参考上面参照图1描述的160的操作。
在一个示例中,槽位信息确定模块535还可以被配置为:根据用户的回答语句确定目标槽位对应的槽位信息,其中,回答语句包括当前轮次的回答语句,或者当前轮次的回答语句以及上下文语句;和/或,根据用户的用户信息和/或场景信息确定目标槽位对应的槽位信息。
在一个示例中,槽位信息确定模块535还可以被配置为:当针对一个目标槽位存在多个槽位信息时,根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。
以上参照图1到图6,对根据本说明书实施例的基于多轮对话来进行知识问答的方法及装置的实施例进行了描述。
本说明书实施例的基于多轮对话来进行知识问答的装置可以采用硬件实现,也可以采用软件或者硬件和软件的组合来实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。在本说明书实施例中,基于多轮对话来进行知识问答的装置例如可以利用电子设备实现。
图7示出了本说明书的实施例的实现基于多轮对话来进行知识问答的方法的电子设备700的方框图。
如图7所示,电子设备700可以包括至少一个处理器710、存储器(例如,非易失性存储器)720、内存730和通信接口740,并且至少一个处理器710、存储器720、内存730和通信接口740经由总线750连接在一起。至少一个处理器710执行在存储器中存储或编码的至少一个计算机可读指令(即,上述以软件形式实现的元素)。
在一个实施例中,在存储器中存储计算机可执行指令,其当执行时使得至少一个处理器710:获取用户的问题;根据问题确定用户的抽象用户意图和抽象用户意图对应的槽位组;在槽位组中存在缺少槽位信息的待补充槽位时,发起与用户的多轮对话,以确定待补充槽位的槽位信息;基于槽位组中的各个槽位的槽位信息确定具体用户意图;根据具体用户意图从知识库中获取对应的答案;以及将答案提供给用户。
应该理解,在存储器中存储的计算机可执行指令当执行时使得至少一个处理器710进行本说明书的各个实施例中以上结合图1-6描述的各种操作和功能。
根据一个实施例,提供了一种例如机器可读介质的程序产品。机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本说明书的各个实施例中以上结合图1-6描述的各种操作和功能。
具体地,可以提供配有可读存储介质的系统或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本说明书实施例的一部分。
本说明书各部分操作所需的计算机程序代码可以用任意一种或多种程序语言编写,包括面向对象编程语言,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB、NET以及Python等,常规程序化编程语言如C语言、Visual Basic 2003、Perl、COBOL 2002、PHP以及ABAP,动态编程语言如Python、Ruby和Groovy,或者其他编程语言等。该程序编码可以在用户计算机上运行,或者作为独立的软件包在用户计算机上运行,或者部分在用户计算机上运行另一部分在远程计算机运行,或者全部在远程计算机或服务器上运行。在后一种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或者在云计算环境中,或者作为服务使用,比如软件即服务(SaaS)。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述各流程和各系统结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理实体实现,或者,有些单元可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
以上结合附图详细描述了本说明书的实施例的可选实施方式,但是,本说明书的实施例并不限于上述实施方式中的具体细节,在本说明书的实施例的技术构思范围内,可以对本说明书的实施例的技术方案进行多种简单变型,这些简单变型均属于本说明书的实施例的保护范围。
本说明书内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本说明书内容。对于本领域普通技术人员来说,对本说明书内容进行的各种修改是显而易见的,并且,也可以在不脱离本说明书内容的保护范围的情况下,将本文所定义的一般性原理应用于其它变型。因此,本说明书内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (18)
1.一种基于多轮对话来进行知识问答的方法,包括:
获取用户的问题;
根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组;
在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息;
基于所述槽位组中的各个槽位的槽位信息确定具体用户意图;
根据所述具体用户意图从知识库中获取对应的答案;以及
将所述答案提供给所述用户。
2.如权利要求1所述的方法,根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组包括:
根据所述问题确定所述抽象用户意图和所述问题所属的知识领域;以及
根据所述抽象用户意图和所述知识领域来确定所述抽象用户意图对应的槽位组。
3.如权利要求1所述的方法,其中,在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息包括:
在所述槽位组中存在缺少槽位信息的待补充槽位时,按照以下方式进行多轮对话中的每一轮对话,直至满足多轮对话结束条件:
从当前的待补充槽位中确定目标槽位;
针对所述目标槽位向所述用户提问;以及
确定所述目标槽位对应的槽位信息。
4.如权利要求3所述的方法,其中,所述多轮对话结束条件包括:
所述槽位组中不存在待补充槽位;或者,
所述槽位组中不存在待补充槽位,以及当前对话的轮次达到指定轮次阈值。
5.如权利要求3所述的方法,其中,确定所述目标槽位对应的槽位信息包括:
根据所述用户的回答语句确定所述目标槽位对应的槽位信息,其中,所述回答语句包括当前轮次的回答语句,或者当前轮次的回答语句以及上下文语句;和/或,
根据所述用户的用户信息和/或场景信息确定所述目标槽位对应的槽位信息。
6.如权利要求3所述的方法,其中,确定所述目标槽位对应的槽位信息包括:
当针对一个目标槽位存在多个槽位信息时,根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。
7.如权利要求3所述的方法,其中,从当前的待补充槽位中确定目标槽位包括:
在当前的待补充槽位有至少两个时,根据该至少两个待补充槽位之间的依赖关系确定目标槽位。
8.如权利要求3所述的方法,其中,从当前的待补充槽位中确定目标槽位包括:
在当前的待补充槽位中有存在指定关联关系的至少两个待补充槽位时,将所述至少两个待补充槽位确定为目标槽位。
9.如权利要求3所述的方法,其中,在发起所述多轮对话之前,还包括:
根据所述用户的用户信息和/或场景信息获取待补充槽位对应的槽位信息。
10.一种基于多轮对话来进行知识问答的装置,包括:
问题获取单元,获取用户的问题;
槽位组确定单元,根据所述问题确定所述用户的抽象用户意图和所述抽象用户意图对应的槽位组;
多轮对话执行单元,在所述槽位组中存在缺少槽位信息的待补充槽位时,发起与所述用户的多轮对话,以确定所述待补充槽位的槽位信息;
用户意图确定单元,基于所述槽位组中的各个槽位的槽位信息确定具体用户意图;
答案获取单元,根据所述具体用户意图从知识库中获取对应的答案;以及
答案输出单元,将所述答案提供给所述用户。
11.如权利要求10所述的装置,所述槽位组确定单元:
根据所述问题确定所述抽象用户意图和所述问题所属的知识领域;以及
根据所述抽象用户意图和所述知识领域来确定所述抽象用户意图对应的槽位组。
12.如权利要求10所述的装置,其中,所述多轮对话执行单元包括:
目标槽位确定模块,在所述多轮对话中的每一轮对话中,从当前的待补充槽位中确定目标槽位;
提问模块,针对所述目标槽位向所述用户提问;以及
槽位信息确定模块,确定所述目标槽位对应的槽位信息,
其中,在不满足多轮对话结束条件时,触发所述目标槽位确定模块执行操作,在满足多轮对话结束条件时,结束所述多轮对话。
13.如权利要求12所述的装置,其中,所述槽位信息确定模块:
根据所述用户的回答语句确定所述目标槽位对应的槽位信息,其中,所述回答语句包括当前轮次的回答语句,或者当前轮次的回答语句以及上下文语句;和/或,
根据所述用户的用户信息和/或场景信息确定所述目标槽位对应的槽位信息。
14.如权利要求12所述的装置,其中,所述槽位信息确定模块:
当针对一个目标槽位存在多个槽位信息时,根据各个槽位信息的信息来源优先级来确定该目标槽位对应的槽位信息。
15.如权利要求12所述的装置,其中,所述目标槽位确定模块:
在当前的待补充槽位有至少两个时,根据该至少两个待补充槽位之间的依赖关系确定目标槽位。
16.如权利要求12所述的装置,其中,所述目标槽位确定模块:
在当前的待补充槽位中有存在指定关联关系的至少两个待补充槽位时,将所述至少两个待补充槽位确定为目标槽位。
17.一种电子设备,包括:
至少一个处理器,以及
与所述至少一个处理器耦合的存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如权利要求1到9中任一所述的方法。
18.一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如权利要求1到9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847695.2A CN111966809A (zh) | 2020-08-21 | 2020-08-21 | 基于多轮对话来进行知识问答的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010847695.2A CN111966809A (zh) | 2020-08-21 | 2020-08-21 | 基于多轮对话来进行知识问答的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111966809A true CN111966809A (zh) | 2020-11-20 |
Family
ID=73389980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010847695.2A Pending CN111966809A (zh) | 2020-08-21 | 2020-08-21 | 基于多轮对话来进行知识问答的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111966809A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528002A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 对话识别方法、装置、电子设备和存储介质 |
CN114663114A (zh) * | 2022-03-22 | 2022-06-24 | 平安科技(深圳)有限公司 | 会话管理方法、计算机及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190164064A1 (en) * | 2017-11-27 | 2019-05-30 | Shanghai Xiaoi Robot Technology Co., Ltd. | Question and answer interaction method and device, and computer readable storage medium |
CN109829036A (zh) * | 2019-02-12 | 2019-05-31 | 浙江核新同花顺网络信息股份有限公司 | 一种对话管理方法及相关装置 |
US10453117B1 (en) * | 2016-06-29 | 2019-10-22 | Amazon Technologies, Inc. | Determining domains for natural language understanding |
CN110837586A (zh) * | 2018-08-15 | 2020-02-25 | 阿里巴巴集团控股有限公司 | 问答匹配方法、系统、服务器及存储介质 |
CN111078844A (zh) * | 2018-10-18 | 2020-04-28 | 上海交通大学 | 软件众包的任务型对话系统及方法 |
CN111125309A (zh) * | 2019-12-23 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 自然语言处理方法、装置及计算设备、存储介质 |
CN111341311A (zh) * | 2020-02-21 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 一种语音对话方法及装置 |
-
2020
- 2020-08-21 CN CN202010847695.2A patent/CN111966809A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10453117B1 (en) * | 2016-06-29 | 2019-10-22 | Amazon Technologies, Inc. | Determining domains for natural language understanding |
US20190164064A1 (en) * | 2017-11-27 | 2019-05-30 | Shanghai Xiaoi Robot Technology Co., Ltd. | Question and answer interaction method and device, and computer readable storage medium |
CN110837586A (zh) * | 2018-08-15 | 2020-02-25 | 阿里巴巴集团控股有限公司 | 问答匹配方法、系统、服务器及存储介质 |
CN111078844A (zh) * | 2018-10-18 | 2020-04-28 | 上海交通大学 | 软件众包的任务型对话系统及方法 |
CN109829036A (zh) * | 2019-02-12 | 2019-05-31 | 浙江核新同花顺网络信息股份有限公司 | 一种对话管理方法及相关装置 |
CN111125309A (zh) * | 2019-12-23 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 自然语言处理方法、装置及计算设备、存储介质 |
CN111341311A (zh) * | 2020-02-21 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 一种语音对话方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈金菊;王义真;欧石燕;: "基于道路法规知识图谱的多轮自动问答研究", 现代情报, no. 08, 1 August 2020 (2020-08-01) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528002A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 对话识别方法、装置、电子设备和存储介质 |
CN112528002B (zh) * | 2020-12-23 | 2023-07-18 | 北京百度网讯科技有限公司 | 对话识别方法、装置、电子设备和存储介质 |
CN114663114A (zh) * | 2022-03-22 | 2022-06-24 | 平安科技(深圳)有限公司 | 会话管理方法、计算机及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446286B (zh) | 一种自然语言问句答案的生成方法、装置及服务器 | |
KR102199423B1 (ko) | 심리 상담 데이터를 기계 학습한 자동 대화 장치 및 그 방법 | |
US11693894B2 (en) | Conversation oriented machine-user interaction | |
US10446150B2 (en) | In-vehicle voice command recognition method and apparatus, and storage medium | |
US9582757B1 (en) | Scalable curation system | |
CN111177359A (zh) | 多轮对话方法和装置 | |
JP2020071869A (ja) | 動画基盤求人求職マッチングサーバーおよび方法 | |
Komatani et al. | User modeling in spoken dialogue systems to generate flexible guidance | |
CN111966809A (zh) | 基于多轮对话来进行知识问答的方法及装置 | |
CN112084317A (zh) | 预训练语言模型的方法和装置 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN110309277A (zh) | 人机对话语义解析方法和系统 | |
McTear et al. | Handling errors and determining confirmation strategies—an object-based approach | |
CN112667796A (zh) | 一种对话回复方法、装置、电子设备及可读存储介质 | |
CN116415650A (zh) | 生成对话语言模型及生成对话的方法、装置和存储介质 | |
CN111399629A (zh) | 一种终端设备的操作引导方法、终端设备及存储介质 | |
US20200364543A1 (en) | Computationally efficient expressive output layers for neural networks | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
CN112395887A (zh) | 对话应答方法、装置、计算机设备和存储介质 | |
CN111723559A (zh) | 一种实时信息抽取方法及装置 | |
CN111858874A (zh) | 对话服务处理方法、装置、设备及计算机可读存储介质 | |
CN116821290A (zh) | 面向多任务对话的大语言模型训练方法和交互方法 | |
CN115617972A (zh) | 一种机器人对话方法、装置、电子设备及存储介质 | |
CN113779227B (zh) | 案情事实抽取方法及系统及装置及介质 | |
CN110348010B (zh) | 同义短语获取方法及装置 |
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 |