CN112000781A - 用户对话中的信息处理方法、装置、电子设备及存储介质 - Google Patents

用户对话中的信息处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112000781A
CN112000781A CN202010699246.8A CN202010699246A CN112000781A CN 112000781 A CN112000781 A CN 112000781A CN 202010699246 A CN202010699246 A CN 202010699246A CN 112000781 A CN112000781 A CN 112000781A
Authority
CN
China
Prior art keywords
user
conversation
reply content
information
target
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
Application number
CN202010699246.8A
Other languages
English (en)
Other versions
CN112000781B (zh
Inventor
郭振
吴文权
刘占一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010699246.8A priority Critical patent/CN112000781B/zh
Publication of CN112000781A publication Critical patent/CN112000781A/zh
Priority to EP21168483.2A priority patent/EP3944097A1/en
Priority to US17/237,797 priority patent/US20220019747A1/en
Priority to KR1020210090415A priority patent/KR20220011083A/ko
Priority to JP2021114780A priority patent/JP7247442B2/ja
Application granted granted Critical
Publication of CN112000781B publication Critical patent/CN112000781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—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
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了一种用户对话中的信息处理方法、装置、电子设备及存储介质，涉及人工智能领域及自然语言处理领域。具体实现方案为：获取第一用户与第二用户的对话中的对话上文信息；获取第一用户采用的目标对话策略；根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容。本申请的方案，能够智能化地生成用户对话中的回复内容，而不用完全依赖用户生成回复内容，能够提高用户对话场景中信息处理的灵活性，增强用户对话场景的智能性。

Description

用户对话中的信息处理方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及人工智能领域及自然语言处理领域，具体涉及一种用户对话中的信息处理方法、装置、电子设备及存储介质。
背景技术
在基于用户与用户的对话所实现的用户对话场景中，如何与用户更好的聊天，一直是用户不断追求的课题。不管是朋友交往、工作沟通还是追求人生伴侣，都需要准确倾听对方的声音，并在合适的时间和场景给予合适的反馈。
但是，现有的用户对话场景中，由于对话双方均为用户而非机器等智能设备，所有对话过程完全依赖于用户，对话过程死板，智能性非常差。
发明内容
为了解决上述技术问题，本申请提供了一种用户对话中的信息处理方法、装置、电子设备及存储介质。
根据本申请的一方面，提供了一种用户对话中的信息处理方法，其中，所述方法包括：
获取第一用户与第二用户的对话中的对话上文信息；
获取所述第一用户采用的目标对话策略；
根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
向所述第一用户所在的客户端发送所述初始回复内容，以在所述第一用户与所述第二用户的对话界面展示所述初始回复内容。
根据本申请的另一方面，提供了一种用户对话中的信息处理装置，其中，所述装置包括：
信息获取模块，用于获取第一用户与第二用户的对话中的对话上文信息；
策略获取模块，用于获取所述第一用户采用的目标对话策略；
生成模块，用于根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
发送模块，用于向所述第一用户所在的客户端发送所述初始回复内容，以在所述第一用户与所述第二用户的对话界面展示所述初始回复内容。
根据本申请的再一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。
根据本申请的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方法。
根据本申请的技术，能够智能化地生成用户对话中的回复内容，而不用完全依赖用户生成回复内容，能够提高用户对话场景中信息处理的灵活性，增强用户对话场景的智能性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是根据本申请第三实施例的示意图；
图4是根据本申请第四实施例的示意图；
图5是用来实现本申请实施例的上述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的示意图；如图1所示，本实施例提供一种用户对话中的信息处理方法，具体可以包括如下步骤：
S101、获取第一用户与第二用户的对话中的对话上文信息；
S102、获取第一用户采用的目标对话策略；
S103、根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
S104、向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容。
本实施例的用户对话中的信息处理方法的执行主体可以为用户对话中的信息处理装置，该装置可以设置在基于用户与用户的对话所实现的用户对话系统中，实现对用户对话中的信息进行处理，以提高用户对话系统的智能性。
本实施例的用户对话系统可以为各种即时通信应用系统，与现有的人机对话系统不同。例如，人机对话是人工智能(Artificial Intelligence；AI)领域中一项相对成熟的技术，可以实现对话理解、规划、生成等技术。目前在智能客服以及各种特殊场景中都可以设置有相应的智能服务设备，通过人机对话的方式提供服务。也就是说，人机对话系统通常是基于一个固定的场景配置的，仅能适用于某个固定的场景。而用户对话系统中对话双方均为用户，不受任何场景的约束，所以用户对话系统适用于开放的系统。所以直接将某个场景的人机对话系统中某些技术直接应用至用户对话系统中，未必适用。
另外，考虑到用户对话系统的需求，用户在回复对方对话的时候，受个人能力等各方面的影响，用户无法生成能够让对方舒服的回复内容。基于此，本实施例中参考人机对话的智能性，在用户对话系统中，设置智能生成回复内容的功能，以供用户直接参考并使用，进而能够丰富用户对话中的回复内容生成的灵活性，能够提高用户对话中的智能性。
具体地，首先需要获取第一用户与第二用户的对话中的对话上文信息。本实施例中以第一用户和第二用户为对话双方，在第一用户侧生成初始回复内容为例。这里的第一用户和第二用户可以指的是对话双方的用户所使用的账户。具体地，可以在用户对话系统的服务器中获取当前的第一用户和第二用户的对话中的对话上文信息。本实施例的对话上文信息可以包括第二用户的最近邻的一条信息。或者也可以包括第一用户和第二用户双方各自最近邻的至少一条信息，以便于对上文场景进行理解。
本实施例中获取第一用户采用的目标对话策略，是用于在第一用户侧的对话中生成初始回复内容所采用的对话策略。本实施例的可供选择的对话策略可以为肯定、否定、委婉拒绝、转移话题以及至少一种套路的对话策略。具体地，每一种对话策略都具有其话术特性。例如，套路的对话策略可以为采用一定策略故意为对方设置圈套、以使得对方路落入圈套的策略等等。例如，不同的套路设置圈套的方式可以不相同。而且本实施例的套路的对话策略，通常需要后续的多句对话来支持。
接下来，可以将获取的第一用户采用的目标策略和第一用户与第二用户的对话中的对话上文信息，输入至该预先训练的话术生成模型，由该话术生成模型生成对应的初始回复内容。该话术生成模型可以基于神经网络预先训练得到。在训练过程中，该话术生成模型可以基于大量的训练数据，学习如何根据各种策略和对应的对话上文信息，生成相应的回复内容。这样，在该步骤使用时，该话术生成模型可以基于输入的目标策略和对话上文信息，生成相应的初始回复内容。该初始回复内容既参考了对话上文信息，又参考了目标策略，进而可以有效的保证生成的初始回复内容的准确性。
最后，向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容，这样可供第一用户参考该初始回复内容，若第一用户同意在聊天中采用该初始回复内容，可以复制该初始回复内容至聊天对话框中，并点击发送，使得第二用户可以在与第一用户的对话界面中可以看到该初始回复内容。若第一用户还想要对该初始回复内容进行调整，可以将该复制该初始回复内容至聊天对话框中之后，进行编辑，并在编辑之后点击发送。
例如，在用户对话系统的客户端的界面上，可以展示有策略选择模块，或者直接展示多个可供用户选择的策略。用户在使用时，可以选择其中一个策略作为目标策略，并点击回复内容生成按钮，此时，用户对话系统的服务器侧的信息处理装置，可以获取第一用户与第二用户的对话中的对话上文信息；并获取第一用户选择的目标对话策略；并根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容，并向第一用户所在的客户端发送初始回复内容，以在第一用户与所述第二用户的对话界面展示初始回复内容。
本实施例的用户对话中的信息处理方法，通过获取第一用户与第二用户的对话中的对话上文信息；获取第一用户采用的目标对话策略；根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容。本实施例的方案，能够智能化地生成用户对话中的回复内容，而不用完全依赖用户生成回复内容，能够提高用户对话场景中信息处理的灵活性，增强用户对话场景的智能性。
图2是根据本申请第二实施例的示意图；如图2所示，本实施例的用户对话中的信息处理方法在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本申请的技术方案。如图2所示，本实施例的用户对话中的信息处理方法，具体可以包括如下步骤：
S201、获取第一用户与第二用户的对话中的对话上文信息；
S202、采用预先训练的对话策略预测模型和第一用户与第二用户的历史对话信息，预测目标对话策略；
该步骤是202为上述图1所示实施例的步骤S102的一种实现方式。具体地，其中的对话策略预测模型可以基于神经网络模型预先训练得到。其中的第一用户和第二用户的历史对话信息可以包括当前对话场景中，当前对话之前的最近邻的至少一对对话信息，其中一对对话信息包括一句第一用户的对话和一句第二用户的对话。对话策略预测模型可以基于第一用户和第二用户的历史对话信息，理解两者的对话内容，进而可以基于当前的历史对话内容，预测一个比较有效的目标对话策略。
本实施例的该对话策略模型在训练时可以采用无数对的历史对话信息和对应的标注的目标对话策略，不断地对该对话策略模型进行训练，直到该对话策略模型能准确预测目标对话策略。
另外，可选地，上述图1所示实施例的步骤S102还可以通过获取第一用户从预设的对话策略集中选择的目标对话策略。例如，在对话界面中设置有对话策集中多个对话策略，第一用户可以从对话界面中点击选择某一个对话策略作为目标对话策略。用户对话系统的服务器检测该第一用户的选择时，可以获取到该第一用户从预设的对话策略集中选择的目标对话策略。
S203、根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
S204、对初始回复内容进行风格转换，作为目标回复内容；
此时用户可以将该目标回复内容复制在对话框中，并点击发送，这样，第二用户便可以看到该用户的目标回复内容。
本实施例的风格转换可以采用预设的模块来实现，或者也可以采用预设的风格转换模型来实现。例如，本实施例的风格转换可以包括土味情话风格、幽默风趣风格、方言版本的风格等等。具体地，在对应地风格转化模板中，可以设置相应风格的语言特色，进而可以对初始回复内容转换为携带相应风格特色的语言特色的目标回复内容。
或者本实施例中，可以预先训练有每一种风格对应的风格转换模型，风格转换模型基于神经网络模型预先训练得到。该风格的风格转换模型在训练时，可以采用无数对通用描述语料和对应的该风格的语料来训练，使得该风格转换模型学习该风格的语言描述，从而可以在使用时，接收到初始回复内容之后，便可以将该初始回复内容转换为该风格的目标回复内容。
另外，可选地，上述步骤S204的目标回复内容为文字的形式。实际应用中，目标回复内容还可以图片或者动画的形式。例如，可选地，本实施例中还可以包括如下步骤：
(a1)基于初始回复内容，进行图片生成，以生成携带初始回复内容的关键词信息的图片，作为目标回复内容；或者
(b1)基于初始回复内容，进行动画生成，以生成携带初始回复内容的关键词信息的动画，作为目标回复内容。
可选地，本实施例的图片生成也可以采用图片生成模板或者图片生成模型来上实现。
首先，可以采用关键词提取模型从初始回复内容中提取关键词，然后基于提取的关键词进行图片生成。若采用图片生成模板生成图片时，可以选择一个图片生成模板，然后在该图片生成模板中嵌入关键词，以及调整图片生成模板中的图片信息使其与该关键词的表意一致。
若采用图片生成模型生成图片时，向该图片生成模型输入关键词，该图片生成模型便可以基于该关键词生成一个恰当的图片，并输出。该图片生成模型基于神经网络模型预先训练得到。训练时，也可以采用无数对的关键词及对应的图片，使得图片生成模型学习什么样的关键词采用什么样的图片来描述更为准确。这样，使用时，向该图片生成模型输入该关键词时，该图片生成模型可以基于已经学习到的信息，可以预知采用什么样的图片能够准确表示该关键词。
需要说明的是，本实施例中生成的图片中可以携带关键词本身的文字，或者也可以携带与关键词表意相同的信息。
对于步骤(b1)和步骤(a1)的实现方式相似，也可以先采用关键词提取模型提取初始回复内容中的关键词。然后可以基于预设的动画生成模板或者动画生成模型，来生成携带初始回复内容的关键词信息的动画，作为目标回复内容。其实现过程与上述步骤(a1)同理，区别仅在于动画是连续的多张图画，组成的动态效果。其动画生成模板可以参考上述图片生模板的相关描述，动画生成模型可以参考上述图片生成模型的相关描述，在此不再赘述。
本实施例的该步骤(a1)或者(b1)可以替换步骤S204，采用不同的形式的目标回复内容，以丰富用户对话的聊天内容，增强其智能性。
S205、向第一用户所在的客户端发送目标回复内容，以在第一用户与第二用户的对话界面展示目标回复内容；
S206、基于初始回复内容的关键词，采用动漫生成模型生成对应的动漫；
S207、向第一用户所在的客户端发送生成的动漫，以在第一用户与第二用户的对话界面展示动漫。
步骤S206-S207也作为一种可选的方式，可以与上述步骤S204-S205同时存在。需要说明的是，上述步骤S204-S205最终生成的目标回复内容是展示在第一用户与第二用户的对话界面的对话框中。而该步骤S206-S207中是用于丰富对话界面，使得对话界面的展示更为精彩，增强用户的使用体验。
例如，若初始回复内容的关键词包括跑字，此时动漫生成模型可以生成一个卡通人物跑步的动漫。而若初始回复内容的关键词包括爱字，此时动漫生成模型可以生成一个卡通人物表达爱的动漫。而若初始回复内容的关键词包括想你，此时动漫生成模型可以生成一个卡通人物表达想你的动漫；等等。
本实施例的动漫生成模型也是基于神经网络预先训练得到的。在训练时，可以采用无数组关键词以及对应的动漫来训练该动漫生成模型，使得该动漫生成模型可以学习什么样的关键词采用什么样的动漫来比表示。
另外，可选地，在本实施例中，还可以包括如下步骤：
(a2)采用情感分析模型，基于第一用户与第二用户的历史对话信息，分析第二用户的情感信息，并向第一用户所在的客户端发送第二用户的情感信息，并在第一用户与第二用户的对话界面展示；
例如，在第一用户和第二用户的对话中，若第一用户在对话过程中还在忙其他的事情，可能没有仔细从第二用户的对话内容中分析第二用户的情绪。此时本实施例的情感分析模型可以实时根据第一用户和第二用户的历史对话信息，分析第二用户的情感信息，例如可以包括用户的情感是积极的，还是抗拒的。若是积极的，表示第二用户非常喜欢和第一用户聊天。若是抗拒的，则表示第二用户可能在忙别的事，目前并不是想要聊天。此时第一用户可以从对话界面中看到该第二用户的情感信息，并看到第二用户抗拒时，可以快速结束对话。而若第二用户时积极的，可以继续进行对话。
需要说明的是，该情感分析模型可以实时分析第一用户和第二用户的每一段历史对话，实现对所有历史对话进行情感分析。每一段历史对话可以包括至少一对对话信息，每一对对话信息中包括第一用户和第二用户各一句话。例如，该情感分析模型将分析的第二用户的情感信息展示在对话界面中，如展示在对应的历史对话的侧面，用户点击即可查看。或者为了丰富展示效果，还可以采用不同的颜色更加直观地来展示第二用户的情感信息。
(b2)采用话题兴趣度分析模型，基于第一用户与第二用户的历史对话信息，分析第二用户对当前话题是否感兴趣，并向第一用户所在的客户端发送第二用户对当前话题是否感兴趣，并在第一用户与第二用户的对话界面展示；和/或
同理，在第一用户和第二用户的对话中，第一用户想要分析第二用户对当前的话题是否感兴趣，需要仔细分析第二用户的每一句回复内容。而若用户不想仔细分析时，也可以借助于本实施例的话题兴趣度分析模型来分析第二用户对当前的话题是否感兴趣。
可选地，本实施例中，在第一用户和第二用户的实时聊天过程中，用户对话系统的服务器可以基于聊天内容涉及的话题对历史对话信息进行划分。本实施例的历史对话信息为一个话题的历史对话信息。本实施例的话题兴趣度分析模型可以基于历史对话信息中第一用户和第二用户的对话信息，分析第二用户对当前的话题是否感兴趣。并将分析结果发送给第一用户所在的客户端，并在第一用户与第二用户的对话界面展示。这样，第一用户可以根据分析结果，决定是否需要继续和第二用户聊当前话题，若发现第二用户对当前话题不感兴趣时，可以及时更换话题，进而能够增强用户对话的智能性。
同理，在第一用户和第二用户的聊天过程中，可以实时采用话题兴趣度分析模型分析第二用户对当前话题是否感兴趣，并实时将分析结果展示在第一用户侧、与第二用户的对话界面上。
再者，可选地，在本实施例中，还可以包括如下步骤：(c2)采用话题预测模型，基于第一用户与第二用户的历史对话信息，预测第二用户感兴趣的目标话题，并向第一用户所在的客户端发送第二用户感兴趣的目标话题，并在第一用户与第二用户的对话界面展示。
本实施例中，还可以采用话题预测模型预测第二用户可能感兴趣的话题，并及时展示在第一用户侧、与第二用户的对话界面上。这样，可以提示第一用户可以更换第二用户感兴趣的话题与第二用户进行对话，能够进一步增强用户对话的智能性。
需要说明的是，如上步骤(a2)-(c2)与上述图2所示实施例的步骤S201-S206没有先后顺序的关系。步骤(a2)-(c2)中各步骤可以分别独立实施，也可以互相组合，可以实时基于第一用户与第二用户的历史对话信息，实时分析或者预测，并将分析结果或者预测结果实时发送至第一用户所在的客户端，以在第一用户与第二用户的对话界面展示。这样，第一用户可以实时获取到这些信息，并参考分析结果或者预测结果，对第二用户进行聊天，进一步增强了用户对话的智能性。
例如，本实施例的上述所有模型均为神经网络模型，所有模型的训练可以仅经过一个阶段的训练完成，或者也可以经过预训练(Pre-training)和精调(Fine-tuning)两个阶段的训练来完成训练。
本实施例的用户对话中的信息处理方法，通过采用上述技术方案，可以在用户对话的场景中，采用一些模型来实现智能地分析和预测，使得用户对话中的用户也可以基于分析和预测的结果进行更加有效的对话，能够有效的丰富用户对话的场景，增强用户对话中的处理的灵活性，提高用户对话中的智能性，以及用户对话的效率。
图3是根据本申请第三实施例的示意图；本实施例提供一种用户对话中的信息处理装置300，包括：
信息获取模块301，用于获取第一用户与第二用户的对话中的对话上文信息；
策略获取模块302，用于获取第一用户采用的目标对话策略；
生成模块303，用于根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
发送模块304，用于向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容。
本实施例的用户对话中的信息处理装置300，通过采用上述模块实现用户对话中的信息处理的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图4是根据本申请第四实施例的示意图；如图4所示，本实施例的用户对话中的信息处理装置300，在上述图3所示实施例的技术方法的基础上，进一步更加详细地描述本申请的技术方案。
本实施例的用户对话中的信息处理装置300中，策略获取模块302，用于：
获取第一用户从预设的对话策略集中选择的目标对话策略；或者
采用预先训练的对话策略预测模型和第一用户与第二用户的历史对话信息，预测目标对话策略。
进一步可选地，本实施例的用户对话中的信息处理装置300中，还包括：
风格转换模块305，用于对初始回复内容进行风格转换，作为目标回复内容；
图片生成模块306，用于基于初始回复内容，进行图片生成，以生成携带初始回复内容的关键词信息的图片，作为目标回复内容；或者
动画生成模块307，用于基于初始回复内容，进行动画生成，以生成携带初始回复内容的关键词信息的动画，作为目标回复内容。
进一步可选地，本实施例的用户对话中的信息处理装置300中，还包括：
动漫生成模块308，用于基于初始回复内容的关键词，采用动漫生成模型生成对应的动漫；
发送模块304，还用于向第一用户所在的客户端发送生成的动漫，以在第一用户与第二用户的对话界面展示动漫。
进一步可选地，本实施例的用户对话中的信息处理装置300中，还包括：
分析模块309，用于采用情感分析模型，基于第一用户与第二用户的历史对话信息，分析第二用户的情感信息；和/或采用话题兴趣度分析模型，基于第一用户与第二用户的历史对话信息，分析第二用户对当前话题是否感兴趣；
发送模块304，还用于向第一用户所在的客户端发送第二用户的情感信息，并在第一用户与第二用户的对话界面展示；和/或向第一用户所在的客户端发送第二用户对当前话题是否感兴趣，并在第一用户与第二用户的对话界面展示。
进一步可选地，本实施例的用户对话中的信息处理装置300中，还包括：
预测模块310，用于采用话题预测模型，基于第一用户与第二用户的历史对话信息，预测第二用户感兴趣的目标话题；
发送模块304，还用于向第一用户所在的客户端发送第二用户感兴趣的目标话题，并在第一用户与第二用户的对话界面展示。…
本实施例的用户对话中的信息处理装置300，通过采用上述模块实现用户对话中的信息处理的实现原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是本申请实施例的实现上述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的用户对话中的信息处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用户对话中的信息处理方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用户对话中的信息处理方法对应的程序指令/模块(例如，附图3和附图4所示的相关模块)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用户对话中的信息处理方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现用户对话中的信息处理方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至实现用户对话中的信息处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现用户对话中的信息处理方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与实现用户对话中的信息处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过获取第一用户与第二用户的对话中的对话上文信息；获取第一用户采用的目标对话策略；根据目标对话策略和对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；向第一用户所在的客户端发送初始回复内容，以在第一用户与第二用户的对话界面展示初始回复内容。本实施例的方案，能够智能化地生成用户对话中的回复内容，而不用完全依赖用户生成回复内容，能够提高用户对话场景中信息处理的灵活性，增强用户对话场景的智能性。
根据本申请实施例的技术方案，通过采用上述技术方案，可以在用户对话的场景中，采用一些模型来实现智能地分析和预测，使得用户对话中的用户也可以基于分析和预测的结果进行更加有效的对话，能够有效的丰富用户对话的场景，增强用户对话中的处理的灵活性，提高用户对话中的智能性，以及用户对话的效率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种用户对话中的信息处理方法，其中，所述方法包括：
获取第一用户与第二用户的对话中的对话上文信息；
获取所述第一用户采用的目标对话策略；
根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
向所述第一用户所在的客户端发送所述初始回复内容，以在所述第一用户与所述第二用户的对话界面展示所述初始回复内容。
2.根据权利要求1所述的方法，其中，获取所述第一用户采用的目标对话策略，包括：
获取所述第一用户从预设的对话策略集中选择的所述目标对话策略；或者
采用预先训练的对话策略预测模型和所述第一用户与所述第二用户的历史对话信息，预测所述目标对话策略。
3.根据权利要求1所述的方法，其中，根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容之后，所述方法还包括：
对所述初始回复内容进行风格转换，作为目标回复内容；
基于所述初始回复内容，进行图片生成，以生成携带所述初始回复内容的关键词信息的图片，作为目标回复内容；或者
基于所述初始回复内容，进行动画生成，以生成携带所述初始回复内容的关键词信息的动画，作为目标回复内容。
4.根据权利要求1所述的方法，其中，根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容之后，所述方法还包括：
基于所述初始回复内容的关键词，采用动漫生成模型生成对应的动漫；
并向所述第一用户所在的客户端发送生成的所述动漫，以在所述第一用户与所述第二用户的对话界面展示所述动漫。
5.根据权利要求1-4任一所述的方法，其中，所述方法还包括：
采用情感分析模型，基于所述第一用户与所述第二用户的历史对话信息，分析所述第二用户的情感信息，并向所述第一用户所在的客户端发送所述第二用户的情感信息，并在所述第一用户与所述第二用户的对话界面展示；和/或
采用话题兴趣度分析模型，基于所述第一用户与所述第二用户的历史对话信息，分析所述第二用户对当前话题是否感兴趣，并向所述第一用户所在的客户端发送所述第二用户对当前话题是否感兴趣，并在所述第一用户与所述第二用户的对话界面展示。
6.根据权利要求1-4任一所述的方法，其中，所述方法还包括：
采用话题预测模型，基于所述第一用户与所述第二用户的历史对话信息，预测所述第二用户感兴趣的目标话题，并向所述第一用户所在的客户端发送所述第二用户感兴趣的所述目标话题，并在所述第一用户与所述第二用户的对话界面展示。
7.一种用户对话中的信息处理装置，其中，所述装置包括：
信息获取模块，用于获取第一用户与第二用户的对话中的对话上文信息；
策略获取模块，用于获取所述第一用户采用的目标对话策略；
生成模块，用于根据所述目标对话策略和所述对话上文信息，采用预先训练的话术生成模型，生成对应的初始回复内容；
发送模块，用于向所述第一用户所在的客户端发送所述初始回复内容，以在所述第一用户与所述第二用户的对话界面展示所述初始回复内容。
8.根据权利要求7所述的装置，其中，所述策略获取模块，用于：
获取所述第一用户从预设的对话策略集中选择的所述目标对话策略；或者
采用预先训练的对话策略预测模型和所述第一用户与所述第二用户的历史对话信息，预测所述目标对话策略。
9.根据权利要求7所述的装置，其中，所述装置还包括：
风格转换模块，用于对所述初始回复内容进行风格转换，作为目标回复内容；
图片生成模块，用于基于所述初始回复内容，进行图片生成，以生成携带所述初始回复内容的关键词信息的图片，作为目标回复内容；或者
动画生成模块，用于基于所述初始回复内容，进行动画生成，以生成携带所述初始回复内容的关键词信息的动画，作为目标回复内容。
10.根据权利要求7所述的装置，其中，所述装置还包括动漫生成模块；
所述动漫生成模块，用于基于所述初始回复内容的关键词，采用动漫生成模型生成对应的动漫；
所述发送模块，还用于向所述第一用户所在的客户端发送生成的所述动漫，以在所述第一用户与所述第二用户的对话界面展示所述动漫。
11.根据权利要求7-10任一所述的装置，其中，所述装置还包括：
分析模块，用于采用情感分析模型，基于所述第一用户与所述第二用户的历史对话信息，分析所述第二用户的情感信息；和/或采用话题兴趣度分析模型，基于所述第一用户与所述第二用户的历史对话信息，分析所述第二用户对当前话题是否感兴趣；
所述发送模块，还用于向所述第一用户所在的客户端发送所述第二用户的情感信息，并在所述第一用户与所述第二用户的对话界面展示；和/或向所述第一用户所在的客户端发送所述第二用户对当前话题是否感兴趣，并在所述第一用户与所述第二用户的对话界面展示。
12.根据权利要求7-10任一所述的装置，其中，所述装置还包括：
预测模块，用于采用话题预测模型，基于所述第一用户与所述第二用户的历史对话信息，预测所述第二用户感兴趣的目标话题；
所述发送模块，还用于向所述第一用户所在的客户端发送所述第二用户感兴趣的所述目标话题，并在所述第一用户与所述第二用户的对话界面展示。
13.一种电子设备，其中，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202010699246.8A 2020-07-20 2020-07-20 用户对话中的信息处理方法、装置、电子设备及存储介质 Active CN112000781B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010699246.8A CN112000781B (zh) 2020-07-20 2020-07-20 用户对话中的信息处理方法、装置、电子设备及存储介质
EP21168483.2A EP3944097A1 (en) 2020-07-20 2021-04-15 Method and apparatus for information processing in user conversation, electronic device and storage medium
US17/237,797 US20220019747A1 (en) 2020-07-20 2021-04-22 Method for information processing in user conversation, electronic device and storage medium thereof
KR1020210090415A KR20220011083A (ko) 2020-07-20 2021-07-09 사용자 대화 중 정보 처리 방법, 장치, 전자 기기 및 기록 매체
JP2021114780A JP7247442B2 (ja) 2020-07-20 2021-07-12 ユーザ対話における情報処理方法、装置、電子デバイス及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010699246.8A CN112000781B (zh) 2020-07-20 2020-07-20 用户对话中的信息处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112000781A true CN112000781A (zh) 2020-11-27
CN112000781B CN112000781B (zh) 2023-07-21

Family

ID=73468071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010699246.8A Active CN112000781B (zh) 2020-07-20 2020-07-20 用户对话中的信息处理方法、装置、电子设备及存储介质

Country Status (5)

Country Link
US (1) US20220019747A1 (zh)
EP (1) EP3944097A1 (zh)
JP (1) JP7247442B2 (zh)
KR (1) KR20220011083A (zh)
CN (1) CN112000781B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065363A (zh) * 2021-03-22 2021-07-02 联想(北京)有限公司 一种对话信息的处理方法及装置
CN115964462A (zh) * 2022-12-30 2023-04-14 北京百度网讯科技有限公司 对话内容处理方法、对话理解模型的训练方法和装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722171B (zh) * 2022-03-28 2023-10-24 北京百度网讯科技有限公司 多轮对话处理方法、装置、电子设备及存储介质
CN115630152A (zh) * 2022-12-12 2023-01-20 北京红棉小冰科技有限公司 虚拟人物直播对话的方式、装置、电子设备及存储介质
CN118153687A (zh) * 2024-02-06 2024-06-07 北京红棉小冰科技有限公司 对话系统的记忆增强回复方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599998A (zh) * 2016-12-01 2017-04-26 竹间智能科技（上海）有限公司 基于情感特征调整机器人回答的方法及系统
US10418032B1 (en) * 2015-04-10 2019-09-17 Soundhound, Inc. System and methods for a virtual assistant to manage and use context in a natural language dialog
CN111026932A (zh) * 2019-12-20 2020-04-17 北京百度网讯科技有限公司 人机对话交互方法、装置、电子设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3962767B2 (ja) 2004-10-08 2007-08-22 松下電器産業株式会社 対話支援装置
JP4079275B2 (ja) 2005-04-20 2008-04-23 株式会社ソニー・コンピュータエンタテインメント 会話支援装置
JP6523974B2 (ja) 2016-01-05 2019-06-05 株式会社東芝 コミュニケーション支援装置、コミュニケーション支援方法、および、プログラム
JP2019008570A (ja) 2017-06-26 2019-01-17 ソニー株式会社 情報処理装置、情報処理方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10418032B1 (en) * 2015-04-10 2019-09-17 Soundhound, Inc. System and methods for a virtual assistant to manage and use context in a natural language dialog
CN106599998A (zh) * 2016-12-01 2017-04-26 竹间智能科技（上海）有限公司 基于情感特征调整机器人回答的方法及系统
CN111026932A (zh) * 2019-12-20 2020-04-17 北京百度网讯科技有限公司 人机对话交互方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶晓峰;吕朋朋;缪平;娄保东;: "基于深度神经网络的工单采集模型研究", 自动化与仪器仪表, no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065363A (zh) * 2021-03-22 2021-07-02 联想(北京)有限公司 一种对话信息的处理方法及装置
CN115964462A (zh) * 2022-12-30 2023-04-14 北京百度网讯科技有限公司 对话内容处理方法、对话理解模型的训练方法和装置

Also Published As

Publication number Publication date
JP2022020574A (ja) 2022-02-01
US20220019747A1 (en) 2022-01-20
JP7247442B2 (ja) 2023-03-29
EP3944097A1 (en) 2022-01-26
CN112000781B (zh) 2023-07-21
KR20220011083A (ko) 2022-01-27

Similar Documents

Publication Publication Date Title
CN112000781B (zh) 用户对话中的信息处理方法、装置、电子设备及存储介质
CN110869969B (zh) 用于在通信会话内生成个性化响应的虚拟助手
CN112100352B (zh) 与虚拟对象的对话方法、装置、客户端及存储介质
US20210209164A1 (en) Method, apparatus, and storage medium for recommending interactive information
JP2021185478A (ja) 代替インタフェースでのプレゼンテーションのための電子会話の解析
CN111881254B (zh) 话术生成方法、装置、电子设备及存储介质
CN111666380A (zh) 一种智能呼叫方法、装置、设备和介质
CN111680517B (zh) 用于训练模型的方法、装置、设备以及存储介质
CN111144108A (zh) 情感倾向性分析模型的建模方法、装置和电子设备
CN111524123B (zh) 用于处理图像的方法和装置
CN112148850A (zh) 动态交互方法、服务器、电子设备及存储介质
CN112269867A (zh) 用于推送信息的方法、装置、设备以及存储介质
CN111883127A (zh) 用于处理语音的方法和装置
CN112270918A (zh) 信息处理方法、装置、系统、电子设备及存储介质
CN111709362A (zh) 用于确定重点学习内容的方法、装置、设备及存储介质
CN110633357A (zh) 语音交互方法、装置、设备和介质
CN112669855A (zh) 语音处理方法和装置
CN112148849A (zh) 动态交互方法、服务器、电子设备及存储介质
CN113302628A (zh) 利用领域知识微移神经会话式模型
KR101914583B1 (ko) 보안 등과 관련된 서비스를, 사용자간 대화 세션에 대한 모니터링에 기초하고 대화 세션 또는 별도의 세션을 통해, 능동적으로 제공하는 대화형 ai 에이전트 시스템, 방법 및 컴퓨터 판독가능 기록 매체
CN112328776A (zh) 对话生成方法、装置、电子设备和存储介质
CN117033587A (zh) 人机交互方法、装置、电子设备及介质
KR20190094080A (ko) 사용자간 대화 세션에 대한 모니터링에 기초하여 능동적으로 주문 또는 예약 서비스를 제공하는 대화형 ai 에이전트 시스템, 방법 및 컴퓨터 판독가능 기록 매체
CN110674338A (zh) 语音技能推荐方法、装置、设备及存储介质
CN110727795B (zh) 新闻播报的方法及装置

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
GR01 Patent grant
GR01 Patent grant