CN112131360A - 一种智能多轮对话定制方法及系统 - Google Patents
一种智能多轮对话定制方法及系统 Download PDFInfo
- Publication number
- CN112131360A CN112131360A CN202010919460.XA CN202010919460A CN112131360A CN 112131360 A CN112131360 A CN 112131360A CN 202010919460 A CN202010919460 A CN 202010919460A CN 112131360 A CN112131360 A CN 112131360A
- Authority
- CN
- China
- Prior art keywords
- question
- user
- answer
- chatting
- type
- 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
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
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/315—Object-oriented languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/42—Syntactic analysis
Abstract
本发明提供了一种智能多轮对话定制方法及系统,包括获取用户输入的问题;经过决策器判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题;若判断为问答型问题,流转到问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;若判断为闲聊型问题,流转到闲聊模块,调用闲聊模型计算答案返回用户;若判断为任务型问题,触发多轮任务模块,通过规则引擎解析,执行多轮流程。本发明无需编程,所有操作都是页面配置,不需改动程序代码即可应用于多场景中,简化机器人创建的难度,有效节约人工成本。特别是内置函数功能,保证系统扩展性和可变性,不依赖于外部系统进行逻辑处理,缓解外围接口压力。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种智能多轮对话定制方法及系统。
背景技术
自然语言处理(NLP,Natural Language Processing)是一个信息时代最重要的技术之一,简单来讲,就是让计算机能够理解人类语言的一种技术。人机交互方式越来越接近以视觉加自然语言为主的人人交互方式,人机交互不再是人从机器,而是机器服从人。由于语言是人类最重要的信息输出方式,所以,以对话交互为核心的对话系统将成为人机交互的重要纽带和桥梁。
目前而言,对话交互/人机对话所解决的典型问题类型有三种,任务型(Task)、问答型(FAQ)和闲聊型(Chat)。任务型如“订一张明天上海到北京的火车票“;问答型,如”珠穆朗玛峰有多高”;闲聊型,如”我今天心情不好”。任务型机器人指特定条件下提供信息或服务的机器人。通常情况下是为了满足带有明确目的的用户,例如查流量,查话费,订餐,订票,咨询等任务型场景。由于用户的需求较为复杂,通常情况下需分多轮互动,用户也可能在对话过程中不断修改与完善自己的需求,任务型机器人需要通过询问、澄清和确认来帮助用户明确目的。
在问答场景中,客户一般咨询的是常见的FAQ问题,可以基于端到端的深度学习训练,将训练集中标注好的问题和FAQ库里的标准问题编码成语义向量,最后计算用户的输入和库里的标准问题的向量相似度,将最相似的FAQ返回给用户。在闲聊场景中,机器人检测到用户是在闲聊,就可以进入闲聊逻辑进行回复。机器人还要能够感知到用户情绪,比如用户愤怒了能安慰用户;能够对一些敏感词进行过滤;还应该对一些开放领域知识进行回答,比如下一届奥运会在哪里举行。
但是,目前机器人主要是单一类型,通过不断完善知识库提供用户回答的准确率,多轮对话技术通过规则决策解析模版,执行流程的运转,应用于单一场景中。在不同场景中,需要开发配置不同类型的机器人。并且,目前数据都是预先在外围系统处理好,外围系统同一接口需要根据不同需求做不同处理。每次用户需求变更时,外部系统需要更改代码。这样,同一接口如果拆分过多就会导致容易混乱。如果遇到外围系统资源紧张时,则导致机器人开发延期。在多轮对话场景中,机器人没有支持逻辑计算,数据都是调用外围接口处理的结果。但是,随着目前机器人的多轮需求越来越多,主流系统多轮对话配置相应也越来越复杂,非专业IT人员无法使用该系统,无法配置使其符合新的应用场景。由于很多公司的专业人员有限,将会限制机器人的开发效率,同时增加人力成本。另外,目前多轮词槽组、接口调用都无法进行页面模拟,需要第三方工具调用,每次调用时需要进行的参数配置非常复杂,显示不直观。此外,在多轮任务的功能每次发生变化时,需要修改代码,编写代码进行逻辑处理。可以看出,目前智能对话机器人系统的适应性能力差,变更流程复杂,变更困难,所调用外围系统资源经常紧张而有处理压力,需要AI专业人员才能进行开发。在用户使用过程中,使用难度大,用户需要经过长时间的培训才能正常使用。
因此,需要一种通用于多种应用场景、无需改动程序代码、配置简单、缓解外围接口资源紧张的智能多轮对话定制方法及系统,从而缓解上述问题的发生。
术语解释:
1)FAQ(Frequently Asked Questions):常见的问题项目与对应问题的解答,即常见问题解答。
2)自然语言处理(Natural Language Processing-,简称NLP):是人工智慧和语言学领域的分支学科。在这此领域中探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。
3)槽:槽是多轮对话过程中将初步用户意图转化为明确用户指令所需要补全的信息。一个槽与一件事情处理中所需要获取的一种信息相对应;
4)Java是一种真正面向对象的编程语言,即使是开发简单的程序,也必须设计对象,可用来开发软件以及手机、游戏等项目;
5)JavaScript是一种简单的解释性的脚本语言,由浏览器(如IE)或类似于浏览器的级别逐行解释执行,多用于网页或类似于网页的编程,为网页添加各式各样的动态功能,可用于服务器端,也可于用户客户端。
发明内容
为了解决上述问题,本发明提供一种智能多轮对话定制方法及系统,内置函数功能,将目前人机对话典型问题任务型、回答型、闲聊型进行融合,无需编程,页面动态创建、配置机器人,通过模型判断问题类型,进行回复,从而缩短机器人产品开发周期,有效节约人工成本,缓解外围接口压力。
为实现上述目的,本发明提供了一种智能多轮对话定制方法,包括:
获取用户输入的问题;
经过决策器判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题;
若判断为问答型问题,流转到问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;
若判断为闲聊型问题,流转到闲聊模块,调用闲聊模型计算答案返回用户;
若判断为任务型问题,触发多轮任务模块,通过规则引擎解析,执行多轮流程。
可选地,所述执行多轮流程时,执行内置函数、接口槽、词槽、话术,将数据返回给用户进行多轮交互。
可选地,所述内置函数用于页面测试,通过在网页编写javascript函数,对该函数进行格式化,生成对应参数个数的文本框用于参数输入,获取输入的参数后,后端java解析javascript脚本返回对应的函数值,进行页面单元测试。
可选地,对于闲聊型问题,若闲聊模型没有计算出答案,调用第三方接口,获取答案返回给用户。
可选地,对于问答型问题,若知识库中的标准问题和相似问题中均不存在用户所提问的问题,将该问题内容进行反馈,形成数据闭环。
可选地,判断不存在用户所提问的问题,是根据模型匹配的置信度,若置信度较低,将用户问题回流管理,进行标注,同时生成对应的报表。
可选地,还包括记录函数的调用顺序和参数、修改函数的参数及返回值、用javascript代码替代java的逻辑处理执行。
另外,本发明还提供了一种智能多轮对话定制系统,用于实现上述所述的方法,包括:
数据采集模块,获取用户输入的问题;
类型决策器,判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题,触发相应的问题模块,所述问题模块包括问答模块、闲聊模块和多轮任务模块;
问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;
闲聊模块,调用闲聊模型计算答案返回用户;
多轮任务模块,通过规则引擎解析,执行多轮流程。
可选地,该系统支持简单配置和复杂配置,根据不同应用场景选择启用一个或多个问题模块。
此外,本发明还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述智能多轮对话定制方法。
本发明的优点和有益效果在于:相比现有的人机对话机器人系统,本发明提供了一种智能多轮对话定制方法及系统,可通用于任务型、回答型、闲聊型等各种场景领域。本发明根据知识库数据进行区分问题类型,多轮配置支持简单模式和复杂模式,根据实际应用场景灵活选择,减轻系统存储压力。同时,多轮控件内置函数、接口槽、词槽,均支持页面单元测试,在页面即可编写逻辑处理,这是目前其他系统不具备的。也就是说,本发明无需编程,所有操作都是页面配置,不需改动程序代码即可应用于多场景中,简化机器人创建的难度,从而缩短机器人产品开发周期,有效节约人工成本。特别是内置函数功能,保证系统扩展性和可变性,不依赖于外部系统进行逻辑处理,缓解外围接口压力。本发明多轮配置简单,可适用与任何场景的多轮任务,降低了使用人员的学习成本,并且最大程度地增加了现有工具的利用率,让AI系统走进普通用户成为了可能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的部分介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了本发明一实施例的智能多轮对话定制方法的流程示意图;
图2示意性示出了本发明一实施例的智能多轮对话定制方法的页面编辑和解析示意图;
图3示意性示出了本发明一实施例的智能多轮对话定制方法的内置函数执行流程示意图;
图4示意性示出了本发明一实施例的智能多轮对话定制系统的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
在一实施例中,如图1所示,本发明提供了一种智能多轮对话定制方法,包括以下步骤:
获取用户输入的问题;通常在机器人系统设置有声音采集单元或文字识别单元,通过采集用户的语音获取用户输入的问题,也可以是用户通过人机界面的键盘输入文字后,文字识别单元识别所输入的文字获取用户输入的问题;
经过决策器判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题;此决策器判断用户意图,得出用户的问题类型,便于引导用户进入后续流程,使得用户按照预设流程执行操作,并流转到不同功能的控制模块;
若判断为问答型问题,流转到问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;知识库中已经存储问题关联的答案,便于直接调取;
若判断为闲聊型问题,流转到闲聊模块,调用闲聊模型计算答案返回用户;由于闲聊型问题不需要非常准确的标准答案,可通过闲聊模块计算符合逻辑或习惯、娱乐的答案返回用户;
若判断为任务型问题,触发多轮任务模块,通过规则引擎解析,执行多轮流程。该多轮任务模块根据内置函数,可根据当前场景下管理人员的配置,将页面配置的流程生成对应的规则语法,然后通过规则引擎解析,引导用户按照配置流程执行后续多轮流程。
在一实施例中,所述执行多轮流程时,执行内置函数、接口槽、词槽、话术,将数据返回给用户进行多轮交互。
其中,如图2和3所示,内置函数用于页面测试,通过在网页编写javascript函数,对该函数进行格式化,生成对应参数个数的文本框用于参数输入,获取输入的参数后,后端java解析javascript脚本返回对应的函数值,进行页面单元测试。
接口槽为接口统一管理的地方,包含请求参数和url配置后再多轮中根据接口名称获取,可以进行页面单元测试,并格式化。接口槽信息来源于接口场景中的信息。
词槽组:槽信息来源于用户对话中的关键字。利用用户话中关键词来填写的“槽”叫做词槽,使用多个关键词填写的槽叫词槽组。
话术:回复用户内容的文本模块,支持富文本。
如图2和3所示,管理人员登录当前对话定制系统页面,先找到内置函数菜单,点击后,页面添加javascript函数,通过js_beautify.js对页面函数进行格式化,当管理人员输入完毕移开函数脚本域,会自动出现对应参数的文本框,在该文本框中输入参数内容就可以进行页面单元测试。
如图3所示,内置函数执行流程具体如下:
进行javascript函数编写;
判断javascript函数代码是否正确;
若不正确,修改javascript函数;
若正确,通过js_beautify.js对函数进行格式化;
javascript输入参数;
后端java解析执行javascript脚本代码;
返回对应的函数值结果。
以下通过一简单的求两数最大值举例说明内置函数执行流程:
前端javascript函数功能为:
后端java代码解析代码为:
在一实施例中,对于闲聊型问题,若闲聊模型没有计算出答案,调用第三方接口,获取答案返回给用户。由于用户所提问的问题可能过于生僻,闲聊模型无法计算出答案,则可调用第三方闲聊接口,通过外围系统寻找答案,返回给用户。通过该设置,本发明的方法可以优先通过自身解决问题,大幅减少调用外围系统资源的频率,缓解外围资源紧张的压力。例如,如果用户输入的是闲聊类型“我好困啊”,调用闲聊模型计算用户的返回内容,比如“亲爱的赶紧去休息吧,来不及休息的话,需要去买杯咖啡吗?”。如果没有计算出,例如用户提问的是“银河水可以喝吗”,则调用第三方接口并将答案返回给用户,比如调用天文知识库返回答案“银河是由很多恒星组成的,并不是河水,不能喝呢”给用户。
在一实施例中,对于问答型问题,若知识库中的标准问题和相似问题中均不存在用户所提问的问题,将该问题内容进行反馈,形成数据闭环。
其中,判断不存在用户所提问的问题,是根据模型匹配的置信度,若置信度较低,将用户问题回流管理,进行标注,同时生成对应的报表。
以下对三种类型问题的处理过程进行具体说明:
如图1所示,用户输入问题后,该方法首先获取用户输入信息,然后经过决策器进行判断问题类型:对于问答型问题,则流转问答模块,通过知识库中的数据生成相应的模型,通过模型判断用户问题的类型并将标准答案返回用户;对于闲聊型问题,则流转闲聊模块,如果闲聊模型未识别到调用第三方闲聊接口,将答案返回用户;如果是任务型问题,触发多轮任务,将页面配置的流程生成对应的规则语法,然后通过规则引擎解析,分别执行多轮流程中4类,内置函数、接口槽,词槽,话术,然后将执行过程保存在对话管理模块中,并记录保存在库中,生成对应报表。用户下次访问多轮时根据对话管理模块的记录进行流转。
在该方法运行的整个系统中,支持多种机器人类型。调用过程中,传入机器人的ID地址可区分机器人类型。
以党建机器人为例,若用户提问的是党章第一条问题,根据接口中的ID地址找到党建类机器人,然后进入决策器,判断问题类型,发现问题是问答型,调用对应的模型获取问题的答案返回用户,如果模型匹配的置信度较低,将用户的问题回流管理,数据配置管理员可以看到对应的问题,进行标注,同时生成对应的报表。
如果用户输入的是闲聊类型,我好困啊,调用闲聊模型计算用户的返回内容,如果没有计算出,调用第三方接口并将答案返回给用户。
如果用户输入的是任务型问题“我要销卡”,该方法会进入销卡的流程中,根据用户配置的流程进行流转,遇到话术节点将数据返回给用户进行多轮交互,用户再次输入内容继续上次流程继续运行,如此反复直到流程结束。
在一实施例中,该方法通过javascript语法编辑和解析2种手段,通过java解析javascript函数,通过javascrip函数对数据进行逻辑计算,并将计算结果应用于多轮对话流程中,包括但并不局限于:还包括在该方法执行时记录函数的调用顺序和参数、修改函数的参数及返回值、用javascript代码替代java的逻辑处理执行等。
另外,如图4所示,本发明在一实施例中还提供了一种智能多轮对话定制系统100,用于实现上述智能多轮对话定制方法,包括:
数据采集模块101,获取用户输入的问题;数据采集模块101包括声音采集单元或文字识别单元,通常在机器人系统设置有声音采集单元或文字识别单元,采集用户的语音获取用户输入的问题,也可以是用户通过人机界面的键盘输入文字后,文字识别单元识别所输入的文字获取用户输入的问题;
类型决策器102,判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题,触发相应的问题模块,所述问题模块包括问答模块103、闲聊模块104和多轮任务模块105;该类型决策器102可以判断用户意图,得出用户的问题类型,便于引导用户进入后续流程,使得用户按照预设流程执行操作,并流转到不同功能的控制模块;
问答模块103,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;若类型决策器102判断为问答型问题,流转到问答模块103,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;知识库中已经存储问题关联的答案,便于直接调取;
闲聊模块104,调用闲聊模型计算答案返回用户;若类型决策器102判断为闲聊型问题,流转到闲聊模块104,调用闲聊模型计算答案返回用户;由于闲聊型问题不需要非常准确的标准答案,可通过闲聊模块104计算符合逻辑或习惯、娱乐的答案返回用户;
多轮任务模块105,通过规则引擎解析,执行多轮流程。若类型决策器102判断为任务型问题,触发多轮任务模块105,根据内置函数,以及根据当前场景下管理人员的配置,将页面配置的流程生成对应的规则语法,然后通过规则引擎解析,引导用户按照配置流程执行后续多轮流程。
在一实施例中,所述执行多轮流程时,执行内置函数、接口槽、词槽、话术,将数据返回给用户进行多轮交互。
其中,如图2和3所示,内置函数用于页面测试,通过在网页编写javascript函数,对该函数进行格式化,生成对应参数个数的文本框用于参数输入,获取输入的参数后,后端java解析javascript脚本返回对应的函数值,进行页面单元测试。
接口槽为接口统一管理的地方,包含请求参数和url配置后再多轮中根据接口名称获取,可以进行页面单元测试,并格式化。接口槽信息来源于接口场景中的信息。
词槽组:槽信息来源于用户对话中的关键字。利用用户话中关键词来填写的“槽”叫做词槽,使用多个关键词填写的槽叫词槽组。
话术:回复用户内容的文本模块,支持富文本。
如图2和3所示,管理人员登录当前智能多轮对话定制系统100页面,先找到内置函数菜单,点击后,页面添加javascript函数,通过js_beautify.js对页面函数进行格式化,当管理人员输入完毕移开函数脚本域,会自动出现对应参数的文本框,在该文本框中输入参数内容就可以进行页面单元测试。该系统的所有操作都是页面配置,简化机器人创建的难度。
以下对该系统针对三种类型问题的处理过程进行具体说明:
用户输入问题后,数据采集模块101首先获取用户输入信息,然后类型决策器102进行判断问题类型:对于问答型问题,则流转问答模块103,通过知识库中的数据生成相应的模型,通过模型判断用户问题的类型并将标准答案返回用户;对于闲聊型问题,则流转闲聊模块104,如果闲聊模型未识别到调用第三方闲聊接口,将答案返回用户;如果是任务型问题,触发多轮任务模块105,将页面配置的流程生成对应的规则语法,然后通过规则引擎解析,分别执行多轮流程中4类,内置函数、接口槽,词槽,话术,然后将执行过程保存在对话管理模块中,并记录保存在库中,生成对应报表。用户下次访问多轮时根据对话管理模块的记录进行流转。
整个对话定制系统100支持多种机器人类型。调用过程中,传入机器人的ID地址可区分机器人类型。
以党建机器人为例,若用户提问的是党章第一条问题,根据接口中的ID地址找到党建类机器人,然后进入决策器,判断问题类型,发现问题是问答型,调用对应的模型获取问题的答案返回用户,如果模型匹配的置信度较低,将用户的问题回流管理,数据配置管理员可以看到对应的问题,进行标注,同时生成对应的报表。
如果用户输入的是闲聊类型,我好困啊,调用闲聊模型计算用户的返回内容,如果没有计算出,调用第三方接口并将答案返回给用户。
如果用户输入的是任务型问题“我要销卡”,该方法会进入销卡的流程中,根据用户配置的流程进行流转,遇到话术节点将数据返回给用户进行多轮交互,用户再次输入内容继续上次流程继续运行,如此反复直到流程结束。
在一实施例中,该系统支持简单配置和复杂配置,根据不同应用场景选择启用一个或多个问题模块。例如,在一些特定场景下,比如办卡业务场景,在办卡中心的该机器人系统或者在线服务机器人系统,管理人员只需要配置办卡相关的问答模块103和/或多轮任务模块105,而不需要启动闲聊模块104,便于系统的快速运行。同时,根据应用场景,也可以配置相关场景下的问题知识库,不需要覆盖过多问题和答案,减少该系统的存储压力。该系统可以在页面动态创建机器人,以数据驱动问答类型,可以支持机器人个性化设置,简化多轮的配置,支持简单配置和复杂配置2种模式,供不同类型的使用人员使用。
此外,本发明还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述智能多轮对话定制方法,至少包括以下步骤:
获取用户输入的问题;
经过决策器判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题;
若判断为问答型问题,流转到问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;
若判断为闲聊型问题,流转到闲聊模块,调用闲聊模型计算答案返回用户;
若判断为任务型问题,触发多轮任务模块,通过规则引擎解析,执行多轮流程。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考上述具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种智能多轮对话定制方法,其特征在于,包括:
获取用户输入的问题;
经过决策器判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题;
若判断为问答型问题,流转到问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;
若判断为闲聊型问题,流转到闲聊模块,调用闲聊模型计算答案返回用户;
若判断为任务型问题,触发多轮任务模块,通过规则引擎解析,执行多轮流程。
2.如权利要求1所述的方法,其特征在于,所述执行多轮流程时,执行内置函数、接口槽、词槽、话术,将数据返回给用户进行多轮交互。
3.如权利要求2所述的方法,其特征在于,所述内置函数用于页面测试,通过在网页编写javascript函数,对该函数进行格式化,生成对应参数个数的文本框用于参数输入,获取输入的参数后,后端java解析javascript脚本返回对应的函数值,进行页面单元测试。
4.如权利要求1所述的方法,其特征在于,对于闲聊型问题,若闲聊模型没有计算出答案,调用第三方接口,获取答案返回给用户。
5.如权利要求1所述的方法,其特征在于,对于问答型问题,若知识库中的标准问题和相似问题中均不存在用户所提问的问题,将该问题内容进行反馈,形成数据闭环。
6.如权利要求5所述的方法,其特征在于,判断不存在用户所提问的问题,是根据模型匹配的置信度,若置信度较低,将用户问题回流管理,进行标注,同时生成对应的报表。
7.如权利要求3所述的方法,其特征在于,还包括记录函数的调用顺序和参数、修改函数的参数及返回值、用javascript代码替代java的逻辑处理执行。
8.一种智能多轮对话定制系统,用于实现上述任一权利要求所述的方法,其特征在于,包括:
数据采集模块,获取用户输入的问题;
类型决策器,判断用户的问题类型,所述问题类别包括问答型问题、闲聊型问题和任务型问题,触发相应的问题模块,所述问题模块包括问答模块、闲聊模块和多轮任务模块;
问答模块,通过知识库中的数据生成相应的问题模型,获取问题的标准答案返回用户;
闲聊模块,调用闲聊模型计算答案返回用户;
多轮任务模块,通过规则引擎解析,执行多轮流程。
9.如权利要求8所述的系统,其特征在于,该系统支持简单配置和复杂配置,根据不同应用场景选择启用一个或多个问题模块。
10.一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的所述计算机程序,且所述计算机程序被执行时,实现权利要求1-7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919460.XA CN112131360A (zh) | 2020-09-04 | 2020-09-04 | 一种智能多轮对话定制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919460.XA CN112131360A (zh) | 2020-09-04 | 2020-09-04 | 一种智能多轮对话定制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112131360A true CN112131360A (zh) | 2020-12-25 |
Family
ID=73847317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919460.XA Pending CN112131360A (zh) | 2020-09-04 | 2020-09-04 | 一种智能多轮对话定制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131360A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
CN112800195A (zh) * | 2021-01-18 | 2021-05-14 | 南京奥拓电子科技有限公司 | 一种对话机器人的配置方法及系统 |
CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及系统 |
CN113553405A (zh) * | 2021-06-11 | 2021-10-26 | 中国农业银行股份有限公司浙江省分行 | 基于中文bert模型智能机器人的实现方法和系统 |
CN113806503A (zh) * | 2021-08-25 | 2021-12-17 | 北京库睿科技有限公司 | 一种对话融合方法和装置及设备 |
CN115238101A (zh) * | 2022-09-23 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种面向多类型知识库的多引擎智能问答系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN108959582A (zh) * | 2018-07-09 | 2018-12-07 | 东莞理工学院 | 一种人工智能辅助问诊系统及使用方法 |
CN109446306A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种基于任务驱动的多轮对话的智能问答方法 |
CN109902163A (zh) * | 2019-02-28 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 一种智能应答方法、装置、设备及存储介质 |
CN110209793A (zh) * | 2019-06-18 | 2019-09-06 | 佰聆数据股份有限公司 | 一种用于智能识别文本语义的方法 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
-
2020
- 2020-09-04 CN CN202010919460.XA patent/CN112131360A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN108959582A (zh) * | 2018-07-09 | 2018-12-07 | 东莞理工学院 | 一种人工智能辅助问诊系统及使用方法 |
CN109446306A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种基于任务驱动的多轮对话的智能问答方法 |
CN109902163A (zh) * | 2019-02-28 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 一种智能应答方法、装置、设备及存储介质 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
CN110209793A (zh) * | 2019-06-18 | 2019-09-06 | 佰聆数据股份有限公司 | 一种用于智能识别文本语义的方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
CN112328776A (zh) * | 2021-01-04 | 2021-02-05 | 北京百度网讯科技有限公司 | 对话生成方法、装置、电子设备和存储介质 |
CN112800195A (zh) * | 2021-01-18 | 2021-05-14 | 南京奥拓电子科技有限公司 | 一种对话机器人的配置方法及系统 |
CN112800195B (zh) * | 2021-01-18 | 2024-04-16 | 南京奥拓电子科技有限公司 | 一种对话机器人的配置方法及系统 |
CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及系统 |
CN113553405A (zh) * | 2021-06-11 | 2021-10-26 | 中国农业银行股份有限公司浙江省分行 | 基于中文bert模型智能机器人的实现方法和系统 |
CN113806503A (zh) * | 2021-08-25 | 2021-12-17 | 北京库睿科技有限公司 | 一种对话融合方法和装置及设备 |
CN115238101A (zh) * | 2022-09-23 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种面向多类型知识库的多引擎智能问答系统 |
CN115238101B (zh) * | 2022-09-23 | 2023-01-03 | 中国电子科技集团公司第十研究所 | 一种面向多类型知识库的多引擎智能问答系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131360A (zh) | 一种智能多轮对话定制方法及系统 | |
KR101279738B1 (ko) | 대화 분석 | |
US7020841B2 (en) | System and method for generating and presenting multi-modal applications from intent-based markup scripts | |
US7389213B2 (en) | Dialogue flow interpreter development tool | |
US8311835B2 (en) | Assisted multi-modal dialogue | |
CN109313665A (zh) | 计算机消息机器人的创建 | |
US20040025115A1 (en) | Method, terminal, browser application, and mark-up language for multimodal interaction between a user and a terminal | |
US20020198719A1 (en) | Reusable voiceXML dialog components, subdialogs and beans | |
KR20080020649A (ko) | 비필사된 데이터로부터 인식 문제의 진단 | |
CN105354180B (zh) | 一种实现开放式语义交互服务的方法及系统 | |
CN115917553A (zh) | 在聊天机器人中实现稳健命名实体识别的实体级数据扩充 | |
KR20080040644A (ko) | 음성 애플리케이션 계측 및 로깅 | |
KR20210039997A (ko) | 멀티-턴 대화 중 공개 장면 대화의 백트래킹 방법 및 장치 | |
CN110998526A (zh) | 用户配置的且自定义的交互式对话应用 | |
CN113935337A (zh) | 一种对话管理方法、系统、终端及存储介质 | |
CA2427512C (en) | Dialogue flow interpreter development tool | |
Inupakutika et al. | Integration of NLP and Speech-to-text Applications with Chatbots | |
CN113051895A (zh) | 语音识别的方法、装置、电子设备、介质和程序产品 | |
US20060031853A1 (en) | System and method for optimizing processing speed to run multiple dialogs between multiple users and a virtual agent | |
CN110931002B (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
CN112015374A (zh) | 一种基于自然语言的跨编程语言微服务集成系统 | |
Tarasiev et al. | Using of open-source technologies for the design and development of a speech processing system based on stemming methods | |
CN116662496A (zh) | 信息抽取方法、训练问答处理模型的方法及装置 | |
CN116108918A (zh) | 对话预训练模型的训练方法及相关装置 | |
CN114860910A (zh) | 智能对话方法及系统 |
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 |