CN112163078A - 智能应答方法、装置、服务器及存储介质 - Google Patents
智能应答方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN112163078A CN112163078A CN202011055950.6A CN202011055950A CN112163078A CN 112163078 A CN112163078 A CN 112163078A CN 202011055950 A CN202011055950 A CN 202011055950A CN 112163078 A CN112163078 A CN 112163078A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- response
- current input
- scene
- 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
- 230000004044 response Effects 0.000 title claims abstract description 294
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012795 verification Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 description 25
- 230000006399 behavior Effects 0.000 description 12
- 238000005316 response function Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
Abstract
本发明实施例公开了一种智能应答方法、装置、服务器及存储介质，所述方法包括：获取用户当前输入信息和用户属性信息；根据所述用户属性信息确定目标应答配置；基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。本发明实施例使得智能应答能够基于具体的应答场景进行，目标应答配置可以包括多种应答场景，拓宽了智能应答服务的应用场景，提高了智能应答的准确性。
Description
技术领域
本发明实施例涉及人机交互技术领域，尤其涉及一种智能应答方法、装置、服务器及存储介质。
背景技术
随着人工智能技术的广泛应用，人机交互场景更加丰富，从早期的智能客服通过问答方式解决用户问题分流人工客服压力，到现在以自身业务为核心的智能应答服务，人机交互场景已经被赋予了更多运营属性，一个功能强大的智能应答服务可以更加有效的提升交互体验并实现运营目标。
现有的智能应答服务都是基于传统智能客服概念的演进，应用场景也仅仅包含单轮问答和多轮对话之间的切换，无法满足互联网营销和交互体验服务的需求，由于场景的限制，意图识别的技术实现方式也相对固定，不具备通用性和扩展性，更加不能支持应答场景的快速迭代。
发明内容
有鉴于此，本发明实施例提供一种智能应答方法、装置、服务器及存储介质，以拓宽智能应答服务的应用场景，提高智能应答的准确性。
第一方面，本发明实施例提供一种智能应答方法，包括：
获取用户当前输入信息和用户属性信息；
根据所述用户属性信息确定目标应答配置；
基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，所述用户属性信息包括用户所在地信息和用户历史行为信息；根据所述用户属性信息确定目标应答配置包括：
根据所述用户所在地信息确定至少一项初始应答配置；
根据所述用户历史行为信息和所述至少一项初始应答配置确定目标应答配置。
进一步的，基于所述目标应答配置和所述用户当前输入信息生成智能应答信息包括：
确定是否存在上下文信息；
若不存在上下文信息，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，确定是否存在上下文信息之后，还包括：
若存在上下文信息，则确定所述上下文信息对应的历史场景标识是否与预设场景标识相同；
若所述历史场景标识与所述预设场景标识相同，则确定所述用户当前输入信息是否符合校验要求；
若所述用户当前输入信息符合校验要求，则根据所述校验要求和所述用户当前输入信息生成智能应答信息。
进一步的，确定所述上下文信息对应的历史场景标识是否与预设场景标识相同之后，还包括：
若所述历史场景标识与所述预设场景标识不相同，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，所述目标应答配置包括至少一个应答场景；基于所述目标应答配置和所述用户当前输入信息生成智能应答信息包括：
通过意图识别确定所述用户当前输入信息对应的目标应答场景；
根据所述目标应答场景和所述用户当前输入信息生成智能应答信息。
进一步的，通过意图识别确定所述用户当前输入信息对应的目标应答场景包括：
抽取所述用户当前输入信息的关键信息；
确定所述目标应答配置的与所述关键信息匹配的至少一个应答场景及其匹配度；
将最大匹配度对应的应答场景作为目标应答场景。
第二方面，本发明实施例提供一种智能应答装置，包括：
信息获取模块，用于获取用户当前输入信息和用户属性信息；
应答配置确定模块，用于根据所述用户属性信息确定目标应答配置；
智能应答模块，用于基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
第三方面，本发明实施例提供一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的智能应答方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的智能应答方法。
本发明实施例提供的智能应答方法通过获取用户当前输入信息和用户属性信息；根据所述用户属性信息确定目标应答配置；基于所述目标应答配置和所述用户当前输入信息生成智能应答信息，使得智能应答能够基于具体的应答场景进行，目标应答配置可以包括多种应答场景，拓宽了智能应答服务的应用场景，提高了智能应答的准确性。
附图说明
图1为本发明实施例一提供的一种智能应答方法的流程示意图；
图2为本发明实施例二提供的一种智能应答方法的流程示意图；
图3为本发明实施例三提供的一种智能应答装置的结构示意图；
图4为本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”、“批量”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种智能应答方法的流程示意图，本实施例可适用于人机交互的场景，如机器人问答场景、互联网的人机交互场景等。如图1所示，本发明实施例一提供的智能应答方法包括：
S110、获取用户当前输入信息和用户属性信息。
具体的，用户当前输入信息是指用户发起人机交互请求时输入的信息，用户当前输入信息可以是文字、图片或语音信息。用户属性信息是用以表征用户特征的信息，如用户所在地信息。用户当前输入信息根据用户的输入信息获取，用户属性信息可以根据实时定位信息或从数据库中获取。
示例性的，以用户在某一购物网站的人机交互情景进行说明，用户当前输入信息可以是用户通过购物网站的客服对话框输入的文字、图片或语音信息，用户属性信息可以是根据用户实时定位获取的用户所在地信息以及从数据库中获取的该用户的历史订单记录信息。
S120、根据所述用户属性信息确定目标应答配置。
具体的，根据用户属性信息确定目标应答配置，是指为当前用户配置与用户属性信息相符合的智能应答服务。智能应答服务具有不同应答场景下的智能应答功能，应答场景如闲聊场景、知识问答场景、搜索场景、推荐场景、多轮任务场景等，一项智能应答服务至少包括一个应答场景下的智能应答功能。通俗地来说，目标应答配置可以看成是为用户提供智能应答服务的机器人，智能应答服务的不同应答场景下的智能应答功能，则可以看成是机器人所具备的场景应答功能，故根据用户属性信息确定目标应答配置也可以理解为，根据用户属性信息确定为用户提供智能应答服务的机器人。
进一步的，可以预先将用户属性信息与智能应答服务之间建立关联关系，当获取用户属性信息后，即可根据预先建立的关联关系确定对应的目标应答配置。
S130、基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
具体的，对用户当前输入信息进行识别，确定其所属应答场景，然后调用目标应答配置对应的应答场景下的智能应答功能为用户提供智能应答服务，生成可以回复用户当前输入信息的智能应答信息。示例性的，用户当前输入信息为“今天天气怎么样？”，则可以确定对应的应答场景为闲聊场景，则调用目标应答配置的闲聊场景智能应答功能为用户提供智能应答服务，生成的智能应答信息可以是“今日天气晴朗，气温在27℃至30℃的范围内”。
本发明实施例一提供的智能应答方法通过获取用户当前输入信息和用户属性信息；根据所述用户属性信息确定目标应答配置；基于所述目标应答配置和所述用户当前输入信息生成智能应答信息，使得智能应答能够基于具体的应答场景进行，目标应答配置可以包括多种应答场景，拓宽了智能应答服务的应用场景，提高了智能应答的准确性。
实施例二
图2为本发明实施例二提供的一种智能应答方法的流程示意图，本实施例是对上述实施例的进一步细化。如图2所示，本发明实施例二提供的智能应答方法包括：
S210、获取用户当前输入信息和用户属性信息，所述用户属性信息包括用户所在地信息和用户历史行为信息。
具体的，用户当前输入信息是指用户发起人机交互请求时输入的信息，用户当前输入信息可以是文字、图片或语音信息。用户属性信息是用以表征用户特征的信息，主要包括用户所在地信息和用户历史行为信息。用户所在地信息是指用户发起人机交互请求时所在地信息，可以根据实时定位信息获取。用户历史行为信息是指用户在当前人机交互的平台所产生的历史数据信息，用户历史行为信息可以从当前人机交互平台的数据库中获取。例如，若当前人机交互平台为购物网站，则用户历史行为信息可以是用户在该购物网站所发生的历史订单信息或浏览信息；若当前人机交互平台为对话机器人，则用户历史行为信息可以是用户与该对话机器人所发生的历史会话信息。
S220、根据所述用户所在地信息确定至少一项初始应答配置。
具体的，不同的应答配置具有不同的应答场景下的智能应答功能，也即，每一项应答配置的场景功能不一定相同。根据用户所在地信息确定至少一项初始应答配置，即通过用户所在地信息对应答配置进行初步筛选。例如，对应于广东省的应答配置包括应答配置A、应答配置B和应答配置C(相当于预先为广东省配置的智能应答机器人A、智能应答机器人B和智能应答机器人C)，对应于广西省的应答配置包括应答配置C、应答配置D和应答配置E(相当于预先为广西省配置的智能应答机器人C、智能应答机器人D和智能应答机器人E)，若用户所在地信息为广东省，则可以确定初始应答配置包括应答配置A、应答配置B和应答配置C。
S230、根据所述用户历史行为信息和所述至少一项初始应答配置确定目标应答配置。
具体的，根据用户所在地信息确定的初始应答配置通常有多个，故要从多个初始应答配置中选择一个作为目标应答配置。从用户历史行为信息中可以确定用户的偏爱和喜好，从而可以确定与用户匹配的应答场景，进而确定目标应答配置。例如，对于初始应答配置中，应答配置A包括闲聊场景和推荐场景，应答配置A包括闲聊场景和多轮任务场景，应答配置C包括闲聊场景、推荐场景和多轮任务场景。根据用户历史行为信息确定用户经常购物，则可以确定与用户匹配的应答场景包括推荐场景和多轮任务场景，那么可以将应答配置C作为目标应答配置。
S240、确定是否存在上下文信息。
具体的，上下文信息是指用户发起人机交互请求时是上下文信息，也即与用户当前输入信息关联的上下文信息(通常是上文信息)。确定是否存在上下文信息，也就是确定用户是否为首次发起人机交互请求。一般的，若距离当前时间(指获取用户当前输入信息的时间)的预设时间内存在历史应答信息，则认为存在上下文信息。例如，用户在距离当前时间的30分钟内发起过人机交互请求或进行过人机交互会话，则将此前的人机交互会话信息作为上下文信息。当不存在上下文信息时，执行步骤S250；当存在上下文信息时，执行步骤S260。
S250、若不存在上下文信息，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
具体的，若不存在上下文信息，说明用户当前输入信息为用户首次发起人机交互请求输入的信息，此时直接通过目标应答配置对用户当前输入信息进行分析，生成对应的智能应答信息。
进一步的，基于所述目标应答配置和所述用户当前输入信息生成智能应答信息包括步骤S251～S252(图中未示出)。
S251、通过意图识别确定所述用户当前输入信息对应的目标应答场景。
具体的，意图识别即识别用户当前输入信息所代表的用户意图，然后基于用户意图匹配对应的目标应答场景。
进一步的，通过意图识别确定所述用户当前输入信息对应的目标应答场景包括：抽取所述用户当前输入信息的关键信息；确定所述目标应答配置的与所述关键信息匹配的至少一个应答场景及其匹配度；将最大匹配度对应的应答场景作为目标应答场景。
具体的，用户当前输入信息是多样的，可以是文本、语音或图片信息，当用户当前输入信息为语音或图片信息时，首先需要将用户当前输入信息转换为文本信息，例如，通过语音识别将语音信息转换为文本信息，通过对图片中的文字识别将图片信息转换为文本信息。得到的文本类信息需要经过切词、敏感信息过滤、纠错、简繁转换、同义转换等处理，对词性、词间依存关系进行标注，抽取用户文本中的关键信息。
然后将抽取的关键信息与目标应答配置的至少一个应答场景进行匹配，以确定关键信息所对应的应答场景。由于关键信息匹配的应答场景可以由多个，故需要确定关键信息与每个应答场景的匹配度，最后将匹配度最大的应答场景作为目标应答场景。
进一步的，当特殊情况下没有相匹配的应答场景时，则将默认应答场景或兜底应答场景作为目标应答场景。一般的，每一个应答配置的兜底应答场景均设置为闲聊场景。
S252、根据所述目标应答场景和所述用户当前输入信息生成智能应答信息。
具体的，确定目标应答场景后，则基于对用户当前输入信息的分析和目标应答场景的语料库，生成对应的智能应答信息。
S260、若存在上下文信息，则确定所述上下文信息对应的历史场景标识是否与预设场景标识相同。
具体的，历史场景标识是指形成上下文信息时的应答场景的标识，通常即为场景ID，每一项应答配置的应答场景均具有唯一的场景ID。本实施例中，预设场景标识指多轮任务场景的场景ID，多轮任务场景指需要与用户进行多次会话以获取信息或对用户进行多次任务引导的场景，这种场景下的应答过程与其他场景不同，故需要单独处理。可以选的，可以根据实际需要将预设场景标识设置为其他应答场景的场景ID。
若存在上下文信息，则说明用户此前已经发起过人机交互请求，即此前已经进行过人机交互对话，此时判断上下文信息对应的历史场景标识与预设场景标识是否相同，以确定上下文信息对应的应答场景是否为多轮任务场景。当上下文信息对应的历史场景标识与预设场景标识相同时，执行步骤S270；当上下文信息对应的历史场景标识与预设场景标识不相同时，执行步骤S280。
S270、若所述历史场景标识与所述预设场景标识相同，则确定所述用户当前输入信息是否符合校验要求。
具体的，当历史场景标识与预设场景标识相同，确定用户当前输入信息是否符合校验要求，以进一步确定用户当前输入信息是否仍然属于多轮任务场景。确定用户当前输入信息是否符合校验要求，具体是指是否能够从用户当前输入信息中提取出符合多轮任务场景要求的相关信息，若能够提取出相关信息，则认为符合校验要求；若不能够提取相关信息，则认为不符合校验要求。
例如，在多轮任务场景的上下文信息中，用户发起购买手机的人机交互请求，智能应答信息提示用户提供手机品牌、型号和颜色这三个信息。若用户当前输入信息中不能够提取出手机品牌、型号和颜色这三个信息中的任一种信息，则认为不符合校验要求；若至少能够提取出手机品牌、型号和颜色这三个信息中其中一种信息，则认为符合校验要求。
S280、若所述用户当前输入信息符合校验要求，则根据所述校验要求和所述用户当前输入信息生成智能应答信息。
具体的，若用户当前输入信息符合校验要求，则说明用户当前输入信息仍旧属于多轮任务场景，则根据多轮任务场景的校验要求和用户当前输入信息生成智能应答信息，以引导用户完成相关操作。例如，用户当前输入信息只包括手机品牌信息，则生成的智能应答信息可以是提示用户继续提供手机型号和颜色信息。
进一步的，当多轮任务场景下的校验要求所需信息全部提取完毕时，基于校验要求生成智能应答结果，此时跳出当前的多轮任务场景，且多轮任务标识自动清除，并通过对应的结果输出场景展示或输出相应的智能应答结果。例如，已获取购买手机所需的手机品牌A、型号B和颜色为白色这三种信息，则根据手机品牌A、型号B和颜色为白色这三种信息生成相应的多个购买推荐，该多个购买推荐即为智能应答结果。此时跳出当前的多轮任务场景并清除多轮任务标识，进入推荐场景为用户展示相应的多个购买推荐。
进一步的，若用户当前输入信息不符合校验要求，则说明用户当前输入信息可能不属于多轮任务场景，则此时需要跳出上下文信息所在的多轮任务场景，重新确定应答场景以生成智能应答信息。此时需要清除多轮任务标识，基于目标应答配置和用户当前输入信息生成智能应答信息，即通过步骤S250中的方法生成智能应答信息。
进一步的，若所述历史场景标识与所述预设场景标识不相同，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
具体的，若历史场景标识与预设场景标识不相同，则说明上下文信息所对应的应答场景不是多轮任务场景，那么无需通过多轮任务场景的处理方式继续进行处理，而是确定用户当前输入信息所对应的实际应答场景，此时基于目标应答配置和用户当前输入信息生成智能应答信息，即通过步骤S250中的方法生成智能应答信息。
进一步的，对于完成智能应答的上下文信息，可以对其进行存储，作为语料库的素材进行训练，以提高对意图识别的精准性。
本发明实施例二提供的智能应答方法使得智能应答能够基于具体的应答场景进行，目标应答配置可以包括多种应答场景，拓宽了智能应答服务的应用场景，提高了智能应答的准确性。
实施例三
图3为本发明实施例三提供的一种智能应答装置的结构示意图，本实施例可适用于人机交互的场景，如机器人问答场景、互联网的人机交互场景等。本实施例提供的智能应答装置能够实现本发明任意实施例提供的智能应答方法，具备实现方法的相应功能结构和有益效果，本实施例中未详尽描述的内容可参考本发明任意方法实施例的描述。
如图3所示，本发明实施例提供的智能应答装置包括：信息获取模块310、应答配置确定模块320和智能应答模块330，其中：
信息获取模块310用于获取用户当前输入信息和用户属性信息；
应答配置确定模块320用于根据所述用户属性信息确定目标应答配置；
智能应答模块330用于基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，所述用户属性信息包括用户所在地信息和用户历史行为信息；应答配置确定模块320具体用于：
根据所述用户所在地信息确定至少一项初始应答配置；
根据所述用户历史行为信息和所述至少一项初始应答配置确定目标应答配置。
进一步的，智能应答模块330包括：
上下文信息确定单元，用于确定是否存在上下文信息；
第一智能应答单元，用于若不存在上下文信息，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，智能应答模块330还包括：
场景标识确定单元，用于若存在上下文信息，则确定所述上下文信息对应的历史场景标识是否与预设场景标识相同；
信息校验单元，用于若所述历史场景标识与所述预设场景标识相同，则确定所述用户当前输入信息是否符合校验要求；
第二智能应答单元，用于若所述用户当前输入信息符合校验要求，则根据所述校验要求和所述用户当前输入信息生成智能应答信息。
进一步的，所述第一智能应答单元还用于：
若所述历史场景标识与所述预设场景标识不相同，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
进一步的，所述目标应答配置包括至少一个应答场景；所述第一智能应答单元包括：
应答场景确定子单元，用于通过意图识别确定所述用户当前输入信息对应的目标应答场景；
智能应答子单元，用于根据所述目标应答场景和所述用户当前输入信息生成智能应答信息。
进一步的，所述智能应答子单元具体用于：
抽取所述用户当前输入信息的关键信息；
确定所述目标应答配置的与所述关键信息匹配的至少一个应答场景及其匹配度；
将最大匹配度对应的应答场景作为目标应答场景。
本发明实施例三提供的智能应答装置通过信息获取模块应答配置确定模块和智能应答模块，使得智能应答能够基于具体的应答场景进行，目标应答配置可以包括多种应答场景，拓宽了智能应答服务的应用场景，提高了智能应答的准确性。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器412的框图。图4显示的服务器412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，服务器412以通用服务器的形式表现。服务器412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
服务器412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。服务器412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
服务器412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该服务器412交互的终端通信，和/或与使得该服务器412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，服务器412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器420通过总线418与服务器412的其它模块通信。应当明白，尽管图中未示出，可以结合服务器412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的智能应答方法，该方法可以包括：
获取用户当前输入信息和用户属性信息；
根据所述用户属性信息确定目标应答配置；
基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的智能应答方法，该方法可以包括：
获取用户当前输入信息和用户属性信息；
根据所述用户属性信息确定目标应答配置；
基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言(诸如Java、Smalltalk、C++)，还包括常规的过程式程序设计语言(诸如“C”语言或类似的程序设计语言)。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用的技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种智能应答方法，其特征在于，包括：
获取用户当前输入信息和用户属性信息；
根据所述用户属性信息确定目标应答配置；
基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
2.如权利要求1所述的方法，其特征在于，所述用户属性信息包括用户所在地信息和用户历史行为信息；根据所述用户属性信息确定目标应答配置包括：
根据所述用户所在地信息确定至少一项初始应答配置；
根据所述用户历史行为信息和所述至少一项初始应答配置确定目标应答配置。
3.如权利要求1所述的方法，其特征在于，基于所述目标应答配置和所述用户当前输入信息生成智能应答信息包括：
确定是否存在上下文信息；
若不存在上下文信息，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
4.如权利要求3所述的方法，其特征在于，确定是否存在上下文信息之后，还包括：
若存在上下文信息，则确定所述上下文信息对应的历史场景标识是否与预设场景标识相同；
若所述历史场景标识与所述预设场景标识相同，则确定所述用户当前输入信息是否符合校验要求；
若所述用户当前输入信息符合校验要求，则根据所述校验要求和所述用户当前输入信息生成智能应答信息。
5.如权利要求4所述的方法，其特征在于，确定所述上下文信息对应的历史场景标识是否与预设场景标识相同之后，还包括：
若所述历史场景标识与所述预设场景标识不相同，则基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
6.如权利要求5所述的方法，其特征在于，所述目标应答配置包括至少一个应答场景；基于所述目标应答配置和所述用户当前输入信息生成智能应答信息包括：
通过意图识别确定所述用户当前输入信息对应的目标应答场景；
根据所述目标应答场景和所述用户当前输入信息生成智能应答信息。
7.如权利要求6所述的方法，其特征在于，通过意图识别确定所述用户当前输入信息对应的目标应答场景包括：
抽取所述用户当前输入信息的关键信息；
确定所述目标应答配置的与所述关键信息匹配的至少一个应答场景及其匹配度；
将最大匹配度对应的应答场景作为目标应答场景。
8.一种智能应答装置，其特征在于，包括：
信息获取模块，用于获取用户当前输入信息和用户属性信息；
应答配置确定模块，用于根据所述用户属性信息确定目标应答配置；
智能应答模块，用于基于所述目标应答配置和所述用户当前输入信息生成智能应答信息。
9.一种服务器，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的智能应答方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的智能应答方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011055950.6A CN112163078A (zh) | 2020-09-29 | 2020-09-29 | 智能应答方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011055950.6A CN112163078A (zh) | 2020-09-29 | 2020-09-29 | 智能应答方法、装置、服务器及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112163078A true CN112163078A (zh) | 2021-01-01 |
Family
ID=73861738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011055950.6A Pending CN112163078A (zh) | 2020-09-29 | 2020-09-29 | 智能应答方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112163078A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113805698A (zh) * | 2021-09-10 | 2021-12-17 | 中国第一汽车股份有限公司 | 一种执行指令确定方法、装置、设备及存储介质 |
| CN113805698B (zh) * | 2021-09-10 | 2024-05-03 | 中国第一汽车股份有限公司 | 一种执行指令确定方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160171062A1 (en) * | 2014-12-10 | 2016-06-16 | International Business Machines Corporation | Establishing User Specified Interaction Modes in a Question Answering Dialogue |
| CN105975511A (zh) * | 2016-04-27 | 2016-09-28 | 乐视控股（北京）有限公司 | 智能对话的方法及装置 |
| CN106096576A (zh) * | 2016-06-27 | 2016-11-09 | 陈包容 | 一种机器人的智能服务方法 |
| CN106503242A (zh) * | 2016-11-08 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种智能交互方法、装置及服务器 |
| CN107340865A (zh) * | 2017-06-29 | 2017-11-10 | 北京光年无限科技有限公司 | 多模态虚拟机器人交互方法和系统 |
| CN109783625A (zh) * | 2018-12-29 | 2019-05-21 | 联想(北京)有限公司 | 交互方法和计算设备 |
| CN109961780A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种人机交互方法、装置、服务器和存储介质 |
| US20200233683A1 (en) * | 2019-01-19 | 2020-07-23 | International Business Machines Corporation | Contextual virtual assistant communications |
| WO2020155619A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技（深圳）有限公司 | 带情感的机器聊天方法、装置、计算机设备及存储介质 |
| CN111611350A (zh) * | 2020-05-26 | 2020-09-01 | 北京妙医佳健康科技集团有限公司 | 基于健康知识的应答方法、装置及电子设备 |
-
2020
- 2020-09-29 CN CN202011055950.6A patent/CN112163078A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160171062A1 (en) * | 2014-12-10 | 2016-06-16 | International Business Machines Corporation | Establishing User Specified Interaction Modes in a Question Answering Dialogue |
| CN105975511A (zh) * | 2016-04-27 | 2016-09-28 | 乐视控股（北京）有限公司 | 智能对话的方法及装置 |
| CN106096576A (zh) * | 2016-06-27 | 2016-11-09 | 陈包容 | 一种机器人的智能服务方法 |
| CN106503242A (zh) * | 2016-11-08 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种智能交互方法、装置及服务器 |
| CN107340865A (zh) * | 2017-06-29 | 2017-11-10 | 北京光年无限科技有限公司 | 多模态虚拟机器人交互方法和系统 |
| CN109961780A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种人机交互方法、装置、服务器和存储介质 |
| CN109783625A (zh) * | 2018-12-29 | 2019-05-21 | 联想(北京)有限公司 | 交互方法和计算设备 |
| US20200233683A1 (en) * | 2019-01-19 | 2020-07-23 | International Business Machines Corporation | Contextual virtual assistant communications |
| WO2020155619A1 (zh) * | 2019-01-28 | 2020-08-06 | 平安科技（深圳）有限公司 | 带情感的机器聊天方法、装置、计算机设备及存储介质 |
| CN111611350A (zh) * | 2020-05-26 | 2020-09-01 | 北京妙医佳健康科技集团有限公司 | 基于健康知识的应答方法、装置及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113805698A (zh) * | 2021-09-10 | 2021-12-17 | 中国第一汽车股份有限公司 | 一种执行指令确定方法、装置、设备及存储介质 |
| CN113805698B (zh) * | 2021-09-10 | 2024-05-03 | 中国第一汽车股份有限公司 | 一种执行指令确定方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
| CN109002510B (zh) | 一种对话处理方法、装置、设备和介质 | |
| CN107492379B (zh) | 一种声纹创建与注册方法及装置 | |
| CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
| CN109190114B (zh) | 用于生成回复信息的方法和装置 | |
| CN110457679B (zh) | 用户画像的构建方法、装置、计算机设备和存储介质 | |
| CN111428010B (zh) | 人机智能问答的方法和装置 | |
| CN109979450B (zh) | 信息处理方法、装置及电子设备 | |
| CN109325091A (zh) | 兴趣点属性信息的更新方法、装置、设备及介质 | |
| CN110415679A (zh) | 语音纠错方法、装置、设备和存储介质 | |
| KR20210098397A (ko) | 차량용 기기의 응답 속도 테스트 방법, 장치, 기기 및 저장매체 | |
| CN110032627A (zh) | 售后服务信息的提供方法、装置、计算机设备和存储介质 | |
| CN111402864A (zh) | 语音处理方法及电子设备 | |
| CN112434953A (zh) | 一种基于计算机数据处理的客服人员考核方法和装置 | |
| CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
| CN113360590B (zh) | 兴趣点信息的更新方法、装置、电子设备及存储介质 | |
| CN112163078A (zh) | 智能应答方法、装置、服务器及存储介质 | |
| CN111556096B (zh) | 信息推送方法、装置、介质及电子设备 | |
| CN113051381B (zh) | 信息质检方法、装置、计算机系统和计算机可读存储介质 | |
| CN114466106A (zh) | 外呼系统的测试数据生成方法、装置、设备和介质 | |
| CN113221514A (zh) | 文本处理方法、装置、电子设备和存储介质 | |
| CN112911074A (zh) | 一种语音通信处理方法、装置、设备和机器可读介质 | |
| CN115905490B (zh) | 人机交互对话方法、装置以及设备 | |
| KR102505259B1 (ko) | 클라우드 기반의 콜센터 운영 시스템 | |
| CN114501112B (zh) | 用于生成视频笔记的方法、装置、设备、介质和产品 |
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 |