CN112183098A - 会话的处理方法和装置、存储介质、电子装置 - Google Patents
会话的处理方法和装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN112183098A CN112183098A CN202011060617.4A CN202011060617A CN112183098A CN 112183098 A CN112183098 A CN 112183098A CN 202011060617 A CN202011060617 A CN 202011060617A CN 112183098 A CN112183098 A CN 112183098A
- Authority
- CN
- China
- Prior art keywords
- entity
- content
- conversation
- session
- intention
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- 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
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种会话的处理方法和装置、存储介质、电子装置。其中,该方法包括:接收智能终端发送的第一会话内容;对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果;基于意图识别结果和实体提取结果生成目标会话内容;响应于第一会话内容,将目标会话内容返回至智能终端。本申请解决了相关技术中机器人客服的有效回答率较低的技术问题。
Description
技术领域
本申请涉及人工智能领域,具体而言,涉及一种会话的处理方法和装置、存储介质、电子装置。
背景技术
在人类迈入人工智能时代的过程中,机器人在模式化的工作上表现较佳,已逐渐取代部分人力。在线客服这一领域因模式化程度高,对客服人员产生的负面心理影响较大,非常适合使用机器人替代。在行业中,使用机器人的客服系统已开始取代传统的人工客服,并能节约相当规模的人力。
目前,机器人的客服系统已有多种架构:其一是传统型,通过输入数字等方式,引导客户查询,但这一系统因为用户体验较差,用户会第一时间申请转入人工服务,导致难以达到分流人工的目的,已被逐渐取代;其二是一问一答,通过人工智能的方法,对用户的问题进行分析,得到用户的意图等信息。根据这些信息,在回答模板中进行挑选,生成并返回用户需要的信息;其三是多轮型,通过人工智能方法,针对用户问题的类别,采用不同的对话处理方法,有一定的多轮对话能力,分步骤完成较为复杂的客服流程。
相关技术中多轮对话为单轮对话的重复,多轮实质为单轮对话的累加,这种方法使得处理复杂的对话时,构建难度较大,有效回答率较低,且需要直接修改程序,难以部署。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种会话的处理方法和装置、存储介质、电子装置,以至少解决相关技术中机器人客服的有效回答率较低的技术问题。
根据本申请实施例的一个方面,提供了一种会话的处理方法,包括:接收智能终端发送的第一会话内容;对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果;基于意图识别结果和实体提取结果生成目标会话内容;响应于第一会话内容,将目标会话内容返回至智能终端。
可选地,对第一会话内容进行意图识别得到意图识别结果包括:对第一会话内容进行分词,得到多个会话词语;对多个会话词语进行意图识别得到意图识别结果。
可选地,对多个会话词语进行意图识别得到意图识别结果包括:通过目标意图识别模型统计多个会话词语的词频统计特征,并用统计的词频统计特征确定包括会话意图和会话意图的置信度的意图识别结果。
可选地,在对第一会话内容进行意图识别得到意图识别结果之前,方法还包括:获取已标记的样本会话内容,其中,样本会话内容的标记用于表示样本会话内容的会话意图;将样本会话内容作为原始意图识别模型的输入、并将样本会话内容的标记作为原始意图识别模型的预计输出,以对原始意图识别模型进行训练,得到目标意图识别模型。
可选地,对第一会话内容进行实体提取得到实体提取结果包括:获取对第一会话内容进行分词得到的多个会话词语;对多个会话词语进行实体提取得到实体提取结果。
可选地,对多个会话词语进行实体提取得到实体提取结果包括:通过目标实体提取模型统计多个会话词语的条件随机场特征,并用统计的条件随机场特征确定包括命名实体和命名实体的置信度的实体提取结果。
可选地,在对第一会话内容进行实体提取得到实体提取结果之前,方法还包括:获取已标记的样本会话内容,其中,样本会话内容的标记用于表示样本会话内容的命名实体;将样本会话内容作为原始实体提取模型的输入、并将样本会话内容的标记作为原始实体提取模型的预计输出,以对原始实体提取模型进行训练,得到目标实体提取模型。
可选地,基于意图识别结果和实体提取结果生成目标会话内容包括:调用对话生成模型,通过对意图识别结果和实体提取结果进行处理来生成目标会话内容。
可选地,通过对意图识别结果和实体提取结果进行处理来生成目标会话内容包括:在意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与目标会话意图对应的实体条件;在实体条件表明需要会话实体且实体提取结果中存在命名实体的情况下,对实体提取结果中的命名实体进行实体校验;在实体提取结果中的命名实体通过实体校验的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,目标会话内容包括第二会话内容。
可选地,在实体提取结果中的命名实体未通过实体校验的情况下,方法还包括:生成提示会话内容,其中,提示会话内容用于提示输入与目标会话意图匹配的会话实体;将提示会话内容发送给智能终端。
可选地,通过对意图识别结果和实体提取结果进行处理来生成目标会话内容还包括:在将提示会话内容发送给智能终端之后,获取在智能终端输入的内容;在输入的内容通过实体校验或从输入的内容中提取的命名实体通过实体校验的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第三会话内容,其中,目标会话内容包括第三会话内容。
可选地,获取在所述智能终端输入的内容之后,在所述输入的内容的置信度大于等于第二阈值的情况下,结束当前会话,并进入新一轮的会话,其中,所述输入的内容的置信度用于表示与当前会话的不相关度;在所述输入的内容的置信度小于所述第二阈值的情况下,对输入的内容进行实体校验或对由输入的内容中提取的命名实体进行实体校验,其中,对输入的内容进行实体校验包括将所述输入的内容整体作为命名实体进行实体校验。
根据本申请实施例的另一方面,还提供了一种会话的处理装置,包括:接收单元,用于接收智能终端发送的第一会话内容;识别单元,用于对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果;生成单元,用于基于意图识别结果和实体提取结果生成目标会话内容;返回单元,用于响应于第一会话内容,将目标会话内容返回至智能终端。
可选地,识别单元还用于:对第一会话内容进行分词,得到多个会话词语;对多个会话词语进行意图识别得到意图识别结果。
可选地,识别单元还用于:通过目标意图识别模型统计多个会话词语的词频统计特征,并用统计的词频统计特征确定包括会话意图和会话意图的置信度的意图识别结果。
可选地,装置还包括:意图识别模型训练单元,用于在对第一会话内容进行意图识别得到意图识别结果之前,获取已标记的样本会话内容,其中,样本会话内容的标记用于表示样本会话内容的会话意图;将样本会话内容作为原始意图识别模型的输入、并将样本会话内容的标记作为原始意图识别模型的预计输出,以对原始意图识别模型进行训练,得到目标意图识别模型。
可选地,识别单元还用于:获取对第一会话内容进行分词得到的多个会话词语;对多个会话词语进行实体提取得到实体提取结果。
可选地,识别单元还用于:通过目标实体提取模型统计多个会话词语的条件随机场特征,并用统计的条件随机场特征确定包括命名实体和命名实体的置信度的实体提取结果。
可选地,装置还包括:实体提取模型训练单元,用于在对第一会话内容进行实体提取得到实体提取结果之前,获取已标记的样本会话内容,其中,样本会话内容的标记用于表示样本会话内容的命名实体;将样本会话内容作为原始实体提取模型的输入、并将样本会话内容的标记作为原始实体提取模型的预计输出,以对原始实体提取模型进行训练,得到目标实体提取模型。
可选地,生成单元还用于调用对话生成模型,通过对意图识别结果和实体提取结果进行处理来生成目标会话内容。
可选地,生成单元还用于:在意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与目标会话意图对应的实体条件;在实体条件表明需要会话实体且实体提取结果中存在命名实体的情况下,对实体提取结果中的命名实体进行实体校验;在实体提取结果中的命名实体通过实体校验的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,目标会话内容包括第二会话内容。
可选地,生成单元还用于,在实体提取结果中的命名实体未通过实体校验的情况下,生成提示会话内容,其中,提示会话内容用于提示输入与目标会话意图匹配的会话实体;将提示会话内容发送给智能终端。
可选地,生成单元还用于:在将提示会话内容发送给智能终端之后,获取在智能终端输入的内容;在输入的内容通过实体校验或从输入的内容中提取的命名实体通过实体校验的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第三会话内容,其中,目标会话内容包括第三会话内容。
可选地,生成单元还用于:获取在所述智能终端输入的内容之后,在所述输入的内容的置信度大于等于第二阈值的情况下,结束当前会话,并进入新一轮的会话,其中,所述输入的内容的置信度用于表示与当前会话的不相关度;在所述输入的内容的置信度小于所述第二阈值的情况下,对输入的内容进行实体校验或对由输入的内容中提取的命名实体进行实体校验,其中,对输入的内容进行实体校验包括将所述输入的内容整体作为命名实体进行实体校验。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的方法。
根据本申请实施例的另一方面,还提供了一种电子装置,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,处理器通过计算机程序执行上述的方法。
在本申请实施例中,在接收到智能终端发送的第一会话内容时,需要对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果,相当于知道了用户希望了解的内容和具体实体,从而泛化了客服机器人可以理解的内容宽度,然后基于意图识别结果和实体提取结果生成与第一会话内容匹配的目标会话内容,并将其返回给用户的智能终端,可以解决相关技术中机器人客服的有效回答率较低的技术问题,进而达到提高回答效率的技术效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的会话的处理方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的会话的处理方法的流程图;
图3是根据本申请实施例的一种可选的会话的处理系统的示意图;
图4是根据本申请实施例的一种可选的会话的处理方案的示意图;
图5是根据本申请实施例的一种可选的会话的处理方法的流程图;
图6是根据本申请实施例的一种可选的会话的处理装置的示意图;
以及
图7是根据本申请实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面,提供了一种会话的处理方法的方法实施例。
可选地,在本实施例中,上述会话的处理方法可以应用于如图1所示的由终端101和服务器103(即智能客服机器人所部署至的服务器)所构成的硬件环境中。如图1所示,服务器103通过网络与终端101进行连接,可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等),可在服务器上或独立于服务器设置数据库105,用于为服务器103提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端101并不限定于PC、手机、平板电脑等。
本申请实施例的会话的处理方法可以由服务器103来执行,也可以是由服务器103和终端101共同执行。图2是根据本申请实施例的一种可选的会话的处理方法的流程图,该方案可以应用于多轮对话中,如图2所示,该方法可以包括以下步骤:
步骤S202,客服机器人接收智能终端发送的第一会话内容。
该客服机器人可以应用在网购、共享单车、外卖、游戏、医疗等领域,以应用于游戏领域为例,第一会话内容可以为“XXX道具如何获得”。
步骤S204,客服机器人对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果。
相关技术中的多轮对话缺乏针对实体的处理,难以处理设计特定物品(如游戏道具、账号)的处理,而本方案中加入了实体识别,可以解决以上问题。
步骤S206,客服机器人基于意图识别结果和实体提取结果生成目标会话内容,如“XX道具需要玩家进入地图的某个指定区域通过消灭某个怪兽来获取”。
步骤S208,响应于第一会话内容,客服机器人将目标会话内容返回至智能终端。
相关技术中的智能客服机器人在多轮对话中,每一轮对话是通过关键词来搜索相应的答复内容,由于用户的问法不尽相同,当用户提问并不是标准形式时,无法搜索出结果,无法直接回答或者需要转接人工来进行回答,用户体验差,在本申请的技术方案中,在接收到智能终端发送的第一会话内容时,需要对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果,相当于知道了用户希望了解的内容和具体实体,从而泛化了客服机器人可以理解的内容宽度,然后基于意图识别结果和实体提取结果生成与第一会话内容匹配的目标会话内容,并将其返回给用户的智能终端,可以解决相关技术中机器人客服的有效回答率较低的技术问题,进而达到提高回答效率的技术效果。下文结合具体的实施方式进一步详述本申请的技术方案:
在步骤S202提供的技术方案中,客服机器人接收用户通过智能终端发送的第一会话内容,如智能终端通过HTTP协议将第一会话内容传递给客服机器人。
在步骤S204提供的技术方案中,对第一会话内容进行意图识别得到意图识别结果,并对第一会话内容进行实体提取得到实体提取结果。
步骤S204可以通过预先训练好的模型来实现,这些模型可以是客服机器人提供者自己训练好的,也可以是从其它地方获取的,在训练时,可以将将问题标注意图和命名实体,训练意图识别模块(即意图识别模型)和命名实体提取模块(即实体提取模型)。
意图识别模型的训练方法如下:预先获取已标记的样本会话内容,样本会话内容的标记表示样本会话内容的会话意图;将样本会话内容作为原始意图识别模型的输入、并将样本会话内容的标记作为原始意图识别模型的预计输出,以对原始意图识别模型中的各种参数进行训练,在原始意图识别模型实际输出的结果与预计输出一致的时候完成训练,得到目标意图识别模型。
实体提取模型的训练方法如下:获取已标记的样本会话内容,样本会话内容的标记表示样本会话内容的命名实体;将样本会话内容作为原始实体提取模型的输入、并将样本会话内容的标记作为原始实体提取模型的预计输出,以对原始实体提取模型中的各种参数进行训练,在原始实体提取模型实际输出的结果与预计输出一致的时候完成训练,得到目标实体提取模型。
在上述方案中,在进行意图识别时,可利用分词工具对第一会话内容进行分词,得到多个会话词语;对多个会话词语进行意图识别得到意图识别结果,具体可通过目标意图识别模型统计多个会话词语的词频统计特征,并用统计的词频统计特征确定包括会话意图和会话意图的置信度的意图识别结果。
可选地,在进行实体提取时,可以获取对第一会话内容进行分词得到的多个会话词语;对多个会话词语进行实体提取得到实体提取结果,具体可通过目标实体提取模型统计多个会话词语的条件随机场特征,并用统计的条件随机场特征确定包括命名实体和命名实体的置信度的实体提取结果。
在步骤S206提供的技术方案中,基于意图识别结果和实体提取结果生成目标会话内容,具体可调用对话生成模型,通过对意图识别结果和实体提取结果进行处理来生成目标会话内容。
在步骤S208提供的技术方案中,响应于第一会话内容,将目标会话内容返回至智能终端。下文结合具体内容对步骤S206和步骤S208进行说明。
步骤1,置信度判断,判断意图识别结果中会否存在置信度达到第一阈值的目标会话意图,若是则执行步骤3,否则执行步骤2。
步骤2,执行与低置信度对应的处理流程,如让用户确认其意图。
步骤3,在意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与目标会话意图对应的实体条件,利用该条件判断是否需要实体,若是则执行步骤4,否则执行步骤11。
步骤4,在实体条件表明需要会话实体且实体提取结果中存在命名实体的情况下,对实体提取结果中的命名实体进行实体校验,若校验未通过则执行步骤5,通过了则执行步骤10。
步骤5,在实体提取结果中的命名实体未通过实体校验或提取结果中不存在命名实体的情况下,生成提示会话内容,以提示输入与目标会话意图匹配的会话实体;将提示会话内容发送给智能终端,该方案区别于相关技术中多轮对话实质为单轮对话的累加,通过对上下文语义的理解可以处理复杂的对话内容,提高客户机器人的智能程度。
步骤6,在将提示会话内容发送给智能终端之后,获取在智能终端输入的内容。
步骤7,获取在智能终端输入的内容之后,判断输入的内容的置信度与第二阈值之间的关系,输入的内容的置信度用于表示与当前会话的不相关度。
步骤8,在输入的内容的置信度大于等于第二阈值的情况下,结束当前会话,并进入新一轮的会话。
步骤9,在输入的内容的置信度小于第二阈值的情况下,对输入的内容进行实体校验或对由输入的内容中提取的命名实体进行实体校验,其中,对输入的内容进行实体校验包括将输入的内容整体作为命名实体进行实体校验。
步骤10,在输入的内容通过实体校验或从输入的内容中提取的命名实体通过实体校验的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第三会话内容,目标会话内容包括第三会话内容。
步骤11,在实体提取结果中未发现命名实体或者不需要命名实体的情况下,生成与目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,目标会话内容包括第二会话内容。
上述方案中,目标会话内容生成可以通过对话生成模型实现,对话生成模型是采用预先设计的多轮对话故事对带有记忆功能的对话管理器进行训练得到的。在使用时,针对用户的输入进行意图识别和命名实体提取,根据识别的意图,对话管理器中的不同决策策略给出多种结果和信任度,通过设计的规则,选择下一步的操作,该流程提供一些数据查询功能。
相关技术中多轮对话策略简单,用户输入时缺乏即时跳出机制,在提醒用户输入特定信息后,直至用户正确输入后才会跳出,影响体验,在本申请的技术方案中,若获取到的用户的输入内容与客户机器人想要的内容无关,可以跳出进入新的对话,通过跳出机制提高用户的体验感。
作为一种可选的实施例,下文结合具体的实施案例进一步详述本申请的技术方案。
本方案的系统架构如图3所示。用户输入信息后,首先经过自然语义理解部分(即NLU),这部分包含独立的意图识别的词袋分类器和命名实体提取模型(主要是利用条件随机场算法进行特征提取,实体是指对话预测系统在进行查询时需要使用的量的值)。将识别出的意图和命名实体输入至对话生成部分,由多个对话预测器(具有记忆和分类器功能)进行预测,按规则选择所需的操作,交由对话生成模块生成对话,利用数据和模板生成对话,进而向用户输出。在多轮系统中采用命名实体提取模块和对话预测模块可以改进对话质量。
如图4所示,命名实体提取模块与意图识别模块是并列关系,两模块可以公用Jieba分词的结果,各自使用属于自己的算法进行计算,如意图识别模块利用词频统计特征进行意图识别,命名实体提取模块利用CRF特征进行命名实体提取,最终将二者的结果打包输出。
例如,用户输入“一纸玉鸢法宝怎么获得?”,首先通过分词操作变为[“一纸玉鸢法宝”,“怎么”,“获得”,“?”]。一方面,运行意图识别模块,通过词频统计的方法判断所属意图,得到结果为“角色/道具如何获得”的意图;另一方面,运行命名实体模块计算出用户的输入中“一纸玉鸢法宝”是命名实体的概率较大,类别为“角色/物品”。最终,将计算出的意图和实体按dict方式打包,发送至对话生成部分。
命名实体提取使用条件随机场(CRF)方法实现,这是一种计算概率、利用全局词语来推测句中各个词语是否为某类实体的方法,计算量相对较小,可以在不明显影响单轮对话性能的条件下,提供命名实体提取功能。部分命名实体为专有名词,如“一纸玉鸢法宝”,可指示分词器特殊处理这类词,为分词器建立词库。这样可以提高系统命名实体提取的正确性。
对话预测模块根据该轮的意图、实体和前轮的操作来预测该轮对话的操作,此处的操作是指机器人的响应,包含输出问题答案、等待用户输入、查询数据并输出结果等。
预先进行模型训练,对于命名实体提取和对话流程预测两部分进行处理,针对命名实体提取模块,在数据集中需标注问题中命名实体的位置和种类,每一种特定的问法均要有充足的数据量;针对对话流程预测,需要考虑相似的问题,并尽量全面地构造进对话流程的数据集,使“拟合策略”能够做出适当的调整。
系统处理时流程图如图5所示,该流程图为对话预测系统的处理流程图,输入信息为自然语义理解部分得到的意图和实体信息、并附带原始文本。在运行至最下方的“进入下一轮”时,根据不同的对话流程,进入最上方橙框的输入新意图操作、或是中间橙框的输入实体的操作。
在图5中,右下侧的虚线框为“实体输入循环”,提醒用户输入信息,直至成功输入或跳出循环。左下侧的虚线框为“跳出机制”,可在该轮中响应其他的问题,或是更为直接的跳出指令。预测策略分为三条,在预测下一步的操作时取信任度最高的结果:
第一条是“记忆策略”,根据当前最有可能的对话流程,直接输出下一步操作,这一策略输出的对话方案设定信任度为thres2;
第二条为“拟合策略”,使用长短期记忆人工神经网络LSTM网络(Long Short-TermMemory进行预测,输入值为上一步最终的操作、该步提取得到的意图和所有所含命名实体的类别,通过神经网络计算出下一步的操作及信任度,策略输出的信任度为输入意图的信任度与神经网络输出信任度的乘积;
第三条策略是“低阈值策略”,当非循环时,如用户输入的意图信任度低于thres1,会罗列相关的意图询问用户,根据用户所指直接给出操作,此时设定信任度可为1。
在进行多轮对话的实体输入时,如果用户直接输入实体值,意图识别得到的阈值可能会非常低,此时“记忆策略”提供此时最高的阈值,会推动对话流程走向下一步。当出现跳出时,“拟合策略”会凭借最高的阈值,打破当前的对话流程,跳转至相似流程、或是开始新的对话。三条策略协同运行时,最终得到流程如图5所示。
步骤S501,利用上述模型识别该轮对话意图及实体。
对话预测系统会对自然语义理解部分计算出的命名实体做进一步的分析,通常情况下,会取所需类别信任度最高的结果作为最终查询使用的实体。在多轮流程实际运行中,会出现用户只输入命名实体的情况,导致实体提取出现异常。这时会首先尝试使用朴素的方法,将用户的输入直接设定为查询使用的实体。
步骤S502,判断意图的conf(intent)置信度(当前问题通过意图识别后,信任度最高的意图对应的信任度)是否大于等于阈值thres1(要求的最低意图信任度阈值,在未进入实体输入循环时,过低的信任度会导致进入低阈值处理流程),若是则执行步骤S504,否则执行步骤S503。
步骤S503,进入意图信任度过低的处理流程。
步骤S504,判断是否需要实体,若是则执行步骤S505,否则执行步骤S514。
步骤S505,判断是否已提取实体,若是则执行步骤S506,否则执行步骤S507。
步骤S506,进行实体校验,若未通过则执行步骤S507,否则执行步骤S514。
实体检验是对提取到的实体进行合法性检验的步骤,如询问游戏道具时检验是否存在该名称道具,询问订单号时检验是否满足格式要求。右侧的“实体检验”环节,在检验失败后可输出相应的检验失败话术。下方的“实体检验”环节失败时可无输出。
步骤S507,询问实体,用户输入实体。
步骤S508,判断用户输入实体的置信度conf(intent)是否大于等于阈值thres2(即第二阈值),若是则执行步骤S512,否则执行步骤S509,该步骤中可以在实体输入循环中,不相关意图过高强制令该循环结束。
步骤S509,将整句回答作为实体。
步骤S510,进行实体校验,若通过则执行步骤S514,未通过则执行步骤S511。
步骤S511,使用命名实体提取模块提取出实体,进入步骤S506。
步骤S512,当前对话结束。
步骤S513,新意图相关的新会话开始。
步骤S514,响应该轮问题进入下一轮。
一种可选的利用本方案进行对话的流程示例如下(Q表示用户,A表示客服机器人,“{}”中的内容表示机器人分析的内容):
会话案例1如下,Q表示提问者,A表示智能客服:
Q:有个物品怎么获得?
{意图:角色/物品怎么获得,信任度:大于thres2,实体:[]}
A:请问是哪个角色?
{上一步:(开始状态),实体:[]}
Q:一纸玉鸢法宝。
{意图:XX,信任度:小于thres1,实体:XX}
A:可使用九天灵宝引获得灵宝残片,在商城兑换成法宝碎片,由八卦炉合成获得。
{上一步:(输入物品实体状态),实体:[一纸玉鸢法宝(角色/物品)]}
出现输入异常时的对话案例2如下:
Q:有个物品怎么获得?
{意图:角色/物品怎么获得,信任度:大于thres2,实体:[]}
A:请问是哪个角色?
{上一步:(开始状态),实体:[]}
Q:三纸王鸢法宝。
{意图:XX,信任度:小于thres1,实体:XX}
A:对不起,没有查询到该物品的信息,请重新输入。
{上一步:(输入物品实体状态),实体:[三纸王鸢法宝(角色/物品)]}
Q:我想问一纸玉鸢法宝怎么获得?
{意图:角色/物品怎么获得,信任度:大于thres2,实体:[一纸玉鸢法宝(角色/物品)]}
A:可使用九天灵宝引获得灵宝残片,在商城兑换成法宝碎片,由八卦炉合成获得。
{上一步:(输入物品实体状态),实体:[一纸玉鸢法宝(角色/物品)]}
跳出机制的对话案例3如下:
Q:有个物品怎么获得?
{意图:角色/物品怎么获得,信任度:大于thres2,实体:[]}
A:请问是哪个角色?
{上一步:(开始状态),实体:[]}
Q:我的账号被盗了。
{意图:账号被盗,信任度:大于thres2,实体:[]}
A:请保护好自己的账号信息,不要与他人共享账号,同时不要相信非官方活动中奖信息,避免上当受骗蒙受损失哦。建议您登录到xx网站处理。
{上一步:(开始状态),实体:[]}
采用本申请的技术方案,智能客服系统在面向用户提供服务时,将不再限于一问一答的模式,可以处理更为复杂的客服流程,有助于进一步减少人工成本。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述会话的处理方法的会话的处理装置。图6是根据本申请实施例的一种可选的会话的处理装置的示意图,如图6所示,该装置可以包括:
接收单元61,用于接收智能终端发送的第一会话内容;
识别单元63,用于对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果;
生成单元65,用于基于所述意图识别结果和所述实体提取结果生成目标会话内容;
返回单元67,用于响应于所述第一会话内容,将所述目标会话内容返回至所述智能终端。
需要说明的是,该实施例中的接收单元61可以用于执行本申请实施例中的步骤S202,该实施例中的识别单元63可以用于执行本申请实施例中的步骤S204,该实施例中的生成单元65可以用于执行本申请实施例中的步骤S206,该实施例中的返回单元67可以用于执行本申请实施例中的步骤S208。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
相关技术中的智能客服机器人在多轮对话中,每一轮对话是通过关键词来搜索相应的答复内容,由于用户的问法不尽相同,当用户提问并不是标准形式时,无法搜索出结果,无法直接回答或者需要转接人工来进行回答,用户体验差,在本申请的技术方案中,在接收到智能终端发送的第一会话内容时,需要对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果,相当于知道了用户希望了解的内容和具体实体,从而泛化了客服机器人可以理解的内容宽度,然后基于所述意图识别结果和所述实体提取结果生成与第一会话内容匹配的目标会话内容,并将其返回给用户的智能终端,可以解决相关技术中机器人客服的有效回答率较低的技术问题,进而达到提高回答效率的技术效果。
可选地,识别单元还用于:对所述第一会话内容进行分词,得到多个会话词语;对所述多个会话词语进行意图识别得到所述意图识别结果。
可选地,识别单元还用于:通过目标意图识别模型统计所述多个会话词语的词频统计特征,并用统计的词频统计特征确定包括会话意图和会话意图的置信度的所述意图识别结果。
可选地,所述装置还包括:意图识别模型训练单元,用于在对所述第一会话内容进行意图识别得到意图识别结果之前,获取已标记的样本会话内容,其中,所述样本会话内容的标记用于表示所述样本会话内容的会话意图;将所述样本会话内容作为原始意图识别模型的输入、并将所述样本会话内容的标记作为所述原始意图识别模型的预计输出,以对所述原始意图识别模型进行训练,得到所述目标意图识别模型。
可选地,识别单元还用于:获取对所述第一会话内容进行分词得到的多个会话词语;对所述多个会话词语进行实体提取得到所述实体提取结果。
可选地,识别单元还用于:通过目标实体提取模型统计所述多个会话词语的条件随机场特征,并用统计的条件随机场特征确定包括命名实体和命名实体的置信度的所述实体提取结果。
可选地,所述装置还包括:实体提取模型训练单元,用于在对所述第一会话内容进行实体提取得到实体提取结果之前,获取已标记的样本会话内容,其中,所述样本会话内容的标记用于表示所述样本会话内容的命名实体;将所述样本会话内容作为原始实体提取模型的输入、并将所述样本会话内容的标记作为所述原始实体提取模型的预计输出,以对所述原始实体提取模型进行训练,得到所述目标实体提取模型。
可选地,生成单元还用于调用对话生成模型,通过对所述意图识别结果和所述实体提取结果进行处理来生成所述目标会话内容。
可选地,生成单元还用于:在所述意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与所述目标会话意图对应的实体条件;在所述实体条件表明需要会话实体且所述实体提取结果中存在命名实体的情况下,对所述实体提取结果中的命名实体进行实体校验;在所述实体提取结果中的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,所述目标会话内容包括所述第二会话内容。
可选地,生成单元还用于,在所述实体提取结果中的命名实体未通过实体校验的情况下,生成提示会话内容,其中,所述提示会话内容用于提示输入与所述目标会话意图匹配的会话实体;将所述提示会话内容发送给所述智能终端。
可选地,生成单元还用于:在将所述提示会话内容发送给所述智能终端之后,获取在所述智能终端输入的内容;在输入的内容通过实体校验或从输入的内容中提取的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第三会话内容,其中,所述目标会话内容包括所述第三会话内容。
可选地,生成单元还用于:获取在所述智能终端输入的内容之后,在所述输入的内容的置信度大于等于第二阈值的情况下,结束当前会话,并进入新一轮的会话,其中,所述输入的内容的置信度用于表示与当前会话的不相关度;在所述输入的内容的置信度小于所述第二阈值的情况下,对输入的内容进行实体校验或对由输入的内容中提取的命名实体进行实体校验,其中,对输入的内容进行实体校验包括将所述输入的内容整体作为命名实体进行实体校验。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的另一个方面,还提供了一种用于实施上述会话的处理方法的服务器或终端。
图7是根据本申请实施例的一种终端的结构框图,如图7所示,该终端可以包括:一个或多个(图7中仅示出一个)处理器701、存储器703、以及传输装置705,如图7所示,该终端还可以包括输入输出设备707。
其中,存储器703可用于存储软件程序以及模块,如本申请实施例中的会话的处理方法和装置对应的程序指令/模块,处理器701通过运行存储在存储器703内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的会话的处理方法。存储器703可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器703可进一步包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至终端。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。
上述的传输装置705用于经由一个网络接收或者发送数据,还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置705包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置705为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
其中,具体地,存储器703用于存储应用程序。
处理器701可以通过传输装置705调用存储器703存储的应用程序,以执行下述步骤:
接收智能终端发送的第一会话内容;
对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果;
基于所述意图识别结果和所述实体提取结果生成目标会话内容;
响应于所述第一会话内容,将所述目标会话内容返回至所述智能终端。
处理器701还用于执行下述步骤:
在所述意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与所述目标会话意图对应的实体条件;
在所述实体条件表明需要会话实体且所述实体提取结果中存在命名实体的情况下,对所述实体提取结果中的命名实体进行实体校验;
在所述实体提取结果中的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,所述目标会话内容包括所述第二会话内容。
相关技术中的智能客服机器人在多轮对话中,每一轮对话是通过关键词来搜索相应的答复内容,由于用户的问法不尽相同,当用户提问并不是标准形式时,无法搜索出结果,无法直接回答或者需要转接人工来进行回答,用户体验差,在本申请的技术方案中,在接收到智能终端发送的第一会话内容时,需要对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果,相当于知道了用户希望了解的内容和具体实体,从而泛化了客服机器人可以理解的内容宽度,然后基于所述意图识别结果和所述实体提取结果生成与第一会话内容匹配的目标会话内容,并将其返回给用户的智能终端,可以解决相关技术中机器人客服的有效回答率较低的技术问题,进而达到提高回答效率的技术效果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图7所示的结构仅为示意,终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices,MID)、PAD等终端设备。图7其并不对上述电子装置的结构造成限定。例如,终端还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行会话的处理方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
接收智能终端发送的第一会话内容;
对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果;
基于所述意图识别结果和所述实体提取结果生成目标会话内容;
响应于所述第一会话内容,将所述目标会话内容返回至所述智能终端。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:
在所述意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与所述目标会话意图对应的实体条件;
在所述实体条件表明需要会话实体且所述实体提取结果中存在命名实体的情况下,对所述实体提取结果中的命名实体进行实体校验;
在所述实体提取结果中的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,所述目标会话内容包括所述第二会话内容。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (15)
1.一种会话的处理方法,其特征在于,包括:
接收智能终端发送的第一会话内容;
对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果;
基于所述意图识别结果和所述实体提取结果生成目标会话内容;
响应于所述第一会话内容,将所述目标会话内容返回至所述智能终端。
2.根据权利要求1所述的方法,其特征在于,对所述第一会话内容进行意图识别得到意图识别结果包括:
对所述第一会话内容进行分词,得到多个会话词语;
对所述多个会话词语进行意图识别得到所述意图识别结果。
3.根据权利要求2所述的方法,其特征在于,对所述多个会话词语进行意图识别得到所述意图识别结果包括:
通过目标意图识别模型统计所述多个会话词语的词频统计特征,并用统计的词频统计特征确定包括会话意图和会话意图的置信度的所述意图识别结果。
4.根据权利要求3所述的方法,其特征在于,在对所述第一会话内容进行意图识别得到意图识别结果之前,所述方法还包括:
获取已标记的样本会话内容,其中,所述样本会话内容的标记用于表示所述样本会话内容的会话意图;
将所述样本会话内容作为原始意图识别模型的输入、并将所述样本会话内容的标记作为所述原始意图识别模型的预计输出,以对所述原始意图识别模型进行训练,得到所述目标意图识别模型。
5.根据权利要求1所述的方法,其特征在于,对所述第一会话内容进行实体提取得到实体提取结果包括:
获取对所述第一会话内容进行分词得到的多个会话词语;
对所述多个会话词语进行实体提取得到所述实体提取结果。
6.根据权利要求5所述的方法,其特征在于,对所述多个会话词语进行实体提取得到所述实体提取结果包括:
通过目标实体提取模型统计所述多个会话词语的条件随机场特征,并用统计的条件随机场特征确定包括命名实体和命名实体的置信度的所述实体提取结果。
7.根据权利要求6所述的方法,其特征在于,在对所述第一会话内容进行实体提取得到实体提取结果之前,所述方法还包括:
获取已标记的样本会话内容,其中,所述样本会话内容的标记用于表示所述样本会话内容的命名实体;
将所述样本会话内容作为原始实体提取模型的输入、并将所述样本会话内容的标记作为所述原始实体提取模型的预计输出,以对所述原始实体提取模型进行训练,得到所述目标实体提取模型。
8.根据权利要求1所述的方法,其特征在于,基于所述意图识别结果和所述实体提取结果生成目标会话内容包括:
调用对话生成模型,通过对所述意图识别结果和所述实体提取结果进行处理来生成所述目标会话内容。
9.根据权利要求8所述的方法,其特征在于,通过对所述意图识别结果和所述实体提取结果进行处理来生成所述目标会话内容包括:
在所述意图识别结果中存在置信度达到第一阈值的目标会话意图的情况下,获取与所述目标会话意图对应的实体条件;
在所述实体条件表明需要会话实体且所述实体提取结果中存在命名实体的情况下,对所述实体提取结果中的命名实体进行实体校验;
在所述实体提取结果中的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第二会话内容,其中,所述目标会话内容包括所述第二会话内容。
10.根据权利要求9所述的方法,其特征在于,在所述实体提取结果中的命名实体未通过实体校验的情况下,所述方法还包括:
生成提示会话内容,其中,所述提示会话内容用于提示输入与所述目标会话意图匹配的会话实体;
将所述提示会话内容发送给所述智能终端。
11.根据权利要求10所述的方法,其特征在于,通过对所述意图识别结果和所述实体提取结果进行处理来生成所述目标会话内容还包括:
在将所述提示会话内容发送给所述智能终端之后,获取在所述智能终端输入的内容;
在输入的内容通过实体校验或从输入的内容中提取的命名实体通过实体校验的情况下,生成与所述目标会话意图和通过实体验证的命名实体所匹配的第三会话内容,其中,所述目标会话内容包括所述第三会话内容。
12.根据权利要求11所述的方法,其特征在于,获取在所述智能终端输入的内容之后,所述方法还包括:
在所述输入的内容的置信度大于等于第二阈值的情况下,结束当前会话,并进入新一轮的会话,其中,所述输入的内容的置信度用于表示与当前会话的不相关度;
在所述输入的内容的置信度小于所述第二阈值的情况下,对输入的内容进行实体校验或对由输入的内容中提取的命名实体进行实体校验,其中,对输入的内容进行实体校验包括将所述输入的内容整体作为命名实体进行实体校验。
13.一种会话的处理装置,其特征在于,包括:
接收单元,用于接收智能终端发送的第一会话内容;
识别单元,用于对所述第一会话内容进行意图识别得到意图识别结果,并对所述第一会话内容进行实体提取得到实体提取结果;
生成单元,用于基于所述意图识别结果和所述实体提取结果生成目标会话内容;
返回单元,用于响应于所述第一会话内容,将所述目标会话内容返回至所述智能终端。
14.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至12任一项中所述的方法。
15.一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器通过所述计算机程序执行上述权利要求1至12任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060617.4A CN112183098B (zh) | 2020-09-30 | 2020-09-30 | 会话的处理方法和装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060617.4A CN112183098B (zh) | 2020-09-30 | 2020-09-30 | 会话的处理方法和装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183098A true CN112183098A (zh) | 2021-01-05 |
CN112183098B CN112183098B (zh) | 2022-05-06 |
Family
ID=73947121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011060617.4A Active CN112183098B (zh) | 2020-09-30 | 2020-09-30 | 会话的处理方法和装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183098B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221918A (zh) * | 2021-05-18 | 2021-08-06 | 北京百度网讯科技有限公司 | 目标检测方法、目标检测模型的训练方法及装置 |
CN113343824A (zh) * | 2021-05-31 | 2021-09-03 | 平安银行股份有限公司 | 双录质检方法、装置、设备及介质 |
CN115599901A (zh) * | 2022-12-14 | 2023-01-13 | 中国人民解放军国防科技大学(Cn) | 基于语义提示的机器问答方法、装置、设备及存储介质 |
CN115795017A (zh) * | 2023-01-17 | 2023-03-14 | 深圳联友科技有限公司 | 一种对话系统离线在线融合应用方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241251A (zh) * | 2018-07-27 | 2019-01-18 | 众安信息技术服务有限公司 | 一种会话交互方法 |
CN110321564A (zh) * | 2019-07-05 | 2019-10-11 | 浙江工业大学 | 一种多轮对话意图识别方法 |
CN110427467A (zh) * | 2019-06-26 | 2019-11-08 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
CN110457449A (zh) * | 2019-07-05 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 在线训练模型的方法、装置、设备及存储介质 |
CN110532361A (zh) * | 2019-08-09 | 2019-12-03 | 深圳追一科技有限公司 | 用户意图的识别方法、装置、计算机设备和存储介质 |
CN111104495A (zh) * | 2019-11-19 | 2020-05-05 | 深圳追一科技有限公司 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
CN111191016A (zh) * | 2019-12-27 | 2020-05-22 | 车智互联(北京)科技有限公司 | 一种多轮对话处理方法、装置及计算设备 |
CN111368044A (zh) * | 2020-02-21 | 2020-07-03 | 深圳追一科技有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN111611358A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息交互方法、装置、电子设备及存储介质 |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
US20200302019A1 (en) * | 2019-03-22 | 2020-09-24 | Microsoft Technology Licensing, Llc | Interactive dialog training and communication system using artificial intelligence |
-
2020
- 2020-09-30 CN CN202011060617.4A patent/CN112183098B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241251A (zh) * | 2018-07-27 | 2019-01-18 | 众安信息技术服务有限公司 | 一种会话交互方法 |
CN111611358A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息交互方法、装置、电子设备及存储介质 |
US20200302019A1 (en) * | 2019-03-22 | 2020-09-24 | Microsoft Technology Licensing, Llc | Interactive dialog training and communication system using artificial intelligence |
CN110427467A (zh) * | 2019-06-26 | 2019-11-08 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
CN110321564A (zh) * | 2019-07-05 | 2019-10-11 | 浙江工业大学 | 一种多轮对话意图识别方法 |
CN110457449A (zh) * | 2019-07-05 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 在线训练模型的方法、装置、设备及存储介质 |
CN110532361A (zh) * | 2019-08-09 | 2019-12-03 | 深圳追一科技有限公司 | 用户意图的识别方法、装置、计算机设备和存储介质 |
CN111104495A (zh) * | 2019-11-19 | 2020-05-05 | 深圳追一科技有限公司 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
CN111191016A (zh) * | 2019-12-27 | 2020-05-22 | 车智互联(北京)科技有限公司 | 一种多轮对话处理方法、装置及计算设备 |
CN111368044A (zh) * | 2020-02-21 | 2020-07-03 | 深圳追一科技有限公司 | 智能问答方法、装置、计算机设备和存储介质 |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
叶铱雷 等: "面向任务型多轮对话的粗粒度意图识别方法", 《小型微型计算机系统》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221918A (zh) * | 2021-05-18 | 2021-08-06 | 北京百度网讯科技有限公司 | 目标检测方法、目标检测模型的训练方法及装置 |
CN113221918B (zh) * | 2021-05-18 | 2023-08-04 | 北京百度网讯科技有限公司 | 目标检测方法、目标检测模型的训练方法及装置 |
CN113343824A (zh) * | 2021-05-31 | 2021-09-03 | 平安银行股份有限公司 | 双录质检方法、装置、设备及介质 |
CN115599901A (zh) * | 2022-12-14 | 2023-01-13 | 中国人民解放军国防科技大学(Cn) | 基于语义提示的机器问答方法、装置、设备及存储介质 |
CN115795017A (zh) * | 2023-01-17 | 2023-03-14 | 深圳联友科技有限公司 | 一种对话系统离线在线融合应用方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112183098B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183098B (zh) | 会话的处理方法和装置、存储介质、电子装置 | |
CN110502608B (zh) | 基于知识图谱的人机对话方法及人机对话装置 | |
CN108021934B (zh) | 多要素识别的方法及装置 | |
CN109981910B (zh) | 业务推荐方法及设备 | |
CN106919661B (zh) | 一种情感类型识别方法及相关装置 | |
CN109760041B (zh) | 基于聊天机器人的云管理系统及其操作方法 | |
CN110019687B (zh) | 一种基于知识图谱的多意图识别系统、方法、设备及介质 | |
CN108446321B (zh) | 一种基于深度学习的自动问答方法 | |
CN111191450A (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
CN108628908B (zh) | 分类用户提问-回答界限的方法、装置和电子设备 | |
CN110489519B (zh) | 基于会话预测模型的会话方法及相关产品 | |
CN110704618A (zh) | 确定对话数据对应的标准问题的方法及装置 | |
CN115470318A (zh) | 客服问题处理方法及装置 | |
CN113948090B (zh) | 语音检测方法、会话记录产品及计算机存储介质 | |
CN111144906A (zh) | 一种数据处理方法、装置及电子设备 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN111813899A (zh) | 基于多轮会话的意图识别方法及装置 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN111324712A (zh) | 对话回复方法及服务端 | |
CN111666388A (zh) | 对话数据处理方法、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 | |
CN116402057A (zh) | 一种基于自然语言的人机交互系统 | |
CN111695745A (zh) | 一种在线服务提供者服务质量评估方法和装置 | |
CN114969295A (zh) | 基于人工智能的对话交互数据处理方法、装置及设备 | |
CN114049973A (zh) | 对话质检方法、电子设备、计算机存储介质及程序产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |