CN112241450A - 结合rpa与ai的问答语句处理方法、装置、设备和存储介质 - Google Patents
结合rpa与ai的问答语句处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112241450A CN112241450A CN202011135020.1A CN202011135020A CN112241450A CN 112241450 A CN112241450 A CN 112241450A CN 202011135020 A CN202011135020 A CN 202011135020A CN 112241450 A CN112241450 A CN 112241450A
- Authority
- CN
- China
- Prior art keywords
- sentence
- data
- scene
- inquiry
- query
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000003058 natural language processing Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 description 27
- 230000035935 pregnancy Effects 0.000 description 10
- 235000005911 diet Nutrition 0.000 description 8
- 230000037213 diet Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 235000014443 Pyrus communis Nutrition 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 241000234295 Musa Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000009193 crawling Effects 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种结合RPA与AI的问答语句处理方法、装置、设备和存储介质。涉及AI和RPA技术领域，该方法包括：接收用户输入的询问语句；从预置的多个场景中确定所述询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；从所述询问语句中提取询问对象，并从所述目标场景对应的数据表中提取所述询问对象的数据；根据所述询问对象的数据生成NLP解答语句，并向用户推送所述NLP解答语句。本申请能够基于多个场景以及对应的数据表，通过查找数据表的方式生成NLP解答语句，从而提高对话机器人在对话交互过程中的回复准确性。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种结合RPA与AI的问答语句处理方法、装置、设备和存储介质。
背景技术
机器人流程自动化(Robotic Process Automation，简称：RPA)是一种新型的人工智能的虚拟流程自动化机器人，用于模拟人在计算机上的操作，按规则自动执行流程任务，RPA可以广泛应用于各个需要流程自动化的领域，例如数据处理领域。
人工智能(Artificial Intelligence，简称：AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。随着机器人技术的不断发展，越来越多的平台如电商客服系统、微信平台、短消息服务平台等都在采用对话机器人为用户提供客服服务。对话机器人可以基于用户的问题输出相对应的答案。
一般地，对话机器人基于预先配置的知识库与用户进行交互。知识库中存储有问题及其对应的答案，每个问题至少对应于一个答案。对话机器人在接收到用户提问的问题时，在知识库中查找该问题对应的答案返回给用户。
然而，如果将用户所有可能的问题及相应答案都配置到知识库中，会导致知识库中出现过多相似性较大的数据，使机器人容易将错误答案返回给用户。
发明内容
本申请实施例提供一种结合RPA与AI的问答语句处理方法、装置、设备和存储介质，以解决对话机器人回复准确性差的问题。
第一方面，本申请实施例提供一种结合RPA与AI的问答语句处理方法，包括：
接收用户输入的询问语句；
从预置的多个场景中确定所述询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；
从所述询问语句中提取询问对象，并从所述目标场景对应的数据表中提取所述询问对象的数据；
根据所述询问对象的数据生成自然语言处理NLP解答语句，并向用户推送所述NLP解答语句。
在一种可能的实施方式中，每个场景对应于至少一个预设句式；
所述从预置的多个场景中确定所述询问语句对应的目标场景，包括：
确定所述询问语句符合的预设句式；
根据预置的场景和预设句式的对应关系，确定所述询问语句符合的预设句式对应的场景，并将所述询问语句符合的预设句式对应的场景确定为所述目标场景。
在一种可能的实施方式中，每个预设句式中包含该预设句式中对象的位置信息；
所述从所述询问语句中提取询问对象，包括：
根据所述询问语句符合的预设句式，确定所述询问语句中询问对象的位置信息；
根据所述询问对象的位置信息，从所述询问语句中提取所述询问对象。
在一种可能的实施方式中，所述方法还包括：
获取每个场景下的多个询问语句样本；
针对每个场景，统计该场景下的所有询问语句样本中属于同一句式的询问语句样本数量，并将各句式的询问语句样本数量从大到小进行排序，选择排序靠前的至少一个句式作为该场景对应的预设句式。
在一种可能的实施方式中，所述从所述目标场景对应的数据表中提取所述询问对象的数据，包括：
将所述询问对象与所述目标场景对应的数据表中的各个对象进行匹配；
将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据。
在一种可能的实施方式中，所述将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据之前，包括：
确定执行所述数据表匹配所需的至少一个条件元素；
生成未获取的所述条件元素的询问语句并输出；
对接收到的回复语句进行解析，获取所述未获取的所述条件元素；
所述将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据，包括：
将与所述询问对象相匹配的对象的数据中，与所述至少一个条件元素对应的数据，确定为所述询问对象的数据。
在一种可能的实施方式中，所述方法还包括：
从预先配置的人格属性中，获取当前人格属性，其中，所述人格属性对应于至少一条欢迎语句；
向用户推送所述当前人格属性对应的欢迎语句。
在一种可能的实施方式中，所述方法还包括：
在预置的多个场景中不存在所述询问语句对应的目标场景时，从预置的问答知识库中查找与所述询问语句对应的问题，其中，所述问答知识库中包括多个问题及其相应的答案文本；
向用户推送所述询问语句对应的问题的答案文本。
第二方面，本申请实施例提供一种结合RPA与AI的问答语句处理装置，包括：
接收模块，用于接收用户输入的询问语句；
处理模块，用于从预置的多个场景中确定所述询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；
提取模块，用于从所述询问语句中提取询问对象，并从所述目标场景对应的数据表中提取所述询问对象的数据；
发送模块，用于根据所述询问对象的数据生成自然语言处理NLP解答语句，并向用户推送所述NLP解答语句。
第三方面，本申请实施例提供一种计算机设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实施方式所述的结合RPA与AI的问答语句处理方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的实施方式所述的结合RPA与AI的问答语句处理方法。
本申请实施例提供的结合RPA与AI的问答语句处理方法、装置、设备和存储介质，通过接收用户输入的询问语句；从预置的多个场景中确定询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；从询问语句中提取询问对象，并从目标场景对应的数据表中提取询问对象的数据；根据询问对象的数据生成自然语言处理NLP解答语句，并向用户推送NLP解答语句，能够基于多个场景以及对应的数据表，通过查找数据表的方式生成NLP解答语句，从而提高对话机器人在对话交互过程中的回复准确性，并且可以完成一组流程式对话，提升用户体验。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的结合RPA与AI的问答语句处理方法的场景示意图；
图2为本申请一实施例提供的对话界面的示意图；
图3为本申请又一实施例提供的结合RPA与AI的问答语句处理方法的场景示意图；
图4为本申请一实施例提供的结合RPA与AI的问答语句处理方法的流程示意图；
图5为本申请又一实施例提供的结合RPA与AI的问答语句处理方法的流程示意图；
图6为本申请一实施例提供的结合RPA与AI的问答语句处理装置的结构示意图；
图7为本申请一实施例提供的计算机设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请一实施例提供的结合RPA与AI的问答语句处理方法的场景示意图。该场景中可以包括终端11和服务器12。其中，终端11具体可以为手机、台式电脑、车载终端、或者平板电脑等设备。终端11中可以安装包括对话机器人的应用程序，用户可以在该应用程序中与对话机器人的基于自然语言处理(Natural Language Processing，简称NLP)的对话界面进行输入。其中，应用程序可以是对话机器人专用的程序，例如手机中的智能助理，也可以是上述应用程序的其中一种功能或者插件等形式存在，例如购物应用中的机器人客服，社交应用程序中的机器人插件等。终端11还可以为存在实体的机器人，例如自助服务机器人、游戏陪伴机器人、扫地机器人、儿童学习机或者智能音箱等。用户可以通过文字输入界面进行输入，也可以通过语音输入界面进行输入。
例如图2所示的基于自然语言处理的对话界面，用户可以进入对话机器人的应用程序后，在对话界面进行输入，输入的方式可以通过文本方式输入或者语音方式输入，如用户可以点击对话界面上的文本输入框，输入文本方式的询问语句，或者通过点击语音输入控件，输入语音方式的询问语句。针对用户输入的询问语句，对话机器人都会给出相应的自然语言处理NLP解答语句。以孕期知识服务为例，在用户输入“能不能吃苹果”时，对话机器人获取用户的输入的询问语句之后进行回复，终端11将对话机器人回复的NLP解答语句显示在如图2所示的对话界面上，例如对话机器人的回复可以为“孕期能吃苹果”，用户查看该回复后，可以再输入其他询问语句，对话机器人根据用户输入的询问语句进行回复，从而与用户进行对话。
终端11可以运行上述应用程序，并通过显示面板显示该应用程序的对话界面，通过话筒、触控面板或者按键等部件采集到用户输入的询问语句，相应的，终端11可以通过显示面板显示对话机器人推送的NLP解答语句，还可以扬声器以语音的形式输出NLP解答语句。终端11获取用户输入的询问语句之后，则可以将用户输入的询问语句发送给服务器12。服务器12可以执行本申请实施例提供的结合RPA与AI的问答语句处理方法的计算机执行指令，实现本申请实施例提供的结合RPA与AI的问答语句处理方法，以生成NLP解答语句，并推送给终端11。终端11则可以将NLP解答语句输出给用户。
图3为本申请又一实施例提供的结合RPA与AI的问答语句处理方法的场景示意图。该场景中可以包括对话机器人30，对话机器人30可以是自助服务机器人、游戏陪伴机器人、扫地机器人或者语音机器人等。其中，对话机器人30为具有足够计算能力的设备。对话机器人30可以通过显示面板显示对话界面，通过话筒、触控面板或者按键等部件采集到用户输入的询问语句，相应的，对话机器人30可以通过显示面板显示生成的NLP解答语句，还可以扬声器以语音的形式输出NLP解答语句。对话机器人30可以执行本申请实施例提供的结合RPA与AI的问答语句处理方法的计算机执行指令，实现本申请实施例提供的结合RPA与AI的问答语句处理方法，从而在用户输入询问语句之后，生成NLP解答语句，并将NLP解答语句输出给用户。
需要注意的是，本申请实施例提供的方法并不限用于图1和图3所示的应用场景中，还可以用于其他可能的应用场景，并不进行限制。
图4为本申请一实施例提供的结合RPA与AI的问答语句处理方法的流程示意图。该方法的执行主体为计算机设备，该计算机设备可以为图1中的服务器、图3中的对话机器人等，在此不作限定。如图4所示，该方法包括：
S401、接收用户输入的询问语句。
本实施例中，在该方法由服务器执行的应用场景中，终端可以采集用户以文本或语音等形式输入的询问语句，发送给服务器，服务器接收终端发送的该询问语句。在该方法由对话机器人执行的应用场景中，对话机器人可以采集用户以文本或语音等形式输入的询问语句。
S402、从预置的多个场景中确定询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据。
本实施例中，预置的多个场景的划分可以根据实际需求进行设置，在此不作限定。每个场景对应于一个数据表，该数据表中记录了属于该场景中多个对象的数据。其中，每个对象的数据用于在该对象被询问时确定回复的NLP解答语句。
例如，以孕期知识服务为例，可以将场景划分为饮食咨询场景、行为咨询场景、食谱推荐场景。其中，饮食咨询场景对应的数据表中可以记录有多种食物在不同孕期阶段是否能吃，以及相应的注意事项等，每种食物即为该场景中的对象。行为咨询场景对应的数据表中可以记录有多种行为在不同孕期阶段是否能做，以及相应的注意事项等，每种行为即为该场景中的对象。食谱推荐场景对应的数据表中可以记录有多种菜品的做法及注意事项等，每种菜品即为该场景中的对象。
可以通过询问语句的句式、关键词，或者对询问语句进行语义分析等方式，确定询问语句的目标场景。例如，在询问语句为“能不能吃苹果”时，确定该询问语句对应的目标场景为饮食咨询场景；在询问语句为“可以使用消毒液吗”时，确定该询问语句对应的目标场景为行为咨询场景。
S403、从询问语句中提取询问对象，并从目标场景对应的数据表中提取询问对象的数据。
本实施例中，询问对象是指用户所要询问的对象。询问语句中包含该对象，可以通过句式分析、关键词提取等方式从询问语句中提取询问对象。然后在目标场景对应的数据表中查找该询问对象的数据。例如，在询问语句为“能不能吃苹果”时，可以确定“苹果”为询问对象，并在饮食咨询场景对应的数据表中提取“苹果”的数据，如“苹果”的数据可以为：苹果在孕期第X周能食用。
可选地，从目标场景对应的数据表中提取询问对象的数据，可以包括：将询问对象与目标场景对应的数据表中的各个对象进行匹配；将与询问对象相匹配的对象的数据确定为询问对象的数据。本实施例中可以通过将询问对象与数据表中的各对象进行匹配，从而准确确定询问对象的数据。例如，饮食咨询场景对应的数据表中包括“苹果”、“梨”、“香蕉”等食物在不同孕期阶段是否能吃的数据，通过将“苹果”与该表中各个对象匹配可以查找出“苹果”的数据。
可选地，将与询问对象相匹配的对象的数据确定为询问对象的数据之前，上述方法还可以包括：
确定执行数据表匹配所需的至少一个条件元素；
生成未获取的条件元素的询问语句并输出；
对接收到的回复语句进行解析，获取该未获取的条件元素；
将与询问对象相匹配的对象的数据确定为询问对象的数据，可以包括：
将与询问对象相匹配的对象的数据中，与至少一个条件元素对应的数据，确定为询问对象的数据。
本实施例中，数据表预先配置有至少一个条件元素，在这些条件元素全部获取到后，才能执行数据表匹配，确定询问对象的数据。因而在执行数据表匹配前，首先确定执行数据表匹配所需的至少一个条件元素，判断其中是否存在未获取的条件元素。若存在，则生成未获取的条件元素的询问语句，并向用户输出，在接收到用户的回复语句后对回复语句进行解析，获取到该未获取的的条件元素。然后将与询问对象相匹配的对象的数据中，与至少一个条件元素对应的数据，确定为询问对象的数据。
例如，对于宝宝辅食数据表，条件元素可以为两个：宝宝的月份、宝宝的性别。在用户询问要给宝宝吃什么辅食时，确定这两个条件元素是否获取到，如果条件元素“宝宝的月份”还没有获取到，可以生成并输出“请问您的宝宝几个月份的呢”，若用户的回复语句为“15个月”，则确定条件元素“宝宝的月份”为15个月；如果条件元素“宝宝的性别”还没有获取到，可以生成并输出“请问您的宝宝是男孩还是女孩呢”，若用户的回复语句为“女孩”，则确定条件元素“宝宝的性别”为女；在与询问对象相匹配的对象的数据中，查找“宝宝的月份”为15个月，且“宝宝的性别”为女对应的数据确定为询问对象的数据。
通过确定执行数据表匹配所需的条件元素，对未获取的条件元素向用户询问，可以通过用户的回复语句解析未获取的条件元素，准确在数据表查找到询问对象的数据，从而提高回复的准确性。
S404、根据询问对象的数据生成NLP解答语句，并向用户推送NLP解答语句。
本实施例中，在获取到询问对象的数据后，可以根据询问对象的数据生成NLP解答语句，将NLP解答语句推送给用户。在该方法由服务器执行的应用场景中，服务器可以将NLP解答语句发送给终端，由终端在对话界面显示该NLP解答语句或者以语音形式播放该NLP解答语句。在该方法由对话机器人执行的应用场景中，对话机器人可以在显示面板的对话界面显示该NLP解答语句或者以语音形式播放该NLP解答语句。
本申请实施例通过接收用户输入的询问语句；从预置的多个场景中确定询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；从询问语句中提取询问对象，并从目标场景对应的数据表中提取询问对象的数据；根据询问对象的数据生成NLP解答语句，并向用户推送NLP解答语句，能够基于多个场景以及对应的数据表，通过查找数据表的方式生成NLP解答语句，从而提高对话机器人在对话交互过程中的回复准确性，并且可以完成一组流程式对话，提升用户体验。
可选地，上述方法还可以包括：
从预先配置的人格属性中，获取当前人格属性，其中，所述人格属性对应于至少一条欢迎语句；
向用户推送所述当前人格属性对应的欢迎语句。
本实施例中，在应用程序进入对话界面时，可以在对话界面上主动推动欢迎语句。为了使对话机器人的回复更加拟人化，提升用户体验，可以预先配置对话机器人的人格属性。可以将预置的多种人格属性中用户所选择一种人格属性，配置为对话机器人的当前人格属性。或者，针对用户属性，确定对应的对话机器人的人格属性。可以预先获取用户对应的用户属性，根据用户属性与对话机器人的人格属性的匹配关系，确定对话机器人的当前人格属性。预置的多种对话机器人的人格属性，每种人格属性对应于一条或多条欢迎语句。每种人格属性的欢迎语句由与该人格属性相匹配的话术风格生成。以孕期知识服务为例，人格属性可以包括具备资深孕期经验的导师、处于相同孕期阶段的孕妇等。在进入对话界面上可以从预先配置的人格属性中，获取当前人格属性，然后推送相应的欢迎语句。例如，当前人格属性为具备资深孕期经验的导师，则推送相应的欢迎语句。
可选地，在欢迎语句为多条时，可以随机输出其中的一条，或者依次输出多条欢迎语句。在欢迎语句中可以包含表征该对话机器人具备的能力和指示范围的语句。欢迎语句还可以用于引导用户该对话机器人的使用方法。
可选地，上述方法还可以包括：
在预置的多个场景中不存在询问语句对应的目标场景时，从预置的问答知识库中查找与询问语句对应的问题，其中，问答知识库中包括多个问题及其相应的答案文本；
向用户推送询问语句对应的问题的答案文本。
本实施例中，若不存在询问语句对应的目标场景，则将该询问语句与预置的问答知识库中的问题进行匹配，确定与该询问语句对应的问题，然后获取该问题对应的答案文本推送给用户，从而对用户提出的询问语句进行回复。其中，问答知识库中一个问题可以对应于一条答案文本，或者多条不同人格属性风格的答案文本。可以选择当前的人格属性的答案文本推送给用户。
图5为本申请又一实施例提供的结合RPA与AI的问答语句处理方法的流程示意图。本实施例对确定询问语句对应的目标场景的具体实现过程进行了详细说明。如图5所示，该方法包括：
S501、接收用户输入的询问语句。
本实施例中，S501与图4实施例中的S401类似，此处不再赘述。
S502、确定询问语句符合的预设句式。
S503、根据预置的场景和预设句式的对应关系，确定询问语句符合的预设句式对应的场景，并将询问语句符合的预设句式对应的场景确定为目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据。
本实施例中，可以通过对询问语句进行句式分析，或者将询问语句与各个预设句式进行匹配等方式，确定询问语句符合的预设句式。每种场景对应于一种或多种预设句式，在确定询问语句符合的预设句式后，将该预设句式对应的场景作为目标场景。其中，一个场景对应的预设句式为用户在该场景下常用的询问句式。例如，饮食咨询场景对应的预设句式可以包括“能不能吃XX”，“XX能不能吃”，“XX能吃吗”等。在用户输入的询问语句为“能不能吃苹果”时，确定该询问语句符合预设句式“能不能吃XX”，进而将饮食咨询场景确定为该询问语句的目标场景。
可选地，可以通过样本分析确定出场景所对应的预设句式，上述方法还可以包括：
获取每个场景下的多个询问语句样本；
针对每个场景，统计该场景下的所有询问语句样本中属于同一句式的询问语句样本数量，并将各句式的询问语句样本数量从大到小进行排序，选择排序靠前的至少一个句式作为该场景对应的预设句式。
本实施例中，可以通过网络爬取或搜索语言数据库等方式，获取各场景下的多个询问语句样本，以便从这些询问语句样本中选取每个场景下高频使用的询问语句。具体对于每个场景，可以统计该场景下的所有询问语句样本中属于同一句式的询问语句样本数量，这样得到每个句式所对应的询问语句样本数量，然后根据该数量的大小对所有句式进行排序，选取其中对应询问语句样本数量最多的N个句式作为该场景下的对应的预设句式，其中，N为大于零的整数，可以根据实际需求进行设定。
S504、从询问语句中提取询问对象，并从目标场景对应的数据表中提取询问对象的数据。
本实施例中，S504与图4实施例中的S403类似，此处不再赘述。
可选地，S504中从询问语句中提取询问对象，可以包括：
根据询问语句符合的预设句式，确定询问语句中询问对象的位置信息；其中，每个预设句式中包含该预设句式中对象的位置信息；
根据询问对象的位置信息，从询问语句中提取询问对象。
本实施例中，在确定出询问语句符合的预设句式后，可以确定询问语句中询问对象的位置信息。例如，预设句式中可以包括对象的位置信息，或者将询问语句与预设句式记性对比从而确定询问对象的位置信息，此外，还可以由其他的确定方式，在此不作限定。然后根据询问对象的位置信息，从询问语句中提取询问对象。例如，在询问语句为“能不能吃苹果”时，其符合预设句式为“能不能吃XX”，其中“XX”所在的位置即为询问对象的位置，可以从询问语句中提取询问对象“苹果”。
S505、根据询问对象的数据生成NLP解答语句，并向用户推送NLP解答语句。
在本实施例中，S505与图2实施例中的S404类似，此处不再赘述。
本实施例通过预置的场景和预设句式的对应关系，确定询问语句的目标场景，能够准确识别目标场景，进而提高对话机器人在对话交互过程中的回复准确性。
可选地，可以在确定询问语句符合的预设句式后，确定询问语句的目标场景，并进入目标场景对应的任务流程。一个任务流程可以包括预设的一轮或多轮对话语句，通过一轮或多轮对话语句与用户进行对话，确定用户的询问对象，再从目标场景对饮的数据表中查询该询问对象的数据，生成并推送NLP解答语句。例如，用户输入的询问语句为“能不能吃”，此时根据预设句式“能不能吃XX”可以确定目标场景为饮食咨询场景，触发相应的任务流程，依据该任务流程可以通过多轮对话进一步询问“请问您想问什么能不能吃”，若用户回复“水果”，对话机器人可以再次“请问您想问什么水果能不能吃，如苹果、香蕉等”，若用户回复“梨”，则可以确定询问对象是“梨”，并且在数据表中查找梨能不能吃，将查找结果生成相应的NLP解答语句推送给用户。其中，任务流程在此不作限定，可以根据实际需求设置。
本实施例通过设置场景对应的任务流程，并在询问语句符合的预设句式后，触发相应的任务流程，能够在用户的询问语句信息不全，无法解答时，通过多轮询问，确定出用户的询问对象，进而生成相应的NLP解答语句，能够提高对话机器人在对话交互过程中的回复准确性。
可选地，在进入对话界面后显示多个预设的推荐问题，在接收到用户选中某个推荐问题后，将该推荐问题的答案推送给用户。通过设置推荐问题，在用户无明确询问对象、希望了解当前问题相关内容等情况时，便于用户进行问题的选择，提高操作的便捷性。
图6为本申请一实施例提供的结合RPA与AI的问答语句处理装置的结构示意图。如图6所示，该结合RPA与AI的问答语句处理装置60包括：接收模块601、处理模块602、提取模块603和发送模块604。
接收模块601，用于接收用户输入的询问语句；
处理模块602，用于从预置的多个场景中确定询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；
提取模块603，用于从询问语句中提取询问对象，并从目标场景对应的数据表中提取询问对象的数据；
发送模块604，用于根据询问对象的数据生成自然语言处理NLP解答语句，并向用户推送NLP解答语句。
可选的，每个场景对应于至少一个预设句式；
处理模块602，具体用于：
确定询问语句符合的预设句式；
根据预置的场景和预设句式的对应关系，确定询问语句符合的预设句式对应的场景，并将询问语句符合的预设句式对应的场景确定为目标场景。
可选的，每个预设句式中包含该预设句式中对象的位置信息；
提取模块603，具体用于：
根据询问语句符合的预设句式，确定询问语句中询问对象的位置信息；
根据询问对象的位置信息，从询问语句中提取询问对象。
可选的，处理模块602，还用于：
获取每个场景下的多个询问语句样本；
针对每个场景，统计该场景下的所有询问语句样本中属于同一句式的询问语句样本数量，并将各句式的询问语句样本数量从大到小进行排序，选择排序靠前的至少一个句式作为该场景对应的预设句式。
可选的，处理模块602，具体用于：
将询问对象与目标场景对应的数据表中的各个对象进行匹配；
将与询问对象相匹配的对象的数据确定为询问对象的数据。
可选的，处理模块602，具体用于：
确定执行所述数据表匹配所需的至少一个条件元素；
生成未获取的所述条件元素的询问语句并输出；
对接收到的回复语句进行解析，获取所述未获取的所述条件元素；
将与所述询问对象相匹配的对象的数据中，与所述至少一个条件元素对应的数据，确定为所述询问对象的数据。
可选的，处理模块602，还用于：
从预先配置的人格属性中，获取当前人格属性，其中，所述人格属性对应于至少一条欢迎语句；
向用户推送所述当前人格属性对应的欢迎语句。
可选的，处理模块602，还用于：
在预置的多个场景中不存在询问语句对应的目标场景时，从预置的问答知识库中查找与询问语句对应的问题，其中，问答知识库中包括多个问题及其相应的答案文本；
向用户推送询问语句对应的问题的答案文本。
本申请实施例提供的结合RPA与AI的问答语句处理装置，可用于执行上述的方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图7为本申请一实施例提供的计算机设备的硬件结构示意图。如图7所示，本实施例提供的计算机设备70包括：至少一个处理器701和存储器702。该计算机设备70还包括通信部件703。其中，处理器701、存储器702以及通信部件703通过总线704连接。
在具体实现过程中，至少一个处理器701执行存储器702存储的计算机执行指令，使得至少一个处理器701执行如上的结合RPA与AI的问答语句处理方法。
处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当处理器执行该计算机执行指令时，实现如上的结合RPA与AI的问答语句处理方法。
上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (11)
1.一种结合RPA与AI的问答语句处理方法，其特征在于，包括：
接收用户输入的询问语句；
从预置的多个场景中确定所述询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；
从所述询问语句中提取询问对象，并从所述目标场景对应的数据表中提取所述询问对象的数据；
根据所述询问对象的数据生成自然语言处理NLP解答语句，并向用户推送所述NLP解答语句。
2.根据权利要求1所述的方法，其特征在于，每个场景对应于至少一个预设句式；
所述从预置的多个场景中确定所述询问语句对应的目标场景，包括：
确定所述询问语句符合的预设句式；
根据预置的场景和预设句式的对应关系，确定所述询问语句符合的预设句式对应的场景，并将所述询问语句符合的预设句式对应的场景确定为所述目标场景。
3.根据权利要求2所述的方法，其特征在于，每个预设句式中包含该预设句式中对象的位置信息；
所述从所述询问语句中提取询问对象，包括：
根据所述询问语句符合的预设句式，确定所述询问语句中询问对象的位置信息；
根据所述询问对象的位置信息，从所述询问语句中提取所述询问对象。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取每个场景下的多个询问语句样本；
针对每个场景，统计该场景下的所有询问语句样本中属于同一句式的询问语句样本数量，并将各句式的询问语句样本数量从大到小进行排序，选择排序靠前的至少一个句式作为该场景对应的预设句式。
5.根据权利要求1所述的方法，其特征在于，所述从所述目标场景对应的数据表中提取所述询问对象的数据，包括：
将所述询问对象与所述目标场景对应的数据表中的各个对象进行匹配；
将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据。
6.根据权利要求5所述的方法，其特征在于，所述将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据之前，包括：
确定执行所述数据表匹配所需的至少一个条件元素；
生成未获取的所述条件元素的询问语句并输出；
对接收到的回复语句进行解析，获取所述未获取的所述条件元素；
所述将与所述询问对象相匹配的对象的数据确定为所述询问对象的数据，包括：
将与所述询问对象相匹配的对象的数据中，与所述至少一个条件元素对应的数据，确定为所述询问对象的数据。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
从预先配置的人格属性中，获取当前人格属性，其中，所述人格属性对应于至少一条欢迎语句；
向用户推送所述当前人格属性对应的欢迎语句。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
在预置的多个场景中不存在所述询问语句对应的目标场景时，从预置的问答知识库中查找与所述询问语句对应的问题，其中，所述问答知识库中包括多个问题及其相应的答案文本；
向用户推送所述询问语句对应的问题的答案文本。
9.一种结合RPA与AI的问答语句处理装置，其特征在于，包括：
接收模块，用于接收用户输入的询问语句；
处理模块，用于从预置的多个场景中确定所述询问语句对应的目标场景，其中，每个场景对应于一个数据表，一个场景对应的数据表中包括属于该场景的多个对象的数据；
提取模块，用于从所述询问语句中提取询问对象，并从所述目标场景对应的数据表中提取所述询问对象的数据；
发送模块，用于根据所述询问对象的数据生成自然语言处理NLP解答语句，并向用户推送所述NLP解答语句。
10.一种计算机设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-8任一项所述的结合RPA与AI的问答语句处理方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-8任一项所述的结合RPA与AI的问答语句处理方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2020102093222 | 2020-03-23 | ||
| CN202010209322.2A CN111339280A (zh) | 2020-03-23 | 2020-03-23 | 问答语句处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112241450A true CN112241450A (zh) | 2021-01-19 |
Family
ID=71180357
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010209322.2A Pending CN111339280A (zh) | 2020-03-23 | 2020-03-23 | 问答语句处理方法、装置、设备及存储介质 |
| CN202011135020.1A Pending CN112241450A (zh) | 2020-03-23 | 2020-10-21 | 结合rpa与ai的问答语句处理方法、装置、设备和存储介质 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010209322.2A Pending CN111339280A (zh) | 2020-03-23 | 2020-03-23 | 问答语句处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN111339280A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220852A (zh) * | 2021-05-06 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 人机对话方法、装置、设备和存储介质 |
| CN113769395A (zh) * | 2021-09-28 | 2021-12-10 | 腾讯科技（深圳）有限公司 | 虚拟场景的互动方法、装置及电子设备 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112000786A (zh) * | 2020-06-30 | 2020-11-27 | 北京来也网络科技有限公司 | 结合rpa和ai的对话机器人问题处理方法、装置和设备 |
| CN112395399A (zh) * | 2020-11-13 | 2021-02-23 | 四川大学 | 一种基于人工智能的特定人格对话机器人训练方法 |
| CN113010651A (zh) * | 2021-03-02 | 2021-06-22 | 中国工商银行股份有限公司 | 一种针对用户提问的答复方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011076627A (ja) * | 2010-12-16 | 2011-04-14 | Oki Electric Industry Co Ltd | 対話管理装置、方法及びプログラム、並びに意識抽出システム |
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
| CN109977405A (zh) * | 2019-03-26 | 2019-07-05 | 北京博瑞彤芸文化传播股份有限公司 | 一种智能语义匹配方法 |
| CN110245224A (zh) * | 2019-06-20 | 2019-09-17 | 网易（杭州）网络有限公司 | 对话生成方法及装置 |
| WO2019214234A1 (zh) * | 2018-05-10 | 2019-11-14 | 北京搜狗科技发展有限公司 | 一种输入预测方法及装置 |
-
2020
- 2020-03-23 CN CN202010209322.2A patent/CN111339280A/zh active Pending
- 2020-10-21 CN CN202011135020.1A patent/CN112241450A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011076627A (ja) * | 2010-12-16 | 2011-04-14 | Oki Electric Industry Co Ltd | 対話管理装置、方法及びプログラム、並びに意識抽出システム |
| CN107861961A (zh) * | 2016-11-14 | 2018-03-30 | 平安科技（深圳）有限公司 | 对话信息生成方法和装置 |
| WO2019214234A1 (zh) * | 2018-05-10 | 2019-11-14 | 北京搜狗科技发展有限公司 | 一种输入预测方法及装置 |
| CN109977405A (zh) * | 2019-03-26 | 2019-07-05 | 北京博瑞彤芸文化传播股份有限公司 | 一种智能语义匹配方法 |
| CN110245224A (zh) * | 2019-06-20 | 2019-09-17 | 网易（杭州）网络有限公司 | 对话生成方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113220852A (zh) * | 2021-05-06 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 人机对话方法、装置、设备和存储介质 |
| CN113220852B (zh) * | 2021-05-06 | 2023-04-25 | 支付宝(杭州)信息技术有限公司 | 人机对话方法、装置、设备和存储介质 |
| CN113769395A (zh) * | 2021-09-28 | 2021-12-10 | 腾讯科技（深圳）有限公司 | 虚拟场景的互动方法、装置及电子设备 |
| CN113769395B (zh) * | 2021-09-28 | 2023-11-14 | 腾讯科技（深圳）有限公司 | 虚拟场景的互动方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111339280A (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112241450A (zh) | 结合rpa与ai的问答语句处理方法、装置、设备和存储介质 | |
| JP6799574B2 (ja) | 音声対話の満足度の確定方法及び装置 | |
| CN107797984B (zh) | 智能交互方法、设备及存储介质 | |
| CN103425635B (zh) | 一种答案推荐方法和装置 | |
| CN109949071A (zh) | 基于语音情绪分析的产品推荐方法、装置、设备和介质 | |
| US10803850B2 (en) | Voice generation with predetermined emotion type | |
| US20180075014A1 (en) | Conversational artificial intelligence system and method using advanced language elements | |
| CN110046227A (zh) | 对话系统的配置方法、交互方法、装置、设备和存储介质 | |
| CN110188185A (zh) | 多轮对话的处理方法、装置、设备和存储介质 | |
| CN109615009B (zh) | 一种学习内容推荐方法及电子设备 | |
| CN111078856A (zh) | 一种群聊对话处理方法、装置及电子设备 | |
| CN112988988A (zh) | 问答方法、装置及设备 | |
| CN112084305A (zh) | 应用于聊天应用的搜索处理方法、装置、终端及存储介质 | |
| CN112036164A (zh) | 样本生成方法及装置、计算机可读存储介质和电子设备 | |
| CN116501960A (zh) | 内容检索方法、装置、设备及介质 | |
| CN111897938A (zh) | 结合rpa和ai的对话机器人回复方法、模型训练方法及装置 | |
| CN112532507A (zh) | 用于呈现表情图像、用于发送表情图像的方法和设备 | |
| CN112417107A (zh) | 一种信息处理方法及装置 | |
| CN116775815B (zh) | 对话数据的处理方法、装置、电子设备及存储介质 | |
| CN109582780B (zh) | 一种基于用户情绪的智能问答方法及装置 | |
| CN117332062A (zh) | 一种数据处理方法和相关装置 | |
| CN116680379A (zh) | 文本处理方法、装置、电子设备和计算机可读存储介质 | |
| CN111161706A (zh) | 交互方法、装置、设备和系统 | |
| CN113378037B (zh) | 资费配置的获取方法及装置 | |
| CN115221303A (zh) | 一种对话处理方法及对话处理装置 |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 1902, 19th Floor, China Electronics Building, No. 3 Danling Road, Haidian District, Beijing Applicant after: BEIJING LAIYE NETWORK TECHNOLOGY Co.,Ltd. Applicant after: Laiye Technology (Beijing) Co.,Ltd. Address before: 1902, 19 / F, China Electronics Building, 3 Danling Road, Haidian District, Beijing 100080 Applicant before: BEIJING LAIYE NETWORK TECHNOLOGY Co.,Ltd. Country or region before: China Applicant before: BEIJING BENYING NETWORK TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information |