CN112559700A - 一种应答处理方法、智能设备及存储介质 - Google Patents

一种应答处理方法、智能设备及存储介质 Download PDF

Info

Publication number
CN112559700A
CN112559700A CN202011239738.5A CN202011239738A CN112559700A CN 112559700 A CN112559700 A CN 112559700A CN 202011239738 A CN202011239738 A CN 202011239738A CN 112559700 A CN112559700 A CN 112559700A
Authority
CN
China
Prior art keywords
user
information
conversation
dialog
ending
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
Application number
CN202011239738.5A
Other languages
English (en)
Inventor
冯晓燕
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.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing 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 Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN202011239738.5A priority Critical patent/CN112559700A/zh
Publication of CN112559700A publication Critical patent/CN112559700A/zh
Pending legal-status Critical Current

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
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Machine Translation (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种应答处理方法、智能设备及计算机可读存储介质，智能设备在接收到用户当前输入信息时，首先对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和至少包括问题解决情况或用户情绪在内的用户基本信息；之后将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；当模型预测结果用于表征结束对话时，即可向用户反馈引导对话结束的应答语。

Description

一种应答处理方法、智能设备及存储介质
技术领域
本发明涉及语音处理技术领域，尤其涉及一种应答处理方法、智能设备及计算机可读存储介质。
背景技术
在以往的智能对话系统中，在机器人(bot)与用户的对话过程中，针对用户的每段对话bot都会进行理解然后给一个回复。bot只有在收到了用户发出的明确的结束会话的信息或者用户长时间不回复的情况下才会结束会话，否则还会继续引导用户进行对话。bot的这种过多回复往往会引发用户的下一步输入，增加bot理解的难度，还会陷入冗余的循环对话和尬聊。
发明内容
本发明实施例为了解决现有技术中所存在的上述问题，创造性地提供了一种应答处理方法、智能设备及计算机可读存储介质。
根据本发明第一方面，提供了一种应答处理方法，该方法包括：接收用户当前输入信息；对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息，所述用户基本信息至少包括问题解决情况或用户情绪；将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
根据本发明一实施方式，对包括用户当前输入信息在内的对话信息进行分析，包括：对所述用户当前输入信息进行意图识别，得到用户当前意图；获取包括用户当前输入信息在内的对话信息；对所述对话信息进行数据分析，获得用户基本信息。
根据本发明一实施方式，所述用户基本信息还包括如下信息至少之一：用户当前意图的重复次数、用户自身情况、用户当前所处的环境及用户在对话过程中所处的节点。
根据本发明一实施方式，所述用户在对话过程中所处的节点包括如下节点分支之一：会话开始、解决问题中或解决问题结束。
根据本发明一实施方式，所述模型预测结果为包括结束对话维度在内的一概率分布数据；相应的，当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语，包括：当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
根据本发明第二方面，还提供了一种智能设备，该智能设备包括：接收模块，用于接收用户当前输入信息；分析模块，用于对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息，所述用户基本信息至少包括问题解决情况或用户情绪；模型预测模块，用于将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；应答模块，用于当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
根据本发明一实施方式，所述分析模块包括：意图识别子模块，用于对所述用户当前输入信息进行意图识别，得到用户当前意图；信息获取子模块，用于获取包括用户当前输入信息在内的对话信息；数据分析子模块，用于对所述对话信息进行数据分析，获得用户基本信息。
根据本发明一实施方式，所述模型预测结果为包括结束对话维度在内的一概率分布数据；相应的，所述应答模块具体用于，当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
根据本发明第三方面，又提供了一种智能设备，所述智能设备至少包括一个处理器、以及于所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述内存其通过总线完成相互间的通信；所述处理器用于调用存储器中的程序指令，以执行前述任一应答处理方法。
根据本发明第四方面，还提供了一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行前述任一应答处理方法。
本发明实施例应答处理方法、智能设备及计算机可读存储介质，智能设备在接收到用户当前输入信息时，首先对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和至少包括问题解决情况或用户情绪在内的用户基本信息；之后将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；当模型预测结果用于表征结束对话时，即可向用户反馈引导对话结束的应答语。如此，本发明智能设备bot根据多因素(用户意图和基本信息)建立的对话预测模型来智能判断结束会话的时机，得以避免机械会话、循环会话及用户负面情绪，有效提升bot的会话能力，从而提升用户体验。
需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例应答处理方法的实现流程示意图一；
图2示出了本发明实施例应答处理方法的实现流程示意图二；
图3示出了本发明实施例智能设备的组成结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为使本发明更加透彻和完整，并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例应答处理方法的实现流程示意图一。
相关技术中，bot只有在收到了用户发出的明确的结束会话的信息或者用户长时间不回复的情况下才会结束会话，否则还会继续引导用户进行对话。尤其是以解决用户问题为主的智能对话系统，bot所要担任的是服务人员的角色，bot的即时回复满足了服务人员的态度积极的特性，但是却也会引发一些问题，就是不能很好地把握合适的时间去结束一段对话。
在一应用实例中，用户与bot之间的对话信息如下：
[21:27:31.467Bot(text)]:Thanks for your feedback！.
[21:28:01.770User(text)]:My pleasure.
[21:28:02.231Bot(text)]:Glad to help！.
[21:28:15.314User(text)]:[微笑].
[21:28:15.415Bot(text)]:Would you be able to rephrase your request/question for my better understanding？.
[21:28:35.367User(text)]:no thanks.
[21:28:35.711Bot(text)]:Glad to help！
基于该示例进行分析：在一个问题解决完之后，如果用户没有新的问题或负面情绪，那么bot可以引导对话结束，从而避免引发理解不了的输入。
在另一示例中，用户与bot之间的对话信息如下：
[11:41:21.080user(text)]:mobile internet.
[11:41:21.196bot(text)]:i'm going to try and help you with that.whichof the following most closely resembles your issue？.
[11:41:21.196bot(button)]:[signal or network issue][cannot turn offinternet].
[11:41:21.196bot(button)]:[none of the above].
[11:41:59.770user(text)]:ok will try using a wifi.
[11:42:03.434bot(text)]:let me know when you need more help..
[11:42:19.675user(text)]:will contact u tomorrow if not done.
[11:42:19.967bot(text)]:please let me know if you need more help..
[11:42:28.123user(text)]:thanks for help.
[11:42:28.412bot(text)]:glad to help！.
[11:46:40.543user(text)]:am at office.please stop this auto replay.iwill try using wifi.
[11:46:44.550bot(text)]:please let me know if you need more help..
[11:46:48.945user(text)]:fuck u auto reply**
基于上述示例进行分析：在一个问题解决完之后，如果用户没有新的问题或负面情绪，那么bot可以引导对话结束，从而避免陷入尬聊，甚至会引起用户的负向情绪。
在又一示例中，用户与bot之间的对话信息如下：
[11:46:49.230bot(text)]:hey there.it’s moli here.i’m your virtualagent.how may i help you？
[09:51:33.396user(text)]:i cant scroll down.
[09:51:33.906bot(text)]:i'm going to try and help you with that.whichof the following most closely resembles your issue？.
[09:51:33.906bot(button)]:[notification bar isn't working][navigationkeys aren't working][phone won't turn on].
[09:51:33.906bot(button)]:[none of the above].
[09:52:38.306user(text)]:its ok i will follow your instrutionsabove.thank you very much.
[09:52:38.786bot(text)]:glad to help！i'm standing by if you need morehelp..
[09:53:02.823user(text)]:thanks very much.
[09:53:03.098bot(text)]:glad to help！.
[09:56:03.063system(check)]:----pause1----.
[09:56:03.089bot(text)]:i haven't heard from you in a while.pleaselet me know if you need more help..
[10:08:03.102system(check)]:----pause2----.
[10:08:03.135bot(text)]:it was nice chatting with you.i will closeout this chat now,but please come back again if you need more help.
基于上述示例进行分析：在一个问题解决完之后，如果用户没有新的问题或负面情绪，那么bot可以引导对话结束，从而避免冗余的对话过程。
鉴于以上对话信息的分析，本发明实施例提供了一种应答处理方法，如图1所示，该方法包括：操作101，接收用户当前输入信息；操作102，对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息；操作103，将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；操作104，当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
在操作101，智能设备接收用户当前输入信息，其中用户当前输入信息可以是来自用户的语音信息，也可以是响应于用户触发，智能设备自动生成的指令信息。
这里，本发明实施例所涉及的智能设备可以是目前已开发或未来待开发的具有语音交互或语音识别的智能语音设备，也可以是机器人设备bot，还可以是智能客服系统。
在操作102，智能设备对包括用户当前输入信息在内的对话信息进行多因素分析，获得用户当前意图和用户基本信息。
其中，用户基本信息至少包括问题解决情况或用户情绪。这样，在通过对bot与用户之间的对话信息进行多因素分析，当一个问题解决之后，如果用户没有新的问题或负向情绪，那么bot可以引导对话结束。
这里，用户基本信息还可以包括用户当前意图的重复次数、用户自身情况、用户当前所处的环境及用户在对话过程中所处的节点等。其中，用户在对话过程中所处的节点包括如下节点分支之一：会话开始、解决问题中或解决问题结束。
具体地，智能设备对包括用户当前输入信息在内的对话信息进行分析，包括：对所述用户当前输入信息进行意图识别，得到用户当前意图；获取包括用户当前输入信息在内的对话信息；对所述对话信息进行数据分析，获得用户基本信息。
在操作103～104，智能设备利用预先训练好的至少包括结束对话这一维度的对话预测模型，将用户当前意图和用户基本信息作为模型输入进行模型预测；当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
本发明实施例应答处理方法，智能设备在接收到用户当前输入信息时，首先对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和至少包括问题解决情况或用户情绪在内的用户基本信息；之后将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；当模型预测结果用于表征结束对话时，即可向用户反馈引导对话结束的应答语。如此，本发明智能设备bot根据多因素(用户意图和基本信息)建立的至少包括结束对话这一维度的对话预测模型来智能判断结束会话的时机，得以避免机械会话、循环会话及用户负面情绪，有效提升bot的会话能力，从而提升用户体验。
图2示出了本发明实施例应答处理方法的实现流程示意图二。
参考图2，本发明实施例应答处理方法包括：操作201，接收用户当前输入信息；操作202，对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息；操作203，将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果，所述模型预测结果为包括结束对话维度在内的一概率分布数据；操作204，当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
在操作201，智能设备接收用户当前输入信息，其中用户当前输入信息可以是来自用户的语音信息，也可以是响应于用户触发，智能设备自动生成的指令信息。
这里，本发明实施例所涉及的智能设备可以是目前已开发或未来待开发的具有语音交互或语音识别的智能语音设备，也可以是机器人设备bot，还可以是智能客服系统。
在操作202，智能设备对包括用户当前输入信息在内的对话信息进行多因素分析，获得用户当前意图和用户基本信息。
其中，用户基本信息至少包括问题解决情况或用户情绪。这样，在通过对bot与用户之间的对话信息进行多因素分析，当一个问题解决之后，如果用户没有新的问题或负向情绪，那么bot可以引导对话结束。
这里，用户基本信息还可以包括用户当前意图的重复次数、用户自身情况、用户当前所处的环境及用户在对话过程中所处的节点等。其中，用户在对话过程中所处的节点包括如下节点分支之一：会话开始、解决问题中或解决问题结束。
具体地，智能设备对包括用户当前输入信息在内的对话信息进行分析，包括：对所述用户当前输入信息进行意图识别，得到用户当前意图；获取包括用户当前输入信息在内的对话信息；对所述对话信息进行数据分析，获得用户基本信息。
在操作203，智能设备利用预先训练好的至少包括结束对话这一维度的对话预测模型，将用户当前意图和用户基本信息作为模型输入进行模型预测，得到模型预测结果。
其中，模型预测结果为包括结束对话维度在内的一概率分布数据。具体地，该概率分布数据model_output[继续正常聊天_0，引导话_1，引导话术_2，......结束对话_n]＝[p0,p1,p2,.......pn]。
在操作204，当概率分布数据中结束对话维度的概率高于概率阈值，即pmax＝pn时，向用户反馈引导对话结束的应答语。具体地，智能设备在结束对话维度选择合适的引导话术向用户反馈，从而及时引导对话结束。
在一应用示例中，bot和用户之间的对话信息如下：
[21:26:29.904Bot(text)]:I think you are looking for:"Lenovo HardwareDiagnose Tools".Don't worry,I will be glad to assist you with this matter..
[21:26:29.904Bot(richText_question)]:Lenovo Hardware Diagnose Tools.
[21:26:29.904Bot(button)]:[Helpful][Unhelpful].
[21:26:45.942User(text)]:Thank you.
[21:26:46.272Bot(text)]:Happy to help,do you have any otherquestions？.
[21:26:46.272Bot(button)]:[Yes][No].
[21:26:57.003User(text)]:2.
[21:27:31.443User(survey)]:[100][Issue well understood][Problemsolved][Appropriate solution][Pleasant interaction].
[21:27:31.467Bot(text)]:Thanks for your feedback！.
[21:28:01.770User(text)]:My pleasure.
基于本发明如图2所示的应答处理方法进行处理，流程如下：
a)分析获取的对话信息，得到用户当前意图和用户基本信息，并将其作为模型输入model_input＝{“问题解决情况”：”100solved”，”自身情况”：””,”当前的所处的环境”:””,”情绪”:”positive”,”当前所表达的意图”:””,”当前意图的重复次数”:”1”,”以及用户在会话过程中所处的节点”:”解决问题结束”,......}；
b)模型预测，得到模型预测结果model_output[继续正常聊天_0，引导话_1，引导话术_2，......结束对话_n]＝[p0,p1,p2,.......pn]；pmax＝pn；
c)在结束会话维度选择合适的引导话术，输出话术，结束对话。
在另一应用示例中，bot和用户之间的对话信息如下：
[11:41:21.080user(text)]:mobile internet.
[11:41:21.196bot(text)]:i'm going to try and help you with that.whichof the following most closely resembles your issue？.
[11:41:21.196bot(button)]:[signal or network issue][cannot turn offinternet].
[11:41:21.196bot(button)]:[none of the above].
[11:41:59.770user(text)]:ok will try using a wifi.
[11:42:03.434bot(text)]:let me know when you need more help..
[11:42:19.675user(text)]:will contact u tomorrow if not done.
基于本发明如图2所示的应答处理方法进行处理，流程如下：
a)分析获取的对话信息，得到用户当前意图和用户基本信息，并将其作为模型输入model_input＝{“问题解决情况”：””，”自身情况”：””,”当前的所处的环境”:””,”情绪”:””,”当前所表达的意图”:”will_try”,”当前意图的重复次数”:”2”,”以及用户在会话过程中所处的节点”:”解决问题中”,......}；
b)模型预测，得到模型预测结果model_output[继续正常聊天_0，引导话_1，引导话术_2，......结束对话_n]＝[p0,p1,p2,.......pn]；pmax＝pn；
c)在结束会话维度选择合适的引导话术，输出话术，结束对话。
如此，本发明智能设备bot根据多因素(用户意图和基本信息)建立的至少包括结束对话这一维度的对话预测模型来智能判断结束会话的时机，得到包括结束对话维度在内的一概率分布数据；当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语，从而及时引导对话结束，得以避免机械会话、循环会话及用户负面情绪，有效提升bot的会话能力，进而提升用户体验。
同理，基于如上文所述应答信息处理方法，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被处理器执行时，使得所述处理器至少执行如下所述的操作步骤：操作101，接收用户当前输入信息；操作102，对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息；操作103，将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；操作104，当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
进一步地，基于如上文所述应答信息处理方法，本发明实施例还提供一种智能设备，所述智能设备至少包括一个处理器、以及于所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述内存其通过总线完成相互间的通信；所述处理器用于调用存储器中的程序指令，以执行如下所述的操作步骤：操作101，接收用户当前输入信息；操作102，对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息；操作103，将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；操作104，当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
进一步地，基于如上文所述应答信息处理方法，本发明实施例又提供一种智能设备，如图3所示，该智能设备30包括：接收模块301，用于接收用户当前输入信息；分析模块302，用于对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息，所述用户基本信息至少包括问题解决情况或用户情绪；模型预测模块303，用于将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；应答模块304，用于当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
这里，所述用户基本信息还包括如下信息至少之一：用户当前意图的重复次数、用户自身情况、用户当前所处的环境及用户在对话过程中所处的节点。
其中，用户在对话过程中所处的节点包括如下节点分支之一：会话开始、解决问题中或解决问题结束。
根据本发明一实施方式，分析模块302包括：意图识别子模块，用于对所述用户当前输入信息进行意图识别，得到用户当前意图；信息获取子模块，用于获取包括用户当前输入信息在内的对话信息；数据分析子模块，用于对所述对话信息进行数据分析，获得用户基本信息。
根据本发明一实施方式，模型预测结果为包括结束对话维度在内的一概率分布数据；相应的，应答模块304具体用于，当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
这里需要指出的是：以上对智能设备实施例的描述，与前述图1和2所示的方法实施例的描述是类似的，具有同前述图1和2所示的方法实施例相似的有益效果，因此不做赘述。对于本发明智能设备实施例中未披露的技术细节，请参照本发明前述图1和2所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例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中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种应答处理方法，其特征在于，所述方法包括：
接收用户当前输入信息；
对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息，所述用户基本信息至少包括问题解决情况或用户情绪；
将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；
当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
2.根据权利要求1所述的方法，其特征在于，对包括用户当前输入信息在内的对话信息进行分析，包括：
对所述用户当前输入信息进行意图识别，得到用户当前意图；
获取包括用户当前输入信息在内的对话信息；
对所述对话信息进行数据分析，获得用户基本信息。
3.根据权利要求1所述的方法，其特征在于，所述用户基本信息还包括如下信息至少之一：用户当前意图的重复次数、用户自身情况、用户当前所处的环境及用户在对话过程中所处的节点。
4.根据权利要求3所述的方法，其特征在于，所述用户在对话过程中所处的节点包括如下节点分支之一：会话开始、解决问题中或解决问题结束。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述模型预测结果为包括结束对话维度在内的一概率分布数据；
相应的，当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语，包括：当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
6.一种智能设备，其特征在于，所述智能设备包括：
接收模块，用于接收用户当前输入信息；
分析模块，用于对包括用户当前输入信息在内的对话信息进行分析，获得用户当前意图和用户基本信息，所述用户基本信息至少包括问题解决情况或用户情绪；
模型预测模块，用于将所述用户当前意图和用户基本信息作为对话预测模型的输入进行模型预测，得到模型预测结果；
应答模块，用于当模型预测结果用于表征结束对话时，向用户反馈引导对话结束的应答语。
7.根据权利要求6所述的智能设备，其特征在于，所述分析模块包括：
意图识别子模块，用于对所述用户当前输入信息进行意图识别，得到用户当前意图；
信息获取子模块，用于获取包括用户当前输入信息在内的对话信息；
数据分析子模块，用于对所述对话信息进行数据分析，获得用户基本信息。
8.根据权利要求6或7所述的智能设备，其特征在于，所述模型预测结果为包括结束对话维度在内的一概率分布数据；
相应的，所述应答模块具体用于，当所述概率分布数据中结束对话维度的概率高于概率阈值时，向用户反馈引导对话结束的应答语。
9.一种智能设备，其特征在于，所述智能设备至少包括一个处理器、以及于所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述内存其通过总线完成相互间的通信；所述处理器用于调用存储器中的程序指令，以执行权利要求1至5中任一项所述的应答处理方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1至5任一项所述的应答处理方法。
CN202011239738.5A 2020-11-09 2020-11-09 一种应答处理方法、智能设备及存储介质 Pending CN112559700A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011239738.5A CN112559700A (zh) 2020-11-09 2020-11-09 一种应答处理方法、智能设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011239738.5A CN112559700A (zh) 2020-11-09 2020-11-09 一种应答处理方法、智能设备及存储介质

Publications (1)

Publication Number Publication Date
CN112559700A true CN112559700A (zh) 2021-03-26

Family

ID=75041661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011239738.5A Pending CN112559700A (zh) 2020-11-09 2020-11-09 一种应答处理方法、智能设备及存储介质

Country Status (1)

Country Link
CN (1) CN112559700A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635080A (zh) * 2018-11-15 2019-04-16 上海指旺信息科技有限公司 应答策略生成方法及装置
CN110046221A (zh) * 2019-03-01 2019-07-23 平安科技（深圳）有限公司 一种机器对话方法、装置、计算机设备及存储介质
CN110162608A (zh) * 2019-02-26 2019-08-23 腾讯科技（深圳）有限公司 计算机实现的对话管理的方法、用于对话管理的设备以及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635080A (zh) * 2018-11-15 2019-04-16 上海指旺信息科技有限公司 应答策略生成方法及装置
CN110162608A (zh) * 2019-02-26 2019-08-23 腾讯科技（深圳）有限公司 计算机实现的对话管理的方法、用于对话管理的设备以及计算机可读存储介质
CN110046221A (zh) * 2019-03-01 2019-07-23 平安科技（深圳）有限公司 一种机器对话方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN110096191B (zh) 一种人机对话方法、装置及电子设备
CN112365894B (zh) 基于ai的复合语音交互方法、装置及计算机设备
CN111597312A (zh) 一种多轮对话脚本的生成方法和装置
CN107634901B (zh) 会话表情的推送方法、推送装置及终端设备
CN112313930B (zh) 管理保持的方法和装置
CN108986810A (zh) 一种通过耳机实现语音交互的方法及装置
CN110634479A (zh) 语音交互系统、其处理方法以及其程序
CN110569344A (zh) 确定对话文本对应的标准问句的方法和装置
CN112417107A (zh) 一种信息处理方法及装置
CN113626568A (zh) 机器人的人机对话控制方法、装置、计算机设备及介质
CN114328867A (zh) 一种人机对话中智能打断的方法及装置
JP6943237B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN112559700A (zh) 一种应答处理方法、智能设备及存储介质
CN110929014B (zh) 信息处理方法、装置、电子设备及存储介质
CN103297389B (zh) 人机对话方法及装置
CN110740212B (zh) 基于智能语音技术的通话接听方法、装置及电子设备
CN112069830A (zh) 一种智能会话方法及装置
EP4093005A1 (en) System method and apparatus for combining words and behaviors
CN114722171B (zh) 多轮对话处理方法、装置、电子设备及存储介质
CN106844646B (zh) 基于情绪预测的人工智能回话方法及装置
CN113539275B (zh) 确定话术的方法、装置以及存储介质
CN110888971B (zh) 机器人客服与用户的多轮交互方法和装置
CN112632241A (zh) 智能会话的方法、装置、设备和计算机可读介质
CN111400475A (zh) 信息处理方法、装置和电子设备
CN109726277B (zh) 一种数据处理方法及装置

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