CN112579757A - 智能问答方法、装置、计算机可读存储介质及电子设备 - Google Patents
智能问答方法、装置、计算机可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN112579757A CN112579757A CN202011563421.7A CN202011563421A CN112579757A CN 112579757 A CN112579757 A CN 112579757A CN 202011563421 A CN202011563421 A CN 202011563421A CN 112579757 A CN112579757 A CN 112579757A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- user
- information
- task
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Abstract
本公开涉及一种智能问答方法、装置、计算机可读存储介质及电子设备。智能问答方法包括向用户发布问答任务,以使用户响应所述问答任务;提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,所述解析结果包括匹配结果和状态结果;基于所述属性信息和所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。本公开提供的智能问答方法能够根据用户的属性以及用户的回答信息进行问答任务的提问,实现贴合用户的人机交互对话,提高问答任务的训练效率。
Description
技术领域
本公开涉及人机对话领域,具体涉及一种智能问答方法、装置、计算机可读存储介质及电子设备。
背景技术
在一些行业中,业务员需要和客户进行深入沟通。为了训练业务员的沟通能力,通常会引入智能人机对话系统,根据训练任务系统向业务员提问达到训练的目的。
现有技术中的智能人机对话系统,系统的提问内容与用户信息的关联性不高,对于不同的训练对象都使用相同的提问内容,不支持根据用户的回答情况智能地抽取对话,以达到贴合用户个人情况的人机交互对话,不能做到千人千训,人机交互效率低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种智能问答方法、一种智能问答装置、一种计算机可读存储介质和一种电子设备,旨在根据用户的属性以及用户的回答信息进行问答任务的提问,实现贴合用户的人机交互对话,提高人机交互效率和用户体验。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的一个方面,提供了一种智能问答方法,包括:向用户发布问答任务,以使用户响应所述问答任务;提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,所述解析结果包括匹配结果和状态结果;基于所述属性信息和所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
根据本公开的一些实施例,基于前述方案,所述对所述回答信息解析以得到解析结果,包括:根据所述回答信息识别回答内容和状态结果;其中,所述状态结果包括流畅或不流畅;提取所述回答内容的关键词,并将所述关键词与所述回答内容对应的对话节点中预设的标准词进行匹配得到匹配结果;其中,所述匹配结果包括匹配、部分匹配或不匹配。
根据本公开的一些实施例,基于前述方案,所述基于所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,包括:根据所述属性信息和所述问答任务的跳转关系,确定与所述匹配结果对应的下一对话节点;以及根据所述属性信息和所述问答任务的提问策略,确定与所述状态结果对应的下一对话节点的提问方式。
根据本公开的一些实施例,基于前述方案,所述根据权利要求1所述的智能问答方法,其特征在于,所述属性信息包括基本信息、职位信息、职级信息、工作信息、以及附加信息的一种或多种。
根据本公开的一些实施例,基于前述方案,所述方法还包括:根据所述用户在各对话节点的所述回答信息生成问答路径;基于所述问答路径提取评价参数,并基于所述评价参数对所述用户进行分类。
根据本公开的一些实施例,基于前述方案,在向用户发布问答任务之前,所述方法还包括:创建问答任务,包括:响应于目标问答任务的创建指令,提取所述目标问答任务的特征信息;在预设的对话库中筛选与所述特征信息匹配的对话节点,并配置所述对话节点之间的跳转关系;以及在预设的数据库中筛选提问策略和评价策略;结合所述跳转关系、所述提问策略和所述评价策略创建所述目标问答任务,并存储在任务库中以用于所述问答任务发布。
根据本公开的一些实施例,基于前述方案,所述对话节点有相应的对话主题,所述配置所述对话节点之间的跳转关系,包括:为同一对话主题下的多个所述对话节点配置跳转关系;以及为不同对话主题下内容相关的对话节点配置跳转关系。
根据本公开实施例的第二个方面,提供了一种智能问答装置,包括:任务发布模块,用于向用户发布问答任务,以使用户响应所述问答任务;第一提问模块,用于提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;回答解析模块,用于接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,解析结果包括匹配结果和状态结果;第二提问模块,用于基于所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
根据本公开实施例的第三个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中的智能问答方法。
根据本公开实施例的第四个方面,提供了一种电子设备,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时,使得所述一个或多个处理器实现如上述实施例中的智能问答方法。
本公开示例性实施例可以具有以下部分或全部有益效果:
在本公开的一些实施例所提供的技术方案中,通过提取响应问答任务的用户属性,以及对用户的回答信息解析以得到解析结果,再根据属性信息和解析结果确定对话节点和提问方式进行提问,一方面可以选择与用户属性信息相关的对话节点进行提问,与用户契合度高;另一方面,对回答信息解析后得到匹配结果和状态结果,与现有技术中只关注用户回答的匹配程度相比,可以更加全面准确地掌握用户的回答情况;再一方面,在提问时不仅确定了对话节点,还确定了提问方式,能够根据回答情况进行贴合用户回答情况的提问进行人机交互对话,进而实现不同用户对同一问答任务产生不同训练结果,提高人机交互效率和用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出本公开示例性实施例中一种现有的智能问答人机交互示意图;
图2示意性示出本公开示例性实施例中一种智能问答方法的流程示意图;
图3示意性示出本公开示例性实施例中一种智能问答方法的系统交互示意图;
图4示意性示出本公开示例性实施例中一种智能问答方法的数据交互示意图;
图5示意性示出本公开示例性实施例中一种智能问答方法的数据交互示意图;
图6示意性示出本公开示例性实施例中一种智能问答装置的组成示意图;
图7示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图;
图8示意性示出本公开示例性实施例中一种电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在服务行业中,通常需要业务员与客户进行深入沟通,为了提高业务员的沟通能力,训练业务员的沟通技巧是非常关键的培训项目。通常的沟通技巧培训,主要在于线下文本的背诵以及代理人之间的通关考核,成本高、效率低、受很多因素的约束。采用线上人机对话的形式,能够最大程度降低管理员编辑对话的流程、丰富流程节点内容、提高使用体验,而模拟真人对话场景,边学边练习,优化用户体验,能够实现“训战一体”,就是要在训练中考核代理人的学习情况,提高代理人销售技巧。
现有技术中的线上人机对话系统,一方面系统的提问内容与用户信息的关联性不高,不能智能地抽取对话以达到针对不同目标对象的不同技巧训练方式;另一方面设置对话系统时,存在不支持编辑多层分支节点、不支持直接识别敏感词、关键词,以及不支持插入语音、视频、图片等格式的文件等缺陷。
图1示意性示出本公开示例性实施例中一种现有的智能问答人机交互示意图,如图1所示,在编辑人机对话的时候,默认环节包括“情境对话”、“固定对话”、“分支对话”,然后编辑相应的文本,包括问题和标准答案。该设计的缺陷在于:1)只能为某个节点添加分支,不支持为分支节点添加新的分支对话;2)不支持直接识别敏感词、关键词;3)不支持插入语音、视频、图片等富文本格式文件;4)不支持文本的直接“炸开”,从而便于编辑修改;5)不支持将本次编辑的任务对话与其他任务对话相关联;6)交互、视觉上不够直观,用户体验欠缺,需要改进;7)在问答时不支持根据用户的属性,如渠道、序列、职级、历史成绩、业绩情况来随机问答,这样就只能考核代理人一方面的知识点,而不能够考核代理人多方面的知识点,即在真实场景下的应变能力和沟通技巧。
鉴于相关技术中存在的问题,本公开提供一种智能问答方法,通过提取用户的属性信息,以及解析用户的回答信息得到的解析结果进行提问,并调用评分策略进行评分。旨在根据用户的属性以及用户的回答信息进行问答训练,实现贴合用户需求的人机交互对话,提高交互效率和用户体验。
以下对本公开实施例的技术方案的实现细节进行详细阐述。
图2示意性示出本公开示例性实施例中一种智能问答方法的流程示意图,如图2所示,该智能问答方法包括步骤S1至步骤S4:
S1,向用户发布问答任务,以使用户响应所述问答任务;
S2,提取所述用户的属性信息,基于所述属性信息向所述用户提供第一对话节点的问题信息;
S3,接收所述用户的回答信息,对所述回答信息解析以得到解析结果,基于解析结果跳转至下一对话节点进行提问,直至问答任务结束;其中,解析结果包括回答内容匹配结果和回答状态结果;
S4,响应于问答任务结束指令,调用评分策略进行评分,并将评分结果存储在任务成绩库。
在本公开的一些实施例所提供的技术方案中,通过提取响应问答任务的用户属性,以及对用户的回答信息解析以得到解析结果,再根据属性信息和解析结果确定对话节点和提问方式进行提问,一方面可以选择与用户属性信息相关的对话节点进行提问,与用户契合度高;另一方面,对回答信息解析后得到匹配结果和状态结果,与现有技术中只关注用户回答的匹配程度相比,可以更加全面准确地掌握用户的回答情况;再一方面,在提问时不仅确定了对话节点,还确定了提问方式,能够根据回答情况进行贴合用户回答情况的提问进行人机交互对话,进而实现不同用户对同一问答任务产生不同训练结果,提高人机交互效率和用户体验。
下面,将结合附图及实施例对本示例实施方式中的智能问答方法的各个步骤进行更详细的说明。
在步骤S1之前,还需要执行步骤S0:创建问答任务。可以由培训管理员在问答任务管理系统操作完成,具体包括以下步骤:
S001,响应于目标问答任务的创建指令,提取所述目标问答任务的特征信息;
S002,在预设的对话库中筛选与所述特征信息匹配的对话节点,并配置所述对话节点之间的跳转关系;以及
S003,在预设的数据库中筛选提问策略和评价策略;
S004,结合所述跳转关系、所述提问策略和所述评价策略创建所述目标问答任务,并存储在任务库中以用于所述问答任务发布。
在步骤S001中,响应于目标问答任务的创建指令,提取所述目标问答任务的特征信息。
具体而言,目标问答任务是针对问答训练需求提出的,可以是针对某一类训练项目,也可以是针对某一类用户等等。举例来说,针对北京分公司个险渠道代理人的售卖A款寿险产品的智能陪练任务。
相应的,目标问答任务的特征信息可以包括问答任务的特征信息,或者目标用户的特征信息,又或者是问答任务和目标用户的特征信息。
举例来说,如果目标问答任务是面向某一类训练项目,那么特征信息可以是任务分类、任务内容特征等等,分类可以是“个险、银保、新业务、综拓、F1”,任务内容可以是“幸福有约、绿通、爱心保”等产品类型。例如针对银保渠道代理人的售卖的新款产品的问答任务,特征信息是银保、新款产品。
如果是面向某一类用户,特征信息就可以是参加任务的目标用户所在的职位、职级、地区以及用户的历史工作情况信息等等,职位信息也就是用户所在的岗位、渠道,渠道对应于问答任务的分类,即个险、银保、新业务等,职级信息包括经理、主管、业务员等。例如经理内部考核问答任务,特征信息是经理。
如果是面向参加某一类训练项目下的特定用户,特征信息就可以是综合任务和用户的特征信息。例如目标问答任务是北京分公司个险渠道代理人的售卖A款寿险产品的新人特训智能陪练任务,那么目标问答任务的特征信息可以是北京地区、个险渠道、A款寿险产品、新人用户。
在步骤S002中,在预设的对话库中筛选与所述特征信息匹配的对话节点,并配置所述对话节点之间的跳转关系。
在本公开的一个实施例中,预设的对话库中包含有各个对话节点,每一个对话节点都有相应的对话节点内容、内容标识、属性标识以及提问策略。智能问答系统可以根据对话节点的信息选择与目标问答任务的特征信息匹配的对话节点作为目标问答任务的对话节点。
在本公开的一个实施例中,需要提前构建预设的对话库,可以包括编辑对话节点内容、添加对话节点的内容标识和属性标识以及设计对话节点的提问策略。
具体而言,编辑对话节点内容也就是编辑问题信息。对话节点的内容格式可以是语音、视频、图片或文本格式中的一种或多种组合。还可以设置对话节点的普通话和方言模式,进行不同的语音提问。通过设置不同的对话内容格式,可以模拟更丰富的现实对话场景,提高用户参与问答任务的用户体验。
对话节点的内容标识可以包括关键词、敏感词、得分项,通过提取对话节点的问题信息中的文本信息,设置为该问题信息对应的关键词、敏感词。再将关键词中的一个或多个设置为对话节点的得分项,或者是具有先后顺序排列的关键词序列设置为得分项。将得分项设置为关键词序列可以确保在应用该对话节点进行问答任务训练时,不仅要识别用户回答中是否包含关键词,还要识别回答中关键词的序列正确与否,从而提高用户回答评分的准确性。还可以为关键词设置不同的权重或等级,以用于评分计算,使得问答任务的考核更有侧重点。
对话节点的属性标识可以包括标签、分类、适用对象、难易程度标识以及其他标识等用于描述对话节点属性的内容,与目标问答任务的特征信息相对应。比如分类可以是“个险、银保、新业务、综拓、F1”等对话主题,标签可以是“幸福有约、绿通、爱心保”等产品类型,适用对象可以是“经理、主管、通用、新人”等等,难易程度标识可以是“简单、普通、困难”,其他标识可以是“常规、拓展、困难”等标识,本公开对对话节点属性标识的具体内容不做限定。
需要注意的是,在同一内容下属性标识只有一个,例如一个对话节点的分类是个险或银保,而不能又是个险又是银保。对话节点可以包括多个对话主题,每个对话主题下可以包括多个对话节点,因此,可以根据对话节点的属性标识将对话节点归档在相应的对话主题中。对话节点的属性标识可以通过分析关键词添加,或直接手动添加。
在一个对话节点处可以设置对应不同的提问策略,来进行同一内容的多种提问。举例来说,可以根据难易程度设置简单、普通、困难三种提问策略。通过设置不同的提问策略可以用于在解析用户的回答信息后对提问进行调整,针对不同回答结果进行不同的提问,为用户制定个性化的问答任务训练,提高训练效率。
编辑好对话节点内容,添加对话节点的内容标识以及属性标识后将其存储在对话库中,对话库可以根据训练要求进行实时添加和更新,以确保问答任务中对话节点的实时性和准确性。构建预设的对话库可以在创建目标任务之前,也可以在获取到目标任务之后再进行构建。
在筛选了对话节点之后,再配置所述对话节点之间的跳转关系。在本公开的一个实施例,所述对话节点有相应的对话主题,所述配置所述对话节点之间的跳转关系,包括:为同一对话主题下的多个所述对话节点配置跳转关系;以及为不同对话主题下内容相关的对话节点配置跳转关系。
具体地,对话内容就像一副树状图,对话主题就如同树的主干,而对话节点就像主干上的支干。对话可以包括多个对话主题,同一对话主体下包括多个对话节点。
为同一对话主题下的多个对话节点之间直接配置跳转关系,因为同一对话主题的对话节点必然具有关联,提问的对话节点之间如果有先后顺序,配置的跳转关系是单向的,如果没有先后顺序,则是双向的。
为不同对话主题的内容相关的对话节点之间配置跳转关系,例如当一个对话节点的问题所在的对话情景与另一对话相似,可以将两个对话节点关联起来。配置跳转关系可以基于对话节点的关键词进行匹配,例如采用相似度计算,将相似度大于预设值的对话节点之间建立联系以进行跳转,再进行人工的添加、删除和修改,从而提高跳转关系的正确性,同时减少人工工作量。
基于上述方法,相比现有技术中仅通过同一对话主题内部的对话节点之间跳转,本公开的智能问答方法可以实现不同对话主题关联的对话节点之间跳转,能够更加提供更多跳转关系用于提问,使得可抽取的对话节点更多,提问更加智能灵活。
另外,配置跳转关系还可以根据问答规则构建,举例来说,新人参加问答任务时需要掌握常规的问题及少量的拓展问题,而对于司龄较久或是职级较高的用户,考核的知识点就更多,因此在配置跳转关系时,需要贴合训练的实际需求,进行合理配置。
配置所述可用的对话节点之间的跳转关系时,将每一个对话节点当作独立的点,建立它与其他对话节点的联系,使得所有对话节点间的关系不再是一种树状关系,而是将其扁平化以构建对话节点的网状有向关系,从而避免只能为某一对话节点添加一层分支节点,以及不能将对话节点进行关联的缺陷,对话节点之间的关系描述更为准确。
另外,为不同对话主题的相关对话节点之间配置跳转关系可以全面考核用户多方面的知识点,并且在问答过程中对话主题转换时提问更加自然,模拟真实的对话场景,提升用户体验。
在步骤S003中,在预设的数据库中筛选提问策略和评价策略。
在本公开的一个实施例,可以在数据库中预先配置提问策略规则集。举例而言,同一对话节点设置了不同的提问策略,这些提问策略设置有不同的难度级别,那么提问策略规则集可以包括:提问由简单到困难;或者本次回答情况良好,比如回答内容匹配或流畅,下次提问会增加难度,否则会降低难度,比如部分匹配、不匹配或不流畅;或者若多次回答情况良好,难度再次提升,或者换一个对话主题进行提问,多次答错,直接跳转下一个对话主题等等。
举例来说,基于提问策略进行提问时,如果对于一款产品的保障范围用户回答不全面,可以问“***这款重疾险产品能够保障多少重疾呢?”,然后再问“比如哪些重疾?”,然后问“什么年纪的人可以购买呢?”;系统逐步提问,用户逐步回答,从而逐渐掌握知识,提高能力。
需要说明的是,提问策略规则集可以根据不同的训练需求预先设计,然后存储在数据库中。在创建目标问答任务时,可以从数据库中选择某一提问策略,也可以将选择的多个提问策略进行结合。提问策略规则集的内容本公开在此不做具体限定,只要可以根据用户的回答信息确定同一对话节点的不同提问策略都属于本公开的保护范围。
在本公开的一个实施例,可以在数据库中预先配置多种评价策略,例如评价策略可以是对用户的回答结果进行打分的评分策略,也可以是根据回答结果给出相应的等级的评级策略,也可以是基于回答结果给出回答的统计数据的统计策略,比如回答准确率超过了百分之几的用户等。同样,在创建目标问答任务时,可以从数据库中选择某一评价策略,也可以将选择的多个评价策略进行结合。
举例而言,如果设置评价策略为评分策略,那么设置评价策略可以包括:设置评分变量,包括用户的回答得分项、回答问题数量;以及设置评分定量,包括问答任务总分值、总得分项和提问问题数量最大值;基于评分变量和评分定量构建评分策略。
其中,评分变量也就是预设的用于评估用户回答结果的参数。举例来说,可以是用户回答的得分项,依据不同的提问策略可以对应有简单、普通和困难三种,可以设置用户的回答得分项n个,其中普通得分项x个,简单得分项y个,困难得分项z个,它们之间的关系为n=x+y+z;以及设置回答问题数量m个。
评分定量包括问答任务总分值、总得分项和问答题目最大值。例如设置总分值W作为评分的上限;设置总得分项数量N作为用户得分的上限,与回答得分项的关系为n≤N;设置提问问题数量最大值M,与回答问题数量的关系为m≤M。问答题目最大值、总得分项是陪练管理员设置好的,数值相对固定的,不能超过一定的范围,例如10个问题、20个得分项。
最后,基于评分变量和评分定量构建评分策略,得到评分公式如下:
其中,w为计算的分数值,若w>W,则取W作为最终评分,否则取w作为最终评分;k为评分的难度系数,可以根据用户的属性进行取值,例如如果答题用户为新人,k取1,答题用户为经理k取0.8,又或者根据任务的难易程度取值,例如问答任务困难,k取0.9,问答任务简单,k取1。
通过设置合理的评分变量和评分定量,可以适用于问答任务的不同回答情况进行智能评分,能够更加准确地评价用户的训练情况,保证客观公正。
在步骤S004中,结合所述跳转关系、所述提问策略和所述评价策略创建所述目标问答任务,并存储在任务库中以用于所述问答任务发布。
在本公开的一个实施例,将跳转关系、提问策略和评价策略与目标问答任务进行绑定,生成目标问答任务信息,再将目标问答任务信息存储在任务库中。
在本公开的一个实施例,在创建问答任务时还需要添加问答规则。具体的,包括每一对话节点预设的回答时间周期、防切屏措施等。在将问答任务存储在任务库之前,还可以为问答任务添加标识信息,例如任务名称、难易程度等等,以便于发布任务时的搜索。
通过便捷的编辑对话节点方式以及配置多样化的对话节点跳转关系创建问答任务,一方面可以构建高可用的任务管理后台编辑系统,能够满足大规模线上智能陪练任务的创建需求,用于智能陪练组织者、沟通技巧训练人员进行任务创建,还可以提高管理员发布任务的用户体验;另一方面,能够创建智能的、交互性强的、关联性强的问答任务用于训练,对话更丰富、更多元,模拟更真实的对话场景,全面考核用户的掌握情况,极大地提高用户使用效率,节约人力、财力、场地、物料等成本,降本增效。
图3示意性示出本公开示例性实施例中一种智能问答方法的系统交互示意图。如图3所示,培训管理员首先编辑对话构建对话库,然后设置任务规则构建任务库,再将任务推送给用户以进行答题,最后按照评分规则打分得到成绩,再存储至任务成绩库中,用于培训管理员进行数据查看。
步骤S1,向用户发布问答任务,以使用户响应所述问答任务。
在本公开的一个实施例,由培训管理员向用户所在的移动端发布陪练任务。可以通过操作问答任务系统进行发布,通过录音文件识别实现问答,采用放大并发倍速的方式,准实时高倍数处理训练语音文件,系统稳定可靠,可以满足大规模线上智能陪练的需求,最高能够满足代理人2万人同时在线参加陪练任务训练的需求。也可以使用其他方式进行问答任务的发布,本公开对此不做具体的限定。
用户收到通知后,参加问答任务进行线上智能陪练。在参加问答任务之前,用户在移动端输入自己的工号和密码进入线上智能陪练系统,选择对应的问答任务开始训练,此时视为用户响应所述问答任务。
步骤S2,提取所述用户的属性信息,基于所述属性信息向所述用户提供第一对话节点的问题信息。
在本公开的一个实施例,由于创建目标任务时预设的适用对象可能是一类用户,因此在用户参加问答任务时,还需要提取用户的属性信息,以进行针对该用户的提问训练。
其中,用户属性信息可以与目标问答任务中的用户的特征信息相对应,从而为答题用户筛选对应的问答任务,可以是基本信息、职位信息、职级信息、工作信息、以及附加信息的一种或多种。比如基本信息包括用户性别、所在的地区等,职位信息包括用户所在的岗位、渠道,渠道对应于问答任务的分类,即个险、银保、新业务等,职级信息包括经理、主管、业务员等,工作信息包括渠道信息、司龄,工作信息包括用户的司龄、历史业绩、荣誉,附加信息包括通用、新人等。
用户属性信息也可以是用户的固有属性,可以构建清晰的用户画像,用于针对性的抽取对话节点进行的提问,与预设对话库中的对话节点属性标识相对应。具体地,可以包括司龄、历史成绩、业绩情况等。
在本公开的一个实施例,基于发布的问答任务以及提取的用户属性信息确定第一对话节点进行提问。提问可以模拟真人语音进行交流,以提高问答的交互性,提升用户体验。
步骤S3,接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,所述解析结果包括匹配结果和状态结果。
在本公开的一个实施例,所述对所述回答信息解析以得到解析结果,包括:根据所述回答信息识别回答内容和回答状态结果;其中,所述回答状态结果包括流畅或不流畅;提取所述回答内容的关键词,并将所述关键词与所述回答内容对应的对话节点中预设的标准词进行匹配得到匹配结果;其中,所述匹配结果包括匹配、部分匹配或不匹配。
具体而言,首先,根据用户的回答信息识别回答内容,可以通过采集用户回答的音频信息进行语音识别,把语音信号转变为相应的文本得到用户的回答内容。
还可以根据回答信息识别回答状态结果,回答状态结果可以包括回答流畅或不流畅。例如用户回答的音频信息中是否存在因停顿造成的空白信号,或是因含糊不清导致的识别噪声较大,还可以通过语义识别回答的文本中语气词的出现次数或是描述逻辑情况等等。对回答状态结果的识别可以采用现有的市场成熟的语音识别技术,如科大讯飞、追一科技或阿里云。
通过解析回答状态结果,可以更准确地判断用户对于问题信息的掌握程度。
然后,根据用户的回答信息识别回答内容匹配结果时,可以采用关键词提取技术提取用户回答内容中的关键词,将其与对话节点预设的得分项进行匹配。
回答内容匹配结果可以包括匹配、部分匹配或不匹配。若识别用户回答内容中的关键词与对话节点的所有关键词且序列一致,则为匹配;若只有部分关键词相同或序列不同,则为部分匹配;若全部关键词错误,则为不匹配。通过解析回答内容匹配结果,不仅考虑了用户回答的正确性,还考虑了回答的完整性,更准确的反馈用户的回答。
步骤S4,基于所述属性信息和所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
在本公开的一个实施例,基于所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,包括:根据所述属性信息和所述问答任务的跳转关系,确定与所述匹配结果对应的下一对话节点;以及根据所述属性信息和所述问答任务的提问策略,确定与所述状态结果对应的下一对话节点的提问方式。
首先需要确定下一对话节点。确定下一对话节点可以根据用户的属性信息和创建的目标任务中的对话节点跳转关系确定。具体而言,可以在所有与之有关的对话节点中选择与用户属性信息相匹配的对话节点作为下一对话节点,若有多个可选的对话节点,可以随机指定一个。例如用户属性为“新人”,则只筛选具有跳转关系的带“新人”标识的对话节点作为备选的对话节点。
确定下一对话节点也可以根据提问策略确定。具体而言,如果提问策略为用户多次回答流畅或者多次回答不匹配则更换一个对话主题进行提问,所以在得到解析结果后,根据解析结果可能会跳转到其他对话主题下的对话节点。
在确定下一对话节点之后,还要确定下一对话节点的提问方式。确定下一对话节点对应的提问策略时,可以根据问答任务的提问策略进行配置。举例而言,如果提问策略是提问由简单到困难,那么在确定下一对话节点的提问方式时需要先获取上一对话节点提问方式的难易程度,为普通,那么下一对话节点的提问方式需要再增加一个难易程度,为困难。如果提问策略是用户多次回答不流畅则降低难度,那么在获得的解析结果中包括多次回答的不流畅时,在上一对话节点提问方式的难易程度基础上下降。
需要说明的是,每进行一次对话节点的提问,可以将该对话节点标记为已提问,不用于下一次选择,防止重复提问。在提问时还需要记录已经提问的得分项总数以及题目总数,用于后续确定对话节点的提问参考,确保合理分配问答题目和得分项。不断地重复对用户进行对话节点的提问以及接收用户的回答信息,直至问答任务结束。
在本公开的一个实施例,解析结果还可以包括用户回答的口音,当解析得到用户回答存在口音,可以通过识别口音判断用户所在的地区,从而选择对应的方言模式进行提问,以模拟实际对话场景,提升用户体验。
在本公开的一个实施例,在步骤S4之后,所述方法还包括:根据所述用户在各对话节点的所述回答信息生成问答路径;基于所述问答路径提取评价参数,并基于所述评价参数对所述用户进行分类。
在本公开的一个实施例,问答任务系统存储用户的所有回答结果置于回答集合中,包括用户在本次问答任务中回答过的对话节点、对话节点之间的跳转路径以及对话节点处的回答信息,从而生成问答路径。其中,对话节点处的回答信息可以是用户回答问题的原始音频文件,将其存储至数据库中,方便培训管理员调用查听,分析每个人在每一对话节点处的答题细节。
在本公开的一个实施例,若采用评分策略对应胡的回答进行评价时,提取的评价参数可以是评分变量。基于所述评价参数对所述用户进行分类也就是为用户的回答情况打分并按照分数将用户归类。
具体而言,基于所述问答路径提取评分变量包括用户的回答得分项的简单得分项x、普通得分项y、困难得分项z,以及回答问题数量m,再调用评分策略进行评分,评分策略中由该目标任务对应的评分定量,例如题目数量上限M,得分项上限N等。
由于问答任务是根据用户的属性信息以及回答情况进行提问的,所以对于不同的用户,可能存在不同的题目以及回答结果,因此,也就或有不同数量的回答问题数量以及不同的得分项数量。
举例来说,假设题目数量上限是10,即M=10,得分项上限是20,即N=20,任务难度是普通,即k=1,满分是50,即W=50;A用户回答题目数量是8,即m=8,回答得分项是18个,普通的5个,简单的6个,困难的7个,即x=5,y=6,z=7,那么用户的评分结果是:
由于w=46.25<50,则用户的最终评分结果是46.25。
在本公开的一个实施例,可以将评分结果展示在移动端用于用户查看。还可以展示附加信息,例如问答任务的易错点、在所有用户中的回答水平等等,还可以将评分转化为评价等级进行展示,例如A、B、C、D,或者是优秀、良好、及格和不及格。
然后将评分结果及存储在任务成绩库。问答系统可以根据用户的成绩库对回答情况做出统计,得到所有用户的平均分、及格率、易错问题等等,生成相关的统计图表进行可视化展示,用于反馈训练效果。
图4示意性示出本公开示例性实施例中一种智能问答方法的数据交互示意图。如图4所示,步骤S401,陪练管理员编辑对话节点;步骤S402,构建对话库存储编辑的对话节点;步骤S403,编辑问答任务;步骤S404,构建任务库存储问答任务;步骤S405,问答任务系统向用户发布问答任务;步骤S406,用户登录;步骤S407,提取用户的属性信息;步骤S408,问答任务系统向用户发布题目;步骤S409,用户答题直至结束;步骤S410,接收用户回答;步骤S411,对用户的回答进行评分。
图5示意性示出本公开示例性实施例中一种智能问答方法的数据交互示意图。如图5所示,培训管理员使用问答任务系统构建对话库和任务库,再将任务推送至用户端进行问答,最终生成成绩单。
通过基于用户的属性信息、解析的回答结果以及采用不同的提问策略进行问答任务的提问,其一能够智能抽取相关联的对话,每个用户回答的问题不完全一致,走向和趋势也不一样,由于对话的不固定性和随机性更强,保障了训练相对完整、独立、自主、公平,避免考核用户作弊、抄袭等;其二,能够更全面、更合理、更智能地考核用户的沟通技巧、应答能力和知识掌握水平,全面考核用户需要学习的知识点,以保障真实有效、千人千训、场景真实的问答训练,进而提高训练效率。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,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步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
图6示意性示出本公开示例性实施例中一种智能问答装置的组成示意图,如图6所示,该智能问答装置600可以包括发布模块601、第一提问模块602、解析模块603以及第二提问模块604。其中:
发布模块601,用于向用户发布问答任务,以使用户响应所述问答任务;
第一提问模块602,用于提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;
解析模块603,用于接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,所述解析结果包括匹配结果和状态结果;
第二提问模块604,用于基于所述属性信息和所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
根据本公开的示例性实施例,所述解析模块603用于根据所述回答信息识别回答内容和状态结果;其中,所述状态结果包括流畅或不流畅;提取所述回答内容的关键词,并将所述关键词与所述回答内容对应的对话节点中预设的标准词进行匹配得到匹配结果;其中,所述匹配结果包括匹配、部分匹配或不匹配。
根据本公开的示例性实施例,所述第二提问模块604用于根据所述属性信息和所述问答任务的跳转关系,确定与所述匹配结果对应的下一对话节点;以及根据所述属性信息和所述问答任务的提问策略,确定与所述状态结果对应的下一对话节点的提问方式。
根据本公开的示例性实施例,所述属性信息包括基本信息、职位信息、职级信息、工作信息、以及附加信息的一种或多种。
根据本公开的示例性实施例,所述智能问答装置600还包括评价模块(图中未示出),用于根据所述用户在各对话节点的所述回答信息生成问答路径;基于所述问答路径提取评价参数,并基于所述评价参数对所述用户进行分类。
根据本公开的示例性实施例,所述智能问答装置600还包括创建问答任务模块(图中未示出),用于响应于目标问答任务的创建指令,提取所述目标问答任务的特征信息;在预设的对话库中筛选与所述特征信息匹配的对话节点,并配置所述对话节点之间的跳转关系;以及在预设的数据库中筛选提问策略和评价策略;结合所述跳转关系、所述提问策略和所述评价策略创建所述目标问答任务,并存储在任务库中以用于所述问答任务发布。
根据本公开的示例性实施例,所述对话节点有相应的对话主题,所述创建问答任务模块包括创建跳转单元(图中未示出),用于为同一对话主题下的多个所述对话节点配置跳转关系;以及为不同对话主题下内容相关的对话节点配置跳转关系。
上述的智能问答装置600中各模块的具体细节已经在对应的智能问答方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的存储介质。图7示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图,如图7所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如手机上运行。然而,本公开的程序产品不限于此,在本文件中,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。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。图8示意性示出本公开示例性实施例中一种电子设备的计算机系统的结构示意图。
需要说明的是,图8示出的电子设备的计算机系统800仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(Central Processing Unit,CPU)801,其可以根据存储在只读存储器(Read-Only Memory,ROM)802中的程序或者从存储部分808加载到随机访问存储器(Random Access Memory,RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(Input/Output,I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本公开的系统中限定的各种功能。
需要说明的是,本公开实施例所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,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。而在本公开中,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、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种智能问答方法,其特征在于,包括:
向用户发布问答任务,以使用户响应所述问答任务;
提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;
接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,所述解析结果包括匹配结果和状态结果;
基于所述属性信息和所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
2.根据权利要求1所述的智能问答方法,其特征在于,所述对所述回答信息解析以得到解析结果,包括:
根据所述回答信息识别回答内容和状态结果;其中,所述状态结果包括流畅或不流畅;
提取所述回答内容的关键词,并将所述关键词与所述回答内容对应的对话节点中预设的标准词进行匹配得到匹配结果;其中,所述匹配结果包括匹配、部分匹配或不匹配。
3.根据权利要求1所述的智能问答方法,其特征在于,所述基于所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,包括:
根据所述属性信息和所述问答任务的跳转关系,确定与所述匹配结果对应的下一对话节点;以及
根据所述属性信息和所述问答任务的提问策略,确定与所述状态结果对应的下一对话节点的提问方式。
4.根据权利要求1所述的智能问答方法,其特征在于,所述属性信息包括基本信息、职位信息、职级信息、工作信息、以及附加信息的一种或多种。
5.根据权利要求1所述的智能问答方法,其特征在于,所述方法还包括:
根据所述用户在各对话节点的所述回答信息生成问答路径;
基于所述问答路径提取评价参数,并基于所述评价参数对所述用户进行分类。
6.根据权利要求1所述的智能问答方法,其特征在于,在向用户发布问答任务之前,所述方法还包括:创建问答任务,包括:
响应于目标问答任务的创建指令,提取所述目标问答任务的特征信息;
在预设的对话库中筛选与所述特征信息匹配的对话节点,并配置所述对话节点之间的跳转关系;以及
在预设的数据库中筛选提问策略和评价策略;
结合所述跳转关系、所述提问策略和所述评价策略创建所述目标问答任务,并存储在任务库中以用于所述问答任务发布。
7.根据权利要求6所述的智能问答方法,其特征在于,所述对话节点有相应的对话主题,所述配置所述对话节点之间的跳转关系,包括:
为同一对话主题下的多个所述对话节点配置跳转关系;以及
为不同对话主题下内容相关的对话节点配置跳转关系。
8.一种智能问答装置,其特征在于,包括:
任务发布模块,用于向用户发布问答任务,以使用户响应所述问答任务;
第一提问模块,用于提取所述用户的属性信息,并基于所述属性信息向所述用户提供第一对话节点的问题信息;
回答解析模块,用于接收所述用户的回答信息,对所述回答信息解析以得到解析结果;其中,解析结果包括匹配结果和状态结果;
第二提问模块,用于基于所述解析结果确定下一对话节点以及与所述下一对话节点对应的提问方式,并根据所述提问方式向所述用户提供所述下一对话节点的问题信息。
9.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1至7任一项所述的智能问答方法。
10.一种电子设备,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时,使得所述一个或多个处理器实现如权利要求1至7任一项所述的智能问答方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011563421.7A CN112579757A (zh) | 2020-12-25 | 2020-12-25 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011563421.7A CN112579757A (zh) | 2020-12-25 | 2020-12-25 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112579757A true CN112579757A (zh) | 2021-03-30 |
Family
ID=75140549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011563421.7A Pending CN112579757A (zh) | 2020-12-25 | 2020-12-25 | 智能问答方法、装置、计算机可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579757A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282708A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 机器人对话回复的方法、装置、计算机设备及存储介质 |
CN113742457A (zh) * | 2021-09-09 | 2021-12-03 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN116825361A (zh) * | 2023-08-25 | 2023-09-29 | 佛山市龙生光启科技有限公司 | 一种基于面部识别的全自动心理状态评估系统 |
CN116863935A (zh) * | 2023-09-04 | 2023-10-10 | 深圳有咖互动科技有限公司 | 语音识别方法、装置、电子设备与计算机可读介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255697A (zh) * | 2018-08-15 | 2019-01-22 | 普信恒业科技发展(北京)有限公司 | 一种基于人工智能的自动信用评估方法和系统 |
US20190188585A1 (en) * | 2017-12-15 | 2019-06-20 | Shanghai Xiaoi Robot Technology Co., Ltd. | Multi-round questioning and answering methods, methods for generating a multi-round questioning and answering system, and methods for modifying the system |
CN110543550A (zh) * | 2019-09-04 | 2019-12-06 | 上海智臻智能网络科技股份有限公司 | 自动生成试题的方法和装置 |
CN111292060A (zh) * | 2020-02-03 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 信息处理方法及装置 |
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
-
2020
- 2020-12-25 CN CN202011563421.7A patent/CN112579757A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190188585A1 (en) * | 2017-12-15 | 2019-06-20 | Shanghai Xiaoi Robot Technology Co., Ltd. | Multi-round questioning and answering methods, methods for generating a multi-round questioning and answering system, and methods for modifying the system |
CN109255697A (zh) * | 2018-08-15 | 2019-01-22 | 普信恒业科技发展(北京)有限公司 | 一种基于人工智能的自动信用评估方法和系统 |
CN110543550A (zh) * | 2019-09-04 | 2019-12-06 | 上海智臻智能网络科技股份有限公司 | 自动生成试题的方法和装置 |
CN111292060A (zh) * | 2020-02-03 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 信息处理方法及装置 |
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN112053597A (zh) * | 2020-10-13 | 2020-12-08 | 北京灵伴即时智能科技有限公司 | 人工坐席培训考核方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282708A (zh) * | 2021-05-31 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 机器人对话回复的方法、装置、计算机设备及存储介质 |
CN113742457A (zh) * | 2021-09-09 | 2021-12-03 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN113742457B (zh) * | 2021-09-09 | 2023-12-05 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN116825361A (zh) * | 2023-08-25 | 2023-09-29 | 佛山市龙生光启科技有限公司 | 一种基于面部识别的全自动心理状态评估系统 |
CN116825361B (zh) * | 2023-08-25 | 2023-11-14 | 湘南学院 | 一种基于面部识别的全自动心理状态评估系统 |
CN116863935A (zh) * | 2023-09-04 | 2023-10-10 | 深圳有咖互动科技有限公司 | 语音识别方法、装置、电子设备与计算机可读介质 |
CN116863935B (zh) * | 2023-09-04 | 2023-11-24 | 深圳有咖互动科技有限公司 | 语音识别方法、装置、电子设备与计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Smutny et al. | Chatbots for learning: A review of educational chatbots for the Facebook Messenger | |
CN112579757A (zh) | 智能问答方法、装置、计算机可读存储介质及电子设备 | |
WO2022095380A1 (zh) | 基于ai的虚拟交互模型生成方法、装置、计算机设备及存储介质 | |
CN110008322A (zh) | 多轮对话场景下的话术推荐方法和装置 | |
Felix et al. | The exploratory labeling assistant: Mixed-initiative label curation with large document collections | |
JP5212604B2 (ja) | リスク検知システム、リスク検知方法及びそのプログラム | |
EP3685245B1 (en) | Method, apparatus, and computer-readable media for customer interaction semantic annotation and analytics | |
US20230161801A1 (en) | Machine learning query session enhancement | |
JP2017215931A (ja) | 会議支援システム、会議支援装置、会議支援方法及びプログラム | |
CN111667926A (zh) | 一种基于人工智能的心理咨询(会话)系统及其方法 | |
CN111134694A (zh) | 基于人机交互的心理咨询分析方法及装置 | |
US20190295199A1 (en) | Intelligent legal simulator | |
CN111464707A (zh) | 外呼处理方法、装置及系统 | |
CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
Crockett et al. | Goal orientated conversational agents: applications to benefit society | |
CN116756340A (zh) | 一种试题自动生成方法、系统及设备 | |
Packowski et al. | Using IBM watson cloud services to build natural language processing solutions to leverage chat tools | |
Dall’Acqua et al. | Toward a linguistically grounded dialog model for chatbot design | |
DE112020005296T5 (de) | Durchsuchen von gesprächsprotokollen eines systems mit virtuellen dialogagenten nach kontrastierenden zeitlichen mustern | |
Ponelis et al. | A descriptive framework of business intelligence derived from definitions by academics, practitioners and vendors | |
WO2019231675A1 (en) | Query and information meter for query session | |
Shin | Socio-technical design of algorithms: Fairness, accountability, and transparency | |
Zobel et al. | Improving the scalability of MOOC platforms with automated, dialogue-based systems | |
KR101993087B1 (ko) | 채팅 환경에서, ux 정보를 제공하는 방법 및 장치 | |
CN112989001A (zh) | 一种问答处理方法、装置、介质及电子设备 |
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 |