CN112597287B - 一种语句处理方法、语句处理装置及智能设备 - Google Patents
一种语句处理方法、语句处理装置及智能设备 Download PDFInfo
- Publication number
- CN112597287B CN112597287B CN202011475914.5A CN202011475914A CN112597287B CN 112597287 B CN112597287 B CN 112597287B CN 202011475914 A CN202011475914 A CN 202011475914A CN 112597287 B CN112597287 B CN 112597287B
- Authority
- CN
- China
- Prior art keywords
- module
- chat
- user
- score
- sentence
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 44
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000012549 training Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 20
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 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
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种语句处理方法、装置、智能设备及计算机可读存储介质。其中,该方法应用于存在至少2个聊天模块的聊天系统;该方法包括:当接收到输入聊天系统的用户语句时,确定各个聊天模块的调用顺序;根据调用顺序,在至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;调用当前聊天模块对用户语句进行处理;若用户语句在当前聊天模块中有命中,则根据命中的对象输出反馈信息;若用户语句在当前聊天模块中无命中,则返回执行根据调用顺序,在至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。本申请方案可实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。
Description
技术领域
本申请属于人工智能技术领域,尤其涉及一种语句处理方法、语句处理装置、智能设备及计算机可读存储介质。
背景技术
智能设备所搭载的聊天系统中,往往包含有多个聊天模块,例如任务式聊天模块、闲聊模块、知识问答模块及爬虫模块等。由于用户所输入的用户语句往往是随机的,因而在对用户语句进行答复时,需要先对用户语句进行分发,将用户语句分配至聊天系统中的某一模块进行处理。
发明内容
本申请提供了一种语句处理方法、语句处理装置、智能设备及计算机可读存储介质,可实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。
第一方面,本申请提供了一种语句处理方法,上述语句处理方法应用于聊天系统,上述聊天系统中存在至少2个聊天模块,上述语句处理方法包括:
当接收到输入上述聊天系统的用户语句时,确定各个聊天模块的调用顺序;
根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用上述当前聊天模块对上述用户语句进行处理;
若上述用户语句在上述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
若上述用户语句在上述当前聊天模块中无命中,则返回执行上述根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。
第二方面,本申请提供了一种语句处理装置,上述语句处理装置应用于聊天系统,上述聊天系统中存在至少2个聊天模块,上述语句处理装置包括:
第一确定模块,用于当接收到输入上述聊天系统的用户语句时,确定各个聊天模块的调用顺序;
第二确定模块,用于根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用模块,用于调用上述当前聊天模块对上述用户语句进行处理;
输出模块,用于若上述用户语句在上述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
其中,上述第二确定模块在上述用户语句在上述当前聊天模块中无命中时被再次触发。
第三方面,本申请提供了一种智能设备,上述智能设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
本申请与现有技术相比存在的有益效果是:对于存在至少2个聊天模块的聊天系统来说,当接收到输入上述聊天系统的用户语句时,会先确定各个聊天模块的调用顺序,然后即可根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,并调用上述当前聊天模块对上述用户语句进行处理,若上述用户语句在上述当前聊天模块中有命中,则可直接根据命中的对象输出反馈信息,反之,若上述用户语句在上述当前聊天模块中无命中,则要根据上述调用顺序,重新确定当前聊天模块,并开始新一次的当前聊天模块的调用。需要注意的是,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次。上述过程中,聊天语句可根据各个聊天模块的调用顺序来对聊天模块进行调用,使得用户语句可在最短时间内被分发至能够正确对其进行处理的聊天模块,实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的语句处理方法的实现流程示意图;
图2是本申请实施例提供的过滤器的工作流程示意图;
图3是本申请实施例提供的任务式聊天模块的工作流程示意图;
图4是本申请实施例提供的各聊天模块在默认的优先级下的工作流程示意图;
图5是本申请实施例提供的语句处理装置的结构框图;
图6是本申请实施例提供的智能设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
当前,智能设备所搭载的聊天系统中往往包含有至少2个聊天模块,例如任务式聊天模块、闲聊模块、知识问答模块及爬虫模块等。下面对各个聊天模块进行简单介绍:
任务式聊天模块所处理的语料通常有对应的意图。这些意图中,有较为常见的意图,例如“听音乐”,“查天气”,“定机票”等;当然,也有用户自定义的意图,例如,医院的用户可以自定义“预约挂号”,“查科室”等意图,餐厅的用户可以自定义“下菜单”,“查价格”等意图。也即,任务式聊天模块通常用于识别出当前输入的用户语句的意图。在识别出意图后,即可触发智能设备执行该意图所对应的操作,以完成一项用户任务。具体地,任务式聊天模块通常可再细分为系统任务式聊天子模块及自定义任务式聊天子模块,其中,系统任务式聊天子模块用于识别常见的意图,自定义任务式聊天子模块用于识别自定义的意图。
闲聊模块所处理的语料通常不具备实际含义。也即,通过闲聊模块,智能设备可实现与用户的闲聊,例如“今天天气不错”,“你真可爱”以及“你吃了吗”等语料即为闲聊模块所能够处理的语料。通常来说,闲聊模块在不同时刻针对同一用户语句的答复可以不同。
知识问答模块所处理的语料通常有标准的回答(也即正确的回答)。也即,通过知识问答模块,智能设备可回答用户所提出的疑问。例如,用户向智能设备输入用户语句“汉武帝的真名是什么”;智能设备可通过知识问答模块回答“刘彻”。
爬虫模块所处理的语料通常需要智能设备与预设的服务器连接后通过查询而获得。例如,用户向智能设备输入用户语句“你对A怎么看?”;智能设备可通过爬虫模块与百度知道的服务器或者知乎的服务进行连接,并在百度知道或知乎中搜索答案进行回复。
为了说明本申请所提出的技术方案,下面通过具体实施例来进行说明。
下面对本申请实施例提供的一种语句处理方法进行描述。请参阅图1,该语句处理方法包括:
步骤101,当接收到输入上述聊天系统的用户语句时,确定各个聊天模块的调用顺序。
在本申请实施例中,智能设备在接收到输入聊天系统的用户语句时,可以先去获得各个聊天模块的优先级,并根据各个聊天模块的优先级来确定各个聊天模块的调用顺序,其中,若一聊天模块的优先级越高,则该聊天模块在该调用顺序中越靠前,也即越先被调用。其中,智能设备可以为各个聊天模块设定默认的优先级,该默认的优先级适用于绝大部分没有特殊需求的用户。
举例来说,可默认设定任务式聊天模块的优先级最高,闲聊模块的优先级次高,知识问答模块的优先级次低,爬虫模块的优先级最低;而在任务式聊天模块中,又可设定自定义任务式聊天子模块的优先级高于系统任务式聊天子模块。则基于上述默认的优先级,可确定调用顺序为:自定义任务式聊天子模块- 系统任务式聊天子模块-闲聊模块-知识问答模块-爬虫模块。
在一些实施例中,也可以根据用户的用户类型为各个聊天模块设定不同的优先级。则在步骤101中,当接收到输入上述聊天系统的用户语句时,可先获取当前登录聊天系统的用户的用户类型;然后获取该用户类型下,各个聊天模块的优先级,并以此确定各个聊天模块的调用顺序。
举例来说,考虑到学生多忙于课业,往往会通过智能设备查找所要学习的知识点,因而,可在学生这一用户类型下,设定知识问答模块的优先级最高,任务式聊天模块的优先级次高,闲聊模块的优先级次低,爬虫模块的优先级最低;而在任务式聊天模块中,又可设定自定义任务式聊天子模块的优先级高于系统任务式聊天子模块。当智能设备接收到输入上述聊天系统的用户语句时,先获取当前登录聊天系统的用户的用户类型;若该用户的用户类型为学生,则基于学生这一用户类型下所设定的各个聊天模块的优先级确定各个聊天模块的调用顺序,也即,这种情况下所确定的调用顺序为:知识问答模块-自定义任务式聊天子模块-系统任务式聊天子模块-闲聊模块-爬虫模块;若该用户的用户类型不为学生,则基于默认的优先级确定各个聊天模块的调用顺序,也即,这种情况下所确定的调用顺序为:自定义任务式聊天子模块-系统任务式聊天子模块 -闲聊模块-知识问答模块-爬虫模块。
步骤102,根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块。
在本申请实施例中,智能设备可继续根据步骤101中所确定的调用顺序,在聊天系统的至少2个聊天模块中确定当前聊天模块。该当前聊天模块即为当前要调用的聊天模块。需要注意的是,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次。
步骤103,调用上述当前聊天模块对上述用户语句进行处理,若上述用户语句在上述当前聊天模块中无命中,则返回执行步骤102及后续步骤,若上述用户语句在上述当前聊天模块中有命中,则执行步骤104。
在本申请实施例中,智能设备可根据所确定的当前聊天模块对该用户语句进行处理。
在第一种应用场景下,若当前聊天模块为任务式聊天模块,则在步骤103 之前,上述语句处理方法还包括:基于预设的过滤器计算上述用户语句的得分;
相应地,上述步骤103可具体表现为:若上述得分达到预设的得分阈值,则调用上述任务式聊天模块对上述用户语句进行处理。
为便于说明,此处将记该预设的过滤器为filter。该filter内设定有用户语句的得分计算规则,说明如下:filter内设置有三个得分项,分别为实体得分项、关键词得分项及相似模板得分项。其中,实体得分项基于实体匹配而得到得分结果,关键词得分项基于关键词匹配而得到得分结果,相似模板得分项基于相似模板匹配而得到得分结果。
示例性地,每个得分项都有三种可能的得分结果,分别为0分、0.5分及1 分。filter所最终输出的用户语句的得分为用户语句在这三个得分项中的得分结果之和。也即,用户语句通过这三个得分项来累计得分,一旦累计得分达到了得分阈值,则可调用当前聊天模块(也即任务式聊天模块)对用户语句进行处理。
具体地,在实体得分项中,智能设备通过实体匹配来确定用户语句在该得分项下的得分结果。上述实体匹配具体可通过字典树(trie树)来进行匹配。示例性地,任务式聊天模块中有多个训练样本,该训练样本为模板的形式,也即以词槽来替代了正常语句中的实体。智能设备可先通过任务式聊天模块中的多个训练样本来构建一实体词典,也即,该实体词典中存储有多个词槽,以及各个词槽中所可能包含的实体词语;同时,智能设备还可预先获得网络上公开的结巴词典,则该实体得分项的得分计算规则为:
对用户语句进行实体词语提取;
若未提取出实体词语,则确定该用户语句在实体得分项中的得分结果为0;
若提取出实体词语,则将该实体词语与实体词典进行匹配;
若匹配失败,也即实体词典中不存在该实体词语,则确定该用户语句在实体得分项中的得分结果为0;
若匹配成功,也即实体词典中存在该实体词语,则继续将该实体词语与结巴词典进行匹配;
若匹配失败,也即结巴词典中不存在该实体词语,则确定该用户语句在实体得分项中的得分结果为1;
若匹配成功,也即结巴词典中存在该实体词语,则确定该用户语句在实体得分项中的得分结果为0.5。
为便于理解,通过下表1作出实体得分项的得分结果的说明:
表1
需要注意的是,在实体词典中,针对song(也即歌曲)这一词槽,其下所包含的实体词语(也即歌曲名称)仅为热门歌曲的歌曲名称。也即,智能设备仅将热门歌曲加入到实体词典中。
具体地,在关键词得分项中,智能设备可先提取出任务式聊天模块中的各个训练样本的关键词;然后再提取出各个关键词在对应的训练样本所属的意图中的词频-逆文本频率指数(term frequency–inverse document frequency, TF-IDF)值;接着将用户语句与关键词进行匹配,也即,查看用户语句中是否出现有关键词;若用户语句能够与关键词相匹配,也即,用户语句中存在有关键词,则可记用户语句中所存在的关键词为用户关键词。该关键词得分项的得分计算规则为:
将该用户关键词的TF-IDF值与预设的第一TF-IDF值及预设的第二TF-IDF 值进行比对,其中,第一TF-IDF值小于第二TF-IDF值;
若该用户关键词的TF-IDF值小于第一TF-IDF值,则确定该用户语句在关键词得分项中的得分结果为0;
若该用户关键词的TF-IDF值不小于第一TF-IDF值且小于第二TF-IDF值,则确定该用户语句在关键词得分项中的得分结果为0.5;
若该用户关键词的TF-IDF值不小于第二TF-IDF值,则确定该用户语句在关键词得分项中的得分结果为1。
上述过程中,若用户语句中有2个以上关键词被确定为用户关键词,且该 2个以上关键词指向同一意图,则可将该2个以上关键词的TF-IDF值之和作为该用户语句最终的用户关键词的TF-IDF值。
为便于理解,通过下表2作出关键词分项的得分结果的说明:
得分结果 | 满足条件 |
0 | TF-IDF(user_sentence_key_word)<TF-IDF1 |
0.5 | TF-IDF1≤TF-IDF(user_sentence_key_word)<TF-IDF2 |
1 | TF-IDF2≤TF-IDF(user_sentence_key_word) |
表2
表2中,TF-IDF(user_sentence_key_word)为用户语句最终的用户关键词的 TF-IDF值;TF-IDF1为预设的第一TF-IDF值;TF-IDF2为预设的第二TF-IDF 值。
具体地,在相似模板得分项中,智能设备可对任务式聊天模块中的各个训练样本进行去停用词处理。考虑到训练样本的数量有限,难以统计词频的重要性,比如“的”在训练样本中出现得很少,在将用户语句与训练样本进行匹配时,会误认为“的”是关键词;为了避免这种情况出现,本申请实施例使用结巴分词的词频统计来计算训练样本中各个词的IDF值,以得到各个训练样本的 IDF值(也即,一条训练样本的IDF值,具体为该训练样本中各个非停用词的 IDF值之和)。随后,智能设备可计算用户语句与各个训练样本的相似度,以确定与该用户语句最为匹配的训练样本(也即相似度最高的训练样本),记作目标训练样本。该相似模板得分项的得分计算规则为:
将该目标训练样本的IDF值与预设的第一IDF值及预设的第二IDF值进行比对,其中,第一IDF值小于第二IDF值;
若该目标训练样本的IDF值小于第一IDF值,则确定该用户语句在相似模板得分项中的得分结果为0;
若该目标训练样本的IDF值不小于第一IDF值且小于第二IDF值,则确定该用户语句在相似模板得分项中的得分结果为0.5;
若该目标训练样本的IDF值不小于第二IDF值,则确定该用户语句在相似模板得分项中的得分结果为1。
为便于理解,通过下表3作出相似模板得分项的得分结果的说明:
得分结果 | 满足条件 |
0 | IDF(user_similar_sentence)<IDF1 |
0.5 | IDF1≤IDF(user_similar_sentence)<IDF2 |
1 | IDF2≤IDF(user_similar_sentence) |
表3
表3中,IDF(user_similar_sentence)为与用户语句最为匹配的训练样本(也即目标训练样本)的IDF值;IDF1为预设的第一IDF值;IDF2为预设的第二 IDF值。
请参阅图2,图2示出了过滤器内部的工作流程的示意:先基于实体匹配,计算实体得分项的得分结果来对累计得分进行更新;若此时累计得分达到1,则用户语句可进入任务式聊天模块进行处理;反之,若此时累计得分未达到1,则再基于关键词匹配,计算关键词得分项的得分结果来对累计得分进行更新;若此时累计得分达到1,则用户语句可进入任务式聊天模块进行处理;反之,若此时累计得分未达到1,则再基于相似模板匹配,计算相似模板得分项的得分结果来对累计得分进行更新;若此时累计得分达到1,则用户语句可进入任务式聊天模块进行处理;反之,若此时累计得分未达到1,则结束,可返回步骤102,重新确定当前聊天模块。
在一些实施例中,请参阅图3,图3给出了任务式聊天模块在被细分为2 个子模块时的工作流程的示意。考虑到任务式聊天模块可被细分为2个子模块,分别为系统任务式聊天子模块及自定义任务式聊天子模块;为便于处理,可在智能设备中设计两个过滤器,分别记作第一过滤器filter1及第二过滤器filter2,其中,第一过滤器根据自定义任务式聊天子模块的训练样本而设定,上述第二过滤器根据系统任务式聊天子模块的训练样本而设定;也即,第一过滤器会基于自定义任务式聊天子模块的训练样本来进行实体匹配、关键词匹配及相似模板匹配,以得到对应的得分项下的得分结果;而第二过滤器会基于系统任务式聊天子模块的训练样本来进行实体匹配、关键词匹配及相似模板匹配,以得到对应的得分项下的得分结果。其中,自定义任务式聊天子模块的训练样本通常是用户自己设定的,而系统任务式聊天子模块的训练样本则是聊天系统所预设的,也即聊天系统的开发商所设定的。
基于此,上述基于预设的过滤器计算上述用户语句的得分的步骤,可具体表现为:基于第一过滤器计算用户语句的第一得分,若该第一得分未达到上述得分阈值,则基于预设的第二过滤器计算上述用户语句的第二得分;相应地,上述若上述得分达到预设的得分阈值,则调用上述当前聊天模块对上述用户语句进行处理的步骤,可具体表现为:若第一得分达到上述得分阈值,则将该用户语句输入至自定义任务式聊天子模块中进行处理;若第二得分达到上述得分阈值,则将该用户语句输入至任务式聊天子模块中进行处理。需要注意的是,由于用户自己设定的自定义任务式聊天子模块的训练样本的数量通常较少,因而,若在将用户语句输入至自定义任务式聊天子模块中进行处理后,该用户语句未能在自定义任务式聊天子模块中有命中(也即,自定义任务式聊天子模块未能识别出用户语句的意图),则可以再将该用户语句输入至任务式聊天子模块中进行处理。
在第二种应用场景下,考虑到闲聊模块是用于闲聊的聊天模块,而闲聊过程中,不存在标准(也即完全正确)的答复语句;从用户(也即自然人)的角度看,只有答复语句是否合适。因而,通常来说,闲聊模块在接收到输入的用户语句时,必然会基于该用户语句输出对应的答复语句;与此同时,智能设备还会输出该答复语句的闲聊得分,该闲聊得分用于表示该答复语句作为用户语句的回答的合适程度。基于此,若当前聊天模块为闲聊模块,则步骤103可具体表现为:将上述用户语句作为调用的闲聊模块的输入,得到上述闲聊模块基于上述用户语句而输出的答复语句及闲聊得分;若上述闲聊得分超过预设的闲聊得分阈值,则确定上述用户语句在上述闲聊模块中有命中,且命中的对象为上述答复语句;反之,若上述闲聊得分未超过该闲聊得分阈值,则确定上述用户语句在上述闲聊模块中无命中。
在第三种应用场景下,若当前聊天模块为知识问答模块,则步骤103可具体表现为:在调用该知识问答模块后,该知识问答模块会在预设的知识图谱中,查找与上述用户语句相匹配的图谱答案;若查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中有命中,且命中的对象为上述图谱答案;若无法查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中无命中。考虑到知识图谱本质上就是一种描述众多实体之间关系而组成的网络结构,且该网络结构中,节点通常为实体,节点与节点之间通过关系(relation)连接起来。因而,知识问答模块会先提取出用户语句中的实体词语及关系信息,并基于该实体词语及关系信息在知识图谱中进行查找;显然,若用户语句中不存在实体词语,和/或,不存在关系信息,则必然无法在知识图谱中查找到相匹配的图谱答案。
在第四种应用场景下,若当前聊天模块为爬虫模块,则步骤103可具体表现为:在调用该爬虫模块后,该爬虫模块会通过预设的互联网爬虫查找与上述用户语句相匹配的爬虫答案;若查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中有命中,且命中的对象为上述爬虫答案;若无法查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中无命中。举例来说,上述互联网爬虫可以是百度知道爬虫,也即,通过百度知道爬虫在百度知道中查找与上述用户语句相匹配的爬虫答案;或者,上述互联网爬虫也可以是知乎爬虫,也即,通过知乎爬虫在知乎中查找与上述用户语句相匹配的爬虫答案,此处不作限定。
步骤104,根据命中的对象输出反馈信息。
在本申请实施例中,基于步骤103可知,用户语句在不同聊天模块中是否有命中的判定方式存在区别;并且,在确定有命中时,不同聊天模块基于命中的对象而输出的反馈信息也存在区别。下面针对各个聊天模块,对是否命中的判定及反馈信息进行说明:
用户语句在任务式聊天模块中是否有命中,指的是任务式聊天模块是否能够识别出该用户语句的意图。若任务式聊天模块识别出了该用户语句的意图,则命中的对象即为该意图所指示的操作;智能设备会执行该意图所指示的操作,并将操作结果作为反馈信息输出给用户查阅。
用户语句在闲聊模块中是否有命中,指的是闲聊模块是否能够基于该用户语句输出闲聊得分超过预设的闲聊得分阈值的答复语句。若闲聊模块能够基于该用户语句输出闲聊得分超过该闲聊得分阈值的答复语句,则命中的对象即为闲聊模块所输出的这一答复语句;智能设备会将该答复语句直接作为反馈信息输出给用户查阅。
用户语句在知识问答模块中是否有命中,指的是知识问答模块是否能够基于该用户语句在知识图谱中找到相匹配的图谱答案。若知识问答模块能够基于该用户语句在知识图谱中找到相匹配的图谱答案,则命中的对象即为知识问答模块所查找到的图谱答案;智能设备会将该图谱答案直接作为反馈信息输出给用户查阅。
用户语句在爬虫模块中是否有命中,指的是爬虫模块是否能够基于该用户语句在互联网中找到相匹配的爬虫答案。若爬虫模块能够基于该用户语句在互联网中找到相匹配的爬虫,则命中的对象即为爬虫模块所查找到的爬虫答案;智能设备会将该爬虫答案直接作为反馈信息输出给用户查阅。
在本申请实施例中,若用户语句在当前聊天模块中无命中,则只要该当前聊天模块不是在排在调用顺序中最后一位的聊天模块,就可返回执行步骤102 及后续步骤。反之,若当前聊天模块已经是排在调用顺序中最后一位的聊天模块,则可将预设的错误信息作为反馈信息输出给用户查阅。
举例来说,假定调用顺序为任务式聊天模块-闲聊模块-知识问答模块-爬虫模。在接收到用户语句后,智能设备首先调用任务式聊天模块对用户语句进行处理;若无命中,则再调用闲聊模块对用户语句进行处理;若仍无命中,则再调用知识问答模块对用户语句进行处理;若继续无命中,则再调用爬虫模块对用户语句进行处理;若还是无命中,则将预设的错误信息作为反馈信息输出给用户查阅,例如,该错误信息可以是“对不起,我不明白您的话,请重新输入”等,此处不作限定。
在一些实施例中,考虑到互联网中的信息最为丰富,因而,爬虫模块通常会被作为聊天系统中兜底的聊天模块;也即,通常而言,爬虫模块的优先级会最低,在调用顺序中排名最尾。
请参阅图4,图4给出了在默认的优先级下,各聊天模块的工作流程框的示意。
由上可见,通过本申请实施例,对于存在至少2个聊天模块的聊天系统来说,当接收到输入上述聊天系统的用户语句时,会先确定各个聊天模块的调用顺序,然后即可根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,并调用上述当前聊天模块对上述用户语句进行处理,若上述用户语句在上述当前聊天模块中有命中,则可直接根据命中的对象输出反馈信息,反之,若上述用户语句在上述当前聊天模块中无命中,则要根据上述调用顺序,重新确定当前聊天模块,并开始新一次的当前聊天模块的调用。上述过程中,聊天语句可根据各个聊天模块的调用顺序来对聊天模块进行调用,使得用户语句可在最短时间内被分发至能够正确对其进行处理的聊天模块,实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于前文所提出的语句处理方法,本申请实施例提供了一种语句处理装置,上述语句处理装置集成于智能设备,且上述语句处理装置应用于聊天系统,上述聊天系统中存在至少2个聊天模块。请参阅图5,本申请实施例中的语句处理装置500包括:
第一确定模块501,用于当接收到输入上述聊天系统的用户语句时,确定各个聊天模块的调用顺序;
第二确定模块502,用于根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用模块503,用于调用上述当前聊天模块对上述用户语句进行处理;
输出模块504,用于若上述用户语句在上述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
其中,上述第二确定模块502在上述用户语句在上述当前聊天模块中无命中时被再次触发。
可选地,若上述当前聊天模块为任务式聊天模块,则上述语句处理装置500 还包括:
过滤模块,用于在上述将上述用户语句输入至上述当前聊天模块中进行处理之前,基于预设的过滤器计算上述用户语句的得分;
相应地,上述调用模块503,具体用于若上述得分达到预设的得分阈值,则调用上述当前聊天模块对上述用户语句进行处理。
可选地,上述第二确定模块502在上述得分未达到预设的得分阈值时被再次触发。
可选地,上述任务式聊天模块包括系统任务式聊天子模块及自定义任务式聊天子模块;
相应地,上述过滤模块503,包括:
第一得分计算单元,用于基于预设的第一过滤器计算上述用户语句的第一得分,其中,上述第一过滤器根据上述自定义任务式聊天子模块的训练样本而设定;
第二得分计算单元,用于若上述第一得分未达到上述得分阈值,则基于预设的第二过滤器计算上述用户语句的第二得分,其中,上述第二过滤器根据上述系统任务式聊天子模块的训练样本而设定;
相应地,上述调用模块503,具体用于若上述第一得分达到上述得分阈值,则将上述用户语句输入至上述自定义任务式聊天子模块中进行处理,若上述第二得分达到上述得分阈值,则将上述用户语句输入至上述任务式聊天子模块中进行处理。
可选地,上述调用模块503,包括:
闲聊输出单元,用于若上述当前聊天模块为闲聊模块,则将上述用户语句作为调用的上述闲聊模块的输入,得到上述闲聊模块基于上述用户语句而输出的答复语句及闲聊得分;
闲聊命中确定单元,用于若上述闲聊得分超过预设的闲聊得分阈值,则确定上述用户语句在上述闲聊模块中有命中,且命中的对象为上述答复语句,若上述闲聊得分未超过上述闲聊得分阈值,则确定上述用户语句在上述闲聊模块中无命中。
可选地,上述调用模块503,包括:
图谱查找单元,用于若上述当前聊天模块为知识问答模块,则触发上述知识问答模块在预设的知识图谱中,查找与上述用户语句相匹配的图谱答案;
图谱命中确定单元,用于若查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中有命中,且命中的对象为上述图谱答案,若无法查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中无命中。
可选地,上述调用模块503,包括:
爬虫查找单元,用于若上述当前聊天模块为爬虫模块,则触发上述爬虫模块通过预设的互联网爬虫查找与上述用户语句相匹配的爬虫答案;
爬虫命中确定单元,用于若查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中有命中,且命中的对象为上述爬虫答案,若无法查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中无命中。
由上可见,通过本申请实施例,对于存在至少2个聊天模块的聊天系统来说,当接收到输入上述聊天系统的用户语句时,会先确定各个聊天模块的调用顺序,然后即可根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,并调用上述当前聊天模块对上述用户语句进行处理,若上述用户语句在上述当前聊天模块中有命中,则可直接根据命中的对象输出反馈信息,反之,若上述用户语句在上述当前聊天模块中无命中,则要根据上述调用顺序,重新确定当前聊天模块,并开始新一次的当前聊天模块的调用。上述过程中,聊天语句可根据各个聊天模块的调用顺序来对聊天模块进行调用,使得用户语句可在最短时间内被分发至能够正确对其进行处理的聊天模块,实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。
本申请实施例还提供了一种智能设备,请参阅图6,本申请实施例中的智能设备6包括:存储器601,一个或多个处理器602(图6中仅示出一个)及存储在存储器601上并可在处理器上运行的计算机程序。其中:存储器601用于存储软件程序以及单元,处理器602通过运行存储在存储器601的软件程序以及单元,从而执行各种功能应用以及数据处理,以获取上述预设事件对应的资源。具体地,处理器602通过运行存储在存储器601的上述计算机程序时实现以下步骤:
当接收到输入上述聊天系统的用户语句时,确定各个聊天模块的调用顺序;
根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用上述当前聊天模块对上述用户语句进行处理;
若上述用户语句在上述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
若上述用户语句在上述当前聊天模块中无命中,则返回执行上述根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,若上述当前聊天模块为任务式聊天模块,则在上述调用上述当前聊天模块对上述用户语句进行处理之前,处理器602通过运行存储在存储器601的上述计算机程序时还实现以下步骤:
基于预设的过滤器计算上述用户语句的得分;
相应地,上述调用上述当前聊天模块对上述用户语句进行处理,包括:
若上述得分达到预设的得分阈值,则调用上述当前聊天模块对上述用户语句进行处理。
在上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中,在上述基于预设的过滤器计算上述用户语句的得分之后,处理器602通过运行存储在存储器601的上述计算机程序时还实现以下步骤:
若上述得分未达到预设的得分阈值,则返回执行上述根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。
在上述第二种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述任务式聊天模块包括系统任务式聊天子模块及自定义任务式聊天子模块;
相应地,上述基于预设的过滤器计算上述用户语句的得分,包括:
基于预设的第一过滤器计算上述用户语句的第一得分,其中,上述第一过滤器根据上述自定义任务式聊天子模块的训练样本而设定;
若上述第一得分未达到上述得分阈值,则基于预设的第二过滤器计算上述用户语句的第二得分,其中,上述第二过滤器根据上述系统任务式聊天子模块的训练样本而设定;
相应地,上述若上述得分达到预设的得分阈值,则调用上述当前聊天模块对上述用户语句进行处理,包括:
若上述第一得分达到上述得分阈值,则将上述用户语句输入至上述自定义任务式聊天子模块中进行处理;
若上述第二得分达到预设的得分阈值,则将上述用户语句输入至上述任务式聊天子模块中进行处理。
在上述第一种可能的实施方式作为基础而提供的第五种可能的实施方式中,若上述当前聊天模块为闲聊模块,则上述调用上述当前聊天模块对上述用户语句进行处理,包括:
将上述用户语句作为调用的上述闲聊模块的输入,得到上述闲聊模块基于上述用户语句而输出的答复语句及闲聊得分;
若上述闲聊得分超过预设的闲聊得分阈值,则确定上述用户语句在上述闲聊模块中有命中,且命中的对象为上述答复语句;
若上述闲聊得分未超过上述闲聊得分阈值,则确定上述用户语句在上述闲聊模块中无命中。
在上述第一种可能的实施方式作为基础而提供的第六种可能的实施方式中,若上述当前聊天模块为闲聊模块,则上述调用上述当前聊天模块对上述用户语句进行处理,包括:
上述知识问答模块在预设的知识图谱中,查找与上述用户语句相匹配的图谱答案;
若查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中有命中,且命中的对象为上述图谱答案;
若无法查找到上述图谱答案,则确定上述用户语句在上述知识问答模块中无命中。
在上述第一种可能的实施方式作为基础而提供的第七种可能的实施方式中,若上述当前聊天模块为闲聊模块,则上述调用上述当前聊天模块对上述用户语句进行处理,包括:
上述爬虫模块通过预设的互联网爬虫查找与上述用户语句相匹配的爬虫答案;
若查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中有命中,且命中的对象为上述爬虫答案;
若无法查找到上述爬虫答案,则确定上述用户语句在上述爬虫模块中无命中。
应当理解,在本申请实施例中,所称处理器602可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
存储器601可以包括只读存储器和随机存取存储器,并向处理器602提供指令和数据。存储器601的一部分或全部还可以包括非易失性随机存取存储器。例如,存储器601还可以存储设备类别的信息。
由上可见,通过本申请实施例,对于存在至少2个聊天模块的聊天系统来说,当接收到输入上述聊天系统的用户语句时,会先确定各个聊天模块的调用顺序,然后即可根据上述调用顺序,在上述至少2个聊天模块中确定当前聊天模块,并调用上述当前聊天模块对上述用户语句进行处理,若上述用户语句在上述当前聊天模块中有命中,则可直接根据命中的对象输出反馈信息,反之,若上述用户语句在上述当前聊天模块中无命中,则要根据上述调用顺序,重新确定当前聊天模块,并开始新一次的当前聊天模块的调用。上述过程中,聊天语句可根据各个聊天模块的调用顺序来对聊天模块进行调用,使得用户语句可在最短时间内被分发至能够正确对其进行处理的聊天模块,实现对用户语句的快速处理,以高效的针对用户语句输出反馈信息。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,上述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上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。
上述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,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关联的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上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精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种语句处理方法,其特征在于,所述语句处理方法应用于聊天系统,所述聊天系统中存在至少2个聊天模块,所述语句处理方法包括:
当接收到输入所述聊天系统的用户语句时,根据当前登录所述聊天系统的用户的用户类型确定各个聊天模块的优先级,并根据各个聊天模块的优先级确定各个聊天模块的调用顺序;
根据所述调用顺序,在所述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用所述当前聊天模块对所述用户语句进行处理;
若所述用户语句在所述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
若所述用户语句在所述当前聊天模块中无命中,则返回执行所述根据所述调用顺序,在所述至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。
2.如权利要求1所述的语句处理方法,其特征在于,若所述当前聊天模块为任务式聊天模块,则在所述调用所述当前聊天模块对所述用户语句进行处理之前,所述语句处理方法还包括:
基于预设的过滤器计算所述用户语句的得分;
相应地,所述调用所述当前聊天模块对所述用户语句进行处理,包括:
若所述得分达到预设的得分阈值,则调用所述当前聊天模块对所述用户语句进行处理。
3.如权利要求2所述的语句处理方法,其特征在于,在所述基于预设的过滤器计算所述用户语句的得分之后,所述语句处理方法还包括:
若所述得分未达到预设的得分阈值,则返回执行所述根据所述调用顺序,在所述至少2个聊天模块中确定当前聊天模块的步骤及后续步骤。
4.如权利要求2所述的语句处理方法,其特征在于,所述任务式聊天模块包括系统任务式聊天子模块及自定义任务式聊天子模块;
相应地,所述基于预设的过滤器计算所述用户语句的得分,包括:
基于预设的第一过滤器计算所述用户语句的第一得分,其中,所述第一过滤器根据所述自定义任务式聊天子模块的训练样本而设定;
若所述第一得分未达到所述得分阈值,则基于预设的第二过滤器计算所述用户语句的第二得分,其中,所述第二过滤器根据所述系统任务式聊天子模块的训练样本而设定;
相应地,所述若所述得分达到预设的得分阈值,则调用所述当前聊天模块对所述用户语句进行处理,包括:
若所述第一得分达到所述得分阈值,则将所述用户语句输入至所述自定义任务式聊天子模块中进行处理;
若所述第二得分达到所述得分阈值,则将所述用户语句输入至所述任务式聊天子模块中进行处理。
5.如权利要求1所述的语句处理方法,其特征在于,若所述当前聊天模块为闲聊模块,则所述调用所述当前聊天模块对所述用户语句进行处理,包括:
将所述用户语句作为调用的所述闲聊模块的输入,得到所述闲聊模块基于所述用户语句而输出的答复语句及闲聊得分;
若所述闲聊得分超过预设的闲聊得分阈值,则确定所述用户语句在所述闲聊模块中有命中,且命中的对象为所述答复语句;
若所述闲聊得分未超过所述闲聊得分阈值,则确定所述用户语句在所述闲聊模块中无命中。
6.如权利要求1所述的语句处理方法,其特征在于,若所述当前聊天模块为知识问答模块,则所述调用所述当前聊天模块对所述用户语句进行处理,包括:
所述知识问答模块在预设的知识图谱中,查找与所述用户语句相匹配的图谱答案;
若查找到所述图谱答案,则确定所述用户语句在所述知识问答模块中有命中,且命中的对象为所述图谱答案;
若无法查找到所述图谱答案,则确定所述用户语句在所述知识问答模块中无命中。
7.如权利要求1所述的语句处理方法,其特征在于,若所述当前聊天模块为爬虫模块,则所述调用所述当前聊天模块对所述用户语句进行处理,包括:
所述爬虫模块通过预设的互联网爬虫查找与所述用户语句相匹配的爬虫答案;
若查找到所述爬虫答案,则确定所述用户语句在所述爬虫模块中有命中,且命中的对象为所述爬虫答案;
若无法查找到所述爬虫答案,则确定所述用户语句在所述爬虫模块中无命中。
8.一种语句处理装置,其特征在于,所述语句处理装置应用于聊天系统,所述聊天系统中存在至少2个聊天模块,所述语句处理装置包括:
第一确定模块,用于当接收到输入所述聊天系统的用户语句时,根据当前登录所述聊天系统的用户的用户类型确定各个聊天模块的优先级,并根据各个聊天模块的优先级确定各个聊天模块的调用顺序;
第二确定模块,用于根据所述调用顺序,在所述至少2个聊天模块中确定当前聊天模块,其中,针对同一用户语句,同一聊天模块仅能够被确定为当前聊天模块一次;
调用模块,用于调用所述当前聊天模块对所述用户语句进行处理;
输出模块,用于若所述用户语句在所述当前聊天模块中有命中,则根据命中的对象输出反馈信息;
其中,所述第二确定模块在所述用户语句在所述当前聊天模块中无命中时被再次触发。
9.一种智能设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475914.5A CN112597287B (zh) | 2020-12-15 | 2020-12-15 | 一种语句处理方法、语句处理装置及智能设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475914.5A CN112597287B (zh) | 2020-12-15 | 2020-12-15 | 一种语句处理方法、语句处理装置及智能设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597287A CN112597287A (zh) | 2021-04-02 |
CN112597287B true CN112597287B (zh) | 2024-03-15 |
Family
ID=75195865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475914.5A Active CN112597287B (zh) | 2020-12-15 | 2020-12-15 | 一种语句处理方法、语句处理装置及智能设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597287B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505209A (zh) * | 2021-07-09 | 2021-10-15 | 吉林大学 | 一种面向汽车领域的智能问答系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183848A (zh) * | 2015-09-07 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机聊天方法和装置 |
CN105975622A (zh) * | 2016-05-28 | 2016-09-28 | 蔡宏铭 | 多角色智能聊天的方法及系统 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
CN107562863A (zh) * | 2017-08-30 | 2018-01-09 | 深圳狗尾草智能科技有限公司 | 聊天机器人回复自动生成方法及系统 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN108829757A (zh) * | 2018-05-28 | 2018-11-16 | 广州麦优网络科技有限公司 | 一种聊天机器人的智能服务方法、服务器及存储介质 |
CN109033223A (zh) * | 2018-06-29 | 2018-12-18 | 北京百度网讯科技有限公司 | 用于跨类型对话的方法、装置、设备以及计算机可读存储介质 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
CN111078837A (zh) * | 2019-12-11 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 智能问答信息处理方法、电子设备及计算机可读存储介质 |
CN111368549A (zh) * | 2018-12-25 | 2020-07-03 | 深圳市优必选科技有限公司 | 一种支持多种服务的自然语言处理方法、装置及系统 |
CN111488443A (zh) * | 2020-04-08 | 2020-08-04 | 苏州思必驰信息科技有限公司 | 技能选择方法及装置 |
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 |
CN111881280A (zh) * | 2020-07-28 | 2020-11-03 | 南方电网深圳数字电网研究院有限公司 | 一种用于电力行业的智能人机交互系统及方法 |
CN112035640A (zh) * | 2020-08-31 | 2020-12-04 | 重庆长安汽车股份有限公司 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
-
2020
- 2020-12-15 CN CN202011475914.5A patent/CN112597287B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183848A (zh) * | 2015-09-07 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机聊天方法和装置 |
CN105975622A (zh) * | 2016-05-28 | 2016-09-28 | 蔡宏铭 | 多角色智能聊天的方法及系统 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
CN107562863A (zh) * | 2017-08-30 | 2018-01-09 | 深圳狗尾草智能科技有限公司 | 聊天机器人回复自动生成方法及系统 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN108829757A (zh) * | 2018-05-28 | 2018-11-16 | 广州麦优网络科技有限公司 | 一种聊天机器人的智能服务方法、服务器及存储介质 |
CN109033223A (zh) * | 2018-06-29 | 2018-12-18 | 北京百度网讯科技有限公司 | 用于跨类型对话的方法、装置、设备以及计算机可读存储介质 |
CN111368549A (zh) * | 2018-12-25 | 2020-07-03 | 深圳市优必选科技有限公司 | 一种支持多种服务的自然语言处理方法、装置及系统 |
CN110222162A (zh) * | 2019-05-10 | 2019-09-10 | 天津中科智能识别产业技术研究院有限公司 | 一种基于自然语言处理和知识图谱的智能问答方法 |
CN111078837A (zh) * | 2019-12-11 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 智能问答信息处理方法、电子设备及计算机可读存储介质 |
CN111488443A (zh) * | 2020-04-08 | 2020-08-04 | 苏州思必驰信息科技有限公司 | 技能选择方法及装置 |
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 |
CN111881280A (zh) * | 2020-07-28 | 2020-11-03 | 南方电网深圳数字电网研究院有限公司 | 一种用于电力行业的智能人机交互系统及方法 |
CN112035640A (zh) * | 2020-08-31 | 2020-12-04 | 重庆长安汽车股份有限公司 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112597287A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304437B (zh) | 一种自动问答方法、装置及存储介质 | |
CN109670163B (zh) | 信息识别方法、信息推荐方法、模板构建方法及计算设备 | |
CN110222045B (zh) | 一种数据报表获取方法、装置及计算机设备、存储介质 | |
CN111767716B (zh) | 企业多级行业信息的确定方法、装置及计算机设备 | |
CN111178077B (zh) | 一种语料生成方法、语料生成装置及智能设备 | |
CN112035599B (zh) | 基于垂直搜索的查询方法、装置、计算机设备及存储介质 | |
CN111831804B (zh) | 一种关键短语的提取方法、装置、终端设备及存储介质 | |
CN111159363A (zh) | 一种基于知识库的问题答案确定方法及装置 | |
CN111259660A (zh) | 基于文本对的关键词抽取方法、装置、设备及存储介质 | |
CN110569419A (zh) | 问答系统优化方法、装置、计算机设备及存储介质 | |
CN115795061A (zh) | 一种基于词向量和依存句法的知识图谱构建方法及系统 | |
CN116882372A (zh) | 文本生成方法、装置、电子设备以及存储介质 | |
CN112597287B (zh) | 一种语句处理方法、语句处理装置及智能设备 | |
CN109657043B (zh) | 自动生成文章的方法、装置、设备及存储介质 | |
CN109063182B (zh) | 一种基于语音搜题的内容推荐方法及电子设备 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN110287284B (zh) | 语义匹配方法、装置及设备 | |
CN113515620A (zh) | 电力设备技术标准文档排序方法、装置、电子设备和介质 | |
CN110427626B (zh) | 关键词的提取方法及装置 | |
CN117539990A (zh) | 一种问题处理方法、装置、电子设备和存储介质 | |
CN115905497B (zh) | 确定答复语句的方法、装置、电子设备和存储介质 | |
CN110008352B (zh) | 实体发现方法及装置 | |
CN115544214A (zh) | 一种事件处理方法、设备及计算机可读存储介质 | |
CN111611471A (zh) | 一种搜索方法、装置及电子设备 | |
CN112541357B (zh) | 实体识别方法、装置及智能设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |