CN112711653A - 一种人机互动方法及电子设备 - Google Patents
一种人机互动方法及电子设备 Download PDFInfo
- Publication number
- CN112711653A CN112711653A CN201911016917.XA CN201911016917A CN112711653A CN 112711653 A CN112711653 A CN 112711653A CN 201911016917 A CN201911016917 A CN 201911016917A CN 112711653 A CN112711653 A CN 112711653A
- Authority
- CN
- China
- Prior art keywords
- question
- candidate
- answer
- questions
- user
- 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
- 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
- G06F16/3325—Reformulation based on results of preceding query
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及数据处理技术领域,公开了一种人机互动方法及电子设备,用以解决在人机互动时,由于用户提出的问题模糊,电子设备无法根据用户提出的问题,进行准确回答的问题。该方法为:接收用户的第一问题;当知识库中不存在与所述第一问题匹配的相似问题时,提示所述知识库中与所述第一问题关联的候选问题,其中,所述知识库包括问答库,所述问答库中包括多个由问题和对应答案构成的问答对;接收所述用户对所述候选问题的回答;根据所述回答确定所述候选问题为关键问题时;生成第二问题,所述第二问题与所述第一问题和所述候选问题相关;在所述问答库中查找与所述第二问题匹配的相似问题,并向所述用户提示与所述第二问题匹配的相似问题的答案。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种人机互动方法及电子设备。
背景技术
随着电子设备中各种功能不断完善,电子设备的应用也越来越广泛,用户与电子设备间的互动也越来越多。如图1所示,用户可以向电子设备(如向用于医疗问诊的问诊终端/机器人等)提出问题,电子设备基于预先设置的包括多个由问题和对应答案构成的问答对的知识库,搜索知识库中与用户提出的问题匹配的相似问题,并向用户提供该问题对应的答案,完成对用户提出问题的回答。
然而,受限于用户专业能力的限制,存在用户提出的问题模糊、不完整、不包含关键词的问题,导致电子设备无法根据用户提出的问题搜索到准确的答案。例如:用户提出的问题为“我感冒”,实际完整问题应为“天气变化大、流鼻涕、喉咙不痛”,导致电子设备因用户提出的问题“我感冒”模糊,无法在知识库中搜索到与用户提出的问题匹配的相似问题,无法对用户提出的问题进行准确的回答。因此,如何在用户提出的问题模糊时,完善用户提出的问题,从而使电子设备输出准确的答案成为一个亟待解决的问题。
发明内容
本申请实施例提供一种人机互动方法及电子设备,用以解决在人机互动时,由于用户提出的问题模糊,电子设备无法根据用户提出的问题,进行准确回答的问题。
第一方面,本申请实施例提供一种人机互动方法,该方法可以由电子设备执行,也可以由电子设备中的处理芯片执行。该方法包括:接收用户的第一问题;当知识库中不存在与所述第一问题匹配的相似问题时,向所述用户提示所述知识库中与所述第一问题关联的候选问题,其中,所述知识库包括问答库,所述问答库中包括多个由问题和对应答案构成的问答对;接收所述用户对所述候选问题的回答;根据所述回答确定所述候选问题为关键问题时,生成第二问题,所述第二问题与所述第一问题和所述候选问题相关;在所述问答库中查找与所述第二问题匹配的相似问题,并向所述用户提示与所述第二问题匹配的相似问题的答案。
在本申请实施例中,在人机互动过程中,当电子设备确定知识库中不存在与用户提出的第一问题匹配的相似问题时,向用户提示与第一问题关联的候选问题,根据用户对候选问题的回答,确定提出的候选问题是否为用户认可的关键问题,并在提出的候选问题为用户认可的关键问题时,根据第一问题和候选问题生成第二问题,从而可以完善用户提出的问题,使电子设备可以根据完善后的第二问题,输出较为准确的答案,提高人机互动过程中电子设备应答的准确性,提高了用户的体验。
在一种可能的设计中,在所述问答库中不存在与所述第一问题的相似度大于阈值的问题时,可以确定所述知识库中不存在与所述第一问题匹配的相似问题。上述设计中,有助于避免在人机互动过程中,电子设备向用户提供不准确的回答。
在一种可能的设计中,所述知识库中还包括分类问题库,所述分类问题库中包括每种问题类型下的一个或多个候选问题,所述一个或多个候选问题具有对应的权重;向所述用户提示所述知识库中与所述第一问题关联的候选问题,可以包括:确定所述第一问题对应的问题类型;按照确定的问题类型下的一个或多个候选问题的权重由高到低的顺序,向所述用户提示所述知识库中与所述第一问题关联的候选问题。上述设计中,有助于准确对与第一问题关联的候选问题的选取,提高对用户提出的问题完善的效率。
在一种可能的设计中,根据所述回答确定所述候选问题为关键问题,可以包括:确定所述候选问题的关键语义值,所述关键语义值与所述候选问题的情感值和所述回答的情感认同程度相关,其中,各个候选问题的情感值和各个候选问题对应的不同回答的情感认同程度,可以预先设置在所述分类问题库中;在所述关键语义值大于关键语义门限值时,可以确定所述候选问题为关键问题。上述设计中,根据候选问题的情感值和用户对候选问题回答的情感认同程度,确定候选问题的关键语义,进而确定候选问题是否为关键问题,有助于准确确定与用户提出的问题关联的关键问题,完善用户提出的问题。
在一种可能的设计中,所述将所述第一问题和所述候选问题组合,生成第二问题,可以通过将所述第一问题和所述候选问题进行文本组合生成第二问题来实现;或,也可以提取所述第一问题的至少一个第一关键词和所述第二问题的至少一个第二关键词,根据所述至少一个第一关键词和所述至少一个第二关键词,生成第二问题来实现。上述设计中,丰富了根据第一问题和候选问题,生成第二问题的方式,便于根据需求,选择生成第二问题的方式。
在一种可能的设计中,所述方法还可以包括:当所述知识库中存在与所述第一问题匹配的相似问题时,根据所述问答库中与所述相似问题对应的问答对,向所述用户提示所述相似问题对应的答案。上述设计中,有助于电子设备在人机互动过程中,对用户提出的原始问题的准确回答。
第二方面,本申请实施例还提供一种电子设备,所述电子设备包括存储器和处理器,以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述处理器执行时,使得所述电子设备执行上述第一方面或者第一方面的任一种可能的设计中所述的方法。
第三方面,本申请实施例还提供一种电子设备,该电子设备中包括能够执行上述第一方面或者第一方面的任一种可能的设计中电子设备行为的功能模块;这些功能模块可以通过硬件实现,也可以通过硬件执行相应的软件实现。
第四方面,本申请实施例还提供一种芯片,所述芯片与存储器耦合,用于读取并执行所述存储器中存储的计算机程序指令,以执行上述第一方面或者第一方面的任一种可能的设计中所述的方法。
第五方面,本申请实施例还提供一种计算机存储介质,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行上述第一方面或者第一方面的任一种可能的设计中所述的方法。
第六方面,本申请实施例还提供一种程序产品,当所述程序产品在电子设备上运行时,使得所述电子设备执行上述第一方面或者第一方面的任一种可能的设计中所述的方法。
附图说明
图1为现有人机互动过程示意图;
图2为本申请实施例提供的一种应用场景的示意图;
图3为本申请实施例提供的一种手机的硬件结构的示意图;
图4为本申请实施例提供的一种手机的图形用户界面的示意图;
图5为本申请实施例提供的一种人机交互示意图之一;
图6为本申请实施例提供的一种人机交互示意图之二;
图7为本申请实施例提供的一种人机交互过程示意图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
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。
图2为一种本申请实施例可以应用到的应用场景的示意图,如图2所示,用户可以向电子设备提出问题,电子设备搜索知识库中与用户提出的问题相似度最高的问题,如果搜索到的相似度最高的问题与用户提出的问题的相似度小于设定阈值,电子设备确定知识库中不存在与用户提出的问题匹配的相似问题,用户提出的问题模糊,不能直接得出准确的答案,根据用户提出的问题,向用户提出与用户提出的问题相关联的关联问题,并根据用户对关联问题的回答,确定提出的关联问题是否为用户认可的关键问题。并在提出的关联问题为用户认可的关键问题时,将关联问题与用户提出的问题组合生成一个组合问题,从而根据组合问题搜索知识库,得到准确的答案。另外,需要理解的是,本申请实施例中知识库可以设置在电子设备中,也可以设置在与电子设备存在有线、无线等通信连接的服务器等设备中,对知识库的搜索等操作也可以通过与电子设备存在通信连接的服务器等设备完成,如电子设备将用户提出的问题发送给服务器,由服务器根据用户提出的问题搜索知识库中与用户提出的问题相似度最高的问题,并提供给电子设备该问题的答案,由电子设备进而回答给用户。
由此可见,在本申请实施例中,在人机互动过程中,即使用户提出的问题模糊,电子设备也可以以用户提出的问题为线索,通过与用户的问答交互过程,完善用户提出的问题,从而得到准确的答案,从而可以提高在人机互动过程中,应答的准确性,并提高用户体验。
以下,对本申请实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
1)知识库,在本申请实施例中知识库由问答库和分类问题库构成,其中,在问答库中包括多个由问题和对应答案构成的问答对,示例的:问题“长红疹”和答案“荨麻诊”构成一个问答对。在分类问题库中,包括不同问题类型下的一个或多个候选问题,以及每个候选问题对应的权重,可选的,分类问题库中还可以包括每个候选问题对应的答案,其中问答库中可以包括由分类问题库中每个候选问题和每个候选问题对应的答案构成的问答对。参照表1所示,为一种分类问题库的示例,在本申请实施例中,如果用户提出的问题模糊,电子设备无法根据用户提出的问题,在知识库(问答库)中确定与用户提出的问题匹配的相似问题时,则可以先确定用户提出的问题所对应的问题类型,进而根据分类问题库中确定的该问题类型下的一个或多个候选问题的权重,按照由高到低的顺序,向用户提问,从而完善用户提出的问题。
问题类型 | 候选问题 | 答案 | 权重 |
皮肤 | 有长红疹 | 荨麻诊 | 90 |
皮肤 | 最近有吃海鲜 | 海鲜过敏 | 60 |
内科 | 最近有睡好 | 内分泌失调 | 70 |
少锡 | 钢网是否堵孔 | 钢网堵孔 | 90 |
少锡 | 锡膏流动性差 | 锡膏干 | 60 |
引脚不良 | 器件可焊性差 | 器件不良 | 70 |
引脚不良 | 厂商来料不良 | 来料质量差 | 80 |
表1
参照表1所示,在分类问题库中,候选问题可以由人工编辑,并且具备多种自由语义表示方式,如否定语义、相反语义等。示例的:询问是否抽烟,在分类问题库中可能有如下形式,正常语义:你是否最近有吸烟;否定语义:你是否最近没抽烟;相反语义:你是否戒烟了(抽烟的反义为戒烟)。另外,每种问题类型下候选问题的权重也可以由人工编辑,或根据候选问题的使用频率、候选问题对应的词频、候选问题对应的词频-逆文本频率指数(termfrequency–inverse document frequency,TF-IDF)、候选问题对应的点互信息(pointwisemutual information,PMI)等的高低进行设置。
2)情感分析模型(M1),用于对问题文本进行情感分析(sentiment analysis),计算问题文本的情感值(sentiment value,Vs),情感值的范围为[-d,d],如[-1,1]。其中,情感值的数值越大,代表情感越正面乐观(positive),即问题文本越正面;情感值的数值越小,代表情感越负面悲观(negative),即问题文本越负面。情感分析模型的实施方法可采用数据建模法、辞典匹配方法等。采用数学建模法,可以采用机器学习算法(如前向神经网络、卷积神经网络、循环神经网络等),对标注语料(问题文本,与其对应的情感值)进行学习建模,建模完成的情感分析模型,即可根据输入的问题文本,输出问题文本对应的情感值。也可以采用辞典匹配方法,预先设置有一个辞典记录了负面情感词、程度副词、否定词等对应的情感值,通过辞典识别问题文本中出现的负面情感词、程度副词、否定词对应的情感值,即可确定问题文本的情感值。参照表2(A)和表2(B)所示,为一种可能的情感分析模型的示例。
表2(A)
表2(B)
3)情感认同程度模型(M2),用于对回答文本进行情感分析,计算回答文本的情感认同程度(approval value,Va),情感认同程度的范围是[-c,c],如[-1,1],其中,情感认同程度的数值越大,代表越认同,情感认同程度的数值越小,代表越不认同。情感认同程度模型的实施方法可以采用数学建模法、辞典匹配方法等。采用数学建模法,可以采用机器学习算法(如前向神经网络、卷积神经网络、循环神经网络等),对标注语料(回答文本,与其对应的情感认同程度)进行学习建模,建模完成的情感认同程度模型,即可根据输入的回答文本,输回答文本对应的情感认同程度。也可以采用辞典匹配方法,预先设置有一个辞典记录了肯定词、否定词、程度副词对应的情感认同程度,通过辞典识别回答文本中肯定词、否定词、程度副词对应的情感认同程度,即可确定回答文本的情感认同程度。参照表3所示,为一种可能的情感认同程度模型的示例。
表3
4)关键语义值(keyword value,Vk),关键语义值Vk=-(Vs*Va),用于计算问题文本中含有关键语义(关键词)的程度,参照表4所示,其原理如下,在向用户提问时,问题越负面,用户越认可,代表问题具备用户的困难处,含有更精确的问题语义(关键词),提问的问题才是关键问题;同理,问题越正面,用户越不认可,提问的问题才是关键问题。
表4
另外,需要理解的是,以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式,除非其上下文中明确地有相反指示。还应当理解,在本申请实施例中,“一个或多个”是指一个、两个或两个以上;“和/或”,描述关联对象的关联关系,表示可以存在三种关系;例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。另外,本申请实施例涉及的多个,是指大于或等于两个。需要说明的是,在本申请实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
以下介绍电子设备和用于使用这样的电子设备的实施例。在本申请的一些实施例中,电子设备可以是具备接收语音和/或文本,以及播放语音和/或显示文本功能的硬件设备,可以是诸如手机、平板电脑、智能音箱、数码相机、可穿戴设备(如智能手表)、车载语音交互设备等,也可以是电视、笔记本电脑、对话机器人等设备,只要具备接收语音和/或文本,以及播放语音和/或显示文本的功能即可。
通常情况下,电子设备可以支持多种应用,比如以下应用中的一个或多个:问答机器人、微信、钉钉等。其中所述问答机器人根据定位或应用的领域不同,也可以称为聊天机器人(chatbot)、问诊助手、智能客服、虚拟助手(assistant)等,如智能客服用于在限制的专业领域与范围下,解决应用程序(application,APP)、硬件操作流程问题与售后服务,取代传统说明书与售后服务;聊天机器人没有限制使用目的与范围,用于娱乐休闲用途,以及生活信息查询等。本文中涉及的应用可以是电子设备出厂时自带的应用,也可以是电子设备从网络侧下载并安装的应用,或者是电子设备接收其它电子设备发送的应用,本申请实施例不作限定。
以电子设备是手机为例,图3示出了手机100的结构示意图。如图3所示,手机100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serialbus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块151,无线通信模块152,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,摄像头193,显示屏194,以及用户标识模块(subscriberidentification module,SIM)卡接口195等。
其中,处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。其中,控制器可以是手机100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。在本申请实施例中,处理器110可以运行人机互动算法的软件代码/模块,执行相应的人机互动流程,具体的流程将在后文介绍。
显示屏194用于显示手机100中的应用的显示界面,比如相机的取景界面,微信的聊天界面,问答机器人界面的应答界面等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,手机100可以包括1个或N个显示屏194,N为大于1的正整数。
摄像头193用于捕获静态图像、动态图像或视频。在本申请实施例中,手机100中摄像头193的数量可以是至少两个。以两个为例,其一个是前置摄像头,另一个是后置摄像头;以三个为例,其中一个是前置摄像头,另外两个是后置摄像头。需要说明的是,摄像头193可以是广角摄像头、长焦摄像头等等。通常,摄像头193可以包括感光元件比如镜头组和图像传感器,其中,镜头组包括多个透镜(凸透镜或凹透镜),用于采集待拍摄物体(比如用户人脸、风景等)反射的光信号,并将采集的光信号传递给图像传感器。图像传感器根据所述光信号生成待拍摄物体的图像。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行手机100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如相机,图库、微信等)等。存储数据区可存储手机100使用过程中所创建的数据(比如图像,视频等)等。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。在一些实施例中,内部存储器121中可以存储人机互动算法的软件代码/模块,处理器110运行所述人机互动算法的软件代码/模块,执行相应的人机互动流程,具体的流程将在后文介绍。
传感器模块180可以包括指纹传感器180H,触摸传感器180K等。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于手机100的表面,与显示屏194所处的位置不同。
手机100中的SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和手机100的接触和分离。
手机100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。在一些实施例中,麦克风170C可以包括一个或多个麦克风(比如,麦克风阵列)。
可以理解的是,本申请实施例示意的结构并不构成对手机的具体限定。在本申请另一些实施例中,手机可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
为了便于理解,本申请以下实施例将以具有图3所示结构的手机为例,结合附图对本申请实施例提供的人机互动方法进行具体阐述。
在一些实施例中,本申请实施例提供的人机互动方法,可以应用问诊领域(如寻求皮肤红疹的相关问题)、智能客服领域(如寻求电子制造业质量缺陷相关问题)等,以下实施例将以不同的场景为例进行介绍。
场景1:通过问答机器人,寻求皮肤红疹的相关问题。
图4(A)示出了手机100的一种图形用户界面(graphical user interface,GUI),该GUI可以称为手机100的桌面400(或主界面400)。当手机100检测到针对桌面400上的问答机器人应用的图标401的操作(比如,点击操作)后,可以启动问答机器人应用,显示如图4(B)所示另一GUI,该GUI可以称为问答界面(或对话界面)500。在一些可能的实施例中,在问答界面500中可以包含一个或多个控件,用户可以通过所述一个或多个控件,向手机100输入提出的问题。如通过语音控件501以语音的方式输入提出的问题,通过文本控件502以文本的方式输入提出的问题,或通过扩展控件503以图像的方式输入提出的问题。其中,如果用户以语音的方式输入提出的问题,手机100将用户输入的语音转换成文本;如果用户以图像的方式输入提出的问题,手机100识别用户输入的图像中的文本。示例的,用户以语音的方式输入问题(human question,Qh)“我的皮肤痒不舒服”,如图5(A)所示,手机100通过将用户以语音的方式输入的问题转文本(问题文本)后,得到用户提出的问题文本Qh=我的皮肤痒不舒服,并可以在问答界面500中显示。
手机100得到Qh=我的皮肤痒不舒服后,在知识库中搜索与Qh=我的皮肤痒不舒服相似度(如文本相似度)最高的问题,在知识库中搜索到的相似度最高的问题与Qh=我的皮肤痒不舒服的相似度小于设定阈值,手机100确定Qh=我的皮肤痒不舒服模糊,无法直接确定准确的答案,需要完善。手机100确定Qh=我的皮肤痒不舒服的问题类型,如可以采用机器学习算法(如前向神经网络、卷积神经网络等),对标注语料(问题文本,与其对应的问题类型)进行学习建模,建模完成的问题分类模型,即可根据输入的问题文本,输出问题文本对应的问题类型。手机100得到Qh=我的皮肤痒不舒服,对应的问题类型为皮肤类,在分类问题库中,查找到皮肤类权重最高的问题,询问用户该问题,并接收用户回答(humanreply,Rh)。参照上述表1所示,在问题分类库中,皮肤类权重最高的问题为“有长红疹”,手机100选定机器问题(machine question,Qm)=有长红疹,并通过文本或语音等方式,向用户发出选定的机器问题,并接收用户回答(Rh)=有长一些,示例的,如图5(B)所示。
手机100接收到用户回答后,通过情感分析模型计算Qm=有长红疹的情感值(Vs),通过情感认同程度模型计算Rh=有长一些的情感认同程度(Va)。参照上述表2A所示的情感分析模型的示例和上述表3所示的情感认同程度模型的示例,手机100得到Qm=有长红疹的情感值(Vs)=-0.9,得到Rh=有长一些的情感认同程度(Va)=0.4。
手机100根据Qm=有长红疹的情感值(Vs)和Rh=有长一些的情感认同程度(Va),计算Qm=有长一些的关键语义值Vk=-(Vs*Va)=-(-0.9*0.4)。得到Qm=有长红疹含有关键语义(关键词)程度的关键语义值为0.36。0.36大于设定的关键语义门限值t=0.15。手机100确定提出的Qm=有长红疹为关键问题,将Qh=我的皮肤痒不舒服和Qm=有长红疹组合,产生一个新的问题。如直接将Qh=我的皮肤痒不舒服和Qm=有长红疹拼接得到组合问题Qd=Qh+Qm=我的皮肤痒不舒服有长红疹。进一步,还可利用自然语言的关键词抽取、命名实体识别(named-entity recognition,NER)等关键词提取方式,对Qh=我的皮肤痒不舒服和Qm=有长红疹进行关键词提取,Qh=我的皮肤痒不舒服提取关键词后,得到关键词“皮肤痒、不舒服”,Qm=有长红疹提取关键词后,得到关键词“长红疹”,则确定Qd=皮肤痒不舒服长红疹。
手机100,根据新产生的组合问题Qd=皮肤痒不舒服、长红疹,在知识库搜索到与Qd=皮肤痒不舒服长红疹相似度最高,且相似度大于设定阈值的相似问题,根据知识库中该相似问题对应的问答对中的答案“荨麻诊”,输出对应的答案。示例的,参照图5(C)所示,手机100产生回答(An)=荨麻诊。
场景2:通过问答机器人,寻求电子制造业质量缺陷相关问题。
与上述场景1相似,用户可以通过对手机100桌面400上的问答机器人应用的图标401的操作(比如,点击操作),启动问答机器人应用,控制手机100进入问答界面500。用户通过问答界面中的文本控件502以文本的形式输入问题Qh=印刷贴片少锡发生了怎么办。如图6(A)所示,手机100接收到用户以文本的方式输入的问题(问题文本)后,在问答界面500中显示。
手机100得到Qh=印刷贴片少锡发生了怎么办后,在知识库中搜索与Qh=印刷贴片少锡发生了怎么办相似度(如文本相似度)最高的问题,在知识库中搜索到的相似度最高的问题与Qh=印刷贴片少锡发生了怎么办的相似度小于设定阈值,手机100确定Qh=印刷贴片少锡发生了怎么办模糊,无法直接确定准确的答案,需要完善。手机100确定Qh=印刷贴片少锡发生了怎么办对应的问题类型为少锡类,参照上述表1所示,在问题分类库中,少锡类权重最高的问题为“钢网是否堵孔”,手机100选定机器问题(Qm)=钢网是否堵孔,并通过文本或语音等方式,向用户发出选定的机器问题,并接收用户回答(Rh)=否,示例的,如图6(B)所示,。
手机100接收到用户回答后,通过情感分析模型计算Qm=钢网是否堵孔的情感值(Vs),通过情感认同程度模型计算Rh=否的情感认同程度(Va)。参照上述表2B所示的情感分析模型的示例和上述表3所示的情感认同程度模型的示例,手机100得到Qm=钢网是否堵孔的情感值(Vs)=-0.9,得到Rh=否的情感认同程度(Va)=-1。手机100根据Qm=钢网是否堵孔的情感值(Vs)和Rh=否的情感认同程度(Va),计算Qm=钢网是否堵孔的关键语义值Vk=-(Vs*Va)=-(-0.9*-1)。确定Qm=钢网是否堵孔含有关键语义(关键词)程度的关键语义值为-0.9,小于设定的关键语义门限值t=0.15。
手机100按照权重值由高到低的顺序,继续在问题分类库中,少锡类问题中选择权重次高的问题“锡膏流动性差”,手机100选定机器问题(Qm)=锡膏流动性差,继续通过文本或语音等方式,向用户发出提问题,并接收用户回答(Rh)=是。示例的,如图6(B)所示,手机100通过文本的方式向用户提出Qm=锡膏流动性差,接收用户以文本的方式的Rh=是,并在应答界面500中显示。参照上述表2B所示的情感分析模型的示例和上述表3所示的情感认同程度模型的示例,手机100得到Qm=锡膏流动性差的关键语义值Vk=-(-0.6*1)=0.6,大于设定的关键语义门限值t=0.15。确定Qm=锡膏流动性差含有关键语义(关键词),为关键问题,将Qh=印刷贴片少锡发生了怎么办和Qm=锡膏流动性差组合,产生一个新的问题。如直接将Qh印刷贴片少锡发生了怎么办和Qm=锡膏流动性差拼接得到组合问题Qd=Qh+Qm=印刷贴片少锡发生了怎么办锡膏流动性差。根据新产生的组合问题Qd=印刷贴片少锡发生了怎么办锡膏流动性差,在知识库搜索到与Qd=印刷贴片少锡发生了怎么办锡膏流动性差相似度最高,且相似度大于设定阈值的相似问题,根据知识库中该相似问题对应的问答对中的答案“锡膏干”,输出对应的答案。示例的,参照图6(C)所示,手机100产生回答An=锡膏干。
需要理解的是在本申请实施例中,问答机器人是经由文字或语音等进行问答(对话)的应用,根据定位或应用的领域不同,也可以称为聊天机器人、问诊助手、智能客服、虚拟助手等,并且在问答机器人仅应用在某一领域时,知识库中可以仅保存与该领域对应的问答对和分类问题。示例的,如问答机器人仅涉及问诊领域时,问答机器人也可以被称为问诊助手,并且在知识库中仅保存与问诊领域相关的问答对和分类问题。
以下实施例介绍通过手机100进行人机互动可能的实现方式,图7示出了本申请一实施例提供的人机互动方法的流程示意图。该方法可以适用于图3所示的手机100或类似的电子设备。以下实施例以该方法应用于手机100为例。如图7所示,该方法的流程包括:
S701:手机100接收用户的第一问题。
在一些实施例中,以图4(B)为例,用户可以以语音、文本、图像等方式提出第一问题。其中,如果用户以语音的方式输入提出的第一问题,手机100将用户输入的语音转换成文本(问题文本);如果用户以图像的方式输入提出的第一问题,手机100识别用户输入的图像中的文本(问题文本)。
S702:手机100确定知识库中是否存在与所述第一问题匹配的相似问题,如果否,执行S703,如果是,执行S708。
其中,所述知识库包括问答库和分类问题库,所述问答库中包括多个由问题和对应答案构成的问答对,所述分类问题库中包括每种问题类型下的一个或多个候选问题,及每个候选问题对应的权重。
在一种可能的实施中,手机100接收到用户的第一问题后,在知识库中(问答库)搜索是否存在与所述第一问题相似度(如文本相似度)大于设定阈值的问题,如果存在,可以将与所述第一问题相似度最高的问题,作为与所述第一问题匹配的相似问题;如果不存在,则确定知识库中不存在与所述第一问题匹配的相似问题。
S703:手机100提示与所述第一问题关联的候选问题。
S704:手机100接收所述用户对所述候选问题的回答。
在具体实施步骤S703和S704的过程中,在一种可能的实施中,手机100在知识库中不存在与所述第一问题匹配的相似问题时,将所述第一问题分类,确定所述第一问题对应的问题类型,并根据知识库(分类问题库)中该问题类型下每个候选问题的权重,按照权重由高倒低的顺序选择一个候选问题,并通过文本或语音等方式向用户提示该候选问题,并接收用户对所述候选问题的回答。
可选的,手机100可以采用多种形式接收用户对候选问题的回答,如以文本、语音等方式接收用户对候选问题的回答,其中如果用户以语音的方式输入对候选问题的回答,手机100将用户输入的语音转换成文本。手机100还可以在提示候选问题后,提供回答选项供用户选择,让用户选择,根据用户选择的回答选项,确定用户对候选问题的回答。示例的,手机在发出候选问题后,显示出是、否、可能是、有一些、应该是、不是这样的等候选回答选项供用户选择,根据用户选择的回答选项,确定用户对候选问题的回答。
S705:手机100根据所述用户的回答确定所述候选问题是否为关键问题,如果是,执行S706,如果否,执行S703。
手机100根据情感分析模型确定候选问题对应的情感值(Vs),根据情感认同程度模型,确定用户对候选问题的回答对应的情感认同程度(Va),并根据候选问题对应的情感值(Vs)和用户对候选问题的回答对应的情感认同程度(Va)等因素,确定候选问题的关键语义值(Vk)。比如关键语义值可以符合公式:Vk=-(Vs*Va)或Vk=-(Vs*Va)+b等,当然关键语义值还可以符合其他公式要求。b可以为预设的调整值,具体可以为0、-0.1、0.1等。如果候选问题对应的关键语义值大于设定的关键语义门限值(Tk),确定提示的候选问题含有关键语义(关键词),为关键问题,否则确定候选问题不包含有关键语义(关键词),返回S703,重新选择候选问题进行提示。
需要理解的是,手机100在对同一问题在知识库(分类问题库)中该问题对应的问题类型下多次选择候选问题进行提示时,手机100根据知识库(分类问题库)中该问题类型下每个候选问题的权重,按照权重由高倒低的顺序在未选择过的候选问题中(即未提示过的候选问题中)选择一个候选问题进行提示。也就是说,在步骤S705执行完成后返回继续执行S703时,要根据该问题类型下每个候选问题的权重,按照权重由高倒低的顺序在未选择过的候选问题中(即未提示过的候选问题中)选择一个候选问题进行提示。
在设置关键语义门限值(Tk)时,Tk设置的越高,选择出的关键问题的质量越高,但是Tk设置的越高可能会导致需要多次提示不同的候选问题才能确定关键问题,确定关键问题的时间可能会较长,得到恰当的答案的过程可能较慢。Tk可根据实际需求调整。可选的,设置TK时,如果需要选择出较高质量的关键问题,可以将Vk最大值与Vk最小值的中位数,与Vk最大值的中位数作为TK,例如:Vk最大值为1、Vk最小值为-1,Vk最大值与Vk最小值的中位数为0,将0与1的中位数0.5作为TK;如果需要减少确定关键问题的时间,提高问答效率,也可以将Vk最大值与Vk最小值的中位数作为TK,例如:Tk=[Vk最大值-Vk最小值]/2+Vk最小值。以Vk最大值为1、Vk最小值为-1为例,则Tk=[1-(-1)]+-1=0。当然,也可以根据需要的问答质量和问答效率来灵活设置或调整TK。
S706:手机100根据所述第一问题和被确定为关键问题的所述候选问题,生成第二问题。
可选的,手机100在提示的候选问题为关键问题时,可以直接将第一问题和被确定为关键问题的候选问题的文本进行组合,生成第二问题,如第一问题为“我的皮肤痒不舒服”、被确定为关键问题的候选问题为“有长红疹”,组合生成的第二问题为“我的皮肤痒不舒服有长红疹”;还可利用自然语言的关键词抽取、命名实体识别等关键词提取方式,提取第一问题中的至少一个关键词和候选问题中的至少一个关键词,基于提取的第一问题中的至少一个关键词和候选问题中的至少一个关键词生成第二问题,如第一问题为“我的皮肤痒不舒服”提取关键词后,得到关键词“皮肤痒、不舒服”,候选问题为“有长红疹”提取关键词后,得到关键词“长红疹”,则生成第二问题为“皮肤痒不舒服长红疹”。
在生成第二问题之前,手机100也可以进行多轮S703-S705(问答)选出多个作为关键问题的候选问题,将第一问题与多个作为关键问题的候选问题组合,生成第二问题,以保证生成的第二问题的完整性。
S707:手机100将所述第二问题更新为第一问题,执行S702。
手机100将生成的第二问题作为新的第一问题,在知识库中(问答库)搜索与新的第一问题相似度(如文本相似度)大于设定阈值的问题,可选的,手机100可以在搜索到的与新的第一问题相似度大于设定阈值的问题中随机选择一个问题作为与新的第一问题匹配的相似问题;当然了,为了提高应答的准确性,手机100也可以在搜索到的与新的第一问题相似度大于设定阈值的问题中,选择与新的第一问题相似度最高的问题作为与新的第一问题匹配的相似问题。当知识库中(问答库)不存在与新的第一问题相似度(如文本相似度)大于设定阈值的问题时,手机100继续提出与新的第一问题关联的候选问题,对新的第一问题继续完善。
可选的,还可以预先设置一个提示阈值,如果手机100执行查找与所述第一问题关联的候选问题的查找次数大于设定的提示阈值后,仍未确定出与第一问题关联的关键问题,或仍未确定出与完善后的第一问题(生成的第二问题)匹配的相似问题时,手机100可以提示“应答失败”等提示信息,结束问答。
S708:手机100输出所述相似问题对应的答案。
具体的,在确定出与用户的第一问题匹配的相似问题,或确定与用户提出的第一问题与第一问题关联的关键候选问题组合生成的第二问题(更新后的第一问题)匹配的相似问题后,手机100输出知识库中该相似问题对应的问答对中的答案,完成对用户提出问题的应答。
上述本申请提供的实施例中,从电子设备(手机100)作为执行主体的角度对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
下面结合附图介绍本申请实施例提供的装置,以实现本申请上述方法实施例。
如图8所示,本申请另外一些实施例公开了一种电子设备,该电子设备可以包括:一个或多个处理器802,存储器803,一个或多个计算机程序804;上述各器件可以通过一个或多个通信总线805连接,此外该电子设备还可以包括显示屏、麦克风和扬声器等外在硬件。其中,所述一个或多个计算机程序804被存储在上述存储器803中并被配置为被该一个或多个处理器802执行,该一个或多个计算机程序804包括指令,上述指令可以用于执行前述的图4~图7所示的实施例中记载的全部或部分步骤。
作为一种可能的实施,当所述指令被所述处理器802执行时,使得所述电子设备执行以下步骤:
接收用户的第一问题;
当知识库中不存在与所述第一问题匹配的相似问题时,向所述用户提示所述知识库中与所述第一问题关联的候选问题,其中,所述知识库包括问答库,所述问答库中包括多个由问题和对应答案构成的问答对;
接收所述用户对所述候选问题的回答;
根据所述回答确定所述候选问题为关键问题时,生成第二问题,所述第二问题与所述第一问题和所述候选问题相关;
在所述问答库中查找与所述第二问题匹配的相似问题,并向所述用户提示与所述第二问题匹配的相似问题的答案。
在一种可能的设计中,所述电子设备确认在所述知识库中不存在与所述第一问题匹配的相似问题时,具体执行:
确认所述问答库中不存在与所述第一问题的相似度大于阈值的问题。
在一种可能的设计中,所述知识库中还包括分类问题库,所述分类问题库中包括每种问题类型下的一个或多个候选问题,所述一个或多个候选问题具有对应的权重;
当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
确定所述第一问题对应的问题类型;
按照确定的问题类型下的一个或多个候选问题的权重由高到低的顺序,向所述用户提示所述知识库中与所述第一问题关联的候选问题。
在一种可能的设计中,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
确定所述候选问题的关键语义值,所述关键语义值与所述候选问题的情感值和所述回答的情感认同程度相关;
在所述关键语义值大于关键语义门限值时,确定所述候选问题为关键问题。
在一种可能的设计中,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
将所述第一问题和所述候选问题进行文本组合生成第二问题;或,
提取所述第一问题的至少一个第一关键词和所述第二问题的至少一个第二关键词,根据所述至少一个第一关键词和所述至少一个第二关键词,生成第二问题。
在一种可能的设计中,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
当所述知识库中存在与所述第一问题匹配的相似问题时,根据所述问答库中与所述相似问题对应的问答对,向所述用户提示所述相似问题对应的答案。
其中,处理器802可以是中央处理器(central processing unit,CPU),或特定应用集成电路(application-specific integrated circuit,ASIC),可以是一个或多个用于控制程序执行的集成电路,可以是基带芯片,等等。存储器803的数量可以是一个或多个,存储器803可以是只读存储器(read-only memory,ROM)、随机存取存储器(random accessmemory,RAM)或磁盘存储器,等等。
图8所示的电子设备可以是手机、ipad、笔记本电脑、智能电视、穿戴式设备(例如智能手表、智能头盔或智能手环等)等。当图8所示的电子设备是手机时,其结构可以参见图3所示,比如,存储器803是内部存储器121。
作为本实施例的另一种形式,提供一种芯片,所述芯片与存储器耦合,用于读取并执行所述存储器中存储的指令,该指令被执行时可以执行上述方法实施例中电子设备(手机100)执行的方法。
以上实施例中所用,根据上下文,术语“当…时”或“当…后”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。另外,在上述实施例中,使用诸如第一、第二之类的关系术语来区份一个实体和另一个实体,而并不限制这些实体之间的任何实际的关系和顺序。
上述本申请提供的实施例中,从电子设备作为执行主体的角度对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能,电子设备可以包括硬件结构和/或软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行,取决于技术方案的特定应用和设计约束条件。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘)等。
为了解释的目的,前面的描述是通过参考具体实施例来进行描述的。然而,上面的示例性的讨论并非意图是详尽的,也并非意图要将本申请限制到所公开的精确形式。根据以上教导内容,很多修改形式和变型形式都是可能的。选择和描述实施例是为了充分阐明本申请的原理及其实际应用,以由此使得本领域的其他技术人员能够充分利用具有适合于所构想的特定用途的各种修改的本申请以及各种实施例。
需要指出的是,本专利申请文件的一部分包含受著作权保护的内容。除了对专利局的专利文件或记录的专利文档内容制作副本以外,著作权人保留著作权。
Claims (15)
1.一种人机互动方法,应用于电子设备,其特征在于,包括:
接收用户的第一问题;
当知识库中不存在与所述第一问题匹配的相似问题时,向所述用户提示所述知识库中与所述第一问题关联的候选问题,其中,所述知识库包括问答库,所述问答库中包括多个由问题和对应答案构成的问答对;
接收所述用户对所述候选问题的回答;
根据所述回答确定所述候选问题为关键问题时,生成第二问题,所述第二问题与所述第一问题和所述候选问题相关;
在所述问答库中查找与所述第二问题匹配的相似问题,并向所述用户提示与所述第二问题匹配的相似问题的答案。
2.如权利要求1所述的方法,其特征在于,所述知识库中不存在与所述第一问题匹配的相似问题,包括:
所述问答库中不存在与所述第一问题的相似度大于阈值的问题。
3.如权利要求1或2所述的方法,其特征在于,所述知识库中还包括分类问题库,所述分类问题库中包括每种问题类型下的一个或多个候选问题,所述一个或多个候选问题具有对应的权重;
向所述用户提示所述知识库中与所述第一问题关联的候选问题,包括:
确定所述第一问题对应的问题类型;
按照确定的问题类型下的一个或多个候选问题的权重由高到低的顺序,向所述用户提示所述知识库中与所述第一问题关联的候选问题。
4.如权利要求1至3任一所述的方法,其特征在于,根据所述回答确定所述候选问题为关键问题,包括:
确定所述候选问题的关键语义值,所述关键语义值与所述候选问题的情感值和所述回答的情感认同程度相关;
在所述关键语义值大于关键语义门限值时,确定所述候选问题为关键问题。
5.如权利要求1至4任一所述的方法,其特征在于,所述将所述第一问题和所述候选问题组合,生成第二问题,包括:
将所述第一问题和所述候选问题进行文本组合生成第二问题;或,
提取所述第一问题的至少一个第一关键词和所述第二问题的至少一个第二关键词,根据所述至少一个第一关键词和所述至少一个第二关键词,生成第二问题。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述知识库中存在与所述第一问题匹配的相似问题时,根据所述问答库中与所述相似问题对应的问答对,向所述用户提示所述相似问题对应的答案。
7.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述处理器执行时,使得所述电子设备执行以下步骤:
接收用户的第一问题;
当知识库中不存在与所述第一问题匹配的相似问题时,向所述用户提示所述知识库中与所述第一问题关联的候选问题,其中,所述知识库包括问答库,所述问答库中包括多个由问题和对应答案构成的问答对;
接收所述用户对所述候选问题的回答;
根据所述回答确定所述候选问题为关键问题时,生成第二问题,所述第二问题与所述第一问题和所述候选问题相关;
在所述问答库中查找与所述第二问题匹配的相似问题,并向所述用户提示与所述第二问题匹配的相似问题的答案。
8.如权利要求7所述的电子设备,其特征在于,所述电子设备确认在所述知识库中不存在与所述第一问题匹配的相似问题时,具体执行:
确认所述问答库中不存在与所述第一问题的相似度大于阈值的问题。
9.如权利要求7或8所述的电子设备,其特征在于,所述知识库中还包括分类问题库,所述分类问题库中包括每种问题类型下的一个或多个候选问题,所述一个或多个候选问题具有对应的权重;
当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
确定所述第一问题对应的问题类型;
按照确定的问题类型下的一个或多个候选问题的权重由高到低的顺序,向所述用户提示所述知识库中与所述第一问题关联的候选问题。
10.如权利要求7至9任一项所述的电子设备,其特征在于,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
确定所述候选问题的关键语义值,所述关键语义值与所述候选问题的情感值和所述回答的情感认同程度相关;
在所述关键语义值大于关键语义门限值时,确定所述候选问题为关键问题。
11.如权利要求7至10任一项所述的电子设备,其特征在于,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
将所述第一问题和所述候选问题进行文本组合生成第二问题;或,
提取所述第一问题的至少一个第一关键词和所述第二问题的至少一个第二关键词,根据所述至少一个第一关键词和所述至少一个第二关键词,生成第二问题。
12.如权利要求7所述的电子设备,其特征在于,当所述指令被所述电子设备执行时,使得所述电子设备具体执行以下步骤:
当所述知识库中存在与所述第一问题匹配的相似问题时,根据所述问答库中与所述相似问题对应的问答对,向所述用户提示所述相似问题对应的答案。
13.一种芯片,其特征在于,所述芯片与存储器耦合,用于读取并执行所述存储器中存储的计算机程序指令,以执行如权利要求1-6任一所述的方法。
14.一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包括计算机程序,当计算机程序在电子设备上运行时,使得所述电子设备执行如权利要求1-6任一所述的方法。
15.一种程序产品,其特征在于,包括指令,当所述指令在电子设备上运行时,使得所述电子设备执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016917.XA CN112711653A (zh) | 2019-10-24 | 2019-10-24 | 一种人机互动方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911016917.XA CN112711653A (zh) | 2019-10-24 | 2019-10-24 | 一种人机互动方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112711653A true CN112711653A (zh) | 2021-04-27 |
Family
ID=75540136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911016917.XA Pending CN112711653A (zh) | 2019-10-24 | 2019-10-24 | 一种人机互动方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711653A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704434A (zh) * | 2021-09-01 | 2021-11-26 | 内蒙古大学 | 知识库问答方法、电子设备及可读存储介质 |
-
2019
- 2019-10-24 CN CN201911016917.XA patent/CN112711653A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704434A (zh) * | 2021-09-01 | 2021-11-26 | 内蒙古大学 | 知识库问答方法、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019233219A1 (zh) | 对话状态确定方法及装置、对话系统、计算机设备、存储介质 | |
CN109213732B (zh) | 一种改善相册分类的方法、移动终端及计算机可读存储介质 | |
CN109918669B (zh) | 实体确定方法、装置及存储介质 | |
CN107958042B (zh) | 一种目标专题的推送方法及移动终端 | |
WO2021114936A1 (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN107885852B (zh) | 一种基于app使用记录的app推荐方法及系统 | |
US20210150214A1 (en) | Method for Displaying Service Information on Preview Interface and Electronic Device | |
CN108073303B (zh) | 一种输入方法、装置及电子设备 | |
CN108345612B (zh) | 一种问题处理方法和装置、一种用于问题处理的装置 | |
CN111242273B (zh) | 一种神经网络模型训练方法及电子设备 | |
CN109582768B (zh) | 一种文本输入方法和装置 | |
CN111491123A (zh) | 视频背景处理方法、装置及电子设备 | |
EP3734472A1 (en) | Method and device for text processing | |
CN112768091A (zh) | 一种问诊信息处理方法、装置和介质 | |
CN111708943A (zh) | 一种搜索结果展示方法、装置和用于搜索结果展示的装置 | |
WO2022063270A1 (zh) | 人脸图像的属性特征的识别方法、装置及电子设备 | |
CN114090766A (zh) | 视频文本筛选方法、装置及电子设备 | |
CN112711653A (zh) | 一种人机互动方法及电子设备 | |
CN111444321A (zh) | 问答方法、装置、电子设备和存储介质 | |
US11461561B2 (en) | Method and device for information processing, and storage medium | |
CN110866114B (zh) | 对象行为的识别方法、装置及终端设备 | |
CN110837557B (zh) | 摘要生成方法、装置、设备及介质 | |
CN109918624B (zh) | 一种网页文本相似度的计算方法和装置 | |
WO2024036616A1 (zh) | 一种基于终端的问答方法及装置 | |
CN113272873A (zh) | 用于增强现实的方法和设备 |
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 |