CN112784024B - 一种人机对话的方法、装置、设备以及存储介质 - Google Patents
一种人机对话的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112784024B CN112784024B CN202110031645.1A CN202110031645A CN112784024B CN 112784024 B CN112784024 B CN 112784024B CN 202110031645 A CN202110031645 A CN 202110031645A CN 112784024 B CN112784024 B CN 112784024B
- Authority
- CN
- China
- Prior art keywords
- intention
- initial
- sentence
- current
- rule template
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000003993 interaction Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种人机对话的方法、装置、设备以及存储介质。该方法包括：确定初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景和当前意图识别模型；根据初始语句、反向意图规则模板和正向意图规则模板得到初始意图信息，根据初始意图信息和当前对话场景中的边意图信息确定初始语句存在第一回复语句；根据初始语句、反向意图规则模板和正向意图规则模板未得到初始意图信息，则将初始语句输入意图识别模型，获取识别意图信息对应的第二反向意图规则模板；确定初始语句与第二反向意图规则模板不匹配，则根据识别意图信息和当前对话场景中的边意图信息确定初始语句存在第二回复语句。利用该方法能够有效提升对话识别的准确率。
Description
技术领域
本发明实施例涉及人工智能技术领域，尤其涉及一种人机对话的方法、装置、设备以及存储介质。
背景技术
当今随着人工智能技术的快速发展，人工智能技术在人机对话上面也得到快速的发展与应用。当前人机对话系统大多数使用基于流水线的实现方式，基于流水线实现的人机对话系统主要包括语义理解、对话管理和语言生成等模块。
为了满足用户的复杂对话需求可以根据不同的业务设计不同的对话场景，然后按照设计将对话流程连接管理。其中，核心流程的第一步骤是语义理解，其主要目的是将用户输入的句子进行分类，标记为对应的意图。目前意图识别的主要实现方法为基于规则模板匹配或基于机器学习的方法，其中，规则模板匹配方法在系统刚上线用户数据较少时进行意图识别快速有效，但随着用户增多，会话场景增多，规则模板匹配方法无法满足用户的需求；其中，基于机器学习方法在后期数据量大，场景交多时可以体现其优势，但随着对话的业务场景出现变更，该方法将难以维护。
因此，在实际应用中，单一的意图识别方法很难满足需求。
发明内容
本发明实施例提供了一种人机对话的方法、装置、设备以及存储介质，能够有效提升对用户输入语句识别的准确性。
第一方面，本发明实施例提供了一种人机对话的方法，包括：
确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；
确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
第二方面，本发明实施例还提供了一种人机对话的装置，包括：
第一确定模块，用于确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
第二确定模块，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
获取模块，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；
第三确定模块，用于确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
第三方面，本发明实施例还提供了一种终端设备，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；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例中所述的人机对话的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的人机对话的方法。
本发明实施例提供了一种人机对话的方法、装置、设备以及存储介质，首先确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；其次根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；然后根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；最终确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。上述技术方案将规则模板识别与机器学习识别混合，提升用户语句识别的准确率；其次，通过正向意图规则模板和反向意图规则模板进行双重匹配，有效提升识别的准确率，此外，通过意图识别模型可以有效识别用户输入语句对应的意图。
附图说明
图1为本发明实施例一提供的一种人机对话的方法的流程示意图；
图2为本发明实施例一提供的一种意图识别模型的示意图；
图3为本发明实施例二提供的一种人机对话的方法的示例流程图；
图4为本发明实施例三提供的一种人机对话的装置的结构示意图；
图5为本发明实施例四提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
实施例一
用户与机器进行多轮对话的过程可以包括两大过程，第一过程是创建对话模型，第二过程是识别匹配对话流程。其中，第一个过程包括创建对话节点，添加能命中该节点的对话意图信息，添加该意图信息的用户问句，或者匹配模板，生成意图识别模型；第二个过程包括根据当前对话所在的节点，查找下一级对话的节点，并对用户的输入与下一级节点的规则模板或机器学习模型进行识别判断，如果是则返回下一节点的对话回复给用户。
但是，上述过程中的单一意图不足以支撑一个复杂的多轮对话场景，此外，简单的将现有技术中的规则模板识别与机器学习识别混合，并不能通过执行规则模板识别符合就确定意图信息不符合就执行机器学习识别的过程精准判断意图。
此外，对于机器学习识别中使用的模型，一般情况是整个对话流程只对应一个模型，或者是每个对话节点对应一个模型。对于只有一个模型的情况，未来对意图信息的扩展可能会造成较大影响，意图的扩展可以包括添加新意图信息、删除原有意图信息以及修改某个意图信息的训练数据。对于每个对话节点对应一个模型的情况，会导致数据大量重复，维护不方便。
示例性的，场景A中有意图n1,意图n2，意图nn。场景B中有意图m1,意图m2,意图mm。如果使用一个模型进行机器学习识别，则整个模型的数据包括场景A和场景B的所有意图数据。如果修改场景A或场景B的任一对话节点的意图数据，则会导致用户输入的同一句话，在模型修改之前和之后有较大不同的识别结果。如果每个对话节点使用独立的模型，则在对话节点中除了当前识别意图数据，还要包括其他对话节点的意图数据。会导致同一个意图信息的数据同时存在多个对话节点中，导致意图信息的维护不方便。
针对上述问题，本发明实施例一提供了一种人机对话的方法，能够有效解决上述存在的问题。
图1为本发明实施例一提供的一种人机对话的方法的流程示意图，该方法可适用于任何人和机器进行对话的情况，例如，用户与人工客服机器人的对话场景。该方法可以由人机对话的装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上，在本实施例中终端设备包括但不限于：计算机、手机等任意具有人机对话功能的设备。
如图1所示，本发明实施例一提供的一种人机对话的方法，包括如下步骤：
S110、确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型。
在本实施例中，终端设备在进行人机对话之前，需要创建各种意图、各种对话场景以及多个对话机器人。
具体的，创建意图可以包括创建意图的基本信息、定义意图规则模板、定义机器学习的训练数据和各个意图类别的阈值。其中，基本信息可以包括意图的中英文名称，意图所属的类别信息；意图规则模板可以包括每个意图信息对应的反向意图规则模板和每个意图信息对应的正向意图规则模板。
具体的，创建对话场景可以包括创建每个对话场景的基本信息、定义每个对话场景中包括的对话节点的名称以及定义两个对话节点之间的边意图信息。其中，对话场景的基本信息可以包括每个对话场景的中英文名称。
需要说明的是，每个对话场景内可以包括至少一个对话节点，两个对话节点之间可以通过边意图信息进行连接，即根据当前对话节点和边意图信息可以对应连接到下一个对话节点。
示例性的，一个对话场景的名称为购票场景，该对话场景中可以包括多个对话节点，例如有关购票人数的对话节点和有关购票时间的对话节点等。若对话节点为有关购票人数的对话节点，当用户询问购票时间的有关信息则根据用户询问的语句可以对应有关购票人数的对话节点中的一个边意图信息，则可以将当前对话节点跳转到该边意图信息连接的有关购票时间的对话节点。
具体的，创建对话机器人可以包括创建每个对话机器人的基本信息、每个对话机器人需要覆盖的对话场景并定义所述对话场景的识别顺序、生成意图识别模型。其中，对话机器人可以为一种虚拟机器人，对话机器人的基本信息可以包括每个对话机器人的中英文名称；需要覆盖的对话场景可以包括所有对话场景中的至少一个对话场景，并且可以预先设定每个对话场景的识别顺序，即首先对话机器人会识别A对话场景，确定A对话场景不满足时再继续对应识别B对话场景；生成意图识别模型可以理解为根据对话场景中的对话流程和每个对话节点的边意图信息生成意图识别模型。
当用户输入初始语句后，可以根据所述初始语句确定对话机器人的名称，对话机器人可以根据所述初始语句确定该初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话流程场景以及当前意图识别模型。
其中，根据所述初始语句确定对话机器人的名称可以理解为根据初始语句的内容确定由哪个名称的对话机器人来和用户进行对话。示例性的，初始语句为“我想订飞机票”，则可以确定由订票机器人与用户进行下面的对话。
其中，初始语句可以理解为在当前对话节点中用户输入的第一句话；第一反向意图规则模板可以理解为通过对初始语句进行分析后在定义的所有意图规则模板中确定出与所述初始语句的意图信息相反的意图规则模板；正向意图规则模板可以理解为通过对初始语句进行分析后在所有意图规则模板中确定出的与所述初始语句的意图信息相同的意图规则模板；当前对话场景可以理解为通过对初始语句进行分析后在定义的所有对话场景中确定出与所述初始语句的意图信息相对应的一个对话场景，示例性的，初始语句为“我想订飞机票”，则可以确定对话场景为订票场景。需要说明的是，当前对话场景中可以包括多个对话节点以及多个连接两个对话节点的边意图信息；当前意图识别模型可以理解为通过对初始语句进行分析后在所有意图识别模型中确定出与所述初始语句的意图信息相对应的一个意图识别模型。
进一步的，确定用户输入的初始语句对应的意图识别模型，包括：根据用户输入的初始语句确定当前对话场景；根据所述当前对话场景确定对话机器人，将所述对话机器人对应的意图识别模型确定为所述初始语句对应的当前意图识别模型。
上述过程可以理解为根据初始语句可以确定当前对话场景，示例性的，当前对话场景可以为购票场景，根据购票场景可以确定由哪个购票机器人与用户进行对话，将该对话机器人对应的意图识别模型确定为该初始语句对应的当前意图识别模型。
S120、根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句。
其中，初始意图信息可以理解为初始语句对应的意图信息经过反向意图模板的过滤后，与正向意图模板中的意图信息相匹配的意图信息。第一回复语句可以理解为初始语句经过正向意图规则模板和反向意图规则模板匹配后当前对话节点执行的回复语句。
进一步的，根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，包括：将所述初始语句与所有意图规则模板进行匹配确定是否存在所述初始语句对应的反向意图规则模板；若所述初始语句不存在反向意图规则模板或所述初始语句与反向意图规则模板不匹配，则确定所述初始语句的正向意图规则模板；根据所述初始语句和所述正向意图规则模板，得到至少一个与所述初始语句相匹配的初始意图信息。
其中，反向意图规则模板中可以包括多个与初始语句的意图信息相反的意图信息。示例性的，初始语句的意图信息为“我想买票”，则反向意图规则模板中包括的意图信息可以为“我不想买票”，“我想吃饭”等与买票无关的意图信息；正向意图规则模板可以包括多个与初始语句的意图信息相近的意图信息。示例性的，初始语句的意图信息为“我想买票”，则正向意图规则模板中包括的意图信息可以为“我想买飞机票”、“我想买站票”等与买票相关的意图信息。
上述过程可以理解为，将初始语句对应的反向意图规则模板确定后，可以在意图模板中排除上述反向意图规则模板，然后再进一步在余下的意图规则模板中确定出与初始语句相匹配的正向意图规则模板，最后将初始语句与正向意图规则模板中包括的意图信息进行匹配，从正向意图规则模板中确定出至少一个与初始语句的意图信息相似的意图信息作为初始意图信息。
进一步的，若根据所述初始语句、所述反向意图规则模板和正向意图规则模板能够确定出初始语句对应的初始意图信息，则可以根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句。
具体的，根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，包括：判断所述初始意图信息和当前对话场景中包括的至少一个边意图信息是否相同；若是，则确定所述初始语句存在对应的第一回复语句。
其中，首先判断初始意图信息是否与初始语句对应的当前对话场景中包括的多个边意图信息中的任意一个边意图信息相同，若初始意图信息与其中一个边意图信息相同，则可以确定所述初始语句存在对应的第一回复语句。第一回复语句是当前对话场景中当前对话节点执行的回复语句。示例性的，若初始语句为“我想订票”，第一回复语句可以为“您好，请问您想订什么票？”。
S130、根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板。
其中，当前意图识别模型可以包括一个入口模型和至少一个子模型。入口模型可以为当前意图识别模型中包括的所有对话场景的初始对话节点所对应的识别模型；子模型可以为该当前意图识别模型中包括的所有对话场景的各个子对话节点所对应的识别模型。若当前意图识别模型中包括的对话场景为N个，则当前意图识别模型中可以包括一个入口模型和N个子模型。
图2为本发明实施例一提供的一种意图识别模型的示意图，如图2所示，该意图识别模型中包括对话场景A和对话场景B，对话场景A中包括多个意图信息，不同意图信息对应连接不同的节点。其中，场景A根据意图信息1可以连接到对话节点1，对话节点1可以根据意图信息4连接到对话节点4。
进一步的，所述入口模型的训练数据包括所述当前意图识别模型中所有对话场景中的根对话节点对应的根意图信息，所述子模型的训练数据包括所述当前意图识别模型中所有对话场景中的子对话节点对应的子意图信息以及所述入口模型的训练数据。
其中，根对话节点可以理解为入口模型中的每个对话场景下的初始对话节点，根意图信息可以理解为指向对应子对话节点的意图信息，示例性的，根意图信息可以为图2中的意图信息1、意图信息2、意图信息6以及意图信息7。子对话节点可以理解为根对话节点下面对应的分支对话节点，示例性的，子对话节点可以为图2中的对话节点1、对话节点2、对话节点6、对话节点7以及对话节点3和对话节点4；子意图信息可以理解为指向不同子对话节点的意图信息，示例性的，子意图信息可以为图2中的意图信息3、意图信息4以及意图信息5。
其中，识别意图信息可以为根据初始语句从当前意图识别模型中确定出与初始语句的意图信息相似度最高的意图信息。从规则模板中找出与识别意图信息的意图相反的意图规则模板作为第二反向意图规则模板。
具体的，将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板，包括：若所述当前对话节点的上一对话节点为空，则将所述初始语句输入所述入口模型得到所述初始语句的第一置信度，若所述当前对话节点的上一对话节点不为空，则将所述初始语句输入当前对话场景对应的子模型得到所述初始语句的第二置信度；若所述第一置信度或所述第二置信度大于预设阈值，则获取所述识别意图信息对应的第二反向意图规则模板。
其中，第一置信度可以理解为初始语句的意图信息与入口模型中的每个根意图信息的相似度值中的最高相似度值，确定第一置信度的方式可以为首先确定当前对话节点不存在上一对话节点，则表示当前对话节点为根对话节点，则可以计算初始语句与入口模型中的所有根意图信息的相似度值，将相似度值最高的相似度作为初始语句的第一置信度。
其中，第二置信度可以理解为初始语句的意图信息与子模型中的每个子意图信息的相似度值中的最高相似度值，确定第二置信度的方式可以为首先确定当前对话节点存在上一对话节点，则表示当前对话节点为子对话节点，则可以计算初始语句与当前对话场景的子模型中的所有子意图信息以及入口模型中的根意图信息的相似度，将相似度值最高的相似度作为初始语句的第二置信度。
具体的，若当前对话节点为根对话节点，则判断第一置信度是否大于预设阈值，若大于，则获取当前对话节点在入口模型中对应的与初始语句相似度值最高的根意图信息作为识别意图信息；若当前对话节点为子对话节点，则判断第二置信度是否大于预设阈值，若大于，则获取当前对话节点在子模型中对应的与初始语句相似度值最高的子意图信息作为识别意图信息。
获取识别意图信息后，可以在规则模板中确定与识别意图信息意图相反的反向规则模板作为第二反向意图规则模板。
S140、确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
其中，第二回复语句可以理解为根据识别意图信息和当前对话场景中的边意图信息得到的所述初始语句的回复语句。
具体的，确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述语初始句存在对应的第二回复语句，包括：判断所述初始语句与所述第二反向意图规则模板是否匹配；若是，则判断所述识别意图信息与所述当前对话场景中的边意图信息是否相同；若相同，则确定所述初始语句存在对应的第二回复语句。
其中，首先判断初始语句与第二反向意图规则模板是否匹配，若匹配，则可以将识别意图信息确定为未识别并返回初始语句给用户，若不匹配，则可以继续判断识别意图信息与当前对话场景中的边意图信息是否相同，若识别意图信息与当前对话场景中的边意图信息相同，则可以将该边意图信息对应的对话节点执行的回复语句作为第二回复语句。若识别意图信息与当前对话场景中的边意图信息不同，则将识别意图信息定义为未识别，并将用户输入的初始语句返回显示。
本发明实施例一提供的一种人机对话方法，首先确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；其次根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；然后根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；最终确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。利用上述方法，能够通过反向意图规则模板和正向意图规则模板对初始语句的意图信息进行匹配，提升意图识别的准确率；意图识别模型可以方便动态修改对话流程中的语句提高对话流程的适应性；此外，入口模型和子模型可以将意图识别模型进行有层次的划分，能够有效提高意图识别的准确率。
实施例二
图3为本发明实施例二提供的一种人机对话的方法的示例流程图，本实施例二为上述实施例一中提供的一种人机对话方法的示例性阐述。
如图3所示，根据用户输入的初始语句可以获取上一轮对话节点，获取所有意图信息的规则模板即意图规则模板，遍历所有规则模板进行匹配；判断是否存在相匹配的反向意图规则模板；若存在，则判断初始语句的意图信息是否与反向意图模板匹配，若匹配，则重新返回继续遍历所有规则模板进行匹配，若不存在或不匹配，则与正向意图规则模板进行匹配得到初始意图信息；获取当前对话节点对应的边意图信息，判断初始意图信息是否与边意图信息相同；若相同，则返回当前对话节点对应的回复语句。
若不相同，则继续判断上一轮对话节点是否为空；若为空，则用入口模型进行机器学习的意图判定，得到机器学习判定得到的可能意图即意图识别信息，若不为空，则用当前对话场景的子模型进行机器学习的意图判定，得到机器学习判定的可能意图即意图识别信息；判断意图识别信息的置信度是否大于意图定义的阈值即预设阈值；若不大于，则将意图识别信息定义为未识别，返回未识别的初始语句，若大于，则获取意图识别信息对应的反向意图规则模板即第二反向意图规则模板，继续判断初始语句是否与反向意图规则模板匹配；若匹配，则将意图识别信息定义为未识别，并返回未识别的初始语句，若不匹配，则将意图识别信息标记为机器学习识别的意图信息，继续判断意图识别信息是否与当前对话节点的边意图信息是否相同；若相同，则返回当前对话节点对应的回复语句，若不相同，则将意图识别信息定义为未识别并返回未识别的初始语句。
本发明实施例二提供的一种人机对话的方法，该方法将意图规则模板识别与机器学习识别混合识别，能够提升识别的准确率；意图规则模板分为正向意图规则模板和反向意图规则模板，可以有效提升识别的准确率；机器学习的意图识别模型可以随着对话流程的修改动态生成意图识别模型，提高对话流程的适应性；意图识别模型包括入口模型和不同对话场景的子模型可以提高语句的意图信息识别的准确率与扩展的便利性。
实施例三
图4为本发明实施例三提供的一种人机对话的装置的结构示意图，该装置可适用于任何人和机器进行对话的情况，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上，在本实施例中终端设备包括但不限于：计算机、手机等任意具有人机对话功能的设备。
如图4所示，该装置包括：第一确定模块410、第二确定模块420、获取模块430以及第三确定模块440。
第一确定模块410，用于确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型。
第二确定模块420，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句。
获取模块430，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板。
第三确定模块440，用于确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
在本实施例中，该装置首先通过第一确定模块确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；其次通过第二确定模块根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；然后通过获取模块根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；最后通过第三确定模块确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
本实施例提供了一种人机对话的装置，能够将规则模板识别与机器学习识别混合，提升用户语句识别的准确率；其次，通过正向意图规则模板和反向意图规则模板进行双重匹配，有效提升识别的准确率，此外，通过意图识别模型可以有效识别用户输入语句对应的意图。
进一步的，第一确定模块410，还用于根据用户输入的初始语句确定当前对话场景；根据所述当前对话场景确定对话机器人，将所述对话机器人对应的意图识别模型确定为所述初始语句对应的当前意图识别模型。
进一步的，第二确定模块420，具体用于将所述初始语句与所有意图规则模板进行匹配确定是否存在所述初始语句对应的反向意图规则模板；若所述初始语句不存在反向意图规则模板或所述初始语句与反向意图规则模板不匹配，则确定所述初始语句的正向意图规则模板；根据所述初始语句和所述正向意图规则模板，得到至少一个与所述初始语句相匹配的初始意图信息。
进一步的，第二确定模块420，具体用于判断所述初始意图信息和当前对话场景中包括的至少一个边意图信息是否相同；若是，则确定所述初始语句存在对应的第一回复语句。
在上述优化的基础上，当前意图识别模型包括一个入口模型和至少一个子模型，获取模块430，具体用于若所述当前对话节点的上一对话节点为空，则将所述初始语句输入所述入口模型得到所述初始语句的第一置信度，若所述当前对话节点的上一对话节点不为空，则将所述初始语句输入当前对话场景对应的子模型得到所述初始语句的第二置信度；若所述第一置信度或所述第二置信度大于预设阈值，则获取所述识别意图信息对应的第二反向意图规则模板。
基于上述技术方案，第三确定模块440具体用于：判断所述初始语句与所述第二反向意图规则模板是否匹配；若是，则判断所述识别意图信息与所述当前对话场景中的边意图信息是否相同；若相同，则确定所述初始语句存在对应的第二回复语句。
进一步的，入口模型的训练数据包括所述当前意图识别模型中所有对话场景中的根对话节点对应的根意图信息，所述子模型的训练数据包括所述当前意图识别模型中所有对话场景中的子对话节点对应的子意图信息以及所述入口模型的训练数据。
上述人机对话的装置可执行本发明任意实施例所提供的人机对话的方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种终端设备的结构示意图。如图5所示，本发明实施例四提供的终端设备包括：一个或多个处理器51和存储装置52；该终端设备中的处理器51可以是一个或多个，图5中以一个处理器51为例；存储装置52用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器51执行，使得所述一个或多个处理器51实现如本发明实施例中任一项所述的人机对话的方法。
所述终端设备还可以包括：输入装置53和输出装置54。
终端设备中的处理器51、存储装置52、输入装置53和输出装置54可以通过总线或其他方式连接，图5中以通过总线连接为例。
该终端设备中的存储装置52作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例所提供人机对话的方法对应的程序指令/模块(例如，附图4所示的人机对话的装置中的模块，包括：第二确认模块420、获取模块430以及第三确认模块440等)。处理器51通过运行存储在存储装置52中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述方法实施例中人机对话的方法。
存储装置52可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；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储装置52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、或其他非易失性固态存储器件。在一些实例中，存储装置52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置53可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。
并且，当上述终端设备所包括一个或者多个程序被所述一个或者多个处理器51执行时，程序进行如下操作：
确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；
确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
实施例五
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行人机对话的方法，该方法包括：
确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；
确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句。
可选的，该程序被处理器执行时还可以用于执行本发明任意实施例所提供的人机对话的方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。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。
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、电线、光缆、无线电频率(Radio Frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种人机对话的方法，其特征在于，包括：
确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；
确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句；
其中，所述当前意图识别模型包括一个入口模型和至少一个子模型，所述则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板，包括：
若所述当前对话节点的上一对话节点为空，则将所述初始语句输入所述入口模型得到所述初始语句的第一置信度，若所述当前对话节点的上一对话节点不为空，则将所述初始语句输入当前对话场景对应的子模型得到所述初始语句的第二置信度；若所述第一置信度或所述第二置信度大于预设阈值，则获取所述识别意图信息对应的第二反向意图规则模板。
2.根据权利要求1所述的方法，其特征在于，所述确定用户输入的初始语句对应的当前意图识别模型，包括：
根据用户输入的初始语句确定当前对话场景；
根据所述当前对话场景确定对话机器人，将所述对话机器人对应的意图识别模型确定为所述初始语句对应的当前意图识别模型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，包括：
将所述初始语句与所有意图规则模板进行匹配确定是否存在所述初始语句对应的反向意图规则模板；
若所述初始语句不存在反向意图规则模板或所述初始语句与反向意图规则模板不匹配，则确定所述初始语句的正向意图规则模板；
根据所述初始语句和所述正向意图规则模板，得到至少一个与所述初始语句相匹配的初始意图信息。
4.根据权利要求1所述的方法，其特征在于，所述则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，包括：
判断所述初始意图信息和当前对话场景中包括的至少一个边意图信息是否相同；
若是，则确定所述初始语句存在对应的第一回复语句。
5.根据权利要求1所述的方法，其特征在于，所述确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，包括：
判断所述初始语句与所述第二反向意图规则模板是否匹配；
若是，则判断所述识别意图信息与所述当前对话场景中的边意图信息是否相同；
若相同，则确定所述初始语句存在对应的第二回复语句。
6.根据权利要求1所述的方法，其特征在于，所述入口模型的训练数据包括所述当前意图识别模型中所有对话场景中的根对话节点对应的根意图信息，所述子模型的训练数据包括所述当前意图识别模型中所有对话场景中的子对话节点对应的子意图信息以及所述入口模型的训练数据。
7.一种人机对话的装置，其特征在于，包括：
第一确定模块，用于确定用户输入的当前对话节点中的初始语句对应的第一反向意图规则模板、正向意图规则模板、当前对话场景以及当前意图识别模型；
第二确定模块，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板得到所述初始语句对应的初始意图信息，则根据所述初始意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第一回复语句，并显示所对应的第一回复语句；
获取模块，用于根据所述初始语句、所述反向意图规则模板和正向意图规则模板未得到所述初始语句对应的初始意图信息，则将所述初始语句输入所述当前意图识别模型，获取所述当前意图识别模型中识别意图信息对应的第二反向意图规则模板；其中，所述当前意图识别模型包括一个入口模型和至少一个子模型；
第三确定模块，用于确定所述初始语句与所述第二反向意图规则模板不匹配，则根据所述识别意图信息和所述当前对话场景中的边意图信息确定所述初始语句存在对应的第二回复语句，并显示所对应的第二回复语句；
其中，所述获取模块，具体用于若所述当前对话节点的上一对话节点为空，则将所述初始语句输入所述入口模型得到所述初始语句的第一置信度，若所述当前对话节点的上一对话节点不为空，则将所述初始语句输入当前对话场景对应的子模型得到所述初始语句的第二置信度；若所述第一置信度或所述第二置信度大于预设阈值，则获取所述识别意图信息对应的第二反向意图规则模板。
8.一种终端设备，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；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器用于执行权利要求1-6任一项所述的人机对话的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的人机对话的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110031645.1A CN112784024B (zh) | 2021-01-11 | 2021-01-11 | 一种人机对话的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110031645.1A CN112784024B (zh) | 2021-01-11 | 2021-01-11 | 一种人机对话的方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112784024A CN112784024A (zh) | 2021-05-11 |
| CN112784024B true CN112784024B (zh) | 2023-10-31 |
Family
ID=75756481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110031645.1A Active CN112784024B (zh) | 2021-01-11 | 2021-01-11 | 一种人机对话的方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112784024B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113282730A (zh) * | 2021-06-08 | 2021-08-20 | 北京它思智能科技有限公司 | 一种自省对话流设计方法和系统 |
| CN113656535B (zh) * | 2021-08-31 | 2023-11-14 | 上海观安信息技术股份有限公司 | 一种异常会话检测方法、装置及计算机存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109783625A (zh) * | 2018-12-29 | 2019-05-21 | 联想(北京)有限公司 | 交互方法和计算设备 |
| CN110096595A (zh) * | 2019-05-06 | 2019-08-06 | 上海互问信息科技有限公司 | 一种基于混合策略的复句用户查询语句的意图识别方法 |
| CN110209793A (zh) * | 2019-06-18 | 2019-09-06 | 佰聆数据股份有限公司 | 一种用于智能识别文本语义的方法 |
| CN110210036A (zh) * | 2019-06-05 | 2019-09-06 | 上海云绅智能科技有限公司 | 一种意图识别方法及装置 |
| CN110321564A (zh) * | 2019-07-05 | 2019-10-11 | 浙江工业大学 | 一种多轮对话意图识别方法 |
| CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
| CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
| CN110929016A (zh) * | 2019-12-10 | 2020-03-27 | 北京爱医生智慧医疗科技有限公司 | 一种基于知识图谱的智能问答方法及装置 |
| CN111078846A (zh) * | 2019-11-25 | 2020-04-28 | 青牛智胜(深圳)科技有限公司 | 一种基于业务场景的多轮对话体系构建方法及系统 |
| CN111460117A (zh) * | 2020-03-20 | 2020-07-28 | 平安科技（深圳）有限公司 | 对话机器人意图语料生成方法、装置、介质及电子设备 |
| CN112016297A (zh) * | 2020-08-27 | 2020-12-01 | 深圳壹账通智能科技有限公司 | 意图识别模型测试方法、装置、计算机设备和存储介质 |
| CN112131359A (zh) * | 2020-09-04 | 2020-12-25 | 交通银行股份有限公司太平洋信用卡中心 | 一种基于图形化编排智能策略的意图识别方法及电子设备 |
-
2021
- 2021-01-11 CN CN202110031645.1A patent/CN112784024B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109783625A (zh) * | 2018-12-29 | 2019-05-21 | 联想(北京)有限公司 | 交互方法和计算设备 |
| CN110096595A (zh) * | 2019-05-06 | 2019-08-06 | 上海互问信息科技有限公司 | 一种基于混合策略的复句用户查询语句的意图识别方法 |
| CN110210036A (zh) * | 2019-06-05 | 2019-09-06 | 上海云绅智能科技有限公司 | 一种意图识别方法及装置 |
| CN110209793A (zh) * | 2019-06-18 | 2019-09-06 | 佰聆数据股份有限公司 | 一种用于智能识别文本语义的方法 |
| CN110321564A (zh) * | 2019-07-05 | 2019-10-11 | 浙江工业大学 | 一种多轮对话意图识别方法 |
| CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
| CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
| CN111078846A (zh) * | 2019-11-25 | 2020-04-28 | 青牛智胜(深圳)科技有限公司 | 一种基于业务场景的多轮对话体系构建方法及系统 |
| CN110929016A (zh) * | 2019-12-10 | 2020-03-27 | 北京爱医生智慧医疗科技有限公司 | 一种基于知识图谱的智能问答方法及装置 |
| CN111460117A (zh) * | 2020-03-20 | 2020-07-28 | 平安科技（深圳）有限公司 | 对话机器人意图语料生成方法、装置、介质及电子设备 |
| CN112016297A (zh) * | 2020-08-27 | 2020-12-01 | 深圳壹账通智能科技有限公司 | 意图识别模型测试方法、装置、计算机设备和存储介质 |
| CN112131359A (zh) * | 2020-09-04 | 2020-12-25 | 交通银行股份有限公司太平洋信用卡中心 | 一种基于图形化编排智能策略的意图识别方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112784024A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108090177B (zh) | 多轮问答系统的生成方法、设备、介质及多轮问答系统 | |
| CN107977236B (zh) | 问答系统的生成方法、终端设备、存储介质及问答系统 | |
| CN106202270B (zh) | 基于自然语言的人机对话方法及装置 | |
| CN107656996B (zh) | 基于人工智能的人机交互方法和装置 | |
| CN112084315B (zh) | 问答互动方法、装置、存储介质及设备 | |
| CN111090728A (zh) | 一种对话状态跟踪方法、装置及计算设备 | |
| CN112784024B (zh) | 一种人机对话的方法、装置、设备以及存储介质 | |
| CN110489198A (zh) | 一种工单处理的方法和系统 | |
| CN107958059B (zh) | 智能问答方法、装置、终端和计算机可读存储介质 | |
| EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
| CN113641806B (zh) | 对话方法、系统、电子设备及存储介质 | |
| CN111651572A (zh) | 一种多领域任务型对话系统、方法和终端 | |
| CN111399629B (zh) | 一种终端设备的操作引导方法、终端设备及存储介质 | |
| CN116737910B (zh) | 智能对话处理方法、装置、设备及存储介质 | |
| CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
| CN117573834B (zh) | 一种用于面向软件即服务平台的多机器人对话方法及系统 | |
| US10964321B2 (en) | Voice-enabled human tasks in process modeling | |
| CN109960489B (zh) | 生成智能问答系统的方法、装置、设备、介质及问答系统 | |
| CN114255750B (zh) | 数据集构建和任务式对话方法、电子设备和存储介质 | |
| CN115905490A (zh) | 人机交互对话方法、装置以及设备 | |
| CN112346736B (zh) | 一种数据处理方法和系统 | |
| CN112002325B (zh) | 多语种语音交互方法和装置 | |
| CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
| CN106570002A (zh) | 自然语言处理方法和装置 | |
| CN112528002B (zh) | 对话识别方法、装置、电子设备和存储介质 |
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 |