CN112784030A - 一种生成样本的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本说明书公开了一种生成样本的方法、装置、存储介质及电子设备，本说明书实施例先确定当前对话的对话目标，再据此确定当前对话所需包含的关键词类型，然后根据从数据库中查询该关键词类型下的每个待选关键词的查询结果，在各待选关键词中确定目标关键词，并向用户提供该对话目标和目标关键词，使用户采用该目标关键词完成当前对话，并实现该对话目标，从而可根据用户完成的当前对话生成训练样本。通过上述生成样本的方法，用户只要采用目标关键词完成对话目标即可，可降低对用户的要求，从而降低了生成训练样本的难度。

Description

一种生成样本的方法、装置、存储介质及电子设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种生成样本的方法、装置、存储介质及电子设备。

背景技术

目前，诸如智能客服等对话机器人已经应用于各个领域中，对话机器人的要求也不断提高，通常来说，对话机器人是采用训练样本对机器学习模型进行训练得到的对话模型。

在现有技术中，用于训练对话模型的训练样本通常需要对自然人之间的对话进行采样得到，而由于能够作为训练样本的对话往往具有一定的要求，因此需要较为专业的标注人员进行对话，才能生成训练样本。

有鉴于此，如何降低生成用于训练对话模型的训练样本的难度成为一个亟待解决的问题。

发明内容

本说明书实施例提供一种生成样本的方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种生成样本的方法，包括：

根据已发生对话，确定当前对话的对话目标；

根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型；

针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词；

向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标；

根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

可选地，根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型，具体包括：

根据所述当前对话所在的业务类型，确定预设的所述业务类型对应的各关键词类型；

根据所述当前对话的对话目标，在所述业务类型对应的各关键词类型中，确定所述当前对话中所需包含的关键词类型。

可选地，预设的所述业务类型对应的各关键词类型包括：与其他业务类型相关的关键词类型。

可选地，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据，具体包括：

从预设的与所述业务类型对应的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

其中，与所述业务类型对应的数据库中包括：与其他业务类型相关的关键词类型中包含的每个待选关键词对应的数据。

可选地，根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词，具体包括：

针对每个待选关键词，若针对该待选关键词进行查询得到的查询结果的数量大于设定数量，则将该待选关键词确定为目标关键词。

可选地，根据所述用户完成的所述当前对话，生成训练样本，具体包括：

若所述用户完成的所述当前对话与已经生成的所有训练样本的相似度均不大于设定阈值，则根据所述用户完成的所述当前对话，生成训练样本；

若所述用户完成的所述当前对话与已经生成的任一训练样本的相似度大于设定阈值，则向所述用户发送提示信息，所述提示信息用户提示用户重新采用所述目标关键词完成用于实现所述对话目标的当前对话，直至所述用户完成的当前对话与已经生成的所有训练样本的相似度均不大于设定阈值时，根据与已经生成的所有训练样本的相似度均不大于设定阈值的当前对话，生成训练样本。

可选地，根据所述用户完成的所述当前对话，生成训练样本，具体包括：

将所述用户完成的当前对话作为训练样本；

根据所述已发生对话、所述用户完成的当前对话以及所述对话目标，确定所述当前对话的对话状态；

将所述对话状态作为生成的所述训练样本的标注。

本说明书提供的一种生成样本的装置，包括：

目标确定模块，用于根据已发生对话，确定当前对话的对话目标；

关键词类型确定模块，用于根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型；

查询模块，用于针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

关键词确定模块，用于根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词；

交互模块，用于向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标；

生成模块，用于根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的生成样本的方法。

本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的生成样本的方法。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

本说明书实施例先确定当前对话的对话目标，再据此确定当前对话所需包含的关键词类型，然后根据从数据库中查询该关键词类型下的每个待选关键词的查询结果，在各待选关键词中确定目标关键词，并向用户提供该对话目标和目标关键词，使用户采用该目标关键词完成当前对话，并实现该对话目标，从而可根据用户完成的当前对话生成训练样本。通过上述生成样本的方法，用户只要采用目标关键词完成对话目标即可，可降低对用户的要求，从而降低了生成训练样本的难度。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书实施例提供的生成样本的方法示意图；

图2为本说明书实施例提供的生成样本的装置的结构示意图；

图3为本说明书实施例提供的电子设备的结构示意图。

具体实施方式

在现有技术中，通常为标注人员指定整段对话的目标，由两个标注人员根据整段对话的目标，自由发挥来完成整段对话，最后将这两个标注人员完成的对话作为训练样本。

但是，这种方法所产生的对话并不一定是合理的，这是因为在实际应用场景中，用户与对话机器人进行对话时，对话机器人通常都需要根据用户传达的信息在数据库中进行检索，并将检索结果返回给用户，或者根据检索结果向用户反馈某些信息，因此，在生成训练样本时，就要求标注人员在自由发挥完成对话的同时，根据其完成的对话在数据库中也能够检索到结果，使对话在该数据库的支持下，能够顺利的“进行下去”，而不是“进行不下去”。

例如，假设为标注人员设置的整段对话的目标为：获知用户想住哪，大概什么价位。则甲、乙两名标注人员发生下述对话。

甲模拟“对话机器人”：请问您想住哪？

乙模拟“用户”：某五星级酒店。

甲：想订什么价位的房间呢？

乙：100元的。

甲：好的。

可见，上例中虽然两个标注人员按照设置的目标完成了整段对话，但是根据标注人员“乙”的对话中“某五星级酒店”、“100元”这两个关键词在数据库中查询时，查询不到任何的结果，因为几乎没有100元的五星级酒店，也就说明这段话其实并不合理，这就使得用这段对话训练对话机器人的效果并不理想。

而且，一般的，一整段对话包含若干轮次的对话。以甲、乙两人对话为例，甲通过对话向乙传达一些信息，乙再根据这些信息向甲传达一些信息，也就是“一来一回”，称为一个轮次。而上述现有技术只设置了整段对话的目标，而并未设置整段对话所需的某几个关键词，每个轮次的对话中的关键词完全由标注人员自由发挥得到，这也会使得对话受限于标注人员自身的生活环境，难以生成多样化的对话，使得生成的训练样本较为单一。

而本说明书提供的生成样本的方法则为标注人员设置每个轮次的对话目标，根据对话目标确定每个轮次的对话所需的具体的关键词，并将这些关键词提供给标注人员进行对话。进一步的，将这些关键词提供给标注人员之前，还根据这些关键词在数据库中进行了查询，以保证采用这些关键词完成的对话是合理的、能够进行下去的对话。

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书实施例提供的生成样本的方法示意图，包括：

S100：根据已发生对话，确定当前对话的对话目标。

在本说明书实施例中，可由标注系统实现如图1所示的生成样本的方法，用户(即标注人员)可登录该标注系统，并通过该标注系统提供的信息完成对话，以使该标注系统根据完成的对话生成训练样本。

由于一段完整的对话往往包含若干轮次的对话，因此，本说明书实施例中所述的已发生对话是指：完整的对话中已经完成的轮次的对话。而当前对话则是指：正在进行的当前轮次的对话。

当用户登录标注系统后，通过标注系统执行生成样本的过程时，对于一段完整的对话来说，若用户尚未执行该完整的对话中任何一个轮次的对话，则标注系统可随机确定当前对话的对话目标，即，随机确定一个完整的对话中第一个轮次的对话的对话目标。若用户已经完成了该完整的对话中若干轮次的对话，则标注系统可根据已发生轮次的对话(即用户已经完成的该完整的对话中的各轮次的对话)，确定当前对话的对话目标。

例如，假设用户已经完成了完整对话中第一个轮次的对话，如下：

用户：望京有啥好吃的吗？人均50左右的。

则标注系统可根据上述已发生对话，确定当前对话的对话目标为：获知用餐人数。

S102：根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型。

在确定了当前轮次的对话的对话目标后，标注系统则可根据预设的对话目标与关键词类型的对应关系，确定当前轮次的对话中所需包含的关键词类型。

继续沿用上例，标注系统确定了当前轮次对话的对话目标为获知用餐人数后，可确定当前对话中所需包含的关键词类型为：人数类型。

S104：针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据。

为了引导用户完成合理的对话，以生成对训练对话模型价值更高的训练样本，在本说明书实施例中，标注系统确定了当前对话所需包含的关键词类型后，可确定该关键词类型下的所有关键词，作为待选关键词，并针对每个待选关键词，以该待选关键词和已发生对话中包含的已知关键词为查询键，在预设的数据库中查询与该查询键对应的值，即，查询与该待选关键词和已知关键词相关的数据。

继续沿用上例，已发生对话中包含的关键词类型和对应的关键词如表1所示。

关键词类型	关键词
		行为	吃
地点	望京
		人均消费	人均50

表1

当前对话中所需包含的关键词类型以及该关键词类型下的所有待选关键词如表2所示。

表2

则标注系统针对人数类型的关键词“1”，可在预设的数据库中以“吃”、“望京”、“人均50”、“人数1”为查询键，查询相应的数据。

S106：根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词。

具体的，标注系统针对每个待选关键词，若针对该待选关键词进行查询得到的查询结果的数量大于设定数量，则可将该待选关键词确定为目标关键词，否则，不将该待选关键词作为目标关键词。

继续沿用上例，在预设的数据库中以“吃”、“望京”、“人均50”、“人数1”为查询键，查询到100条数据，假设上述设定数量为5条，则标注系统将该人数类型的关键词“1”确定为目标关键词。在预设的数据库中以“吃”、“望京”、“人均50”、“人数100”为查询键，查询到2条数据，则标注系统不将该人数类型的关键词“100”确定为目标关键词。

S108：向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标。

在本说明书实施例中，标注系统确定出目标关键词后，可向用户提供当前对话的对话目标和目标关键词，用户则可根据该对话目标，采用该目标关键词进行造句，并将造好的句子输入标注系统，以完成当前对话，则用户此时完成的当前对话可实现该对话目标。

进一步的，由于步骤S106中所确定出的目标关键词可能不止一个，因此，在步骤S108中，标注系统可随机向用户提供一个目标关键词，或者，也可以将查询结果的数量最多的目标关键词提供给用户。

继续沿用上例，假设标注系统确定出人数类型的关键词“1”、“2”、“3”是目标关键词，则可随机将目标关键词“2”提供给用户，并向用户展示当前轮次对话的对话目标：获知用餐人数。则用户根据该目标关键词“2”和对话目标“获知用餐人数”，即可造句“我们2个人”，并输入标注系统，以完成当前对话。

当然，为了进一步引导用户顺利完成对话，在上述步骤S108之前，标注系统还可根据当前对话的对话目标，生成用于回复用户在最近一个轮次所输入对话的信息，并将生成的信息也提供给用户。

继续沿用上例，由于用户在最近一个轮次所输入对话为：望京有啥好吃的吗？人均50左右的。而标注系统确定当前对话的对话目标为：获知用餐人数。因此，标注系统可生成信息：请问几人用餐。该信息用于回复用户在最近一个轮次所输入对话。从而，用户根据标注系统生成的该信息“请问几人用餐”、目标关键词“2”和对话目标“获知用餐人数”，可较为容易的获知自己要用目标关键词“2”造句回复标注系统，以使标注系统获知“用餐人数是2个人”。

S110：根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

继续沿用上例，当用户输入“我们2个人”后，即完成当前轮次的对话，标注系统则可根据当前对话生成训练样本。当然，除了已完成的当前对话以外，标注系统也可根据已完成的当前对话以及上述已发生对话，生成训练样本。其中，该训练样本用于训练对话模型，该对话模型即为机器学习模型。

为了进一步提高生成的样本的多样性，以提高后续训练对话模型的效果，在本说明书实施例中，若用户完成的当前对话与已经生成的所有训练样本的相似度均不大于设定阈值，则可根据用户完成的所述当前对话，生成训练样本。若用户完成的当前对话与已经生成的任一训练样本的相似度大于设定阈值，则向用户发送提示信息，提示信息用于提示用户重新采用所述目标关键词完成用于实现所述对话目标的当前对话，直至用户完成的当前对话与已经生成的所有训练样本的相似度均不大于设定阈值时，根据与已经生成的所有训练样本的相似度均不大于设定阈值的当前对话，生成训练样本。

具体的，在生成训练样本时，可将用户完成的当前对话作为训练样本，并根据已发生对话、用户完成的当前对话以及当前对话的对话目标，确定当前对话的对话状态，最后将确定的对话状态作为生成的训练样本的标注。这是由于通过对话模型进行对话的语义理解时，通常会根据输入对话模型的对话，确定该输入的对话对应的对话状态，因此，本说明书实施例中根据步骤S100确定的当前轮次对话的对话目标，就能够确定出当前轮次对话对应的对话状态，而该对话状态就是以用户完成的当前轮次的对话为样本的标注。

通过上述生成样本的方法，标注系统可确定每个轮次的对话的对话目标，再据此确定每个轮次的对话所需包含的关键词类型，然后根据从数据库中查询该关键词类型下的每个待选关键词的查询结果，据此在各待选关键词中确定目标关键词，并向用户提供该对话目标和目标关键词，使用户采用该目标关键词完成当前轮次的对话，并实现该对话目标，从而可根据用户完成的当前对话生成训练样本，这样既避免了因用户自由发挥造句而导致将不合理的对话作为训练样本，又降低对用户的要求，从而降低了生成训练样本的难度。

进一步的，上例只是以用户只充当对话的一方为例进行说明的，作为另一方的“系统自动回复”由标注系统自动完成，而事实上，采用上述方法，也可由该用户同时充当对话的双方，即，在步骤S100中，标注系统需要先根据已发生对话，确定当前对话的对话目标以及当前对话的对话角色，在步骤S102中，根据当前对话的对话目标和对话角色，确定当前对话中所需包含的关键词类型，步骤S104～S106不变，在步骤S108中，向用户提供当前对话的对话目标、目标关键词以及对话角色，以便用户采用该目标关键词，以该对话角色完成当前对话，并实现该对话目标，步骤S110不变。由此，仅通过一个用户即可完成训练样本的生成，无需两个甚至更多的用户，进一步降低了生成样本的难度。

另外，在上述步骤S102中，标注系统根据当前对话的对话目标确定当前对话中所需包含的关键词类型时，具体可根据当前对话所在的业务类型，确定预设的该业务类型对应的各关键词类型，并根据当前对话的对话目标，在该业务类型对应的关键词类型中，确定当前对话中所需包含的关键词类型。

然而，目前的对话机器人往往只能用在单一的一个业务领域中，如，客服的对话机器人只能用在客服业务中，聊天的对话机器人只能用在聊天业务中。而随着目前多领域的业务之间的相互渗透和融合，多领域的对话机器人也成为了迫切的需求。因此，针对一个指定的业务类型，预设该指定的业务类型对应的关键词类型时，可将其他业务类型相关的关键词类型也设置为该指定的业务类型对应的关键词类型。具体的，上述与其他业务类型相关的关键词类型可根据该指定的业务类型与其他业务类型的相关性进行设定。

例如，人们在查询酒店时，往往也会查询酒店附近的饭馆，因此，对于“查询酒店”这个指定的业务类型，通常往往与“查询饭馆”这个其他的业务类型相关，从而，对于“查询酒店”，可预设“附近的饭馆”这个关键词类型(该关键词类型与“查询饭馆”相关)，作为“查询酒店”对应的关键词类型。

相应的，在步骤S104中，标注系统可从预设的与当前对话所在的业务类型对应的数据库中查询与该待选关键词以及所述已知关键词相关的数据。其中，与当前对话所在的业务类型对应的数据库中包括：与其他业务类型相关的关键词类型中包含的每个待选关键词对应的数据。

继续沿用上例，由于已经将“附近的饭馆”这个关键词类型作为“查询酒店”对应的关键词类型，因此，需要在“查询酒店”这个业务类型对应的数据库中添加与“附近的饭馆”相关的数据，即，添加“附近的饭馆”下每个关键词对应的数据。具体的，可先针对数据库中的每个酒店，根据到该酒店的距离，确定该酒店附近的饭馆，并将该酒店附近的饭馆的数据添加到数据库中，还可将添加的数据关联到“查询饭馆”业务对应的数据库。这样就实现了不同领域的业务之间的融合和不同领域的业务的数据库之间的关联。

以上为本说明书实施例提供的生成样本的方法，基于同样的思路，本说明书还提供了相应的装置、存储介质和电子设备。

图2为本说明书实施例提供的一种生成样本的装置的结构示意图，所述装置包括：

目标确定模块201，用于根据已发生对话，确定当前对话的对话目标；

关键词类型确定模块202，用于根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型；

查询模块203，用于针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

关键词确定模块204，用于根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词；

交互模块205，用于向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标；

生成模块206，用于根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

所述关键词类型确定模块202具体用于，根据所述当前对话所在的业务类型，确定预设的所述业务类型对应的各关键词类型；根据所述当前对话的对话目标，在所述业务类型对应的各关键词类型中，确定所述当前对话中所需包含的关键词类型。

预设的所述业务类型对应的各关键词类型包括：与其他业务类型相关的关键词类型。

所述查询模块203具体用于，从预设的与所述业务类型对应的数据库中查询与该待选关键词以及所述已知关键词相关的数据；其中，与所述业务类型对应的数据库中包括：与其他业务类型相关的关键词类型中包含的每个待选关键词对应的数据。

所述关键词确定模块204具体用于，针对每个待选关键词，若针对该待选关键词进行查询得到的查询结果的数量大于设定数量，则将该待选关键词确定为目标关键词。

所述生成模块206具体用于，若所述用户完成的所述当前对话与已经生成的所有训练样本的相似度均不大于设定阈值，则根据所述用户完成的所述当前对话，生成训练样本；若所述用户完成的所述当前对话与已经生成的任一训练样本的相似度大于设定阈值，则向所述用户发送提示信息，所述提示信息用于提示用户重新采用所述目标关键词完成用于实现所述对话目标的当前对话，直至所述用户完成的当前对话与已经生成的所有训练样本的相似度均不大于设定阈值时，根据与已经生成的所有训练样本的相似度均不大于设定阈值的当前对话，生成训练样本。

所述生成模块206具体用于，将所述用户完成的当前对话作为训练样本；根据所述已发生对话、所述用户完成的当前对话以及所述对话目标，确定所述当前对话的对话状态；将所述对话状态作为生成的所述训练样本的标注。

本说明书还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可用于执行上述提供的生成样本的方法。

基于上述提供的生成样本的方法，本说明书实施例还提供了图3所示的电子设备的结构示意图。如图3，在硬件层面，该无人设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述的生成样本的方法。

当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种生成样本的方法，其特征在于，包括：

根据已发生对话，确定当前对话的对话目标；

根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型；

针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词；

向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标；

根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

2.如权利要求1所述的方法，其特征在于，根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型，具体包括：

根据所述当前对话所在的业务类型，确定预设的所述业务类型对应的各关键词类型；

根据所述当前对话的对话目标，在所述业务类型对应的各关键词类型中，确定所述当前对话中所需包含的关键词类型。

3.如权利要求2所述的方法，其特征在于，预设的所述业务类型对应的各关键词类型包括：与其他业务类型相关的关键词类型。

4.如权利要求3所述的方法，其特征在于，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据，具体包括：

从预设的与所述业务类型对应的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

其中，与所述业务类型对应的数据库中包括：与其他业务类型相关的关键词类型中包含的每个待选关键词对应的数据。

5.如权利要求1所述的方法，其特征在于，根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词，具体包括：

针对每个待选关键词，若针对该待选关键词进行查询得到的查询结果的数量大于设定数量，则将该待选关键词确定为目标关键词。

6.如权利要求1所述的方法，其特征在于，根据所述用户完成的所述当前对话，生成训练样本，具体包括：

若所述用户完成的所述当前对话与已经生成的所有训练样本的相似度均不大于设定阈值，则根据所述用户完成的所述当前对话，生成训练样本；

若所述用户完成的所述当前对话与已经生成的任一训练样本的相似度大于设定阈值，则向所述用户发送提示信息，所述提示信息用于提示用户重新采用所述目标关键词完成用于实现所述对话目标的当前对话，直至所述用户完成的当前对话与已经生成的所有训练样本的相似度均不大于设定阈值时，根据与已经生成的所有训练样本的相似度均不大于设定阈值的当前对话，生成训练样本。

7.如权利要求1所述的方法，其特征在于，根据所述用户完成的所述当前对话，生成训练样本，具体包括：

将所述用户完成的当前对话作为训练样本；

根据所述已发生对话、所述用户完成的当前对话以及所述对话目标，确定所述当前对话的对话状态；

将所述对话状态作为生成的所述训练样本的标注。

8.一种生成样本的装置，其特征在于，包括：

目标确定模块，用于根据已发生对话，确定当前对话的对话目标；

关键词类型确定模块，用于根据所述当前对话的对话目标，确定所述当前对话中所需包含的关键词类型；

查询模块，用于针对所述关键词类型中包含的每个待选关键词，根据该待选关键词以及所述已发生对话中包含的已知关键词，从预设的数据库中查询与该待选关键词以及所述已知关键词相关的数据；

关键词确定模块，用于根据针对每个待选关键词进行查询得到的查询结果，在各待选关键词中，确定所述关键词类型对应的目标关键词；

交互模块，用于向用户提供所述对话目标和所述目标关键词，以便所述用户采用所述目标关键词完成所述当前对话，并实现所述对话目标；

生成模块，用于根据所述用户完成的所述当前对话，生成训练样本，所述训练样本用于训练对话模型，所述对话模型为机器学习模型。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述的方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1-7任一项所述的方法。

Images