CN112800188B - 一种对话处理方法及装置 - Google Patents
一种对话处理方法及装置 Download PDFInfo
- Publication number
- CN112800188B CN112800188B CN201911107050.9A CN201911107050A CN112800188B CN 112800188 B CN112800188 B CN 112800188B CN 201911107050 A CN201911107050 A CN 201911107050A CN 112800188 B CN112800188 B CN 112800188B
- Authority
- CN
- China
- Prior art keywords
- sub
- robot
- response information
- target robot
- determining
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 161
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 67
- 230000015654 memory Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 230000001502 supplementing effect Effects 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 description 86
- 238000004220 aggregation Methods 0.000 description 86
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular 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
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Manipulator (AREA)
Abstract
本公开涉及一种对话处理方法及装置,包括在对话中接收到问题时,根据所述问题涉及的服务领域,确定至少一个目标机器人;从所述至少一个目标机器人获取所述问题的响应信息;整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。通过整合不同机器人服务能力,根据本公开实施例的对话处理方法及装置能够一站式解决了用户的各种问题,从而快速提升机器人的服务能力和效率。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种对话处理方法及装置。
背景技术
聊天机器人是一种自动问答系统,能够通过自然语言与人进行沟通和交流,完成信息获取和事务办理等任务。聊天机器人可以利用自然语言处理、知识图谱和数据库等技术,完成对用户问题的分析和理解,并生成正确的答案返回给用户。
市面上有各种各样的聊天机器人,包括知识问答、工作助理、数据查询和闲聊等各种目的,每种机器人都有擅长的领域,但是用户的问题可能跨越多个领域,需要用户分别询问多个机器人才能得到完整的答案,比较繁琐。机器人比较多时,无法确认一个问题由哪个机器人回答更加合适,造成用户选择困难。
发明内容
为克服相关技术中存在的问题,本公开提供一种对话处理方法及装置,具体的实现方式如下:
一种对话处理方法,所述方法包括:
在对话中接收到问题时,根据所述问题涉及的服务领域,确定至少一个目标机器人;
从所述至少一个目标机器人获取所述问题的响应信息;
整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
一种对话处理装置,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
在对话中接收到问题时,根据所述问题涉及的服务领域,确定至少一个目标机器人;
从所述至少一个目标机器人获取所述问题的响应信息;
整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行上述的方法。
在本公开实施例中,在对话中接收到问题时,可以根据问题所涉及的服务领域将用户的问题发送至至少一个目标机器人,收集各目标机器人的应答后,可以对多个应答进行整合,最终确定出一个应答结果,通过整合不同机器人的服务能力,一站式解决了用户在对话中提出的各种问题,从而快速提升客服的服务能力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1是本公开提供的一个具体的应用场景的实施流程图。
图2示出根据本公开一实施例的问答系统的示意图。
图3示出根据本公开一实施例的对话处理方法的流程图。
图4示出根据本公开一实施例的问答系统在问题涉及单个服务领域的情况下的交互示例。
图5示出根据本公开一实施例的问答系统在问题涉及多个服务领域的情况下的交互示例。
图6示出根据本公开一实施例的对话处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了方面本领域技术人员理解本公开实施例提供的技术方案,下面先对技术方案实现的技术环境进行说明。
如上所述,由于不同种类的机器人擅长服务的领域不同,用户的问题可能需要多次交互才能得到解决。在一些场景中,若机器人的数量较多,用户无法确定一个问题由哪个机器人回答更合适,可能询问多次后,才得到自己想要的答案。例如机器人1擅长服务的领域是订票,机器人2擅长服务的领域是查询物流,机器人3擅长的领域是查询天气,机器人4擅长的领域是知识问答,机器人5擅长的领域是数据查询。当用户想知道“浙江省省会是哪里”时,用户无法确定由哪个机器人回答更合适,可能先询问了机器人1、机器人2、机器人3和机器人5中的一个或多个后,才询问了机器人4,这样用户的问题经过多次交互才得到了解决。在一些场景中,如果用户的问题跨越多个领域,需要用户分别询问多个机器人才能得到完整的答案。例如机器人1到5擅长服务的领域同上。当用户想知道“浙江省省会去年的GDP是多少”时,用户需要先询问机器人4“浙江省省会是哪里”,得到答案杭州后,再询问机器人5“杭州去年的GDP是多少”,一个问题需要用户多次交互才能得到解决。
基于类似于上文所述的实际技术需求,本公开提供的对话处理方法可以通过一系列的流程方法,将用户提交的问题发送至至少一个目标机器人,并整合各目标机器人返回的响应信息,确定出最终的应答结果,用户通过一次交互即可得到答案,省去了用户多次交互的过程,从而提升了机器人的服务能力,提升了服务效果和效率,进而提高了用户满意度。
下面通过一个具体的应用场景说明本公开实施例提供的对话处理方法。
图1是本公开提供的一个具体的应用场景的实施流程图。如图1所示,用户在需要获取某些信息或者办理某项事务时,可以在客户端与客服进行对话。客户端在对话中接收到问题时,可以将问题发送至图2提供的聚合系统。聚合系统接收到问题后,经过一系列的处理,可以向客户端返回针对该问题的应答结果。用户可以通过客户端展示的内容,得到问题的答案。
图2示出根据本公开一实施例的问答系统的示意图。如图2所示,该问答系统可以包括客户端、聚合系统和机器人。聚合系统可以聚合多个机器人,聚合系统和机器人共同为客户端提供服务。一个聚合系统可以连接多个机器人。一个机器人具有一个确定的服务领域,机器人可以解决涉及该服务领域的问题。在本公开实施例中,将用于解决某个问题的机器人称为该问题对应的目标机器人,该目标机器人涉及的服务领域必须与该问题涉及的服务领域一致。聚合系统和聚合系统所连接的多个机器人可以作为图1所示的服务端。
服务端
聚合系统用于利用以下各个实施例所述的对话处理方法向客户端返回应答结果。一方面,聚合系统与客户端进行通信,从客户端接收问题,以及向客户端返回针对问题的应答结果。另一方面,聚合系统与机器人进行通信,将问题发送至至少一个目标机器人,整合各目标机器人返回的响应消息,确定出针对问题的应答结果。聚合系统和机器人共同为客户端提供服务。
具体的,如图2所示,客户端可以在对话中检测到问题时,将问题发送至聚合系统(步骤1)。聚合系统接收到问题后,可以为问题确定至少一个目标机器人(步骤2)。之后,聚合系统可以将发送至各目标机器人,并接收目标机器人返回的响应信息(步骤3)。聚合系统可以整合各目标机器人返回的响应信息,从而确定出针对问题的应答结果(步骤4)。最后,聚合系统可以将应答结果返回至客户端(步骤5),以便于客户端向用户进行展示,从而解决用户遇到的问题。
在一种可能的实现方式中,多个目标机器人的界面,可以直接聚合在聚合系统上。
下面结合附图对本公开所述的对话处理方法进行详细的说明。图3示出根据本公开一实施例的对话处理方法的流程图。虽然本公开提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本公开实施例提供的执行顺序。所述方法在实际中的问答过程中或者装置执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体的,图3所示对话处理方法可以应用于图2所示的聚合系统。如图3所示,所述对话处理方法可以包括:
步骤S11,在对话中接收到问题时,根据所述问题涉及的服务领域,确定至少一个目标机器人。
步骤S12,从所述至少一个目标机器人获取所述问题的响应信息。
步骤S13,整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
在本公开实施例中,在对话中接收到问题时,可以根据问题所涉及的服务领域将用户的问题发送至至少一个目标机器人,收集各目标机器人的应答后,可以对多个应答进行整合,最终确定出一个应答结果,通过整合不同机器人的服务能力,一站式解决了用户在对话中提出的各种问题,从而快速提升客服的服务能力。
聚合系统接收到问题时,可以根据该问题确定涉及的服务梁宇,确定至少一个目标机器人。
在本公开实施例中,聚合系统可以保存各机器人的标识、服务领域、置信度、服务能力、服务入口等信息,如表1所示。
表1
其中,机器人的服务领域表明了机器人可以服务的范围,例如,机器人的服务领域可以为订票、查天气、知识问答、数据分析、购物和挂号等。每个机器人具有一个确定的服务领域,机器人可以针对涉及该服务领域的问题给出答案,从而解决该问题。举例来说,当机器人的服务领域为订票时,该机器人可以解决涉及订票的问题,如订机票、订门票或者订火车票等;当机器人的服务领域为挂号时,该机器人可以解决涉及挂号的问题,如挂口腔医院的牙周科专家号等。本公开实施例对机器人的服务领域不做限制。
机器人的置信度可以表示机器人的优先级或者权重。机器人的置信度越高表明机器人在解决涉及自身服务领域的问题时可靠性和准确性越高,因此,相应的机器人的优先级越高或者权重越大。机器人的置信度越低表明机器人在解决涉及自身服务领域的问题时可靠性和准确性越低,因此,相应的机器人的优先级越低越低或者权重越小。举例来说,假设机器人A和机器人B的服务领域都是订票,若机器人A的置信度为70%,机器人B的置信度是10%,在解决涉及订票的问题时,机器人A给出的答案比机器人B给出的答案更加可靠和准确。
机器人的接待能力可以为机器人接待问题的能力,例如可同时接待的问题的数量,机器人可同时接待的问题的数量越多表明机器人的服务能力越高,机器人可同时接待的问题的数量越少表明机器人的服务能力越低。将问题发送至服务能力较高的机器人,问题排队和处理的时间较少,使得聚合系统得到机器人响应的时间缩短,利于提升用户体验。
如图2所示,聚合系统可以连接多个机器人。这些机器人所涉及的服务领域可以相同也可以不同。聚合系统可以增加连接的机器人,也可以减少连接的机器人。在一个示例中,新增机器人时,聚合系统可以配置该新增机器人的服务领域、置信度和服务能力等,具体保存的信息可以参照表1。在又一示例中,减少机器人时,聚合系统可以直接删除减少的机器人的信息,或者保留该机器人的信息,但是将该机器人设置为不可用状态。
在本公开实施例中,聚合系统连接的机器人的服务领域、置信度和服务能力可以均改变。其中,服务领域和服务能力与机器人中配置的服务领域和服务能力一致,当机器人中配置的服务领域和服务能力发生变化时,聚合系统中保存的服务领域和服务能力也相应发生变化。机器人的置信度可以由技术人员静态配置,也可以根据用户对应答结果的反馈信息和/或机器人的响应时间进行调整。
在一种可能的实现方式中,聚合机器人可以将问题与服务领域进行匹配,将与问题相匹配的服务领域确定为问题涉及的服务领域。在一个示例中,聚合机器人可以采用attention机制,计算候选服务领域和问题中提取的实体以及属性的相似度,将相似度大于一定阈值的候选服务领域确定为问题涉及的服务领域。其中,候选的服务领域可以为聚合系统中保存的服务领域。举例来说,问题“中国人口数”的实体为“中国”、属性为“人口数”。候选服务领域“人口数据”与“人口数”的相似度大于一定阈值,因此可以确定“人口数据”为“中国人口数”涉及的服务领域。本公开实施例还可以采用其他方式确定问题涉及的服务领域,例如关键词匹配,对此本公开不做限制。
目标机器人可以表示用于解决问题的机器人。在问题涉及单个服务领域的情况下和问题涉及多个服务领域的情况下,聚合系统分发问题的方式,以及整合响应信息方式均不相同。
下面首先对问题涉及单个服务领域的情况下的问题的分发方式和响应信息的整合方式进行说明,之后再对问题涉及多个服务领域的情况下问题的分发方式和响应消息的整合方式进行说明。
在一种可能的实现方式中,步骤S11中根据所述问题涉及的服务领域,确定至少一个目标机器人可以包括:若所述问题涉及单个服务领域,则查找服务领域与所述问题涉及的服务领域一致的第一机器人;根据所述第一机器人确定所述至少一个目标机器人。
当一个问题涉及单个服务领域时,表明一个机器人就可以解决该问题。由于不同机器人可能具有相同的主题,因此可能存在多个机器人均可以独立解决该问题。第一机器人可以表示与聚合系统连接的机器人中服务领域与问题涉及的服务领域一致的机器人。这些第一机器人均可以独立能够解决该问题。因此,聚合系统可以在第一机器人中选取用来解决问题的目标机器人。
在一个示例中,聚合系统可以将所有的第一机器人均确定为目标机器人。根据所述第一机器人确定所述至少一个目标机器人可以包括:将所述第一机器人确定为目标机器人。
在又一示例中,聚合系统可以选取部分第一机器人作为目标机器人。根据所述第一机器人确定所述至少一个目标机器人可以包括:根据各第一机器人的接待能力和/或置信度,从所述第一机器人中确定出目标机器人,所述接待能力包括能够同时接待的问题的数量。例如,聚合系统可以按照能够同时接待的问题的数量(或者置信度)由高到低的顺序对第一机器人进行排序,将排在前N(N为正整数,N可以根据需要进行设置)个的第一机器人确定为目标机器人。或者,聚合系统可以分别为置信度和能够同时接的问题的数量进行加权,按照加权后的执行度和问题的数量,共同确定目标机器人。
在一种可能的实现方式中,机器人的服务能力可以为机器人最大可同时接待的问题的数量,或者机器人的服务能力可以为机器人剩余可同时接待的问题的数量,具体可以由技术人员根据应用场景确定。例如,在负载均衡的场景下,机器人的服务能力可以为机器人剩余可同时接待的问题的数量。在集中请求的场景下,机器人的服务能力可以为机器人最大可同时接待的问题的数量。
在步骤S12中,聚合系统可以将问题分别发送至各目标机器人,每个目标机器人接收到的问题是一样的。之后,聚合系统可以接收各目标机器人返回的响应信息。
在步骤S13中,聚合系统可以将接收到的响应信息进行整合,以得到最终返回至终端的应答结果。
在一种可能的实现方式中,步骤S13整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果可以包括:若所述问题涉及单个服务领域,则根据各目标机器人的置信度,整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
由于机器人的置信度越高,机器人该出的解答越准确,因此,聚合机器人可以根据各目标机器人的置信度,整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。例如,聚合机器人可以将置信度最高的目标机器人返回的响应信息,确定为针对问题的应答结果。聚合机器人还可以将置信度作为权重,对各目标机器人返回的响应信息进行加权平均,从而确定出针对问题的应答结果。
在一种可能的实现方式中,所述方法还可以包括:根据用户对应答结果的反馈信息和/或各目标机器人的响应时间,调整目标机器人的置信度。
用户可以对应答结果进行评价,评价结果可以通过反馈信息反馈至聚合系统。若反馈信息表明应答结果准确性较高或者用户满意度较高,则聚合系统可以提高相应目标机器人(聚合系统获取应答结果的过程中采用的响应信息对应的目标机器人)的置信度。若反馈信息表明应答结果准确性较低或者用户满意度较低,则聚合系统可以降低相应目标机器人的置信度。这样,可以提升应答结果的准确性和用户满意度。
当目标机器人的响应时间较长时,聚合系统可以降低该目标机器人的置信度,当目标机器人的响应时间较短时,聚合系统可以提高该目标机器人的置信度。这样可以缩短得到应答结果的时间,利于提高用户满意度。
图4示出根据本公开一实施例的问答系统在问题涉及单个服务领域的情况下的交互示例。如图4所示,客户端在对话中接收到“中国人口数”的问题后,可以将该问题发送至聚合系统(步骤1)。聚合系统接收到问题“中国人口数”时,确定该问题涉及单个服务领域(例如“知识问答”),此时,聚合系统根据涉及的服务领域确定出目标机器人(步骤2):目标机器人1和目标机器人2,其中目标机器人1对应知识库1,目标机器人2对应知识库2。聚合机器人可以分别向目标机器人1和目标机器人2发送问题“中国人口数”。具体的,聚合机器人向目标机器人1发送问题1“中国人口数”(步骤3.1),同时(或者依次)向目标机器人发送问题2“中国人口数”(步骤3.2)。目标机器人1通过知识库1查找到中国人口数为13.28亿,目标机器人通过知识库2查找到中国人口数为13.9亿。聚合系统可以从目标机器人1接收到响应信息“13.28亿”,并从目标机器人2接收到响应信息“13.9亿”。之后,聚合系统整合目标机器人1和目标机器人2返回的响应信息,将置信度较高的目标机器人2返回的响应信息“13.9亿”确定为应答结果(步骤4)。最后,聚合系统将应答结果“13.9亿”返回至客户端(步骤5),以便于客户端向用户进行展示,从而解决用户遇到的问题。
下面对问题涉及多个服务领域的情况下的问题的分发方式和响应信息的整合方式进行说明。
在一种可能的实现方式中,步骤S11中根据所述问题涉及的服务领域,确定至少一个目标机器人可以包括:若所述问题涉及多个服务领域,则将所述问题拆分为多个子问题,且使每个子问题涉及单个服务领域,前一子问题的响应信息用于对后续子问题进行补充;依次确定各子问题涉及的服务领域,为各子问题确定至少一个目标机器人。
由于一个机器人具有一个服务领域,问题涉及多个服务领域表明该问题需要多个不同服务领域的机器人才能解决。聚合系统可以将问题拆分为多个子问题,使每个子问题涉及单个服务领域,这样每个子问题可以由单个机器人进行解决。对于串行的子问题,前一子问题的响应信息可以用于对后续子问题进行补充。聚合系统可以依次确定各子问题涉及的服务领域,为各子问题确定至少一个目标机器人,以便于解决各个子问题。
需要说明的是,确定子问题涉及的服务领域的方法可以参照确定问题涉及的服务领域的方法,这里不再赘述。
在一种可能的实现方式中,将所述问题拆分为多个子问题可以包括:按照知识图谱从所述问题中提取实体、实体之间的关系,以及最终要获取的实体属性;基于提取的实体和实体之间的关系,确定在获取所述实体属性的值的过程中依次需要补充的实体;针对需要补充的实体和最终要获取的实体属性,分别生成子问题。
以问题“浙江省省会去年的GDP”为例进行说明。聚合系统可以按照知识图谱从问题中提取实体“浙江省”和“省会城市名”,以及实体之间的关系“省会”,以及最终要获取的实体属性“去年的GDP”。在获取实体属性“去年的GDP”的过程中,需要补充的实体为“省会城市名”。针对实体“省会城市名”和实体属性“去年的GDP”,可以分别生成子问题1“浙江省的省会在哪里”和子问题2“省会城市名去年的GDP”。聚合系统可以分别将这两个子问题发送至对应的目标机器人。其中,子问题1涉及的服务领域为“知识问答”。子问题2涉及的服务领域为“数据分析”。
在一种可能的实现方式中,步骤S12从所述至少一个目标机器人获取所述问题的响应信息可以包括:依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题。
在一种可能的实现方式中,依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题可以包括:按照从需要补充的实体到最终要获取的实体属性的顺序,依次将子问题发送至对应的目标机器人,采用前一子问题的响应信息对后续子问题进行补充,直至目标机器人返回所述实体属性的值。
以上述示例为例进行说明,并假设子问题1对应于。聚合系统可以先将子问题1“浙江省的省会在哪里”发送至目标机器人3,并接收目标机器人返回的针对子问题1的响应信息1“杭州”。之后,聚合系统可以采用“杭州”对子问题2“省会城市名去年的GDP”进行补充,使用“杭州”替代“省会城市名”得到补充后的子问题2“杭州去年的GDP”。聚合系统将补充后的子问题2发送至目标机器人4,并接收目标机器人4返回的针对补充后的子问题2的响应信息2“1.35万亿”。此时,聚合系统获得了最终要获得的实体属性的值,不需要继续发送子问题。
聚合系统结束子问题的分发过程后,进入响应信息的整合过程。
在一种可能的实现方式中,步骤S13整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果可以包括:若所述问题涉及多个服务领域,则按照子问题的顺序,对各子问题的响应信息进行整合,确定出针对所述问题的应答结果。
以上述示例为例进行说明,目标机器人3返回响应信息1“杭州”,目标机器人4返回响应信息2“1.35亿”。聚合机器人可以先将“杭州”整合到问题“浙江省省会去年的GPD”中,得到“杭州去年的GDP”,再将“1.35万亿”整合到“杭州去年的GDP”中,从而将“杭州去年的GDP为1.35万亿”作为应答结果返回至客户端。聚合机器人还可以直接将最后获得的响应信息直接返回至客户端,即将“1.35万亿”作为应答结果返回至客户端。
在本公开实施例中,每个子问题可以对应一个或多个目标机器人。
当子问题对应一个目标机器人时,聚合系统可以直接将该子问题发送至该对应的目标机器人,并将该对应的目标机器人返回的响应信息作为该子问题的响应信息。
当子问题对应多个目标机器人时,聚合系统可以将所述子问题分别发送至该子问题对应的各目标机器人,并整合该子问题对应的各目标机器人返回的响应信息,确定出用于该子问题的响应信息。
其中,聚合系统可以将所述子问题分别发送至该子问题对应的各目标机器人的过程可以参照在问题涉及单个服务领域的情况下,聚合系统分发问题的方式,这里不再赘述。聚合系统整合该子问题对应的各目标机器人返回的响应信息,确定出用于该子问题的响应信息的过程,可以参照步骤S13在问题涉及单个服务领域的情况下,聚合系统整合响应信息的方式这里不在赘述。
图5示出根据本公开一实施例的问答系统在问题涉及多个服务领域的情况下的交互示例。如图5所示,客户端在对话中接收到问题“浙江省省会去年的GDP”的问题后,可以将该问题发送至聚合系统(步骤1)。聚合系统接收到问题“浙江省省会去年的GDP”时,确定该问题涉及多个服务领域(例如“知识问答”和“数据分析”),此时,聚合系统可以根据涉及的服务领域将问题“浙江省省会去年的GDP”拆分为子问题1“浙江省的省会在哪里”和子问题2“省会城市名去年的GDP”。其中,子问题1涉及的服务领域为“知识问答”,对应目标机器人3,子问题2涉及服务领域为“数据分析”,对应目标机器人4(步骤2)。之后,聚合系统先将子问题1发送至目标机器人3,并接收目标机器人3返回的针对子问题1的响应信息1“杭州”(步骤3.1)。聚合系统采用响应信息1“杭州”对后续的子问题2进行补充,得到补充后的子问题2“杭州去年的GDP”。聚合系统将补充后的子问题2发送至目标机器人4,并接收目标机器人4针对补充后的子问题2返回的响应信息2“1.35万亿”(步骤3.2)。聚合系统整合响应信息1和响应信息2,将响应信息2确定为针对问题的应答结果(步骤4)。最后,聚合系统将应答结果“1.35万亿”返回至客户端(步骤5),以便于客户端向用户进行展示,从而解决用户遇到的问题。
在一种可能的实现方式中,在步骤S13中,聚合系统将应答结果返回至客户端时,同时可以将该应答结果对应的中间查询过程的相关信息也返回至客户端。例如,在问题涉及单个服务领域的情况下,可以将目标机器人的标识、置信度、接待能力和返回的响应信息发送至客户端。又如,在问题涉及多个服务领域的情况下,可以将每个子问题的目标机器人的标识、置信度、接待能力和返回的响应信息,以及补充后的子问题等发送至客户端。
在一种可能的实现方式中,所述方法还包括:
确定用户的权限,在用户权限范围内,确定目标机器人。
不同用户具有的权限不同,能够为其提供服务的机器人不同。例如普通用户和会员用户之间、访客和管理员之间、卖家和买家之间能够为其提供服务的机器人不同。聚合系统在确定目标机器人时,需要在用户权限范围内。在一种可能的实现方式中,问题具有对应的用户标识,聚合系统可以根据问题涉及的服务领域和用户标识共同确定目标机器人。这样,在提升机器人的服务能力的同时,便于进行权限控制。
对应于上述对话处理方法,图6示出根据本公开一实施例的对话处理装置的框图。如图6所示,该对话处理装置包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
在对话中接收到问题时,根据所述问题涉及的服务领域,确定至少一个目标机器人;
从所述至少一个目标机器人获取所述问题的响应信息;
整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
在一种可能的实现方式中,所述处理器在实现步骤根据所述问题涉及的服务领域,确定至少一个目标机器人时包括:
若所述问题涉及单个服务领域,则查找服务领域与所述问题涉及的服务领域一致的第一机器人;
根据所述第一机器人确定所述至少一个目标机器人。
在一种可能的实现方式中,所述处理器在实现步骤根据所述第一机器人确定所述至少一个目标机器人时包括:
将所述第一机器人确定为目标机器人;
或者,
根据各第一机器人的接待能力和/或置信度,从所述第一机器人中确定出目标机器人,所述接待能力包括能够同时接待的问题的数量。
在一种可能的实现方式中,所述处理器在实现步骤从所述至少一个目标机器人获取所述问题的响应信息时包括:
将所述问题分别发送至各目标机器人;
接收各目标机器人返回的响应信息。
在一种可能的实现方式中,所述处理器在实现步骤根据所述问题涉及的服务领域,确定至少一个目标机器人时包括:
若所述问题涉及多个服务领域,则将所述问题拆分为多个子问题,且使每个子问题涉及单个服务领域,前一子问题的响应信息用于对后续子问题进行补充;
依次确定各子问题涉及的服务领域,为各子问题确定至少一个目标机器人。
在一种可能的实现方式中,所述处理器在实现步骤将所述问题拆分为多个子问题时包括:
按照知识图谱从所述问题中提取实体、实体之间的关系,以及最终要获取的实体属性;
基于提取的实体和实体之间的关系,确定在获取所述实体属性的值的过程中依次需要补充的实体;
针对需要补充的实体和最终要获取的实体属性,分别生成子问题。
在一种可能的实现方式中,所述处理器在实现步骤从所述至少一个目标机器人获取所述问题的响应信息时包括:
依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题。
在一种可能的实现方式中,所述处理器在实现步骤依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题时包括:
按照从需要补充的实体到最终要获取的实体属性的顺序,依次将子问题发送至对应的目标机器人,采用前一子问题的响应信息对后续子问题进行补充,直至目标机器人返回所述实体属性的值。
在一种可能的实现方式中,所述处理器在实现步骤依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息时包括:
当一个子问题对应多个目标机器人时,将所述子问题分别发送至该子问题对应的各目标机器人;
整合该子问题对应的各目标机器人返回的响应信息,确定出用于该子问题的响应信息。
在一种可能的实现方式中,所述处理器在实现步骤整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果时包括:
若所述问题涉及单个服务领域,则根据各目标机器人的置信度,整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
在一种可能的实现方式中,所述处理器还实现以下步骤:
根据用户对应答结果的反馈信息和/或各目标机器人的响应时间,调整目标机器人的置信度。
在一种可能的实现方式中,所述处理器在实现步骤整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果时包括:
若所述问题涉及多个服务领域,则按照子问题的顺序,对各子问题的响应信息进行整合,确定出针对所述问题的应答结果。
在一种可能的实现方式中,所述处理器还实现以下步骤::
新增机器人时,配置该机器人的服务领域、置信度和服务能力。
在一种可能的实现方式中,所述处理器还实现以下步骤::
确定用户的权限,在用户权限范围内,确定目标机器人。
在本公开实施例中,在对话中接收到问题时,可以根据问题所涉及的服务领域将用户的问题发送至至少一个目标机器人,收集各目标机器人的应答后,可以对多个应答进行整合,最终确定出一个应答结果,通过整合不同机器人的服务能力,一站式解决了用户在对话中提出的各种问题,从而快速提升客服的服务能力。
本公开还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现上述任一实施例所述方法的步骤。
所述计算机可读存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。本实施例所述的计算机可读存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
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,在实施本申请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,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
本申请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申请,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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (17)
1.一种对话处理方法,其特征在于,所述方法包括:
在对话中接收到问题时,若所述问题涉及多个服务领域,则将所述问题拆分为多个子问题,且使每个子问题涉及单个服务领域,前一子问题的响应信息用于对后续子问题进行补充;
依次确定各子问题涉及的服务领域,为各子问题确定至少一个目标机器人;
从所述至少一个目标机器人获取所述问题的响应信息;
整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
2.根据权利要求1所述的方法,其特征在于,将所述问题拆分为多个子问题包括:
按照知识图谱从所述问题中提取实体、实体之间的关系,以及最终要获取的实体属性;
基于提取的实体和实体之间的关系,确定在获取所述实体属性的值的过程中依次需要补充的实体;
针对需要补充的实体和最终要获取的实体属性,分别生成子问题。
3.根据权利要求2所述的方法,其特征在于,从所述至少一个目标机器人获取所述问题的响应信息,包括:
依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题。
4.根据权利要求3所述的方法,其特征在于,依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题,包括:
按照从需要补充的实体到最终要获取的实体属性的顺序,依次将子问题发送至对应的目标机器人,采用前一子问题的响应信息对后续子问题进行补充,直至目标机器人返回所述实体属性的值。
5.根据权利要求3所述的方法,其特征在于,依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,包括:
当一个子问题对应多个目标机器人时,将所述子问题分别发送至该子问题对应的各目标机器人;
整合该子问题对应的各目标机器人返回的响应信息,确定出用于该子问题的响应信息。
6.根据权利要求3所述的方法,其特征在于,整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果包括:
若所述问题涉及多个服务领域,则按照子问题的顺序,对各子问题的响应信息进行整合,确定出针对所述问题的应答结果。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
新增机器人时,配置该机器人的服务领域、置信度和服务能力。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定用户的权限,在用户权限范围内,确定目标机器人。
9.一种对话处理装置,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
在对话中接收到问题时,若所述问题涉及多个服务领域,则将所述问题拆分为多个子问题,且使每个子问题涉及单个服务领域,前一子问题的响应信息用于对后续子问题进行补充;
依次确定各子问题涉及的服务领域,为各子问题确定至少一个目标机器人;
从所述至少一个目标机器人获取所述问题的响应信息;
整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果。
10.根据权利要求9所述的装置,其特征在于,所述处理器在实现步骤将所述问题拆分为多个子问题时包括:
按照知识图谱从所述问题中提取实体、实体之间的关系,以及最终要获取的实体属性;
基于提取的实体和实体之间的关系,确定在获取所述实体属性的值的过程中依次需要补充的实体;
针对需要补充的实体和最终要获取的实体属性,分别生成子问题。
11.根据权利要求10所述的装置,其特征在于,所述处理器在实现步骤从所述至少一个目标机器人获取所述问题的响应信息时包括:
依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题。
12.根据权利要求11所述的装置,其特征在于,所述处理器在实现步骤依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息,直至最后一个子问题时包括:
按照从需要补充的实体到最终要获取的实体属性的顺序,依次将子问题发送至对应的目标机器人,采用前一子问题的响应信息对后续子问题进行补充,直至目标机器人返回所述实体属性的值。
13.根据权利要求11所述的装置,其特征在于,所述处理器在实现步骤依次将各个子问题发送至对应的目标机器人,获取各个子问题的响应信息时包括:
当一个子问题对应多个目标机器人时,将所述子问题分别发送至该子问题对应的各目标机器人;
整合该子问题对应的各目标机器人返回的响应信息,确定出用于该子问题的响应信息。
14.根据权利要求11所述的装置,其特征在于,所述处理器在实现步骤整合各目标机器人返回的响应信息,确定出针对所述问题的应答结果时包括:
若所述问题涉及多个服务领域,则按照子问题的顺序,对各子问题的响应信息进行整合,确定出针对所述问题的应答结果。
15.根据权利要求9所述的装置,其特征在于,所述处理器还实现以下步骤:
新增机器人时,配置该机器人的服务领域、置信度和服务能力。
16.根据权利要求9所述的装置,其特征在于,所述处理器还实现以下步骤:
确定用户的权限,在用户权限范围内,确定目标机器人。
17.一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行权利要求1-8任意一项所述的对话处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911107050.9A CN112800188B (zh) | 2019-11-13 | 2019-11-13 | 一种对话处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911107050.9A CN112800188B (zh) | 2019-11-13 | 2019-11-13 | 一种对话处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800188A CN112800188A (zh) | 2021-05-14 |
CN112800188B true CN112800188B (zh) | 2024-02-27 |
Family
ID=75803162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911107050.9A Active CN112800188B (zh) | 2019-11-13 | 2019-11-13 | 一种对话处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800188B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282727B (zh) * | 2021-06-03 | 2024-04-16 | 北京捷通华声科技股份有限公司 | 问答处理方法、装置、计算机可读存储介质及处理器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133826A (ja) * | 2004-11-02 | 2006-05-25 | Fuji Xerox Co Ltd | 質問応答システム、および情報処理方法、並びにコンピュータ・プログラム |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
CN106919563A (zh) * | 2015-12-24 | 2017-07-04 | 神州数码信息系统有限公司 | 一种政务机器问答系统的跨领域问题自动分类、分发、应答的方法 |
CN107194743A (zh) * | 2017-06-19 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种网络调查问卷生成方法和装置 |
CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN109598553A (zh) * | 2018-12-04 | 2019-04-09 | 云图元睿(上海)科技有限公司 | 问卷智能拆合方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8275803B2 (en) * | 2008-05-14 | 2012-09-25 | International Business Machines Corporation | System and method for providing answers to questions |
-
2019
- 2019-11-13 CN CN201911107050.9A patent/CN112800188B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133826A (ja) * | 2004-11-02 | 2006-05-25 | Fuji Xerox Co Ltd | 質問応答システム、および情報処理方法、並びにコンピュータ・プログラム |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
CN106919563A (zh) * | 2015-12-24 | 2017-07-04 | 神州数码信息系统有限公司 | 一种政务机器问答系统的跨领域问题自动分类、分发、应答的方法 |
CN107194743A (zh) * | 2017-06-19 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种网络调查问卷生成方法和装置 |
CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN109598553A (zh) * | 2018-12-04 | 2019-04-09 | 云图元睿(上海)科技有限公司 | 问卷智能拆合方法及系统 |
Non-Patent Citations (2)
Title |
---|
智能问答的聊天机器人系统的设计与实现;刘超;马东宇;;信息技术(05);全文 * |
服务机器人自然语言处理的研究与应用;王凡;尹浩伟;蒋峰岭;郭玉堂;;安徽科技学院学报(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112800188A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102258437B1 (ko) | 블록체인 기반 데이터 저장 및 쿼리 방법 및 디바이스 | |
CN109614823B (zh) | 一种数据的处理方法、装置及设备 | |
US11934394B2 (en) | Data query method supporting natural language, open platform, and user terminal | |
US11263208B2 (en) | Context-sensitive cross-lingual searches | |
CN109284321B (zh) | 数据加载方法、装置、计算设备和计算机可读存储介质 | |
CN110309034B (zh) | 业务流转链路视图生成方法及装置 | |
US20220052976A1 (en) | Answer text processing methods and apparatuses, and key text determination methods | |
CN115335821B (zh) | 卸载统计收集 | |
CN109684093A (zh) | 数据处理方法及系统 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN116108150A (zh) | 一种智能问答方法、装置、系统及电子设备 | |
CN112800188B (zh) | 一种对话处理方法及装置 | |
CN113434772B (zh) | 推荐处理方法及装置 | |
CN111814020A (zh) | 一种数据的获取方法和装置 | |
CN111488386A (zh) | 数据查询方法和装置 | |
CN109145092A (zh) | 一种数据库更新、智能问答管理方法、装置及其设备 | |
CN112491943A (zh) | 数据请求方法、装置、存储介质和电子设备 | |
CN112069267A (zh) | 一种数据处理方法和装置 | |
US11727022B2 (en) | Generating a global delta in distributed databases | |
CN114201086B (zh) | 信息的展示方法及装置 | |
CN111967769B (zh) | 一种风险识别方法、装置、设备及介质 | |
US20220043980A1 (en) | Natural language processing based on user context | |
CN110471708B (zh) | 基于可重用组件的配置项获取的方法及装置 | |
CN112148847A (zh) | 一种语音信息的处理方法及装置 | |
CN112182507A (zh) | 数据质量的度量方法、装置及设备 |
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 |