CN112988993A - 一种问答方法和计算设备 - Google Patents
一种问答方法和计算设备 Download PDFInfo
- Publication number
- CN112988993A CN112988993A CN202110195702.XA CN202110195702A CN112988993A CN 112988993 A CN112988993 A CN 112988993A CN 202110195702 A CN202110195702 A CN 202110195702A CN 112988993 A CN112988993 A CN 112988993A
- Authority
- CN
- China
- Prior art keywords
- question
- answering
- trigger condition
- intention
- 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.)
- Granted
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种问答方法,适于计算设备中执行,该计算设备中存储有多个问答模式,每个问答模式包括意图类型、触发条件和响应模板,该方法包括:对用户输入的问句进行意图识别和实体识别,得到问句的当前意图类型和实体词;获取与当前意图类型相关联的一个或多个候选问答模式;通过判断问句是否符合各候选问答模式中的触发条件,确定与问句匹配的目标问答模式;以及根据所识别出的实体词对目标问答模式中的响应模板进行槽位填充,得到对应的响应语句返回给用户。本发明还一并公开了用于执行该方法的计算设备。
Description
技术领域
本发明涉及自然语言处理领域,尤其涉及一种问答方法和计算设备。
背景技术
随着互联网技术的不断发展,问答系统在诸如智能客服、机器人领域等方面都取得了很大的进展,促进了智能交互系统的快速发展。在智能对话机器人处理用户意图时,需要用到词槽中的实体词。而用户对话是非常开放的场景,有可能发生虽然命中意图,但是没有匹配的实体词的情况,此时就需要触发澄清话术。
澄清话术一般预先配置在智能聊天机器人的系统中,经常在词槽不完整的情况下对对话进行处理。例如,对于天气意图,用户询问天气的标准问句是“{地点}天气怎么样?”,而如果用户在问句中没有地点这一个词槽,对话机器人无法返回具体天气情况。此时需要触发澄清话术,例如:“请问您想了解哪个地方的天气?”。
但目前用户意图多种多样,不同意图需要的词槽和对应的处理方法并不相同。而目前对于澄清话术的配置方法都比较单一且仅应用于比较简单的判断逻辑,返回内容也通常采用固定文本,无法满足智能问答系统的灵活便捷性需求。
发明内容
鉴于上述问题,本发明提出了一种问答方法和计算设备,以力图解决或者至少解决上面存在的问题。
根据本发明的一个方面,提供了一种问答方法,适于计算设备中执行,计算设备中存储有多个问答模式,每个问答模式包括意图类型、触发条件和响应模板,该方法包括:对用户输入的问句进行意图识别和实体识别,得到问句的当前意图类型和实体词;获取与当前意图类型相关联的一个或多个候选问答模式;通过判断问句是否符合各候选问答模式中的触发条件,确定与问句匹配的目标问答模式;以及根据所识别出的实体词对目标问答模式中的响应模板进行槽位填充,得到对应的响应语句返回给用户。
可选地,在根据本发明的方法中,意图类型包括查询意图和/或对比意图;查询意图包括查询产品、查询口碑、查询配置、查询价格中的至少一种;对比意图包括对比产品、对比口碑、对比配置、对比价格中的至少一种。
可选地,在根据本发明的方法中,触发条件包括一个或多个第一词槽,第一词槽用于填入用户问句中实体词的一种属性值;响应模板包括通用语句和一个或多个第二词槽,第二词槽用于填入用户问句中对应的实体词。
可选地,在根据本发明的方法中,触发条件以公式表示,公式包括“或”运算公式、“与”运算公式、“非”运算公式、等式和不等式中的至少一种。
可选地,在根据本发明的方法中,触发条件包括一个或多个子触发条件,两个子触发条件之间用第一运算符连接,且每个子触发条件包括第二槽位、第二运算符和参考数值。
可选地,在根据本发明的方法中,第一运算符包括“或”运算符、“与”运算符、“非”运算符中的至少一种;第二运算符包括等号、不等号、大于号、小于号、大于等于号和小于等于号中的至少一种。
可选地,在根据本发明的方法中,同一意图类型所对应的多个问答模式具有优先级顺序,通过判断问句是否符合各候选问答模式中的触发条件,确定与问句匹配的目标问答模式的步骤包括:根据各候选问答模式的优先级顺序依次取出一个候选问答模式,来判断问句是否符合对应的触发条件;若是,则确定当前所取出的候选问答模式为目标问答模式。
可选地,在根据本发明的方法中,判断问句是否符合对应的触发条件的步骤包括:根据所识别出的实体词统计触发条件中各第一槽位的填充数值;将填充数值代入到触发条件的公式中,通过判断公式是否成立来判断是否符合触发条件。
可选地,在根据本发明的方法中,第一槽位的填充数值通过脚本引擎计算得到。
可选地,在根据本发明的方法中,根据所识别出的实体词对目标问答模式中的响应模板进行槽位填充的步骤包括:获取实体词的字符串表示,并将所述字符串表示填入响应模板中对应的第二槽位中。
根据本发明的又一方面,提供了一种计算设备,包括:一个或多个处理器;存储器;以及一个或多个程序,其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行,该一个或多个程序被处理器执行时实现如上所述的问句匹配方法的步骤。
根据本发明的又一方面,提供了一种存储一个或多个程序的计算机可读存储介质,该一个或多个程序包括指令,所述指令当由计算设备执行时实现如上所述的问句匹配方法的步骤。
根据本发明的技术方案,预先设置每个意图类型所对应的多个问答模式,每个问答模式包括触发条件和响应模板。在触发条件中对每一个词槽进行可扩展处理;在返回响应内容时,增加了自动填充词槽功能,使澄清话术更加明确清晰和丰富。进一步地,本发明对触发条件每一个词槽进行可扩展处理,并对触发条件进行公式化表示;同时进行同时结合脚本引擎(ScriptEngine)计算触发结果,判断是否符合触发条件,更加灵活便捷。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的问答系统100的结构图;
图2示出了根据本发明一个实施例的计算设备200的结构图;
图3示出了根据本发明一个实施例的问答方法300的流程图;
图4示出了根据本发明一个实施例的澄清话术触发条件判断的流程图;
图5示出了根据本发明一个实施例的澄清话术构造返回结果的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的问答系统100的示意图。如图中所示,系统100包括终端设备110和计算设备200。
终端设备110即用户所使用的终端设备,其具体可以是桌面电脑、笔记本电脑等个人计算机,也可以是手机、平板电脑、多媒体设备、智能音箱、智能可穿戴设备等,但不限于此。计算设备200用于向终端设备110提供服务,其可以实现为服务器,例如应用服务器、Web服务器等;也可以实现为桌面电脑、笔记本电脑、处理器芯片、平板电脑等,但不限于此。
根据一种实施例,计算设备200可以提供人机对话服务,终端设备110可以经由互联网与计算设备200建立连接,从而使得用户可以经由终端设备110与计算设备200进行人机对话。用户在终端设备110上打开浏览器或者人机对话类应用(APP),例如人工智能助手,并通过文字输入用户语句(文本),由终端设备110将用户语句发送到计算设备200。计算设备200接收到用户输入的问句后,对问句进行语义识别和意图识别,根据识别结果,向终端设备110返回合适的响应语句,从而实现人机对话。
在一种实现方式中,终端设备110可以采集用户的语音数据,并对语音数据进行语音识别处理得到问句,或者,终端设备也可以将语音数据发送到计算设备200,由计算设备200对语音数据进行语音识别处理,得到用户问句。
人机对话的过程可以有一轮或多轮,因此计算设备200可以对人机对话的对话状态进行跟踪,以便根据当前的对话状态,对用户语句进行准确的响应,从而使得对话能够流畅进行。
在一个实施例中,问答系统100还包括数据存储装置120。数据存储装置120可以是关系型数据库(例如MySQL、ACCESS等),也可以是非关系型数据库(例如NoSQL等);可以是驻留于计算设备200中的本地数据库,也可以作为分布式数据库(例如HBase等)设置于多个地理位置处。总之,数据存储装置120用于存储数据,本发明对数据存储装置120的具体部署、配置情况不做限制。计算设备200可以与数据存储装置120连接,并获取数据存储装置120中所存储的数据。例如,计算设备200可以直接读取数据存储装置120中的数据(在数据存储装置120为计算设备200的本地数据库时),也可以通过有线或无线的方式接入互联网,并通过数据接口来获取数据存储装置120中的数据。
如前文所示,澄清话术是对话机器人处理用户意图时,在词槽不完整情况下经常用到的处理方法。然而用户意图多种多样,不同意图需要的词槽和对应的处理方法也各不相同,所以越灵活的配置方法越容易应对复杂的对话场景。澄清话术包括触发条件和响应内容。在一种实现方式中,触发条件采用词槽是否存在再加上与或非的逻辑判断的方式,可以处理相对简单的澄清场景。例如:
意图:询问天气意图,“{地区}天气怎么样?”。
规则:不存在{地区}
澄清话术:请问您要询问哪个地区的天气?
用户query:“今天天气怎么样”
程序判断用户的输入不存在{地区}词槽,则返回澄清话术。
这种方法仅对词槽较少、逻辑简单的意图有效。但对于如下意图需要对比两个车系哪个比较好,此时对于触发条件的判断,程序不能通过简单逻辑判断得到结果,需要更复杂的处理(比如词槽数量的判断)。澄清话术也不是简单的固定话术,而是需要使用用户输入中的一个已知词槽作为结果的一部分。
意图:车系对比意图,“{车系}和{车系}哪个好?”
规则:车系数量大于1个
澄清话术:请问您想要将{车系}和哪个车系对比?
用户问句:奥迪A4L和宝马哪个好?
为此,本发明提供另一种更灵活便捷的问答系统,其预先在数据存储装置120存储不同意图类型所对应的多个问答模式,形成问答模式表。该问答模式表可由服务器创建后存入数据存储装置中,以便计算设备从该数据存储装置中获取。或者,直接由服务器创建后发送给计算设备,本发明对该问答模式表的传输过程不作限制。可选地,可以为每一种意图类型都创建一个问答模式表,并建立意图类型与问答模式表的关联关系;也可以将不同意图类型所对应的问答模式表集合在一张或多张问答模式表中;本发明对其具体分布方式不作限制。
问答模式表中的每一条记录表示一个意图的一个问答模式,每个意图可以有多个问答模式。每个问答模式包括意图类型(比如“车系对比”)、触发条件(例如:“{series.size}==0&&{brand.size}>=2”)和响应模板(例如:“亲,您想对比{brand}旗下哪款车系呢?”),同一意图类型对应的对个问答模式还具有优先级顺序。
其中,意图(intent)即用户的需求,比如对于用户询问“宝马3系怎么样”,对应家家小秘智能对话机器人的“口碑意图”。再比如“30万选什么车好”,对应家家小秘智能对话机器人的“买车”意图。
根据一个实施例,意图类型包括查询意图和/或对比意图;查询意图包括查询产品、查询口碑、查询配置、查询价格中的至少一种;对比意图包括对比产品、对比口碑、对比配置、对比价格中的至少一种。
根据另一个实施例,触发条件包括一个或多个第一词槽。第一词槽用于填入用户问句中实体词的一种属性值。词槽是为了满足用户的意图所必须或者可选的条件,通过不同的词槽配置,智能对话机器人返回意图下不同的结果。本发明对触发条件中的每一个词槽进行可扩展处理。例如上文中的车系对比意图,可以表示为“{series.size}<2”。其中series是车系,size是数量,由于是两个车系对比,所以设置的触发条件可以理解为“车系数量没有达到两个的时候”。触发条件中的每一个词槽可扩展处理,比如:公式“{brand.size}>=2”中可以根据需要扩展成“{brand.type}”,代表获得实体类型;或者扩展成“{brand.val}”,代表获得实体值。
优选地,触发条件以公式表示,公式包括“或”运算公式、“与”运算公式、“非”运算公式、等式和不等式中的至少一种。触发条件包括一个或多个子触发条件,两个子触发条件之间用第一运算符连接,且每个子触发条件包括第二槽位、第二运算符和参考数值。第一运算符包括“或”运算符、“与”运算符、“非”运算符中的至少一种;第二运算符包括等号、不等号、大于号、小于号、大于等于号和小于等于号中的至少一种。本发明对触发条件公式化处理,并对每一个词槽进行单独拆分处理,独立计算子结果,除了与或非等基础逻辑计算,增加了大于、等于、小于和数量判断等方式。
响应模板包括通用语句和一个或多个第二词槽,第二词槽用于填入用户问句中对应的实体词。通用语句可理解为辅助性语句,例如下表中的“亲,您想对比……旗下哪款车系呢”就是一个通用语句,也就是除了第二词槽之外的语句。
表1示例性示出了“车系对比”意图所对应的几个问答模式:
表1
本发明的问答方法可以在计算设备200中执行。图2示出了根据本发明一个实施例的计算设备200的结构框图。如图2所示,在基本的配置202中,计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用,或者在一些实现中,存储器控制器218可以是处理器204的一个内部部分。
取决于期望的配置,系统存储器206可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统220、一个或者多个应用222以及程序数据224。在一些实施方式中,应用222可以布置为在操作系统上利用程序数据124进行操作。程序数据124包括指令,在根据本发明的计算设备200中,程序数据224包含用于执行问答方法300的指令。
计算设备200还可以包括有助于从各种接口设备(例如,输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256,它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260,其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备200可以实现为服务器,例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等,也可以实现为小尺寸便携(或者移动)电子设备的一部分,这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、无线网络浏览设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备200还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中,计算设备200被配置为执行问答方法300。
图3示出了根据本发明一个实施例的问答方法300的流程图。方法300在计算设备(如计算设备200)中执行,以便完成用户问句的答复。
如图3所示,该方法始于步骤S310。在步骤S310中,对用户输入的问句进行意图识别和实体识别,得到问句的当前意图类型和实体词。
意图识别和实体识别方法是目前比较成熟发方法,可以采用模型或词典库的方式进行,这里不再赘述。实体识别结果包括所识别出的一个或多个实体词,进一步还可以包括实体名、实体类型、有效实体个数、原句长度、去掉实体词之后的语句长度、有效实体占原句的比例。实体识别结果中还可以包括辅助词,辅助词用于辅助识别用户语义的其他有用信息,去除掉识别出实体词之后,将剩余的未识别出来的其它信息和完整信息进行对比,以提取其他有用信息。有些辅助词中代表用户意图,例如“帮我选”“给我推荐”等代表用户想查找产品,“不要”之后的实体代表用户不希望查找的产品特征。因此,可提取这些意图词或否定词的特征,结合这些词之后的实体词内容来准确判断用户意图。
例如,用户问句“宝马和奥迪选哪个好?”,识别出用户意图为“车系对比”,实体为“brand:[宝马,奥迪]”。
随后,在步骤S320中,获取与当前意图类型相关联的一个或多个候选问答模式。
随后,在步骤S330中,通过判断问句是否符合各候选问答模式中的触发条件,确定与问句匹配的目标问答模式。
根据一个实施例,通过判断问句是否符合各候选问答模式中的触发条件,确定与所述问句匹配的目标问答模式的步骤包括:根据各候选问答模式的优先级顺序依次取出一个候选问答模式,来判断问句是否符合对应的触发条件;若是,则确定当前所取出的候选问答模式为目标问答模式;反之,则根据优先级顺序继续取出下一个候选问答模式,来判断问句是否符合该下一个候选问答模式中的触发条件。
进一步地,判断问句是否符合对应的触发条件的步骤包括:根据所识别出的实体词统计触发条件中各第一槽位的填充数值;将填充数值代入到触发条件的公式中,通过判断公式是否成立来判断是否符合触发条件。
图4示出了根据本发明一个实施例的澄清话术触发条件判断的流程图,获得触发条件公式后,对公式中每一个第一槽位{}作为子条件进行循环检查。若存在未处理的槽位,则根据子查询中用到的实体,计算子查询结果。例如,根据识别的车系实体数量,计算series.size这一槽位的数值。之后,将子查询结果代入到公式中。继续判断公式中是否还有其他未处理操作,若不存在,则检查公式结果,判断公式是否成立。若成立,则返回澄清话术响应内容。若不成立,则返回业务处理响应内容。
其中,对触发条件公式中所有槽位进行循环填充计算。例如,对于表1中优先级2的规则,触发条件“{series.size}==0&&{brand.size}>=2”,先计算{series.size},由“宝马和奥迪选哪个好?”的实体识别结果可知,series.size不存在,将“0”替换槽位{series.size},得到“0==0&&{brand.size}>=2”。然后再计算下一个槽位{brand.size},由实体识别结果“brand:[宝马,奥迪]”可知,brand.size=2,替换槽位后得到“0==0&&2>=2”,该触发条件公式成立。
根据另一个实施例,第一槽位的填充数值通过脚本引擎ScriptEngine计算得到。本发明采用ScriptEngine来计算触发条件的结果,判断是否符合触发条件公式。ScriptEngine是一种计算公式结果的工具。比如:公式“{series.size}<2”,如果{series.size}值为1,则通过ScriptEngine计算后,得到结果true;如果{series.size}值为2,则通过ScriptEngine计算后,得到结果false。
需要说明的是,如果该问句不符合所有候选问答模式的触发条件,则判定当前无需进行话术澄清,而需进入业务处理流程。澄清话术主要处理意图实体尚未达到业务处理要求的情况。如果不符合澄清话术规则,等于符合业务处理要求,可以进行具体业务处理。
随后,在步骤S340中,根据所识别出的实体词对目标问答模式中的响应模板进行槽位填充,得到对应的响应语句返回给用户。
根据一个实施例,根据所识别出的实体词对所述目标问答模式中的响应模板进行槽位填充的步骤包括:获取实体词的字符串表示,并将字符串表示填入响应模板中对应的第二槽位中。需要说明的是,本发明中所提到的填入槽位(填槽,或槽位填充)是指将该槽位中原有参数项(例如brand,series.size)等替换为对应的数值。或者可将触发条件中的槽位中的“brand”,“series.size”等词语理解为槽位中所应填入的词属性,而不是初始槽位中所填入的词。
这里,对于识别出的实体,例如{brand}品牌实体,可能一句话中存在多个或者不准确的情况,因此在构造返回结果时候需要将识别到的实体词转换为字符串形式。例如:对于对比意图的话术“A和B哪个好?”,{brand}实体包含两个词“A”和“B”,在构造澄清话术结果时候,首先要将实体词转换成正确的字符串,然后再将多个实体词拼接为“A、B”的字符串形式。
图5示出了根据本发明一个实施例的澄清话术构造返回结果的流程图,七对响应模板中每一个第二槽位{}进行循环填充处理,判断是否存在未处理槽位。若是,则获取实体信息的字符串表示,将该实体信息替换到响应模板中。若否,则将替换好的响应模板作为响应内容返回给用户。
例如,对于响应模板“亲,您想对比{brand}旗下哪款车系呢?”替换其中{brand}为前文中的实体识别结果“brand:[宝马,奥迪]”,得到返回结果“亲,您想对比宝马、奥迪旗下哪款车系呢?”。
本发明通过一种具有词槽填充的响应内容,假设有询价意图规则配置如下:触发条件“!{series}&&{brand}”,可以理解为“存在品牌实体,但是没有车系实体”,返回内容“您想了解{brand}旗下哪款车的贷款信息呢?”。用户输入问句“买一辆宝马需要多少钱?”,用户意图为询价,实体仅有“brand:宝马”,符合当前触发条件,返回话术填充词槽之后为“您想了解宝马旗下哪款车的贷款信息呢?”。本发明对比没有词槽填充功能的固定返回结果,更加清晰明确。
根据本发明的技术方案,提供了一种更为灵活的澄清话术配置方案,根据意图类型与问答模式的对照关系,为每一条规则校验是否符合公式的触发条件,可以覆盖用户问句的各种情况。触发条件中的词槽可以灵活地定制化实现,比如普通词槽{brand}可按照品牌是否存在处理,而对于{brand.size}则可以计算品牌的数量。在返回澄清话术时结合词槽填充功能,使得返回的话术更加准确。
A9、如A1所述的方法,其中,所述第一槽位的填充数值通过脚本引擎计算得到。A10、如A3所述的方法,其中,根据所识别出的实体词对所述目标问答模式中的响应模板进行槽位填充的步骤包括:获取所述实体词的字符串表示,并将所述字符串表示填入所述响应模板中对应的第二槽位中。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种问答方法,适于计算设备中执行,所述计算设备中存储有多个问答模式,每个问答模式包括意图类型、触发条件和响应模板,该方法包括:
对用户输入的问句进行意图识别和实体识别,得到所述问句的当前意图类型和实体词;
获取与所述当前意图类型相关联的一个或多个候选问答模式;
通过判断所述问句是否符合各候选问答模式中的触发条件,确定与所述问句匹配的目标问答模式;以及
根据所识别出的实体词对所述目标问答模式中的响应模板进行槽位填充,得到对应的响应语句返回给所述用户。
2.如权利要求1所述的方法,其中,
所述意图类型包括查询意图和/或对比意图;
所述查询意图包括查询产品、查询口碑、查询配置、查询价格中的至少一种;
所述对比意图包括对比产品、对比口碑、对比配置、对比价格中的至少一种。
3.如权利要求1所述的方法,其中,
所述触发条件包括一个或多个第一词槽,所述第一词槽用于填入用户问句中实体词的一种属性值;
所述响应模板包括通用语句和一个或多个第二词槽,所述第二词槽用于填入用户问句中对应的实体词。
4.如权利要求1-3中任一项所述的方法,其中,所述触发条件以公式表示,所述公式包括“或”运算公式、“与”运算公式、“非”运算公式、等式和不等式中的至少一种。
5.如权利要求4所述的方法,其中,所述触发条件包括一个或多个子触发条件,两个子触发条件之间用第一运算符连接,且每个子触发条件包括第二槽位、第二运算符和参考数值。
6.如权利要求5所述的方法,其中,
所述第一运算符包括“或”运算符、“与”运算符、“非”运算符中的至少一种;
所述第二运算符包括等号、不等号、大于号、小于号、大于等于号和小于等于号中的至少一种。
7.如权利要求1-6中任一项所述的方法,其中,同一意图类型所对应的多个问答模式具有优先级顺序,所述通过判断所述问句是否符合各候选问答模式中的触发条件,确定与所述问句匹配的目标问答模式的步骤包括:
根据各候选问答模式的优先级顺序依次取出一个候选问答模式,来判断所述问句是否符合对应的触发条件;
若是,则确定当前所取出的候选问答模式为目标问答模式。
8.如权利要求7所述的方法,其中,所述判断所述问句是否符合对应的触发条件的步骤包括:
根据所识别出的实体词统计所述触发条件中各第一槽位的填充数值;
将所述填充数值代入到所述触发条件的公式中,通过判断所述公式是否成立来判断是否符合所述触发条件。
9.一种计算设备,包括:
存储器;
一个或多个处理器;
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1-8所述方法中的任一方法的指令。
10.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当计算设备执行时,使得所述计算设备执行根据权利要求1-8所述的方法中的任一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195702.XA CN112988993B (zh) | 2021-02-19 | 2021-02-19 | 一种问答方法和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195702.XA CN112988993B (zh) | 2021-02-19 | 2021-02-19 | 一种问答方法和计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112988993A true CN112988993A (zh) | 2021-06-18 |
CN112988993B CN112988993B (zh) | 2023-10-20 |
Family
ID=76394256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110195702.XA Active CN112988993B (zh) | 2021-02-19 | 2021-02-19 | 一种问答方法和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112988993B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114020898A (zh) * | 2022-01-07 | 2022-02-08 | 和美(深圳)信息技术股份有限公司 | 人机自动对话方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193798A (zh) * | 2017-05-17 | 2017-09-22 | 南京大学 | 一种基于规则的试题类自动问答系统中的试题理解方法 |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
CN110532265A (zh) * | 2019-08-20 | 2019-12-03 | 北京齐尔布莱特科技有限公司 | 基于产品使用手册构建问答系统的方法、装置及计算设备 |
CN110888969A (zh) * | 2019-11-27 | 2020-03-17 | 华为技术有限公司 | 一种对话响应方法及装置 |
CN110968663A (zh) * | 2018-09-30 | 2020-04-07 | 北京国双科技有限公司 | 一种问答系统的答案展示方法及装置 |
US20200135192A1 (en) * | 2018-10-31 | 2020-04-30 | Walmart Apollo, Llc | System and method for handling multi-turn conversations and context management for voice enabled ecommerce transactions |
WO2020139865A1 (en) * | 2018-12-24 | 2020-07-02 | Conversica, Inc. | Systems and methods for improved automated conversations |
CN111651571A (zh) * | 2020-05-19 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 基于人机协同的会话实现方法、装置、设备及存储介质 |
CN111949787A (zh) * | 2020-08-21 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的自动问答方法、装置、设备及存储介质 |
CN112270182A (zh) * | 2020-11-12 | 2021-01-26 | 佰聆数据股份有限公司 | 一种基于多轮对话问答式的分析思路衍生方法、系统及存储介质 |
-
2021
- 2021-02-19 CN CN202110195702.XA patent/CN112988993B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193798A (zh) * | 2017-05-17 | 2017-09-22 | 南京大学 | 一种基于规则的试题类自动问答系统中的试题理解方法 |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
CN110968663A (zh) * | 2018-09-30 | 2020-04-07 | 北京国双科技有限公司 | 一种问答系统的答案展示方法及装置 |
US20200135192A1 (en) * | 2018-10-31 | 2020-04-30 | Walmart Apollo, Llc | System and method for handling multi-turn conversations and context management for voice enabled ecommerce transactions |
WO2020139865A1 (en) * | 2018-12-24 | 2020-07-02 | Conversica, Inc. | Systems and methods for improved automated conversations |
CN110532265A (zh) * | 2019-08-20 | 2019-12-03 | 北京齐尔布莱特科技有限公司 | 基于产品使用手册构建问答系统的方法、装置及计算设备 |
CN110888969A (zh) * | 2019-11-27 | 2020-03-17 | 华为技术有限公司 | 一种对话响应方法及装置 |
CN111651571A (zh) * | 2020-05-19 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 基于人机协同的会话实现方法、装置、设备及存储介质 |
CN111949787A (zh) * | 2020-08-21 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的自动问答方法、装置、设备及存储介质 |
CN112270182A (zh) * | 2020-11-12 | 2021-01-26 | 佰聆数据股份有限公司 | 一种基于多轮对话问答式的分析思路衍生方法、系统及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114020898A (zh) * | 2022-01-07 | 2022-02-08 | 和美(深圳)信息技术股份有限公司 | 人机自动对话方法、装置、电子设备及存储介质 |
CN114020898B (zh) * | 2022-01-07 | 2022-04-19 | 和美(深圳)信息技术股份有限公司 | 人机自动对话方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112988993B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491433B (zh) | 聊天应答方法、电子装置及存储介质 | |
CN108170859B (zh) | 语音查询的方法、装置、存储介质及终端设备 | |
CN107818781B (zh) | 智能交互方法、设备及存储介质 | |
CN116775847B (zh) | 一种基于知识图谱和大语言模型的问答方法和系统 | |
WO2020233131A1 (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN108959247B (zh) | 一种数据处理方法、服务器及计算机可读介质 | |
CN111460115A (zh) | 智能人机对话模型训练方法、模型训练装置及电子设备 | |
CN113254588B (zh) | 一种数据搜索方法及系统 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN116882372A (zh) | 文本生成方法、装置、电子设备以及存储介质 | |
CN111813903A (zh) | 一种问句匹配方法和计算设备 | |
CN117112595A (zh) | 一种信息查询方法、装置、电子设备及存储介质 | |
CN113326702A (zh) | 语义识别方法、装置、电子设备及存储介质 | |
CN110795942B (zh) | 基于语义识别的关键词确定方法、装置和存储介质 | |
CN113821588A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
CN114242047A (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
CN112988993B (zh) | 一种问答方法和计算设备 | |
CN111898363B (zh) | 文本长难句的压缩方法、装置、计算机设备及存储介质 | |
CN111444321A (zh) | 问答方法、装置、电子设备和存储介质 | |
CN111858966B (zh) | 知识图谱的更新方法、装置、终端设备及可读存储介质 | |
CN113449089A (zh) | 一种查询语句的意图识别方法、问答方法及计算设备 | |
CN110750626A (zh) | 一种基于场景的任务驱动的多轮对话方法及系统 | |
CN116595149A (zh) | 一种人机对话生成方法、装置、设备及存储介质 | |
CN116521825A (zh) | 一种生成文本匹配模型的方法、计算设备及存储介质 | |
US20210263915A1 (en) | Search Text Generation System and Search Text Generation Method |
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 |