CN113032543B - 基于栈结构的对话诊断方法、装置、设备及介质 - Google Patents

基于栈结构的对话诊断方法、装置、设备及介质 Download PDF

Info

Publication number
CN113032543B
CN113032543B CN202110459854.6A CN202110459854A CN113032543B CN 113032543 B CN113032543 B CN 113032543B CN 202110459854 A CN202110459854 A CN 202110459854A CN 113032543 B CN113032543 B CN 113032543B
Authority
CN
China
Prior art keywords
event
sub
dialogue
diagnosis
stack
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
Application number
CN202110459854.6A
Other languages
English (en)
Other versions
CN113032543A (zh
Inventor
杨静远
赵知纬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202110459854.6A priority Critical patent/CN113032543B/zh
Publication of CN113032543A publication Critical patent/CN113032543A/zh
Application granted granted Critical
Publication of CN113032543B publication Critical patent/CN113032543B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及人工智能领域，提供一种基于栈结构的对话诊断方法、装置、设备及介质，能够基于排列思想计算出采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性，并且，不同于仅针对“一问一答”的对话任务进行测试，结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率，进而以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况，实现对对话任务的自动诊断。此外，本发明还涉及区块链技术，对话诊断结果可存储于区块链节点中。

Description

基于栈结构的对话诊断方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于栈结构的对话诊断方法、装置、设备及介质。
背景技术
随着智能机器人的不断发展，为了保证智能机器人能够与用户间进行更加拟人化且更加准确的对话，需要针对对话内容执行测试。
现有技术中，通常采用的方法是通过一些测试用例来验证对话任务的完成率。但是，现有对话诊断的方式也存在一定的缺陷，即测试用例往往是原子化的，一次只能针对一件事情进行测试。而在实际对话场景中，用户的表达往往是多件事情的复合，例如：“我想找一个五星级酒店，双人间”，此对话包括“酒店星级”和“双人间”两件事情。
因此，采用现有的对话诊断流程无法全面覆盖实际的对话任务，也就无法实现准确的对话诊断。
发明内容
鉴于以上内容，有必要提供一种基于栈结构的对话诊断方法、装置、设备及介质，能够结合栈结构，融合多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率，进而以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况，实现对对话任务的自动诊断。
一种基于栈结构的对话诊断方法，所述基于栈结构的对话诊断方法包括：
响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件；
将所述至少一个子事件随机入栈，得到目标栈；
获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值；
根据所述第一数值及每个子事件对应的第二数值计算采样次数；
根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件；
获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组；
测试所述至少一个对话组，得到对话诊断结果。
根据本发明优选实施例，所述根据所述对话诊断指令获取至少一个子事件包括：
解析所述对话诊断指令的方法体，得到所述对话诊断指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述对话诊断指令所携带的信息中进行遍历，并将遍历到的数据确定为目标数据库标识；
根据所述目标数据库标识定位到目标数据库，并从所述目标数据库中获取所述至少一个子事件。
根据本发明优选实施例，所述根据所述第一数值及每个子事件对应的第二数值计算采样次数，包括：
N＝(W1*W2*…*Wn)*n！
其中，N表示所述采样次数，n表示所述第一数值，Wn表示第n个子事件对应的第二数值，n为正整数。
根据本发明优选实施例，所述方法还包括：
在每次采样过程中，对所述目标栈执行至少一轮子采样，直至所述目标栈为空，停止采样，得到每轮子采样对应的至少一个出栈事件；
分别组合每轮子采样对应的至少一个出栈事件，得到每轮子采样的用户事件；
整合每轮子采样的用户事件，得到所述至少一个用户事件。
根据本发明优选实施例，在对所述目标栈执行至少一轮子采样前，所述方法还包括：
随机生成每轮子采样的出栈量，其中，每轮子采样的出栈量满足均匀分布；
根据每轮子采样的出栈量执行所述至少一轮子采样。
根据本发明优选实施例，所述方法还包括：
当检测到在所述目标栈中有子事件的取值变化时，获取检测到的子事件变化后得到的更新事件；
将所述更新事件入栈以更新所述目标栈；
当所述检测到的子事件出栈时，删除所述检测到的子事件，继续出栈并覆盖所述检测到的子事件。
根据本发明优选实施例，所述测试所述至少一个对话组，得到对话诊断结果包括：
获取每个用户事件对应的基准回复；
比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致；
当检测到有用户事件的待测试回复与所述基准回复一致时，将检测到的用户事件确定为正反馈事件；
当检测到有用户事件的待测试回复与所述基准回复不一致时，将检测到的用户事件确定为负反馈事件；
根据所述正反馈事件与所述负反馈事件的和作为事件总量；
根据所述正反馈事件与所述事件总量的商作为任务完成率；
根据所述任务完成率生成所述对话诊断结果。
一种基于栈结构的对话诊断装置，所述基于栈结构的对话诊断装置包括：
获取单元，用于响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件；
入栈单元，用于将所述至少一个子事件随机入栈，得到目标栈；
所述获取单元，还用于获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值；
计算单元，用于根据所述第一数值及每个子事件对应的第二数值计算采样次数；
采样单元，用于根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件；
组合单元，用于获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组；
测试单元，用于测试所述至少一个对话组，得到对话诊断结果。
一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现所述基于栈结构的对话诊断方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述基于栈结构的对话诊断方法。
由以上技术方案可以看出，本发明能够响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件，将所述至少一个子事件随机入栈，得到目标栈，获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值，根据所述第一数值及每个子事件对应的第二数值计算采样次数，基于排列思想计算出所述采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性，根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件，获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组，测试所述至少一个对话组，得到对话诊断结果，不同于现有技术中仅针对“一问一答”的对话任务进行测试，本实施方式结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率，进而以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况，实现对对话任务的自动诊断。
附图说明
图1是本发明基于栈结构的对话诊断方法的较佳实施例的流程图。
图2是本发明基于栈结构的对话诊断装置的较佳实施例的功能模块图。
图3是本发明实现基于栈结构的对话诊断方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明基于栈结构的对话诊断方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述基于栈结构的对话诊断方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件。
在本实施例中，所述对话诊断指令可以由指定工作人员触发，如开发人员，本发明不限制。
在本实施例中，每个子事件可以代表一种类型的对话任务，如：对于酒店预订的对话场景，所述子事件可以包括，但不限于：酒店星级、房型、是否有无线网络、入驻时间、退房时间。
在本发明的至少一个实施例中，所述根据所述对话诊断指令获取至少一个子事件包括：
解析所述对话诊断指令的方法体，得到所述对话诊断指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述对话诊断指令所携带的信息中进行遍历，并将遍历到的数据确定为目标数据库标识；
根据所述目标数据库标识定位到目标数据库，并从所述目标数据库中获取所述至少一个子事件。
其中，所述对话诊断指令实质上是一条代码，在所述对话诊断指令中，根据代码的编写原则，{}之间的内容被称之为所述方法体。
所述预设标签可以进行自定义配置，所述预设标签与数据库标识具有一一对应的关系，例如：所述预设标签可以是ID，进一步以所述预设标签建立正则表达式ID()，并以ID()进行遍历。
通过上实施方式，能够基于正则表达式及预设标签快速确定目标数据库，并从所述目标数据库中获取所述至少一个子事件，提高了数据获取的效率。
S11，将所述至少一个子事件随机入栈，得到目标栈。
例如：将用户对应的所有可能的子事件e(1，n)随机压入栈(Stack)中，得到目标栈Stack＝(e1，e2，...，en)，其中，e(1，n)的入栈顺序随机。
具体而言，每个子事件e(1，n)相当于一个完整的待入栈数据，将每个子事件随机的写入栈，最后组合得到的(e1，e2，...，en)就是一个数据随机填入后完整的栈，即所述目标栈。
在本实施例中，基于栈结构的属性进行随机入栈，能够使对话诊断过程中生成的对话事件更加符合实际对话中子事件的随机性。
S12，获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值。
例如：当具有n个子事件时，所述第一数值配置为n。具体而言，对于酒店预订场景，当所述子事件包括酒店星级、房型、是否有无线网络、入驻时间、退房时间时，所述第一数值n的取值为5。
进一步地，对于“酒店星级”这一子事件，由于酒店星级可能为1星、2星、3星、4星及5星，则子事件“酒店星级”对应的第二数值为5；对于“是否有无线网络”这一子事件，由于该事件包括“有无线网络”和“没有无线网络”两种情况，则子事件“是否有无线网络”对应的第二数值为2。
S13，根据所述第一数值及每个子事件对应的第二数值计算采样次数。
在本发明的至少一个实施例中，所述根据所述第一数值及每个子事件对应的第二数值计算采样次数，包括：
N＝(W1*W2*...*Wn)*n！
其中，N表示所述采样次数，n表示所述第一数值，Wn表示第n个子事件对应的第二数值，n为正整数。
例如：当有子事件“酒店星级”及子事件“是否有无线网络”时，所述第一数值为子事件的数量，因此，所述第一数值为2，W1为所述子事件“酒店星级”取值的数量，为5，W2为所述子事件“是否有无线网络”取值的数量，为2，则所述采样次数N＝(W1*W2*…*Wn)*n！＝(5*2)*2！＝20。
通过上述实施方式，基于排列思想计算出所述采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性。
需要说明的是，所述采样次数是指采样的最低次数，鉴于不同的测试系统测试性能也不同，如果采用的测试系统支持较高的采样次数，还可以根据需要提高所述采样次数，本发明不限制。
S14，根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件。
需要说明的是，每次采样时，所述目标栈中的初始数据都是相同的。
在本发明的至少一个实施例中，所述方法还包括：
在每次采样过程中，对所述目标栈执行至少一轮子采样，直至所述目标栈为空，停止采样，得到每轮子采样对应的至少一个出栈事件；
分别组合每轮子采样对应的至少一个出栈事件，得到每轮子采样的用户事件；
整合每轮子采样的用户事件，得到所述至少一个用户事件。
本实施例执行与所述采样次数数量一致的采样，并且，在每次采样过程中执行至少一轮子采样。
例如：当所述目标栈包括10个子事件时，在一次采样过程中，如果第一轮子采样由栈顶出栈3个子事件，即第一轮子采样对应3个出栈事件；第二轮子采样继续出栈2个子事件，即第二轮子采样对应2个出栈事件；第三轮子采样继续出栈4个子事件，即第三轮子采样对应4个出栈事件；则第四轮子采样出栈1个子事件，即第四轮子采样对应1个出栈事件。此时，所述目标栈为空，停止当次采样，且当次采样由4轮子采样构成。进一步地，组合第一轮子采样对应的3个出栈事件，得到第一轮子采样的用户事件；组合第二轮子采样对应的2个出栈事件，得到第二轮子采样的用户事件；组合第三轮子采样对应的4个出栈事件，得到第三轮子采样的用户事件；将第四轮子采样对应的1个出栈事件确定为第四轮子采样的用户事件。进一步地，整合第一轮子采样的用户事件、第二轮子采样的用户事件、第三轮子采样的用户事件及第四轮子采样的用户事件，得到4个用户事件。
具体地，在对所述目标栈执行至少一轮子采样前，所述方法还包括：
随机生成每轮子采样的出栈量，其中，每轮子采样的出栈量满足均匀分布；
根据每轮子采样的出栈量执行所述至少一轮子采样。
其中，出栈量即为每轮子采样的采样量。
具体而言，在每次采样所包括的至少一轮子采样中，每轮子采样的出栈量是随机生成的，承接上面的例子，在一次采样过程中，第一轮子采样随机生成的出栈量为3，第二轮子采样随机生成的出栈量为2，第三轮子采样随机生成的出栈量为4，由于每轮子采样的出栈量满足均匀分布，且所述目标栈中所包括的子事件的数量为10，则第四轮子采样的出栈量为1。
具体地，所述出栈量满足均匀分布U(1,len(stack))，len(stack)为所述目标栈的长度，即所述子事件的数量。
通过上述实施方式，基于栈结构自身的出栈属性，能够有效提高对话诊断的效率及准确率。
具体而言，在实际执行对话诊断的过程中，很可能由于各种环境因素被迫中断诊断任务，或者诊断过程对于时效及诊断数量有较高的要求，或者诊断是通过定时的方式完成，这些情况都会导致诊断的中断，此时，当基于栈结构辅助执行对话诊断时，基于栈结构的出栈属性，能够在被迫中断时优先测试最新的对话内容，进而提高了测试的效率及准确率，优化了对话诊断的效果。
在本发明的至少一个实施例中，所述方法还包括：
当检测到在所述目标栈中有子事件的取值变化时，获取检测到的子事件变化后得到的更新事件；
将所述更新事件入栈以更新所述目标栈；
当所述检测到的子事件出栈时，删除所述检测到的子事件，继续出栈并覆盖所述检测到的子事件。
通过上述实施方式，能够在检测到变化的子事件时将更新事件入栈，基于栈结构后入先出的属性，即便由于测试系统的性能限制了测试效果而没有完全出栈，优先测试更新的数据，保证了测试效果。
S15，获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组。
在本实施例中，所述与每个用户事件对应的待测试回复为待测试系统、机器人或者设备在输入每个用户事件时的自动回复。
其中，所述组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组包括：
建立所述至少一个用户事件与对应的待测试回复间的一一对应关系，即可得到一问一答的对话作为所述至少一个对话组。
本实施例的目的即在于测试自动回复的准确性。
因此，组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组，以实现对对话任务的测试。
S16，测试所述至少一个对话组，得到对话诊断结果。
需要说明的是，不同于现有技术中仅针对“一问一答”的对话任务进行测试，本实施方式结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率。
在本发明的至少一个实施例中，所述测试所述至少一个对话组，得到对话诊断结果包括：
获取每个用户事件对应的基准回复；
比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致；
当检测到有用户事件的待测试回复与所述基准回复一致时，将检测到的用户事件确定为正反馈事件；
当检测到有用户事件的待测试回复与所述基准回复不一致时，将检测到的用户事件确定为负反馈事件；
根据所述正反馈事件与所述负反馈事件的和作为事件总量；
根据所述正反馈事件与所述事件总量的商作为任务完成率；
根据所述任务完成率生成所述对话诊断结果。
其中，所述基准回复可以通过调查等方式预先确定，如：可以通过预先调查从指定应用程序上获取某酒店的星级及房型。
这样，通过比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致，即可知道系统自动回复的准确率是否达标，即所述任务完成率是否达标。
可以理解的是，所述任务完成率越高，说明所述对话诊断的达成率越好，反之，所述任务完成率越低，说明所述对话诊断的达成率越差。
通过上述实施方式，以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况。
需要说明的是，为了进一步保证数据的安全性，可以将对话诊断结果部署于区块链，以避免数据被恶意篡改。
由以上技术方案可以看出，本发明能够响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件，将所述至少一个子事件随机入栈，得到目标栈，获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值，根据所述第一数值及每个子事件对应的第二数值计算采样次数，基于排列思想计算出所述采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性，根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件，获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组，测试所述至少一个对话组，得到对话诊断结果，不同于现有技术中仅针对“一问一答”的对话任务进行测试，本实施方式结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率，进而以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况，实现对对话任务的自动诊断。
如图2所示，是本发明基于栈结构的对话诊断装置的较佳实施例的功能模块图。所述基于栈结构的对话诊断装置11包括获取单元110、入栈单元111、计算单元112、采样单元113、组合单元114、测试单元115。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
响应于对话诊断指令，获取单元110根据所述对话诊断指令获取至少一个子事件。
在本实施例中，所述对话诊断指令可以由指定工作人员触发，如开发人员，本发明不限制。
在本实施例中，每个子事件可以代表一种类型的对话任务，如：对于酒店预订的对话场景，所述子事件可以包括，但不限于：酒店星级、房型、是否有无线网络、入驻时间、退房时间。
在本发明的至少一个实施例中，所述获取单元110根据所述对话诊断指令获取至少一个子事件包括：
解析所述对话诊断指令的方法体，得到所述对话诊断指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述对话诊断指令所携带的信息中进行遍历，并将遍历到的数据确定为目标数据库标识；
根据所述目标数据库标识定位到目标数据库，并从所述目标数据库中获取所述至少一个子事件。
其中，所述对话诊断指令实质上是一条代码，在所述对话诊断指令中，根据代码的编写原则，{}之间的内容被称之为所述方法体。
所述预设标签可以进行自定义配置，所述预设标签与数据库标识具有一一对应的关系，例如：所述预设标签可以是ID，进一步以所述预设标签建立正则表达式ID()，并以ID()进行遍历。
通过上实施方式，能够基于正则表达式及预设标签快速确定目标数据库，并从所述目标数据库中获取所述至少一个子事件，提高了数据获取的效率。
入栈单元111将所述至少一个子事件随机入栈，得到目标栈。
例如：将用户对应的所有可能的子事件e(1，n)随机压入栈(Stack)中，得到目标栈Stack＝(e1，e2，...，en)，其中，e(1，n)的入栈顺序随机。
具体而言，每个子事件e(1，n)相当于一个完整的待入栈数据，将每个子事件随机的写入栈，最后组合得到的(e1，e2，...，en)就是一个数据随机填入后完整的栈，即所述目标栈。
在本实施例中，基于栈结构的属性进行随机入栈，能够使对话诊断过程中生成的对话事件更加符合实际对话中子事件的随机性。
所述获取单元110获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值。
例如：当具有n个子事件时，所述第一数值配置为n。具体而言，对于酒店预订场景，当所述子事件包括酒店星级、房型、是否有无线网络、入驻时间、退房时间时，所述第一数值n的取值为5。
进一步地，对于“酒店星级”这一子事件，由于酒店星级可能为1星、2星、3星、4星及5星，则子事件“酒店星级”对应的第二数值为5；对于“是否有无线网络”这一子事件，由于该事件包括“有无线网络”和“没有无线网络”两种情况，则子事件“是否有无线网络”对应的第二数值为2。
计算单元112根据所述第一数值及每个子事件对应的第二数值计算采样次数。
在本发明的至少一个实施例中，所述根据所述第一数值及每个子事件对应的第二数值计算采样次数，包括：
N＝(W1*W2*…*Wn)*n！
其中，N表示所述采样次数，n表示所述第一数值，Wn表示第n个子事件对应的第二数值，n为正整数。
例如：当有子事件“酒店星级”及子事件“是否有无线网络”时，所述第一数值为子事件的数量，因此，所述第一数值为2，W1为所述子事件“酒店星级”取值的数量，为5，W2为所述子事件“是否有无线网络”取值的数量，为2，则所述采样次数N＝(W1*W2*…*Wn)*n！＝(5*2)*2！＝20。
通过上述实施方式，基于排列思想计算出所述采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性。
需要说明的是，所述采样次数是指采样的最低次数，鉴于不同的测试系统测试性能也不同，如果采用的测试系统支持较高的采样次数，还可以根据需要提高所述采样次数，本发明不限制。
采样单元113根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件。
需要说明的是，每次采样时，所述目标栈中的初始数据都是相同的。
在本发明的至少一个实施例中，在每次采样过程中，对所述目标栈执行至少一轮子采样，直至所述目标栈为空，停止采样，得到每轮子采样对应的至少一个出栈事件；
分别组合每轮子采样对应的至少一个出栈事件，得到每轮子采样的用户事件；
整合每轮子采样的用户事件，得到所述至少一个用户事件。
本实施例执行与所述采样次数数量一致的采样，并且，在每次采样过程中执行至少一轮子采样。
例如：当所述目标栈包括10个子事件时，在一次采样过程中，如果第一轮子采样由栈顶出栈3个子事件，即第一轮子采样对应3个出栈事件；第二轮子采样继续出栈2个子事件，即第二轮子采样对应2个出栈事件；第三轮子采样继续出栈4个子事件，即第三轮子采样对应4个出栈事件；则第四轮子采样出栈1个子事件，即第四轮子采样对应1个出栈事件。此时，所述目标栈为空，停止当次采样，且当次采样由4轮子采样构成。进一步地，组合第一轮子采样对应的3个出栈事件，得到第一轮子采样的用户事件；组合第二轮子采样对应的2个出栈事件，得到第二轮子采样的用户事件；组合第三轮子采样对应的4个出栈事件，得到第三轮子采样的用户事件；将第四轮子采样对应的1个出栈事件确定为第四轮子采样的用户事件。进一步地，整合第一轮子采样的用户事件、第二轮子采样的用户事件、第三轮子采样的用户事件及第四轮子采样的用户事件，得到4个用户事件。
具体地，在对所述目标栈执行至少一轮子采样前，随机生成每轮子采样的出栈量，其中，每轮子采样的出栈量满足均匀分布；
根据每轮子采样的出栈量执行所述至少一轮子采样。
其中，出栈量即为每轮子采样的采样量。
具体而言，在每次采样所包括的至少一轮子采样中，每轮子采样的出栈量是随机生成的，承接上面的例子，在一次采样过程中，第一轮子采样随机生成的出栈量为3，第二轮子采样随机生成的出栈量为2，第三轮子采样随机生成的出栈量为4，由于每轮子采样的出栈量满足均匀分布，且所述目标栈中所包括的子事件的数量为10，则第四轮子采样的出栈量为1。
具体地，所述出栈量满足均匀分布U(1,len(stack))，len(stack)为所述目标栈的长度，即所述子事件的数量。
通过上述实施方式，基于栈结构自身的出栈属性，能够有效提高对话诊断的效率及准确率。
具体而言，在实际执行对话诊断的过程中，很可能由于各种环境因素被迫中断诊断任务，或者诊断过程对于时效及诊断数量有较高的要求，或者诊断是通过定时的方式完成，这些情况都会导致诊断的中断，此时，当基于栈结构辅助执行对话诊断时，基于栈结构的出栈属性，能够在被迫中断时优先测试最新的对话内容，进而提高了测试的效率及准确率，优化了对话诊断的效果。
在本发明的至少一个实施例中，当检测到在所述目标栈中有子事件的取值变化时，获取检测到的子事件变化后得到的更新事件；
将所述更新事件入栈以更新所述目标栈；
当所述检测到的子事件出栈时，删除所述检测到的子事件，继续出栈并覆盖所述检测到的子事件。
通过上述实施方式，能够在检测到变化的子事件时将更新事件入栈，基于栈结构后入先出的属性，即便由于测试系统的性能限制了测试效果而没有完全出栈，优先测试更新的数据，保证了测试效果。
组合单元114获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组。
在本实施例中，所述与每个用户事件对应的待测试回复为待测试系统、机器人或者设备在输入每个用户事件时的自动回复。
其中，所述组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组包括：
建立所述至少一个用户事件与对应的待测试回复间的一一对应关系，即可得到一问一答的对话作为所述至少一个对话组。
本实施例的目的即在于测试自动回复的准确性。
因此，组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组，以实现对对话任务的测试。
测试单元115测试所述至少一个对话组，得到对话诊断结果。
需要说明的是，不同于现有技术中仅针对“一问一答”的对话任务进行测试，本实施方式结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率。
在本发明的至少一个实施例中，所述测试单元115测试所述至少一个对话组，得到对话诊断结果包括：
获取每个用户事件对应的基准回复；
比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致；
当检测到有用户事件的待测试回复与所述基准回复一致时，将检测到的用户事件确定为正反馈事件；
当检测到有用户事件的待测试回复与所述基准回复不一致时，将检测到的用户事件确定为负反馈事件；
根据所述正反馈事件与所述负反馈事件的和作为事件总量；
根据所述正反馈事件与所述事件总量的商作为任务完成率；
根据所述任务完成率生成所述对话诊断结果。
其中，所述基准回复可以通过调查等方式预先确定，如：可以通过预先调查从指定应用程序上获取某酒店的星级及房型。
这样，通过比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致，即可知道系统自动回复的准确率是否达标，即所述任务完成率是否达标。
可以理解的是，所述任务完成率越高，说明所述对话诊断的达成率越好，反之，所述任务完成率越低，说明所述对话诊断的达成率越差。
通过上述实施方式，以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况。
需要说明的是，为了进一步保证数据的安全性，可以将对话诊断结果部署于区块链，以避免数据被恶意篡改。
由以上技术方案可以看出，本发明能够响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件，将所述至少一个子事件随机入栈，得到目标栈，获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值，根据所述第一数值及每个子事件对应的第二数值计算采样次数，基于排列思想计算出所述采样次数，以便全面覆盖所有的对话任务，减少遗漏测试的可能性，根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件，获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组，测试所述至少一个对话组，得到对话诊断结果，不同于现有技术中仅针对“一问一答”的对话任务进行测试，本实施方式结合栈结构，融合了多种可能产生的对话任务，进而模拟更加真实的对话事件，使对话诊断的覆盖面更加全面、丰富，降低了漏测试的概率，进而以任务完成率作为对话诊断结果，能够直接反映出对话诊断任务的达成情况，实现对对话任务的自动诊断。
如图3所示，是本发明实现基于栈结构的对话诊断方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如基于栈结构的对话诊断程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，所述电子设备1既可以是总线型结构，也可以是星形结构，所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，所述电子设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地，存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于栈结构的对话诊断程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于栈结构的对话诊断程序等)，以及调用存储在所述存储器12内的数据，以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于栈结构的对话诊断方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、入栈单元111、计算单元112、采样单元113、组合单元114、测试单元115。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述基于栈结构的对话诊断方法的部分。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器等。
进一步地，计算机可读存储介质可主要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等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种基于栈结构的对话诊断方法，所述处理器13可执行所述多个指令从而实现：
响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件；
将所述至少一个子事件随机入栈，得到目标栈；
获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值；
根据所述第一数值及每个子事件对应的第二数值计算采样次数；
根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件；
获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组；
测试所述至少一个对话组，得到对话诊断结果。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种基于栈结构的对话诊断方法，其特征在于，所述基于栈结构的对话诊断方法包括：
响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件；
将所述至少一个子事件随机入栈，得到目标栈；
获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值；
根据所述第一数值及每个子事件对应的第二数值计算采样次数，包括：
N=（W1 * W2 *…*Wn）*n！
其中，N表示所述采样次数，n表示所述第一数值，Wn表示第n个子事件对应的第二数值，n为正整数；
根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件；
获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组；
测试所述至少一个对话组，得到对话诊断结果，包括：获取每个用户事件对应的基准回复；比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致；当检测到有用户事件的待测试回复与所述基准回复一致时，将检测到的用户事件确定为正反馈事件；当检测到有用户事件的待测试回复与所述基准回复不一致时，将检测到的用户事件确定为负反馈事件；根据所述正反馈事件与所述负反馈事件的和作为事件总量；根据所述正反馈事件与所述事件总量的商作为任务完成率；根据所述任务完成率生成所述对话诊断结果。
2.如权利要求1所述的基于栈结构的对话诊断方法，其特征在于，所述根据所述对话诊断指令获取至少一个子事件包括：
解析所述对话诊断指令的方法体，得到所述对话诊断指令所携带的信息；
获取预设标签；
根据所述预设标签构建正则表达式；
利用所述正则表达式在所述对话诊断指令所携带的信息中进行遍历，并将遍历到的数据确定为目标数据库标识；
根据所述目标数据库标识定位到目标数据库，并从所述目标数据库中获取所述至少一个子事件。
3.如权利要求1所述的基于栈结构的对话诊断方法，其特征在于，所述方法还包括：
在每次采样过程中，对所述目标栈执行至少一轮子采样，直至所述目标栈为空，停止采样，得到每轮子采样对应的至少一个出栈事件；
分别组合每轮子采样对应的至少一个出栈事件，得到每轮子采样的用户事件；
整合每轮子采样的用户事件，得到所述至少一个用户事件。
4.如权利要求3所述的基于栈结构的对话诊断方法，其特征在于，在对所述目标栈执行至少一轮子采样前，所述方法还包括：
随机生成每轮子采样的出栈量，其中，每轮子采样的出栈量满足均匀分布；
根据每轮子采样的出栈量执行所述至少一轮子采样。
5.如权利要求1所述的基于栈结构的对话诊断方法，其特征在于，所述方法还包括：
当检测到在所述目标栈中有子事件的取值变化时，获取检测到的子事件变化后得到的更新事件；
将所述更新事件入栈以更新所述目标栈；
当所述检测到的子事件出栈时，删除所述检测到的子事件，并继续出栈并覆盖所述检测到的子事件。
6.一种基于栈结构的对话诊断装置，其特征在于，所述基于栈结构的对话诊断装置包括：
获取单元，用于响应于对话诊断指令，根据所述对话诊断指令获取至少一个子事件；
入栈单元，用于将所述至少一个子事件随机入栈，得到目标栈；
所述获取单元，还用于获取所述至少一个子事件的数量作为第一数值，及获取每个子事件取值的数量作为每个子事件对应的第二数值；
计算单元，用于根据所述第一数值及每个子事件对应的第二数值计算采样次数，包括：N=（W1 * W2 *…*Wn）*n！
其中，N表示所述采样次数，n表示所述第一数值，Wn表示第n个子事件对应的第二数值，n为正整数；
采样单元，用于根据所述采样次数对所述目标栈进行采样，得到至少一个用户事件；
组合单元，用于获取与每个用户事件对应的待测试回复，并组合所述至少一个用户事件与对应的待测试回复，得到至少一个对话组；
测试单元，用于测试所述至少一个对话组，得到对话诊断结果，包括：获取每个用户事件对应的基准回复；比较每个用户事件对应的待测试回复与每个用户事件对应的基准回复是否一致；当检测到有用户事件的待测试回复与所述基准回复一致时，将检测到的用户事件确定为正反馈事件；当检测到有用户事件的待测试回复与所述基准回复不一致时，将检测到的用户事件确定为负反馈事件；根据所述正反馈事件与所述负反馈事件的和作为事件总量；根据所述正反馈事件与所述事件总量的商作为任务完成率；根据所述任务完成率生成所述对话诊断结果。
7. 一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现如权利要求1至5中任意一项所述的基于栈结构的对话诊断方法。
8.一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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至5中任意一项所述的基于栈结构的对话诊断方法。
CN202110459854.6A 2021-04-27 2021-04-27 基于栈结构的对话诊断方法、装置、设备及介质 Active CN113032543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110459854.6A CN113032543B (zh) 2021-04-27 2021-04-27 基于栈结构的对话诊断方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110459854.6A CN113032543B (zh) 2021-04-27 2021-04-27 基于栈结构的对话诊断方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113032543A CN113032543A (zh) 2021-06-25
CN113032543B true CN113032543B (zh) 2023-07-18

Family

ID=76454691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110459854.6A Active CN113032543B (zh) 2021-04-27 2021-04-27 基于栈结构的对话诊断方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113032543B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115687599B (zh) * 2022-09-29 2023-10-31 恒生电子股份有限公司 业务数据处理方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400564A (zh) * 2019-08-21 2019-11-01 科大国创软件股份有限公司 一种基于栈的聊天机器人对话管理方法
CN111680139A (zh) * 2020-05-22 2020-09-18 平安普惠企业管理有限公司 基于多轮对话处理方法、装置、终端及存储介质
CN111813901A (zh) * 2019-04-11 2020-10-23 阿里巴巴集团控股有限公司 会话内容生成和处理方法、对话机器人的诊断方法及装置
CN111885268A (zh) * 2020-06-12 2020-11-03 北京百度网讯科技有限公司 对话平台的测试方法、装置、电子设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160212090A1 (en) * 2015-01-16 2016-07-21 General Electric Company System and method for tracking conversations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111813901A (zh) * 2019-04-11 2020-10-23 阿里巴巴集团控股有限公司 会话内容生成和处理方法、对话机器人的诊断方法及装置
CN110400564A (zh) * 2019-08-21 2019-11-01 科大国创软件股份有限公司 一种基于栈的聊天机器人对话管理方法
CN111680139A (zh) * 2020-05-22 2020-09-18 平安普惠企业管理有限公司 基于多轮对话处理方法、装置、终端及存储介质
CN111885268A (zh) * 2020-06-12 2020-11-03 北京百度网讯科技有限公司 对话平台的测试方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN113032543A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
US9223610B2 (en) Management of virtual machine snapshots
CN111949708B (zh) 基于时序特征提取的多任务预测方法、装置、设备及介质
CN109246027B (zh) 一种网络维护的方法、装置和终端设备
CN113806434B (zh) 大数据处理方法、装置、设备及介质
CN112559535B (zh) 基于多线程的异步任务处理方法、装置、设备及介质
CN111694843B (zh) 缺失号码检测方法、装置、电子设备及存储介质
CN113032543B (zh) 基于栈结构的对话诊断方法、装置、设备及介质
WO2022095519A1 (zh) 通关检验方法、装置、电子设备及计算机可读存储介质
CN111950707B (zh) 基于行为共现网络的行为预测方法、装置、设备及介质
CN116823437A (zh) 基于配置化风控策略的准入方法、装置、设备及介质
CN114816371B (zh) 消息处理方法、装置、设备及介质
CN111859985B (zh) Ai客服模型测试方法、装置、电子设备及存储介质
CN114675978A (zh) 算法应用元的运行框架和数据处理方法、设备及存储介质
CN116662208B (zh) 基于分布式挡板的交易测试方法、设备及介质
CN116701233B (zh) 基于高并发报单模拟的交易系统测试方法、设备及介质
CN115934576B (zh) 交易场景下的测试用例生成方法、装置、设备及介质
CN116934263B (zh) 产品批量准入方法、装置、设备及介质
CN116414366B (zh) 中间件接口生成方法、装置、设备及介质
CN116483747B (zh) 行情快照下发方法、装置、设备及介质
CN116225789B (zh) 交易系统备份能力检测方法、装置、设备及介质
CN112183630B (zh) 基于埋点层级的嵌入向量生成方法、装置、设备及介质
CN116739611B (zh) 客户信息跟踪管理方法、装置、设备及介质
CN117151955A (zh) 交通案件处理状态跟踪方法、装置、设备及介质
CN117422430A (zh) 同案交流方法、装置、设备及介质
CN117438032A (zh) 精麻类药物信息采集方法、装置、设备及介质

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