CN113127621A - 对话模块的推送方法、装置、设备及存储介质 - Google Patents
对话模块的推送方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113127621A CN113127621A CN202110465679.1A CN202110465679A CN113127621A CN 113127621 A CN113127621 A CN 113127621A CN 202110465679 A CN202110465679 A CN 202110465679A CN 113127621 A CN113127621 A CN 113127621A
- Authority
- CN
- China
- Prior art keywords
- sentence
- template
- sentences
- question
- corpus
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 46
- 239000013598 vector Substances 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 28
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005352 clarification Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/338—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及数据推送领域，提供了一种对话模块的推送方法、装置、设备及存储介质。所述方法包括：获取用户输入的提问语句分发至各对话模块对应的语料库；计算提问语句与各语料库中的各模板语句相似度值；筛选出各语料库中相似度值大于或等于第一阈值的模板语句并由大到小进行排序，选取预设数量的模板语句作为该语料库的目标模板语句集；根据预设计算规则计算各目标模板语句集的分值，并对各语料库对应的对话模块执行排序操作，将执行后的对话模块推送至用户。利用本发明可以根据用户需求灵活推送并展示多种类型的对话模块。本发明还涉及区块链技术领域，上述目标模板语句集可以存储于一区块链的节点中。
Description
技术领域
本发明涉及数据推送领域，尤其涉及一种对话模块的推送方法、装置、设备及存储介质。
背景技术
目前，传统文本机器人对话框展示形式较为单一，一般只能展示一个类型的对话模块，如问答模块或任务式对话模块等，对于不同类型的答复，如文本、表格、图片、超链接等，往往要采用不同的接口与后台进行数据获取，同时需要不同的前端样式进行数据展示，导致机器人对话框展示不统一，接口利用率较低。
当存在多个数据源或多个类型的对话模块时，传统机器人只能对其中某一个进行展示，无法根据用户需求灵活展示多种类型的对话模块，导致无法引导用户至某对话模块相关联的场景中。
发明内容
鉴于以上内容，本发明提供一种对话模块的推送方法、装置、设备及存储介质，其目的在于解决现有技术中无法根据用户需求灵活展示多种类型的对话模块的技术问题。
为实现上述目的，本发明提供一种对话模块的推送方法，该方法包括：
获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
优选的，所述计算所述提问语句与各语料库中的各模板语句的相似度包括：
利用预设分词规则对所述提问语句执行分词操作，将得到的每个分词转换为词向量，基于提问语句的词向量与各模板语句的词向量，计算所述提问语句与各模板语句的相似度值。
优选的，所述计算所述提问语句与各模板语句的相似度值包括：
利用下述公式计算所述提问语句与各模板语句的相似度值：
其中，A表示提问语句的词向量集合，B表示模板语句的词向量集合，J(A,B)表示提问语句与模板语句的相似度值。
优选的，所述利用预设分词规则对所述提问语句执行分词操作包括：
根据正向最大匹配法将读取到的分词与预设词库进行匹配，得到第一匹配结果，所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字；
根据逆向最大匹配法将读取到的分词与预设词库进行匹配，得到第二匹配结果，所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字；
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量，或者，若所述第一数量小于所述第三数量，则将所述第一匹配结果作为该提问语句的分词结果；若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量，或者，若所述第一数量大于所述第三数量，则将所述第二匹配结果作为该提问语句的分词结果。
优选的，在选取预设数量的模板语句作为该语料库的目标模板语句集之后，所述方法还包括：
判断各语料库中是否存在与所述提问语句的相似度值大于第二阈值且小于第一阈值的第二模板语句，若存在，将该第二模板语句对应的提示语句反馈至用户，以供所述用户选择与该第二模板语句对应的提示语句，并将用户在终端界面选择的提示语句对应的第二模板语句添加至所述目标模板语句集。
优选的，所述方法还包括：
当判断各语料库中均不存在与所述提问语句的相似度值大于第二阈值的模板语句时，将预先配置的默认对话模块推送至所述用户对应的终端展示。
优选的，所述预设计算规则包括：
S＝W*Y
其中，S表示目标模板语句的分值，W表示目标模板语句对应的语料库的预设权重值，Y表示目标模板语句与所述提问语句的相似度值。
为实现上述目的，本发明还提供一种对话模块的推送装置，该对话模块的推送装置包括：
分发模块：用于获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算模块：用于计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
选取模块：用于判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
推送模块：用于根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
为实现上述目的，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的对话模块的推送方法的任意步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有对话模块的推送程序，所述对话模块的推送程序被处理器执行时，实现如上所述对话模块的推送方法的任意步骤。
本发明提出的对话模块的推送方法、装置、设备及存储介质，可以根据业务用户需求需要灵活推送不同对话模块并展示，提高了机器人展示的丰富性与灵活性，可以配置不同对话模块之间的展示规则，机器人对话模块的样式得到统一，接口利用率得到提升。
附图说明
图1为本发明对话模块的推送方法较佳实施例的流程图示意图；
图2为本发明对话模块的推送装置较佳实施例的模块示意图；
图3为本发明电子设备较佳实施例的示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明提供一种对话模块的推送方法。参照图1所示，为本发明对话模块的推送方法的实施例的方法流程示意图。该方法可以由一个电子设备执行，该电子设备可以由软件和/或硬件实现。对话模块的推送方法包括：
步骤S10：获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库。
本方案的应用场景可以是用户在与智能文本机器人对话交互时，智能文本机器人针对用户输入的问题，推送与用户问题相关的对话模块给用户。需要说明的是，本方案的对话模块的推送的实际应用场景并不仅限于此。文本机器人作为智能客服的一个主要组成部分，在政务服务网站、电商平台、生活服务平台等有着广泛的应用。与传统应用软件不同的是，文本机器人通过与用户进行对话的方式提供诸如咨询、办事等服务，在机器人产品中，对话模块(对话框)渐渐取代传统的图形用户界面，成为主要的人机交互方式。
在本实施例中，当用户向文本机器人的交互界面输入提问语句时，文本机器人安装的对话模块推送程序将用户的提问语句分发至各个对话模块对应的语料库。其中，对话模块可以包括问答模块或任务式对话模块等。
在一个实施例中，所述对话模块包括第一组件、第二组件及第三组件，所述第一组件用于展示预先配置的引导话术，所述第二组件用于展示基于输入的提问语句在数据库中查找出的相关内容，所述第三组件用于展示至少一种类型的场景按钮。
第一组件用于展示文本机器人默认的引导性话术，包括但不限于词槽澄清话术、默认答复话术、意图识别失败话术、单意图确认话术、多意图澄清话术、词槽识别失败话术、单词槽确认话术、多词槽选择话术、兜底话术、无答案默认话术等，数据类型包括但不限于数字、字符串、列表等。
第二组件用于展示机器人根据用户的输入在数据库中找到的相关内容，包括但不限于词典值列表、答案列表、多意图列表、问题列表、多词槽列表、实体内容、事项内容、答案内容等，展示形式包括文本、列表、超链接、图片、标签、服务接口等。
第三组件用于展示至少一种类型的场景按钮，部分对话过程中涉及到需要用户点击按钮的场景，包括跳转按钮、确认按钮、取消按钮、服务按钮等。
步骤S20：计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值。
在本实施例中，将用户输入的提问语句与各语料库中的各模板语句进行相似度计算，可以得到提问语句与语料库中各模板语句的相似度值，各个对话模块有对应的语料库，不同的语料库存储有不同的模板语句，例如，预先配置的相似问题、对话模板、对话样本集等。
在一个实施例中，所述计算所述提问语句与各语料库中的各模板语句的相似度包括：
利用预设分词规则对所述提问语句执行分词操作，将得到的每个分词转换为词向量，基于提问语句的词向量与各模板语句的词向量，计算所述提问语句与各模板语句的相似度值。
进一步地，所述计算所述提问语句与各模板语句的相似度值包括：
利用下述公式计算所述提问语句与各模板语句的相似度值：
其中，A表示提问语句的词向量集合，B表示模板语句的词向量集合，J(A,B)表示提问语句与模板语句的相似度值。
分词规则可以是最大正向匹配法或逆向最大匹配法，利用词向量模型word2vec将各个分词转换为词向量，根据提问语句的词向量与模板语句的词向量，利用杰卡德系数算法计算得到提问语句与各模板语句的相似度值。计算相似度值还可以采用编辑距离、最长子串、WMD、欧式距离、点积算法等。其中，word2vec是一个将词转换成向量的工具，可以把对文本的处理简化为向量空间中的向量运算，来表示文本语义上的相似度。例如，word2vec通过训练，可以把对文本的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。
进一步地，所述利用预设分词规则对所述提问语句执行分词操作包括：
根据正向最大匹配法将读取到的分词与预设词库进行匹配，得到第一匹配结果，所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字；
根据逆向最大匹配法将读取到的分词与预设词库进行匹配，得到第二匹配结果，所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字；
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量，或者，若所述第一数量小于所述第三数量，则将所述第一匹配结果作为该提问语句的分词结果；若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量，或者，若所述第一数量大于所述第三数量，则将所述第二匹配结果作为该提问语句的分词结果。
通过该分词方法来分析切分文本内容中前后组合内容的粘性，由于通常情况下词组能代表核心观点信息的概率更大，即通过词组更能表达出核心观点信息，因此，通过正反向同时进行分词匹配找出单字数量更少，词组数量更多的分词匹配结果，以作为切分的语句的分词结果，可提高分词的准确性。
步骤S30：判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集。
在本实施例中，计算出提问语句与各语料库中各模板语句的相似度值之后，判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值(例如，90％)的模板语句，当存在与提问语句的相似度值大于或等于第一阈值模板语句时，筛选出各语料库中相似度值大于第一阈值的模板语句并由大到小进行排序，并选取预设数量(例如，选取前3)的模板语句作为该语料库的目标模板语句集。
在一个实施例中，在选取预设数量的模板语句作为该语料库的目标模板语句集之后，所述方法还包括：
判断各语料库中是否存在与所述提问语句的相似度值大于第二阈值且小于第一阈值的第二模板语句，若存在，将该第二模板语句对应的提示语句反馈至用户，以供所述用户选择与该第二模板语句对应的提示语句，并将用户在终端界面选择的提示语句对应的第二模板语句添加至所述目标模板语句集。
例如，当存在3个大于第二阈值(例如，85％)且小于第一阈值的模板语句时，将3个模板语句对应的提示语句反馈给用户，提示语句可以是该模板语句的概括语义，提示语句可以是“您是否想了解…的目前状态”，“您是否想了解…的属性”等。供用户选择模板语句对应的提示语句，将用户选择的提示语句对应的模板语句添加至目标模板语句集。
进一步地，当判断各语料库中均不存在与所述提问语句的相似度值大于第二阈值的模板语句时，将预先配置的默认对话模块推送至所述用户对应的终端展示。
当各语料库中的模板语句与所述提问语句的相似度值均不超过第二阈值时，说明用户输入的提问语句与各语料库中的模板语句匹配度较低，此时若返回对话模块，可能并不是用户需求的对话模板，因此可以将默认对话模块推送至所述用户对应的终端推荐进行展示，以提示用户重新输入提问语句。
步骤S40：根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
在本实施例中，选取出各语料库中的目标模板语句之后，可以根据预先设置的语料库权值计算各个目标模板语句集的分值，将目标模板语句集中各语句的分值累加即可得到该目标模板语句集的分值，之后根据各目标模板语句集的分值对各语料库对应的对话模块由大到小进行排序，例如，A目标模板语句集的分值>目标模板语句集的分值B>目标模板语句集的分值C，则对话模块的排序顺序依次为A对话模板、B对话模块、C对话模块，将排序好的对话模块推送至用户对应的终端进行展示，用户可以更直观地选择匹配度高的对话模块。
同时展示多个对话模块，可以根据业务需要灵活配置不同模块的展示形式，提高了文本机器人展示的丰富性与灵活性，对话模块样式得到统一，接口利用率得到提升。
在一个实施例中，所述预设计算规则包括：
S＝W*Y
其中，S表示目标模板语句的分值，W表示目标模板语句对应的语料库的预设权重值，Y表示目标模板语句与所述提问语句的相似度值。
参照图2所示，为本发明对话模块的推送装置100的功能模块示意图。
本发明所述对话模块的推送装置100可以安装于电子设备中。根据实现的功能，所述对话模块的推送装置100可以包括分发模块110、计算模块120、选取模块130及推送模块140。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
分发模块110，用于获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库。
在本实施例中，当用户向文本机器人的交互界面输入提问语句时，文本机器人中对话模块的推送装置的分发模块将用户的提问语句分发至各个对话模块对应的语料库。其中，对话模块可以包括问答模块或任务式对话模块等。
在一个实施例中，所述对话模块包括第一组件、第二组件及第三组件，所述第一组件用于展示预先配置的引导话术，所述第二组件用于展示基于输入的提问语句在数据库中查找出的相关内容，所述第三组件用于展示至少一种类型的场景按钮。
第一组件用于展示文本机器人默认的引导性话术，包括但不限于词槽澄清话术、默认答复话术、意图识别失败话术、单意图确认话术、多意图澄清话术、词槽识别失败话术、单词槽确认话术、多词槽选择话术、兜底话术、无答案默认话术等，数据类型包括但不限于数字、字符串、列表等。
第二组件用于展示机器人根据用户的输入在数据库中找到的相关内容，包括但不限于词典值列表、答案列表、多意图列表、问题列表、多词槽列表、实体内容、事项内容、答案内容等，展示形式包括文本、列表、超链接、图片、标签、服务接口等。
计算模块120，用于计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值。
在本实施例中，将用户输入的提问语句与各语料库中的各模板语句进行相似度计算，可以得到提问语句与语料库中各模板语句的相似度值，各个对话模块有对应的语料库，不同的语料库存储有不同的模板语句，例如，预先配置的相似问题、对话模板、对话样本集等。
在一个实施例中，所述计算所述提问语句与各语料库中的各模板语句的相似度包括：
利用预设分词规则对所述提问语句执行分词操作，将得到的每个分词转换为词向量，基于提问语句的词向量与各模板语句的词向量，计算所述提问语句与各模板语句的相似度值。
进一步地，所述计算所述提问语句与各模板语句的相似度值包括：
利用下述公式计算所述提问语句与各模板语句的相似度值：
其中，A表示提问语句的词向量集合，B表示模板语句的词向量集合，J(A,B)表示提问语句与模板语句的相似度值。
分词规则可以是最大正向匹配法或逆向最大匹配法，利用词向量模型word2vec将各个分词转换为词向量，根据提问语句的词向量与模板语句的词向量，利用杰卡德系数算法计算得到提问语句与各模板语句的相似度值。计算相似度值还可以采用编辑距离、最长子串、WMD、欧式距离、点积算法等。其中，word2vec是一个将词转换成向量的工具，可以把对文本的处理简化为向量空间中的向量运算，来表示文本语义上的相似度。例如，word2vec通过训练，可以把对文本的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。
进一步地，所述利用预设分词规则对所述提问语句执行分词操作包括：
根据正向最大匹配法将读取到的分词与预设词库进行匹配，得到第一匹配结果，所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字；
根据逆向最大匹配法将读取到的分词与预设词库进行匹配，得到第二匹配结果，所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字；
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量，或者，若所述第一数量小于所述第三数量，则将所述第一匹配结果作为该提问语句的分词结果；若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量，或者，若所述第一数量大于所述第三数量，则将所述第二匹配结果作为该提问语句的分词结果。
通过该分词方法来分析切分文本内容中前后组合内容的粘性，由于通常情况下词组能代表核心观点信息的概率更大，即通过词组更能表达出核心观点信息，因此，通过正反向同时进行分词匹配找出单字数量更少，词组数量更多的分词匹配结果，以作为切分的语句的分词结果，可提高分词的准确性。
选取模块130，用于判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集。
在本实施例中，计算出提问语句与各语料库中各模板语句的相似度值之后，判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值(例如，90％)的模板语句，当存在与提问语句的相似度值大于或等于第一阈值模板语句时，筛选出各语料库中相似度值大于第一阈值的模板语句并由大到小进行排序，并选取预设数量(例如，选取前3)的模板语句作为该语料库的目标模板语句集。
在一个实施例中，在选取预设数量的模板语句作为该语料库的目标模板语句集之后，选取模块还用于：
判断各语料库中是否存在与所述提问语句的相似度值大于第二阈值且小于第一阈值的第二模板语句，若存在，将该第二模板语句对应的提示语句反馈至用户，以供所述用户选择与该第二模板语句对应的提示语句，并将用户在终端界面选择的提示语句对应的第二模板语句添加至所述目标模板语句集。
例如，当存在3个大于第二阈值(例如，85％)且小于第一阈值的模板语句时，将3个模板语句对应的提示语句反馈给用户，提示语句可以是该模板语句的概括语义，提示语句可以是“您是否想了解…的目前状态”，“您是否想了解…的属性”等。供用户选择模板语句对应的提示语句，将用户选择的提示语句对应的模板语句添加至目标模板语句集。
进一步地，当判断各语料库中均不存在与所述提问语句的相似度值大于第二阈值的模板语句时，将预先配置的默认对话模块推送至所述用户对应的终端展示。
当各语料库中的模板语句与所述提问语句的相似度值均不超过第二阈值时，说明用户输入的提问语句与各语料库中的模板语句匹配度较低，此时若返回对话模块，可能并不是用户需求的对话模板，因此可以将默认对话模块推送至所述用户对应的终端推荐进行展示，以提示用户重新输入提问语句。
推送模块140，用于根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
在本实施例中，选取出各语料库中的目标模板语句之后，可以根据预先设置的语料库权值计算各个目标模板语句集的分值，将目标模板语句集中各语句的分值累加即可得到该目标模板语句集的分值，之后根据各目标模板语句集的分值对各语料库对应的对话模块由大到小进行排序，例如，A目标模板语句集的分值>目标模板语句集的分值B>目标模板语句集的分值C，则对话模块的排序顺序依次为A对话模板、B对话模块、C对话模块，将排序好的对话模块推送至用户对应的终端进行展示，用户可以更直观地选择匹配度高的对话模块。
同时展示多个对话模块，可以根据业务需要灵活配置不同模块的展示形式，提高了文本机器人展示的丰富性与灵活性，对话模块样式得到统一，接口利用率得到提升。
在一个实施例中，所述预设计算规则包括：
S＝W*Y
其中，S表示目标模板语句的分值，W表示目标模板语句对应的语料库的预设权重值，Y表示目标模板语句与所述提问语句的相似度值。
参照图3所示，为本发明电子设备1较佳实施例的示意图。
该电子设备1包括但不限于：存储器11、处理器12、显示器13及网络接口14。所述电子设备1通过网络接口14连接网络，获取原始数据。其中，所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中，存储器11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、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述电子设备1的内部存储单元，例如该电子设备1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述电子设备1的外部存储设备，例如该电子设备1配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述电子设备1的内部存储单元也包括其外部存储设备。本实施例中，存储器11通常用于存储安装于所述电子设备1的操作系统和各类应用软件，例如对话模块的推送程序10的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行对话模块的推送程序10的程序代码等。
显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-EmittingDiode，OLED)触摸器等。显示器13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工作界面，例如显示数据统计的结果。
网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口)，该网络接口14通常用于在所述电子设备1与其它电子设备之间建立通信连接。
图3仅示出了具有组件11-14以及对话模块的推送程序10的电子设备1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，所述电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、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有机发光二极管(Organic Light-Emitting Diode，OLED)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。
该电子设备1还可以包括射频(Radio Frequency，RF)电路、传感器和音频电路等等，在此不再赘述。
在上述实施例中，处理器12执行存储器11中存储的对话模块的推送程序10时可以实现如下步骤：
获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
所述存储设备可以为电子设备1的存储器11，也可以为与电子设备1通讯连接的其它存储设备。
关于上述步骤的详细介绍，请参照上述图2关于对话模块的推送装置100实施例的功能模块图以及图1关于对话模块的推送方法实施例的流程图的说明。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有对话模块的推送程序10，所述对话模块的推送程序10被处理器执行时实现如下操作：
获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
本发明之计算机可读存储介质的具体实施方式与上述对话模块的推送方法的具体实施方式大致相同，在此不再赘述。
在另一个实施例中，本发明所提供的对话模块的推送方法，为进一步保证上述所有出现的数据的私密和安全性，上述所有数据还可以存储于一区块链的节点中。例如提问语句及目标模板语句集等，这些数据均可存储在区块链节点中。
需要说明的是，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。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，电子装置，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种对话模块的推送方法，其特征在于，所述方法包括：
获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
2.如权利要求1所述的对话模块的推送方法，其特征在于，所述计算所述提问语句与各语料库中的各模板语句的相似度包括：
利用预设分词规则对所述提问语句执行分词操作，将得到的每个分词转换为词向量，基于提问语句的词向量与各模板语句的词向量，计算所述提问语句与各模板语句的相似度值。
3.如权利要求2所述的对话模块的推送方法，其特征在于，所述计算所述提问语句与各模板语句的相似度值包括：
利用下述公式计算所述提问语句与各模板语句的相似度值：
其中，A表示提问语句的词向量集合，B表示模板语句的词向量集合，J(A,B)表示提问语句与模板语句的相似度值。
4.如权利要求2所述的对话模块的推送方法，其特征在于，所述利用预设分词规则对所述提问语句执行分词操作包括：
根据正向最大匹配法将读取到的分词与预设词库进行匹配，得到第一匹配结果，所述第一匹配结果中包含有第一数量的第一词组和第二数量的单字；
根据逆向最大匹配法将读取到的分词与预设词库进行匹配，得到第二匹配结果，所述第二匹配结果中包含有第三数量的第二词组和第四数量的单字；
若所述第一数量与所述第三数量相等且所述第二数量小于或者等于所述第四数量，或者，若所述第一数量小于所述第三数量，则将所述第一匹配结果作为该提问语句的分词结果；若所述第一数量与所述第二数量相等且所述第三数量大于所述第四数量，或者，若所述第一数量大于所述第三数量，则将所述第二匹配结果作为该提问语句的分词结果。
5.如权利要求1所述的对话模块的推送方法，其特征在于，在选取预设数量的模板语句作为该语料库的目标模板语句集之后，所述方法还包括：
判断各语料库中是否存在与所述提问语句的相似度值大于第二阈值且小于第一阈值的第二模板语句，若存在，将该第二模板语句对应的提示语句反馈至用户，以供所述用户选择与该第二模板语句对应的提示语句，并将用户在终端界面选择的提示语句对应的第二模板语句添加至所述目标模板语句集。
6.如权利要求5所述的对话模块的推送方法，其特征在于，所述方法还包括：
当判断各语料库中均不存在与所述提问语句的相似度值大于第二阈值的模板语句时，将预先配置的默认对话模块推送至所述用户对应的终端展示。
7.如权利要求1所述的对话模块的推送方法，其特征在于，所述预设计算规则包括：
S＝W*Y
其中，S表示目标模板语句的分值，W表示目标模板语句对应的语料库的预设权重值，Y表示目标模板语句与所述提问语句的相似度值。
8.一种对话模块的推送装置，其特征在于，所述装置包括：
分发模块：用于获取用户输入的提问语句，将所述提问语句分发至智能机器人包括的各对话模块对应的语料库；
计算模块：用于计算所述提问语句与各语料库中的各模板语句的相似度，得到所述提问语句与各模板语句的相似度值；
选取模块：用于判断各语料库中是否存在与所述提问语句的相似度值大于或等于第一阈值的第一模板语句，若存在，筛选出所述第一模板语句，并将所述第一模板语句根据相似度值由大到小进行排序，选取预设数量的所述第一模板语句作为该语料库的目标模板语句集；
推送模块：用于根据预设计算规则计算各所述目标模板语句集的分值，根据各目标模板语句集的分值的大小对各语料库对应的对话模块执行排序操作，将执行排序操作后的对话模块推送至所述用户对应的终端展示。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的对话模块的推送方法。
10.一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存储有对话模块的推送程序，所述对话模块的推送程序被处理器执行时，实现如权利要求1至7中任一项所述对话模块的推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110465679.1A CN113127621A (zh) | 2021-04-28 | 2021-04-28 | 对话模块的推送方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110465679.1A CN113127621A (zh) | 2021-04-28 | 2021-04-28 | 对话模块的推送方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113127621A true CN113127621A (zh) | 2021-07-16 |
Family
ID=76781106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110465679.1A Pending CN113127621A (zh) | 2021-04-28 | 2021-04-28 | 对话模块的推送方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113127621A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486169A (zh) * | 2021-07-27 | 2021-10-08 | 平安国际智慧城市科技股份有限公司 | 基于bert模型的同义语句生成方法、装置、设备及存储介质 |
| CN113516515A (zh) * | 2021-07-21 | 2021-10-19 | 深圳追一科技有限公司 | 信息推送方法、装置、系统、电子设备及存储介质 |
| CN113704428A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术（深圳）有限公司 | 智能问诊方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107204184A (zh) * | 2017-05-10 | 2017-09-26 | 平安科技（深圳）有限公司 | 语音识别方法及系统 |
| CN109977207A (zh) * | 2019-03-21 | 2019-07-05 | 网易（杭州）网络有限公司 | 对话生成方法、对话生成装置、电子设备及存储介质 |
| WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN111597313A (zh) * | 2020-04-07 | 2020-08-28 | 深圳追一科技有限公司 | 问答方法、装置、计算机设备和存储介质 |
| CN112562678A (zh) * | 2020-11-26 | 2021-03-26 | 携程计算机技术（上海）有限公司 | 基于客服录音的智能对话方法、系统、设备及存储介质 |
-
2021
- 2021-04-28 CN CN202110465679.1A patent/CN113127621A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107204184A (zh) * | 2017-05-10 | 2017-09-26 | 平安科技（深圳）有限公司 | 语音识别方法及系统 |
| WO2019153522A1 (zh) * | 2018-02-09 | 2019-08-15 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN109977207A (zh) * | 2019-03-21 | 2019-07-05 | 网易（杭州）网络有限公司 | 对话生成方法、对话生成装置、电子设备及存储介质 |
| CN111597313A (zh) * | 2020-04-07 | 2020-08-28 | 深圳追一科技有限公司 | 问答方法、装置、计算机设备和存储介质 |
| CN112562678A (zh) * | 2020-11-26 | 2021-03-26 | 携程计算机技术（上海）有限公司 | 基于客服录音的智能对话方法、系统、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516515A (zh) * | 2021-07-21 | 2021-10-19 | 深圳追一科技有限公司 | 信息推送方法、装置、系统、电子设备及存储介质 |
| CN113516515B (zh) * | 2021-07-21 | 2024-02-27 | 深圳追一科技有限公司 | 信息推送方法、装置、系统、电子设备及存储介质 |
| CN113486169A (zh) * | 2021-07-27 | 2021-10-08 | 平安国际智慧城市科技股份有限公司 | 基于bert模型的同义语句生成方法、装置、设备及存储介质 |
| CN113486169B (zh) * | 2021-07-27 | 2024-04-16 | 平安国际智慧城市科技股份有限公司 | 基于bert模型的同义语句生成方法、装置、设备及存储介质 |
| CN113704428A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术（深圳）有限公司 | 智能问诊方法、装置、电子设备及存储介质 |
| CN113704428B (zh) * | 2021-08-30 | 2023-10-24 | 康键信息技术（深圳）有限公司 | 智能问诊方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110502608B (zh) | 基于知识图谱的人机对话方法及人机对话装置 | |
| WO2019184217A1 (zh) | 热点事件分类方法、装置及存储介质 | |
| CN111695439B (zh) | 图像结构化数据提取方法、电子装置及存储介质 | |
| CN107704512B (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
| CN113127621A (zh) | 对话模块的推送方法、装置、设备及存储介质 | |
| US9898464B2 (en) | Information extraction supporting apparatus and method | |
| CN107807960B (zh) | 智能客服方法、电子装置及计算机可读存储介质 | |
| CN111339166A (zh) | 基于词库的匹配推荐方法、电子装置及存储介质 | |
| CN112287069B (zh) | 基于语音语义的信息检索方法、装置及计算机设备 | |
| CN109299235B (zh) | 知识库搜索方法、装置及计算机可读存储介质 | |
| CN112328909B (zh) | 信息推荐方法、装置、计算机设备及介质 | |
| CN112651236B (zh) | 提取文本信息的方法、装置、计算机设备和存储介质 | |
| CN111414375A (zh) | 基于数据库查询的输入推荐方法、电子装置及存储介质 | |
| CN112380240A (zh) | 基于语义识别的数据查询方法、装置、设备及存储介质 | |
| CN111984589A (zh) | 文档处理方法、文档处理装置和电子设备 | |
| CN112966081A (zh) | 处理问答信息的方法、装置、设备和存储介质 | |
| CN112231452A (zh) | 基于自然语言处理的问答方法、装置、设备及存储介质 | |
| CN114238602A (zh) | 基于语料匹配的对话分析方法、装置、设备及存储介质 | |
| CN109033082B (zh) | 语义模型的学习训练方法、装置及计算机可读存储介质 | |
| CN111369148A (zh) | 对象指标的监测方法、电子装置及存储介质 | |
| CN113468441A (zh) | 基于权重调整的搜索排序方法、装置、设备及存储介质 | |
| CN113282763B (zh) | 文本关键信息提取、装置、设备及存储介质 | |
| CN110837559A (zh) | 语句样本集的生成方法、电子装置及存储介质 | |
| CN113486169B (zh) | 基于bert模型的同义语句生成方法、装置、设备及存储介质 | |
| CN110362694A (zh) | 基于人工智能的文献数据检索方法、设备及可读存储介质 |
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 |