CN113139045B - 一种基于任务驱动型人机对话的选择性问答方法 - Google Patents

一种基于任务驱动型人机对话的选择性问答方法 Download PDF

Info

Publication number
CN113139045B
CN113139045B CN202110525571.7A CN202110525571A CN113139045B CN 113139045 B CN113139045 B CN 113139045B CN 202110525571 A CN202110525571 A CN 202110525571A CN 113139045 B CN113139045 B CN 113139045B
Authority
CN
China
Prior art keywords
question
dialogue
selective
answering
basis
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
CN202110525571.7A
Other languages
English (en)
Other versions
CN113139045A (zh
Inventor
马云函
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.)
Bawei Hangzhou Technology Co ltd
Original Assignee
Bawei Hangzhou Technology Co 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 Bawei Hangzhou Technology Co ltd filed Critical Bawei Hangzhou Technology Co ltd
Priority to CN202110525571.7A priority Critical patent/CN113139045B/zh
Publication of CN113139045A publication Critical patent/CN113139045A/zh
Application granted granted Critical
Publication of CN113139045B publication Critical patent/CN113139045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于人机对话领域,尤其为一种基于任务驱动型人机对话的选择性问答方法,该方法包括以下步骤:S1:于训练模型中置入选择性问答标记,并以此作为对话过程中是否询问的依据;S2:搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据;S3:对话过程动态根据前面的收集的依据以及上下文判断是否询问选择性问答;S4:记录选择性问答结果;S5:根据选择性问答结果判断是否返回;提高了人机交互的成功率,通过对话术细微场景做一些选择性问答标记,并在对话前导入必要的用户信息,智能对话系统便可作出针对性问答。

Description

一种基于任务驱动型人机对话的选择性问答方法
技术领域
本发明属于人机对话领域,具体涉及一种基于任务驱动型人机对话的选择性问答方法。
背景技术
随着人工智能的快速发展,人机对话也得到了广泛应用,其中,智能语音对话在很多企业场景中尤为重要,以任务导向性人机对话为代表,企业通过电话机器人可以快速筛选出一批意向客户,节省了大量人力资源。因为任务导向性人机对话发展到现阶段,都是固定模式的引导用户进行问答,当受众用户差异比较大的话,用一套对话内容可能不太适合其中一些用户,所以越来越需要更高认知程度的机器人才能满足客户的需求,所以提出了对一种选择性问答来解决这些问题。
现有任务导向性对话多为固定模式,无论是否了解用户的一些基本信息,都会按照既定的流程引导用户问答,当某些特定群体的用户被机器人问到一些不合理的有针对性的问题时,用户可能会觉得机器人智商很低,从而降低了与之继续对话的耐心,用户极有可能就此主动结束对话,对于企业来说,这是一种损失。因为在训练期没有考虑受众,没有结合已有用户信息做出不同的引导性问答,会让受众觉得智能程度不高。
为此,设计一种基于任务驱动型人机对话的选择性问答方法来解决上述问题。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种基于任务驱动型人机对话的选择性问答方法,可以对话术细微场景做一些选择性问答标记,并且具有智能程度高的特点。
为实现上述目的,本发明提供如下技术方案:一种基于任务驱动型人机对话的选择性问答方法,该方法包括以下步骤:
S1:于训练模型中置入选择性问答标记,并以此作为对话过程中是否询问的依据;
S2:搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据;
S3:对话过程动态根据前面的收集的依据以及上下文判断是否询问选择性问答;
S4:记录选择性问答结果;
S5:根据选择性问答结果判断是否返回。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,S1在训练模型时还包括以下步骤:
针对不同的任务进行话术训练;
通过训练获得不同意图的问答模型。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,S2中搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据时还包括以下步骤;
首先导入选择性问答的依据;
然后基于历史对话中收集的重要信息作为依据,进行比对;
若无历史对话信息,则通过预先导入的选择性问答作为依据。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,S3中在对话过程中,通过主流程决策引导机制和多轮对话机制推动每一轮对话完成智能问答。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,主流程决策引导机制用于通过不断地根据当前对话状态决策下一步应该采取的应答动作。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,多轮对话机制用于辅助用户完成围绕主流程任务的方法,并在此基础上引入选择性多轮问答。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,S4中记录选择性问答结果包括多轮对话的每个结果,并以此结果作为选择性问答结束的依据。
作为本发明一种基于任务驱动型人机对话的选择性问答方法优选的,S5中根据选择性问答结果判断是否返回时还包括以下步骤:
选择性问答结束后选择返回,开始新一轮对话;
选择性问答结束后不返回即结束对话。
与现有技术相比,本发明的有益效果是:
根据导入的用户信息结合在实际对话过程中的信息精准采集实现选择性智能问答,自动发起限定范围内的多轮对话,不同的客户群体尽管可能有相同的回答,但是机器人可以有针对性的做出不同的决策,能实现在细分场景下与用户一对一交流的效果,提高了人机交互的成功率,通过对话术细微场景做一些选择性问答标记,并在对话前导入必要的用户信息,智能对话系统便可作出针对性问答。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的流程图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
如图1所示;
一种基于任务驱动型人机对话的选择性问答方法,该方法包括以下步骤:
步骤S1:于训练模型中置入选择性问答标记,并以此作为对话过程中是否询问的依据;
具体的,在训练模型时还包括以下步骤:
针对不同的任务进行话术训练;
通过训练获得不同意图的问答模型;
步骤S2:搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据;
具体的,搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据时还包括以下步骤;
首先导入选择性问答的依据;
然后基于历史对话中收集的重要信息作为依据,进行比对;
若无历史对话信息,则通过预先导入的选择性问答作为依据;
步骤S3:对话过程动态根据前面的收集的依据以及上下文判断是否询问选择性问答;
步骤S4:记录选择性问答结果;
步骤S5:根据选择性问答结果判断是否返回;
具体的,根据选择性问答结果判断是否返回时还包括以下步骤:
选择性问答结束后选择返回,开始新一轮对话;
选择性问答结束后不返回即结束对话。
综上,根据导入的用户信息结合在实际对话过程中的信息精准采集实现选择性智能问答,自动发起限定范围内的多轮对话,不同的客户群体尽管可能有相同的回答,但是机器人可以有针对性的做出不同的决策,能实现在细分场景下与用户一对一交流的效果,提高了人机交互的成功率,通过对话术细微场景做一些选择性问答标记,并在对话前导入必要的用户信息,智能对话系统便可作出针对性问答,本发明中采用任务驱动型人机对话,任务是指用户为达到某种目的而采取的一系列的操作或对话,任务包括进度表(Plan)和目标,目标就是用户想要达到的目的,对于一个应用的领域,通常采用树型结构来描述任务。
具体的,基于任务的结构以任务数为基础,采用树型结构表达领域内的要素关系,回答灵活,是主流的设计方法,从而使该人机交互系统简单易用,在对话清晰明确的时候有着很好引导作用。
在一个可选的实施例中:S3中在对话过程中,通过主流程决策引导机制和多轮对话机制推动每一轮对话完成智能问答,主流程决策引导机制用于通过不断地根据当前对话状态决策下一步应该采取的应答动作,多轮对话机制用于辅助用户完成围绕主流程任务的方法,并在此基础上引入选择性多轮问答,通过主流程决策引导机制和多轮对话机制的应用,提高了人工智能的智能化程度,可以有效激发客户持续交流的兴趣。
在一个可选的实施例中:S4中记录选择性问答结果包括多轮对话的每个结果,并以此结果作为选择性问答结束的依据,从而在自动发起限定范围内的多轮对话,不同的客户群体尽管可能有相同的回答,机器人可以有针对性的做出不同的决策,进而提高了人机交互的成功率。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于任务驱动型人机对话的选择性问答方法,其特征在于,该方法包括以下步骤:
S1:于训练模型中置入选择性问答标记,并以此作为对话过程中是否询问的依据,所述S1在训练模型时还包括以下步骤:针对不同的任务进行话术训练;通过训练获得不同意图的问答模型;
S2:搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据,所述S2中搜索历史对话中收集的重要信息作为依据,并预先导入选择性问答的依据时还包括以下步骤,首先导入选择性问答的依据,然后基于历史对话中收集的重要信息作为依据,进行比对,若无历史对话信息,则通过预先导入的选择性问答作为依据;
S3:对话过程动态根据前面的收集的依据以及上下文判断是否询问选择性问答,所述S3中在对话过程中,通过主流程决策引导机制和多轮对话机制推动每一轮对话完成智能问答;
S4:记录选择性问答结果;
S5:根据选择性问答结果判断是否返回;
所述主流程决策引导机制用于通过不断地根据当前对话状态决策下一步应该采取的应答动作;
所述多轮对话机制用于辅助用户完成围绕主流程任务的方法,并在此基础上引入选择性多轮问答;
所述S4中记录选择性问答结果包括多轮对话的每个结果,并以此结果作为选择性问答结束的依据。
2.根据权利要求1所述的基于任务驱动型人机对话的选择性问答方法,其特征在于:所述S5中根据选择性问答结果判断是否返回时还包括以下步骤:
选择性问答结束后选择返回,开始新一轮对话;
选择性问答结束后不返回即结束对话。
CN202110525571.7A 2021-05-13 2021-05-13 一种基于任务驱动型人机对话的选择性问答方法 Active CN113139045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110525571.7A CN113139045B (zh) 2021-05-13 2021-05-13 一种基于任务驱动型人机对话的选择性问答方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110525571.7A CN113139045B (zh) 2021-05-13 2021-05-13 一种基于任务驱动型人机对话的选择性问答方法

Publications (2)

Publication Number Publication Date
CN113139045A CN113139045A (zh) 2021-07-20
CN113139045B true CN113139045B (zh) 2023-05-05

Family

ID=76817769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110525571.7A Active CN113139045B (zh) 2021-05-13 2021-05-13 一种基于任务驱动型人机对话的选择性问答方法

Country Status (1)

Country Link
CN (1) CN113139045B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133349A (zh) * 2017-05-24 2017-09-05 北京无忧创新科技有限公司 一种对话机器人系统
CN108153780A (zh) * 2016-12-05 2018-06-12 阿里巴巴集团控股有限公司 一种人机对话装置及其实现人机对话的方法
CN109446306A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种基于任务驱动的多轮对话的智能问答方法
CN109977208A (zh) * 2019-03-22 2019-07-05 北京中科汇联科技股份有限公司 一种融合faq和任务及主动引导的对话系统
CN111368043A (zh) * 2020-02-19 2020-07-03 中国平安人寿保险股份有限公司 基于人工智能的事件问答方法、装置、设备及存储介质
CN111460115A (zh) * 2020-03-17 2020-07-28 深圳市优必选科技股份有限公司 智能人机对话模型训练方法、模型训练装置及电子设备
US10878008B1 (en) * 2019-09-13 2020-12-29 Intuit Inc. User support with integrated conversational user interfaces and social question answering
CN112328774A (zh) * 2020-11-27 2021-02-05 北京邮电大学 基于多文档的任务型人机对话任务的实现方法
CN112417122A (zh) * 2020-11-20 2021-02-26 泰康保险集团股份有限公司 多轮问答方法及装置、计算机可读存储介质、电子设备
CN112541059A (zh) * 2020-11-05 2021-03-23 大连中河科技有限公司 一种应用在税务问答系统的多轮智能问答交互方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108153780A (zh) * 2016-12-05 2018-06-12 阿里巴巴集团控股有限公司 一种人机对话装置及其实现人机对话的方法
CN107133349A (zh) * 2017-05-24 2017-09-05 北京无忧创新科技有限公司 一种对话机器人系统
CN109446306A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种基于任务驱动的多轮对话的智能问答方法
CN109977208A (zh) * 2019-03-22 2019-07-05 北京中科汇联科技股份有限公司 一种融合faq和任务及主动引导的对话系统
US10878008B1 (en) * 2019-09-13 2020-12-29 Intuit Inc. User support with integrated conversational user interfaces and social question answering
CN111368043A (zh) * 2020-02-19 2020-07-03 中国平安人寿保险股份有限公司 基于人工智能的事件问答方法、装置、设备及存储介质
CN111460115A (zh) * 2020-03-17 2020-07-28 深圳市优必选科技股份有限公司 智能人机对话模型训练方法、模型训练装置及电子设备
CN112541059A (zh) * 2020-11-05 2021-03-23 大连中河科技有限公司 一种应用在税务问答系统的多轮智能问答交互方法
CN112417122A (zh) * 2020-11-20 2021-02-26 泰康保险集团股份有限公司 多轮问答方法及装置、计算机可读存储介质、电子设备
CN112328774A (zh) * 2020-11-27 2021-02-05 北京邮电大学 基于多文档的任务型人机对话任务的实现方法

Also Published As

Publication number Publication date
CN113139045A (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN109977208B (zh) 一种融合faq和任务及主动引导的对话系统
CN108153780B (zh) 一种人机对话装置及其实现人机对话的方法
CN106295792B (zh) 基于多模型输出的对话数据交互处理方法及装置
CN111192060B (zh) 一种基于电力it服务全渠道自助应答实现方法
CN110008322A (zh) 多轮对话场景下的话术推荐方法和装置
CN106951468A (zh) 对话生成方法及装置
WO2016201815A1 (zh) 一种提供在线客服的方法及装置
CN110035187A (zh) 一种在电话中实现ai和人工坐席无缝切换的方法
CN108073600A (zh) 一种智能问答交互方法、装置以及电子设备
CN104809197A (zh) 基于智能机器人的在线问答方法
RU2007108794A (ru) Машинное обучение
CN109065052A (zh) 一种语音机器人
CN109960723A (zh) 一种用于心理机器人的交互系统及方法
CN111680140A (zh) 一种智能客户服务系统
CN110287299A (zh) 一种通话中多话术语句智能切换方法
JP2019036171A (ja) 対話シナリオコーパスの作成支援システム
CN114821744A (zh) 基于表情识别的虚拟人物驱动方法、装置及设备
CN113159495A (zh) 用于协同控制多台机器人的控制模式动态调整方法和装置
CN113139045B (zh) 一种基于任务驱动型人机对话的选择性问答方法
CN113784006A (zh) 一种基于ai外呼的通信运营商的智能评测方法
CN113782010B (zh) 机器人响应方法、装置、电子设备及存储介质
CN113360625A (zh) 一种基于nlp的智能对话营销获客方法及系统
CN112905859A (zh) 一种服务方法、装置、系统、设备及存储介质
CN110737761A (zh) 一种信息处理方法、电子设备和存储介质
CN117648408B (zh) 基于大模型的智能问答方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant