CN113190668A - 基于多轮对话的人机交互方法、装置、设备及存储介质 - Google Patents
基于多轮对话的人机交互方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113190668A CN113190668A CN202110545372.2A CN202110545372A CN113190668A CN 113190668 A CN113190668 A CN 113190668A CN 202110545372 A CN202110545372 A CN 202110545372A CN 113190668 A CN113190668 A CN 113190668A
- Authority
- CN
- China
- Prior art keywords
- intention
- target
- word
- user
- query
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 82
- 239000013598 vector Substances 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001343 mnemonic effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010013954 Dysphoria Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人工智能技术,揭露一种基于多轮对话的人机交互方法,包括:对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图;从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽;统计获取的目标词槽的数量,并生成统计结果信息;当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户。本发明还涉及区块链技术,预设意图模板存储于区块链中。本发明能够解决现有技术中,多轮对话填槽方法要求用户在每个意图中完成该意图所需的全部词槽填充后才能给出对应答案,用户体验较差等问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于多轮对话的人机交互方法、装置、电子设备及计算机可读存储介质。
背景技术
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。与传统软件不同的是,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,当关键信息不足时,机器人通常会采取多轮询问的方式,向用户收集信息,该过程也成为填槽。
传统的多轮对话填槽方法要求用户在每个意图中完成该意图所需的全部词槽填充后才能给出对应答案,该方法导致用户对同样的关键信息需要反复的录入,用户体验较差。如查政策场景下,用户所属行业及地区通常都是固定不变的,但是当用户每次查询该地区相关的行业政策时,传统方法要求用户反复输入行业及地区的信息,不能有效利用历史信息。
发明内容
本发明提供一种基于多轮对话的人机交互方法、装置、电子设备及计算机可读存储介质,其主要目的在于能够解决现有技术中,多轮对话填槽方法要求用户在每个意图中完成该意图所需的全部词槽填充才能给出对应答案,用户体验较差。
第一方面,为实现上述目的,本发明提供的一种基于多轮对话的人机交互方法,所述方法包括:
对获取的用户查询语句进行意图识别处理,得到所述用户查询语句的目标意图;
从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽;
其中,所述记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
统计获取的所述目标词槽的数量,并生成统计结果信息;
当所述统计结果信息为所述目标词槽的数量满足所述目标意图所需要的词槽的数量时,将所述目标意图和所述目标词槽作为查询目标进行目标查询处理,并将所述目标查询处理的结果作为所述用户查询语句的查询答案反馈给用户。
第二方面,为了解决上述问题,本发明还提供一种基于多轮对话的人机交互装置,所述装置包括:
意图识别模块,用于对获取的用户查询语句进行意图识别处理,得到所述用户查询语句的目标意图;
记忆词槽匹配模块,用于从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽;
其中,所述记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
目标词槽统计模块,用于统计获取的所述目标词槽的数量,并生成统计结果信息;
查询模块,用于当所述统计结果信息为所述目标词槽的数量满足所述目标意图所需要的词槽的数量时,将所述目标意图和所述目标词槽作为查询目标进行目标查询处理,并将所述目标查询处理的结果作为所述用户查询语句的查询答案反馈给用户。
第三方面,为了解决上述问题,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指令,所述指令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基于多轮对话的人机交互方法的步骤。
第四方面,为了解决上述问题,本发明还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的基于多轮对话的人机交互方法。
本发明提出的基于多轮对话的人机交互方法、装置、电子设备及存储介质,通过根据目标意图,从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽;其中,记忆词槽集包括从前一次人机交互的记录中提取的词槽;每完成一次人机交互后对记忆词槽集进行更新。可有效利用用户历史输入信息,将高频关键信息进行复用,降低了用户反复输入造成的焦虑与烦躁感,提高了用户使用效率。
附图说明
图1为本发明一实施例提供的基于多轮对话的人机交互方法的流程示意图;
图2为本发明一实施例提供的基于多轮对话的人机交互装置的模块示意图;
图3为本发明一实施例提供的实现基于多轮对话的人机交互方法的电子设备的内部结构示意图;
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
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于多轮对话的人机交互方法。参照图1所示,为本发明一实施例提供的基于多轮对话的人机交互方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,基于多轮对话的人机交互方法包括:
步骤S110、对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图。
具体的,用户通过输入窗口输入查询语句,处理器获取用户查询语句,对用户查询语句进行意图识别处理,得到目标意图。其中,用户查询语句可为文字形式的输入也可为语音形式的输入,当为语音形式的输入时,需要先将语音形式的用户查询语句转化为文字形式的用户查询语句。以“北京的天气怎么样?”的用户查询语句为例,经过意图识别处理得到的目标意图为查询天气,即为用户查询的目的。
作为本发明的一个可选实施例,对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图包括:
将用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句;其中,预设意图模板包括意图语句和意图语句所属的意图;
将相似意图语句所属的意图作为用户查询语句的目标意图。
具体的,根据用户常用的意图查询语句的数据创建预设意图模板,预设意图模板中包括各种意图语句,每个意图语句都标注所属的意图;相似的意图语句可属于同个意图,例如:“北京天气怎么样”、“北京的天气如何”、“北京的天气查询”等,虽然文字表述不同,但是句子的实质意思是相似的因此属于相同的意图,都是查天气的意图。因此,将用户查询语句与预设意图模板中的意图语句依次进行相似值计算,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句,将相似意图语句所属的意图作为目标意图。其中,预设相似值是用于从预设意图模板中提取与用户查询语句表达的实质语义相同的意图语句,因此,预设相似值可根据大量相似语句的相似值数据总结后设定。
作为本发明的一个可选实施例,预设意图模板存储于区块链中,将用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句包括:
将用户查询语句和预设意图模板中的意图语句均进行句向量化处理,分别得到以句向量表示的用户查询语句和以句向量表示的意图语句;
对以句向量表示的用户查询语句和以句向量表示的意图语句进行余弦相似值计算处理,得到用户查询语句与意图语句之间的相似值;
在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句。
具体的,在进行两个句子相似值计算时,需要将两个句子转化为以句向量表示的句子,然后通过余弦相似值计算公式对两个句子之间的相似值进行计算。其中,将用户查询语句和预设意图模板中的意图语句均进行句向量化处理,分别以句向量表示的用户查询语句和以句向量表示的意图语句包括:将用户查询语句和预设意图模板中的意图语句均进行分词处理,分别得到用户查询语句词语集和意图语句词语集;将用户查询语句词语集中的词语和意图语句词语集中的词语均进行词语向量化处理,分别得到用户查询语句词向量集和意图语句词向量集;将用户查询语句词向量集和意图语句词向量集均进行句向量化处理,分别得到以句向量表示的用户查询语句和以句向量表示的意图语句。句向量处理是将句子中所有的词语的向量进行加和后平均化,最终得到以句向量表示的语句。
步骤S120、从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽;
其中,记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
具体的,不同类型的目标意图需要的词槽不同,例如,“北京明天的天气怎么样”中目标意图为:查天气,该类型的目标意图需要的词槽种类为时间和地点,因此“北京”为地点种类的词槽,“明天”为时间种类的词槽。在一次人机交互中可经过多伦对话才可完成最终的查询,为了能够利用人机交互的历史记录中的历史词槽,所以将前一次人机交互的记录中的词槽提取出来,形成记忆词槽集,为了不出现记忆词槽集中的记忆词槽出现两个或以上种类的记忆词槽,导致目标意图匹配目标词槽混乱,因此每完成一次人机交互后对记忆词槽集进行更新。
作为本发明的一个可选实施例,在从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽之前,还包括:
通过记忆词槽提取模型从前一次人机交互的记录中进行记忆词槽提取处理,得到记忆词槽集;其中,
记忆词槽提取模型包括用于输入前一次人机交互的记录的输入层、用于对前一次人机交互的记录文本进行分词处理的分词层、用于对分词层得到的文本分词集中的词语进行词槽识别处理的词槽识别层、用于将词槽识别层识别得到的词槽进行提取处理的词槽提取层和用于对词槽提取层得到的记忆词槽集进行输出的输出层。
具体的,通过记忆词槽提取模型便于对前一次人机交互的记录中的词槽进行提取,可通过收集词槽与词槽种类的数据对模型进行训练,得到记忆词槽提取模型。记忆词槽提取模型包括输入层、分词层、词槽识别层、词槽提取层和输出层,对前一次人机交互的记录文本进行分词处理,如果交互的记录为语音则先将语音转化为文本后,再进行分词处理,然后通过词槽识别层将对分词后的词语进行词槽识别,例如,表示时间的词槽可作为时间种类的记忆词槽,然后将记忆词槽逐一提取出来构成记忆词槽集,并标注每个记忆词槽的种类。
作为本发明的一个可选实施例,从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽包括:
根据目标意图,确定目标意图所需要的词槽的种类;
从记忆词槽集中提取与目标意图所需要的词槽的种类相同种类的记忆词槽,作为目标词槽;其中,记忆词槽集包括记忆词槽和记忆词槽的种类。
具体的,例如:前一次人机交互的记录为:用户:“明天北京天气怎样”机器人:天气挺好的。本次人机交互中,用户输入查询语句为“哪里好玩呀”其中,目标意图为:查询旅游地点,该类型的目标意图需要的词槽种类为地点,则根据前一次人机交互的记录中提取到的地点种类的记忆词槽为北京,则选取“北京”作为本次人机交互中目标意图所需要的目标词槽。
步骤S130、统计获取的目标词槽的数量,并生成统计结果信息。
具体的,只有当目标意图所需要的词槽数量全部达到要求时,才可进行达到为用户进行查询的条件,因此,需要对目标词槽的数量进行统计。
作为本发明的一个可选实施例,在统计获取的目标词槽的数量,并生成统计结果信息的过程中,
当目标词槽的数量不足以满足目标意图所需要的词槽的数量时,获取与目标意图仍需要匹配的词槽的种类相匹配的话术模板;其中,话术模板用于引导用户输入目标意图仍需要匹配的词槽;
将从获取的用户对话术模板的回复语句中提取的词槽并入目标词槽中,并生成目标词槽的数量满足目标意图所需要的词槽的数量的统计结果信息。
具体的,当本次人机交互的记忆词槽集为空的时候,或者记忆词槽集中的词槽种类只能为本次人机交互的目标意图提供一部分目标词槽时,需要根据目标意图仍需要匹配的词槽的种类获取相应的话术模板,话术模板用于引导用户输入目标意图仍需要匹配的词槽,例如,用户:北京的天气怎么样?(命中查天气的目标意图),机器人:请问你要查哪一天的?查天气意图需要两个目标词槽,地点种类的词槽和时间种类的词槽;地点种类词槽为已经知道是北京,接下来要问下时间信息,进行词槽澄清,其中,“请问你要查哪一天的?”为根据目标意图仍需要匹配的词槽的种类预设的话术模板,可以语音的形式或文字的形式输出。用户:今天的(完成目标词槽信息匹配,生成完整的查询目标:北京今天的天气怎么样?)机器人:天气晴。
步骤S140、当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户。
具体的,当目标意图所需要的词槽全部匹配后,则形成查询目标,然后进行目标查询处理,以前述的人机交互为例:查询旅游地点的目标意图,则需要的目标词槽的种类为地点种类的词槽。根据从记忆词槽集中提取到的地点种类的词槽为北京,则构成的查询目标为:北京哪里好玩呀。将查询后得到的结果作为用户查询语句的查询答案反馈给用户。
作为本发明的一个可选实施例,在当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户之后,还包括:
根据获取的用户输入的查询结束语句,生成记忆词槽集清空指令;
根据记忆词槽集清空指令,将本次人机交互中的记忆词槽集进行词槽清空处理。
具体的,当将查询到的结果作为用户查询语句的查询答案反馈给用户之后,获取到来自用户的查询结束语句时,则触发生成记忆词槽集清空指令,根据记忆词槽集清空指令,将本次人机交互中的记忆词槽集进行词槽清空处理,则下一次人机交互中使用的记忆词槽集为空的词槽集。户输入的查询结束语句,例如:好的,我知道了,退出当前意图(触发退出意图条件,记忆词槽清空,当用户触发别的意图时,如果需要时间和地点两个词槽,则需要再次进行询问)
如图2所示,是本发明一个实施例的基于多轮对话的人机交互装置的功能模块图。
本发明所述基于多轮对话的人机交互装置200可以安装于电子设备中。根据实现的功能,所述基于多轮对话的人机交互装置可以包括意图识别模块210、记忆词槽匹配模块220、目标词槽统计模块230、查询模块240。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:
意图识别模块210,用于对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图。
具体的,用户通过输入窗口输入查询语句,处理器获取用户查询语句,对用户查询语句进行意图识别处理,得到目标意图。其中,用户查询语句可为文字形式的输入也可为语音形式的输入,当为语音形式的输入时,需要先将语音形式的用户查询语句转化为文字形式的用户查询语句。以“北京的天气怎么样?”的用户查询语句为例,经过意图识别处理得到的目标意图为查询天气,即为用户查询的目的。
作为本发明的一个可选实施例,对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图包括:
将用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句;其中,预设意图模板包括意图语句和意图语句所属的意图;
将相似意图语句所属的意图作为用户查询语句的目标意图。
具体的,根据用户常用的意图查询语句的数据创建预设意图模板,预设意图模板中包括各种意图语句,每个意图语句都标注所属的意图;相似的意图语句可属于同个意图,例如:“北京天气怎么样”、“北京的天气如何”、“北京的天气查询”等,虽然文字表述不同,但是句子的实质意思是相似的因此属于相同的意图,都是查天气的意图。因此,将用户查询语句与预设意图模板中的意图语句依次进行相似值计算,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句,将相似意图语句所属的意图作为目标意图。其中,预设相似值是用于从预设意图模板中提取与用户查询语句表达的实质语义相同的意图语句,因此,预设相似值可根据大量相似语句的相似值数据总结后设定。
作为本发明的一个可选实施例,预设意图模板存储于区块链中,将用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句包括:
将用户查询语句和预设意图模板中的意图语句均进行句向量化处理,分别得到以句向量表示的用户查询语句和以句向量表示的意图语句;
对以句向量表示的用户查询语句和以句向量表示的意图语句进行余弦相似值计算处理,得到用户查询语句与意图语句之间的相似值;
在预设意图模板中,提取与用户查询语句达到预设相似值的意图语句作为相似意图语句。
具体的,在进行两个句子相似值计算时,需要将两个句子转化为以句向量表示的句子,然后通过余弦相似值计算公式对两个句子之间的相似值进行计算。其中,将用户查询语句和预设意图模板中的意图语句均进行句向量化处理,分别以句向量表示的用户查询语句和以句向量表示的意图语句包括:将用户查询语句和预设意图模板中的意图语句均进行分词处理,分别得到用户查询语句词语集和意图语句词语集;将用户查询语句词语集中的词语和意图语句词语集中的词语均进行词语向量化处理,分别得到用户查询语句词向量集和意图语句词向量集;将用户查询语句词向量集和意图语句词向量集均进行句向量化处理,分别得到以句向量表示的用户查询语句和以句向量表示的意图语句。句向量处理是将句子中所有的词语的向量进行加和后平均化,最终得到以句向量表示的语句。
记忆词槽匹配模块220,用于从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽;
其中,记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
具体的,不同类型的目标意图需要的词槽不同,例如,“北京明天的天气怎么样”中目标意图为:查天气,该类型的目标意图需要的词槽种类为时间和地点,因此“北京”为地点种类的词槽,“明天”为时间种类的词槽。在一次人机交互中可经过多伦对话才可完成最终的查询,为了能够利用人机交互的历史记录中的历史词槽,所以将前一次人机交互的记录中的词槽提取出来,形成记忆词槽集,为了不出现记忆词槽集中的记忆词槽出现两个或以上种类的记忆词槽,导致目标意图匹配目标词槽混乱,因此每完成一次人机交互后对记忆词槽集进行更新。
作为本发明的一个可选实施例,在从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽之前,还包括:
通过记忆词槽提取模型从前一次人机交互的记录中进行记忆词槽提取处理,得到记忆词槽集;其中,
记忆词槽提取模型包括用于输入前一次人机交互的记录的输入层、用于对前一次人机交互的记录文本进行分词处理的分词层、用于对分词层得到的文本分词集中的词语进行词槽识别处理的词槽识别层、用于将词槽识别层识别得到的词槽进行提取处理的词槽提取层和用于对词槽提取层得到的记忆词槽集进行输出的输出层。
具体的,通过记忆词槽提取模型便于对前一次人机交互的记录中的词槽进行提取,可通过收集词槽与词槽种类的数据对模型进行训练,得到记忆词槽提取模型。记忆词槽提取模型包括输入层、分词层、词槽识别层、词槽提取层和输出层,对前一次人机交互的记录文本进行分词处理,如果交互的记录为语音则先将语音转化为文本后,再进行分词处理,然后通过词槽识别层将对分词后的词语进行词槽识别,例如,表示时间的词槽可作为时间种类的记忆词槽,然后将记忆词槽逐一提取出来构成记忆词槽集,并标注每个记忆词槽的种类。
作为本发明的一个可选实施例,从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽包括:
根据目标意图,确定目标意图所需要的词槽的种类;
从记忆词槽集中提取与目标意图所需要的词槽的种类相同种类的记忆词槽,作为目标词槽;其中,记忆词槽集包括记忆词槽和记忆词槽的种类。
具体的,例如:前一次人机交互的记录为:用户:“明天北京天气怎样”机器人:天气挺好的。本次人机交互中,用户输入查询语句为“哪里好玩呀”其中,目标意图为:查询旅游地点,该类型的目标意图需要的词槽种类为地点,则根据前一次人机交互的记录中提取到的地点种类的记忆词槽为北京,则选取“北京”作为本次人机交互中目标意图所需要的目标词槽。
目标词槽统计模块230,用于统计获取的目标词槽的数量,并生成统计结果信息。
具体的,只有当目标意图所需要的词槽数量全部达到要求时,才可进行达到为用户进行查询的条件,因此,需要对目标词槽的数量进行统计。
作为本发明的一个可选实施例,在统计获取的目标词槽的数量,并生成统计结果信息的过程中,
当目标词槽的数量不足以满足目标意图所需要的词槽的数量时,获取与目标意图仍需要匹配的词槽的种类相匹配的话术模板;其中,话术模板用于引导用户输入目标意图仍需要匹配的词槽;
将从获取的用户对话术模板的回复语句中提取的词槽并入目标词槽中,并生成目标词槽的数量满足目标意图所需要的词槽的数量的统计结果信息。
具体的,当本次人机交互的记忆词槽集为空的时候,或者记忆词槽集中的词槽种类只能为本次人机交互的目标意图提供一部分目标词槽时,需要根据目标意图仍需要匹配的词槽的种类获取相应的话术模板,话术模板用于引导用户输入目标意图仍需要匹配的词槽,例如,用户:北京的天气怎么样?(命中查天气的目标意图),机器人:请问你要查哪一天的?查天气意图需要两个目标词槽,地点种类的词槽和时间种类的词槽;地点种类词槽为已经知道是北京,接下来要问下时间信息,进行词槽澄清,其中,“请问你要查哪一天的?”为根据目标意图仍需要匹配的词槽的种类预设的话术模板,可以语音的形式或文字的形式输出。用户:今天的(完成目标词槽信息匹配,生成完整的查询目标:北京今天的天气怎么样?)机器人:天气晴。
查询模块240,用于当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户。
具体的,当目标意图所需要的词槽全部匹配后,则形成查询目标,然后进行目标查询处理,以前述的人机交互为例:查询旅游地点的目标意图,则需要的目标词槽的种类为地点种类的词槽。根据从记忆词槽集中提取到的地点种类的词槽为北京,则构成的查询目标为:北京哪里好玩呀。将查询后得到的结果作为用户查询语句的查询答案反馈给用户。
作为本发明的一个可选实施例,在当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户之后,还包括:
根据获取的用户输入的查询结束语句,生成记忆词槽集清空指令;
根据记忆词槽集清空指令,将本次人机交互中的记忆词槽集进行词槽清空处理。
具体的,当将查询到的结果作为用户查询语句的查询答案反馈给用户之后,获取到来自用户的查询结束语句时,则触发生成记忆词槽集清空指令,根据记忆词槽集清空指令,将本次人机交互中的记忆词槽集进行词槽清空处理,则下一次人机交互中使用的记忆词槽集为空的词槽集。户输入的查询结束语句,例如:好的,我知道了,退出当前意图(触发退出意图条件,记忆词槽清空,当用户触发别的意图时,如果需要时间和地点两个词槽,则需要再次进行询问)
如图3所示,是本发明一个实施例实现基于多轮对话的人机交互方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于多轮对话的人机交互程序12。
其中,所述存储器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、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。所述存储器11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。所述存储器11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(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11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。所述存储器11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,例如基于多轮对话的人机交互程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10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。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于多轮对话的人机交互程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述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。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,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。
例如,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10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。
所述电子设备1中的所述存储器11存储的基于多轮对话的人机交互程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
对获取的用户查询语句进行意图识别处理,得到用户查询语句的目标意图;
从记忆词槽集中提取与目标意图相匹配的记忆词槽,作为目标词槽;
其中,记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对记忆词槽集进行更新;
统计获取的目标词槽的数量,并生成统计结果信息;
当统计结果信息为目标词槽的数量满足目标意图所需要的词槽的数量时,将目标意图和目标词槽作为查询目标进行目标查询处理,并将目标查询处理的结果作为用户查询语句的查询答案反馈给用户。
具体地,所述处理器10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。需要强调的是,为进一步保证上述所述预设意图模板的私密和安全性,上述预设意图模板还可以存储于一区块链的节点中。
进一步地,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。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)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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。
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。
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。系统权利要求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 (10)
1.一种基于多轮对话的人机交互方法,应用于电子装置,其特征在于,所述方法包括:
对获取的用户查询语句进行意图识别处理,得到所述用户查询语句的目标意图;
从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽;
其中,所述记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
统计获取的所述目标词槽的数量,并生成统计结果信息;
当所述统计结果信息为所述目标词槽的数量满足所述目标意图所需要的词槽的数量时,将所述目标意图和所述目标词槽作为查询目标进行目标查询处理,并将所述目标查询处理的结果作为所述用户查询语句的查询答案反馈给用户。
2.根据权利要求1所述的基于多轮对话的人机交互方法,其特征在于,所述对获取的用户查询语句进行意图识别处理,得到所述用户查询语句的目标意图包括:
将所述用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在所述预设意图模板中,提取与所述用户查询语句达到预设相似值的意图语句作为相似意图语句;其中,所述预设意图模板包括意图语句和所述意图语句所属的意图;
将所述相似意图语句所属的意图作为所述用户查询语句的目标意图。
3.根据权利要求2所述的基于多轮对话的人机交互方法,其特征在于,所述预设意图模板存储于区块链中,所述将所述用户查询语句与预设意图模板中的意图语句进行相似值计算处理,在所述预设意图模板中,提取与所述用户查询语句达到预设相似值的意图语句作为相似意图语句包括:
将所述用户查询语句和所述预设意图模板中的意图语句均进行句向量化处理,分别得到以句向量表示的用户查询语句和以句向量表示的意图语句;
对所述以句向量表示的用户查询语句和所述以句向量表示的意图语句进行余弦相似值计算处理,得到所述用户查询语句与所述意图语句之间的相似值;
在所述预设意图模板中,提取与所述用户查询语句达到预设相似值的意图语句作为相似意图语句。
4.根据权利要求1所述的基于多轮对话的人机交互方法,其特征在于,在所述从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽之前,还包括:
通过记忆词槽提取模型从所述前一次人机交互的记录中进行记忆词槽提取处理,得到记忆词槽集;其中,
所述记忆词槽提取模型包括用于输入所述前一次人机交互的记录的输入层、用于对所述前一次人机交互的记录文本进行分词处理的分词层、用于对所述分词层得到的文本分词集中的词语进行词槽识别处理的词槽识别层、用于将所述词槽识别层识别得到的词槽进行提取处理的词槽提取层和用于对所述词槽提取层得到的记忆词槽集进行输出的输出层。
5.根据权利要求1所述的基于多轮对话的人机交互方法,其特征在于,所述从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽包括:
根据所述目标意图,确定所述目标意图所需要的词槽的种类;
从所述记忆词槽集中提取与所述目标意图所需要的词槽的种类相同种类的记忆词槽,作为目标词槽;其中,所述记忆词槽集包括记忆词槽和所述记忆词槽的种类。
6.根据权利要求1所述的基于多轮对话的人机交互方法,其特征在于,在统计获取的所述目标词槽的数量,并生成统计结果信息的过程中,
当所述目标词槽的数量不足以满足所述目标意图所需要的词槽的数量时,获取与所述目标意图仍需要匹配的词槽的种类相匹配的话术模板;其中,所述话术模板用于引导用户输入所述目标意图仍需要匹配的词槽;
将从获取的用户对所述话术模板的回复语句中提取的词槽并入所述目标词槽中,并生成所述目标词槽的数量满足所述目标意图所需要的词槽的数量的统计结果信息。
7.根据权利要求1所述的基于多轮对话的人机交互方法,其特征在于,在所述当所述统计结果信息为所述目标词槽的数量满足所述目标意图所需要的词槽的数量时,将所述目标意图和所述目标词槽作为查询目标进行目标查询处理,并将所述目标查询处理的结果作为所述用户查询语句的查询答案反馈给用户之后,还包括:
根据获取的用户输入的查询结束语句,生成记忆词槽集清空指令;
根据所述记忆词槽集清空指令,将本次人机交互中的记忆词槽集进行词槽清空处理。
8.一种基于多轮对话的人机交互装置,其特征在于,所述装置包括:
意图识别模块,用于对获取的用户查询语句进行意图识别处理,得到所述用户查询语句的目标意图;
记忆词槽匹配模块,用于从记忆词槽集中提取与所述目标意图相匹配的记忆词槽,作为目标词槽;
其中,所述记忆词槽集包括从前一次人机交互的记录中提取的词槽;一次人机交互指根据用户查询语句为用户提供一次查询答案的交互动作;每完成一次人机交互后对所述记忆词槽集进行更新;
目标词槽统计模块,用于统计获取的所述目标词槽的数量;
查询模块,用于当所述统计结果信息为所述目标词槽的数量满足所述目标意图所需要的词槽的数量时,将所述目标意图和所述目标词槽作为查询目标进行目标查询处理,并将所述目标查询处理的结果作为所述用户查询语句的查询答案反馈给用户。
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指令,所述指令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中任一所述的基于多轮对话的人机交互方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的基于多轮对话的人机交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545372.2A CN113190668A (zh) | 2021-05-19 | 2021-05-19 | 基于多轮对话的人机交互方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545372.2A CN113190668A (zh) | 2021-05-19 | 2021-05-19 | 基于多轮对话的人机交互方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113190668A true CN113190668A (zh) | 2021-07-30 |
Family
ID=76982479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110545372.2A Pending CN113190668A (zh) | 2021-05-19 | 2021-05-19 | 基于多轮对话的人机交互方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725185A (zh) * | 2024-02-06 | 2024-03-19 | 河北神玥软件科技股份有限公司 | 智能对话生成方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657232A (zh) * | 2018-11-16 | 2019-04-19 | 北京九狐时代智能科技有限公司 | 一种意图识别方法 |
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
CN110059155A (zh) * | 2018-12-18 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 文本相似度的计算、智能客服系统的实现方法和装置 |
WO2021003819A1 (zh) * | 2019-07-05 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于知识图谱的人机对话方法及人机对话装置 |
CN112463949A (zh) * | 2020-12-01 | 2021-03-09 | 贝壳技术有限公司 | 数据召回方法与系统、交互方法及交互系统 |
-
2021
- 2021-05-19 CN CN202110545372.2A patent/CN113190668A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657232A (zh) * | 2018-11-16 | 2019-04-19 | 北京九狐时代智能科技有限公司 | 一种意图识别方法 |
CN110059155A (zh) * | 2018-12-18 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 文本相似度的计算、智能客服系统的实现方法和装置 |
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
WO2021003819A1 (zh) * | 2019-07-05 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于知识图谱的人机对话方法及人机对话装置 |
CN112463949A (zh) * | 2020-12-01 | 2021-03-09 | 贝壳技术有限公司 | 数据召回方法与系统、交互方法及交互系统 |
Non-Patent Citations (1)
Title |
---|
于江德: "《汉语自动分词的关键问题与技术研究》", 31 December 2020, 北京:科学技术文献出版社, pages: 234 - 235 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725185A (zh) * | 2024-02-06 | 2024-03-19 | 河北神玥软件科技股份有限公司 | 智能对话生成方法及系统 |
CN117725185B (zh) * | 2024-02-06 | 2024-05-07 | 河北神玥软件科技股份有限公司 | 智能对话生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112667800A (zh) | 关键词生成方法、装置、电子设备及计算机存储介质 | |
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN112183101A (zh) | 文本意图识别方法、装置、电子设备及存储介质 | |
CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
CN112447189A (zh) | 语音事件检测方法、装置、电子设备及计算机存储介质 | |
CN112560453A (zh) | 语音信息校验方法、装置、电子设备及介质 | |
CN111581623B (zh) | 智能数据交互方法、装置、电子设备及存储介质 | |
CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN113821622B (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN112559687A (zh) | 问题识别及查询方法、装置、电子设备及存储介质 | |
CN113111162A (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
CN114387061A (zh) | 产品推送方法、装置、电子设备及可读存储介质 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
CN114780701A (zh) | 自动问答匹配方法、装置、计算机设备及存储介质 | |
CN113190668A (zh) | 基于多轮对话的人机交互方法、装置、设备及存储介质 | |
WO2023272862A1 (zh) | 基于网络行为数据的风控识别方法、装置、电子设备及介质 | |
CN111538768A (zh) | 基于n元模型的数据查询方法、装置、电子设备及介质 | |
CN114548114B (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
CN115510219A (zh) | 话术推荐方法、装置、电子设备及存储介质 | |
CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN113704430A (zh) | 智能辅助催收方法、装置、电子设备及存储介质 | |
CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
CN113515591A (zh) | 文本不良信息识别方法、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 |