CN113297362A - 机器人问答方法、装置、计算机设备及存储介质 - Google Patents
机器人问答方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113297362A CN113297362A CN202110586711.1A CN202110586711A CN113297362A CN 113297362 A CN113297362 A CN 113297362A CN 202110586711 A CN202110586711 A CN 202110586711A CN 113297362 A CN113297362 A CN 113297362A
- Authority
- CN
- China
- Prior art keywords
- reply
- conversation
- dialog
- time
- acquiring
- 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 60
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及智能机器人对话领域，揭示了一种机器人问答方法、装置、计算机设备及存储介质，其中方法包括：获取待回复的对话；识别所述对话，获取所述对话的第一字数以及包含的词汇数；根据所述词汇数确定所述对话的语义分析系数；识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；获取预设的打字速度，根据第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间；在所述回复时间后，输出所述回复语句以回复所述对话。本申请能够合理地配置机器人回复对话的时间，合理地分配机器人处理对话的资源，使得机器人的回复更加拟人化。
Description
技术领域
本申请涉及到智能机器人对话领域，特别是涉及到一种机器人问答方法、装置、计算机设备及存储介质。
背景技术
目前的很多机器人的问答，都是根据关键词进行快速搜索，然后匹配出答案，再在第一时间内将答案输出，缺乏了一个拟人化的思考过程，让对话的人类认为猝不及防地得到一个的“脱口而出”的回答，影响了用户体验，并且，短时间内的快速匹配答案消耗的瞬间资源会大大提升，需要在短时间内快速地使用大量的计算资源，无法合理地分配资源。
发明内容
本申请的主要目的为提供一种机器人问答方法、装置、计算机设备及存储介质，旨在解决目前的机器人对话无法拟人化，资源分配不合理的问题。
为了实现上述发明目的，本申请提出一种机器人问答方法，包括：
获取待回复的对话；
识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
根据所述词汇数确定所述对话的语义分析系数；
识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；
获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
在所述回复时间后，输出所述回复语句以回复所述对话。
进一步地，所述获取待回复的对话，包括：
获取待回复的第一对话；
判断在预设时间内，是否存在待回复的第二对话；
若无，确认所述第一对话为待回复的对话；
若有，根据所述第一对话与第二对话生成目标对话，并将所述目标对话作为待回复的对话。
进一步地，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
将所述回复时间减去所述预设时间，得到目标回复时间；
在所述目标回复时间后，输出所述回复语句以回复所述对话。
进一步地，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
判断所述回复时间是否超出回复时限；
所述在所述回复时间后，输出所述回复语句以回复所述对话，包括：
若判断所述回复时间超出回复时限，在所述回复时限后，输出所述回复语句以回复所述对话。
进一步地，所述判断所述回复时间是否超出回复时限之前，还包括：
获取所述对话的场景类型；
根据所述对话的场景类型匹配回复时限。
进一步地，所述在所述回复时间后，输出所述回复语句以回复所述对话之前，还包括：
获取回复对话时的提示信息；
在所述回复时间内，将所述提示信息发送至用户，以将所述提示信息显示在用户与机器人的对话框中。
进一步地，所述根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间，包括：
基于机器学习模型获取所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度与所述回复时间之间的匹配关系；
根据所述匹配关系确定所述回复时间。
本申请还提供一种机器人问答装置，包括：
数据获取模块：用于获取待回复的对话；
字数识别模块：用于识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
分析系数模块：用于根据所述词汇数确定所述对话的语义分析系数；
对话匹配模块：用于识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；
回复时间模块：用于获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
对话回复模块：用于在所述回复时间后，输出所述回复语句以回复所述对话。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述机器人问答方法的步骤。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述机器人问答方法的步骤。
本申请例提供了一种机器人的拟人化问答方法，首先获取待回复的对话，识别所述对话，确定所述对话的含义以及理解的难度，获取所述对话的第一字数以及包含的词汇数，其中，所述第一字数为所述对话的总字数，再根据所述词汇数确定所述对话的语义分析系数；然后识别所述对话的语义，再基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数，考虑到人打字速度有一定的限制，还获取预设的打字速度，然后根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间，即计算如果是人为进行对话回复时，打字打出所述回复语句所需要的时间，然后在所述回复时间后，输出所述回复语句以回复所述对话，从而合理地配置机器人回复对话的时间，使得机器人的对话回答更加拟人化，并且合理地分配机器人处理对话的资源，适当降低机器人输出所述对话所占用的单位时间资源，避免机器人同一时间处理大量的对话信息而造成资源的拥挤占用。
附图说明
图1为本申请机器人问答方法的一实施例流程示意图；
图2为本申请机器人问答方法的另一实施例流程示意图；
图3为本申请机器人问答装置的一实施例结构示意图；
图4为本申请计算机设备的一实施例结构示意框图。
本申请目的的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例提供一种机器人问答方法，包括步骤S10-S40，对于所述机器人问答方法的各个步骤的详细阐述如下。
S10、获取待回复的对话。
本实施例中应用于机器人对话、问答场景，随着数字化的不断发展，智能对话机器人在医疗问答、销售在线客服、电话呼叫中心、儿童益智玩具等领域都有广泛应用，当用户通过语音或者文字向机器人发送对话内容时，机器人需要针对该对话内容进行回复，对话机器人针对所述对话内容的回复定义为机器人问答。在机器人进行对话问答时，首先获取待回复的对话，在一种实施方式中，用户通过对话框与机器人进行对话，此时通过获取对话框中用户输入的信息，从而获取待回复的对话；在另一种实施方式中，用户通过语音与机器人进行对话，此时通过麦克风拾取用户的语音数据，从而获取待回复的对话。所述获取待回复的对话的方式还可以包括其他方式，本实施例不作特殊限定。
S20、识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
S30、根据所述词汇数确定所述对话的语义分析系数。本实施例中，在获取了待回复的对话后，需要识别对话的含义以及确定该对话的理解难度，不同的待回复的对话包含有不同的字数，以及不同的理解难度，对所述待回复的对话需要不同长短时间的理解。本实施例中，通过识别所述对话，获取所述对话包含的字数，即识别出对话中包含的所有文字信息的个数，本实施例将待回复的对话包含的字数定义为第一字数。进一步的，在识别所述对话的同时，获取所述对话包含的词汇数，即识别出对话中包含了多少个需要理解的词语，当对话中包含的词语越多时，对话的语义更复杂，本实施例以语义分析系数确定对话语义的复杂程度，根据所述词汇数确定所述对话的语义分析系数，所述词汇数包括通用词语的个数以及专业领域词语的个数，当包含的专业领域词语的个数越多时，所述对话的语义越复杂，对应的语义分析系数越高。
S40、识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数。
本实施例中，识别所述对话，不仅得到所述对话的第一字数及包含的词汇数，还包括识别所述对话的语义，即得到识别所述对话的语义结果，在得到识别所述对话的语义后还要根据所述对话的语义确定所述对话的回答，即基于识别出的所述对话的语义获取所述对话的回复语句，具体的，可以通过识别所述对话得到对话中的关键词，然后根据所述关键词在答案数据库中进行搜索匹配，确定所述对话的回复语句。并且，为了使得机器人的回答更加拟人化，本实施例在获取所述对话的回复语句后，确定所述回复语句包含的字数，将所述回复语句包含的字数定义为第二字数。
S50、获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
S60、在所述回复时间后，输出所述回复语句以回复所述对话。
本实施例中，在得到第一字数、语义分析系数、第二字数后，考虑到人打字速度有一定的限制，为了使得机器人的回答更加拟人化，获取预设的打字速度，例如获取的预设的打字速度为一分钟30-40个字，然后根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间，即计算如果是人为进行对话回复时，打字打出所述回复语句所需要的时间。具体的，所述根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间是基于收集的大量第一字数、语义分析系数、第二字数以及恢复时间等数据，再获取预设的打字速度，然后基于机器学习确定“第一字数、语义分析系数、第二字数以及预设的打字速度”与“回复时间”的匹配关系，然后在每次机器人进行对话问答时，通过获取第一字数、语义分析系数、第二字数以及预设的打字速度，然后计算出回复时间，并且在所述回复时间后，输出所述回复语句以回复所述对话，从而合理地配置机器人回复对话的时间，提升机器人对话回复的合理性。
本实施例提供了一种机器人的拟人化问答方法，首先获取待回复的对话，识别所述对话，确定所述对话的含义以及理解的难度，获取所述对话的第一字数以及包含的词汇数，根据所述词汇数确定所述对话的语义分析系数，然后再基于识别所述对话的结果获取所述对话的回复语句，并确定所述回复语句的第二字数，考虑到人打字速度有一定的限制，还获取预设的打字速度，然后根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间，即计算如果是人为进行对话回复时，打字打出所述回复语句所需要的时间，然后在所述回复时间后，输出所述回复语句以回复所述对话，从而合理地配置机器人回复对话的时间，合理地分配机器人处理对话的资源，适当降低机器人输出所述对话所占用的单位时间资源，避免机器人同一时间处理大量的对话信息而造成资源的拥挤占用。
参照图2，在一个实施例中，所述步骤S10获取待回复的对话，包括：
S11：获取待回复的第一对话；
S12：判断在预设时间内，是否存在待回复的第二对话；
S121：若无，确认所述第一对话为待回复的对话；
S122：若有，根据所述第一对话与第二对话生成目标对话，并将所述目标对话作为待回复的对话。
本实施例中，在获取待回复的对话时，考虑到用户可能需要发送几句对话进行问题的描述，将第一次发送的内容信息定义为第一对话，然后获取待回复的第一对话，并且判断在预设时间内，是否存在待回复的第二对话，所述第二对话为第一对话后的内容信息，即判断在预设时间内用户是否还有问题的描述，若没有，则确认所述第一对话为待回复的对话，后续针对所述第一对话执行识别所述第一对话，根据所述第一对话进行回答。而若在预设时间内存在待回复的第二对话，即在预设时间内用户有补充的内容信息，此时根据所述第一对话与第二对话生成目标对话，即将所述第一对话与第二对话进行结合作为目标对话，并将所述目标对话作为待回复的对话，后续针对所述目标对话(即第一对话与第二对话的结合)执行识别所述目标对话，根据所述目标对话进行回答。从而结合短时间内的多句对话进行回答，多句对话的结合能够更加清楚对话的上下文的含义，更符合实际的使用场景，提高对话问答的合理性，正确性。
在一个实施例中，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
将所述回复时间减去所述预设时间，得到目标回复时间；
在所述目标回复时间后，输出所述回复语句以回复所述对话。
本实施例中，在上述实施例中，判断在预设时间内是否存在有第二对话，无论是否存在第二对话，均已经耗费了所述预设时间，当后续获取预设的打字速度，根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间之后，将所述回复时间减去所述预设时间，得到目标回复时间，从而减去等待是否存在第二对话的所述预设时间，避免回复时间过长而导致问答对话的效率下降，从而提高问答对话的效率。
在一个实施例中，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
判断所述回复时间是否超出回复时限；
所述在所述回复时间后，输出所述回复语句以回复所述对话，包括：
若判断所述回复时间超出回复时限，在所述回复时限后，输出所述回复语句以回复所述对话。
本实施例中，考虑到人与人进行对话时，一种情况是双方都一直等待在对话框之中，立马看到对方发的信息，立马回复；也有一种状况是在不同的聊天中切换或者是在不同的应用程序中切换，导致信息回复较慢。基于这两种不同的情况，本实施例默认机器人是随时守候在对话框前跟人类进行对话的，因此设定了对话的最长回复间隔，即回复时限，在获取预设的打字速度，根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间之后，判断所述回复时间是否超出回复时限，若判断所述回复时间超出回复时限，在所述回复时限后，输出所述回复语句以回复所述对话，通过设定回复时限，无论当回复语句包含的字数多少或者是回复时间多长，机器人也不能超过回复时限对对话进行回复，均会在回复时限完成对话的输入，避免对话效率降低。
在一个实施例中，所述判断所述回复时间是否超出回复时限之前，还包括：
获取所述对话的场景类型；
根据所述对话的场景类型匹配回复时限。
本实施例中，不同场景下，机器人回复对话的时限是不同的，，在判断所述回复时间是否超出回复时限之前，获取所述对话的场景类型，根据所述对话的场景类型匹配回复时限，机器人的对话问答场景包括任务型机器人、问答型机器人和闲聊型机器人，任务型机器人主要是帮助人们完成一个任务，比如实现航旅预定，问答型机器人可以解决人们的疑问，而闲聊机器人很多时候完成的是人们情感型的需求，不同类型的机器人应用与不同的场景，不同场景下，机器人的回复时限配置不同，当在医疗问答场景下，机器人的回复时限为S1，在电话呼叫问答场景下，机器人的回复时限是S2，通过设置不同场景类型的回复时限，能够满足该场景下的对话问答回复时限要求，提高不同场景下的对话问答满意度。
在一个实施例中，所述在所述回复时间后，输出所述回复语句以回复所述对话之前，还包括：
获取回复对话时的提示信息；
在所述回复时间内，将所述提示信息发送至用户，以将所述提示信息显示在用户与机器人的对话框中。
本实施例中，在输出所述回复语句以回复所述对话之前，获取回复对话的提示信息，所述提示信息表示机器人正在思考或正在输入的提示信息，然后在所述回复时间内，将所述提示信息发送至用户，以将所述提示信息显示在用户与机器人的对话框中，通过所述提示信息能够模拟人类在回复时的操作，提示用户机器人正在进行回复语句的输入。本实施例的应用场景是对话框中的对话，当用户输入待回复的语句后，在到达所述回复时间之前，在对话框中显示所述提示信息，例如所述提示信息为“XXX正在输入”或“XXX正在快速寻找答案”，所述提示信息显示在用户的对话框中，以告知用户此时机器人正在进行对话的输入，避免用户以为对话无响应而关闭对话框，提高对话问答的有效性。
在一个实施例中，所述根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间，包括：
基于机器学习模型获取所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度与所述回复时间之间的匹配关系；
根据所述匹配关系确定所述回复时间。
本实施例中，所述回复时间是通过机器学习模型而确定，机器学习模型通过训练得到第一字数、语义分析系数、第二字数以及预设的打字速度对回复时间的影响，从而基于机器学习模型获取所述第一字数、语义分析系数、第二字数以及预设的打字速度与回复时间的匹配关系，根据所述匹配关系确定所述回复时间。
所述机器学习模型通过如下方式训练得到所述第一字数、语义分析系数、第二字数以及预设的打字速度与回复时间的匹配关系，首先采集两人对话的数据，所述两人对话的数据包含每一句对话的时间，采集大量的两人对话的数据，然后把对话语句分成对话人A和对话人B的，统计两人相邻的两句对话的时间差，得到每两句对话的时间间隔T1，T2，……Tn，将两人相邻的两句对话与所述对话间隔建立关联，记录Tn对应的对话人A的对话，以及Tn对应的对话人B的对话，再识别所述两人相邻的两句对话的第一字数、第二字数，所述第一字数为Tn对应的对话人A的对话字数An以及Tn对应的对话人B的对话字数Bn，包括记录T1对应上段A对话，计算其字数A1，以及对应的下段B对话的字数B1；同理，记录T2对应的上段对话B1字数，以及A2字数，依次类推。另外还需要确定对话中的词汇数，根据所述词汇数确定对话的语义分析系数Cn。获取预设的打字速度参数Dn，一般人打字速度一分钟30-40个字。将对话间隔时间Tn作为输出，An、Bn、Cn、Dn作为输入，采用机器学习算法用训练集进行训练，确定An，Bn，Cn，Dn分别对所述Tn的影响系数，从而输出(An，Bn，Cn，Dn)与Tn的匹配关系。
参照图3，本申请还提供一种机器人问答装置，包括：
数据获取模块10：用于获取待回复的对话；
字数识别模块20：用于识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
分析系数模块30：用于根据所述词汇数确定所述对话的语义分析系数；
对话匹配模块40：用于识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；
回复时间模块50：用于获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
对话回复模块60：用于在所述回复时间后，输出所述回复语句以回复所述对话。
如上所述，可以理解地，本申请中提出的所述机器人问答装置的各组成部分可以实现如上所述机器人问答方法任一项的功能。
在一个实施例中，所述数据获取模块10还包括执行：
获取待回复的第一对话；
判断在预设时间内，是否存在待回复的第二对话；
若无，确认所述第一对话为目标对话；
若有，根据所述第一对话与第二对话生成目标对话。
在一个实施例中，所述回复时间模块50还包括执行：
将所述回复时间减去所述预设时间，得到目标回复时间；
所述对话回复模块60还包括执行：
在所述目标回复时间后，输出所述回复语句以回复所述对话。
在一个实施例中，所述回复时间模块50还包括执行：
判断所述回复时间是否超出回复时限；
若判断所述回复时间超出回复时限，在所述回复时限后，输出所述回复语句以回复所述对话。
在一个实施例中，所述回复时间模块50还包括执行：
获取所述对话的场景类型；
根据所述对话的场景类型匹配回复时限。
在一个实施例中，所述对话回复模块60还包括执行：
获取回复对话的提示信息；
在所述回复时间内，将所述提示信息发送至用户，以将所述提示信息显示在用户与机器人的对话框中。
在一个实施例中，所述回复时间模块50还包括执行：
基于机器学习模型获取所述第一字数、语义分析系数、第二字数以及预设的打字速度与回复时间的匹配关系；
根据所述匹配关系确定所述回复时间。
参照图4，本申请实施例中还提供一种计算机设备，该计算机设备可以是移动终端，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和显示装置及输入装置。其中，该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的输入装置用于接收用户的输入。该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质。该存储介质存储有操作系统、计算机程序和数据库。该计算机设备的数据库用于存放数据。该计算机程序被处理器执行时以实现一种机器人问答方法。
上述处理器执行上述的机器人问答方法，包括：获取待回复的对话；识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；根据所述词汇数确定所述对话的语义分析系数；识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；在所述回复时间后，输出所述回复语句以回复所述对话。所述计算机设备提供了一种机器人的拟人化问答方法，首先获取待回复的对话，识别所述对话，确定所述对话的含义以及理解的难度，获取所述对话的第一字数以及包含的词汇数，根据所述词汇数确定所述对话的语义分析系数，然后再基于识别所述对话的结果获取所述对话的回复语句，并确定所述回复语句的第二字数，考虑到人打字速度有一定的限制，还获取预设的打字速度，然后根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间，即计算如果是人为进行对话回复时，打字打出所述回复语句所需要的时间，然后在所述回复时间后，输出所述回复语句以回复所述对话，从而合理地配置机器人回复对话的时间，使得机器人的对话回答更加拟人化，并且合理地分配机器人处理对话的资源，适当降低机器人输出所述对话所占用的单位时间资源，避免机器人同一时间处理大量的对话信息而造成资源的拥挤占用。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被所述处理器执行时实现一种机器人问答方法，包括步骤：获取待回复的对话；识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；根据所述词汇数确定所述对话的语义分析系数；识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；在所述回复时间后，输出所述回复语句以回复所述对话。
所述计算机可读存储介质提供了一种机器人的拟人化问答方法，首先获取待回复的对话，识别所述对话，确定所述对话的含义以及理解的难度，获取所述对话的第一字数以及包含的词汇数，根据所述词汇数确定所述对话的语义分析系数，然后再基于识别所述对话的结果获取所述对话的回复语句，并确定所述回复语句的第二字数，考虑到人打字速度有一定的限制，还获取预设的打字速度，然后根据所述第一字数、语义分析系数、第二字数以及预设的打字速度计算所述回复语句的回复时间，即计算如果是人为进行对话回复时，打字打出所述回复语句所需要的时间，然后在所述回复时间后，输出所述回复语句以回复所述对话，从而合理地配置机器人回复对话的时间，使得机器人的对话回答更加拟人化，并且合理地分配机器人处理对话的资源，适当降低机器人输出所述对话所占用的单位时间资源，避免机器人同一时间处理大量的对话信息而造成资源的拥挤占用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。
非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，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。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围。
凡是利用本申请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，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种机器人问答方法，其特征在于，包括：
获取待回复的对话；
识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
根据所述词汇数确定所述对话的语义分析系数；
识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；
获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
在所述回复时间后，输出所述回复语句以回复所述对话。
2.根据权利要求1所述的机器人问答方法，其特征在于，所述获取待回复的对话，包括：
获取待回复的第一对话；
判断在预设时间内，是否存在待回复的第二对话；
若无，确认所述第一对话为待回复的对话；
若有，根据所述第一对话与第二对话生成目标对话，并将所述目标对话作为待回复的对话。
3.根据权利要求2所述的机器人问答方法，其特征在于，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
将所述回复时间减去所述预设时间，得到目标回复时间；
在所述目标回复时间后，输出所述回复语句以回复所述对话。
4.根据权利要求1所述的机器人问答方法，其特征在于，所述获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间之后，还包括：
判断所述回复时间是否超出回复时限；
所述在所述回复时间后，输出所述回复语句以回复所述对话，包括：
若判断所述回复时间超出回复时限，在所述回复时限后，输出所述回复语句以回复所述对话。
5.根据权利要求4所述的机器人问答方法，其特征在于，所述判断所述回复时间是否超出回复时限之前，还包括：
获取所述对话的场景类型；
根据所述对话的场景类型匹配回复时限。
6.根据权利要求1所述的机器人问答方法，其特征在于，所述在所述回复时间后，输出所述回复语句以回复所述对话之前，还包括：
获取回复对话时的提示信息；
在所述回复时间内，将所述提示信息发送至用户，以将所述提示信息显示在用户与机器人的对话框中。
7.根据权利要求1所述的机器人问答方法，其特征在于，所述根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间，包括：
基于机器学习模型获取所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度与所述回复时间之间的匹配关系；
根据所述匹配关系确定所述回复时间。
8.一种机器人问答装置，其特征在于，包括：
数据获取模块：用于获取待回复的对话；
字数识别模块：用于识别所述对话，获取所述对话的第一字数以及包含的词汇数；其中，所述第一字数为所述对话的总字数；
分析系数模块：用于根据所述词汇数确定所述对话的语义分析系数；
对话匹配模块：用于识别所述对话的语义，基于识别出的所述对话的语义获取所述对话的回复语句，并确定所述回复语句的第二字数；其中，所述第二字数为所述回复语句的总字数；
回复时间模块：用于获取预设的打字速度，根据所述第一字数、所述语义分析系数、所述第二字数以及所述预设的打字速度计算所述回复语句的回复时间；
对话回复模块：用于在所述回复时间后，输出所述回复语句以回复所述对话。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述机器人问答方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述机器人问答方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586711.1A CN113297362A (zh) | 2021-05-27 | 2021-05-27 | 机器人问答方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586711.1A CN113297362A (zh) | 2021-05-27 | 2021-05-27 | 机器人问答方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113297362A true CN113297362A (zh) | 2021-08-24 |
Family
ID=77325593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110586711.1A Pending CN113297362A (zh) | 2021-05-27 | 2021-05-27 | 机器人问答方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113297362A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178711A (zh) * | 2006-11-30 | 2008-05-14 | 腾讯科技（深圳）有限公司 | 一种中文自动应答方法及系统 |
| CN107040450A (zh) * | 2016-07-20 | 2017-08-11 | 平安科技（深圳）有限公司 | 自动回复方法和装置 |
| CN110290057A (zh) * | 2019-06-28 | 2019-09-27 | 联想(北京)有限公司 | 一种信息处理方法及信息处理装置 |
| CN112818107A (zh) * | 2021-02-24 | 2021-05-18 | 中国人民大学 | 一种用于日常生活的对话机器人及其聊天方法 |
-
2021
- 2021-05-27 CN CN202110586711.1A patent/CN113297362A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178711A (zh) * | 2006-11-30 | 2008-05-14 | 腾讯科技（深圳）有限公司 | 一种中文自动应答方法及系统 |
| CN107040450A (zh) * | 2016-07-20 | 2017-08-11 | 平安科技（深圳）有限公司 | 自动回复方法和装置 |
| US20180359197A1 (en) * | 2016-07-20 | 2018-12-13 | Ping An Technology (Shenzhen) Co., Ltd. | Automatic reply method, device, apparatus, and storage medium |
| CN110290057A (zh) * | 2019-06-28 | 2019-09-27 | 联想(北京)有限公司 | 一种信息处理方法及信息处理装置 |
| CN112818107A (zh) * | 2021-02-24 | 2021-05-18 | 中国人民大学 | 一种用于日常生活的对话机器人及其聊天方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109672786B (zh) | 一种来电接听方法及装置 | |
| CN112365894B (zh) | 基于ai的复合语音交互方法、装置及计算机设备 | |
| CN109065052B (zh) | 一种语音机器人 | |
| CN111241357A (zh) | 对话训练方法、装置、系统及存储介质 | |
| CN111276148A (zh) | 基于卷积神经网络的回访方法、系统及存储介质 | |
| CN113840040B (zh) | 一种人机协作的外呼方法、装置、设备及存储介质 | |
| CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
| CN116595148B (zh) | 一种利用大型语言模型实现对话流程的方法及系统 | |
| CN113626568A (zh) | 机器人的人机对话控制方法、装置、计算机设备及介质 | |
| CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
| CN113806503A (zh) | 一种对话融合方法和装置及设备 | |
| CN110489519B (zh) | 基于会话预测模型的会话方法及相关产品 | |
| CN115174748A (zh) | 基于语义识别的语音外呼方法、装置、设备及介质 | |
| CN110209768B (zh) | 自动问答的问题处理方法和装置 | |
| CN111611365A (zh) | 一种对话系统的流程控制方法、装置、设备及存储介质 | |
| CN111666388A (zh) | 对话数据处理方法、装置、计算机设备和存储介质 | |
| CN116432665B (zh) | 对话模型构建方法、文本生成方法、装置、系统及设备 | |
| CN113297362A (zh) | 机器人问答方法、装置、计算机设备及存储介质 | |
| CN114756668A (zh) | 基于人工智能的对话交互方法、装置、计算机设备及介质 | |
| CN111565254B (zh) | 通话数据质检方法、装置、计算机设备和存储介质 | |
| CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
| CN113782010A (zh) | 机器人响应方法、装置、电子设备及存储介质 | |
| CN111552785A (zh) | 人机交互系统数据库更新方法、装置、计算机设备和介质 | |
| CN111400475A (zh) | 信息处理方法、装置和电子设备 | |
| CN113282708B (zh) | 机器人对话回复的方法、装置、计算机设备及存储介质 |
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 |