CN113360630B - 交互信息提示方法 - Google Patents

Abstract

本公开实施例公开了一种交互信息提示方法，其中，方法包括：根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；根据所述第一意图信息确定第二提示信息；本实施例通过第一提示信息提供了较为全面的房源的内容介绍，同时，通过第二提示信息实现动态实时提示；不仅可以提高用户的使用体验，并且提高了与用户交互的经纪人的工作效率，并且避免了由人工撰写提示模板的问题。

Description

交互信息提示方法

技术领域

本公开涉及数据识别技术领域，尤其是一种交互信息提示方法。

背景技术

传统的房源带看需要客户与经纪人约定好时间，去线下实地看房。因为初期用户对房源并没有全面的了解，只能通过线下带看来充分了解房源，这个过程中就可能出现用户看到房源实景后，对房子并不满意的现象。为了节省用户的时间，可以通过线上vr带看房源。vr带看是在vr场景中，用户可与经纪人提前预约看房时间，并实时连线进行交互，还可以随时随地与家人、朋友同时完成带看的全新体验。这样不仅节约了客户和经纪人的时间，也提高了带看的有效性。vr带看中经纪人可以灵活回答用户问题，但大量的房源信息，经纪人有可能会出现记不全，反应慢的情况。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种交互信息提示方法。

根据本公开实施例的一个方面，提供了一种交互信息提示方法，包括：

根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；

根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；

响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；

根据所述第一意图信息确定第二提示信息。

可选地，所述根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息，包括：

将所述至少一个属性信息与至少一个预设讲点进行匹配，得到所述第一房源对应的至少一个目标预设讲点；

基于所述至少一个目标预设讲点，确定至少一个具有至少一个槽位信息的第一文案；其中，每个所述目标预设讲点对应一个所述第一文案；

基于所述至少一个属性信息对所述至少一个第一文案中的至少一个槽位信息执行槽位填充，得到至少一个第二文案；

将所述至少一个第二文案按照模块化的顺序排列，得到所述第一提示信息。

可选地，所述将所述至少一个属性信息与所述至少一个预设讲点进行匹配，得到所述第一房源对应的至少一个目标预设讲点，包括：

确定所述至少一个预设讲点中每个预设讲点的属性；

将所述至少一个预设讲点中的属性与所述至少一个属性信息匹配的预设讲点，确定为所述至少一个目标预设讲点。

可选地，所述基于所述至少一个目标预设讲点，生成至少一个具有至少一个槽位信息的第一文案，包括：

针对所述至少一个目标预设讲点中的每个目标预设讲点，对所述目标预设讲点执行分字处理，得到多个描述文字；

对所述多个描述文字中每个描述文字以及所述目标预设讲点执行向量化，得到讲点向量；

利用文本生成模型对所述讲点向量进行处理，得到至少一个文案数据；

从所述至少一个文案数据中，确定所述目标预设讲点对应的第一文案。

可选地，所述从所述至少一个文案数据中，确定所述目标预设讲点对应的第一文案，包括：

确定所述至少一个文案数据中每个文案数据对应的评价结果，根据所述评价结果确定所述第一文案。

可选地，在利用文本生成模型对所述讲点向量进行处理，得到至少一个文案数据之前，还包括：

将训练数据集中包括的多个样本文案分别处理为多个文本向量；其中，每个所述样本文案对应一个验证文案；

针对所述多个文本向量中的每个所述文本向量，将所述文本向量输入所述文本生成模型，得到至少一个预测文案；

基于所述至少一个预测文案和所述文本向量对应的验证文案，确定模型损失；

响应于所述至少一个预测文案中存在与所述验证文案之间的相似度大于预设阈值的预测文案，对所述模型损失进行调整，得到调整损失；

基于所述模型损失或所述调整损失对所述文本生成模型进行训练。

可选地，所述确定所述疑问信息对应的第一意图信息，包括：

利用语言理解模型对所述疑问信息进行解析，确定所述疑问信息对应的第一意图信息。

可选地，所述根据所述第一意图信息确定第二提示信息，包括：

基于所述第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案；

基于所述预设讲点对应的至少一个属性信息对所述第三文案中的至少一个槽位信息执行槽位填充，得到所述第二提示信息。

可选地，所述基于所述第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案，包括：

确定所述第一意图信息对应的预设讲点；

对所述第一意图信息和所述预设讲点执行分字处理，得到多个意图文字；

对所述多个意图文字中每个意图文字以及所述预设讲点执行向量化，得到意图向量；

利用文本生成模型对所述意图向量进行处理，得到至少一个意图文案；

从所述至少一个意图文案中，确定所述第三文案。

可选地，所述从所述至少一个意图文案中，确定所述第三文案，包括：

确定所述至少一个意图文案中每个所述意图文案对应的通顺度，得到至少一个通顺度；

基于第一预设阈值对所述至少一个通顺度进行筛选，得到至少一个所述通顺度大于所述第一预设阈值的筛选意图文案；

利用语言理解模型对所述至少一个筛选意图文案中每个筛选意图文案进行解析，确定每个所述筛选意图文案对应的第二意图信息；

基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度；

基于所述相关度从所述至少一个筛选意图文案中确定所述第三文案。

可选地，所述基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度，包括：

响应于存在与所述第一意图信息匹配的至少一个所述第二意图信息，基于所述第一意图信息获得相应的模板文案；

确定所述至少一个匹配的第二意图信息对应的筛选意图文案与所述模板文案之间的相似度，得到至少一个文案相似度；

基于所述至少一个文案相似度，确定每个所述筛选意图文案对应的相关度。

根据本公开实施例的另一方面，提供了一种交互信息提示装置，包括：

信息获取模块，用于根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；

第一提示模块，用于根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；

意图识别模块，用于响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；

第二提示模块，用于根据所述第一意图信息确定第二提示信息。

可选地，所述第一提示模块，包括：

讲点匹配单元，用于将所述至少一个属性信息与至少一个预设讲点进行匹配，得到所述第一房源对应的至少一个目标预设讲点；

第一文案单元，用于基于所述至少一个目标预设讲点，确定至少一个具有至少一个槽位信息的第一文案；其中，每个所述目标预设讲点对应一个所述第一文案；

第二文案单元，用于基于所述至少一个属性信息对所述至少一个第一文案中的至少一个槽位信息执行槽位填充，得到至少一个第二文案；

第一信息确定单元，用于将所述至少一个第二文案按照模块化的顺序排列，得到所述第一提示信息。

可选地，所述讲点匹配单元，具体用于确定所述至少一个预设讲点中每个预设讲点的属性；将所述至少一个预设讲点中的属性与所述至少一个属性信息匹配的预设讲点，确定为所述至少一个目标预设讲点。

可选地，所述第一文案单元，具体与针对所述至少一个目标预设讲点中的每个目标预设讲点，对所述目标预设讲点执行分字处理，得到多个描述文字；对所述多个描述文字中每个描述文字以及所述目标预设讲点执行向量化，得到讲点向量；利用文本生成模型对所述讲点向量进行处理，得到至少一个文案数据；从所述至少一个文案数据中，确定所述目标预设讲点对应的第一文案。

可选地，所述第一文案单元在从所述至少一个文案数据中，确定所述目标预设讲点对应的第一文案时，用于确定所述至少一个文案数据中每个文案数据对应的评价结果，根据所述评价结果确定所述第一文案。

可选地，所述第一文案单元，还用于将训练数据集中包括的多个样本文案分别处理为多个文本向量；其中，每个所述样本文案对应一个验证文案；针对所述多个文本向量中的每个所述文本向量，将所述文本向量输入所述文本生成模型，得到至少一个预测文案；基于所述至少一个预测文案和所述文本向量对应的验证文案，确定模型损失；响应于所述至少一个预测文案中存在与所述验证文案之间的相似度大于预设阈值的预测文案，对所述模型损失进行调整，得到调整损失；基于所述模型损失或所述调整损失对所述文本生成模型进行训练。

可选地，所述意图识别模块，具体用于利用语言理解模型对所述疑问信息进行解析，确定所述疑问信息对应的第一意图信息。

可选地，所述第二提示模块，包括：

第三文案单元，用于基于所述第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案；

槽位填充单元，用于基于所述预设讲点对应的至少一个属性信息对所述第三文案中的至少一个槽位信息执行槽位填充，得到所述第二提示信息。

可选地，所述第三文案单元，具体用于确定所述第一意图信息对应的预设讲点；对所述第一意图信息和所述预设讲点执行分字处理，得到多个意图文字；对所述多个意图文字中每个意图文字以及所述预设讲点执行向量化，得到意图向量；利用文本生成模型对所述意图向量进行处理，得到至少一个意图文案；从所述至少一个意图文案中，确定所述第三文案。

可选地，所述第三文案单元在从所述至少一个意图文案中，确定所述第三文案时，用于确定所述至少一个意图文案中每个所述意图文案对应的通顺度，得到至少一个通顺度；基于第一预设阈值对所述至少一个通顺度进行筛选，得到至少一个所述通顺度大于所述第一预设阈值的筛选意图文案；利用语言理解模型对所述至少一个筛选意图文案中每个筛选意图文案进行解析，确定每个所述筛选意图文案对应的第二意图信息；基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度；基于所述相关度从所述至少一个筛选意图文案中确定所述第三文案。

可选地，所述第三文案单元在基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度时，用于响应于存在与所述第一意图信息匹配的至少一个所述第二意图信息，基于所述第一意图信息获得相应的模板文案；确定所述至少一个匹配的第二意图信息对应的筛选意图文案与所述模板文案之间的相似度，得到至少一个文案相似度；基于所述至少一个文案相似度，确定每个所述筛选意图文案对应的相关度。

根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的交互信息提示方法。

根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一实施例所述的交互信息提示方法。

根据本公开实施例的再一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于评分模型的指标数据评估方法的步骤。

基于本公开上述实施例提供的一种交互信息提示方法，根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；根据所述第一意图信息确定第二提示信息；本实施例通过第一提示信息提供了较为全面的房源的内容介绍，同时，通过第二提示信息实现动态实时提示；不仅可以提高用户的使用体验，并且提高了与用户交互的经纪人的工作效率，并且避免了由人工撰写提示模板的问题。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开一示例性实施例提供的交互信息提示方法的流程示意图。

图2是本公开图1所示的实施例中步骤104的一个流程示意图。

图3是本公开另一示例性实施例提供的交互信息提示方法中一可选示例中槽位数据示意图。

图4是本公开图2所示的实施例中步骤1042的一个流程示意图。

图5是本公开图1所示的实施例中步骤108的一个流程示意图。

图6是本公开一示例性实施例提供的交互信息提示装置的结构示意图。

图7是本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。本公开中所指数据可以包括文本、图像、视频等非结构化数据，也可以是结构化数据。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

示例性方法

图1是本公开一示例性实施例提供的交互信息提示方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：

步骤102，根据接收的用户针对第一房源的讲房请求，获得第一房源对应的房源相关信息。

本实施例中的交互首先是由用户对房源存在讲解请求产生的，接收的第一房源的讲房请求可以包括第一房源的链接，或用户对第一房源的描述，或第一房源的截图等，由于用户有了解第一房源的需要，此时，经纪人需要与用户进行交互，以加快用户对第一房源的了解速度，提高用户的交互体验。

其中，房源相关信息中包括至少一个属性信息，每个属性信息从一个方面对第一房源进行描述；本实施例中的房源相关信息可以预存在后台数据库中，在后台数据库中预存有多个房源及其对应的房源相关信息，可通过存在的对应ID或识别号等信息确定房源与房源相关信息之间的对应关系。

步骤104，根据房源相关信息和至少一个目标预设讲点，确定第一提示信息。

在一实施例中，目标预设讲点是从多个预设讲点中针对第一房源的房源相关信息筛选确定的，预设讲点可以包括多个不同方面，例如，户型讲点、学校讲点、购物讲点等，当房源相关信息中有某些预设讲点中不存在对应的内容时，该预设讲点不作为目标预设讲点；本实施例通过将第一房源对应的目标预设讲点以及房源相关信息确定第一提示信息，通过第一提示信息实现对第一房源完整的描述；可选地，第一提示信息是为经纪人方提供的，经纪人可根据第一提示信息与用户进行交互。

步骤106，响应于接收到用户的疑问信息，确定疑问信息对应的第一意图信息。

可选地，在交互过程中，用户会对第一房源产生相关疑问，并通过疑问信息传递到经纪人方，例如，用户提问：“这个房子在几楼”，本实施例方法在识别到疑问信息时，对疑问信息进行意图识别，以确定用户的第一意图信息，例如，针对疑问信息：“这个房子在几楼”，对应的意图为：楼层。

步骤108，根据第一意图信息确定第二提示信息。

可选地，本实施例针对识别到的第一意图信息确定第二提示信息，使第二提示信息是可以答复用户的疑问信息的，避免了无法回答问题或答非所问的情况，经纪人通过查看第二提示信息可以及时对用户进行回复，提高了用户的交互体验和经纪人的工作效率。

本公开上述实施例提供的一种交互信息提示方法，根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；根据所述第一意图信息确定所述第二提示信息；本实施例通过第一提示信息提供了较为全面的房源的内容介绍，同时，通过第二提示信息实现动态实时提示；不仅可以提高用户的使用体验，并且提高了与用户交互的经纪人的工作效率，并且避免了由人工撰写提示模板的问题。

如图2所示，在上述图1所示实施例的基础上，步骤104可包括如下步骤：

步骤1041，将至少一个属性信息与至少一个预设讲点进行匹配，得到第一房源对应的至少一个目标预设讲点。

本实施例中，第一房源对应哪几个预设讲点是由这套房子的房源相关信息来决定的，比如这个小区周围没有小学，那么这套房子的周边SOP场景下就不会出“小学”这个讲点。

步骤1042，基于至少一个目标预设讲点，生成至少一个具有至少一个槽位信息的第一文案。

其中，每个目标预设讲点对应一个第一文案；本实施例中，可选地，利用深度学习算法对第一房源对应的每个目标预设讲点分别进行处理，可得到至少一个第一文案，可选地，每个第一文案对应一个目标预设讲点，第一文案中包括至少一个槽位信息，即，第一文案为包括了至少一个目标预设讲点的一段具有槽位的描述文案。

步骤1043，基于至少一个属性信息对至少一个第一文案中的至少一个槽位信息执行槽位填充，得到至少一个第二文案。

由于每个目标预设讲点存在对应的属性信息，通过将属性信息填入对应的槽位中，可实现槽位信息的填充，完成槽位填充后，即可获得对目标预设讲点进行描述的第二文案，例如，一个示例中，第一文案为“小区周围有{total_primary_school}等{total_primary_school_cnt}所小学”，对应的数据为如图3所示的数据，则执行槽位填充后得到的第二文案为“小区周围有车道沟小学（241米）、北京理工大学附中（小学部）（244米）、海淀区实验小学（苏州街分部）（382米）等5所小学”。

步骤1044，将至少一个第二文案按照模块化的顺序排列，得到第一提示信息。

本实施例中，模块化（SOP）场景中包括按照预设的顺序进行排列的多个模块，将至少一个第二文案按照该顺序进行排列，即可得到第一提示信息；可选地，SOP场景涉及开场、周边、小区、户型、分间、答疑（回答）、邀约（要联系方式或邀请看房）以及户型解读和房源信息模块等模块。本实施例实现模块化（SOP）的第一提示信息生成方式，不同的模块化场景会涉及不同的预设讲点，例如，开场是经纪人的自我介绍和简单介绍房屋的户型，如“几室几厅”，周边介绍房屋所在小区周围的教育、交通、购物情况。每个SOP场景模块可以对应至少一个预设讲点，本实施例通过目标预设讲点自动获得了具有槽位的第一文案，并且通过槽位填充获得了对第一房源进行对应讲点详细描述的第二文案，并结合模块化生成第一提示信息，全程不需人工参与，避免了人为撰写模板导致的问题，且，自动化生成第一提示信息，大大提高了静态提示信息的生成效率，进而降低了经纪人的交互成本。

可选地，步骤1041可以包括：

确定至少一个预设讲点中每个预设讲点的属性；

将至少一个预设讲点中的属性与至少一个属性信息匹配的预设讲点，确定为至少一个目标预设讲点。

可选地，预设讲点可以包括但不限于：户型讲点、分间讲点、小学讲点、购物讲点、面积讲点等，每个预设讲点对应一个属性，基于该属性可以与房源对应的属性信息进行匹配，例如，周边讲点对应房源的周边属性信息（例如，房源周边的交通、教育、医疗等信息）；通过，属性匹配，确定了第一房源对应的至少一个目标预设讲点，避免了在第一提示信息中出现无法填充的槽位，例如，当第一房源周边没有小学，那么对应的目标预设讲点中不存在小学讲点。

如图4所示，在上述图2所示实施例的基础上，步骤1042中针对至少一个目标预设讲点中的每个目标预设讲点，分别执行以下步骤：

步骤401，对目标预设讲点执行分字处理，得到多个描述文字。

本实施例中，对目标预设讲点执行分字处理，得到多个描述文字，其中，分字处理可采用现有技术中任意可实现对句子或词语进行分字的技术实现，本实施例不限制具体实现方式。

步骤402，对多个描述文字中每个描述文字以及目标预设讲点执行向量化，得到讲点向量。

可选地，向量化可以通过预设词汇表（包括多个文字），对词汇表中每个文字以向量编码以区分每个文字，在对文字进行向量化时，查表即可确定每个文字对应的向量，进而确定目标预设讲点对应的向量（可通过连接或其他组合方式获得包括多个文字的目标预设讲点的向量）。

步骤403，利用文本生成模型对讲点向量进行处理，得到至少一个文案数据。

可选地，文本生成模型可以是经过训练的深度神经网络，例如，文本生成模型可以是条件自编码（SLCVAE）模型；通过文本生成模型对讲点向量进行处理可得到至少一个文案数据。

步骤404，从至少一个文案数据中，确定目标预设讲点对应的第一文案。

可选地，步骤404可以包括：确定至少一个文案数据中每个文案数据对应的评价结果，根据评价结果确定第一文案。

本实施例中，通过通顺且相关短语比例、以及离散度确定文案数据的评价结果；可选地，通顺且相关短语比例可通过以下公式（1）确定：

公式（1）

其中，ratio表示通顺且相关短语比例；是否相关的取值为0或1，其中，0表示不相关，此时，ratio的取值为0，1表示相关，是否相关可通过深度神经网络对目标预设讲点和文案数据进行相似度识别或意图识别等处理，得到相关或相似概率，基于相关或相似概率是否大于设定概率值，确定取值为0或1；生成文本的长度为文案数据包括的文字数量；通顺短句长度可通过另一深度神经网络对文案数据进行通顺识别，识别到文案数据中通顺长度最长的句子包括的文字数量。

可选地，离散度可通过文案数据中通顺且相关的短语数量确定，确定通顺且相关短语数量的过程可包括：通过自然语言处理方法对文案数据进行分词，得到文案数据中包括的多个短语，通过深度学习方法确定每个短语是否与目标预设讲点相关，通过深度学习方法确定相关的至少一个短语是否通顺，通过两次筛选得到通顺且相关的短语的数量。本实施例中，将评价结果对应的通顺且相关短语比例和离散度分别与设定的比例阈值和设定的离散度阈值进行比较，将同时满足通顺且相关短语比例大于比例阈值，离散度大于离散度阈值的文案数据作为满足条件的文案数据，此时，如果只有一条文案数据，将该文案数据作为第一文案，如果包括多条文案数据，可按照通顺且相关短语比例和离散度从大到小进行排序，获得排序在前的第一条作为第一文案；本实施例通过判断识别，使获得的第一文案与目标预设讲点更相关，且更通顺，便于经纪人直接采用，提高了经纪人交互效率。

在上述图4所述的实施例中，在执行步骤403之前，还可以对文本生成模型进行训练，训练过程可包括如下步骤：

将训练数据集中包括的多个样本文案分别处理为多个文本向量；其中，每个样本文案对应一个验证文案；

针对多个文本向量中的每个文本向量，将文本向量输入文本生成模型，得到至少一个预测文案；

基于至少一个预测文案和文本向量对应的验证文案，确定模型损失；

响应于至少一个预测文案中存在与样本文案之间的相似度大于预设阈值的预测文案，对模型损失进行调整，得到调整损失；

基于模型损失或调整损失对文本生成模型进行训练。

可选地，文本生成模型可以为任一深度神经网络，例如，SLCVAE模型；在一可选示例中，将训练数据集的样本文案做分字处理，并对分字处理得到的字按照出现次数从大到小进行排序，取前10000个字构成词汇表；利用词汇表将样本文案进行向量化；利用训练数据集训练模型；并且，为了避免文本生成模型生成的预测文案与样本文案相同的情况，本实施例提出了修改模型损失的解决方法，在训练过程中，将生成的预测文案，遍历训练数据集中的样本文案，计算预测文案与训练数据集中每个样本文案的相似度（可通过向量化后，计算两个向量之间的距离（例如，欧式距离、余弦距离等）等确定相似度），当相似度大于设定的相似度阈值时，对模型损失进行调整，例如，对模型损失加0.1，通过调整后的模型损失对文本生成模型进行训练，提高了得到的文本生成模型生成的文案的可用性。

可选地，步骤106可以包括：

利用语言理解模型对疑问信息进行解析，确定疑问信息对应的第一意图信息。

其中，语言理解模型可以采用自然语言理解（nlu）模型，解析得到疑问信息对应的意图，例如，用户发出疑问信息“这个房子在几楼啊”，通过语言理解模型解析出的意图结果为“楼层”，通过意图解析为实时提示提供了针对基础，本实施例方法利用解析得到的第一意图信息可获得对应该第一意图信息的第二提示信息，避免了第二提示信息中出现答非所问的情况。

如图5所示，在上述图1所示实施例的基础上，步骤108可包括如下步骤：

步骤1081，基于第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案。

步骤1082，基于预设讲点对应的至少一个属性信息对第三文案中的至少一个槽位信息执行槽位填充，得到第二提示信息。

本实施例中，可利于与生成第一提示信息相似结构的深度神经网络，对第一意图信息和对应的预设讲点进行处理，得到第三文案，并通过槽位填充，实现了在交互过程中，为经纪人提供了有针对性的实时提醒，避免了经纪人在交互过程中出现无法回答或答非所问的情况，提高了用户的交互体验。

可选地，上述实施例中的步骤1081可以包括以下步骤：

确定第一意图信息对应的预设讲点；

对第一意图信息和预设讲点执行分字处理，得到多个意图文字；

对多个意图文字中每个意图文字以及预设讲点执行向量化，得到意图向量；

利用文本生成模型对意图向量进行处理，得到至少一个意图文案；

从至少一个意图文案中，确定第三文案。

本实施例中基于第一意图信息和对应的预设讲点确定第三文案的过程与上述实施例中确定第一文案的过程类似，区别仅在于，本实施例中不仅包括预设讲点，还包括第一意图信息，对第一意图信息同样执行分字和向量化，将向量化的第一意图信息和向量化的预设讲点处理为一个意图向量（例如，可通过连接向量或合并向量等方式实现），再利用文本生成模型进行处理，得到至少一个意图文案，可选地，从至少一个意图文案中，确定第三文案，可包括：

确定至少一个意图文案中每个意图文案对应的通顺度，得到至少一个通顺度；

基于第一预设阈值对至少一个通顺度进行筛选，得到至少一个通顺度大于第一预设阈值的筛选意图文案；

利用语言理解模型对至少一个筛选意图文案中每个筛选意图文案进行解析，确定每个筛选意图文案对应的第二意图信息；

基于至少一个第二意图信息与第一意图信息的匹配情况，确定每个第二意图信息对应的筛选意图文案对应的相关度；

基于相关度从至少一个筛选意图文案中确定第三文案。

本实施例通过通顺和相关两个方面对意图文案进行筛选，其中，a，是否通顺：可利用支持向量机（svm）模型对预存的高质量文本和文本生成模型生成的意图文案进行分类，确定意图文案的通顺度。b，是否相关：语言理解模型（例如，nlu）的输入数据是带有对话文本的意图和槽位信息的筛选意图文案，基于语言理解模型可得到第二意图信息，一个用户提问时一般会带着明确的意图，并且，通常“答案的意图一般与问句的意图是一致的”，因此可以判断文本生成模型生成的意图文案的第二意图信息是否准确（例如，通过第二意图信息是否与用户的第一意图信息相同确定是否准确）；例如，针对上述示例中意图为“楼层”的询问信息，生成第三文案“这套房子在{HOUSE_house_floor}楼”，再通过槽位填充，即可得到第二提示信息。

可选地，基于至少一个第二意图信息与第一意图信息的匹配情况，确定每个第二意图信息对应的筛选意图文案对应的相关度，包括：

响应于存在与第一意图信息匹配的至少一个第二意图信息，基于第一意图信息获得相应的模板文案；

确定至少一个匹配的第二意图信息对应的筛选意图文案与模板文案之间的相似度，得到至少一个文案相似度；

基于至少一个文案相似度，确定每个筛选意图文案对应的相关度。

本实施例中，定位了询问信息的第一意图信息，可以基于第一意图信息从预存的多个模板中找到该第一意图信息对应的模板文案，利用机器翻译中的BLEU等指标来评测筛选意图文案与第一意图信息对应的模板文案之间的相似度，进而确定筛选意图文案对应的相关度，其中，双语评估替补(BLEU，bilingual evaluation understudy)算法，简单来说，BLEU算法的思想就是机器翻译的译文越接近人工翻译的结果，它的翻译质量就越高；所以评测算法就是如何定义机器翻译译文与参考译文之间的相似度，本实施例利用BLEU算法确定筛选意图文案与第一意图信息对应的模板文案之间的相似度。

本公开实施例提供的任一种交互信息提示方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种交互信息提示方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种交互信息提示方法。下文不再赘述。

示例性装置

图6是本公开一示例性实施例提供的交互信息提示装置的结构示意图。如图6所示，本实施例提供的装置包括：

信息获取模块61，用于根据接收的用户针对第一房源的讲房请求，获得第一房源对应的房源相关信息。

其中，房源相关信息中包括至少一个属性信息，每个属性信息从一个方面对第一房源进行描述。

第一提示模块62，用于根据房源相关信息和至少一个目标预设讲点，确定第一提示信息。

意图识别模块63，用于响应于接收到用户的疑问信息，确定疑问信息对应的第一意图信息。

第二提示模块64，用于根据第一意图信息确定第二提示信息。

本公开上述实施例提供的一种交互信息提示装置，根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；根据所述第一意图信息确定所述第二提示信息；本实施例通过第一提示信息提供了较为全面的房源的内容介绍，同时，通过第二提示信息实现动态实时提示；不仅可以提高用户的使用体验，并且提高了与用户交互的经纪人的工作效率，并且避免了由人工撰写提示模板的问题。

可选地，第一提示模块62，包括：

讲点匹配单元，用于将至少一个属性信息与至少一个预设讲点进行匹配，得到第一房源对应的至少一个目标预设讲点；

第一文案单元，用于基于至少一个目标预设讲点，确定至少一个具有至少一个槽位信息的第一文案；其中，每个目标预设讲点对应一个所述第一文案；

第二文案单元，用于基于至少一个属性信息对至少一个第一文案中的至少一个槽位信息执行槽位填充，得到至少一个第二文案；

第一信息确定单元，用于将至少一个第二文案按照模块化的顺序排列，得到第一提示信息。

可选地，讲点匹配单元，具体用于确定至少一个预设讲点中每个预设讲点的属性；将至少一个预设讲点中的属性与至少一个属性信息匹配的预设讲点，确定为至少一个目标预设讲点。

可选地，第一文案单元，具体与针对至少一个目标预设讲点中的每个目标预设讲点，对目标预设讲点执行分字处理，得到多个描述文字；对多个描述文字中每个描述文字以及目标预设讲点执行向量化，得到讲点向量；利用文本生成模型对讲点向量进行处理，得到至少一个文案数据；从至少一个文案数据中，确定目标预设讲点对应的第一文案。

可选地，第一文案单元在从至少一个文案数据中，确定目标预设讲点对应的第一文案时，用于确定至少一个文案数据中每个文案数据对应的评价结果，根据评价结果确定所述第一文案。

可选地，第一文案单元，还用于将训练数据集中包括的多个样本文案分别处理为多个文本向量；其中，每个样本文案对应一个验证文案；针对多个文本向量中的每个文本向量，将文本向量输入文本生成模型，得到至少一个预测文案；基于至少一个预测文案和文本向量对应的验证文案，确定模型损失；响应于至少一个预测文案中存在与验证文案之间的相似度大于预设阈值的预测文案，对模型损失进行调整，得到调整损失；基于模型损失或调整损失对文本生成模型进行训练。

可选地，意图识别模块，具体用于利用语言理解模型对疑问信息进行解析，确定疑问信息对应的第一意图信息。

可选地，第二提示模块，包括：

第三文案单元，用于基于第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案；

槽位填充单元，用于基于预设讲点对应的至少一个属性信息对第三文案中的至少一个槽位信息执行槽位填充，得到第二提示信息。

可选地，第三文案单元，具体用于确定第一意图信息对应的预设讲点；对第一意图信息和预设讲点执行分字处理，得到多个意图文字；对多个意图文字中每个意图文字以及预设讲点执行向量化，得到意图向量；利用文本生成模型对意图向量进行处理，得到至少一个意图文案；从至少一个意图文案中，确定第三文案。

可选地，第三文案单元在从至少一个意图文案中，确定第三文案时，用于确定至少一个意图文案中每个意图文案对应的通顺度，得到至少一个通顺度；基于第一预设阈值对至少一个通顺度进行筛选，得到至少一个通顺度大于第一预设阈值的筛选意图文案；利用语言理解模型对至少一个筛选意图文案中每个筛选意图文案进行解析，确定每个筛选意图文案对应的第二意图信息；基于至少一个第二意图信息与第一意图信息的匹配情况，确定每个第二意图信息对应的筛选意图文案对应的相关度；基于相关度从至少一个筛选意图文案中确定第三文案。

可选地，第三文案单元在基于至少一个第二意图信息与第一意图信息的匹配情况，确定每个第二意图信息对应的筛选意图文案对应的相关度时，用于响应于存在与第一意图信息匹配的至少一个所述第二意图信息，基于第一意图信息获得相应的模板文案；确定至少一个匹配的第二意图信息对应的筛选意图文案与模板文案之间的相似度，得到至少一个文案相似度；基于至少一个文案相似度，确定每个筛选意图文案对应的相关度。

示例性电子设备

下面，参考图7来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图7图示了根据本公开实施例的电子设备的框图。

如图7所示，电子设备70包括一个或多个处理器71和存储器72。

处理器71可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备70中的其他组件以执行期望的功能。

存储器72可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器71可以运行所述程序指令，以实现上文所述的本公开的各个实施例的交互信息提示方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备70还可以包括：输入装置73和输出装置74，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。

例如，在该电子设备是第一设备或第二设备时，该输入装置73可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置73可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。

此外，该输入装置73还可以包括例如键盘、鼠标等等。

该输出装置74可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置74可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图7中仅示出了该电子设备70中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备70还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的交互信息提示方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的交互信息提示方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种交互信息提示方法，其特征在于，包括：

根据接收的用户针对第一房源的讲房请求，获得所述第一房源对应的房源相关信息；其中，所述房源相关信息中包括至少一个属性信息，每个所述属性信息从一个方面对所述第一房源进行描述；

根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息；其中，所述目标预设讲点是从多个预设讲点中针对所述第一房源的房源相关信息筛选确定的；

响应于接收到所述用户的疑问信息，确定所述疑问信息对应的第一意图信息；

根据所述第一意图信息确定第二提示信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述房源相关信息和至少一个目标预设讲点，确定第一提示信息，包括：

将所述至少一个属性信息与至少一个预设讲点进行匹配，得到所述第一房源对应的至少一个目标预设讲点；

基于所述至少一个目标预设讲点，确定至少一个具有至少一个槽位信息的第一文案；其中，每个所述目标预设讲点对应一个所述第一文案；

基于所述至少一个属性信息对所述至少一个第一文案中的至少一个槽位信息执行槽位填充，得到至少一个第二文案；

将所述至少一个第二文案按照模块化的顺序排列，得到所述第一提示信息。

3.根据权利要求2所述的方法，其特征在于，所述将所述至少一个属性信息与所述至少一个预设讲点进行匹配，得到所述第一房源对应的至少一个目标预设讲点，包括：

确定所述至少一个预设讲点中每个预设讲点的属性；

将所述至少一个预设讲点中的属性与所述至少一个属性信息匹配的预设讲点，确定为所述至少一个目标预设讲点。

4.根据权利要求2所述的方法，其特征在于，所述基于所述至少一个目标预设讲点，生成至少一个具有至少一个槽位信息的第一文案，包括：

针对所述至少一个目标预设讲点中的每个目标预设讲点，对所述目标预设讲点执行分字处理，得到多个描述文字；

对所述多个描述文字中每个描述文字以及所述目标预设讲点执行向量化，得到讲点向量；

利用文本生成模型对所述讲点向量进行处理，得到至少一个文案数据；

确定所述至少一个文案数据中每个文案数据对应的评价结果，根据所述评价结果确定所述第一文案。

5.根据权利要求4所述的方法，其特征在于，在利用文本生成模型对所述讲点向量进行处理，得到至少一个文案数据之前，还包括：

将训练数据集中包括的多个样本文案分别处理为多个文本向量；其中，每个所述样本文案对应一个验证文案；

针对所述多个文本向量中的每个所述文本向量，将所述文本向量输入所述文本生成模型，得到至少一个预测文案；

基于所述至少一个预测文案和所述文本向量对应的验证文案，确定模型损失；

响应于所述至少一个预测文案中存在与所述验证文案之间的相似度大于预设阈值的预测文案，对所述模型损失进行调整，得到调整损失；

基于所述模型损失或所述调整损失对所述文本生成模型进行训练。

6.根据权利要求1-5任一所述的方法，其特征在于，所述确定所述疑问信息对应的第一意图信息，包括：

利用语言理解模型对所述疑问信息进行解析，确定所述疑问信息对应的第一意图信息。

7.根据权利要求1-5任一所述的方法，其特征在于，所述根据所述第一意图信息确定第二提示信息，包括：

基于所述第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案；

基于所述预设讲点对应的至少一个属性信息对所述第三文案中的至少一个槽位信息执行槽位填充，得到所述第二提示信息。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第一意图信息及其对应的预设讲点，生成具有至少一个槽位信息的第三文案，包括：

确定所述第一意图信息对应的预设讲点；

对所述第一意图信息和所述预设讲点执行分字处理，得到多个意图文字；

对所述多个意图文字中每个意图文字以及所述预设讲点执行向量化，得到意图向量；

利用文本生成模型对所述意图向量进行处理，得到至少一个意图文案；

从所述至少一个意图文案中，确定所述第三文案。

9.根据权利要求8所述的方法，其特征在于，所述从所述至少一个意图文案中，确定所述第三文案，包括：

确定所述至少一个意图文案中每个所述意图文案对应的通顺度，得到至少一个通顺度；

基于第一预设阈值对所述至少一个通顺度进行筛选，得到至少一个所述通顺度大于所述第一预设阈值的筛选意图文案；

利用语言理解模型对所述至少一个筛选意图文案中每个筛选意图文案进行解析，确定每个所述筛选意图文案对应的第二意图信息；

基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度；

基于所述相关度从所述至少一个筛选意图文案中确定所述第三文案。

10.根据权利要求9所述的方法，其特征在于，所述基于所述至少一个第二意图信息与所述第一意图信息的匹配情况，确定每个所述第二意图信息对应的筛选意图文案对应的相关度，包括：

响应于存在与所述第一意图信息匹配的至少一个所述第二意图信息，基于所述第一意图信息获得相应的模板文案；

确定所述至少一个匹配的第二意图信息对应的筛选意图文案与所述模板文案之间的相似度，得到至少一个文案相似度；

基于所述至少一个文案相似度，确定每个所述筛选意图文案对应的相关度。

Images