CN113449093A - 智能应答方法、装置和电子设备 - Google Patents
智能应答方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113449093A CN113449093A CN202110772113.3A CN202110772113A CN113449093A CN 113449093 A CN113449093 A CN 113449093A CN 202110772113 A CN202110772113 A CN 202110772113A CN 113449093 A CN113449093 A CN 113449093A
- Authority
- CN
- China
- Prior art keywords
- result
- response
- clarification
- service
- logic
- 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.)
- Granted
Links
- 230000004044 response Effects 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005352 clarification Methods 0.000 claims abstract description 156
- 238000012216 screening Methods 0.000 claims description 33
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000219095 Vitis Species 0.000 description 4
- 235000009754 Vitis X bourquina Nutrition 0.000 description 4
- 235000012333 Vitis X labruscana Nutrition 0.000 description 4
- 235000014787 Vitis vinifera Nutrition 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012549 training 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
Abstract
本申请提出一种智能应答方法、装置和电子设备，其中，方法包括：通过接收请求信息，执行业务应答逻辑以获取业务结果和执行澄清应答逻辑以获取澄清结果，并根据所述业务结果和所述澄清结果中的至少一个得到业务结果。该方法在难以直接命中用户意图进行精准应答时，可以通过澄清的方式明确用户意图，给出用户需要的、让用户满意的精准答案。
Description
技术领域
本申请涉及计算机技术技术领域，尤其涉及一种智能应答方法、装置和电子设备。
背景技术
智能客服对话业务，是通过提供适当的机器人应答能力服务，来支持机器人的正常业务应答。依据对应领域的知识数据信息，训练出较高效的算法，并嵌入至业务服务中，以此提供高可用、灵活插拔的机器人应答能力，完成与用户的流利对话。
在一些情况下，用户不能给出恰当的问题，比如只是抛出一些关键词，这样，用户的提问在单个应答流程中，能够满足多个应答能力，导致实际的应答效果，较依赖于应答能力的配置情况，甚至是配置顺序，可能会导致机器人不能够给出让用户满意的精准答案。
发明内容
为此，本申请提出一种智能应答方法、装置及电子设备，以至少解决现有技术中应答机器人不能给出让用户满意的精准答案的技术问题。
本申请第一方面实施例提出了一种智能应答方法，包括：
接收请求信息；
判断澄清应答逻辑的使能状态；
响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果；
根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
可选地，所述执行澄清应答逻辑以获取到澄清结果，包括：
从知识库中获取多个语料信息；对所述多个语料信息按照与所述请求信息的匹配度进行排序；
据所述排序，从所述多个语料信息中选取得到澄清选项；
根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果。
可选地，所述根据所述业务结果和所述澄清结果中的至少一个，得到应答结果，包括：
确定历史轮次的应答结果；
若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果。
可选地，所述方法还包括：
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果。
可选地，所述方法还包括：若未获取到所述业务结果，将所述澄清结果作为所述应答结果。
可选地，所述根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果，包括：
响应于所述应答机器人是特定应答机器人，将所述业务结果作为所述应答结果；
响应于所述应答机器人是非特定应答机器人，对所述业务结果和所述澄清结果进行去重后合并，以得到所述应答结果。
可选地，所述根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果，包括：
获取所述澄清选项的匹配度；
将所述匹配度满足设定条件的所述澄清选项，作为所述澄清结果。
本申请第二方面实施例提出了一种智能应答装置，包括：
接收模块，用于接收请求信息；
使能模块，用于判断澄清应答逻辑的使能状态；
逻辑模块，用于响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果；
应答模块，用于根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
可选地，所述逻辑模块，包括：
获取单元，用于从知识库中获取多个语料信息；
匹配单元，用于对所述多个语料信息按照与所述请求信息的匹配度进行排序；
排序单元，用于根据所述排序，从所述多个语料信息中选取得到澄清选项；
筛选单元，用于根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果。
可选地，所述应答模块，包括：
历史获取单元，用于确定历史轮次的应答结果；
应答单元，若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果。
可选地，所述应答单元还用于：
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果。
可选地，所述应答单元还用于：
若未获取到所述业务结果，将所述澄清结果作为所述应答结果。
可选地，所述根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果，包括：
响应于所述应答机器人是特定应答机器人，将所述业务结果作为所述应答结果；
响应于所述应答机器人是非特定应答机器人，对所述业务结果和所述澄清结果进行去重后合并，以得到所述应答结果。
可选地，所述根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果，包括：
获取所述澄清选项的匹配度；
将所述匹配度满足设定条件的所述澄清选项，作为所述澄清结果。
本申请第三方面实施例提出了一种电子设备，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本申请第一方面实施例所述的方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请第一方面实施例所述的方法。
本申请实施例提供的智能应答方法，通过接收请求信息，执行业务应答逻辑以获取业务结果和执行澄清应答逻辑以获取澄清结果，并根据所述业务结果和所述澄清结果中的至少一个得到业务结果。该方法在难以直接命中用户意图进行精准应答时，可以通过澄清的方式明确用户意图，给出用户需要的、让用户满意的精准答案。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种智能应答方法的流程示意图；
图2为本申请实施例所提供的另一种智能应答方法的流程示意图；
图3为本申请实施例提供的一种智能应答装置的结构示意图；
图4为本申请实施例提供的另一种智能应答装置的结构示意图；
图5为本申请电子设备一个实施例的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的智能应答方法和装置。
图1为本申请实施例所提供的一种智能应答方法的流程示意图，本实施例所提供的方法，可以由具有数据处理能力的各类电子设备执行，在此对执行本实施例方法的电子设备不进行限制，如图1所示，方法包括以下步骤：
步骤101，接收请求信息。
其中，请求信息可以是用户与智能应答机器人进行交互时输入的信息，可以是一个完整的问题，一段话，一个语句，也可以是短语、几个关键词等。
步骤102，判断澄清应答逻辑的使能状态。
在一些实施方式中，在一些应用场景下，可以设置澄清应答逻辑的使能状态为未使能，这样在进行智能应答时，仅执行业务应答逻辑，不执行澄清应答逻辑，降低系统开销。
在一些实施方式中，在一些应用场景下，需要提高智能应答的准确率，可以设置澄清应答逻辑的使能状态为使能，这样在进行智能应答时，既执行业务应答逻辑，也执行澄清应答逻辑。
步骤103，响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果。
在本申请的实施例中，应答侧存在多类机器人(bot)应答能力，且相关支持应答的数据能够在知识库中被找到。其中，知识库可以是Elasticsearch(ES)数据库，也可以是其他数据能够支持当前应答场景的应答的数据库。
其中，业务应答逻辑是根据应用场景和需求预先配置的算法和应答能力的逻辑，也就是正常的业务应答逻辑。执行业务应答逻辑以获取业务结果，是指根据请求信息，执行业务应答逻辑，以获取相应的业务结果。执行该逻辑可以是应答机器人根据用户的提问，在业务知识库中进行知识问答，给出相应的答案。
需要说明的是，业务结果可能能够获取到，也可能无法获取到，也就是说应答机器人可能无法根据用户的问题给出相应的应答，业务结果也可能是不满足用户需求的、不精准的应答。
同样可以理解的是，澄清结果也同样可能能够获取到，也可能无法获取到。执行澄清应答逻辑的bot可以与执行业务应答逻辑的相同，也可以是执行业务应答逻辑的bot中的一些，还可以和执行业务应答逻辑的bot不同。
另外需要说明的是，业务应答逻辑和澄清应答逻辑可以是异步执行的，也可以是并行执行的，还可以将澄清应答逻辑作为业务应答逻辑中的一个配置的节点执行，或者将澄清应答逻辑作为一个在执行业务应答逻辑时可以调用的一个组件执行。
步骤104，根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
其中，应答结果是智能应答方法最后给出的结果，也就是最终反馈给用户的答案。
另外需要说明的是，如果业务结果和澄清结果都没有获取到，则将预先配置的兜底答案作为应答结果，反馈给用户。其中，预先配置的兜底答案可以根据应用场景和应答需求进行灵活调整和设置，针对不同的场景和需求可以设置不同的兜底答案，所述兜底答案可以有多个。
本申请实施例提供的智能应答方法，通过接收请求信息，执行业务应答逻辑以获取业务结果和执行澄清应答逻辑以获取澄清结果，并根据所述业务结果和所述澄清结果中的至少一个得到业务结果。该方法在难以直接命中用户意图进行精准应答时，由于还执行澄清逻辑获取澄清结果，并根据业务结果和澄清结果中的至少一个得到应答结果，可以进一步明确用户意图，给出用户需要的答案，有效提高了机器人应答的准确度。
图2为本申请实施例所提供的另一种智能应答方法的流程示意图，如图2所示，该智能应答方法，包括以下步骤：
步骤201，接收请求信息。
步骤202，执行业务应答逻辑以获取到业务结果。
步骤203，确定历史轮次的应答结果，判断业务结果与历史轮次应答结果是否存在知识点关联。若是，则执行步骤204，若否，则执行步骤205。
可选地，确定上一轮次的应答结果，也就是确定上一轮次应答机器人给出的答案。
其中，上一轮次的应答结果可能是折叠答案。
需要说明的是，折叠答案是指，应答机器人给出的应答下面包含一些选项，用户可以根据给出的应答下面包含的选项，选择自己需要的、符合意图的选项，进入下一轮次的应答。
步骤204，若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果。
可选地，上一轮次的应答结果为折叠答案，用户选择自己需要的选项，进入本轮次的应答，本轮次执行业务应答逻辑获取到业务结果，该业务结果为上述折叠答案的选项中关联了知识点的子答案，将业务结果作为应答结果反馈给用户，不需要进行澄清。
比如，在上一轮次中，应答机器人给出了应答“水果的分类”，这是一个折叠答案，包括两个选项“春季水果”和“秋季水果”，用户根据需要选择“春季水果”进入本轮次的应答，执行业务应答逻辑获取到业务应答结果“葡萄”，“葡萄”与上一轮次折叠答案“水果的分类”的选项“春季水果”存在知识点关联，“葡萄”是“春季水果”关联了知识点的子答案，因此将业务结果“葡萄”作为应答结果反馈给用户，不需要进行澄清。
步骤205，执行澄清应答逻辑以获取到澄清结果。
可选地，澄清应答逻辑包括以下步骤：
a.从知识库中获取多个语料信息。
其中，可以根据请求信息，从知识库中获取语料信息，也就是根据请求信息，从知识库中召回相关的语料数据。
b.对所述多个语料信息按照与所述请求信息的匹配度进行排序。
其中，匹配度可以是根据语义进行匹配，也可以根据其他合适的算法进行匹配。
c.根据所述排序，从所述多个语料信息中选取得到澄清选项。
也就是说，从多个语料信息中选取与请求信息匹配较好的至少一个，得到澄清选项。可以是按照数目选取匹配度排序在前面的语料信息作为澄清选项，也可以是按照百分比选取匹配度排序在前面的语料信息作为澄清选项。
d.根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果。
在一种实施方式中，设定的筛选策略为：获取所述澄清选项的匹配度；将匹配度满足设定条件的澄清选项，作为澄清结果。
其中，预设条件可以是根据经验值预先设定的一个阈值，匹配度高于该阈值的澄清选项作为澄清结果。
需要说明的是，该阈值还可以根据系统的反馈而不断更新。比如，根据与请求信息的匹配度对澄清选项进行打分，分数高于80的澄清选项作为澄清结果，在该智能应答方法运行一段时间之后，可以根据用户反馈的结果满意度对该阈值进行调整和更新，比如用户反馈应答结果满意度较低，可以适当提高阈值，得到更为匹配的澄清选项作为澄清结果。
另外需要说明的是，预设条件还可以是根据符合应答场景，满足语义，或者是存在某个关键字等。可以根据需求，设置合适的预设条件，对澄清选项进行筛选，将满足条件的澄清选项作为澄清结果。
在一种实施方式中，设定的筛选策略为：获取应答机器人预设的置信度值，将满足所述置信度值的的澄清选项作为澄清结果。
其中，置信度值是指该应答机器人给出的答案的可信任程度，与应用场景、知识语料等都有关系，每个应答机器人可以设置各自的置信度值。不同的应用场景下，同一个应答机器人的置信度值可能不同。
需要说明的是，置信度值也可以根据系统的反馈而不断更新。
步骤206，若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果。
可选地，业务结果与历史轮次的应答结果不存在知识点关联，历史轮次的应答结果可能不是折叠答案，也可能虽然是折叠答案，但未满足用户的需求，未能精准命中用户意图，导致用户没有从折叠答案中的选项进入本轮次的应答，因此则需要进行澄清。
若执行澄清应答逻辑未获取到澄清结果，则将获取到的业务结果作为应答结果反馈给用户。
步骤207，若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果。
在一种实施方式中，响应于所述应答机器人是特定应答机器人，将所述业务结果作为所述应答结果。
其中，业务结果是特定应答机器人给出的应答，可以认为业务应答逻辑命中了精准应答，不需要进行澄清，将业务结果作为应答结果反馈给用户。
需要说明的是，特定应答机器人可以根据应用场景和需求进行设置和调整，认为在该场景下，该应答机器人给出的应答是能够精准命中用户意图的应答。
在一种实施方式中，响应于所述应答机器人是非特定应答机器人，对所述业务结果和所述澄清结果进行去重后合并，以得到所述应答结果。
可选地，如果应答机器人是非特定应答机器人，则需要进行澄清。比较业务结果和澄清结果，对其进行去重后合并，将合并后的结果作为应答结果反馈给用户。
步骤208，若未获取到所述业务结果，将所述澄清结果作为所述应答结果。
可选地，执行业务应答逻辑，若应答机器人给出的应答不满足对应的置信度值，或者不满足设置的预设条件，可以认为是未获取到业务结果。
若未获取到业务结果，将澄清结果作为应答结果反馈给用户。
本申请实施例提供的方法，通过接收请求信息；确定历史轮次的应答结果；若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果；若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果；若未获取到所述业务结果，将所述澄清结果作为所述应答结果。在业务应答逻辑之外加入澄清应答逻辑，这样可以在正常业务应答存在相互干扰，或者说歧义较大时，可以通过澄清的方式，给予用户更多的回答，通过与用户的交互式应答，进一步明确用户意图，给出满足用户需求的更精确的应答，提高应答的准确度。另外，在业务应答逻辑无法给出精准答案时进行澄清，可以提高系统的响应速度。
本申请还提出一种智能应答装置。图3为本申请实施例提供的一种智能应答装置的结构示意图。
如图3所示，该智能应答装置包括：接收模块310、使能模块320、逻辑模块330和应答模块340。
接收模块310，用于接收请求信息。
使能模块320，用于判断澄清应答逻辑的使能状态。
逻辑模块330，用于响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果。
应答模块340，用于根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
在一些实施方式中，应答单元340还用于：
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果。
在一些实施方式中，应答单元340还用于：
若未获取到所述业务结果，将所述澄清结果作为所述应答结果。
在一些实施方式中，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果，包括：
响应于所述应答机器人是特定应答机器人，将所述业务结果作为所述应答结果；
响应于所述应答机器人是非特定应答机器人，对所述业务结果和所述澄清结果进行去重后合并，以得到所述应答结果。
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
图4为本申请实施例提供的另一种智能应答装置的结构示意图，参见图4。
进一步地，逻辑模块330，包括：获取单元331、匹配单元332、排序单元333和筛选单元334。
获取单元331，用于从知识库中获取多个语料信息；
匹配单元332，用于对所述多个语料信息按照与所述请求信息的匹配度进行排序；
排序单元333，用于根据所述排序，从所述多个语料信息中选取得到澄清选项；
筛选单元334，用于根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果。
在一些实施方式中，根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果，包括：
获取所述澄清选项的匹配度；
将所述匹配度满足设定条件的所述澄清选项，作为所述澄清结果。
进一步地，应答模块340，包括：历史获取单元341和应答单元342。
具体地，历史获取单元341，用于确定历史轮次的应答结果；
应答单元342，用于若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果。
本申请实施例提供的装置，通过接收请求信息；确定历史轮次的应答结果；若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果；若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果；若未获取到所述业务结果，将所述澄清结果作为所述应答结果。在业务应答逻辑之外加入澄清应答逻辑，这样可以在正常业务应答存在相互干扰，或者说歧义较大时，可以通过澄清的方式，给予用户更多的回答，通过与用户的交互式应答，进一步明确用户意图，给出满足用户需求的更精确的应答，提高应答的准确度。另外，在业务应答逻辑无法给出精准答案时进行澄清，可以提高系统的响应速度。
本申请实施例还提供一种电子设备，电子设备包含前述任一实施例所述的装置。
图5为本申请提供的电子设备一个实施例的结构示意图，可以实现本发明图1-2所示实施例的流程，如图5所示，上述电子设备可以包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述任一项智能应答方法。
本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行前述任一项智能应答方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种智能应答方法，其特征在于，包括：
接收请求信息；
判断澄清应答逻辑的使能状态；
响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果；
根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
2.根据权利要求1所述的方法，其特征在于，所述执行澄清应答逻辑以获取到澄清结果，包括：
从知识库中获取多个语料信息；
对所述多个语料信息按照与所述请求信息的匹配度进行排序；
根据所述排序，从所述多个语料信息中选取得到澄清选项；
根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述业务结果和所述澄清结果中的至少一个，得到应答结果，包括：
确定历史轮次的应答结果；
若获取到所述业务结果，且所述业务结果与所述历史轮次的应答结果存在知识点关联，将所述业务结果作为所述应答结果。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在未获取到所述澄清结果的情况下，将所述业务结果作为所述应答结果；
若所述业务结果与所述历史轮次的应答结果不存在知识点关联，在获取到所述澄清结果的情况下，根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若未获取到所述业务结果，将所述澄清结果作为所述应答结果。
6.根据权利要求4所述的方法，其特征在于，所述根据执行所述业务应答逻辑的应答机器人，对所述业务结果和所述澄清结果进行合并和筛选中的至少一种，以得到应答结果，包括：
响应于所述应答机器人是特定应答机器人，将所述业务结果作为所述应答结果；
响应于所述应答机器人是非特定应答机器人，对所述业务结果和所述澄清结果进行去重后合并，以得到所述应答结果。
7.根据权利要求2所述的方法，其特征在于，所述根据设定的筛选策略，对所述澄清选项进行筛选，以获取到澄清结果，包括：
获取所述澄清选项的匹配度；
将所述匹配度满足设定条件的所述澄清选项，作为所述澄清结果。
8.一种智能应答装置，其特征在于，包括：
接收模块，用于接收请求信息；
使能模块，用于判断澄清应答逻辑的使能状态；
逻辑模块，用于响应于所述使能状态为使能，执行业务应答逻辑以获取到业务结果，以及执行澄清应答逻辑以获取到澄清结果；
应答模块，用于根据所述业务结果和所述澄清结果中的至少一个，得到应答结果。
9.一种电子设备，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权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110772113.3A CN113449093B (zh) | 2021-07-08 | 2021-07-08 | 智能应答方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110772113.3A CN113449093B (zh) | 2021-07-08 | 2021-07-08 | 智能应答方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113449093A true CN113449093A (zh) | 2021-09-28 |
| CN113449093B CN113449093B (zh) | 2024-04-16 |
Family
ID=77815357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110772113.3A Active CN113449093B (zh) | 2021-07-08 | 2021-07-08 | 智能应答方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113449093B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8484190B1 (en) * | 2007-12-18 | 2013-07-09 | Google Inc. | Prompt for query clarification |
| US20150039536A1 (en) * | 2013-08-01 | 2015-02-05 | International Business Machines Corporation | Clarification of Submitted Questions in a Question and Answer System |
| CN106503189A (zh) * | 2016-10-31 | 2017-03-15 | 北京百度网讯科技有限公司 | 基于人工智能的搜索系统优化方法和装置 |
| US20170084274A1 (en) * | 2015-09-17 | 2017-03-23 | Samsung Electronics Co., Ltd. | Dialog management apparatus and method |
| EP3617970A1 (en) * | 2018-08-28 | 2020-03-04 | Digital Apex ApS | Automatic answer generation for customer inquiries |
| CN111046154A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 信息检索方法、装置、介质及电子设备 |
| CN112115249A (zh) * | 2020-09-27 | 2020-12-22 | 支付宝(杭州)信息技术有限公司 | 用户意图的统计分析及结果展示方法和装置 |
-
2021
- 2021-07-08 CN CN202110772113.3A patent/CN113449093B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8484190B1 (en) * | 2007-12-18 | 2013-07-09 | Google Inc. | Prompt for query clarification |
| US20150039536A1 (en) * | 2013-08-01 | 2015-02-05 | International Business Machines Corporation | Clarification of Submitted Questions in a Question and Answer System |
| US20170084274A1 (en) * | 2015-09-17 | 2017-03-23 | Samsung Electronics Co., Ltd. | Dialog management apparatus and method |
| CN106503189A (zh) * | 2016-10-31 | 2017-03-15 | 北京百度网讯科技有限公司 | 基于人工智能的搜索系统优化方法和装置 |
| EP3617970A1 (en) * | 2018-08-28 | 2020-03-04 | Digital Apex ApS | Automatic answer generation for customer inquiries |
| CN111046154A (zh) * | 2019-11-20 | 2020-04-21 | 泰康保险集团股份有限公司 | 信息检索方法、装置、介质及电子设备 |
| CN112115249A (zh) * | 2020-09-27 | 2020-12-22 | 支付宝(杭州)信息技术有限公司 | 用户意图的统计分析及结果展示方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 侯丽敏等: "基于网络的智能答疑系统的研究", 微机发展, pages 120 - 121 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113449093B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106339756B (zh) | 训练数据的生成方法、搜索方法以及装置 | |
| CN107644641B (zh) | 对话场景识别方法、终端以及计算机可读存储介质 | |
| JP2015087903A (ja) | 情報処理装置及び情報処理方法 | |
| US20020138462A1 (en) | Navigation among conditional questions and answers in computer and network based questionnaires | |
| CN106649696B (zh) | 信息分类方法及装置 | |
| CN109299245B (zh) | 知识点召回的方法和装置 | |
| CN113743951A (zh) | 区块链的智能合约交易处理方法、装置 | |
| CN111832707A (zh) | 深度神经网络的解释方法、装置、终端及存储介质 | |
| CN111444930B (zh) | 一种确定二分类模型的预测效果的方法及装置 | |
| CN113449093A (zh) | 智能应答方法、装置和电子设备 | |
| CN111046156B (zh) | 奖励数据的确定方法、装置和服务器 | |
| US20150262313A1 (en) | Multiplicative incentive mechanisms | |
| US8972307B1 (en) | Method and apparatus for machine learning | |
| CN112148844A (zh) | 机器人的信息回复方法及装置 | |
| KR20210090706A (ko) | 정렬 | |
| CN111639160A (zh) | 领域识别的方法、交互的方法、电子设备及存储介质 | |
| CN111611481B (zh) | 书籍推荐方法、计算设备及计算机存储介质 | |
| CN111177388B (zh) | 一种处理方法及计算机设备 | |
| WO2021095358A1 (ja) | 学習方法、評価装置、及び評価システム | |
| CN110532565B (zh) | 语句处理方法及装置、以及电子设备 | |
| CN113836287A (zh) | 问答结果的确定方法、装置、计算机设备及存储介质 | |
| CN106708806B (zh) | 样本确认方法和装置及系统 | |
| CN111428019B (zh) | 用于知识库问答的数据处理方法及设备 | |
| US20190279085A1 (en) | Learning method, learning device, and computer-readable recording medium | |
| CN109857859A (zh) | 新闻信息的处理方法、装置、设备以及存储介质 |
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 |