CN113656557A - 消息回复方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开涉及一种消息回复方法、装置、存储介质及电子设备，所述方法包括：获取人机对话中的用户消息；根据用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；将所述候选表情包、每个候选表情包对应的候选文字描述信息以及用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；输出所述目标表情包，以回复所述用户消息。也就是说，本公开在获取与用户消息匹配的目标表情包时，结合了候选表情包对应的候选文字描述信息，这样，匹配得到的目标表情包的准确率更高，从而提高了消息回复的准确性，以及提升了人机交互的效果。

Description

消息回复方法、装置、存储介质及电子设备

技术领域

本公开涉及人机交互技术领域，尤其涉及一种消息回复方法、装置、存储介质及电子设备。

背景技术

随着互联网、信息通讯以及人工智能技术的发展，人机交互与生俱来的自然便捷性，使其成为未来的新一代交互范式，其可应用于网站平台、即时通信应用程序、聊天室和社交机器人等。

传统的人机交互中，机器大多数采用文本形式的内容与用户进行对话聊天，然而，“聊天表情”已经成为目前对话聊天过程中不可或缺的一个聊天元素。

发明内容

为克服相关技术中存在的问题，本公开提供一种消息回复方法、装置、存储介质及电子设备。

根据本公开实施例的第一方面，提供一种消息回复方法，所述方法包括：

获取人机对话中的用户消息；

根据所述用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；

将多个所述候选表情包、每个所述候选表情包对应的候选文字描述信息以及所述用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；

根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；

输出所述目标表情包，以回复所述用户消息。

在一些实施例中，在所述输出所述目标表情包前，所述方法还包括：

根据所述用户消息，从预设语料库中确定多个候选文本消息；

将多个所述候选文本消息和所述用户消息输入所述消息匹配模型，得到每个所述候选文本消息对应的文本匹配值；

根据多个所述表情包匹配值和多个所述文本匹配值，从多个所述候选表情包和多个所述候选文本消息中确定目标回复消息，所述目标回复消息包括目标表情包或目标文本消息；

所述输出所述目标表情包，包括：

在所述目标回复消息为所述目标表情包的情况下，输出所述目标表情包。

在一些实施例中，所述方法还包括：

在所述目标回复消息为所述目标文本消息的情况下，输出所述目标文本消息。

在一些实施例中，所述根据多个所述表情包匹配值和多个所述文本匹配值，从多个所述候选表情包和多个所述候选文本消息中确定目标回复消息包括：

确定多个所述表情包匹配值和多个所述文本匹配值中的最大匹配值；

将所述最大匹配值对应的目标候选表情包或目标候选文本消息作为所述目标回复消息。

在一些实施例中，所述预设表情包库通过以下方式预先创建：

获取预设表情包；

根据每个所述预设表情包的类型，确定与所述预设表情包对应的预设文字描述信息；

创建每个所述预设表情包与所述预设文字描述信息之间的对应关系，得到所述预设表情包库。

在一些实施例中，所述预设表情包的类型包括静态图片表情包；所述确定与所述预设表情包对应的预设文字描述信息包括：

确定所述预设表情包是否包含预设表情包代码；

在所述预设表情包包含所述预设表情包代码的情况下，将所述预设表情包代码作为所述预设文字描述信息；

在所述预设表情包未包含所述预设表情包代码的情况下，通过预先训练的标签识别模型获取所述预设表情包对应的标签信息，并将所述标签信息作为所述预设文字描述信息。

在一些实施例中，所述预设表情包的类型包括图文结合表情包；所述确定与所述预设表情包对应的预设文字描述信息包括：

获取所述预设表情包中的文字信息；

将所述文字信息作为所述预设文字描述信息。

在一些实施例中，所述预设表情包的类型包括动态图片表情包；所述确定与所述预设表情包对应的预设文字描述信息包括：

获取所述预设表情包中每一帧图片对应的帧文字描述信息；

根据多个所述帧文字描述信息，确定所述预设文字描述信息。

在一些实施例中，所述消息匹配模型通过以下方式训练得到：

获取表情包样本集和文本样本集，所述表情包样本集包括多个表情包样本、每个所述表情包样本对应的样本文字描述信息以及每个所述表情包样本对应的表情包样本匹配值，所述文本样本集包括多组文本对话样本和每组所述文本对话样本对应的文本样本匹配值；

通过所述表情包样本集和所述文本样本集对目标神经网络模型进行训练，得到所述消息匹配模型。

在一些实施例中，所述通过所述表情包样本集和所述文本样本集对目标神经网络模型进行训练，得到所述消息匹配模型包括：

根据多个所述表情包样本、多个所述样本文字描述信息、多个所述表情包样本匹配值、多组所述文本对话样本以及多个所述文本样本匹配值，通过所述目标神经网络模型的预设损失函数对所述目标神经网络模型进行迭代训练，得到所述消息匹配模型。

在一些实施例中，所述根据所述用户消息，从预设表情包库中确定多个候选表情包，包括：

确定所述用户消息是否为表情包；

在所述用户消息为表情包的情况下，确定所述用户消息对应的表情文字描述信息；

根据所述表情文字描述信息对应的语义信息，从所述预设表情包库中确定与所述语义信息匹配的多个候选文字描述信息；

将每个所述候选文字描述信息对应的表情包作为所述候选表情包。

根据本公开实施例的第二方面，提供一种消息回复装置，所述装置包括：

用户消息获取模块，被配置为获取人机对话中的用户消息；

候选表情包确定模块，被配置为根据所述用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；

表情包匹配值获取模块，被配置为将多个所述候选表情包、每个所述候选表情包对应的候选文字描述信息以及所述用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；

表情包确定模块，被配置为根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；

表情包输出模块，被配置为输出所述目标表情包，以回复所述用户消息。

在一些实施例中，所述装置还包括：

候选文本消息确定模块，被配置为根据所述用户消息，从预设语料库中确定多个候选文本消息；

文本匹配值获取模块，被配置为将多个所述候选文本消息和所述用户消息输入所述消息匹配模型，得到每个所述候选文本消息对应的文本匹配值；

目标回复消息确定模块，被配置为根据多个所述表情包匹配值和多个所述文本匹配值，从多个所述候选表情包和多个所述候选文本消息中确定目标回复消息，所述目标回复消息包括目标表情包或目标文本消息；

所述表情包输出模块，还被配置为：

在所述目标回复消息为所述目标表情包的情况下，输出所述目标表情包。

在一些实施例中，所述装置还包括：

文本消息输出模块，被配置为在所述目标回复消息为所述目标文本消息的情况下，输出所述目标文本消息。

在一些实施例中，所述目标回复消息确定模块，还被配置为：

确定多个所述表情包匹配值和多个所述文本匹配值中的最大匹配值；

将所述最大匹配值对应的目标候选表情包或目标候选文本消息作为所述目标回复消息。

在一些实施例中，所述装置还包括：

表情包库创建模块，被配置为：

获取预设表情包；

根据每个所述预设表情包的类型，确定与所述预设表情包对应的预设文字描述信息；

创建每个所述预设表情包与所述预设文字描述信息之间的对应关系，得到所述预设表情包库。

在一些实施例中，所述预设表情包的类型包括静态图片表情包；所述表情包库创建模块，还被配置为：

确定所述预设表情包是否包含预设表情包代码；

在所述预设表情包包含所述预设表情包代码的情况下，将所述预设表情包代码作为所述预设文字描述信息；

在所述预设表情包未包含所述预设表情包代码的情况下，通过预先训练的标签识别模型获取所述预设表情包对应的标签信息，并将所述标签信息作为所述预设文字描述信息。

在一些实施例中，所述预设表情包的类型包括图文结合表情包；所述表情包库创建模块，还被配置为：

获取所述预设表情包中的文字信息；

将所述文字信息作为所述预设文字描述信息。

在一些实施例中，所述预设表情包的类型包括动态图片表情包；所述表情包库创建模块，还被配置为：

获取所述预设表情包中每一帧图片对应的帧文字描述信息；

根据多个所述帧文字描述信息，确定所述预设文字描述信息。

在一些实施例中，所述装置还包括：

模型训练模块，被配置为：

获取表情包样本集和文本样本集，所述表情包样本集包括多个表情包样本、每个所述表情包样本对应的样本文字描述信息以及每个所述表情包样本对应的表情包样本匹配值，所述文本样本集包括多组文本对话样本和每组所述文本对话样本对应的文本样本匹配值；

通过所述表情包样本集和所述文本样本集对目标神经网络模型进行训练，得到所述消息匹配模型。

在一些实施例中，所述模型训练模块，还被配置为：

根据多个所述表情包样本、多个所述样本文字描述信息、多个所述表情包样本匹配值、多组所述文本对话样本以及多个所述文本样本匹配值，通过所述目标神经网络模型的预设损失函数对所述目标神经网络模型进行迭代训练，得到所述消息匹配模型。

在一些实施例中，所述候选表情包确定模块，还被配置为：

确定所述用户消息是否为表情包；

在所述用户消息为表情包的情况下，确定所述用户消息对应的表情文字描述信息；

根据所述表情文字描述信息对应的语义信息，从所述预设表情包库中确定与所述语义信息匹配的多个候选文字描述信息；

将每个所述候选文字描述信息对应的表情包作为所述候选表情包。

根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的消息回复方法的步骤。

根据本公开实施例的第四方面，提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的消息回复方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：通过获取人机对话中的用户消息；根据所述用户消息的语义信息，从预设表情包库中确定多个候选表情包；将多个所述候选表情包、每个所述候选表情包对应的候选文字描述信息以及所述用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；输出所述目标表情包，以回复所述用户消息。也就是说，本公开在获取与用户消息匹配的目标表情包时，结合了候选表情包对应的候选文字描述信息，这样，匹配得到的目标表情包的准确率更高，从而提高了消息回复的准确性，以及提升了人机交互的效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据本公开一示例性实施例示出的一种消息回复方法的流程图；

图2是根据本公开一示例性实施例示出的一种创建预设表情包库的方法的流程图；

图3是根据本公开一示例性实施例示出的一种消息匹配模型的训练方法的流程图；

图4是根据本公开一示例性实施例示出的另一种消息回复方法的流程图；

图5是根据本公开一示例性实施例示出的一种消息回复装置的框图；

图6是根据本公开一示例性实施例示出的另一种消息回复装置的框图；

图7是根据本公开一示例性实施例示出的一种电子设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

首先，对本公开的应用场景进行说明。本公开实施例中的人机对话可以是语音对话，也可以是文字对话。其中，在语音对话场景中，用户可以向电子设备发出语音信息，电子设备可以利用本公开实施例的消息回复方法对语音信息进行处理，并生成相应的回复。

在文本对话场景中，用户可以向电子设备的客户端的人机交互界面输入文字对话信息，电子设备可以利用本公开实施例的消息回复方法对文字信息进行处理，并生成相应的回复。

下面结合具体实施例对本公开进行说明。

图1是根据本公开一示例性实施例示出的一种消息回复方法的流程图，如图1所示，该方法可以应用于电子设备，电子设备例如：移动终端或服务器中，移动终端包括:手机、笔记本、平板电脑、台式计算机、智能音箱、智能电视、可穿戴设备、智能机器人、车载终端以及安装有智能语音助手的终端等。服务器包括：本地服务器及云服务器。

上述电子设备还可以是服务器中的电子设备。也即，本地的智能音箱或者智能终端可以完成采集音频数据或者采集文本数据的功能，从而将音频数据或者文本数据发送到服务器进行处理，在得到回复信息之后，服务器再将回复信息发送到本地的智能音箱或者智能终端进行输出。

该方法包括：

S101、获取人机对话中的用户消息。

其中，该用户消息可以是文本消息，也可以是语音消息，还可以是表情包，本公开对此不作限定。

在本步骤中，用户可以通过该电子设备的客户端的人机交互界面输入该用户消息，也可以通过其他电子设备向该电子设备发送该用户消息，本公开对此不作限定。

S102、根据该用户消息对应的语义信息，从预设表情包库中确定多个候选表情包。

其中，图2是根据本公开一示例性实施例示出的一种创建预设表情包库的方法的流程图，如图2所示，该方法可以包括：

S1021、获取预设表情包。

该预设表情包可以是收集的常用的多个表情包，该预设表情包可以仅包括图片，也可以包括图片和文字，还可以是动态图片，例如gif图片，本公开对此不作限定。

S1022、根据每个预设表情包的类型，确定与该预设表情包对应的预设文字描述信息。

在得到该预设表情包后，针对每个预设表情包，可以根据该预设表情包的类型，通过不同方式确定该预设表情包对应的预设文字描述信息。

在该预设表情包的类型包括静态图片表情包的情况下，可以确定该预设表情包是否包含预设表情包代码，该预设表情包代码可以是创建该预设该表情包时添加的，在该预设表情包包含该预设表情包代码的情况下，将该预设表情包代码作为该预设文字描述信息；在该预设表情包未包含该预设表情包代码的情况下，通过预先训练的标签识别模型获取该预设表情包对应的标签信息，并将该标签信息作为该预设文字描述信息。该标签信息可以是该预设表情包对应的类型、情绪等，示例地，该标签信息可以是动物，例如猫、狗等，该标签信息也可以是人物，例如小男孩、小女孩、老人等，该标签信息还可以是开心、伤心等，本公开该标签信息的具体内容不作限定。

在该标签信息包括多个的情况下，可以将多个标签信息组合，得到该预设文字描述信息。

需要说明的是，该标签识别模型可以是通过现有技术的模型训练方式训练得到的，此处不再赘述。

在该预设表情包的类型包括图文结合表情包的情况下，可以获取该预设表情包中的文字信息，并将该文字信息作为该预设文字描述信息。示例地，可以通过OCR(OpticalCharacter Recognition，光学字符识别)技术获取该预设表情包中的文字信息。

在该预设表情包的类型包括动态图片表情包的情况下，可以获取该预设表情包中每一帧图片对应的帧文字描述信息，并根据多个帧文字描述信息，确定该预设文字描述信息。

示例地，可以先获取该预设表情包中的每一帧图片，再针对每一帧图片，确定该帧图片的类型，在该帧图片仅包括图片的情况下，可以确定该帧图片是否包含预设表情包代码，该预设表情包代码可以是创建该帧图片时添加的，在该帧图片包含该预设表情包代码的情况下，将该预设表情包代码作为该帧图片对应的帧文字描述信息；在该帧图片未包含该预设表情包代码的情况下，通过预先训练的标签识别模型获取该帧图片对应的标签信息，并将该标签信息作为该帧文字描述信息。

在该帧图片包括图片和文字的情况下，可以获取该帧图片中的文字信息，并将该文字信息作为该帧文字描述信息。

进一步地，在得到每一帧图片对应的帧文字描述信息后，可以将多个帧文字描述信息进行组合，得到组合帧文字描述信息，滤除该组合帧文字描述信息中的重复内容后，得到该预设文字描述信息。

S1023、创建每个预设表情包与该预设文字描述信息之间的对应关系，得到该预设表情包库。

在确定该预设表情包对应的预设文字描述信息后，可以创建每个预设表情包和该预设表情包对应的预设文字描述信息之间的对应关系，得到该预设表情包库。

需要说明的是，在人机对话过程中，若接收到的用户消息为未知表情包，即该预设表情包库中没有该表情包，则可以更新该预设表情包库，将该未知表情包添加至该预设表情包库，使得该预设表情包库的表情更加丰富，进一步提高人机交互的用户体验。

另外，该预设表情包库可以通过该电子设备预先创建，也可以通过云端服务器预先创建，本公开对此不作限定。在该预设表情包库通过云端服务器预先创建的情况下，该电子设备可以周期性从该云端服务器获取该预设表情包库。

在本步骤中，在接收到该用户消息后，可以根据该用户消息，从该预设表情包库中确定与该用户消息匹配的多个候选表情包。示例地，在该用户消息为文本消息的情况下，可以根据该用户消息的关键词确定与该用户消息匹配的多个候选表情包；在该用户消息为语音消息的情况下，可以通过现有技术的方法将该语音消息转换为文本消息，之后，再确定与该用户消息匹配的多个候选表情包；在该用户消息为表情包的情况下，可以参照上述获取预设文字描述信息的方法，获取该用户消息对应的表情文字描述信息，之后，再根据该表情文字描述信息的关键词确定与该用户消息匹配的多个候选表情包。

S103、将多个候选表情包、每个候选表情包对应的候选文字描述信息以及该用户消息输入预先训练的消息匹配模型，得到每个候选表情包对应的表情包匹配值。

其中，图3是根据本公开一示例性实施例示出的一种消息匹配模型的训练方法的流程图，如图3所示，该方法可以包括：

S1、获取表情包样本集和文本样本集。

其中，该表情包样本集包括多个表情包样本、每个表情包样本对应的样本文字描述信息以及每个表情包样本对应的表情包样本匹配值，该文本样本集包括多组文本对话样本和每组文本对话样本对应的文本样本匹配值。该表情包样本可以是该预设表情包库中的表情包，也可以是其它表情包，本公开对此不作限定。每组对话样本可以包括一个用户消息和电子设备针对该用户消息的一个回复消息。

该表情包样本对应的表情包样本匹配值，可以根据该表情包样本与该表情包样本对应的样本文字描述信息之间的匹配关系预先确定，示例地，针对匹配度较高的表情包样本和样本文字描述信息，该表情包样本匹配值可以是1，针对匹配度较低的表情包样本和样本文字描述信息，该表情包样本匹配值可以是0。类似地，该文本样本匹配值也可以根据该文本对话样本的匹配度确定，示例地，针对匹配度较高的文本对话样本，例如，电子设备针对用户消息的回复消息比较准确，该文本样本匹配值可以是1；针对匹配度较低的文本对话样本，例如，电子设备针对用户消息的回复消息不准确，该文本样本匹配值可以是0。

需要说明的是，上述表情包样本匹配值和文本样本匹配值是举例说明，该表情包样本匹配值和该文本样本匹配值也可以是其它数值，例如0.9,0.1等，本公开对此不作限定。

在一种可能的实现方式中，该表情包样本集可以包括表情包正样本集和表情包负样本集，该表情包正样本集中的表情包样本和样本文字描述信息的匹配度较高，其中的表情包样本匹配值为1，该表情包负样本集中的表情包样本和样本文字描述信息的匹配度较低，其中的表情包样本匹配值为0。该文本样本集可以包括文本正样本集和文本负样本集，该文本正样本集中的文本对话样本的匹配度较高，其中的文本样本匹配值为1，该文本负样本集中的文本对话样本的匹配度较低，其中的文本样本匹配值为0。

S2、通过该表情包样本集和该文本样本集对目标神经网络模型进行训练，得到该消息匹配模型。

其中，该目标神经网络模型可以是多模态神经网络模型，示例地，该目标神经网络模型可以是VisualBERT多模态模型。

在得到该表情包样本集和该文本样本集后，可以将该表情包样本集中的多个表情包样本、多个样本文字描述信息、多个表情包样本匹配值，以及该文本样本集中的多组文本对话样本和多个文本样本匹配值输入该目标神经网络模型，通过该目标神经网络模型的预设损失函数对该目标神经网络模型进行迭代训练，得到该消息匹配模型。其中，该预设损失函数可以是现有技术中的常用的损失函数，本公开对此不作限定。

需要说明的是，通过该目标神经网络模型的预设损失函数对该目标神经网络模型进行迭代训练的方法，可以参考现有技术的模型训练方法，此处不再赘述。

S104、根据该候选表情包对应的表情包匹配值，从多个候选表情包中确定目标表情包。

在本步骤中，在得到每个候选表情包对应的表情包匹配值后，可以从该表情包匹配值中确定最大的目标表情包匹配值，并将该目标表情包匹配值对应的候选表情包作为该目标表情包。

S105、输出该目标表情包，以回复该用户消息。

在本步骤中，在确定该目标表情包后，可以根据接收该用户消息的方式，输出该目标表情包，示例地，若该电子设备通过目标应用程序接收到该用户消息，则可以在该目标应用程序中该用户消息的下方输出该目标表情包。

采用上述方法，在获取与用户消息匹配的目标表情包时，结合了候选表情包对应的候选文字描述信息，这样，匹配得到的目标表情包的准确率更高，从而提高了消息回复的准确性，以及提升了人机交互的效果。

图4是根据本公开一示例性实施例示出的另一种消息回复方法的流程图，如图4所示，该方法包括：

S401、获取人机对话中的用户消息。

其中，该用户消息可以是文本消息，也可以是语音消息，还可以是表情包，本公开对此不作限定。

S402、确定该用户消息是否为表情包。

S403、在该用户消息为表情包的情况下，确定该用户消息对应的表情文字描述信息。

在本步骤中，在该用户消息为表情包的情况下，可以参照步骤S102中确定预设表情包对应的预设文字描述信息的方式，确定该用户消息对应的表情文字描述信息，此处不再赘述。

S404、根据该表情文字描述信息对应的语义信息，从该预设表情包库中确定与该语义信息匹配的多个候选文字描述信息。

在本步骤中，在得到该用户消息对应的表情文字描述信息后，可以对该表情文字描述信息进行语义解析，得到该表情文字描述信息对应的至少一个关键词，并将至少一个关键词作为该用户消息对应的特征信息。示例地，本公开可以通过现有技术的语义解析方法确定该表情文字描述信息对应的至少一个关键词，此处不再赘述。

需要说明的是，在该用户消息为文本消息的情况下，可以直接对该用户消息进行语义解析，得到该用户消息对应的至少一个关键词，并将至少一个关键词作为该用户消息对应的特征信息。

进一步地，在确定该用户消息对应的特征信息后，可以通过现有技术的语义匹配算法，确定与该特征信息匹配的多个候选文字描述信息。其中，该候选文字描述信息的数量可以是预先设置的，示例地，该候选文字描述信息的数量可以是5，本公开对此不作限定。

S405、将每个候选文字描述信息对应的表情包作为该候选表情包。

S406、将多个候选表情包、每个候选表情包对应的候选文字描述信息以及该用户消息输入预先训练的消息匹配模型，得到每个候选表情包对应的表情包匹配值。

S407、根据该用户消息，从预设语料库中确定多个候选文本消息。

其中，该预设语料库可以是现有技术的语料库，该预设语料库可以包括多组对话文本对话。

在本步骤中，可以通过现有技术的语义匹配算法，从该预设语料库中确定与该用户消息匹配的多个候选文本消息。该候选文本消息的数量可以是预先设置的，示例地，该候选文本消息的数量可以是4，本公开对此不作限定。

S408、将多个候选文本消息和该用户消息输入该消息匹配模型，得到每个候选文本消息对应的文本匹配值。

需要说明的是，上述步骤S407～步骤S408也可以在步骤S402～步骤S406之前执行，本公开对此不作限定。

S409、根据多个表情包匹配值和多个文本匹配值，从多个候选表情包和多个候选文本消息中确定目标回复消息。

其中，该目标回复消息可以包括目标表情包或目标文本消息。

在本步骤中，在得到多个表情包匹配值和多个文本匹配值后，可以确定多个表情包匹配值和多个文本匹配值中的最大匹配值，并将该最大匹配值对应的目标候选表情包或目标候选文本消息作为该目标回复消息。示例地，若该最大匹配值为目标表情包匹配值，则将该目标表情包匹配值对应的目标表情包作为该目标回复消息；若该最大匹配值为目标文本匹配值，则将该目标文本匹配值对应的目标文本消息作为该目标回复消息。

S410、确定该目标回复消息是否为目标表情包，在该目标回复消息为该目标表情包的情况下，执行步骤S411，在该目标回复消息不是该目标表情包的情况下，执行步骤S412。

S411、输出该目标表情包。

在本步骤中，在输出该目标表情包后，可以获取该目标表情包对应的目标文字描述信息，并以语音的形式播放该文字描述信息，可以增加人家交互的趣味性。

S412、在该目标回复消息为该目标文本消息的情况下，输出该目标文本消息。

在本步骤中，在输出该目标文本消息后，也可以以语音的形式播放该目标文本消息。

采用上述方法，在获取与用户消息匹配的目标表情包时，结合了候选表情包对应的候选文字描述信息，这样，匹配得到的目标表情包的准确率更高，从而提高了人机交互的效果，并且，本公开的目标表情包可以是图片，也可以是图片和文字，还可以是动态图片，使得电子设备回复的表情包更加丰富；进一步地，本公开既可以回复表情包，也可以回复文本消息，使得人机交互的方式更加灵活，进一步提高了用户体验。

图5是根据本公开一示例性实施例示出的一种消息回复装置的框图，如图5所示，该装置包括：

用户消息获取模块501，被配置为获取人机对话中的用户消息；

候选表情包确定模块502，被配置为根据该用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；

表情包匹配值获取模块503，被配置为将多个该候选表情包、每个该候选表情包对应的候选文字描述信息以及该用户消息输入预先训练的消息匹配模型中，得到每个该候选表情包对应的表情包匹配值；

表情包确定模块504，被配置为根据该候选表情包对应的表情包匹配值，从多个该候选表情包中确定目标表情包；

表情包输出模块505，被配置为输出该目标表情包，以回复该用户消息。

在一些实施例中，图6是根据本公开一示例性实施例示出的另一种消息回复装置的框图，如图6所示，该装置还包括：

候选文本消息确定模块506，被配置为根据该用户消息，从预设语料库中确定多个候选文本消息；

文本匹配值获取模块507，被配置为将多个该候选文本消息和该用户消息输入该消息匹配模型，得到每个该候选文本消息对应的文本匹配值；

目标回复消息确定模块508，被配置为根据多个该表情包匹配值和多个该文本匹配值，从多个该候选表情包和多个该候选文本消息中确定目标回复消息，该目标回复消息包括目标表情包或目标文本消息；

该表情包输出模块505，还被配置为：

在该目标回复消息为该目标表情包的情况下，输出该目标表情包。

在一些实施例中，该装置还包括：

文本消息输出模块509，被配置为在该目标回复消息为该目标文本消息的情况下，输出该目标文本消息。

在一些实施例中，该目标回复消息确定模块508，还被配置为：

确定多个该表情包匹配值和多个该文本匹配值中的最大匹配值；

将该最大匹配值对应的目标候选表情包或目标候选文本消息作为该目标回复消息。

在一些实施例中，该装置还包括：

表情包库创建模块510，被配置为：

获取预设表情包；

根据每个预设表情包的类型，确定与该预设表情包对应的预设文字描述信息；

创建该预设表情包与该预设文字描述信息之间的对应关系，得到该预设表情包库。

在一些实施例中，该预设表情包的类型包括静态图片表情包；该表情包库创建模块510，还被配置为：

确定该预设表情包是否包含预设表情包代码；

在该预设表情包包含该预设表情包代码的情况下，将该预设表情包代码作为该预设文字描述信息；

在该预设表情包未包含该预设表情包代码的情况下，通过预先训练的标签识别模型获取该预设表情包对应的标签信息，并将该标签信息作为该预设文字描述信息。

在一些实施例中，该预设表情包的类型包括图文结合表情包；该表情包库创建模块510，还被配置为：

获取该预设表情包中的文字信息；

将该文字信息作为该预设文字描述信息。

在一些实施例中，该预设表情包的类型包括动态图片表情包；该表情包库创建模块510，还被配置为：

获取该预设表情包中每一帧图片对应的帧文字描述信息；

根据多个该帧文字描述信息，确定该预设文字描述信息。

在一些实施例中，该装置还包括：

模型训练模块511，被配置为：

获取表情包样本集和文本样本集，该表情包样本集包括多个表情包样本、每个该表情包样本对应的样本文字描述信息以及每个该表情包样本对应的表情包样本匹配值，该文本样本集包括多组文本对话样本和每组该文本对话样本对应的文本样本匹配值；

通过该表情包样本集和该文本样本集对目标神经网络模型进行训练，得到该消息匹配模型。

在一些实施例中，该模型训练模块511，还被配置为：

根据多个该表情包样本、多个该样本文字描述信息、多个该表情包样本匹配值、多组该文本对话样本以及多个该文本样本匹配值，通过该目标神经网络模型的预设损失函数对该目标神经网络模型进行迭代训练，得到该消息匹配模型。

在一些实施例中，该候选表情包确定模块502，还被配置为：

确定该用户消息是否为表情包；

在该用户消息为表情包的情况下，确定该用户消息对应的表情文字描述信息；

根据该表情文字描述信息对应的语义信息，从该预设表情包库中确定与该语义信息匹配的多个候选文字描述信息；

将每个候选文字描述信息对应的表情包作为该候选表情包。

通过上述装置，在获取与用户消息匹配的目标表情包时，结合了候选表情包对应的候选文字描述信息，这样，匹配得到的目标表情包的准确率更高，从而提高了消息回复的准确性，以及提升了人机交互的效果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的消息回复方法的步骤。

图7是根据本公开一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图7，电子设备700可以包括以下一个或多个组件：处理组件702，存储器704，电力组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。

处理组件702通常控制电子设备700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的消息回复方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。

存储器704被配置为存储各种类型的数据以支持在电子设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件706为电子设备700的各种组件提供电力。电力组件706可以包括电源管理系统，一个或多个电源，及其他与为电子设备700生成、管理和分配电力相关联的组件。

多媒体组件708包括在所述电子设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当电子设备700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当电子设备700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。

I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件714包括一个或多个传感器，用于为电子设备700提供各个方面的状态评估。例如，传感器组件714可以检测到电子设备700的打开/关闭状态，组件的相对定位，例如所述组件为电子设备700的显示器和小键盘，传感器组件714还可以检测电子设备700或电子设备700一个组件的位置改变，用户与电子设备700接触的存在或不存在，电子设备700方位或加速/减速和电子设备700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件716被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述消息回复方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由电子设备700的处理器720执行以完成上述消息回复方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的消息回复方法的代码部分。

本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (14)

1.一种消息回复方法，其特征在于，所述方法包括：

获取人机对话中的用户消息；

根据所述用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；

将多个所述候选表情包、每个所述候选表情包对应的候选文字描述信息以及所述用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；

根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；

输出所述目标表情包，以回复所述用户消息。

2.根据权利要求1所述的方法，其特征在于，在所述输出所述目标表情包前，所述方法还包括：

根据所述用户消息，从预设语料库中确定多个候选文本消息；

将多个所述候选文本消息和所述用户消息输入所述消息匹配模型，得到每个所述候选文本消息对应的文本匹配值；

根据多个所述表情包匹配值和多个所述文本匹配值，从多个所述候选表情包和多个所述候选文本消息中确定目标回复消息，所述目标回复消息包括目标表情包或目标文本消息；

所述输出所述目标表情包，包括：

在所述目标回复消息为所述目标表情包的情况下，输出所述目标表情包。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在所述目标回复消息为所述目标文本消息的情况下，输出所述目标文本消息。

4.根据权利要求2所述的方法，其特征在于，所述根据多个所述表情包匹配值和多个所述文本匹配值，从多个所述候选表情包和多个所述候选文本消息中确定目标回复消息包括：

确定多个所述表情包匹配值和多个所述文本匹配值中的最大匹配值；

将所述最大匹配值对应的目标候选表情包或目标候选文本消息作为所述目标回复消息。

5.根据权利要求1所述的方法，其特征在于，所述预设表情包库通过以下方式预先创建：

获取预设表情包；

根据每个所述预设表情包的类型，确定与所述预设表情包对应的预设文字描述信息；

创建每个所述预设表情包与所述预设文字描述信息之间的对应关系，得到所述预设表情包库。

6.根据权利要求5所述的方法，其特征在于，所述预设表情包的类型包括静态图片表情包；

所述确定与所述预设表情包对应的预设文字描述信息包括：

确定所述预设表情包是否包含预设表情包代码；

在所述预设表情包包含所述预设表情包代码的情况下，将所述预设表情包代码作为所述预设文字描述信息；

在所述预设表情包未包含所述预设表情包代码的情况下，通过预先训练的标签识别模型获取所述预设表情包对应的标签信息，并将所述标签信息作为所述预设文字描述信息。

7.根据权利要求5所述的方法，其特征在于，所述预设表情包的类型包括图文结合表情包；

所述确定与所述预设表情包对应的预设文字描述信息包括：

获取所述预设表情包中的文字信息；

将所述文字信息作为所述预设文字描述信息。

8.根据权利要求5所述的方法，其特征在于，所述预设表情包的类型包括动态图片表情包；

所述确定与所述预设表情包对应的预设文字描述信息包括：

获取所述预设表情包中每一帧图片对应的帧文字描述信息；

根据多个所述帧文字描述信息，确定所述预设文字描述信息。

9.根据权利要求1所述的方法，其特征在于，所述消息匹配模型通过以下方式训练得到：

获取表情包样本集和文本样本集，所述表情包样本集包括多个表情包样本、每个所述表情包样本对应的样本文字描述信息以及每个所述表情包样本对应的表情包样本匹配值，所述文本样本集包括多组文本对话样本和每组所述文本对话样本对应的文本样本匹配值；

通过所述表情包样本集和所述文本样本集对目标神经网络模型进行训练，得到所述消息匹配模型。

10.根据权利要求9所述的方法，其特征在于，所述通过所述表情包样本集和所述文本样本集对目标神经网络模型进行训练，得到所述消息匹配模型包括：

根据多个所述表情包样本、多个所述样本文字描述信息、多个所述表情包样本匹配值、多组所述文本对话样本以及多个所述文本样本匹配值，通过所述目标神经网络模型的预设损失函数对所述目标神经网络模型进行迭代训练，得到所述消息匹配模型。

11.根据权利要求1-10任一项所述的方法，其特征在于，所述根据所述用户消息对应的语义信息，从预设表情包库中确定多个候选表情包，包括：

确定所述用户消息是否为表情包；

在所述用户消息为表情包的情况下，确定所述用户消息对应的表情文字描述信息；

根据所述表情文字描述信息对应的语义信息，从所述预设表情包库中确定与所述语义信息匹配的多个候选文字描述信息；

将每个所述候选文字描述信息对应的表情包作为所述候选表情包。

12.一种消息回复装置，其特征在于，所述装置包括：

用户消息获取模块，被配置为获取人机对话中的用户消息；

候选表情包确定模块，被配置为根据所述用户消息对应的语义信息，从预设表情包库中确定多个候选表情包；

表情包匹配值获取模块，被配置为将多个所述候选表情包、每个所述候选表情包对应的候选文字描述信息以及所述用户消息输入预先训练的消息匹配模型中，得到每个所述候选表情包对应的表情包匹配值；

表情包确定模块，被配置为根据所述候选表情包对应的表情包匹配值，从多个所述候选表情包中确定目标表情包；

表情包输出模块，被配置为输出所述目标表情包，以回复所述用户消息。

13.一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，该程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。

14.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-11中任一项所述方法的步骤。

Images