CN113987149A - 任务型机器人的智能会话方法、系统及存储介质 - Google Patents
任务型机器人的智能会话方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113987149A CN113987149A CN202111274770.1A CN202111274770A CN113987149A CN 113987149 A CN113987149 A CN 113987149A CN 202111274770 A CN202111274770 A CN 202111274770A CN 113987149 A CN113987149 A CN 113987149A
- Authority
- CN
- China
- Prior art keywords
- current
- conversation
- dialogue
- user
- word slot
- 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
- 230000009191 jumping Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000011084 recovery Methods 0.000 claims abstract description 13
- 238000013515 script Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000009432 framing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
Abstract
本申请提供了一种任务型机器人的智能会话方法及系统，根据当前用户输入数据获取当前用户意图和/或第一词槽；根据当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
Description
技术领域
本申请属于人工智能技术领域，具体地，涉及一种任务型机器人的智能会话方法、系统及存储介质。
背景技术
现有智能对话领域，任务型对话机器人将业务员积累下来的话术整理成剧本，让任务型机器人通过模拟业务员的对话方式来与用户交流，引导用户一步一步办理业务的流程。另外，需要任务型对话机器人中台，来提供平台能力支撑多种场景的任务型机器人实例。但，目前对话剧本仅支持基于意图跳转、基于词槽跳转的简单功能。对于复杂业务场景，比如根据多个词槽组合进行跳转、根据词槽计算后的值进行跳转、根据之前的词槽值进行进一步定制化提槽，根据词槽值进一步根据用户说法判断意图，这些场景都无法支持。即使用户拥有高超的开发技能，也无法在平台上实现复杂的场景需求。
对于复杂策略处理，百度unity提供了自定义过程的支持方式，自定义过程组件是python脚本。虽然python脚本在表达力上比较丰富，但是unity的自定义过程也只支持基础语法函数的定义，对于依赖第三方算法库实现的复杂功能函数，也无法支持。由于需要引入各种外部依赖包，会影响平台底层的python环境，因此在unity上也无法实现自由的脚本开发。
常用的python的高并发场景下的执行性能不高。python语言并不擅长高并发场景，在高并发场景下执行性能上不如java体系。
发明内容
本发明提出了一种任务型机器人的智能会话方法、系统及存储介质，使用java体系的脚本语言作为基础，保证高并发场景下的运行性能，并引入了Groovy脚本，支持动态编译运行。旨在解决现有智能对话领域无法在平台上实现复杂的场景需求。
根据本申请实施例的第一个方面，提供了一种任务型机器人的智能会话方法，具体包括以下步骤：
根据当前用户输入数据获取当前用户意图和/或第一词槽；
根据当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；
根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
在本申请一些实施方式中，根据当前用户输入数据获取当前用户意图和/或第一词槽之前，还包括:预先获取客户会话文本数据，形成对话数剧本；
客户会话文本数据包括用户数据以及应答数据，根据用户数据以及应答数据提取多个用户意图以及词槽；
根据多个用户意图以及词槽形成不同的对话节点以及对话分支；
对话数剧本由多个对话节点以及对话分支组成，一个对话节点连接至少一个对话分支，一个对话分支两端连接两个对话节点。
在本申请一些实施方式中，根据当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据，具体包括：
根据当前用户意图和/或第一词槽，通过对话数剧本确定当前会话节点；
根据当前用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据。
在本申请一些实施方式中，根据所述当前用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据之前，还包括预先设置对话回复列表，通过检索对话回复列表输出对话回复数据；对话回复列表包括一一对应的用户意图与对话回复数据，以及一一对应的词槽与对话回复数据。
在本申请一些实施方式中，当前对话节点设置有当前对话状态，当前对话状态包括当前对话节点以及当前已提取的用户意图和/或当前词槽；当对话结束或者一段时间内没有新的用户输入数据时，保存记录当前对话状态。
在本申请一些实施方式中，当获取新的用户输入数据时，比对用户输入信息的用户身份信息与历史用户身份信息，若存在同一用户的历史用户身份信息，则，根据用户身份信息调取上一次的当前对话状态，在当前对话状态下继续智能对话。
在本申请一些实施方式中，根据当前用户输入数据获取当前用户意图和/或第一词槽时，采用Groovy语言进行常用语表达式判断及线上数据处理。
根据本申请实施例的第二个方面，提供了一种任务型机器人的智能会话系统，具体包括：
用户数据获取模块：用于根据当前用户输入数据获取当前用户意图和/或第一词槽；
当前对话分析模块：用于根据当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；
其中，当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；
下一对话分析模块：用于根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
根据本申请实施例的第三个方面，提供了一种任务型机器人的智能会话设备，包括：
存储器：用于存储可执行指令；以及
处理器:用于与存储器连接以执行可执行指令从而完成任务型机器人的智能会话方法。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现任务型机器人的智能会话方法。
采用本申请的任务型机器人的智能会话方法及系统，根据当前用户输入数据获取当前用户意图和/或第一词槽；根据当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
因此，极大地提升了任务型机器人的会话质量，提升客户满意度，并使机器人在会话交流的同时能够筛选客户购买意向，促成高意向客户成单，并提升无意向和低意向客户的意愿，实现最终成单可能性的最大化。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1中示出了根据本申请实施例的任务型机器人的智能会话方法的步骤示意图；
图2中示出了根据本申请实施例的任务型机器人的智能会话系统的结构示意图；
图3中示出了根据本申请实施例的任务型机器人的智能会话设备的结构示意图。
具体实施方式
在实现本申请的过程中，发明人发现以下问题：
1、目前，任务型对话机器人平台，无法支复杂对话逻辑，其所基于的java语言本身不支持动态编译执行。
2、业界竞品提供自定义函数在一定程度上支持复杂逻辑，主要使用python脚本。比如，百度unity提供了自定义过程。虽然python脚本在表达力上比较丰富，但是unity的自定义过程也只支持基础语法函数的定义，对于依赖第三方算法库实现的复杂功能函数，也无法支持。由于需要引入各种外部依赖包，会影响平台底层的python环境，因此在unity上也无法实现自由的脚本开发。
3、python语言并不擅长高并发场景。在高并发场景下执行性能上不如java体系。
本申请的任务型对话机器人智能会话方法，引入了Groovy脚本，支持动态编译运行。将剧本内部的数据处理、编程意图识别、编程词槽提取、自定义变量、API调用的功能，开放给用户。使得高级用户能够通过编程脚本，实现二次提槽、二次意图识别、连续跳转、自定义条件跳转，等复杂业务场景的处理。
具体的，
本申请采用任务型机器人的智能会话方法及系统，根据当前用户输入数据获取当前用户意图和/或第一词槽；根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或当前词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
极大地提升了机器人的会话质量，提升客户满意度，并使机器人在会话交流的同时能够筛选客户购买意向，促成高意向客户成单，并提升无意向和低意向客户的意愿，实现最终成单可能性的最大化。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的任务型机器人的智能会话方法的步骤示意图。
如图1所示，本申请实施例的任务型机器人的智能会话方法，具体包括以下步骤：
首先，在步骤S101之前预先获取客户会话文本数据，形成对话数剧本。
其中，客户会话文本数据包括用户数据以及应答数据；根据用户数据以及应答数据提取多个用户意图以及词槽；
然后，根据多个用户意图以及词槽形成不同的对话节点以及对话分支；对话数剧本由多个对话节点以及对话分支组成，一个对话节点连接至少一个对话分支，一个对话分支两端连接两个对话节点。
关于对话树剧本：将业务人员工作中积累下来的话术，整理成为树形分支的剧本形式，指导对话的演进过程。
具体的，首先，获取大量客户会话数据，通过语音识别，将客户会话的语音转换为客户会话文本数据。
语音转文字技术可采用ASR技术。自动语音识别技术ASR(AutomaticSpeechRecognition)是一种将人的语音转换为文本的技术。
具体的，首选需要对原始语音进行预加重、分帧和加窗处理，获取标准语音。
获取标准语音的过程如下：
首先，采用预加重处理的公式s'n＝sn-a*sn-1对原始语音进行预加重处理，以消除说话人的声带和嘴唇对说话人语音的影响，提高说话人语音的高频分辨率。
其中，s'n为预加重处理后的n时刻的语音信号幅度，sn为n时刻的语音信号幅度，sn-1为n-1时刻的语音信号幅度，a为预加重系数。
然后，对预加重处理后的原始语音进行分帧处理，在分帧时，每一帧语音的起始点和末尾点都会出现不连续的地方，分帧越多，与原始语音的误差也就越大。
最后，为了保持每一帧语音的频率特性，还需要进行加窗处理，加窗处理的公式为和s″n＝wn*s′N，其中，wn为n时刻的汉明窗，N为汉明窗窗长，s'n为n时刻时域上的信号幅度，s″n为n时刻加窗后时域上的信号幅度。
通过以上步骤对原始客户语音进行预处理，获取标准语音，为后续对标准语音进行端点检测处理提供有效的数据来源。
然后，根据客户会话文本数据，具体通过文字分析，将客户会话文本数据划分为用户数据以及应答数据。
S101：根据当前用户输入数据获取当前用户意图和/或第一词槽。
在上一步骤完成后，获取会话开始时用户输入数据，即根据当前用户输入数据获取当前用户意图和/或当前词槽。
其中，用户意图，即根据用户说的一句话，判断用户想要做什么事。比如：申请理赔。
其中，词槽，即根据用户说的一句话，提取出来的关键要素。比如：证件类型。
具体的，在用户意图分类上，根据关键词分类、根据正则表达式分类或者根据模型分类等开箱即用的意图分类功能，进行用户输入数据的分析，得到用户意图。
具体的，在词槽提取上，包括日期、金额、国家、地区、年龄、身份证号、保单号等常用字段的词槽提取。
在以上基础上，还包括获得会话变量，会话变量即对话数据本中，内部计算并保存的变量，用于指导对话树剧本如何进行跳转，同时支持对话树剧本中的脚本进行运算。
S102：根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支。
本实施方式分为两种情况：根据当前用户意图和/或第一词槽，即可确定当前对话分支；若不能，则需要回复用户后获取下一用户输入数据，进行分析后，匹配当前对话分支。
此时的下一用户输入数据，是在回复用户或者向用户发出询问语音后，再次获取的新的用户输入数据。
具体的，根据当前用户意图和/或第一词槽，通过对话数剧本确定当前会话节点；根据当前用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据。
具体的，当前对话分支即根据当前对话节点的用户意图或者词槽对应的任务会话，例如：根据词槽进行对话分支的跳转。比如：证件类型＝身份证，跳转到身份证分支。
或者，根据意图跳转，比如：意图识别＝申请理赔，跳转到申请理赔分支。
其中，对话回复列表需要预先设置。对话回复列表包括一一对应的用户意图与对话回复数据，以及一一对应的词槽与对话回复数据。
具体的，确定对话回复数据时，包括检索对话回复列表并输出对话回复信息。其中一种实施方式的，可预先设置用户意图与对话回复列表。根据用户意图搜索对应的对话回复信息，并输出转换成语音进行对话。
相应的，预先设置词槽与对话回复列表。根据词槽搜索对应的对话回复信息，并输出转换成语音进行对话。
其中，当前对话节点还设置有当前对话状态，对话状态可根据用户自定义进行设置。例如，可提前设置对话状态列表。
优选实施方式的，当前对话状态包括当前对话节点以及当前已提取的用户意图和/或第一词槽；当对话结束或者一段时间内没有新的用户输入数据时，保存记录当前对话状态。当获取新的用户输入数据时，根据用户身份信息调取同一用户上一次的当前对话状态，在当前对话状态下继续智能对话。
S103：根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
根据对话数剧本中，一个对话分支连接两个对话节点，因此，根据当前对话分支可确定下一对话节点。
参照步骤S102中的对话节点，进一步根据最近一次的用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据。
或者根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
具体的，设计对话数节点分支跳转具体如下：
可根据词槽进行对话分支的跳转。比如：证件类型＝身份证，跳转到身份证分支。
或者，根据意图跳转。比如：意图识别＝申请理赔，跳转到申请理赔分支。
根据用户说法关键词跳转。比如：用户说法里包含“退保”字样，跳转到退保分支。
又或者，可根据表达式跳转。比如：表达式varMap[‘精确的投保单号或条形码’]！＝“”跳转到具体的相应分支。
本申请可实现连续跳转。比如进入该对话节点时，跳转条件已经满足，则直接进入下一分支。还可以根据变量进行跳转，可以根据灵活的表达式进行跳转。
在本申请一些实施方式中，根据当前用户输入数据获取当前用户意图和/或第一词槽时，采用Groovy语言进行常用语表达式判断及线上数据处理。
其中，设计对话树剧本中对话节点的数据处理环节采用自定义脚本。
自定义脚本：对话树节点内部用户使用groovy语言编写的数据处理脚本。
具体的，设计对话树剧本中对话节点的数据处理环节—自定义脚本具体如下：
可编程脚本是一段用户使用groovy语言自定义数据处理逻辑的脚本。自定义脚本的输入是上下文中的词槽列表和变量列表。
其中，自定义脚本的输出是上下文中的词槽列表和变量列表。
通过自定义脚本，用户可以根据自己的方式实现数据处理、意图识别、词槽提取、自定义变量、API调用的功能。
这样，用户可以能够通过编程脚本，实现二次提槽、二次意图识别、连续跳转、自定义条件跳转，等复杂业务场景的处理。
具体实施时，若对话结束或者一段时间内没有新的用户输入数据时，保存当前对话状态；对话状态主要包含对话树剧本，当前已提取的词槽列表，当前的变量列表，当前对话节点。
当同一用户对话再次进入对话树剧本时，首先会获取对话上下文，在当前对话上下文状态下继续对话。
具体的，通过设计对话上下文，保存当前对话状态具体步骤如下：
首先，对话上下文保存对话树剧本，使得用户问可以直接定位到之前的对话树剧本，继续对话过程。
其次，对话上下文保存词槽列表和变量列表。每一轮对话进入都可以指导目前已经从用户对话中提取到了哪些关键词槽信息，已经计算出了哪些重要的变量结果。这些信息存储到词槽列表和变量列表，流转到下一次对话进入时继续使用。
具体的，在重新开始新的对话时，需要确认此时的用户与上次对话为同一用户，即可调取同一用户最近一次保存的对话上下文。
可通过身份验证，或者人脸自动识别、声音自动识别等信息进行用户确认。当不能自动识别时，可发出用户登录指令，指示用户输入身份信息。
本申请实施例中的任务型机器人的智能会话方法，根据当前用户输入数据获取当前用户意图和/或第一词槽；根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或当前词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
因此，极大地提升了任务型机器人的会话质量，提升客户满意度，并使机器人在会话交流的同时能够筛选客户购买意向，促成高意向客户成单，并提升无意向和低意向客户的意愿，实现最终成单可能性的最大化。
实施例2
本实施例提供了一种任务型机器人的智能会话系统，对于本实施例的任务型机器人的智能会话系统中未披露的细节，请参照其它实施例中的任务型机器人的智能会话方法的具体实施内容。
图2中示出了根据本申请实施例的任务型机器人的智能会话系统的结构示意图。
如图2所示，本申请实施例的任务型机器人的智能会话系统，具体包括用户数据获取模块10、当前对话分析模块20以及下一对话分析模块30。
具体的，
用户数据获取模块10：用于根据当前用户输入数据获取当前用户意图和/或第一词槽。
首先，需要预先获取客户会话文本数据，形成对话数剧本。
其中，客户会话文本数据包括用户数据以及应答数据；对话数剧本由多个对话节点以及对话分支组成，一个对话节点连接至少一个对话分支，一个对话分支两端连接两个对话节点。
关于对话树剧本：将业务人员工作中积累下来的话术，整理成为树形分支的剧本形式，指导对话的演进过程。
具体的，其中，用户意图，即根据用户说的一句话，判断用户想要做什么事。比如：申请理赔。
其中，词槽，即根据用户说的一句话，提取出来的关键要素。比如：证件类型。
具体的，在用户意图分类上，根据关键词分类、根据正则表达式分类或者根据模型分类等开箱即用的意图分类功能，进行用户输入数据的分析，得到用户意图。
具体的，在词槽提取上，包括日期、金额、国家、地区、年龄、身份证号、保单号等常用字段的词槽提取。
在以上基础上，还包括获得会话变量，会话变量即对话数据本中，内部计算并保存的变量，用于指导对话树剧本如何进行跳转，同时支持对话树剧本中的脚本进行运算。
当前对话分析模块20：用于根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；
其中，当前对话节点根据当前用户意图和/或当前词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支。
分为两种情况：根据当前当前用户意图和/或当前词槽，即可确定当前对话分支；若不能，则需要回复用户后获取下一用户输入数据，进行分析后，匹配当前对话分支。
此时的下一用户输入数据，是在回复用户或者向用户发出询问语音后，再次获取的新的用户输入数据。
具体的，根据当前用户意图和/或当前词槽，通过对话数剧本确定当前会话节点；根据当前用户意图和/或当前词槽，通过检索对话回复列表输出对话回复数据。
具体的，当前对话分支即根据当前对话节点的用户意图或者词槽对应的任务会话，例如：根据词槽进行对话分支的跳转。比如：证件类型＝身份证，跳转到身份证分支。
或者，根据意图跳转，比如：意图识别＝申请理赔，跳转到申请理赔分支。
下一对话分析模块30：用于根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
具体的，根据对话数剧本中，一个对话分支连接两个对话节点，因此，根据当前对话分支可确定下一对话节点。进一步根据最近一次的用户意图和/或当前词槽，通过检索对话回复列表输出对话回复数据。或者根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实施例中的任务型机器人的智能会话系统，用户数据获取模块10根据当前用户输入数据获取当前用户意图和/或第一词槽。当前对话分析模块20根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或当前词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支。下一对话分析模块30根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
因此，极大地提升了任务型机器人的会话质量，提升客户满意度，并使机器人在会话交流的同时能够筛选客户购买意向，促成高意向客户成单，并提升无意向和低意向客户的意愿，实现最终成单可能性的最大化。
实施例3
本实施例提供了一种任务型机器人的智能会话设备，对于本实施例的任务型机器人的智能会话设备中未披露的细节，请参照其它实施例中的任务型机器人的智能会话方法或系统具体的实施内容。
图3中示出了根据本申请实施例的任务型机器人的智能会话设备400的结构示意图。
如图3所示，智能会话设备400，包括：
存储器402：用于存储可执行指令；以及
处理器401:用于与存储器402连接以执行可执行指令从而完成运动矢量预测方法。
本领域技术人员可以理解，示意图3仅仅是智能会话设备400的示例，并不构成对智能会话设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如智能会话设备400还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器401也可以是任何常规的处理器等，处理器401是智能会话设备400的控制中心，利用各种接口和线路连接整个智能会话设备400的各个部分。
存储器402可用于存储计算机可读指令，处理器401通过运行或执行存储在存储器402内的计算机可读指令或模块，以及调用存储在存储器402内的数据，实现智能会话设备400的各种功能。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据智能会话设备400使用所创建的数据等。此外，存储器402可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。
智能会话设备400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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
实施例4
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现其他实施例中的任务型机器人的智能会话方法。
本申请实施例中的任务型机器人的智能会话设备及计算机存储介质，根据当前用户输入数据获取当前用户意图和/或第一词槽；根据当前用户意图和/或当前词槽，确定当前对话节点以及对话回复数据；当前对话节点根据当前用户意图和/或当前词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；根据当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
本申请实现了根据用户数据二次提槽、二次意图识别、连续跳转以及自定义条件跳转等复杂业务场景的处理。
因此，极大地提升了任务型机器人的会话质量，提升客户满意度，并使机器人在会话交流的同时能够筛选客户购买意向，促成高意向客户成单，并提升无意向和低意向客户的意愿，实现最终成单可能性的最大化。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种任务型机器人的智能会话方法，其特征在于，具体包括：
根据当前用户输入数据获取当前用户意图和/或第一词槽；
根据所述当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；所述当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；
根据所述当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
2.根据权利要求1所述的智能会话方法，其特征在于，所述根据当前用户输入数据获取当前用户意图和/或第一词槽之前，还包括:预先获取客户会话文本数据，形成对话数剧本；
所述客户会话文本数据包括用户数据以及应答数据，根据所述用户数据以及应答数据提取多个用户意图以及词槽；
根据所述多个用户意图以及词槽形成不同的对话节点以及对话分支；
所述对话数剧本由所述多个对话节点以及对话分支组成，一个对话节点连接至少一个对话分支，一个对话分支两端连接两个对话节点。
3.根据权利要求2所述的智能会话方法，其特征在于，所述根据所述当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据，具体包括：
根据所述当前用户意图和/或第一词槽，通过所述对话数剧本确定当前会话节点；
根据所述当前用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据。
4.根据权利要求3所述的智能会话方法，其特征在于，所述根据所述当前用户意图和/或第一词槽，通过检索对话回复列表输出对话回复数据之前，还包括预先设置所述对话回复列表，通过检索对话回复列表输出对话回复数据；其中，所述对话回复列表包括一一对应的用户意图与对话回复数据，以及一一对应的词槽与对话回复数据。
5.根据权利要求1所述的智能会话方法，其特征在于，所述当前对话节点设置有当前对话状态，所述当前对话状态包括当前对话节点以及当前已提取的用户意图和/或当前词槽；当对话结束或者一段时间内没有新的用户输入数据时，保存记录当前对话状态。
6.根据权利要求5所述的智能会话方法，其特征在于，当获取新的用户输入数据时，比对用户输入信息的用户身份信息与历史用户身份信息，若存在同一用户的历史用户身份信息，则根据用户身份信息调取上一次的当前对话状态，在所述当前对话状态下继续智能对话。
7.根据权利要求1所述的智能会话方法，其特征在于，根据当前用户输入数据获取当前用户意图和/或第一词槽时，采用Groovy语言进行常用语表达式判断及线上数据处理。
8.一种任务型机器人的智能会话系统，其特征在于，具体包括：
用户数据获取模块：用于根据当前用户输入数据获取当前用户意图和/或第一词槽；
当前对话分析模块：用于根据所述当前用户意图和/或第一词槽，确定当前对话节点以及对话回复数据；
其中，当前对话节点根据当前用户意图和/或第一词槽，或者根据下一用户输入数据获取的下一用户意图和/或下一词槽，确定当前对话分支；
下一对话分析模块：用于根据所述当前对话分支确定下一对话节点，并根据后续用户输入数据跳转至下一对话分支，直至完成对话任务或者对话中断。
9.一种任务型机器人的智能会话设备，其特征在于，包括：
存储器：用于存储可执行指令；以及
处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-7任一项所述的任务型机器人的智能会话方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；计算机程序被处理器执行以实现如权利要求1-7任一项所述的任务型机器人的智能会话方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111274770.1A CN113987149A (zh) | 2021-10-29 | 2021-10-29 | 任务型机器人的智能会话方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111274770.1A CN113987149A (zh) | 2021-10-29 | 2021-10-29 | 任务型机器人的智能会话方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113987149A true CN113987149A (zh) | 2022-01-28 |
Family
ID=79744668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111274770.1A Pending CN113987149A (zh) | 2021-10-29 | 2021-10-29 | 任务型机器人的智能会话方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113987149A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115408511A (zh) * | 2022-11-02 | 2022-11-29 | 深圳市人马互动科技有限公司 | 交互节点跳转方法及组件、对话开发系统 |
| CN117520525A (zh) * | 2024-01-05 | 2024-02-06 | 北京邮电大学 | 一种一站式多轮对话流程构建方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113468303A (zh) * | 2021-06-25 | 2021-10-01 | 北京房江湖科技有限公司 | 对话交互处理方法及计算机可读存储介质 |
-
2021
- 2021-10-29 CN CN202111274770.1A patent/CN113987149A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113468303A (zh) * | 2021-06-25 | 2021-10-01 | 北京房江湖科技有限公司 | 对话交互处理方法及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115408511A (zh) * | 2022-11-02 | 2022-11-29 | 深圳市人马互动科技有限公司 | 交互节点跳转方法及组件、对话开发系统 |
| CN117520525A (zh) * | 2024-01-05 | 2024-02-06 | 北京邮电大学 | 一种一站式多轮对话流程构建方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11238850B2 (en) | Systems and methods for e-commerce API orchestration using natural language interfaces | |
| US7228278B2 (en) | Multi-slot dialog systems and methods | |
| US7386440B2 (en) | Method, system, and apparatus for natural language mixed-initiative dialogue processing | |
| WO2020253509A1 (zh) | 面向情景及情感的中文语音合成方法、装置及存储介质 | |
| CN113239147B (zh) | 基于图神经网络的智能会话方法、系统及介质 | |
| CN110890088B (zh) | 语音信息反馈方法、装置、计算机设备和存储介质 | |
| US20050043953A1 (en) | Dynamic creation of a conversational system from dialogue objects | |
| CN104299623A (zh) | 语音应用中用于自动确认和消歧模块的方法和系统 | |
| CN113987149A (zh) | 任务型机器人的智能会话方法、系统及存储介质 | |
| US11893991B2 (en) | System and method for handling multi-turn conversations and context management for voice enabled ecommerce transactions | |
| CN111261151A (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
| CN109376363A (zh) | 一种基于耳机的实时语音翻译方法及装置 | |
| CN118202344A (zh) | 用于从文档中提取嵌入式数据的深度学习技术 | |
| CN115129878A (zh) | 一种对话业务执行方法、装置、存储介质及电子设备 | |
| CN115148212A (zh) | 一种语音交互方法、智能设备及系统 | |
| US20060031853A1 (en) | System and method for optimizing processing speed to run multiple dialogs between multiple users and a virtual agent | |
| US7853451B1 (en) | System and method of exploiting human-human data for spoken language understanding systems | |
| CN112667787A (zh) | 基于话术标签的智能应答方法、系统及存储介质 | |
| KR20240085122A (ko) | 음성 데이터에서 특정 화자의 음성을 구분하는 모델을 학습시키는 기법 | |
| CN113506565B (zh) | 语音识别的方法、装置、计算机可读存储介质与处理器 | |
| CN115019781A (zh) | 一种对话业务执行方法、装置、存储介质及电子设备 | |
| WO2022097204A1 (ja) | 満足度推定モデル適応装置、満足度推定装置、それらの方法、およびプログラム | |
| CN114974240A (zh) | 财务系统的语音控制方法、装置、存储介质及设备 | |
| KR102526173B1 (ko) | 음성 데이터에서 특정 화자의 음성을 추출하는 기법 | |
| CN113763921B (zh) | 用于纠正文本的方法和装置 |
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 |