CN114238606A - 一种智能语音客服机器人对话管理方法及装置 - Google Patents

一种智能语音客服机器人对话管理方法及装置 Download PDF

Info

Publication number
CN114238606A
CN114238606A CN202111554797.6A CN202111554797A CN114238606A CN 114238606 A CN114238606 A CN 114238606A CN 202111554797 A CN202111554797 A CN 202111554797A CN 114238606 A CN114238606 A CN 114238606A
Authority
CN
China
Prior art keywords
context
model
topic
business
context guidance
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
Application number
CN202111554797.6A
Other languages
English (en)
Inventor
王志光
杨羽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Doumi Youpin Technology Development Co ltd
Original Assignee
Beijing Doumi Youpin Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Doumi Youpin Technology Development Co ltd filed Critical Beijing Doumi Youpin Technology Development Co ltd
Priority to CN202111554797.6A priority Critical patent/CN114238606A/zh
Publication of CN114238606A publication Critical patent/CN114238606A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

本申请提供了一种智能语音客服机器人对话管理方法及装置，属于数据处理技术领域。该方法包括获取语言理解模块根据其语言理解模型输出的语言理解结果；基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。本能够动态地指导语言生成模块更好地识别当前语境中用户可能会使用的自然语言，大幅提高了语言生成的准确率；降低了提前训练语言模型的工作量，提高了人机对话系统的生产效率。

Description

一种智能语音客服机器人对话管理方法及装置
技术领域
本申请属于数据处理技术领域，特别涉及一种智能语音客服机器人对话管理的方法及装置。
背景技术
在传统的人力资源招聘行业，人工外呼邀约面试为业务执行的主力军。然而，面对海量的简历线索、重复的工作内容、高度交付压力，人工外呼存在诸多问题：人力成本高、培训时间长、缺乏统一标准、工作效率低、目前招聘中的价值无法替代等。AI顾问代替人工完成招聘询问意向工作，可以使人工成本大幅降低。
现有技术中，语音对话系统通常包括五个模块：语音识别模块；语言理解模块；对话管理模块；语言生成模块；和语音合成模块。目前的智能客服机器人对话系统中的语言理解模块和对话管理模块是相对独立的。语言理解模块中使用到的语言模型一般由提前收集的语料通过机器学习算法训练获得。从一方面来说，语料一般需要提前准备，并训练定制化模型，导致系统的迭代周期长、生产效率低。另一方面来说，对话过程中，用户使用的语言并非一成不变，而是会随着对话发生的场景、对话的话题、对话题讨论的深入程度、用户的关注点的变化而动态调整。然而提前收集的语料统计规律固定，导致提前训练的语言模型无法应对动态变化的对话语境。从对话管理的角度出发，语境信息也并不会反馈到语音识别模块中帮助其进行更好的识别。目前，尚未有专门解决这一问题的口语对话系统。
发明内容
为了解决上述技术问题至少之一，本申请提供了一种智能语音客服机器人对话管理方法及装置，根据当前的对话状态信息生成语境指导信息，并动态地指导语言生成模块更好地识别当前语境中用户可能会使用的自然语言。
本申请第一方面提供了一种智能语音客服机器人对话管理方法，主要包括：
获取语言理解模块根据其语言理解模型输出的语言理解结果；
基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；
根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
优选的是，构建所述语境指导模型包括：
构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；
构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；
构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；
构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；
由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
优选的是，构建业务语境识别模型或者构建话题语境识别模型包括：
为每种业务语境或话题语境配置相应的匹配规则；或者
从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
优选的是，构建业务语境指导模型或者构建话题语境指导模型包括：
获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者
基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
优选的是，还包括将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及
将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
本申请第二方面提供了一种智能语音客服机器人对话管理装置，主要包括：
语言理解结果获取模块，用于获取语言理解模块根据其语言理解模型输出的语言理解结果；
语境指导信息确定模块，用于基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；
语言理解模型生成模块，用于根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
优选的是，智能语音客服机器人对话管理装置进一步包括语境指导模型构建模块，所述语境指导模型构建模块包括：
业务语境识别模型构建单元，用于构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；
话题语境识别模型构建单元，用于构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；
业务语境指导模型构建单元，用于构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；
话题语境指导模型构建单元，用于构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；
语境指导模型生成单元，用于由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
优选的是，所述业务语境识别模型构建单元或者所述话题语境识别模型构建单元包括：
匹配单元，用于为每种业务语境或话题语境配置相应的匹配规则；或者
第一机器学习单元，用于从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
优选的是，所述业务语境指导模型构建单元或所述话题语境指导模型构建单元包括：
配置单元，用于获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者
第二机器学习单元，用于基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
优选的是，智能语音客服机器人对话管理装置还包括融合单元，用于将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
本申请根据当前的对话状态信息生成语境指导信息，并动态地指导语言生成模块更好地识别当前语境中用户可能会使用的自然语言，大幅提高了语言生成的准确率；降低了提前训练语言模型的工作量，提高了人机对话系统的生产效率。
附图说明
图1是本申请智能语音客服机器人对话管理方法的一优选实施例的流程图。
图2是本申请图1所示实施例的智能语音客服机器人系统架构示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行更加详细的描述。在附图中，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。所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。下面通过参考附图描述的实施方式是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。下面结合附图对本申请的实施方式进行详细说明。
本申请首先提供了一种智能语音客服机器人对话管理方法，如图1所示，主要包括：
步骤S1、获取语言理解模块根据其语言理解模型输出的语言理解结果；
步骤S2、基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；
步骤S3、根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
图2公开了一种智能语音客服机器人系统架构示意图，图2中，对话管理模块用于实现本申请智能语音客服机器人对话管理方法，在智能语音客服机器人中，系统主要由语音识别(ASR)模块、语言理解(NLU)模块、对话管理(DM)模块、语言生成(NLG)模块、语音合成(TTS)模块组成。语音识别模块接收用户输入的语音，将输入的语音信息识别为文本信息，交由语言理解模块处理生成完整语句并识别语句的意图，对话管理模块根据上下文控制多轮对话，语言生成模块根据本系统数据库中特定领域的文本数据进行数据分析，生成对应回答话术，再将生成的回答话术整合成完整字句的信息传输至语音合成模块，以语音方式输出，来达到与用户对话，引导用户完成招聘流程，致力于通过自身的数据，训练机器人可以完成对人工招聘流程的全流程替代。
本申请语音识别模块接收用户输入的语音，利用语言模型及声学模型将用户输入的语音转化生成文字形式的语音识别结果，将语音识别结果输出至与其相连接的语言理解模块；语言理解模块将其接收的语音识别结果转化生成特定格式的语言理解结果，并将语言理解结果输出至与其相连接的对话管理模块；对话管理模块包含策略学习单元和语境识别模块，可以通过学习得到对话策略信息及语境指导模型，根据语境指导模型动态修改语言理解模型，随后将该语言理解模型返回给语言理解模块NLU，以增加语言理解模块的语言识别的准确率。
备选实施方式中，语言理解模型也可以由语言理解模块NLU负责动态修改，该实施例中，对话管理模块DM只需要确定语境指导信息，并将该语境指导信息发给语言理解模块NLU即可。该实施例中，语言理解模块NLU接收语境指导信息，语境指导信息指导语言理解模块动态地构造语言模型，并指导下一轮语言理解过程。
继续参考图2，本申请中，对话管理模块DM根据接收到的语言理解结果结合上下文进行策略分析，更新其中保存的对话状态以及上下文信息，将更新后的对话状态信息保存，同时对话管理中的语境识别模块进行语境分析，将结果输出至与其相连接的语言生成模块NLG。之后，语言生成模块NLG将对话管理模块输入的形式化语义表达的系统回应结果转化生成为文字结果，并输出至与其相连接的语音合成模块TTS；语音合成模块TTS将接收到的文字转化为语音并反馈输出至用户。
在一些可选实施方式中，构建所述语境指导模型包括：
步骤S21、构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；
步骤S22、构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；
步骤S23、构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；
步骤S24、构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；
步骤S25、由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
本申请中，语境指导信息包括业务语境指导信息、话题语境指导信息，为此，本申请的语境指导模型也包含业务语境与话题语境两方面，业务语境描述信息是指与具体业务相关的语境信息，例如招聘业务中特有的面试、邀约，或者完成某项业务流程所需执行的步骤，或者对话历史等；而话题语境描述信息是指具体的对话上下文中的语境信息，例如在招聘服务业务中，客户在上一轮对话中提到需要找服务员岗位的工作，但尚未提及工作地点、期望薪资等要求，则当前话题语境中至少要包含工作地点、薪资等内容。
本申请步骤S21-步骤S24由图2中的策略学习模块构建，之后由语境识别模块按照步骤S25的方式进行提取，也即是步骤S25找那个，语境识别模块利用前面构建的业务语境识别模型、话题语境识别模型、业务语境指导模型、话题语境指导模型中的一种或多种构成语境指导模型。例如，对话策略单元所生成的语境指导模型可以表达为四元组数据【语境识别模型，语境指导模型，题语境识别模型，话题语境指导模型】。
在一些可选实施方式中，构建业务语境识别模型或者构建话题语境识别模型包括：为每种业务语境或话题语境配置相应的匹配规则；或者从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
在一些可选实施方式中，构建业务语境指导模型或者构建话题语境指导模型包括：获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
举例来说，策略学习单元构建区分不同业务语境的业务语境识别模型时，为每种业务语境配置相应的匹配规则，匹配规则包括正则表达式或关键词；或者，策略学习单元从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型；机器学习方法可以采用任意类型的机器学习模型，包括基于神经网络的分类模型或相似度匹配模型等。与之类似，策略学习单元构建业务语境指导模型时，开发者输入接口可以输入配置信息，包括常用词和常见说法，从而得到业务语境指导模型；或者，策略学习单元基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型；机器学习方法可以采用任意类型的机器学习模型，包括TF-IDF、基于表征学习的文本聚类等。与之类似，策略学习单元构建区分不同话题语境的话题语境识别模型时，可以为每种话题语境配置相应的匹配规则，匹配规则包括正则表达式或关键词；或者，策略学习单元从对话语料库中获取语料，并通过机器学习算法从语料中学习得到区分不同话题语境的话题语境识别模型；机器学习方法可以采用任意类型的机器学习模型，包括基于神经网络的分类模型或相似度匹配模型等。与之类似，策略学习单元构建话题语境指导模型时，策略学习单元基于由开发者输入接口输入的配置信息中的话题语境知识来配置话题语境中的常用词和常见说法，从而得到话题语境指导模型；或者基于对话语料库的语料，利用机器学习方法训练得到话题语境指导模型；机器学习方法可以采用任意类型的机器学习模型，包括TF-IDF、基于表征学习的文本聚类等。
在一些可选实施方式中，还包括将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
该实施例中，策略学习单元获取所述对话语料库中的语料，通过机器学习算法学习生成相应的对话策略信息及语境指导模型；或者，策略学习单元接收由所述开发者输入接口输入的配置信息而得到相应的对话策略信息及语境指导模型；或者，策略学习单元获取所述对话语料库中的语料，同时接收由所述开发者输入接口输入的配置信息，将二者进行信息融合后得到相应的对话策略信息及语境指导模型。
本申请第二方面提供了一种与上述方法对应的智能语音客服机器人对话管理装置，包括：语言理解结果获取模块，用于获取语言理解模块根据其语言理解模型输出的语言理解结果；语境指导信息确定模块，用于基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；语言理解模型生成模块，用于根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
在一些可选实施方式中，智能语音客服机器人对话管理装置进一步包括语境指导模型构建模块，所述语境指导模型构建模块包括：业务语境识别模型构建单元，用于构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；话题语境识别模型构建单元，用于构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；业务语境指导模型构建单元，用于构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；话题语境指导模型构建单元，用于构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；语境指导模型生成单元，用于由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
在一些可选实施方式中，所述业务语境识别模型构建单元或者所述话题语境识别模型构建单元包括：匹配单元，用于为每种业务语境或话题语境配置相应的匹配规则；或者第一机器学习单元，用于从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
在一些可选实施方式中，所述业务语境指导模型构建单元或所述话题语境指导模型构建单元包括：配置单元，用于获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者第二机器学习单元，用于基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
在一些可选实施方式中，智能语音客服机器人对话管理装置还包括融合单元，用于将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
本申请根据当前的对话状态信息生成语境指导信息，并动态地指导语言生成模块更好地识别当前语境中用户可能会使用的自然语言，大幅提高了语言生成的准确率；降低了提前训练语言模型的工作量，提高了人机对话系统的生产效率。
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所述权利要求的保护范围为准。

Claims (10)

1.一种智能语音客服机器人对话管理方法，其特征在于，包括：
获取语言理解模块根据其语言理解模型输出的语言理解结果；
基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；
根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
2.如权利要求1所述的智能语音客服机器人对话管理方法，其特征在于，构建所述语境指导模型包括：
构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；
构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；
构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；
构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；
由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
3.如权利要求2所述的智能语音客服机器人对话管理方法，其特征在于，构建业务语境识别模型或者构建话题语境识别模型包括：
为每种业务语境或话题语境配置相应的匹配规则；或者
从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
4.如权利要求2所述的智能语音客服机器人对话管理方法，其特征在于，构建业务语境指导模型或者构建话题语境指导模型包括：
获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者
基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
5.如权利要求4所述的智能语音客服机器人对话管理方法，其特征在于，还包括将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及
将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
6.一种智能语音客服机器人对话管理装置，其特征在于，包括：
语言理解结果获取模块，用于获取语言理解模块根据其语言理解模型输出的语言理解结果；
语境指导信息确定模块，用于基于在先的语言理解结果，根据预置的语境指导模型确定当前对话的语境指导信息；
语言理解模型生成模块，用于根据所述语境指导信息修改所述语言理解模型，并将所述语言理解模型发送给所述语言理解模块。
7.如权利要求6所述的智能语音客服机器人对话管理装置，其特征在于，智能语音客服机器人对话管理装置进一步包括语境指导模型构建模块，所述语境指导模型构建模块包括：
业务语境识别模型构建单元，用于构建业务语境识别模型，用于区分不同业务语境，所述业务语境用于描述与当前交流过程相关的业务流程；
话题语境识别模型构建单元，用于构建话题语境识别模型，用于区分不同话题语境，所述话题语境用于描述与当前交流过程相关的话题内容；
业务语境指导模型构建单元，用于构建业务语境指导模型，用于根据不同业务语境确定业务语境指导信息；
话题语境指导模型构建单元，用于构建话题语境指导模型，用于根据不同话题语境确定话题语境指导信息；
语境指导模型生成单元，用于由所述业务语境识别模型、题语境识别模型、业务语境指导模型及话题语境指导模型中的一种或多种构成所述语境指导模型。
8.如权利要求7所述的智能语音客服机器人对话管理装置，其特征在于，所述业务语境识别模型构建单元或者所述话题语境识别模型构建单元包括：
匹配单元，用于为每种业务语境或话题语境配置相应的匹配规则；或者
第一机器学习单元，用于从对话语料库中获取语料，并通过机器学习方法从语料中学习得到区分不同业务语境的业务语境识别模型或者区分不同话题语境的话题语境识别模型。
9.如权利要求7所述的智能语音客服机器人对话管理装置，其特征在于，所述业务语境指导模型构建单元或所述话题语境指导模型构建单元包括：
配置单元，用于获取开发者基于开发者输入接口输入的配置信息获得业务语境指导模型或话题语境指导模型；或者
第二机器学习单元，用于基于对话语料库的语料，利用机器学习方法训练得到业务语境指导模型或话题语境指导模型。
10.如权利要求9所述的智能语音客服机器人对话管理装置，其特征在于，智能语音客服机器人对话管理装置还包括融合单元，用于将基于开发者输入接口输入的配置信息获得的业务语境指导模型与利用机器学习方法训练得到业务语境指导模型进行融合，获得综合业务语境指导模型；以及将基于开发者输入接口输入的配置信息获得的话题语境指导模型与利用机器学习方法训练得到话题语境指导模型进行融合，获得综合话题语境指导模型。
CN202111554797.6A 2021-12-17 2021-12-17 一种智能语音客服机器人对话管理方法及装置 Pending CN114238606A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111554797.6A CN114238606A (zh) 2021-12-17 2021-12-17 一种智能语音客服机器人对话管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111554797.6A CN114238606A (zh) 2021-12-17 2021-12-17 一种智能语音客服机器人对话管理方法及装置

Publications (1)

Publication Number Publication Date
CN114238606A true CN114238606A (zh) 2022-03-25

Family

ID=80758449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111554797.6A Pending CN114238606A (zh) 2021-12-17 2021-12-17 一种智能语音客服机器人对话管理方法及装置

Country Status (1)

Country Link
CN (1) CN114238606A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432665A (zh) * 2023-06-15 2023-07-14 北京中关村科金技术有限公司 对话模型构建方法、文本生成方法、装置、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760984A (zh) * 2014-01-24 2014-04-30 成都万先自动化科技有限责任公司 人机对话系统
CN110364251A (zh) * 2019-06-14 2019-10-22 南京理工大学 一种基于机器阅读理解的智能交互导诊咨询系统
CN111128175A (zh) * 2020-01-19 2020-05-08 大连即时智能科技有限公司 口语对话管理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760984A (zh) * 2014-01-24 2014-04-30 成都万先自动化科技有限责任公司 人机对话系统
CN110364251A (zh) * 2019-06-14 2019-10-22 南京理工大学 一种基于机器阅读理解的智能交互导诊咨询系统
CN111128175A (zh) * 2020-01-19 2020-05-08 大连即时智能科技有限公司 口语对话管理方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432665A (zh) * 2023-06-15 2023-07-14 北京中关村科金技术有限公司 对话模型构建方法、文本生成方法、装置、系统及设备
CN116432665B (zh) * 2023-06-15 2023-10-10 北京中关村科金技术有限公司 对话模型构建方法、文本生成方法、装置、系统及设备

Similar Documents

Publication Publication Date Title
US11816435B1 (en) Applied artificial intelligence technology for contextualizing words to a knowledge base using natural language processing
US11315560B2 (en) Method for conducting dialog between human and computer
CA2576605C (en) Natural language classification within an automated response system
JP2017058673A (ja) 対話処理装置及び方法と知能型対話処理システム
KR102445519B1 (ko) 대화형 지능 서비스 제공 챗봇 제작 시스템 및 방법
JP2019528512A (ja) 人工知能に基づくヒューマンマシンインタラクション方法及び装置
KR102198265B1 (ko) 신경망을 이용한 사용자 의도분석 시스템 및 방법
CN111739519B (zh) 基于语音识别的对话管理处理方法、装置、设备及介质
JP2005084681A (ja) 意味的言語モデル化および信頼性測定のための方法およびシステム
KR101677859B1 (ko) 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치
US11615787B2 (en) Dialogue system and method of controlling the same
CN111128175B (zh) 口语对话管理方法及系统
Kumaran et al. Intelligent personal assistant-implementing voice commands enabling speech recognition
KR20220128397A (ko) 자동 음성 인식을 위한 영숫자 시퀀스 바이어싱
CN116226338A (zh) 基于检索和生成融合的多轮对话系统及方法
CN113326367A (zh) 基于端到端文本生成的任务型对话方法和系统
CN110931002B (zh) 人机交互方法、装置、计算机设备和存储介质
CN106649278B (zh) 扩展口语对话系统语料库的方法和系统
CN114238606A (zh) 一种智能语音客服机器人对话管理方法及装置
CN115022471A (zh) 一种智能机器人语音交互系统和方法
CN117456995A (zh) 一种养老服务机器人的交互方法及系统
CN116450799A (zh) 一种应用于交通管理服务的智能对话方法及设备
KR100400220B1 (ko) 대화 모델을 이용한 자동 통역 장치 및 방법
CN114490967A (zh) 对话模型的训练方法、对话机器人的对话方法、装置和电子设备
CN110222159A (zh) 一种基于文本的人机交互训练方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220325