CN114297359A - 一种对话意图识别方法、装置、电子设备及可读存储介质 - Google Patents
一种对话意图识别方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114297359A CN114297359A CN202111629243.8A CN202111629243A CN114297359A CN 114297359 A CN114297359 A CN 114297359A CN 202111629243 A CN202111629243 A CN 202111629243A CN 114297359 A CN114297359 A CN 114297359A
- Authority
- CN
- China
- Prior art keywords
- intention
- score
- determining
- user
- intent
- 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
Images
Landscapes
- Machine Translation (AREA)
Abstract
本申请提供了一种对话意图识别方法、装置、电子设备及可读存储介质,利用自然语言理解模型确定出咨询对话所对应的每一意图的可能性分值;若根据可能性分值确定出的至少一个第一意图中未存在能够表征咨询对话所指示的真实意图,利用配置好的业务关键词模型,从咨询对话中确定出目标关键词,并在业务知识图谱中查找出包括目标关键词所匹配的至少一个第二意图;若至少一个第二意图中未包括可能性分值最高的第一意图,则进一步地根据用户的反馈,从至少一个第二意图中确定出咨询对话所指示的真实意图。这样,可以提高用户意图识别的准确性避免由于自然语言理解模型的文字泛化能力的不足,导致识别准确率较低,无法识别出用户的意图的情况。
Description
技术领域
本申请涉及意图识别技术领域,尤其是涉及一种对话意图识别方法、装置、电子设备及可读存储介质。
背景技术
随着人工智能技术的不断发展,人工智能对话机器人的应用已经越来越广泛,不断地深入到生活的各个方面,因此,人们对于人工智能对话机器人的期望和要求也越来越高,人们希望人工智能对话机器人可以解答更宽泛的问题、处理更复杂的业务。人工智能对话机器人处理业务的关键在于是否能够准确地识别出用户的真实意图,若无法准确地识别出用户的真实意图,则无法为用户提供服务。
目前,在大数据、云计算等技术的背景下,人们通常会选择模型识别的方式(例如,自然语言理解模型,即NLU模型)来帮助人工智能对话机器人确定用户的意图;但是,训练好的模型存在一定的概率性,缺乏文字的泛化能力,若用户给出的对话中词汇使用的不够标准,模型则无法准确的识别出用户的意图,因此,无法给到用户正确的引导,导致意图识别错误。
发明内容
有鉴于此,本申请的目的在于提供一种对话意图识别方法、装置、电子设备及可读存储介质,当通过自然语言理解模型识别出的业务意图不可信时,利用业务关键词模型和业务知识图谱再次对用户的意图进行识别,以此来提高用户意图识别的准确性,可以避免由于自然语言理解模型的文字泛化能力的不足,导致识别准确率较低,甚至是无法识别出用户的意图。
本申请实施例提供了一种对话意图识别方法,所述对话意图识别方法包括:
利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;
基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;
若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;
在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;
当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;
当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
在一种可能的实施方式中,所述利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值,包括:
通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;
针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;
基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;
将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
在一种可能的实施方式中,所述判断至少一个第一意图中是否存在表征所述咨询对话的真实意图,包括:
若最高可能性分值大于等于预设分值阈值,则确定将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图;
或,
若最高可能性分值小于所述预设分值阈值、且与第二高可能性分值之间的差值大于等于预设差值阈值,第一意图则将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图。
在一种可能的实施方式中,所述将所述至少一个第二意图反馈给用户,包括:
根据对话意图与沟通话术之间的对应关系,从多个预设沟通话术中确定出与每个第二意图分别对应的沟通话术;
当确定出的沟通话术的总数为一个时,将该沟通话术反馈给所述用户;
当确定出的沟通话术的总数为多个时,根据第二意图所属的意图类别,将与意图类别对应的类别引导话术反馈给所述用户;并将所述用户选择的意图类别下的第二意图所对应的沟通话术反馈给所述用户。
在一种可能的实施方式中,所述利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词,包括:
从所述咨询对话中提取出能够表征所述咨询对话所指示的真实意图的对话关键词;
利用所述业务关键词模型,确定出所述对话关键词对应的目标关键词。
在一种可能的实施方式中,所述对话意图识别方法还包括:
利用所述业务知识图谱确定所述真实意图对应的引导话术或应答结果;
将所述引导话术或所述应答结果反馈给所述用户,以使所述用户根据所述引导话术的引导补充办理业务所需的资料信息或根据所述应答结果的指示办理业务。
在一种可能的实施方式中,所述将每个第二意图的沟通话术反馈给所述用户,包括:
将每个沟通话术以图文形式和/语音形式反馈给所述用户。
本申请实施例还提供了一种对话意图识别装置,所述对话意图识别装置包括:
分值预估模块,用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;
意图分析模块,用于基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;
关键词提取模块,用于若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;
意图搜索模块,用于在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;
第一意图确定模块,用于当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;
第二意图确定模块,用于当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
在一种可能的实施方式中,所述分值预估模块在用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值时,所述分值预估模块用于:
通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;
针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;
基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;
将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
在一种可能的实施方式中,所述意图分析模块在用于判断至少一个第一意图中是否存在表征所述咨询对话的真实意图时,所述意图分析模块用于:
若最高可能性分值大于等于预设分值阈值,则确定将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图;
或,
若最高可能性分值小于所述预设分值阈值、且与第二高可能性分值之间的差值大于等于预设差值阈值,第一意图则将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图。
在一种可能的实施方式中,所述第二意图确定模块在用于将所述至少一个第二意图反馈给用户时,所述第二意图确定模块用于:
根据对话意图与沟通话术之间的对应关系,从多个预设沟通话术中确定出与每个第二意图分别对应的沟通话术;
当确定出的沟通话术的总数为一个时,将该沟通话术反馈给所述用户;
当确定出的沟通话术的总数为多个时,根据第二意图所属的意图类别,将与意图类别对应的类别引导话术反馈给所述用户;并将所述用户选择的意图类别下的第二意图所对应的沟通话术反馈给所述用户。
在一种可能的实施方式中,所述关键词提取模块在用于利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词时,所述关键词提取模块用于:
从所述咨询对话中提取出能够表征所述咨询对话所指示的真实意图的对话关键词;
利用所述业务关键词模型,确定出所述对话关键词对应的目标关键词。
在一种可能的实施方式中,所述对话意图识别装置还包括引导模块,所述引导模块用于:
利用所述业务知识图谱确定所述真实意图对应的引导话术或应答结果;
将所述引导话术或所述应答结果反馈给所述用户,以使所述用户根据所述引导话术的引导补充办理业务所需的资料信息或根据所述应答结果的指示办理业务。
在一种可能的实施方式中,所述第二意图确定模块在用于将每个第二意图的沟通话术反馈给所述用户时,所述第二意图确定模块用于:
将每个沟通话术以图文形式和/语音形式反馈给所述用户。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的对话意图识别方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的对话意图识别方法的步骤。
本申请实施例提供的对话意图识别方法、装置、电子设备及可读存储介质,利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。这样,在自然语言理解模型无法准确出可信的意图时,可通过业务关键词模型及业务知识图谱再次对用户的意图进行识别,以此来提高用户意图识别的准确性,可以避免由于自然语言理解模型的文字泛化能力的不足,导致识别准确率较低,甚至是无法识别出用户的意图。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种对话意图识别方法的流程图;
图2为本申请实施例所提供的一种意图反馈过程示意图;
图3为本申请实施例所提供的一种对话意图识别装置的结构示意图之一;
图4为本申请实施例所提供的一种对话意图识别装置的结构示意图之二;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
经研究发现,随着人工智能技术的不断发展,人工智能对话机器人的应用也越来越普及,人工智能对话机器人逐渐地进入到生活中的各个方面,例如,当人们到银行办理业务时,无需排队等待前往人工柜台办理业务,可选择通过人工智能对话机器人实现业务的办理,避免用户将时间耗费在排队等待上,进而,节省了用户办理业务的时间。在此基础上,人们对于人工智能对话机器人的期望和要求也就越来越高,希望人工智能对话机器人可以解答更宽泛的问题,以及处理更复杂的业务。
目前,在大数据、云计算等技术的加持下,人们通常会选择模型识别的方式(例如,自然语言理解模型,即NLU模型)来帮助人工智能对话机器人确定用户的意图;但是,训练好的模型存在一定的概率性,在用户所表达的语句较长时,或者,用户咨询时加入了过多的背景描述,均会使得模型无法准确的识别出用户的意图,因此,使得人工智能对话机器人无法给到用户正确的引导,导致意图识别错误,业务咨询失败。
基于此,本申请实施例提供了一种对话意图识别方法,可以通过业务关键词模型和业务知识图谱辅助识别用户的真实意图,有助于提高意图识别结果的准确性。
请参阅图1,图1为本申请实施例所提供的一种对话意图识别方法的流程图。如图1中所示,本申请实施例提供的对话意图识别方法,包括:
S101、利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值。
S102、基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图。
S103、若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词。
S104、在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图。
S105、当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图。
S106、当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
自然语言理解(Natural Language Processing,NLU)技术是指用自然语言同计算机之间进行通讯的技术,也被称为计算语言学(Computational Ling uistics)。一方面它是语言信息处理的一个分支,另一方面它是人工智能(AI,Artificial Intelligence)的核心课题之一。
自然语言理解模型(NLU模型),即为训练得到的能够对自然语言所指示的意图进行识别的模型,其主要用于识别自然语言所对应的意图,例如,BERT模型等,这里,可以使用多个样本咨询对话以及每个样本咨询对话对应的意图标签,通过训练BERT模型来得到NLU模型。
NLU模型构建时可针对于某一特定业务场景进行构建,例如,银行业务办理场景、社区业务办理以及医院就诊场景等,预先训练好的NLU模型能够识别出与业务场景相关的多种业务意图,例如,在社区业务办理场景下,业务意图包括:“失业登记办理流程”、“居住证代办办理流程”、“就业创业证申请办理材料”等。
为了能够识别出对话的业务意图,训练好的NLU模型还需要具有从对话语料中提取出用于确定业务意图的条件信息的能力,对应于上述实施例,条件信息包括:“户籍所在地:本市户籍”、“户籍所在地:外地户籍”、“代办对象:老人”、“代办对象:小孩”等,进而,能够通过提取出的条件信息使得业务意图更完整且清晰,以便于精准的答复用户问题。
在本申请实施例中,真实意图是指用户提供的咨询对话所要表达的真实含义,可指示出用户所要办理的业务。
其中,第一意图是指与特定场景相关的业务意图。
特定场景可以包括银行业务办理场景、社区业务办理以及医院就诊场景等中的一种或多种;
当特定场景为银行业务办理场景时,第一意图能够表征出银行所提供的服务,具体的,第一意图可包括:存款_办理_办理流程、存款_代办_办理材料、取款_办理_办理流程、取款_代办_办理材料、贷款_办理_办理流程以及贷款_代办_办理材料等中的一种或多种;
当特定场景为社区业务办理场景时,第一意图能够表征出社区所提供的服务,具体的,第一意图可包括:失业登记_办理_办理流程、失业登记_代办_办理材料、居住证_办理_办理流程、居住证_代办_办理材料、就业创业证_申请_申请流程以及就业创业证_代办_办理材料等中的一种或多种。
在步骤S101中,利用训练好的自然语言理解模型对接收到的,用户在办理业务时所表达的咨询对话的真实意图进行初步识别,确定咨询对话具有预先设置的任意一个第一意图的可能性分值。
在一种实施方式中,步骤S101包括:通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
该步骤中,在获取到用户所提供的咨询对话后,将咨询对话输入至自然语言理解模型中,通过自然语言理解模型中的分词层,将咨询对话划分为至少一个特征分词;例如,咨询对话为“我想咨询居住证办理流程”,通过分词层拆分为“我”、“想”、“咨询”、“居住证”、“办理”以及“流程”。
针对于自然语言理解模型经过训练后能够识别出每个候选意图,确定每个特征分词在该候选意图下对应的权重分值;例如,在“居住证_办理_办理流程”这个意图下,“我”对应的权重分值为“0.02”、“想”对应的权重分值为“0.01”、“咨询”对应的权重分值为“0.02”、“居住证”对应的权重分值为“0.05”、“办理”对应的权重分值为“0.04”以及“流程”对应的权重分值为“0.04”;这里,每种候选意图下各个词语的权重分值是在对自然语言理解模型进行训练后所确定出的。
再确定出咨询对话中每个特征分词在该候选意图下的权重分值后,通过自然语言理解模型中的分值计算层,可通过求和的方式计算出咨询对话为该候选意图的可能性分值;对应于上述实施例,咨询对话“我想咨询居住证办理流程”为“居住证_办理_办理流程”这个意图的可能性分值为“0.02+0.01+0.02+0.05+0.04+0.04=0.18”;
还可以通过加权平均的方式确定出咨询对话为该候选意图的可能性分值,此时,咨询对话“我想咨询居住证办理流程”为“居住证_办理_办理流程”这个意图的可能性分值为“0.18/6=0.03”。
进而,可将可能性分值大于预设可能性阈值的候选意图确定为第一意图。
需要说明的是,本申请实施例中以“求和”及“加权平均”两种方式为例,对如何计算出候选意图的可能性分值进行说明,在其他实施例中还可采用其他的计算方式在此不做限制。
作为示例的,社区业务办理背景下预先训练好的NLU模型能够识别的第一意图包括:“居住证_办理_办理流程”、“居住证_代办_办理材料”以及“房屋租赁备案_办理_办理流程”;当用户在社区办理“居住证”时,向人工智能对话机器人提出咨询对话“我想咨询居住证办理流程”,人工智能对话机器人在接收到咨询对话后,通过NLU模型对该咨询对话的真实意图进行初步识别,分别确定咨询对话的真实意图为“居住证_办理_办理流程”、“居住证_代办_办理材料”以及“房屋租赁备案_办理_办理流程”的可能性分值;例如,‘intent’:‘居住证_办理_办理流程’,‘score’:‘0.595’、‘intent’:‘居住证_代办_办理材料’,‘score’:‘0.372’、‘intent’:‘房屋租赁备案_办理_办理流程’,‘score’:‘0.001’。
这里,可能性分值表征着咨询对话为任意一个第一意图的可能性,可能性分值越高,说明咨询对话为该第一意图的可能性越高。但是,即使是可能性分值最高的第一意图,也并不一定为能够准确表征出咨询对话所指示的真实意图,因此,为了进一步地增加意图识别的准确性,还需要对可能性分值最高的第一意图是否可信进行判断。
其中,可能性分值的取值范围为(0,1)。
在步骤S102中,可以按照咨询对话符合任意一个第一意图的可能性分值降序排列每个第一意图,并根据可能性分值,确定在至少一个第一意图中是否存在能够表征用户所提出的咨询对话所指示的真实意图。
在一种实施方式中,所述判断至少一个第一意图中是否存在表征所述咨询对话的真实意图,包括:
方式一:若最高可能性分值大于等于预设分值阈值,则确定将所述最高可能性分值对应的第一意图确定为素数真实意图;否则,不存在所述真实意图。
在该方式中,确定出最高可能性分值,将最高可能性分值与预设分值阈值进行比较,若最高可能性分值大于等于预设分值阈值,则确定在至少一个第一意图中存在有能够表征出咨询对话的真实意图的意图,并将最高可能性分值对应的第一意图确定为咨询对话所指示的真实意图;否则,确定在至少一个第一意图中不存在真实意图。
或;
方式二:若最高可能性分值小于所述预设分值阈值、且与第二高可能性分值之间的差值大于等于预设差值阈值,则将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图。
在该方式中,还可将最高可能性分值与第二高可能性分值之间的差值与预设差值阈值进行比较,若两者之间的差值大于等于预设差值阈值,则确定在至少一个第一意图中存在有能够表征出咨询对话的真实意图的意图,并将最高可能性分值对应的第一意图确定为咨询对话所指示的真实意图;否则,确定在至少一个第一意图中不存在真实意图。
其中,预设分值阈值可以为一固定常数,例如,0.7;同样的,预设差值阈值也可以为一固定常数,例如,0.25;这里,关于预设分值阈值和预设差值阈值的来源:在训练出NLU意图模型后,通过大量测试集(测试集中包含测试咨询对话,以及每个测试咨询对话对应的测试意图标签)进行测试,得到测试结果,测试结果中主要包含测试咨询对话在NLU模型中匹配出的最高分意图、第二高分意图所分别对应的分值,以及两者间的差值。其中,最高分意图与测试意图标签所指示的意图相同的属于识别正确,反之为识别错误。
统计结果发现当最高分意图分值大于等于0.7时,意图结果可信比例较高,可认定为可信结果。
当最高分意图分值小于0.7时,进行进一步计算每组训练样本中最高分意图与第二高分意图之间的差值:将计算出的每组的差值进行统计并分档,以计算出一个有效的差值阈值。其中,分档方式有两种,一种是按照总量统计,如[0,1),[0.1,1),[0.2,1);另一种是按照区间统计,如[0,0.1),[0.1,0.2),[0.2,0.3)。
经过统计后发现,当最高分意图与第二高分意图分值之间的差值在0.2-0.3之间时,可保证在一组测试样本中将不可信的结果被错误识别为可信的结果的错误识别数量控制在3个以内,而正确识别的结果大于等于42个,由此可以看出对于一组测试样本来说正面收益要远大于负面影响,且可将负面影响控制在可接受范围内。因此在最高分意图分值小于0.7时,或,最高分意图与第二高分意图间分数的差值大于等于0.25时,则认为此最高分意图为可信结果。
在一种实施方式中,在步骤S103中,若未确定出咨询对话的真实意图,则可利用配置好的业务关键词模型,确定出咨询对话中所存在的目标关键词,进而,在后续的过程中可以根据目标关键词进行咨询对话的真实意图识别。
本申请实施例中,为了减少业务知识图谱中数据的存储量,存储的业务意图均采用标准关键词进行描述,即,只有使用目标关键词才能够从业务知识图谱中确定出匹配的第二意图;但是,用户在表达意图时并不知道哪些词语为目标关键词,因此,需通过业务关键词模型,将用户所表达出的对话关键词(非标准词语)转换为业务知识图谱能够识别的目标关键词。
其中,第二意图是指与特定场景相关的业务意图。
特定场景可以包括银行业务办理场景、社区业务办理以及医院就诊场景等中的一种或多种;
当特定场景为银行业务办理场景时,第二意图能够表征出银行所提供的服务,具体的,第二意图可包括:存款_办理_办理流程、存款_代办_办理材料、取款_办理_办理流程、取款_代办_办理材料、贷款_办理_办理流程以及贷款_代办_办理材料等中的一种或多种;
当特定场景为社区业务办理场景时,第二意图能够表征出社区所提供的服务,具体的,第二意图可包括:失业登记_办理_办理流程、失业登记_代办_办理材料、居住证_办理_办理流程、居住证_代办_办理材料、就业创业证_申请_申请流程以及就业创业证_代办_办理材料等中的一种或多种。
业务关键词模型中包括针对特定场景所梳理出的,在该特定场景中用户可能用于描述业务意图的对话关键词(或对话关键词组),以及每个对话关键词(或对话关键词组)对应的目标关键词(或目标关键词组)。
这里,具有相同含义的对话关键词所对应的目标关键词相同;相应的,具有相同含义的对话关键词组所对应的目标关键词组相同。
示例性的,假设“就业创业证”为业务知识图谱所能够识别的目标关键词,“就业失业登记证”、“劳动手册”、“就业创业登记证”为用户想要表达“就业创业证”时可能使用到词汇,由于,“就业失业登记证”、“劳动手册”实际上所要表达的含义均为“就业创业证”,因此,在业务关键词模型可将“就业创业证”确定为“就业失业登记证”、“劳动手册”、“就业创业登记证”对应的目标关键词。
当从用户的咨询对话中识别出“就业失业登记证”、“劳动手册”或“就业创业登记证”时,通过业务关键词模型便可清楚的知道,用户实际上想要提及的是“就业创业证”这一目标关键词。
在一种实施方式中,所述利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词,包括:从所述咨询对话中提取出能够表征所述咨询对话所指示的真实意图的对话关键词;利用所述业务关键词模型,确定出所述对话关键词对应的目标关键词。
该步骤中,对咨询对话进行解析拆分,将咨询对话拆分为多个关键分词,将与特定场景相关的关键分词确定为有可能表征出咨询对话所指示的真实意图的对话关键词;示例性的,将咨询对话“我想咨询居住证办理流程”,拆分为“我”、“想”、“咨询”、“居住证”、“办理”以及“流程”,这六个关键分词,当特定场景为社区业务办理场景时,可确定“咨询”、“居住证”、“办理”以及“流程”为对话关键词。
这里,由于用户的表达的内容存在不标准的情况,因此,可能无法直接利用提取出的对话关键词,从业务知识图谱中确定出对话关键词所匹配的第二意图;对此,利用配置好的业务关键词模型,确定对话关键词对应的目标关键词,即将用户所说的非标准关键词转变为业务知识图谱中所存储的标准关键词。
在步骤S104中,在确定出咨询对话的目标关键词后,以目标关键词为搜索对象在业务知识图谱中查找出包括有目标关键词的第二意图;具体的,可以查找业务知识图谱中是否存储有包括目标关键词的业务意图,若某一业务意图包括目标关键词,则将该业务意图确定为第二意图,进而,从业务知识图谱中确定出目标关键词所匹配的至少一个第二意图。
进而,在业务知识图谱的加持下,可通过核对第一意图与第二意图确定出用户的真实意图。
在步骤S105中,当查找出的至少一个第二意图中包括可能性分值最高的第一意图时,则将可能性分值最高的第一意图确定为咨询对话所指示的真实意图。
在步骤S106中,若至少一个第二意图中未包括可能性分值最高的第一意图,则说明无法准确地确定出咨询对话所指示的真实意图,此时,以至少一个第二意图为准,将至少一个第二意图反馈给用户,以供用户进行选择;进而,根据用户的反馈从至少一个第二意图中确定出咨询对话所指示的真实意图。
在一种实施方式中,在确定出能够表征咨询对话所指示的真实意图之后,所述对话意图识别方法还包括:步骤S107、利用所述业务知识图谱确定所述真实意图对应的引导话术或应答结果;步骤S108、将所述引导话术或所述应答结果反馈给所述用户,以使所述用户根据所述引导话术的引导补充办理业务所需的资料信息或根据所述应答结果的指示办理业务。
业务知识图谱为包括特定场景下所存在的业务意图与资料信息之间关联关系的网状结构,业务知识图谱中存储有适用于该特定场景的至少一个业务意图;在缺少办理业务所需的资料信息时,在每个业务意图下应该向用户反馈出的引导话术;以及在用户补全全部资料信息后,应反馈给用户的相关话术。
该步骤中,若确定出咨询对话的真实意图,则利用业务知识图谱确定出真实意图对应的引导话术,将引导话术反馈给用户,从而,引导用户补充办理业务所需的资料信息,以帮助用户完成业务的办理。
若根据用户的咨询对话确定无需对用户进行引导,便可直接将咨询话术对应的应答结果反馈给用户,以便与通过应答结果反馈引导用户办理业务。
示例性的,当咨询对话的真实意图为咨询“居住证_办理_办理流程”时,若当前用户仅表明了想要办理的业务,则需进一步的引导用户补充相关的信息,例如,“请问您住的是自己的房子还是租的房子”等;若当前用户补充了办理居住证所需的全部资料信息(确定无需再对用户进行引导),可通过业务知识图谱确定出反馈给用户的居住证办理操作流程,例如,“租房办理居住证的流程如下:XXXX”。
在一种实施方式中,请参阅图2,图2为本申请实施例所提供的一种意图反馈过程示意图。如图2所示,所述将所述至少一个第二意图反馈给用户,包括:步骤S201、根据对话意图与沟通话术之间的对应关系,从多个预设沟通话术中确定出与每个第二意图分别对应的沟通话术;步骤S202、当确定出的沟通话术的总数为一个时,将该沟通话术反馈给所述用户;步骤S203、当确定出的沟通话术的总数为多个时,根据第二意图所属的意图类别,将与意图类别对应的类别引导话术反馈给所述用户;并将所述用户选择的意图类别下的第二意图所对应的沟通话术反馈给所述用户。
这里,沟通话术为人工智能对话机器人与用户之间进行交互时所依赖的交互媒介;当人工智能对话机器人为用户办理相关业务时,可通过沟通话术引导用户表达出真实意图。
在步骤S201中,当人工智能对话机器人为用户办理业务的过程中,若无法确定出用户的真实意图,则可以通过沟通话术以询问的方式进一步的确定用户的真实意图;具体的,可根据对话意图与沟通话术之间的对应关系,通过业务知识图谱从多个预设沟通话术中确定出每个第二意图对应的沟通话术;或者,还可以针对于每个第二意图,生成能够表达出该第二意图的沟通话术。
示例性的,以识别出的第二意图为“居住证_办理_办理流程”为例进行说明,确定出的沟通话术可以为“请问您想咨询的是‘居住证新办流程’的问题吗?”。
在确定出每个第二意图的沟通话术后,可以以图文形式和/语音形式将沟通话术反馈给用户。
具体的,可以以图文形式,将每个第二意图对应的沟通话术显示在用户能够看见的显示屏上;还可以以语音形式,将每个第二意图对应的沟通话术播放给用户。
此外,还可以根据第二意图的数量来确定将每个第二意图对应的沟通话术反馈给用户的形式。
在步骤S202中,当确定出第二意图的总数为一个时,即需要反馈给用户的沟通话术的数量为一个时,可选择直接将该第二意图的沟通话术反馈给用户;具体的,可选择以图文形式/语音形式直接将沟通话术反馈给用户,例如,可以以语音的形式对用户进行反问,“请问您想咨询的是‘居住证新办流程’的问题吗?”。
在步骤S203中,若确定出的第二意图的总数为多个时,即需要反馈给用户的沟通话术为多个时,为了减少显示(和/或播放)的沟通话术的数量,可以对多个沟通话术在类别上进行划分,确定每个第二意图所属意图类别;首先,将每个意图类别的类别引导话术反馈给用户;然后,再根据用户的反馈,确定出用户所选择的意图类别,将属于该意图类别下的第二意图的沟通话术反馈给用户,以供用户进行选择;进而,确定出用户所表达的咨询对话的真实意图,例如,“您可能想咨询以下问题:1、居住证办理流程;2、居住证办理材料;3、房屋租赁备案办理流程”。
这里,在确定出用户所表达的咨询对话的真实意图后,可继续执行上述步骤S107和步骤S108中的内容,在此不再赘述。
对应于上述实施例,识别出的第二意图包括“居住证_办理_办理流程”、“居住证_代办_办理材料”以及“房屋租赁备案_办理_办理流程”,其中,“居住证_办理_办理流程”和“居住证_代办_办理材料”可属于同一意图类别,意图类别为“居住证业务办理”;“房屋租赁备案_办理_办理流程”所属的意图类别则为“房屋租赁业务办理”;将“居住证业务办理”和“房屋租赁业务办理”对应的类别引导话术反馈给用户,例如,“您是想办理‘居住证业务’还是‘房屋租赁业务’”;接收用户的反馈,若用户反馈的是“我想办理‘居住证业务’”,则将属于“居住证业务办理”下的第二意图,“居住证_办理_办理流程”和“居住证_代办_办理材料”对应的沟通话术反馈给用户。
本申请实施例提供的对话意图识别方法,利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。这样,在自然语言理解模型无法准确出可信的意图时,可通过业务关键词模型及业务知识图谱再次对用户的意图进行识别,以此来提高用户意图识别的准确性,可以避免由于自然语言理解模型的文字泛化能力的不足,导致识别准确率较低,甚至是无法识别出用户的意图,同时,还可以通过业务知识图谱对用户进行引导,以帮助用户补全办理业务所需的资料信息,提高业务办理速率。
请参阅图3、图4,图3为本申请实施例所提供的一种对话意图识别装置的结构示意图之一,图4为本申请实施例所提供的一种对话意图识别装置的结构示意图之二。如图3中所示,所述对话意图识别装置300包括:
分值预估模块310,用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;
意图分析模块320,用于基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;
关键词提取模块330,用于若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;
意图搜索模块340,用于在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;
第一意图确定模块350,用于当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;
第二意图确定模块360,用于当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
进一步的,如图4所示,所述对话意图识别装置300还包括引导模块370,所述引导模块370用于:
利用所述业务知识图谱确定所述真实意图对应的引导话术或应答结果;
将所述引导话术或所述应答结果反馈给所述用户,以使所述用户根据所述引导话术的引导补充办理业务所需的资料信息或根据所述应答结果的指示办理业务。
进一步的,所述分值预估模块310在用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值时,所述分值预估模块310用于:
通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;
针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;
基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;
将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
进一步的,所述意图分析模块320在用于判断至少一个第一意图中是否存在表征所述咨询对话的真实意图时,所述意图分析模块320用于:
若最高可能性分值大于等于预设分值阈值,则确定将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图;
或,
若最高可能性分值小于所述预设分值阈值、且与第二高可能性分值之间的差值大于等于预设差值阈值,第一意图则将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图。
进一步的,所述第二意图确定模块360在用于将所述至少一个第二意图反馈给用户时,所述第二意图确定模块360用于:
根据对话意图与沟通话术之间的对应关系,从多个预设沟通话术中确定出与每个第二意图分别对应的沟通话术;
当确定出的沟通话术的总数为一个时,将该沟通话术反馈给所述用户;
当确定出的沟通话术的总数为多个时,根据第二意图所属的意图类别,将与意图类别对应的类别引导话术反馈给所述用户;并将所述用户选择的意图类别下的第二意图所对应的沟通话术反馈给所述用户。
进一步的,所述关键词提取模块330在用于利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词时,所述关键词提取模块330用于:
从所述咨询对话中提取出能够表征所述咨询对话所指示的真实意图的对话关键词;
利用所述业务关键词模型,确定出所述对话关键词对应的目标关键词。
进一步的,所述第二意图确定模块360在用于将每个第二意图的沟通话术反馈给所述用户时,所述第二意图确定模块360用于:
将每个沟通话术以图文形式和/语音形式反馈给所述用户。
本申请实施例提供的对话意图识别装置,利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。这样,在自然语言理解模型无法准确出可信的意图时,可通过业务关键词模型及业务知识图谱再次对用户的意图进行识别,以此来提高用户意图识别的准确性,可以避免由于自然语言理解模型的文字泛化能力的不足,导致识别准确率较低,甚至是无法识别出用户的意图。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1所示方法实施例中的对话意图识别方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的对话意图识别方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,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)
1.一种对话意图识别方法,其特征在于,所述对话意图识别方法包括:
利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;
基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;
若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;
在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;
当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;
当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
2.根据权利要求1所述的对话意图识别方法,其特征在于,所述利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值,包括:
通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;
针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;
基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;
将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
3.根据权利要求1所述的对话意图识别方法,其特征在于,所述判断至少一个第一意图中是否存在表征所述咨询对话的真实意图,包括:
若最高可能性分值大于等于预设分值阈值,则确定将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图;
或,
若最高可能性分值小于所述预设分值阈值、且与第二高可能性分值之间的差值大于等于预设差值阈值,第一意图则将所述最高可能性分值对应的第一意图确定为所述真实意图;否则,不存在所述真实意图。
4.根据权利要求1所述的对话意图识别方法,其特征在于,所述将所述至少一个第二意图反馈给用户,包括:
根据对话意图与沟通话术之间的对应关系,从多个预设沟通话术中确定出与每个第二意图分别对应的沟通话术;
当确定出的沟通话术的总数为一个时,将该沟通话术反馈给所述用户;
当确定出的沟通话术的总数为多个时,根据第二意图所属的意图类别,将与意图类别对应的类别引导话术反馈给所述用户;并将所述用户选择的意图类别下的第二意图所对应的沟通话术反馈给所述用户。
5.根据权利要求1所述的对话意图识别方法,其特征在于,所述利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词,包括:
从所述咨询对话中提取出能够表征所述咨询对话所指示的真实意图的对话关键词;
利用所述业务关键词模型,确定出所述对话关键词对应的目标关键词。
6.根据权利要求1所述的对话意图识别方法,其特征在于,所述对话意图识别方法还包括:
利用所述业务知识图谱确定所述真实意图对应的引导话术或应答结果;
将所述引导话术或所述应答结果反馈给所述用户,以使所述用户根据所述引导话术的引导补充办理业务所需的资料信息或根据所述应答结果的指示办理业务。
7.一种对话意图识别装置,其特征在于,所述对话意图识别装置包括:
分值预估模块,用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值;
意图分析模块,用于基于每个可能性分值,判断至少一个第一意图中是否存在表征所述咨询对话的真实意图;
关键词提取模块,用于若否,利用配置好的业务关键词模型,确定出所述咨询对话中的目标关键词;
意图搜索模块,用于在业务知识图谱中查找出包括所述目标关键词的至少一个第二意图;
第一意图确定模块,用于当所述至少一个第二意图中包括可能性分值最高的第一意图时,将所述可能性分值最高的第一意图确定为所述真实意图;
第二意图确定模块,用于当所述至少一个第二意图中不包括可能性分值最高的第一意图时,将所述至少一个第二意图反馈给用户,并根据所述用户的反馈,从所述至少一个第二意图中确定出所述真实意图。
8.根据权利要求7所述的对话意图识别装置,其特征在于,所述分值预估模块在用于利用自然语言理解模型确定出与咨询对话所对应的每一第一意图的可能性分值时,所述分值预估模块用于:
通过所述自然语言理解模型中的分词层,将所述咨询对话拆分为至少一个特征分词;
针对于每个候选意图,通过所述自然语言理解模型中的分值确定层,确定每个特征分词在该候选意图下对应的权重分值;
基于每个特征分词的权重分值,通过所述自然语言理解模型中的分值计算层,确定所述咨询对话为该候选意图的可能性分值;
将所述可能性分值大于可能性阈值的候选意图确定为第一意图。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的对话意图识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6任一所述的对话意图识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111629243.8A CN114297359A (zh) | 2021-12-28 | 2021-12-28 | 一种对话意图识别方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111629243.8A CN114297359A (zh) | 2021-12-28 | 2021-12-28 | 一种对话意图识别方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114297359A true CN114297359A (zh) | 2022-04-08 |
Family
ID=80971568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111629243.8A Pending CN114297359A (zh) | 2021-12-28 | 2021-12-28 | 一种对话意图识别方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114297359A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238060A (zh) * | 2022-09-20 | 2022-10-25 | 支付宝(杭州)信息技术有限公司 | 人机交互方法及装置、介质、计算设备 |
CN116009827A (zh) * | 2023-03-28 | 2023-04-25 | 杭州实在智能科技有限公司 | Rpa流程及引导教程的智能生成与推荐方法及系统 |
-
2021
- 2021-12-28 CN CN202111629243.8A patent/CN114297359A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238060A (zh) * | 2022-09-20 | 2022-10-25 | 支付宝(杭州)信息技术有限公司 | 人机交互方法及装置、介质、计算设备 |
CN116009827A (zh) * | 2023-03-28 | 2023-04-25 | 杭州实在智能科技有限公司 | Rpa流程及引导教程的智能生成与推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096570B (zh) | 一种应用于智能客服机器人的意图识别方法及装置 | |
CN109918673B (zh) | 语义仲裁方法、装置、电子设备和计算机可读存储介质 | |
CN111339283B (zh) | 针对用户问题提供客服答案的方法及装置 | |
CN108304372B (zh) | 实体提取方法和装置、计算机设备和存储介质 | |
US20190034414A1 (en) | Method for providing dialogue service with chatbot assisted by human agents | |
CN108829682B (zh) | 计算机可读存储介质、智能问答方法及智能问答装置 | |
CN114297359A (zh) | 一种对话意图识别方法、装置、电子设备及可读存储介质 | |
CN113626573B (zh) | 一种销售会话异议及应对提取方法及系统 | |
Kopparapu | Non-linguistic analysis of call center conversations | |
CN112468659A (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
US20210360109A1 (en) | Unsupervised method and system to automatically train a chatbot using domain conversations | |
US11531821B2 (en) | Intent resolution for chatbot conversations with negation and coreferences | |
CN113591463B (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN111737424A (zh) | 一种问题的匹配方法、装置、设备及存储介质 | |
US20230297785A1 (en) | Real-time notification of disclosure errors in interactive communications | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN115983285A (zh) | 问卷稽核方法、装置、电子设备和存储介质 | |
CN113505293B (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN112989001B (zh) | 一种问答处理方法、装置、介质及电子设备 | |
CN114528851A (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN114328832A (zh) | 视频内容识别方法、装置、设备及存储介质 | |
CN114186020A (zh) | 一种语义联想方法 | |
CN112182182B (zh) | 多轮会话的实现方法、装置、设备及存储介质 | |
US20240126991A1 (en) | Automated interaction processing systems | |
US11989514B2 (en) | Identifying high effort statements for call center summaries |
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 |