CN114328882A - 信息处理方法、装置、计算机设备及存储介质 - Google Patents
信息处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114328882A CN114328882A CN202210206947.2A CN202210206947A CN114328882A CN 114328882 A CN114328882 A CN 114328882A CN 202210206947 A CN202210206947 A CN 202210206947A CN 114328882 A CN114328882 A CN 114328882A
- Authority
- CN
- China
- Prior art keywords
- intention
- user
- information
- outputting
- question
- 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
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种信息处理方法、装置、计算机设备及存储介质，方法主要包括：输出第一用户意图对应的意图回复或意图问题；若输出的为第一用户意图对应的意图问题，判断是否能够从用户针对意图问题输入的第二信息中获取到目标内容；若不能，判断是否能够从第二信息中获取到第二用户意图；若能够，则输出第二用户意图对应的意图回复，及输出是否跳转到继续第一用户意图对应的意图问题的提示信息；若接收到用户的确认，则输出第一用户意图对应的意图问题；若不能够获取到第二信息对应的第二用户意图，判断输出第一用户意图对应的意图问题的次数是否达到预置次数；若未达到，再次输出第一用户意图对应的意图问题；若达到，输出预置回复内容。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种信息处理方法、装置、计算机设备及存储介质。
背景技术
智能问答信息处理系统是当前人工智能领域的热门研究方向，通常以机器问答的形式，为用户提供个性化的信息服务，机器人问答的出现，降低了人工坐席的压力，使得回复效率大大提升，因此得到越来越多人的青睐。
在进行的智能问答过程中，用户的提问并不仅仅局限于单轮次的问答，而且在一些场景下，用户也并不能一次性完整表述所有的需求，如在民航领域内的订票、退票、改签等场景的对话，都需要进行多轮才能不断修改和完善自己的需求。另外，由于问答过程中用户陈述不够具体或者明显，常常会遇到用户的歧义意图，多轮问答都需要通过引导、不断询问来使得用户的需求更加清晰。
目前，通过将用户的当前输入信息输入到模型中，得到当前输入信息对应的单轮对话意图，然后由设定的规则确定单轮对话意图所对应的答案。但是，如在进行多轮对话过程中，并不能基于用户的当前输入信息识别到单轮对话意图，则难以对用户的当前输入信息进行回复，使得对话陷入僵局，智能回复的效率和准确率较低。
发明内容
本申请实施例提供一种信息处理方法、装置、计算机设备及存储介质，用于提高智能回复的效率和准确率。
本发明实施例提供一种信息处理方法，该方法包括：
获取用户输入的第一信息对应的第一用户意图；
输出所述第一用户意图对应的意图回复或意图问题；
若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
若未达到，再次输出所述第一用户意图对应的意图问题；
若达到，输出预置回复内容。
本发明实施例提供一种信息处理装置，该装置包括：
获取模块，用于获取用户输入的第一信息对应的第一用户意图；
输出模块，用于输出所述第一用户意图对应的意图回复或意图问题；
判断模块，用于若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
所述判断模块，还用于若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
所述输出模块，还用于若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
所述输出模块，还用于若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
所述判断模块，还用于若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
所述输出模块，还用于若未达到，再次输出所述第一用户意图对应的意图问题；若达到，输出预置回复内容。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信息处理方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信息处理方法。
本发明提供一种信息处理方法、装置、计算机设备及存储介质，获取用户输入的第一信息对应的第一用户意图；若输出的为第一用户意图对应的意图问题，判断是否能够从用户针对意图问题输入的第二信息中获取到目标内容；若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；若能够获取到第二信息对应的第二用户意图，输出第二用户意图对应的意图回复，及是否跳转到继续第一用户意图对应的意图问题的提示信息；若接收到用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；若不能够获取到第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；若未达到，再次输出所述第一用户意图对应的意图问题；若达到，输出预置回复内容。即本发明实现了多轮对话的打断机制和回溯机制，可以在多轮对话中进行单轮问答的提问，并且实现了单轮问答回复后，进行询问是否要回溯到多轮对话中，保证了多轮对话的流畅性和智能性，进而提高了智能回复的效率和准确率。
附图说明
图1为本申请提供的信息处理方法流程图；
图2为本申请提供的信息处理装置的结构示意图；
图3为本申请提供的计算机设备的一示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请实施例的技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请实施例技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，为本发明实施例通提供的一种信息处理方法，该方法可应用于智能对话系统中，具体包括步骤S101-步骤S106B2：
步骤S101，获取用户输入的第一信息对应的第一用户意图。
其中，第一信息为用户第一次输入的信息，通过对第一信息进行语义识别或是模型识别得到第一用户意图，该第一用户意图用于表示用户的意图。例如，用户输入的第一信息为“我今天一整天没有进食了，最近的饭店在哪里”，则通过语义识别或是模型识别可以得到该对一信息对应的第一用户意图为：最近的饭店位置。
在本发明体用的一个可选实施例中，可根据第一意图识别模，获取第一信息对应的第一用户意图。其中，第一意图识别模型是根据多个第一样本数据及分别对应的意图标签训练得到的，该第一样本数据中包括单轮对话，即第一样本数据为用户输入的一轮对话内容，意图标签用于表示第一样本数据所对应的用户意图。
需要说明的是，本实施例中可使用开源的BERT进行预训练模型，得到第一意图识别模型。训练第一意图识别模型所使用的第一样本数据可以为某个具体领域的数据，如航空领域数据、银行业务领域数据、自助购物领域数据等，本实例不对其进行具体限定。例如，若第一样本数据为航空领域数据，则第一样本数据可从旅客的点评数据、现线上智能问答的数据、部分标注的航空官网数据中进行提取，然后将提取的第一样本数据和对应的意图标签进行训练，使得BERT模型能够学习到行业领域的专有名词，提升了BERT模型在航空领域的准确率，进而提高了用户意图识别的准确率。
具体的，本实施例通过第一意图识别模型得到第一信息对应的第一用户意图的过程可以为：首先将第一信息输入到第一意图识别模型，得到各个意图标签分别对应的概率值；获取最高概率值的意图标签；判断最高概率值是否大于预置数值；若最高概率值大于预置数值，则根据最高概率值的意图标签，获取第一信息对应的第一用户意图。其中，预置数值可以根据实际需求进行设置，如预置数值具体可以为80%、90%、98%等，本实施例不做具体限定。
例如，第一意图识别模型对应有3个意图标签，分别为意图1、意图2和意图3，在将第一信息输入到第一意图识别模型之后，得到意图1对应的概率值为80%、意图2对应的概率值为15%、意图3对应的概率值为5%，即最高概率值为意图1。若预置数值为75%，则意图1对应的概率值大于预置数值，意图1为第一信息对应的意图；若预置数值为85，则意图1对应的该录制小于预置数值，说明通过第一意图识别模型无法获取第一信息对应的第一用户意图，此时可输出预置问题，通过该预置问题可指示用户重新输入信息。
其中，预置问题可以根据实际需求进行设定，如预置问题具体可以“请您再次输入您的问题”、“您是否需要我的帮助”等，本实施例不做具体限定。
步骤S102，输出第一用户意图对应的意图回复或意图问题。
在本实施例中，针对不同的第一用户意图会对应有不同的意图回复或意图问题，
若第一用户意图为简单问题或单轮问题，则直接输出第一用户意图对应的意图回复；若第
一用户意图为复杂问题或需要进行多轮询问的问题，则输入第一用户意图对应的意图问
题。例如，第一用户意图为“最近的卫生间位置”，则可直接输出第一用户意图对应的意图回
复为“最近的卫生间在二楼南门的左侧”；若第一用户意图为“退票”，则可输出第一意图对
应的意图问题为“请问您的证件号是
”。
在本发明提供的一个可选实施例中，输出所述第一用户意图对应的意图回复或意图问题，包括：将所述第一用户意图与意图识别体系进行匹配，确定所述第一用户意图的意图属性，所述意图属性包括单轮意图和多轮意图；若所述意图属性为单轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图回复；若所述意图属性为多轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图问题。
其中，意图识别体系中包括预先设置的多个意图分别对应的意图属性及意图回复
或意图问题。例如，意图识别体现中设置的意图“安检的位置”所对应的意图属性为单轮意
图，该意图所对应的意图回复为“一楼大厅东侧”；设置的意图“办理退票”所对应的意图属
性为多轮意图，该意图对应的意图问题为“请问您的证件号是
”。
步骤S103，若输出的为第一用户意图对应的意图问题，判断是否能够从用户针对意图问题输入的第二信息中获取到目标内容。
在本实施例中，若输出的为第一用户意图对应的意图问题，则首先获取用户针对该意图问题所输入的第二信息，然后判断是否能够从第二信息中获取到目标内容，若能够获取该目标内容，则基于意图识别体系确定对应的回复或问题；若不能够获取到该目标内容，则跳转到步骤S104继续执行。
例如，针对用户的退票办理意图，则可首先输出意图问题“请问您的证件号是
”，
然后获取用户针对该意图问题输入的第二信息“11011112345678”，确定是否能够从用户输
入的第二信息中获取到目标内容，即是否能够获取到证件号，如本例中可从第二信息中获
取到对应的证件号，则可继续输出问题“您的客票信息是***，请选择退票
”，以确定用户
是否办理退票流程，若接收到用户接收到用户的确认回复，则为用户办理退票流程。
在本发明提供的一个可选实施例中，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容，包括：通过将所述第二信息与预置正则表达式进行匹配，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；或通过将所述第二信息输入到实体识别模型得到的识别结果概率值，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；所述实体识别模型是根据航空领域样本数据及对应的实体标签训练得到的。
本实施例中从第二信息中获取目标内容，实质上是命名实体识别，可理解为意图
问题中包含槽位，从回复的第二信息中获取槽位对应的槽值（目标内容）。例如，意图问题为
“请问您的证件号是
”，该意图问题中槽位为证件号，获取的第二信息为“我的证件号为
11011112345678”，从第二信息中获取的“11011112345678”为槽位对应的槽值。具体的，本
发明中采用了基于正则表达式和融合行业实体词典的实体识别模型结合的方式实现获取
目标内容。对于大多数的目标内容的获取方式，可以使用正则表达式来进行一部分的覆盖，
但对于类似于地点、航空组织的信息，规则的覆盖率是比较小的，可以通过实体识别模型获
取对应的目标内容，以此来提升槽值提取的准确率。
其中，实体识别模型是根据航空领域样本数据可以根据线上问答信息、行业内词典信息和广量的图谱等信息中提取。比如，民航组织等信息，本发明在训练实体识别模型时，使用这部分数据来训练word2vec模型，生成词向量信息，作为特征信息输入，这样模型中融入了行业信息，可以提升实体识别模型的准确率。
需要说明的是，若在步骤S101中无法确定第一信息对应的第一用户意图，即通过第一意图识别模型得到的第一信息对应的最高概率值小于等于预置数值，则输出预置问题，然后获取用户针对该预置问题输入的第二信息，判断是否能够从用户针对预置问题输入的第二信息中获取到目标内容。其中，针对预置问题输入的第二信息中获取目标内容，与针对意图问题输入的第二信息中获取到目标内容的方式相同，本实施例在此不再赘述。
步骤S104，若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图。
具体的，本实施例通过第一意图识别模型得到第一信息对应的第一用户意图的过程可以为：首先将第二信息输入到第一意图识别模型，得到各个意图标签分别对应的概率值；获取最高概率值的意图标签；判断所述最高概率值是否大于预置数值；若最高概率值大于预置数值，则根据所述最高概率值的意图标签，获取第二信息对应的第二用户意图。
需要说明的是，本实施中通过第一意图识别模型获取第二信息对应的第二用户意图，与通过第一意图识别模型获取第一信息对应的第一用户意图的描述内容相同，本实施例在此不再赘述。
步骤S105A，若能够获取到第二信息对应的第二用户意图，输出第二用户意图对应的意图回复，及输出是否跳转到继续第一用户意图对应的意图问题的提示信息。
在本实施例中，若能够获取到第二信息对应的第二用户意图，输出第二用户意图对应的意图回复，及输出是否跳转到继续第一用户意图对应的意图问题的提示信息；若不能够获取到第二信息对应的第二用户意图，则跳转到步骤S105B继续执行。
例如，针对下述的人机对话流程中，Q1为用户输入的第一信息，A1为针对第一信息
（第一信息对应的第一用户意图）输出的意图问题，由于从第二信息Q2中未获取到意图问题
对应的目标内容，则获取第二信息Q2中的第二用户意图，然后针对该第二用户意图输出A2，
即A2中包含了第二用户意图对应的意图回复，以及是否跳转到继续第一用户意图对应的意
图问题的提示信息“请问您是否要继续之前的流程
”。
Q1：如何办理退票
A1：请问您的证件号是
Q2：我想咨询一下牛奶能否带上飞机
A2：您好，牛奶只能托运，请问您是否要继续之前的流程
Q3：是的
A4：请问您的证件号是
步骤S106A，若接收到用户对提示信息的确认，则输出第一用户意图对应的意图问题。
针对上例中，若接收到用户对A2的确认Q3，则再次输出“请问您的证件号是
”，即
输出第一用户意图对应的意图问题。
步骤S105B，若不能够获取到第二信息对应的第二用户意图，判断输出第一用户意图对应的意图问题的次数是否达到预置次数。
其中，步骤S105B为步骤S106A的并列步骤，在不能够获取到第二信息对应的第二用户意图，则判断输出第一用户意图对应的意图问题的次数是否达到预置次数，若未达到，再次输出第一用户意图对应的意图问题；若达到输出预置回复内容。
其中，预置次数可以根据实际需求进行设定，如预置次数可以为2、3等，本实施例对此不做具体限定。
步骤S106B1，若未达到，再次输出第一用户意图对应的意图问题。
若本实施例无法根据第一信息确定对应的第一用户意图，则输处预置问题，判断输出预置问题的次数是否达到预置次数，若未达到则输出与该预置问题；若达到则输出预置回复内容。
步骤S106B2，若达到，输出预置回复内容。
例如，针对下述的人机对话流程中，预置次数为3，输出三次（A1、A2、A3）有针对第
一用户意图对应的意图问题“请问您的证件号是
”，用户输入的三次回复（Q2、Q3、Q4）内容
都无法到目标内容以及对应的第二用户意图，则直接输出预置回复内容“您的信息三次输
入有误，请您重新提问”。
Q1：如何办理退票
A1：请问您的证件号是
Q2：嗯，我想象啊
A2：请问您的证件号是
Q3：啊
A3：请问您的证件号是
Q4：哎呀
A4：您的信息三次输入有误，请您重新提问。
本发明实施例提供的一种信息处理方法，获取用户输入的第一信息对应的第一用户意图；若输出的为第一用户意图对应的意图问题，判断是否能够从用户针对意图问题输入的第二信息中获取到目标内容；若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；若能够获取到第二信息对应的第二用户意图，输出第二用户意图对应的意图回复，及是否跳转到继续第一用户意图对应的意图问题的提示信息；若接收到用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；若不能够获取到第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；若未达到，再次输出所述第一用户意图对应的意图问题；若达到，输出预置回复内容。即本发明实现了多轮对话的打断机制和回溯机制，可以在多轮对话中进行单轮问答的提问，并且实现了单轮问答回复后，进行询问是否要回溯到多轮对话中，保证了多轮对话的流畅性和智能性，进而提高了智能回复的效率和准确率。
在本发明提供的一个可选实施例中，再次输出所述第一用户意图对应的意图问题，或再次输出预置问题之后，还可以包括：
步骤S201，获取用户针对预置问题或第一用户意图对应的意图问题再次输入的信息。
步骤S202，判断是否能够从再次输入的信息中获取到意图回复。
步骤S203，若不能从再次输入的信息中获取到意图回复，通过将用户再次输入的信息及历史信息组成的特征向量输入到第二意图识别模型，判断是否能够获取到再次输入的信息对应的第二用户意图。
其中，所述第二意图识别模型是根据多个第二样本数据及分别对应的意图标签训练得到的；所述第二样本数据中包括多轮对话，且根据无法直接根据最后一轮对话识别出用户意图。
步骤S204，若不能够获取到再次输入的信息对应的第二用户意图，则跳转到判断输出第一用户意图对应的意图问题的次数是否达到预置次数的步骤。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种信息处理装置，该信息处理装置与上述实施例中信息处理方法一一对应。如图2所示，所述信息处理装置各功能模块详细说明如下：
获取模块21，用于获取用户输入的第一信息对应的第一用户意图；
输出模块22，用于输出所述第一用户意图对应的意图回复或意图问题；
判断模块23，用于若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
所述判断模块23，还用于若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
所述输出模块22，还用于若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
所述输出模块22，还用于若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
所述判断模块23，还用于若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
所述输出模块22，还用于若未达到，再次输出所述第一用户意图对应的意图问题；若达到，输出预置回复内容。
在一个可选的实施例中，获取模块21，具体用于根据第一意图识别模，获取所述第一信息对应的第一用户意图，所述第一意图识别模型是根据多个第一样本数据及分别对应的意图标签训练得到的；所述第一样本数据中包括单轮对话；
获取模块21，具体用于根据第一意图识别模，获取所述第二信息对应的第二用户意图。
在一个可选的实施例中，获取模块21，还用于将所述第一信息或所述第二信息输入到第一意图识别模型，得到各个意图标签分别对应的概率值；
获取模块21，还用于获取最高概率值的意图标签；
判断模块23，还用于判断所述最高概率值是否大于预置数值；
获取模块21，还用于若所述最高概率值大于预置数值，则根据所述最高概率值的意图标签，获取所述第一信息对应的第一用户意图，或所述第二信息对应的第二用户意图。
在一个可选的实施例中，所述输出模块22，具体用于：
将所述第一用户意图与意图识别体系进行匹配，确定所述第一用户意图的意图属性，所述意图属性包括单轮意图和多轮意图；
若所述意图属性为单轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图回复；
若所述意图属性为多轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图问题。
在一个可选的实施例中，所述输出模块22，还用于若所述第一信息对应的最高概率值小于等于预置数值，则输出预置问题；
判断模块23，还用于判断是否能够从用户针对所述预置问题输入的第二信息中获取到目标内容。
在一个可选的实施例中，获取模块21，还用于获取用户针对所述预置问题或所述第一用户意图对应的意图问题再次输入的信息；
判断模块23，还用于判断是否能够从再次输入的信息中获取到意图回复；
判断模块23，还用于若不能从再次输入的信息中获取到意图回复，通过将用户再次输入的信息及历史信息组成的特征向量输入到第二意图识别模型，判断是否能够获取到再次输入的信息对应的第二用户意图，所述第二意图识别模型是根据多个第二样本数据及分别对应的意图标签训练得到的；所述第二样本数据中包括多轮对话，且根据最后一轮对话无法识别出用户意图；
判断模块23，还用于若不能够获取到再次输入的信息对应的第二用户意图，则跳转到判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数的步骤。
在一个可选的实施例中，判断模块23，具体用于：
通过将所述第二信息与预置正则表达式进行匹配，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；或
通过将所述第二信息输入到实体识别模型得到的识别结果概率值，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；所述实体识别模型是根据航空领域样本数据及对应的实体标签训练得到的。
关于信息处理装置的具体限定可以参见上文中对于信息处理方法的限定，在此不再赘述。上述设备中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息处理方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取用户输入的第一信息对应的第一用户意图；
输出所述第一用户意图对应的意图回复或意图问题；
若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
若未达到，再次输出所述第一用户意图对应的意图问题；
若达到，输出预置回复内容。
在一个实施例中，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时实现以下步骤：
获取用户输入的第一信息对应的第一用户意图；
输出所述第一用户意图对应的意图回复或意图问题；
若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
若未达到，再次输出所述第一用户意图对应的意图问题；
若达到，输出预置回复内容。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
获取用户输入的第一信息对应的第一用户意图；
输出所述第一用户意图对应的意图回复或意图问题；
若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
若未达到，再次输出所述第一用户意图对应的意图问题；
若达到，输出预置回复内容。
2.根据权利要求1所述的方法，其特征在于，所述获取用户输入的第一信息对应的第一用户意图，包括：
根据第一意图识别模，获取所述第一信息对应的第一用户意图，所述第一意图识别模型是根据多个第一样本数据及分别对应的意图标签训练得到的；所述第一样本数据中包括单轮对话；
所述获取所述第二信息对应的第二用户意图，包括：
根据第一意图识别模，获取所述第二信息对应的第二用户意图。
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：
将所述第一信息或所述第二信息输入到第一意图识别模型，得到各个意图标签分别对应的概率值；
获取最高概率值的意图标签；
判断所述最高概率值是否大于预置数值；
若所述最高概率值大于预置数值，则根据所述最高概率值的意图标签，获取所述第一信息对应的第一用户意图，或所述第二信息对应的第二用户意图。
4.根据权利要求1所述的方法，其特征在于，所述输出所述第一用户意图对应的意图回复或意图问题，包括：
将所述第一用户意图与意图识别体系进行匹配，确定所述第一用户意图的意图属性，所述意图属性包括单轮意图和多轮意图；
若所述意图属性为单轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图回复；
若所述意图属性为多轮意图，则根据所述意图识别体系输出所述第一用户意图对应的意图问题。
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：
若所述第一信息对应的最高概率值小于等于预置数值，则输出预置问题；
所述判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容，包括：
判断是否能够从用户针对所述预置问题输入的第二信息中获取到目标内容。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取用户针对所述预置问题或所述第一用户意图对应的意图问题再次输入的信息；
判断是否能够从再次输入的信息中获取到意图回复；
若不能从再次输入的信息中获取到意图回复，通过将用户再次输入的信息及历史信息组成的特征向量输入到第二意图识别模型，判断是否能够获取到再次输入的信息对应的第二用户意图，所述第二意图识别模型是根据多个第二样本数据及分别对应的意图标签训练得到的；所述第二样本数据中包括多轮对话，且根据最后一轮对话无法识别出用户意图；
若不能够获取到再次输入的信息对应的第二用户意图，则跳转到判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数的步骤。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容，包括：
通过将所述第二信息与预置正则表达式进行匹配，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；或
通过将所述第二信息输入到实体识别模型得到的识别结果概率值，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；所述实体识别模型是根据航空领域样本数据及对应的实体标签训练得到的。
8.一种信息处理装置，其特征在于，所述装置包括：
获取模块，用于获取用户输入的第一信息对应的第一用户意图；
输出模块，用于输出所述第一用户意图对应的意图回复或意图问题；
判断模块，用于若输出的为所述第一用户意图对应的意图问题，判断是否能够从用户针对所述意图问题输入的第二信息中获取到目标内容；
所述判断模块，还用于若不能够从第二信息中获取到目标内容，判断是否能够从第二信息中获取到第二用户意图；
所述输出模块，还用于若能够获取到所述第二信息对应的第二用户意图，输出所述第二用户意图对应的意图回复，及输出是否跳转到继续所述第一用户意图对应的意图问题的提示信息；
所述输出模块，还用于若接收到所述用户对所述提示信息的确认，则输出第一用户意图对应的意图问题；
所述判断模块，还用于若不能够获取到所述第二信息对应的第二用户意图，判断输出所述第一用户意图对应的意图问题的次数是否达到预置次数；
所述输出模块，还用于若未达到，再次输出所述第一用户意图对应的意图问题；若达到，输出预置回复内容。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的信息处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210206947.2A CN114328882A (zh) | 2022-03-04 | 2022-03-04 | 信息处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210206947.2A CN114328882A (zh) | 2022-03-04 | 2022-03-04 | 信息处理方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114328882A true CN114328882A (zh) | 2022-04-12 |
Family
ID=81030001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210206947.2A Pending CN114328882A (zh) | 2022-03-04 | 2022-03-04 | 信息处理方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114328882A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110427461A (zh) * | 2019-08-06 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 智能问答信息处理方法、电子设备及计算机可读存储介质 |
| CN111400467A (zh) * | 2020-03-09 | 2020-07-10 | 上海国民集团健康科技有限公司 | 一种机器人聊天方法 |
| CN111813912A (zh) * | 2020-06-29 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置、设备及存储介质 |
| CN112214589A (zh) * | 2020-10-19 | 2021-01-12 | 焦点科技股份有限公司 | 一种基于冷启动的多轮会话框架的方法 |
| CN113139044A (zh) * | 2021-05-10 | 2021-07-20 | 中国电子科技集团公司第二十八研究所 | 一种用于问答系统的支持多意图切换的问答多轮对话方法 |
| CN113806503A (zh) * | 2021-08-25 | 2021-12-17 | 北京库睿科技有限公司 | 一种对话融合方法和装置及设备 |
-
2022
- 2022-03-04 CN CN202210206947.2A patent/CN114328882A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110427461A (zh) * | 2019-08-06 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 智能问答信息处理方法、电子设备及计算机可读存储介质 |
| CN111400467A (zh) * | 2020-03-09 | 2020-07-10 | 上海国民集团健康科技有限公司 | 一种机器人聊天方法 |
| CN111813912A (zh) * | 2020-06-29 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种人机对话方法、装置、设备及存储介质 |
| CN112214589A (zh) * | 2020-10-19 | 2021-01-12 | 焦点科技股份有限公司 | 一种基于冷启动的多轮会话框架的方法 |
| CN113139044A (zh) * | 2021-05-10 | 2021-07-20 | 中国电子科技集团公司第二十八研究所 | 一种用于问答系统的支持多意图切换的问答多轮对话方法 |
| CN113806503A (zh) * | 2021-08-25 | 2021-12-17 | 北京库睿科技有限公司 | 一种对话融合方法和装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10853421B2 (en) | Segmented sentence recognition method and device for human-machine intelligent question answer system | |
| CN111737411A (zh) | 人机对话中的响应方法、对话系统及存储介质 | |
| CN110704641A (zh) | 一种万级意图分类方法、装置、存储介质及电子设备 | |
| CN111460290B (zh) | 信息的推荐方法、装置、设备和存储介质 | |
| CN111428010A (zh) | 人机智能问答的方法和装置 | |
| US20190340236A1 (en) | Processing sequential data using recurrent neural networks | |
| CN112988991A (zh) | 一种通过人机对话进行反欺诈干预的方法和系统 | |
| JP7194233B2 (ja) | オブジェクト推薦方法、ニューラルネットワークおよびそのトレーニング方法、装置ならびに媒体 | |
| CN117521675A (zh) | 基于大语言模型的信息处理方法、装置、设备及存储介质 | |
| CN111581375A (zh) | 对话意图类型识别方法、多轮对话方法、装置及计算设备 | |
| CN113297366B (zh) | 多轮对话的情绪识别模型训练方法、装置、设备及介质 | |
| CN110188185A (zh) | 多轮对话的处理方法、装置、设备和存储介质 | |
| CN110765342A (zh) | 信息查询方法及装置、存储介质、智能终端 | |
| US20210232972A1 (en) | Methods, mediums, and systems for an unsupervised predictive learning system | |
| CN111966805B (zh) | 用于辅助实现会话的方法、装置、介质以及电子设备 | |
| CN115836304A (zh) | 利用基于示例的语音机器人开发技术更新受训练语音机器人 | |
| CN117575008A (zh) | 训练样本生成方法、模型训练方法、知识问答方法及设备 | |
| CN113326359A (zh) | 一种对话应答及应答策略匹配模型的训练方法和装置 | |
| CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
| CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
| CN111931507A (zh) | 获取用于实现会话的多元组集合方法、装置、介质及设备 | |
| CN114328882A (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
| CN114398868A (zh) | 基于意图识别的人机对话方法、装置、设备及存储介质 | |
| CN114372157A (zh) | 基于知识图谱的保险语义理解方法、装置、设备及介质 | |
| CN114239602A (zh) | 会话方法、装置和计算机程序产品 |
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 |
Application publication date: 20220412 |
|
| RJ01 | Rejection of invention patent application after publication |