CN114416937A - 人机交互方法、装置、设备、存储介质及计算机程序产品 - Google Patents

Abstract

本公开提供了人机交互方法、装置、设备、存储介质及计算机程序产品，涉及人工智能技术领域，尤其涉及自然语言处理领域。具体实现方案为：获取当前对话内容；在已存储的画像信息中，确定匹配所述当前对话内容的目标画像信息；基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容；以所述回复内容，对所述当前对话内容进行对话回复。通过本公开可以实现以较低的存储成本，实现以表征长时记忆的回复内容进行对话回复。

Description

人机交互方法、装置、设备、存储介质及计算机程序产品

技术领域

本公开涉及人工智能技术领域，尤其涉及自然语言处理领域。

背景技术

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其它机器人进行交互的智能机器人，人机交互也就成为决定智能机器人发展的重要因素。

发明内容

本公开提供了一种人机交互方法、装置、设备、存储介质及计算机程序产品。

根据本公开的一方面，提供了一种人机交互方法，包括：

获取当前对话内容；在已存储的画像信息中，确定匹配所述当前对话内容的目标画像信息；基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容；以所述回复内容，对所述当前对话内容进行对话回复。

根据本公开的另一方面，提供了一种人机交互装置，包括：

获取模块，用于获取当前对话内容；确定模块，用于在已存储的画像信息中，确定匹配所述当前对话内容的目标画像信息；以及用于基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容；处理模块，用于以所述回复内容，对所述当前对话内容进行对话回复。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述涉及的方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述涉及的方法。

根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述涉及的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开提供的一种人机交互方法的流程示意图；

图2是本公开提供的另一种人机交互方法的流程示意图；

图3是本公开提供的一种确定匹配所述当前对话内容的回复内容的流程示意图；

图4是本公开提供的又一种人机交互方法的流程示意图；

图5是本公开提供的另一种人机交互方法的流程示意图；

图6是本公开提供的一种存储画像信息的流程示意图；

图7是本公开提供的另一种存储画像信息的流程示意图；

图8是本公开提供的人机交互方法的流程图；

图9是本公开提供的一种人机交互装置框图；

图10示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其它机器人进行交互的智能机器人，人机交互也就成为决定智能机器人发展的重要因素。

相关技术中，为保证人机交互过程中，机器侧可以保持回复内容的一致性，通常会将人机交互过程中的历史对话内容进行存储。进一步的，当用户与机器进行人机交互时，机器侧能够通过检索已存储的历史对话内容的方式，确定历史对话过程中所回复的内容，进而回复能够表征长时记忆的回复内容。但相关技术中，会将人机交互历史中产生的全部对话内容进行存储，该方法存在以下问题：

1)所存储的历史对话内容没有侧重点，机器侧进行有用信息筛选时，存在特征信息容易遗漏的问题。

2)由于机器侧需要在完整的历史对话内容中查找有用信息，因此，针对人机交互场景，机器侧数据处理量较大。并且，训练时需要通过多个长数据集进行训练，训练成本高。

有鉴于此，本公开提供了一种人机交互方法，可以在人机交互过程中获取当前对话内容，并在已存储的画像信息中，确定匹配当前对话内容的目标画像信息。进一步的，可以通过当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容，进而所确定以回复内容，对当前对话内容进行对话回复。由于本公开所存储及使用的信息为具有长时记忆特征的画像信息，因此，信息存储量小，利用率高，可以满足人机交互场景的实际使用需求。

图1是本公开提供的一种人机交互方法的流程示意图，如图1所示，包括以下步骤。

在步骤S101中，获取当前对话内容，并在已存储的画像信息中，确定匹配当前对话内容的目标画像信息。

本公开实施例中，当前对话内容可以理解为本次人机交互过程中，用户与机器之间的部分或全部对话内容。示例的，画像信息可以理解为预先定义的特征标识，该特征表示可以用于表征长时记忆的特征信息，例如可以包括性别、年龄、学历以及喜好。当然，画像信息还可以包括其他类别的特征信息，本公开对此不做具体限定。此外，可以理解的是，所存储的画像信息包括表征用户长时记忆的用户画像信息，以及表征机器长时记忆的机器画像信息。

在步骤S102中，基于当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容。

在步骤S103中，以回复内容，对当前对话内容进行对话回复。

本公开实施例提供的人机交互方法，可以在人机交互过程中，通过所获取的当前对话内容，在所存储的画像信息中确定目标画像信息，进而通过当前对话内容以及目标画像信息，得到回复内容。进一步的，以所得到回复内容进行对话回复，可以使机器保持一致的人设，提高用户在人机交互过程中的实际体验。由于相较于完整的历史对话内容，画像信息对应的信息存储量较少，因此，该方法可以满足信息存储需求。并且，由于相较于在完整历史对话内容中进行内容筛选的方式，在画像信息中筛选目标画像信息的信息处理量较少，因此，机器侧计算量较小，可以提高机器侧执行对话回复的处理效率。

本公开实施例中，目标画像信息可以理解为对回复有帮助的画像信息。一实施方式中，可以采用如下方式确定目标画像信息。

图2是本公开提供的另一种人机交互方法的流程示意图，如图2所示，本公开实施例中的步骤S203和步骤S204与图1中的步骤S102和步骤S103的实施过程相似，在此不做赘述。

在步骤S201中，获取当前对话内容，并对当前对话内容与已存储的画像信息进行相关性检测，得到相关性评分。

在步骤S202中，将相关性评分超过预设评分阈值的画像信息，确定为目标画像信息。

示例的，相关性评分超过预设评分阈值的画像信息，例如可以包括匹配当前对话内容对应的对话话题的画像信息。又例如，还可以包括表征基本特征信息的画像信息。其中，表征基本特征信息的画像信息，例如可以包括性别、年龄以及学历之一或组合。

本公开实施例提供的人机交互方法，可以筛选得到用于确定对话回复的目标画像信息，后续通过目标画像信息，可以得到表征长时记忆的对话回复，满足人机交互场景的实际需求。

本公开实施例中，根据当前对话内容以及目标画像信息，得到匹配当前对话内容的对话回复，可以是通过生成模型实现的。

图3是本公开提供的一种确定匹配当前对话内容的回复内容的流程示意图，如图3所示，包括以下步骤。

在步骤S301中，调用生成模型。

其中，生成模型的输入为对话内容以及画像信息，输出为与所输入的对话内容相匹配的回复内容。

在步骤S302中，将当前对话内容以及目标画像信息作为生成模型的输入，得到匹配当前对话内容的回复内容。

其中，生成模型可以通过对话内容、画像信息以及相应的语料信息训练得到。例如，输入对话内容、目标画像信息以及需要生成模型输出的语料信息，以此训练模型得到对话内容、目标画像信息与语料信息之间的匹配关系。进一步的，在生成模型获取到当前对话内容和匹配当前对话内容的目标画像信息的情况下，可以确定并输出相应的语料信息，所输出的语料信息即为匹配当前对话内容的回复内容。由于本公开实施例中，模型训练使用了对话内容及匹配对话内容的画像信息，因此，模型训练可通过短对话完成，可以减少模型训练所需的时间成本。

本公开实施例中，可以在获取到当前对话内容的情况下，对当前对话内容中的画像信息进行提取及存储。

图4是本公开提供的又一种人机交互方法的流程示意图，如图4所示，本公开实施例中的步骤S401、步骤S402a和步骤S403与图1中的步骤S101、步骤S102和步骤S103的实施过程相似，在此不做赘述。

在步骤S402b中，对当前对话内容进行画像信息提取，并存储所提取的画像信息。

示例的，画像信息的提取，可以是通过训练得到的模型实现的。例如，以人工标注的方式对对话内容进行画像信息标注，并以所标注的对话内容进行模型训练，以使模型可以识别对话内容中包括的画像信息。进一步的，针对人机交互过程中产生的当前对话内容，可以通过训练得到的模型，进行画像信息的提取。其中，可以理解的是，本公开实施例中，是针对当前对话内容中的用户对话内容，提取用户画像信息，以及根据当前对话内容中的机器回复内容，提取机器画像信息。进一步的，可以将所提取的用户画像信息存储至匹配用户画像信息的存储地址，以及将机器画像信息存储至匹配机器画像信息的存储地址，以备后续人机交互时调用。

本公开实施例提供的人机交互方法，可以将对话内容中包含的画像信息进行提取及存储。通过本公开可以实现画像信息的更新，为后续人机交互提供更丰富的画像信息，可以满足使用需求。

此外，已存储的画像信息也可以是通过人工标注的方式得到的。例如，以人工标注的方式对对话内容进行画像信息标注，进而直接提取所标注的画像信息。其中，可以理解的是，在用户尚未与机器进行人机交互时，无法得到用户画像信息。因此，可以在人机交互前，通过上述方式标注并存储机器画像信息。此外，在用户实际使用过程中，也可以根据用户的实际需求，通过人工标注的方式标注并存储用户画像信息。当然，还可以在其他使用场景进行画像信息的人工标注及存储，本公开对此不做具体限定。

本公开实施例中，可以通过从当前对话内容中提取的画像信息，对已存储的画像信息进行筛选，以此实现对与所提取的画像信息相似度较高的已存储画像信息的筛除。

图5是本公开提供的另一种人机交互方法的流程示意图，如图5所示，本公开实施例中的步骤S501、步骤S502a、步骤S502b和步骤S503a与图4中的步骤S401、步骤S402a、步骤S402b和步骤S403的实施过程相似，在此不做赘述。

在步骤S503b中，确定所提取的画像信息与已存储的画像信息之间的信息相似度。

在步骤S504中，若已存储的画像信息中，存在与所提取的画像信息之间的信息相似度高于相似度阈值的画像信息，则删除信息相似度高于相似度阈值的画像信息。

通过本公开实施例提供的人机交互方法，可以删除信息相似度高于相似度阈值的画像信息，该方法可以将减小机器侧的信息筛选成本，实现画像信息的去重更新。例如，已存储画像信息中包括“我的体重是A”，当前提取的画像信息为“我的体重是B”。由于针对体重的画像信息，只能择一使用，因此，若不对已存储画像信息进行删除，则针对上述两项画像信息确定目标画像信息，需要花费较高的筛选成本。基于此，删除信息相似度高于相似度阈值的画像信息(示例为“我的体重是A”)，可以减小目标画像的筛选成本，以及实现画像信息的更新。

本公开实施例中，画像信息可以包括表征用户特征的用户画像信息，以及包括表征机器特征的机器画像信息。示例的，可以将用户画像信息和机器画像信息分别存储于不同的存储地址。

本公开以下为便于描述，将用于存储用户画像信息的存储地址称为第一存储地址，以及将用于存储机器画像信息的存储地址称为第二存储地址。并且，可以理解的是，第一存储地址与第二存储地址不同。

如下以存储对当前对话内容进行画像提取得到的画像信息为例，对存储画像信息的具体方式进行描述。

图6是本公开提供的一种存储画像信息的流程示意图，如图6所示，本公开实施例的步骤S601与图4中的步骤S401的实施过程相似，在此不做赘述。

在步骤S602中，对当前对话内容进行画像信息提取，若所提取的画像信息包括用户画像信息和机器画像信息，则将用户画像信息存储于第一存储地址，以及将机器画像信息存储于第二存储地址。

其中，确定画像信息为用户画像信息还是机器画像信息，可以通过识别画像信息所匹配的键值实现。

通过本公开实施例提供的人机交互方法，可以实现将用户画像信息和机器画像信息存储于不同存储地址，以便于针对画像信息的维护。

此外，不同用户对应的用户画像信息通常不同。

示例的，针对用户画像信息，还可以通过上述方式，识别用户画像信息的键值，以此区分不同用户的用户画像信息。基于此，可以实现将不同用户的用户画像信息分别存储于不同的第一存储地址。

图7是本公开提供的另一种存储画像信息的流程示意图，如图7所示，本公开实施例的步骤S701与图6中的步骤S601的实施过程相似，在此不做赘述。

在步骤S702中，对当前对话内容进行画像信息提取。

在步骤S703a中，若确定所提取的画像信息为用户画像信息，则确定用户画像信息所匹配的键值，并将用户画像信息存储于匹配键值的第一存储地址。

在步骤S703b中，若确定所提取的画像信息为机器画像信息，则将机器画像信息存储于第二存储地址。

本公开实施例提供的人机交互方法，在获取到当前对话内容的情况下，所提取的目标画像信息可以匹配用户，机器进行对话回复时使用的回复内容与用户相匹配。换言之，针对用户而言，机器进行对话回复时可以保持一致的人设。

示例的，为使画像信息的存储方式更加贴合人类记忆的特点，还可以对存储时长过长的画像信息进行“遗忘”操作，既，删除存储时长过长的画像信息。例如，可以在所存储的画像信息的信息总量超过信息量阈值的情况下，删除存储时长最长的画像信息。又例如，可以设置存储时长阈值，进而在确定所存储的画像信息的存储时长超过存储时长阈值的情况下，对该画像信息进行删除。此外，还可以通过其他方式对画像存储时长过长的画像信息进行删除，本公开对删除存储时长过长的画像信息的实现方式不做具体限定。

图8是本公开提供的人机交互方法的流程图。

本公开实施例中，可以通过人机交互过程中的历史对话信息，进行画像信息的提取及存储。示例的，如图8所示，所存储的画像信息包括“叫我小张就行”、“我叫小明”以及“我特别喜欢电视剧”。其中，“叫我小张就行”和“我特别喜欢电视剧”为表征用户特征的用户画像信息。“我叫小明”为表征机器特征的机器画像信息。此外，针对画像信息提取及存储的具体实现方式可参照上述任一实施例，本公开在此不做赘述。

进一步的，可以在确定当前触发人机交互场景的情况下，根据人机交互过程中产生的当前对话，对已存储的画像信息进行筛选，得到目标画像信息。示例的，如图8所示，当前对话内容包括“小张，好久不见”以及“是啊，好久不见！”，基于此，可以在已存储的画像信息中，确定与当前对话信息之间的相关性评分超过评分阈值的目标画像信息。示例的，针对如图8所示的当前对话内容，筛选得到的目标画像信息例如可以包括“小张”以及“我特别喜欢电视剧”。进一步的，将筛选得到的目标画像信息以及当前对话内容输入生成模型，可以得到相应的语料信息(即，匹配当前对话内容的回复内容)。机器可以通过生成模型输出的回复内容，对当前对话内容进行对话回复。

本公开实施例提供的人机交互方法，可以通过当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容，进而所确定以回复内容，对当前对话内容进行对话回复。由于本公开所存储及使用的信息为具有长时记忆特征的画像信息，因此，相较于存储完整历史对话内容的方式，具有信息存储量小，利用率高的优点。并且，由于相较于在完整历史对话内容中进行内容筛选的方式，在画像信息中筛选目标画像信息的信息处理量较少，因此，机器侧计算量较小，可以提高机器侧执行对话回复的处理效率。此外，本公开实施例提供的方法，可以实现用户画像信息与机器画像信息的分离存储，以及实现不同用户的画像信息的分离存储，便于信息维护的同时，可以使机器针对不同用户保持一致的人设。进一步的，本公开实施例中，还可以筛除与在当前对话内容中提取的画像信息之间的相似度超过相似度阈值的已存储画像信息，以及对存储时长过长的画像信息进行删除，以此实现画像信息的“去重”及“遗忘”，该方法可以使画像信息的存储方式更加贴合人类的记忆方式，使机器进行的对话回复可以满足用户需求，提高用户使用体验。

基于相同的构思，本公开实施例还提供一种人机交互装置。

可以理解的是，本公开实施例提供的人机交互装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。

图9是本公开提供的一种人机交互装置框图。参照图9，该装置800包括获取模块801、确定模块802和处理模块803。

获取模块801，用于获取当前对话内容。确定模块802，用于在已存储的画像信息中，确定匹配当前对话内容的目标画像信息。以及用于基于当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容。处理模块803，用于以回复内容，对当前对话内容进行对话回复。

一种实施方式中，确定模块802采用如下方式确定匹配当前对话内容的目标画像信息：对当前对话内容与已存储的画像信息进行相关性检测，得到相关性评分。将相关性评分超过预设评分阈值的画像信息，确定为目标画像信息。

一种实施方式中，确定模块802采用如下方式基于当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容：调用生成模型，生成模型的输入为对话内容以及画像信息，输出为与所输入的对话内容相匹配的回复内容。将当前对话内容以及目标画像信息作为生成模型的输入，得到匹配当前对话内容的回复内容。

一种实施方式中，确定模块802还用于：对当前对话内容进行画像信息提取，并存储所提取的画像信息。

一种实施方式中，确定模块802还用于：确定所提取的画像信息与已存储的画像信息之间的信息相似度。若已存储的画像信息中，存在与所提取的画像信息之间的信息相似度高于相似度阈值的画像信息，则删除信息相似度高于相似度阈值的画像信息。

一种实施方式中，处理单元还用于：若画像信息包括用户画像信息和机器画像信息，则将用户画像信息存储于第一存储地址，以及将机器画像信息存储于第二存储地址，第一存储地址与第二存储地址不同。

一种实施方式中，处理单元采用如下方式将用户画像信息存储于第一存储地址：确定用户画像信息所匹配的键值。将用户画像信息存储于匹配键值的第一存储地址。其中，不同键值所匹配的第一存储地址不同。

一种实施方式中，处理单元还用于：在所存储的画像信息的信息总量超过信息量阈值的情况下，删除存储时长最长的画像信息。和/或在所存储的画像信息的存储时长超过存储时长阈值的情况下，删除存储时长超过存储时长阈值的画像信息。

本公开实施例提供的人机交互装置，可以通过当前对话内容以及目标画像信息，确定匹配当前对话内容的回复内容，进而所确定以回复内容，对当前对话内容进行对话回复。由于本公开所存储及使用的信息为具有长时记忆特征的画像信息，因此，相较于存储完整历史对话内容的方式，具有信息存储量小，利用率高的优点。并且，由于相较于在完整历史对话内容中进行内容筛选的方式，在画像信息中筛选目标画像信息的信息处理量较少，因此，机器侧计算量较小，可以提高机器侧执行对话回复的处理效率。此外，本公开实施例提供的装置，可以实现用户画像信息与机器画像信息的分离存储，以及实现不同用户的画像信息的分离存储，便于信息维护的同时，可以使机器针对不同用户保持一致的人设。进一步的，本公开实施例中，还可以筛除与在当前对话内容中提取的画像信息之间的相似度超过相似度阈值的已存储画像信息，以及对存储时长过长的画像信息进行删除，以此实现画像信息的“去重”及“遗忘”，该装置可以使画像信息的存储方式更加贴合人类的记忆方式，使机器进行的对话回复可以满足用户需求，提高用户使用体验。

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。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如人机交互方法。例如，在一些实施例中，人机交互方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的人机交互方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人机交互方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种人机交互方法，包括：

获取当前对话内容，并在已存储的画像信息中，确定匹配所述当前对话内容的目标画像信息；

基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容；

以所述回复内容，对所述当前对话内容进行对话回复。

2.根据权利要求1所述的方法，其中，确定匹配所述当前对话内容的目标画像信息，包括：

对所述当前对话内容与所述已存储的画像信息进行相关性检测，得到相关性评分；

将所述相关性评分超过预设评分阈值的画像信息，确定为所述目标画像信息。

3.根据权利要求1或2所述的方法，其中，所述基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容，包括：

调用生成模型，所述生成模型的输入为对话内容以及画像信息，输出为与所输入的对话内容相匹配的回复内容；

将所述当前对话内容以及所述目标画像信息作为所述生成模型的输入，得到匹配所述当前对话内容的回复内容。

4.根据权利要求1至3中任一项所述的方法，还包括：

对所述当前对话内容进行画像信息提取，并存储所提取的画像信息。

5.根据权利要求4所述的方法，还包括：

确定所提取的画像信息与已存储的画像信息之间的信息相似度；

若已存储的画像信息中，存在与所提取的画像信息之间的信息相似度高于相似度阈值的画像信息，则删除所述信息相似度高于相似度阈值的画像信息。

6.根据权利要求1至5中任一项所述的方法，还包括：

若所述画像信息包括用户画像信息和机器画像信息，则将用户画像信息存储于第一存储地址，以及将机器画像信息存储于第二存储地址，所述第一存储地址与所述第二存储地址不同。

7.根据权利要求6所述的方法，其中，将用户画像信息存储于第一存储地址，包括：

确定用户画像信息所匹配的键值；

将所述用户画像信息存储于匹配所述键值的第一存储地址；

其中，不同所述键值所匹配的第一存储地址不同。

8.根据权利要求1至7中任一项所述的方法，还包括：

在所存储的画像信息的信息总量超过信息量阈值的情况下，删除存储时长最长的画像信息；和/或

在所存储的画像信息的存储时长超过存储时长阈值的情况下，删除存储时长超过存储时长阈值的画像信息。

9.一种人机交互装置，包括：

获取模块，用于获取当前对话内容；

确定模块，用于在已存储的画像信息中，确定匹配所述当前对话内容的目标画像信息；以及用于基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容；

处理模块，用于以所述回复内容，对所述当前对话内容进行对话回复。

10.根据权利要求9所述的装置，其中，所述确定模块采用如下方式确定匹配所述当前对话内容的目标画像信息：

对所述当前对话内容与所述已存储的画像信息进行相关性检测，得到相关性评分；

将所述相关性评分超过预设评分阈值的画像信息，确定为所述目标画像信息。

11.根据权利要求9或10所述的装置，其中，所述确定模块采用如下方式基于所述当前对话内容以及所述目标画像信息，确定匹配所述当前对话内容的回复内容：

调用生成模型，所述生成模型的输入为对话内容以及画像信息，输出为与所输入的对话内容相匹配的回复内容；

将所述当前对话内容以及所述目标画像信息作为所述生成模型的输入，得到匹配所述当前对话内容的回复内容。

12.根据权利要求9至11中任一项所述的装置，所述确定模块还用于：

对所述当前对话内容进行画像信息提取，并存储所提取的画像信息。

13.根据权利要求12所述的装置，所述确定模块还用于：

确定所提取的画像信息与已存储的画像信息之间的信息相似度；

若已存储的画像信息中，存在与所提取的画像信息之间的信息相似度高于相似度阈值的画像信息，则删除所述信息相似度高于相似度阈值的画像信息。

14.根据权利要求9至13中任一项所述的装置，所述处理单元还用于：

若画像信息包括用户画像信息和机器画像信息，则将用户画像信息存储于第一存储地址，以及将机器画像信息存储于第二存储地址，所述第一存储地址与所述第二存储地址不同。

15.根据权利要求14所述的装置，其中，所述处理单元采用如下方式将用户画像信息存储于第一存储地址：

确定用户画像信息所匹配的键值；

将所述用户画像信息存储于匹配所述键值的第一存储地址；

其中，不同所述键值所匹配的第一存储地址不同。

16.根据权利要求9至15中任一项所述的装置，所述处理单元还用于：

在所存储的画像信息的信息总量超过信息量阈值的情况下，删除存储时长最长的画像信息；和/或

在所存储的画像信息的存储时长超过存储时长阈值的情况下，删除存储时长超过存储时长阈值的画像信息。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

Images