CN115033675A - 会话方法、会话装置、电子设备及存储介质 - Google Patents
会话方法、会话装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115033675A CN115033675A CN202210689171.4A CN202210689171A CN115033675A CN 115033675 A CN115033675 A CN 115033675A CN 202210689171 A CN202210689171 A CN 202210689171A CN 115033675 A CN115033675 A CN 115033675A
- Authority
- CN
- China
- Prior art keywords
- information
- session
- target
- interest
- model
- 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
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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
Abstract
一种会话方法、会话装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取目标对象的目标用户信息。根据目标用户信息进行用户画像构建,得到目标对象的目标画像信息。将目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到目标对象的目标兴趣信息。根据目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,目标会话模型包括至少两个目标会话类型。根据目标会话模型和目标兴趣信息,生成每一目标会话类型的会话信息,会话信息用于第一发起对象与会话终端进行会话互动,从而实现针对性的会话引导作用,改善会话效果。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种会话方法、会话装置、电子设备及存储介质。
背景技术
为了吸引优秀人才,企业通常会组织与增员对象(比如应聘者或新入职员工)的面谈,以便向增员对象宣传企业情况,同时了解增员对象的工作需求。目前的面谈方式中,企业的招聘者主要是根据岗位情况以及增员对象的简历信息确定沟通内容,并负责引导谈话话题,但这种方式容易受到招聘者的主观影响,缺乏针对性的会话技巧,导致会话效果不佳。
发明内容
本申请实施例的主要目的在于提出一种会话方法、会话装置、电子设备及存储介质,旨在实现针对性的会话引导作用,改善会话效果。
为实现上述目的,本申请实施例的第一方面提出了一种会话方法,所述方法包括:
获取目标对象的目标用户信息;
根据所述目标用户信息进行用户画像构建,得到所述目标对象的目标画像信息;
将所述目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到所述目标对象的目标兴趣信息;
根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,所述目标会话模型包括至少两个目标会话类型;
根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息;其中,所述会话信息用于所述第一发起对象与所述会话终端进行会话互动。
一些实施方式中,所述会话信息包括所述目标会话类型的目标话术信息,所述根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息,包括:
根据所述目标会话类型,从预设的会话信息库获取参考话术信息;将所述参考话术信息与所述目标兴趣信息输入预先训练的第一评估模型进行第一评估处理,得到第一匹配度;其中,所述第一匹配度用于表示所述参考话术信息与所述目标兴趣信息之间的匹配度;根据所述第一匹配度,从所述参考话术信息筛选出所述目标话术信息;其中,所述目标话术信息是用于回复所述目标对象的话术信息。
一些实施方式中,所述会话信息中还包括所述目标会话类型的工具筛选信息;所述根据所述第一匹配度,从所述参考话术信息筛选出所述目标话术信息之后,所述方法还包括:
根据所述目标会话类型,从所述会话信息库获取工具描述信息;其中,所述工具描述信息用于表示会话辅助工具的描述信息;将所述工具描述信息与所述目标话术信息输入预先训练的第二评估模型进行第二评估处理,得到第二匹配度;其中,所述第二匹配度用于表示所述工具描述信息与所述目标话术信息之间的匹配度;根据所述第二匹配度,从所述工具描述信息筛选出所述工具筛选信息;其中,所述工具筛选信息用于从所述会话辅助工具中筛选出目标辅助工具。
一些实施方式中,所述方法还包括训练所述兴趣预测模型,具体包括:
获取训练对象的训练用户信息;根据所述训练用户信息进行用户画像构建,得到所述训练对象的训练画像信息;获取所述训练对象的训练兴趣信息;将所述训练画像信息和所述训练兴趣信息输入到预设的初始预测模型中进行训练处理,得到所述兴趣预测模型。
一些实施方式中,所述根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息之后,所述方法还包括:
获取所述第一发起对象触发的会话指令;根据所述会话指令从所述目标会话类型筛选出指定会话类型;根据所述指定会话类型输出所述会话信息。
一些实施方式中,所述获取目标对象的目标用户信息之后,所述方法还包括:获取输入信息;根据所述输入信息对所述目标用户信息进行更新处理。
一些实施方式中,所述根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,包括:
获取会话发起方列表;其中,所述会话发起方列表中包括按序排列的至少两个会话发起方,第一发起对象是所述会话发起方列表的其中一个会话发起方;获取所述第一发起对象在所述会话发起方列表的位置信息,得到发起方位置;若所述发起方位置为第一位置,则根据所述目标兴趣信息和所述第一发起对象的角色信息,生成所述目标会话模型;若所述发起方位置为第二位置,则从所述会话发起方列表中确定排列在所述第一发起对象之前的会话发起方,以作为第二发起对象;获取所述第二发起对象对所述目标对象的评估结果以及所述第二发起对象与所述目标对象进行会话时生成的历史会话模型,所述历史会话模型中包括至少两个历史会话类型;根据所述目标兴趣信息和所述第一发起对象的角色信息,并结合所述历史会话模型和所述评估结果,生成目标会话模型。
为实现上述目的,本申请实施例的第二方面提出了一种会话装置,应用于会话终端,所述装置包括:
获取模块,用于获取目标对象的目标用户信息;
构建模块,用于根据所述目标用户信息进行用户画像构建,得到所述目标对象的目标画像信息;
预测模块,用于将所述目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到所述目标对象的目标兴趣信息;
第一生成模块,用于根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,所述目标会话模型包括至少两个目标会话类型;
第二生成模块,用于根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息;其中,所述会话信息用于所述第一发起对象与所述会话终端进行会话互动。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现上述第一方面所述的会话方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面所述的会话方法。
本申请提出的会话方法、会话装置、电子设备及存储介质,其根据目标对象的目标用户信息构建目标画像信息,并将目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,即可得到目标对象的目标兴趣信息,便于针对性分析目标对象的兴趣倾向。根据第一发起对象的角色信息以及目标兴趣信息,构建目标会话模型,有效梳理了适用于当前会话的目标会话类型,并能够同时符合目标对象的兴趣倾向以及第一发起对象的谈话需求。基于此,结合目标会话模型和目标兴趣信息,生成每个目标会话类型对应的会话信息,以用于第一发起对象与会话终端进行会话,从而为第一发起对象提供会话技巧,实现针对性的会话引导作用,有利于改善会话效果。
附图说明
图1是本申请实施例提供的会话方法的流程图;
图2是本申请实施例中一种训练兴趣预测模型的流程示意图;
图3是图1中步骤S105的具体流程示意图;
图4是本申请实施例中生成工具筛选信息的流程示意图;
图5是图1中步骤S104的具体流程示意图;
图6是本申请实施例中一种第一展示页面的示意图;
图7是本申请实施例中一种第二展示页面的示意图;
图8是本申请实施例提供的会话装置的结构示意图;
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
首先,对本申请中涉及的若干名词进行解析:
人工智能(Artificial Intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
自然语言处理(Natural Language Processing,NLP):NLP用计算机来处理、理解以及运用人类语言(如中文、英文等),NLP属于人工智能的一个分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域,它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
信息抽取(Information Extraction):从自然语言文本中抽取指定类型的实体、关系、事件等事实信息,并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的,例如句子、段落、篇章,文本信息正是由一些小的具体的单位构成的,例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取,当然,文本信息抽取技术所抽取的信息可以是各种类型的信息。
用户画像,是根据用户的个人属性(比如年龄、身高、体重、籍贯、常住地等)、行为属性(比如生活习惯和个人偏好等)以及社会属性(比如学历状况、婚姻状况、收入水平和资产情况等)等信息抽象出来的标签化用户模型,其通过利用高度精炼用户信息所得到的标签,将用户形象具体化,从而为用户提供有针对性服务,亦便于计算机处理。
基于此,本申请实施例提供了一种会话方法、会话装置、电子设备及存储介质,旨在实现针对性的会话引导作用,改善会话效果。
本申请实施例提供的会话方法、会话装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的会话方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的会话方法,涉及人工智能技术领域。本申请实施例提供的会话方法可应用于会话终端中,也可以是运行于会话终端中的软件。在一些实施例中,会话终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;软件可以是实现会话方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关国家和地区的相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的会话方法的流程图,图1中的方法可以包括但不限于包括步骤S101至步骤S105。
步骤S101:获取目标对象的目标用户信息。
本申请实施例适用于招聘面试和员工面谈等多种应用场合,示例性的,目标对象可以是求职人员或新入职员工等。目标用户信息可以包括目标对象的简历信息,比如年龄、性别、收入、家庭情况和工作经验等,一些情况下,目标用户信息还可以包括目标对象的行为数据和金融情况,行为数据包括但不限于目标对象对企业产品或内部管理软件(或系统)的使用情况,比如,行为数据包括目标对象在内部管理软件的登录情况、健康板块活跃情况、生活板块活跃情况和金融板块活跃情况等,金融情况包括但不限于寿险、产险、证券、银行资产情况和交易情况等,以便于多方位挖掘目标对象的潜在需求。可以理解,本申请实施例对目标用户信息的类型不做具体限定。
具体的,步骤S101中,获取目标用户信息的方式包括但不限于:从人才数据库获取目标对象的简历信息,并从简历信息中抽取目标对象的目标用户信息;或者,通过iOS、Android、小程序和网站等已授权客户端的埋点方式采集目标对象的目标用户信息;或者,获取人为导入或第三方应用系统推送的文件数据,再从文件数据中抽取目标用户信息,而文件数据可以包括但不限于操作日志、第三方开放应用数据、表单信息和其他业务数据等。
步骤S102:根据目标用户信息进行用户画像构建,得到目标对象的目标画像信息。
在本申请实施例中,目标画像信息中包括根据目标用户信息生成的至少两个特征标签,用于对目标对象进行标签化描述。具体的,用户画像构建的方式包括但不限于数据整合步骤和标签计算步骤。其中,数据整合步骤包括对目标用户信息进行脏数据清洗、格式转换以及用户识别合并处理,脏数据清洗用于过滤错误格式的数据,格式转换用于将不同数据源的数据转换为标准编码格式,用户识别合并处理用于整合同一用户的用户信息,比如通过用户ID进行用户信息的绑定。标签计算步骤用于通过批量离线的标签处理引擎,根据指定的标签规则对数据整合后的目标用户信息进行批量计算,生成特征标签。
一些实现方式中,可以使用数据仓库(比如hive等)工具进行ELT(Extract-Load-Transform)处理,从而开发用户的特征标签表,便于构建并管理用户画像。
步骤S103:将目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到目标对象的目标兴趣信息。
在本申请实施例中,兴趣预测模型用于根据用户画像进行兴趣预测,以得到相关用户感兴趣的话题类别,话题类别可以包括但不限于收入、工作时间、团队氛围、金融情况和发展前景等。可以理解,步骤S103中,目标兴趣信息用于表示目标对象感兴趣的话题类别,能够体现目标对象的个人兴趣倾向。
步骤S104:根据目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,目标会话模型包括至少两个目标会话类型。
在本申请实施例中,第一发起对象的角色信息是分配给第一发起对象基于职务或某些其他标准预定义的类别,比如第一发起对象的角色信息为推荐人、人事主管、部门主管、部门经理和总经理中任一种。目标会话模型用于表示当前会话中采用的会话流程框架,其中,每个目标会话类型表示会话流程框架中不同的会话流程节点。更具体的,目标会话模型中还可以包括每个目标会话类型的目标会话步骤。举例来说,目标会话模型可以包括接触面谈和吸引面谈这两个目标会话类型,而接触面谈的会话步骤至少可以包括寒暄赞美、初步了解业务话题、优势吸引激发兴趣、邀请云面试和邀请参加活动,吸引面谈的会话步骤至少可以包括深入了解目标对象、第一发起对象自我介绍、意愿沟通、企业前景说明、邀请报名职岗培训和异议处理。
一种可选的实施方式中,步骤S104具体为:获取预设会话模型,预设会话模型中包括至少两个预设会话类型。获取每个预设会话类型的关键词信息,通过将目标兴趣信息和第一发起对象的角色信息与各个关键词信息进行内容匹配处理,得到第一匹配结果,从而根据第一匹配结果从所有预设会话类型中筛选出至少两个目标会话类型。其中,第一匹配结果表示目标兴趣信息和角色信息与相应关键词信息之间的匹配度;内容匹配处理可以采用BM25算法、Fast text和基于BERT的文本匹配模型等,不做具体限定。
可选的,若第一匹配结果达到指定匹配度,则可以根据相应的关键词信息确定目标会话类型。还可选的,也可以按照第一匹配结果从大到小的次序对所有预设会话类型进行排序,并取排序前N的预设会话类型作为目标会话类型,N可以是由人为指定及调整的正整数,比如N为2、3或4等,不做限定。
另一种可选的实施方式中,步骤S104还可以为:获取预设会话模型,预设会话模型中包括至少两个预设会话类型。根据第一发起对象的角色信息,确定满足该角色信息的历史用户,并从所有预设会话类型中筛选出历史用户在会话时采用的会话类型,以作为目标会话类型。进一步的,再获取目标会话类型的所有会话步骤以及各个会话步骤的兴趣标签,兴趣标签中包括历史用户在会话时使用频次最高的M个兴趣信息,M为正整数。若兴趣标签中包括目标兴趣信息,则取相应的会话步骤作为目标会话步骤。
步骤S105:根据目标会话模型和目标兴趣信息,生成每一目标会话类型的会话信息;其中,会话信息用于第一发起对象与会话终端进行会话。
本申请实施例所示意的步骤S101至步骤S105,通过生成目标对象的目标兴趣信息,便于针对性分析目标对象的兴趣倾向,进而根据第一发起对象的角色信息以及目标兴趣信息,构建目标会话模型,有效梳理了适用于当前会话的目标会话类型,并能够同时符合目标对象的兴趣倾向以及第一发起对象的谈话需求。基于此,结合目标会话模型和目标兴趣信息,生成每个目标会话类型对应的会话信息,以用于第一发起对象与会话终端进行会话互动,从而为第一发起对象提供会话技巧,实现针对性的会话引导作用,有利于改善会话效果。此外,还能够提升会话内容的客观性,防止会话发起方夸大企业收益,从而引导合理增员。
在一些实施例的步骤S103之前,该会话方法还包括预先训练兴趣预测模型,该兴趣预测模型可以为transformer模型、XGBoost模型或者LightGBM模型等,不做具体限定。请参阅图2,图2是本申请实施例中一种训练兴趣预测模型的流程示意图,兴趣预测模型的训练步骤可以包括下述步骤S201至S204。
步骤S201:获取训练对象的训练用户信息。
其中,训练对象可以是满足指定筛选标准的用户,指定筛选标准可以包括指定的用户身份(比如已入职1年的员工或已入职2年的员工)、用户行为(比如个人绩效和突出贡献等)以及他人评价等,不做具体限定。举例来说,训练对象可以是已入职且绩效突出的员工。
步骤S202:根据训练用户信息进行用户画像构建,得到训练对象的训练画像信息。
其中,训练画像信息中包括根据训练用户信息生成的至少两个特征标签,用于对训练对象进行标签化描述。需要说明的是,步骤S201和S202具体可参照对上述步骤S101和S102的说明,不再赘述。
步骤S203:获取训练对象的训练兴趣信息。
其中,训练兴趣信息中包括训练对象感兴趣的话题类别。
步骤S204:将训练画像信息和训练兴趣信息输入到预设的初始预测模型中进行训练处理,得到兴趣预测模型。
步骤S204具体可以为:将训练画像信息和训练兴趣信息输入到预设的初始预测模型中,得到预测兴趣信息。通过初始预测模型的损失函数计算预测兴趣信息和训练兴趣信息的相似度,根据相似度对初始预测模型的损失函数进行优化,对损失函数的模型损失进行反向传播,不断地调整模型参数,直至相似度大于或者等于相似度阈值,停止对初始预测模型的优化,得到符合要求的兴趣预测模型。需要说明的是,损失函数可以为0-1损失函数、绝对值损失函数、对数损失函数、指数损失函数和Hinge损失函数等任一种,可以根据实际需求进行选择和调整,在此不再赘述。
可以理解,在构建并训练兴趣预测模型之后,还可以取兴趣预测模型作为新的初始预测模型,并通过步骤S201至S204进行进一步的训练处理,从而不断优化兴趣预测模型的准确性。基于此,步骤S203中,训练兴趣信息可以在训练对象所参与的历史会话中生成,其生成方式为:将训练对象的训练用户信息输入该历史会话采用的兴趣预测模型中进行兴趣预测,得到训练兴趣信息。
可见,通过步骤S201至S204,可以以训练对象为参考标准,训练得到满足指定筛选标准的兴趣预测模型。
在一些实施例的步骤S105中,会话信息包括目标会话类型的目标话术信息。请参阅图3,图3是图1中步骤S105的具体流程示意图,步骤S105可以包括但不限于以下步骤S301至S303。
步骤S301:根据目标会话类型,从预设的会话信息库获取参考话术信息。
其中,会话信息库用于存储会话时采用的辅助信息,辅助信息其包括但不限于话术信息、工具描述信息和多媒体信息(比如图片、音频或视频等)等。此外,还可以根据不同的会话类型对上述辅助信息进行分类处理,得到每种会话类型的分类结果,比如每种会话类型的话术分类结果、工具分类结果和多媒体分类结果。步骤S301中,通过在会话信息库中检索出目标会话类型对应的话术分类结果,即可作为参考话术信息。
步骤S302:将参考话术信息与目标兴趣信息输入预先训练的第一评估模型进行第一评估处理,得到第一匹配度。
其中,第一匹配度用于表示参考话术信息与目标兴趣信息之间的匹配度。第一评估模型可以为逻辑回归模型、BP神经网络模型和卡尔曼滤波预测模型等,在此不再赘述。一些可选的实施方式中,第一评估模型的训练步骤包括:获取与训练对象的历史对话中采用的历史话术信息,并将历史话术信息和训练兴趣信息输入到预设的初始评估模型中进行训练处理,得到第一评估模型。
步骤S303:根据第一匹配度,从参考话术信息筛选出目标话术信息。
其中,目标话术信息是用于回复目标对象的话术信息。
可以理解,参考话术信息中包括至少两种话术模板,步骤S302中,可以将每种话术模板分别与目标兴趣信息输入第一评估模型进行第一评估处理,得到每种话术模板对应的匹配度。相应的,步骤S303中,作为一种可选的实施方式,可以从参考话术信息中筛选出匹配度达到第一预设值的话术模板,以作为目标话术信息,第一预设值可以由人为指定及调整,比如第一预设值为85%或90%等,不做具体限定。作为另一种可选的实施方式,也可以按照匹配度从大到小的次序对所有话术模板进行排序处理,得到第一排序结果,并从第一排序结果中获取排列在前K1位的话术模板作为目标话术信息,K1可以是人为设定及调整的正整数。
可见,通过步骤S301至S303,可以筛选出贴合目标对象的兴趣倾向的话术,有利于起到更佳的会话引导效果。
进一步的,一些可选的实施方式中,会话信息中还包括目标会话类型的工具筛选信息。请参阅图4,图4是本申请实施例中生成工具筛选信息的流程示意图,步骤S105之后,还可以包括步骤S401至S403。
步骤S401:根据目标会话类型,从会话信息库获取工具描述信息。
其中,工具描述信息用于表示会话辅助工具的描述信息。会话辅助工具可以是运行于会话终端中的软件或插件,且会话辅助工具可以包括AI面试辅助工具、职业发展预测工具、收入测算工具和其他个性化辅助工具等,对此不做限定。相应的,描述信息可以是单词标签(比如工具名称和工具功能标签等)、短语和句子等,亦不做限定。
步骤S402:将工具描述信息与目标话术信息输入预先训练的第二评估模型进行第二评估处理,得到第二匹配度。
其中,第二匹配度用于表示工具描述信息与目标话术信息之间的匹配度。第二评估模型可以为逻辑回归模型、BP神经网络模型和卡尔曼滤波预测模型等,在此不再赘述。一些可选的实施方式中,第二评估模型的训练步骤包括:获取与训练对象的历史对话中采用的历史辅助工具,从而确定历史辅助工具的描述信息,再将上述历史话术信息和历史辅助工具的描述信息输入到预设的初始评估模型中进行训练处理,得到第二评估模型。
步骤S403:根据第二匹配度,从工具描述信息筛选出工具筛选信息。
其中,工具筛选信息用于从会话辅助工具中筛选出目标辅助工具。
可以理解,会话辅助工具包括至少两种辅助工具,则工具描述信息中包括每种辅助工具的描述信息,步骤S402中,可以将每种辅助工具的描述信息分别与目标话术信息输入第二评估模型进行第二评估处理,得到每种辅助工具的描述信息对应的匹配度。相应的,步骤S403中,作为一种可选的实施方式,可以从工具描述信息中筛选出匹配度达到第二指定值的描述信息,以作为工具筛选信息,第二指定值可以由人为指定及调整,比如指定匹配度为85%或90%等,不做具体限定。作为另一种可选的实施方式,也可以按照匹配度从大到小的次序对所有辅助工具的描述信息进行排序处理,得到第二排序结果,并从第二排序结果中获取排列在前K2位的描述信息作为工具筛选信息,K2可以是人为设定及调整的正整数。
可见,通过步骤S401至S403,可以结合适用于目标对象的话术信息进行辅助工具的筛选,能够充分利用辅助工具的拓展功能,进一步改善了会话引导效果。
在一些实施例的步骤S105中,会话信息中还可以包括目标会话类型的目标多媒体信息,类似的,可以根据目标会话类型,从会话信息库获取参考多媒体信息。将目标画像信息与参考多媒体信息输入预先训练的第三评估模型进行第三评估处理,得到第三匹配度,第三匹配度用于表示目标画像信息与参考多媒体信息之间的匹配度。根据第三匹配度,从参考多媒体信息筛选出目标多媒体信息,能够根据目标对象的用户画像实现个性化的音视频推荐。上述生成目标多媒体信息的实现方式可参照对上述步骤S301至S303的说明,不再赘述。
在一些实施例的步骤S104中,请参阅图5,图5是图1中步骤S104的具体流程示意图,步骤S104包括但不限于下述步骤S501至S506。
步骤S501:获取会话发起方列表。
在本申请实施例中,会话发起方列表中包括按序排列的至少两个会话发起方,第一发起对象是会话发起方列表的其中一个会话发起方。通过在会话发起方列表中调整不同会话发起方的排列顺序,可以改变会话发起方的会话发起顺序,适用于更加灵活的会话流程。举例来说,如果会话发起方列表为[推荐人,部门主管,总经理],则表示依次按照推荐人、部门主管和总经理的顺序向目标对象发起会话。
步骤S502:获取第一发起对象在会话发起方列表的位置信息,得到发起方位置,并执行步骤S503或步骤S504。
可以理解,发起方位置用于表示第一发起对象在会话发起方列表中的排列顺序。
步骤S503:若发起方位置为第一位置,则根据目标兴趣信息和第一发起对象的角色信息,生成目标会话模型。
步骤S504:若发起方位置为第二位置,则从会话发起方列表中确定排列在第一发起对象之前的会话发起方,以作为第二发起对象,并执行步骤S505至S506。
步骤S505:获取第二发起对象对目标对象的评估结果以及第二发起对象与目标对象进行会话时生成的历史会话模型,历史会话模型中包括至少两个历史会话类型。
步骤S506:根据目标兴趣信息和第一发起对象的角色信息,并结合历史会话模型和评估结果,生成目标会话模型。
其中,第一位置可以是会话发起方列表中任意排列位置,第二位置表示会话发起方列表中除第一位置之外的排列位置。一种可选的实现方式中,第一位置可以是会话发起方列表中第一个排列位置,此时,若发起方位置为第一位置,表示第一发起对象是第一位向目标对象发起会话的对象,故直接通过步骤S503生成新的目标会话模型;若发起方位置为第二位置,表示在第一发起对象之前已存在与目标对象进行会话的第二发起对象,故可以结合第二发起对象对目标对象的评估结果以及采用的历史会话模型生成目标会话模型,从而综合考量已有的评估情况和对话情况,进一步改善目标会话模型的针对性和全面性。
可以理解,步骤S506可以参照对步骤S104的描述,不再赘述。比如,在一些可选的实施方式中,获取预设会话模型以及预设会话模型中每个预设会话类型的关键词信息之后,通过将目标兴趣信息、第一发起对象的角色信息、历史会话模型以及评估结果与各个关键词信息进行内容匹配处理,得到第二匹配结果,从而根据第二匹配结果从所有预设会话类型中筛选出至少两个目标会话类型。其中,评估结果包括但不限于对目标对象的过往履历、沟通能力、形象气质、人脉资源、学习能力和入司意愿等方面的评估分数。
需要说明的是,实际应用中,本申请实施例至少可适用于以下会话场景:一些情况下,若当前会话属于线下面谈,则第一发起对象使用会话终端和/或展示终端与目标对象进行面谈,其中,展示终端可以指设于线下面谈场所中的终端,展示终端包括但不限于投影仪、交互屏和音箱等。另一些情况下,若当前会话属于线上面谈,则第一发起对象使用会话终端且目标对象使用通信终端进行线上会话,通信终端可以是智能手机、平板电脑、笔记本电脑或台式计算机等。比如,第一发起对象通过会话终端与目标对象进行语音会话,又比如,第一发起对象在会话终端上创建直播间,目标对象在通信终端上登录该直播间,实现直播会话效果。
可选的,步骤S105之后,还可以执行以下至少一种信息展示步骤:1、在会话终端上输出会话信息以进行展示,具体的,可以在会话终端上输出目标引导信息、在会话终端上输出目标多媒体信息以及根据工具筛选信息在会话终端上调用相应的目标辅助工具等,主要起到对第一发起对象的会话引导作用。2、向展示终端发送会话信息以进行展示,比如,将目标多媒体信息发送至投影仪以进行展示,以便于在线下会话场所中进行信息共享。3、向目标对象的通信终端发送会话信息,比如,将目标多媒体信息直接发送给通信终端以进行展示,便于在线上会话中进行信息共享。
在一些实施例的步骤S105之后,还可以获取第一发起对象触发的会话指令,并根据会话指令从目标会话类型筛选出指定会话类型,从而根据指定会话类型输出会话信息。其中,会话指令可以是会话终端响应于第一发起对象的触发操作所生成的指令,触发操作可以是通过会话终端的操作界面捕捉的预设控制操作,比如,预设控制操作可以是用户点击操作界面中的指定位置。
基于此,一些可选的实施方式中,还可以在会话终端的操作界面中生成第一展示页面,并在第一展示页面中生成每个目标会话类型对应的选择控件。通过获取会话指令,根据会话指令从所有选择控件中筛选出目标控件,此时,会话指令是会话终端响应于第一发起对象对目标控件的触发操作所生成的指令。取目标控件对应的目标会话类型作为指定会话类型,从而在第一展示页面中输出指定会话类型的会话信息,因此第一发起对象可以根据自身需求选择查看不同目标会话类型的会话信息。
举例来说,请参阅图6,图6是本申请实施例中一种第一展示页面的示意图。如图6所示,会话终端在第一展示页面中生成两个目标会话类型的目标控件,分别为接触面谈的第一控件601和吸引面谈的第二控件602。当第一发起对象点击第一控件601,则会话终端在第一展示页面中输出接触面谈的会话信息,比如图6中的面谈流程及话术建议、会话步骤等。类似的,当第一发起对象点击第二控件602,则会话终端可以在第一展示页面中输出吸引面谈的会话信息(未图示)。
在一些实施例中,还可以获取第一发起对象触发的角色切换指令,并根据角色切换指令从会话发起方列表筛选出第三发起对象,从而根据目标兴趣信息和第三发起对象的角色信息,生成新的目标会话模型,进而执行步骤S105,实现了会话主体的灵活切换。其中,角色切换指令可以是会话终端响应于第一发起对象的切换操作所生成的指令,切换操作可以是用户在第一展示页面中选择第三发起对象对应的切换位置。以图6为例,当第一发起对象点击“主任”,则会话终端生成角色切换指令,并将主任作为第三发起对象。
进一步的,在一些实施例的步骤S101之后,还可以获取输入信息,从而根据输入信息对目标用户信息进行更新处理。具体的,输入信息可以指第一发起对象通过会话终端的操作界面输入的信息。
一种实现方式中,以图6为例,会话终端在第一展示页面中生成用于更新职业信息的第一输入区域603,会话终端可以检测第一发起对象在第一输入区域603中所输入的新的职业信息,从而根据新的职业信息对目标用户信息进行更新。
另一种实现方式中,会话终端也可以在操作界面中生成第二展示页面,第二展示页面用于展示目标发起方的目标用户信息和评估结果,则会话终端通过第二展示页面获取输入信息,起到及时的信息更新效果。请参阅图7,图7是本申请实施例中一种第二展示页面的示意图,在图7中,当第一发起对象点击第一编辑控件701,可以对目标用户信息进行编辑处理,则会话终端根据编辑情况获取输入信息。或者,当第一发起对象点击第二编辑控件702,可以对评估结果进行编辑处理,则会话终端也可以根据编辑情况更新评估结果。
请参阅图8,本申请实施例还提供一种会话装置,应用于会话终端,可以实现上述会话方法,该会话装置包括获取模块801、构建模块802、预测模块803、第一生成模块804和第二生成模块805,其中:
获取模块801,用于获取目标对象的目标用户信息。
构建模块802,用于根据目标用户信息进行用户画像构建,得到目标对象的目标画像信息。
预测模块803,用于将目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到目标对象的目标兴趣信息。
第一生成模块804,用于根据目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,目标会话模型包括至少两个目标会话类型。
第二生成模块805,用于根据目标会话模型和目标兴趣信息,生成每一目标会话类型的会话信息;其中,会话信息用于目第一发起对象与会话终端进行会话互动。
该会话装置的具体实施方式与上述会话方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述会话方法。该电子设备可以为包括移动终端、平板电脑、车载电脑等任意智能终端。
请参阅图9,图9示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器901,可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器902,可以采用只读存储器(Read Only Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器902可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器902中,并由处理器901来调用执行本申请实施例的会话方法;
输入/输出接口903,用于实现信息输入及输出;
通信接口904,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线905,在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息;
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述会话方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-9中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,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,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。
上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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元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全部或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,包括多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的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-Only Memory,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的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种会话方法,应用于会话终端,其特征在于,所述方法包括:
获取目标对象的目标用户信息;
根据所述目标用户信息进行用户画像构建,得到所述目标对象的目标画像信息;
将所述目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到所述目标对象的目标兴趣信息;
根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,所述目标会话模型包括至少两个目标会话类型;
根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息;其中,所述会话信息用于所述第一发起对象与所述会话终端进行会话互动。
2.根据权利要求1所述的方法,其特征在于,所述会话信息包括所述目标会话类型的目标话术信息,所述根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息,包括:
根据所述目标会话类型,从预设的会话信息库获取参考话术信息;
将所述参考话术信息与所述目标兴趣信息输入预先训练的第一评估模型进行第一评估处理,得到第一匹配度;其中,所述第一匹配度用于表示所述参考话术信息与所述目标兴趣信息之间的匹配度;
根据所述第一匹配度,从所述参考话术信息筛选出所述目标话术信息;其中,所述目标话术信息是用于回复所述目标对象的话术信息。
3.根据权利要求2所述的方法,其特征在于,所述会话信息中还包括所述目标会话类型的工具筛选信息;所述根据所述第一匹配度,从所述参考话术信息筛选出所述目标话术信息之后,所述方法还包括:
根据所述目标会话类型,从所述会话信息库获取工具描述信息;其中,所述工具描述信息用于表示会话辅助工具的描述信息;
将所述工具描述信息与所述目标话术信息输入预先训练的第二评估模型进行第二评估处理,得到第二匹配度;其中,所述第二匹配度用于表示所述工具描述信息与所述目标话术信息之间的匹配度;
根据所述第二匹配度,从所述工具描述信息筛选出所述工具筛选信息;其中,所述工具筛选信息用于从所述会话辅助工具中筛选出目标辅助工具。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括训练所述兴趣预测模型,具体包括:
获取训练对象的训练用户信息;
根据所述训练用户信息进行用户画像构建,得到所述训练对象的训练画像信息;
获取所述训练对象的训练兴趣信息;
将所述训练画像信息和所述训练兴趣信息输入到预设的初始预测模型中进行训练处理,得到所述兴趣预测模型。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息之后,所述方法还包括:
获取所述第一发起对象触发的会话指令;
根据所述会话指令从所述目标会话类型筛选出指定会话类型;
根据所述指定会话类型输出所述会话信息。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述获取目标对象的目标用户信息之后,所述方法还包括:
获取输入信息;
根据所述输入信息对所述目标用户信息进行更新处理。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,包括:
获取会话发起方列表;其中,所述会话发起方列表中包括按序排列的至少两个会话发起方,第一发起对象是所述会话发起方列表的其中一个会话发起方;
获取所述第一发起对象在所述会话发起方列表的位置信息,得到发起方位置;
若所述发起方位置为第一位置,则根据所述目标兴趣信息和所述第一发起对象的角色信息,生成所述目标会话模型;
若所述发起方位置为第二位置,则从所述会话发起方列表中确定排列在所述第一发起对象之前的会话发起方,以作为第二发起对象;
获取所述第二发起对象对所述目标对象的评估结果以及所述第二发起对象与所述目标对象进行会话时生成的历史会话模型,所述历史会话模型中包括至少两个历史会话类型;
根据所述目标兴趣信息和所述第一发起对象的角色信息,并结合所述历史会话模型和所述评估结果,生成目标会话模型。
8.一种会话装置,其特征在于,应用于会话终端,所述会话装置包括:
获取模块,用于获取目标对象的目标用户信息;
构建模块,用于根据所述目标用户信息进行用户画像构建,得到所述目标对象的目标画像信息;
预测模块,用于将所述目标画像信息输入预先训练的兴趣预测模型中进行兴趣预测,得到所述目标对象的目标兴趣信息;
第一生成模块,用于根据所述目标兴趣信息和第一发起对象的角色信息,生成目标会话模型,所述目标会话模型包括至少两个目标会话类型;
第二生成模块,用于根据所述目标会话模型和所述目标兴趣信息,生成每一所述目标会话类型的会话信息;其中,所述会话信息用于所述第一发起对象与所述会话终端进行会话互动。
9.一种电子设备,其特征在于,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至7任一项所述会话方法的步骤。
10.一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述会话方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689171.4A CN115033675A (zh) | 2022-06-17 | 2022-06-17 | 会话方法、会话装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689171.4A CN115033675A (zh) | 2022-06-17 | 2022-06-17 | 会话方法、会话装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115033675A true CN115033675A (zh) | 2022-09-09 |
Family
ID=83124265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210689171.4A Pending CN115033675A (zh) | 2022-06-17 | 2022-06-17 | 会话方法、会话装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115033675A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628153A (zh) * | 2023-05-10 | 2023-08-22 | 上海任意门科技有限公司 | 一种人工智能设备对话的控制方法、装置、设备及介质 |
-
2022
- 2022-06-17 CN CN202210689171.4A patent/CN115033675A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628153A (zh) * | 2023-05-10 | 2023-08-22 | 上海任意门科技有限公司 | 一种人工智能设备对话的控制方法、装置、设备及介质 |
CN116628153B (zh) * | 2023-05-10 | 2024-03-15 | 上海任意门科技有限公司 | 一种人工智能设备对话的控制方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680019B (zh) | 一种考试方案的实现方法、装置、设备及存储介质 | |
CN106685916B (zh) | 电子会议智能装置及方法 | |
CN106686339B (zh) | 电子会议智能 | |
JP7098875B2 (ja) | 会議支援システム、会議支援装置、会議支援方法及びプログラム | |
JP2022130635A (ja) | 会議支援システム、会議支援装置、会議支援方法及びプログラム | |
US10621181B2 (en) | System and method for screening social media content | |
CN113826090A (zh) | 发展中的事件特定的临时知识图 | |
Apriyanto et al. | Born in social media culture: personality features impact in communication context | |
US20200226216A1 (en) | Context-sensitive summarization | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN106921795B (zh) | 一种联系人数据管理方法及其系统 | |
US10496751B2 (en) | Avoiding sentiment model overfitting in a machine language model | |
CN112364234B (zh) | 一种在线讨论的自动分组系统 | |
US11640420B2 (en) | System and method for automatic summarization of content with event based analysis | |
CN113360622A (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN115481969A (zh) | 简历筛选方法、装置、电子设备及可读存储介质 | |
Kucher et al. | Visual Analysis of Sentiment and Stance in Social Media Texts. | |
CN114783421A (zh) | 智能推荐方法和装置、设备、介质 | |
CN115033675A (zh) | 会话方法、会话装置、电子设备及存储介质 | |
Rafaeli et al. | Opportunities, tools, and new insights: Evidence on emotions in service from analyses of digital traces data | |
CN113362045A (zh) | 会议日程的生成方法、装置、电子设备及可读存储介质 | |
CN116956068A (zh) | 基于规则引擎的意图识别方法、装置、电子设备及介质 | |
CN110111011B (zh) | 一种教学质量监管方法、装置及电子设备 | |
CN112384926A (zh) | 文档自动完成 | |
CN115292460A (zh) | 一种话题推荐方法、装置、电子设备及存储介质 |
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 |