CN115481229A - 一种应答话术推送方法、装置、电子设备及存储介质 - Google Patents
一种应答话术推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115481229A CN115481229A CN202211158545.6A CN202211158545A CN115481229A CN 115481229 A CN115481229 A CN 115481229A CN 202211158545 A CN202211158545 A CN 202211158545A CN 115481229 A CN115481229 A CN 115481229A
- Authority
- CN
- China
- Prior art keywords
- user
- knowledge
- attribute
- intention
- entity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种应答话术推送方法、装置、电子设备及存储介质。该方法可包括:获取预先构建的知识库以及与知识库匹配的知识图谱;在对话过程中,获取用户提出的用户语句,从用户语句中抽取出词槽信息,以及基于知识库确定出用户语句所表征的用户意图;在用户意图是推理意图的情况下,确定用户意图的意图类别;基于词槽信息以及意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;将应答话术推送至与用户进行对话的对话对象所应用的对话设备。本发明实施例的技术方案,可以实现应答话术的准确推送。
Description
技术领域
本发明实施例涉及人工智能技术领域,尤其涉及一种应答话术推送方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术的快速发展,智能化产品在众多领域中广泛应用,其在为人们生活带来便利的同时,也较大程度上降低了人工成本。
例如,以应用在电话客服领域中的客服机器人为例,在人机对话过程中,可以基于知识库确定可应答用户语句的应答话术,并将该应答话术推送给客服机器人,以使客服机器人基于该应答话术与用户进行对话来满足用户需求。
但是,基于知识库实现的人机对话过程,甚至是人人对话过程,难以理解带有推理性质的用户语句,例如“我爸今年53岁,可以购买理财产品XX吗”,这使得由此推送的应答话术的准确性不高,用户体验较差。
发明内容
本发明实施例提供了一种应答话术推送方法、装置、电子设备及存储介质,以实现应答话术的准确推送。
根据本发明的一方面,提供了一种应答话术推送方法,可以包括:
获取预先构建的知识库以及与知识库匹配的知识图谱;
在对话过程中,获取用户提出的用户语句,从用户语句中抽取出词槽信息,以及基于知识库确定用户语句所表征的用户意图;
在用户意图是推理意图的情况下,确定用户意图的意图类别;
基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;
将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
根据本发明的另一方面,提供了一种应答话术推送装置,可以包括:
知识图谱获取模块,用于获取预先构建的知识库以及与知识库匹配的知识图谱;
用户意图确定模块,用于在对话过程中,获取用户提出的用户语句,并从用户语句中抽取出词槽信息,以及基于知识库确定用户语句所表征的用户意图;
意图类别确定模块,用于在用户意图是推理意图的情况下,确定用户意图的意图类别;
应答话术得到模块,用于基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;
应答话术推送模块,用于将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
根据本发明的另一方面,提供了一种电子设备,可以包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器执行时实现本发明任意实施例所提供的应答话术推送方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令用于使处理器执行时实现本发明任意实施例所提供的应答话术推送方法。
本发明实施例的技术方案,通过获取预先构建的知识库以及与知识库匹配的知识图谱;在对话过程中,获取用户提出的用户语句,从用户语句中抽取出词槽信息以及基于知识库确定用户语句所表征的用户意图;在用户意图是推理意图的情况下,确定用户意图的意图类别;基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;将应答话术推送至与用户进行对话的对话对象所应用的对话设备。上述技术方案,在电话服务的对话场景中,在用户语句带有推理性质的情况下,将知识图谱与知识库相融合,通过在知识库中匹配到的意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,从而得到可准确应答用户语句的应答话术,由此保证了应答话术推送的准确性,有效地为客服机器人或者人工坐席在对话过程中提供标准的应答话术。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或是重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是根据本发明实施例提供的一种应答话术推送方法的流程图;
图2是本发明实施例提供的一种应答话术推送方法中可选示例的示意图;
图3是根据本发明实施例提供的另一种应答话术推送方法的流程图;
图4是根据本发明实施例提供的一种应答话术推送装置的结构框图;
图5是实现本发明实施例的应答话术推送方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明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。“目标”、“原始”等的情况类似,在此不再赘述。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。
图1是本发明实施例中所提供的一种应答话术推送方法的流程图。本实施例可适用于在对话过程中,为客服机器人和/或人工座席推送应答话术的情况,尤其适用于为在对话过程中用户提出的带有推理性质的用户语句推送应答话术的情况。该方法可以由本发明实施例提供的应答话术推送装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在电子设备上,该电子设备可以是各种用户终端或是服务器。
参见图1,本发明实施例的方法具体包括如下步骤:
S110、获取预先构建的知识库以及与知识库匹配的知识图谱。
其中,知识库可以是预先构建的与某个或是某几个业务领域有关的知识库,例如,与理财产品、保险或银行卡等有关的知识库。知识图谱可以是预先构建的与知识库匹配(即与知识库对应于相同的业务领域)的知识图谱,例如,与理财产品、保险或银行卡等有关的知识图谱。
S120、在对话过程中,获取用户提出的用户语句,并从用户语句中抽取出词槽信息,以及基于知识库确定用户语句所表征的用户意图。
其中,在对话过程中,具体来说可以是在人机对话(即用户与客服机器人对话)过程或是人人对话(即用户与人工座席对话)过程中,获取用户提出的用户语句(即用户说法)。
在此基础上,从用户语句中抽取出词槽信息,该词槽信息可以理解为用户语句中能够表征用户想法的关键要素,例如用户语句是“我爸今年53岁,可以购买理财产品XX吗”,那么其中的词槽信息可以是53岁和理财产品XX。
基于知识库确定用户语句所表征的用户意图。示例性的,在知识库中含有很多的扩展问,可以从这些扩展问中搜索得到与用户语句相似的候选问;然后,针对每个候选问,可以采用词向量模型等手段,对用户语句以及该候选问分别进行向量化处理,从而进行这二者的语义相似度计算,得到该候选问的置信度;进而,将置信度最高的候选问作为与用户语句最终匹配的目标问,并将目标问所对应的意图作为用户语句所表征的用户意图。
S130、在用户意图是推理意图的情况下,确定用户意图的意图类别。
其中,用户意图可能是推理意图,即带有一定推理性质的意图,也可能是任务意图或是对应于经常问到的问题(Frequently Asked Questions,FAQ),该FAQ也可被翻译为常见问题解答。在用户意图是推理意图的情况下,可以确定用户意图的意图类别,结合本发明实施例可能涉及的应用场景,所述意图类别可以是属性查实体,实体查属性,实体间属性对比或是实体与外部属性对比。
S140、基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术。
其中,基于词槽信息和意图类别生成图谱查询语句,从而可以基于该图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术。示例性的,以通过业务实体、业务实体所具有的实体属性、业务实体在实体属性下的属性值以及实体属性的属性约束中的至少一个表示词槽信息为例,在此基础上:
在意图类别包括属性查实体的情况下,图谱查询语句可以是match(n:业务实体)–[r:实体属性{属性约束.key:属性约束.vlaue}]->[属性值]return n。例如:用户语句是能保障终身的保险有哪些,此时用户意图是保险期间查保险,意图类别是属性查实体,词槽信息(params)是年龄=$年龄[属性值][保险期间]以及保险名称=$保险产品[业务实体],那么图谱查询语句可以是match(n:保险名称)–[r:保险期间]->[终身]return n,应答话术可以是保险期间为终身类的保险产品有保险产品1和保险产品2。在本发明实施例中,这里的业务实体也可以称为实体名,以及实体属性也可以称为属性名。
在意图类别包括实体查属性的情况下,图谱查询语句可以是match(n:业务实体{name:实体名})–[r:实体属性]->[b]return b。例如:用户语句是请简单介绍下保险产品1和保险产品2吧,此时的用户用途是保险产品查简介,意图类别是实体查属性,词槽信息是保险名称=$保险产品[业务名]以及简介=简介[实体属性],那么图谱查询语句可以是match(n:保险名称{name:保险产品1})–[r:简介]->b return b以及match(n:保险名称{name:保险产品2})–[r:简介]->b return b,应答话术可以是保险产品1是简介是xxx,保险产品2简介是xxx。
在意图类别包括实体间属性对比(即属性对比-实体间)的情况下,图谱查询语句可以是match(n:业务实体{name:实体名})–[r:实体属性{属性约束.key:属性约束.vlaue}]->[b]return b。例如,用户语句是重保障比较多的是哪个,用户意图是保障内容对比,意图类别是实体与外部属性对比,实体属性是保障内容,业务实体是保险名称,那么词槽信息是内容类型=$内容类型[属性约束、保障内容]以及保险名称=$保险产品[实体名],图谱查询语句是match(n:保险名称{name:保险产品1})–[r:保障内容{内容类型:重点}]->b return b以及(n:保险名称{name:保险产品2})–[r:保障内容{内容类型:重点}]->b return b,应答话术是保险产品2多能保Count(保险产品1.保障内容[重点])个,包括xxx。
在意图类别包括实体与外部属性对比(即属性对比-实体与外部)的情况下,图谱查询语句可以是match(n:业务实体{name:实体名})–[r:实体属性]->b return b。例如:用户语句是我爸今年53岁能买吗,用户意图是被保年龄对比,意图类别是实体与外部属性对比,实体属性是被保年龄,业务实体是保险名称,那么词槽信息是保险名称=$保险产品[实体名]及年龄=$年龄[属性值,被保年龄],图谱查询语句可以是match(n:保险名称{name:保险产品1})–[r:被保年龄]->b return b,应答话术可以是不可以,保险产品2的最小被保min,最大被保max。
S150、将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
其中,针对在对话过程中与用户进行对话的对话对象,该对话对象可以是客服机器人或是人工座席,将应答话术推送至该对话对象所应用的对话设备上,该对话设备可以是人工座席所应用的用户终端或是集成有客服机器人的代码段的设备等,以使该对话对象基于应答话术与用户进行对话。
本发明实施例中,可选的,在用户意图是非推理意图的情况下,可以直接将用户意图所对应的应答话术推送给对话设备。
本发明实施例的技术方案,通过获取预先构建的知识库以及与知识库匹配的知识图谱;在对话过程中,获取用户提出的用户语句,从用户语句中抽取出词槽信息以及基于知识库确定用户语句所表征的用户意图;在用户意图是推理意图的情况下,确定用户意图的意图类别;基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;将应答话术推送至与用户进行对话的对话对象所应用的对话设备。上述技术方案,在电话服务的对话场景中,在用户语句带有推理性质的情况下,将知识图谱与知识库相融合,通过在知识库中匹配到的意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,从而得到可准确应答用户语句的应答话术,由此保证了应答话术推送的准确性,有效地为客服机器人或者人工坐席在对话过程中提供标准的应答话术。
一种可选的技术方案,知识库中的候选知识的知识类型可以是图谱类型、常见问题解答或是任务意图;基于知识库确定用户语句所表征的用户意图,可包括:确定知识库中隶属于常见问题解答或是任务意图的各个候选知识中是否存在与用户语句匹配的候选知识;如果否,则在知识库中的隶属于图谱类型的各个候选知识中确定与用户语句匹配的候选知识,并基于确定的候选知识得到用户语句所表征的用户意图。示例性的,仍以上述示例为例,假设知识库中的候选知识通过扩展问以及所述扩展问所对应的意图进行表示,与用户语句相比,针对隶属于常见问题解答或是任务意图的各个扩展问中置信度最高的扩展问,如果该扩展问的置信度未超过预设置信度阈值,这说明隶属于常见问题解答或是任务意图的各个候选知识中未存在与用户语句匹配的候选知识,那么则在隶属于图谱类型的各个扩展问中搜索置信度最高的扩展问,从而得到用户意图。本发明实施例中,可选的,隶属于图谱类型的候选知识可以理解为与业务相关的带有逻辑推理性质的知识,例如某理财产品的最低购买金额和最短购买时间。
又一种可选的技术方案,基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术,包括:基于图谱查询语句在知识图谱中进行查询,基于得到的查询结果和预先配置的话术模板,生成可应答用户语句的应答话术。话术模板的设置,提高了应答话术生成的标准性。
另一种可选的技术方案,从用户语句中抽取出词槽信息,可以包括:获取预先配置的关键字抽取规则和/或预先训练得到的语义分析模型;基于关键字抽取规则和/或语义分析模型,从用户语句中抽取出与预先配置的槽位匹配的词槽信息,由此保证了词槽信息抽取的准确性。其中,关键字抽取规则可以表示出可抽取什么样的关键字,语义分析模型可以用于分析上下文,从而确定抽取出的词槽信息的含义是什么,以便将该词槽信息对应到相应的槽位上。需要说明的是,上述规则和模型相融合的方案,既适用于人机对话场景中,从用户语句中抽取词槽信息;也适用于人人对话场景中,从用户语句以及人工座席的座席语句中抽取词槽信息,由此可以基于人人对话沉淀出候选知识,从而基于这些候选知识来反哺人机对话,保证了人机对话过程中的准确应答。
为了更好地理解上述的词槽信息抽取过程及抽取出的词槽信息的后续应用,下面结合具体示例,对其进行示例性说明。示例性的,
1)词槽信息抽取
a)结合应答话术的不可枚举实体识别技术。例如应答话术“请问您的姓名是?”可以知道下次用户说法主要是姓名。模型bert(来自Transformer的双向编码器表示,Bidirectional Encoder Representations from Transformers)+crf(条件随机场,conditional random field)方案,抽取实体,解决姓名和地址的歧义问题。
b)结合流程设计的实体识别技术。通过流程可明确需要填槽的实体,解决歧义问题。比如:用户语句中的“3”,语义上很难区分是3期或3月份,通过流程可以明确是月份还是日期。通过上下文进行理解。
c)规则+模型抽取技术,优化专家可快速优化的语义技术:
i.构建知识库时,通过界面维护规则,可以引用词典或者模型实体名称;
ii.选择优先级,4种模式,规则、规则优化、模型以及模型优先;
iii.通过知识库正则匹配,可以引用模型实体。
d)结合用户语句的不可枚举实体技术。部分场景中,用户可以提供大量的实体信息,从而辅助语义理解。模型会存在识别错误的问题,用户感知较差。在不可枚举实体识别前,可以先通过文法网络等匹配算法进行全匹配,然后再进行模型抽取,从而可以支持百万级别的实体理解。
e)模糊实体的匹配。由于存在识别错误问题,实体抽取结束后,可以增加模糊匹配,正确理解用户语句。
2)词槽信息填槽(通过上述步骤确定抽取出的词槽信息所属的槽位)
词槽信息抽取成功后,可以将抽取出的词槽信息填入相应的槽位。
3)词槽信息继承
结合上下文语义理解,对词槽信息的状态进行更新。相同类型的词槽信息可以继承下去,从而辅助下文的语义理解。
上述技术方案,通过将规则和模型融合,实现了融合应答话术和流程信息的词槽信息抽取过程,由此提高了词槽信息抽取的正确率。
为了从整体上更好地理解上述的各个技术方案,下面结合具体示例,对其进行示例性说明。示例性的,参见图2,在获取到用户语句后,可以基于语义资源对用户语句进行语义理解,得到语义信息,所述语义资源可以理解为知识库、关键字抽取规则或是语义分析模型等,所述语义信息可以理解为词槽信息;进而,结合对话资源和语义信息进行对话理解,生成图谱查询语句,所述对话资源可以理解为知识库、关键字抽取规则或是语义分析模型等;基于图谱查询语句和图谱资源进行图谱查询,得到查询结果,所述图谱资源可以理解为知识图谱;最后,基于查询结果生成应答话术,并基于应答话术与用户进行对话。上述技术方案,将知识库与知识图谱融合,实现推理能力。具体的,通过知识库获取用户的用户意图,然后基于图谱资源和用户意图自动生成图谱查询语句,获取业务信息,从而实现推理能力。
图3是本发明实施例中提供的另一种应答话术推送方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,知识图谱通过如下步骤预先构建得到:获取业务数据,其中,业务数据包括业务实体、业务实体所具有的实体属性、业务实体在实体属性下的属性值、及实体属性的属性约束;针对用于表示业务实体的根节点、用于表示属性值的叶子节点、及用于表示实体属性和属性约束的连接在根节点与叶子节点间的连线,基于根节点、叶子节点和连线构建得到知识图谱。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图3,本实施例的方法具体可以包括如下步骤:
S210、获取业务数据,其中,业务数据包括业务实体、业务实体所具有的实体属性、业务实体在实体属性下的属性值、以及实体属性的属性约束。
示例性的,在业务实体包括某款理财产品的情况下,实体属性可以是购买年限、购买年龄或是购买金额等;属性值可以是30年、18周岁或是1万等;属性约束可以是最大或是最小等,每个实体属性可以有至少一个属性约束。
S220、针对用于表示业务实体的根节点、用于表示属性值的叶子节点、以及用于表示实体属性和属性约束的连接在根节点与叶子节点间的连线,基于根节点、叶子节点和连线构建得到知识图谱。
其中,通过根节点表示业务实体,叶子节点表示属性值,及连接在根节点与叶子节点间的连线表示实体属性和属性约束,或是说通过连线表示属性,并在连线上有对实体属性的约束(即属性约束)。这样一来,可以通过图谱构建工具,基于根节点、叶子节点和连线构建得到知识图谱。
S230、在对话过程中,获取用户提出的用户语句,并从用户语句中抽取出词槽信息,以及基于获取的预先构建的知识库确定用户语句所表征的用户意图。
在实际应用中,可选的,可以通过上述业务数据构建得到知识库;当然,也可以通过其余数据构建得到知识库,在此未做具体限定。
S240、在用户意图是推理意图的情况下,确定用户意图的意图类别。
S250、基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术。
S260、将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
本发明实施例的技术方案,通过获取业务数据,该业务数据包括业务实体、业务实体所具有的实体属性、业务实体在实体属性下的属性值、及实体属性的属性约束;在此基础上,针对用于表示业务实体的根节点、用于表示属性值的叶子节点、以及用于表示实体属性和属性约束的连接在根节点与叶子节点间的连线,可以基于根节点、叶子节点和连线,实现知识图谱的有效构建。
在上述任一技术方案的基础上,一种可选的技术方案,上述方法还包括:获取新增知识以及新增知识的知识类型,并基于新增知识的知识类型,将新增知识添加到知识库中;和/或,获取新增词槽以及新增词槽的词槽属性,并基于新增词槽和词槽属性对知识库进行维护,其中,词槽属性包括业务实体、实体属性、属性值或属性约束。这样一来,针对推理场景,在为某个业务实体新增知识的情况下,例如为某款理财产品维护更多的知识的情况下,可以仅在知识图谱中增加对应的节点和词槽信息即可,由此简化了知识维护过程。
在此基础上,为了更好地理解上述知识库构建过程,下面结合具体示例对该知识库构建过程和维护过程进行示例性说明。示例性的,
1)知识维护:知识库中的知识(即候选知识)可分为三大知识类型:图谱类型、任务意图和FAQ,该图谱类型下的知识在推理场景中应用,其所表征的意图类别可以是属性查实体、实体查属性、实体间属性对比、或是实体与外部属性对比,具体参见表1。
表1知识
2)词槽信息维护:如表2所示,在新建词槽信息(即新增词槽)时,可以维护该新增词槽的词槽属性。在实际应用中,为了提升不可枚举的词槽信息的提取效果并且人工可控,可以基于模型+规则的方式填槽。
表2词槽信息
上述技术方案,通过对知识库中的知识和词槽信息进行新增维护,有助于对应的图谱查询语句的准确生成。
图4为本发明实施例中提供的应答话术推送装置的结构框图,该装置用于执行上述任意实施例所提供的应答话术推送方法。该装置与上述各实施例的应答话术推送方法属于同一个发明构思,在应答话术推送装置的实施例中未详尽描述的细节内容,可以参考上述应答话术推送方法的实施例。如图4所示,该装置具体可以包括:知识图谱获取模块310、用户意图确定模块320、意图类别确定模块330、应答话术得到模块340以及应答话术推送模块350。
其中,知识图谱获取模块310,用于获取预先构建的知识库以及与知识库匹配的知识图谱;
用户意图确定模块320,用于在对话过程中,获取用户提出的用户语句,并从用户语句中抽取出词槽信息,以及基于知识库确定用户语句所表征的用户意图;
意图类别确定模块330,用于在用户意图是推理意图的情况下,确定用户意图的意图类别;
应答话术得到模块340,用于基于词槽信息和意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;
应答话术推送模块350,用于将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
可选的,知识库中的候选知识的知识类型包括图谱类型、常见问题解答或是任务意图;
用户意图确定模块320,可以包括:
候选知识匹配单元,用于确定知识库中隶属于常见问题解答或是任务意图的各个候选知识中是否存在与用户语句匹配的候选知识;
用户意图确定单元,用于如果否,则在知识库中的隶属于图谱类型的各个候选知识中确定与用户语句匹配的候选知识,并基于确定的候选知识得到用户语句所表征的用户意图。
可选的,用户意图确定模块320,可以包括:
语义分析模型获取单元,用于获取预先配置的关键字抽取规则和/或预先训练得到的语义分析模型;
词槽信息抽取单元,用于基于关键字抽取规则和/或语义分析模型,从用户语句中抽取出与预先配置的槽位匹配的词槽信息。
可选的,知识图谱通过如下模块预先构建得到:
业务数据获取模块,用于获取业务数据,其中,业务数据包括业务实体、业务实体所具有的实体属性、业务实体在实体属性下的属性值、以及实体属性的属性约束;
知识图谱构建模块,用于针对用于表示业务实体的根节点、用于表示属性值的叶子节点、以及用于表示实体属性和属性约束的连接在根节点与叶子节点间的连线,基于根节点、叶子节点和连线构建得到知识图谱。
可选的,上述应答话术推送装置,还可以包括:
新增知识添加模块,用于获取新增知识以及新增知识的知识类型,并基于新增知识的知识类型,将新增知识添加到知识库中;
和/或,
知识库维护模块,用于获取新增词槽及新增词槽的词槽属性,并基于新增词槽和词槽属性对知识库进行维护,其中,词槽属性包括业务实体、属性值、实体属性或是属性约束。
可选的,应答话术得到模块340,可以包括:
应答话术生成单元,用于基于图谱查询语句在知识图谱中进行查询,基于得到的查询结果和预先配置的话术模板,生成可应答用户语句的应答话术。
可选的,在上述任一装置的基础上,意图类别可包括属性查实体,实体查属性,实体间属性对比,或是,实体与外部属性对比。
本发明实施例提供的应答话术推送装置,通过知识图谱获取模块获取预先构建的知识库及与知识库匹配的知识图谱;通过用户意图确定模块在对话过程中,获取用户提出的用户语句,从用户语句中抽取出词槽信息以及基于知识库确定用户语句所表征的用户意图;通过意图类别确定模块在用户意图包括推理意图的情况下,确定出用户意图的意图类别;通过应答话术得到模块基于词槽信息和意图类别生成图谱查询语句,基于图谱查询语句在知识图谱中进行查询,得到可应答用户语句的应答话术;通过应答话术推送模块将应答话术推送至与用户进行对话的对话对象所应用的对话设备。
上述装置,在电话服务的对话场景中,在用户语句带有推理性质的情况下,将知识图谱与知识库相融合,通过在知识库中匹配到的意图类别生成图谱查询语句,并基于图谱查询语句在知识图谱中进行查询,从而得到可准确应答用户语句的应答话术,由此保证了应答话术推送的准确性,有效地为客服机器人或者人工坐席在对话过程中提供标准的应答话术。
本发明实施例所提供的应答话术推送装置可执行本发明任意实施例所提供的应答话术推送方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述应答话术推送装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如应答话术推送方法。
在一些实施例中,应答话术推送方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的应答话术推送方法的一个或多个步骤。备选地,在其他实施例中,处理器11可通过其他任何适当的方式(例如,借助于固件)而被配置为执行应答话术推送方法。
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、以及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、以及该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或是其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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并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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种应答话术推送方法,其特征在于,包括:
获取预先构建的知识库以及与所述知识库匹配的知识图谱;
在对话过程中,获取用户提出的用户语句,从所述用户语句中抽取出词槽信息,以及基于所述知识库确定所述用户语句所表征的用户意图;
在所述用户意图是推理意图的情况下,确定所述用户意图的意图类别;
基于所述词槽信息和所述意图类别生成图谱查询语句,并基于所述图谱查询语句在所述知识图谱中进行查询,得到可应答所述用户语句的应答话术;
将所述应答话术推送至与所述用户进行对话的对话对象所应用的对话设备。
2.根据权利要求1所述的方法,其特征在于,所述知识库中的候选知识的知识类型包括图谱类型、常见问题解答或是任务意图;
所述基于所述知识库确定所述用户语句所表征的用户意图,包括:
确定所述知识库中隶属于所述常见问题解答或是所述任务意图的各个候选知识中是否存在与所述用户语句匹配的候选知识;
如果否,则在所述知识库中隶属于所述图谱类型的各个候选知识中确定与所述用户语句匹配的候选知识,并基于确定的候选知识得到所述用户语句所表征的用户意图。
3.根据权利要求1所述的方法,其特征在于,所述从所述用户语句中抽取出词槽信息,包括:
获取预先配置的关键字抽取规则和/或预先训练得到的语义分析模型;
基于所述关键字抽取规则和/或所述语义分析模型,从所述用户语句中抽取出与预先配置的槽位匹配的词槽信息。
4.根据权利要求1所述的方法,其特征在于,所述知识图谱通过如下步骤预先构建得到:
获取业务数据,其中,所述业务数据包括业务实体、所述业务实体所具有的实体属性、所述业务实体在所述实体属性下的属性值、以及所述实体属性的属性约束;
针对用于表示所述业务实体的根节点、用于表示所述属性值的叶子节点、及用于表示所述实体属性和所述属性约束的连接在所述根节点与所述叶子节点间的连线,基于所述根节点、所述叶子节点和所述连线构建得到所述知识图谱。
5.根据权利要求1所述的方法,其特征在于,还包括:
获取新增知识以及所述新增知识的知识类型,并基于所述新增知识的知识类型,将所述新增知识添加到所述知识库中;
和/或,
获取新增词槽以及所述新增词槽的词槽属性,并基于所述新增词槽和所述词槽属性对所述知识库进行维护,其中,所述词槽属性包括业务实体、属性值、实体属性或是属性约束。
6.根据权利要求1所述的方法,其特征在于,所述基于所述图谱查询语句在所述知识图谱中进行查询,得到可应答所述用户语句的应答话术,包括:
基于所述图谱查询语句在所述知识图谱中进行查询,基于得到的查询结果和预先配置的话术模板,生成可应答所述用户语句的应答话术。
7.根据权利要求1-6中任一所述的方法,其特征在于,所述意图类别包括属性查实体,实体查属性,实体间属性对比,或是,实体与外部属性对比。
8.一种应答话术推送装置,其特征在于,包括:
知识图谱获取模块,用于获取预先构建的知识库以及与所述知识库匹配的知识图谱;
用户意图确定模块,用于在对话过程中,获取用户提出的用户语句,并从所述用户语句中抽取出词槽信息,以及基于所述知识库确定所述用户语句所表征的用户意图;
意图类别确定模块,用于在所述用户意图是推理意图的情况下,确定所述用户意图的意图类别;
应答话术得到模块,用于基于所述词槽信息和所述意图类别生成图谱查询语句,并基于所述图谱查询语句在所述知识图谱中进行查询,得到可应答所述用户语句的应答话术;
应答话术推送模块,用于将所述应答话术推送至与所述用户进行对话的对话对象所应用的对话设备。
9.一种电子设备,其特征在于,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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-7中任一项所述的应答话术推送方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现如权利要求1-7中任一所述的应答话术推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158545.6A CN115481229A (zh) | 2022-09-22 | 2022-09-22 | 一种应答话术推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158545.6A CN115481229A (zh) | 2022-09-22 | 2022-09-22 | 一种应答话术推送方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115481229A true CN115481229A (zh) | 2022-12-16 |
Family
ID=84394463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211158545.6A Pending CN115481229A (zh) | 2022-09-22 | 2022-09-22 | 一种应答话术推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115481229A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540004A (zh) * | 2024-01-10 | 2024-02-09 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱和用户行为的工业领域智能问答方法及系统 |
CN117634865A (zh) * | 2024-01-25 | 2024-03-01 | 卓望数码技术(深圳)有限公司 | 工作流创建方法、装置、设备及存储介质 |
-
2022
- 2022-09-22 CN CN202211158545.6A patent/CN115481229A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540004A (zh) * | 2024-01-10 | 2024-02-09 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱和用户行为的工业领域智能问答方法及系统 |
CN117540004B (zh) * | 2024-01-10 | 2024-03-22 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱和用户行为的工业领域智能问答方法及系统 |
CN117634865A (zh) * | 2024-01-25 | 2024-03-01 | 卓望数码技术(深圳)有限公司 | 工作流创建方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
CN115481229A (zh) | 一种应答话术推送方法、装置、电子设备及存储介质 | |
CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
CN112632987B (zh) | 词槽的识别方法、装置及电子设备 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113641805A (zh) | 结构化问答模型的获取方法、问答方法及对应装置 | |
EP3992814A2 (en) | Method and apparatus for generating user interest profile, electronic device and storage medium | |
CN115905497B (zh) | 确定答复语句的方法、装置、电子设备和存储介质 | |
CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
CN113743127B (zh) | 任务型对话的方法、装置、电子设备及存储介质 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN116187301A (zh) | 模型生成、实体识别方法、装置、电子设备及存储介质 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN115658903A (zh) | 文本分类方法、模型训练方法、相关装置及电子设备 | |
CN114201953A (zh) | 一种关键词提取、模型训练方法、装置、设备及存储介质 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN113553833A (zh) | 文本纠错的方法、装置及电子设备 | |
CN116244432B (zh) | 语言模型的预训练方法、装置及电子设备 | |
CN113076080B (zh) | 模型训练方法和装置、意图识别方法和装置 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 | |
CN116383491B (zh) | 信息推荐方法、装置、设备、存储介质和程序产品 | |
CN113032540B (zh) | 人机交互方法、装置、设备和存储介质 | |
CN117521609A (zh) | 一种表单填报方法、装置、设备及介质 | |
CN117273117A (zh) | 语言模型训练方法、奖励模型训练方法、装置及电子设备 |
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 |