CN115658857A - 智能对话方法、装置、设备及存储介质 - Google Patents
智能对话方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115658857A CN115658857A CN202211173179.1A CN202211173179A CN115658857A CN 115658857 A CN115658857 A CN 115658857A CN 202211173179 A CN202211173179 A CN 202211173179A CN 115658857 A CN115658857 A CN 115658857A
- Authority
- CN
- China
- Prior art keywords
- corpus
- emotion
- dialogue
- soothing
- pacifying
- 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
本申请公开了一种智能对话方法、装置、设备及存储介质,属于计算机技术领域。该方法在第一对象的情绪类型为负面情绪时,先从安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料,再确定第一对话语料与每条候选安抚语料之间的第一语义关联度,基于确定的第一语义关联度,从多条候选安抚语料中确定第一安抚语料,向第一对象输出第一安抚语料。由于安抚语料库中存储的是人工客服向第二对象输出的真人安抚语料,因此,最终确定的第一安抚语料也是真人安抚语料。可见,该方法是通过真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料的质量更高,安抚效果更好,从而提高了用户与智能客服的对话质量。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种智能对话方法、装置、设备及存储介质。
背景技术
智能客服可以为企业与用户之间建立沟通,是企业接受用户反馈、解决用户遇到的问题、提升用户体验的一种重要技术手段。不过用户在与智能客服进行智能对话的过程中,可能会带有负面情绪。这种情况下,智能客服需要对用户的情绪进行安抚,以缓解用户的负面情绪。
其中,智能客服能否向用户输出精准的安抚语料,是影响对话质量的关键因素。为此,在智能对话过程中如何向用户输出高质量的安抚语料,便成为了本领域技术人员亟待解决的一个问题。
发明内容
本申请实施例提供了一种智能对话方法、装置、设备及存储介质,可以提高用户与智能客服的对话质量。该技术方案如下:
一方面,提供了一种智能对话方法,所述方法包括:
获取第一对象与智能客服设备当前对话过程中的第一对话语料;
基于所述第一对话语料,确定所述第一对象的情绪类型;其中,所述情绪类型包括正面情绪和负面情绪;
若所述第一对象的情绪类型为负面情绪,在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料;其中,所述安抚语料库用于存储人工客服向第二对象输出的历史安抚语料;
确定所述第一对话语料与每条候选安抚语料之间的第一语义关联度;
基于确定的第一语义关联度,从所述多条候选安抚语料中确定第一安抚语料;
向所述第一对象输出所述第一安抚语料。
在一种可能的实现方式中,所述负面情绪分为多个等级;
所述在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料,包括:
确定所述第一对象的负面情绪所属的第一等级;
确定所述第一对话语料中每个词与所述安抚语料库中目标安抚语料之间的第二语义关联度;其中,所述安抚语料库用于存储多个等级的负面情绪对应的安抚语料;所述目标安抚语料为所述第一等级对应的安抚语料;
基于确定的第二语义关联度,确定所述第一对话语料与所述目标安抚语料之间的第三语义关联度;
基于确定的第三语义关联度,从所述目标安抚语料中确定所述多条候选安抚语料。
在另一种可能的实现方式中,所述负面情绪分为多个等级,在所述第一对象的负面情绪等级为第一等级的情况下,所述方法还包括:
获取所述第一对象基于所述第一安抚语料进行回复的第一回复语料;
基于所述第一回复语料,再次确定所述第一对象的情绪类型;
若所述第一对象的情绪类型仍为负面情绪,确定所述第一对象的负面情绪所属的第二等级;
若所述第二等级低于所述第一等级,将所述第一安抚语料和所述第一等级对应添加至语料集合中;其中,所述语料集合用于对应存储降低负面情绪等级的历史安抚语料以及所述负面情绪等级。
在另一种可能的实现方式中,所述方法还包括:
获取第三对象与所述智能客服设备对话过程中的第二对话语料;
基于所述第二对话语料,确定所述第三对象的情绪类型;
若所述第三对象的情绪类型为负面情绪,确定所述第三对象的负面情绪所属的第三等级;
基于所述第三等级,从所述语料集合中确定第二安抚语料,向所述第三对象输出所述第二安抚语料。
在另一种可能的实现方式中,所述安抚语料库的生成过程,包括:
获取多条第一历史对话语料;其中,所述第一历史对话语料为所述人工客服与所述第二对象之间的对话语料;
从所述多条第一历史对话语料中确定情绪类型为负面情绪的多条第二历史对话语料;
对于每条第二历史对话语料,从所述第二历史对话语料中确定第三历史对话语料;所述第三历史对话语料为所述人工客服向所述第二对象输出的语料;
在确定的多条第三历史对话语料中确定包括安抚关键词的历史安抚语料;
获取所述历史安抚语料的语料标签;其中,所述语料标签包括正标签和负标签;所述正标签用于标注所述历史安抚语料为用语规范的语料,所述负标签用于标注所述历史安抚语料为用语不规范的语料;
将所述语料标签为正标签的历史安抚语料组成所述安抚语料库。
在另一种可能的实现方式中,所述基于所述第一对话语料,确定所述第一对象的情绪类型,包括:
将所述第一对话语料输入情绪识别模型,得到所述情绪识别模型输出的所述第一对象的情绪类型;
其中,所述情绪识别模型是基于显式样本语料和隐式样本语料训练得到的,所述显式样本语料为包括负面情绪关键词的对话语料,所述隐式样本语料为不包括负面情绪关键词,但样本对象的情绪类型为负面情绪的对话语料。
一方面,提供了一种智能对话装置,所述装置包括:
第一获取模块,用于获取第一对象与智能客服设备当前对话过程中的第一对话语料;
第一确定模块,用于基于所述第一对话语料,确定所述第一对象的情绪类型;其中,所述情绪类型包括正面情绪和负面情绪;
查找模块,用于若所述第一对象的情绪类型为负面情绪,在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料;其中,所述安抚语料库用于存储人工客服向第二对象输出的历史安抚语料;
第二确定模块,用于确定所述第一对话语料与每条候选安抚语料之间的第一语义关联度;
第三确定模块,用于基于确定的第一语义关联度,从所述多条候选安抚语料中确定第一安抚语料;
第一输出模块,用于向所述第一对象输出所述第一安抚语料。
在一种可能的实现方式中,所述负面情绪分为多个等级;
所述查找模块,用于确定所述第一对象的负面情绪所属的第一等级;确定所述第一对话语料中每个词与所述安抚语料库中目标安抚语料之间的第二语义关联度;其中,所述安抚语料库用于存储多个等级的负面情绪对应的安抚语料;所述目标安抚语料为所述第一等级对应的安抚语料;基于确定的第二语义关联度,确定所述第一对话语料与所述目标安抚语料之间的第三语义关联度;基于确定的第三语义关联度,从所述目标安抚语料中确定所述多条候选安抚语料。
在另一种可能的实现方式中,所述负面情绪分为多个等级,在所述第一对象的负面情绪等级为第一等级的情况下,所述装置还包括:
第二获取模块,用于获取所述第一对象基于所述第一安抚语料进行回复的第一回复语料;
第四确定模块,用于基于所述第一回复语料,再次确定所述第一对象的情绪类型;
第五确定模块,用于若所述第一对象的情绪类型仍为负面情绪,确定所述第一对象的负面情绪所属的第二等级;
添加模块,用于若所述第二等级低于所述第一等级,将所述第一安抚语料和所述第一等级对应添加至语料集合中;其中,所述语料集合用于对应存储降低负面情绪等级的历史安抚语料以及所述负面情绪等级。
在另一种可能的实现方式中,所述装置还包括:
第三获取模块,用于获取第三对象与所述智能客服设备对话过程中的第二对话语料;
第六确定模块,用于基于所述第二对话语料,确定所述第三对象的情绪类型;
第七确定模块,用于若所述第三对象的情绪类型为负面情绪,确定所述第三对象的负面情绪所属的第三等级;
第二输出模块,用于基于所述第三等级,从所述语料集合中确定第二安抚语料,向所述第三对象输出所述第二安抚语料。
在另一种可能的实现方式中,所述装置还包括:
第四获取模块,用于获取多条第一历史对话语料;其中,所述第一历史对话语料为所述人工客服与所述第二对象之间的对话语料;
第八确定模块,用于从所述多条第一历史对话语料中确定情绪类型为负面情绪的多条第二历史对话语料;
第九确定模块,用于对于每条第二历史对话语料,从所述第二历史对话语料中确定第三历史对话语料;所述第三历史对话语料为所述人工客服向所述第二对象输出的语料;
第十确定模块,用于在确定的多条第三历史对话语料中确定包括安抚关键词的历史安抚语料;
第五获取模块,用于获取所述历史安抚语料的语料标签;其中,所述语料标签包括正标签和负标签;所述正标签用于标注所述历史安抚语料为用语规范的语料,所述负标签用于标注所述历史安抚语料为用语不规范的语料;
组成模块,用于将所述语料标签为正标签的历史安抚语料组成所述安抚语料库。
在另一种可能的实现方式中,所述第一确定模块,用于将所述第一对话语料输入情绪识别模型,得到所述情绪识别模型输出的所述第一对象的情绪类型;其中,所述情绪识别模型是基于显式样本语料和隐式样本语料训练得到的,所述显式样本语料为包括负面情绪关键词的对话语料,所述隐式样本语料为不包括负面情绪关键词,但样本对象的情绪类型为负面情绪的对话语料。
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述智能对话方法。
一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述智能对话方法。
一方面,提供了一种计算机程序产品,所述计算机程序产品中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述智能对话方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供了一种智能对话方法,该方法在第一对象的情绪类型为负面情绪时,先从安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料,再从多条候选安抚语料中确定安抚第一对象的第一安抚语料。由于安抚语料库中存储的是人工客服向第二对象输出的真人安抚语料,因此,最终确定的第一安抚语料也是真人安抚语料。可见,该方法是通过真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料的质量更高,安抚效果更好,从而提高了用户与智能客服的对话质量。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的一种智能对话方法的实施环境的示意图图;
图2是本申请实施例提供的一种智能对话方法的流程图;
图3是本申请实施例提供的一种智能对话方法的流程图;
图4是本申请实施例提供的一种基于安抚语料库确定第一安抚语料的示意图;
图5是本申请实施例提供的一种智能对话装置的结构示意图;
图6是本申请实施例提供的一种终端的结构框图;
图7是本申请实施例提供的一种服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们的任意变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是,本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号,均为经用户授权或者经过各方充分授权的,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如,本申请中涉及到的对话语料、安抚语料等都是在充分授权的情况下获取的。
图1是本申请实施例提供的一种智能对话方法的实施环境的示意图。参见图1,该实施环境包括:电子设备,该电子设备可以提供为终端101,可以提供为服务器102,也可以提供为终端101和服务器102。若电子设备提供为终端101和服务器102,终端101和服务器102之间可以通过无线或有线网络连接。在本申请实施例中,对电子设备不作具体限定。
若电子设备提供为终端101,则由终端101根据第一对象与智能客服设备当前对话过程中的第一对话语料,确定第一安抚语料,然后向第一对象输出第一安抚语料,以安抚第一对象。其中,智能客服设备可以为该终端101,或者部署于该终端101中。
若电子设备提供为服务器102,则该实施环境还包括:终端101,终端101向服务器102发送第一对话语料,服务器102根据第一对话语料,确定第一安抚语料,然后向终端101发送第一安抚语料。终端101向第一对象输出第一安抚语料,以安抚第一对象。
若电子设备提供为终端101和服务器102,则由终端101获取第一对话语料,然后向服务器102发送第一对话语料。服务器102根据第一对话语料,确定第一安抚语料,然后向终端101发送第一安抚语料。终端101向第一对象输出第一安抚语料,以安抚第一对象。
终端101可以为手机、平板电脑、PC(Personal Computer)设备、智能语音交互设备和车载终端等设备中的至少一种。服务器102可以为一台服务器、由多台服务器组成的服务器集群、云服务器、云计算平台和虚拟化中心中的至少一种。
本申请实施例提供的智能对话方法可以应用于各种智能对话场景,例如,共享车辆场景、订票场景、业务查询或办理场景等。下面仅以共享车辆场景为例进行说明。
用户在骑行共享车辆前、在骑行共享车辆的过程中或者在骑行共享车辆结束之后,可能会遇到各种各样的问题。例如,共享车辆无法关锁、关锁后仍计费等,这种情况下,用户可以与智能客服设备进行对话,向智能客服设备反映上述问题。智能客服设备部署于电子设备中,因此,电子设备可以获取用户与智能客服设备对话过程中的对话语料。在对话过程中,用户可能会带有负面情绪,这种情况下,电子设备根据用户与智能客服设备对话过程中的对话语料,确定安抚语料。电子设备确定安抚语料后,向用户输出安抚语料,以安抚用户。
图2是本申请实施例提供的一种智能对话方法的流程图,由电子设备执行,参见图2,该方法包括:
步骤201:电子设备获取第一对象与智能客服设备当前对话过程中的第一对话语料。
步骤202:电子设备基于第一对话语料,确定第一对象的情绪类型。
情绪类型包括正面情绪和负面情绪。其中,负面情绪包括:恐惧、悲伤、厌恶、生气、愤怒、嘲讽等。在本申请实施例中,对负面情绪具体包括的情绪类别不作具体限定。
步骤203:若第一对象的情绪类型为负面情绪,电子设备在安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料。
安抚语料库用于存储人工客服向第二对象输出的历史安抚语料,该历史安抚语料为第二对象的情绪类型为负面情绪时,人工客服安抚第二对象的安抚语料。
步骤204:电子设备确定第一对话语料与每条候选安抚语料之间的第一语义关联度。
步骤205:电子设备基于确定的第一语义关联度,从多条候选安抚语料中确定第一安抚语料。
步骤206:电子设备向第一对象输出第一安抚语料。
本申请实施例提供了一种智能对话方法,该方法在第一对象的情绪类型为负面情绪时,先从安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料,再从多条候选安抚语料中确定安抚第一对象的第一安抚语料。由于安抚语料库中存储的是人工客服向第二对象输出的真人安抚语料,因此,最终确定的第一安抚语料也是真人安抚语料。可见,该方法是通过真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料的质量更高,安抚效果更好,从而提高了用户与智能客服的对话质量。
在本申请实施例中,当第一对象的情绪类型为负面情绪时,电子设备可以直接从安抚语料库中查找与负面情绪匹配的候选安抚语料,然后再从候选安抚语料中确定第一安抚语料,正如上图2中的方法。电子设备也可以先确定第一对象的负面情绪等级,然后从安抚语料库中查找与该负面情绪等级匹配的候选安抚语料,最后从候选安抚语料中确定第一安抚语料,正如下图3中的方法。接下来将详细介绍一下图3中的方法。
图3是本申请实施例提供的一种智能对话方法的流程图,由电子设备执行,参见图3,该方法包括:
步骤301:电子设备获取第一对象与智能客服设备当前对话过程中的第一对话语料。
第一对话语料中包括第一对象输出的对话语料,还可以包括智能客服设备向第一对象输出的对话语料。若第一对话语料仅包括第一对象输出的对话语料,则第一对话语料为第一对象每次向智能客服设备输出的语料。若第一对话语料中包括第一对象输出的对话语料和智能客服设备向第一对象输出的对话语料,则第一对话语料中可以包括第一对象与智能客服设备的一轮或多轮对话。
在本申请实施例中,第一对话语料可以为文本对话语料,也可以为语音对话语料,对此不作具体限定。若第一对话语料与文本对话语料,则电子设备直接执行步骤302。若第一对话语料为语音对话语料,则电子设备先将该语音对话语料转换为文本对话语料,然后基于该文本对话语料执行步骤302。
步骤302:电子设备基于第一对话语料,确定第一对象的情绪类型。
情绪类型包括正面情绪和负面情绪。
在本申请实施例中,电子设备可以通过情绪识别模型确定第一对象的情绪类型。相应的,该过程可以为:电子设备将第一对话语料输入情绪识别模型,得到情绪识别模型输出的第一对象的情绪类型。
其中,情绪识别模型的训练过程可以由电子设备执行,也可以由其他设备执行,然后电子设备获取其他设备训练好的情绪识别模型,对此不作具体限定。在本申请实施例中,仅以电子设备训练得到情绪识别模型为例进行说明。
电子设备获取显式样本语料及其对应的情绪类型和隐式样本语料及其对应的情绪类型,基于显式样本语料及其对应的情绪类型和隐式样本语料及其对应的情绪类型进行模型训练,得到情绪识别模型。其中,显式样本语料为包括负面情绪关键词的对话语料,隐式样本语料为不包括负面情绪关键词,但样本对象的情绪类型为负面情绪的对话语料。例如,隐式样本语料为“你可真行”,该语料虽然不包括负面情绪关键词,但仍可以判断出用户的情绪类型为负面情绪。
根据上述内容可知,情绪识别模型的训练样本不仅包括显式样本语料,还包括隐式样本语料,这样训练得到的情绪识别模型不仅可以识别显式负面情绪,还可以识别隐式负面情绪。相较于相关技术中基于关键词字典中的关键词来确定用户情绪,本申请实施例提供的方法依托强大的深度学习能力训练情绪识别模型,不受关键词字典库的限制,能够同时识别显式负面情绪和隐式负面情绪,在用户情绪识别中,更准确,还可以增大负向情绪召回。
步骤303:若第一对象的情绪类型为负面情绪,电子设备确定第一对象的负面情绪所属的第一等级。
在本申请实施例中,电子设备可以自行确定第一对象的负面情绪所属的第一等级,正如以下第一种实现方式。电子设备也可以通过情绪识别模型确定第一对象的负面情绪所属的第一等级,正如以下第二种实现方式。
第一种实现方式,情绪识别模型输出负面情绪时,还会输出该负面情绪对应的情绪分值,情绪分值越高,负面情绪等级越高。电子设备获取情绪识别模型输出的第一对象的负面情绪的情绪分值,然后基于预先存储的情绪分值范围和负面情绪等级的对应关系,先确定第一对象的情绪分值所处的情绪分值范围,再确定该情绪分值范围对应的负面情绪等级。其中,一个情绪分值范围对应一个负面情绪等级。
在本申请实施例中,由电子设备确定第一对象的负面情绪等级,可以大大缩短情绪识别模型的训练时间,提高模型训练效率。
第二种实现方式,情绪识别模型输出负面情绪时,直接输出该负面情绪对应的负面情绪等级。相应的,电子设备获取情绪识别模型输出的第一对象的负面情绪所属的第一等级。
该实现方式中,电子设备在训练情绪识别模型时,可以将显式样本语料和隐式样本语料分为不同的负面情绪等级,也即通过不同负面情绪等级的显式样本语料和隐式样本语料进行模型训练,得到情绪识别模型。
在本申请实施例中,通过情绪识别模型输出第一对象的负面情绪等级,可以提高确定负面情绪等级的效率,进而提高确定安抚语料的效率。
步骤304:电子设备确定第一对话语料中每个词与安抚语料库中目标安抚语料之间的第二语义关联度。
安抚语料库用于存储多个等级的负面情绪对应的安抚语料,目标安抚语料为第一等级对应的安抚语料,目标安抚语料包括多条安抚语料。
若第一对话语料中仅包括第一对象向智能客服设备输出的对话语料,则电子设备可以直接确定第一对话语料中每个词与目标安抚语料之间的第二语义关联度。
若第一对话语料中包括第一对象向智能客服设备输出的对话语料以及智能客服设备向第一对象输出的对话语料,则电子设备可以先从第一对话语料中确定第一对象向智能客服设备输出的第三对话语料,然后确定第三对话语料中每个词与目标安抚语料之间的语义关联度,将该语义关联度作为第二语义关联度。
在本申请实施例中,仅以电子设备先从第一对话语料中确定出第三对话语料,然后确定第三对话语料中每个词与目标安抚语料之间的语义关联度为例进行说明。
该实现方式中,电子设备先将第三对话语料进行分词,对于目标安抚语料中每条安抚语料,确定每个词与该安抚语料之间的相关性分数,将每个词与该安抚语料之间的相关性分数作为每个词与该安抚语料之间的语义关联度。
其中,电子设备可以通过BM25(Best Matching)算法来确定第三对话语料中每个词与安抚语料之间的相关性分数。当然,电子设备也可以通过其他方法来确定该相关性分数,对此不作具体限定。
需要说明的一点是,在本步骤之前,电子设备预先生成安抚语料库。相应的,电子设备生成安抚语料库的过程可以通过以下步骤(1)至(6)实现,包括:
(1)电子设备获取多条第一历史对话语料。
第一历史对话语料为人工客服与第二对象之间的对话语料。
其中,该多条第一历史对话语料对应的历史时间范围可以根据需要进行设置并更改,对此不作具体限定。
(2)电子设备从多条第一历史对话语料中确定情绪类型为负面情绪的多条第二历史对话语料。
电子设备可以通过情绪识别模型确定每条第一历史对话语料中第二对象的情绪类型,然后将第二对象的情绪类型为负面情绪的第一历史对话语料作为第二历史对话语料。
(3)对于每条第二历史对话语料,电子设备从该第二历史对话语料中确定第三历史对话语料。
第三历史对话语料为人工客服向第二对象输出的语料,也即人工客服回复第二对象的语料。
(4)电子设备在确定的多条第三历史对话语料中确定包括安抚关键词的历史安抚语料。
对于每条第三历史对话语料,电子设备确定该第三历史对话语料中是否包括安抚关键词,对第三历史对话语料进行安抚成分识别,若包括安抚关键词,说明该第三历史对话语料为存在安抚的语料,则确定该第三历史对话语料为历史安抚语料。
(5)电子设备获取历史安抚语料的语料标签。
语料标签包括正标签和负标签,正标签用于标注历史安抚语料为用语规范的语料,负标签用于标注历史安抚语料为用语不规范的语料。
在本申请实施例中,可以由人工确定历史安抚语料的语料标签,也即人工确定历史安抚语料的可用性,电子设备获取人工确定的历史安抚语料的语料标签。
(6)电子设备将语料标签为正标签的历史安抚语料组成安抚语料库。
对于语料标签为负标签的历史安抚语料,电子设备可以直接丢弃。或者,人工对语料标签为负标签的历史安抚语料进行修改,将该历史安抚语料修改为用语规范的安抚语料,然后添加至安抚语料库中,参见图4。
需要说明的一点是,在系统冷启动阶段,主要依赖于安抚语料库中安抚语料的量,在安抚语料库中有丰富的安抚语料后,就可以准确确定第一安抚语料了。
在本申请实施例中,将人工客服安抚用户的真人安抚语料组成安抚语料库,这样智能客服设备可以通过该安抚语料库中的真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料更具个性化,且更加灵活,不死板。
步骤305:电子设备基于确定的第二语义关联度,确定第一对话语料与目标安抚语料之间的第三语义关联度。
若电子设备确定的是第一对话语料中每个词与目标安抚语料之间的第二语义关联度,则本步骤中,对于目标安抚语料中的每条安抚语料,电子设备将第一对话语料中每个词与该安抚语料的相关性分数进行加权求和,得到第一对话语料与该安抚语料之间的第三语义关联度。
若电子设备确定的是第三对话语料中每个词与目标安抚语料之间的第二语义关联度,则本步骤中,对于目标安抚语料中的每条安抚语料,电子设备基于第三对话语料中每个词的词权重,将第三对话语料中每个词与该安抚语料的相关性分数进行加权求和,得到第三对话语料与该安抚语料之间的语义关联度,将该语义关联度作为第一对话语料与该安抚语料之间的第三语义关联度。
其中,电子设备可以通过BM25算法来确定每个词的词权重。当然,电子设备也可以通过其他方法来确定每个词的词权重,对此不作具体限定。
步骤306:电子设备基于确定的第三语义关联度,从目标安抚语料中确定多条候选安抚语料。
目标安抚语料中包括多条安抚语料,因此,电子设备通过步骤304至305得到多个第三语义关联度。本步骤中,电子设备可以基于多个第三语义关联度,从目标安抚语料包括的多条安抚语料中选择第三语义关联度大于预设阈值的多条安抚语料作为候选安抚语料,或者从目标安抚语料包括的多条安抚语料中选择第三语义关联度最高的预设数量个安抚语料作为候选安抚语料。
步骤307:电子设备确定第一对话语料与每条候选安抚语料之间的第一语义关联度。
本步骤中,电子设备可以自行确定第一对话语料与每条候选安抚语料之间的第一语义关联度,正如以下第一种实现方式。电子设备也可以通过预训练模型确定第一对话语料与每条候选安抚语料之间的第一语义关联度,正如以下第二种实现方式。
第一种实现方式,电子设备确定第一对话语料对应的第一语料向量以及每条候选安抚语料对应的第二语料向量。对于每条候选安抚语料,电子设备确定第一语料向量与该候选安抚语料对应的第二语料向量之间的距离,基于该距离,确定第一对话语料与该候选安抚语料之间的第一语义关联度。距离越小,第一语义关联度越大。
第二种实现方式,对于每条候选安抚语料,电子设备将第一对话语料和该候选安抚语料同时输入预训练模型,得到该预训练模型输出的第一对话语料与该候选安抚语料之间的第一语义关联度。
其中,电子设备将第一对话语料和该候选安抚语料同时输入预训练模型,预训练模型先分别确定第一语料向量和第二语料向量,然后确定第一语料向量和第二语料向量之间的距离,基于该距离,确定第一语义关联度。
电子设备自行确定第一语义关联度的过程与电子设备通过预训练模型确定第一语义关联度的过程相似,只不过相较于电子设备自行确定第一语义关联度,电子设备通过预训练模型确定第一语义关联度的速度更快,效率更高。
步骤308:电子设备基于确定的第一语义关联度,从多条候选安抚语料中确定第一安抚语料。
电子设备通过步骤307得到多个第一语义关联度,电子设备从多个第一语义关联度中选择第一语义关联度最高的候选安抚语料作为第一安抚语料。
步骤309:电子设备向第一对象输出第一安抚语料。
电子设备向第一对象的终端输出第一安抚语料,相应的,第一对象的终端上显示第一安抚语料。
在本申请实施例中,电子设备向第一对象输出第一安抚语料后,第一对象可以基于第一安抚语料进行回复。相应的,电子设备获取第一对象基于第一安抚语料进行回复的第一回复语料,基于第一回复语料,再次确定第一对象的情绪类型;若第一对象的情绪类型仍为负面情绪,确定第一对象的负面情绪所属的第二等级;若第二等级低于第一等级,将第一安抚语料和第一等级对应添加至语料集合中。其中,语料集合用于对应存储降低负面情绪等级的历史安抚语料以及负面情绪等级,一个负面情绪对应一个或多个历史安抚语料。
该实现方式中,电子设备可以通过情绪识别模型再次确定第一对象的情绪类型,若仍是负面情绪,电子设备确定第一对象的负面情绪所属的第二等级。其中,电子设备确定第一对象的负面情绪所属的第二等级的方式与电子设备确定第一等级的方式同理,这里不再赘述。
若第二等级高于第一等级,说明第一安抚语料对第一对象不仅没有安抚效果,反而起到了相反的作用,这种情况下,电子设备可以将第一安抚语料从安抚语料库中删除。
若第二等级低于第一等级,说明第一安抚语料对第一对象有安抚效果,因此,降低了第一对象的负面情绪等级。这种情况下,电子设备可以将第一等级和第一安抚语料对应添加至语料集合中。例如,第一等级为愤怒,第二等级为生气,生气的等级低于愤怒,这种情况下,电子设备将第一等级和第一安抚语料对应添加至语料集合中。
若再次确定第一对象的情绪类型为正面情绪,更加可以说明第一安抚语料对第一对象有安抚效果,这种情况下,电子设备也可以将第一等级和第一安抚语料对应添加至语料集合中。
由此可见,语料集合中的历史安抚语料为能够降低负面情绪等级的安抚语料,因此,后续安抚用户时,电子设备可以优先从语料集合中选择安抚语料进行安抚,这样可以增大降低负面情绪等级的可能性,从而提高用户与智能客服设备的对话质量。
相应的,电子设备获取第三对象与智能客服设备对话过程中的第二对话语料,基于第二对话语料,确定第三对象的情绪类型;若第三对象的情绪类型为负面情绪,电子设备确定第三对象的负面情绪所属的第三等级;基于第三等级,从语料集合中确定第二安抚语料,向第三对象输出第二安抚语料。
其中,电子设备确定第三对象的情绪类型的方式与确定第一对象的情绪类型的方式同理,电子设备确定第三等级的方式与确定第一等级的方式同理,这里不再赘述。
电子设备确定第三等级后,基于第三等级,从语料集合中确定与第三等级匹配的第二安抚语料,然后向第三对象输出第二安抚语料。其中,电子设备从语料集合中确定第二安抚语料的方式与电子设备从多条候选安抚语料中确定第一安抚语料的方式同理,这里不再赘述。
若第三对象基于第二安抚语料回复的第二回复语料中,第三对象的情绪类型仍为负面情绪,且负面情绪等级升高,说明第二安抚语料对第三对象没有安抚效果,这种情况下,电子设备从语料集合中确定更高情绪等级的第三安抚语料,向第三对象输出第三安抚语料。
本申请实施例提供了一种智能对话方法,该方法在第一对象的情绪类型为负面情绪时,先从安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料,再从多条候选安抚语料中确定安抚第一对象的第一安抚语料。由于安抚语料库中存储的是人工客服向第二对象输出的真人安抚语料,因此,最终确定的第一安抚语料也是真人安抚语料。可见,该方法是通过真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料的质量更高,安抚效果更好,从而提高了用户与智能客服的对话质量。
图5是本申请实施例提供的一种智能对话装置的结构示意图,参见图5,该装置包括:
第一获取模块501,用于获取第一对象与智能客服设备当前对话过程中的第一对话语料;
第一确定模块502,用于基于第一对话语料,确定第一对象的情绪类型;其中,情绪类型包括正面情绪和负面情绪;
查找模块503,用于若第一对象的情绪类型为负面情绪,在安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料;其中,安抚语料库用于存储人工客服向第二对象输出的历史安抚语料;
第二确定模块504,用于确定第一对话语料与每条候选安抚语料之间的第一语义关联度;
第三确定模块505,用于基于确定的第一语义关联度,从多条候选安抚语料中确定第一安抚语料;
第一输出模块506,用于向第一对象输出第一安抚语料。
在一种可能的实现方式中,负面情绪分为多个等级;
查找模块503,用于确定第一对象的负面情绪所属的第一等级;确定第一对话语料中每个词与安抚语料库中目标安抚语料之间的第二语义关联度;其中,安抚语料库用于存储多个等级的负面情绪对应的安抚语料;目标安抚语料为第一等级对应的安抚语料;基于确定的第二语义关联度,确定第一对话语料与目标安抚语料之间的第三语义关联度;基于确定的第三语义关联度,从目标安抚语料中确定多条候选安抚语料。
在另一种可能的实现方式中,负面情绪分为多个等级,在第一对象的负面情绪等级为第一等级的情况下,装置还包括:
第二获取模块,用于获取第一对象基于第一安抚语料进行回复的第一回复语料;
第四确定模块,用于基于第一回复语料,再次确定第一对象的情绪类型;
第五确定模块,用于若第一对象的情绪类型仍为负面情绪,确定第一对象的负面情绪所属的第二等级;
添加模块,用于若第二等级低于第一等级,将第一安抚语料和第一等级对应添加至语料集合中;其中,语料集合用于对应存储降低负面情绪等级的历史安抚语料以及负面情绪等级。
在另一种可能的实现方式中,装置还包括:
第三获取模块,用于获取第三对象与智能客服设备对话过程中的第二对话语料;
第六确定模块,用于基于第二对话语料,确定第三对象的情绪类型;
第七确定模块,用于若第三对象的情绪类型为负面情绪,确定第三对象的负面情绪所属的第三等级;
第二输出模块,用于基于第三等级,从语料集合中确定第二安抚语料,向第三对象输出第二安抚语料。
在另一种可能的实现方式中,装置还包括:
第四获取模块,用于获取多条第一历史对话语料;其中,第一历史对话语料为人工客服与第二对象之间的对话语料;
第八确定模块,用于从多条第一历史对话语料中确定情绪类型为负面情绪的多条第二历史对话语料;
第九确定模块,用于对于每条第二历史对话语料,从第二历史对话语料中确定第三历史对话语料;第三历史对话语料为人工客服向第二对象输出的语料;
第十确定模块,用于在确定的多条第三历史对话语料中确定包括安抚关键词的历史安抚语料;
第五获取模块,用于获取历史安抚语料的语料标签;其中,语料标签包括正标签和负标签;正标签用于标注历史安抚语料为用语规范的语料,负标签用于标注历史安抚语料为用语不规范的语料;
组成模块,用于将语料标签为正标签的历史安抚语料组成安抚语料库。
在另一种可能的实现方式中,第一确定模块502,用于将第一对话语料输入情绪识别模型,得到情绪识别模型输出的第一对象的情绪类型;其中,情绪识别模型是基于显式样本语料和隐式样本语料训练得到的,显式样本语料为包括负面情绪关键词的对话语料,隐式样本语料为不包括负面情绪关键词,但样本对象的情绪类型为负面情绪的对话语料。
本申请实施例提供了一种智能对话装置,该装置在第一对象的情绪类型为负面情绪时,先从安抚语料库中查找与第一对象的情绪类型匹配的多条候选安抚语料,再从多条候选安抚语料中确定安抚第一对象的第一安抚语料。由于安抚语料库中存储的是人工客服向第二对象输出的真人安抚语料,因此,最终确定的第一安抚语料也是真人安抚语料。可见,该装置是通过真人安抚语料来安抚用户,相较于基于固定模板生成的安抚语料,真人安抚语料的质量更高,安抚效果更好,从而提高了用户与智能客服的对话质量。
需要说明的是:上述实施例提供的智能对话装置在智能对话时,仅以上述各功能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模块完成,即将电子设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的智能对话装置与智能对话方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
若电子设备提供为终端,参考图6,图6示出了本申请一个示例性实施例提供的终端600的结构框图。该终端600可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端600包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一条程序代码,该至少一条程序代码用于被处理器601所执行以实现本申请中方法实施例提供的智能对话方法中终端所执行的操作。
在一些实施例中,终端600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、显示屏605、摄像头组件606、音频电路607和电源608中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置在终端600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在终端600的不同表面或呈折叠设计;在另一些实施例中,显示屏605可以是柔性显示屏,设置在终端600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
电源608用于为终端600中的各个组件进行供电。电源608可以是交流电、直流电、一次性电池或可充电电池。当电源608包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端600还包括有一个或多个传感器609。该一个或多个传感器609包括但不限于:加速度传感器610、陀螺仪传感器611、压力传感器612、光学传感器613以及接近传感器614。
加速度传感器610可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器610可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器610采集的重力加速度信号,控制显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器610还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器611可以检测终端600的机体方向及转动角度,陀螺仪传感器611可以与加速度传感器610协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器611采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器612可以设置在终端600的侧边框和/或显示屏605的下层。当压力传感器612设置在终端600的侧边框时,可以检测用户对终端600的握持信号,由处理器601根据压力传感器612采集的握持信号进行左右手识别或快捷操作。当压力传感器612设置在显示屏605的下层时,由处理器601根据用户对显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
光学传感器613用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器613采集的环境光强度,控制显示屏605的显示亮度。具体地,当环境光强度较高时,调高显示屏605的显示亮度;当环境光强度较低时,调低显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器613采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器614,也称距离传感器,通常设置在终端600的前面板。接近传感器614用于采集用户与终端600的正面之间的距离。在一个实施例中,当接近传感器614检测到用户与终端600的正面之间的距离逐渐变小时,由处理器601控制显示屏605从亮屏状态切换为息屏状态;当接近传感器614检测到用户与终端600的正面之间的距离逐渐变大时,由处理器601控制显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对终端600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
若电子设备提供为服务器,该服务器的结构框图可以参见图7,该服务器700可因配置或性能不同而产生比较大的差异,可以包括处理器(central processing units,CPU)701和存储器702,其中,该存储器702中存储有至少一条程序代码,该至少一条程序代码由该处理器701加载并执行以实现上述智能对话方法中服务器所执行的操作。当然,该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读介质存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行,以实现上述实施例中的智能对话方法。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行,以实现上述实施例中的智能对话方法。
在一些实施例中,本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种智能对话方法,其特征在于,所述方法包括:
获取第一对象与智能客服设备当前对话过程中的第一对话语料;
基于所述第一对话语料,确定所述第一对象的情绪类型;其中,所述情绪类型包括正面情绪和负面情绪;
若所述第一对象的情绪类型为负面情绪,在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料;其中,所述安抚语料库用于存储人工客服向第二对象输出的历史安抚语料;
确定所述第一对话语料与每条候选安抚语料之间的第一语义关联度;
基于确定的第一语义关联度,从所述多条候选安抚语料中确定第一安抚语料;
向所述第一对象输出所述第一安抚语料。
2.根据权利要求1所述的方法,其特征在于,所述负面情绪分为多个等级;
所述在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料,包括:
确定所述第一对象的负面情绪所属的第一等级;
确定所述第一对话语料中每个词与所述安抚语料库中目标安抚语料之间的第二语义关联度;其中,所述安抚语料库用于存储多个等级的负面情绪对应的安抚语料;所述目标安抚语料为所述第一等级对应的安抚语料;
基于确定的第二语义关联度,确定所述第一对话语料与所述目标安抚语料之间的第三语义关联度;
基于确定的第三语义关联度,从所述目标安抚语料中确定所述多条候选安抚语料。
3.根据权利要求1所述的方法,其特征在于,所述负面情绪分为多个等级,在所述第一对象的负面情绪等级为第一等级的情况下,所述方法还包括:
获取所述第一对象基于所述第一安抚语料进行回复的第一回复语料;
基于所述第一回复语料,再次确定所述第一对象的情绪类型;
若所述第一对象的情绪类型仍为负面情绪,确定所述第一对象的负面情绪所属的第二等级;
若所述第二等级低于所述第一等级,将所述第一安抚语料和所述第一等级对应添加至语料集合中;其中,所述语料集合用于对应存储降低负面情绪等级的历史安抚语料以及所述负面情绪等级。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取第三对象与所述智能客服设备对话过程中的第二对话语料;
基于所述第二对话语料,确定所述第三对象的情绪类型;
若所述第三对象的情绪类型为负面情绪,确定所述第三对象的负面情绪所属的第三等级;
基于所述第三等级,从所述语料集合中确定第二安抚语料,向所述第三对象输出所述第二安抚语料。
5.根据权利要求1所述的方法,其特征在于,所述安抚语料库的生成过程,包括:
获取多条第一历史对话语料;其中,所述第一历史对话语料为所述人工客服与所述第二对象之间的对话语料;
从所述多条第一历史对话语料中确定情绪类型为负面情绪的多条第二历史对话语料;
对于每条第二历史对话语料,从所述第二历史对话语料中确定第三历史对话语料;所述第三历史对话语料为所述人工客服向所述第二对象输出的语料;
在确定的多条第三历史对话语料中确定包括安抚关键词的历史安抚语料;
获取所述历史安抚语料的语料标签;其中,所述语料标签包括正标签和负标签;所述正标签用于标注所述历史安抚语料为用语规范的语料,所述负标签用于标注所述历史安抚语料为用语不规范的语料;
将所述语料标签为正标签的历史安抚语料组成所述安抚语料库。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一对话语料,确定所述第一对象的情绪类型,包括:
将所述第一对话语料输入情绪识别模型,得到所述情绪识别模型输出的所述第一对象的情绪类型;
其中,所述情绪识别模型是基于显式样本语料和隐式样本语料训练得到的,所述显式样本语料为包括负面情绪关键词的对话语料,所述隐式样本语料为不包括负面情绪关键词,但样本对象的情绪类型为负面情绪的对话语料。
7.一种智能对话装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一对象与智能客服设备当前对话过程中的第一对话语料;
第一确定模块,用于基于所述第一对话语料,确定所述第一对象的情绪类型;其中,所述情绪类型包括正面情绪和负面情绪;
查找模块,用于若所述第一对象的情绪类型为负面情绪,在安抚语料库中查找与所述第一对象的情绪类型匹配的多条候选安抚语料;其中,所述安抚语料库用于存储人工客服向第二对象输出的历史安抚语料;
第二确定模块,用于确定所述第一对话语料与每条候选安抚语料之间的第一语义关联度;
第三确定模块,用于基于确定的第一语义关联度,从所述多条候选安抚语料中确定第一安抚语料;
第一输出模块,用于向所述第一对象输出所述第一安抚语料。
8.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至6任一项所述的智能对话方法。
9.一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中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至6任一项所述的智能对话方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至6任一项所述的智能对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211173179.1A CN115658857A (zh) | 2022-09-26 | 2022-09-26 | 智能对话方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211173179.1A CN115658857A (zh) | 2022-09-26 | 2022-09-26 | 智能对话方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115658857A true CN115658857A (zh) | 2023-01-31 |
Family
ID=84985865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211173179.1A Pending CN115658857A (zh) | 2022-09-26 | 2022-09-26 | 智能对话方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115658857A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116139404A (zh) * | 2023-04-23 | 2023-05-23 | 苏州维伟思医疗科技有限公司 | 一种基于情绪识别的wcd控制方法及相关装置 |
-
2022
- 2022-09-26 CN CN202211173179.1A patent/CN115658857A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116139404A (zh) * | 2023-04-23 | 2023-05-23 | 苏州维伟思医疗科技有限公司 | 一种基于情绪识别的wcd控制方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108874967B (zh) | 对话状态确定方法及装置、对话系统、终端、存储介质 | |
CN110852100B (zh) | 关键词提取方法、装置、电子设备及介质 | |
CN111524501B (zh) | 语音播放方法、装置、计算机设备及计算机可读存储介质 | |
CN110209784B (zh) | 消息交互方法、计算机设备及存储介质 | |
CN110162604B (zh) | 语句生成方法、装置、设备及存储介质 | |
CN110263131B (zh) | 回复信息生成方法、装置及存储介质 | |
CN108922531B (zh) | 槽位识别方法、装置、电子设备及存储介质 | |
CN111581958A (zh) | 对话状态确定方法、装置、计算机设备及存储介质 | |
CN111428079B (zh) | 文本内容处理方法、装置、计算机设备及存储介质 | |
CN111835621A (zh) | 会话消息处理方法、装置、计算机设备及可读存储介质 | |
CN115658857A (zh) | 智能对话方法、装置、设备及存储介质 | |
CN111341317B (zh) | 唤醒音频数据的评价方法、装置、电子设备及介质 | |
CN110837557B (zh) | 摘要生成方法、装置、设备及介质 | |
CN113409770A (zh) | 发音特征处理方法、装置、服务器及介质 | |
CN116956814A (zh) | 标点预测方法、装置、设备及存储介质 | |
CN113593521B (zh) | 语音合成方法、装置、设备及可读存储介质 | |
CN111597823B (zh) | 中心词提取方法、装置、设备及存储介质 | |
CN114925667A (zh) | 内容分类方法、装置、设备及计算机可读存储介质 | |
CN114328815A (zh) | 文本映射模型的处理方法、装置、计算机设备及存储介质 | |
CN113822084A (zh) | 语句翻译方法、装置、计算机设备及存储介质 | |
CN113486260A (zh) | 互动信息的生成方法、装置、计算机设备及存储介质 | |
CN113408809A (zh) | 汽车的设计方案评价方法、装置及计算机存储介质 | |
CN111858983A (zh) | 图片类别的确定方法、装置、电子设备及存储介质 | |
CN111125424A (zh) | 提取歌曲核心歌词的方法、装置、设备及存储介质 | |
CN110096707A (zh) | 生成自然语言的方法、装置、设备及可读存储介质 |
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 |