CN116186219A - 一种人机对话交互方法方法、系统及存储介质 - Google Patents
一种人机对话交互方法方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116186219A CN116186219A CN202310123540.8A CN202310123540A CN116186219A CN 116186219 A CN116186219 A CN 116186219A CN 202310123540 A CN202310123540 A CN 202310123540A CN 116186219 A CN116186219 A CN 116186219A
- Authority
- CN
- China
- Prior art keywords
- intention
- query
- text input
- chat
- processing
- 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 43
- 230000003993 interaction Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000000977 initiatory effect Effects 0.000 claims description 21
- 230000002452 interceptive effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 abstract description 9
- 238000012549 training Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例公开了一种人机对话交互方法方法、系统及存储介质,方法包括:获取用户的文字输入;对所述文字输入进行意图分析,判断所述用户的聊天意图,所述聊天意图包括闲聊意图和非闲聊意图中的一种;若所述聊天意图为闲聊意图,调用预设的闲聊查询模块根据所述文字输入进行查询处理,获取第一回复文本;若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本。本发明的方法不需要大量数据结合深度学习进行关系抽取、命名实体识别、意图识别以及自然语言生成的训练就能够使用,而且面向的是一些通用的问答。本方法面向小样本数据,其核心逻辑主要靠制定规则实现,而并非通过深度学习的方式实现。
Description
技术领域
本发明涉及计算机软件技术领域,具体涉及一种人机对话交互方法方法、系统及存储介质。
背景技术
目前,在面对大群体客户需要沟通时,例如零售行业门店数量较大,动辄上百上千,人力客服资源往往不充足,又或者希望减少客服人力开销的情况下,许多企业都会采用先让客户与自动化的服务系统进行沟通,当自动化系统未能解决问题后,再交由人工服务的方案,以此来提高业务整体的效率。由此,也演变出了各种类型的智能客服,按功能侧重可具体划分为,任务型、问答型和闲聊型。任务型能够通过单轮或多轮对话的方式获取有用信息帮助服务对象完成某些任务,问答型则仅用于回复问题,而闲聊型则能够与服务对象进行互动闲聊。三种类型智能客服在各自侧重领域可以取得很好的效果,但兼顾多种聊天模式的场景下则有所欠缺。
在数据集基数不大且要保证良好使用体验的情况下,现有技术需要一种面向少量问答数据且能实现高效灵活回复功能的问答机器人。
发明内容
针对现有技术中的技术缺陷,本发明实施例的目的在于提供一种人机对话交互方法方法、系统及存储介质,以解决背景技术中所提出的技术问题。
为实现上述目的,第一方面,本发明实施例提供了一种人机对话交互方法,包括:
获取用户的文字输入;
对所述文字输入进行意图分析,判断所述用户的聊天意图,所述聊天意图包括闲聊意图和非闲聊意图中的一种;
若所述聊天意图为闲聊意图,调用预设的闲聊查询模块根据所述文字输入进行查询处理,获取第一回复文本;
若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本。
进一步,所述对所述文字输入进行意图分析,判断所述用户的聊天意图,包括:
创建语义槽,所述语义槽包括故障实体、处理请求以及处理属性三个槽位;
对所述文字输入进行语义提取,若从所述文字输入中不能提取到属于所述语义槽中任何一个槽位的关键词,或者,从所述文字输入中只提取到一个属于处理请求的关键词,则判定所述文字输入的意图为闲聊意图;
否则,判定所述文字输入的意图为非闲聊意图。
进一步,所述非闲聊意图包括强处理意图、处理意图、询问意图、轮询意图以及未知意图;其中,
若从所述文字输入中提取到一个属于故障实体的关键词、一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为强处理意图;
若从所述文字输入中提取到一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为处理意图;
若从所述文字输入中提取到一个属于故障实体的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理请求的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为询问意图;
若从所述文字输入中只提取到一个属于处理属性的关键词,判定所述文字输入的意图为轮询意图;
若从所述文字输入中提取到多个属于故障实体的关键词,和/或,多个属于处理属性的关键词,判定所述文字输入的意图为未知意图。
进一步,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为强处理意图,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
进一步,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为处理意图,判断语义槽中的故障实体是否存在;
若是,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果;
若否,清空语义槽,向用户发起询问重新获取属于语义槽对应槽位的关键词,并将关键词重新填充到对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;若查询失败,进行模糊查询,返回模糊查询结果。
进一步,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为询问意图,清空语义槽中的处理请求B和/或处理属性C,将所述关键词更新到所述语义槽对应的槽位中,向用户发起询问以获取属于处理请求的关键词和/或属于处理属性的关键词;
将获取的关键词重新填充到语义槽对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
进一步,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为轮询意图,将所述关键词更新到所述语义槽对应的槽位中,判断当前语义槽各个槽位是否填充完成;
若是,根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
进一步,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为未知意图,根据所述文字输入进行模糊查询,返回模糊查询结果。
第二方面,本发明实施例还提供了一种人机对话交互系统,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。
第三方面,本发明实施例还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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
实施本发明实施例通过的方法,先根据用户的文字输入判断所述用户的聊天意图,根据聊天意图分配相应查询模块进行查询处理,获得相应的回复文本,尽可能满足用户需求,高效地完成问答任务。
本发明的方法不需要大量数据结合深度学习进行关系抽取、命名实体识别、意图识别以及自然语言生成的训练就能够使用,而且面向的是一些通用的问答。本方法面向小样本数据,其核心逻辑主要靠制定规则实现,而并非通过深度学习的方式实现。实施本发明方法的交互机器人适用于零售行业,能够灵活扩展,只需要少量数据即可灵活高效回复,并能够自由添加特定场景。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种人机对话交互方法的方法流程图;
图2是本发明实施例提供的交互机器人实际应用的界面截图;
图3是本发明实施例提供的相似度值比较示意图;
图4是本发明实施例提供的一种人机对话交互系统的结构示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
请参见图1,其示出了一种人机对话交互方法的方法流程图,该方法可以运行在机器人的处理器或者后台服务器中,使机器人能够更加高效灵活地与用户进行人机交互对话。本实施例中,机器人可以是利用虚拟技术合成的虚拟机器人,也可以是具有实体的实物机器人。该人机对话交互方法可以包括如下步骤:
S100:获取用户的文字输入。
用户可以通过输入设备输入文字与机器人进行交流,输入设备可以采用键盘、鼠标、扫描仪、光笔、手写输入板、触摸屏以及语音输入转换装置等现有设备均可。
S200:对所述文字输入进行意图分析,判断所述用户的聊天意图,所述聊天意图包括闲聊意图和非闲聊意图中的一种。
具体的,本实施例中所述对所述文字输入进行意图分析,判断所述用户的聊天意图,包括:
S201:创建语义槽,所述语义槽包括故障实体A、处理请求B以及处理属性C三个槽位。
具体的,故障实体A指业务相关的问题主体,如“我的电脑屏幕坏了,需要进行修理怎么办?”,其中“电脑”即故障实体。处理请求B指能够代表问题处理请求的关键词,如“修理”、“怎么办”、“?”。而处理属性C则代表问题实体对应的具体处理点,如“屏幕”就是“电脑”处理属性。
S202:对所述文字输入进行语义提取,若从所述文字输入中不能提取到属于所述语义槽中任何一个槽位的关键词,或者,从所述文字输入中只提取到一个属于处理请求的关键词,则判定所述文字输入的意图为闲聊意图。
具体来说,若文字输入的语义中仅存在属于处理请求的关键词,或者无可用语义的关键词,即可判定该文字输入为闲聊意图。
S203:否则,判定所述文字输入的意图为非闲聊意图。
本实施例中,所述非闲聊意图包括强处理意图、处理意图、询问意图、轮询意图以及未知意图。
其中,若从所述文字输入中提取到一个属于故障实体的关键词、一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为强处理意图。
若从所述文字输入中提取到一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为处理意图。
若从所述文字输入中提取到一个属于故障实体的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理请求的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为询问意图。
若从所述文字输入中只提取到一个属于处理属性的关键词,判定所述文字输入的意图为轮询意图。
若从所述文字输入中提取到多个属于故障实体的关键词,和/或,多个属于处理属性的关键词,判定所述文字输入的意图为未知意图。
S300:若所述聊天意图为闲聊意图,调用预设的闲聊查询模块根据所述文字输入进行查询处理,获取第一回复文本。
具体的,闲聊查询模块用于处理闲聊意图问句,通过训练seqence2sequence模型实现。在问句输入前,需要将其转化为token向量。首先Embedding层会将token向量中的词语映射到低维的词向量空间,并联系整个句子中的所有词向量的顺序关系,分别生成对应的词特征向量。
为能够更好的学习词建关系,一个句子中所有的词特征向量之后会经过Decoder层进行处理,以此产生新的特征向量。为了在解码过程中不丢失问句信息,在这一阶段会对每一个新的特征向量与老的词特征向量进行拼接操作,最后将词向量做最终的词编码预测输出,从而获得新的token下标向量,以映射新的句子。
S400:若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本。
具体包括以下几种情况:
第一种:若所述聊天意图为强处理意图,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
第二种:若所述聊天意图为处理意图,判断语义槽中的故障实体是否存在;
若是,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果;
若否,清空语义槽,向用户发起询问重新获取属于语义槽对应槽位的关键词,并将关键词重新填充到对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;若查询失败,进行模糊查询,返回模糊查询结果。
第三种:若所述聊天意图为询问意图,清空语义槽中的处理请求B和/或处理属性C,将所述关键词更新到所述语义槽对应的槽位中,向用户发起询问以获取属于处理请求的关键词和/或属于处理属性的关键词;
将获取的关键词重新填充到语义槽对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
第四种:若所述聊天意图为轮询意图,将所述关键词更新到所述语义槽对应的槽位中,判断当前语义槽各个槽位是否填充完成;
若是,根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
需要说明的是,若所述聊天意图为轮询意图,将所述关键词更新到所述语义槽对应的槽位中之后,语义槽还可能会存在三种状态,即(A,,C)、(,B,C)、(,,C)。对于(A,,C)则按询问意图的方式处理。对于(,B,C)会清空语义槽,并重新向用户询问A,B,C。对于(,,C)则按照闲聊意图进行处理。
第五种:若所述聊天意图为未知意图,根据所述文字输入进行模糊查询,返回模糊查询结果。
本实施例中,知识库查询属于精确查询。检索查询模块进行模糊查询的方法如下:
交互机器人在启动后会对每一个数据集进行相似度矩阵的计算处理,每一个数据集对应着一个业务模块,例如咨询工单相关,投诉相关。交互机器人将每个模块计算得到的相似度矩阵存放在内存中,会在之后用来和问句进行相似度比较。
当问句由检索查询模块进行处理时,会对该条消息进行分词处理,生成词袋模型,计算该问句的相似度矩阵。比如附图2和图3中,用户输入‘系统双击无反应’,交互机器人在收到该条消息后,对该条消息进行预处理,通过分词获取到[系统,双击,无,反应],将分词后的语句使用词袋模型表示为[(42,1),(68,1),(17,1),(63,1)],其中的含义为分词后的词语出现的位置以及次数,第一部分中,42代表着‘系统’在词袋模型中的位置,1代表着‘系统’在问句中出现的次数。
词袋模型生成后,交互机器人将对其进行整合,并通过TF-IDF(term frequency–inverse document frequency)模型生成TF-IDF权重系数,以进一步计算得到相似度矩阵。
交互机器人会按照预先确认的顺序,将问句的相似度矩阵和第一个数据集中的相似度矩阵进行比较计算相似度系数,如果符合阈值,则输出相似度最高的问句的答案;不符合阈值,则会按照顺序进入到下一个数据集,与该数据集中的相似度矩阵进行计算,若循环完所有数据集,最终没有满足条件的解,那么机器人则会判定该问句没有合适的答案。
本实施例中,相似度矩阵生成规则如下:对于一个数据集来说,机器人会把该数据集中所有句子进行分词处理,分词处理得到的所有词语作为该数据集的字典,每一个句子会通过这个字典生成词袋模型,通过TF-IDF计算每个句子中的各个分词的TF-IDF系数,放入到相似度矩阵中,矩阵中的行代表数据集中一个句子,列代表该句分词后的词语的TF-IDF系数,图为一个数据集的相似度矩阵。
本发明的方法不需要大量数据结合深度学习进行关系抽取、命名实体识别、意图识别以及自然语言生成的训练就能够使用,而且面向的是一些通用的问答。本方法面向小样本数据,其核心逻辑主要靠制定规则实现,而并非通过深度学习的方式实现。
传统的深度学习算法问答机器人,需要进行大量的数据结合深度学习进行关系抽取、命名实体识别、意图识别,以及自然语言生成,才能够使用,而且面向的是一些通用的问答。对于零售行业中的一些的特定的解决方案,无法做到准确回复。而实施本发明方法的交互机器人适用于零售行业,能够灵活扩展,只需要少量数据即可灵活高效回复,并能够自由添加特定场景。
同时,实施本发明方法的交互机器人可控性强,可以针对性做人工调控,同时不需要做数据标注,不需要大量数据。深度学习需要大量数据训练,同时训练出来之后,只能根据评估测试集的精度来确定性能,如果某部分不能给出符合要求的结果,只能调整模型,或者尽可能补充相关数据标注,进行重新的训练和测试,时间周期长。
基于相同的发明构思,本发明实施例提供一种人机对话交互系统。如图4所示,该系统可以包括:一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104,上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序,所述计算机程序包括程序指令,所述处理器101被配置用于调用所述程序指令执行上述人机对话交互方法实施例部分的方法。
应当理解,在本发明实施例中,所称处理器101可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等,输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器,并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如,存储器104还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的人机对话交互方法的实施例中所描述的实现方式,在此不再赘述。
需要说明的是,关于人机对话交互系统的具体工作流程,可参考前述方法实施例部分,在此不再赘述。
进一步地,本发明实施例还提供了一种可读存储介质,存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:上述人机对话交互方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元,例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备,例如所述系统上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明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,也可以是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。
所述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,本发明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,包括若干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)执行本发明各个实施例所述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(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种人机对话交互方法,其特征在于,包括:
获取用户的文字输入;
对所述文字输入进行意图分析,判断所述用户的聊天意图,所述聊天意图包括闲聊意图和非闲聊意图中的一种;
若所述聊天意图为闲聊意图,调用预设的闲聊查询模块根据所述文字输入进行查询处理,获取第一回复文本;
若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本。
2.如权利要求1所述的一种人机对话交互方法,其特征在于,所述对所述文字输入进行意图分析,判断所述用户的聊天意图,包括:
创建语义槽,所述语义槽包括故障实体、处理请求以及处理属性三个槽位;
对所述文字输入进行语义提取,若从所述文字输入中不能提取到属于所述语义槽中任何一个槽位的关键词,或者,从所述文字输入中只提取到一个属于处理请求的关键词,则判定所述文字输入的意图为闲聊意图;
否则,判定所述文字输入的意图为非闲聊意图。
3.如权利要求2所述的一种人机对话交互方法,其特征在于,所述非闲聊意图包括强处理意图、处理意图、询问意图、轮询意图以及未知意图;其中,
若从所述文字输入中提取到一个属于故障实体的关键词、一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为强处理意图;
若从所述文字输入中提取到一个属于处理请求的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为处理意图;
若从所述文字输入中提取到一个属于故障实体的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理请求的关键词,或者,提取到一个属于故障实体的关键词和一个属于处理属性的关键词,判定所述文字输入的意图为询问意图;
若从所述文字输入中只提取到一个属于处理属性的关键词,判定所述文字输入的意图为轮询意图;
若从所述文字输入中提取到多个属于故障实体的关键词,和/或,多个属于处理属性的关键词,判定所述文字输入的意图为未知意图。
4.如权利要求3所述的一种人机对话交互方法,其特征在于,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为强处理意图,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
5.如权利要求3所述的一种人机对话交互方法,其特征在于,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为处理意图,判断语义槽中的故障实体是否存在;
若是,将所述关键词更新到所述语义槽对应的槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果;
若否,清空语义槽,向用户发起询问重新获取属于语义槽对应槽位的关键词,并将关键词重新填充到对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;若查询失败,进行模糊查询,返回模糊查询结果。
6.如权利要求3所述的一种人机对话交互方法,其特征在于,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为询问意图,清空语义槽中的处理请求B和/或处理属性C,将所述关键词更新到所述语义槽对应的槽位中,向用户发起询问以获取属于处理请求的关键词和/或属于处理属性的关键词;
将获取的关键词重新填充到语义槽对应槽位中;
根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
7.如权利要求3所述的一种人机对话交互方法,其特征在于,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为轮询意图,将所述关键词更新到所述语义槽对应的槽位中,判断当前语义槽各个槽位是否填充完成;
若是,根据当前语义槽中的信息发起知识库查询;
若查询成功,返回知识库查询结果;
若查询失败,进行模糊查询,返回模糊查询结果。
8.如权利要求3所述的一种人机对话交互方法,其特征在于,若所述聊天意图为非闲聊意图,调用预设的检索查询模块根据所述文字输入进行查询处理,获取第二回复文本,包括:
若所述聊天意图为未知意图,根据所述文字输入进行模糊查询,返回模糊查询结果。
9.一种人机对话交互系统,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-8任一项所述的方法。
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程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123540.8A CN116186219A (zh) | 2023-02-16 | 2023-02-16 | 一种人机对话交互方法方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123540.8A CN116186219A (zh) | 2023-02-16 | 2023-02-16 | 一种人机对话交互方法方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116186219A true CN116186219A (zh) | 2023-05-30 |
Family
ID=86441903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310123540.8A Pending CN116186219A (zh) | 2023-02-16 | 2023-02-16 | 一种人机对话交互方法方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116186219A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117059074A (zh) * | 2023-10-08 | 2023-11-14 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
-
2023
- 2023-02-16 CN CN202310123540.8A patent/CN116186219A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117059074A (zh) * | 2023-10-08 | 2023-11-14 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
CN117059074B (zh) * | 2023-10-08 | 2024-01-19 | 四川蜀天信息技术有限公司 | 一种基于意图识别的语音交互方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110062B (zh) | 机器智能问答方法、装置与电子设备 | |
CN112100354B (zh) | 人机对话方法、装置、设备及存储介质 | |
CN111062217B (zh) | 语言信息的处理方法、装置、存储介质及电子设备 | |
CN110990555B (zh) | 端到端检索式对话方法与系统及计算机设备 | |
CN110678882B (zh) | 使用机器学习从电子文档选择回答跨距的方法及系统 | |
CN116860949B (zh) | 问答处理方法、装置、系统、计算设备及计算机存储介质 | |
CN113239169A (zh) | 基于人工智能的回答生成方法、装置、设备及存储介质 | |
CN113408284A (zh) | 文本处理模型的训练方法、装置、电子设备及存储介质 | |
CN113761868B (zh) | 文本处理方法、装置、电子设备及可读存储介质 | |
US20220165257A1 (en) | Neural sentence generator for virtual assistants | |
CN111274822A (zh) | 语义匹配方法、装置、设备及存储介质 | |
CN116483979A (zh) | 基于人工智能的对话模型训练方法、装置、设备及介质 | |
CN115438149A (zh) | 一种端到端模型训练方法、装置、计算机设备及存储介质 | |
CN116304748A (zh) | 一种文本相似度计算方法、系统、设备及介质 | |
CN113326702A (zh) | 语义识别方法、装置、电子设备及存储介质 | |
CN116186219A (zh) | 一种人机对话交互方法方法、系统及存储介质 | |
CN114020886A (zh) | 语音意图识别方法、装置、设备及存储介质 | |
CN110895924B (zh) | 一种文档内容朗读方法、装置、电子设备及可读存储介质 | |
CN116186220A (zh) | 信息检索方法、问答处理方法、信息检索装置及系统 | |
CN115062136A (zh) | 基于图神经网络的事件消歧方法及其相关设备 | |
CN112905752A (zh) | 一种智能交互方法、装置、设备以及存储介质 | |
CN113705207A (zh) | 语法错误识别方法及装置 | |
CN112989001A (zh) | 一种问答处理方法、装置、介质及电子设备 | |
CN117473961B (zh) | 一种基于大语言模型的市场文案生成方法及系统 | |
CN116775848B (zh) | 生成对话信息的控制方法、装置、计算设备及存储介质 |
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 |