CN116450799B - 一种应用于交通管理服务的智能对话方法及设备 - Google Patents
一种应用于交通管理服务的智能对话方法及设备 Download PDFInfo
- Publication number
- CN116450799B CN116450799B CN202310713894.8A CN202310713894A CN116450799B CN 116450799 B CN116450799 B CN 116450799B CN 202310713894 A CN202310713894 A CN 202310713894A CN 116450799 B CN116450799 B CN 116450799B
- Authority
- CN
- China
- Prior art keywords
- service
- text
- user
- dialogue
- intention
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 30
- 238000004458 analytical method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public 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
Abstract
本说明书实施例公开了一种应用于交通管理服务的智能对话方法及设备,涉及人工智能技术领域,方法包括:获取用户输入的请求内容;对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景;采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;基于所述对话回应文本和所述服务内容,向所述用户输出回应内容。解决了现有交通警务管理方式无法及时有效地处理交通事件的技术问题。
Description
技术领域
本说明书涉及人工智能的技术领域,尤其涉及一种应用于交通管理服务的智能对话方法及设备。
背景技术
交通安全是保障人民生命财产安全和社会稳定的重要方面。交通警察作为道路交通管理的重要力量,承担着维护道路交通秩序、保障道路交通安全的重要使命。然而,随着城市化进程的加速,车辆数量不断增加,道路交通管控难度也不断加大,传统的交通警务管理已经难以满足社会需求。比如,当发生交通事故时,交通警察无法及时赶赴现场处理,交通参与者(司机、路人等)在遇到交通问题时,无法及时了解处理方法,会错过最佳处理时机。再比如,司机如果想要查询车辆的违规记录、年检情况等信息,需要去当地警局进行查询,费时费力,非常不方便。
发明内容
本说明书一个或多个实施例提供了一种应用于交通管理服务的智能对话方法及设备,用于解决如下技术问题:现有的交通警务管理方式无法及时有效地处理交通事件。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种应用于交通管理服务的智能对话方法,所述方法包括:
获取用户输入的请求内容;
对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景;
采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;
基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;
基于所述对话回应文本和所述服务内容,向所述用户输出回应内容。
进一步地,所述获取用户输入的请求内容,具体可以包括:
基于用户的语音输入操作,获取用户输入的语音请求内容,并采用预设语音识别模型,获取所述语音请求内容对应的文本请求内容;
或者,
基于用户的文字输入操作,获取用户输入的文本请求内容。
进一步地,所述对所述请求内容进行意图识别,确定用户意图,具体包括:
对所述文本请求内容进行特征提取,得到所述文本请求内容对应的文本向量;
所述文本向量对所述文本请求内容进行意图分类,计算所述文本向量的意图类别;
据所述意图类别确定所述文本请求内容对应的用户意图。
进一步地,所述对所述请求内容进行意图识别,确定所述用户意图对应的当前服务场景,具体包括:
对所述文本请求内容进行分词处理,得当多个文本词单元;
将各所述文本词单元分别在预设服务场景对应的关键词库中进行匹配,得到与所述文本词单元匹配的意图关键词;
基于所述用户意图和所述意图关键词,确定当前服务场景。
进一步地,采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本,具体包括:
根据所述用户意图和所述意图关键词,确定所述用户意图对应的指令触发关键词组,所述指令触发关键词组包括多个用于触发服务技能指令的关键词;
若所述意图关键词与所述指令触发关键词组中的部分关键词匹配,则采用所述对话生成模型基于所述指令触发关键词组中未匹配的关键词生成问询对话文本,并获取所述用户基于所述问询对话文本回复的回复内容。
进一步地,所述基于所述用户意图确定当前服务场景下的服务技能指令,具体包括:
对所述回复内容重复执行上述步骤,直至所述意图关键词与所述指令触发关键词组完全匹配;
获取所述指令触发关键词组对应的服务技能指令,并触发执行所述服务技能指令。
进一步地,所述基于所述服务技能指令获取服务内容,具体包括:
当所述当前服务场景为查询服务场景时,触发查询服务技能指令,所述查询服务技能指令携带查询关键词,所述查询关键词来自于所述意图关键词;
基于所述查询关键词从预设交通数据库中获取目标查询内容;
或者,
当所述当前服务场景为业务办理场景时,触发业务办理指令,所述业务办理指令携带业务关键信息,所述业务关键信息来自于所述意图关键词;
基于所述业务关键信息办理用户请求的业务;
或者,
当所述当前服务场景为查询服务场景时,触发事故处理指令,所述事故处理指令携带所述事故关键信息;
基于所述事故关键信息向交通管理人员发送处理请求。
进一步地,所述基于所述对话回应文本和所述服务内容,向所述用户输出回应内容,具体包括:
采用所述对话生成模型根据所述服务内容生成服务回应文本,并向所述用户输出所述服务回应文本作为所述回应内容;
或者,
向所述用户输出所述问询对话文本作为所述回应内容。
进一步地,还包括:
采用预设语音合成模型,将所述服务回应文本和所述问询对话文本转化为语音回应内容,向所述用户输出语音回应内容。
本说明书一个或多个实施例提供一种应用于交通管理服务的智能对话设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取用户输入的请求内容;对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景;采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;基于所述对话回应文本和所述服务内容,向所述用户输出回应内容。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:通过上述技术方案,通过对用户输入的请求内容进行意图识别,并采用对话生成模型生成对话回应内容,并执行服务技能指令,从而实现及时、有效、自动地处理交通事件,提高了交通事件处理效率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种应用于交通管理服务的智能对话方法的流程示意图;
图2为本说明书实施例提供的一种应用于交通管理服务的智能对话设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
本发明技术方案提供了一种新型的交通警务管理技术来解决传统警务管理的局限性。主要提供了一种智能对话的交警对话机器人。该机器人可以自主学习交通管理相关知识和技能,与交通参与者(即用户)进行对话,提供道路交通管理相关信息,帮助交通警察开展交通管理工作。
本说明书实施例提供一种应用于交通管理服务的智能对话方法,需要说明的是,本说明书实施例中的执行主体可以是服务器,也可以是任意一种具备数据处理能力的设备。图1为本说明书实施例提供的一种应用于交通管理服务的智能对话方法的流程示意图,需要说明的是,本说明书实施例提供的方法基于人工智能的语音识别技术和自然语言处理技术。
如图1所示,方法主要包括如下步骤:
步骤S101,获取用户输入的请求内容。
其中,请求内容指的是用户输入的,包括语音请求内容、文本请求内容和快捷方式请求内容。
在一个实施例中,用户可以通过拨打语音电话的方式,输入语音请求内容,在拨打语音电话时,通过即时通讯服务器实现语音媒体信息流的传输。
在另一个实施例中,用户还可以通过在线聊天的方式,在聊天对话框内输入语音请求内容,或者文本请求内容,或者通过触发快捷按钮的方式获取快捷方式请求内容。
在一个实施例中,还可以根据用户触发的快捷按钮或者快捷语音,获取快捷方式请求内容。在一个实施例中,开发人员可以预先设置不同的快捷按钮对应不同的功能,比如,在电话接通后,用户再按下“1”、“2”、“3”分别对应事故处置、路况查询、路线规划、违章查询、交通法规咨询、其它交通管理服务等不同的功能。
当获取到语音请求内容之后,可以采用预设的语音识别模型,将所述语音请求内容转化为文本请求内容,在一个实施例中,声学模型、解码器、语言模型,语音识别模型的识别过程,具体可以包括如下步骤:
对所述语音请求内容进行划分,得到语音片段序列;
对所述语音片段序列进行特征提取,得到所述语音片段序列对应的语音特征信息序列,
对所述语音特征信息序列和预设字典进行比较与匹配,得到所述语音特征序列对应的文本单词序列;
将所述文本单词序列作为所述语音请求内容对应的文本请求内容。
其中,声音分帧的步骤也就是把声音切开成一小段一小段,每小段称为一帧,使用移动窗函数来实现,不是简单的切开,各帧之间一般是有交叠的;特征提取的步骤涉及到主要算法有线性预测倒谱系数(LPCC)和Mel倒谱系数(MFCC),目的是把每一帧波形变成一个包含声音信息的多维向量;而获取多维向量对应的文本单词涉及到,声学模型、语言模型和解码。其中,声学模型通过对语音数据进行训练获得,输入是特征向量,输出为音素信息,预设字典包含了从文本单词(words)到语音片段(phones)之间的映射。语言模型(LM):通过对大量文本请求内容进行训练,得到单个字或者词相互关联的概率;解码:就是通过声学模型,字典,语言模型对提取特征后的音频数据进行文字输出。
步骤S102,对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景。
意图识别本质上是文本分类问题,通过分类的方法将句子或者问题分到相应的意图种类。目前主流的文本分类模型可以分为卷积神经网络(Convolutional NeuralNetworks,简称CNN)、循环神经网络(Recurrent Neural Network,简称RNN)和变压器双向编码器表示算法模型(Bidirectional Encoder Representation from Transformers,简称Bert)三类,三者可以结合起来,同时由于短本文中关键词对分类结果作用明显,添加注意力机制也是常用的技巧。
此过程涉及到自然语言理解的技术,主要包括词法分析、句法分析和语义分析几个步骤。词法分析包括分词技术和词性标注,分词技术是将输入的字符串切分为单独的词语,中文分词因其没有自然分隔符,因此难于英文分词(英文用空格分开),目前中文分词技术有5种:基于词典的分词方法,基于统计的分词方法,基于规则的分词方法,基于字标注的分词方法,基于人工智能技术(基于理解)的分词方法。词性标注给每个词赋予特定的类别,有助于语言理解,有基于规则的方法和基于统计模型的方法。句法分析是对输入的文本句子进行分析以得到句子句法结构,句法分析包括依存句法分析、短语结构句法分析、深层文法句法分析。语义分析指应用各种机器人学习方法,让机器学习与理解一段文本所表示的语义内容,最终目的是理解句子表达的真实含义。
在任务型对话中,自然语言理解(NLU),可以把用户话语解析为预定义的语义槽。
在本发明的技术方案中,包括事故处理、业务办理、查询服务三大类等服务场景。每种服务场景包括多种服务技能,比如,路况查询场景包括拥堵清情况查询、交通管制情况查询、路线规划等技能。为了实现这些技能,预先设置对应的服务技能指令,并为每种服务技能指令设置对应的指令触发关键词组,当满足指令触发关键词组时,可以触发服务技能指令,本发明技术方案中的指令触发关键词组相当于自然语言理解中预定义的语义槽。
在一个实施例中,服务场景还可以分为以下几类,每种服务场景还可以包括多种技能,比如:
事故处置:当交通事故发生时,机器人可以与事故当事人进行对话,了解事故具体情况,并提供相应的处置建议,如报警、设立警示标志等。
路况查询:机器人可以通过对话了解用户查询的路况情况,如拥堵程度、交通管制等,提供相应的路况信息。
路线规划:机器人可以根据用户提供的起点和终点,生成最佳的路线规划方案,并提供相应的导航指引。
违章查询:机器人可以通过对话查询车辆违章信息,并提供相应的处置建议。
交通法规咨询:机器人可以提供有关交通法规的咨询服务,如驾驶证办理、交通规则解释等。
其它交通管理服务:机器人可以提供各类交通管理服务,如车辆登记、驾驶证办理等。
通过以上功能,交警对话机器人可以提供全方位的交通管理服务,帮助交警开展交通管理工作,并为广大交通参与者提供便捷的交通服务。
在一个实施例中,所述对所述请求内容进行意图识别,确定用户意图,具体可以包括如下步骤:
对所述文本请求内容进行特征提取,得到所述文本请求内容对应的文本向量;
所述文本向量对所述文本请求内容进行意图分类,计算所述文本向量的意图类别;
据所述意图类别确定所述文本请求内容对应的用户意图。
在一个实施例中,所述对所述请求内容进行意图识别,确定所述用户意图对应的当前服务场景,具体包括如下步骤:
对所述文本请求内容进行分词处理,得当多个文本词单元;
将各所述文本词单元分别在预设服务场景对应的关键词库中进行匹配,得到与所述文本词单元匹配的意图关键词;
基于所述用户意图和所述意图关键词,确定当前服务场景。
步骤S103,采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本。
在任务型对话中的自然语言生成(NLG)就是在NLU(服务场景分类和意图识别、槽填充)、对话状态追踪(DST)、对话策略学习(DPL)的基础上,根据学习到的策略来生成对话回复,一般回复包括澄清需求、引导用户、询问、确认、对话结束语等。
对话生成模型的建立包括如下步骤:
交警对话机器人的学习过程可以分为以下几个步骤:
数据收集:机器人需要从多个渠道收集交通管理相关的数据,包括交通规则、道路交通事故案例、交通指挥经验等。
这些数据可以来自于交通部门的公开数据、交通警察的实际工作经验,以及交通参与者的反馈意见等。
数据预处理:机器人需要对收集到的数据进行预处理,包括数据清洗、去重、格式转换等操作,以确保数据的质量和一致性。
模型训练:机器人需要使用基于生成式人工智能的自然语言处理模型,如GPT-3,进行模型训练。在训练过程中,机器人会根据收集到的数据,自主学习交通管理相关的知识和技能,生成相应的语言模型和对话策略。
模型优化:机器人在训练过程中需要进行模型优化,包括调整模型参数、增加训练数据等操作,以提高机器人的生成准确度和可靠性。
系统集成:机器人需要与交通管理系统进行集成,以实现智能化交互和决策。在集成过程中,需要进行系统测试和优化,确保机器人的稳定性和性能。
通过以上步骤,交警对话机器人可以逐步提升自身的智能水平,为交通管理提供更加高效、精准、智能化的服务。
在一个实施中,采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本,具体包括:
根据所述用户意图和所述意图关键词,确定所述用户意图对应的指令触发关键词组,所述指令触发关键词组包括多个用于触发服务技能指令的关键词;
若所述意图关键词与所述指令触发关键词组中的部分关键词匹配,则采用所述对话生成模型基于所述指令触发关键词组中未匹配的关键词生成问询对话文本,并获取所述用户基于所述问询对话文本回复的回复内容;
对所述回复内容重复执行上述步骤,直至所述意图关键词与所述指令触发关键词组完全匹配。
在一个实施例中,还可以通过对回复内容的分析,对生成对话模型进行优化,包括如下步骤:
对所述回复内容进行语义分析,得到情感信息;
对所述回复内容进行意图识别,得到意图关键词,并计算所述意图关键词与所述未匹配的关键词之间的匹配程度;
基于所述情感信息和所述匹配程度优化所述对对话生成模型。
步骤S104,基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容。
当所述意图关键词与所述指令触发关键词组完全匹配时,获取所述指令触发关键词组对应的服务技能指令,并触发执行所述服务技能指令。
在一个实施例中,基于所述服务技能指令获取服务内容,具体包括如下步骤:
当所述当前服务场景为查询服务场景时,触发查询服务技能指令,所述查询服务技能指令携带查询关键词,所述查询关键词来自于所述意图关键词;
基于所述查询关键词从预设交通数据库中获取目标查询内容;
或者,
当所述当前服务场景为业务办理场景时,触发业务办理指令,所述业务办理指令携带业务关键信息,所述业务关键信息来自于所述意图关键词;
基于所述业务关键信息办理用户请求的业务;
或者,
当所述当前服务场景为查询服务场景时,触发事故处理指令,所述事故处理指令携带所述事故关键信息;
基于所述事故关键信息向交通管理人员发送处理请求。
步骤S105,基于所述对话回应文本和所述服务内容,向所述用户输出回应内容。
在一个实施例中,具体包括以下情况:
采用所述对话生成模型根据所述服务内容生成服务回应文本,并向所述用户输出所述服务回应文本作为所述回应内容;
或者,
向所述用户输出所述问询对话文本作为所述回应内容。
在本发明的技术方案中,可以向用户输出语音回应内容,当然可以可以向用户输出文本回应内容。具体可以采用预设语音合成模型,将所述服务回应文本和所述问询对话文本转化为语音回应内容,向所述用户输出语音回应内容。
本说明书实施例还提供一种应用于交通管理服务的智能对话设备,如图2所示,设备包括: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指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取用户输入的请求内容;对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景;采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;基于所述对话回应文本和所述服务内容,向所述用户输出回应内容。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (8)
1.一种应用于交通管理服务的智能对话方法,其特征在于,所述方法包括:
获取用户输入的请求内容;
对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景,其中当前步骤包括对所述请求内容进行分词处理,得到多个文本词单元;将各所述文本词单元分别在预设服务场景对应的关键词库中进行匹配,得到与所述文本词单元匹配的意图关键词;基于所述用户意图和所述意图关键词,确定当前服务场景;
采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;
基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;
基于所述对话回应文本和所述服务内容,向所述用户输出回应内容;
其中,采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本,包括:
根据所述用户意图和所述意图关键词,确定所述用户意图对应的指令触发关键词组,所述指令触发关键词组包括多个用于触发服务技能指令的关键词;
若所述意图关键词与所述指令触发关键词组中的部分关键词匹配,则采用所述对话生成模型基于所述指令触发关键词组中未匹配的关键词生成问询对话文本,并获取所述用户基于所述问询对话文本回复的回复内容。
2.根据权利要求1所述的一种应用于交通管理服务的智能对话方法,其特征在于,所述获取用户输入的请求内容,具体包括:
基于用户的语音输入操作,获取用户输入的语音请求内容,并采用预设语音识别模型,获取所述语音请求内容对应的文本请求内容;
或者,
基于用户的文字输入操作,获取用户输入的文本请求内容。
3.根据权利要求2所述的一种应用于交通管理服务的智能对话方法,其特征在于,所述对所述请求内容进行意图识别,确定用户意图,具体包括:
对所述文本请求内容进行特征提取,得到所述文本请求内容对应的文本向量;
所述文本向量对所述文本请求内容进行意图分类,计算所述文本向量的意图类别;
根据所述意图类别确定所述文本请求内容对应的用户意图。
4.根据权利要求3所述的一种应用于交通管理服务的智能对话方法,其特征在于,所述基于所述用户意图确定当前服务场景下的服务技能指令,具体包括:
对所述回复内容重复执行如权利要求1所述的采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本的步骤,直至所述意图关键词与所述指令触发关键词组完全匹配;
获取所述指令触发关键词组对应的服务技能指令,并触发执行所述服务技能指令。
5.根据权利要求4所述的一种应用于交通管理服务的智能对话方法,其特征在于,所述基于所述服务技能指令获取服务内容,具体包括:
当所述当前服务场景为查询服务场景时,触发查询服务技能指令,所述查询服务技能指令携带查询关键词,所述查询关键词来自于所述意图关键词;
基于所述查询关键词从预设交通数据库中获取目标查询内容;
或者,
当所述当前服务场景为业务办理场景时,触发业务办理指令,所述业务办理指令携带业务关键信息,所述业务关键信息来自于所述意图关键词;
基于所述业务关键信息办理用户请求的业务;
或者,
当所述当前服务场景为查询服务场景时,触发事故处理指令,所述事故处理指令携带事故关键信息;
基于所述事故关键信息向交通管理人员发送处理请求。
6.根据权利要求4所述的一种应用于交通管理服务的智能对话方法,其特征在于,所述基于所述对话回应文本和所述服务内容,向所述用户输出回应内容,具体包括:
采用所述对话生成模型根据所述服务内容生成服务回应文本,并向所述用户输出所述服务回应文本作为所述回应内容;
或者,
向所述用户输出所述问询对话文本作为所述回应内容。
7.根据权利要求6所述的一种应用于交通管理服务的智能对话方法,其特征在于,还包括:
采用预设语音合成模型,将所述服务回应文本和所述问询对话文本转化为语音回应内容,向所述用户输出语音回应内容。
8.一种应用于交通管理服务的智能对话设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取用户输入的请求内容;
对所述请求内容进行意图识别,确定用户意图和所述用户意图对应的当前服务场景,其中当前步骤包括对所述请求内容进行分词处理,得到多个文本词单元;将各所述文本词单元分别在预设服务场景对应的关键词库中进行匹配,得到与所述文本词单元匹配的意图关键词;基于所述用户意图和所述意图关键词,确定当前服务场景;
采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本;
基于所述用户意图确定当前服务场景下的服务技能指令,并基于所述服务技能指令获取服务内容;
基于所述对话回应文本和所述服务内容,向所述用户输出回应内容;
其中,采用根据当前服务场景语料预先训练得到的对话生成模型,生成对话回应文本,包括:
根据所述用户意图和所述意图关键词,确定所述用户意图对应的指令触发关键词组,所述指令触发关键词组包括多个用于触发服务技能指令的关键词;
若所述意图关键词与所述指令触发关键词组中的部分关键词匹配,则采用所述对话生成模型基于所述指令触发关键词组中未匹配的关键词生成问询对话文本,并获取所述用户基于所述问询对话文本回复的回复内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310713894.8A CN116450799B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于交通管理服务的智能对话方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310713894.8A CN116450799B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于交通管理服务的智能对话方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116450799A CN116450799A (zh) | 2023-07-18 |
CN116450799B true CN116450799B (zh) | 2023-09-12 |
Family
ID=87134186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310713894.8A Active CN116450799B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于交通管理服务的智能对话方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450799B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117149983B (zh) * | 2023-10-30 | 2024-02-27 | 山东高速信息集团有限公司 | 基于高速公路业务智能对话的方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710336A (zh) * | 2020-06-05 | 2020-09-25 | 平安科技(深圳)有限公司 | 语音的意图识别方法、装置、计算机设备及存储介质 |
CN111914565A (zh) * | 2020-07-15 | 2020-11-10 | 海信视像科技股份有限公司 | 电子设备及用户语句的处理方法 |
CN113674472A (zh) * | 2021-07-13 | 2021-11-19 | 深圳市神州云海智能科技有限公司 | 基于深度学习的彩票服务方法及装置、彩票智能服务终端 |
-
2023
- 2023-06-16 CN CN202310713894.8A patent/CN116450799B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710336A (zh) * | 2020-06-05 | 2020-09-25 | 平安科技(深圳)有限公司 | 语音的意图识别方法、装置、计算机设备及存储介质 |
WO2021135548A1 (zh) * | 2020-06-05 | 2021-07-08 | 平安科技(深圳)有限公司 | 语音的意图识别方法、装置、计算机设备及存储介质 |
CN111914565A (zh) * | 2020-07-15 | 2020-11-10 | 海信视像科技股份有限公司 | 电子设备及用户语句的处理方法 |
CN113674472A (zh) * | 2021-07-13 | 2021-11-19 | 深圳市神州云海智能科技有限公司 | 基于深度学习的彩票服务方法及装置、彩票智能服务终端 |
Non-Patent Citations (1)
Title |
---|
人工智能技术在信息服务中的应用;赵西林;王占峰;马维峰;;电子技术与软件工程(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116450799A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022057712A1 (zh) | 电子设备及其语义解析方法、介质和人机对话系统 | |
KR101322486B1 (ko) | 범용 대화서비스 장치 및 그 방법 | |
US20030191625A1 (en) | Method and system for creating a named entity language model | |
CN110717018A (zh) | 一种基于知识图谱的工业设备故障维修问答系统 | |
CN114116994A (zh) | 一种迎宾机器人对话方法 | |
JP2005084681A (ja) | 意味的言語モデル化および信頼性測定のための方法およびシステム | |
WO2021147041A1 (zh) | 语义分析方法、装置、设备及存储介质 | |
CA2481080C (en) | Method and system for detecting and extracting named entities from spontaneous communications | |
CN116450799B (zh) | 一种应用于交通管理服务的智能对话方法及设备 | |
Thomson et al. | Bayesian dialogue system for the Let's Go spoken dialogue challenge | |
CN114220461A (zh) | 客服话术的引导方法、装置、设备及存储介质 | |
US11615787B2 (en) | Dialogue system and method of controlling the same | |
CN108538292A (zh) | 一种语音识别方法、装置、设备及可读存储介质 | |
CN117149977A (zh) | 一种基于机器人流程自动化的智能催收机器人 | |
CN210516214U (zh) | 一种基于视频及语音交互服务设备 | |
CN112506405B (zh) | 一种基于互联网监管领域的人工智能语音大屏指挥方法 | |
López-Cózar et al. | Combining language models in the input interface of a spoken dialogue system | |
CN115376547A (zh) | 发音评测方法、装置、计算机设备和存储介质 | |
CN112150103B (zh) | 一种日程设置方法、装置和存储介质 | |
CN110110048B (zh) | 问询指引方法及装置 | |
CN114220425A (zh) | 基于语音识别和Rasa框架的聊天机器人系统及对话方法 | |
Šoić et al. | Spoken notifications in smart environments using Croatian language | |
Jiang et al. | Audio public opinion analysis model based on heterogeneous neural network | |
CN113158052B (zh) | 聊天内容推荐方法、装置、计算机设备及存储介质 | |
CN116386637B (zh) | 雷达飞行指挥语音指令生成方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |