CN116501846A - 开放式对话方法、装置、电子设备及介质 - Google Patents
开放式对话方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116501846A CN116501846A CN202310467331.5A CN202310467331A CN116501846A CN 116501846 A CN116501846 A CN 116501846A CN 202310467331 A CN202310467331 A CN 202310467331A CN 116501846 A CN116501846 A CN 116501846A
- Authority
- CN
- China
- Prior art keywords
- dialogue
- text
- question
- question text
- 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 64
- 230000029087 digestion Effects 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000036071 Rhinorrhea Diseases 0.000 description 2
- 206010039101 Rhinorrhoea Diseases 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及自然语言领域,揭露一种开放式对话方法,包括:从对话数据中抽取对话实体,根据对话实体构建提问文本;判断提问文本是否为第一类问题;若提问文本为第一类问题,则基于数据库生成提问文本的回复文本;若提问文本不为第一类问题,则判断提问文本是否为第二类问题;若提问文本为第二类问题,则从智能客服系统中获取提问文本对应的用户信息,并将用户信息推送至工作人员;若提问文本不为第二类问题,则获取提问文本的指代关系,并进行指代消解,得到消解提问文本;基于预设的自然语言生成方法生成消解提问文本的对话答复,并将对话答复进行筛查后发送至用户。本发明可以提高智能对话的准确度。
Description
技术领域
本发明涉及自然语言技术领域,尤其涉及一种开放式对话方法、装置、电子设备及计算机可读存储介质。
背景技术
对话系统常常应用于网络社交和个人助手应用场景中,现有的对话系统中的对话内容一般只是任务式对话,如定闹钟提醒,查询天气等,无法进行需求更高的开放式对话。例如,医疗领域中,进行对话时,常常是基于一套模板化的症状自诊工具,系统提示患者选择主要的患病症状,并根据主要症状调取对应的问诊模板进行问诊,而所谓的问诊也是一些封闭性质的选择题,不具备和患者进行正常交流沟通的能力,也无法对患者在模板之外的对话进行回应。即,现有技术中对话系统无法进行有效的开放式对话。
发明内容
本发明提供一种开放式对话方法、装置、电子设备及计算机可读存储介质,其主要目的在于实现有效的开放式对话,提高智能对话的准确度。
为实现上述目的,本发明提供的一种开放式对话方法,包括:
获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
判断所述提问文本是否为第一类问题;
若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本;
若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员;
若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
可选地,所述从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本,包括:
根据所述对话数据构建实体列表,并根据所述对话实体构建提问文本;
获取所述用户的身份标识,根据所述身份标识在所述智能客服系统中查询是否存在所述用户的历史数据;
若所述智能客服系统中存在所述用户的历史数据,则查询所述历史数据中是否存在所述对话实体对应的问答数据,若存在,则根据所述问答数据构建提问文本;
若所述智能客服系统中不存在所述用户的历史数据,则从所述智能客服系统中获取所述对话实体对应的对话实体问答,并根据所述对话实体问答构建提问文本。
可选地,所述根据所述对话数据构建实体列表,并根据所述对话实体构建提问文本,包括:
根据所述对话数据中的实体构建第一实体列表;
获取所述对话数据的上文对话语料以及所述上文对话语料对应的历史话题路径;
根据所述上文对话语料以及所述上文对话语料对应的历史话题路径构建第二实体列表;
将存在于所述第一实体列表且不存在于所述第二实体列表中的话题实体作为新增话题实体;
将所述新增话题实体作为所述对话数据中抽取的所述对话实体。
可选地,所述从所述对话数据中抽取对话实体之前,所述方法还包括:
从所述智能客服系统中获取对话记录;
将所述对话记录文本化,得到对话文本,并将所述对话文本进行切分得到对话切分单元;
通过预设的文本表示模型将所述对话切分单元转化为对话单元矩阵;
基于所述对话单元矩阵,通过序列标注方法计算所述对话记录的对话意图;
判断所述对话意图和预设目标对话意图是否相同;
若所述对话意图和所述目标对话意图相同,则将所述对话记录数据化,得到对话数据;
若所述对话意图和所述目标对话意图不同,则将所述对话记录舍弃,并重新获取对话记录。
可选地,所述基于所述数据库生成所述提问文本的回复文本,包括:
从所述数据库中获取所述提问文本的上轮系统回复语言和上轮对话状态表示;
对所述提问文本进行分词处理,得到多个提问分词;
根据所述提问分词和所述上轮对话状态表示,得到指示一个对话领域的当前对话状态表示;
基于所述当前对话状态表示,从所述数据库的历史信息中查询符合要求的实体,得到所述提问文本对应的回复信息表示;
基于所述提问文本、所述当前对话状态和所述回复信息表示,得到涵盖所述提问文本语言相关的所有领域的回复文本。
可选地,所述获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本,包括:
从所述数据库中获取历史对话文本集,并根据所述历史对话文本集中的数据进行样本构建及多标签标记,得到第一训练样本集;
对所述第一训练样本集中的训练样本进行近义词替换及指代词替换,得到第二训练样本集;
利用所述第二训练样本集对预构建的深度学习模型进行训练,得到分类标识模型;
当接收所述提问文本时,通过所述分类识别模型对所述提问文本进行上下文关联分析,得到分析结果;
根据所述分析结果对所述提问文本进行分类指代消解,得到消解提问文本。
可选地,所述基于预设的自然语言生成方法生成所述消解提问文本的对话答复,包括:
通过所述自然语言生成方法中的编码器对所述消解提问文本的文本编码;
利用所述自然语言生成方法中的译码器解码所述文本编码,得到所述文本编码的预测文本序列,并通过所述预测文本序列得到所述消解提问文本的对话答复。
为了解决上述问题,本发明还提供一种开放式对话装置,所述装置包括:
提问文本构建模块,用于获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
第一类问题筛选模块,用于判断所述提问文本是否为第一类问题,若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本,若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
第二类问题筛选模块,用于若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员,若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
对话答复生成模块,用于基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
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能够执行如上所述的开放式对话方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如上所述的开放式对话方法。
本发明实施例中,首先获取智能客服系统中存储的用户的对话数据,并从对话数据中抽取对话实体,用以构建提问文本,之后对提问文本进行分类判断,在提问文本属于第一类问题时,根据智能客服系统的数据生成提问文本的回复文本,在提问文本属于第二类问题时,从智能客服系统中获取提问文本对应的用户信息,并将该用户信息推送至工作人员,在提问文本既不属于第一类问题又不属于第二类问题时,获取提问文本的指代关系进行指代消解,得到消解提问文本,最后根据预设的自然语言生成方法生成消解提问文本的对话答复,并将对话答复进行筛查后发送至用户。因此,本发明实施例根据用户在智能客服系统的对话数据中不同的对话内容进行不同的处理,不仅仅采用一个统一的模板生成对话的回复文本,以实现有效的开放式对话,提高智能对话准确度的目的。
附图说明
图1为本发明一实施例提供的一种开放式对话方法的流程示意图;
图2为本发明一实施例提供一种开放式对话方法中一个步骤的详细流程示意图;
图3为本发明一实施例提供一种开放式对话方法中一个步骤的详细流程示意图;
图4为本发明一实施例提供的开放式对话装置的模块示意图;
图5为本发明一实施例提供的实现开放式对话方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种开放式对话方法。所述开放式对话方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。其中,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和自然语言平台等基础云计算服务的云服务器。换言之,所述开放式对话方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的一种开放式对话方法的流程示意图。在本实施例中,所述开放式对话方法包括:
S1、获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本。
本发明实施例中,所述智能客服系统为在大规模知识处理基础上发展起来的一项面向行业应用的系统,适用大规模知识处理、自然语言理解、知识管理、自动问答系统等技术行业,可以为用户和工作人员之间的沟通建立一种基于自然语言的快捷有效的技术手段。
进一步地,所述对话实体为对话语言理解中,从语言中提取的相关信息片段,一般可以理解为一句对话中存在的名词。具体的,对话实体为构建提问文本有益的实体,可以通过将对话逐级比对的方式获取所述对话实体。
本发明实施例中,所述从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本,包括:
根据所述对话数据构建实体列表,并根据所述对话实体构建提问文本;
获取所述用户的身份标识,根据所述身份标识在所述智能客服系统中查询是否存在所述用户的历史数据;
若所述智能客服系统中存在所述用户的历史数据,则查询所述历史数据中是否存在所述对话实体对应的问答数据,若存在,则根据所述问答数据构建提问文本;
若所述智能客服系统中不存在所述用户的历史数据,则从所述智能客服系统中获取所述对话实体对应的对话实体问答,并根据所述对话实体问答构建提问文本。
本发明实施例中,所述实体列表为对话实体组成的列表,所述身份标识为确定所述用户身份的标识,可以为用户ID、编号、流水号等。
参考图2所示,进一步地,所述根据所述对话数据构建实体列表,并基于所述实体列表得到所述对话实体,包括:
S10、根据所述对话数据中的实体构建第一实体列表;
S11、获取所述对话数据的上文对话语料以及所述上文对话语料对应的历史话题路径;
S12、根据所述上文对话语料以及所述上文对话语料对应的历史话题路径构建第二实体列表;
S13、将存在于所述第一实体列表且不存在于所述第二实体列表中的话题实体作为新增话题实体;
S14、将所述新增话题实体作为所述对话数据中抽取的所述对话实体。
本发明实施例中,若没有存在于所述第一实体列表且不存在于第二实体列表的话题实体,则直接将所述第二实体列表中的话题实体作为所述新增话题实体。
进一步地,将所述历史话题路径上的所有话题实体存储到第二实体列表中,若第一实体列表中只有一个话题实体未与第二实体列表中的话题实体匹配成功,则将该未匹配的话题实体作为新增话题实体,并直接将该新增话题实体确定为对话数据对应的对话实体。例如,对话数据为“今天天气不好,需要带把伞”,根据上文对话语料得到的对应历史话题路径为“天气”至“下雨”,则新增话题实体为“带把伞”。
本发明实施例中,所述从所述对话数据中抽取对话实体之前,所述方法还包括:
从所述智能客服系统中获取对话记录;
将所述对话记录文本化,得到对话文本,并将所述对话文本进行切分得到对话切分单元;
通过预设的文本表示模型将所述对话切分单元转化为对话单元矩阵;
基于所述对话单元矩阵,通过序列标注方法计算所述对话记录的对话意图;
判断所述对话意图和预设目标对话意图是否相同;
若所述对话意图和所述目标对话意图相同,则将所述对话记录数据化,得到对话数据;
若所述对话意图和所述目标对话意图不同,则将所述对话记录舍弃,并重新获取对话记录。
本发明实施例中,通过识别所述对话数据的对话意图,并对不属于所述目标意图的对话进行剔除,减少工作量,避免将闲谈一类的对话数据加入到数据处理中来。
S2、判断所述提问文本是否为第一类问题。
本发明实施例中,所述第一类问题为一般性问题,例如,在医学领域中,一般性问题的对话实体为“感冒”、“流鼻涕”、“擦伤”等。
本发明实施例中,所述判断所述提问文本是否为第一类问题,包括:
获取所述提问文本中的对话实体,查询预设的数据存储库中的文本实体;
判断所述文本实体和所述对话实体是否相同,
若所述对话实体和所述文本实体相同,则所述提问文本为第一类问题;
若所述对话实体和所述文本实体不同,则所述提问文本不为第一类问题。
本发明实施例中,通过筛选出一般性问题可以对提问的内容进行区分,避免简单的,可以通过现有数据库进行解答的问题占有大量计算资源。
S3、若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本。
本发明实施例中,所述智能客服系统的数据库中存有一些经常出现的,简单的提问文本的答复。例如,在医疗领域中,诸如“我感冒了,请问该怎么办”、“我流鼻涕,请问该怎么办”等。
参考图3所示,本发明实施例中,所述基于所述数据库生成所述提问文本的回复文本,包括:
S30、从所述数据库中获取所述提问文本的上轮系统回复语言和上轮对话状态表示;
S31、对所述提问文本进行分词处理,得到多个提问分词;
S32、根据所述提问分词和所述上轮对话状态表示,得到指示一个对话领域的当前对话状态表示;
S33、基于所述当前对话状态表示,从所述数据库的历史信息中查询符合要求的实体,得到所述提问文本对应的回复信息表示;
S34、基于所述提问文本、所述当前对话状态和所述回复信息表示,得到涵盖所述提问文本语言相关的所有领域的回复文本。
本发明实施例中,所述对话状态表示用于确定对话的状态,回复信息表示用于确定回复文本的文本信息。
S4、若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题。
本发明实施例中,通过判断所述提问文本是否为第二类问题可以对所述提问文本进行进一步筛选。
S5、若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员。
本发明实施例中,所述第二类问题为紧急类问题或者特殊类问题,例如,在医疗领域,当提问文本中具备“昏迷”、“休克”等实体时,可将该提问文本作为第二类问题。
本发明实施例中,所述工作人员将所述提问文本所处领域进行变更,例如,在提问文本处于医疗领域时,工作人员可以为医护人员,在提问文本处于计算机领域时,工作人员可以为设备维护人员或软件维护人员。
S6、若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本。
本发明实施例中,所述指代消解为将代表同一实体的不同指称划分到一个等价集合的过程,其中,一般在语言学以及日常用语中,在上下文采用简称或者代称来代替上文已经出现的某一词语,在语言学中将这种情况成为指代现象,指代能够避免同一词语重复出现所造成的语句臃肿、赘述问题,但也容易因为这种省略方式造成指代不明的问题,因此需要指代消解,便于计算机系统理解对话数据。
本发明实施例中,所述获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本,包括:
从所述数据库中获取历史对话文本集,并根据所述历史对话文本集中的数据进行样本构建及多标签标记,得到第一训练样本集;
对所述第一训练样本集中的训练样本进行近义词替换及指代词替换,得到第二训练样本集;
利用所述第二训练样本集对预构建的深度学习模型进行训练,得到分类标识模型;
当接收所述提问文本时,通过所述分类识别模型对所述提问文本进行上下文关联分析,得到分析结果;
根据所述分析结果对所述提问文本进行分类指代消解,得到消解提问文本。
本发明实施例中,所述历史对话文本集包含多个历史对话数据的集合,对所述历史对话文本集中的每个历史对话数据中进行训练样本构建。
S7、基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
本发明实施例中,所述自然语言生成方法(Natural-language generation,NLG)是自然语言和计算语言学的分支,相应的语言生成系统是基于语言信息处理的计算机模型,其工作过程与自然语言分析相反,是从抽象的概念层次开始,通过编码和解码的选择并执行一定的语义和语法规则来生成文本。
本发明实施例中,所述基于预设的自然语言生成方法生成所述消解提问文本的对话答复,包括:
通过所述自然语言生成方法中的编码器对所述消解提问文本的文本编码;
利用所述自然语言生成方法中的译码器解码所述文本编码,得到所述文本编码的预测文本序列,并通过所述预测文本序列得到所述消解提问文本的对话答复。
本发明实施例中,所述编码器(Encoder)和解码器(Decoder)分别为自然语言生成方法中对所述消解提问文本进行编码和解码的装置。所述预测文本序列为通过解码器进行解码后获取的进行单词排序的文本。
详细地,通过自然语言处理方法中的自然语言生成方法生成所述消解提问文本的对话答复,可以生成相较于采用固定数据库模板进行答复而言,更为丰富的对话答复,避免生成的对话答复和所述消解提问文本不贴合。
本发明实施例中,首先获取智能客服系统中存储的用户的对话数据,并从对话数据中抽取对话实体,用以构建提问文本,之后对提问文本进行分类判断,在提问文本属于第一类问题时,根据智能客服系统的数据生成提问文本的回复文本,在提问文本属于第二类问题时,从智能客服系统中获取提问文本对应的用户信息,并将该用户信息推送至工作人员,在提问文本既不属于第一类问题又不属于第二类问题时,获取提问文本的指代关系进行指代消解,得到消解提问文本,最后根据预设的自然语言生成方法生成消解提问文本的对话答复,并将对话答复进行筛查后发送至用户。因此,本发明实施例根据用户在智能客服系统的对话数据中不同的对话内容进行不同的处理,不仅仅采用一个统一的模板生成对话的回复文本,以实现有效的开放式对话,提高智能对话准确度的目的。
如图4所示,是本发明开放式对话装置的模块示意图。
本发明所述开放式对话装置100可以安装于电子设备中。根据实现的功能,所述开放式对话装置可以包括提问文本构建模块101、第一类问题筛选模块102、第二类问题筛选模块103和对话答复生成模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述提问文本构建模块101,用于获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
第一类问题筛选模块102,用于判断所述提问文本是否为第一类问题,若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本,若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
第二类问题筛选模块103,用于若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员,若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
对话答复生成模块104,用于基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
详细地,本发明实施例中所述开放式对话装置100中所述的各模块在使用时采用与上述图1至图3中所述的开放式对话方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明实现开放式对话方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如开放式对话程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行开放式对话程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如开放式对话程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的开放式对话程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
判断所述提问文本是否为第一类问题;
若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本;
若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员;
若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/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,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
判断所述提问文本是否为第一类问题;
若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本;
若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员;
若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种开放式对话方法,其特征在于,所述方法包括:
获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
判断所述提问文本是否为第一类问题;
若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本;
若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员;
若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
2.如权利要求1所述的开放式对话方法,其特征在于,所述从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本,包括:
根据所述对话数据构建实体列表,并根据所述对话实体构建提问文本;
获取所述用户的身份标识,根据所述身份标识在所述智能客服系统中查询是否存在所述用户的历史数据;
若所述智能客服系统中存在所述用户的历史数据,则查询所述历史数据中是否存在所述对话实体对应的问答数据,若存在,则根据所述问答数据构建提问文本;
若所述智能客服系统中不存在所述用户的历史数据,则从所述智能客服系统中获取所述对话实体对应的对话实体问答,并根据所述对话实体问答构建提问文本。
3.如权利要求2所述的开放式对话方法,其特征在于,所述根据所述对话数据构建实体列表,并根据所述对话实体构建提问文本,包括:
根据所述对话数据中的实体构建第一实体列表;
获取所述对话数据的上文对话语料以及所述上文对话语料对应的历史话题路径;
根据所述上文对话语料以及所述上文对话语料对应的历史话题路径构建第二实体列表;
将存在于所述第一实体列表且不存在于所述第二实体列表中的话题实体作为新增话题实体;
将所述新增话题实体作为所述对话数据中抽取的所述对话实体。
4.如权利要求1所述的开放式对话方法,其特征在于,所述从所述对话数据中抽取对话实体之前,所述方法还包括:
从所述智能客服系统中获取对话记录;
将所述对话记录文本化,得到对话文本,并将所述对话文本进行切分得到对话切分单元;
通过预设的文本表示模型将所述对话切分单元转化为对话单元矩阵;
基于所述对话单元矩阵,通过序列标注方法计算所述对话记录的对话意图;
判断所述对话意图和预设目标对话意图是否相同;
若所述对话意图和所述目标对话意图相同,则将所述对话记录数据化,得到对话数据;
若所述对话意图和所述目标对话意图不同,则将所述对话记录舍弃,并重新获取对话记录。
5.如权利要求1所述的开放式对话方法,其特征在于,所述基于所述数据库生成所述提问文本的回复文本,包括:
从所述数据库中获取所述提问文本的上轮系统回复语言和上轮对话状态表示;
对所述提问文本进行分词处理,得到多个提问分词;
根据所述提问分词和所述上轮对话状态表示,得到指示一个对话领域的当前对话状态表示;
基于所述当前对话状态表示,从所述数据库的历史信息中查询符合要求的实体,得到所述提问文本对应的回复信息表示;
基于所述提问文本、所述当前对话状态和所述回复信息表示,得到涵盖所述提问文本语言相关的所有领域的回复文本。
6.如权利要求1所述的开放式对话方法,其特征在于,所述获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本,包括:
从所述数据库中获取历史对话文本集,并根据所述历史对话文本集中的数据进行样本构建及多标签标记,得到第一训练样本集;
对所述第一训练样本集中的训练样本进行近义词替换及指代词替换,得到第二训练样本集;
利用所述第二训练样本集对预构建的深度学习模型进行训练,得到分类标识模型;
当接收所述提问文本时,通过所述分类识别模型对所述提问文本进行上下文关联分析,得到分析结果;
根据所述分析结果对所述提问文本进行分类指代消解,得到消解提问文本。
7.如权利要求1所述的开放式对话方法,其特征在于,所述基于预设的自然语言生成方法生成所述消解提问文本的对话答复,包括:
通过所述自然语言生成方法中的编码器对所述消解提问文本的文本编码;
利用所述自然语言生成方法中的译码器解码所述文本编码,得到所述文本编码的预测文本序列,并通过所述预测文本序列得到所述消解提问文本的对话答复。
8.一种开放式对话装置,其特征在于,所述装置包括:
提问文本构建模块,用于获取智能客服系统中存储的用户的对话数据,并从所述对话数据中抽取对话实体,根据所述对话实体构建提问文本;
第一类问题筛选模块,用于判断所述提问文本是否为第一类问题,若所述提问文本为第一类问题,则查询所述智能客服系统的数据库,并基于所述数据库生成所述提问文本的回复文本,若所述提问文本不为第一类问题,则判断所述提问文本是否为第二类问题;
第二类问题筛选模块,用于若所述提问文本为第二类问题,则从所述智能客服系统中获取所述提问文本对应的用户信息,并将所述用户信息推送至工作人员,若所述提问文本不为第二类问题,则获取所述提问文本的指代关系,并进行指代消解,得到消解提问文本;
对话答复生成模块,用于基于预设的自然语言生成方法生成所述消解提问文本的对话答复,并将所述对话答复进行筛查后发送至所述用户。
9.一种电子设备,其特征在于,所述电子设备包括:
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能够执行如权利要求1至7中任一项所述的开放式对话方法。
10.一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的开放式对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310467331.5A CN116501846A (zh) | 2023-04-25 | 2023-04-25 | 开放式对话方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310467331.5A CN116501846A (zh) | 2023-04-25 | 2023-04-25 | 开放式对话方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116501846A true CN116501846A (zh) | 2023-07-28 |
Family
ID=87319720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310467331.5A Pending CN116501846A (zh) | 2023-04-25 | 2023-04-25 | 开放式对话方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116501846A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881429A (zh) * | 2023-09-07 | 2023-10-13 | 四川蜀天信息技术有限公司 | 一种基于多租户的对话模型交互方法、装置及存储介质 |
-
2023
- 2023-04-25 CN CN202310467331.5A patent/CN116501846A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881429A (zh) * | 2023-09-07 | 2023-10-13 | 四川蜀天信息技术有限公司 | 一种基于多租户的对话模型交互方法、装置及存储介质 |
CN116881429B (zh) * | 2023-09-07 | 2023-12-01 | 四川蜀天信息技术有限公司 | 一种基于多租户的对话模型交互方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113051356B (zh) | 开放关系抽取方法、装置、电子设备及存储介质 | |
CN113312461A (zh) | 基于自然语言处理的智能问答方法、装置、设备及介质 | |
CN113704429A (zh) | 基于半监督学习的意图识别方法、装置、设备及介质 | |
CN113821622B (zh) | 基于人工智能的答案检索方法、装置、电子设备及介质 | |
CN112507663A (zh) | 基于文本的判断题生成方法、装置、电子设备及存储介质 | |
CN115238670B (zh) | 信息文本抽取方法、装置、设备及存储介质 | |
CN116501846A (zh) | 开放式对话方法、装置、电子设备及介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN113204698B (zh) | 新闻主题词生成方法、装置、设备及介质 | |
CN112989043B (zh) | 指代消解方法、装置、电子设备及可读存储介质 | |
CN114036921A (zh) | 一种政策信息匹配方法和装置 | |
CN116402166A (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
CN116450829A (zh) | 医疗文本分类方法、装置、设备及介质 | |
CN115146064A (zh) | 意图识别模型优化方法、装置、设备及存储介质 | |
CN114781384A (zh) | 命名实体智能标注方法、装置、设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN110457436B (zh) | 信息标注方法、装置、计算机可读存储介质及电子设备 | |
CN111881680A (zh) | 文本的标准化处理方法、装置、电子设备及计算机介质 | |
CN114548825B (zh) | 投诉工单失真检测方法、装置、设备及存储介质 | |
CN114462411B (zh) | 命名实体识别方法、装置、设备及存储介质 | |
CN115169330B (zh) | 中文文本纠错及验证方法、装置、设备及存储介质 | |
CN115221875B (zh) | 词权重生成方法、装置、电子设备及存储介质 | |
CN116631608A (zh) | 问诊症状识别方法、装置、设备及存储介质 | |
CN112528112B (zh) | 数据收集及分析方法、装置、电子设备及存储介质 | |
CN113704405B (zh) | 基于录音内容的质检评分方法、装置、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 |