CN116595153A - 智能交互设备的交互方法、装置、电子设备和存储介质 - Google Patents
智能交互设备的交互方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116595153A CN116595153A CN202310843157.XA CN202310843157A CN116595153A CN 116595153 A CN116595153 A CN 116595153A CN 202310843157 A CN202310843157 A CN 202310843157A CN 116595153 A CN116595153 A CN 116595153A
- Authority
- CN
- China
- Prior art keywords
- user
- interaction
- current
- session mode
- adaptation result
- 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.)
- Granted
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 527
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000006978 adaptation Effects 0.000 claims abstract description 160
- 230000008451 emotion Effects 0.000 claims description 167
- 238000013507 mapping Methods 0.000 claims description 161
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 73
- 238000002372 labelling Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 9
- 230000036651 mood Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 239000002699 waste material Substances 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/26—Discovering frequent patterns
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供一种智能交互设备的交互方法、装置、电子设备和存储介质,涉及人机交互技术领域。其中方法包括:在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。本发明提供的方法、装置、电子设备和存储介质,可以在目标用户不适应当前会话模式时及时调整更换会话模式,从而提高智能交互设备的用户体验感。
Description
技术领域
本发明涉及人机交互技术领域,尤其涉及一种智能交互设备的交互方法、装置、电子设备和存储介质。
背景技术
随着科技的迅速发展,人机交互类产品越来越多,用户对人机交互体验感的要求也越来越高。目前,人机交互类产品多为多轮交互,其一次唤醒后可以与用户进行多次会话。因此,如何设定多轮交互的交互方式,以提高用户的人机交互体验感,是目前非常重要的需求。
目前,多轮交互方式是按照固定的交互轮数进行交互,直到交互轮数达到预设阈值才会停止。然而,在交互进程中,用户可能并不适应当前会话,若还是直到交互轮数达到预设阈值才停止,将会导致用户体验感降低。
发明内容
本发明提供一种智能交互设备的交互方法、装置、电子设备和存储介质,用以解决现有技术中多轮交互的用户体验感低的缺陷。
本发明提供一种智能交互设备的交互方法,包括:
在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;
基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;
在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
根据本发明提供的一种智能交互设备的交互方法,所述基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,包括:
在所述用户反馈信息包括用户感兴趣程度的情况下,基于用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息的情况下,基于用户情绪信息-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户参与程度的情况下,基于用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户参与程度的情况下,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度、用户情绪信息和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系、用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
其中,所述用户感兴趣程度用于表征所述目标用户关于所述当前会话模式的感兴趣程度,所述用户参与程度用于表征所述目标用户关于所述当前会话模式的参与程度,所述用户情绪信息用于表征所述目标用户关于所述当前会话模式的情绪变化程度。
根据本发明提供的一种智能交互设备的交互方法,所述用户感兴趣程度是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户感兴趣程度;
所述用户参与程度是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户参与程度。
根据本发明提供的一种智能交互设备的交互方法,所述用户情绪信息是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户情绪信息。
根据本发明提供的一种智能交互设备的交互方法,所述当前交互流程的初始会话模式是基于如下步骤确定:
确定所述目标用户的会话属性,所述会话属性包括主动型、常规型或被动型;
基于会话属性-会话模式集映射关系,确定所述会话属性对应的会话模式集;
从所述会话模式集中确定出所述初始会话模式;
其中,所述会话属性-会话模式集映射关系包括所述主动型与第一会话模式集的映射关系、所述常规型与第一会话模式集的映射关系、所述被动型与第二会话模式集的映射关系;
所述第一会话模式集包括主动会话模式和被动会话模式,所述第二会话模式集包括主动会话模式。
根据本发明提供的一种智能交互设备的交互方法,所述确定所述目标用户的会话属性,包括:
获取所述当前交互流程之前与所述目标用户相关的历史交互数据;
基于所述历史交互数据,确定所述会话属性。
根据本发明提供的一种智能交互设备的交互方法,所述用户反馈信息包括用户感兴趣程度,所述用户感兴趣程度用于表征所述目标用户关于当前话题的感兴趣程度;
所述确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息,之后还包括:
确定所述用户感兴趣程度达到预设感兴趣程度,调整所述当前话题。
本发明还提供一种智能交互设备的交互装置,包括:
第一确定模块,用于在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;
第二确定模块,用于基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;
模式调整模块,用于在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述智能交互设备的交互方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述智能交互设备的交互方法。
本发明提供的智能交互设备的交互方法、装置、电子设备和存储介质,在当前交互流程中,确定当前与智能交互设备进行交互的目标用户,以及目标用户在当前交互流程的用户反馈信息,从而基于该用户反馈信息,确定目标用户关于当前会话模式的适应结果,以在该适应结果为不适应的情况下,及时调整当前会话模式,得到调整后的目标会话模式,以供智能交互设备后续基于目标会话模式与目标用户进行交互,从而避免目标用户不适应当前会话模式时仍直到交互轮数达到预设阈值才停止,在目标用户不适应当前会话模式时及时调整更换会话模式,充分考虑用户的反馈情况,更为真实地模拟人与人之间的互动,从而提高智能交互设备的用户体验感。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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为本发明提供的智能交互设备的交互方法的流程示意图之一;
图2为本发明提供的智能交互设备的交互方法的流程示意图之二;
图3为本发明提供的智能交互设备的交互方法的流程示意图之三;
图4为本发明提供的智能交互设备的交互方法的流程示意图之四;
图5为本发明提供的智能交互设备的交互装置的结构示意图;
图6为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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作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。
随着科技的迅速发展,人机交互类产品越来越多,用户对人机交互体验感的要求也越来越高。人机交互技术包括机器通过输出或显示设备给人提供大量有关信息及提示请示等,人通过输入设备给机器输入有关信息、回答问题及提示请示等。传统的人机交互技术偏向于被动式交互,当用户(主体)在使用机器(客体)时,会发出一系列指令给到客体,即主体向客体输入需求,客体则会向主体输出反馈,换言之,由用户主动挑起交互,机器来被动进行响应。由于被动式交互不够智能,因此现有人机交互技术偏向于主动式交互,由机器主动向用户发出需求询问或内容,并不断地向用户输出内容,即机器主动向用户发起一些互动。
目前,人机交互类产品多为多轮交互,尤其对于主动型智能交互设备,其一次唤醒后可以与用户进行多次互动,中间无需再次唤醒。因此,如何设定多轮交互的交互方式,以提高用户的人机交互体验感,是目前非常重要的需求。
现有技术中,多轮交互方式是按照固定的交互轮数进行交互,直到交互轮数达到预设阈值才会停止,即现有的主动交互机器人基本上只按照固定的主动发起会话轮数去持续的输出,一直到预设阈值满足才会结束。然而,在交互进程中,用户可能并不适应当前会话,若还是直到交互轮数达到预设阈值才停止,将会导致用户体验感降低。例如,用户可能并不适应当前会话,此时的机器人更多的像个“话痨”,其显得低情商,进而显得机械化;在现实场景中,面对“话痨”,喜欢说话和不喜欢说话的人有不同的应对习惯,可能会出现聊得来的场景,也可能会出现对话直接终止,甚至某个人直接走开,这种情况机器人如果不能准确应对,很可能让用户对机器人产生反感,进而影响用户体验感。
针对上述问题,本发明提出以下各实施例。图1为本发明提供的智能交互设备的交互方法的流程示意图之一,如图1所示,该智能交互设备的交互方法包括:
步骤110,在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息。
在本发明实施例中,本发明提供的交互方法的执行主体可以为其他电子设备(例如服务器),也可以为该智能交互设备。
此处,当前交互流程为智能交互设备与目标用户的一个互动流程,该当前交互流程并不是一个完整的交互流程,即当前时刻仍处于交互进程中。
该当前交互流程中已有的交互节点可以包括但不限于以下至少一种:交互挑起节点、用户响应节点、设备响应节点和设备引导节点等等。该交互挑起节点包括设备挑起节点或用户挑起节点。设备挑起节点为智能交互设备主动挑起互动的节点,即当前会话模式为主动会话模式;用户挑起节点为用户主动挑起互动的节点,即用户主动挑起互动,由智能交互设备进行响应;设备挑起节点可以挑起聊天、玩游戏、资源播放、查询等互动类型。用户响应节点为用户与智能交互设备互动时的响应节点。设备响应节点为智能交互设备与用户互动时的响应节点。设备引导节点为智能交互设备引导用户进行下一步的引导节点。
此处,智能交互设备为当前与目标用户进行交互的设备。该智能交互设备可以为交互机器人、智能儿童陪伴机器人等具备交互功能的装置,本发明实施例对此不做具体限定。该智能交互设备的会话模式可以包括但不限于:主动会话模式和被动会话模式等等。主动会话模式为智能交互设备主动向用户发出需求询问或内容,并不断地向用户输出内容。被动会话模式为用户向智能交互设备输入需求,智能交互设备向用户输出反馈。
需要说明的是,智能交互设备与目标用户的人机交互可以通过多种形式进行,例如,通过文字、语音、视觉、动作、环境等多种方式进行人机交互,充分模拟人与人之间的交互,即智能交互设备与目标用户的交互数据可以包括但不限于以下至少一种:文本数据、语音数据、视觉数据、动作数据、环境数据等等。
此处,目标用户为当前交互流程中,当前时刻与智能交互设备进行交互的用户。可以理解的是,该目标用户当前时刻应在智能交互设备的周围;进一步地,该智能交互设备可以检测其周围是否存在用户,且其可以检测与其进行交互的用户。
此处,用户反馈信息为目标用户与智能交互设备进行交互的反馈信息。该用户反馈信息可以包括但不限于以下至少一种:用户感兴趣程度、用户情绪信息、用户参与程度、会话属性等等。其中,用户感兴趣程度用于表征目标用户关于当前会话模式的感兴趣程度。用户参与程度还用于表征目标用户关于当前会话模式的参与程度。用户情绪信息用于表征目标用户关于当前会话模式的情绪变化程度,或者,用户情绪信息用于表征目标用户在当前时刻的情绪表现状态。会话属性用于表征目标用户的说话偏好和社交性格。
具体地,基于与目标用户相关的交互数据,确定用户反馈信息。不同用户反馈信息所需的交互数据可能不同。
在一些具体实施例中,基于标注数据中的样本交互数据及其标注的样本用户反馈信息之间的映射关系,对该交互数据进行用户反馈检测得到用户反馈信息。该映射关系具体可以体现为通过模型训练得到的用户反馈检测模型,也可以体现为通过关联挖掘样本交互数据及其标注的样本用户反馈信息得到的用户反馈检测规则,本发明实施例对此不作具体限定。
其中,映射关系的获取过程包括:通过调整用户反馈检测模型的模型参数或者用户反馈检测规则的表示方式,使得对样本交互数据进行用户反馈检测的用户反馈信息与样本用户反馈信息尽可能相似,此处通过多个标注数据不断调整用户反馈检测模型的模型参数或者用户反馈检测规则的表示方式,可以使得由此得到的映射关系更加准确,进而在应用到用户反馈检测后,用户反馈检测所得的用户反馈信息更加可靠。
例如,用户反馈检测模型是基于如下步骤训练得到的:基于标注数据,对用户反馈检测模型进行迭代优化,得到该用户反馈检测模型。基于此,将与目标用户相关的交互数据输入至用户反馈检测模型,得到用户反馈检测模型输出的用户反馈信息。
该交互数据可以包括但不限于以下至少一种:文本数据、语音数据、图片数据、视频数据、APP应用使用记录的数据等等。进一步地,为减少交互数据的存储空间,可以对交互数据进行特征提取得到与用户反馈信息相关的特征数据,进而实现交互数据的压缩。
在一些实施例中,当前交互流程的初始会话模式是基于如下步骤确定:确定目标用户的会话属性;基于会话属性-会话模式集映射关系,确定会话属性对应的会话模式集;从会话模式集中确定出当前交互流程的初始会话模式。
其中,会话属性可以包括但不限于:主动型、常规型或被动型等等。会话属性-会话模式集映射关系包括不同会话属性与两种会话模式集(第一会话模式集和第二会话模式集)的对应关系;不同会话属性的种类数量为至少两个;第一会话模式集包括主动会话模式和被动会话模式,第二会话模式集包括主动会话模式。
具体地,从第一会话模式集中确定出的初始会话模式可以为主动会话模式或被动会话模式。从第二会话模式集中确定出的初始会话模式仅可以为主动会话模式。在一实施例中,若该会话模式集为第一会话模式集,则初始会话模式可以由交互挑起的对象确定。具体地,确定交互挑起对象,基于交互挑起对象从会话模式集中确定出初始会话模式。
可以理解的是,基于会话属性-会话模式集映射关系,确定目标用户的会话属性对应的会话模式集,且第一会话模式集包括主动会话模式和被动会话模式,从而在目标用户的会话属性为非被动时,初始会话模式可以有两种选择,从而提高智能交互设备的交互灵活性,进而进一步提高智能交互设备的用户体验感;而第二会话模式集包括主动会话模式,从而在目标用户的会话属性为被动时,初始会话模式仅可以为主动会话模式,从而防止用户与智能交互设备均不主动挑起互动时,无法进行人机交互,且初始会话模式仅可以为主动会话模式,从而面对较为排斥社交的目标用户,智能交互设备可以更为主动,以确保正常的人机交互,从而进一步提高智能交互设备的用户体验感。
步骤120,基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应。
此处,当前会话模式为在当前交互流程中,当前时刻对应的会话模式。该当前会话模式可以包括但不限于:主动会话模式或被动会话模式等等。
此处,适应结果用于表征目标用户是否适应于当前会话模式。适应结果为适应则表征目标用户适应于当前会话模式,适应结果为不适应则表征目标用户不适应于当前会话模式。
需要说明的是,不同的用户反馈信息对应不同的适应结果。具体地,基于用户反馈信息-适应结果映射关系,确定目标用户关于当前会话模式的适应结果。该用户反馈信息-适应结果映射关系包括不同用户反馈信息与两种适应结果的对应关系。
步骤130,在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
具体地,在智能交互设备具备的多种会话模式中,调整当前会话模式,即将当前会话模式调整为该多种会话模式中的其他会话模式,以供智能交互设备后续基于目标会话模式与目标用户进行交互。
在一实施例中,智能交互设备具备主动会话模式和被动会话模式。若当前会话模式为主动会话模式,则目标会话模式为被动会话模式;若当前会话模式为被动会话模式,则目标会话模式为主动会话模式。
在一些实施例中,在所述适应结果为适应的情况下,保持所述当前会话模式,以供所述智能交互设备基于所述当前会话模式与所述目标用户进行交互。例如,若当前会话模式为主动会话模式,则智能交互设备继续基于主动会话模式与目标用户进行交互;若当前会话模式为被动会话模式,则智能交互设备继续基于被动会话模式与目标用户进行交互。
本发明实施例提供的交互方法可以在当前交互流程中的每一轮交互中执行,从而可以基于目标用户在当前交互流程的用户反馈信息,实时调整当前交互流程的会话模式,以让目标用户在交互中感觉如沐春风,而不是智能交互设备表现的咄咄逼人,从而提高用户体验感;即本发明实施例可以实现以用户为中心的交互方式,进而会吸引用户经常性来跟智能交互设备进行互动,并提高用户体验感。
本发明实施例提供的智能交互设备的交互方法,在当前交互流程中,确定当前与智能交互设备进行交互的目标用户,以及目标用户在当前交互流程的用户反馈信息,从而基于该用户反馈信息,确定目标用户关于当前会话模式的适应结果,以在该适应结果为不适应的情况下,及时调整当前会话模式,得到调整后的目标会话模式,以供智能交互设备后续基于目标会话模式与目标用户进行交互,从而避免目标用户不适应当前会话模式时仍直到交互轮数达到预设阈值才停止,在目标用户不适应当前会话模式时及时调整更换会话模式,从而提高智能交互设备的用户体验感。
基于上述实施例,该方法中,上述步骤120包括:
在所述用户反馈信息包括用户感兴趣程度的情况下,基于用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息的情况下,基于用户情绪信息-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户参与程度的情况下,基于用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户参与程度的情况下,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度、用户情绪信息和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系、用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
其中,所述用户感兴趣程度用于表征所述目标用户关于所述当前会话模式的感兴趣程度,所述用户参与程度用于表征所述目标用户关于所述当前会话模式的参与程度,所述用户情绪信息用于表征所述目标用户关于所述当前会话模式的情绪变化程度。
进一步地,用户感兴趣程度用于表征目标用户关于当前话题的感兴趣程度。
此处,用户感兴趣程度-适应结果映射关系包括不同用户感兴趣程度与两种适应结果的对应关系;不同用户感兴趣程度的种类数量为至少两个。用户情绪信息-适应结果映射关系包括不同用户情绪信息与两种适应结果的对应关系;不同用户情绪信息的种类数量为至少两个。用户参与程度-适应结果映射关系包括不同用户参与程度与两种适应结果的对应关系;不同用户参与程度的种类数量为至少两个。
在一些实施例中,用户感兴趣程度包括高程度或低程度;该用户感兴趣程度-适应结果映射关系包括高程度与适应的对应关系,以及低程度与不适应的对应关系。
在一些实施例中,用户情绪信息包括有变化或无变化。该用户情绪信息-适应结果映射关系包括有变化与适应的对应关系,以及无变化与不适应的对应关系。
在一些实施例中,用户参与程度包括高程度或低程度;该用户参与程度-适应结果映射关系包括高程度与适应的对应关系,以及低程度与不适应的对应关系。
在一实施例中,在用户反馈信息包括用户感兴趣程度的情况下,且该用户感兴趣程度为高程度,基于用户感兴趣程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户感兴趣程度的情况下,且该用户感兴趣程度为低程度,基于用户感兴趣程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户感兴趣程度为高程度时,表明目标用户关于当前会话模式是感兴趣的,因此确定该适应结果为适应。
在一实施例中,在用户反馈信息包括用户情绪信息的情况下,且该用户情绪信息为有变化,基于用户情绪信息-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息的情况下,且该用户情绪信息为无变化,基于用户情绪信息-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为有变化时,表明目标用户关于当前会话模式的情绪是有变化的,即目标用户可能关于当前会话模式是感兴趣的,当前会话模式引发了目标用户的共鸣,因此确定该适应结果为适应。考虑到用户情绪信息为无变化时,表明目标用户关于当前会话模式的情绪是无变化的,即目标用户可能关于当前会话模式是不感兴趣的,当前会话模式无法引发目标用户的共鸣,因此确定该适应结果为不适应。
在一实施例中,在用户反馈信息包括用户参与程度的情况下,且该用户参与程度为高程度,基于用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户参与程度的情况下,且该用户参与程度为低程度,基于用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户参与程度为高程度时,表明目标用户关于当前会话模式是感兴趣的,因此确定该适应结果为适应。
在一实施例中,在用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,且该用户情绪信息为有变化,该用户感兴趣程度为高程度,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,且该用户情绪信息为无变化,该用户感兴趣程度为低程度,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为有变化时,相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。
在一实施例中,在用户反馈信息包括用户情绪信息和用户参与程度的情况下,且该用户情绪信息为有变化,该用户参与程度为高程度,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息和用户参与程度的情况下,且该用户情绪信息为无变化,该用户参与程度为低程度,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为有变化时,相应的用户参与程度为高程度,且相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。
在一实施例中,在用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,且该用户感兴趣程度为高程度,该用户参与程度为高程度,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,且该用户感兴趣程度为低程度,该用户参与程度为低程度,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户参与程度为高程度时,相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。
在一实施例中,在用户反馈信息包括用户情绪信息、用户感兴趣程度和用户参与程度的情况下,且该用户情绪信息为有变化,该用户感兴趣程度为高程度,该用户参与程度为高程度,基于用户情绪信息-适应结果映射关系、用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息、用户感兴趣程度和用户参与程度的情况下,且该用户情绪信息为无变化,该用户感兴趣程度为低程度,该用户参与程度为低程度,基于用户情绪信息-适应结果映射关系、用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为有变化时,相应的用户参与程度为高程度,且相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。换言之,用户情绪信息、用户感兴趣程度和用户参与程度三者之间存在关联关系,互相影响。
本发明实施例提供的智能交互设备的交互方法,为适应结果的确定提供支持,以在该适应结果为不适应的情况下,及时调整当前会话模式,从而避免目标用户不适应当前会话模式时仍直到交互轮数达到预设阈值才停止,在目标用户不适应当前会话模式时及时调整更换会话模式,从而提高智能交互设备的用户体验感。
基于上述实施例,该方法中,上述步骤120包括:
在所述用户反馈信息包括用户感兴趣程度的情况下,基于用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息的情况下,基于用户情绪信息-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户参与程度的情况下,基于用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户参与程度的情况下,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度、用户情绪信息和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系、用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
其中,所述用户感兴趣程度用于表征所述目标用户关于所述当前会话模式的感兴趣程度,所述用户参与程度用于表征所述目标用户关于所述当前会话模式的参与程度,所述用户情绪信息用于表征目标用户在当前时刻的情绪表现状态。
进一步地,用户感兴趣程度用于表征目标用户关于当前话题的感兴趣程度。
此处,用户情绪信息-适应结果映射关系包括不同用户情绪信息与两种适应结果的对应关系;不同用户情绪信息的种类数量为至少两个。
在一些实施例中,用户情绪信息包括积极态度或消极态度;该用户情绪信息-适应结果映射关系包括积极态度与适应的对应关系,以及消极态度与不适应的对应关系。其中,积极态度可以包括但不限于:高兴、愉悦、开心等等,消极态度可以包括但不限于:不满、不积极、伤心、悲伤等等。
在一实施例中,在用户反馈信息包括用户情绪信息的情况下,且该用户情绪信息为积极态度,基于用户情绪信息-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息的情况下,且该用户情绪信息为消极态度,基于用户情绪信息-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为积极态度时,表明目标用户关于当前会话模式是积极的,因此确定该适应结果为适应。
在一实施例中,在用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,且该用户情绪信息为积极态度,该用户感兴趣程度为高程度,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,且该用户情绪信息为消极态度,该用户感兴趣程度为低程度,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为积极态度时,相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。此外,考虑到即使用户情绪信息为消极态度,只要用户感兴趣程度为高程度时,表明目标用户关于当前会话模式是感兴趣的,即使用户情绪信息为消极态度,但目前是满足目标用户的交互需求的,因此,在用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,以用户感兴趣程度为适应结果的主要评判标准。且用户的消极态度并不一定是当前会话模式所带来的,可能是由其它事情所带来的,此时智能交互设备是用来改善目标用户的情绪的,例如情感陪伴机器人。
在一实施例中,在用户反馈信息包括用户情绪信息和用户参与程度的情况下,且该用户情绪信息为积极态度,该用户参与程度为高程度,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息和用户参与程度的情况下,且该用户情绪信息为消极态度,该用户参与程度为低程度,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为积极态度时,相应的用户参与程度为高程度,且相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。此外,考虑到即使用户情绪信息为消极态度,只要用户参与程度为高程度时,表明目标用户关于当前会话模式是感兴趣的,即使用户情绪信息为消极态度,但目前是满足目标用户的交互需求的,因此,在用户反馈信息包括用户情绪信息和用户参与程度的情况下,以用户参与程度为适应结果的主要评判标准。且用户的消极态度并不一定是当前会话模式所带来的,可能是由其它事情所带来的,此时智能交互设备是用来改善目标用户的情绪的,例如情感陪伴机器人。
在一实施例中,在用户反馈信息包括用户情绪信息、用户感兴趣程度和用户参与程度的情况下,且该用户情绪信息为积极态度,该用户感兴趣程度为高程度,该用户参与程度为高程度,基于用户情绪信息-适应结果映射关系、用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为适应。在用户反馈信息包括用户情绪信息、用户感兴趣程度和用户参与程度的情况下,且该用户情绪信息为消极态度,该用户感兴趣程度为低程度,该用户参与程度为低程度,基于用户情绪信息-适应结果映射关系、用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定该适应结果为不适应。
需要说明的是,考虑到用户情绪信息为积极态度时,相应的用户参与程度为高程度,且相应的用户感兴趣程度为高程度,从而表明目标用户关于当前会话模式是感兴趣的,即目前是满足目标用户的交互需求的。此外,考虑到即使用户情绪信息为消极态度,只要用户参与程度为高程度时,或只要用户感兴趣程度为高程度时,表明目标用户关于当前会话模式是感兴趣的,即使用户情绪信息为消极态度,但目前是满足目标用户的交互需求的,因此,以用户参与程度或用户感兴趣程度为适应结果的主要评判标准。换言之,用户情绪信息、用户感兴趣程度和用户参与程度三者之间存在关联关系,互相影响。
本发明实施例提供的智能交互设备的交互方法,为适应结果的确定提供支持,以在该适应结果为不适应的情况下,及时调整当前会话模式,从而避免目标用户不适应当前会话模式时仍直到交互轮数达到预设阈值才停止,在目标用户不适应当前会话模式时及时调整更换会话模式,从而提高智能交互设备的用户体验感。
基于上述任一实施例,图2为本发明提供的智能交互设备的交互方法的流程示意图之二,如图2所示,所述用户感兴趣程度是基于如下步骤确定:
步骤210,获取所述目标用户在所述当前交互流程对应的当前交互数据。
此处,当前交互数据为目标用户在当前交互流程中当前时刻之前的交互数据。换言之,当前交互数据为目标用户在当前交互流程中截止到当前交互轮次之前的交互数据;该当前交互数据可以包括当前交互轮次之前的所有交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前三轮的交互数据;该当前交互数据也可以包括当前交互轮次之前的部分交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前第三轮的交互数据,以使用户感兴趣程度为前一轮会话中的感兴趣程度。
该当前交互数据可以包括但不限于以下至少一种:文本数据、语音数据、图片数据、视频数据、APP应用使用记录的数据等等。进一步地,为减少当前交互数据的存储空间,可以对当前交互数据进行特征提取得到与用户感兴趣程度相关的特征数据,进而实现当前交互数据的压缩。
步骤220,基于所述当前交互数据,确定所述用户感兴趣程度。
在一些具体实施例中,基于标注数据中的样本当前交互数据及其标注的样本用户感兴趣程度之间的映射关系,对该当前交互数据进行用户感兴趣程度检测得到用户感兴趣程度。该映射关系具体可以体现为通过模型训练得到的用户感兴趣程度检测模型,也可以体现为通过关联挖掘样本当前交互数据及其标注的样本用户感兴趣程度得到的用户感兴趣程度检测规则,本发明实施例对此不作具体限定。
其中,映射关系的获取过程包括:通过调整用户感兴趣程度检测模型的模型参数或者用户感兴趣程度检测规则的表示方式,使得对样本当前交互数据进行用户感兴趣程度检测的用户感兴趣程度与样本用户感兴趣程度尽可能相似,此处通过多个标注数据不断调整用户感兴趣程度检测模型的模型参数或者用户感兴趣程度检测规则的表示方式,可以使得由此得到的映射关系更加准确,进而在应用到用户感兴趣程度检测后,用户感兴趣程度检测所得的用户感兴趣程度更加可靠。
例如,用户感兴趣程度检测模型是基于如下步骤训练得到的:基于标注数据,对用户感兴趣程度检测模型进行迭代优化,得到该用户感兴趣程度检测模型。基于此,将当前交互数据输入至用户感兴趣程度检测模型,得到用户感兴趣程度检测模型输出的用户感兴趣程度。
示例性的,当前交互数据可以用于表征对话回应频次、说话内容、眼睛聚焦位置、注意力等等,从而基于当前交互数据可以确定用户感兴趣程度。例如,通过用户说话内容确定感兴趣程度,如目标用户说“对这个不感兴趣”,则感兴趣程度低。
本发明实施例提供的智能交互设备的交互方法,为用户感兴趣程度的确定提供支持,且基于目标用户在当前交互流程对应的当前交互数据,充分考虑关于当前会话模式的交互数据,进而准确确定关于当前会话模式的用户感兴趣程度,进而准确确定目标用户关于当前会话模式的适应结果,进而更为及时地调整当前会话模式,从而进一步提高智能交互设备的用户体验感。
基于上述任一实施例,该方法中,用户参与程度是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户参与程度。
此处,当前交互数据为目标用户在当前交互流程中当前时刻之前的交互数据。换言之,当前交互数据为目标用户在当前交互流程中截止到当前交互轮次之前的交互数据;该当前交互数据可以包括当前交互轮次之前的所有交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前三轮的交互数据;该当前交互数据也可以包括当前交互轮次之前的部分交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前第三轮的交互数据,以使用户参与程度为前一轮会话中的参与程度。
该当前交互数据可以包括但不限于以下至少一种:文本数据、语音数据、图片数据、视频数据、APP应用使用记录的数据等等。进一步地,为减少当前交互数据的存储空间,可以对当前交互数据进行特征提取得到与用户参与程度相关的特征数据,进而实现当前交互数据的压缩。
在一些具体实施例中,基于标注数据中的样本当前交互数据及其标注的样本用户参与程度之间的映射关系,对该当前交互数据进行用户参与程度检测得到用户参与程度。该映射关系具体可以体现为通过模型训练得到的用户参与程度检测模型,也可以体现为通过关联挖掘样本当前交互数据及其标注的样本用户参与程度得到的用户参与程度检测规则,本发明实施例对此不作具体限定。
其中,映射关系的获取过程包括:通过调整用户参与程度检测模型的模型参数或者用户参与程度检测规则的表示方式,使得对样本当前交互数据进行用户参与程度检测的用户参与程度与样本用户参与程度尽可能相似,此处通过多个标注数据不断调整用户参与程度检测模型的模型参数或者用户参与程度检测规则的表示方式,可以使得由此得到的映射关系更加准确,进而在应用到用户参与程度检测后,用户参与程度检测所得的用户参与程度更加可靠。
例如,用户参与程度检测模型是基于如下步骤训练得到的:基于标注数据,对用户参与程度检测模型进行迭代优化,得到该用户参与程度检测模型。基于此,将当前交互数据输入至用户参与程度检测模型,得到用户参与程度检测模型输出的用户参与程度。
本发明实施例提供的智能交互设备的交互方法,为用户参与程度的确定提供支持,且基于目标用户在当前交互流程对应的当前交互数据,充分考虑关于当前会话模式的交互数据,进而准确确定关于当前会话模式的用户参与程度,进而准确确定目标用户关于当前会话模式的适应结果,进而更为及时地调整当前会话模式,从而进一步提高智能交互设备的用户体验感。
基于上述任一实施例,图3为本发明提供的智能交互设备的交互方法的流程示意图之三,如图3所示,所述用户情绪信息是基于如下步骤确定:
步骤310,获取所述目标用户在所述当前交互流程对应的当前交互数据。
此处,当前交互数据为目标用户在当前交互流程中当前时刻之前的交互数据。换言之,当前交互数据为目标用户在当前交互流程中截止到当前交互轮次之前的交互数据;该当前交互数据可以包括当前交互轮次之前的所有交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前三轮的交互数据;该当前交互数据也可以包括当前交互轮次之前的部分交互数据,例如,当前交互轮次为第四轮,则当前交互数据包括之前第三轮的交互数据,以使用户情绪信息为前一轮会话中的情绪信息。
该当前交互数据可以包括但不限于以下至少一种:文本数据、语音数据、图片数据、视频数据、APP应用使用记录的数据等等。进一步地,为减少当前交互数据的存储空间,可以对当前交互数据进行特征提取得到与用户情绪信息相关的特征数据,进而实现当前交互数据的压缩。
步骤320,基于所述当前交互数据,确定所述用户情绪信息。
在一些具体实施例中,基于标注数据中的样本当前交互数据及其标注的样本用户情绪信息之间的映射关系,对该当前交互数据进行用户情绪信息检测得到用户情绪信息。该映射关系具体可以体现为通过模型训练得到的用户情绪信息检测模型,也可以体现为通过关联挖掘样本当前交互数据及其标注的样本用户情绪信息得到的用户情绪信息检测规则,本发明实施例对此不作具体限定。
其中,映射关系的获取过程包括:通过调整用户情绪信息检测模型的模型参数或者用户情绪信息检测规则的表示方式,使得对样本当前交互数据进行用户情绪信息检测的用户情绪信息与样本用户情绪信息尽可能相似,此处通过多个标注数据不断调整用户情绪信息检测模型的模型参数或者用户情绪信息检测规则的表示方式,可以使得由此得到的映射关系更加准确,进而在应用到用户情绪信息检测后,用户情绪信息检测所得的用户情绪信息更加可靠。
例如,用户情绪信息检测模型是基于如下步骤训练得到的:基于标注数据,对用户情绪信息检测模型进行迭代优化,得到该用户情绪信息检测模型。基于此,将当前交互数据输入至用户情绪信息检测模型,得到用户情绪信息检测模型输出的用户情绪信息。
示例性的,当前交互数据可以用于表征说话内容、面部表情、语气等等,从而基于当前交互数据可以确定用户情绪信息。
本发明实施例提供的智能交互设备的交互方法,为用户情绪信息的确定提供支持,且基于目标用户在当前交互流程对应的当前交互数据,充分考虑关于当前会话模式的交互数据,进而准确确定关于当前会话模式的用户情绪信息,进而准确确定目标用户关于当前会话模式的适应结果,进而更为及时地调整当前会话模式,从而进一步提高智能交互设备的用户体验感。
基于上述任一实施例,图4为本发明提供的智能交互设备的交互方法的流程示意图之四,如图4所示,所述当前交互流程的初始会话模式是基于如下步骤确定:
步骤410,确定所述目标用户的会话属性,所述会话属性包括主动型、常规型或被动型。
此处,会话属性用于表征目标用户的说话偏好和社交性格。示例性的,主动型表征目标用户的说话偏好为喜欢说话(如话痨),常规型表征目标用户的说话偏好为正常说话交流,被动型表征目标用户的说话偏好为不喜欢说话(如沉默寡言);主动型表征目标用户的社交性格为喜欢社交,常规型表征目标用户的社交性格为正常社交,被动型表征目标用户的社交性格为排斥社交。
步骤420,基于会话属性-会话模式集映射关系,确定所述会话属性对应的会话模式集。
其中,所述会话属性-会话模式集映射关系包括所述主动型与第一会话模式集的映射关系、所述常规型与第一会话模式集的映射关系、所述被动型与第二会话模式集的映射关系;所述第一会话模式集包括主动会话模式和被动会话模式,所述第二会话模式集包括主动会话模式。
具体地,若会话属性为主动型,则确定会话模式集为第一会话模式集;若会话属性为常规型,则确定会话模式集为第一会话模式集;若会话属性为被动型,则确定会话模式集为第二会话模式集。
步骤430,从所述会话模式集中确定出所述初始会话模式。
此处,初始会话模式为当前交互流程中初步的会话模式,即当前交互流程中第一交互轮次的会话模式。
具体地,从第一会话模式集中确定出的初始会话模式可以为主动会话模式或被动会话模式。从第二会话模式集中确定出的初始会话模式仅可以为主动会话模式。
在一实施例中,若该会话模式集为第一会话模式集,则初始会话模式可以由交互挑起的对象确定。具体地,确定交互挑起对象,基于交互挑起对象从会话模式集中确定出初始会话模式。
该交互挑起对象可以为设备挑起对象或用户挑起对象,设备挑起对象表示智能交互设备主动挑起互动;用户挑起对象表示用户主动挑起互动,即用户主动挑起互动,由智能交互设备进行响应。设备挑起对象可以挑起聊天、玩游戏、资源播放、查询等互动类型。
更为具体地,若交互挑起对象为设备挑起对象,则初始会话模式为主动会话模式;若交互挑起对象为用户挑起对象,则初始会话模式为被动会话模式。
本发明实施例提供的智能交互设备的交互方法,基于会话属性-会话模式集映射关系,确定目标用户的会话属性对应的会话模式集,且会话属性-会话模式集映射关系包括主动型与第一会话模式集的映射关系、常规型与第一会话模式集的映射关系、被动型与第二会话模式集的映射关系,第一会话模式集包括主动会话模式和被动会话模式,从而在目标用户的会话属性为主动型或常规型时,初始会话模式可以有两种选择,从而提高智能交互设备的交互灵活性,进而进一步提高智能交互设备的用户体验感;而第二会话模式集包括主动会话模式,从而在目标用户的会话属性为被动型时,初始会话模式仅可以为主动会话模式,从而防止用户与智能交互设备均不主动挑起互动时,无法进行人机交互,且初始会话模式仅可以为主动会话模式,从而面对较为排斥社交的目标用户,智能交互设备可以更为主动,以确保正常的人机交互,从而进一步提高智能交互设备的用户体验感。
基于上述任一实施例,该方法中,上述步骤410包括:
获取所述当前交互流程之前与所述目标用户相关的历史交互数据;
基于所述历史交互数据,确定所述会话属性。
此处,历史交互数据为目标用户在当前交互流程之前的交互数据。换言之,历史交互数据为目标用户在当前时刻之前的交互流程的交互数据;即历史交互数据包括在本次开展人机交互之前目标用户与智能交互设备开展的交互数据。该历史交互数据可以包括当前交互流程之前的所有交互数据,例如,当前交互流程之前目标用户与智能交互设备存在4个交互流程,则历史交互数据包括之前4个交互流程的交互数据;该历史交互数据可以包括当前交互流程之前的部分交互数据。
该历史交互数据可以包括但不限于以下至少一种:文本数据、语音数据、图片数据、视频数据、APP应用使用记录的数据等等。
进一步地,为减少历史交互数据的存储空间,可以对历史交互数据进行特征提取得到与会话属性相关的特征数据,进而实现历史交互数据的压缩,从而避免存储资源的浪费。
进一步地,为减少历史交互数据的存储空间,可以将该历史交互数据存储于其他设备(即不是本发明实施例的执行主体的设备),如存储于云端。
在一些具体实施例中,基于标注数据中的样本历史交互数据及其标注的样本会话属性之间的映射关系,对该历史交互数据进行会话属性检测得到会话属性。该映射关系具体可以体现为通过模型训练得到的会话属性检测模型,也可以体现为通过关联挖掘样本历史交互数据及其标注的样本会话属性得到的会话属性检测规则,本发明实施例对此不作具体限定。
其中,映射关系的获取过程包括:通过调整会话属性检测模型的模型参数或者会话属性检测规则的表示方式,使得对样本历史交互数据进行会话属性检测的会话属性与样本会话属性尽可能相似,此处通过多个标注数据不断调整会话属性检测模型的模型参数或者会话属性检测规则的表示方式,可以使得由此得到的映射关系更加准确,进而在应用到会话属性检测后,会话属性检测所得的会话属性更加可靠。
例如,会话属性检测模型是基于如下步骤训练得到的:基于标注数据,对会话属性检测模型进行迭代优化,得到该会话属性检测模型。基于此,将历史交互数据输入至会话属性检测模型,得到会话属性检测模型输出的会话属性。
可以理解的是,目标用户的会话属性比较固定,即人的社交性格和说话偏好比较不容易改变,因此,通过与目标用户相关的历史交互数据,可以准确确定目标用户的会话属性。
本发明实施例提供的智能交互设备的交互方法,为目标用户的会话属性的确定提供支持,且基于当前交互流程之前与目标用户相关的历史交互数据,充分考虑与目标用户相关的历史交互数据,进而准确确定目标用户的会话属性,进而准确确定当前交互流程的初始会话模式,从而进一步提高智能交互设备的用户体验感。
基于上述任一实施例,该方法中,所述用户反馈信息包括用户感兴趣程度,所述用户感兴趣程度用于表征所述目标用户关于当前话题的感兴趣程度。
此处,当前话题为当前交互流程中当前时刻智能交互设备与目标用户的互动话题。
上述步骤110之后,该方法还包括:
确定所述用户感兴趣程度达到预设感兴趣程度,调整所述当前话题。
具体地,确定用户感兴趣程度小于或等于预设感兴趣程度,调整当前话题。更为具体地,在智能交互设备具备的多种话题中,调整当前话题,得到目标话题,即将当前话题调整为该多种话题中的其他话题,以供智能交互设备后续基于目标话题与目标用户进行交互。
在一些实施例中,用户感兴趣程度包括高程度或低程度,预设感兴趣程度为低程度;基于此,若用户感兴趣程度为高程度,则确定用户感兴趣程度未达到预设感兴趣程度,保持当前话题,以供智能交互设备后续继续基于当前话题与目标用户进行交互;若用户感兴趣程度为低程度,则确定用户感兴趣程度达到预设感兴趣程度,调整当前话题。
本发明实施例提供的智能交互设备的交互方法,在当前交互流程中,确定当前与智能交互设备进行交互的目标用户,以及目标用户在当前交互流程的用户感兴趣程度,从而在确定用户感兴趣程度达到预设感兴趣程度时调整当前话题,以在目标用户关于当前话题不太感兴趣情况下,及时调整当前话题,从而避免目标用户不适应当前话题时仍直到交互轮数达到预设阈值才停止当前话题,在目标用户不适应当前话题时及时调整更换话题,从而提高智能交互设备的用户体验感。
基于上述各实施例,本发明可以让目标用户在交互中感觉如沐春风,而不是智能交互设备表现的咄咄逼人,从而提高用户体验感;即在人机交互中,用户能充分按照自己的内心进行交互,而不是完全被动的应对智能交互设备的不间断提问,进而会吸引用户经常性来跟智能交互设备进行互动,并提高用户体验感。
下面对本发明提供的智能交互设备的交互装置进行描述,下文描述的智能交互设备的交互装置与上文描述的智能交互设备的交互方法可相互对应参照。
图5为本发明提供的智能交互设备的交互装置的结构示意图,如图5所示,该智能交互设备的交互装置,包括:
第一确定模块510,用于在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;
第二确定模块520,用于基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;
模式调整模块530,用于在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
本发明实施例提供的智能交互设备的交互装置,在当前交互流程中,确定当前与智能交互设备进行交互的目标用户,以及目标用户在当前交互流程的用户反馈信息,从而基于该用户反馈信息,确定目标用户关于当前会话模式的适应结果,以在该适应结果为不适应的情况下,及时调整当前会话模式,得到调整后的目标会话模式,以供智能交互设备后续基于目标会话模式与目标用户进行交互,从而避免目标用户不适应当前会话模式时仍直到交互轮数达到预设阈值才停止,在目标用户不适应当前会话模式时及时调整更换会话模式,充分考虑用户的反馈情况,更为真实地模拟人与人之间的互动,从而提高智能交互设备的用户体验感。
基于上述任一实施例,该第二确定模块520还用于:
在所述用户反馈信息包括用户感兴趣程度的情况下,基于用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息的情况下,基于用户情绪信息-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户参与程度的情况下,基于用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户参与程度的情况下,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度、用户情绪信息和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系、用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
其中,所述用户感兴趣程度用于表征所述目标用户关于所述当前会话模式的感兴趣程度,所述用户参与程度用于表征所述目标用户关于所述当前会话模式的参与程度,所述用户情绪信息用于表征所述目标用户关于所述当前会话模式的情绪变化程度。
基于上述任一实施例,该装置还包括感兴趣程度确定模块,该感兴趣程度确定模块用于:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户感兴趣程度。
基于上述任一实施例,该装置还包括参与程度确定模块,该参与趣程度确定模块用于:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户参与程度。
基于上述任一实施例,该装置还包括情绪信息确定模块,该情绪信息确定模块用于:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户情绪信息。
基于上述任一实施例,该装置还包括会话模式确定模块,该会话模式确定模块用于:
确定所述目标用户的会话属性,所述会话属性包括主动型、常规型或被动型;
基于会话属性-会话模式集映射关系,确定所述会话属性对应的会话模式集;
从所述会话模式集中确定出所述初始会话模式;
其中,所述会话属性-会话模式集映射关系包括所述主动型与第一会话模式集的映射关系、所述常规型与第一会话模式集的映射关系、所述被动型与第二会话模式集的映射关系;
所述第一会话模式集包括主动会话模式和被动会话模式,所述第二会话模式集包括主动会话模式。
基于上述任一实施例,该会话模式确定模块还用于:
获取所述当前交互流程之前与所述目标用户相关的历史交互数据;
基于所述历史交互数据,确定所述会话属性。
基于上述任一实施例,所述用户反馈信息包括用户感兴趣程度,所述用户感兴趣程度用于表征所述目标用户关于当前话题的感兴趣程度;该装置还包括话题调整模块,该话题调整模块用于:
确定所述用户感兴趣程度达到预设感兴趣程度,调整所述当前话题。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行智能交互设备的交互方法,该方法包括:在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
此外,上述的存储器630中的逻辑指令可以通过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-Only Memory)、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。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的智能交互设备的交互方法,该方法包括:在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
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,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智能交互设备的交互方法,其特征在于,包括:
在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;
基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;
在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
2.根据权利要求1所述的智能交互设备的交互方法,其特征在于,所述基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,包括:
在所述用户反馈信息包括用户感兴趣程度的情况下,基于用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息的情况下,基于用户情绪信息-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户参与程度的情况下,基于用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户感兴趣程度的情况下,基于用户情绪信息-适应结果映射关系和用户感兴趣程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户情绪信息和用户参与程度的情况下,基于用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
在所述用户反馈信息包括用户感兴趣程度、用户情绪信息和用户参与程度的情况下,基于用户感兴趣程度-适应结果映射关系、用户情绪信息-适应结果映射关系和用户参与程度-适应结果映射关系,确定所述适应结果;
其中,所述用户感兴趣程度用于表征所述目标用户关于所述当前会话模式的感兴趣程度,所述用户参与程度用于表征所述目标用户关于所述当前会话模式的参与程度,所述用户情绪信息用于表征所述目标用户关于所述当前会话模式的情绪变化程度。
3.根据权利要求2所述的智能交互设备的交互方法,其特征在于,所述用户感兴趣程度是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户感兴趣程度;
所述用户参与程度是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户参与程度。
4.根据权利要求2所述的智能交互设备的交互方法,其特征在于,所述用户情绪信息是基于如下步骤确定:
获取所述目标用户在所述当前交互流程对应的当前交互数据;
基于所述当前交互数据,确定所述用户情绪信息。
5.根据权利要求1所述的智能交互设备的交互方法,其特征在于,所述当前交互流程的初始会话模式是基于如下步骤确定:
确定所述目标用户的会话属性,所述会话属性包括主动型、常规型或被动型;
基于会话属性-会话模式集映射关系,确定所述会话属性对应的会话模式集;
从所述会话模式集中确定出所述初始会话模式;
其中,所述会话属性-会话模式集映射关系包括所述主动型与第一会话模式集的映射关系、所述常规型与第一会话模式集的映射关系、所述被动型与第二会话模式集的映射关系;
所述第一会话模式集包括主动会话模式和被动会话模式,所述第二会话模式集包括主动会话模式。
6.根据权利要求5所述的智能交互设备的交互方法,其特征在于,所述确定所述目标用户的会话属性,包括:
获取所述当前交互流程之前与所述目标用户相关的历史交互数据;
基于所述历史交互数据,确定所述会话属性。
7.根据权利要求1所述的智能交互设备的交互方法,其特征在于,所述用户反馈信息包括用户感兴趣程度,所述用户感兴趣程度用于表征所述目标用户关于当前话题的感兴趣程度;
所述确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息,之后还包括:
确定所述用户感兴趣程度达到预设感兴趣程度,调整所述当前话题。
8.一种智能交互设备的交互装置,其特征在于,包括:
第一确定模块,用于在当前交互流程中,确定当前与所述智能交互设备进行交互的目标用户,以及所述目标用户在所述当前交互流程的用户反馈信息;
第二确定模块,用于基于所述用户反馈信息,确定所述目标用户关于当前会话模式的适应结果,所述适应结果包括适应或不适应;
模式调整模块,用于在所述适应结果为不适应的情况下,调整所述当前会话模式,得到调整后的目标会话模式,以供所述智能交互设备基于所述目标会话模式与所述目标用户进行交互。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述智能交互设备的交互方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述智能交互设备的交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843157.XA CN116595153B (zh) | 2023-07-11 | 2023-07-11 | 智能交互设备的交互方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843157.XA CN116595153B (zh) | 2023-07-11 | 2023-07-11 | 智能交互设备的交互方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116595153A true CN116595153A (zh) | 2023-08-15 |
CN116595153B CN116595153B (zh) | 2023-11-24 |
Family
ID=87608423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310843157.XA Active CN116595153B (zh) | 2023-07-11 | 2023-07-11 | 智能交互设备的交互方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116595153B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2933071A1 (en) * | 2014-04-17 | 2015-10-21 | Aldebaran Robotics | Methods and systems for managing dialogs of a robot |
WO2018068011A1 (en) * | 2016-10-09 | 2018-04-12 | The Charles Stark Draper Laboratory, Inc. | System for co-adaptive human-computer interaction |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
CN109036405A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、装置、设备及存储介质 |
US20190213465A1 (en) * | 2018-01-09 | 2019-07-11 | Fuji Xerox Co., Ltd. | Systems and methods for a context aware conversational agent based on machine-learning |
CN112180774A (zh) * | 2019-07-03 | 2021-01-05 | 百度在线网络技术(北京)有限公司 | 一种智能设备的交互方法、装置、设备和介质 |
CN112651334A (zh) * | 2020-12-25 | 2021-04-13 | 三星电子(中国)研发中心 | 机器人视频交互方法和系统 |
CN115700878A (zh) * | 2021-07-30 | 2023-02-07 | 辉达公司 | 通过动态响应打断内容改进会话ai的双工通信 |
CN115955452A (zh) * | 2023-03-15 | 2023-04-11 | 上海帜讯信息技术股份有限公司 | 基于多轮会话意图识别的5g消息推送方法和装置 |
CN116301329A (zh) * | 2023-01-12 | 2023-06-23 | 安徽淘云科技股份有限公司 | 智能设备主动交互方法、装置、设备和存储介质 |
-
2023
- 2023-07-11 CN CN202310843157.XA patent/CN116595153B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2933071A1 (en) * | 2014-04-17 | 2015-10-21 | Aldebaran Robotics | Methods and systems for managing dialogs of a robot |
WO2018068011A1 (en) * | 2016-10-09 | 2018-04-12 | The Charles Stark Draper Laboratory, Inc. | System for co-adaptive human-computer interaction |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
US20190213465A1 (en) * | 2018-01-09 | 2019-07-11 | Fuji Xerox Co., Ltd. | Systems and methods for a context aware conversational agent based on machine-learning |
CN109036405A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、装置、设备及存储介质 |
CN112180774A (zh) * | 2019-07-03 | 2021-01-05 | 百度在线网络技术(北京)有限公司 | 一种智能设备的交互方法、装置、设备和介质 |
CN112651334A (zh) * | 2020-12-25 | 2021-04-13 | 三星电子(中国)研发中心 | 机器人视频交互方法和系统 |
CN115700878A (zh) * | 2021-07-30 | 2023-02-07 | 辉达公司 | 通过动态响应打断内容改进会话ai的双工通信 |
CN116301329A (zh) * | 2023-01-12 | 2023-06-23 | 安徽淘云科技股份有限公司 | 智能设备主动交互方法、装置、设备和存储介质 |
CN115955452A (zh) * | 2023-03-15 | 2023-04-11 | 上海帜讯信息技术股份有限公司 | 基于多轮会话意图识别的5g消息推送方法和装置 |
Non-Patent Citations (1)
Title |
---|
陈晋鹏: "基于会话的推荐方法综述", 中文信息学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN116595153B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683672B (zh) | 一种基于情感和语义的智能对话方法及系统 | |
CN108037905B (zh) | 一种用于智能机器人的交互输出方法及智能机器人 | |
CN111309886B (zh) | 一种信息交互方法、装置和计算机可读存储介质 | |
CN107609092B (zh) | 智能应答方法和装置 | |
CN107870994A (zh) | 用于智能机器人的人机交互方法及系统 | |
US20100153095A1 (en) | Virtual Pet Chatting System, Method, and Virtual Pet Question and Answer Server | |
CN108846073B (zh) | 一种个性化人机情感会话系统 | |
CN108540863B (zh) | 基于人脸表情的弹幕设置方法、存储介质、设备及系统 | |
WO2018061774A1 (ja) | 情報処理システム、情報処理装置、情報処理方法、及び記憶媒体 | |
CN110569352B (zh) | 一种可定制外观和性格的虚拟助手的设计系统及方法 | |
CA2691930C (en) | Chatting system, method and apparatus for virtual pet | |
WO2023226913A1 (zh) | 基于表情识别的虚拟人物驱动方法、装置及设备 | |
CN112204654A (zh) | 用于基于预测的先发式对话内容生成的系统和方法 | |
CN115083434B (zh) | 一种情绪识别方法、装置、计算机设备及存储介质 | |
JP2020047240A (ja) | インタラクティブ応答方法及びそれを利用するコンピュータ・システム | |
CN116595153B (zh) | 智能交互设备的交互方法、装置、电子设备和存储介质 | |
CN108306813A (zh) | 会话消息的处理方法、服务器及客户端 | |
KR102327011B1 (ko) | 상담 품질 향상 방법 및 장치 | |
CN114003702A (zh) | 用于聊天的数据处理方法以及相关装置 | |
CN110561453B (zh) | 一种绘本机器人的引导式陪读方法 | |
CN117033587A (zh) | 人机交互方法、装置、电子设备及介质 | |
CN109961152B (zh) | 虚拟偶像的个性化互动方法、系统、终端设备及存储介质 | |
CN108197189B (zh) | 主动交互方法及装置 | |
CN116301329A (zh) | 智能设备主动交互方法、装置、设备和存储介质 | |
CN112619157B (zh) | 游戏对战交互方法及装置、电子设备、可读介质、产品 |
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 |