CN117390147A - 智能回复方法和装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种智能回复方法和装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：接收目标对象的原始输入数据；根据原始输入数据在预设时段进行答复生成，得到原始回复数据；在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；根据目标回复数据对目标对象进行回复。本申请实施例能够实现对智能助手的回复生成进行中断，并开始新一轮对话，增强智能助手对用户输入的响应性，并提高了智能助手的回复交互性，提升了用户的使用体验。

Description

智能回复方法和装置、电子设备及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种智能回复方法和装置、电子设备及存储介质。

背景技术

目前，在智能助手使用过程中，用户得等智能助手的回复内容输出完成后才能进一步提出新的问题或补充资料，或者在打断智能助手的回复内容之后，用户需要等待较长时间才能得到智能助手的新回复，整个过程中的回复交互性较差。因此，如何提高智能助手的回复交互性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种智能回复方法和装置、电子设备及存储介质，旨在提高智能助手的回复交互性。

为实现上述目的，本申请实施例的第一方面提出了一种智能回复方法，所述方法包括：

接收目标对象的原始输入数据；

根据所述原始输入数据在预设时段进行答复生成，得到原始回复数据；

在所述预设时段内，根据所述原始回复数据向所述目标对象输出回复片段数据，并接收所述目标对象的当前输入数据；其中，所述回复片段数据为所述原始回复数据已经输出的部分；

根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据；

根据所述目标回复数据对所述目标对象进行回复。

在一些实施例，所述根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据，包括：

对所述原始输入数据、所述当前输入数据进行关联分析，得到输入关联程度；其中，所述输入关联程度用于表征所述原始输入数据和所述当前输入数据之间的关联程度；

基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据。

在一些实施例，所述对所述原始输入数据、所述当前输入数据进行关联分析，得到输入关联程度，包括：

对所述原始输入数据进行语义分析，得到原始输入语义数据；

对所述当前输入数据进行语义分析，得到当前输入语义数据；

将所述原始输入语义数据和所述当前输入语义数据进行上下文比对，得到输入关联程度。

在一些实施例，若所述输入关联程度为第一关联程度，其中，所述第一关联程度表示所述原始输入数据和所述当前输入数据之间相关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第一关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行上下文融合，得到目标输入数据；

基于所述目标输入数据生成所述目标回复数据。

在一些实施例，若所述输入关联程度为第二关联程度，其中，所述第二关联程度表示所述原始输入数据和所述当前输入数据之间无关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第二关联程度对当前输入数据进行目标回复生成，得到第一回复数据；

将所述第一回复数据与预设的第一答复模板进行答复合成，得到所述目标回复数据。

在一些实施例，若所述输入关联程度为第三关联程度，其中，所述第三关联程度表示所述原始输入数据和所述当前输入数据之间无关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第三关联程度对所述原始回复数据和所述回复片段数据进行答复确认，得到第二回复数据；其中，所述第二回复数据为所述原始回复数据中未输出的部分；

基于所述原始输入数据和所述第二回复数据生成所述目标回复数据。

在一些实施例，所述基于所述原始输入数据和所述第一回复数据生成所述目标回复数据，包括：

基于所述原始输入数据进行答复模板确认，得到第二答复模板；

将所述第二回复数据与所述第二答复模板进行答复合成，得到所述目标回复数据。

为实现上述目的，本申请实施例的第二方面提出了一种智能回复装置，所述装置包括：

原始输入数据接收模块，用于接收目标对象的原始输入数据；

第一答复生成模块，用于根据所述原始输入数据在预设时段进行答复生成，得到原始回复数据；

答复输出模块，用于在所述预设时段内，根据所述原始回复数据向所述目标对象输出回复片段数据，并接收所述目标对象的当前输入数据；其中，所述回复片段数据为所述原始回复数据已经输出的部分；

第二答复生成模块，用于根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据；

回复模块，用于根据所述目标回复数据对所述目标对象进行回复。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的方法。

本申请提出的智能回复方法和装置、电子设备及存储介质,其通过接收目标对象的原始输入数据；根据原始输入数据在预设时段进行答复生成，得到原始回复数据；在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；根据目标回复数据对目标对象进行回复。实现了对智能助手的回复生成进行中断，并开始新一轮对话，增强智能助手对用户输入的响应性，并提高了智能助手的回复交互性，提升了用户的使用体验。

附图说明

图1是本申请实施例提供的智能回复方法的流程图；

图2是图1中的步骤S104的流程图；

图3是图2中的步骤S201的流程图；

图4是图2中的步骤S202的流程图；

图5是本申请另一实施例提供的智能回复方法的流程图；

图6是本申请另一实施例提供的智能回复方法的流程图；

图7是图6中的步骤S602的流程图；

图8是本申请实施例提供的智能回复装置的结构示意图；

图9是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

自然语言处理(natural language processing，NLP)：NLP用计算机来处理、理解以及运用人类语言(如中文、英文等)，NLP属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域，它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。

上下文学习(In Context Learning,ICL)：上下文学习是指通过分析和理解文本或语言中的上下文信息来提高自然语言处理的能力。在自然语言处理中，单个词或短语的含义和语法结构往往依赖于其周围的上下文环境。上下文学习的目标是利用上下文中的语境和语义信息，从而更准确地解析和理解文本。这包括考虑前文和后文的相关信息，推断词义、语法关系和语义关系等。上下文学习可以应用于多个任务，如词义消歧、句法分析、语义角色标注、机器翻译等。通过利用上下文信息，模型可以更好地理解和处理自然语言，提高自然语言处理的准确性和效果。

目前的智能助手在回答问题的完备性、流畅性上都已具相当的能力，但在用户需要提出新的问题或补充说明的场景中，用户得等智能助手的回复内容输出完成后才能进一步提出新的问题或补充资料，或者在打断智能助手的回复内容之后，用户需要等待较长时间才能得到智能助手的新回复，在这种不能随意打断和干扰对话流程的交互模式下，用户常碰到等待时间过长、使用体验不佳等情况，整个过程中的回复交互性较差。

因此，如何提高智能助手的回复交互性，成为了亟待解决的技术问题。

基于此，本申请实施例提供了一种智能回复方法和装置、电子设备及存储介质，旨在提高智能助手的回复交互性。

本申请实施例提供的智能回复方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的智能回复方法。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的智能回复方法，涉及人工智能技术领域。本申请实施例提供的智能回复方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、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、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现智能回复方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。

图1是本申请实施例提供的智能回复方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S105。

步骤S101，接收目标对象的原始输入数据；

步骤S102，根据原始输入数据在预设时段进行答复生成，得到原始回复数据；

步骤S103，在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；

步骤S104，根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；

步骤S105，根据目标回复数据对目标对象进行回复。

本申请实施例所示意的步骤S101至步骤S105，通过接收目标对象的原始输入数据；根据原始输入数据在预设时段进行答复生成，得到原始回复数据；在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；根据目标回复数据对目标对象进行回复。智能助手的回复过程可被打断，并根据新的问题立刻开始生成答案，增强智能助手对目标对象输入的实施响应性和对话真实性，提高了智能助手的回复交互性，提升了用户的使用体验。

在一些实施例的步骤S101中，原始输入数据为目标对象在交互界面中输入的内容，可以为提问问题，也可以为闲聊内容。

需要说明的是，交互界面为交互终端的显示界面。

在一些实施例的步骤S102中，通过大语言模型对原始输入数据进行答复生成，其中，该大语言模型可以为根据应用场景训练得到的，也可以为通用模型，例如ChatGPT、文心一言等。

在一些实施例的步骤S103中，原始回复数据为根据原始输入数据生成的完整的回复数据，在后台生成得到原始回复数据后，会将原始回复数据在显示界面上进行输出，以使得目标对象能够看到和理解原始回复数据。

具体地，原始回复数据的输出方式为按照字符单元的顺序，在显示界面中以片段的形式输出该原始回复数据。若回复数据为较长的内容，一次性输出可能会导致信息的过载和阅读难度较大，而以片段的形式输出回复数据，目标对象可以逐步消化和理解信息，避免信息过载和困惑，进而更好地吸收所回复的内容；另外，以片段的形式输出回复数据还可以实现更灵活的回复交互体验，便于目标对象对回复过程进行打断。

需要说明的是，预设时段是原始回复数据完整输出所需的时间，该预设时段为模型预估的时间，目标对象在该预设时段内输入任意内容均可实现对原始回复数据的打断。

而在预设时段内，在接收到目标对象输入的当前输入数据，对原始回复数据的输出进行打断，得到回复片段数据，回复片段数据为原始回复数据已经在显示界面输出显示的部分。对应的，还包括另一部分尚未在显示界面输出显示的部分。

请参阅图2，在一些实施例中，步骤S104可以包括但不限于包括步骤S201至步骤S202：

步骤S201，对原始输入数据、当前输入数据进行关联分析，得到输入关联程度；其中，输入关联程度用于表征原始输入数据和当前输入数据之间的关联程度；

步骤S202，基于输入关联程度对原始输入数据、当前输入数据和回复片段数据进行目标答案生成处理，得到目标回复数据。

本申请实施例所示意的步骤S201至步骤S202，通过对原始输入数据和当前输入数据进行关联分析，得到表征原始输入数据和当前输入数据之间的关联程度的输入关联程度，并基于该输入关联程度对原始输入数据、当前输入数据和回复片段数据进行处理，并生成目标回复数据，更准确地理解目标对象的意图，进而根据当前输入内容确定答案生成的内容，并提高回复的准确性。

请参阅图3，在一些实施例中，步骤S201可以包括但不限于包括步骤S301至步骤S303：

步骤S301，对原始输入数据进行语义分析，得到原始输入语义数据；

步骤S302，对当前输入数据进行语义分析，得到当前输入语义数据；

步骤S303，将原始输入语义数据和当前输入语义数据进行上下文比对，得到输入关联程度。

本申请实施例所示意的步骤S301至步骤S303，通过对原始输入数据、当前输入数据分别进行语义分析，得到原始输入语义数据和当前输入语义数据，然后将原始输入语义数据和当前输入语义数据进行上下文比对，得到输入关联程度，从而了解到原始输入数据和当前输入数据之间的相关性，进而确定下一轮答复生成的方向。

需要说明的是，对原始输入数据、当前输入数据进行语义分析，可以推断输入数据的含义和意图，便于进行上下文比对，得到原始输入数据和当前输入数据之间的关联关系。

需要说明的是，上下文比对通过比较两个语义数据之间的相似性来确定它们之间的关联程度。在上下文比对过程中，会使用算法或模型来计算关联程度分数，常见的方法包括词向量模型、余弦相似度等，具体的，这些方法可以根据文本的语义和结构特征来量化文本之间的相关性，并得到一个关联程度分数来衡量它们之间的关联程度，即输入关联程度。

通过得到输入关联程度，进而可以根据预设的阈值或评估标准来判断两个数据之间的关系是有关联还是无关联，有助于进一步的确定目标答案生成的方式。

在一些实施例中，在原始输入数据之前还包括历史对话数据，还需要结合历史对话数据进行上下文比对，确定当前输入数据与原始输入数据、历史对话数据之间的关联关系。

在一些实施例的步骤S202中，通过大语言模型对目标输入数据进行答复生成，其中，该大语言模型可以为根据应用场景训练得到的，也可以为通用模型，例如ChatGPT、文心一言等。

请参阅图4，在一些实施例中，若输入关联程度为第一关联程度，其中，第一关联程度表示原始输入数据和当前输入数据之间相关联，步骤S202可以包括但不限于包括步骤S401至步骤S402：

步骤S401，基于第一关联程度对原始输入数据、当前输入数据和回复片段数据进行上下文融合，得到目标输入数据；

步骤S402，基于目标输入数据生成目标回复数据。

本申请实施例所示意的步骤S401至步骤S402，通过将原始输入数据、当前输入数据和回复片段数据进行上下文融合，得到目标输入数据；进而根据目标输入数据生成目标回复数据，通过上下文融合处理，使得目标回复数据能够与历史对话紧密结合起来，更准确地理解目标对象的意图，进而提供更准确的回复，并提高回复交互的连贯性和回复的准确性。

需要说明的是，第一关联程度表示原始输入数据和当前输入数据之间相关联，表示当前输入数据是原始输入数据的补充说明、延伸或进一步探究等。

在一些实施例的步骤S401中，在原始输入数据之前还包括历史对话数据，还需要结合历史对话数据进行上下文融合，即将原始输入数据、当前输入数据、回复片段数据和历史对话数据进行上下文融合，得到目标输入数据，从而充分学习上下文的信息，更准确地理解目标对象的意图。

请参阅图5，在一些实施例中，若输入关联程度为第二关联程度，其中，第二关联程度表示原始输入数据和当前输入数据之间无关联，步骤S202还可以包括但不限于包括步骤S501至步骤S502：

步骤S501，基于第二关联程度对当前输入数据进行目标回复生成，得到第一回复数据；

步骤S502，将第一回复数据与预设的第一答复模板进行答复合成，得到目标回复数据。

本申请实施例所示意的步骤S501至步骤S502，若原始输入数据和当前输入数据之间无关联，则根据当前输入数据生成第一回复数据，并将第一回复数据与预设的第一答复模板进行答复合成，得到目标回复数据，更准确地理解目标对象的转折意图，进而根据新输入的数据提供更准确的回复，并提高回复的准确性。

需要说明的是，第二关联程度表示原始输入数据和当前输入数据之间无关联，表示当前输入数据相对于原始输入数据是新的问题，与原始输入数据之间没有任何关联，因此，仅需根据当前输入数据进行新的问题生成即可。

需要说明的是，第一答复模板是一种预定义的文本格式，可用于回复新提出的问题。

在一些实施例的步骤S502中，结合第一回复数据和第一答复模板进行答复合成，得到完整的回复数据，能够保证生成的回复数据是符合规范和标准，有助于保持回复风格的一致性和提供可预测的用户体验；另外，使用第一答复模板还能够节省答复生成的时间，提高回复的效率。

在一些实施例中，第一答复模板还可用于需要进行上下文融合的情况，即在输入关联程度为第一关联程度的情况下，步骤S402可以包括但不限于包括如下步骤：

根据目标输入数据生成第三回复数据；

将第三回复数据与第一答复模板进行答复合成，得到目标回复数据。

需要说明的是，第一答复模板还可以根据目标对象的答复偏好进行调整。

在一些实施例中，在原始输入数据之前还包括历史对话数据，第二关联程度还表示当前输入数据和历史对话数据之间无关联。

请参阅图6，在一些实施例，若输入关联程度为第三关联程度，其中，第三关联程度表示原始输入数据和当前输入数据之间无关联，步骤S202包括但不限于包括步骤S601至步骤S602：

步骤S601，基于第三关联程度对原始回复数据和回复片段数据进行答复确认，得到第二回复数据；其中，第二回复数据为原始回复数据中未输出的部分；

步骤S602，基于原始输入数据和第二回复数据生成目标回复数据。

本申请实施例所示意的步骤S601至步骤S602，通过若原始输入数据和当前输入数据之间无关联，则根据回复片段数据确定原始回复数据中未输出的部分，得到第二回复数据，并结合原始输入数据和第二回复数据生成目标回复数据，避免因为打断导致回复的不完整，影响目标对象的使用体验。

需要说明的是，第三关联程度表示原始输入数据和当前输入数据之间无关联，表示当前输入数据为无效的输入数据，例如误触，或者表示当前输入数据为赞同类内容，例如：同意、赞成、认同等内容。因此，需要继续回复上一个输入数据的内容，即回复原始输入数据。

具体地，赞同类内容可以包括但不限于如下内容：

词语：同意、赞成、认同、同感、对的、没错等；

句子：我同意你的观点、我赞成你的看法、我认同你的观点、我赞同你的意见/想法等。

在一些实施例的步骤S601中，在输入关联程度为第三关联程度的情况下，基于回复片段数据确认原始回复数据中未输出的部分，得到第二回复数据，即在回复内容上，回复片段数据与第二回复数据组合起来，可以得到原始回复数据。

请参阅图7，在一些实施例中，步骤S602可以包括但不限于包括步骤S701至步骤S702：

步骤S701，基于原始输入数据进行答复模板确认，得到第二答复模板；

步骤S702，将第二回复数据与第二答复模板进行答复合成，得到目标回复数据。

本申请实施例所示意的步骤S701至步骤S702，通过将第二回复数据与第二答复模板进行答复合成，得到目标回复数据，能够保证生成的回复数据是符合规范和标准，有助于保持回复风格的一致性和提供可预测的用户体验；另外，使用第一答复模板还能够节省答复生成的时间，提高回复的效率。

需要说明的是，第二答复模板是一种预定义的文本格式，用于在新输入的内容为无效的输入数据或者赞同类内容的情况，即在输入关联程度为第三关联程度的情况下。

在一些实施例中，步骤S701还可以包括但不限于包括如下步骤：

基于第二回复数据、原始输入数据在预设的答复模板集合中进行模板匹配，得到第二答复模板。

需要说明的是，步骤S701中的答复模板确认处理为模板匹配处理。

需要说明的是，模板匹配可以通过以下几种方式实现：

问题分类：通过训练一个分类器来将输入数据分为不同的类别，其中，输入数据为第二回复数据和原始输入数据，然后根据问题的类别选择相应的答复模板。分类器可以基于传统的机器学习算法，也可以使用深度学习方法，例如卷积神经网络、循环神经网络等；

相似度匹配：将输入数据与预定义的问题模板进行相似度匹配，选择与输入数据最相似的模板作为答复模板。相似度匹配可以使用词向量相似度、句子向量相似度等技术来计算问题与模板之间的相似程度；

关键词匹配：模型可以将输入数据的关键词与答复模板中的关键词进行匹配，根据匹配结果选择相应的答复模板。关键词匹配可以使用传统的字符串匹配算法，也可以使用更高级的自然语言处理技术，例如词性标注、依存关系分析等；

需要说明的是，以上模板匹配方式可以单独使用，也可以结合使用，在本实施例中不对其作限制。

需要说明的是，第二答复模板还可以根据目标对象的答复偏好进行调整。

在一些实施例中，在输入关联程度为第三关联程度的情况下，还可以基于目标对象的选择偏好将原始答复数据重新向目标对象进行输出，实现更快的回复相应。

在一些实施例中，在输入关联程度为第三关联程度的情况下，步骤S105可以包括但不限于包括如下步骤：

向目标对象发送输入确认指令，并基于目标对象的确认当前输入数据为无效的输入数据或者赞同类内容；

将目标回复数据对目标对象进行回复。

在一个实施例中，在输入关联程度为第三关联程度的情况下，

目标对象的原始输入数据：问题A。

原始回复数据：

对于问题A的答复包括一下几点：

A1，xxxxxx；

A2，xxxxxx；

A3，xxxxxx；

A4，xxxxxx；

A5，xxxxxx；

以上为针对问题A的答复。

当原始回复数据输出到A3时，目标对象输入了当前输入数据；

当前输入数据：对的，我同意你的观点。

根据原当前输入数据确定原始回复数据中未输出的部分，得到第二回复数据；

第二回复数据:

A4，xxxxxx；

A5，xxxxxx；

以上为针对问题A的答复。

基于第二答复模板和第二回复数据生成目标回复数据，

目标回复数据：

好的，针对问题A的剩余的答复还有：

A4，xxxxxx；

A5，xxxxxx；

以上为针对问题A的答复。

具体的，在显示界面上的交互过程如下：

目标对象：问题A。

智能助手：对于问题A的答复包括一下几点：

A1，xxxxxx；

A2，xxxxxx；

A3，xxxxxx；

加载中…

目标对象：对的，我同意你的观点。

智能对象：好的，针对问题A的剩余的答复还有：

A4，xxxxxx；

A5，xxxxxx；

以上为针对问题A的答复。

需要说明的是，答复模板可以根据目标对象的偏好进行设置，也可以为预设的偏好，在本申请实施例中不对其作限制。

请参阅图8，本申请实施例还提供一种智能回复装置，可以实现上述智能回复方法，该装置包括：

原始输入数据接收模块，用于接收目标对象的原始输入数据；

第一答复生成模块，用于根据原始输入数据在预设时段进行答复生成，得到原始回复数据；

答复输出模块，用于在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；

第二答复生成模块，用于根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；

回复模块，用于根据目标回复数据对目标对象进行回复。

该智能回复装置的具体实施方式与上述智能回复方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述智能回复方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的智能回复方法；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述智能回复方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提供的智能回复方法和装置、电子设备及存储介质，其通过接收目标对象的原始输入数据；根据原始输入数据在预设时段进行答复生成，得到原始回复数据；在预设时段内，根据原始回复数据向目标对象输出回复片段数据，并接收目标对象的当前输入数据；其中，回复片段数据为原始回复数据已经输出的部分；根据原始输入数据、回复片段数据和当前输入数据进行答复生成，得到目标回复数据；根据目标回复数据对目标对象进行回复。实现了对智能助手的回复生成进行中断，并开始新一轮对话，增强智能助手对用户输入的响应性，并提高了智能助手的回复交互性，提升了用户的使用体验。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中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，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可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，上述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上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单元来实现本实施例方案的目的。

另外，在本申请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。

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，本申请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，包括多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)执行本申请各个实施例的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(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种智能回复方法，其特征在于，所述方法包括：

接收目标对象的原始输入数据；

根据所述原始输入数据在预设时段进行答复生成，得到原始回复数据；

在所述预设时段内，根据所述原始回复数据向所述目标对象输出回复片段数据，并接收所述目标对象的当前输入数据；其中，所述回复片段数据为所述原始回复数据已经输出的部分；

根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据；

根据所述目标回复数据对所述目标对象进行回复。

2.根据权利要求1所述的方法，其特征在于，所述根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据，包括：

对所述原始输入数据、所述当前输入数据进行关联分析，得到输入关联程度；其中，所述输入关联程度用于表征所述原始输入数据和所述当前输入数据之间的关联程度；

基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述原始输入数据、所述当前输入数据进行关联分析，得到输入关联程度，包括：

对所述原始输入数据进行语义分析，得到原始输入语义数据；

对所述当前输入数据进行语义分析，得到当前输入语义数据；

将所述原始输入语义数据和所述当前输入语义数据进行上下文比对，得到输入关联程度。

4.根据权利要求2所述的方法，其特征在于，若所述输入关联程度为第一关联程度，其中，所述第一关联程度表示所述原始输入数据和所述当前输入数据之间相关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第一关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行上下文融合，得到目标输入数据；

基于所述目标输入数据生成所述目标回复数据。

5.根据权利要求2所述的方法，其特征在于，若所述输入关联程度为第二关联程度，其中，所述第二关联程度表示所述原始输入数据和所述当前输入数据之间无关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第二关联程度对当前输入数据进行目标回复生成，得到第一回复数据；

将所述第一回复数据与预设的第一答复模板进行答复合成，得到所述目标回复数据。

6.根据权利要求2所述的方法，其特征在于，若所述输入关联程度为第三关联程度，其中，所述第三关联程度表示所述原始输入数据和所述当前输入数据之间无关联；所述基于所述输入关联程度对所述原始输入数据、所述当前输入数据和所述回复片段数据进行目标答案生成处理，得到所述目标回复数据，包括：

基于所述第三关联程度对所述原始回复数据和所述回复片段数据进行答复确认，得到第二回复数据；其中，所述第二回复数据为所述原始回复数据中未输出的部分；

基于所述原始输入数据和所述第二回复数据生成所述目标回复数据。

7.根据权利要求6所述方法，其特征在于，所述基于所述原始输入数据和所述第二回复数据生成所述目标回复数据，包括：

基于所述原始输入数据进行答复模板确认，得到第二答复模板；

将所述第二回复数据与所述第二答复模板进行答复合成，得到所述目标回复数据。

8.一种智能回复装置，其特征在于，所述装置包括：

原始输入数据接收模块，用于接收目标对象的原始输入数据；

第一答复生成模块，用于根据所述原始输入数据在预设时段进行答复生成，得到原始回复数据；

答复输出模块，用于在所述预设时段内，根据所述原始回复数据向所述目标对象输出回复片段数据，并接收所述目标对象的当前输入数据；其中，所述回复片段数据为所述原始回复数据已经输出的部分；

第二答复生成模块，用于根据所述原始输入数据、所述回复片段数据和所述当前输入数据进行答复生成，得到目标回复数据；

回复模块，用于根据所述目标回复数据对所述目标对象进行回复。

9.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。

10.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至7中任一项所述的方法的步骤。