CN117909478A - 生成式问答系统、方法、设备、存储介质及程序产品 - Google Patents
生成式问答系统、方法、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN117909478A CN117909478A CN202410081674.2A CN202410081674A CN117909478A CN 117909478 A CN117909478 A CN 117909478A CN 202410081674 A CN202410081674 A CN 202410081674A CN 117909478 A CN117909478 A CN 117909478A
- Authority
- CN
- China
- Prior art keywords
- question
- information
- answering
- answer
- answer information
- 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 79
- 238000003860 storage Methods 0.000 title claims description 15
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 18
- 230000004048 modification Effects 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 230000002787 reinforcement Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 15
- 230000003993 interaction Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000013210 evaluation model Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241001074085 Scophthalmus aquosus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种生成式问答系统、方法、设备、存储介质及程序产品,在本申请实施例中,生成式问答系统中的问答服务端联合问答模型和知识库进行对用户提出的问题信息进行答复,且在生成式问答系统中的问答辅助端的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。特别是在问答服务端作为客服机器人的情况下,联合问答模型和知识库在客服机器人接待过程中提供更加智能、高效且个性的自动应答功能,通过自动回复给消费者提供拟人化的咨询体感,通过坐席辅助和知识库联动为商家接待提效。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种生成式问答系统、方法、设备、存储介质及程序产品。
背景技术
在电商领域,客服机器人能够提升商家客服工作效率,帮助商家全天候、高品质的智能接待。目前,市面上的客服机器人比较常见的是检索式问答机器人,这类客服机器人依赖商家手动配置知识库,在消费者向客服机器人进行提问时,客服机器人从知识库中检索问题的答案信息并反馈给消费者。现有客服机器人容易出现答非所问的情况,难以准确回答,影响消费者的体验感。
发明内容
本申请的多个方面提供一种生成式问答系统、方法、设备、存储介质及程序产品,用以更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
本申请实施例提供一种生成式问答系统,包括:问答服务端和问答辅助端;
所述问答服务端,用于接收问题描述内容,利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息;根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息;将所述第一初始答案信息发送给所述问答辅助端进行修正,并输出所述问答辅助端返回的第一目标答案信息;问答辅助端,用于接收所述第一初始答案信息,响应修正操作,对所述第一初始答案信息进行修正以得到第一目标答案信息,并返回给所述问答服务端。
本申请实施例还提供一种生成式问答方法,包括:接收问答服务端发送的第一初始答案信息,所述第一初始答案信息是所述问答服务端利用问答模型对问题描述信息进行意图理解得到的第一问题信息在知识库中进行检索得到的;响应修正操作,对所述第一初始答案信息进行修正,以得到第一目标答案信息;向所述问答服务端返回所述第一目标答案信息,以供所述问答服务端输出所述第一目标答案信息。
本申请实施例还提供一种电子设备,包括:存储器和处理器;存储器,用于存储计算机程序;处理器耦合至存储器,用于执行计算机程序以用于执行生成式问答方法中的步骤。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当计算机程序被处理器执行时,致使处理器能够实现生成式问答方法中的步骤。
本申请实施例还提供一种计算机程序产品,包括计算机程序/指令,当所述计算机程序/指令被处理器执行时,致使所述处理器能够实现生成式问答方法中的步骤。
在本申请实施例中,生成式问答系统中的问答服务端联合问答模型和知识库进行对用户提出的问题信息进行答复,且在生成式问答系统中的问答辅助端的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。特别是在问答服务端作为客服机器人的情况下,联合问答模型和知识库在客服机器人接待过程中提供更加智能、高效且个性的自动应答功能,通过自动回复给消费者提供拟人化的咨询体感,通过坐席辅助和知识库联动为商家接待提效。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种生成式问答系统的结构示意图;
图2为本申请实施例提供的一种生成式问答方法的交互图;
图3为本申请实施例提供的另一种生成式问答方法的交互图;
图4为本申请实施例提供的一种示例性的应用场景图;
图5为本申请实施例提供的一种生成式问答方法的流程图;
图6为本申请实施例提供的另一种生成式问答方法的流程图;
图7为本申请实施例提供的一种生成式问答装置的结构示意图;
图8为本申请实施例提供的另一种生成式问答装置的结构示意图;
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的访问关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本申请的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。此外,在本申请实施例中,“第一”、“第二”、“第三”、等只是为了区分不同对象的内容而已,并无其它特殊含义。
在电商领域,客服机器人能够提升商家客服工作效率,帮助商家全天候、高品质的智能接待。目前,市面上的客服机器人比较常见的是检索式问答机器人,这类客服机器人依赖商家手动配置知识库,在消费者向客服机器人进行提问时,客服机器人从知识库中检索问题的答案信息并反馈给消费者。现有客服机器人容易出现答非所问的情况,难以准确回答,影响消费者的体验感。
为此,本申请实施例提供一种生成式问答系统、方法、设备、存储介质及程序产品,在本申请实施例中,生成式问答系统中的问答服务端联合问答模型和知识库进行对用户提出的问题信息进行答复,且在生成式问答系统中的问答辅助端的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。特别是在问答服务端作为客服机器人的情况下,联合问答模型和知识库在客服机器人接待过程中提供更加智能、高效且个性的自动应答功能,通过自动回复给消费者提供拟人化的咨询体感,通过坐席辅助和知识库联动为商家接待提效。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请实施例提供的一种生成式问答系统的结构示意图。参见图1,该生成式问答系统包括问答服务端10和问答辅助端20。
在本实施例中,问答服务端10可以是任意具有问答交互功能的诸如云服务器、常规服务器、服务器集群等各种形态的服务端设备,对此不做限制。问答服务端10在语音识别技术、自然语言处理技术等支持下,具备情感识别、个性化回复、自主学习等多种能力,可充分满足多样化的问答交互需求。
在本实施例中,问答辅助端20可以是硬件也可以是软件。当问答辅助端20为硬件时,例如为手机、平板电脑、可穿戴设备或车载设备等。当问答辅助端20为软件时,其可以安装在上述列举的硬件设备中,此时,问答辅助端20例如为多个软件模块或单个软件模块等,本申请实施例并不限制。
在本实施例中,问答服务端10联合问答模型和知识库进行对用户提出的问题信息进行答复,且在问答辅助端20的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
生成式问答系统能够替代人工解决大部分咨询问题,可以应用在智能在线客服、搜索引擎、语音对话交互等多种场景,对此不做限制。以电商领域的智能在线客服场景为例,商家可以为消费者提供24小时的客服服务,消费者在用户终端30输入描述第一问题信息的问题描述内容,参见图1中的①所示,用户终端30将问题描述内容发送给扮演客服机器人角色的问答服务端10,问答服务端10利用问答模型和知识库进行应答处理。具体的,参见图1中的②所示,问答服务端10利用问答模型理解问题描述内容所描述的第一问题信息。参见图1中的③、④和⑤所示,问答模型在存储各个问题信息及其答案信息的知识库中检索第一问题信息对应的第一初始答案信息,并返回给客服机器人。参见图1中的⑥所示,客服机器人向问答辅助端20发送第一初始答案信息,参见图1中的⑦和⑧所示,问答辅助端20响应于扮演人工客服角色的问答辅助人员触发的修正操作,修正第一初始答案信息得到第一目标答案信息,并向客户机器人返回第一目标答案信息,客户机器人向用户终端30输出第一目标答案信息,至此完成客服机器人与消费者之间的问答交互。
在此说明,在图2所示场景实施例中,以问答服务端10实现为客服机器人,以问答辅助端20实现为人工客服端为例,但并不限于此。
下面结合图2介绍本申请实施例提供的生成式问答系统的工作原理。图2为本申请实施例提供的一种生成式问答方法的交互图。参见图2,该方法可以包括以下步骤:
201、问答服务端接收问题描述内容。
在本实施例中,当用户存在咨询需求时,向问答服务端提供问题描述内容,问题描述内容用于描述第一问题信息。例如,用户在诸如手机或平板电脑等各种用户终端中手动输入或语音输入自然语言形式的问题描述内容,用户终端向问答服务端发送问题描述内容。问题描述内容是对问题信息进行描述的内容,为了便于理解,将问题描述内容所描述的问题信息称作为第一问题信息。以用户为消费者为例,第一问题信息例如为“下单这么久怎么还不发货”、“衣服是什么面料”、“有优惠活动吗?”等等。
202、问答服务端利用问答模型对问题描述信息进行意图理解,得到第一问题信息;根据第一问题信息在知识库中进行检索,以得到第一初始答案信息。
在本实施例中,问答(Question Answering,QA)模型具有问题解答的应答处理功能,例如包括但不限于:DBQA(Document-Based Question Answering,基于文档的问题回答)模型、生成式人工智能(artificial intelligence generated content,AIGC)模型或行业大模型。
其中,行业大模型是指应用于特定的行业领域的大语言模型(Large LanguageModel,LLM)。行业大模型经过大规模行业领域数据的预训练或指令微调(InstructionFine-Tuning,IFT),在特定的行业领域上的效果要优于通用大模型,因此,通常部署行业大模型来服务行业领域内下游的各项具体任务。优选的,行业大模型经过生成式问答系统所服务的场景的数据微调。例如,行业大模型经过电商领域的客服场景的问答数据微调,得到适用于电商的智能在线客服的生成式问答系统。又例如,行业大模型经过搜索领域的搜索引擎的问答数据微调,得到适用于搜索引擎的生成式问答系统。又例如,行业大模型经过智能家居领域的与智能家居设备交互的问答数据微调,得到适用于远程控制智能家居设备的生成式问答系统。
在本实施例中,知识库是存储知识信息的数据库,为问题解答、信息检索提供支持。
在本实施例中,联合问答模型与知识库进行问答交互,具有以下优势:
(1):问答模型能够较好地对自然语言处理任务进行语义理解,知识库存储了丰富的结构化或半结构化知识,联合问答模型与知识库能够实现更准确的语义理解和知识获取。
(2):问答模型能够进行智能问答,但有时可能受限于一些领域的知识,知识库提供丰富的领域的知识,联合问答模型与知识库可以更加精准地进行智能问答。
(3):问答模型具有诸如视频、图片、语音或文本等多模态数据的处理能力,知识库保存这些多模态数据的知识信息,联合问答模型与知识库可以更加全面地进行多模态分析,实现更加准确的知识获取。
(4):问答模型在个性化回复方面具有优势,知识库中的知识信息可以辅助问答模型提供更加精准的个性化回复。
在本实施例中,问答服务端联合问答模型与知识库进行问答交互时,可以将问题描述内容输入问答模型,以由问答模型对问题描述内容进行意图理解,以得到第一问题信息;根据第一问题信息在知识库中进行检索,以得到第一初始答案信息,第一初始答案信息也即从知识库检索到的第一问题信息的答案信息。
进一步可选的,为了提供更加精准的个性化回复,问答服务端利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息时,可以将问题描述内容输入问答模型,基于历史问题信息及其历史答案信息,对问题描述内容进行意图理解,以得到第一问题信息。
具体而言,历史问题信息是生成式问答系统在过去时间段所解答的问题信息,历史答案信息是答复历史问题信息的答案信息。问答模型基于历史问题信息及其历史答案信息可以更加准确地对当前接收到的问题描述内容进行意图理解,以更加有力地支撑提供更加精准的个性化回复。
在本实施例中,知识库可以存储各个问题信息及其答案信息,在问答模型输出第一问题信息后,在知识库中可以检索到第一问题信息的第一初始答案信息。
实际应用中,可以有一个知识库,也可以有多个知识库,对此不做限制。进一步可选的,为了提供更加精准的个性化回复,知识库包括通用知识库和至少一个专用知识库,不同专用知识库对应不同的服务对象。
在本实施例中,通用知识库可以理解具有普适性的知识库,专用知识库可以理解为专属于服务对象的知识库,服务对象例如为商家、店铺、搜索引擎、智能家居设备等等。
基于上述,根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息的实现方式为:根据第一问题信息在目标专用知识库中进行检索,目标专用知识库是第一问题信息对应的服务对象的专用知识库;若未能在目标专用知识库中检索到第一初始答案信息,根据第一问题信息在通用知识库中进行检索,以得到第一初始答案信息。
值得注意的是,相比从通用知识库检索到的答案信息,从专用知识库检索到的答案信息更加精准,通用知识库能够为检索答案信息兜底,提高问答交互的可靠性。
203、问答服务端将第一初始答案信息发送给问答辅助端。
实际应用中,问答服务端可以等待第一初始答案信息全部生成完成后,问答服务端将第一初始答案信息发送给问答辅助端。
进一步可选的,为了提高问答效率,问答服务端可以采用流式(streaming)传输方式向问答服务端进行数据传输。流式传输方式是一种数据传输方式,其中数据在传输过程中连续地以流的形式进行传输,而不是一次性传输全部的数据。在流式传输中,数据被分成较小的块或帧,并按序依次传输。流式传输能够满足实时性要求,减少传输延迟和网络拥塞。
基于上述,在生成第一初始答案信息的过程中,问答服务端以流式传输方式向问答辅助端发送第一初始答案信息,以供问答辅助端在成功接收到第一初始答案信息的情况下对第一初始答案信息进行修正得到第一目标答案信息。
进一步可选的,在问答服务端以流式传输方式向所述问答辅助端发送所述第一初始答案信息的过程中,问答辅助端还可以向问答服务端发送取消指令,问答辅助端响应于取消指令终止第一初始答案信息的生成和发送操作。
具体而言,问答辅助端侧的问答辅助人员查看到流式传输的第一初始答案信息后,按需决策是否基于第一初始答案信息回复用户,以降低错误回复用户的概率。若问答辅助人员决策放弃基于第一初始答案信息回复用户,问答辅助人员在问答辅助端输入取消操作,问答辅助端响应取消操作,向问答服务端发送取消指令。问答服务端响应于取消指令终止第一初始答案信息的生成和发送操作,也即不再继续生成第一初始答案信息的剩余部分,也不再向问答辅助端发送第一初始答案信息。
204、问答辅助端接收问答服务端发送的第一问题信息对应的第一初始答案信息。
205、问答辅助端响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。
具体而言,在问答服务端将完整的第一初始答案信息发送到问答辅助端后,问答辅助端侧的问答辅助人员对第一初始答案信息进行修正,以降低错误回复用户的概率。
可选的,为了更好地快速、精准的回复用户,问答辅助端执行步骤205的实现方式为:在修正界面上,展示第一初始答案信息;在第一初始答案信息不满足预设话术条件的情况下,响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。在第一初始答案信息满足预设话术条件的情况下,将第一初始答案信息直接作为第一目标答案信息。
具体而言,预设话术条件按需灵活设置。例如,预设话术条件是第一初始答案信息中出现敏感词。
又例如,预设话术条件是第一初始答案信息的流畅度小于预设流畅度。其中,可以训练一个流畅度评估模型,利用流畅度评估模型评估第一初始答案信息的流畅度,预设流畅度按需灵活设置。流畅度反映第一初始答案信息的句子通顺程度。在训练流畅度评估模型时,准备大量的中文句子及其标注的流畅度,将中文句子输入流畅度评估模型,获取流畅度评估模型输出的预测流畅度,根据标注的流畅度和预测流畅度之间的损失值调整流畅度评估模型的模型参数,重复迭代执行模型训练,直至满足模型训练结束条件。
又例如,预设话术条件是第一初始答案信息的友好度小于预设友好度。其中,可以训练一个友好度评估模型,利用友好度评估模型评估第一初始答案信息的友好度,预设友好度按需灵活设置。友好度反映第一初始答案信息是否易于被用户接受和倾听。在训练友好度评估模型时,准备大量的中文句子及其标注的友好度,将中文句子输入友好度评估模型,获取友好度评估模型输出的预测友好度,根据标注的友好度和预测友好度之间的损失值调整友好度评估模型的模型参数,重复迭代执行模型训练,直至满足模型训练结束条件。
又例如,预设条件为命中以下至少一个条件:第一初始答案信息中出现敏感词、第一初始答案信息的流畅度小于预设流畅度、预设话术条件是第一初始答案信息的友好度小于预设友好度。
206、问答辅助端向问答服务端返回第一目标答案信息。
207、问答服务端输出第一目标答案信息。
具体而言,问答服务端接收到第一目标答案信息后,向提出第一问题信息的用户输出第一目标答案信息,以完成与用户的问答交互。
实际应用中,还可以给问答辅助人员预留一段时间,在该段时间内问答辅助端可以请求问答服务端撤回已经向用户输出的答案信息,以降低错误回复用户的概率。基于此,进一步可选的,在输出第一目标答案信息后的第一预设时间内,问答服务端响应问答辅助端发送的撤回指令,撤回已输出的第一目标答案信息。其中,第一预设时间按需灵活设置,例如为2分钟。
若问答辅助人员决策撤回已经回复给用户的第一目标答案信息,问答辅助人员在问答辅助端输入撤回操作,问答辅助端响应撤回操作,向问答服务端发送撤回指令,问答服务端响应问答辅助端发送的撤回指令,撤回已输出的第一目标答案信息。
在一些可选的实施例中,问答服务端还将第一问题信息和第一目标答案信息作为知识信息更新到知识库中,以对知识库进行扩充。
实际应用中,还可以给问答辅助人员预留一段时间,在该段时间内问答辅助端可以请求问答服务端更新已经保存到知识库中的第一问题信息的第一目标答案信息,以降低错误回复用户的概率。基于此,进一步可选的,在输出第一目标答案信息后的第二预设时间之后,问答服务端响应问答辅助端发送的包括修改后的第一目标答案信息的修改指令,将知识库中已存储的修改前的第一目标答案信息替换为修改后的第一目标答案信息。其中,第二预设时间按需灵活设置,例如为2分钟。
实际应用中,问答辅助人员在问答辅助端输入修改操作,问答辅助端响应修改操作,向问答服务端发送修改指令,问答服务端响应问答辅助端发送的修改指令,将知识库中已存储的修改前的第一目标答案信息替换为修改后的第一目标答案信息。
在一些可选的实施例中,问答服务端面向用户输出第一目标答案信息后,还可以基于用户对第一目标答案信息的反馈信息优化问答模型,提高问答模型的精准回答性能。
在本实施例中,反馈信息用于反馈用户对第一目标答案信息的满意度。实际应用中,可以采用现有任意的方式基于反馈信息优化问答模型,对此不做限制。
进一步可选的,为了更好地优化问答模型,可以根据用户对第一目标答案信息的反馈信息训练奖励模型(Reward Model,RM),利用奖励模型对问答模型进行强化学习式微调。示例性的,在微调问答模型时,待优化的问答模型的动作域(action space)是预测词表,状态为当前生成的内容,并将奖励模型的反馈信息通过PPO(Proximal PolicyOptimization,近端策略优化)算法传给问答模型做优化,奖励模型的反馈信息反映电商域客服问答类任务的特征。问答模型会根据奖励模型提供的电商域客服问答类任务特征调整参数和结构,在保证性能的基础上提高模型的输出表现。
本申请实施例提供的技术方案,生成式问答系统中的问答服务端联合问答模型和知识库进行对用户提出的问题信息进行答复,且在生成式问答系统中的问答辅助端的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。特别是在问答服务端作为客服机器人的情况下,联合问答模型和知识库在客服机器人接待过程中提供更加智能、高效且个性的自动应答功能,通过自动回复给消费者提供拟人化的咨询体感,通过坐席辅助和知识库联动为商家接待提效。
图3为本申请实施例提供的另一种生成式问答方法的交互图。参见图3,该方法可以包括以下步骤:
301、问答服务端接收问题描述内容。
步骤301的实现方式可以参见前述实施例中的步骤201的实现方式,在此不再赘述。
302、问答服务端根据问题描述内容对应的服务对象信息、用户信息以及预设的分流比例中的至少一种信息,判断问题描述内容是否满足分流条件。若判断结果为是,执行步骤303;若判断结果为否,执行步骤309。
在本实施例中,问答服务端在问答交互过程中,可以联合问答模型和知识库对用户提出的问题信息进行答复,也可以仅仅利用问答模型对用户提出的问题信息进行答复。具体而言,若问题描述内容满足分流条件,则联合问答模型和知识库对用户提出的问题信息进行答复,也即确定采用问答模型和知识库联合生成答案信息的模式;若问题描述内容不满足分流条件,则仅仅利用问答模型对用户提出的问题信息进行答复。
在本实施例中,问答服务端可以根据问题描述内容对应的服务对象信息、用户信息以及预设的分流比例中的至少一种信息,判断问题描述内容是否满足分流条件。分流条件主要用于将收到的问题描述内容进行分流,一部分问题描述内容被分流到问答模型和知识库联合的链路进行处理,一部分问题描述内容被分流到问答模型单独负责的链路进行处理。其中,采用两条链路,并基于分流条件将收到的问题描述内容分流到不同链路进行处理,可以降低单条链路上的处理压力。当然,也不限于两条链路,例如还可以包括人工处理链路,以及知识库单独负责的链路等。在本申请实施例中,并不限定分流条件的具体实现,可以根据应用需求灵活而定。
其中,服务对象信息主要是服务对象的相关信息,服务对象是指用户发起问题描述内容所针对的对象,例如可以是商家、店铺或电商平台等。以服务对象是商家为例,服务对象信息例如为商家类型、商家级别。商家类型可以从不同角度划分,商家类型例如为:小型商家、中型商家和大型商家等等。商家类型又例如为:生鲜商家、日用品商家、家电商家等等。商家级别例如为1级、2级、3级、4级、5级等多个不同的等级别,又例如为A级、B级、C级等多个不同的级别。
示例性的,一种分流条件为将涉及预设商家类型的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上;预设商家类型例如为个体工商家或家电商家等。另一种分流条件为将涉及预设商家级别的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上,预设商家级别例如为5星、4钻、5钻。又一种分流条件为将涉及预设商家类型且商家级别大于设定级别阈值的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上;例如涉及大型商家且商家级别在3星以上的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上。
其中,输入问题描述内容的用户的信息(简称为用户信息)例如包括但不限于:用户的位置信息、用户的支付信息或用户级别等等。支付信息可以反映用户是否进行过大额消费,用户级别例如为普通用户、VIP(very important person,重要人物)用户。
示例性的,一种分流条件为将在特定地理区域内的用户提交的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上。另一种分流条件为用户进行过大额消费,则可以将进行过大额消费的用户提交的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上。又一种分流条件为用户为VIP用户,则可以将VIP用户提交的问题描述内容分流到问答模型和知识库联合的链路上,其它问题描述内容分流到问答模型单独负责的链路上。
其中,预设的分流比例是指将设定时段内收到的问题描述内容分流到问答模型和知识库联合的链路上的占比信息,例如预设的分流比例例如为70%,这表示在设定时段内收到的70%的问题描述内容被分流到问答模型和知识库联合的链路上,另外30%的问题描述内容被分流到问答模型单独负责的链路上。
在此说明,上述列举的分流条件可以择一使用,可以进行任意组合使用,对此不做限定。以基于用户信息的分流条件与预设的分流比例进行组合使用为例,可以将位于特定地理区域内的用户提交的问题描述内容分流到问答模型和知识库联合的链路上,且在设定时段内被分流到问答模型和知识库联合的链路上的问题描述内容不能超过设定时段内收到的全部问题描述内容的70%。
303、问答服务端利用问答模型对问题描述信息进行意图理解,得到第一问题信息;根据第一问题信息在知识库中进行检索,以得到第一初始答案信息。
对于被分流到问答模型和知识库联合的链路上的问题描述内容,可基于问题描述内容利用问答模型和知识库联合生成第一问题信息对应的第一初始答案信息。关于步骤303的实现方式可以参见前述实施例中的步骤202的实现方式,在此不再赘述。
304、问答服务端将第一初始答案信息发送给问答辅助端。
步骤304的实现方式可以参见前述实施例中的步骤203的实现方式,在此不再赘述。
305、问答辅助端接收问答服务端发送的第一问题信息对应的第一初始答案信息。
步骤305的实现方式可以参见前述实施例中的步骤204的实现方式,在此不再赘述。
306、问答辅助端响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。
步骤306的实现方式可以参见前述实施例中的步骤205的实现方式,在此不再赘述。
307、问答辅助端向问答服务端返回第一目标答案信息。
步骤307的实现方式可以参见前述实施例中的步骤206的实现方式,在此不再赘述。
308、问答服务端输出第一目标答案信息。
步骤308的实现方式可以参见前述实施例中的步骤207的实现方式,在此不再赘述。
309、问答服务端基于问题描述内容利用问答模型生成第一问题信息对应的第二初始答案信息。
具体而言,问答模型具有问答功能,能够对第一问题信息进行应答处理,得到第一问题信息对应的第二初始答案信息。
308、问答服务端将第二初始答案信息发送给问答辅助端,以供问答辅助端对第二初始答案信息进行修正得到第二目标答案信息。
其中,问答服务端将第二初始答案信息发送给问答辅助端的实现方式和问答服务端将第一初始答案信息发送给问答辅助端的实现方式类似,在此不再赘述。
问答辅助端对第二初始答案信息进行修正的实现方式和问答辅助端对第一初始答案信息进行修正的实现方式类似,在此不再赘述。
309、接收问答辅助端返回的第二目标答案信息,并输出第二目标答案信息。
本申请实施例提供的技术方案,生成式问答系统中的问答服务端利用分流条件,使得问答服务端在问答交互过程中,可以联合问答模型和知识库对用户提出的问题信息进行答复,也可以仅仅利用问答模型对用户提出的问题信息进行答复,且在生成式问答系统中的问答辅助端的辅助下对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
在一些可选的实施例中,还支持扩充知识库,丰富知识库的知识信息,进而支持更加智能、高效、精准地个性化回复用户。具体而言,问答服务端确定第二问题信息,第二问题信息包括出现频率大于设定频率阈值的问题信息和/或自定义的问题信息;利用问答模型生成第二问题信息对应的第三初始答案信息,也即将问答模型对第二问题信息进行应答处理得到的答案信息作为第三初始答案信息;将第三初始答案信息发送给问答辅助端,以供问答辅助端对第三初始答案信息进行修正得到第三目标答案信息;接收问答辅助端返回的第三目标答案信息,并将第二问题信息和第三目标答案信息作为知识信息更新到知识库中。
为了更好理解本申请实施例提供的技术方案,下面结合图4介绍一场景实施例。
图4为一种示例性的应用场景图。图4以电商领域的智能客服为例,客服机器人50包括客服消息系统、客服投放系统、大模型和知识库等。消费者在网购时,可以向商家咨询问题。
参见图4中①所示,消费者的终端设备70(如手机)向客服机器人50发送咨询问题。例如为“请问这是什么面料”。客服消息系统接收到咨询问题后,通过客服分流决策客服模式,客服模式包括人工客服接待模式、机器人全自动接待模式、机器人辅助接待模式。这样,支持在消费者无感知的情况下,提供多种接待模式。通过消息鉴权验证咨询问题的合法性,在咨询问题合法的情况下,基于分流结果对咨询问题进行消息分发。若分流结果为人工客服接待模式,客服机器人50将咨询问题输出给商家的人工客服的终端设备(例如为手机),以及将人工客服答复的回复话术返回给消费者。若分流结果为全自动接待模式或机器人辅助接待模式,参见图4中②所示,客服消息系统对咨询问题同步给大模型,参见图4中③所示,大模型联合知识库对咨询问题进行应答处理,动态生成咨询问题的答案,并返回给客服消息系统,客服消息系统监测答案生成,定时对答案进行校验,参见图4中的④所示,客服消息系统将答案推送给客服投放系统。客服消息系统还缓存大模型生成的答案。参见图4中的⑤所示,在答案生成过程中,客服投放系统基于端到端通信协议以流式传输方式将生成的答案传输给商家的人工客服侧的终端设备,在人工客服侧的终端设备呈现答案逐字生成的视觉效果。参见图4中的⑥所示,在答案生成完后,客服投放系统将缓存的针对咨询问题的全部的答案自动发送给消费者。
针对人工客服侧,在咨询问题的答案开始生成后,在人工客服侧的终端设备60的显示界面中弹出一特定界面,特定界面可以在输入框的上方展示,答案内容动态更新,该特定界面上显示答案信息。答案信息例如“AI(Artificial Intelligence,人工智能)生成中:这件衣服的面料是……”,特定界面还可以包括取消按钮,支持人工客服点击该取消按钮后停止由客服机器人50生成答案,并可以取消显示该特定界面。
针对人工客服侧,在答案生成完毕后,客服机器人50可以自动将答案回复给消费者,当然,人工客服也可以修改客服机器人50自动生成的答案,并触发客服机器人50将修改后的答案发送给消费者。另外,在答案发给消费者的两分钟内人工客服可以撤回已经向消费者发送的答案,超过两分钟后,支持人工客服对已经保存至知识库中的咨询问题的答案进行纠正,也即知识库纠正。
针对消费者侧,消费者接收大模型回复的答案信息,并支持消费者对回复的答案信息进行正负反馈。客服机器人50将反馈结果同步至大模型,以基于反馈结果优化大模型。
针对知识库:知识库动态更新,知识库中的回复话术不是固定不变的,降低知识库运维成本,减少因人工客服自身水平差异导致的答案质量问题。在客服接待中,人工客服可以触发客服机器人50针对客服环节出现的高频问题利用大模型自动生成回复话术,人工客服可以对高频问题的回复话术进行修改后,将高频问题及其最终的回复话术保存至知识库中,以在知识库中新增新的知识信息,扩充知识库。在客服接待中,人工客服可以自定义问题,人工客服可以触发客服机器人50针对客服环节出现的自定义问题利用大模型自动生成回复话术,人工客服可以对自定义问题的回复话术进行修改后,将自定义问题及其最终的回复话术保存至知识库中,以在知识库中新增新的知识信息,扩充知识库。
在该应用场景中,从大模型答案生成、针对消费者或人工客服的实时推送、消费者正负反馈形成全链路闭环。基于端到端通信协议,提供客服接待域数据流式传输;另外,借助大模型在客服机器人50全自动/辅助接待过程中提供更加智能、高效且个性的自动应答功能,通过自动回复给消费者提供拟人化的咨询体感,通过坐席辅助和知识库联动为商家接待提效。在客服接待过程中,大模型基于消费者问题生成推荐回复话术,实时推送给人工客服,实现坐席辅助功能,辅助提升客服接待效率。
图5为本申请实施例提供的一种生成式问答方法的流程图。参见图5,该方法可以包括以下步骤:
501、接收问题描述内容。
502、利用问答模型对问题描述信息进行意图理解,得到第一问题信息。
503、根据第一问题信息在知识库中进行检索,以得到第一初始答案信息;
504、对第一初始答案信息进行修正,以得到第一目标答案信息,并输出第一目标答案信息。
进一步可选的,利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息,包括:将所述问题描述内容输入所述问答模型,基于历史问题信息及其历史答案信息,对所述问题描述内容进行意图理解,以得到所述第一问题信息。
进一步可选的,所述知识库包括通用知识库和至少一个专用知识库,不同专用知识库对应不同的服务对象;根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息,包括:根据所述第一问题信息在目标专用知识库中进行检索,所述目标专用知识库是所述第一问题信息对应的服务对象的专用知识库;若未能在所述目标专用知识库中检索到所述第一初始答案信息,根据所述第一问题信息在通用知识库中进行检索,以得到所述第一初始答案信息。
进一步可选的,在利用问答模型对所述问题描述信息进行意图理解得到第一问题信息之前,还包括:根据所述问题描述内容对应的服务对象信息、用户信息以及预设的分流比例中的至少一种信息,判断所述问题描述内容是否满足分流条件;在所述问题描述内容满足分流条件的情况下,确定采用问答模型和知识库联合生成答案信息的模式。
进一步可选的,在所述问题描述内容不满足分流条件的情况下,基于所述问题描述内容利用所述问答模型生成所述第一问题信息对应的第二初始答案信息;对所述第二初始答案信息进行修正,以得到第二目标答案信息,并输出所述第二目标答案信息。
进一步可选的,上述方法还包括:将所述第一问题信息和所述第一目标答案信息作为知识信息更新到所述知识库中;和/或根据用户对所述第一目标答案信息的反馈信息训练奖励模型,利用所述奖励模型对所述问答模型进行强化学习式微调。
进一步可选的,对所述第一初始答案信息进行修正,以得到第一目标答案信息,包括:在生成所述第一初始答案信息的过程中,以流式传输方式向问答辅助端发送所述第一初始答案信息,以供所述问答辅助端在成功接收到所述第一初始答案信息的情况下对所述第一初始答案信息进行修正得到第一目标答案信息;以及
在以流式传输方式向所述问答辅助端发送所述第一初始答案信息的过程中若接收到所述问答辅助端发送的取消指令,终止所述第一初始答案信息的生成和发送操作。
进一步可选的,上述方法还包括:
在输出所述第一目标答案信息后的第一预设时间内,响应所述问答辅助端发送的撤回指令,撤回已输出的所述第一目标答案信息;
和/或
在输出所述第一目标答案信息后的第二预设时间之后,响应所述问答辅助端发送的包括修改后的第一目标答案信息的修改指令,将所述知识库中已存储的修改前的第一目标答案信息替换为修改后的第一目标答案信息。
进一步可选的,上述方法还包括:确定第二问题信息,所述第二问题信息包括出现频率大于设定频率阈值的问题信息和/或自定义的问题信息;利用问答模型生成所述第二问题信息对应的第三初始答案信息;对所述第三初始答案信息进行修正,以得到第三目标答案信息;将所述第二问题信息和所述第三目标答案信息作为知识信息更新到所述知识库中。
关于图5所示实施例各步骤的实现方式可以参见前述实施例的相关内容,在此不再赘述。
上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤501至步骤504的执行主体可以为设备A;又比如,步骤501和502的执行主体可以为设备A,步骤503和步骤504的执行主体可以为设备B;等等。
本申请实施例提供的技术方案,联合问答模型和知识库进行对用户提出的问题信息进行答复,还可以对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
图6为本申请实施例提供的一种生成式问答方法的流程图。参见图6,该方法可以包括以下步骤:
601、接收问答服务端发送的第一初始答案信息,第一初始答案信息是问答服务端利用问答模型对问题描述信息进行意图理解得到的第一问题信息在知识库中进行检索得到的。
602、响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。
603、向问答服务端返回第一目标答案信息,以供问答服务端输出第一目标答案信息。
可选的,为了更好地快速、精准的回复用户,步骤602的实现方式为:在修正界面上,展示第一初始答案信息;在第一初始答案信息不满足预设话术条件的情况下,响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。在第一初始答案信息满足预设话术条件的情况下,将第一初始答案信息直接作为第一目标答案信息。
关于图6所示实施例各步骤的实现方式可以参见前述实施例的相关内容,在此不再赘述。
上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤601至步骤603的执行主体可以为设备A;又比如,步骤601和602的执行主体可以为设备A,步骤603的执行主体可以为设备B;等等。
本申请实施例提供的技术方案,联合问答模型和知识库进行对用户提出的问题信息进行答复,还可以对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
图7为本申请实施例提供的一种生成式问答装置的结构示意图。参见图7,该装置可以包括:
接收模块71,用于接收问题描述内容。
意图理解模块72,用于利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息。
检索模块73,用于根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息;
修正模块74,用于对所述第一初始答案信息进行修正,以得到第一目标答案信息,并输出所述第一目标答案信息。
进一步可选的,意图理解模块72具体用于:将所述问题描述内容输入所述问答模型,基于历史问题信息及其历史答案信息,对所述问题描述内容进行意图理解,以得到所述第一问题信息。
进一步可选的,所述知识库包括通用知识库和至少一个专用知识库,不同专用知识库对应不同的服务对象;检索模块73具体用于:根据所述第一问题信息在目标专用知识库中进行检索,所述目标专用知识库是所述第一问题信息对应的服务对象的专用知识库;若未能在所述目标专用知识库中检索到所述第一初始答案信息,根据所述第一问题信息在通用知识库中进行检索,以得到所述第一初始答案信息。
进一步可选的,上述装置还包括:分流模块,用于根据所述问题描述内容对应的服务对象信息、用户信息以及预设的分流比例中的至少一种信息,判断所述问题描述内容是否满足分流条件;在所述问题描述内容满足分流条件的情况下,确定采用问答模型和知识库联合生成答案信息的模式。
进一步可选的,分流模块,还用于在所述问题描述内容不满足分流条件的情况下,基于所述问题描述内容利用所述问答模型生成所述第一问题信息对应的第二初始答案信息;对所述第二初始答案信息进行修正,以得到第二目标答案信息,并输出所述第二目标答案信息。
进一步可选的,上述装置还包括:更新模块和/或微调模块:更新模块,用于将所述第一问题信息和所述第一目标答案信息作为知识信息更新到所述知识库中;和/或微调模块,用于根据用户对所述第一目标答案信息的反馈信息训练奖励模型,利用所述奖励模型对所述问答模型进行强化学习式微调。
进一步可选的,修正模块74具体用于:在生成所述第一初始答案信息的过程中,以流式传输方式向问答辅助端发送所述第一初始答案信息,以供所述问答辅助端在成功接收到所述第一初始答案信息的情况下对所述第一初始答案信息进行修正得到第一目标答案信息;以及
在以流式传输方式向所述问答辅助端发送所述第一初始答案信息的过程中若接收到所述问答辅助端发送的取消指令,终止所述第一初始答案信息的生成和发送操作。
进一步可选的,上述装置还包括撤回模块用于:
在输出所述第一目标答案信息后的第一预设时间内,响应所述问答辅助端发送的撤回指令,撤回已输出的所述第一目标答案信息;
和/或
修正模块74,还用于:在输出所述第一目标答案信息后的第二预设时间之后,响应所述问答辅助端发送的包括修改后的第一目标答案信息的修改指令,将所述知识库中已存储的修改前的第一目标答案信息替换为修改后的第一目标答案信息。
进一步可选的,修正模块74还用于:确定第二问题信息,所述第二问题信息包括出现频率大于设定频率阈值的问题信息和/或自定义的问题信息;利用问答模型生成所述第二问题信息对应的第三初始答案信息;对所述第三初始答案信息进行修正,以得到第三目标答案信息;将所述第二问题信息和所述第三目标答案信息作为知识信息更新到所述知识库中。
图7所示的装置的实现原理可以参见前述实施例的相关描述,不再赘述。
本申请实施例提供的技术方案,联合问答模型和知识库进行对用户提出的问题信息进行答复,还可以对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
图8为本申请实施例提供的另一种生成式问答装置的结构示意图。参见图8,该装置可以包括:
接收模块81,用于接收问答服务端发送的第一初始答案信息,所述第一初始答案信息是所述问答服务端利用问答模型对问题描述信息进行意图理解得到的第一问题信息在知识库中进行检索得到的;
修正模块82,用于响应修正操作,对所述第一初始答案信息进行修正,以得到第一目标答案信息;
返回模块83,用于向所述问答服务端返回所述第一目标答案信息,以供所述问答服务端输出所述第一目标答案信息。
可选的,为了更好地快速、精准的回复用户,修正模块82具体用于:在修正界面上,展示第一初始答案信息;在第一初始答案信息不满足预设话术条件的情况下,响应修正操作,对第一初始答案信息进行修正,以得到第一目标答案信息。在第一初始答案信息满足预设话术条件的情况下,将第一初始答案信息直接作为第一目标答案信息。
关于图8所示实施例各步骤的实现方式可以参见前述实施例的相关内容,在此不再赘述。
本申请实施例提供的技术方案,联合问答模型和知识库进行对用户提出的问题信息进行答复,还可以对答复问题信息的答案信息进行修正,进而更加智能、高效、精准地个性化回复用户,满足用户的个性化需求。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如401、402等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
图9为本申请实施例提供的一种电子设备的结构示意图。如图9所示,该电子设备包括:存储器91和处理器92;
存储器91,用于存储计算机程序,并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。
存储器91可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-AccessMemory,SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable read only memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable read-only memory,PROM),只读存储器(Read-Only Memory,ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器92,与存储器91耦合,用于执行存储器91中的计算机程序,以用于:执行生成式问答方法中的步骤。
进一步可选的,如图9所示,该电子设备还包括:通信组件93、显示器94、电源组件95、音频组件96等其它组件。图9中仅示意性给出部分组件,并不意味着电子设备只包括图9所示组件。另外,图9中虚线框内的组件为可选组件,而非必选组件,具体可视电子设备的产品形态而定。本实施例的电子设备可以实现为台式电脑、笔记本电脑、智能手机或IOT(物联网,Internet of things)设备等终端设备,也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的电子设备实现为台式电脑、笔记本电脑、智能手机等终端设备,可以包含图9中虚线框内的组件;若本实施例的电子设备实现为常规服务器、云服务器或服务器阵列等服务端设备,则可以不包含图9中虚线框内的组件。
关于处理器执行各动作的详细实施过程可参见前述方法实施例或设备实施例中的相关描述,在此不再赘述。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
相应地,本申请实施例还提供一种计算机程序产品,包括计算机程序/指令,当计算机程序/指令被处理器执行时,致使处理器能够实现上述方法实施例中可由电子设备执行的各步骤。
上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi(WirelessFidelity,无线保真)、2G(2Generation,2代)、3G(3Generation,3代)、4G(4Generation,4代)/LTE(long Term Evolution,长期演进)、5G(5Generation,5代)等移动通信网络,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件还包括近场通信(Near FieldCommunication,NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RadioFrequency Identification,RFID)技术,红外数据协会(The Infrared DataAssociation,IrDA)技术,超宽带(Ultra Wide Band,UWB)技术,蓝牙(Bluetooth,BT)技术和其他技术来实现。
上述显示器包括屏幕,其屏幕可以包括液晶显示器(Liquid Crystal Display,LCD)和触摸面板(Touch Panel,TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
上述电源组件,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述音频组件,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(microphone,MIC),当音频组件所在设备处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(Central ProcessingUnit,CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RandomAccess Memory,RAM)和/或非易失性内存等形式,如只读存储器(Read Only Memory,ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变化内存(Phase Change RAM,PRAM)、静态随机存取存储器(Static Random-Access Memory,SRAM)、动态随机存取存储器(DynamicRandom Access Memory,DRAM)、其他类型的随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(Digital versatiledisc,DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种生成式问答系统,其特征在于,包括:问答服务端和问答辅助端;
所述问答服务端,用于接收问题描述内容,利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息;根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息;将所述第一初始答案信息发送给所述问答辅助端进行修正,并输出所述问答辅助端返回的第一目标答案信息;
所述问答辅助端,用于接收所述第一初始答案信息,响应修正操作,对所述第一初始答案信息进行修正以得到第一目标答案信息,并返回给所述问答服务端。
2.根据权利要求1所述的系统,其特征在于,所述问答服务端还用于:
将所述第一问题信息和所述第一目标答案信息作为知识信息更新到所述知识库中;和/或
针对第二问题信息,利用问答模型生成所述第二问题信息对应的第三初始答案信息;将所述第三初始答案信息发送给所述问答辅助端进行修正以得到第三目标答案信息,将所述第二问题信息和所述第三目标答案信息作为知识信息更新到所述知识库中;其中,所述第二问题信息包括出现频率大于设定频率阈值的问题信息和/或自定义的问题信息。
3.一种生成式问答方法,其特征在于,包括:
接收问题描述内容;
利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息;
根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息;
对所述第一初始答案信息进行修正,以得到第一目标答案信息,并输出所述第一目标答案信息。
4.根据权利要求3所述的方法,其特征在于,利用问答模型对所述问题描述信息进行意图理解,得到第一问题信息,包括:
将所述问题描述内容输入所述问答模型,基于历史问题信息及其历史答案信息,对所述问题描述内容进行意图理解,以得到所述第一问题信息。
5.根据权利要求4所述的方法,其特征在于,所述知识库包括通用知识库和至少一个专用知识库,不同专用知识库对应不同的服务对象;
根据所述第一问题信息在知识库中进行检索,以得到第一初始答案信息,包括:
根据所述第一问题信息在目标专用知识库中进行检索,所述目标专用知识库是所述第一问题信息对应的服务对象的专用知识库;
若未能在所述目标专用知识库中检索到所述第一初始答案信息,根据所述第一问题信息在通用知识库中进行检索,以得到所述第一初始答案信息。
6.根据权利要求3所述的方法,其特征在于,在利用问答模型对所述问题描述信息进行意图理解得到第一问题信息之前,还包括:
根据所述问题描述内容对应的服务对象信息、用户信息以及预设的分流比例中的至少一种信息,判断所述问题描述内容是否满足分流条件;
在所述问题描述内容满足分流条件的情况下,确定采用问答模型和知识库联合生成答案信息的模式。
7.根据权利要求4所述的方法,其特征在于,还包括:
在所述问题描述内容不满足分流条件的情况下,基于所述问题描述内容利用所述问答模型生成所述第一问题信息对应的第二初始答案信息;
对所述第二初始答案信息进行修正,以得到第二目标答案信息,并输出所述第二目标答案信息。
8.根据权利要求3所述的方法,其特征在于,还包括:
将所述第一问题信息和所述第一目标答案信息作为知识信息更新到所述知识库中;
和/或
根据用户对所述第一目标答案信息的反馈信息训练奖励模型,利用所述奖励模型对所述问答模型进行强化学习式微调。
9.根据权利要求3所述的方法,其特征在于,对所述第一初始答案信息进行修正,以得到第一目标答案信息,包括:
在生成所述第一初始答案信息的过程中,以流式传输方式向问答辅助端发送所述第一初始答案信息,以供所述问答辅助端在成功接收到所述第一初始答案信息的情况下对所述第一初始答案信息进行修正得到第一目标答案信息;以及
在以流式传输方式向所述问答辅助端发送所述第一初始答案信息的过程中若接收到所述问答辅助端发送的取消指令,终止所述第一初始答案信息的生成和发送操作。
10.根据权利要求9所述的方法,其特征在于,还包括:
在输出所述第一目标答案信息后的第一预设时间内,响应所述问答辅助端发送的撤回指令,撤回已输出的所述第一目标答案信息;
和/或
在输出所述第一目标答案信息后的第二预设时间之后,响应所述问答辅助端发送的包括修改后的第一目标答案信息的修改指令,将所述知识库中已存储的修改前的第一目标答案信息替换为修改后的第一目标答案信息。
11.根据权利要求3-10任一项所述的方法,其特征在于,还包括:
确定第二问题信息,所述第二问题信息包括出现频率大于设定频率阈值的问题信息和/或自定义的问题信息;
利用问答模型生成所述第二问题信息对应的第三初始答案信息;
对所述第三初始答案信息进行修正,以得到第三目标答案信息;
将所述第二问题信息和所述第三目标答案信息作为知识信息更新到所述知识库中。
12.一种生成式问答方法,其特征在于,包括:
接收问答服务端发送的第一初始答案信息,所述第一初始答案信息是所述问答服务端利用问答模型对问题描述信息进行意图理解得到的第一问题信息在知识库中进行检索得到的;
响应修正操作,对所述第一初始答案信息进行修正,以得到第一目标答案信息;
向所述问答服务端返回所述第一目标答案信息,以供所述问答服务端输出所述第一目标答案信息。
13.一种电子设备,其特征在于,包括:存储器和处理器;所述存储器,用于存储计算机程序;所述处理器耦合至所述存储器,用于执行所述计算机程序以用于执行权利要求3-11以及权利要求12中任一项所述方法中的步骤。
14.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,致使所述处理器能够实现权利要求3-11以及权利要求12中任一项所述方法中的步骤。
15.一种计算机程序产品,其特征在于,包括计算机程序/指令,当所述计算机程序/指令被处理器执行时,致使所述处理器能够实现权利要求3-11以及权利要求12中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081674.2A CN117909478A (zh) | 2024-01-19 | 2024-01-19 | 生成式问答系统、方法、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081674.2A CN117909478A (zh) | 2024-01-19 | 2024-01-19 | 生成式问答系统、方法、设备、存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117909478A true CN117909478A (zh) | 2024-04-19 |
Family
ID=90694719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410081674.2A Pending CN117909478A (zh) | 2024-01-19 | 2024-01-19 | 生成式问答系统、方法、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909478A (zh) |
-
2024
- 2024-01-19 CN CN202410081674.2A patent/CN117909478A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727941B2 (en) | Managing dialog data providers | |
US11322138B2 (en) | Voice awakening method and device | |
CN110008322B (zh) | 多轮对话场景下的话术推荐方法和装置 | |
CN110390108B (zh) | 基于深度强化学习的任务型交互方法和系统 | |
US11138388B2 (en) | Method and system for facilitating a user-machine conversation | |
US10853421B2 (en) | Segmented sentence recognition method and device for human-machine intelligent question answer system | |
WO2020135124A1 (zh) | 会话质量评价方法、装置及电子设备 | |
JP6730994B2 (ja) | 問答情報の処理方法、装置、記憶媒体及び装置 | |
WO2016201815A1 (zh) | 一种提供在线客服的方法及装置 | |
CN109599130A (zh) | 收音方法、装置及存储介质 | |
CN116595148B (zh) | 一种利用大型语言模型实现对话流程的方法及系统 | |
CN117151662A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN115982331A (zh) | 会话场景中的信息交互方法、装置及设备 | |
CN111339282A (zh) | 智能在线应答方法及智能客服系统 | |
CN117455430B (zh) | 基于ai的简历信息处理方法、装置、设备及存储介质 | |
EP3834056A1 (en) | Live bi-directional video/audio feed generation between a consumer and a service provider | |
EP3848801A1 (en) | Speech interaction method and apparatuses | |
CN117094690A (zh) | 信息处理方法、电子设备及存储介质 | |
CN117131179A (zh) | 一种对话处理方法、装置、存储介质及电子设备 | |
CN117909478A (zh) | 生成式问答系统、方法、设备、存储介质及程序产品 | |
CN116016779A (zh) | 语音通话翻译辅助方法、系统、计算机设备和存储介质 | |
CN116301329A (zh) | 智能设备主动交互方法、装置、设备和存储介质 | |
CN113254611A (zh) | 提问推荐方法及装置、电子设备及存储介质 | |
CN114596854A (zh) | 基于全双工通信协议的语音处理方法及系统、计算机设备 | |
CN117474084B (zh) | 预训练模型与下游序列任务双向迭代方法、设备及介质 |
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 |