WO2018157695A1 - 一种信息交互的方法及装置 - Google Patents

一种信息交互的方法及装置 Download PDF

Info

Publication number
WO2018157695A1
WO2018157695A1 PCT/CN2018/075051 CN2018075051W WO2018157695A1 WO 2018157695 A1 WO2018157695 A1 WO 2018157695A1 CN 2018075051 W CN2018075051 W CN 2018075051W WO 2018157695 A1 WO2018157695 A1 WO 2018157695A1
Authority
WO
WIPO (PCT)
Prior art keywords
target
parameter
answer
question
request
Prior art date
Application number
PCT/CN2018/075051
Other languages
English (en)
French (fr)
Inventor
陈益
Original Assignee
腾讯科技（深圳）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 腾讯科技（深圳）有限公司 filed Critical 腾讯科技（深圳）有限公司
Publication of WO2018157695A1 publication Critical patent/WO2018157695A1/zh

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • 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

Definitions

  • the present invention relates to the field of Internet technologies, and in particular, to a method and apparatus for information interaction.
  • the server side needs to automatically ask the user some questions before providing certain services to the user.
  • the service robot can extract the answer parameters corresponding to the question from the user's answer, and finally provide related services to the user. For example, when the user is provided with a service for ordering a ticket, the user first needs to ask the user, ask the user's departure place, destination, and departure time, and extract the answer parameters such as the departure place, the destination, and the departure time in the user and the question answer. According to these answer parameters, the service for ordering the ticket for the user is completed.
  • the present invention provides a method and device for information interaction, which solves the technical problem that the method for generating a question in the prior art is different from the natural language and lacks intelligence.
  • a method of information interaction comprising:
  • the first target answer parameter being a parameter that does not obtain a request parameter corresponding to the first target answer parameter
  • the target problem set is a question set corresponding to the first target answer parameter, the target question set includes at least one answer parameter, and the target question set includes at least one request a parameter, the request parameter is used to request a user to send an answer parameter corresponding to the request parameter;
  • a device for generating a question comprising:
  • Determining a unit determining a first target answer parameter, wherein the first target answer parameter is a parameter that does not obtain a request parameter corresponding to the first target answer parameter;
  • a first acquiring unit configured to obtain a target problem set from a problem library, where the target problem set is a question set corresponding to the first target answer parameter, the target question set includes at least one answer parameter, and the target The problem set includes at least one request parameter, the request parameter is used to request the user to send an answer parameter corresponding to the request parameter;
  • a second acquiring unit configured to acquire at least one target request parameter corresponding to the first target answer parameter in the target question set
  • a sending unit configured to send the target request parameter to the terminal device.
  • the target problem set is obtained from the problem database, and at least one target request parameter corresponding to the first target answer parameter is obtained in the target question set, and The target request parameter is sent to the terminal device. It can make the target request parameters received by the user more natural, close to the natural language, and improve the intelligence of the question.
  • Embodiment 1 is a flowchart of Embodiment 1 of a method for information interaction provided in an embodiment of the present invention
  • Embodiment 2 is a flowchart of Embodiment 2 of a method for information interaction provided in an embodiment of the present invention
  • Embodiment 3 is a flowchart of Embodiment 3 of a method for information interaction provided in an embodiment of the present invention
  • FIG. 4 is a schematic diagram of a loading embodiment for generating a question provided in an embodiment of the present invention.
  • FIG. 5 is a schematic diagram of a server provided in an embodiment of the present invention.
  • the server In the field of service dialogue, in order to provide certain services to users, the server needs to know some parameters. In order to know these parameters, the user needs to send request parameters corresponding to these parameters, so that the user can respond according to the request parameters, and The server sends the answer information corresponding to the request parameter, and then extracts the answer parameter corresponding to the question from the answer information sent by the user, and finally provides the related service to the user.
  • the required answer parameters include destination information, departure place information, and departure time information, and the request parameters corresponding to the answer parameters need to be sent to the user.
  • a fixed questioning mode is preset for each answer parameter, and if a certain answer parameter needs to be acquired during the dialogue, the request parameter corresponding to the answer parameter is automatically sent to the user.
  • this is relatively blunt for the user, lacking intelligence and humanity.
  • only one answer parameter is asked at a time, and when multiple answer parameters need to be obtained, the questioning efficiency is low.
  • a method and a device for information interaction are provided in an embodiment of the present invention, and a question and answer method for various answer parameters is learned from a large amount of real corpus data, that is, a training problem database is obtained.
  • the problem library includes a set of questions corresponding to various answer parameters. When a question is asked for one or some answer parameters, the request parameters corresponding to the answer parameters are obtained from the question library and sent to the user to improve the question.
  • the level of intelligence makes the way of asking questions different each time, which is more in line with human expression habits.
  • FIG. 1 a first embodiment of a method for information interaction provided in an embodiment of the present invention is shown, which may include the following steps:
  • Step 101 Determine a first target answer parameter.
  • the first target answer parameter may be determined according to the required answer parameter and the second target answer parameter, wherein the first target answer parameter is that the request parameter corresponding to the first target answer parameter is not obtained. Parameters.
  • the second target answer parameter is a parameter that has obtained a request parameter corresponding to the second target answer parameter.
  • the first target answer parameter is determined according to the required answer parameter and the second target answer parameter.
  • the current first target answer parameter may have one or more.
  • Step 102 Obtain a target problem set from the problem library.
  • the target problem set shown in this embodiment is a problem set corresponding to the first target answer parameter.
  • the method for information interaction provided in the embodiment of the present invention may further include: generating the problem database according to the input real corpus data, wherein the problem database includes an answer parameter, and the answer parameter The parameter may be answered for the first target and/or the second target answer parameter. That is, the problem library includes a set of questions corresponding to various answer parameters.
  • the question library includes a question set corresponding to the answer parameter A, a question set corresponding to the answer parameter B, a question set corresponding to the answer parameter C, a question set corresponding to the answer parameters A and B, and the answer parameters A, B. And C's corresponding problem set and so on.
  • Each question set includes a plurality of questions.
  • the question set corresponding to the answer parameter A may include “Where are you going?”, “Where are you going?”, "Where is your destination?” and so on; for example, if the answer parameter B is the departure information, then the question set corresponding to the answer parameters A and B may include "Where do you want to go from?”, "Your Where is the place of departure and where is the destination?” and so on. That is to say, the problem library includes a plurality of question sets, and the question set may be a question set corresponding to one answer parameter, or may be a question set corresponding to multiple answer parameters. How to train the generated problem library based on the input real corpus data will be described in detail in the subsequent embodiments.
  • the target question set corresponding to the first target answer parameter may be directly obtained from the question library.
  • the target problem set is obtained from the problem library, including:
  • the target problem set corresponds to m first target answer parameters, where n is a positive integer greater than or equal to 2, and m is a positive integer less than or equal to n .
  • the question library has a question set corresponding to one answer parameter, that is, the answer parameter.
  • the problem library also has a set of questions corresponding to the two answer parameters, that is, a question set corresponding to the answer parameters A and B, a question set corresponding to the answer parameters B and C, and a question set corresponding to the answer parameters A and C, and The problem library also has a set of questions corresponding to the three answer parameters, that is, a set of questions corresponding to the answer parameters A, B, and C, and then one of the question sets is obtained as the answer parameter with the first target in the question set. Problem set. That is to say, when there are a plurality of first target answer parameters, one of the answer parameters may be asked, or a plurality of answer parameters may be asked.
  • Step 103 Acquire at least one target request parameter corresponding to the first target answer parameter in the target question set.
  • the specific implementation of acquiring a target request parameter corresponding to the first target response parameter according to the target problem set corresponding to the first target response parameter in the problem database may include:
  • a request parameter is randomly selected from the set of questions corresponding to the first target answer parameter as the target request parameter.
  • a request parameter may be randomly selected as a target request parameter from a target problem set corresponding to the first target answer parameter obtained in the foregoing step, and the target request parameter is selected from the target problem set, and the target is selected.
  • the problem set includes various request parameters corresponding to the first target answer parameter that may appear in the real context, and the frequency of occurrence of various request parameters in the target question set is basically consistent with the real context, so the selected one is selected.
  • the target request parameters are also closer to the real context.
  • the specific implementation of acquiring at least one target request parameter corresponding to the first target response parameter in the target problem set may also include:
  • the target request parameter is input to a neural network model, and the target request parameter output by the neural network model is acquired.
  • the neural network model can be trained to generate a target request parameter corresponding to the first target answer parameter, so that the questioning method will be more abundant, not only Limited to the problems already in the problem library, but to generate questions that are more in line with human habits.
  • Step 104 Send the target request parameter to the terminal device.
  • the target request parameter obtained in step 103 is transmitted to the terminal device to enable the user using the terminal device to answer the first target answer parameter.
  • the embodiment of the present invention obtains a target problem set corresponding to the first target answer parameter from the question library, where the target question set includes multiple pieces obtained from the real corpus data.
  • Corresponding target request parameter corresponding to the first target answer parameter according to the target problem set in the question library and the first target answer parameter, acquiring a target request parameter with the first target answer parameter and sending the target request parameter to the user, so that the user can receive the
  • the target request parameters are more natural, close to natural language, and improve the intelligence of the question.
  • FIG. 2 a second embodiment of the method for information interaction provided in the embodiment of the present invention is shown, which may include the following steps:
  • Step 201 Determine a first target answer parameter.
  • Step 202 Obtain a target problem set from the problem library.
  • Step 203 Acquire at least one target request parameter corresponding to the first target answer parameter in the target question set.
  • Step 204 Send the target request parameter to the terminal device.
  • the steps 201-204 are the same as the steps 101-104. For related description, refer to the foregoing embodiment, and details are not described herein again.
  • Step 205 Receive answer information sent by the user.
  • the target request parameter After the target request parameter is sent to the terminal, so that the user who uses the terminal obtains the target request parameter, the user answers the target request parameter to generate the answer information, and after the user answers, can receive the answer information sent by the user through the terminal.
  • the second information answer parameter may be included in the answer information, wherein the second target answer parameter is a parameter that has obtained a request parameter corresponding to the second target answer parameter.
  • Step 206 Extract a second target answer parameter from the answer information.
  • the second target answer parameter is extracted. It can be understood that if the question and answer has been performed multiple times, the second target answer parameter is not limited to the answer parameter extracted in the present answer.
  • Step 207 Determine whether the first target answer parameter exists according to the second target answer parameter and the required answer parameter. If yes, return to step 201. If not, proceed to step 208.
  • the second target answer parameter and the required answer parameter it can be determined whether there is a first target answer parameter, for example, the required answer parameter includes destination information, departure place information, and departure time, and the second target answer parameter includes purpose.
  • the first target answer parameter for example, the required answer parameter includes destination information, departure place information, and departure time
  • the second target answer parameter includes purpose.
  • the first target answer parameter for example, determining the departure time as the first target answer parameter, and then, in the subsequent step, the departure time is required again.
  • Step 208 Provide a corresponding service according to the second target answer parameter.
  • the user may be provided with a corresponding service, for example, after obtaining the answer parameters of the destination information, the departure place information and the departure time, the service for ordering the ticket may be provided to the user.
  • the embodiment of the present invention makes the user communicate with the machine more smoothly and naturally in the process of dialogue through the question closer to the natural language, so that the user can answer the required answer parameters more quickly, according to the second target.
  • the answer parameters can be completed to provide the corresponding service to the user.
  • a third embodiment of the method for information interaction provided in the embodiment of the present invention is shown.
  • the specific implementation of the problem database based on the input real corpus data training may include:
  • Step 301 Receive real corpus data.
  • the real corpus data includes corpus data and annotation data for the corpus data
  • the annotation data includes the type of the corpus data and the answer parameters corresponding to the corpus data.
  • the corpus data in the real corpus data is extracted from the real dialogue between the artificial customer service and the user.
  • the annotation data of the corpus data in the real corpus data can be manually
  • the corpus data is obtained by annotating the corpus data, and can also be obtained by annotating the corpus data by means of semi-supervised machine learning.
  • the annotation of the corpus data needs to be annotated one by one, and the annotation data includes the type of corpus data, for example, the corpus data belongs to the question, or belongs to the answer, or belongs to other (such as greetings, chats, etc. irrelevant to the question and answer)
  • the annotation data further includes an answer parameter corresponding to the corpus data.
  • the answer parameter corresponding to the corpus data represents an answer parameter corresponding to the corpus of the question, for example, the corpus data is “Where are you going?”
  • the annotation data of the corpus data is "question, destination information", which means that the corpus data of "Where are you going" is the problem corpus corresponding to the destination information; and when the corpus data is the answer corpus, the corpus is used.
  • the answer parameter corresponding to the data represents the answer parameter included in the answer corpus.
  • each piece of real corpus data can be encapsulated into a structure, and the real corpus data is received one by one, and the subsequent steps are processed.
  • Step 302 Determine whether the corpus data is a question corpus according to the type of the corpus data, and if yes, proceed to step 303, and if no, proceed to step 304.
  • the focus is on the questioning method that requires various answer parameters, and the question corpus is connected with the relevant answer parameters. Therefore, the problem corpus needs to be obtained from the corpus data, and in this embodiment, the annotation can be read.
  • the type of corpus data in the data to determine whether the corpus data is a problem corpus.
  • Step 303 Obtain an answer parameter corresponding to the corpus data, and save the question corpus to the question set corresponding to the corpus data.
  • the answer parameter corresponding to the corpus data can be obtained, that is, the answer parameter corresponding to the corpus of the question is obtained, and the corpus of the question is saved to the question set of the answer parameter corresponding to the corpus data.
  • the answer parameter corresponding to the question corpus is one
  • the question corpus is saved to the question set corresponding to the one answer parameter, for example, the question corpus of "Where are you going" is saved to the purpose
  • the ground information corresponds to the set of questions.
  • the question corpus and the corresponding answer parameter are multiple, the question corpus is saved to a set of questions corresponding to the answer parameters, for example, the question corpus of "Where do you want to go from” is saved to In the question set corresponding to "departure information and destination information".
  • the problem corpus is still saved to the corresponding question set, so that the frequency of occurrence of each question in the question set can be basically consistent with the real context, for example, when asking for destination information, 80 % of the questions are all "Where are you going?", then "Where are you going?"
  • the corpus of the question also accounts for 80% of the problem set corresponding to the destination information, and corresponds to the destination information.
  • the probability of selecting the question "Where are you going?" is also 80%, so that the question chosen is closer to the real context.
  • Step 304 Determine whether the corpus data is the answer corpus, and when the corpus data is the answer corpus, save the answer corpus.
  • the corpus data may be the answer corpus or other corpus, then the corpus data may be used to determine whether the corpus data is the answer corpus, and when the corpus data is the answer corpus, the answer is The corpus is saved.
  • step 304 does not belong to the process of generating the problem library. When it is judged that the corpus data is not the problem corpus according to the type of the corpus data, no processing may be performed.
  • the embodiment of the present invention can automatically extract the problem corpus and the corresponding answer parameter, and establish a problem library including the problem set of the answer parameter, thereby chatting.
  • the service makes the question more human and intelligent.
  • FIG. 4 a schematic diagram of an apparatus for generating a question provided in an embodiment of the present invention is shown, which may include:
  • the determining unit 401 is configured to determine a first target answer parameter, where the first target answer parameter is a parameter that does not obtain a request parameter corresponding to the first target answer parameter.
  • the first obtaining unit 402 is configured to obtain a target problem set from the problem library, where the target problem set is a question set corresponding to the first target answer parameter, the target question set includes at least one answer parameter, and the The target question set includes at least one request parameter for requesting the user to send an answer parameter corresponding to the request parameter.
  • the second obtaining unit 403 is configured to acquire at least one target request parameter corresponding to the first target answer parameter in the target question set.
  • the sending unit 404 is configured to send the target request parameter to the terminal device.
  • the first obtaining unit when there are n first target answer parameters, the first obtaining unit may be specifically configured to:
  • the target problem set corresponds to m first target answer parameters, where n is a positive integer greater than or equal to 2, and m is a positive integer less than or equal to n .
  • the second obtaining unit may be specifically configured to:
  • a request parameter is randomly selected from the target problem set as the target request parameter.
  • the second obtaining unit may further be specifically configured to:
  • the target request parameter is input to a neural network model.
  • the sending unit 404 is specifically configured to send the target request parameter output by the neural network model to the terminal device.
  • the generating the question provided in the embodiment of the present invention may further include:
  • a receiving unit configured to receive the answer information sent by a user
  • a recording unit configured to extract a second target answer parameter from the answer information, where the second target answer parameter is a parameter that has obtained a request parameter corresponding to the second target answer parameter;
  • the determining unit determines whether the first target answer parameter exists according to the second target answer parameter and the required answer parameter, and if the first target answer parameter exists, returns to the determining unit to execute the slave The step of obtaining the target problem set in the question library, if the first target answer parameter is not present, providing a corresponding service according to the second target answer parameter.
  • the generating the question provided in the embodiment of the present invention may further include:
  • a training unit configured to train the problem database according to the input real corpus data, the real corpus data including corpus data and annotation data of the real corpus data, the annotation data including a type of the real corpus data and The answer parameter corresponding to the real corpus data.
  • the training unit may include:
  • a determining subunit configured to determine, according to the type of the corpus data, whether the corpus data is a problem corpus
  • the embodiment of the present invention obtains a target problem set corresponding to the unanswered answer parameter from the question library, where the target question set includes multiple pieces obtained from the real corpus data.
  • the request parameter corresponding to the unobtained answer parameter is obtained according to the target problem set in the question library and the unanswered answer parameter, and the target request parameter obtained with the unanswered answer parameter is sent to the user, so that the user can receive the question. More natural, close to natural language, and improve the intelligence of questions.
  • the embodiment of the present invention further provides a server, as shown in FIG. 5, which may include:
  • the number of processors 501 in the server may be one or more, and one processor is exemplified in FIG.
  • the processor 501, the memory 502, the input device 503, and the output device 504 may be connected by a bus or other means, wherein the bus connection is taken as an example in FIG.
  • the memory 502 can be used to store software programs and modules, and the processor 501 executes various functional applications and data processing of the server by running software programs and modules stored in the memory 502.
  • the memory 502 can mainly include a storage program area and a storage data area, wherein the storage program area can store an operating system, an application required for at least one function, and the like.
  • memory 502 can include high speed random access memory, and can also include non-volatile memory, such as at least one magnetic disk storage device, flash memory device, or other volatile solid state storage device.
  • Input device 503 can be used to receive input numeric or character information and to generate key signal inputs related to user settings and function control of the server.
  • the processor 501 loads the executable file corresponding to the process of one or more applications into the memory 502 according to the following instructions, and is executed by the processor 501 to be stored in the memory 502.
  • the application to implement various functions:
  • the first target answer parameter being a parameter that does not obtain a request parameter corresponding to the first target answer parameter
  • the target problem set is a question set corresponding to the first target answer parameter, the target question set includes at least one answer parameter, and the target question set includes at least one request a parameter, the request parameter is used to request a user to send an answer parameter corresponding to the request parameter;
  • the obtaining a target problem set from the problem library, and obtaining the target problem set from the problem library includes:
  • the target problem set corresponds to m first target answer parameters, where n is a positive integer greater than or equal to 2, and m is a positive integer less than or equal to n .
  • the acquiring, in the target problem set, at least one target request parameter corresponding to the first target answer parameter includes:
  • a request parameter is randomly selected from the target problem set as the target request parameter.
  • the acquiring, in the target problem set, at least one target request parameter corresponding to the first target answer parameter includes:
  • the sending the target request parameter to the terminal device includes:
  • the corresponding service is provided according to the second target answer parameter.
  • the real corpus data including corpus data and annotation data for the real corpus data
  • the annotation data including a type of the real corpus data and the real corpus data The corresponding answer parameter.
  • the training generates the problem library according to the input real corpus data, including:
  • the corpus data is a question corpus, obtaining an answer parameter corresponding to the corpus data
  • the question corpus is saved to a set of questions corresponding to the corpus data.
  • the embodiment of the present invention obtains a target problem set corresponding to the first target answer parameter from the question library, where the target question set includes multiple pieces obtained from the real corpus data.
  • Corresponding target request parameter corresponding to the first target answer parameter according to the target problem set in the question library and the first target answer parameter, acquiring a target request parameter with the first target answer parameter and sending the target request parameter to the user, so that the user can receive the
  • the target request parameters are more natural, close to natural language, and improve the intelligence of the question.
  • the steps of a method or algorithm described in connection with the embodiments disclosed herein can be implemented directly in hardware, a software module executed by a processor, or a combination of both.
  • the software module can be placed in random access memory (RAM), memory, read only memory (ROM), electrically programmable ROM, electrically erasable programmable ROM, registers, hard disk, removable disk, CD-ROM, or technical field. Any other form of storage medium known.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种信息交互的方法，用于更为贴近自然语言地生成提问，该方法包括：确定出第一目标回答参数的情况下，从问题库中获取目标问题集合，在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，将所述目标请求参数发送给终端设备。可以使用户接收到的作为问题的目标请求参数更为自然，贴近自然语言，提升了提问的智能度。

Description

一种信息交互的方法及装置
本申请要求于2017年3月2日提交中国专利局，申请号为201710120806.8，发明名称为“一种生成提问的方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本发明涉及互联网技术领域，具体涉及一种信息交互的方法及装置。
背景技术
在服务对话领域，服务器端在向用户提供某些服务之前，需要自动向用户提出一些问题，服务机器人可以从用户的回答中提取与该提问对应的回答参数，最后向用户提供相关服务。例如，向用户提供订购机票的服务时，则首先需要向用户提问，询问用户的出发地、目的地以及出发时间，在用户与提问的回答中提取出出发地、目的地以及出发时间等回答参数，根据这些回答参数完成为用户订购机票的服务。
在现有技术中，针对每个回答参数预先设定了固定的提问，在对话过程中如果需要获取某个回答参数，则自动向用户发送与该回答参数对应的问题。但是，事先定义好的提问比较生硬，与自然语言差距较大，缺乏智能感。
发明内容
有鉴于此，本发明提供一种信息交互的方法及装置，以解决现有技术中生成提问的方式与自然语言差距较大，缺乏智能感的技术问题。
为解决上述问题，本发明提供的技术方案如下：
一种信息交互的方法，所述方法包括：
确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数；
从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数；
在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数；
将所述目标请求参数发送给终端设备。
一种生成提问的装置，所述装置包括：
确定单元，确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数；
第一获取单元，用于从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数；
第二获取单元，用于在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数；
发送单元，用于将所述目标请求参数发送给终端设备。
本发明实施例在确定出第一目标回答参数的情况下，从问题库中获取目标问题集合，在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，将所述目标请求参数发送给终端设备。可以使用户接收到的作为问题的目标请求参数更为自然，贴近自然语言，提升了提问的智能度。
附图说明
图1为本发明实施例中提供的信息交互的方法实施例一的流程图；
图2为本发明实施例中提供的信息交互的方法实施例二的流程图；
图3为本发明实施例中提供的信息交互的方法实施例三的流程图；
图4本发明实施例中提供的生成提问的装载实施例的示意图；
图5本发明实施例中提供的一种服务器的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明实施例作进一步详细的说明。
在服务对话领域，服务器端为了向用户提供某些服务，需要获知一些参数，为了获知这些参数，则需要向用户发送与这些参数对应的请求参数，以使用户能够根据请求参数进行回答，并向服务器发送与请求参数对应的回答信息，然后从用户发送的回答信息中提取出与该提问对应的回答参数，最后向用户提供 相关服务。例如，向用户提供订购机票的服务时，所需的回答参数包括目的地信息、出发地信息以及出发时间信息，则需要向用户发送与这些回答参数对应的请求参数。在现有技术中，针对每个回答参数预先设定了固定的提问方式，在对话过程中如果需要获取某个回答参数，则自动向用户发送与该回答参数对应的请求参数。但是，这样对于用户来说比较生硬，缺乏智能和人性的感觉。另外，每次只针对一个回答参数提问，当需要获取多个回答参数时，提问效率较低。为了解决现有技术中所存在的技术问题，本发明实施例中提供了一种信息交互的方法及装置，从大量真实语料数据中学习得到各种回答参数的提问问法，即训练得到问题库，问题库中包括了与各种回答参数对应的问题集合，在针对某个或某些回答参数进行提问时，从问题库中获取与该回答参数对应的请求参数发送给用户，以提高提问的智能程度，使每次的提问的方式不同，更符合人类表达习惯。
本发明实施例将从生成提问的装置角度进行描述，该生成提问的装置具体可以装载在服务器中。参见图1所示，示出了本发明实施例中提供的信息交互的方法实施例一，可以包括以下步骤：
步骤101：确定第一目标回答参数。
在向用户提供服务时，需要向用户发送一些请求参数以获得所需的回答参数。例如，在为用户提供订购机票服务时，则需要通过向用户提问获得目的地信息、出发地信息以及出发时间信息等回答参数。在实际应用中，可以根据所需的回答参数以及第二目标回答参数，确定第一目标回答参数，其中，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数。
如果是首次向用户进行提问，则所需的回答参数均为所述第一目标回答参数，如果用户已经进行过回答，则将用户回答过的回答参数均记录为第二目标回答参数，所述第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数。
根据所需的回答参数以及第二目标回答参数确定出第一目标回答参数。当前第一目标回答参数可以有一个，也可以有多个。
步骤102：从问题库中获取目标问题集合。
本实施例所示的目标问题集合为与所述第一目标回答参数对应的问题集 合。
在一些可能的实现方式中，本发明实施例中提供的信息交互的方法还可以包括：根据输入的真实语料数据训练生成所述问题库，其中，所述问题库包括回答参数，所述回答参数可为所述第一目标回答参数和/或所述第二目标回答参数。也即问题库中包括了与各种回答参数对应的问题集合。
例如问题库中包括了与回答参数A对应的问题集合、与回答参数B对应的问题集合、与回答参数C对应的问题集合、与回答参数A以及B对应的问题集合、与回答参数A、B以及C对应的问题集合等等。每个问题集合中又包括了多个问题，例如，回答参数A为目的地信息，则与回答参数A对应的问题集合中可以包括“你要去哪里？”、“你要去哪儿？”、“你的目的地是哪儿？”等等问题；而例如回答参数B为出发地信息，则与回答参数A以及B对应的问题集合中可以包括“你要从哪里去哪里？”、“你的出发地以及目的地是哪里？”等等问题。也就是说问题库中包括多个问题集合，一个问题集合可以是与一个回答参数对应的问题集合，也可以是与多个回答参数对应的问题集合。如何根据输入的真实语料数据训练生成问题库将在后续实施例中详细说明。
在本实施例中，当第一目标回答参数仅有一个时，则可以从问题库中直接获取与该第一目标回答参数对应的目标问题集合。
在一些可能的实现方式中，当第一目标回答参数有n个时，从问题库中获取目标问题集合，包括：
从所述问题库中获取所述目标问题集合，所述目标问题集合与m个所述第一目标回答参数对应，其中n为大于或等于2的正整数，m为小于或等于n的正整数。
例如，假设n为3，则第一目标回答参数有3个，分别为回答参数A、回答参数B以及回答参数C，则问题库中有与1个回答参数对应的问题集合，即与回答参数A对应的问题集合、与回答参数B对应的问题集合、与回答参数C对应的问题集合。
问题库中还有与2个回答参数对应的问题集合，即与回答参数A以及B对应的问题集合、与回答参数B以及C对应的问题集合、与回答参数A以及C对应的问题集合，同时，问题库中还有与3个回答参数对应的问题集合，即与 回答参数A、B以及C对应的问题集合，则在这些问题集合中获取其中的一个问题集合作为与第一目标回答参数的问题集合。也就是说，在第一目标回答参数有多个时，可以针对其中的一个回答参数进行提问，也可以针对其中的多个回答参数进行提问。
步骤103：在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数。
在一些可能的实现方式中，根据问题库中与第一目标回答参数对应的目标问题集合，获取一个与第一目标回答参数对应的目标请求参数的具体实现可以包括：
从与第一目标回答参数对应的问题集合中随机选择一个请求参数作为所述目标请求参数。
在一种实现方式中，可以直接从上述步骤中获得的一个与第一目标回答参数对应的目标问题集合中，随机选择一个请求参数作为目标请求参数，该目标请求参数选择自目标问题集合，目标问题集合中包括了真实语境中可能会出现的与第一目标回答参数对应的各种请求参数，且目标问题集合中各种请求参数的出现频率与真实语境中基本保持一致，所以所选择的目标请求参数也更为接近真实语境。
在一些可能的实现方式中，在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数的具体实现也可以包括：
将所述目标请求参数输入神经网络模型，并获取神经网络模型输出的所述目标请求参数。
在另一种实现方式中，当问题集合中有足够多的请求参数时，可以训练神经网络模型来生成一个与第一目标回答参数对应的目标请求参数，这样提问的方式将更为丰富、不仅局限于问题库中已有的问题，而是生成更加符合人类习惯的提问。
步骤104：将目标请求参数发送给终端设备。
将步骤103中获得的目标请求参数发送给终端设备，以使使用终端设备的用户能够对第一目标回答参数进行回答。
这样，本发明实施例在对第一目标回答参数进行提问时，从问题库中获取 与第一目标回答参数对应的目标问题集合，该目标问题集合中包括有多个从真实语料数据中获得的与第一目标回答参数的对应的目标请求参数，根据问题库中与第一目标回答参数的目标问题集合，获取一个与第一目标回答参数的目标请求参数发送给用户，可以使用户接收到的目标请求参数更为自然，贴近自然语言，提升了提问的智能度。
参见图2所示，示出了本发明实施例中提供的信息交互的方法实施例二，可以包括以下步骤：
步骤201：确定第一目标回答参数。
步骤202：从问题库中获取目标问题集合。
步骤203：在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数。
步骤204：将目标请求参数发送给终端设备。
步骤201-204与步骤101-104相同，相关说明可以参见上述实施例，在此不再赘述。
步骤205：接收用户发送的回答信息。
在将目标请求参数发送给终端，以使使用终端的用户获取到目标请求参数后，用户会对该目标请求参数进行回答以生成回答信息，在用户回答后可以接收用户通过终端发送的回答信息，所述回答信息中会包括第二目标回答参数，其中，第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数。
步骤206：从所述回答信息中提取第二目标回答参数。
在接收到回答信息后提取出第二目标回答参数，可以理解的是，如果已经进行了多次问答，则第二目标回答参数并不仅限于本次回答中提取的回答参数。
步骤207：根据所述第二目标回答参数以及所需的回答参数，判断是否存在所述第一目标回答参数，如果存在，则返回步骤201，如果不存在，则进入步骤208。
根据第二目标回答参数以及所需的回答参数，则可以判断出是否存在第一目标回答参数，例如所需的回答参数包括目的地信息、出发地信息以及出发时 间，第二目标回答参数包括目的地信息以及出发地信息，则还存在第一目标回答参数，需要返回步骤201重新确定第一目标回答参数，例如将出发时间确定为第一目标回答参数，则在后续步骤中需要与出发时间再次进行提问。
步骤208：根据所述第二目标回答参数提供相应的服务。
如果已经获得了全部所需的第二目标回答参数，则可以向用户提供相应的服务，例如在获取到目的地信息、出发地信息以及出发时间这些回答参数后可以向用户提供订购机票的服务。
这样，本发明实施例通过更为贴近自然语言的提问，使用户在对话的过程中与机器交流的更加顺畅、自然，从而使用户更快地回答出所需的回答参数，根据这些第二目标回答参数可以完成向用户提供相应的服务。
参见图3所示，示出了本发明实施例中提供的信息交互的方法实施例三，在本实施例中根据输入的真实语料数据训练生成所述问题库的具体实现可以包括：
步骤301：接收真实语料数据。
其中，真实语料数据包括语料数据以及对语料数据的批注数据，批注数据包括语料数据的类型以及语料数据所对应的回答参数。
在训练生成问题库的过程中，需要大量的真实语料数据，真实语料数据中的语料数据是从人工客服与用户的真实对话中提取的，真实语料数据中对语料数据的批注数据可以在人工对语料数据进行批注后得到，也可以在通过半监督式机器学习的方式对语料数据进行批注后得到。所进行的对语料数据的批注需要逐条对语料数据进行批注，批注数据包括语料数据的类型，例如该条语料数据属于问题，或者属于回答，或者属于其他(如与问答无关的问候、聊天等)；批注数据还包括语料数据所对应的回答参数，当语料数据为问题语料时，则语料数据所对应的回答参数代表该条问题语料所对应的回答参数，例如语料数据为“你要去哪里”，该条语料数据的批注数据为“问题，目的地信息”，则代表“你要去哪里”这条语料数据为与目的地信息对应的问题语料；而当语料数据为回答语料时，则语料数据所对应的回答参数代表该条回答语料所包括的回答参数。
在实际应用中，每条真实语料数据可以封装为一个结构体，逐条接收真实 语料数据，并进行后续步骤的处理。
步骤302：根据语料数据的类型判断语料数据是否为问题语料，如果是，进入步骤303，如果否，进入步骤304。
在训练生成问题库的过程中重点是需要各种回答参数的提问方式，将提问语料与相关的回答参数对接起来，因此需要从语料数据中获得问题语料，在本实施例中可以通过读取批注数据中的语料数据的类型来判断语料数据是否为问题语料。
步骤303：获得语料数据所对应的回答参数，将问题语料保存至与语料数据所对应的问题集合中。
当语料数据为问题语料时，则可以获得语料数据所对应的回答参数，即获得该问题语料所对应的回答参数，并将该条问题语料保存至与语料数据所对应的回答参数的问题集合中。当该条问题语料所对应的回答参数为一个时，则将该条问题语料保存至与这一个回答参数对应的问题集合，例如，将“你要去哪里”这条问题语料保存至与“目的地信息”对应的问题集合中。当该条问题语料所与对应的回答参数为多个时，则将该条问题语料保存至与这些回答参数对应的问题集合，例如，将“你要从哪里去哪里”这条问题语料保存至与“出发地信息以及目的地信息”对应的问题集合中。
另外，即使问题语料重复出现也依然将问题语料保存至相应的问题集合中，从而可以使问题集合中各个问题的出现频率与真实语境中基本保持一致，例如，在提问目的地信息时，80％的提问方式均为“你要去哪里？”，则“你要去哪里？”这个问题语料在与目的地信息对应的问题集合中也占80％的比例，则在与目的地信息对应的问题集合中选择问题时，选中“你要去哪里？”这个问题的可能性也为80％，使所以所选择的问题也更为接近真实语境。
步骤304：判断语料数据是否为回答语料，当语料数据为回答语料，则保存回答语料。
当语料数据不为问题语料时，则该语料数据可能为回答语料，也可能为其他语料，则可以通过语料数据的类型判断该语料数据是否为回答语料，当语料数据为回答语料，对该回答语料进行保存。另外，需要注意的是，步骤304并不属于生成问题库的过程，在根据语料数据的类型判断语料数据不为问题语 料时，也可以不进行任何处理。
这样，本发明实施例在接收到输入的语料数据以及对语料数据的批注数据后，可以自动提取出问题语料以及所对应的回答参数，建立包括与回答参数的问题集合的问题库，从而在聊天服务中使得提问显得更加人性和智能。
参见图4所示，示出了本发明实施例中提供的生成提问的装置实施例的示意图，可以包括：
确定单元401，用于确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数。
第一获取单元402，用于从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数。
第二获取单元403，用于在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数。
发送单元404，用于将所述目标请求参数发送给终端设备。
在本发明一些可能的实现方式中，当所述第一目标回答参数有n个时，第一获取单元可以具体用于：
从所述问题库中获取所述目标问题集合，所述目标问题集合与m个所述第一目标回答参数对应，其中n为大于或等于2的正整数，m为小于或等于n的正整数。
在本发明一些可能的实现方式中，第二获取单元可以具体用于：
从所述目标问题集合中随机选择一个请求参数作为所述目标请求参数。
在本发明一些可能的实现方式中，第二获取单元还可以具体用于：
将所述目标请求参数输入神经网络模型。
所述发送单元404具体用于，将所述神经网络模型输出的所述目标请求参数发送给所述终端设备。
在本发明一些可能的实现方式中，本发明实施例中提供的生成提问的还可以包括：
接收单元，用于接收用户发送的所述回答信息；
记录单元，用于从所述回答信息中提取第二目标回答参数，所述第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数；
判断单元，根据所述第二目标回答参数以及所需的回答参数，判断是否存在所述第一目标回答参数，若存在所述第一目标回答参数，，则返回所述确定单元执行所述从问题库中获取目标问题集合的步骤，如果若不存在所述第一目标回答参数，则根据所述第二目标回答参数提供相应的服务。
在本发明一些可能的实现方式中，本发明实施例中提供的生成提问的还可以包括：
训练单元，用于根据输入的真实语料数据训练生成所述问题库，所述真实语料数据包括语料数据以及对所述真实语料数据的批注数据，所述批注数据包括所述真实语料数据的类型以及所述真实语料数据所对应的回答参数。
在本发明一些可能的实现方式中，训练单元可以包括：
接收子单元，用于接收真实语料数据；
判断子单元，用于根据所述语料数据的类型判断所述语料数据是否为问题语料；
保存子单元，用于如果所述语料数据为问题语料，则获得所述语料数据所对应的回答参数，将所述问题语料保存至与所述语料数据所对应的问题集合中。
这样，本发明实施例在对未获得的回答参数进行提问时，从问题库中获取与未获得的回答参数对应的目标问题集合，该目标问题集合中包括有多个从真实语料数据中获得的与未获得的回答参数的对应的请求参数，根据问题库中与未获得的回答参数的目标问题集合，获取一个与未获得的回答参数的目标请求参数发送给用户，可以使用户接收到的问题更为自然，贴近自然语言，提升了提问的智能度。
相应的，本发明实施例还提供一种服务器，参见图5所示，可以包括：
处理器501、存储器502、输入装置503和输出装置504。服务器中的处理器501的数量可以一个或多个，图5中以一个处理器为例。在本发明的一些实施例中，处理器501、存储器502、输入装置503和输出装置504可通过总线或其它方式连接，其中，图5中以通过总线连接为例。
存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的软件程序以及模块，从而执行服务器的各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。输入装置503可用于接收输入的数字或字符信息，以及产生与服务器的用户设置以及功能控制有关的键信号输入。
具体在本实施例中，处理器501会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中，并由处理器501来运行存储在存储器502中的应用程序，从而实现各种功能：
确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数；
从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数；
在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数；
将所述目标请求参数发送给终端设备。
相应的，当所述第一目标回答参数有n个时，所述从问题库中获取目标问题集合，所述从问题库中获取目标问题集合，包括：
从所述问题库中获取所述目标问题集合，所述目标问题集合与m个所述第一目标回答参数对应，其中n为大于或等于2的正整数，m为小于或等于n的正整数。
相应的，所述在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，包括：
从所述目标问题集合中随机选择一个请求参数作为所述目标请求参数。
相应的，所述在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，包括：
将所述目标请求参数输入神经网络模型；
相应的，所述将所述目标请求参数发送给终端设备包括：
将所述神经网络模型输出的所述目标请求参数发送给所述终端设备。
相应的，还包括：
接收用户发送的所述回答信息；
从所述回答信息中提取第二目标回答参数，所述第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数；
根据所述第二目标回答参数以及所需的回答参数，判断是否存在所述第一目标回答参数；
若存在所述第一目标回答参数，则返回执行所述从问题库中获取目标问题集合的步骤；
若不存在所述第一目标回答参数，则根据所述第二目标回答参数提供相应的服务。
相应的，还包括：
根据输入的真实语料数据训练生成所述问题库，所述真实语料数据包括语料数据以及对所述真实语料数据的批注数据，所述批注数据包括所述真实语料数据的类型以及所述真实语料数据所对应的回答参数。
相应的，所述根据输入的真实语料数据训练生成所述问题库，包括：
接收真实语料数据；
根据所述语料数据的类型判断所述语料数据是否为问题语料；
如果所述语料数据为问题语料，则获得所述语料数据所对应的回答参数；
将所述问题语料保存至与所述语料数据所对应的问题集合中。
这样，本发明实施例在对第一目标回答参数进行提问时，从问题库中获取与第一目标回答参数对应的目标问题集合，该目标问题集合中包括有多个从真实语料数据中获得的与第一目标回答参数的对应的目标请求参数，根据问题库中与第一目标回答参数的目标问题集合，获取一个与第一目标回答参数的目标请求参数发送给用户，可以使用户接收到的目标请求参数更为自然，贴近自然语言，提升了提问的智能度。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例 重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (14)

  1. 一种信息交互的方法，其特征在于，所述方法包括：
    确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数；
    从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数；
    在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数；
    将所述目标请求参数发送给终端设备。
  2. 根据权利要求1所述的方法，其特征在于，当所述第一目标回答参数有n个时，所述从问题库中获取目标问题集合，包括：
    从所述问题库中获取所述目标问题集合，所述目标问题集合与m个所述第一目标回答参数对应，其中n为大于或等于2的正整数，m为小于或等于n的正整数。
  3. 根据权利要求1或2所述的方法，其特征在于，所述在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，包括：
    从所述目标问题集合中随机选择一个请求参数作为所述目标请求参数。
  4. 根据权利要求1或2所述的方法，其特征在于，所述在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数，包括：
    将所述目标请求参数输入神经网络模型；
    所述将所述目标请求参数发送给终端设备包括：
    将所述神经网络模型输出的所述目标请求参数发送给所述终端设备。
  5. 根据权利要求1所述的方法，其特征在于，所述方法还包括：
    接收用户发送的所述回答信息；
    从所述回答信息中提取第二目标回答参数，所述第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数；
    根据所述第二目标回答参数以及所需的回答参数，判断是否存在所述第一 目标回答参数；
    若存在所述第一目标回答参数，则返回执行所述从问题库中获取目标问题集合的步骤；
    若不存在所述第一目标回答参数，则根据所述第二目标回答参数提供相应的服务。
  6. 根据权利要求1所述的方法，其特征在于，所述方法还包括：
    根据输入的真实语料数据训练生成所述问题库，所述真实语料数据包括语料数据以及对所述真实语料数据的批注数据，所述批注数据包括所述真实语料数据的类型以及所述真实语料数据所对应的回答参数。
  7. 根据权利要求6所述的方法，其特征在于，所述根据输入的真实语料数据训练生成所述问题库，包括：
    接收真实语料数据；
    根据所述语料数据的类型判断所述语料数据是否为问题语料；
    如果所述语料数据为问题语料，则获得所述语料数据所对应的回答参数；
    将所述问题语料保存至与所述语料数据所对应的问题集合中。
  8. 一种生成提问的装置，其特征在于，所述装置包括：
    确定单元，用于确定第一目标回答参数，所述第一目标回答参数为未获得与所述第一目标回答参数对应的请求参数的参数；
    第一获取单元，用于从问题库中获取目标问题集合，所述目标问题集合为与所述第一目标回答参数对应的问题集合，所述目标问题集合包括至少一个回答参数，且所述目标问题集合包括有至少一个请求参数，所述请求参数用于请求用户发送与所述请求参数对应的回答参数；
    第二获取单元，用于在所述目标问题集合中获取至少一个与所述第一目标回答参数对应的目标请求参数；
    发送单元，用于将所述目标请求参数发送给终端设备。
  9. 根据权利要求8所述的装置，其特征在于，当所述第一目标回答参数有n个时，所述第一获取单元具体用于：
    从所述问题库中获取所述目标问题集合，所述目标问题集合与m个所述第一目标回答参数对应，其中n为大于或等于2的正整数，m为小于或等于n的 正整数。
  10. 根据权利要求8或9所述的装置，其特征在于，所述第二获取单元具体用于：
    从所述目标问题集合中随机选择一个请求参数作为所述目标请求参数。
  11. 根据权利要求8或9所述的装置，其特征在于，所述第二获取单元具体用于：将所述目标请求参数输入神经网络模型；
    所述发送单元具体用于，将所述神经网络模型输出的所述目标请求参数发送给所述终端设备。
  12. 根据权利要求8所述的装置，其特征在于，所述装置还包括：
    接收单元，用于接收用户发送的所述回答信息；
    记录单元，用于从所述回答信息中提取第二目标回答参数，所述第二目标回答参数为已获得与所述第二目标回答参数对应的请求参数的参数；
    判断单元，根据所述第二目标回答参数以及所需的回答参数，判断是否存在所述第一目标回答参数，若存在所述第一目标回答参数，，则返回所述确定单元执行所述从问题库中获取目标问题集合的步骤，如果若不存在所述第一目标回答参数，则根据所述第二目标回答参数提供相应的服务。
  13. 根据权利要求8所述的装置，其特征在于，所述装置还包括：
    训练单元，用于根据输入的真实语料数据训练生成所述问题库，所述真实语料数据包括语料数据以及对所述真实语料数据的批注数据，所述批注数据包括所述真实语料数据的类型以及所述真实语料数据所对应的回答参数。
  14. 根据权利要求13所述的装置，其特征在于，所述训练单元包括：
    接收子单元，用于接收真实语料数据；
    判断子单元，用于根据所述语料数据的类型判断所述语料数据是否为问题语料；
    保存子单元，用于如果所述语料数据为问题语料，则获得所述语料数据所对应的回答参数，将所述问题语料保存至与所述语料数据所对应的问题集合中。
PCT/CN2018/075051 2017-03-02 2018-02-02 一种信息交互的方法及装置 WO2018157695A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710120806.8 2017-03-02
CN201710120806.8A CN106909677B (zh) 2017-03-02 2017-03-02 一种生成提问的方法及装置

Publications (1)

Publication Number Publication Date
WO2018157695A1 true WO2018157695A1 (zh) 2018-09-07

Family

ID=59186099

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/075051 WO2018157695A1 (zh) 2017-03-02 2018-02-02 一种信息交互的方法及装置

Country Status (3)

Country Link
CN (1) CN106909677B (zh)
TW (1) TWI674517B (zh)
WO (1) WO2018157695A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106909677B (zh) * 2017-03-02 2020-09-08 腾讯科技（深圳）有限公司 一种生成提问的方法及装置
TWI688873B (zh) * 2019-01-09 2020-03-21 國立臺灣科技大學 環境資訊問答系統與方法
CN110941696A (zh) * 2019-11-12 2020-03-31 北京华宇信息技术有限公司 询问方法、装置及电子设备
JP7078702B1 (ja) * 2020-12-17 2022-05-31 楽天グループ株式会社 質問管理システム、質問管理方法およびプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090907A (zh) * 2014-05-28 2014-10-08 北京百度网讯科技有限公司 一种用于特定应用领域的向用户提供信息的方法与装置
CN104657463A (zh) * 2015-02-10 2015-05-27 乐娟 应用于自动问答系统的问句分类方法及装置
CN105512228A (zh) * 2015-11-30 2016-04-20 北京光年无限科技有限公司 一种基于智能机器人的双向问答数据处理方法和系统
US20160378851A1 (en) * 2015-06-25 2016-12-29 International Business Machines Corporation Knowledge Canvassing Using a Knowledge Graph and a Question and Answer System
CN106909677A (zh) * 2017-03-02 2017-06-30 腾讯科技（深圳）有限公司 一种生成提问的方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7043439B2 (en) * 2000-03-29 2006-05-09 Canon Kabushiki Kaisha Machine interface
US7403890B2 (en) * 2002-05-13 2008-07-22 Roushar Joseph C Multi-dimensional method and apparatus for automated language interpretation
TW201003421A (en) * 2008-04-28 2010-01-16 Alexandria Invest Res And Technology Llc Adaptive knowledge platform
CN101676909A (zh) * 2008-09-16 2010-03-24 联想(北京)有限公司 为用户提供自助服务的方法及计算机
US8676586B2 (en) * 2008-09-16 2014-03-18 Nice Systems Ltd Method and apparatus for interaction or discourse analytics
CN102023995B (zh) * 2009-09-22 2013-01-30 株式会社理光 语音检索设备和语音检索方法
US20160284349A1 (en) * 2015-03-26 2016-09-29 Binuraj Ravindran Method and system of environment sensitive automatic speech recognition
CN105068661B (zh) * 2015-09-07 2018-09-07 百度在线网络技术（北京）有限公司 基于人工智能的人机交互方法和系统
CN105744057B (zh) * 2016-01-21 2019-02-22 平安科技（深圳）有限公司 一种智能语音对话交互方法和装置
CN106227740A (zh) * 2016-07-12 2016-12-14 北京光年无限科技有限公司 一种面向对话系统的数据处理方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090907A (zh) * 2014-05-28 2014-10-08 北京百度网讯科技有限公司 一种用于特定应用领域的向用户提供信息的方法与装置
CN104657463A (zh) * 2015-02-10 2015-05-27 乐娟 应用于自动问答系统的问句分类方法及装置
US20160378851A1 (en) * 2015-06-25 2016-12-29 International Business Machines Corporation Knowledge Canvassing Using a Knowledge Graph and a Question and Answer System
CN105512228A (zh) * 2015-11-30 2016-04-20 北京光年无限科技有限公司 一种基于智能机器人的双向问答数据处理方法和系统
CN106909677A (zh) * 2017-03-02 2017-06-30 腾讯科技（深圳）有限公司 一种生成提问的方法及装置

Also Published As

Publication number Publication date
TWI674517B (zh) 2019-10-11
CN106909677A (zh) 2017-06-30
CN106909677B (zh) 2020-09-08
TW201833730A (zh) 2018-09-16

Similar Documents

Publication Publication Date Title
WO2018157695A1 (zh) 一种信息交互的方法及装置
CN110581772B (zh) 即时通讯消息的交互方法、装置以及计算机可读存储介质
US11032419B2 (en) Intelligent customer service systems, customer service robots, and methods for providing customer service
WO2018157349A1 (zh) 一种机器人交互方法及交互机器人
CN112365894B (zh) 基于ai的复合语音交互方法、装置及计算机设备
US20110252108A1 (en) Designating automated agents as friends in a social network service
CN103455592A (zh) 一种问答方法、装置及系统
CN110570215A (zh) 智能客服系统
KR20110020218A (ko) 아이덴티티 정보 푸싱 방법 및 통신 디바이스
US20180375805A1 (en) Collecting Information in a Messaging System
CN107920103B (zh) 一种信息推送的方法和系统及客户端和服务器
US11228683B2 (en) Supporting conversations between customers and customer service agents
CN111276148A (zh) 基于卷积神经网络的回访方法、系统及存储介质
US20140101739A1 (en) Semantic challenge for audio human interactive proof
WO2019024497A1 (zh) 客户回访事件的生成方法、装置、终端设备及介质
CN115470318A (zh) 客服问题处理方法及装置
CN112019870A (zh) 消息分级处理方法、装置及电子设备
CN113630309A (zh) 机器人会话系统、方法、装置、计算机设备和存储介质
CN113271610A (zh) 一种门锁设备配网方法、装置、门锁设备及存储介质
WO2020024452A1 (zh) 基于深度学习的应答方法、装置及可读存储介质
CN116466930A (zh) 智能客服模型的构建方法、消息处理法、装置及电子设备
CN110674275B (zh) 一种知识问答的方法及装置
CN103761272A (zh) 互联网数据处理方法、装置及系统
CN113741930A (zh) 应用升级方法、装置、电子设备及计算机可读存储介质
CN111008373A (zh) 智能问答的处理方法、装置、计算机可读介质及电子设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18761965

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18761965

Country of ref document: EP

Kind code of ref document: A1