WO2020224570A1 - 交互方法及装置、音箱、电子设备和存储介质 - Google Patents

交互方法及装置、音箱、电子设备和存储介质 Download PDF

Info

Publication number
WO2020224570A1
WO2020224570A1 PCT/CN2020/088643 CN2020088643W WO2020224570A1 WO 2020224570 A1 WO2020224570 A1 WO 2020224570A1 CN 2020088643 W CN2020088643 W CN 2020088643W WO 2020224570 A1 WO2020224570 A1 WO 2020224570A1
Authority
WO
WIPO (PCT)
Prior art keywords
vector
user input
input information
matching
template
Prior art date
Application number
PCT/CN2020/088643
Other languages
English (en)
French (fr)
Inventor
郑梓豪
姜飞俊
Original Assignee
阿里巴巴集团控股有限公司
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 阿里巴巴集团控股有限公司 filed Critical 阿里巴巴集团控股有限公司
Publication of WO2020224570A1 publication Critical patent/WO2020224570A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Definitions

  • a search matching algorithm + neural network model is usually used.
  • a search matching algorithm is used to determine whether the voice input by the user is hit. If it hits, the search matching result is used; otherwise, the processing result of the neural network model is used. In this way, if the search matching algorithm mistakenly hits the voice input by the user, it will cause an error. The common cause is dirty data.
  • an interaction method including:
  • the vector of the non-basic template is determined as the matching template vector corresponding to the user input information; wherein, the user input information conforms to any non-basic template
  • the sentence pattern includes: the user input information includes the entities of the entity set in the sentence pattern of the non-basic template.
  • the matching template vector is weighted to obtain the matching template statistical vector corresponding to the user input information.
  • the similarity between the matching template vector and the semantic vector is normalized to obtain the weight of the matching template vector.
  • the outputting an interaction result corresponding to the user input information based at least on the semantic vector and the matching template statistical vector includes:
  • connection processing on the semantic vector and the matching template statistical vector to obtain a connection vector
  • the vector of the non-basic template is determined as the matching template vector corresponding to the user input information; wherein, the user input information conforms to any non-basic template
  • the sentence pattern includes: the user input information includes the entities of the entity set in the sentence pattern of the non-basic template.
  • the determining the weight of the matching template vector according to the similarity between the matching template vector and the semantic vector includes:
  • the second determining module is used to:
  • the matching template vector and the semantic vector are processed based on the attention mechanism to obtain the matching template statistical vector corresponding to the user input information.
  • an interaction result corresponding to the user input information is output.
  • the second determining module is used to:
  • the vector of the non-basic template is determined as the matching template vector corresponding to the user input information; wherein, the user input information conforms to any non-basic template
  • the sentence pattern includes: the user input information includes the entities of the entity set in the sentence pattern of the non-basic template.
  • the dimensionality reduction vector is input to a softmax layer, and the interaction result corresponding to the user input information is output through the softmax layer.
  • FIG. 9 shows a block diagram of an electronic device 800 according to an embodiment of the present disclosure.
  • step S12 the semantic vector corresponding to the user input information is determined.
  • the matching template vector and semantic vector are processed based on the attention mechanism to obtain the matching template statistical vector corresponding to the user input information, including: determining the matching template according to the similarity between the matching template vector and the semantic vector The weight of the vector; based on the weight of the matching template vector, the matching template vector is weighted to obtain the matching template statistical vector corresponding to the user input information.
  • the semantic vector and the matching template statistical vector are combined to respond to the user.
  • the deep learning model may be RNN, TextCNN, or a model based on the Transformer structure, etc., which is not limited in the embodiment of the present disclosure.
  • the semantic vector corresponding to the user input information is determined through the deep learning model, and the matching template vector corresponding to the user input information is determined through the search matching model.
  • the template matching the user input information It includes at least the preset basic template.
  • the matching template statistical vector corresponding to the user input information is determined.
  • the interaction result corresponding to the user input information is output, which can reduce The impact of dirty data on the interaction can improve the accuracy of the results returned to the user during the interaction.
  • the semantic vector corresponding to the user input information is determined, and the matching template vector corresponding to the user input information is determined, wherein the templates matching the user input information include at least a preset basic template, Based on the matching template vector and semantic vector, determine the matching template statistical vector corresponding to the user input information, at least based on the semantic vector and matching template statistical vector, output the interaction result corresponding to the user input information, thereby reducing the impact of dirty data on the interaction, thereby It can improve the accuracy of the results returned to the user in the interaction.
  • the second determining module 43 is configured to: if the user input information matches any sentence pattern of any non-basic template, determine the non-basic template vector as the matching template vector corresponding to the user input information; Wherein, the user input information conforms to any sentence pattern of a non-basic template, including: the user input information includes entities of the entity set in the sentence pattern of the non-basic template.
  • the functions or modules contained in the devices and speakers provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • the functions or modules contained in the devices and speakers provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • a non-volatile computer-readable storage medium such as a memory 804 including computer program instructions, which can be executed by the processor 820 of the electronic device 800 to complete the foregoing method.
  • the computer-readable storage medium may be a tangible device that can hold and store instructions used by the instruction execution device.
  • the computer-readable storage medium may be, for example, but not limited to, an electrical storage device, a magnetic storage device, an optical storage device, an electromagnetic storage device, a semiconductor storage device, or any suitable combination of the foregoing.
  • the computer-readable program instructions described herein can be downloaded from a computer-readable storage medium to various computing/processing devices, or downloaded to an external computer or external storage device via a network, such as the Internet, a local area network, a wide area network, and/or a wireless network.
  • the network may include copper transmission cables, optical fiber transmission, wireless transmission, routers, firewalls, switches, gateway computers, and/or edge servers.
  • the network adapter card or network interface in each computing/processing device receives computer-readable program instructions from the network, and forwards the computer-readable program instructions for storage in the computer-readable storage medium in each computing/processing device .

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

一种交互方法及装置、音箱、电子设备和存储介质。所述方法包括：接收用户输入信息（S11）；确定用户输入信息对应的语义向量（S12）；确定用户输入信息对应的匹配模板向量，其中，匹配模板向量表示与用户输入信息匹配的模板的向量，与用户输入信息匹配的模板中至少包括预设的基础模板（S13）；基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量（S14）；至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果。该方法能够在交互中提高向用户返回的结果的准确性。

Description

交互方法及装置、音箱、电子设备和存储介质
本申请要求2019年05月09日递交的申请号为201910384519.7、发明名称为“交互方法及装置、音箱、电子设备和存储介质”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
本公开涉及计算机技术领域，尤其涉及一种交互方法及装置、音箱、电子设备和存储介质。
背景技术
语音交互是基于语音输入的交互方式。与传统的移动端、PC(Personal Computer，个人计算机)端的人机交互不同的是，语音交互系统是指人机交互中主要以语音方式进行输入的系统。
相关技术中，通常采用搜索匹配算法+神经网络模型的方法，先通过搜索匹配算法判断是否命中用户输入的语音，若命中，则采用搜索匹配结果，否则采用神经网络模型的处理结果。在这种方式中，若搜索匹配算法错误命中了用户输入的语音，则会造成错误，其中常见的原因是脏数据。
例如，视频领域的某一模板的句式是“@{artist}的@{video_title}”，音乐领域的某一模板的句式是“@{artist}的歌”。若实体集合@{artist}包含实体“猪猪侠”，实体集合@{video_title}包含实体“歌”，用户输入的语音为“猪猪侠的歌”，则用户输入的语音同时命中了两个模板，从而出现冲突。
又如，音乐领域的某一模板的句式是“@{artist}@{song}”，实体集合@{artist}包含实体“周伦杰”，实体集合@{song}包含实体“是谁”，若用户输入的语音为“周伦杰是谁”，则会命中该模板。然而，实际上这句话的语义是查询周伦杰的相关百科。
随着领域和模板的增多，维护模板以及清理脏数据的难度和繁琐度将大大增加。
如何在交互中提高向用户返回的结果的准确性，是亟待解决的问题。
发明内容
本公开提出了一种交互技术方案。
根据本公开的一方面，提供了一种交互方法，包括：
接收用户输入信息；
确定所述用户输入信息对应的语义向量；
确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述确定所述用户输入信息对应的匹配模板向量，包括：
将各个基础模板的向量分别确定为所述用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，所述确定所述用户输入信息对应的匹配模板向量，包括：
若所述用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为所述用户输入信息对应的匹配模板向量；其中，所述用户输入信息符合任意一个非基础模板的句式，包括：所述用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，所述基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量，包括：
基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量，包括：
根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重；
基于所述匹配模板向量的权重，对所述匹配模板向量进行加权，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重，包括：
对所述匹配模板向量与所述语义向量的相似度进行归一化处理，得到所述匹配模板向量的权重。
在一种可能的实现方式中，所述至少基于所述语义向量和所述匹配模板统计向量， 输出所述用户输入信息对应的交互结果，包括：
对所述语义向量和所述匹配模板统计向量进行连接处理，得到连接向量；
基于所述连接向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述基于所述连接向量，输出所述用户输入信息对应的交互结果，包括：
对所述连接向量进行线性降维，得到降维向量，其中，所述降维向量的维度与分类数相同；
将所述降维向量输入softmax层，经由所述softmax层输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述用户输入信息为用户输入的语音。
根据本公开的另一方面，提供了交互方法，包括：
接收用户输入信息；
通过深度学习模型确定所述用户输入信息对应的语义向量；
通过搜索匹配模型确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量；
至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述通过搜索匹配模型确定所述用户输入信息对应的匹配模板向量，包括：
将各个基础模板的向量分别确定为所述用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，所述通过搜索匹配模型确定所述用户输入信息对应的匹配模板向量，包括：
若所述用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为所述用户输入信息对应的匹配模板向量；其中，所述用户输入信息符合任意一个非基础模板的句式，包括：所述用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，所述基于注意力机制对所述匹配模板向量和所述语义向 量进行处理，得到所述用户输入信息对应的匹配模板统计向量，包括：
根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重；
基于所述匹配模板向量的权重，对所述匹配模板向量进行加权，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重，包括：
对所述匹配模板向量与所述语义向量的相似度进行归一化处理，得到所述匹配模板向量的权重。
在一种可能的实现方式中，所述至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果，包括：
对所述语义向量和所述匹配模板统计向量进行连接处理，得到连接向量；
基于所述连接向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述基于所述连接向量，输出所述用户输入信息对应的交互结果，包括：
对所述连接向量进行线性降维，得到降维向量，其中，所述降维向量的维度与分类数相同；
将所述降维向量输入softmax层，经由所述softmax层输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述用户输入信息为用户输入的语音。
根据本公开的另一方面，提供了一种交互装置，包括：
接收模块，用于接收用户输入信息；
第一确定模块，用于确定所述用户输入信息对应的语义向量；
第二确定模块，用于确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
第三确定模块，用于基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
输出模块，用于至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述第二确定模块用于：
将各个基础模板的向量分别确定为所述用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，所述第二确定模块用于：
若所述用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为所述用户输入信息对应的匹配模板向量；其中，所述用户输入信息符合任意一个非基础模板的句式，包括：所述用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，所述第三确定模块用于：
基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述第三确定模块用于：
根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重；
基于所述匹配模板向量的权重，对所述匹配模板向量进行加权，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述第三确定模块用于：
对所述匹配模板向量与所述语义向量的相似度进行归一化处理，得到所述匹配模板向量的权重。
在一种可能的实现方式中，所述输出模块用于：
对所述语义向量和所述匹配模板统计向量进行连接处理，得到连接向量；
基于所述连接向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述输出模块用于：
对所述连接向量进行线性降维，得到降维向量，其中，所述降维向量的维度与分类数相同；
将所述降维向量输入softmax层，经由所述softmax层输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述用户输入信息为用户输入的语音。
根据本公开的另一方面，提供了一种音箱，包括：
接收模块，用于接收用户输入信息；
第一确定模块，用于确定所述用户输入信息对应的语义向量；
第二确定模块，用于确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板 中至少包括预设的基础模板；
第三确定模块，用于基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
输出模块，用于至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述第二确定模块用于：
将各个基础模板的向量分别确定为所述用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，所述第二确定模块用于：
若所述用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为所述用户输入信息对应的匹配模板向量；其中，所述用户输入信息符合任意一个非基础模板的句式，包括：所述用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，所述第三确定模块用于：
基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述第三确定模块用于：
根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重；
基于所述匹配模板向量的权重，对所述匹配模板向量进行加权，得到所述用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，所述第三确定模块用于：
对所述匹配模板向量与所述语义向量的相似度进行归一化处理，得到所述匹配模板向量的权重。
在一种可能的实现方式中，所述输出模块用于：
对所述语义向量和所述匹配模板统计向量进行连接处理，得到连接向量；
基于所述连接向量，输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述输出模块用于：
对所述连接向量进行线性降维，得到降维向量，其中，所述降维向量的维度与分类数相同；
将所述降维向量输入softmax层，经由所述softmax层输出所述用户输入信息对应的交互结果。
在一种可能的实现方式中，所述用户输入信息为用户输入的语音。
根据本公开的另一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述交互方法。
根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述交互方法。
在本公开实施例中，通过接收用户输入信息，确定用户输入信息对应的语义向量，确定用户输入信息对应的匹配模板向量，其中，与用户输入信息匹配的模板中至少包括预设的基础模板，基于匹配模板向量和所述语义向量，确定用户输入信息对应的匹配模板统计向量，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，由此能够降低脏数据对交互的影响，从而能够在交互中提高向用户返回的结果的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的交互方法的流程图；
图2示出根据本公开实施例的交互方法中与用户输入信息匹配的模板的示意图；
图3示出根据本公开实施例的交互方法的示意图；
图4示出根据本公开实施例的交互方法的示意图；
图5示出根据本公开实施例的对话系统执行交互方法的示意图；
图6示出根据本公开实施例的另一交互方法的流程图；
图7示出根据本公开实施例的交互装置的框图；
图8示出根据本公开实施例的音箱的框图；；
图9示出根据本公开实施例的一种电子设备800的框图；
图10示出根据本公开实施例的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种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：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的交互方法的流程图。该交互方法的执行主体可以是交互装置。例如，该交互方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、音箱、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，该交互方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该交互方法包括步骤S11至步骤S15。
在步骤S11中，接收用户输入信息。
在本公开实施例中，用户输入信息可以为用户输入的语音、文本或者其他信息。
在一种可能的实现方式中，用户输入信息为用户输入的语音。例如，在语音交互的应用场景中，用户输入信息可以为用户输入的语音。
在步骤S12中，确定用户输入信息对应的语义向量。
在一种可能的实现方式中，若用户输入信息为用户输入的语音，则可以采用ASR (Automatic Speech Recognition，自动语音识别)技术将用户输入信息转换为文本。可以将转换得到的文本输入深度学习模型中，经由深度学习模型输出用户输入信息对应的语义向量。在该实现方式中，深度学习模型可以为NLU基于(Natural Language Understanding，自然语言理解)技术，其中，NLU技术可以为任何能够理解人类自然语言的语义、意图等信息的技术。在该实现方式中，深度学习模型可以为RNN(Recurrent Neural Network，循环神经网络)、TextCNN(Convolutional Neural Networks for Text categorization，用于文本分类的卷积神经网络)或者基于Transformer结构的模型等，本公开实施例对此不作限定。
在另一种可能的实现方式中，若用户输入信息为用户输入的文本，则可以直接将用户输入信息输入深度学习模型中，经由深度学习模型输出用户输入信息对应的语义向量。
在步骤S13中，确定用户输入信息对应的匹配模板向量，其中，匹配模板向量表示与用户输入信息匹配的模板的向量，与用户输入信息匹配的模板中至少包括预设的基础模板。
其中，用户输入信息对应的匹配模板表示与用户输入信息匹配的模板。
在一种可能的实现方式中，可以通过搜索匹配模型确定用户输入信息对应的匹配模板向量。
在本公开实施例中，若用户输入信息为用户输入的语音，则可以采用ASR技术将用户输入信息转换为文本，再确定与转换得到的文本匹配的模板；若用户输入信息为用户输入的文本，则可以直接确定与用户输入信息匹配的模板。
在本公开实施例中，模板包括基础模板和非基础模板。与用户输入信息匹配的模板至少包括基础模板，也可能包括非基础模板。
图2示出根据本公开实施例的交互方法中与用户输入信息匹配的模板的示意图。在图2中，m base表示基础模板，m u表示非基础模板，与用户输入信息匹配的模板包括基础模板1、基础模板2、基础模板3和非基础模板6。
在一种可能的实现方式中，确定用户输入信息对应的匹配模板向量，包括：将各个基础模板的向量分别确定为用户输入信息对应的匹配模板向量。在该实现方式中，将所有基础模板均作为与用户输入信息匹配的模板，即，将所有基础模板的向量均作为用户输入信息对应的匹配模板向量。例如，在图2所示的示例中，基础模板包括基础模板 1、基础模板2、基础模板3，则将基础模板1、基础模板2、基础模板3的向量分别确定为用户输入信息对应的匹配模板向量。
在另一种可能的实现方式中，确定用户输入信息对应的匹配模板向量，包括：若用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为用户输入信息对应的匹配模板向量；其中，用户输入信息符合任意一个非基础模板的句式，包括：用户输入信息包含该非基础模板的句式中的实体集合的实体。
例如，非基础模板1的句式为“@{artist}的@{song}”，其中，@{artist}表示艺人的实体集合，@{song}表示歌曲的实体集合。例如，用户输入信息为“我想听周伦杰的青瓷花”，若实体集合@{artist}包含实体“周伦杰”，实体集合@{song}包含实体“青瓷花”，则可以确定该用户输入信息包含非基础模板1的句式中的实体集合的实体，从而可以确定该用户输入信息符合非基础模板1的句式。又如，用户输入信息为“赵三的成都”，若实体集合@{artist}包含实体“赵三”，实体集合@{song}包含实体“成都”，则可以确定该用户输入信息包含非基础模板1的句式中的实体集合的实体，从而可以确定该用户输入信息符合非基础模板1的句式。
在本公开实施例中，实体集合可以表示属性相同的实体的集合。例如，实体集合@{artist}中的实体均为艺人，实体集合@{song}中的实体均为歌曲。
在步骤S14中，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量，包括：基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量，包括：根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重；基于匹配模板向量的权重，对匹配模板向量进行加权，得到用户输入信息对应的匹配模板统计向量。
在图2中，将模板的向量和用户输入信息对应的语义向量Vsemantic用带箭头的线段表示。在图2所示的示例中，基础模板1、基础模板2、基础模板3和非基础模板6的向量与语义向量Vsemantic的相似度分别为0.1、0.7、0.1和0.1。例如，匹配模板统计向量Vmemory＝w 1×m base1+w 2×m base2+w 3×m base3+w 6×m u6。其中，w 1表示基础模 板1(m base1)的权重，w 2表示基础模板2(m base2)的权重，w 3表示基础模板3(m base3)的权重，w 6表示非基础模板6(m u6)的权重。
在一种可能的实现方式中，根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重，包括：对匹配模板向量与语义向量的相似度进行归一化处理，得到匹配模板向量的权重。例如，与用户输入信息匹配的模板包括基础模板1、基础模板2、基础模板3和非基础模板6，即，匹配模板向量包括基础模板1的向量、基础模板2的向量、基础模板3的向量和非基础模板6的向量。其中，基础模板1的向量与语义向量的相似度为s 1，基础模板2的向量与语义向量的相似度为s 2，基础模板3的向量与语义向量的相似度为s 3，非基础模板6的向量与语义向量的相似度为s 6，则匹配模板向量与语义向量的相似度之和s a＝s 1+s 2+s 3+s 6。基础模板1的权重w 1＝s 1/s a，基础模板2的权重w 2＝s 2/s a，基础模板3的权重w 3＝s 3/s a，非基础模板6的权重w 6＝s 6/s a。
在本公开实施例中，由于加入了基础模板计算匹配模板统计向量，从而能够降低脏数据的影响，即使搜索匹配命中了脏数据，也能获得较准确的交互结果。
在步骤S15中，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果。
在本公开实施例中，结合语义向量和匹配模板统计向量向用户进行响应。
在一种可能的实现方式中，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，包括：对语义向量和匹配模板统计向量进行连接处理，得到连接向量；基于连接向量，输出用户输入信息对应的交互结果。在该实现方式中，连接处理可以指concatenate处理。
在一种可能的实现方式中，基于连接向量，输出用户输入信息对应的交互结果，包括：对连接向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
在另一种可能的实现方式中，基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，包括：将语义向量和匹配模板统计向量相加，得到语义向量和匹配模板统计向量的和向量；基于和向量，输出用户输入信息对应的交互结果。例如，对和向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
在另一种可能的实现方式中，基于语义向量和匹配模板统计向量，输出用户输入信 息对应的交互结果，包括：将语义向量和匹配模板统计向量相乘，得到语义向量和匹配模板统计向量的积向量；基于积向量，输出用户输入信息对应的交互结果。例如，对积向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
图3示出根据本公开实施例的交互方法的示意图。在图3所示的示例中，用户输入信息为“周伦杰的青瓷花”。在记忆模块中进行搜索匹配，确定与用户输入信息匹配的模板。在图3中，与用户输入信息匹配的模板包括所有基础模板和3个非基础模板。基于注意力(Attention)机制对匹配模板向量和语义向量Vsemantic进行处理，得到用户输入信息对应的匹配模板统计向量Vmemory。用户输入信息经过深度学习模型(例如神经网络，Neural Network)，再经过连接(concatenate)处理和线性降维，可以得到与匹配模板统计向量Vmemory维度相同的语义向量Vsemantic。对语义向量Vsemantic和匹配模板统计向量Vmemory进行连接处理，得到连接向量；对连接向量进行线性降维和softmax回归，得到交互结果。
在本公开实施例中，通过接收用户输入信息，确定用户输入信息对应的语义向量，确定用户输入信息对应的匹配模板向量，其中，与用户输入信息匹配的模板中至少包括预设的基础模板，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，由此能够降低脏数据对交互的影响，从而能够在交互中提高向用户返回的结果的准确性。
本公开实施例提供的交互方法可以基于记忆网络(Memory-Network)来建模，将不同的模板(基础模板和非基础模板)作为记忆(Memory)模块，由记忆模块向神经网络(Network)模块提供特征。采用本公开实施例，在记忆模块含有噪声时仍然能够获得较准确的交互结果。
图4示出根据本公开实施例的交互方法的示意图。如图4所示，本公开实施例提供的交互方法提供了一种端到端的方案，将相关技术中的串行结构改为并行、单一结构，从而能够降低维护难度。
在一种可能的实现方式中，本公开实施例提供的交互方法可以由对话系统来实现。图5示出根据本公开实施例的对话系统执行交互方法的示意图。如图5所示，在接收到输入的用户输入信息之后，若用户输入信息为用户输入的语音，则采用ASR技术将用户 输入信息转换为文本；采用自然语音理解技术基于转换得到的文本得到语义向量；再执行服务(即执行步骤S13至步骤S15)，得到服务回复(即交互结果)。
图6示出根据本公开实施例的另一交互方法的流程图。如图6所示，该方法可以包括步骤S21至步骤S25。
在步骤S21中，接收用户输入信息。
在一种可能的实现方式中，用户输入信息为用户输入的语音。
在步骤S22中，通过深度学习模型确定用户输入信息对应的语义向量。
在本公开实施例，深度学习模型可以为RNN、TextCNN或者基于Transformer结构的模型等，本公开实施例对此不作限定。
在步骤S23中，通过搜索匹配模型确定用户输入信息对应的匹配模板向量，其中，匹配模板向量表示与用户输入信息匹配的模板的向量，与用户输入信息匹配的模板中至少包括预设的基础模板。
在一种可能的实现方式中，通过搜索匹配模型确定用户输入信息对应的匹配模板向量，包括：将各个基础模板的向量分别确定为用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，通过搜索匹配模型确定用户输入信息对应的匹配模板向量，包括：若用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为用户输入信息对应的匹配模板向量；其中，用户输入信息符合任意一个非基础模板的句式，包括：用户输入信息包含该非基础模板的句式中的实体集合的实体。
在步骤S24中，基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量，包括：根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重；基于匹配模板向量的权重，对匹配模板向量进行加权，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重，包括：对匹配模板向量与语义向量的相似度进行归一化处理，得到匹配模板向量的权重。
在步骤S25中，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果。
在一种可能的实现方式中，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，包括：对语义向量和匹配模板统计向量进行连接处理，得到连接向量；基于连接向量，输出用户输入信息对应的交互结果。
在一种可能的实现方式中，基于连接向量，输出用户输入信息对应的交互结果，包括：对连接向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
在本公开实施例中，通过接收用户输入信息，通过深度学习模型确定用户输入信息对应的语义向量，通过搜索匹配模型确定用户输入信息对应的匹配模板向量，其中，与用户输入信息匹配的模板中至少包括预设的基础模板，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，由此能够降低脏数据对交互的影响，从而能够在交互中提高向用户返回的结果的准确性。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了交互装置、音箱、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种交互方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图7示出根据本公开实施例的交互装置的框图，如图7所示，该交互装置包括：接收模块31，用于接收用户输入信息；第一确定模块32，用于确定用户输入信息对应的语义向量；第二确定模块33，用于确定用户输入信息对应的匹配模板向量，其中，匹配模板向量表示与用户输入信息匹配的模板的向量，与用户输入信息匹配的模板中至少包括预设的基础模板；第三确定模块34，用于基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量；输出模块35，用于至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果。
在一种可能的实现方式中，第二确定模块33用于：将各个基础模板的向量分别确定为用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，第二确定模块33用于：若用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为用户输入信息对应的匹配模板向量；其中，用户输入信息符合任意一个非基础模板的句式，包括：用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，第三确定模块34用于：基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，第三确定模块34用于：根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重；基于匹配模板向量的权重，对匹配模板向量进行加权，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，第三确定模块34用于：对匹配模板向量与语义向量的相似度进行归一化处理，得到匹配模板向量的权重。
在一种可能的实现方式中，输出模块35用于：对语义向量和匹配模板统计向量进行连接处理，得到连接向量；基于连接向量，输出用户输入信息对应的交互结果。
在一种可能的实现方式中，输出模块35用于：对连接向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
在一种可能的实现方式中，用户输入信息为用户输入的语音。
在本公开实施例中，通过接收用户输入信息，确定用户输入信息对应的语义向量，确定用户输入信息对应的匹配模板向量，其中，与用户输入信息匹配的模板中至少包括预设的基础模板，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，由此能够降低脏数据对交互的影响，从而能够在交互中提高向用户返回的结果的准确性。
图8示出根据本公开实施例的音箱的框图，如图8所示，该音箱包括：接收模块41，用于接收用户输入信息；第一确定模块42，用于确定用户输入信息对应的语义向量；第二确定模块43，用于确定用户输入信息对应的匹配模板向量，其中，匹配模板向量表示与用户输入信息匹配的模板的向量，与用户输入信息匹配的模板中至少包括预设的基础模板；第三确定模块44，用于基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量；输出模块45，用于至少基于语义向量和匹配模板统计向量， 输出用户输入信息对应的交互结果。
在一种可能的实现方式中，第二确定模块43用于：将各个基础模板的向量分别确定为用户输入信息对应的匹配模板向量。
在一种可能的实现方式中，第二确定模块43用于：若用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为用户输入信息对应的匹配模板向量；其中，用户输入信息符合任意一个非基础模板的句式，包括：用户输入信息包含该非基础模板的句式中的实体集合的实体。
在一种可能的实现方式中，第三确定模块44用于：基于注意力机制对匹配模板向量和语义向量进行处理，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，第三确定模块44用于：根据匹配模板向量与语义向量的相似度，确定匹配模板向量的权重；基于匹配模板向量的权重，对匹配模板向量进行加权，得到用户输入信息对应的匹配模板统计向量。
在一种可能的实现方式中，第三确定模块44用于：对匹配模板向量与语义向量的相似度进行归一化处理，得到匹配模板向量的权重。
在一种可能的实现方式中，输出模块45用于：对语义向量和匹配模板统计向量进行连接处理，得到连接向量；基于连接向量，输出用户输入信息对应的交互结果。
在一种可能的实现方式中，输出模块45用于：对连接向量进行线性降维，得到降维向量，其中，降维向量的维度与分类数相同；将降维向量输入softmax层，经由softmax层输出用户输入信息对应的交互结果。
在一种可能的实现方式中，用户输入信息为用户输入的语音。
在本公开实施例中，通过接收用户输入信息，确定用户输入信息对应的语义向量，确定用户输入信息对应的匹配模板向量，其中，与用户输入信息匹配的模板中至少包括预设的基础模板，基于匹配模板向量和语义向量，确定用户输入信息对应的匹配模板统计向量，至少基于语义向量和匹配模板统计向量，输出用户输入信息对应的交互结果，由此能够降低脏数据对交互的影响，从而能够在交互中提高向用户返回的结果的准确性。
在一些实施例中，本公开实施例提供的装置和音箱具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图9示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(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。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
输入/输出I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816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，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图10示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图10，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上 述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存 储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (14)

  1. 一种交互方法，其特征在于，包括：
    接收用户输入信息；
    确定所述用户输入信息对应的语义向量；
    确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
    基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
    至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
  2. 根据权利要求1所述的方法，其特征在于：
    将各个基础模板的向量分别确定为所述用户输入信息对应的匹配模板向量。
  3. 根据权利要求1所述的方法，其特征在于：
    若所述用户输入信息符合任意一个非基础模板的句式，则将该非基础模板的向量确定为所述用户输入信息对应的匹配模板向量；其中，所述用户输入信息符合任意一个非基础模板的句式，包括：所述用户输入信息包含该非基础模板的句式中的实体集合的实体。
  4. 根据权利要求1至3中任意一项所述的方法，其特征在于：
    基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量。
  5. 根据权利要求4所述的方法，其特征在于：
    根据所述匹配模板向量与所述语义向量的相似度，确定所述匹配模板向量的权重；
    基于所述匹配模板向量的权重，对所述匹配模板向量进行加权，得到所述用户输入信息对应的匹配模板统计向量。
  6. 根据权利要求5所述的方法，其特征在于：
    对所述匹配模板向量与所述语义向量的相似度进行归一化处理，得到所述匹配模板向量的权重。
  7. 根据权利要求1所述的方法，其特征在于：
    对所述语义向量和所述匹配模板统计向量进行连接处理，得到连接向量；
    基于所述连接向量，输出所述用户输入信息对应的交互结果。
  8. 根据权利要求7所述的方法，其特征在于：
    对所述连接向量进行线性降维，得到降维向量，其中，所述降维向量的维度与分类数相同；
    将所述降维向量输入softmax层，经由所述softmax层输出所述用户输入信息对应的交互结果。
  9. 根据权利要求1所述的方法，其特征在于，所述用户输入信息为用户输入的语音。
  10. 一种交互方法，其特征在于，包括：
    接收用户输入信息；
    通过深度学习模型确定所述用户输入信息对应的语义向量；
    通过搜索匹配模型确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
    基于注意力机制对所述匹配模板向量和所述语义向量进行处理，得到所述用户输入信息对应的匹配模板统计向量；
    至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
  11. 一种交互装置，其特征在于，包括：
    接收模块，用于接收用户输入信息；
    第一确定模块，用于确定所述用户输入信息对应的语义向量；
    第二确定模块，用于确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
    第三确定模块，用于基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
    输出模块，用于至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
  12. 一种音箱，其特征在于，包括：
    接收模块，用于接收用户输入信息；
    第一确定模块，用于确定所述用户输入信息对应的语义向量；
    第二确定模块，用于确定所述用户输入信息对应的匹配模板向量，其中，所述匹配模板向量表示与所述用户输入信息匹配的模板的向量，与所述用户输入信息匹配的模板中至少包括预设的基础模板；
    第三确定模块，用于基于所述匹配模板向量和所述语义向量，确定所述用户输入信息对应的匹配模板统计向量；
    输出模块，用于至少基于所述语义向量和所述匹配模板统计向量，输出所述用户输入信息对应的交互结果。
  13. 一种电子设备，其特征在于，包括：
    处理器；
    用于存储处理器可执行指令的存储器；
    其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至9中任意一项所述的方法。
  14. 一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
PCT/CN2020/088643 2019-05-09 2020-05-06 交互方法及装置、音箱、电子设备和存储介质 WO2020224570A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910384519.7A CN112002313B (zh) 2019-05-09 2019-05-09 交互方法及装置、音箱、电子设备和存储介质
CN201910384519.7 2019-05-09

Publications (1)

Publication Number Publication Date
WO2020224570A1 true WO2020224570A1 (zh) 2020-11-12

Family

ID=73051237

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/088643 WO2020224570A1 (zh) 2019-05-09 2020-05-06 交互方法及装置、音箱、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN112002313B (zh)
WO (1) WO2020224570A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112559687A (zh) * 2020-12-15 2021-03-26 中国平安人寿保险股份有限公司 问题识别及查询方法、装置、电子设备及存储介质
CN114036823A (zh) * 2021-10-26 2022-02-11 天津大学 基于编解码和记忆机制的电力变压器负载控制方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868313A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于模板匹配技术的知识图谱问答系统及方法
US20170242934A1 (en) * 2011-11-16 2017-08-24 Ptc Inc. Methods for integrating semantic search, query, and analysis and devices thereof
CN109002516A (zh) * 2018-07-06 2018-12-14 国网电子商务有限公司 一种搜索方法及装置
CN109063174A (zh) * 2018-08-21 2018-12-21 腾讯科技（深圳）有限公司 查询答案的生成方法及装置、计算机存储介质、电子设备
CN109241524A (zh) * 2018-08-13 2019-01-18 腾讯科技（深圳）有限公司 语义解析方法及装置、计算机可读存储介质、电子设备
CN109614464A (zh) * 2018-10-31 2019-04-12 阿里巴巴集团控股有限公司 用于业务问题识别的方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656996B (zh) * 2017-09-19 2021-05-07 北京百度网讯科技有限公司 基于人工智能的人机交互方法和装置
CN109101479B (zh) * 2018-06-07 2023-12-05 苏宁易购集团股份有限公司 一种用于中文语句的聚类方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170242934A1 (en) * 2011-11-16 2017-08-24 Ptc Inc. Methods for integrating semantic search, query, and analysis and devices thereof
CN105868313A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于模板匹配技术的知识图谱问答系统及方法
CN109002516A (zh) * 2018-07-06 2018-12-14 国网电子商务有限公司 一种搜索方法及装置
CN109241524A (zh) * 2018-08-13 2019-01-18 腾讯科技（深圳）有限公司 语义解析方法及装置、计算机可读存储介质、电子设备
CN109063174A (zh) * 2018-08-21 2018-12-21 腾讯科技（深圳）有限公司 查询答案的生成方法及装置、计算机存储介质、电子设备
CN109614464A (zh) * 2018-10-31 2019-04-12 阿里巴巴集团控股有限公司 用于业务问题识别的方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112559687A (zh) * 2020-12-15 2021-03-26 中国平安人寿保险股份有限公司 问题识别及查询方法、装置、电子设备及存储介质
CN114036823A (zh) * 2021-10-26 2022-02-11 天津大学 基于编解码和记忆机制的电力变压器负载控制方法及装置
CN114036823B (zh) * 2021-10-26 2024-05-10 天津大学 基于编解码和记忆机制的电力变压器负载控制方法及装置

Also Published As

Publication number Publication date
CN112002313A (zh) 2020-11-27
CN112002313B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US11620984B2 (en) Human-computer interaction method, and electronic device and storage medium thereof
TWI736230B (zh) 圖像處理方法、電子設備和儲存媒體
WO2021128880A1 (zh) 一种语音识别方法、装置和用于语音识别的装置
TW202111609A (zh) 神經網路訓練方法及裝置、圖像處理方法及裝置、電子設備和計算機可讀存儲介質
WO2016165325A1 (zh) 音频信息识别方法及装置
TW202113680A (zh) 人臉和人手關聯檢測方法及裝置、電子設備和電腦可讀儲存媒體
JP7166294B2 (ja) オーディオ処理方法、装置及び記憶媒体
CN105489220A (zh) 语音识别方法及装置
WO2021120690A1 (zh) 语音识别方法、装置和介质
KR20130132765A (ko) 상태-종속 쿼리 응답
CN110570857B (zh) 语音唤醒方法、装置、电子设备及存储介质
WO2021208666A1 (zh) 字符识别方法及装置、电子设备和存储介质
CN105139848B (zh) 数据转换方法和装置
WO2019165832A1 (zh) 文字信息处理方法、装置及终端
TWI735112B (zh) 圖像生成方法、電子設備和儲存介質
WO2020224570A1 (zh) 交互方法及装置、音箱、电子设备和存储介质
WO2022147692A1 (zh) 一种语音指令识别方法、电子设备以及非瞬态计算机可读存储介质
US11354520B2 (en) Data processing method and apparatus providing translation based on acoustic model, and storage medium
CN107342082A (zh) 基于语音交互的音频处理方法、装置及音频播放设备
WO2021208531A1 (zh) 一种语音处理方法、装置和电子设备
US12008988B2 (en) Electronic apparatus and controlling method thereof
TW202117707A (zh) 資料處理方法、電子設備和電腦可讀儲存介質
CN108241438B (zh) 一种输入方法、装置和用于输入的装置
WO2019196527A1 (zh) 一种数据处理方法、装置和电子设备
WO2019169921A1 (zh) 录音搜索方法、装置及电子设备

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: 20801881

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: 20801881

Country of ref document: EP

Kind code of ref document: A1