信息处理方法、装置、电子设备及可读存储介质制造方法及图纸

技术编号:23190979 阅读:15 留言:0更新日期:2020-01-24 16:17
本申请实施例提供了一种信息处理方法、装置、电子设备及可读存储介质,旨在提高任务执行效率。所述信息处理方法应用于面向任务的智能对话中,该方法包括如下步骤:根据对话消息中的任务,确定完成该任务还需的一个或多个槽名;基于至少一个数据源,为所述一个或多个槽名中每一个槽名选定至少一个候选槽值,其中,将所述槽名与至少一个候选槽值中的每一个候选槽值作为一个预测槽值对;根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对各自的置信度;以及根据每一个槽名对应的至少一个预测槽值对及其置信度,生成对话消息。

Information processing method, device, electronic equipment and readable storage medium

【技术实现步骤摘要】
信息处理方法、装置、电子设备及可读存储介质
本申请实施例涉及智能交互
,尤其涉及一种信息处理方法、装置、电子设备及可读存储介质。
技术介绍
随着智能交互技术的发展和智能电子设备的普及,越来越多的用户通过电子设备与智能交互系统进行人机对话。其中,电子设备可作为终端设备,用户通过该终端设备与位于服务端的智能交互系统开展线上交互。或者,电子设备内部署有智能交互系统,用户直接在本地与该智能交互系统开展线下交互。在智能交互领域,面向任务的智能对话技术是一项热门的技术,该项技术旨在通过与用户的交流,完成用户指定的任务,从而为用户提供服务。以购买火车票的任务为例,目前的智能交互系统在交互期间,会向用户提出多轮询问,直至获取到用户提供的用于推荐火车票的所有信息。例如,智能交互系统与用户的交互过程如下,用户:帮我订张火车票。系统:请问出发地是哪里?用户:上海。系统:请问目的地是哪里?用户:北京。系统:请问您何时出发?用户:明天上午。系统:请问您期望的座位等级是哪种?用户:二等座。系统:可供选择的车次分别为:车次1:上午10点41分,车次G122,票价553元;车次2:上午11点05分,车次G126,票价553元;……。可见,目前的智能交互系统在处理信息时,缺乏灵活性,对任务的执行效率较低,影响用户体验。
技术实现思路
本申请实施例提供一种信息处理方法、装置、电子设备及可读存储介质,旨在提高任务执行效率。本申请实施例第一方面提供了一种信息处理方法,应用于面向任务的智能对话中,所述信息处理方法包括如下步骤:根据对话消息中的任务,确定完成该任务还需的一个或多个槽名;基于至少一个数据源,为所述一个或多个槽名中每一个槽名选定至少一个候选槽值,其中,将所述槽名与至少一个候选槽值中的每一个候选槽值作为一个预测槽值对;根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度;以及根据每一个槽名对应的至少一个预测槽值对及其置信度,生成对话消息。可选地,所述方法还包括从所述至少一个数据源采集信息的步骤,其中,所述至少一个数据源包括:当前对话中用户的历史对话信息、用户画像、其他对话系统收集的用户信息、第三方服务获取的用户的历史信息和实时信息中的至少一种。可选地,所述基于至少一个数据源,为每一个槽名选定至少一个候选槽值的步骤包括:将至少一个数据源中的信息映射到所述槽名,得到预测槽值对;其中,所述至少一个数据源中的信息通过一分类模型映射至对应的槽名。可选地,所述分类模型是经卷积神经网络训练得到的。可选地,所述根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度的步骤包括:确定所述预测槽值对中的槽值所属的数据源;根据所述至少一轮对话消息和所述槽值所属的数据源,确定所述预测槽值对的置信度。可选地,所述根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度的步骤包括:将当前轮对话消息输入第一特征提取模型,以提取所述当前轮对话消息的消息特征;将所述消息特征数据和历史累计对话特征输入第二特征提取模型,以提取针对当前轮对话消息的当前累计对话特征,所述历史累计对话特征是通过所述第二特征提取模型提取的针对上一轮对话消息所提取的累计对话特征;根据所述当前累计对话特征和所述预测槽值对所对应的槽值对特征,确定所述预测槽值对的置信度。可选地,所述将当前轮对话消息输入第一特征提取模型,以提取所述当前轮对话消息的消息特征的步骤包括:对当前轮对话消息进行局部特征提取,以提取当前轮对话消息的局部特征;基于当前轮对话消息和历史全局特征,提取当前轮对话消息的全局特征,所述历史全局特征是针对上一轮对话消息所提取的全局特征;根据所述当前轮对话消息的局部特征和全局特征以及各自的权重,确定所述当前轮对话消息的消息特征。可选地,还包括如下步骤:确定所述预测槽值对中的槽值所属的数据源;根据所述槽值所属的数据源、所述预测槽值对中的槽名和槽值,确定所述预测槽值对所对应的槽值对特征。可选地,所述根据每一个槽名对应的至少一个预测槽值及其置信度,生成对话消息的步骤包括:将所述至少一个预测槽值对的置信度与预设阈值进行比较;从大于所述预设阈值的所述至少一个预测槽值对选中至少一个预测槽值对,生成针对所述预测槽值对的槽名和槽值的对话消息并输出。可选地,所述根据每一个槽名对应的至少一个预测槽值及其置信度,生成对话消息的步骤包括:将所述预测槽值对的置信度与预设阈值进行比较;在所述置信度大于所述预设阈值的情况下,将所述预测槽值对确定为已知槽值对;从所述多个槽名中确定目标槽名,其中,所述目标槽名是未确定对应槽值的槽名;生成并输出针对所述目标槽名的对话消息。本申请实施例第二方面提供一种信息处理装置,应用于面向任务的智能对话中,所述信息处理装置包括如下模块:槽名确定模块,用于根据对话消息中的任务,确定完成该任务还需的一个或多个槽名;预测槽值对确定模块,用于基于至少一个数据源,为所述一个或多个槽名中每一个槽名选定至少一个候选槽值,其中,将所述槽名与至少一个候选槽值中的每一个候选槽值作为一个预测槽值对;置信度确定模块,用于根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度;以及对话消息生成模块,用于根据每一个槽名对应的至少一个预测槽值对及其置信度,生成对话消息。可选地,所述信息处理装置还包括信息采集模块,用于从所述至少一个数据源采集信息,其中,所述至少一个数据源包括:当前对话中用户的历史对话信息、用户画像、其他对话系统收集的用户信息、第三方服务获取的用户的历史信息和实时信息中的至少一种。可选地,所述预测槽值对确定模块包括:映射子模块,用于将至少一个数据源中的信息映射到所述槽名,得到预测槽值对;其中,所述至少一个数据源中的信息通过一分类模型映射至对应的槽名。可选地,所述分类模型是经卷积神经网络训练得到的。可选地,所述置信度确定模块包括:第一数据源确定子模块,用于确定所述预测槽值对中的槽值所属的数据源;第一置信度确定子模块,用于根据所述至少一轮对话消息和所述槽值所属的数据源,确定所述预测槽值对的置信度。可选地,所述置信度确定模块包括:消息特征提取子模块,用于将当前轮对话消息输入第一特征提取模型,以提取所述当前轮对话消息的消息特征;当前累计对话特征提取子模块,用于将所述消息特征数据和历史累计对话特征输入第二特征提取模型,以提取针对当前轮对话消息的当前累计对话特征,所述历史累计对话特征是通过所述第二特征提取模型提取的针对上一轮对话消息所提取的累计对话特征;第二置信度确定子模块,用于根据所述当前累计对话特征和所述预测槽值对所对应的槽值对特征,确定所述预测槽值对的置信度。可选地,所述消息特征本文档来自技高网...

【技术保护点】
1.一种信息处理方法,应用于面向任务的智能对话中,其特征在于,所述信息处理方法包括如下步骤:/n根据对话消息中的任务,确定完成该任务还需的一个或多个槽名;/n基于至少一个数据源,为所述一个或多个槽名中每一个槽名选定至少一个候选槽值,其中,将所述槽名与至少一个候选槽值中的每一个候选槽值作为一个预测槽值对;/n根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度;以及/n根据每一个槽名对应的至少一个预测槽值对及其置信度,生成对话消息。/n

【技术特征摘要】
1.一种信息处理方法,应用于面向任务的智能对话中,其特征在于,所述信息处理方法包括如下步骤:
根据对话消息中的任务,确定完成该任务还需的一个或多个槽名;
基于至少一个数据源,为所述一个或多个槽名中每一个槽名选定至少一个候选槽值,其中,将所述槽名与至少一个候选槽值中的每一个候选槽值作为一个预测槽值对;
根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度;以及
根据每一个槽名对应的至少一个预测槽值对及其置信度,生成对话消息。


2.根据权利要求1所述的信息处理方法,其特征在于,还包括从所述至少一个数据源采集信息的步骤,其中,所述至少一个数据源包括:当前对话中用户的历史对话信息、用户画像、其他对话系统收集的用户信息、第三方服务获取的用户的历史信息和实时信息中的至少一种。


3.根据权利要求1所述的信息处理方法,其特征在于,所述基于至少一个数据源,为每一个槽名选定至少一个候选槽值的步骤包括:
将至少一个数据源中的信息映射到所述槽名,得到预测槽值对;其中,所述至少一个数据源中的信息通过一分类模型映射至对应的槽名。


4.根据权利要求3所述的信息处理方法,其特征在于,所述分类模型是经卷积神经网络训练得到的。


5.根据权利要求1所述的信息处理方法,其特征在于,所述根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度的步骤包括:
确定所述预测槽值对中的槽值所属的数据源;
根据所述至少一轮对话消息和所述槽值所属的数据源,确定所述预测槽值对的置信度。


6.根据权利要求1所述的信息处理方法,其特征在于,所述根据至少一轮对话消息,确定所述每一个槽名对应的至少一个预测槽值对的置信度的步骤包括:
将当前轮对话消息输入第一特征提取模型,以提取所述当前轮对话消息的消息特征;
将所述消息特征数据和历史累计对话特征输入第二特征提取模型,以提取针对当前轮对话消息的当前累计对话特征,所述历史累计对话特征是通过所述第二特征提取模型提取的针对上一轮对话消息所提取的累计对话特征;
根据所述当前累计对话特征和所述预测槽值对所对应的槽值对特征,确定所述预测槽值对的置信度。


7.根据权利要求6所述的信息处理方法,其特征在于,所述将当前轮对话消息输入第一特征提取模型,以提取所述当前轮对话消息的消息特征的步骤包括:
对当前轮对话消息进行局部特征提取,以提取当前轮...

【专利技术属性】
技术研发人员:冯康徐志坚袁春阳
申请(专利权)人:北京三快在线科技有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1