电子设备及其控制方法技术

提供了一种电子设备。该电子设备包括存储包括对话内容的记录数据和至少一个指令的存储器和处理器，该处理器通过执行至少一个指令被配置为，将与对话内容中的第一语音相对应的第一数据输入到第一神经网络模型中，并且获取第一数据的类别信息，并且获取与对话内容中的第二语音相对应的第二数据的类别信息。处理器被配置为基于第一数据的类别信息和第二数据的类别信息不同，基于第二数据的类别信息和第一数据来训练第一神经网络模型。一数据来训练第一神经网络模型。一数据来训练第一神经网络模型。

Electronic equipment and its control method

【技术实现步骤摘要】
【国外来华专利技术】电子设备及其控制方法


[0001]本公开涉及一种识别客户语音的类别(category)的电子设备及其控制方法。

技术介绍

[0002]近来，随着机器人产业的发展，用于服务机器人提供咨询和响应客户的技术正在发展。
[0003]例如，呼叫中心的聊天机器人代替人类顾问对客户的询问提供响应。
[0004]在过去，为了训练这样的聊天机器人，管理员需要找到聊天机器人错误辨识客户的询问的情况，自己提取学习数据，以及更新聊天机器人。

技术实现思路

[0005]技术问题
[0006]在这种情况下，存在需要管理员花费大量的精力和时间来训练和维护聊天机器人的问题。
[0007]问题的解决方案
[0008]本公开的实施例解决了上述需求，并且提供了一种使用包括客户和顾问之间的对话内容的语音数据来自动地训练包括在聊天机器人中的人工智能模型的电子设备及其控制方法。
[0009]根据本公开的示例实施例的电子设备包括：存储器，其存储包括对话内容的记录数据和至少一条指令；以及处理器，其通过执行至少一条指令被配置为：将与对话内容中的第一语音相对应的第一数据输入到第一神经网络模型中，并且获取第一数据的类别信息；以及获取与对话内容中的第二语音相对应的第二数据的类别信息。基于第一数据的类别信息和第二数据的类别信息不同，处理器可以基于第二数据的类别信息和第一数据来训练第一神经网络模型。
[0010]根据本公开的示例实施例的存储包括对话内容的记录数据的电子设备的控制方法包括：将与对话内容中的第一语音相对应的第一数据输入到第一神经网络模型中并且获取第一数据的类别信息，获取与对话内容中的第二语音相对应的第二数据的类别信息，以及基于第一数据的类别信息和第二数据的类别信息不同，基于第二数据的类别信息和第一数据来训练第一神经网络模型。
附图说明
[0011]结合附图，根据以下详细描述，本公开的特定实施例的上述和其他方面、特征和优点将变得清楚，其中：
[0012]图1是示出根据本公开的实施例的代替顾问的示例电子设备的图；
[0013]图2是示出根据本公开的实施例的神经网络模型的示例训练的流程图；
[0014]图3是示出根据本公开的实施例的获取第二类别信息的示例过程的流程图；
[0015]图4是示出根据本公开的实施例的第一语音和第二语音之间的对应关系的示例的图；
[0016]图5是示出根据本公开的实施例的示例电子设备的示例配置的框图；
[0017]图6是示出根据本公开的实施例的训练第二神经网络模型的示例过程的图；以及
[0018]图7是示出根据本公开的实施例的控制电子设备的示例方法的流程图。
具体实施方式
[0019]本公开的示例实施例解决了上述需求，并且提供了一种使用包括客户和顾问之间的对话内容的语音数据来自动地训练包括在聊天机器人中的人工智能模型的电子设备及其控制方法。
[0020]在下文中，将参考附图更详细地描述本公开。
[0021]将简要地描述本公开中使用的术语，然后将更详细地描述本公开。
[0022]作为在本公开的实施例中使用的术语，考虑到本公开中描述的功能，尽可能选择当前广泛使用的通用术语。然而，术语可能会取决于在相关领域工作的本领域技术人员的意图、以前的法院判决或新技术的出现而不同。此外，在一些情况下，可能存在可以任意选择的术语，并且在这些情况下，将在本公开的相关描述中描述术语的含义。因此，本公开中使用的术语应该基于术语的含义和本公开的整体内容来定义，而不仅是基于术语的名称来定义。
[0023]可以对本公开的各种实施例进行各种修改，并且可以存在各种类型的实施例。因此，将在附图中示出各种实施例，并且将在具体实施方式中更详细地描述这些实施例。然而，应当注意，各种示例实施例并不旨在将本公开的范围限制于特定的实施例，而是应当理解为涵盖包括在本文公开的思想和技术范围内的实施例的所有修改、等同物或替代物。当确定在描述实施例时相关已知技术的详细解释可能不必要地混淆或模糊本公开的要点的情况下，可以省略详细解释。
[0024]单数表达包括复数表达，只要它们不与上下文冲突。在本公开中，诸如“包括”和“由......组成”的术语应该理解为指定在说明书中描述了这样的特征、数字、步骤、操作、元件、组件或其组合，但是不应该被理解为预先排除添加一个或多个其他特征、数字、步骤、操作、元件、组件或其组合的存在或可能性。
[0025]表述“A和/或B中的至少一个”应该解释为包括“A”或“B”或“A和B”中的任何一种。
[0026]本公开中使用的表达“第一”、“第二”等可以用于描述各种元素，而不管任何次序和/或重要性程度。此外，这样的表达仅用于区分一个元素与另一个元素，而不限制这些元素。
[0027]本公开中描述的一个元件(例如第一元件)“(可操作地或可通信地)耦合到”或“连接到”另一个元件(例如，第二元件)/与另一个元件(例如，第二元件)“耦合”应该理解为包括一个元件直接耦合到另一个元件的情况，以及一个元件通过又一个元件(例如，第三元件)耦合到另一个元件的情况。
[0028]在本公开中，“模块”或“部件”执行至少一个功能或操作，并且可以被实现为硬件或软件或者硬件和软件的组合。此外，除了需要被实现为特定硬件的“模块”或“部件”，多个“模块”或“部件”可以被集成到至少一个模块中，并且被实现为至少一个处理器(未示出)。
此外，在本说明书中，术语“用户”可以指使用终端设备的人或使用终端设备的设备(例如：人工智能电子设备)。
[0029]在下文中，将参考附图更详细地描述本公开的各种示例实施例。然而，应当注意，本公开可以以各种不同的形式来实现，并且不限于本文描述的实施例。在附图中，为了清楚地解释本公开，可以省略与解释无关的部分，并且在整个公开中，使用类似的附图标记来表示类似的组件。
[0030]在下文中，将参考附图更详细地描述本公开的示例实施例。
[0031]图1是示出根据本公开的实施例的代替顾问的示例电子设备的图。
[0032]电子设备100可以是理解从终端设备等发送的用户语音并提供响应的设备。例如，电子设备100可以被实现为例如但不限于聊天机器人、智能手机、服务器等。聊天机器人可以例如包括理解用户语音并提供响应的设备，并且可以例如包括模拟人类的设备，并且其可以例如是呼叫中心处代替顾问的聊天机器人。在电子设备100被实现为聊天机器人的情况下，电子设备100可以例如但不限于通过聊天机器人向终端设备提供语音形式的响应信息或者与客户询问内容相对应的视觉UI形式的响应信息。
[0033]如上所述，根据本公开的各种示例实施例，训练聊天机器人的过程可以是自动化的。因此，可以降低训练和维护聊天机器人所花费的成本，并且还可以缩短所花费的时间。
[0034]因为聊天机器人在包括客户和顾问之间的对话内容的语音数据中区分客户的语音和顾问的语音时被训练，所以提高了聊天机器人理解客户本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种电子设备，包括：存储器，存储包括对话内容的记录数据和至少一个指令；以及处理器，通过执行所述至少一个指令被配置为：将与对话内容中的第一语音相对应的第一数据输入到第一神经网络模型中，并且获取第一数据的类别信息，以及获取与对话内容中的第二语音相对应的第二数据的类别信息，以及基于第一数据的类别信息和第二数据的类别信息不同，基于第二数据的类别信息和第一数据来训练第一神经网络模型。2.根据权利要求1所述的电子设备，其中，所述存储器存储与对应于第二语音的数据相关的语音简档信息，并且所述处理器被配置为：基于存储的语音简档信息来识别记录数据中的第二语音。3.根据权利要求1所述的电子设备，其中，所述处理器被配置为：将与第二语音相对应的数据输入到第二神经网络模型中，并且获取与第二语音相对应的数据的类别信息。4.根据权利要求3所述的电子设备，其中，所述处理器被配置为：将通过组合包括在与第二语音相对应的数据中的多个句子中的每一个的至少部分而获取的句子输入到第二神经网络模型中，并且获取与第二语音相对应的数据的类别信息。5.根据权利要求4所述的电子设备，其中，所述处理器被配置为：顺序地将与包括在与第二语音相对应的数据中的多个句子中的每一个相对应的文本数据输入到第二神经网络模型中，并且从第二神经网络模型获取与多个句子中的每一个相对应的至少一个类别信息和与所述至少一个类别信息相对应的第一概率值，将与通过组合多个句子中的每一个的至少部分而获取的句子相对应的文本数据输入到第二神经网络模型中，并且从第二神经网络模型获取与所获取的句子相对应的至少一个类别信息和与所述至少一个类别信息相对应的第二概率值，以及基于根据第一概率值和第二概率值选择的句子以及与所选句子相对应的第一类别信息来训练第一神经网络模型。6.根据权利要求5所述的电子设备，其中，所述处理器被配置为：选择具有大于或等于第一概率值和第二概率值之间的阈值的概率值的句子，以及基于所选句子和与所选句子相对应的第一类别信息来训练第一神经网络模型。7.根据权利要求5所述的电子设备，其中，所述处理器被配置为：基于通过组合多个句子中的每一个的至少部分而获取的句子中包括连词，基于所述连词的类型或次数中的至少一个，将权重值应用于与所获取的句子相对应的概率值。8.根据权利要求3所述的电子设备，
其中，所述处理器被配置为：基于从运动图像数据、图像数据或文本数...

【专利技术属性】
技术研发人员：金秀必，咸珍雅，朴艺苑，崔源宗，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：