对话处理方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了一种对话处理方法、装置、电子设备和存储介质，涉及智能云、深度学习、自然语言处理、云计算等领域。实现方案为：获取目标输入语句所在目标对话的分类标签，分类标签用于指示目标对话的对话意图；根据分类标签和目标输入语句，从话术库中获取至少一个候选话术片段；根据分类标签和目标输入语句，与各候选话术片段中的候选回复语句之间的匹配度，从各候选回复语句中确定目标回复语句，以根据目标回复语句对目标输入语句进行回复。由此，同时结合用户输入的语句及该语句所在对话的对话意图，确定该语句对应的回复语句，可以提升回复语句确定的准确性。此外，还可以将回复语句提供给客服人员，以辅助客服人员快速解决用户问题。问题。问题。

【技术实现步骤摘要】
对话处理方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能
，具体为智能云、深度学习、自然语言处理、云计算等
，尤其涉及对话处理方法、装置、电子设备和存储介质。

技术介绍

[0002]随着人工智能技术和网络化交易业务场景的快速发展，以及互联网商业化的普及与应用，许多企业推行智能营销、智能客服等方案，其旨在应用特定话术引导用户，以向用户实现精准推销产品或服务。
[0003]这类场景对客服人员的应答能力具有较高的要求，如果客户人员缺乏经验，则可能无法准确判断用户诉求，从而导致客服人员无法恰当地回应用户的问题，造成商单机会流失。
[0004]因此，如何根据用户输入的问题或语句，自动推荐回复语句，以辅助客服人员快速解决用户问题，提升服务效率，进而提升用户对产品的服务体验感是非常重要的。

技术实现思路

[0005]本公开提供了一种用于对话处理方法、装置、电子设备和存储介质。
[0006]根据本公开的一方面，提供了一种对话处理方法，包括：
[0007]获取待回复的目标输入语句；
[0008]获取所述目标输入语句所在的目标对话的第一分类标签；其中，所述第一分类标签用于指示所述目标对话的对话意图；
[0009]根据所述第一分类标签和所述目标输入语句，从话术库中获取至少一个候选话术片段；其中，所述候选话术片段中的候选分类标签与所述第一分类标签相似，所述候选话术片段中的候选输入语句与所述目标输入语句相似；
[0010]根据所述第一分类标签和所述目标输入语句，与各所述候选话术片段中的候选回复语句之间的匹配度，从各所述候选回复语句中确定目标回复语句，以根据所述目标回复语句对所述目标输入语句进行回复。
[0011]根据本公开的另一方面，提供了一种对话处理装置，包括：
[0012]第一获取模块，用于获取待回复的目标输入语句；
[0013]第二获取模块，用于获取所述目标输入语句所在的目标对话的第一分类标签；其中，所述第一分类标签用于指示所述目标对话的对话意图；
[0014]第三获取模块，用于根据所述第一分类标签和所述目标输入语句，从话术库中获取至少一个候选话术片段；其中，所述候选话术片段中的候选分类标签与所述第一分类标签相似，所述候选话术片段中的候选输入语句与所述目标输入语句相似；
[0015]第一确定模块，用于根据所述第一分类标签和所述目标输入语句，与各所述候选话术片段中的候选回复语句之间的匹配度，从各所述候选回复语句中确定目标回复语句，以根据所述目标回复语句对所述目标输入语句进行回复。
[0016]根据本公开的又一方面，提供了一种电子设备，包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开上述一方面提出的对话处理方法。
[0020]根据本公开的再一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述一方面提出的对话处理方法。
[0021]根据本公开的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述一方面提出的对话处理方法。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1是本公开实施例一所提供的对话处理方法的流程示意图；
[0025]图2为本公开实施例二所提供的对话处理方法的流程示意图；
[0026]图3为本公开实施例三所提供的对话处理方法的流程示意图；
[0027]图4为本公开实施例四所提供的对话处理方法的流程示意图；
[0028]图5为本公开实施例五所提供的对话处理方法的流程示意图；
[0029]图6为本公开实施例六所提供的对话处理方法的流程示意图；
[0030]图7为本公开实施例七所提供的对话处理方法的流程示意图；
[0031]图8为本公开实施例所提供的对话处理流程示意图；
[0032]图9为本公开实施例所提供的营销对话场景中的各个对话环节示意图；
[0033]图10为本公开实施例所提供的话术抽取示意图；
[0034]图11为本公开实施例所提供的话术匹配流程示意图；
[0035]图12为本公开实施例八所提供的对话处理装置的结构示意图；
[0036]图13示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
[0037]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0038]随着人工智能技术的不断发展，以及互联网商业化的普及与应用，许多企业推行智能营销、智能客服等方案，其旨在应用特定话术引导用户需求，以根据用户需求向用户精准推销产品或服务。
[0039]这类场景需要资深的业务人员手工总结优秀话术，对客服人员应答能力具有要求较高。然而人工总结的话术数量有限，当用户提出的问题或语句较为复杂时，客服人员由于
缺乏经验通常难以准确判断用户诉求，无法恰当地回应用户问题，造成商单机会流失。
[0040]具体地，在话术生产阶段，通过专业的话务人员手工梳理优秀话术，在话术推荐阶段，根据用户输入的问题或语句，基于语义特征聚类得到相似问题，以及相似问题对应的候选话术集合，并对每个候选话术集合构造更高维的文本特征，通过分类模型对文本特征进行分类，得到每个候选话术集合的分类概率，该分类概率用于指示对应候选话术集合成为推荐话术的概率，进而可以根据分类概率，从各候选话术集合中确定推荐话术。
[0041]上述方式至少存在以下缺点：
[0042]第一，优秀话术由专业的话术人员手工总结，模板单一，数量较少，虽然可以解决常见的用户问题，但是覆盖面不够广泛，不能满足大量超纲的用户问题；
[0043]第二，在话术推荐阶段，仅依赖语义匹配特征和单一的分类特征生成候选话术，特征粒度较粗，得到的推荐话术内容较为宽泛，不能切实解决用户的真正需求；
[0044]第三，营销场景中的对话具有分明的阶段性特征，用户反馈的问题也可以总结为规律性的卡点特征，面对不同阶段不同的用户卡点特征，需要灵活地选取不同话术应答用户，而上述方式无法满足这类精细化的话术推荐需求。
[0045]针对上述存在的至少一项本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对话处理方法，包括：获取待回复的目标输入语句；获取所述目标输入语句所在的目标对话的第一分类标签；其中，所述第一分类标签用于指示所述目标对话的对话意图；根据所述第一分类标签和所述目标输入语句，从话术库中获取至少一个候选话术片段；其中，所述候选话术片段中的候选分类标签与所述第一分类标签相似，所述候选话术片段中的候选输入语句与所述目标输入语句相似；根据所述第一分类标签和所述目标输入语句，与各所述候选话术片段中的候选回复语句之间的匹配度，从各所述候选回复语句中确定目标回复语句，以根据所述目标回复语句对所述目标输入语句进行回复。2.根据权利要求1所述的方法，其中，所述根据所述第一分类标签和所述目标输入语句，与各所述候选话术片段中的候选回复语句之间的匹配度，从各所述候选回复语句中确定目标回复语句，包括：针对任一所述候选话术片段中的候选回复语句，将所述第一分类标签、所述目标输入语句与所述候选回复语句进行拼接，以得到拼接文本；对所述拼接文本进行特征提取，以得到文本特征；将所述文本特征进行分类，以得到所述候选回复语句的分类概率，其中，所述分类概率用于指示所述候选回复语句与所述目标输入语句之间的匹配度；根据各所述候选回复语句的分类概率，从各所述候选回复语句中确定所述目标回复语句。3.根据权利要求2所述的方法，其中，所述根据各所述候选回复语句的分类概率，从各所述候选回复语句中确定所述目标回复语句，包括：将所述分类概率最大的候选回复语句，确定为所述目标回复语句；或者，将所述分类概率高于设定阈值的候选回复语句，确定为所述目标回复语句；或者，将各所述候选回复语句按照所述分类概率的取值由大至小排序，并将排序在前的设定个数的候选回复语句，确定为所述目标回复语句。4.根据权利要求1所述的方法，其中，所述话术库通过以下步骤建立：获取至少一轮对话中的各历史对话语句；对任一轮所述对话中的各历史对话语句进行划分，以得到至少一个文本片段；对各所述文本片段进行分类，以得到各所述文本片段的第二分类标签，其中，所述第二分类标签用于指示所述文本片段所属的对话环节；在各所述第二分类标签中存在设定分类标签的情况下，根据所述对话中的各历史对话语句，生成至少一个样本话术片段；根据各所述样本话术片段建立所述话术库。5.根据权利要求4所述的方法，其中，所述对各所述文本片段进行分类，以得到第二分类标签，包括：针对任一所述文本片段，将所述文本片段输入第一分类模型进行分类，以得到所述第
一分类模型输出的多个分类标签的分类概率；根据所述多个分类标签的分类概率，从所述多个分类标签中确定第二分类标签；其中，所述第一分类模型基于样本文本片段训练得到，其中，所述样本文本片段上标注有第一标注标签，所述第一标注标签用于指示所述样本文本片段所属的对话环节。6.根据权利要求4所述的方法，其中，所述根据所述对话中的各历史对话语句，生成至少一个样本话术片段，包括：对所述对话中的各历史对话语句进行分组，以得到至少一个对话对，其中，所述对话对中包括历史输入语句和所述历史输入语句对应的历史回复语句；针对任一所述对话对，获取所述对话对中的所述历史输入语句所在对话的第三分类标签，其中，所述第三分类标签用于指示所述历史输入语句所在对话的对话意图；根据所述第三分类标签、所述对话对中的所述历史输入语句和所述历史回复语句，生成所述样本话术片段。7.根据权利要求4所述方法，其中，所述获取至少一轮对话中的各历史对话语句，包括：获取对话日志；对所述对话日志进行解析，以得到至少一轮对话中的多条初始对话语句；对各轮所述对话中的多条初始对话语句进行预处理，以得到各轮所述对话中的各历史对话语句；其中，所述预处理包括语气词去除处理、重复词去除处理、错别字纠正处理和口语化改写处理中的至少一项。8.根据权利要求1
‑
7中任一项所述的方法，其中，所述获取所述目标输入语句所在的目标对话的第一分类标签，包括：确定所述目标输入语句所在的目标对话；从所述目标对话中获取至少一个第一输入语句；采用第二分类模型对所述目标输入语句和所述至少一个第一输入语句进行分类，以得到所述第二分类模型输出的多个预测标签的分类概率；根据所述多个预测标签的分类概率，从所述多个预测标签中确定第一分类标签；其中，所述第二分类模型基于样本语句训练得到，其中，所述样本语句上标注有第二标注标签，所述第二标注标签用于指示所述样本语句所在对话的对话意图。9.根据权利要求1
‑
7中任一项所述的方法，其中，所述目标回复语句的个数为多个，所述方法还包括：将多个所述目标回复语句按照所述分类概率由大至小排序，得到第一排序序列；向目标客服发送所述第一排序序列，以通过所述目标客服根据所述第一排序序列回复所述目标输入语句；或者，从各所述候选话术片段中，确定各所述目标回复语句所在的目标话术片段；根据各所述目标回复语句的分类概率，将各所述目标话术片段进行排序，得到第二排序序列；向所述目标客服发送所述第二排序序列，以通过所述目标客服根据所述第二排序序列回复所述目标输入语句。
10.根据权利要求1
‑
7中任一项所述的方法，其中，所述候选话术片段中还包括：至少一个关联回复语句，其中，所述关联回复语句与所述候选话术片段中的候选回复语句位于同一轮对话中，且所述关联回复语句的回复时刻晚于所述候选回复语句的回复时刻；所述方法，还包括：从各所述候选话术片段中，确定所述目标回复语句所在的目标话术片段；向目标客服发送所述目标话术片段，或者，向所述目标客服发送所述目标话术片段中的所述目标回复语句和至少一个目标关联回复语句；其中，所述目标回复语句，用于所述目标客服回复所述目标输入语句；其中，所述至少一个目标关联回复语句，用于所述目标客服回复所述目标对话中位于所述目标输入语句之后的输入语句。11.一种对话处理装置，包括：第一获取模块，用于获取待回复的目标输入语句；第二获取模块，用于获取所述目标输入语句所在的目标对话的第一分类标签；其中，所述第一分类标签用于指示所述目标对话的对话意图；第三获取模块，用于根据所述第一分类标签和所述目标输入语句，从话术库中获取至少一个候选话术片段；其中，所述候选...

【专利技术属性】
技术研发人员：刘禾子，刘坤，刘凯，丁鑫哲，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：