【技术实现步骤摘要】
本申请涉及人工智能领域，具体而言，涉及一种信息回复方法、装置、存储介质及电子设备。
技术介绍
1、随着科技的发展，人们的交流方式逐渐变得多种多样，在线上沟通的方式中，表情包是人们表达情绪，使得沟通更生动所不可或缺的一部分，闲聊机器人作为一种可以跟人进行对话的设备，其回复用户的方式却仅能支持文字回复，无法支持像真人一样使用表情包回复。
2、针对相关技术中聊天机器人仅能以文字回复，回复信息单一的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种信息回复方法、装置、存储介质及电子设备，以解决相关技术中聊天机器人仅能以文字回复，回复信息单一的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种信息回复方法。该方法包括：接收用户发送的聊天语句，将聊天语句输入第一目标模型，得到目标回复语句和目标回复表情包，其中，目标回复表情包中包含聊天语句的回复内容的语义，第一目标模型由多组第一训练样本训练得到，每组第一训练样本包括历史聊天语句、历史回复语句和历史回复表情包；确定聊天语句的目标评估值，并判断目标评估值是否大于等于目标评估值阈值，其中，目标评估值用于表征期望使用表情包回复用户的程度；在目标评估值大于等于目标评估值阈值的情况下，通过聊天机器人将目标回复表情包发送给用户；在目标评估值小于目标评估值阈值的情况下，通过聊天机器人将目标回复语句发送给用户。
3、可选地，第一目标模型由以下方式训练得到：获取历史聊天记录，从历史聊天
4、可选地，通过多组第一训练样本训练预设神经网络模型，得到第一目标模型包括：基于多组第一训练样本对预设神经网络模型进行n次迭代训练，得到初始模型，其中，n为正整数，每次迭代训练调整预设神经网络模型的模型参数；通过多组第一训练样本对初始模型进行多次迭代训练，得到第一目标模型，其中，每次迭代训练调整初始模型的模型参数和预设神经网络模型中的表情包编码器的参数。
5、可选地，基于多组第一训练样本对预设神经网络模型进行n次迭代训练，得到初始模型包括：确定每次对预设神经网络模型迭代训练后的候选模型，得到n个候选模型；对于每组包含历史回复表情包的第一训练样本，将历史聊天语句输入候选模型中的表情包编码器，得到预测表情包向量，将历史聊天语句输入候选模型中的嵌入层，得到预测回复语句向量；在预测表情包向量和预测回复语句向量的相似度大于等于相似度阈值的情况下，将第一训练样本确定为目标训练样本；确定每个候选模型的向量归一化评估值，得到n个向量归一化评估值，其中，向量归一化评估值为多组第一训练样本中目标训练样本占多组第一训练样本的比值；将n个向量归一化评估值中最大向量归一化评估值对应的候选模型确定为初始模型。
6、可选地，通过多组第一训练样本对初始模型进行多次迭代训练，得到第一目标模型包括：确定每次对初始模型迭代训练后的待定模型，得到多个待定模型；对于每组第一训练样本，将历史聊天语句输入待定模型，得到输出结果；判断输出结果与第一训练样本中的回复信息是否相同；在输出结果与第一训练样本中的回复信息相同的情况下，将第一训练样本确定为准确样本；确定每个待定模型的准确率评估值，得到一组准确率评估值，其中，准确率评估值为多组第一训练样本中准确样本占多组第一训练样本的比值；将一组准确率评估值中最大准确率评估值对应的待定模型确定为第一目标模型。
7、可选地，判断输出结果与第一训练样本中的回复信息是否相同包括：在输出结果和回复信息均为历史回复表情包，或者，输出结果和回复信息均为历史回复语句的情况下，确定输出结果与第一训练样本中的回复信息相同；在输出结果为历史回复表情包，回复信息为历史回复语句，或者，输出结果为历史回复语句，回复信息为历史回复表情包的情况下，确定输出结果与第一训练样本中的回复信息不同。
8、可选地，确定聊天语句的目标评估值包括：获取聊天语句所属的上下文段落，确定上下文段落中表情包的出现频次；提取聊天语句中的关键词和语气词，将关键词、语气词和表情包的出现频次输入第二目标模型，得到聊天语句的目标评估值，其中，第二目标模型由多组第二训练样本训练得到，每组第二训练样本包括历史关键词、历史语气词、表情包的历史出现频次和历史情绪评估值。
9、为了实现上述目的，根据本申请的另一方面，提供了一种信息回复装置。该装置包括：接收单元，用于接收用户发送的聊天语句，将聊天语句输入第一目标模型，得到目标回复语句和目标回复表情包，其中，目标回复表情包中包含聊天语句的回复内容的语义，第一目标模型由多组第一训练样本训练得到，每组第一训练样本包括历史聊天语句、历史回复语句和历史回复表情包；确定单元，用于确定聊天语句的目标评估值，并判断目标评估值是否大于等于目标评估值阈值，其中，目标评估值用于表征期望使用表情包回复用户的程度；第一发送单元，用于在目标评估值大于等于目标评估值阈值的情况下，通过聊天机器人将目标回复表情包发送给用户；第二发送单元，用于在目标评估值小于目标评估值阈值的情况下，通过聊天机器人将目标回复语句发送给用户。
10、通过本申请，采用以下步骤：接收用户发送的聊天语句，将聊天语句输入第一目标模型，得到目标回复语句和目标回复表情包，其中，目标回复表情包中包含聊天语句的回复内容的语义，第一目标模型由多组第一训练样本训练得到，每组第一训练样本包括历史聊天语句、历史回复语句和历史回复表情包；确定聊天语句的目标评估值，并判断目标评估值是否大于等于目标评估值阈值，其中，目标评估值用于表征期望使用表情包回复用户的程度；在目标评估值大于等于目标评估值阈值的情况下，通过聊天机器人将目标回复表情包发送给用户；在目标评估值小于目标评估值阈值的情况下，通过聊天机器人将目标回复语句发送给用户，解决了相关技术中聊天机器人仅能以文字回复，回复信息单一的问题。通过将用户的聊天语句输入第一目标模型，得到目标回复表情包和目标回复语句，基于聊天语句的目标评估值与目标评估值阈值的大小关系选择向用户回复目标回复语句或目标回复表情包，进而达到了丰富聊天机器人对用户的回复内容的效果。
本文档来自技高网...【技术保护点】
1.一种信息回复方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一目标模型由以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，通过所述多组第一训练样本训练预设神经网络模型，得到所述第一目标模型包括：
4.根据权利要求3所述的方法，其特征在于，基于所述多组第一训练样本对所述预设神经网络模型进行N次迭代训练，得到初始模型包括：
5.根据权利要求3所述的方法，其特征在于，通过所述多组第一训练样本对所述初始模型进行多次迭代训练，得到所述第一目标模型包括：
6.根据权利要求5所述的方法，其特征在于，判断所述输出结果与所述第一训练样本中的回复信息是否相同包括：
7.根据权利要求1所述的方法，其特征在于，确定所述聊天语句的目标评估值包括：
8.一种信息回复装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制所述非易失性存储介质所在的设备执行权利要求1至7中任意一项所述的信息回复方法。
...【技术特征摘要】
1.一种信息回复方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一目标模型由以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，通过所述多组第一训练样本训练预设神经网络模型，得到所述第一目标模型包括：
4.根据权利要求3所述的方法，其特征在于，基于所述多组第一训练样本对所述预设神经网络模型进行n次迭代训练，得到初始模型包括：
5.根据权利要求3所述的方法，其特征在于，通过所述多组第一训练样本对所述初始模型进行多次迭代训练，得到所述第一目标模型包括：
6.根据权利要求5所述的方法，其特征在于，判断所述输出结果与所...
【专利技术属性】
技术研发人员：刘源东，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
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。