对话处理方法、装置、设备、存储介质和程序产品与流程
本申请涉及机器人对话,尤其涉及对话处理方法、装置、设备、存储介质和程序产品。
背景技术:
1、随着人工智能技术的普及,智能机器人在展厅导览、公共服务等实际场景中得到了较为广泛的应用。在人机交互领域,全双工对话技术允许用户与设备进行更为自然、连续的语音交流。
2、然而,在真实的服务场景中,周围环境通常包括多个人员。用户在启动与机器人的全双工对话后,常常会在此过程中与身边的同伴进行交流,或者发出一些无特定交互意图的感慨与陈述。现有的对话处理系统在麦克风拾取到这些语音后,通常缺乏有效的意图区分机制,容易将其当作对机器人的交互指令并生成回复。
3、这种因场景混淆导致的误响应现象,不仅会打断用户的正常对话或导览节奏,还可能占用系统的计算与反馈资源,影响实际的交互体验。
技术实现思路
1、本申请提供对话处理方法、装置、设备、存储介质和程序产品,用以在全双工对话等复杂应用场景下,准确判断用户输入语句的真实交互意图,并对非交互类的语音进行合理的拒识处理。
2、本申请提供一种对话处理方法,包括:对用户的语音文本进行第一层拒识分析,得到句类分析结果;如果句类分析结果符合第一预设条件,触发第二层拒识分析;在第二层拒识分析中,确定语音文本与当前对话场景的主题交互相关性,并基于主题交互相关性判定是否对语音文本进行拒识处理。
3、根据本申请提供的一种对话处理方法,基于主题交互相关性判定是否对语音文本进行拒识处理,包括:如果主题交互相关性的量化数值小于或等于预设相关阈值,则对语音文本进行拒识处理。
4、根据本申请提供的一种对话处理方法,确定语音文本与当前对话场景的主题交互相关性,包括:基于当前对话上下文和/或预设场景知识信息,确定语音文本的主题交互相关性。
5、根据本申请提供的一种对话处理方法,当前对话上下文为动态更新的对话上下文图谱,对话上下文图谱中包括当前会话中最近预设轮数的历史问答对及对应的语义向量;预设场景知识信息为当前场景下各个交互对象的结构化知识向量集合。
6、根据本申请提供的一种对话处理方法,基于当前对话上下文和/或预设场景知识信息,确定语音文本的主题交互相关性,包括:将语音文本转化为文本语义向量;确定文本语义向量与当前对话上下文和/或预设场景知识信息的语义相似度,并基于语义相似度确定主题交互相关性的量化数值。
7、根据本申请提供的一种对话处理方法,确定文本语义向量与当前对话上下文和/或预设场景知识信息的语义相似度,并基于语义相似度确定主题交互相关性的量化数值,包括:确定文本语义向量与当前对话上下文的第一语义相似度;确定文本语义向量与预设场景知识信息的第二语义相似度;基于第一语义相似度、第二语义相似度以及预设的权重因子,确定主题交互相关性的量化数值。
8、根据本申请提供的一种对话处理方法,确定文本语义向量与预设场景知识信息的第二语义相似度,包括:确定文本语义向量与预设场景知识信息中各知识点的语义相似度;将各知识点的语义相似度中的最大值作为第二语义相似度。
9、根据本申请提供的一种对话处理方法,对用户的语音文本进行第一层拒识分析,得到句类分析结果,包括:对语音文本进行自然语言理解分析,确定语音文本的语法结构作为句类分析结果。
10、根据本申请提供的一种对话处理方法,如果句类分析结果符合第一预设条件,触发第二层拒识分析,包括:如果句类分析结果中语音文本为陈述句,则判定满足第一预设条件,触发第二层拒识分析。
11、根据本申请提供的一种对话处理方法,还包括:如果句类分析结果中语音文本为祈使句或疑问句,且语音文本不具有明确交互意图,则对语音文本进行拒识处理。
12、根据本申请提供的一种对话处理方法,还包括:如果句类分析结果符合第二预设条件,则触发语音文本的响应流程。
13、根据本申请提供的一种对话处理方法,如果句类分析结果符合第二预设条件,则触发语音文本的响应流程,包括:如果句类分析结果中语音文本为祈使句或疑问句,且语音文本具有明确交互意图,则触发语音文本的响应流程。
14、根据本申请提供的一种对话处理方法,基于主题交互相关性判定是否对语音文本进行拒识处理,包括:如果主题交互相关性的量化数值大于预设相关阈值,则触发语音文本的响应流程。
15、根据本申请提供的一种对话处理方法,对用户的语音文本进行第一层拒识分析之前,还包括:接收用户的语音文本;基于语音文本向模型服务发起响应生成请求;基于语音文本向拒识服务发起拒识判断请求。
16、根据本申请提供的一种对话处理方法,基于主题交互相关性判定是否对语音文本进行拒识处理之后,还包括:接收并缓存模型服务返回的响应结果;当接收到拒识服务返回的需拒识结果时,丢弃已缓存的响应结果,以实现对语音文本的拒识。
17、根据本申请提供的一种对话处理方法,还包括:当接收到拒识服务返回的需拒识结果时,将语音文本从当前对话上下文的历史记录中删除。
18、根据本申请提供的一种对话处理方法,基于主题交互相关性判定是否对语音文本进行拒识处理之后,还包括:当接收到拒识服务返回的不拒识结果时,基于响应结果进行响应。
19、根据本申请提供的一种对话处理方法,模型服务用于发送模型服务信息;拒识服务用于基于模型服务信息和语音文本进行拒识判断。
20、本申请还提供一种对话处理装置,包括:第一层拒识分析模块,用于对用户的语音文本进行第一层拒识分析,得到句类分析结果;如果句类分析结果符合第一预设条件,触发第二层拒识分析;第二层拒识分析模块,用于在第二层拒识分析中,确定语音文本与当前对话场景的主题交互相关性,并基于主题交互相关性判定是否对语音文本进行拒识处理。
21、本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述对话处理方法。
22、本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述对话处理方法。
23、本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述对话处理方法。
24、本申请提供的对话处理方法、装置、设备、存储介质和程序产品,对话处理方法包括:对用户的语音文本进行第一层拒识分析,得到句类分析结果;如果句类分析结果符合第一预设条件,触发第二层拒识分析;在第二层拒识分析中,确定语音文本与当前对话场景的主题交互相关性,并基于主题交互相关性判定是否对语音文本进行拒识处理。通过上述方式,本申请通过构建多层级的意图分析框架,能够在全双工对话过程中结合句类特征和场景上下文进行综合判断,从而有效过滤无交互意图的语音输入,降低系统的误响应概率,改善人机交互的流畅度。
1.一种对话处理方法,其特征在于,包括:
2.根据权利要求1所述的对话处理方法,其特征在于,所述基于所述主题交互相关性判定是否对所述语音文本进行拒识处理,包括:
3.根据权利要求1所述的对话处理方法,其特征在于,所述确定所述语音文本与当前对话场景的主题交互相关性,包括:
4.根据权利要求3所述的对话处理方法,其特征在于,
5.根据权利要求3所述的对话处理方法,其特征在于,所述基于当前对话上下文和/或预设场景知识信息,确定所述语音文本的主题交互相关性,包括:
6.根据权利要求5所述的对话处理方法,其特征在于,所述确定所述文本语义向量与所述当前对话上下文和/或预设场景知识信息的语义相似度,并基于所述语义相似度确定所述主题交互相关性的量化数值,包括:
7.根据权利要求6所述的对话处理方法,其特征在于,所述确定所述文本语义向量与所述预设场景知识信息的第二语义相似度,包括:
8.根据权利要求1至7任一项所述的对话处理方法,其特征在于,所述对用户的语音文本进行第一层拒识分析,得到句类分析结果,包括:
9.根据权利要求8所述的对话处理方法,其特征在于,所述如果所述句类分析结果符合第一预设条件,触发第二层拒识分析,包括:
10.根据权利要求8所述的对话处理方法,其特征在于,还包括:
11.根据权利要求1至7任一项所述的对话处理方法,其特征在于,还包括:
12.根据权利要求11所述的对话处理方法,其特征在于,所述如果所述句类分析结果符合第二预设条件,则触发所述语音文本的响应流程,包括:
13.根据权利要求1至7任一项所述的对话处理方法,其特征在于,所述基于所述主题交互相关性判定是否对所述语音文本进行拒识处理,包括:
14.根据权利要求1至7任一项所述的对话处理方法,其特征在于,所述对用户的语音文本进行第一层拒识分析之前,还包括:
15.根据权利要求14所述的对话处理方法,其特征在于,所述基于所述主题交互相关性判定是否对所述语音文本进行拒识处理之后,还包括:
16.根据权利要求15所述的对话处理方法,其特征在于,还包括:
17.根据权利要求15所述的对话处理方法,其特征在于,所述基于所述主题交互相关性判定是否对所述语音文本进行拒识处理之后,还包括:
18.根据权利要求14所述的对话处理方法,其特征在于,所述模型服务用于发送模型服务信息;所述拒识服务用于基于所述模型服务信息和所述语音文本进行拒识判断。
19.一种对话处理装置,其特征在于,包括:
20.一种电子设备,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至18任一项所述对话处理方法。
21.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至18任一项所述对话处理方法。
22.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至18任一项所述对话处理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com