人机对话打断方法、电子设备及计算机可读存储介质与流程

1.本发明涉及人机对话技术领域，尤其涉及一种人机对话打断方法、电子设备及计算机可读存储介质。


背景技术：

2.现有人机对话中，在电子设备为用户播报的过程中可以同时监听是否存在语音，并根据监听结果确定是否打断当前播报进行响应。现有技术中通常采用的方法有：用语音的vad(voice activity detection)技术通过声音信号的强弱或停顿时间来判断用户是否说话或说完；或者通过“拒识模型”来判断用户是否在说话。
3.其中，通过vad判断的方法在机器播报的同时，监听用户的语音输入，从语音层面判断是否有声音，如果有声音就认为用户在说话。
[0004]“拒识模型”分为两种，一种通过训练一个音频的分类器，来判断录入声音是否是背景噪音，比如周围人的说话声，拒识的功能就是把无效的语音过滤掉；另外一种是语义拒识：基于用户当前说的话的文本和历史说的话的文本，建立二分类的模型，通过模型学习是否拒识。这个思路有一个前提假设，用户“跟机器人说话”和“不是跟机器人说话”说的话的文本在语义空间上是不同的，本质上是一个二分类的分类器。
[0005]
然而，通过vad拒识容易因为背景音或噪音导致机器停止播报；也容易因为用户说话过程中有个短暂的停顿导致机器认为用户说完了。语音拒识相当于加强的vad，vad判断过程中加入了背景音、噪音等语音训练的分类器。通过噪音的一些特征学习是否应该拒识。但因为只使用声音信号作为依据，无法判断用户只是发出一些语气词还是真的要说话。另外无法判断用户是否真的说完了还是只是短暂停顿。
[0006]
语义拒识现在的通常做法是训练一个二分类的语义分类器，但这种方法有个假设，用户“跟机器人说话”和“不是跟机器人说话”说的话的文本在语义空间上是不同的。但实际用户在和旁边的人说话，或旁边的人在聊天，他们说的话都是有意义的，这种方法很难做出正确的判断。


技术实现要素：

[0007]
本发明实施例提供一种人机对话打断方法、电子设备及计算机可读存储介质，用于至少解决上述技术问题之一。
[0008]
第一方面，本发明实施例提供一种人机对话打断方法，应用于电子设备，该方法包括：
[0009]
根据已经完成的对话确定对话意图空间；
[0010]
当检测到新的对话语句时，根据所述新的对话语句确定新的对话意图；
[0011]
至少当所述新的对话意图属于所述对话意图空间时，确定对应于所述新的对话意图的答复内容。
[0012]
第二方面，本发明实施例提供一种计算机可读存储介质，所述存储介质中存储有
一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项人机对话打断方法。
[0013]
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，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发明上述任一项人机对话打断方法。
[0014]
第四方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项人机对话打断方法。
[0015]
本发明实施例中，当确定新的对话意图属于预先确定的对话意图空间时，表明新的对话语句是与已经完成的对话相关的，从而可以确定检测到的该新的对话语句并非噪音，并对该新的对话语句做出响应，避免了在噪音对人机对话的误打断。
附图说明
[0016]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]
图1为本发明的人机对话打断方法的一实施例的流程图；
[0018]
图2为本发明的人机对话打断方法的另一实施例的流程图；
[0019]
图3为本发明中人机对话打断方法的波形图示意图；
[0020]
图4为本发明的人机对话打断方法的另一实施例的流程图；
[0021]
图5为本发明的人机对话打断方法的另一实施例的流程图；
[0022]
图6为本发明的电子设备的一实施例的结构示意图。
具体实施方式
[0023]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0025]
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0026]
在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上
的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
[0027]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0028]
本发明的人机对话打断方法应用于电子设备，该电子设备可以是具备人机功能的智能音箱、智能机器人(例如，门童机器人、问询机器人等)、智能手机、平板电脑和车机等，本发明对此不作限制。
[0029]
如图1所示为本发明的实施例提供的一种人机对话打断方法，应用于电子设备，所述方法包括：
[0030]
s10、根据已经完成的对话确定对话意图空间。
[0031]
示例性地，已经完成的对话可以是电子设备已经和用户之间完成的一轮或者多轮对话。电子设备在与用户进行人机对话的过程中，根据已经完成的对话轮次来确定多个对话意图构成对话意图空间。多个对话意图中可以包括根据已经完成的对话轮次所确定的用户的对话意图，还可以包括根据已经完成的对话轮次所确定的电子设备向用户传达的机器对话意图。
[0032]
s20、当检测到新的对话语句时，根据所述新的对话语句确定新的对话意图。
[0033]
示例性地，电子设备所检测到的新的对话语句可能是来自上一轮人机对话中的用户，也可能是来自其他用户。并且该新的对话语句可能是用户对电子设备说的控制指令(是上一轮对话的延续或者新一轮对话的开始)，也可能仅仅是用户与其他人之间的交谈语句(与上一轮对话之间不存在任何关联性)。
[0034]
示例性地，在确定新的对话语句的新的对话意图之后，判断该新的对话意图是否属于对话意图空间，以作为是否响应该新的对话意图的依据。
[0035]
s30、至少当所述新的对话意图属于所述对话意图空间时，确定对应于所述新的对话意图的答复内容。
[0036]
示例性地，当确定新的对话意图属于预先确定的对话意图空间时，表明新的对话语句是与已经完成的对话相关的，从而可以确定检测到的该新的对话语句并非噪音，并对该新的对话语句做出响应，避免了在噪音对人机对话的误打断。
[0037]
在一些实施例中，所述对话意图空间包括当前对话意图和关联对话意图。如图2所示为本发明的人机对话打断方法的另一实施例的流程图，在该实施例中，所述根据已经完成的对话确定对话意图空间，包括：
[0038]
s11、根据已经完成的对话确定当前对话意图；
[0039]
s12、确定与所述当前对话意图相关联的关联对话意图。
[0040]
本实施例中对话意图空间不仅包括当前对话意图，还包括与当前对话意图相关联的关联对话意图，从而使得所检测到的新的对话语句所对应的新的对话意图即使不符合当前对话意图，也并不会直接将该新的对话语句认定为噪音。如果确定新的对话意图符合关联对话意图，也可以将新的对话语句确定为非噪音，从而避免了将目标用户的对话语句误识别为噪音，从而避免了当目标用户的对话语句所对应的新的对话意图不能完全契合当前对话意图时，该目标用户无法得到电子设备应答的问题。
[0041]
以上当前对话意图和关联对话意图可以理解为符合当前对话期望的期望意图，是当前对话节点时用户说话的可能意图空间，例如：
[0042]
a.当前对话意图可以是当前节点的意图：比如登记寄快递过程中机器人问用户上门取件的地址是什么，当前节点的期望意图是地址。
[0043]
b.关联对话意图可以是当前场景的可能意图：这个节点用户也可能表达我不寄了、投诉、我先问下快递费用等意图。
[0044]
在一些实施例中，所述对话意图空间还包括切换对话任务的对话意图。示例性地，切换对话任务的对话意图可以是，跨越场景的触发其它对话任务的意图或百科知识，比如明天天气怎么样、北京到上海有多少公里等。
[0045]
以上对话意图(当前对话意图和/或关联对话意图和/或切换对话任务的对话意图)构成了当前对话上下文的期望意图。如果检测到的新的对话语句所对应的新的对话意图不在这些期望意图范围内，这种情况下，即使语音等信号表明是有人在说话，智能打断也不会打断当前机器播报。从而有效避免了误打断。
[0046]
在一些实施例中，已经完成的对话可以包括：上文的答复，当前的问题，当前场景、领域等。并且确定对话意图空间所考虑的因素除了已经完成的对话之外，还可以包括语音信号特征、语音噪音特征、语音置信度特征、实时用户图像特征、用户画像中的说法方式特征等。
[0047]
在一些实施例中，在检测到新的对话语句之前还包括：播报对应于所述当前对话意图的播报内容。示例性地，在人机对话过程中，电子设备与用户之间可以实现的为全双工通信，电子设备可以播报已经确定的播报内容的同时，检测是否有新的用户语句。
[0048]
在一些实施例中，步骤s30，至少当所述新的对话意图属于所述对话意图空间时，确定对应于所述新的对话意图的答复内容，包括：至少当所述新的对话意图属于所述对话意图空间时，打断播报，并确定对应于所述新的对话意图的答复内容。
[0049]
示例性地，在打断电子设备的播报之后确定对应于新的对话意图的答复内容可以包括：判断新的对话意图是否完整，如果完整则确定对应于所述新的对话意图的答复内容；如果不完整则继续检测用户是否在持续说话，如果是的话根据持续检测到的用户语句更新之前的新的对话意图，并确定答复内容。
[0050]
如图3所示，为本发明中人机对话打断方法的波形图示意图，在该实施例中显示了机器播报音频的波形以及环境音频和用户说话音频的波形。在该实施例中用户语句为“我要查下昨天那个快件”。在用户说话之前电子设备边播报，边检测，检测到的是噪音。当用户说话时，在说到“我要查下”时，电子设备根据实时检测到的该对话语句确定相应的对话意图复合物期望意图，但进一步判断该对话意图不完整，从而进一步继续检测直到获得完整对话意图，进而根据完整对话意图确定答复内容。
[0051]
在一些实施例中，在检测到新的对话语句之前还包括：播报对应于所述当前对话意图的播报内容；本实施例的人机对话打断方法还包括：确定所述播报内容是否为强制播报内容；
[0052]
如图4所示，为本发明的人机对话打断方法的另一实施例的流程图，在该实施例中，所述至少当所述新的对话意图属于所述对话意图空间时，确定对应于所述新的对话意图的答复内容，包括：
[0053]
s31、当所述播报内容为非强制播报内容且所述新的对话意图属于所述对话意图空间时，打断播放所述非强制播报内容，并确定对应于所述新的对话意图的答复内容；
[0054]
s32、当所述播报内容为强制播报内容且所述新的对话意图属于所述对话意图空间时，完成所述强制播报内容之后确定对应于所述新的对话意图的答复内容。
[0055]
示例性地，播报内容可以根据业务需要进行属性设置，例如，可以设置为强制播报内容或者非强制播报内容。例如，对于一些有助于提高沟通效率的播报内容可以设置为强制播报内容，播报过程中不允许打断；对于一些无关紧要的附加介绍内容可以设置为非强制播报内容，播报过程中可以随时打断。
[0056]
本实施例中在确定检测到的新的对话语句表达了和当前相关的意图，但当前节点正在进行业务必须的必要告知播报，智能打断可以不打断继续播报，但同时会记录下用户表达的意图，在播报完成后把这个未处理的意图送给对话管理来处理，延迟响应用户的意图。
[0057]
如图5所示，为本发明的人机对话打断方法的另一实施例的流程图，在该实施例中还包括：
[0058]
s41、当确定所述新的对话意图不属于所述对话意图空间时，查询所述新的对话意图是否曾经出现过；
[0059]
s42、如果否，则记录所述新的对话意图；
[0060]
s43、如果是，则确定对应于所述新的对话意图的答复内容。
[0061]
智能打断的另外一个关键模块是打断容错机制，打断容错机制通过打断上下文来实现。例如，实际应用中在构建意图空间时，往往并不能够将所有应当纳入的意图尽数收入意图空间(例如，漏掉了对话意图a)，导致意图不完整。从而导致当根据检测到的用户语句确定出对话意图a时，由于意图空间不完整，导致电子设备判断该对话意图a不属于意图空间，即不在期望范围内而没有打断，这时用户可能会进一步强调或重复自己的问题。而本发明实施例则正是给予对用户的上述行为习惯，设置了本实施例的方法，记录了历史上每一次打断的节点、时间等状态，智能打断根据上文和当前的语音语义判断即使当前意图不在期望意图范围内，而存在记录中，也需要打断响应用户。
[0062]
在一些实施例中，在检测到新的对话语句之前还包括：播报对应于所述当前对话意图的播报内容；该人机对对话打断方法还包括：在打断播报之前判断在预设时间内发生的打断多次是否超过预定次数；如果是，则继续完成播报；如果否，则打断播报。
[0063]
本实施例的人机对话打断方法可以防止频繁打断电子设备的播报，避免影响正常顺畅的人机对话。本实施例提供了另一种需要容错机制的情况是，如果当前同一节点频繁打断，造成对话很难继续进行，比如1秒钟之前刚打断，立刻又打断，这时即使各种特征判断出来需要打断，也暂时不打断而是继续播报，等待下一次判断出需要打断再进行综合评估
是否需要打断。
[0064]
本发明的人机对话打断方法的实施例中，机器人在说话的过程中同时在监听用户说的话，并判断用户是否在和自己说话，如果在和自己说话(即，非噪音)，机器人会停止自己的播报，听用户说完，然后根据用户说的语义来做出响应。
[0065]
本发明的人机对话打断方法的实施例中，如果用户说完了，机器人可以及时判断用户已经说完，而不需要从语音信号上等待用户停止一段时间确认用户说完了之后才开始说话。
[0066]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0067]
在一些实施例中，本发明实施例提供一种计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项人机对话打断方法。
[0068]
在一些实施例中，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项人机对话打断方法。
[0069]
在一些实施例中，本发明实施例还提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，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人机对话打断方法。
[0070]
图6是本技术另一实施例提供的执行人机对话打断方法的电子设备的硬件结构示意图，如图6所示，该设备包括：
[0071]
一个或多个处理器610以及存储器620，图6中以一个处理器610为例。
[0072]
执行人机对话打断方法的设备还可以包括：输入装置630和输出装置640。
[0073]
处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图6中以通过总线连接为例。
[0074]
存储器620作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本技术实施例中的人机对话打断方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例人机对话打断方法。
[0075]
存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据人机对话打断装置的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例
中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至人机对话打断装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0076]
输入装置630可接收输入的数字或字符信息，以及产生与人机对话打断装置的用户设置以及功能控制有关的信号。输出装置640可包括显示屏等显示设备。
[0077]
所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行上述任意方法实施例中的人机对话打断方法。
[0078]
上述产品可执行本技术实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本技术实施例所提供的方法。
[0079]
本技术实施例的电子设备以多种形式存在，包括但不限于:
[0080]
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。
[0081]
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。
[0082]
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
[0083]
(4)其他具有数据交互功能的电子装置。
[0084]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0085]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0086]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。