对话文本的推送方法及装置、存储介质、终端与流程

1.本发明涉及计算处理技术领域，尤其是一种对话文本的推送方法及装置、存储介质、终端。


背景技术：

2.随着人工智能的广泛应用，在电话销售领域已经逐步使用人工智能来进行对话流程的实现，例如，在进行保险产品的电话销售过程中，对话机器人通过学习大量保险代理人的历史对话来确定相同场景下的最优回复对话内容，从而完成保险产品的智能销售及购买。
3.目前，现有基于对话机器人输出准确的回复内容通常是按照固定的话术逻辑直接选取作为回复内容的对话，输出给用户。但是，由于固定的话术逻辑无法满足多样化的用户对话需求，导致无法准确匹配到与用户录入对话内容对应的回复内容，影响对话内容的智能回复效果，从而降低对话文本的推送准确性。


技术实现要素：

4.本发明实施例所要解决的一个技术问题是如何提高对话文本的推送准确性。
5.依据本发明一个方面，提供了一种对话文本的推送方法，包括：
6.获取目标语境对话中的对话文本数据；
7.基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；
8.基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送。
9.进一步地，所述基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息之前，所述方法还包括：
10.从预设历史对话文本数据库中获取历史对话文本数据，并对所述历史对话文本数据进行上下文语境分析，确定带有训练标签的对话语义特征信息以及对话情感特征信息；
11.基于所述历史对话文本数据以及所述带有训练标签的对话语义特征信息以及对话情感特征信息，对初始文本特征处理模型进行模型训练，得到完成模型训练的文本特征处理模型。
12.进一步地，所述基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据包括：
13.从预设历史对话文本数据库中获取历史对话文本数据，确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据，所述对话情感特征信息包括用户情绪特征信息、交易程度特征信息；
14.按照所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据，通过已完成模型训练的特征排序模型对所述参考对话文本数据进行排序处理，得到带有排序标记
的所述参考对话文本数据；
15.将第一排序标记所对应的参考对话文本数据确定为待推送对话文本数据。
16.进一步地，所述确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据包括：
17.对所述历史对话文本数据进行上下文语境分析，确定历史语义特征信息、历史对话情感特征信息；
18.将所述对话语义特征信息、所述对话情感特征信息与所述历史语义特征信息、所述历史对话情感特征信息进行匹配，确定第一参考对话文本数据；
19.按照所述用户画像数据中的身份特征信息、交易特征信息从所述第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。
20.进一步地，所述基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送之后，所述方法还包括：
21.若完成待推送对话文本数据的推送后，完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并更新至所述预设历史对话文本数据库中，以重新对所述文本特征处理模型进行模型训练；
22.若完成待推送对话文本数据的推送后，未完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并基于所述回复对话文本数据对所述目标语境对话中的对话文本数据进行更新，以重新进行对话语义特征信息以及对话情感特征信息的提取。
23.进一步地，所述方法还包括：
24.检测所述待推送对话文本数据进行推送后的回复对话文本数据中是否存在与所述对话文本数据匹配的业务关键词，所述业务关键词为与所述对话文本数据中具有业务对话关系的词语；
25.若存在与所述对话文本数据匹配的业务关键词，则确认所述业务操作未执行完成，以将所述回复对话文本数据更新至所述对话文本数据中；
26.若不存在与所述对话文本数据匹配的业务关键词，则确定所述业务操作执行完成。
27.进一步地，所述确定与所述对话文本数据匹配的用户画像数据包括：
28.确定所述目标语境对话对应的业务信息，并解析所述对话文本数据中的业务关键词、以及身份关键词；
29.从用户画像数据库中提取与所述业务关键词、所述身份关键词所匹配的用户画像数据，所述用户画像数据库中存储有不同业务信息所对应的全部用户画像数据。
30.依据本发明一个方面，提供了一种对话文本的推送装置，包括：
31.获取模块，用于获取目标语境对话中的对话文本数据；
32.确定模块，用于基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；
33.推送模块，用于基于所述对话语义特征信息、所述对话情感特征信息、所述用户画
像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送。
34.进一步地，所述装置还包括：训练模块，
35.所述获取模块，还用于从预设历史对话文本数据库中获取历史对话文本数据，并对所述历史对话文本数据进行上下文语境分析，确定带有训练标签的对话语义特征信息以及对话情感特征信息；
36.所述训练模块，用于基于所述历史对话文本数据以及所述带有训练标签的对话语义特征信息以及对话情感特征信息，对初始文本特征处理模型进行模型训练，得到完成模型训练的文本特征处理模型。
37.进一步地，所述确定模块包括：
38.获取单元，用于从预设历史对话文本数据库中获取历史对话文本数据，确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据，所述对话情感特征信息包括用户情绪特征信息、交易程度特征信息；
39.处理单元，用于按照所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据，通过已完成模型训练的特征排序模型对所述参考对话文本数据进行排序处理，得到带有排序标记的所述参考对话文本数据；
40.确定单元，用于将第一排序标记所对应的参考对话文本数据确定为待推送对话文本数据。
41.进一步地，所述获取单元包括：
42.第一确定子单元，用于对所述历史对话文本数据进行上下文语境分析，确定历史语义特征信息、历史对话情感特征信息；
43.第二确定子单元，用于将所述对话语义特征信息、所述对话情感特征信息与所述历史语义特征信息、所述历史对话情感特征信息进行匹配，确定第一参考对话文本数据；
44.筛选子单元，用于按照所述用户画像数据中的身份特征信息、交易特征信息从所述第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。
45.进一步地，所述装置还包括：更新模块，
46.所述更新模块，用于若完成待推送对话文本数据的推送后，完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并更新至所述预设历史对话文本数据库中，以重新对所述文本特征处理模型进行模型训练；
47.所述更新模块，还用于若完成待推送对话文本数据的推送后，未完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并基于所述回复对话文本数据对所述目标语境对话中的对话文本数据进行更新，以重新进行对话语义特征信息以及对话情感特征信息的提取。
48.进一步地，所述装置还包括：检测模块，
49.所述检测模块，用于检测所述待推送对话文本数据进行推送后的回复对话文本数据中是否存在与所述对话文本数据匹配的业务关键词，所述业务关键词为与所述对话文本数据中具有业务对话关系的词语；
50.所述确定模块，还用于若存在与所述对话文本数据匹配的业务关键词，则确认所述业务操作未执行完成，以将所述回复对话文本数据更新至所述对话文本数据中；
51.所述确定模块，还用于若不存在与所述对话文本数据匹配的业务关键词，则确定所述业务操作执行完成。
52.进一步地，所述确定模块包括：
53.解析单元，用于确定所述目标语境对话对应的业务信息，并解析所述对话文本数据中的业务关键词、以及身份关键词；
54.提取单元，用于从用户画像数据库中提取与所述业务关键词、所述身份关键词所匹配的用户画像数据，所述用户画像数据库中存储有不同业务信息所对应的全部用户画像数据。
55.根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述对话文本的推送方法对应的操作。
56.根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
57.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述对话文本的推送方法对应的操作。
58.借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
59.本发明提供了一种对话文本的推送方法及装置、计算机存储介质、终端，与现有技术相比，本发明实施例通过获取目标语境对话中的对话文本数据；基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送，满足了与用户进行对话的针对性文本数据的推送需求，实现多样化的用户对话场景，使用户基于推送的对话文本数据进行回复更加准确，从而提高人机对话的准确性以及有效性。
60.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
61.构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
62.参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
63.图1示出了本发明实施例提供的一种对话文本的推送方法流程图；
64.图2示出了本发明实施例提供的另一种对话文本的推送方法流程图；
65.图3示出了本发明实施例提供的又一种对话文本的推送方法流程图；
66.图4示出了本发明实施例提供的再一种对话文本的推送方法流程图；
67.图5示出了本发明实施例提供的多一种对话文本的推送方法流程图；
68.图6示出了本发明实施例提供的一种保险产品的电话销售流程示意图；
69.图7示出了本发明实施例提供的一种对话文本的推送装置组成框图；
70.图8示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
71.现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
72.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
73.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
74.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
75.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
76.本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
77.计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
78.针对由于固定的话术逻辑无法满足多样化的用户对话需求，导致无法准确匹配到与用户录入对话内容对应的回复内容，影响对话内容的智能回复效果，从而降低对话文本的推送准确性本发明实施例提供了一种对话文本的推送方法，如图1所示，该方法包括：
79.101、获取目标语境对话中的对话文本数据。
80.本发明实施例中，在当前执行端提供智能机器人与用户进行人机对话的场景中，当前执行端可以为执行人机对话的终端设备或服务端，从而在不同的语境对话中进行人机对话。其中，本发明实施例中进行人机对话的智能机器人为按照智能算法按照确定的对话文本为用户提供语音播报的仿真对话的实现方法，语境则为预先配置适用于针对不同业务信息执行业务操作的人机对话语境，以为智能机器人提供匹配的对话文本，包括但不限于保险产品的咨询语境、保险理赔的申请语境、保险产品的营销语境等，从而从多个预先配置好的语境选取目标语境，为智能机器人配置对话文本，本发明实施例不做具体限定。
81.需要说明的是，当确定目标语境对话后，为了实现精准的对话文本的推送，获取目标语境中的对话文本数据，此时，对话文本数据可以为当前目标语境中人机对话所产生的上下文文本数据，从而基于此对话文本数据确定出需要推荐的对话文本。其中，对话文本数据的语种包括但不限于汉语、英语、法语等，从而在进行目标语境中进行人机对话时，基于用户的语种来选择对应的语种进行对话，同时，对话文本数据可以为包含有多个词语的一
句文本内容，也可以为由一个词语组成的文本内容，本发明实施例不做具体限定。
82.102、基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据。
83.本发明实施例中，为了准确提取出对话文本数据的特征，从而进行针对性的对话文本数据推荐，获取对话文本数据后，基于已完成模型训练的文本特征处理模型提取对话文本数据中的对话语义特征信息以及对话情感特征信息。其中，对话语义特征信息为对话文本数据中用于表征上下文语义的特征向量内容，对话情感特征信息为为对话文本数据中用于表征语义情感的特征向量，包括但不限于用户情绪特征信息、交易程度特征信息，此时，基于已完成模型训练的文本特征处理模型对对话文本数据进行处理，从而提取出对话语义特征信息以及对话情感特征信息。
84.需要说明的是，本发明实施例中，为了提高确定对话文本数据匹配的待推送的对话文本数据，则获取此对话文本数据匹配的用户画像数据。其中，用户画像数据为通过不同基础数据建立描绘用户的标签内容，例如用户性别、用户年龄、用户职业等，从而对用户特征进行描述，本发明实施例不做具体限定。本发明实施例中用户画像数据可以为预先存储在当前执行端中，也可以通过向云端服务器进行请求来获取，不同的对话文本数据可以匹配到对应的用户画像数据，本发明实施例不做具体限定。
85.103、基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送。
86.本发明实施例中，在一个目标语境中，当基于对话文本数据得到的对话语义特征信息、对话情感特征信息以及用户画像数据后，确定与对话文本数据匹配的待推送对话文本数据，此时，待推送对话文本数据则为与对话文本数据匹配的待进行智能机器人语音对话回复的对话文本数据，从而向智能机器人进行推送，使智能机器人进行播报，本发明实施例不做具体限定。
87.需要说明的是，在确定待推送对话文本数据时，可以基于预先配置的特征对应关系从多个的参考对话文本数据中查找到匹配的对话文本数据，还可以基于已完成训练的特征排序模型对多个参考对话文本数据进行筛选，从而确定待推送对话文本数据，本发明实施例不做具体限定。
88.在一个本发明实施例中，为了进一步限定及说明，如图2所示，步骤基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息之前，所述方法还包括：
89.201、从预设历史对话文本数据库中获取历史对话文本数据，并对所述历史对话文本数据进行上下文语境分析，确定带有训练标签的对话语义特征信息以及对话情感特征信息；
90.202、基于所述历史对话文本数据以及所述带有训练标签的对话语义特征信息以及对话情感特征信息，对初始文本特征处理模型进行模型训练，得到完成模型训练的文本特征处理模型。
91.为了实现对对话语义特征信息、对话情感特征信息的准确提取，从预设历史对话文本数据库中获取历史对话文本数据，从而进行上下文语境分析，以对初始文被特征处理模型进行模型训练，得到用于特征提取的文本特征处理模型。其中，预设历史对话文本数据
库中存储有大量不同语境中已完成人工对话的历史对话文本数据，此时，由于不同语境可以满足不同业务需求，因此，历史对话文本数据可以为最优且具有参考价值的对话文本数据，例如，在保险销售语境中，历史对话文本数据可以为优秀销售业务员进行保险产品营销所对应的对话文本数据，本发明实施例不做具体限定。当获取历史对话文本数据后，对此至少一个历史对话文本数据进行上下文语境分析，确定带有训练标签的对话语义特征信息以及对话情感特征信息，此时，上下文语境分析用于表征对对话内容中语义进行分析，确定对话文本中语义特征、情感特征，本发明实施例中可以基于预先建立的语境分析库中的词语与语义特征、情感特征对应关系进行分析识别，也可以基于人工对历史对话文本数据中的话语义特征信息以及对话情感特征信息进行标记，从而得到带有训练标签的对话语义特征信息以及对话情感特征信息，以进行模型训练，本发明实施例中不做具体限定。
92.需要说明的是，本发明实施例中的初始文本特征处理模型为一种预训练语言模型bert模型，作为待训练的历史对话文本数据以及带有训练标签的对话语义特征信息以及对话情感特征信息，均以向量形式表示，从而基于历史对话文本数据以及带有训练标签的对话语义特征信息以及对话情感特征信息，对初始文本特征处理模型进行模型训练，得到完成模型训练的文本特征处理模型。其中，对于bert模型的模型训练不做具体限定，同时，为了满足对话处理业务的快速、便捷性的需求，对于初始文本特征处理模型并不做进一步地优化，从而在完成模型训练后，直接利用完成模型训练的文本特征处理模型进行特征提取。
93.在一个本发明实施例中，为了进一步限定及说明，如图3所示，步骤基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据包括：
94.301、从预设历史对话文本数据库中获取历史对话文本数据，确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据；
95.302、按照所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据，通过已完成模型训练的特征排序模型对所述参考对话文本数据进行排序处理，得到带有排序标记的所述参考对话文本数据；
96.303、将第一排序标记所对应的参考对话文本数据确定为待推送对话文本数据。
97.本发明实施例中，为了准确基于已提取的话语义特征信息、所述对话情感特征信息以及用户画像数据确定待推送对话文本数据，获取至少一个参考对话文本，从而根据已完成训练的特征排序模型对各个参考对话文本的排序，确定出待推送对话文本数据。相同的，预设历史对话文本数据库中存储有大量不同语境中已完成人工对话的历史对话文本数据，此时，由于不同语境可以满足不同业务需求，因此，历史对话文本数据可以为最优且具有参考价值的对话文本数据，此时，可以基于话语义特征信息、对话情感特征信息、用户画像数据匹配的至少一个参考对话文本数据。具体的，可以基于预先配置的参考对话对应关系进行确定，例如，参数对话对应关系中记录有购买语义(话语义特征信息)、感兴趣特征(对话情感特征信息)、女性特征(用户画像数据)所对应的参考对话文本数据1，参考对话文本数据2，从而按照购买语义、感兴趣特征、女性特征，通过已完成模型训练的特征排序模型对参考对话文本数据1，参考对话文本数据2进行排序处理，得到带有排序标记的参考对话文本数据1，参考对话文本数据2。另外，为了提高参考对话文本数据的匹配准确性，对话情感特征信息进一步包括用户情绪特征信息、交易程度特征信息，用户情绪特征信息用于表
征对话过程中用户情绪的特征内容，例如，可以基于用户录入对话文本数据中“混蛋”词语，提取出用户情绪特征为不高兴，交易程度特征信息用于表征对话时对于交易成功是否具有强烈意向，例如，可以基于用户录入对话文本数据中“我想买保险1”词语，提取出交易程度特征信息为交易意向强烈，本发明实施例不做具体限定。
98.需要说明的是，本发明实施例中的特征排序模型可以为基于机器学习算法中的深度学习模型xdeepfm、din等，从而通过特征排序模型对多个参考对话文本数据进行排序，排序的依据可以为与对话语义特征信息、对话情感特征信息、用户画像数据匹配最优的参考对话文本数据，例如基于带有最优排序标签的参考对话文本训练样本集对深度学习模型进行训练，得到特征排序模型，本发明实施例不做具体限定。当得到带有排序标记的所述参考对话文本数据，将第一排序标记所对应的参考对话文本数据确定为待推送对话文本数据，即将带有排序标记的多个参考对话文本数据中的第一排序的参考对话文本数据作为待推送对话文本数据，从而作为智能机器人进行回复的对话文本数据。
99.在一个本发明实施例中，为了进一步限定及说明，如图4所示，步骤确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据包括：
100.401、对所述历史对话文本数据进行上下文语境分析，确定历史语义特征信息、历史对话情感特征信息；
101.402、将所述对话语义特征信息、所述对话情感特征信息与所述历史语义特征信息、所述历史对话情感特征信息进行匹配，确定第一参考对话文本数据；
102.403、按照所述用户画像数据中的身份特征信息、交易特征信息从所述第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。
103.具体的，为了提高对参考对话文本数据的匹配准确性，从而进行对话的最优推荐，对历史对话文本数据进行上下文语境分析，确定出历史语义特征信息、历史对话情感特征信息后，将提取得到的对话语义特征信息、对话情感特征信息与历史语义特征信息、历史对话情感特征信息进行匹配，此时，可以按照词语相似度值进行匹配，从而将相似度符合阈值的历史语义特征信息、历史对话情感特征信息所对应的历史对话文本数据作为第一参考对话文本数据，对于相似度预置不做具体限定。进一步地，在确定至少一个第一参考对比文本数据后，按照用户画像数据中的身份特征信息、交易特征信息从第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。其中，用户画像数据中包含有身份特征信息、交易特征信息，分别用于限定用户身份，以及用户对于特定产品是否交易成功，因此，从第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。筛选的方法可以为按照身份特征词语、交易特征词语与第一参考对话文本数据中的词语进行一一对比，将匹配(可以按照完全比较也可以按照相似度匹配的方法进行匹配)的参考对话文本数据作为筛选得到的第二参考对话文本数据，本发明实施例不做具体限定。
104.在一个本发明实施例中，为了进一步限定及说明，步骤基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送之后，所述方法还包括：
105.若完成待推送对话文本数据的推送后，完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并更新至所述预设历史对话文本数据库中，以重新对所述文本特征处理模型进行模型训练；
106.若完成待推送对话文本数据的推送后，未完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并基于所述回复对话文本数据对所述目标语境对话中的对话文本数据进行更新，以重新进行对话语义特征信息以及对话情感特征信息的提取。
107.具体的，在将待推送对话文本数据作为向智能机器人进行推送后，为了提高各机器学习模型的处理准确性，在完成推送后且完成目标语境对话匹配的业务操作时，获取用户录入的回复对话文本数据，并将此回复对话文本数据更新至预设历史对话文本数据库中，以便基于更新后的历史对话文本数据对文本特征处理模型进行重新模型训练。在完成推送后且未完成与目标语境对话匹配的业务操作时，则获取用户录入的回复对话文本数据，并基于此回复对话文本数据对目标语境对话中的对话文本数据进行更新，即说明此时要将用户录入的回复对话文本数据在未完成业务操作时，作为确定待推送对话文本数据的新的对话文本数据进行特征提取以及排序处理等步骤的执行。例如，如图6所示的保险产品的电话销售流程中，本发明实施例中步骤101-103的执行方法作为话术推荐模型，将待推送对话文本数据推送给机器人回复坐席，以便进行优秀话术的播报，用户进行语音回复，作为反馈的回复对话文本数据，当完成保险销售操作后，将对话文本数据更新至历史对话文本数据中，若未完成保险销售操作后，作为对话上下文更新至步骤101中的对话文本数据中。另外，业务操作包括但不限于不同语境所匹配的业务执行内容，例如，保险购买操作、保险理赔操作等，本发明实施例不做具体限定。
108.在一个本发明实施例中，为了进一步限定及说明，如图5所示，步骤还包括：
109.501、检测所述待推送对话文本数据进行推送后的回复对话文本数据中是否存在与所述对话文本数据匹配的业务关键词；
110.502、若存在与所述对话文本数据匹配的业务关键词，则确认所述业务操作未执行完成，以将所述回复对话文本数据更新至所述对话文本数据中；
111.503、若不存在与所述对话文本数据匹配的业务关键词，则确定所述业务操作执行完成。
112.本发明实施例中，为了确保基于推送的对话文本数据完成业务操作，在推送后，智能机器人向用户播报推送对话文本数据后，当前执行端接收到用户录入的回复对话文本数据，此时，检测此回复对话文本数据中是否存在匹配的业务关键词。其中，所述业务关键词为与所述对话文本数据中具有业务对话关系的词语，若存在对话文本数据匹配的业务关键词，则说明此回复对话文本数据与对话文本数据处于相同业务信息所对应的语境中，属于用户基于推送对话文本数据进行针对性回复的内容，因此，确定当前业务操作未执行完成，则将此回复对话文本数据更新至对话文本数据中，以重新确定待推送的对话文本数据。若不存在对话文本数据匹配的业务关键词，则说明此回复对话文本数据与对话文本数据未处于相同业务信息所对应的语境中，属于用户基于推送对话文本数据进行非针对性回复的内容，因此，确定当前业务操作已完成，此时，进而还可以推送结束语，以便推送智能机器人进行结束对话，本发明实施例不做具体限定。
113.在一个本发明实施例中，为了进一步限定及说明，步骤确定与所述对话文本数据匹配的用户画像数据包括：确定所述目标语境对话对应的业务信息，并解析所述对话文本数据中的业务关键词、以及身份关键词；从用户画像数据库中提取与所述业务关键词、所述身份关键词所匹配的用户画像数据。
114.本发明实施例中，为了准确确定出待推送对话文本数据，确定与对话文本数据匹配的用户画像数据，具体为首先确定与目标语境对话匹配的业务信息，此时，业务信息包括但不限于保险销售、产品介绍、信息收集等，本发明实施例不做具体限定。同时，基于自然语言处理技术解析出对话文本数据中此业务信息对应的业务关键词以及身份关键词，例如，业务信息为保险营销，对话文本数据为“我想咨询，我33岁可以购买保险a吗”，解析的业务关键词为保险a，身份关键词为33岁。进一步地，从用户画像数据库中提取与业务关键词、身份关键词对应的用户画像数据，用户画像数据库中存储有不同业务信息所对应的全部用户画像数据，例如，根据业务关键词保险a、身份关键词33岁从用户画像数据库中提取用户画像数据为33岁购买保险a的用户信息，本发明实施例不做具体限定。
115.本发明实施例提供了一种对话文本的推送方法，与现有技术相比，本发明实施例通过获取目标语境对话中的对话文本数据；基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送，满足了与用户进行对话的针对性文本数据的推送需求，实现多样化的用户对话场景，使用户基于推送的对话文本数据进行回复更加准确，从而提高人机对话的准确性以及有效性。
116.进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种对话文本的推送装置，如图7所示，该装置包括：
117.获取模块61，用于获取目标语境对话中的对话文本数据；
118.确定模块62，用于基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；
119.推送模块63，用于基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送。
120.进一步地，所述装置还包括：训练模块，
121.所述获取模块，还用于从预设历史对话文本数据库中获取历史对话文本数据，并对所述历史对话文本数据进行上下文语境分析，确定带有训练标签的对话语义特征信息以及对话情感特征信息；
122.所述训练模块，用于基于所述历史对话文本数据以及所述带有训练标签的对话语义特征信息以及对话情感特征信息，对初始文本特征处理模型进行模型训练，得到完成模型训练的文本特征处理模型。
123.进一步地，所述确定模块包括：
124.获取单元，用于从预设历史对话文本数据库中获取历史对话文本数据，确定与所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据匹配的至少一个参考对话文本数据，所述对话情感特征信息包括用户情绪特征信息、交易程度特征信息；
125.处理单元，用于按照所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据，通过已完成模型训练的特征排序模型对所述参考对话文本数据进行排序处理，得到带有排序标记的所述参考对话文本数据；
126.确定单元，用于将第一排序标记所对应的参考对话文本数据确定为待推送对话文本数据。
127.进一步地，所述获取单元包括：
128.第一确定子单元，用于对所述历史对话文本数据进行上下文语境分析，确定历史语义特征信息、历史对话情感特征信息；
129.第二确定子单元，用于将所述对话语义特征信息、所述对话情感特征信息与所述历史语义特征信息、所述历史对话情感特征信息进行匹配，确定第一参考对话文本数据；
130.筛选子单元，用于按照所述用户画像数据中的身份特征信息、交易特征信息从所述第一参考对话文本数据中筛选第二参考对话文本数据，作为待进行排序的至少一个参考对话文本数据。
131.进一步地，所述装置还包括：更新模块
132.所述更新模块，用于若完成待推送对话文本数据的推送后，完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并更新至所述预设历史对话文本数据库中，以重新对所述文本特征处理模型进行模型训练；
133.所述更新模块，还用于若完成待推送对话文本数据的推送后，未完成与所述目标语境对话匹配的业务操作，则获取录入的回复对话文本数据，并基于所述回复对话文本数据对所述目标语境对话中的对话文本数据进行更新，以重新进行对话语义特征信息以及对话情感特征信息的提取。
134.进一步地，所述装置还包括：检测模块，
135.所述检测模块，用于检测所述待推送对话文本数据进行推送后的回复对话文本数据中是否存在与所述对话文本数据匹配的业务关键词，所述业务关键词为与所述对话文本数据中具有业务对话关系的词语；
136.所述确定模块，还用于若存在与所述对话文本数据匹配的业务关键词，则确认所述业务操作未执行完成，以将所述回复对话文本数据更新至所述对话文本数据中；
137.所述确定模块，还用于若不存在与所述对话文本数据匹配的业务关键词，则确定所述业务操作执行完成。
138.进一步地，所述确定模块包括：
139.解析单元，用于确定所述目标语境对话对应的业务信息，并解析所述对话文本数据中的业务关键词、以及身份关键词；
140.提取单元，用于从用户画像数据库中提取与所述业务关键词、所述身份关键词所匹配的用户画像数据，所述用户画像数据库中存储有不同业务信息所对应的全部用户画像数据。
141.本发明实施例提供了一种对话文本的推送装置，与现有技术相比，本发明实施例通过获取目标语境对话中的对话文本数据；基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；基于所述对话语义特征信息、所述对话情感特征信息、所述用户
画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送，满足了与用户进行对话的针对性文本数据的推送需求，实现多样化的用户对话场景，使用户基于推送的对话文本数据进行回复更加准确，从而提高人机对话的准确性以及有效性。
142.根据本发明一个实施例提供了一种计算机存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的理赔数据的处理方法。
143.图8示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
144.如图8所示，该终端可以包括：处理器(processor)702、通信接口(communications interface)704、存储器(memory)706、以及通信总线708。
145.其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。
146.通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。
147.处理器702，用于执行程序710，具体可以执行上述理赔数据的处理方法实施例中的相关步骤。
148.具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
149.处理器702可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
150.存储器706，用于存放程序710。存储器706可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
151.程序710具体可以用于使得处理器302执行以下操作：
152.获取目标语境对话中的对话文本数据；
153.基于已完成模型训练的文本特征处理模型提取所述对话文本数据中的对话语义特征信息以及对话情感特征信息，并确定与所述对话文本数据匹配的用户画像数据；
154.基于所述对话语义特征信息、所述对话情感特征信息、所述用户画像数据确定与所述对话文本数据匹配的待推送对话文本数据，并进行推送。
155.本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
156.可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
157.本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描
述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。