一种对话交互方法、设备及存储介质与流程

1.本技术涉及互联网技术领域，尤其涉及一种对话交互方法、设备及存储介质。


背景技术：

2.电商领域中的智能客服系统主要用于为用户的各种事务问题进行自动回复。但是，目前智能客服系统只能针对高频事务问题进行回复，而且答案通常比较生硬、比较官方。
3.随着技术的发展和对用户实际需求更加准确的捕捉，智能客服系统的服务范围不断扩大，能力涵盖范围也发生了明显的变化，对智能客服系统的类人能力提出了更高的要求。在这种趋势下，传统的智能客服系统已经无法满足服务需求。


技术实现要素：

4.本技术的多个方面提供一种对话交互方法、设备及存储介质，用以在对话交互过程中更加准确地对用户进行情绪安抚。
5.本技术实施例提供一种对话交互方法，包括：
6.接收用户端发出的用户对话；
7.分析用户对话获得对话特性；
8.在多个情绪安抚模式中，基于对话特性确定与所述用户对话适配的目标情绪安抚模式；
9.按照所述目标情绪安抚模式，生成所述用户对话对应的应答对话；
10.输出所述应答对话来回复所述用户对话。
11.可选地，分析用户对话获得对话特性包括：
12.对用户对话进行处理以确定用户对话的至少二种对话特性，每一对话特性包括多种类别。
13.可选地，其中至少二种对话特性至少包括主题特性和情绪特性，基于对话特性确定与所述用户对话适配的目标情绪安抚模式包括：
14.根据用户对话的主题特性类别和情绪特性类别，确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模式下的目标情绪安抚策略；
15.其中，所述目标情绪安抚模式包含至少一种情绪安抚策略，不同情绪安抚策略对应于不同的对话特性类别或对话特性类别组合。
16.可选地，基于对话特性确定与所述用户对话适配的目标情绪安抚模式还包括：
17.响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模型下的目标情绪安抚策略。
18.可选地，其中对话特性还包括语义特性，基于对话特性确定与所述用户对话适配的目标情绪安抚模式还包括：
19.根据用户对话的语义特性类别、情绪特性类别和主题特性类别，确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模型下的目标情绪安抚策略。
20.可选地，基于对话特性确定与所述用户对话适配的目标情绪安抚模式还包括：
21.判断语义特性类别是否符合第二预设条件；
22.响应于语义特性类别符合第二预设条件，根据用户对话的语义特性类别确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模型下的目标情绪安抚策略；
23.响应于语义特性类别不符合第二预设条件，判断主题特性类别是否符合第一预设条件；
24.响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模型下的目标情绪安抚策略。
25.可选地，基于对话特性确定与所述用户对话适配的目标情绪安抚模式还包括：
26.响应于主题特性类别不符合第一预设条件，根据用户对话的情绪特性类别确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模型下的目标情绪安抚策略。
27.可选地，响应于语义特性类别符合第二预设条件，根据用户对话的语义特性类别确定与所述用户对话适配的目标情绪安抚模式以及所述目标情绪安抚模式下的目标情绪安抚策略，包括：
28.当所述用户对话的语义特性类别属于第一情绪安抚模式所要求的特定对话特性类别，则将所述第一情绪安抚模式确定为所述目标情绪安抚模式；
29.在所述目标情绪安抚模式包含的至少一条情绪安抚策略中，选取与所述用户对话的语义特性类别对应的目标情绪安抚策略。
30.可选地，所述目标情绪安抚策略中包含对话特征类别与安抚内容之间的映射关系，所述按照所述目标情绪安抚模式，生成所述用户对话对应的应答对话，包括：
31.在所述目标情绪安抚模式下的目标情绪安抚策略中，查找与所述用户对话的对话特征类别匹配的安抚内容；
32.根据所述安抚内容，生成所述用户对话对应的应答内容。
33.本技术实施例还提供一种计算设备，包括存储器、处理器和通信组件；
34.所述存储器用于存储一条或多条计算机指令；
35.所述处理器与所述存储器和所述通信组件耦合，用于执行所述一条或多条计算机指令，以用于：
36.利用所述通信组件接收用户端发出的用户对话；
37.分析用户对话获得对话特性；
38.在多个情绪安抚模式中，基于对话特性确定与所述用户对话适配的目标情绪安抚模式；
39.按照所述目标情绪安抚模式，生成所述用户对话对应的应答对话；
40.利用所述通信组件输出所述应答对话来回复所述用户对话。
41.本技术实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的对话交互方法。
42.在本技术实施例中，可分析用户对话而获得对话特性，并可在预先配置的多个情绪安抚模式中，基于用户对话的对话特性确定与所述用户对话适配的目标情绪安抚模式。其中，不同情绪安抚模式可提供不同细致程度的安抚操作，通过对话特性，可尽量细致的感知用户对话中的用户情感，因此，可为用户对话匹配到细致程度尽量高的情绪安抚模式，这使得，本技术实施例中，可对用户对话执行尽量细致的安抚操作，从而更加准确地安抚用户情绪，提高对话交互服务中的类人能力。
附图说明
43.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
44.图1为本技术一示例性实施例提供的一种对话交互方法的流程示意图；
45.图2为本技术一示例性实施例提供的一种对话交互方案的逻辑示意图；
46.图3为本技术一示例性实施例提供的一种基于情绪特性和主题特性的适配方案的逻辑示意图；
47.图4为本技术一示例性实施例提供的一种基于语义特性类别、情绪特性类别和主题特性类别的适配方案的逻辑示意图；
48.图5为本技术另一示例性实施例提供的一种计算设备的结构示意图。
具体实施方式
49.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
50.目前，传统的智能客服系统已经无法满足服务需求。为此，本技术的一些实施例中：可分析用户对话而获得对话特性，并可在预先配置的多个情绪安抚模式中，基于用户对话的对话特性确定与所述用户对话适配的目标情绪安抚模式。其中，不同情绪安抚模式可提供不同细致程度的安抚操作，通过对话特性，可尽量细致的感知用户对话中的用户情感，因此，可为用户对话匹配到细致程度尽量高的情绪安抚模式，这使得，本技术实施例中，可对用户对话执行尽量细致的安抚操作，从而更加准确地安抚用户情绪，提高对话交互服务中的类人能力。
51.以下结合附图，详细说明本技术各实施例提供的技术方案。
52.图1为本技术一示例性实施例提供的一种对话交互方法的流程示意图，图2为本技术一示例性实施例提供的一种对话交互方案的逻辑示意图，其中，该方法可由对话交互装置执行，该对话交互装置可实现为软件和/或硬件的结合，该对话交互装置可集成在计算设备中。参考图1，该方法包括：
53.步骤100、接收用户端发出的用户对话；
54.步骤101、分析用户对话获得对话特性；
55.步骤102、在多个情绪安抚模式中，基于对话特性确定与用户对话适配的目标情绪安抚模式；
56.步骤103、按照目标情绪安抚模式，生成用户对话对应的应答对话；
57.步骤104、输出应答对话来回复用户对话。
58.本实施例提供的对话交互方法可应用于各种对话交互场景中，例如，智能客服场景、智能导航场景、智能导诊场景、智能迎宾场景、智能教育场景、智能健康场景等，当然，这些仅是示例性的，本实施例对应用场景不做限定。
59.对用户来说，可通过用户端发出用户对话，在不同的应用场景中，用户对话中的对话内容可能是千变万化的。例如，在智能客服场景中，用户对话可能是一句对物流状态的询问语句。
60.发明人在研究过程中发现，针对同一个话题，用户在不同情感状态下，发出的用户对话可能存在差别。例如，在用户对物流速度不满的情况下，对物流状态的询问对话可能为“我很气愤，我的订单发货怎么这么慢”，而在用户焦急等待物流的情况下，对物流状态的询问对话可能会变为“我的订单怎么还没送达，急死我了”。从这些示例性的用户对话来看，用户会将用户情感投射到用户对话中。
61.为此，参考图1和图2，在步骤101中，可分析用户对话而获得对话特性。对话特性可用于描述用户对话的属性特征，因此，对话特性可作为感知用户对话中所蕴含的用户情感的依据。值得说明的是，本实施例中，对话特性并不局限于通用的情绪特性，而是可采用其它可直接或间接体现用户情感的属性特征，例如，主题特性或语义特性等。据此，可通过对话特性，尽量细致的感知用户对话中的用户情感。
62.参考图1和图2，在步骤102中，可在多个情绪安抚模式中，基于对话特性确定与用户对话适配的目标情绪安抚模式。为此，本实施例中，可预先配置多个情绪安抚模式，不同情绪安抚模式对对话特性的要求不同，这样，可基于多个情绪安抚模式各自对对话特性的要求，确定用户对话的对话特性所符合的目标情绪安抚模式。其中，多个情绪安抚模式各自对对话特性的要求可根据实际需要进行配置，本实施例对此不做具体限定。例如，该要求中可包含对对话特性的数量、包含的具体类别等方面提出的要求。
63.基于此，参考图1和图2，在步骤103中，可按照目标情绪安抚模式，生成用户对话对应的应答对话。本实施例中，不同的情绪安抚模式可提供不同细致程度的安抚操作，例如，某种情绪安抚模式下可提供比较粗略的通用情绪安抚操作，某种情绪安抚模式下可较为细致的在特定主题下提供安抚操作，而某种情绪安抚模式下则可非常细致的提供专家经验式安抚操作。这样，在为用户对话匹配到合适的目标情绪安抚模式的情况下，用户对话可获得尽量细致的安抚操作。
64.其中，在步骤103中，可按照目标情绪安抚模式，生成用户对话对应的安抚内容；再根据安抚内容生成用户对话对应的应答内容。实际应用中，对用户对话的应答内容中，除了包含本实施例中的安抚内容外，还可能包含非安抚内容，例如，事务回复内容等。对此，可选地，在根据安抚内容生成用户对话对应的应答内容过程中，若存在为用户对话生成的非安抚内容，则可将安抚内容融合到为用户对话生成的非安抚内容中，以获得用户对话的应答内容，例如，将安抚内容添加到非安抚内容的前面，或者按照安抚内容调整非安抚内容中的语气、措辞等；若不存在为用户对话生成的非安抚内容，则可将安抚内容直接作为应答内容。
65.参考图1和图2，在生成用户对话对应的应当对话后，在步骤104中，可输出应答对
话来回复用户对话。
66.据此，本实施例中，可分析用户对话而获得对话特性，并可在预先配置的多个情绪安抚模式中，基于用户对话的对话特性确定与所述用户对话适配的目标情绪安抚模式。其中，不同情绪安抚模式可提供不同细致程度的安抚操作，通过对话特性，可尽量细致的感知用户对话中的用户情感，因此，可为用户对话匹配到细致程度尽量高的情绪安抚模式，这使得，本技术实施例中，可对用户对话执行尽量细致的安抚操作，从而更加准确地安抚用户情绪，提高对话交互服务中的类人能力。
67.在上述或下述实施例中，可对用户对话进行处理以确定用户对话的至少两种对话特性，每一对话特性可包括多种类别。基于此，本实施例中，可根据用户对话的对话特性类别，在多个情绪安抚模式中确定与用户对话适配的目标情绪安抚模式。
68.其中，不同情绪安抚模式对对话特性的要求不同，对对话特性的要求可包括但不限于对对话特性的数量、所包含类别之间的组合情况等方面的要求，这样，可通过判断用户对话的对话特性是否符合情绪安抚模式对对话特性的要求来确定目标情绪安抚模式。举例来说，情绪安抚模式a对对话特性的要求可以是对话特性a下包含的对话特性类别需要属于特定对话特性类别，对此，若用户对话具有对话特性a且在对话特性a下的对话特性类别属于情绪模式a要求的特定对话特性类别，则可确定情绪模式a与用户对话相适配。在实践中，基于情绪安抚模式对对话特性的要求进行适配的过程中，可能出现与用户对话适配的情绪安抚模式有多个的情况，本实施例中，可从中选择最合适的一个作为目标情绪安抚模式。
69.正如上文提及的，不同情绪安抚模式可提供不同细致程度的安抚操作，为了准确确定出目标情绪安抚模式，本实施例中，可按照多个情绪安抚模式各自所提供的安抚操作的细致程度，配置多个情绪安抚模式之间的层级关系。例如，可按照所能提供的安抚操作由细到粗的顺序，排列多个情绪安抚模式之间的层级，这样，最高层级的情绪安抚模式可提供最细致的安抚操作，当然，这仅是示例性的，本实施例中也可按此倒序来配置多个情绪安抚模式之间的层级关系，在此不做限定。
70.在此基础上，本实施例中，可按照多个情绪安抚模式所能提供的安抚操作由细到粗的顺序，依次判断用户对话与多个情绪安抚模式是否适配；在查找到与用户对话适配的情绪安抚模式后停止后续适配操作，以确定出目标情绪安抚模式。这样，通过依次适配的方式，可快速准确地为用户对话确定出最合适的目标情绪安抚模式，且可保证用户对话能够获得尽量细致的安抚操作。
71.本实施例中，还可在每个情绪安抚模式下配置至少一种情绪安抚策略，不同的情绪安抚策略对应于不同的对话特征类别或对话特性类别组合。基于此，本实施例中，可根据用户对话的对话特性类别，确定与用户对话适配的目标情绪安抚模式下的目标情绪安抚策略。其中，情绪安抚策略包含对话特性类别或对话特性类别组合与安抚内容之间的映射关系，基于此，本实施例中，可在目标情绪安抚模式下的目标情绪安抚策略中，查找与用户对话的对话特征类别匹配的安抚内容；根据安抚内容，生成用户对话对应的应答内容。
72.以下将提供示例性的对话特性，以说明本实施例中为用户对话确定目标情绪安抚模式及目标情绪安抚模式下的目标情绪安抚策略的方案。
73.本实施例中，用户对话的对话特性可包括情绪特性和主题特性。图3为本技术一示例性实施例提供的一种基于情绪特性和主题特性的适配方案的逻辑示意图。情绪特性可用
于表征用户对话中包含的通用情绪，主题特征可用于表征用户对话中所关注的场景主题。情绪特性中可包含无情绪、害怕、辱骂、失望、委屈、着急、气愤或感谢等情绪特性类别，主题特性中可包含无主题、物流、退货、优惠券或服务质量等主题特性类别。
74.为此，参考图3中的离线预置部分，本实施例中，可对用户对话进行情绪识别，以确定用户对话对应的情绪特性类别；还可对用户对话进行主题识别，以确定用户对话对应的主题特性类别。其中，在情绪识别过程中，可利用情绪识别模型识别用户对话中是否包含前文中为情绪特性预先配置的特定情绪特性类别。情绪识别模型可采用基于规则、基于机器学习或者基于深度模型的各类文本分类模型，在此不做限定。情绪识别模型的输入可以是用户对话的文本形式，输出则可以是为情绪特性预先配置的特定情绪特性类别中的一种情绪特性类别，例如，无情绪或者气愤等。其中，在主题识别过程中，可利用主题识别模型识别用户对话中是否包含前文中为主题特性预先配置的特定主题特性类别，主题识别模式与上述的情绪识别模型类似，可采用基于规则、基于机器学习或者基于深度模型的各类文本分类模型，在此不做限定。主题识别模型的输入可以是用户对话的文本形式，输出则可以是为主题特性预先配置的特定主题特性类别中的一种主题特性类别，例如，无主题或者物流等。另外，本实施例中，可采用监督训练地方式预先训练上述的情绪识别模型和主题识别模型，以赋予两种模型相应地识别能力。
75.基于此，本实施例中，可根据用户对话的主题特性类别和情绪特性类别，确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模式下的目标情绪安抚策略。
76.正如前文提及的，不同情绪安抚模式对对话特性的要求不同，对此，一示例性的情绪安抚模式b下对对话特性的要求可以是：用户对话需要具有情绪特性和主题特性，且用户对话的主题特性类别属于该情绪安抚模式b所要求的特定主题特性类别，用户对话的情绪特性类别属于该情绪安抚模式b所要求的特定情绪特性类别，其中，特定主题特性类别可以是前文中示例的为主题特性配置的多种主题特性类别中除“无主题”之外的其它部分或全部主题特性类别，特定情绪特性类别可以是前文中示例的为情绪特性配置的多种情绪特性类别中除“无情绪”之外的其它部分或全部情绪特性类别。这样，可判断用户对话的主题特性类别和情绪特性类别是否符合该示例性情绪安抚模式b对对话特性的要求，以确定该示例性情绪安抚模式b是否与用户对话适配。
77.参考图3中的在线适配部分，基于用户对话的主题特性类别和情绪特性类别，一种示例性的依次适配方案可以是：判断用户对话的主题特性类别是否符合第一预设条件，响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与用户对话适配的目标情绪安抚模式。其中，第一预设条件可以是用户对话的主题特性类别为非无主题类别，也即是，用户对话的主题特性类别需要属于前文中示例的为主题特性配置的多种主题特性类别中除“无主题”之外的其它主题特性类别，这样，第一预设条件实质上为用户对话中需要涉及某一场景主题。通过第一预设条件，可在多个情绪安抚模式之间的层级关系中，圈定起始层级，换句话说，第一预设条件可对应该起始层级下的情绪安抚模式对对话特性的要求，该起始层级下的情绪安抚模式对对话特性的要求涉及“主题特性 情绪特性”。
78.若用户对话的主题特性类别符合第一预设条件，则可继续判断用户对话的主题特性类别和情绪特性类别是否符合该起始层级下的情绪安抚模式对对话特性的要求，若符
合，则可将该情绪安抚模式与用户对话适配。以上文中示例性情绪安抚模式b作为起始层级下的情绪安抚模式为例，若用户对话的主题特性类别和情绪特性类别符合该示例性情绪安抚模式b对对话特性的要求，则可确定该示例性情绪安抚模式b与用户对话适配。实践中，若该起始层级下的情绪安抚模式所要求的特定主题特性类别等于前文中示例的为主题特性配置的除“无主题”之外的其它全部主题特性类别，则也可在用户对话的主题特性类别符合第一预设条件的情况下，直接将第一预设条件对应的起始层级下的情绪安抚模式确定为目标情绪安抚模式。
79.而若用户对话的主题特性类别不符合第一预设条件，则可将上述的起始层级下调一个层级，并继续执行下一层级的适配判断：响应于主题特性类别不符合第一预设条件，根据用户对话的情绪特性类别确定与用户对话适配的目标情绪安抚模式。在该层级的适配判断过程中，可判断用户对话的情绪特性类别是否符合第三预设条件，响应于情绪特性类别符合第三预设条件，根据用户对话的情绪特性类别确定与用户对话适配的目标情绪安抚模式。其中，第三预设条件可以是用户对话的情绪特性类别为非无情绪类别，也即是，用户对话的情绪特性类别需要属于前文中示例的为情绪特性配置的多种情绪特性类别中除“无情绪”之外的其它情绪特性类别，这样，第三预设条件实质上为用户对话中需要涉及某一通用情绪。通过第三预设条件，可将起始层级下调一个层级，换句话说，第三预设条件可对应于该下调后起始层级下的情绪安抚模式对对话特性的要求，该下调后起始层级下的情绪安抚模式对对话特性的要求可仅涉及“情绪特性”。在该层级下，可继续判断用户对话的情绪特性类别是否符合该下调后起始层级下的情绪安抚模式对对话特性的要求，若符合，则可将该情绪安抚模式与用户对话适配。举例来说，该下调后起始层级下的情绪安抚模式对对话特性的要求可以是用户的情绪特性类别属于该情绪安抚模式所要求的特定情绪安抚类别，则若用户对话的情绪特性类别符合该情绪安抚模式对对话特性的要求，则可确定该情绪安抚模式与用户对话适配。实践中，若该下调后起始层级下的情绪安抚模式所要求的特定情绪特性类别等于前文中示例的为情绪特性配置的除“无情绪”之外的其它全部情绪特性类别，则也可在用户对话的情绪特性类别符合第三预设条件的情况下，直接将第三预设条件对应的下调后起始层级下的情绪安抚模式确定为目标情绪安抚模式。
80.而若用户对话的情绪特性类别不符合第三预设条件，则可确定无需对用户对话执行安抚操作。
81.这样，参考图3，通过按照可提供的安抚操作由细到粗的顺序，依次对多个情绪安抚模式进行适配判断，可快速准确地为用户对话确定出目标情绪安抚模式，以保证用户对话获得尽量细致的安抚操作。
82.另外，还可基于用户对话的主题特性类别和情绪特性类别，在目标情绪安抚模式下包含的至少一个情绪安抚策略中，选取与用户对话适配的目标情绪安抚策略：
83.在一类情况下，若目标情绪安抚模式为上述提及的“主题特性 情绪特性”模式，则目标情绪安抚模式下的至少一条情绪安抚策略则可分别对应主题特性类别和情绪特性类别的不同组合，例如，情绪安抚策略a可对应【物流、气愤】，情绪安抚策略b可对应【优惠券、失望】等。而根据用户对话的主题特性类别和情绪特性类别形成的组合，可命中目标情绪安抚模式下的一条情绪安抚策略作为目标情绪安抚策略。在此基础上，可根据目标情绪安抚策略，生成与用户对话的主题特性类别和情绪特性类别对应的安抚内容，例如，若目标情绪
安抚策略对应【物流、气愤】，则可为用户对话生成安抚内容【您别生气，我马上为您查看物流状态，
……
】。参考图3，这种情况下，可为用户对话提供“主题 情绪”细致级别的安抚操作。
84.在另一类情况下，若目标情绪安抚模式为上述提及的“情绪特性”模式，则目标情绪安抚模式下的至少一条情绪安抚策略则可分别对应不同的情绪特性类别，例如，情绪安抚策略a可对应【气愤】，情绪安抚策略b可对应【辱骂】等。而根据用户对话的情绪特性类别，可命中目标情绪安抚模式下的一条情绪安抚策略作为目标情绪安抚策略。在此基础上，可根据目标情绪安抚策略，生成与用户对话的情绪特性类别对应的安抚内容，例如，若目标情绪安抚策略对应【气愤】，则可为用户对话生成安抚内容【您别生气，
……
】。参考图3，这种情况下，可为用户对话提供“情绪”细致级别的安抚操作。显然，相较于上一类情况中“主题 情绪”模式，本类情况下可提供的安抚操作更加粗粒度，也即是细致程度更低。
85.以上，阐述了用户对话的对话特性包括情绪特性和主题特性的情况下，为用户对话确定目标情绪安抚模式及目标情绪安抚模式下的目标情绪安抚策略的示例性方案。
86.应当理解的是，本实施例中，除了上述的情绪特性和主题特性外，对话特性还可包括更多的维度，例如，对话特性还可包括语义特性。图4为本技术一示例性实施例提供的基于语义特性类别、情绪特性类别和主题特性类别的适配方案的逻辑示意图。其中，语义特性可用于表征用户对话中包含的整体语义。针对语义特性，本实施例中，可预先整理若干高频出现的且需要进行安抚的对话样本，基于此，语义特性包含的至少一个语义特性类别可分别对应一对话样本，当然，语义特性还可包含一特殊的语义特性类别对应无样本，也即，整体语义无法适配上述预先整理若干对话样本中任何一个。
87.为此，参考图4中的离线预置部分，本实施例中，可对用户对话进行语义匹配，以上述预先整理的若干对话样本中，确定与用户对话匹配的目标对话样本，作为用户对话的语义特性类别。本实施例中，可利用文本匹配模型来评价用户对话与预先整理的若干对话样本之间的语义匹配度，如果存在语义匹配度超过一定阈值的对话样本，则将该对话样本确定额为用户对话的语义特性类别。其中，文本匹配模型的输入可以是用户对话的文本形态，文本匹配模型中可预制前述若干对话样本的语义特征，文本匹配模型的输出则为与用户对话匹配的目标对话样本，作为用户对话的语义特性类别。其中，文本匹配模式可采用基于编辑距离、词空间、深度语义匹配等类型的模式，本实施例对此不做限定。
88.基于此，本实施例中，可根据用户对话的语义特性类别、情绪特性类别和主题特性类别，确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略。
89.参考图4中的在线适配部分，在根据用户对话的语义特性类别、情绪特性类别和主题特性类别进行适配判断的过程中，一种示例性的依次适配方案可以是：判断语义特性类别是否符合第二预设条件；响应于语义特性类别符合第二预设条件，根据用户对话的语义特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略；响应于语义特性类别不符合第二预设条件，判断主题特性类别是否符合第一预设条件；响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略。
90.在该示例性方案中，在判断主题特性类别是否符合第一预设条件之前，增加了判断语义特性类别是否符合第二预设条件的过程，其中，第二预设条件可以是用户对话的语义特性类别不是无样本，也即是，用户对话的语义特性类别需要属于前文中示例的为语义特性配置的多种语义特性类别中除“无样本”之外的其它语义特性类别，这样，第二预设条件实质上为用户对话中需要与预先整理的若干对话样本中的某一对话样本语义匹配。通过第二预设条件，可在多个情绪安抚模式之间的层级关系中，圈定起始层级，换句话说，第二预设条件可对应该起始层级下的情绪安抚模式对对话特性的要求，该起始层级下的情绪安抚模式对对话特性的要求涉及“语义特性”。相比于前文中基于用户对话的情绪特性类别和主题特性类别进行适配判断的方案中起始层级涉及“主题特性 情绪特性”的情况，在本示例性方案中，可从比“主题特性 情绪特性”更细致的层级(“语义特性”模式)开始执行适配判断。
91.在该“语义特性”模式下的适配判断过程中，若用户对话的语义特性类别符合第二预设条件，则可在用户对话的语义特性类别属于该起始层级下的情绪安抚模式所要求的特定对话特性类别的情况下，将该情绪安抚模式确定为目标情绪安抚模式。也即是，若用户对话能够在预先整理的若干对话样本中匹配到目标对话样本，则可将以对话样本作为安抚依据的情绪安抚模式，确定为目标情绪安抚模式。而若用户对话的语义特性类别不符合第二预设条件，则可接续执行前文中基于用户对话的情绪特性类别和主题特性类别进行适配判断的方案，直至找到与用户对话适配的目标情绪安抚模式，具体过程可参考前文，在此不再重复赘述。
92.另外，还可基于用户对话的语义特性类别、主题特性类别和情绪特性类别，在目标情绪安抚模式下包含的至少一个情绪安抚策略中，选取与用户对话适配的目标情绪安抚策略：
93.除了前文中提出的两类情况下，再又一类情况下，若目标情绪安抚模式为上述提及的“语义特性”模式，则目标情绪安抚模式下的至少一条情绪安抚策略则可分别对应不同的语义特性类别，例如，情绪安抚策略a可对应【我的退费申请凭什么被拒绝】，情绪安抚策略b可对应【优惠券的使用限制条件也太多了吧】等。而根据用户对话的语义特性类别，可命中目标情绪安抚模式下的一条情绪安抚策略作为目标情绪安抚策略。在此基础上，可根据目标情绪安抚策略，生成与用户对话的语义特性类别对应的安抚内容，例如，若目标情绪安抚策略对应【我的退费申请凭什么被拒绝】，则可为用户对话生成安抚内容【经过确认，我们很抱歉地回复您，您的退费申请不符合相关规定，您可在以下退费详情中查看具体原因】。参考图4，这种情况下，可为用户对话提供“语义”细致级别的安抚操作。显然，相较于前文提及的两类情况中“主题 情绪”模式和“情绪”模式的安抚操作，本类情况下可提供的安抚操作的细致程度更高。
94.值得说明的是，本实施例中，除了上述提及的语义特性、主题特性和情绪特性外，对话特性还可包括更多的维度，除了上述提及的“语义”模式、“主题 情绪”模式以及“情绪”模式外，还可配置更多细致级别的情绪安抚模式，本实施例并不限于此。
95.据此，本实施例中，可基于用户对话的对话特性，按照多个情绪安抚模式可提供的安抚操作的由细到粗的顺序，串行地对多个情绪安抚模式进行依次适配判断，以快速准确地确定出用户对话适配的目标情绪安抚模式，并可在目标情绪安抚模式下包含的至少一条
情绪安抚策略中选取与用户对话的对话特性类别适配的目标情绪安抚策略，从而按照目标情绪安抚策略对用户对话进行安抚操作。这使得用户对话可获得尽量细致的安抚操作，从而更加准确地安抚用户情感。
96.以下提供几种示例性的用户对话，并说明响应的安抚结果。示例性的，可配置3个情绪安抚模式，按照可提供的安抚操作由细到粗的顺序依次为：“语义”模式、“主题 情绪”模式及“情绪”模式为例。
97.一种示例性的用户对话a可以是【你们这是什么服务态度，我提交的申请到现在还没有处理】，经过对用户对话a的多维度分析，确定用户对话a的情绪特性类别为“生气”，主题特性类别为“无主题”，语义特性类别为“无样本”。对用户对话a来说，其语义特性类别不符合“语义”模式的要求，继续判断，其主题特性类别亦不符合“主题 情绪”模式的要求，继续判断，其情绪特性类别符合“情绪”模式的要求，因此采用“情绪”模式对用户对话a进行安抚操作。在“情绪”模式下，可命中情绪特性类别【生气】对应的情绪安抚策略【生气
‑‑‑‑‑
请你消消气，
…
】，则可为用户对话a生成应答对话【请您消消气，马上帮您查询一下】。
98.一种示例性的用户对话b可以是【我很气愤，我的订单怎么还没发货】，经过对用户对话b的多维度分析，确定用户对话b的情绪特性类别为“生气”，主题特性类别为“物流”，语义特性类别为“无样本”。对用户对话b来说，其语义特性类别不符合“语义”模式的要求，继续判断，其主题特性类别符合“主题 情绪”模式的要求，因此采用“主题 情绪”模式对用户对话b进行安抚操作。在“主题 情绪”模式下，可命中主题特性类别和情绪特性类别的组合【物流，生气】对应的情绪安抚策略【物流 生气
‑‑‑‑‑
请你消消气，近期大促导致订单发货延时，
…
】，则可为用户对话a生成应答对话【请您消消气，近期大促导致订单发货延时，您的订单预计今天发货】。
99.一种示例性的用户对话c可以是【我的退费申请凭什么被拒绝】，经过对用户对话c的多维度分析，确定用户对话b的情绪特性类别为“生气”，主题特性类别为“退费”，语义特性类别为“我的退费申请凭什么被拒绝”。对用户对话c来说，其语义特性类别符合“语义”模式的要求，不再进行后续层级的适配判断，因此采用“语义”模式对用户对话c进行安抚操作。在“语义”模式下，可命中语义特性类别【我的退费申请凭什么被拒绝】对应的情绪安抚策略【我的退费申请凭什么被拒绝
‑‑‑‑‑
经过确认，我们很抱歉地回复您，您的退费申请不符合相关规定，您可在以下退费详情中查看具体原因】，则可为用户对话a生成应答对话【经过确认，我们很抱歉地回复您，您的退费申请不符合相关规定，您可在以下退费详情中查看具体原因】。
100.应当理解的是，上述的用户对话和情绪安抚模式均是示例性的，本实施例并不限于此。
101.需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤101至步骤102的执行主体可以为设备a；又比如，步骤101和102的执行主体可以为设备a，步骤103的执行主体可以为设备b；等等。
102.另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或
并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的模式、条件等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
103.图5为本技术另一示例性实施例提供的一种计算设备的结构示意图。如图5所示，该计算设备包括：存储器50、处理器51以及通信组件52。
104.处理器51，与存储器50和通信组件52耦合，用于执行存储器50中的计算机程序，以用于：
105.利用通信组件52接收用户端发出的用户对话；
106.分析用户对话获得对话特性；
107.在多个情绪安抚模式中，基于对话特性确定与用户对话适配的目标情绪安抚模式；
108.按照目标情绪安抚模式，生成用户对话对应的应答对话；
109.利用通信组件52输出应答对话来回复用户对话。
110.在一可选实施例中，处理器51在分析用户对话获得对话特性时，用于：
111.对用户对话进行处理以确定用户对话的至少二种对话特性，每一对话特性包括多种类别。
112.在一可选实施例中，其中至少二种对话特性至少包括主题特性和情绪特性，处理器51在基于对话特性确定与用户对话适配的目标情绪安抚模式时，用于：
113.根据用户对话的主题特性类别和情绪特性类别，确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模式下的目标情绪安抚策略；
114.其中，目标情绪安抚模式包含至少一种情绪安抚策略，不同情绪安抚策略对应于不同的对话特性类别或对话特性类别组合。
115.在一可选实施例中，处理器51在基于对话特性确定与用户对话适配的目标情绪安抚模式时，还用于：
116.响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略。
117.在一可选实施例中，其中对话特性还包括语义特性，处理器51在基于对话特性确定与用户对话适配的目标情绪安抚模式时，还用于：
118.根据用户对话的语义特性类别、情绪特性类别和主题特性类别，确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略。
119.在一可选实施例中，处理器51在基于对话特性确定与用户对话适配的目标情绪安抚模式时，还用于：
120.判断语义特性类别是否符合第二预设条件；
121.响应于语义特性类别符合第二预设条件，根据用户对话的语义特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略；
122.响应于语义特性类别不符合第二预设条件，判断主题特性类别是否符合第二预设条件；
123.响应于主题特性类别符合第一预设条件，根据用户对话的主题特性类别和情绪特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安
抚策略。
124.在一可选实施例中，处理器51在基于对话特性确定与用户对话适配的目标情绪安抚模式时，还用于：
125.响应于主题特性类别不符合第一预设条件，根据用户对话的情绪特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模型下的目标情绪安抚策略。
126.在一可选实施例中，处理器51在响应于语义特性类别符合第二预设条件，根据用户对话的语义特性类别确定与用户对话适配的目标情绪安抚模式以及目标情绪安抚模式下的目标情绪安抚策略时，用于：
127.当用户对话的语义特性类别属于第一情绪安抚模式所要求的特定对话特性类别，则将第一情绪安抚模式确定为目标情绪安抚模式；
128.在目标情绪安抚模式包含的至少一条情绪安抚策略中，选取与用户对话的语义特性类别对应的目标情绪安抚策略。
129.在一可选实施例中，目标情绪安抚策略中包含对话特征类别与安抚内容之间的映射关系，处理器51在按照目标情绪安抚模式，生成用户对话对应的应答对话时，用于：
130.在目标情绪安抚模式下的目标情绪安抚策略中，查找与用户对话的对话特征类别匹配的安抚内容；
131.根据安抚内容，生成用户对话对应的应答内容。
132.进一步，如图5所示，该计算设备还包括：电源组件53、等其它组件。图5中仅示意性给出部分组件，并不意味着计算设备只包括图5所示组件。
133.值得说明的是，上述关于计算设备各实施例中的技术细节，可参考前述的方法实施例中的相关描述，为节省篇幅，在此不再赘述，但这不应造成本技术保护范围的损失。
134.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由计算设备执行的各步骤。
135.上述图5中的存储器，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
136.上述图5中的通信组件，被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
137.上述图5中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
138.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
139.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
140.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
141.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
142.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
143.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
144.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
145.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，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、商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“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
146.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同
替换、改进等，均应包含在本技术的保护范围之内。