人机交互对话方法、装置以及设备与流程

1.本公开涉及人工智能技术领域，具体涉及自然语言处理和深度学习等技术领域，可应用于智慧城市场景。


背景技术：

2.随着机器学习技术的不断发展，智能对话已开始应用。在客服咨询对话中，坐席通过智能对话自动获取回复语句，以提高工作效率。例如，在金融领域中，面对客户的咨询或协助需求，坐席通过自动获取的回复语句可以更快地回答客户问题。
3.然而，对话类型多样，目前需要针对不同类型的对话分别设计对话系统。上层决策模块判断出对话类型之后，分发对话上下文到相应类型的对话系统中。


技术实现要素：

4.本公开实施例提出了一种人机交互对话方法、装置、设备、存储介质以及程序产品。
5.第一方面，本公开实施例提出了一种人机交互对话方法，包括：获取人机交互的对话上下文；根据对话上下文生成检索条件；将检索条件输入至预先训练的对话模型进行检索，得到知识；根据对话上下文和知识，生成回复。
6.第二方面，本公开实施例提出了一种人机交互对话装置，包括：获取模块，被配置成获取人机交互的对话上下文；第一生成模块，被配置成根据对话上下文生成检索条件；检索模块，被配置成将检索条件输入至预先训练的对话模型进行检索，得到知识；第二生成模块，被配置成根据对话上下文和知识，生成回复。
7.第三方面，本公开实施例提出了一种电子设备，包括：至少两个处理器；以及与至少两个处理器通信连接的存储器；其中，存储器存储有可被至少两个处理器执行的指令，指令被至少两个处理器执行，以使至少两个处理器能够执行如第一方面中任一实现方式描述的方法。
8.第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
9.第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
10.本公开实施例提供的人机交互对话方法，设计了一个可融合多类型的对话的统一框架，框架融合多类型的对话，可以统一开发部署。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它
特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是根据本公开的人机交互对话方法的一个实施例的流程图；
14.图2是根据本公开的人机交互对话方法的又一个实施例的流程图；
15.图3是根据本公开的对话模型训练方法的一个实施例的流程图；
16.图4是人机交互对话方法的通用框架图；
17.图5是根据本公开的人机交互对话装置的一个实施例的结构示意图；
18.图6是用来实现本公开实施例的人机交互对话方法的电子设备的框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
21.图1示出了根据本公开的人机交互对话方法的一个实施例的流程100。该人机交互对话方法包括以下步骤：
22.步骤101，获取人机交互的对话上下文。
23.在本实施例中，人机交互对话方法的执行主体可以获取人机交互的对话上下文。
24.通常，除了获取人机交互中的人的当前问话之外，还需要获取其前面若干条人机交互的对话信息，即，人机交互的对话上下文。
25.步骤102，根据对话上下文生成检索条件。
26.在本实施例中，上述执行主体可以根据对话上下文生成检索条件。其中，检索条件可以是对话上下文中的关键信息。
27.步骤103，将检索条件输入至预先训练的对话模型进行检索，得到知识。
28.在本实施例中，上述执行主体可以将检索条件输入至预先训练的对话模型进行检索，得到知识。
29.通常，对话模型可以基于检索条件进行检索，得到与检索条件相关的知识。其中，对话模型可以是采用大量训练样本进行有监督训练得到的，用于基于检索条件检索相应的知识。
30.步骤104，根据对话上下文和知识，生成回复。
31.在本实施例中，上述执行主体可以根据对话上下文和知识，生成回复。
32.通常，根据对话上下文将知识组织成自然语言，即可得到回复。
33.本公开实施例提供的人机交互对话方法，设计了一个可融合多类型的对话的统一框架。对于多类型的对话，首先根据对话上下文生成检索条件，然后根据检索条件检索知识，最后根据对话上下文和知识生成回复。框架融合多类型的对话，可以统一开发部署。并且，该框架无需上层决策分发模块，直接进行端到端的对话生成，多类型对话之间信息流通，可较好的支持跨类型对话。
34.继续参考图2，其示出了根据本公开的人机交互对话方法的又一个实施例的流程200。该人机交互对话方法包括以下步骤：
35.步骤201，获取人机交互的对话上下文。
36.步骤202，根据对话上下文生成检索条件。
37.在本实施例中，步骤201-202的具体操作已在图1所示的实施例中步骤101-102中进行了详细的介绍，在此不再赘述。
38.步骤203，若检索条件为预设符号，则知识为空。
39.在本实施例中，人机交互对话方法的执行主体可以根据对话上下文生成检索条件。若检索条件为预设符号(如_not_used_)，则表示为开放域闲聊。由于检索条件仅包括预设符号，因此根据检索条件检索到的知识为空。
40.步骤204，将对话上下文输入至对话模型，得到回复。
41.在本实施例中，对于开放域闲聊，上述执行主体可以将对话上下文输入至对话模型，得到回复。
42.通常，对于开放域闲聊，无需进行检索，即可基于对话上下文直接生成回复。因此，将对话上下文输入至对话模型，依赖对话模型自身能力(如通用对话能力、常识知识等)，可以直接生成回复，无需调用外部信息。
43.步骤205，若检索条件的第一预设位置的令牌表示对话是知识对话，则同时在数据库和搜索引擎中进行搜索，得到知识。
44.在本实施例中，上述执行主体可以根据对话上下文生成检索条件。若检索条件的第一预设位置的令牌(如第一个令牌)表示对话是知识对话，则同时在数据库和搜索引擎中进行搜索，得到知识。
45.通常，检索条件的第一预设位置的令牌可以用来表示对话的类型。对于知识对话，需要根据对话上下文进行相应知识的检索，再基于知识生成回复。因此，可以同时在数据库和搜索引擎中进行搜索。对于静态的信息，可以从数据库检索到知识，对于动态的信息，可以从搜索引擎中检索到知识。
46.这里，对于在一定时间范围内相对静态的信息(如百科、图书、文档等)，可以方便进行周期性地数据库建库。对于给定的检索条件，可以根据ann(approximate nearest neighbor，近似最邻近搜索)或es(elastic search，弹性搜索)算法进行快速的数据库查询，返回合适的知识。
47.这里，对于动态变化的信息(如天气、新闻等)，在搜索引擎中实时查询比较方便。对于给定检索条件，搜索引擎可以返回合适的网页或卡片信息作为知识。
48.在一些实施例中，为了降低检索工作量，提高检索效率，检索条件的第二预设位置的令牌(如第二个令牌)可以表示知识对话是静态知识对话还是动态知识对话。若检索条件的第二预设位置的令牌表示知识对话是静态知识对话，则只在数据库中进行搜索，即可得到知识。若检索条件的第二预设位置的令牌表示知识对话是动态知识对话，则只在搜索引擎中进行搜索，即可得到知识。
49.步骤206，若检索条件的第一预设位置的令牌表示对话是任务型对话，根据对话上下文中的用户条件在结构化数据库中进行查询，得到知识。
50.在本实施例中，上述执行主体可以根据对话上下文生成检索条件。若检索条件的
第一预设位置的令牌表示对话是任务型对话，则根据对话上下文中的用户条件在结构化数据库中进行查询，得到知识。其中，用户条件可以是用户输入的对需求进行限定的条件。
51.对于任务型对话，通常需要根据用户条件，查询外部的结构化数据库或表格信息。对于结构化信息的查询，可以通过sql(structured query language，结构化查询语言)语句进行查询。由于对话上下文是自然语言形式，因此需要从对话上下文中提炼出用户条件，并转化为sql语句。根据sql语句在结构化数据库中进行查询，即可得到知识。
52.应当理解的是，根据sql语句在结构化数据库中查询到的知识也是结构化数据，需要转化为自然语言，即可得到回复。
53.步骤207，根据对话上下文和知识，生成回复。
54.在本实施例中，步骤207的具体操作已在图1所示的实施例中步骤104中进行了详细的介绍，在此不再赘述。
55.从图2中可以看出，与图1对应的实施例相比，本实施例中的人机交互对话方法的流程200突出了检索步骤。由此，本实施例描述的方案将开放域闲聊、知识对话和任务型对话三种类型的对话融合到统一框架。
56.进一步参考图3，其示出了根据本公开的对话模型训练方法的一个实施例的流程300。该对话模型训练方法包括以下步骤：
57.步骤301，获取社交软件上的多轮评论信息。
58.在本实施例中，对话模型训练方法的执行主体可以获取社交软件上的多轮评论信息。
59.通常，社交软件上发布的作品(如视频、文章等)的评论区会有大量的评论。其中，若两个以上的用户在一个评论下进行多轮回复，就生成了多轮评论信息。
60.步骤302，将多轮评论信息作为第一样本对初始模型进行训练，得到中间模型。
61.在本实施例中，上述执行主体可以将多轮评论信息作为第一样本对初始模型进行训练，得到中间模型。
62.通常，社交软件上存在大量多轮评论信息，其较人机交互的多轮对话更容易获取。因此，利用多轮评论信息模仿人机交互的多轮对话，作为第一样本，可以进行模型训练。例如，将多轮评论信息中除最后一条评论信息之外的其他评论信息作为输入，将多轮评论信息中的最后一条评论信息作为输出，对初始模型进行有监督训练，即可得到中间模型。其中，初始模型可以是未经训练的模型。中间模型可以是未训练完成的模型。
63.步骤303，获取人机交互的对话信息。
64.在本实施例中，上述执行主体可以获取人机交互的对话信息，包括但不限于：开放域闲聊、知识对话和任务型对话等的对话信息。
65.步骤304，将人机交互的对话信息作为第二样本对中间模型进行训练，得到对话模型。
66.在本实施例中，上述执行主体可以将人机交互的对话信息作为第二样本对中间模型进行训练，得到对话模型。
67.通常，第二样本的数量远远小于第一样本的数量。利用第二样本对中间模型进行微调，即可得到对话模型。例如，将人机交互的对话信息中除最后一条回复之外的其他对话信息作为输入，将人机交互的对话信息中的最后一条回复作为输出，对中间模型进行有监
督训练，即可得到对话模型。
68.本公开实施例提供的人机交互对话方法，利用社交软件上的大量多轮评论信息和少量人机交互的对话信息，训练对话模型，训练出的对话模型能够对多类型的对话进行回复。
69.为了便于理解，图4示出了人机交互对话方法的通用框架图。如图4所示，根据对话上下文生成检索条件，然后根据检索条件检索知识，最后根据对话上下文和知识生成回复。其中，对于检索条件为_not_used_的开放域闲聊，依赖对话模型自身能力生成回复。对于静态知识对话，在数据库中搜索知识。对于动态知识对话，在搜索引擎中搜索知识。对于任务型对话，在结构化数据库中查询知识。
70.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种人机交互对话装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
71.如图5所示，本实施例的人机交互对话装置500可以包括：获取模块501、第一生成模块502、检索模块503和第二生成模块504。其中，获取模块501，被配置成获取人机交互的对话上下文；第一生成模块502，被配置成根据对话上下文生成检索条件；检索模块503，被配置成将检索条件输入至预先训练的对话模型进行检索，得到知识；第二生成模块504，被配置成根据对话上下文和知识，生成回复。
72.在本实施例中，人机交互对话装置500中：获取模块501、第一生成模块502、检索模块503和第二生成模块504的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-104的相关说明，在此不再赘述。
73.在本实施例的一些可选的实现方式中，检索模块503包括：第一检索子模块，被配置成若检索条件为预设符号，则知识为空；以及第二生成模块504进一步被配置成：将对话上下文输入至对话模型，得到回复。
74.在本实施例的一些可选的实现方式中，检索模块503包括：第二检索子模块，被配置成若检索条件的第一预设位置的令牌表示对话是知识对话，则同时在数据库和搜索引擎中进行搜索，得到知识。
75.在本实施例的一些可选的实现方式中，检索模块503包括：第三检索子模块，被配置成若检索条件的第一预设位置的令牌表示对话是知识对话，且检索条件的第二预设位置的令牌表示知识对话是静态知识对话，则在数据库中进行搜索，得到知识。
76.在本实施例的一些可选的实现方式中，检索模块503包括：第四检索子模块，被配置成若检索条件的第一预设位置的令牌表示对话是知识对话，且检索条件的第二预设位置的令牌表示知识对话是动态知识对话，则在搜索引擎中进行搜索，得到知识。
77.在本实施例的一些可选的实现方式中，检索模块503包括：第五检索子模块，被配置成若检索条件的第一预设位置的令牌表示对话是任务型对话，根据对话上下文中的用户条件在结构化数据库中进行查询，得到知识。
78.在本实施例的一些可选的实现方式中，第五检索子模块进一步被配置成：将用户条件转化为结构化查询语言；根据结构化查询语言在结构化数据库中进行查询，得到知识；以及第二生成模块进一步被配置成：将知识转化为自然语言，得到回复。
79.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提
供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
80.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
81.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
82.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
83.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
84.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如人机交互对话方法。例如，在一些实施例中，人机交互对话方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的人机交互对话方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人机交互对话方法。
85.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少两个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少两个输入装置、和至少两个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少两个输入装置、和该至少两个输出装置。
86.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的
功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
87.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
88.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
89.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
90.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
91.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
92.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。