[发明专利]一种应答方法及装置

说明书

本发明实施例提供一种应答方法及装置。该方法包括：在机器应答环节，获取应答时刻之前已发生的交互对话；确定交互对话中各表述所属的类别；将各表述所属的类别，按照各表述在交互对话中的对话顺序，形成交互对话的条件类别；在各历史对话中，根据条件类别，确定出目标值满足设定条件的目标类别；根据符合目标值满足设定条件的目标类别的各历史对话，确定机器应答环节的应答表述。通过获取至少一轮对话来确定条件类别，更多地考虑到了本次通话中的机器与用户之间的交互逻辑，从而确定出的应答语更具合理性，符合本次通话的交互逻辑。通过上述方法确定的应答语合理性更强，且由于具有实践数据的支撑，无需人工优化，节省了人力时间。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种应答方法、装置、计算设备及计算机可读存储介质。

背景技术

智能语音机器人提供自动外呼和自然应答，助力企业降低人力成本，提升外呼效率。在实现技术方面，智能语音机器人集成了ASR(Automatic Speech Recognition，语音识别)、NLP(Natural Language Processing，自然语言处理)和TTS(Text-To-Speech，语音合成)模块。对话过程首先由ASR模块将用户端传来的语音转换成文本，NLP模块对文本进行解析并预测生成应答语，TTS模块将应答语转换成语音，最后语音通过线路传送给用户端，形成一轮对话交互。

NLP模块的逻辑是语音机器人中最复杂的环节，其最广泛的实现方式是流水线(Pipeline)方式。流水线方式一般分为三步，即NLU(Natural Language Understanding，自然语言理解)、DM(Dialog Management，对话管理)和NLG(Neural Language Generation，自然语言生成)。其中，NLU是将用户文本进行理解，DM是按照一定的用户和机器人的交互策略，根据理解后的用户文本确定相应的应答语的类别，从而形成完整的对话逻辑。NLG是按照DM确定的应答语的类别，确定最终输出的应答语。

现有技术中，DM基于行业专家经验设计交互策略。专家会依据经验拟定对话流程图。这会导致流程分支的设计都强烈依赖于专家经验。专家靠经验枚举会使应答语覆盖率低。且应答语具有很强的主观性，没有实践数据的支撑。应答语的合理性有待商榷。同时，为了保证应答效果，还需人工阅读对话历史记录，找出对话体验不好的应答语，进行更新优化，可以发现，优化方法也十分耗时耗力，没有系统性。

综上，本发明实施例提供一种应答方法，用以提升应答语的合理性，减轻人工优化负担。

发明内容

本发明实施例提供一种应答方法，用以提升应答语的合理性，减轻人工优化负担。

第一方面，本发明实施例提供一种应答方法，包括：

在机器应答环节，获取应答时刻之前已发生的交互对话；所述交互对话包括机器与用户之间的至少一轮对话；

确定所述交互对话中各表述所属的类别；

将所述各表述所属的类别，按照所述各表述在所述交互对话中的对话顺序，形成所述交互对话的条件类别；

在各历史对话中，根据所述条件类别，确定出目标值满足设定条件的目标类别，所述目标类别为在各历史对话中位于所述条件类别之后的应答表述所属的类别；

根据符合所述目标值满足设定条件的目标类别的各历史对话，确定所述机器应答环节的应答表述。