CN114880451A - 检索式对话的生成方法、装置及电子设备 - Google Patents

Abstract

本公开提供了检索式对话的生成方法，涉及数据处理技术领域，尤其涉及大数据、自然语言处理、人工智能等领域。具体实现方案为：在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果与第一输入语句间的第一关联度，之后，可以根据多个第一关联度，从多个检索结果中抽取出待返回语句，然后，可以利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

Description

检索式对话的生成方法、装置及电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及大数据、自然语言处理、人工智能等领域，具体涉及检索式对话的生成方法、装置及电子设备。

背景技术

为了使得人机交互更加和谐，增强用户体验，人们希望对话系统能够生成具有情感的对话应答。而由于检索式对话的生成可控便捷，被广泛应用于智能客服场景中，因此如何丰富生成的检索式对话的情感，是目前继续亟需解决的问题。

发明内容

本公开提供了一种检索式对话的生成方法和装置。

根据本公开的一方面，提供了一种检索式对话的生成方法，包括：

获取第一输入语句对应的第一情感标签及多个检索结果；

确定每个检索结果与第一输入语句间的第一关联度；

根据多个第一关联度，从多个检索结果中抽取出待返回语句；

利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

根据本公开的另一方面，提供了一种检索式对话的生成装置，包括：

获取模块，用于获取第一输入语句对应的第一情感标签及多个检索结果；

确定模块，用于确定每个检索结果与第一输入语句间的第一关联度；

抽取模块，用于根据多个第一关联度，从多个检索结果中抽取出待返回语句；

改写模块，用于利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

根据本公开的另一方面，提供了一种电子设备，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上述实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开实施例提供的一种检索式对话的生成方法的流程示意图；

图2为本公开实施例提供的另一种检索式对话的生成方法的流程示意图；

图3为本公开实施例提供的另一种检索式对话的生成方法的流程示意图；

图4为本公开实施例提供的另一种检索式对话的生成方法的流程示意图；

图5为本公开实施例提供的另一种检索式对话的生成装置的流程示意图；

图6是用来实现本公开实施例的检索式对话的生成方法的电子设备的框图。

具体实施方式

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。

大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

NLP(Natural Language Processing，自然语言处理)是计算机科学领域与人工智能领域中的一个重要方向，NLP研究的内容包括但不限于如下分支领域：文本分类、信息抽取、自动摘要、智能问答、话题推荐、机器翻译、主题词识别、知识库构建、深度文本表示、命名实体识别、文本生成、文本分析(词法、句法、语法等)、语音识别与合成等。

人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。

本公开中，通过获取的输入语句对应的每个检索结果与输入语句间的关联度，检索出一个准确性最高的待返回语句，并根据输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

下面参考附图，对本公开实施例的检索式对话的生成方法、装置、电子设备和存储介质进行详细说明。

图1为本公开实施例提供的一种检索式对话的生成方法的流程示意图。

如图1所示，该方法包括：

步骤101，获取第一输入语句对应的第一情感标签及多个检索结果。

本公开中，可以将当前获取的输入语句确定为第一输入语句，之后，可以利用预设的情感识别模型识别出第一输入语句的情感标签，并将该情感标签作为第一输入语句的第一情感标签。

此外，可以通过分析确定第一输入语句的话题、意图、实体、槽位等信息，之后，可以基于第一输入语句的话题、意图、实体、槽位等信息，检索预设的数据库，以确定第一输入语句对应的多个检索结果。其中，预设的数据库中可以包括输入语句、输入语句对应的可能的应答语句等，本公开对此不作限制。

可选的，可以将第一输入语句输入到预设的MSN(Multi-hop SelectorNetworker，多跳选择器网络)等检索模型中，以检索预设的数据库中第一输入语句对应的多个检索结果。

可选的，可以通过向量映射确定第一输入语句对应的向量，然后可以对第一输入语句对应的向量与预设的数据库中各输入语句对应的向量进行向量匹配，以确定第一输入语句与预设的数据库中各输入语句的相似度，当预设的数据库中输入某一语句与第一输入语句的相似度大于阈值时，可输入以将该语句对应的应答语句确定为第一输入语句对应的多个检索结果。

步骤102，确定每个检索结果与第一输入语句间的第一关联度。

本公开中，为了保证应答语句的准确性的同时(即保证应答语句为用户期望的应答)，使应答语句具有一定的情感，可以根据第一输入语句的第一情感标签，指导选取多个检索结果中准确性最高且与第一输入语句情感上相近的应答语句，作为第一输入语句对应的待返回语句。

需要说明的是，某一检索结果与第一输入语句的语义相似度较高时，该检索结果最有可能为第一输入语句对应的应答语句，因此，可以根据检索结果与第一输入语句的语义相似度评估检索结果的准确性。

本公开中，可以通过查询预设的数据库，确定每个检索结果对应的情感标签，然后，可以将第一输入语句、第一情感标签及每个检索结果、输入到预设的用于确定语义相似度的模型中，以确定每个检索结果与第一输入语句间的第一关联度。由此，通过情感标签作为模型的特征，影响语义相似度评估，从而使与第一输入语句语义相似度高的应答语句同时具有与第一输入语句一致的情感。

可选的，还可以确定每个检索结果的情感标签，并根据每个检索结果的情感标签与第一情感标签的情感相似度，以及每个检索结果与第一输入语句的语义相似度，确定每个检索结果与第一输入语句间的第一关联度。

步骤103，根据多个第一关联度，从多个检索结果中抽取出待返回语句。

本公开中，检索结果与第一输入语句的第一关联度较高时，说明检索结果为第一输入语句语义和情感上最为接近，因此，可以将与第一输入语句的第一关联度最高的检索结果，确定为待返回语句。

可选的，当多个检索结果中存在至少两个检索结果与输入语句间的第一关联度最高，可以确定至少两个检索结果中每个检索结果对应的检索频率和/或改写次数。当检索结果被检索的频率越高时该检索结果可靠性更高，因此，将检索频率最高的检索结果，确定为待返回语句。或者，当检索结果历史被改写次数越少时该检索结果可靠性更高，因此，将改写次数最少的检索结果，确定为待返回语句。从而可以提高待返回语句的准确性。

步骤104，利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

其中，预设的改写规则可以用于丰富待改写语句的情感，可以为对话生成预训练模型PLATO等改写模型，本公开对此不作限制。

本公开中，可以根据预设的输入语句的情感标签与对应的应答语句的情感标签的映射关系，确定第一情感标签对应的应答语句的情感标签。之后，可以使用预设的改写模型，将第一情感标签对应的应答语句的情感标签作为改写模型的一个特征，控制生成目标应答语句情感。由此，根据第一输入语句对应的应答语句的情感标签，改写待返回语句，从而在不改变待返回语句质量的情况下，使修改后的待返回语句具备符合第一输入语句的应答情感。

本公开中，在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果与第一输入语句间的第一关联度，之后，可以根据多个第一关联度，从多个检索结果中抽取出待返回语句，然后，可以利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

图2为本公开实施例提供的一种检索式对话的生成方法的流程示意图。

如图2所示，该方法包括：

步骤201，获取第一输入语句对应的第一情感标签及多个检索结果。

本公开中，步骤201的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。

步骤202，确定每个检索结果对应的第二情感标签。

本公开中，可以利用预设的情感识别模型识别出每个检索结果的情感标签，并将该情感标签作为每个检索结果的第二情感标签。

步骤203，根据每个第二情感标签与第一情感标签的匹配度，确定第一关联值。

本公开中，可以计算每个第二情感标签对应的向量与第一情感标签对应的向量的距离，并根据该距离确定每个第二情感标签与第一情感标签的匹配度，之后，可以根据每个第二情感标签与第一情感标签的匹配度，确定每个第二情感标签与第一情感标签的第一关联值。

可以理解的是，第一关联值可以用于评估检索结果与第一输入语句的情感是否相近，当第一关联值较大时，说明对应的检索结果与第一输入语句情感上较为相近。

步骤204，根据每个检索结果与第一输入语句间的语义相似度，确定第二关联值。

本公开中，可以通过预设的语义模型计算每个检索结果与第一输入语句之间的语义相似度，之后，可以根据各语义相似度，确定每个检索结果与第一输入语句间的第二关联值。

可以理解的是，第二关联值可以用于评估检索结果与第一输入语句的语义是否相关，当第二关联值较大时，说明对应的检索结果与第一输入语句语义相关，因此，该检索结果的最可能为第一输入语句对应的应答语句。

步骤205，根据第一关联值及第二关联值，确定每个检索结果与第一输入语句间的第一关联度。

本公开中，可以对检索结果对应的第一关联值及第二关联值进行加权求和处理，并将该加权的和确定为该检索结果与第一输入语句间的第一关联度。由此，通过根据情感相关的第一关联值及语义相关的第二关联值联合确定每个检索结果对应的第一关联度，从而使第一关联度在保证语义相关的同时兼顾情感相关，即保证应答语句的准确性的同时，使应答语句的情感更为丰富。

步骤206，根据多个第一关联度，从多个检索结果中抽取出待返回语句。

步骤207，利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

本公开中，步骤206-步骤207的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。

本公开中，在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果对应的第二情感标签，之后，可以根据每个第二情感标签与第一情感标签的匹配度，确定第一关联值，且根据每个检索结果与第一输入语句间的语义相似度，确定第二关联值，从而可以根据第一关联值及第二关联值，确定每个检索结果与第一输入语句间的第一关联度，然后，根据多个第一关联度，从多个检索结果中抽取出待返回语句，并利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

图3为本公开实施例提供的一种检索式对话的生成方法的流程示意图。

如图3所示，该方法包括：

步骤301，获取第一输入语句对应的第一情感标签及多个检索结果。

步骤302，确定每个检索结果与第一输入语句间的第一关联度。

步骤303，根据多个第一关联度，从多个检索结果中抽取出待返回语句。

步骤304，利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

本公开中，步骤301-步骤304的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。

步骤305，确定目标应答语句对应的第二情感标签。

本公开中，可以将目标应答语句输入到预设的情感识别模型中，以确定目标应答语句对应的第二情感标签。

步骤306，将第一输入语句、第一情感标签、目标应答语句及第二情感标签，关联存入数据库中。

本公开中，可以将第一输入语句、第一情感标签、目标应答语句及第二情感标签，关联存入数据库中，由此，当后续获取到输入语句，并确定输入语句的情感标签与第一情感标签相同，且与第一输入语句语义相似度大于阈值时，可以直接将第一输入语句关联的目标应答语确定为该输入语句对应的目标应答语句。从而可以提高确定输入语句对应的应答语句的效率。

可选的，可以在确定目标应答语句对应的第二情感标签后，可以将第二情感标签、目标应答语句与待返回语句进行关联存储。由此，当后续获取到输入语句，并确定输入语句的待返回语句存在关联存储的目标应答语句时，可以直接将该目标应答语句确定为输入语句对应的目标应答语句。从而可以提高确定输入语句对应的应答语句的效率。

本公开中，在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果与第一输入语句间的第一关联度，并根据多个第一关联度，从多个检索结果中抽取出待返回语句，之后，可以利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句，然后，还可以确定目标应答语句对应的第二情感标签，并将第一输入语句、第一情感标签、目标应答语句及第二情感标签，关联存入数据库中。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

图4为本公开实施例提供的一种检索式对话的生成方法的流程示意图。

如图4所示，该方法包括：

步骤401，获取第一输入语句对应的第一情感标签及多个检索结果。

步骤402，确定每个检索结果与第一输入语句间的第一关联度。

步骤403，根据多个第一关联度，从多个检索结果中抽取出待返回语句。

步骤404，利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

本公开中，步骤401-步骤404的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。

步骤405，输出目标应答语句。

本公开中，可以输出目标应答语句，以对用户输入语句做出应答。

步骤406，响应于接收到第二输入语句，确定第二输入语句与第一输入语句间的第二关联度。

本公开中，当用户对输出的目标应答语句不满意时，可能会换个表述方式，再次输入语句。因此，可以将输出目标应答语句后，再次获取到的输入语句，确定为第二输入语句，并确定第二输入语句与第一输入语句间的第二关联度，以确定第二输入语句是否为用户针对第一输入语句的变相表述。

步骤407，在第二关联度大于第一阈值的情况下，将目标应答语句及第一情感标签存入预设的训练数据库。

本公开中，在第二关联度大于第一阈值的情况下，可以确定第二输入语句为用户针对第一输入语句的变相表述，说明输出的目标应答语句情感或语义不准确。此时，可以将该目标应答语句及第一情感标签存入预设的训练数据库。

步骤408，响应于预设的训练数据库中的数据量大于第二阈值，基于预设的训练数据库中的数据对预设的改写规则进行更新。

本公开中，当预设的训练数据库中的数据量大于第二阈值，可以基于预设的训练数据库中的数据，指导改写模型重新进行训练，以更新预设的改写规则。从而提高了应答语句的质量。

本公开中，在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果与第一输入语句间的第一关联度，并根据多个第一关联度，从多个检索结果中抽取出待返回语句，之后，可以利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句，然后，可以输出目标应答语句，当接收到第二输入语句时，可以确定第二输入语句与第一输入语句间的第二关联度，在第二关联度大于第一阈值的情况下，可以将目标应答语句及第一情感标签存入预设的训练数据库，并在预设的训练数据库中的数据量大于第二阈值的情况下，可以基于预设的训练数据库中的数据对预设的改写规则进行更新。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

为了实现上述实施例，本公开实施例还提出一种检索式对话的生成装置。图5为本公开实施例提供的一种检索式对话的生成装置的结构示意图。

如图5所示，该检索式对话的生成装置500包括：获取模块510、确定模块520、抽取模块530、改写模块540。

获取模块510，用于获取第一输入语句对应的第一情感标签及多个检索结果；

确定模块520，用于确定每个检索结果与第一输入语句间的第一关联度；

抽取模块530，用于根据多个第一关联度，从多个检索结果中抽取出待返回语句；

改写模块540，用于利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。

在本公开实施例一种可能的实现方式中，上述确定模块520，用于：

确定每个检索结果对应的第二情感标签；

根据每个第二情感标签与第一情感标签的匹配度，确定第一关联值；

根据每个检索结果与第一输入语句间的语义相似度，确定第二关联值；

根据第一关联值及第二关联值，确定每个检索结果与第一输入语句间的第一关联度。

在本公开实施例一种可能的实现方式中，上述抽取模块530，用于：

响应于多个检索结果中至少两个检索结果与输入语句间的第一关联度最高，确定至少两个检索结果中每个检索结果对应的检索频率和/或改写次数；

将检索频率最高的检索结果和/或改写次数最少的检索结果，确定为待返回语句。

在本公开实施例一种可能的实现方式中，上述确定模块520，还用于：

确定目标应答语句对应的第二情感标签；

装置还包括：

存储模块，用于将第一输入语句、第一情感标签、目标应答语句及第二情感标签，关联存入数据库中。

在本公开实施例一种可能的实现方式中，上述确定模块520，还用于：

确定目标应答语句对应的第二情感标签；

存储模块，还用于将第二情感标签、目标应答语句与待返回语句进行关联存储。

在本公开实施例一种可能的实现方式中，还包括：

输出模块，用于输出目标应答语句；

上述确定模块520，还用于响应于接收到第二输入语句，确定第二输入语句与第一输入语句间的第二关联度；

上述存储模块，还用于在第二关联度大于第一阈值的情况下，将目标应答语句及第一情感标签存入预设的训练数据库；

更新模块，用于响应于预设的训练数据库中的数据量大于第二阈值，基于预设的训练数据库中的数据对预设的改写规则进行更新。

需要说明的是，前述检索式对话的生成方法实施例的解释说明，也适用于该实施例的装置，故在此不再赘述。

本公开中，在获取第一输入语句对应的第一情感标签及多个检索结果后，可以确定每个检索结果与第一输入语句间的第一关联度，之后，可以根据多个第一关联度，从多个检索结果中抽取出待返回语句，然后，可以利用预设的改写规则，根据第一情感标签，对待返回语句进行改写，以生成目标应答语句。由此，通过每个检索结果与第一输入语句间的第一关联度，检索出一个准确性最高的待返回语句，并根据第一输入语句的情感标签，对待返回语句进行改写，从而在保证应答语句的准确性的同时，丰富了应答语句的情感。

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。

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。

如图6所示，设备600包括计算单元601，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)602中的计算机程序或者从存储单元608加载到RAM(Random AccessMemory，随机访问/存取存储器)603中的计算机程序，来执行各种适当的动作和处理。在RAM603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、ROM 602以及RAM 603通过总线604彼此相连。I/O(Input/Output，输入/输出)接口605也连接至总线604。

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。

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CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、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，例如检索式对话的生成方法。例如，在一些实施例中，对检索式对话的生成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检索式对话的生成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)而被配置为执行检索式对话的生成方法。

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、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、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一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、至少一个输入装置、和至少一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、该至少一个输入装置、和该至少一个输出装置。

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。

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、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，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。

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：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。

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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(VirtualPrivate Server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本公开的实施例，本公开还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本公开上述实施例提出的检索式对话的生成方法。

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公开的技术方案所期望的结果，本文在此不进行限制。

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。

Claims (15)

1.一种检索式对话的生成方法，包括：

获取第一输入语句对应的第一情感标签及多个检索结果；

确定每个所述检索结果与所述第一输入语句间的第一关联度；

根据多个所述第一关联度，从所述多个检索结果中抽取出待返回语句；

利用预设的改写规则，根据所述第一情感标签，对所述待返回语句进行改写，以生成目标应答语句。

2.如权利要求1所述的方法，其中，所述确定每个所述检索结果与所述第一输入语句间的第一关联度，包括：

确定每个所述检索结果对应的第二情感标签；

根据每个所述第二情感标签与所述第一情感标签的匹配度，确定第一关联值；

根据每个所述检索结果与所述第一输入语句间的语义相似度，确定第二关联值；

根据所述第一关联值及所述第二关联值，确定每个所述检索结果与所述第一输入语句间的第一关联度。

3.如权利要求1所述的方法，其中，所述根据多个所述第一关联度，从所述多个检索结果中抽取出待返回语句，包括：

响应于所述多个检索结果中至少两个检索结果与所述输入语句间的第一关联度最高，确定所述至少两个检索结果中每个检索结果对应的检索频率和/或改写次数；

将检索频率最高的检索结果和/或改写次数最少的检索结果，确定为所述待返回语句。

4.如权利要求1所述的方法，其中，在所述生成目标应答语句之后，还包括：

确定所述目标应答语句对应的第二情感标签；

将所述第一输入语句、所述第一情感标签、所述目标应答语句及所述第二情感标签，关联存入数据库中。

5.如权利要求1-4任一所述的方法，其中，在所述生成目标应答语句之后，还包括：

确定所述目标应答语句对应的第二情感标签；

将所述第二情感标签、所述目标应答语句与所述待返回语句进行关联存储。

6.如权利要求1-4任一所述的方法，其中，在所述生成目标应答语句之后，还包括：

输出所述目标应答语句；

响应于接收到第二输入语句，确定所述第二输入语句与所述第一输入语句间的第二关联度；

在所述第二关联度大于第一阈值的情况下，将所述目标应答语句及所述第一情感标签存入预设的训练数据库；

响应于所述预设的训练数据库中的数据量大于第二阈值，基于所述预设的训练数据库中的数据对所述预设的改写规则进行更新。

7.一种检索式对话的生成装置，包括：

获取模块，用于获取第一输入语句对应的第一情感标签及多个检索结果；

确定模块，用于确定每个所述检索结果与所述第一输入语句间的第一关联度；

抽取模块，用于根据多个所述第一关联度，从所述多个检索结果中抽取出待返回语句；

改写模块，用于利用预设的改写规则，根据所述第一情感标签，对所述待返回语句进行改写，以生成目标应答语句。

8.如权利要求7所述的装置，其中，所述确定模块，用于：

确定每个所述检索结果对应的第二情感标签；

根据每个所述第二情感标签与所述第一情感标签的匹配度，确定第一关联值；

根据每个所述检索结果与所述第一输入语句间的语义相似度，确定第二关联值；

根据所述第一关联值及所述第二关联值，确定每个所述检索结果与所述第一输入语句间的第一关联度。

9.如权利要求7所述的装置，其中，所述抽取模块，用于：

响应于所述多个检索结果中至少两个检索结果与所述输入语句间的第一关联度最高，确定所述至少两个检索结果中每个检索结果对应的检索频率和/或改写次数；

将检索频率最高的检索结果和/或改写次数最少的检索结果，确定为所述待返回语句。

10.如权利要求7所述的装置，其中，所述确定模块，还用于：

确定所述目标应答语句对应的第二情感标签；

所述装置还包括：

存储模块，用于将所述第一输入语句、所述第一情感标签、所述目标应答语句及所述第二情感标签，关联存入数据库中。

11.如权利要求7-10任一所述的装置，其中，所述确定模块，还用于：

确定所述目标应答语句对应的第二情感标签；

所述存储模块，还用于将所述第二情感标签、所述目标应答语句与所述待返回语句进行关联存储。

12.如权利要求7-10任一所述的装置，其中，还包括：

输出模块，用于输出所述目标应答语句；

所述确定模块，还用于响应于接收到第二输入语句，确定所述第二输入语句与所述第一输入语句间的第二关联度；

所述存储模块，还用于在所述第二关联度大于第一阈值的情况下，将所述目标应答语句及所述第一情感标签存入预设的训练数据库；

更新模块，用于响应于所述预设的训练数据库中的数据量大于第二阈值，基于所述预设的训练数据库中的数据对所述预设的改写规则进行更新。

13.一种电子设备，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权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

Images