从机器对话切换到人工对话的方法和装置的制造方法
【技术领域】
[0001]本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及从机器对话切换到人工对话的方法和装置。
【背景技术】
[0002]随着人工智能技术的发展，越来越多的问答系统采用人工智能技术。现有的人工智能问答系统只能按照预先设计好的流程回答用户提出的问题，例如通过用户会话特征(如关键词)，与已经设置好的问题进行匹配，而后将对应生成的答案反馈给用户。但是这种通过机器对话的方式不能及时的发现用户是否出现情绪激动、愤怒或对机器回答不满意的情况。而采用人工对话的方式虽然能够解决上述问题，但是却会造成人工成本的极大浪费。进一步的，目前虽然存在一些问答系统采用将机器对话与人工对话相结合的方式构成人工智能问答系统，但是由于此种问答系统不能准确的判断出从机器对话转人工对话的最佳时机，仍然不能有效的提高用户体验。
【发明内容】
[0003]本申请的目的在于提出一种改进的从机器对话切换到人工对话的方法和装置，来解决以上【背景技术】部分提到的技术问题。
[0004]第一方面，本申请提供了一种从机器对话切换到人工对话的方法，所述方法包括:获取用户发送的会话的语句数量；当所述会话的语句数量大于预设的第一阈值时，提取所述会话的关键词，并将所述关键词与预设的关键词集合匹配，其中，所述关键词用于表征所述用户的情绪特征；当所述关键词集合与所述关键词不匹配时，提取所述会话的会话特征，并将所述会话特征输入到预先训练的分类模型得到所述用户的满意程度，其中，所述分类模型用于通过会话特征预测用户的满意程度；当所述用户的满意程度小于预设的第二阈值时，将所述会话从机器对话切换到人工对话。
[0005]在一些实施例中，所述预先训练的分类模型通过如下方式得到:获取多个会话样本，其中，各所述会话样本包括用户关于该次会话的满意程度、该次会话的会话特征以及该次会话中各所述会话特征的数目；根据所述会话样本的会话特征和各所述会话特征的数目，生成所述会话特征的特征向量;将所述特征向量和与之对应的满意程度作为训练样本，得到所述预先训练的分类模型。
[0006]在一些实施例中，所述会话特征包括以下至少一项:会话的来源入口、会话内容的关联信息、用户的关联信息。
[0007]在一些实施例中，所述获取用户发送的会话的语句数量，包括:获取所述用户发送的当前语句和所述当前语句之前的各语句组成的会话;确定所述会话的语句数量。
[0008]在一些实施例中，所述提取所述会话的会话特征，并将所述会话特征输入到预先训练的分类模型得到所述用户的满意程度，包括:获取所述用户发送的当前语句和所述当前语句之前的各语句组成的会话;提取所述会话的会话特征，统计各所述会话特征的数目；根据所述会话特征和各所述会话特征的数目，生成所述会话特征的特征向量;将所述特征向量输入到所述分类模型得到所述用户的满意程度。
[0009]在一些实施例中，所述方法还包括:当所述会话的语句数量小于或等于第一预设阈值时，继续保持机器对话；以及当所述关键词集合与所述关键词匹配时，将所述会话从机器对话切换到人工对话。
[0010]第二方面，本申请提供了一种从机器对话切换到人工对话的装置，所述装置包括:语句数量获取模块，配置用于获取用户发送的会话的语句数量;关键词匹配模块，配置用于当所述会话的语句数量大于预设的第一阈值时，提取所述会话的关键词，并将所述关键词与预设的关键词集合匹配，其中，所述关键词用于表征所述用户的情绪特征;满意程度获取模块，配置用于当所述关键词集合与所述关键词不匹配时，提取所述会话的会话特征，并将所述会话特征输入到预先训练的分类模型得到所述用户的满意程度，其中，所述分类模型用于通过会话特征预测用户的满意程度;第一人工对话切换模块，配置用于当所述用户的满意程度小于预设的第二阈值时，将所述会话从机器对话切换到人工对话。
[0011]在一些实施例中，所述预先训练的分类模型通过如下方式得到:获取多个会话样本，其中，各所述会话样本包括用户关于该次会话的满意程度、该次会话的会话特征以及该次会话中各所述会话特征的数目；根据所述会话样本的会话特征和各所述会话特征的数目，生成所述会话特征的特征向量;将所述特征向量和与之对应的满意程度作为训练样本，得到所述预先训练的分类模型。
[0012]在一些实施例中，所述会话特征包括以下至少一项:会话的来源入口、会话内容的关联信息、用户的关联信息。
[0013]在一些实施例中，所述语句数量获取模块进一步配置用于:获取所述用户发送的当前语句和所述当前语句之前的各语句组成的会话;确定所述会话的语句数量。
[0014]在一些实施例中，所述满意程度获取模块进一步配置用于:获取所述用户发送的当前语句和所述当前语句之前的各语句组成的会话;提取所述会话的会话特征，统计各所述会话特征的数目；根据所述会话特征和各所述会话特征的数目，生成所述会话特征的特征向量;将所述特征向量输入到所述分类模型得到所述用户的满意程度。
[0015]在一些实施例中，所述装置还包括:机器对话模块，配置用于当所述会话的语句数量小于或等于第一预设阈值时，继续保持机器对话；以及第二人工对话切换模块，配置用于当所述关键词集合与所述关键词匹配时，将所述会话从机器对话切换到人工对话。
[0016]本申请提供的从机器对话切换到人工对话的方法和装置，通过判断用户发送的会话语句的数量是否大于第一阈值，并在会话语句的数量大于第一阈值时提取该会话的关键词，之后将该关键词与预设的关键词集合相匹配，当确定该关键词与所述关键词集合不匹配情况下，则通过预先训练的分类模型预测用户的满意程度，而后将满意程度小于第二预设阈值的会话从机器对话切换到人工对话，从而利用多次判断，提高了从机器对话切换到人工对话的时机判断的准确率，进而可以提高会话效率，节省会话交互所产生的网络流量。
【附图说明】
[0017]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，本申请的其它特征、目的和优点将会变得更明显:
[0018]图1是本申请可以应用于其中的示例性系统架构图；
[0019]图2是根据本申请的从机器对话切换到人工对话的方法的一个实施例的流程图；
[0020]图3是根据本申请的从机器对话切换到人工对话的方法中，获得预先训练的分类模型的一种实现方式的示意性流程图；
[0021]图4是根据本申请的从机器对话切换到人工对话的方法的又一个实施例的流程图；
[0022]图5是根据本申请的从机器对话切换到人工对话的装置的一个实施例的结构示意图；
[0023]图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
【具体实施方式】
[0024]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
[0025]需要说明的是，在不冲突的情况下，本申请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申请。
[0026]图1示出了可以应用本申请的从机器对话切换到人工对话的方法或从机器对话切换到人工对话的装置的实施例的示例性系统架构100。
[0027]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0028]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如即时通信软件、购物类应用、搜索类应用、网页浏览器应用、社交平台软件等。
[0029]终端设备101、102、103可以是具有显示屏并且支持人机会话的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Mo