可以分别设置为0.01和0.98，而后将会话特征的特征向量输入上述训练的分类模型，该会话可以被分到一个已知的类别中。
[0057]本申请的上述实施例的实现方式提供的分类模型的训练步骤，通过选择合适的会话样本和会话特征等，训练出用于预测用户满意程度的分类模型，提高了从机器对话切换到人工对话的时机判断的准确率。
[0058]进一步参考图4，其示出了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400。该从机器对话切换到人工对话的方法的流程400，包括以下步骤:
[0059]步骤401，获取用户发送的会话的语句数量。
[0060]在本实施例中，从机器对话切换到人工对话的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行人机会话交流的终端接收会话的语句，而后通过分析获取该通会话的语句数量。人工智能问答系统通常采用一问一答的形式进行问答对话，因此上述电子设备可以通过统计用户输入问题的次数来确定该会话的语句数量。
[0061]在本实施例的一些可选的实现方式中，上述电子设备可以获取上述用户发送的当前语句和当前语句之前的各语句组成的会话，之后再确定上述会话的语句数量。
[0062]步骤402，会话的语句数量是否大于第一阈值。
[0063]在本实施例中，上述电子设备可以预先设置第一阈值，之后将上述获取的会话的语句数量与上述第一阈值进行比较，若上述会话的语句数量大于第一阈值，则转到步骤403，若上述会话的语句数量小于第一阈值，则转到步骤408，继续保持机器对话。
[0064]步骤403，提取会话的关键词，并将该键词与预设的关键词集合匹配。
[0065]在本实施例中，基于步骤402确定的上述会话的语句数量大于预设的第一阈值，上述电子设备提取上述会话中的关键词。这里的关键词用于表征用户的情绪特征，例如某些可以表达用户不满情绪的词或短句等，而后将提取到的上述关键词与预设的关键词集合进行匹配。这里，可以从历史数据中获取上述的关键词，具体地，可以预先获取历史会话语料库，而后从中提取用于表达用户不满情绪的或者明确表示想转人工会话的词和短语等构成上述的关键词集合。
[0066]步骤404，预设的关键词集合与关键词是否匹配。
[0067]在本实施例中，将上述会话中提取的关键词在预设关键词集合中进行匹配，若在上述预设的关键词集合中可以匹配到上述关键词，则转到步骤407，从机器对话切换到人工对话，若上述关键词与预设的关键词集合中的各个关键词均不匹配，则转到步骤405。
[0068]步骤405，提取会话的会话特征，并将会话特征输入到预先训练的分类模型得到用户的满意程度。
[0069]在本实施例中，上述电子设备可以获取用户发送的当前语句和当前语句之前的各语句组成的会话。之后提取上述会话的会话特征，统计各上述会话特征的数目。而后根据上述提取的会话特征和各会话特征的数目，生成该会话特征的特征向量。最后将上述生成的特征向量输入到上述训练的分类模型得到上述用户的满意程度。
[0070]步骤406，用户的满意程度是否大于第二阈值。
[0071]在本实施例中，基于步骤405获取的用户满意程度，上述电子设备判断上述满意程度是否大于第二阈值，若满意程度大于上述第二阈值，则转到步骤408，继续保持机器对话，若满意程度小于或等于预设阈值，则转到步骤407，从机器对话切换到人工对话。
[0072]步骤407，从机器对话切换到人工对话。
[0073]在本实施例中，基于步骤404确定的上述关键词集合与在上述会话中提取的关键词不匹配，或者步骤406确定的用户的满意程度小于或等于第二阈值，上述电子设备可以将对话从机器对话方式转到人工对话方式。
[0074]步骤408，机器对话。
[0075]在本实施例中，基于步骤402确定的上述会话的语句数量小于或等于第一阈值，或者步骤406确定的用户的满意程度大于第二阈值，该对话继续保持机器对话的方式。
[0076]本申请的上述实施例提供的从机器对话切换到人工对话的方法，通过多次判断，提高了从机器对话切换到人工对话时机判断的准确率。
[0077]进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种从机器对话切换到人工对话的装置的一个实施例，该装置实施例与图2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。
[0078]如图5所示，本实施例所述的从机器对话切换到人工对话的装置500包括:语句数量获取模块501、关键词匹配模块502、满意程度获取模块503和第一人工对话切换模块504。其中，语句数量获取模块501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502配置用于当会话的语句数量大于预设的第一阈值时，提取上述会话的关键词，并将上述关键词与预设的关键词集合匹配，其中，关键词用于表征上述用户的情绪特征;满意程度获取模块503配置用于当上述关键词集合与上述关键词不匹配时，提取会话的会话特征，并将会话特征输入到预先训练的分类模型得到上述用户的满意程度，其中，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504配置用于当用户的满意程度小于预设的第二阈值时，将上述会话从机器对话切换到人工对话。
[0079]在本实施例的一些可选的实现方式中，上述装置还可以通过如下方式得到上述预先训练的分类模型:获取多个会话样本，其中，各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会话特征的数目；根据上述会话样本的会话特征和各会话特征的数目，生成会话特征的特征向量;将上述特征向量和与之对应的满意程度作为训练样本，得到上述预先训练的分类模型。
[0080]在本实施例的一些可选的实现方式中，会话特征可以包括以下至少一项:会话的来源入口、会话内容的关联信息、用户的关联信息。
[0081]在本实施例中，语句数量获取模块501还可以进一步配置用于:获取上述用户发送的当前语句和当前语句之前的各语句组成的会话;确定上述会话的语句数量。
[0082]在本实施例中，满意程度获取模块503还可以进一步配置用于:获取用户发送的当前语句和当前语句之前的各语句组成的会话;提取上述会话的会话特征，统计各会话特征的数目；根据上述会话特征和各会话特征的数目，生成上述会话特征的特征向量;将上述特征向量输入到上述分类模型得到用户的满意程度。
[0083]在本实施例中，上述装置还可以进一步包括:机器对话模块(未示出)，配置用于当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(未示出)，配置用于当上述关键词集合与关键词匹配时，将会话从机器对话切换到人工对话。
[0084]下面参考图6，其示出了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600的结构示意图。
[0085]如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(R0M)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 60KROM 602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。
[0086]以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606 ；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口 605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0087]特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质