用于辅助对话的方法和装置与流程

1.本发明实施例涉及一种用于辅助对话的方法和装置。


背景技术：

2.在智能对话助手中，所有的应用都是基于单会话的会话管理，所谓的单会话指的是，只考虑当前用户在一个im聊天窗口发起的会话，而在智能客服的场景中，在帮助经纪人回答用户的问题时，仅仅依赖当前会话来辅助经纪人选择相应的动作往往起到的作用是有限的。
3.在一般的会话场景中，机器人侧的推荐不仅仅可以依赖当前会话的信息，而且还能依赖当前会话的用户画像信息。但是，在房产交易的商机产生阶段，一方面会话信息少，另一方面用户的画像信息很难投入使用。因此，基于单会话的机器人动作推荐方法可依赖的信息就很少，导致推荐的动作准确性一般。


技术实现要素：

4.本发明实施例的目的是提供一种用于辅助对话的方法和装置，其可解决或至少部分解决上述问题。
5.为了实现上述目的，本发明实施例的一个方面提供一种用于辅助对话的方法，该方法包括：获取预设时间段内进行当前会话的当前用户进行的历史会话；基于针对会话状态节点转移的预设转移规则，按照所述当前会话和所述历史会话的时间顺序，针对所述当前会话和所述历史会话中包括的会话状态节点，构建跨会话的会话状态节点有向图，以得到第一会话状态节点有向图；将所述第一会话状态节点有向图输入到第一预设图神经网络模型，得到所述第一会话状态节点有向图中的每一会话状态节点的第一节点向量，其中，所述会话状态节点的所述第一节点向量体现所述会话状态节点的全局信息；针对所述第一会话状态节点有向图中的所述会话状态节点，基于所述第一节点向量，重新确定所述会话状态节点之间的转移关系，以重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图；以及基于所述第二会话状态节点有向图，结合所述第一节点向量，对预设会话状态节点集中的待选会话状态节点进行筛选，以确定所述当前会话的当前会话状态节点的下一会话状态节点。
6.可选地，针对所述第一会话状态节点有向图中的所述会话状态节点基于所述第一节点向量重新确定所述会话状态节点之间的转移关系以重新构建跨会话的会话状态节点有向图以得到第二会话状态节点有向图包括：基于所述预设转移规则，在所述第一会话状态节点有向图包括的所述会话状态节点中确定所述第二会话状态节点有向图的开始会话状态节点；以及针对所述第二会话状态节点有向图的任一所述开始会话状态节点，执行以下操作以构建所述第二会话状态节点有向图：结合所述第一节点向量，确定所述第一会话状态节点有向图中除所述开始会话状态节点外的每一所述会话状态节点与所述开始会话状态节点的关系紧密程度；根据所确定的关系紧密程度，判定所述开始会话状态节点是否
具有下一会话状态节点；以及在所述开始会话状态节点具有所述下一会话状态节点的情况下，基于所述开始会话状态节点的所述下一会话状态节点，重复确定所述关系紧密程度及判定是否具有下一会话状态节点的过程，直到待确定下一会话状态节点的所述会话状态节点不具有下一会话状态节点。
7.可选地，该方法还包括：基于注意力机制，为所述第一会话状态节点有向图中每一所述会话状态节点的入度会话状态节点和/或出度会话状态节点分配权重，其中，确定所述关系紧密程度还结合所述入度会话状态节点的权重和/或所述出度会话状态节点的权重。
8.可选地，基于所述第二会话状态节点有向图结合所述第一节点向量对预设会话状态节点集中的待选会话状态节点进行筛选以确定所述当前会话状态节点的下一会话状态节点包括：基于所述第二会话状态节点有向图中的会话状态节点转移路径，结合所述会话状态节点的所述第一节点向量，对所述预设会话状态节点集中的任一所述待选会话状态节点为所述当前会话状态节点的下一会话状态节点的可能性进行评估；以及根据评估结果对所述预设会话状态节点集中的所述待选会话状态节点进行筛选，以确定所述当前会话状态节点的下一会话状态节点。
9.可选地，针对所述预设会话状态节点集中的任一所述待选会话状态节点，对所述待选会话状态节点为所述当前会话状态节点的下一会话状态节点的可能性进行评估包括：针对任一所述会话状态节点转移路径，结合所述会话状态节点的所述第一节点向量，确定路径得分；以及根据所有所述会话状态节点转移路径对应的所述路径得分，确定所述待选会话状态节点为所述当前会话状态节点的下一会话状态节点对应的评估得分，以对所述待选会话状态节点为所述当前会话状态节点的下一会话状态节点的可能性进行评估，其中，所述根据评估结果对所述预设会话状态节点集中的所述待选会话状态节点进行筛选包括根据所述评估得分对所述待选会话状态节点进行筛选，其中，最高的所述评估得分对应的所述待选会话状态节点即为所述当前会话状态节点的下一会话状态节点。
10.可选地，针对任一所述会话状态节点转移路径结合所述会话状态节点的所述第一节点向量确定所述路径得分包括：结合所述第一节点向量，确定所述会话状态节点转移路径中除所述无出度会话状态节点外的所述会话状态节点与所述无出度会话状态节点的路径关系紧密程度；以及根据预设得分公式，结合所述路径关系紧密程度、所述无出度会话状态节点的所述第一节点向量和所述待选会话状态节点的所述第一节点向量，确定所述路径得分。
11.可选地，所述预设得分公式包括：可选地，所述预设得分公式包括：其中，表示会话状态节点转移路径α中的所述无出度会话状态节点的所述第一节点向量，表示会话状态节点转移路径α对应的所述路径关系紧密程度，wn和ws表示权重，σ表示relu函数，v
β
表示预设会话状态节点集中待选会话状态节点β的所述第一节点向量，y
αβ
表示针对待选会话状态节点β的会话状态节点转移路径α对应的所述路径得分。
12.可选地，该方法还包括：将所述第一会话状态节点有向图中的每一所述会话状态节点的所述第一节点向量输入到第二预设循环神经网络模型，得到针对每一所述会话状态节点的第二节点向量，其中，每一所述会话状态节点的所述第二节点向量体现关于所述会
话状态节点的全局信息，其中，当使用所述第一节点向量时将所述第一节点向量替换为所述第二节点向量。
13.可选地，该方法还包括：在筛选得到的所述待选会话状态节点为提问意图状态节点的情况下，基于所述预设转移规则，将筛选得到的所述待选会话状态节点映射为答复动作状态节点，其中，映射得到的所述答复动作状态节点即为所述当前会话状态节点的下一会话状态节点。
14.相应地，本发明实施例的另一方面提供一种用于辅助对话的装置，该装置包括：历史会话获取模块，用于获取预设时间段内进行当前会话的当前用户进行的历史会话；第一会话状态节点有向图得到模块，用于基于针对会话状态节点转移的预设转移规则，按照所述当前会话和所述历史会话的时间顺序，针对所述当前会话和所述历史会话中包括的会话状态节点，构建跨会话的会话状态节点有向图，以得到第一会话状态节点有向图；第一节点向量得到模块，用于将所述第一会话状态节点有向图输入到第一预设图神经网络模型，得到所述第一会话状态节点有向图中的每一会话状态节点的第一节点向量，其中，所述会话状态节点的所述第一节点向量体现所述会话状态节点的全局信息；第二会话状态节点有向图得到模块，用于针对所述第一会话状态节点有向图中的所述会话状态节点，基于所述第一节点向量，重新确定所述会话状态节点之间的转移关系，以重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图；以及筛选模块，用于基于所述第二会话状态节点有向图，结合所述第一节点向量，对预设会话状态节点集中的待选会话状态节点进行筛选，以确定所述当前会话的当前会话状态节点的下一会话状态节点。
15.此外，本发明实施例的另一方面还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的方法。
16.此外，本发明实施例的另一方面还提供一种处理器，用于运行程序，其中，所述程序被运行时用于执行上述的方法。
17.此外，本发明实施例的另一方面还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述的方法。
18.通过上述技术方案，结合当前会话和历史会话，构建第一会话状态节点有向图，针对第一会话状态节点有向图中的会话状态节点重新构建会话状态节点有向图得到第二会话状态节点有向图，其中，第二会话状态节点有向图对第一会话状态节点有向图中包括的会话状态节点之间的转移顺序打乱，第二会话状态节点有向图在跨会话的会话状态节点之间构建转移顺序，进而基于第二会话状态节点有向图确定当前会话状态节点的下一会话状态节点，如此，实现了跨会话进行辅助对话，使得在确定下一会话状态节点以辅助对话时能依赖较多的信息，如此，提升了所确定的下一会话状态节点的准确性。
19.本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
20.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
21.图1是本发明一实施例提供的用于辅助对话的方法的流程图；
22.图2是本发明另一实施例提供的预设转移规则的示意图；
23.图3是本发明另一实施例提供的第一会话状态节点有向图的示意图；
24.图4是本发明另一实施例提供的单会话的会话状态节点有向图的示意图；
25.图5是本发明另一实施例提供的用于辅助对话的方法的逻辑示意图；
26.图6是本发明另一实施例提供的lstm模型的网络结构的示意图；以及
27.图7是本发明另一实施例提供的用于辅助对话的装置的结构框图。
具体实施方式
28.以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
29.在智能会话的过程中，用户和经纪人的交互过程是一个状态转移的过程，用户的状态转移又依赖于经纪人的动作。在商机产生阶段，用户问题描述具有差异性、非连续性，可能需要联系更多的经纪人才能得到自己想要的信息，用户会找不同的很多经纪人进行基础信息的咨询，这些经纪人之间存在的是间接合作的关系，其中，商机可以是从房源详情页进入会话产生的商机。但是，对于经纪人而言，经纪人仅仅就当前会话与用户进行沟通，经纪人并不能在用户零零散散的需求咨询中获得很多的有效信息，只是依赖当前简短会话的内容，不能很好的了解用户的需求。在房产交易成交的过程中，本来也是不同经纪人相互合作的场景，在单会话管理中，并没有用到合作会话的优势。因此，本发明实施例提供了基于跨会话进行辅助对话的技术方案。
30.本发明实施例的一个方面提供一种用于辅助对话的方法。
31.图1是本发明一实施例提供的用于辅助对话的方法的流程图。如图1所示，该方法包括以下内容。
32.在步骤s10中，获取预设时间段内进行当前会话的当前用户进行的历史会话。例如，获取当前会话发起时间的前两周之内发起的会话作为历史会话，其中，当前会话和历史会话是同一用户的。应理解，本公开实施例对获取历史会话的方式不做限制，例如是在用户的授权下获取的。此外，应理解，在本公开实施例中，对获得的历史会话和当前会话进行分析和为用户提供推荐、预测等服务也是在用户的授权下进行的。
33.在步骤s11中，基于针对会话状态节点转移的预设转移规则，按照当前会话和历史会话的时间顺序，针对当前会话和历史会话中包括的会话状态节点，构建跨会话的会话状态节点有向图，以得到第一会话状态节点有向图。其中，预设转移规则中描述了会话状态节点与会话状态节点之间转移的顺序及两会话状态节点之间转移的转移概率，例如，如图2所示，示出了一预设转移规则，其中，图2适用于房产交易。此外，会话状态节点是有向图中对应会话过程中的一方进行表达的节点，与会话状态对应。在下文中，对预设转移规则和会话状态节点进行详细介绍。此外，单会话的会话状态节点有向图描述了单会话对应的会话状态节点之间的转移关系，第一会话状态节点有向图中除描述单会话对应的会话状态节点之间的转移关系外还包括跨会话的会话状态节点之间的转移关系。在第一会话状态节点有向图中，按照时间顺序，对根据预设转移规则得到的跨会话之间的可以进行转移的会话状态节点之间建立转移链接。例如，如图3所示，图3所示的即为一第一会话状态节点有向图，其中，当前会话是会话4，历史会话是会话1、会话2和会话3，图3中所示的节点1、节点2、节点3、
节点4、节点5、开始和结束为本发明实施例中所述的会话状态节点，会话4中的节点5即为当前会话状态节点。下面以构建图3所示的第一会话状态节点有向图为例说明如何构建第一会话状态节点有向图。第一会话状态节点有向图是跨会话的有向图，跨会话的有向图构建是基于单会话构建的，我们选取当前会话发起时间的前两周之内发起的会话作为当前会话的历史会话，在图3中表现为会话1、会话2、会话3和会话4。在构建第一会话状态节点有向图时，按照时间顺序排列会话1、会话2、会话3和会话4，在按照时间顺序相邻的两会话之间根据预设转移规则判断是否可以构建转移链接。在预设转移规则中会话1的节点1和会话2的节点2之间有转移并且转移概率大于预设转移概率阈值，例如，预设转移概率阈值可以是0.6，则可以在会话1的节点1和会话2的节点2之间建立转移链接，如图3所示。根据上述内容，遍历当前时间前两周的会话数据，结合预设转移规则查看所有按照时间顺序相邻的两会话是否可以构建转移链接，以构建出第一会话状态节点有向图。
34.在步骤s12中，将第一会话状态节点有向图输入到第一预设图神经网络模型，得到第一会话状态节点有向图中的每一会话状态节点的第一节点向量，其中，会话状态节点的第一节点向量体现会话状态节点的全局信息。例如全局信息可以是反映出该节点在整个图中的出入度情况、节点重要性、节点所在图中的位置等反应全局性的信息，即通过图神经网络得到的第一节点向量能使得节点表示反映出该节点在整个图中的出入度情况、节点重要性、节点所在图中的位置等反应全局性的信息。例如，第一预设图神经网络模型可以是gnn模型。
35.在步骤s13中，针对第一会话状态节点有向图中的会话状态节点，基于第一节点向量，重新确定会话状态节点之间的转移关系，重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图。
36.在步骤s14中，基于第二会话状态节点有向图，结合第一节点向量，对预设会话状态节点集中的待选会话状态节点进行筛选，以确定当前会话的当前会话状态节点的下一会话状态节点。
37.通过上述技术方案，结合当前会话和历史会话，构建第一会话状态节点有向图，针对第一会话状态节点有向图中的会话状态节点重新构建会话状态节点有向图得到第二会话状态节点有向图，其中，第二会话状态节点有向图对第一会话状态节点有向图中包括的会话状态节点之间的转移顺序打乱，第二会话状态节点有向图在跨会话的会话状态节点之间构建转移顺序，进而基于第二会话状态节点有向图确定当前会话状态节点的下一会话状态节点，如此，实现了跨会话进行辅助对话，使得在确定下一会话状态节点以辅助对话时能依赖较多的信息，如此，提升了所确定的下一会话状态节点的准确性。
38.在本发明实施例中，会话状态节点是有向图中对应会话过程中的一方进行表达的节点，与会话状态对应。会话状态可以根据会话内容而定，例如可以包括开始会话状态(对应于初次进入会话)、结束会话状态(对应于结束会话)、提问意图状态(例如，用户与经纪人没有继续进行下去，所有状态都会转向结束)和答复动作状态(例如，经纪人在回复用户问题时，给出的动作类型，定义为答复动作状态)，对应的，会话状态节点可以包括开始会话状态节点、结束会话状态节点、提问意图状态节点和答复动作状态节点。在会话过程中，一方是通过提问来解决自己的问题，另一方是通过答复问题来解决对方的问题，因此，具有提问方和答复方。其中，初次进入会话的节点为开始会话状态节点，结束会话的节点是结束会话
状态节点。除开始状态节点和结束状态节点外，提问方对应的节点为提问意图状态节点(例如，用户在询问一个问题识别出相应的意图，我们将这个意图定义为用户所处的提问意图状态)，答复方对应的节点为答复动作状态节点。另外，会话状态转移指的是，在一个会话过程中，交互过程就是一方的会话状态和另一方的会话状态之间的交替转移，例如，提问方和答复方交互过程就是提问意图状态和答复动作状态之间的交替转移。对应的，会话状态节点之间的转移就是从一方的会话状态节点转移到另一方的会话状态节点，两会话状态节点之间转移的转移概率指的是从一会话状态节点转移到另一会话状态节点的概率。例如，转移概率可以是用户的提问意图状态节点与经纪人的答复动作状态节点之间的转移概率统计。下面以房产交易过程中用户与经纪人之间的会话过程为例对会话状态进行说明，会话状态根据会话内容而定，参见表1所示，其中，在该示例中，从用户发送房源信息开始会话，发送房源信息对应的开始状态，除此之外，剩余的用户对应的状体为提问意图状态；经纪人对应的状态为答复动作状态。
39.表1
[0040][0041]
在本发明实施例中，预设转移规则中描述了会话状态节点与会话状态节点之间转
移的顺序及两会话状态节点之间转移的转移概率。例如，如图2所示，示出了一预设转移规则，其中，图2适用于房产交易。此外，预设转移规则是预先建立好的，例如，可以参照交流成功的单会话来构建预设转移规则。在不同的会话场景下，对交流成功的定义不同，可以根据具体的会话场景进行设置。例如，在房产交易过程中，以用户与经纪人之间转委托成功来表征交流成功，其中，转委托成功可以是经纪人成功拿到用户的联系方式。具体地，将交流成功的单会话根据会话状态抽象成会话状态节点有向图，根据大量单会话对应的会话状态节点有向图，统计节点出度占比得到转移概率。其中，对于一单会话，会话状态节点有向图可以描述了会话状态节点之间的转移关系。例如，对于上述表1中所示的单会话，会话状态节点有向图可以参照图4所示。此外，在进行统计的所有单会话对应的会话状态节点有向图中，势必存在会话状态节点即是某一单会话的会话状态节点有向图中的会话状态节点又是另一或另几个单会话的会话状态节点有向图中的会话状态节点。那么，针对一会话状态节点，与其对应的下一会话状态节点可以有多个，其中，该下一会话状态节点又称为该会话状态节点的出度会话状态节点。对于从一会话状态节点到其对应的出度会话状态节点，针对某一出度会话状态节点，节点出度占比指的是到该出度会话状态节点的转移的数量在到对应的所有出度会话状态节点的转移的数量的占比，从该会话状态节点到该出度会话状态节点的转移概率即为计算得到的占比。例如，在进行统计的所有单会话对应的会话状态节点有向图中，会话状态节点a可以转移到会话状态节点b、c和d，其中，会话状态节点b、c和d均为会话状态节点a的出度会话状态节点，从会话状态节点a转移到会话状态节点b的数量是30，从会话状态节点a转移到会话状态节点c的数量是30，从会话状态节点a转移到会话状态节点d的数量是40，则在从会话状态节点a转移其对应的出度会话状态节点中，会话状态节点b的节点出度占比是30/100＝0.3，那么从会话状态节点a转移到会话状态节点b的概率是0.3。
[0042]
具体地，在该实施例中，可以参照以下内容得到如图2所示的预设转移规则。数据源为im文本聊天数据，数据的时间是2021年6月，数据量是9000w+，随机选择1000w数据进行分析。拿到1000w数据后先进行数据预处理，其中，数据预处理包括以下内容：1)取商机数据(以用户发送房源开始的会话，用开始标识)；2)除去后七天没有对话的数据；3)过滤之后的数据大概300w。从300w数据中随机选取100w转委托成功的单会话数据，将单会话根据会话状态抽象成有向图，针对这100w个单会话，统计节点出度占比，得到转移概率，进而得到图2所示的预设转移规则。
[0043]
可选地，在本发明实施例中，针对第一会话状态节点有向图中的会话状态节点，基于第一节点向量，重新确定会话状态节点之间的转移关系，以重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图可以包括以下内容。基于预设转移规则，在第一会话状态节点有向图包括的会话状态节点中确定第二会话状态节点有向图的开始会话状态节点。预设转移规则中表达了哪些会话状态节点是开始会话状态节点，通过与第一会话状态节点有向图对比，在第一会话状态节点有向图中存在的且被预设转移规则包括的开始会话状态节点作为第二会话状态节点有向图的开始会话状态节点。针对第二会话状态节点有向图中的任一开始会话状态节点，执行以下操作以构建第二会话状态节点有向图。具体地，结合第一节点向量，确定第一会话状态节点有向图中除开始会话状态节点外的每一会话状态节点与开始会话状态节点的关系紧密程度。这一步为了根据两两之间的会话状态
节点表示及节点相似度来基于全局衡量会话状态节点有向图的表示。例如，可以根据预设关系公式来确定关系紧密程度。根据所确定的关系紧密程度，判定开始会话状态节点是否具有下一会话状态节点。具体地，判断所确定的关系紧密程度是否符合预设关系紧密程度判定规则，符合预设关系紧密程度则说明具有下一会话状态节点，不符合预设关系紧密程度则说明不具有下一会话状态节点。其中，所确定的关系紧密程度可能有一个或多个，针对得到的每个关系紧密程度均判断其是否符合预设关系紧密程度判定规则，符合预设关系紧密程度判定规则的关系紧密程度对应的会话状态节点作为下一会话状态节点。例如，针对会话状态节点e判定其是否具有下一会话状态节点，通过确定关系紧密程度，确定会话状态节点f和会话状态节点g与会话状态节点e之间的关系紧密程度均符合预设关系紧密程度判定规则，由此，会话状态节点f和会话状态节点g均为会话状态节点e的下一会话状态节点。在确定出下一会话状态节点后，继续以每一所确定的下一会话状态节点为基础从第一会话状态节点有向图中除开始会话状态节点及其本身外的会话状态节点集合中确定其下一会话状态节点，具体地，根据上述确定关系紧密程度及判断是否具有下一会话状态节点的内容来进行确定。然后重复确定关系紧密程度及判定是否具有下一会话状态节点的过程进行第三代、第四代
……
第n代确定下一会话状态节点，直到待确定下一会话状态节点的会话状态节点不具有下一会话状态节点。其中，第一代确定下一会话状态节点为确定开始会话状态节点的下一会话状态节点，第二代确定下一会话状态节点为确定开始会话状态节点的下一会话状态节点的下一会话状态节点，依次类推第三代确定下一会话状态节点
……
第n代确定下一会话状态节点。
[0044]
可选地，在本发明实施例中，该方法还可以包括：基于注意力(attention)机制，为第一会话状态节点有向图中每一会话状态节点的入度会话状态节点和/或出度会话状态节点分配权重，其中，确定关系紧密程度还结合入度会话状态节点的权重和/或出度会话状态节点的权重。其中，在会话状态节点有向图中，针对一会话状态节点，入度会话状态节点为指向其的会话状态节点，出度会话状态节点为其指向的会话状态节点。例如，如图3所示，针对会话2中的节点2，会话1中的节点1和节点2为其入度会话状态节点，会话3中的节点2和节点3为其出度会话状态节点。
[0045]
可选地，在本发明实施例中，预设关系公式可以参照如下所示。在公式中，分子中计算的是会话状态节点i和会话状态节点j之间的关系，分母表示的是，会话状态节点i和会话状态节点集合中每个会话状态节点之间关系的和，这个分式得到的结果基于全局会话状态节点衡量了会话状态节点i和会话状态节点j的关系紧密程度。其中，α
i，j
表示会话状态节点i和会话状态节点j之间的关系紧密程度；a
t
表示网络结构的权重参数，在神经网络训练的过程中不断优化；w也是网络参数，实现两个节点在计算时的权重调节；表示会话状态节点i的第一节点向量；表示会话状态节点j的第一节点向量；sim
ij
表示会话状态节点i和会话状态节点j之间的余弦相似度，其中，余弦相似度可以根据会话状态节点i的第一节点向量和会话状态节点j的第一节点向量进行计算；ni表示所有可以参与关系紧密程度计算的会话状态节点组成的会话状态节点集合；sim
ik
表示会话状态节点i和会话状态节点k之间的余弦相似度。在利用上述公式针对第二会话状态节点有
向图中的一开始会话状态节点计算关系紧密程度时，会话状态节点i对应于该开始会话状态节点，会话状态节点j对应于第一会话状态节点有向图中待被确定与开始会话状态节点之间的关系紧密程度的会话状态节点，ni表示第一会话状态节点有向图中除该开始会话状态节点外的所有会话状态节点组成的集合。需要说明的是，第一代确定下一会话状态节点对应的会话状态节点集合与第二代确定下一会话状态节点和第三代确定下一会话状态节点及后对应的会话状态节点集合不同，第一代确定下一会话状态节点的会话状态节点集合为第一会话状态节点有向图中除去开始会话状态节点外的会话状态节点组合的集合，第二代确定下一会话状态节点和第三代确定下一会话状态节点及后的会话状态节点集合为第一会话状态节点有向图中除去开始会话状态节点和待被确定下一会话状态节点的会话状态节点外的会话状态节点组合的集合。例如，针对会话状态节点i进行第三代确定下一会话状态节点，则会话状态节点集合为第一会话状态节点有向图中除开始会话状态节点和会话状态节点i外的会话状态节点组合的集合。此外，预设关系紧密程度判定规则可以是设置关系紧密程度阈值及说明与关系紧密程度阈值的关系，例如预设关系紧密程度判定规则可以是大于关系紧密程度阈值，例如，关系紧密程度阈值设置为0.6，当确定的关系紧密程度大于关系紧密程度阈值时符合预设关系紧密程度判定规则，当确定的关系紧密程度不大于关系紧密程度阈值时不符合预设关系紧密程度判定规则。
[0046]
可选地，在本发明实施例中，基于第二会话状态节点有向图结合第一节点向量对预设会话状态节点集中的待选会话状态节点进行筛选以确定当前会话状态节点的下一会话状态节点可以包括以下内容。
[0047]
基于第二会话状态节点有向图中的会话状态节点转移路径，结合会话状态节点的第一节点向量，对预设会话状态节点集中的任一待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估。其中，会话状态节点转移路径指的是在会话状态节点有向图中从开始至结束会话状态节点之间进行转移的一条路径。例如，如图3所示，会话1中的开始、会话1中的节点1、会话2中的节点2、会话3中的节点3及会话3中的结束组成的路径，会话4中的节点3、节点1、节点2、节点4和节点5组成的路径。具体地，可以通过计算评分的形式对待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估。例如，计算每一待选会话状态节点为当前会话状态节点的下一会话状态节点对应的评估得分，以成为当前会话状态节点的下一会话状态节点的可能性进行评估。根据评估结果对预设会话状态节点集中的待选会话状态节点进行筛选，以确定当前会话状态节点的下一会话状态节点。例如，根据每一待选会话状态节点的评估得分进行筛选，将最高的评估得分对应的待选会话状态节点确定为当前会话状态节点的下一会话状态节点。
[0048]
可选地，在本发明实施例中，针对预设会话状态节点集中的任一待选会话状态节点，对待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估可以包括以下内容。针对任一会话状态节点转移路径，结合会话状态节点的所述第一节点向量，确定路径得分。其中，路径得分表明了针对某一待选会话状态节点，其在某一会话状态节点转移路径的前提下成为当前会话状态节点的下一会话状态节点的可能性。根据所有会话状态节点转移路径对应的路径得分，确定待选会话状态节点为当前会话状态节点的下一会话状态节点对应的评估得分，以对待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估，其中，根据评估结果对预设会话状态节点集中的待选会话状态节点
进行筛选包括根据评估得分对待选会话状态节点进行筛选，其中，最高的评估得分对应的待选会话状态节点即为当前会话状态节点的下一会话状态节点。可选地，在本发明实施例中，根据路径得分得到评估得分可以有很多种方式。例如，将所有的路径得分加和得到评估得分，或者求所有路径得分的平均值，或者还可以是选择所有的路径得分中的最高者作为评估得分。根据路径得分得到评估得分的方式有很多种，对此，不进行限制。
[0049]
可选地，在本发明实施例中，针对任一会话状态节点转移路径结合会话状态节点的第一节点向量确定路径得分可以包括以下内容。结合第一节点向量，确定会话状态节点转移路径中除无出度会话状态节点外的会话状态节点与无出度会话状态节点的路径关系紧密程度。其中，无出度会话状态节点为没有出度会话状态节点的会话状态节点，例如，图3中的节点5即为无出度会话状态节点。此外，路径关系紧密程度可以根据会话状态节点转移路径上除无出度会话状态节点外的每一会话状态节点与无出度会话状态节点之间的关系紧密程度得到。其中，关系紧密程度可以根据上述的预设关系公式进行计算。需要说明的是，当根据上述的列举的预设关系公式计算关系紧密程度时会话状态节点集合为会话状态节点转移路径上除无出度会话状态节点外的会话状态节点组成的集合。具体地，可以是将每一会话状态节点对应的关系紧密程度乘以该会话状态节点的第一节点向量然后加和得到。例如，路径关系紧密程度的计算公式可以是到。例如，路径关系紧密程度的计算公式可以是其中，会话状态节点j为会话状态节点转移路径上除无出度会话状态节点外的一会话状态节点，会话状态节点i为会话状态节点转移路径上的无出度会话状态节点，ni为上述会话状态节点集合，α
i，j
表示会话状态节点i和会话状态节点j之间的关系紧密程度，表示会话状态节点j的第一节点向量，s
session
表示路径关系紧密程度。根据预设得分公式，结合路径关系紧密程度、无出度会话状态节点的第一节点向量和待选会话状态节点的第一节点向量，确定路径得分。
[0050]
可选地，在本发明实施例中，预设得分公式可以包括：可选地，在本发明实施例中，预设得分公式可以包括：其中，表示会话状态节点转移路径α中的无出度会话状态节点的第一节点向量，表示会话状态节点转移路径α对应的路径关系紧密程度，wn和ws表示权重，σ表示relu函数，v
β
表示预设会话状态节点集中待选会话状态节点β的第一节点向量，y
αβ
表示针对待选会话状态节点β的会话状态节点转移路径α对应的路径得分。其中，wn和ws可以分别0.5，最后经过softmax函数进行归一化。
[0051]
可选地，在发明实施例中，还可以对本发明实施例中得到的第一节点向量做进一步处理，使得能更加准确的确定出当前会话状态节点的下一会话状态节点。具体地，本发明实施例提供的用于辅助对话的方法还可以包括以下内容。将第一会话状态节点有向图中的每一会话状态节点的第一节点向量输入到第二预设循环神经网络模型，得到针对每一会话状态节点的第二节点向量，其中，每一会话状态节点的第二节点向量体现关于会话状态节点的全局信息，其中，当使用第一节点向量时将第一节点向量替换为第二节点向量。在确定出第二节点向量的情况，在确定当前会话状态节点的下一会话状态节点时均采用第二节点向量。针对同一会话状态节点，第二节点向量体现的全局信息相比于第一节点向量体现的全局信息能更加准确，第二节点向量更能体现会话状态节点在有向图中的上下文信息和基
于上下文的语义信息，确定当前会话状态节点的下一会话状态节点是基于第二节点向量进行的，如此，提高了确定出当前会话状态节点的下一会话状态节点的准确性。可选地，第二预设循环神经网络模型可以是lstm模型。
[0052]
可选地，在发明实施例中，用于辅助对话的方法还可以包括以下内容。在筛选得到的待选会话状态节点为提问意图状态节点的情况下，基于预设转移规则，将筛选得到的待选会话状态节点映射为答复动作状态节点，其中，映射得到的答复动作状态节点即为当前会话状态节点的下一会话状态节点。可选地，基于预设转移规则，筛选得到的待选会话状态节点映射得到的答复动作状态节点若仅有一个，则映射得到的答复动作状态节点即为当前会话状态的下一会话状态节点；基于预设转移规则，筛选得到的待选会话状态节点映射得到的答复动作状态节点若有多个，则映射得到的答复动作状态节点即为当前会话状态的下一会话状态节点，则挑选转移概率最高的答复动作状态节点作为当前会话状态的下一会话状态节点。
[0053]
图5是本发明另一实施例提供的用于辅助对话的方法的逻辑示意图。下面以用户和经纪人之间的会话为基础结合图5对本发明实施例提供的用于辅助对话的方法进行示例性介绍。
[0054]
将图3所示的第一会话状态节点有向图输入到gnn模型，将第一会话状态节点有向图中的每一个会话状态节点都经过gnn模型映射成带有全局信息的embedding表示，第一节点向量。gnn模型是一个图神经网络模型，将跨会话的有向图通过gnn映射成具有全局信息的节点向量，其计算方式：v
l+1
＝σ(d-1
(weight
invl
+weight
outvl
+v
l
)w
l
)，其中，为了获得更多的图结构信息，我们用weight表示的是不同节点之间的权重，因为是有向图，所有分了weight
in
，weight
out
，weight即出度入度的频率占比；v
l
与v
l+1
是邻接节点的关系，根据v
l
来计算v
l+1
；d-1
表示的是节点的链接矩阵，表示构造的原网络结构图中各个节点之前的链接关系；w
l
指的是当前节点的权重矩阵，表示的是不考虑方向时，得到的权重矩阵，根据度的频率定的，跟weight
in
，weight
out
思想一致，只是不考虑方向。在得到第一节点向量后，为了得到具有上下文信息或者能更好的体现会话状态节点的全局信息的节点向量，连接了一层lstm网络结构。将上述得到的第一节点向量输入到lstm模型，针对第一会话状态节点有向图中的每一会话状态节点得到具有会话序列信息(即全局信息)的embedding表示，第二节点向量。lstm模型是通过门控装置获得当前节点的全局信息的，其网络结构如图6所示。其中，在图6中，x和h分别表示第一节点向量和第二节点向量。在lstm模型之后介入attention机制，为第一会话状态节点有向图中每一会话状态节点的入度会话状态节点和出度会话状态节点分配权重，以加强每一个会话状态节点的向量表示，获得会话级别的embeding表示。针对第一会话状态节点有向图中的会话状态节点，基于第二节点向量，重新确定会话状态节点之间的转移关系，以重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图。具体地，根据上述实施例中所述的关系紧密程度来构建第二会话状态节点有向图。基于第二会话状态节点有向图，结合第二节点向量，对预设会话状态节点集中的待选会话状态节点进行筛选，以确定当前会话的当前会话状态节点的下一会话状态节点。具体地，参照上述实施例中所述的通过计算路径得分的方式确定出当前会话状态节点的下一会话状态节点。在第二会话状态节点有向图中，从开始状态节点到只有入度会话状态节点没有出度会话状态节点的会话状态节点，形成一条会话状态节点转移路径。根据上述实施例中
所述的计算路径得分的方法，针对最后的会话状态节点为只有入度会话状态节点没有出度会话状态节点的会话状态节点转移路径，针对一待选会话状态节点，计算路径得分。根据上述实施例中所述的公式计算待选会话状态节点的评估得分。进而根据评估得分，对预设会话状态节点集中的待选会话状态节点进行筛选，确定出当前会话状态节点的下一会话状态节点。根据上述内容对答复动作状态节点进行预测，由于在这个有向图中，将提问意图状态节点和答复动作状态节点统一当成相同的会话状态节点处理，因此在预测的时候，预测出来的结果可能会是提问意图状态节点，也可能是答复动作状态节点，然后我们主要是想通过这个模型来对经纪人的答复动作进行预测，以达到引导用户、更好服务用户，最终达到转委托的目的。因此，对于预测结果为用户的提问意图状态节点的情况，我们根据预设转移规则映射成经纪人的答复动作状态节点。比如，当预测出来的推荐节点为用户的提问意图状态节点“房源-学区”时，我们映射成经纪人的“询问房屋需求”的答复动作状态节点。这样，通过预测过程，我们就能很好的指导经纪人在适当的时机给出更合适的动作反应了。
[0055]
本发明实施例提供的技术方案可以基于这样的背景：一个用户跟不同的经纪人进行im聊天，他的目标是一样的，就是买(卖)房子，但是由于他跟每一个经纪人在im会话中需求描述不完整，导致我们每一个会话中获取的用户需求信息不完整。本发明实施例提供的技术方案解决了基于单会话上下文获取经纪人需求不完整的问题，跨会话的进行上下文分析，对经纪人的动作进行推荐会更容易得到经纪人的需求完整信息和信任，进而帮助经纪人更精准的进行回答，进而推进转委托，提升商机的转委托率。经过上述模型的改进，我们在业务上，一方面我们将商机产生的过程中经纪人的作业过程有了合作的概念；另一方面，我们促进了上级的转化，将商机转化为转委托，转委托率提升了3％。
[0056]
本发明实施例提供的技术方案主要包括：a)通过定义用户的意图类型和经纪人的动作类型来将一个会话进行抽象；b)通过分析历史转委托成功的单会话转移图，我们对不同的客户意图和经纪人动作进行转移概率进行统计，得到预设转移规则；c)根据b)的结果，对当前会话开启时间前两周之内发生的会话进行关联，得到跨会话的有向图，对跨会话的上下文表示方法基于有向图进行表示；d)基于c)构造的有向图进行基于gnn模型和lstm模型获取体现全局信息的节点向量，基于节点向量来对经纪人的动作进行更准确的推荐，推荐出当前会话的当前状态的下一步应该出什么动作，从而完成最优动作的选择，促进转委托达成。
[0057]
本发明实施例提供的技术方案主要解决的技术问题包括：1)解决了会话抽象表示的问题；2)解决了跨会话的用户状态和经纪人动作转移的问题；3)解决了基于跨会话的经纪人动作选择问题。
[0058]
本发明实施例提供的技术方案达到的技术效果包括：1)通过有效的定义用户和经纪人的状态转移关联，解决了单会话的状态转移抽象性表示；2)通过分析状态转移的历史路径，得到转移的最优路径，也就是本发明实施例中所述的预设转移规则；3)基于最优的状态转移路径来连接跨会话的路径表示，从而得到不同会话间的关联关系；4)通过构建的跨会话的有向图来推荐当前会话的最优动作。
[0059]
相应地，本发明实施例的另一方面提供一种用于辅助对话的装置。
[0060]
图7是本发明另一实施例提供的用于辅助对话的装置的结构框图。如图7所示，该装置包括历史会话获取模块6、第一会话状态节点有向图得到模块7、第一节点向量得到模
块8、第二会话状态节点有向图得到模块9和筛选模块10。其中，历史会话获取模块6用于获取预设时间段内进行当前会话的当前用户进行的历史会话；第一会话状态节点有向图得到模块7用于基于针对会话状态节点转移的预设转移规则，按照当前会话和历史会话的时间顺序，针对当前会话和历史会话中包括的会话状态节点，构建跨会话的会话状态节点有向图，以得到第一会话状态节点有向图；第一节点向量得到模块8用于将第一会话状态节点有向图输入到第一预设图神经网络模型，得到第一会话状态节点有向图中的每一会话状态节点的第一节点向量，其中，会话状态节点的第一节点向量体现会话状态节点的全局信息；第二会话状态节点有向图得到模块9用于针对第一会话状态节点有向图中的会话状态节点，基于第一节点向量，重新确定会话状态节点之间的转移关系，以重新构建跨会话的会话状态节点有向图，以得到第二会话状态节点有向图；筛选模块10用于基于第二会话状态节点有向图，结合第一节点向量，对预设会话状态节点集中的待选会话状态节点进行筛选，以确定当前会话的当前会话状态节点的下一会话状态节点。
[0061]
可选地，在本发明实施例中，第二会话状态节点有向图得到模块针对第一会话状态节点有向图中的会话状态节点基于第一节点向量重新确定会话状态节点之间的转移关系以重新构建跨会话的会话状态节点有向图以得到第二会话状态节点有向图包括：基于预设转移规则，在第一会话状态节点有向图包括的会话状态节点中确定第二会话状态节点有向图的开始会话状态节点；以及针对第二会话状态节点有向图的任一开始会话状态节点，执行以下操作以构建第二会话状态节点有向图：结合第一节点向量，确定第一会话状态节点有向图中除开始会话状态节点外的每一会话状态节点与开始会话状态节点的关系紧密程度；根据所确定的关系紧密程度，判定开始会话状态节点是否具有下一会话状态节点；以及在开始会话状态节点具有下一会话状态节点的情况下，基于开始会话状态节点的下一会话状态节点，重复确定关系紧密程度及判定是否具有下一会话状态节点的过程，直到待确定下一会话状态节点的会话状态节点不具有下一会话状态节点。
[0062]
可选地，在本发明实施例中，该装置还包括：分配权重模块，用于基于注意力机制，为第一会话状态节点有向图中每一会话状态节点的入度会话状态节点和/或出度会话状态节点分配权重，其中，确定关系紧密程度还结合入度会话状态节点的权重和/或出度会话状态节点的权重。
[0063]
可选地，在本发明实施例中，筛选模块基于第二会话状态节点有向图结合第一节点向量对预设会话状态节点集中的待选会话状态节点进行筛选以确定当前会话状态节点的下一会话状态节点包括：基于第二会话状态节点有向图中的会话状态节点转移路径，结合会话状态节点的第一节点向量，对预设会话状态节点集中的任一待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估；以及根据评估结果对预设会话状态节点集中的待选会话状态节点进行筛选，以确定当前会话状态节点的下一会话状态节点。
[0064]
可选地，在本发明实施例中，针对预设会话状态节点集中的任一待选会话状态节点，对待选会话状态节点为当前会话状态节点的下一会话状态节点的可能性进行评估包括：针对任一会话状态节点转移路径，结合会话状态节点的第一节点向量，确定路径得分；以及根据所有会话状态节点转移路径对应的路径得分，确定待选会话状态节点为当前会话状态节点的下一会话状态节点对应的评估得分，以对待选会话状态节点为当前会话状态节
点的下一会话状态节点的可能性进行评估，其中，根据评估结果对预设会话状态节点集中的待选会话状态节点进行筛选包括根据评估得分对待选会话状态节点进行筛选，其中，最高的评估得分对应的待选会话状态节点即为当前会话状态节点的下一会话状态节点。
[0065]
可选地，在本发明实施例中，针对任一会话状态节点转移路径结合会话状态节点的第一节点向量确定路径得分包括：结合第一节点向量，确定会话状态节点转移路径中除无出度会话状态节点外的会话状态节点与无出度会话状态节点的路径关系紧密程度；以及根据预设得分公式，结合路径关系紧密程度、无出度会话状态节点的第一节点向量和待选会话状态节点的第一节点向量，确定路径得分。
[0066]
可选地，在本发明实施例中，预设得分公式包括：可选地，在本发明实施例中，预设得分公式包括：其中，表示会话状态节点转移路径α中的无出度会话状态节点的第一节点向量，表示会话状态节点转移路径α对应的路径关系紧密程度，wn和ws表示权重，σ表示relu函数，v
β
表示预设会话状态节点集中待选会话状态节点β的第一节点向量，y
αβ
表示针对待选会话状态节点β的会话状态节点转移路径α对应的路径得分。
[0067]
可选地，在本发明实施例中，该装置还包括：第二节点向量得到模块，用于将第一会话状态节点有向图中的每一会话状态节点的第一节点向量输入到第二预设循环神经网络模型，得到针对每一会话状态节点的第二节点向量，其中，每一会话状态节点的第二节点向量体现关于会话状态节点的全局信息，其中，当使用第一节点向量时将第一节点向量替换为第二节点向量。
[0068]
可选地，在本发明实施例中，该装置还包括：映射模块，用于在筛选得到的待选会话状态节点为提问意图状态节点的情况下，基于预设转移规则，将筛选得到的待选会话状态节点映射为答复动作状态节点，其中，映射得到的答复动作状态节点即为当前会话状态节点的下一会话状态节点。
[0069]
本发明实施例提供的用于辅助对话的装置的具体工作原理及益处与本发明实施例提供的用于辅助对话的方法的具体工作原理及益处相似，这里将不再赘述。
[0070]
所述用于辅助对话的装置包括处理器和存储器，历史会话获取模块、第一会话状态节点有向图得到模块、第一节点向量得到模块、第二会话状态节点有向图得到模块和筛选模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0071]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提升所确定的下一会话状态节点的准确性。
[0072]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0073]
此外，本发明实施例的另一方面还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述实施例中所述的方法。
[0074]
此外，本发明实施例的另一方面还提供一种处理器，用于运行程序，其中，所述程序被运行时用于执行上述实施例中所述的方法。
[0075]
此外，本发明实施例的另一方面还提供一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述实施例中所述的方法。本文中的设备可以是服务器、pc、pad、手机等。
[0076]
此外，本发明实施例的另一方面还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述实施例中所述的方法。
[0077]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0078]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0079]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0080]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0081]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0082]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0083]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0084]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0085]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。