基于智能对话的抗干扰方法、装置、电子设备及存储介质与流程

1.本发明涉及语义分析技术领域，尤其涉及一种基于智能对话的抗干扰方法、装置、电子设备及存储介质。


背景技术：

2.随着人工智能的发展，人机对话在各智能领域中的应用已经越来越广泛，比如，在售后服务领域中，售后服务过程已经过渡至基于人工智能的对话交互来实现整个售后服务。
3.当前，人工智能在与用户进行交互的过程中，会碰到一些用户不合理或者无意义的语料，机器人便使用兜底话术引导用户回答，但最后效果往往是交互无法达到预期的效果，无法得到用户的意图，且会使得整个对话流程没有实际意义。因此，亟需一种基于智能对话的抗干扰方法，保障人机交互的效率。


技术实现要素：

4.本发明提供一种智能对话的抗干扰方法、装置、电子设备及存储介质，其主要目的在于识别干扰信息，提高人机交互的效率。
5.为实现上述目的，本发明提供的一种基于智能对话的抗干扰方法，包括：
6.获取人机交互数据中用户的答复信息；
7.查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
8.提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
9.整合所述信息来源标签及所述意图标签，得到用户答复标签；
10.查询所述用户答复标签是否在预设的干扰意图标签库中；
11.当所述答复标签在预设的干扰意图标签库中时，则过滤掉所述用户的答复信息，调用预设的干扰处理机制进行相关处理；
12.当所述答复标签未在预设的干扰意图标签库中时，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
13.可选地，所述获取人机交互数据中用户的答复信息，包括：
14.查询所述人机交互数据的存储路径；
15.将所述存储路径编译成路径参数，利用所述路径参数对预设的数据接口进行赋值，得到赋值数据接口；
16.利用所述赋值数据接口从所述存储路径中调取所述人机交互数据；
17.对所述人机交互数据按交互角色进行拆分，得到用户的答复信息。
18.可选地，所述查询所述答复信息的信息来源，包括：
19.识别所述答复信息的信息组成；
20.查询所述信息组成中是否存在链接式文本；
21.当所述信息组成中存在链接式文本时，则所述信息来源为链接信息；
22.当所述信息组成中不存在链接式文本时，则所述信息来源为常规信息。
23.可选地，所述提取所述答复信息的语义信息，包括：
24.将所述答复信息按照文本句子结构切分为句子，得到答复句子集；
25.对所述答复句子集中每个答复句子执行词性标注，得到标注句子集；
26.按照预设的主体语法结构提取所述标注句子集中每个标注句子的语法构成成分，并利用所述语法构成成分将所述标注句子集转化为语法解析树；
27.遍历所述语法解析树中的主体语法结构对应的树节点的内容，得到所述答复句子集中每个答复句子的语义信息。
28.可选地，所述根据所述语义信息分析所述答复信息的意图标签，包括：
29.将所述语义信息进行语义向量转换操作，得到语义向量集；
30.分别计算所述语义向量集中的每个语义向量与预设的意图标签向量之间的概率值；
31.选择符合预设的筛选条件的概率值对应的意图标签作为所述答复信息的意图标签。
32.可选地，所述整合所述信息来源标签及所述意图标签，得到用户答复标签，包括：
33.利用所述信息来源标签构建答复标签树的主节点；
34.利用所述意图标签构建答复标签树的从节点，并将所述从节点连接至所述主节点下，得到完整意图标签树；
35.遍历所述完整意图标签树，并利用预设的连接符号对遍历到的节点进行连接，得到所述用户答复标签。
36.可选地，所述查询所述用户答复标签是否在预设的干扰意图标签库中，包括：
37.利用预构建的向量转化模型分别将所述用户答复标签以及所述预设的干扰意图标签库中的干扰意图标签转化为向量，得到用户答复标签向量以及干扰意图标签向量集；
38.依次利用所述用户答复标签向量与所述干扰意图标签向量集中的每个干扰意图标签向量进行匹配；
39.当所述用户答复标签向量与所述干扰意图标签向量集中的任意干扰意图标签向量成功匹配时，所述用户答复标签在所述预设的干扰意图标签库中；
40.当所述用户答复标签向量与所述干扰意图标签向量集中的任一干扰意图标签向量未成功匹配时，所述用户答复标签未在所述预设的干扰意图标签库中。
41.为了解决上述问题，本发明还提供一种基于智能对话的抗干扰装置，所述装置包括：
42.信息来源标签构建模块，用于获取人机交互数据中用户的答复信息；查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
43.信息意图标签构建模块，用于提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
44.信息标签整合模块，用于整合所述信息来源标签及所述意图标签，得到用户答复标签；
45.答复信息处理模块，用于查询所述用户答复标签是否在预设的干扰意图标签库
中；当所述答复标签在预设的干扰意图标签库中时，则调用预设的干扰处理机制进行相关处理；当所述答复标签未在预设的干扰意图标签库中时，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
46.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
47.至少一个处理器；以及，
48.与所述至少一个处理器通信连接的存储器；其中，
49.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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所述的基于智能对话的抗干扰方法。
50.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于智能对话的抗干扰方法。
51.本发明实施例通过构建和分析用户答复信息的来源标签及意图标签，从信息来源及语义信息两种角度对用户答复进行标签化处理，提升了用户答复标签生成的准确度，进一步地，借助预设的干扰意图标签库及用户答复标签，判断该用户答复信息是否为干扰信息，并根据判断结果进行相应的处理，实现了在智能对话中对干扰信息的识别，提升了人机交互的效率。
附图说明
52.图1为本发明一实施例提供的基于智能对话的抗干扰方法的流程示意图；
53.图2为本发明一实施例提供的基于智能对话的抗干扰方法中一个步骤的详细流程示意图；
54.图3为本发明一实施例提供的基于智能对话的抗干扰装置的功能模块图；
55.图4为本发明一实施例提供的实现所述基于智能对话的抗干扰方法的电子设备的结构示意图。
56.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
57.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
58.本技术实施例提供一种智能对话的抗干扰方法。所述智能对话的抗干扰方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述智能对话的抗干扰方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
59.参照图1所示，为本发明一实施例提供的基于智能对话的抗干扰方法的流程示意图。在本实施例中，所述基于智能对话的抗干扰方法包括以下步骤s1-s7：
60.s1、获取人机交互数据中用户的答复信息；
61.本发明实施例中，所述人机交互数据是指用户与智能机器人产生的对话数据，其中，所述人机交互数据可以是基于聊天应用程序的后台数据系统中提取的智能机器人与用户的聊天数据。
62.本发明实施例中，所述答复信息是指在交互数据中作为用户的交互对象下的交互语句。
63.本发明实施例中，所述获取人机交互数据中用户的答复信息，可以免除智能机器人这一交互对象的回复受到干扰，只对用户的答复信息进行处理，通过上述方法，可以提高后续对用户答复信息是否存在干扰信息的判断精度，并做出相应的交互处理。
64.作为本发明一实施例，所述获取人机交互数据中用户的答复信息，包括：
65.查询所述人机交互数据的存储路径；
66.将所述存储路径编译成路径参数，利用所述路径参数对预设的数据接口进行赋值，得到赋值数据接口；
67.利用所述赋值数据接口从所述存储路径中调取所述人机交互数据；
68.对所述人机交互数据按交互角色进行拆分，得到用户的答复信息。
69.本发明实施例中，所述存储路径可由业务员、管理员等对人机交互数据有处理权限的人员预先上传。
70.本发明实施例中，可采用预设的编译器将所述存储路径编译成路径参数，其中，所述预设编译器可以是microsoft visual studio、dev-c++、c++builder、emacs+gc等。
71.本发明实施例中，所述预设的数据接口主要用于接收路径参数进行赋值，并利用赋值后的数据接口进行人机交互数据调用。
72.s2、查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
73.本发明实施例中，所述信息来源是指答复信息中内容产生的源头，例如，所述源头可以是用户转发的外部链接，例如，广告链接、博客链接等。所述源头也可以是用户发出的不含有链接的常规信息，例如，不含跳转链接的文本、图像信息等。
74.本发明实施例通过查询所述答复信息的信息来源，可以清晰地得到所述答复信息的产生源头，在所述答复信息的内容中包含外部链接时，即可根据预设的过滤的规则将所述答复信息作为干扰信息过滤掉。
75.作为本发明一实施例，所述查询所述答复信息的信息来源，包括：
76.识别所述答复信息的信息组成；
77.查询所述信息组成中是否存在链接式文本；
78.当所述信息组成中存在链接式文本时，则所述信息来源为链接信息；
79.当所述信息组成中不存在链接式文本时，则所述信息来源为常规信息。
80.本发明实施例中，所述链接式文本是指答复信息中存在的链接式的信息内容，例如，所述链接式文本可以有网址分享、电商平台产品分享及应用程序安装包分享等。
81.s3、提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
82.本发明实施例中，所述语义信息是指所述答复信息中本身涵盖的大体内容。
83.本发明实施例通过提取所述答复信息中的语义信息，可以将冗长的信息精炼化，
更易表征答复信息中的大体内容。
84.详细地，参照图2所示，所述提取所述答复信息的语义信息，包括以下步骤s300-s303：
85.s300、将所述答复信息按照文本句子结构切分为句子，得到答复句子集；
86.s301、对所述答复句子集中每个答复句子执行词性标注，得到标注句子集；
87.s302、按照预设的主体语法结构提取所述标注句子集中每个标注句子的语法构成成分，并利用所述语法构成成分将所述标注句子集转化为语法解析树；
88.s303、遍历所述语法解析树中的主体语法结构对应的树节点的内容，得到所述答复句子集中每个答复句子的语义信息。
89.本发明实施例中，所述文本句子结构是指以一个完整的句子为基本单位的句子结构整体，其中，所述句子结构整体常常用
‘
。’、
‘
；’、
‘
！’或者
‘
？’等标点符号结束。
90.本发明实施例中，所述主体语法结构是指能体现一个句子的主旨的结构组成，例如，一个完整句子的主旨通常是可以利用下述主体语法结构进行句子提炼，得到所述完整句子的主旨:
[0091]“主语+谓语+宾语”或“主语+系动词+表语”[0092]
本发明实施例中，所述语法解析树是指利用标注句子中的主体语法结构对应的词语以及所述词语对应的词性进行联立而构建的树形结构。
[0093]
本发明实施例中，所述语义信息可采用动词加名词的形式进行表示，例如，“我想明天下单”。中的语义信息即可以表示为“想(下单、明天)”。
[0094]
本发明实施例，所述根据所述语义信息分析所述答复信息的意图标签，包括：
[0095]
将所述语义信息进行语义向量转换操作，得到语义向量集；
[0096]
分别计算所述语义向量集中的每个语义向量与预设的意图标签向量之间的概率值；
[0097]
选择符合预设的筛选条件的概率值对应的意图标签作为所述答复信息的意图标签。
[0098]
本发明实施例中，所述意图标签是指语义信息中包含的实体内容或事件内容，例如，所述语义信息“想(下单、明天)”中包含的意图标签为“下单—明天”[0099]
s4、整合所述信息来源标签及所述意图标签，得到用户答复标签；
[0100]
本发明实施例通过整合所述信息来源标签及所述意图标签，可以实现对用户的答复信息中意图信息做更深层次表示，可提升后续对用户的答复信息中抗干扰信息的识别判断。
[0101]
作为本发明一实施例，所述整合所述信息来源标签及所述意图标签，得到用户答复标签，包括：
[0102]
利用所述信息来源标签构建答复标签树的主节点；
[0103]
利用所述信息来源标签下的用户的答复信息中的意图标签构建答复标签树的从节点，并将所述从节点连接至所述主节点下，得到完整意图标签树；
[0104]
遍历所述完整意图标签树，并利用预设的连接符号对遍历到的树节点进行连接，输出所述连接结果，得到所述用户答复标签。
[0105]
本发明实施例中，所述预设的连接符号是指可对答复标签树中树节点内容主从关
系、并列关系的进行表征的规则定义，例如，可利用符号
‘
&’表征并列关系，可采用
‘
*’表示主从关系，比如，某人机交互数据为用户与智能机器人一对一聊天数据，聊天数据包含用户的答复信息为
‘
我想在明天下单。’，则信息来源标签是常规信息，意图标签为
‘
下单—明天’，进而，所述用户答复标签可以表示为
‘
常规信息*(下单&明天)’。
[0106]
s5、查询所述用户答复标签是否在预设的干扰意图标签库中；
[0107]
本发明实施例中，所述预设的干扰意图标签库是指利用大量历史干扰回复中干扰意图标签构建的素材库。
[0108]
本发明实施例通过查询所述用户答复标签是否在预设的干扰意图标签库中，可以根据查询得到的干扰意图标签完成对所述用户的答复信息是否为干扰信息的判断，并智能化的做出回应，节约时间成本。
[0109]
作为本发明一实施例，所述查询所述用户答复标签是否在预设的干扰意图标签库中，包括：
[0110]
利用预构建的向量转化模型分别将所述用户答复标签以及所述预设的干扰意图标签库中的干扰意图标签转化为向量，得到用户答复标签向量以及干扰意图标签向量集；
[0111]
依次利用所述用户答复标签向量与所述干扰意图标签向量集中的每个干扰意图标签向量进行匹配；
[0112]
当所述用户答复标签向量与所述干扰意图标签向量集中的任意干扰意图标签向量成功匹配，即所述用户答复标签在预设的干扰意图标签库中，则执行s6、调用预设的干扰处理机制进行相关处理；
[0113]
当所述用户答复标签向量与所述干扰意图标签向量集中的任一干扰意图标签向量未成功匹配，即所述用户答复标签未在预设的干扰意图标签库中，则执行s7、采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
[0114]
本发明实施例中，所述预构建的向量转化模型可以是基于word2vec词向量转换工具进行构建的。
[0115]
本发明实施例中，所述预设的干扰处理机制是指智能回复机器人对用户的答复信析判断为干扰信息后，对用户利用预设的回复方法进行回复处理的方式，比如，所述预设的干扰处理机制可以包括发出干扰预警、过滤或屏蔽答复信息或转人工处理。
[0116]
本发明实施例中，当智能回复机器人判断出所述答复信息为干扰信息时，则将所述用户利用所述答复信息中的用户答复标签进行标记，并将标记后的所述用户转至预设的干扰处理机制进行相关处理；当智能回复机器人判断出所述答复信息不为干扰信息时，可继续与所述用户进行交互，直至整个对话结束，结束后将所述答复信息中的用户答复标签以及所述用户的信息进行保存，以待后续查询。
[0117]
本发明实施例通过构建和分析用户答复信息的来源标签及意图标签，从信息来源及语义信息两种角度对用户答复进行标签化处理，提升了用户答复标签生成的准确度，进一步地，借助预设的干扰意图标签库及用户答复标签，判断该用户答复信息是否为干扰信息，并根据判断结果进行相应的处理，实现了在智能对话中对干扰信息的识别，提升了人机交互的效率。
[0118]
如图3所示，是本发明一实施例提供的意图分类装置的功能模块图。
[0119]
本发明所述基于智能对话的抗干扰装置100可以安装于电子设备中。根据实现的
功能，所述基于智能对话的抗干扰装置100可以包括信息来源标签构建模块101、信息意图标签构建模块102、信息标签整合模块103以及抗干扰处理模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0120]
在本实施例中，关于各模块/单元的功能如下：
[0121]
所述信息来源标签构建模块101，用于获取人机交互数据中用户的答复信息；查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
[0122]
本发明实施例中，所述人机交互数据是指用户与智能机器人产生的对话数据，其中，所述人机交互数据可以是基于聊天应用程序的后台数据系统中提取的智能机器人与用户的聊天数据。
[0123]
本发明实施例中，所述答复信息是指在交互数据中作为用户的交互对象下的交互语句。
[0124]
本发明实施例中，所述获取人机交互数据中用户的答复信息，可以免除智能机器人这一交互对象的回复受到干扰，只对用户的答复信息进行处理，通过上述方法，可以提高后续对用户答复信息是否存在干扰信息的判断精度，并做出相应的交互处理。
[0125]
作为本发明一实施例，所述获取人机交互数据中用户的答复信息，包括：
[0126]
查询所述人机交互数据的存储路径；
[0127]
将所述存储路径编译成路径参数，利用所述路径参数对预设的数据接口进行赋值，得到赋值数据接口；
[0128]
利用所述赋值数据接口从所述存储路径中调取所述人机交互数据；
[0129]
对所述人机交互数据按交互角色进行拆分，得到用户的答复信息。
[0130]
本发明实施例中，所述存储路径可由业务员、管理员等对人机交互数据有处理权限的人员预先上传。
[0131]
本发明实施例中，可采用预设的编译器将所述存储路径编译成路径参数，其中，所述预设编译器可以是microsoft visual studio、dev-c++、c++builder、emacs+gc等。
[0132]
本发明实施例中，所述预设的数据接口主要用于接收路径参数进行赋值，并利用赋值后的数据接口进行人机交互数据调用。
[0133]
本发明实施例中，所述信息来源是指答复信息中内容产生的源头，例如，所述源头可以是用户转发的外部链接，例如，广告链接、博客链接等。所述源头也可以是用户发出的不含有链接的常规信息，例如，不含跳转链接的文本、图像信息等。本发明实施例通过查询所述答复信息的信息来源，可以清晰地得到所述答复信息的产生源头，在所述答复信息的内容中包含外部链接时，即可根据预设的过滤的规则将所述答复信息作为干扰信息过滤掉。
[0134]
作为本发明一实施例，所述查询所述答复信息的信息来源，包括：
[0135]
识别所述答复信息的信息组成；
[0136]
查询所述信息组成中是否存在链接式文本；
[0137]
当所述信息组成中存在链接式文本时，则所述信息来源为链接信息；
[0138]
当所述信息组成中不存在链接式文本时，则所述信息来源为常规信息。
[0139]
本发明实施例中，所述链接式文本是指答复信息中存在的链接式的信息内容，例
如，所述链接式文本可以有网址分享、电商平台产品分享及应用程序安装包分享等。
[0140]
所述信息意图标签构建模块102，用于提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
[0141]
本发明实施例中，所述语义信息是指所述答复信息中本身涵盖的大体内容。
[0142]
本发明实施例通过提取所述答复信息中的语义信息，可以将冗长的信息精炼化，更易表征答复信息中的大体内容。
[0143]
详细地，所述提取所述答复信息的语义信息，包括：
[0144]
将所述答复信息按照文本句子结构切分为句子，得到答复句子集；
[0145]
对所述答复句子集中每个答复句子执行词性标注，得到标注句子集；
[0146]
按照预设的主体语法结构提取所述标注句子集中每个标注句子的语法构成成分，并利用所述语法构成成分将所述标注句子集转化为语法解析树；
[0147]
遍历所述语法解析树中的主体语法结构对应的树节点的内容，得到所述答复句子集中每个答复句子的语义信息。
[0148]
本发明实施例中，所述文本句子结构是指以一个完整的句子为基本单位的句子结构整体，其中，所述句子结构整体常常用
‘
。’、
‘
；’、
‘
！’或者
‘
？’等标点符号结束。
[0149]
本发明实施例中，所述主体语法结构是指能体现一个句子的主旨的结构组成，例如，一个完整句子的主旨通常是可以利用下述主体语法结构进行句子提炼，得到所述完整句子的主旨:
[0150]“主语+谓语+宾语”或“主语+系动词+表语”[0151]
本发明实施例中，所述语法解析树是指利用标注句子中的主体语法结构对应的词语以及所述词语对应的词性进行联立而构建的树形结构。
[0152]
本发明实施例中，所述语义信息可采用动词加名词的形式进行表示，例如，“我想明天下单”。中的语义信息即可以表示为“想(下单、明天)”。
[0153]
本发明实施例，所述根据所述语义信息分析所述答复信息的意图标签，包括：
[0154]
将所述语义信息进行语义向量转换操作，得到语义向量集；
[0155]
分别计算所述语义向量集中的每个语义向量与预设的意图标签向量之间的概率值；
[0156]
选择符合预设的筛选条件的概率值对应的意图标签作为所述答复信息的意图标签。
[0157]
本发明实施例中，所述意图标签是指语义信息中包含的实体内容或事件内容，例如，所述语义信息“想(下单、明天)”中包含的意图标签为“下单—明天”[0158]
所述信息标签整合模块103，用于整合所述信息来源标签及所述意图标签，得到用户答复标签；
[0159]
本发明实施例通过整合所述信息来源标签及所述意图标签，可以实现对用户的答复信息中意图信息做更深层次表示，可提升后续对用户的答复信息中抗干扰信息的识别判断。
[0160]
作为本发明一实施例，所述整合所述信息来源标签及所述意图标签，得到用户答复标签，包括：
[0161]
利用所述信息来源标签构建答复标签树的主节点；
[0162]
利用所述信息来源标签下的用户的答复信息中的意图标签构建答复标签树的从节点，并将所述从节点连接至所述主节点下，得到完整意图标签树；
[0163]
遍历所述完整意图标签树，并利用预设的连接符号对遍历到的树节点进行连接，输出所述连接结果，得到所述用户答复标签。
[0164]
本发明实施例中，所述预设的连接符号是指可对答复标签树中树节点内容主从关系、并列关系的进行表征的规则定义，例如，可利用符号
‘
&’表征并列关系，可采用
‘
*’表示主从关系，比如，某人机交互数据为用户与智能机器人一对一聊天数据，聊天数据包含用户的答复信息为
‘
我想在明天下单。’，则信息来源标签是常规信息，意图标签为
‘
下单—明天’，进而，所述用户答复标签可以表示为
‘
常规信息*(下单&明天)’。
[0165]
所述答复信息处理模块104，用于查询所述用户答复标签是否在预设的干扰意图标签库中；当所述答复标签在预设的干扰意图标签库中时，则调用预设的干扰处理机制进行相关处理；当所述答复标签未在预设的干扰意图标签库中时，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
[0166]
本发明实施例中，所述预设的干扰意图标签库是指利用大量历史干扰回复中干扰意图标签构建的素材库。
[0167]
本发明实施例通过查询所述用户答复标签是否在预设的干扰意图标签库中，可以根据查询得到的干扰意图标签完成对所述用户的答复信息是否为干扰信息的判断，并智能化的做出回应，节约时间成本。
[0168]
作为本发明一实施例，所述查询所述用户答复标签是否在预设的干扰意图标签库中，包括：
[0169]
利用预构建的向量转化模型分别将所述用户答复标签以及所述预设的干扰意图标签库中的干扰意图标签转化为向量，得到用户答复标签向量以及干扰意图标签向量集；
[0170]
依次利用所述用户答复标签向量与所述干扰意图标签向量集中的每个干扰意图标签向量进行匹配；
[0171]
当所述用户答复标签向量与所述干扰意图标签向量集中的任意干扰意图标签向量成功匹配，即所述用户答复标签在预设的干扰意图标签库中，则调用预设的干扰处理机制进行相关处理；
[0172]
当所述用户答复标签向量与所述干扰意图标签向量集中的任一干扰意图标签向量未成功匹配，即所述用户答复标签未在预设的干扰意图标签库中，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
[0173]
本发明实施例中，所述预构建的向量转化模型可以是基于word2vec词向量转换工具进行构建的。
[0174]
本发明实施例中，所述预设的干扰处理机制是指智能回复机器人对用户的答复信析判断为干扰信息后，对用户利用预设的回复方法进行回复处理的方式，比如，所述预设的干扰处理机制可以包括发出干扰预警、过滤或屏蔽答复信息或转人工处理。
[0175]
本发明实施例中，当智能回复机器人判断出所述答复信息为干扰信息时，则将所述用户利用所述答复信息中的用户答复标签进行标记，并将标记后的所述用户转至预设的干扰处理机制进行相关处理；当智能回复机器人判断出所述答复信息不为干扰信息时，可继续与所述用户进行交互，直至整个对话结束，结束后将所述答复信息中的用户答复标签
以及所述用户的信息进行保存，以待后续查询。
[0176]
如图4所示，是本发明一实施例提供的实现智能对话的抗干扰方法的电子设备的结构示意图。
[0177]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据库环境部署程序。
[0178]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据库环境部署程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0179]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库环境部署程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0180]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0181]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0182]
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0183]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管
理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0184]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0185]
所述电子设备1中的所述存储器11存储的数据库环境部署程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0186]
获取人机交互数据中用户的答复信息；
[0187]
查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
[0188]
提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
[0189]
整合所述信息来源标签及所述意图标签，得到用户答复标签；
[0190]
查询所述用户答复标签是否在预设的干扰意图标签库中；
[0191]
当所述答复标签在预设的干扰意图标签库中时，则调用预设的干扰处理机制进行相关处理；
[0192]
当所述答复标签未在预设的干扰意图标签库中时，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
[0193]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0194]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0195]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0196]
获取人机交互数据中用户的答复信息；
[0197]
查询所述答复信息的信息来源，基于所述信息来源构建信息来源标签；
[0198]
提取所述答复信息的语义信息，根据所述语义信息分析所述答复信息的意图标签；
[0199]
整合所述信息来源标签及所述意图标签，得到用户答复标签；
[0200]
查询所述用户答复标签是否在预设的干扰意图标签库中；
[0201]
当所述答复标签在预设的干扰意图标签库中时，则调用预设的干扰处理机制进行相关处理；
[0202]
当所述答复标签未在预设的干扰意图标签库中时，则采用所述答复标签对应的预设的交互方式继续与所述用户进行交互。
[0203]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0204]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0205]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0206]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0207]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0208]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0209]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0210]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0211]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。