本發(fā)明涉及人工智能技術領域，具體涉及一種智能交互方法和系統(tǒng)。

背景技術：

隨著人工智能技術的不斷發(fā)展以及人們對于交互體驗要求的不斷提高，智能交互方式已逐漸開始替代一些傳統(tǒng)的人機交互方式，并且已成為一個研究熱點?，F(xiàn)有的智能交互方式僅能對當前請求信息進行簡單的語義分析以獲取大概的意圖信息，并根據(jù)所獲取的意圖信息確定應答信息。即，可用于語義分析的當前請求信息被限定在了知識庫已存儲的標準問中，這樣的交互方式死板且用戶體驗差。同時，即使通過現(xiàn)有的智能交互方式獲取了當前請求信息對應的意圖信息，也并不代表著獲取到了用戶的真實想法。例如在負責信用卡賬單催款的電話智能客服場景中，若當前請求信息為標準問“我會馬上還款”，那么所獲取的意圖信息可為“準備還款”。但若該用戶之前的信用記錄較差，那么該用戶的真實想法很可能是仍不會還款。此時若僅根據(jù)意圖信息“準備還款”就放慢了催款的頻率和力度，則無法達到很好的賬單催款效果。因此若僅根據(jù)所獲取的意圖信息進行應答，應答方式過于單一，因而無法達到很好的交互效果。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供了一種智能交互方法和系統(tǒng)，解決了現(xiàn)有的智能交互方式僅根據(jù)所獲取的意圖信息進行應答而導致的應答方式過于單一且交互效果差的問題。

本發(fā)明一實施例提供的一種智能交互方法包括：

獲取用戶靜態(tài)信息和當前請求信息；

對所述當前請求信息進行意圖分析，得到所述當前請求信息對應的意圖信息；

獲取與所述用戶靜態(tài)信息對應的交互背景信息；以及

根據(jù)所述意圖信息和所述交互背景信息獲取并向用戶發(fā)送應答信息。

本發(fā)明一實施例提供的一種智能交互系統(tǒng)包括：

交互模塊，配置為執(zhí)行交互過程，獲取用戶靜態(tài)信息和當前請求信息；

知識庫，配置為存儲意圖信息、交互背景信息和應答信息；

意圖分析模塊，配置為對所述交互模塊獲取的當前請求信息進行意圖分析，從所述知識庫中獲取與所述當前請求信息對應的意圖信息；

背景獲取模塊，配置為從所述知識庫中獲取所述用戶靜態(tài)信息對應的交互背景信息；以及，

應答決策模塊，配置為根據(jù)所述意圖信息和所述交互背景信息從所述知識庫中獲取對應的應答信息，通過所述交互模塊向用戶發(fā)送所述應答信息。

本發(fā)明實施例提供的一種智能交互方法和系統(tǒng)，在獲取當前請求信息所對應的意圖信息的基礎上，還要獲取與用戶靜態(tài)信息對應的交互背景信息，并將所獲取的意圖信息與交互背景信息相結合來獲取對應的應答信息。由于交互背景信息是與用戶靜態(tài)信息相對應的，因此結合語義層面的意圖信息和用戶靜態(tài)信息層面的交互背景信息可更準確的判斷用戶的真實想法，所獲取的應答信息也會根據(jù)不同用戶所具備的不同用戶靜態(tài)信息而有所差別。由此實現(xiàn)了更智能化且更多元化的應答方式，提高了智能交互效果。

附圖說明

圖1所示為本發(fā)明一實施例提供的一種智能交互方法的流程示意圖。

圖2所示為本發(fā)明一實施例提供的一種智能交互方法中獲取意圖信息的流程示意圖。

圖3所示為本發(fā)明一實施例提供的一種智能交互方法中根據(jù)用戶靜態(tài)信息獲取交互背景信息的流程示意圖。

圖4所示為本發(fā)明一實施例提供的智能交互方法中根據(jù)意圖信息和與用戶靜態(tài)信息所對應的交互背景信息獲取對應的應答信息的流程示意圖。

圖5所示為本發(fā)明一實施例提供的一種智能交互系統(tǒng)的結構示意圖。

圖6所示為本發(fā)明另一實施例提供的一種智能交互系統(tǒng)的結構示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1所示為本發(fā)明一實施例提供的一種智能交互方法的流程示意圖。如圖1所示，該方法包括：

步驟101：獲取用戶靜態(tài)信息和當前請求信息。

當前請求信息為用戶發(fā)出的包含著用戶語義層面上意圖的消息，可以是文本或語音格式。后續(xù)需要根據(jù)該當前請求信息生成對應的應答信息返回給用戶，以完成一個層級的智能交互過程。然而該當前請求信息并不一定能代表用戶的真實意圖，因此還需要獲取用戶靜態(tài)信息來輔助判斷用戶的真實意圖，并給出更為合理的應答信息。

用戶靜態(tài)信息為與用戶相關的一些靜態(tài)信息，可通過用戶輸入獲取，例如通過多層級的交互過程獲取，也可通過第三方直接獲取，例如直接從銀行存儲的用戶數(shù)據(jù)中獲取。為便于理解，以信用卡催款的業(yè)務場景為例，用戶靜態(tài)信息的內容就可如下表一所示：

表一

如上表一所示，用戶靜態(tài)信息被分為了信用卡業(yè)務屬性、用戶身份信息、信用卡卡種、當前賬期、欠款總金額以及當前已還款金額六種靜態(tài)信息分類。然而，這些靜態(tài)信息分類可以是在獲取用戶靜態(tài)信息時就已經分類好的，也可以是在獲取用戶靜態(tài)信息之后再通過執(zhí)行分類過程獲取的。同時，靜態(tài)信息分類的數(shù)量也可根據(jù)具體的業(yè)務場景而調整，本發(fā)明對靜態(tài)信息分類的具體形式不做限定。這些所獲取的用戶靜態(tài)信息僅是與用戶信用記錄相關的原始數(shù)據(jù)，為了能夠獲取這些原始數(shù)據(jù)背后所反映出的用戶信用程度，則需要獲取與用戶靜態(tài)信息對應的交互背景信息作為后續(xù)確定合理的應答信息的依據(jù)。

步驟102：對該當前請求信息進行意圖分析，得到該當前請求信息對應的意圖信息。

該意圖信息對應的是當前請求信息的語義層面所反映出的意圖，但并不一定代表用戶的真實想法，因此才需要后續(xù)結合與用戶靜態(tài)信息所對應的交互背景信息來綜合確定對應的應答信息。

意圖信息的獲取方式可通過文本分析的方式實現(xiàn)。具體而言，可首先將當前請求信息的文本內容與多個預設的語義模板進行匹配以確定匹配的語義模板，該匹配過程可通過文本相似度計算的方式實現(xiàn)。如圖2所示，該意圖信息的獲取方式具體可包括如下步驟：

步驟1021：將當前請求信息的文本內容與多個預設的語義模板之間進行相似度計算，然后將相似度最高的語義模板作為匹配的語義模板。

由于用戶所發(fā)出的當前請求信息往往并非使用的是標準問，而是標準問的一些變形的形式，即為擴展問。因此，對于智能語義識別而言，知識庫里需要有標準問的擴展問，該擴展問與標準問表達形式有略微差異，但是表達相同的含義。因此，在本發(fā)明一實施例中，語義模板可為表示某一種語義內容的一個或多個抽象語義表達式的集合，由開發(fā)人員根據(jù)預定的規(guī)則結合語義內容生成，即通過一個語義模板就可描述所對應語義內容的多種不同表達方式的語句，以應對當前請求信息的文本內容可能的多種變形。這樣將當前請求信息的文本內容與預設的語義模板進行匹配，避免了利用僅能描述一種表達方式的“標準問”來識別用戶消息時的局限性。

每一個抽象語義表達式主要可包括語義成分詞和語義規(guī)則詞。語義成分詞由語義成分符表示，當這些語義成分符被填充了相應的值(即內容)后可以表達各式各樣的具體語義。

抽象語義的語義成分符可包括：

[concept]：表示主體或客體成份的詞或短語。

比如：“彩鈴如何開通”中的“彩鈴”。

[action]：表示動作成分的詞或短語。

比如：“信用卡如何辦理”中的“辦理”。

[attribute]：表示屬性成份的詞或短語。

比如：“iphone有哪些顏色”中的“顏色”。

[adjective]：表示修飾成分的詞或短語。

比如：“冰箱哪個品牌便宜”中的“便宜”。

一些主要的抽象語義類別示例有：

概念說明[concept]是什么

屬性構成[concept]有哪些[attribute]

行為方式[concept]如何[action]

行為地點[concept]在什么地方[action]

行為原因[concept]為什么會[action]

行為預測[concept]會不會[action]

行為判斷[concept]有沒有[attribute]

屬性狀況[concept]的[attribute]是不是[adjective]

屬性判斷[concept]是不是有[attribute]

屬性原因[concept]的[attribute]為什么這么[adjective]

概念比較[concept1]和[concept2]的區(qū)別在哪里

屬性比較[concept1]和[concept2]的[attribute]有什么不同之處

問句在抽象語義層面的成份判斷可以通過詞性標注來做一般的評判，concept對應的詞性為名詞，action對應的詞性為動詞、attribute對應的詞性為名詞、adjective對應的是形容詞。

以類別為“行為方式”的抽象語義[concept]如何[action]為例，該類別的抽象語義集合下可包括多條抽象語義表達式：

抽象語義類別：行為方式

抽象語義表達式：

a.[concept][需要|應該？][如何]<才[可以]？><進行？>[action]

b.{[concept]～[action]}

c.[concept]<的？>[action]<方法|方式|步驟？>

d.<有哪些|有什么|有沒有><通過|用|在>[concept][action]<的？>[方法]

e.[如何][action]～[concept]

上述a、b、c、d四個抽象語義表達式都是用來描述“行為方式”這一抽象語義類別的。語義符號“|”表示“或”關系，語義符號“？”表示該成分可有可無。

應當理解，雖然上面給出了一些語義成分詞、語義規(guī)則詞和語義符號的示例，但語義成分詞的具體內容和詞類，語義規(guī)則詞的具體內容和詞類以及語義符號的定義和搭配都可由開發(fā)人員根據(jù)該智能交互方法所應用的具體交互業(yè)務場景而預設，本發(fā)明對此并不做限定。

在本發(fā)明一實施例中，根據(jù)當前請求信息的文本內容確定匹配的語義模板的相似度計算過程可采用如下計算方法中的一種或多種：編輯距離計算方法，n-gram計算方法，JaroWinkler計算方法以及Soundex計算方法。在一進一步實施例中，當識別出當前請求信息的文本內容中的語義成分詞和語義規(guī)則詞時，當前請求信息和語義模板中所包括語義成分詞和語義規(guī)則詞還可被轉化成簡化的文本字符串，以提高語義相似度計算的效率。

在本發(fā)明一實施例中，如前所述，語義模板可由語義成分詞和語義規(guī)則詞構成，而這些語義成分詞和語義規(guī)則詞又與這些詞語在語義模板中的詞性以及詞語之間的語法關系有關，因此該相似度計算過程可具體為：先識別出當前請求信息文本中的詞語、詞語的詞性以及語法關系，然后根據(jù)詞語的詞性以及語法關系識別出其中的語義成分詞和語義規(guī)則詞，再將所識別出的語義成分詞和語義規(guī)則詞引入向量空間模型以計算當前請求信息的文本內容與多個預設的語義模板之間的多個相似度。在本發(fā)明一實施例中，可以如下分詞方法中的一種或多種識別當前請求信息的文本內容中的詞語、詞語的詞性以及詞語之間的語法關系：隱馬爾可夫模型方法、正向最大匹配方法、逆向最大匹配方法以及命名實體識別方法。

在本發(fā)明一實施例中，如前所述，語義模板可為表示某一種語義內容的多個抽象語義表達式的集合，此時通過一個語義模板就可描述所對應語義內容的多種不同表達方式的語句，以對應同一標準問的多個擴展問。因此在計算當前請求信息的文本內容與預設的語義模板之間的語義相似度時，需要計算當前請求信息的文本內容與多個預設的語義模板各自展開的至少一個擴展問之間的相似度，然后將相似度最高的擴展問所對應的語義模板作為匹配的語義模板。這些展開的擴展問可根據(jù)語義模板所包括的語義成分詞和/或語義規(guī)則詞和/或語義符號而獲得。

步驟1022：獲取與該匹配的語義模板對應的意圖信息。

在找到了與當前請求信息的文本內容相匹配的語義模板后，即可獲取與匹配的語義模板對應的意圖信息，其中語義模板與意圖信息之間的對應關系為預先建立，同一意圖信息可對應一個或多個所述語義模板。如下表二所示。

表二

在本發(fā)明一實施例中，若當前請求信息為語音消息，而需要采取文本相似度計算的方式來獲取匹配的語義模板時，還需要先將當前請求信息轉化為文本消息。

步驟103：獲取與該用戶靜態(tài)信息對應的交互背景信息。

交互背景信息所反映的是與當前請求信息的語義內容無關的與用戶本身的靜態(tài)屬性相關的信息。該交互背景信息既可以是直接通過第三方獲取的，也可以是根據(jù)用戶靜態(tài)信息而實時獲取的。

仍以信用卡催款的業(yè)務場景為例，用戶靜態(tài)信息僅是與用戶信用記錄相關的原始數(shù)據(jù)，為了能夠獲取這些原始數(shù)據(jù)背后所反映出的用戶信用程度，則需要獲取與用戶靜態(tài)信息對應的交互背景信息作為后續(xù)確定合理應答信息的依據(jù)。依據(jù)上表一所示的用戶靜態(tài)信息可獲取的交互背景信息就可如下表三所示：

表三

上表三所示的交互背景信息包括信用卡業(yè)務屬性、當前賬期、欠賬歷史狀態(tài)以及還款歷史狀態(tài)四種交互背景項，其中每種交互背景項的具體內容又包括多種交互背景內容，例如交互背景項“還款歷史狀態(tài)”就可包括“完全未還”、“部分還款”和“間隔還款”三種交互背景內容，交互背景項“信用卡業(yè)務屬性”除了包括“信用卡欠款”的交互背景內容外，還可包括“新信用卡申請”、“信用卡額度查詢”、“信用卡還款”以及“信用卡注銷”等其他交互背景內容。但具體交互背景項和交互背景內容的數(shù)量和內容都可根據(jù)具體的業(yè)務場景而調整，本發(fā)明對此不做限定。

在本發(fā)明一實施例中，交互背景信息并非是根據(jù)用戶靜態(tài)信息直接獲取的，而是需要先對所述用戶靜態(tài)信息做分類處理，然后再基于該分類處理的結果獲取與所述用戶靜態(tài)信息對應的交互背景信息。具體而言，如圖3所示，該交互背景信息的獲取步驟可包括如下步驟：

步驟1031：將用戶靜態(tài)信息劃分為至少一個靜態(tài)信息分類。

對于上述信用卡催款業(yè)務場景下，該靜態(tài)信息分類的劃分過程就是獲取上表一所示內容的過程。具體的劃分過程可通過大數(shù)據(jù)和分類模型實現(xiàn)，在此不再贅述。

步驟1032：根據(jù)用戶靜態(tài)信息所包括的靜態(tài)信息分類確定該用戶靜態(tài)信息所匹配的所有交互背景內容，其中每個交互背景內容根據(jù)至少一個靜態(tài)信息分類所確定。

具體而言，當獲取到用戶靜態(tài)信息所有的靜態(tài)信息分類時，其中有的靜態(tài)信息分類可直接匹配到一種交互背景項的交互背景內容中，即該交互背景內容僅根據(jù)一個靜態(tài)信息分類就可直接確定。例如，交互背景項“信用卡業(yè)務屬性”的交互背景內容“信用卡欠款”就可根據(jù)靜態(tài)信息分類“信用卡業(yè)務屬性”的具體內容“信用卡欠款”而直接確定。而有的交互背景內容則需要根據(jù)多個靜態(tài)信息分類才能確定，例如，交互背景項“還款歷史狀態(tài)”的交互背景內容就必須綜合“當前賬期”、“欠款總金額”和“當前已還款金額”三個靜態(tài)信息分類的內容才能確定。

在本發(fā)明一實施例中，上述根據(jù)用戶靜態(tài)信息獲取交互背景內容的過程可通過預先建立用戶靜態(tài)信息和交互背景內容之間對應關系來實現(xiàn)，其中具體的對應關系可基于業(yè)務專家給出的訓練集在大數(shù)據(jù)平臺中進行分類訓練產生。此外，隨著實際業(yè)務特性的改變，還可以重新提交新的訓練集進行分類訓練以形成新的對應關系。

應當理解，交互背景信息的具體內容與用戶靜態(tài)信息的具體內容相關，而用戶靜態(tài)信息根據(jù)所適用的應用場景不同可包含不同的數(shù)據(jù)內容。本發(fā)明對用戶靜態(tài)信息以及與對應的交互背景信息的具體內容并不做限定。

步驟104：根據(jù)該意圖信息和該交互背景信息獲取并向用戶發(fā)送應答信息。

結合該交互背景信息和意圖信息可更準確的判斷用戶可能的真實想法。這樣所獲取的應答信息也會根據(jù)不同用戶所具備的不同用戶靜態(tài)信息而有所差別。由此實現(xiàn)了更多元化的應答方式以及更好的智能交互效果。

圖4所示為本發(fā)明一實施例提供的智能交互方法中根據(jù)意圖信息和與用戶靜態(tài)信息所對應的交互背景信息獲取對應的應答信息的流程示意圖。如圖4所示，該應答信息的獲取流程包括如下步驟：

步驟1041：根據(jù)意圖信息和交互背景信息獲取對應的應答標識。

在本發(fā)明一實施例中，應答標識可具體為應答語氣標識，該應答語氣標識按照語氣從輕到重可劃分為至少兩種分類。仍以上述信用卡催款的業(yè)務場景為例，應答語氣標識的具體內容可如下表四所示：

表四

如上表四所示，對于同一個意圖信息“沒錢還款”，在不同的交互背景信息下所確定的應答語氣標識是有所不同的。具體而言，當根據(jù)用戶靜態(tài)信息所確定的交互背景信息為“M2期，從未欠賬，部分還款”時，說明當前用戶是有較好的信用記錄的，而且M1期已經還款了一部分，現(xiàn)在無法還款可能是由其他因素導致的，此時所確定的應答語氣標識可為“友情提醒”；而當根據(jù)用戶靜態(tài)信息所確定的交互背景信息為“M2期，曾經欠賬，完全未還”時，說明當前用戶的信用記錄較差，而且之前的M1期也仍未還款，此時所對應的應答信息可為“嚴厲提醒”。

步驟1042：根據(jù)意圖信息和應答標識獲取對應的應答信息。

在獲取了應答標識后，根據(jù)意圖信息和應答標識二者即可確定最終需要回復給用戶的應答信息。在本發(fā)明一實施例中，當與用戶的交互方式基于語音實現(xiàn)，而該應答信息為文本形式時，還需要將該應答信息轉換為語音消息發(fā)送給用戶。

以上表所示的應答語氣標識為例，最終所確定的應答信息的具體內容可如下表五所示：

表五

由此可見，通過引入應答標識來確定應答信息，實現(xiàn)了更加靈活的應答方式，相比于僅僅根據(jù)意圖信息確定應答信息，可實現(xiàn)更智能化的交互效果。

在本發(fā)明一實施例中，應答信息也可根據(jù)應答標識直接獲取，而不必參考意圖信息。例如，對于意圖信息“沒錢還款”，當交互背景信息顯示當前用戶有較好的信用記錄時，此時所確定的應答標識可具體為“友情提醒還款”，而并非簡單的“友情提醒”。這樣根據(jù)該應答標識可直接確定內容為“務必記得三天內還清您的欠款”的應答信息，而不必再參考意圖信息“沒錢還款”了。由此可見，在這種情況下，應答標識的具體內容更為多樣化，應答標識的具體內容與意圖信息的具體內容在語義層面上會存在一定對應關系，而并非是簡單的量化變量，因此在確定對應的應答信息時僅參考應答標識的具體內容即可。

應當理解，為了能完成上述獲取應答標識以及應答信息的過程，意圖信息和交互背景信息與應答標識之間的對應關系，意圖信息和應答標識與應答信息之間的對應關系，以及應答標識與應答信息之間的對應關系都可為預先建立。上述對應關系的具體構建形式可通過大數(shù)據(jù)分類和聚類技術實現(xiàn)，在此不再贅述。

應當理解，雖然在上述的實施例中，應答標識具體為應答語氣標識，但在其他的應用場景中，應答標識可能對應其他與具體交互業(yè)務相關的內容。例如，應答標識還可具體包括：應答聲調標識，該應答聲調標識按照聲調從低到高劃分為至少兩種分類；和/或，應答語速標識，該應答語速標識按照語速從慢到快劃分為至少兩種分類；和/或，應答音量標識，該應答音量標識按照音量從小到大劃分為至少兩種分類。本發(fā)明對應答標識的具體內容并不做限定。

此外還應當理解，本發(fā)明實施例所提供的智能交互方法其實是實現(xiàn)了一種高度智能化的智能交互策略，每次交互過程都可被看做是一個根據(jù)當前請求信息獲取意圖信息，并結合意圖信息和交互背景信息獲取對應的應答信息并反饋給用戶的過程。用戶在收到應答信息后，又會發(fā)出新的當前請求信息，此時又開始一個新的獲取并反饋應答信息的過程，如此反復循環(huán)直至完成整個智能交互過程。還應當理解，該智能交互方法可被應用到不同的業(yè)務交互場景中，根據(jù)業(yè)務交互場景的具體需要不同，開發(fā)人員可調整該智能交互方法中各步驟的順序、省略其中的某些步驟或具象化其中的語義模板、意圖信息、用戶靜態(tài)信息、交互場景信息、應答標識和應答信息等概念所限定的具體內容，本發(fā)明對此不做限定。

圖5所示為本發(fā)明一實施例提供的一種智能交互系統(tǒng)的結構示意圖。如圖5所示，該智能交互系統(tǒng)50包括：交互模塊51、知識庫52、意圖分析模塊53、背景獲取模塊54和應答決策模塊55。其中的知識庫52存儲有意圖信息、交互背景信息和應答信息。交互模塊51用于執(zhí)行交互過程，獲取用戶靜態(tài)信息和當前請求信息。意圖分析模塊53對交互模塊51獲取的當前請求信息進行意圖分析，從知識庫52中獲取與當前請求信息對應的意圖信息。背景獲取模塊54從知識庫52中獲取用戶靜態(tài)信息對應的交互背景信息。應答決策模塊55根據(jù)意圖分析模塊53所獲取的意圖信息和背景獲取模塊54所獲取的交互背景信息從知識庫52中獲取對應的應答信息，并通過交互模塊51向用戶發(fā)送應答信息。

在本發(fā)明一實施例中，意圖分析模塊53的意圖信息獲取方式可通過文本分析的方式實現(xiàn)。具體而言，可首先將當前請求信息的文本內容與多個預設的語義模板進行匹配以確定匹配的語義模板，該匹配過程可通過文本相似度計算的方式實現(xiàn)。

由此可見，本發(fā)明實施例所提供的智能交互系統(tǒng)50結合了語義層面的意圖信息和用戶靜態(tài)信息層面的交互背景信息，可更準確的判斷用戶的真實想法，所獲取的應答信息也會根據(jù)不同用戶所具備的不同用戶靜態(tài)信息而有所差別。由此實現(xiàn)了更智能化且更多元化的應答方式，提高了智能交互效果。

在本發(fā)明一實施例中，知識庫52可存儲有預先建立的意圖信息和交互背景信息與應答標識之間的對應關系，并存儲預先建立的意圖信息和應答標識與應答信息之間的對應關系。此時，如圖6所示，應答決策模塊55可包括：應答標識獲取單元551以及控制單元552。應答標識獲取單元551基于知識庫52，根據(jù)意圖信息和交互背景信息獲取對應的應答標識；控制單元552基于知識庫52，根據(jù)意圖信息和應答標識獲取對應的應答信息。

在本發(fā)明另一實施例中，知識庫52可存儲有預先建立的意圖信息和交互背景信息與應答標識之間的對應關系，并存儲預先建立的應答標識與應答信息之間的對應關系。此時，應答決策模塊55中的應答標識獲取單元551基于知識庫52，根據(jù)意圖信息和交互背景信息獲取對應的應答標識；控制單元552基于知識庫52，根據(jù)應答標識獲取對應的應答信息。由此可見，通過引入應答標識來確定應答信息，實現(xiàn)了更加靈活的應答方式，相比于僅僅根據(jù)意圖信息確定應答信息，可實現(xiàn)更智能化的交互效果。

在本發(fā)明一實施例中，意圖信息和交互背景信息與應答標識之間的對應關系、和/或意圖信息和應答標識與應答信息之間的對應關系、和/或應答標識與應答信息之間的對應關系通過大數(shù)據(jù)分類和聚類技術預先建立。

在本發(fā)明一實施例中，應答標識可對應與具體交互業(yè)務內容相關的屬性。例如，應答標識可具體包括：應答語氣標識，該應答語氣標識按照語氣從輕到重劃分為至少兩種分類；和/或，應答聲調標識，該應答聲調標識按照聲調從低到高劃分為至少兩種分類；和/或，應答語速標識，該應答語速標識按照語速從慢到快劃分為至少兩種分類；和/或，應答音量標識，該應答音量標識按照音量從小到大劃分為至少兩種分類。然而，本發(fā)明對應答標識的具體內容并不做限定。

在本發(fā)明一實施例中，為了能夠獲取用戶靜態(tài)信息背后所反映出的交互背景信息，則需要先將用戶靜態(tài)信息進行分類處理，此時背景獲取模塊54可進一步配置為，對用戶靜態(tài)信息做分類處理，基于分類處理的結果從知識庫52中獲取用戶靜態(tài)信息對應的交互背景信息。

在本發(fā)明一實施例中，交互背景信息可包括至少一種交互背景項，其中每種交互背景項包括至少一種交互背景內容。

在本發(fā)明一實施例中，如圖6所示，背景獲取模塊54可包括：分類單元541以及獲取單元542。分類單元541用于將用戶靜態(tài)信息劃分為至少一個靜態(tài)信息分類，獲取單元542根據(jù)用戶靜態(tài)信息所包括的靜態(tài)信息分類確定用戶靜態(tài)信息所匹配的所有交互背景內容，其中每個交互背景內容根據(jù)至少一個靜態(tài)信息分類所確定。具體而言，當獲取單元542獲取到用戶靜態(tài)信息所有的靜態(tài)信息分類時，有的靜態(tài)信息分類可直接匹配到一種交互背景項的交互背景內容中，即該交互背景內容僅根據(jù)一個靜態(tài)信息分類就可直接確定，而有的交互背景內容則需要根據(jù)多個靜態(tài)信息分類才能確定。

在本發(fā)明一實施例中，用戶靜態(tài)信息可劃分為以下靜態(tài)信息分類中的一種或多種：信用卡業(yè)務屬性、用戶身份信息、信用卡卡種、當前賬期、欠款總金額以及當前已還款金額；和/或，交互背景信息可包括以下交互背景項中的一種或多種：信用卡業(yè)務屬性、當前賬期、欠賬歷史狀態(tài)以及還款歷史狀態(tài)。信用卡業(yè)務屬性可包括以下交互背景內容中的一種或多種：信用卡欠款、新信用卡申請、信用卡額度查詢、信用卡還款以及信用卡注銷；欠賬歷史狀態(tài)可包括以下兩種交互背景內容：從未欠賬和曾經欠賬；還款歷史狀態(tài)可包括以下交互背景內容中的一種或多種：完全未還、部分還款和間隔還款。應當理解，交互背景信息的具體內容與用戶靜態(tài)信息的具體內容相關，而用戶靜態(tài)信息根據(jù)所適用的應用場景不同可包含不同的數(shù)據(jù)內容。本發(fā)明對用戶靜態(tài)信息以及與對應的交互背景信息的具體內容并不做限定。

在本發(fā)明一實施例中，交互模塊51可通過接收用戶輸入或通過與第三方交互來獲取用戶靜態(tài)信息，例如直接從銀行存儲的用戶數(shù)據(jù)中獲取。

在本發(fā)明一實施例中，如圖6所示，意圖分析模塊53可包括：匹配單元531以及意圖確定單元532。匹配單元531用于將當前請求信息的文本內容與多個預設的語義模板進行匹配以確定匹配的語義模板，意圖確定單元532用于獲取與匹配的語義模板對應的意圖信息，其中預設的語義模板與意圖信息之間的對應關系為預先建立，并存儲在知識庫52中，同一意圖信息對應一個或多個語義模板。由于用戶所發(fā)出的當前請求信息往往并非使用的是標準問，而是標準問的一些變形的形式，即為擴展問。因此，對于智能語義識別而言，知識庫里需要有標準問的擴展問，該擴展問與標準問表達形式有略微差異，但是表達相同的含義。在本發(fā)明一實施例中，語義模板可為表示某一種語義內容的一個或多個抽象語義表達式的集合，由開發(fā)人員根據(jù)預定的規(guī)則結合語義內容生成，即通過一個語義模板就可描述所對應語義內容的多種不同表達方式的語句，以應對當前請求信息的文本內容可能的多種變形。這樣將當前請求信息的文本內容與預設的語義模板進行匹配，避免了利用僅能描述一種表達方式的“標準問”來識別用戶消息時的局限性。

在本發(fā)明一實施例中，匹配單元531根據(jù)當前請求信息的文本內容確定匹配的語義模板的過程可通過相似度計算過程實現(xiàn)，此時匹配單元531將當前請求信息的文本內容與多個預設的語義模板之間進行相似度計算，將相似度最高的語義模板作為匹配的語義模板。

在本發(fā)明一實施例中，匹配單元531所進行的相似度計算過程可采用如下計算方法中的一種或多種實現(xiàn)：編輯距離計算方法，n-gram計算方法，JaroWinkler計算方法以及Soundex計算方法。在一進一步實施例中，當識別出當前請求信息的文本內容中的語義成分詞和語義規(guī)則詞時，當前請求信息和語義模板中所包括語義成分詞和語義規(guī)則詞還可被轉化成簡化的文本字符串，以提高語義相似度計算的效率。

在本發(fā)明一實施例中，當前請求信息為語音消息，而意圖分析模塊53是需要根據(jù)文本內容進行意圖分析的，此時交互模塊51包括：文本轉化單元，配置為將當前請求信息轉化為文本消息。

在本發(fā)明一實施例中，當與用戶的交互方式基于語音實現(xiàn)，而所獲取的應答信息為文本形式時，交互模塊51可包括：語音轉化單元，配置為應答信息轉換為語音消息發(fā)送給用戶。

應當理解，上述實施例所提供的智能交互系統(tǒng)50中記載的每個模塊或單元都與前述的一個方法步驟相對應。由此，前述的方法步驟描述的操作和特征同樣適用于該智能交互系統(tǒng)50及其中所包含的對應的模塊和單元，重復的內容在此不再贅述。

本發(fā)明的教導還可以實現(xiàn)為一種計算機可讀存儲介質的計算機程序產品，包括計算機程序代碼，當計算機程序代碼由處理器執(zhí)行時，其使得處理器能夠按照本發(fā)明實施方式的方法來實現(xiàn)如本文實施方式的智能交互方法。計算機存儲介質可以為任何有形媒介，例如軟盤、CD-ROM、DVD、硬盤驅動器、甚至網(wǎng)絡介質等。

應當理解，雖然以上描述了本發(fā)明實施方式的一種實現(xiàn)形式可以是計算機程序產品，但是本發(fā)明的實施方式的方法或裝置可以被依軟件、硬件、或者軟件和硬件的結合來實現(xiàn)。硬件部分可以利用專用邏輯來實現(xiàn)；軟件部分可以存儲在存儲器中，由適當?shù)闹噶顖?zhí)行系統(tǒng)，例如微處理器或者專用設計硬件來執(zhí)行。本領域的普通技術人員可以理解上述的方法和設備可以使用計算機可執(zhí)行指令和/或包含在處理器控制代碼中來實現(xiàn)，例如在諸如磁盤、CD或DVD-ROM的載體介質、諸如只讀存儲器(固件)的可編程的存儲器或者諸如光學或電子信號載體的數(shù)據(jù)載體上提供了這樣的代碼。本發(fā)明的方法和裝置可以由諸如超大規(guī)模集成電路或門陣列、諸如邏輯芯片、晶體管等的半導體、或者諸如現(xiàn)場可編程門陣列、可編程邏輯設備等的可編程硬件設備的硬件電路實現(xiàn)，也可以用由各種類型的處理器執(zhí)行的軟件實現(xiàn)，也可以由上述硬件電路和軟件的結合例如固件來實現(xiàn)。

應當理解，盡管在上文的詳細描述中提及了裝置的若干模塊或單元，但是這種劃分僅僅是示例性而非強制性的。實際上，根據(jù)本發(fā)明的示例性實施方式，上文描述的兩個或更多模塊/單元的特征和功能可以在一個模塊/單元中實現(xiàn)，反之，上文描述的一個模塊/單元的特征和功能可以進一步劃分為由多個模塊/單元來實現(xiàn)。此外，上文描述的某些模塊/單元在某些應用場景下可被省略。

應當理解，為了不模糊本發(fā)明的實施方式，說明書僅對一些關鍵、未必必要的技術和特征進行了描述，而可能未對一些本領域技術人員能夠實現(xiàn)的特征做出說明。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換等，均應包含在本發(fā)明的保護范圍之內。