CN109002501A - 用于处理自然语言对话的方法、装置、电子设备以及计算机可读存储介质 - Google Patents

Abstract

根据本公开的示例实施例，提供了一种用于处理自然语言对话的方法、装置、电子设备以及计算机可读存储介质。方法包括响应于接收到来自用户的第一消息而提供针对第一消息的第一回复。方法还包括响应于接收到来自用户的第二消息而确定针对第二消息的解析结果的置信度，其中第二消息是对第一消息或第一回复的反馈。此外，方法还包括基于解析结果的置信度来提供针对第二消息的第二回复。根据本公开的实施例，用户能够以自然语言交互的方式纠正对话中的错误，并且聊天机器人能够根据对话理解结果的置信度来提供相应的对话动作，由此提高了聊天服务质量并且提升了用户体验。

Description

用于处理自然语言对话的方法、装置、电子设备以及计算机可 读存储介质

技术领域

本公开的实施例总体上涉及人工智能领域，并且更具体地涉及用于处理自然语言对话的方法、装置、电子设备以及计算机可读存储介质。

背景技术

近年来，“对话即平台(Conversation as a Platform)”的理念日益深入人心，越来越多的网络产品和应用开始使用对话式的人机交互方式。聊天机器人是指可以通过文字、语音或图片等实现人机交互的计算机程序或软件，其可以理解用户发出的内容，并且自动做出应答。聊天机器人在一定程度上可以取代真人进行对话，其可以被集成到对话系统中作为自动在线助理，以用于例如智能聊天、客户服务、信息询问等场景。

自然语言是人类日常使用的语言，例如汉语、英语等。自然语言处理是指计算机处理人类的自然语言的一种技术，自然语言对话是指聊天机器人模拟人的方式与人类进行对话。由于自然语言的多样性和复杂性，在聊天对话中，聊天机器人对用户输入的消息可能会存在一定的理解错误，而这种理解错误一旦发生，聊天机器人的回复将是不符合用户预期的。

发明内容

根据本公开的示例实施例，提供了一种用于处理自然语言对话的方法、装置、电子设备以及计算机可读存储介质。

在本公开的第一方面中，提供了一种用于处理自然语言对话的方法。该方法包括：响应于接收到来自用户的第一消息，提供针对第一消息的第一回复；响应于接收到来自用户的第二消息，确定针对第二消息的解析结果的置信度，其中第二消息是对第一消息或第一回复的反馈；以及基于解析结果的置信度，提供针对第二消息的第二回复。

在本公开的第二方面中，提供了一种用于处理自然语言对话的装置。该装置包括：第一回复提供模块，被配置为响应于接收到来自用户的第一消息，提供针对第一消息的第一回复；解析结果确定模块，被配置为响应于接收到来自用户的第二消息，确定针对第二消息的解析结果的置信度，其中第二消息是对第一消息或第一回复的反馈；以及第二回复提供模块，被配置为基于解析结果的置信度，提供针对第二消息的第二回复。

在本公开的第三方面中，提供了一种电子设备，其包括一个或多个处理器以及存储装置，存储装置用于存储一个或多个程序。一个或多个程序当被一个或多个处理器执行，使得电子设备实现根据本公开的实施例的方法或过程。

在本公开的第四方面中，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的实施例的方法或过程。

应当理解，本发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的描述而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开的实施例能够实现在其中的示例环境的示意图；

图2示出了根据本公开的实施例的用户与聊天机器人之间的示例对话的图形用户界面(GUI)的示图；

图3示出了根据本公开的实施例的用于处理自然语言对话的方法的流程图；

图4示出了根据本公开的实施例的用于通过自然语言交互改善对话理解效果的方法的流程图；

图5示出了根据本公开的实施例的用于解析用户消息的示意图；

图6示出了根据本公开的实施例的用于分析对话理解质量的方法的流程图；

图7示出了根据本公开的实施例的用于处理自然语言对话的装置的框图；以及

图8示出了能够实施本公开的多个实施例的电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。下文还可能包括其他明确的和隐含的定义。

由于人类自然语言的多样性和复杂性，在机器人聊天对话的过程中，不可避免地会存在聊天机器人理解错误的情形，而这种理解错误一旦发生，聊天机器人的回复将是不符合用户预期的。为了避免或减少不符合用户预期的出现，传统改进方式包括提供保底的对话方案和提供单独的操作界面。保底的对话方案并不能从本质上修复对话理解错误，其不能实际修复聊天系统的缺陷。单独的操作界面需要通过鼠标、触控等操作方式来进行修复，这会打断正常的对话过程，影响对话的流畅度，同时还增加了对话系统的操作难度。因此，传统的对话理解错误的修复方式有效性较差且效率较低，并且这两种方式都是事后补救的方案，没有考虑在对话理解的过程中及时地消除可能导致理解失败的问题。

本公开的实施例提出了一种通过自然语言交互改善对话理解效果的方案。根据本公开的实施例，不仅使得用户能够以自然语言交互的方式纠正对话中的错误，而且使得聊天机器人能够根据对话理解结果的质量来提供相应的对话动作，由此提高了聊天服务质量并且提升了用户体验。因此，本公开的实施例能够修复对话理解错误，帮助用户达到真正的对话目的，此外，由于使用基于自然语言的交互方式，在对话过程中就能解决对话理解质量问题，避免跳出正常对话的流程。以下将参考附图1-8详细描述本公开的一些示例实施例。

图1示出了本公开的实施例能够实现在其中的示例环境100的示意图。在示例环境100中，用户110正在与聊天机器人120(也称为“聊天引擎”或“聊天系统”)进行聊天对话。可选地，用户110可以在聊天机器人120的本地，即用户110可以直接与聊天机器人120 进行对话。备选地，用户110也可以使用其本地设备(诸如膝上型计算机、台式计算机、智能电话、平板电脑等)通过网络与聊天机器人 120进行聊天对话，网络可以为任意的有线和/或无线网络。因此，聊天机器人120既可以被部署到本地的电子设备中，也可以被部署到远程服务器或云中，或者被分布式部署。

参考图1，用户110向聊天机器人120发送消息121(称为“第一消息”)，聊天机器人120处理消息121并且向用户110提供相应的回复122(称为“第一回复”)。至此，用户110与聊天机器人120 的第一轮对话已经完成。可选地，消息121和回复122可以为文字消息。备选地，消息121和回复122也可以为语音消息，在语音聊天的场景中，可以将消息121对应的文本识别结果同时显示在用户设备的显示器中，使得用户能够更清晰获知当前的对话内容。

在本公开的实施例中，由于回复122未能满足用户110的需求(例如聊天机器人120对消息121的理解存在错误，其不能准确识别用户 110的意图)，用户可以向聊天机器人120发送进一步的消息123(称为“第二消息”)以用于纠正或者澄清，聊天机器人120处理消息123 并且向用户110提供相应的回复124(称为“第二回复”)。根据本公开的实施例，用户110可以使用自然语言形式的消息123对消息121 和/或回复122进行纠正或澄清，因而聊天机器人120通过组合消息 121和123，能够更准确地识别用户110的意图。此外，根据本公开的实施例，聊天机器人120还能够自动评估对话理解结果的质量，并且针对不同质量的理解结果提供不同类型的回复。例如，如果聊天机器人120确定对话理解结果置信度较低，则其可以询问用户以获得进一步的确认或澄清，由此避免或减少直接向用户呈现可能不符合用户意图的回复。

图2示出了根据本公开的实施例的用户与聊天机器人之间的示例对话的示例GUI200的示图，例如，GUI 200中示出的聊天对话可以为以上参考图1所描述的用户110与聊天机器人120之间的聊天对话。

可选地，在用户110打开与聊天机器人120的聊天窗口之后，聊天机器人120可以首先发出打招呼消息201(例如“您好，我是聊天机器人，现在您可以跟我对话了，试一试吧。”)。如图2所示，除了聊天对话201-216之外，GUI 200还包括用户110输入消息的窗口250以及用户发送消息的按钮260。应当理解，用户110也可以通过其他方式(例如语音)与聊天机器人120进行对话。

参考图2中的211-212，用户110可以在聊天窗口中与聊天机器人120发起第一轮聊天对话。例如，用户110发出消息211(例如“我要去三里屯”)，而聊天机器人120提供的回复212(例如“那儿好玩吗？”)是关于娱乐的意图，与用户110的预期(例如导航意图) 并不同。由此可见，在第一轮对话211-212中，聊天机器人120并没有正确识别用户消息211的意图。

为了纠正第一轮对话中存在的错误，用户110可以发出自然语言形式的消息213(例如“我要导航”)来纠正聊天机器人120的理解错误。由于消息213是对回复212的纠正，因而聊天机器人120能够准确识别用户110的真正意图是导航。此外，根据本公开的实施例的聊天机器人120还可以评估对话理解结果的质量。例如，聊天机器人 120虽然已经识别出导航意图，但是对于导航意图中的词槽信息(例如“目的地是三里屯”)的置信度并不高，例如低于预定义阈值，因而聊天机器人120触发一个确认形式的对话逻辑，提供包括询问的回复214(例如“好的，正在导航，三里屯是目的地吗？”)，以供用户110确认词槽信息是否准确。

继续参考图2，当用户通过消息215(例如“是的”)确认“三里屯是目的地”的词槽信息之后，聊天机器人此时能够准备理解用户的意图和词槽，然后提供回复216(例如“正在规划去三里屯的路线，请稍后”)。在一些实施例中，聊天机器人120可以执行相应的动作，例如调用地图应用来执行从本地导航到三里屯的任务。根据本公开的实施例，聊天机器人120还能够自动评估对话理解结果的质量，并且在发现低质量理解结果时，能够以自然语言交互的方式主动向用户发起询问，确认对话理解结果的正误，由此避免或减少不必要的错误呈现。

图3示出了根据本公开的实施例的用于处理自然语言对话的方法 300的流程图。应当理解，方法300可以由以上参考图1或图2所描述的聊天机器人120来执行。

在框302，响应于接收到来自用户的第一消息，提供针对第一消息的第一回复。例如，参考以上图2，在从用户110接收到消息211 之后，聊天机器人120提供相应的回复212。在一些实施例中，聊天机器人120可以解析消息211以获得对应的意图类型和词槽信息。在该示例中，聊天机器人120将意图类型错误地识别为例如娱乐，导致回复212存在理解错误。

在框304，响应于接收到来自用户的第二消息，确定针对第二消息的解析结果的置信度，其中第二消息是对第一消息或第一回复的反馈。例如，参考以上图2，从用户110接收消息213，其中消息213 是对消息211的澄清和/或对回复212的纠正，然后聊天机器人120确定解析结果及其置信度。在该示例中，意图类型已经被纠正为导航意图，因而意图类型的置信度非常高(例如90％)，而词槽类型“目的地”中的词槽值“三里屯”的置信度被确定为不高(例如75％)。

在框306，基于解析结果的置信度，提供针对第二消息的第二回复。例如，针对消息213，所确定的意图类型(例如“导航意图”) 的置信度大于预定义阈值(例如80％)，而所确定的词槽信息(例如“三里屯是目的地”)的置信度小于预定义阈值(例如80％，应当理解，意图类型和词槽信息可以具有不同的预定义阈值)。在这种情况下，需要提供一个确认词槽信息的第二回复，如图2中的回复214所示。在一些实施例中，如果解析结果中的意图类型和词槽信息的置信度分别大于预定义阈值，则说明聊天机器人已经相对正确地理解用户的消息，因而不需要向用户发起询问。

因此，根据本公开的实施例的方法300，不仅用户能够以自然语言交互的方式纠正对话中的错误，而且聊天机器人能够根据对话理解结果的质量来提供相应的对话动作，由此提高了聊天服务质量并且提升了用户体验。

图4示出了根据本公开的实施例的用于通过自然语言交互改善对话理解效果的方法400的流程图。应当理解，方法400可以由以上参考图1或图2所描述的聊天机器人120来执行，此外，方法400可以为以上图3所描述的一轮会话(基于某个用户消息来提供相应的回复) 的示例实现。

在框402，聊天机器人从用户接收用户消息。在框404，对接收到的用户消息进行自动纠错。例如，可以使用语言模型、共现统计、词对齐等来尝试自动修复用户消息中存在的语音识别错误、错别字等。

在框406，判断用户消息是否为针对上一轮对话的反馈。例如，基于自动纠错后的用户消息，判断该用户消息是一轮正常的对话，还是针对上轮对话的反馈。在一些实施例中，可以使用模板或模型来识别用户消息是否是对上一轮对话的反馈。例如，如果用户消息与“[词槽类型]是[词槽值]”模板匹配，则说明该用户消息是对词槽信息的纠正或确认，因而这种用户信息可以被确定为是对上一轮对话的反馈。

在一些实施例中，如果当前用户消息用于纠正前一用户消息中的语音识别错误或打字错误，或者如果当前用户消息用于澄清前一用户消息，则可以确定当前用户消息是对前一用户消息的反馈。在一些实施例中，如果当前用户消息用于纠正前一回复中的理解错误，或者响应于当前消息用于回答前一回复中的询问，确定当前用户消息是对前一回复的反馈。

如果在框406确定用户消息不是对上一轮的反馈，则说明这是新一轮的对话，在框408，执行正常对话理解过程。例如，可以调用对话理解过程获取意图和词槽的解析结果。对话理解过程可使用模板、机器学习模型、或两者相结合来实现。此外，解析结果中还可以包括解析结果的置信度。应当理解，置信度可以是一个有固定取值范围的数值，其值越高，表明聊天机器人对解析结果正确的信心越强。在执行正常对话理解过程408之后，在框414执行对话理解质量分析。

如果在框406确定用户消息是对上一轮的反馈，则在框410，执行反馈对话理解过程。例如，聊天机器人能够理解的针对上轮对话理解结果的情形可以包括但不限于：对意图或词槽的解析结果的纠正或否定、对前一用户消息存在的语音识别错误或者错别字的纠正、以复述的方式重新表达前一用户消息、在前一用户消息不完整时进行补充，等等。在一些实施例中，还可以针对用户的反馈进行情感分析，如果用户消息中存在情绪化表达(诸如用户的谩骂或抱怨等)，聊天机器人通过设置对话状态，触发特定的对话逻辑对用户进行安抚，并且以引导的方式告知用户如何更加有效地表达自身需求。通过反馈对话理解过程410，聊天机器人可以进一步地识别意图类型和词槽信息。

在框412，判断聊天机器人是否已经成功理解反馈。如果已经成功理解，则在框414，执行对话理解质量分析。例如聊天机器人基于意图和词槽的解析结果以及对应的置信度信息，分析解析结果的质量，对于低质量的解析结果，触发澄清对话逻辑向用户发起基于自然语言的询问，以便确认解析结果的是否正确。以下参考图6描述了用于分析对话理解质量的示例实现。如果在框412，确定聊天机器人没有成功理解反馈，则在框418触发对应的对话动作，例如触发失败的动作。例如，反馈对话理解过程可以负责检查自动纠错和主动纠错的完成质量，对于存在严重错误，经自动纠错无法恢复的用户信息或者无法理解的主动纠错，触发失败对话动作，并且告知用户本轮消息无法理解，并引导用户以更合理的方式表达自身需求。

接下来，在框416，更新对话状态，更新对话状态所需的信息来源可以包括：正常对话理解过程408中得到的意图类型和词槽信息；反馈对话理解过程410得到的用户针对上轮对话的主动反馈信息或者用户针对聊天机器人的询问的回答。聊天机器人可以根据这些信息源的信息执行更新操作，其中更新的内容可以包括意图类型、词槽信息、以及置信度，并且还可以指示是否仍有未能澄清的意图类型和词槽信息等。

在框418，触发对话动作。例如，聊天机器人可以根据对话状态，触发并输出相应的回复动作。对于已经完成理解且结果置信度足够高的对话，可以输出理解后的意图类型和词槽信息等结构化信息；对于低质量的对话理解结果，可以输出相应的澄清对话动作；而对于多次澄清仍不成功的对话、以及自动纠错和主动纠错无法成功的用户消息，输出表示对话理解失败的对话动作，并引导用户更好地表达自身需求。因此，根据本公开的实施例的方法400，可以针对不同置信度的解析结果，触发不同类型的动作，使得聊天机器人能够在不确定用户意图的情况下询问用户的反馈，以便减少低质量的解析结果或理解错误的情形，有效地提高了聊天服务质量并且提升了用户体验。

图5示出了根据本公开的实施例的用于解析用户消息的示意图 500。例如图5所示，针对用户消息510(例如“今晚六点帮我在全聚德预约一个包厢，十个人”)，其解析结果520可以被解析为如下：意图类型为预定餐厅，这种类型的意图下包括三个词槽，即餐厅名、时间和人数，其词槽值分别为“全聚德”、“2018.06.21 18:00”以及“10”。根据本公开的实施例，可以计算出意图类型和每个词槽的解析结果的置信度。

在一些实施例中，可以预先设置每种意图类型中的词槽。例如，对于导航的意图，词槽可以包括起始地和目的地。备选地，导航意图的词槽还可以包括途经地，作为可选的词槽。在一些实施例中，如果用户消息已经包括词槽值，但是聊天机器人仅能够确定用户的意图类型，而不能确定所有的词槽值，则聊天机器人可以反问用户进行澄清，或者用户可以针对聊天机器人提供的回复而主动澄清。

图6示出了根据本公开的实施例的用于分析对话理解质量的方法 600的流程图。应当理解，方法600可以由以上参考图1或图2所描述的聊天机器人120来执行，此外，方法600可以为以上图4所描述的动作414-418的示例实现。

在框602，获得用户消息的解析结果及其置信度，其中解析结果包括词槽类型和词槽信息，如以上图5中所示出的。在框604，判断所解析的意图类型是否存在歧义。如果意图类型存在歧义，则在框 606，提供多个意图类型供用户选择。例如，如果从用户消息解析出两个置信度相近的意图类型，则聊天机器人可以触发一个选择形式的对话逻辑，要求用户选出所需要的意图类型。

如果意图类型不存在歧义，例如只解析出单个意图，则在框608，判断解析出的意图类型的置信度是否小于第一阈值。如果置信度小于第一阈值，则在框610，提供单个意图类型供用户确认。例如，聊天机器人触发一个确认形式的对话逻辑，要求用户确认意图类型是否为用户的真实意图。

如果意图类型的置信度大于第一阈值，则在框612，判断词槽信息的置信度是否小于第二阈值。如果词槽信息的置信度小于第二阈值，则在框614，提供词槽信息供用户确认。例如，虽然确认解析出单个意图的置信度高于预定义阈值，但是词槽解析结果置信度低于预定义的阈值，聊天机器人可以触发一个确认形式的对话逻辑，要求用户确认词槽信息是否正确。

在框616，判断词槽类型是否存在歧义。如果词槽类型存在歧义，则在框618，提供多个词槽类型供用户选择。例如，在同一词槽值属于多个不同的词槽类型的情况下，例如在“导航”意图下，词槽值“北京”同时被解析成“出发地”和“目的地”，此时，聊天机器人可以触发一个选择形式的对话逻辑，要求用户选出该词槽值的词槽类型，即让用户选择北京是出发地还是目的地。

在框620，判断词槽值是否存在歧义。如果词槽值存在歧义，则在框622，提供多个词槽值供用户选择。例如，出现多个词槽值属于同一词槽类型，而该类型词槽又不支持多值的情况，例如在“导航”意图下，“北京”和“上海”同时被解析成词槽类型“出发地”，此时，聊天机器人可以触发一个选择形式的对话逻辑，要求用户选出对应词槽应该取的值，即让用户选择出发地是北京还是上海。应当理解，虽然图6中示出了框612、框616、框620是先后执行，然而，他们也可以同时被执行或者以与图6中所示出的顺序不同的顺序被执行。

继续参考图6，如果意图类型和词槽信息都不存在歧义并且各自的置信度都满足预定条件，则说明目前的意图类型和词槽信息置信度较高，在框624，基于已经解析的意图类型和存储信息来生成回复。也就是说，在解析结果置信度很高的情况下，聊天机器人无需询问用户，而可以直接生成回复，提高了执行效率。

在一些实施例中，响应于接收到来自用户的用于回答第二回复的第三消息，基于第三消息来更新意图类型和词槽信息，然后基于更新后的意图类型和词槽信息，提供针对第三消息的第三回复(例如图2 中所示出的回复216)。例如，在图6中的框606、610、614、618、 622之后，在用户回答聊天机器人的询问之后，可以基于用户的回答来进一步地更新解析结果，并且利用更新后的解析结果来提供进一步的回复。

图7示出了根据本公开的实施例的用于处理自然语言对话的装置700的框图。如图7所示，装置700包括：第一回复提供模块710，被配置为响应于接收到来自用户的第一消息，提供针对第一消息的第一回复；解析结果确定模块720，被配置为响应于接收到来自用户的第二消息，确定针对第二消息的解析结果的置信度，其中第二消息是对第一消息或第一回复的反馈；以及第二回复提供模块730，被配置为基于解析结果的置信度，提供针对第二消息的第二回复。

在一些实施例中，装置700还可以包括：第一反馈确定模块，被配置为响应于第二消息用于纠正第一消息中的语音识别错误或打字错误，或者响应于第二消息用于澄清第一消息，确定第二消息是对第一消息的反馈。

在一些实施例中，装置700还可以包括：第二反馈确定模块，被配置为响应于第二消息用于纠正第一回复中的理解错误，或者响应于第二消息用于回答第一回复中的询问，确定第二消息是对第一回复的反馈。

在一些实施例中，其中解析结果确定模块720可以包括：解析结果获得模块，被配置为通过解析第二消息获得意图类型和词槽信息，词槽信息包括词槽类型和词槽值；以及置信度确定模块，被配置为确定意图类型的置信度以及词槽信息的置信度。

在一些实施例中，其中第二回复提供模块730可以包括：第一询问模块，被配置为响应于意图类型和词槽信息中的至少一项的置信度小于预定阈值，提供包括意图类型和词槽信息中的至少一项的第二回复以供用户确认。

在一些实施例中，其中第二回复提供模块730可以包括：第二询问模块，被配置为响应于意图类型包括第一意图类型和第二意图类型，提供包括第一意图类型和第二意图类型的第二回复以供用户选择。

在一些实施例中，其中第二回复提供模块730可以包括：第三询问模块，被配置为响应于词槽类型和词槽值中的至少一项包括多个候选项，提供包括多个候选项的第二回复以供用户选择。

在一些实施例中，其中第二回复提供模块730可以包括：第二回复生成模块，被配置为响应于意图类型和词槽信息的置信度均满足预定条件，基于解析出的意图类型和词槽信息来生成第二回复。

在一些实施例中，装置700还可以包括：意图更新模块，被配置为响应于接收到来自用户的用于回答第二回复的第三消息，基于第三消息来更新意图类型和词槽信息；以及第三回复提供模块，被配置为基于所更新的意图类型和词槽信息，提供针对第三消息的第三回复。

应当理解，图7中所示出的第一回复提供模块710、解析结果确定模块720以及第二回复提供模块730可以被包括在参考图1或图2 所描述的聊天机器人120中。而且，应当理解，图7中所示出的模块可以执行参考本公开的实施例的方法或过程中的步骤或动作。

图8示出了可以用来实施本公开的实施例的示例设备800的示意性框图。应当理解，设备800可以用于实现本公开所描述的用于处理自然语言对话的装置700或者聊天机器人120。如图所示，设备800 包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM) 802中的计算机程序指令或者从存储单元808加载到随机访问存储器 (RAM)803中的计算机程序指令，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/ 数据。

处理单元801执行上文所描述的各个方法和过程，例如方法300、方法400以及方法600。例如，在一些实施例中，方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/ 或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由CPU 801执行时，可以执行上文描述的方法的一个或多个动作或步骤。备选地，在其他实施例中，CPU 801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)，等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各动作或步骤，但是这应当理解为要求这样动作或步骤以所示出的特定次序或以顺序次序执行，或者要求所有图示的动作或步骤应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本公开的实施例，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (20)

1.一种用于处理自然语言对话的方法，包括：

响应于接收到来自用户的第一消息，提供针对所述第一消息的第一回复；

响应于接收到来自所述用户的第二消息，确定针对所述第二消息的解析结果的置信度，所述第二消息是对所述第一消息或所述第一回复的反馈；以及

基于所述解析结果的所述置信度，提供针对所述第二消息的第二回复。

2.根据权利要求1所述的方法，还包括：

响应于所述第二消息用于纠正所述第一消息中的语音识别错误或打字错误，或者响应于所述第二消息用于澄清所述第一消息，确定所述第二消息是对所述第一消息的反馈。

3.根据权利要求1所述的方法，还包括：

响应于所述第二消息用于纠正所述第一回复中的理解错误，或者响应于所述第二消息用于回答所述第一回复中的询问，确定所述第二消息是对所述第一回复的反馈。

4.根据权利要求1所述的方法，其中确定针对所述第二消息的解析结果的置信度包括：

通过解析所述第二消息获得意图类型和词槽信息，所述词槽信息包括词槽类型和词槽值；以及确定所述意图类型的置信度以及所述词槽信息的置信度。

5.根据权利要求4所述的方法，其中提供针对所述第二消息的第二回复包括：

响应于所述意图类型和所述词槽信息中的至少一项的置信度小于预定阈值，提供包括所述意图类型和所述词槽信息中的至少一项的所述第二回复以供所述用户确认。

6.根据权利要求4所述的方法，其中提供针对所述第二消息的第二回复包括：

响应于所述意图类型包括第一意图类型和第二意图类型，提供包括所述第一意图类型和第二意图类型的所述第二回复以供所述用户选择。

7.根据权利要求4所述的方法，其中提供针对所述第二消息的第二回复包括：

响应于所述词槽类型和所述词槽值中的至少一项包括多个候选项，提供包括所述多个候选项的所述第二回复以供所述用户选择。

8.根据权利要求4所述的方法，其中提供针对所述第二消息的第二回复包括：

响应于所述意图类型和所述词槽信息的置信度均满足预定条件，基于解析出的所述意图类型和所述词槽信息来生成所述第二回复。

9.根据权利要求5-7中任一项所述的方法，还包括：

响应于接收到来自所述用户的用于回答所述第二回复的第三消息，基于所述第三消息来更新所述意图类型和所述词槽信息；以及基于更新后的所述意图类型和所述词槽信息，提供针对所述第三消息的第三回复。

10.一种用于处理自然语言对话的装置，包括：

第一回复提供模块，被配置为响应于接收到来自用户的第一消息，提供针对所述第一消息的第一回复；

解析结果确定模块，被配置为响应于接收到来自所述用户的第二消息，确定针对所述第二消息的解析结果的置信度，所述第二消息是对所述第一消息或所述第一回复的反馈；以及第二回复提供模块，被配置为基于所述解析结果的所述置信度，提供针对所述第二消息的第二回复。

11.根据权利要求10所述的装置，还包括：

第一反馈确定模块，被配置为响应于所述第二消息用于纠正所述第一消息中的语音识别错误或打字错误，或者响应于所述第二消息用于澄清所述第一消息，确定所述第二消息是对所述第一消息的反馈。

12.根据权利要求10所述的装置，还包括：

第二反馈确定模块，被配置为响应于所述第二消息用于纠正所述第一回复中的理解错误，或者响应于所述第二消息用于回答所述第一回复中的询问，确定所述第二消息是对所述第一回复的反馈。

13.根据权利要求10所述的装置，其中所述解析结果确定模块包括：

解析结果获得模块，被配置为通过解析所述第二消息获得意图类型和词槽信息，所述词槽信息包括词槽类型和词槽值；以及置信度确定模块，被配置为确定所述意图类型的置信度以及所述词槽信息的置信度。

14.根据权利要求13所述的装置，其中所述第二回复提供模块包括：

第一询问模块，被配置为响应于所述意图类型和所述词槽信息中的至少一项的置信度小于预定阈值，提供包括所述意图类型和所述词槽信息中的至少一项的所述第二回复以供所述用户确认。

15.根据权利要求13所述的装置，其中所述第二回复提供模块包括：

第二询问模块，被配置为响应于所述意图类型包括第一意图类型和第二意图类型，提供包括所述第一意图类型和第二意图类型的所述第二回复以供所述用户选择。

16.根据权利要求13所述的装置，其中所述第二回复提供模块包括：

第三询问模块，被配置为响应于所述词槽类型和所述词槽值中的至少一项包括多个候选项，提供包括所述多个候选项的所述第二回复以供所述用户选择。

17.根据权利要求13所述的装置，其中所述第二回复提供模块包括：

第二回复生成模块，被配置为响应于所述意图类型和所述词槽信息的置信度均满足预定条件，基于解析出的所述意图类型和所述词槽信息来生成所述第二回复。

18.根据权利要求14-16中任一项所述的装置，还包括：

意图更新模块，被配置为响应于接收到来自所述用户的用于回答所述第二回复的第三消息，基于所述第三消息来更新所述意图类型和所述词槽信息；以及第三回复提供模块，被配置为基于更新后的所述意图类型和所述词槽信息，提供针对所述第三消息的第三回复。

19.一种电子设备，所述电子设备包括：

一个或多个处理器；以及存储装置，期用于存储一个或多个程序，所述一个或多个程序当被所述一个或多个处理器执行，使得所述电子设备实现根据权利要求1-9中任一项所述的方法。

20.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1-9中任一项所述的方法。