[發明專利]語音技能的對話管理器配置方法、人機對話方法及系統

在審

• 申請號: 201911075760.8
• 申請日: 2019-11-06
• 公開（公告）號: CN112767930A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 楊鵬;樊帥;林永楷;朱成亞
• 申請（專利權）人: 蘇州思必馳信息科技有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/26;G10L15/28
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 黃謙;車江華

本發明公開一種語音技能的對話管理器配置方法，包括：接收用戶為待創建語音技能所提交的全局常量信息和全局變量信息；檢測所述用戶為所述待創建語音技能所配置的開始狀態節點、多個過程狀態節點和結束狀態節點；基于所述全局常量信息和所述全局變量信息為所述多個過程狀態節點配置執行邏輯；基于所述執行邏輯確定所述開始狀態節點、多個過程狀態節點和結束狀態節點之間的跳轉關系，并組織為對話狀態機，以實現所述待創建語音技能的不同狀態節點之間的跳轉管理?；诒景l明的語音技能的對話管理器配置方法，降低了對用戶的專業性要求，避免了用戶對開發人員的依賴性，簡化了用于復雜多輪對話的語音技能的對話管理器的可定制化。

技術領域

本發明涉及計算機技術領域，尤其涉及一種語音技能的對話管理器配置方法、人機對話方法及系統。

背景技術

百度DuerOS技能開放平臺、阿里AliGenie語音技能開放平臺、騰訊云小微語音技能開放平臺、科大訊飛iFlyOS技能開放平臺、若琪Rokid技能開放平臺。

上面這些語音技能開放平臺都提供了語音對話中的對話管理的規則邏輯制定。用戶在開放平臺上開發技能制定完成期待的對話規則邏輯后，對話管理器可以根據用戶的規則對多輪對話進行管理，從而完成整個技能的多輪對話交互。

以上開放平臺的技能開發中都存在只能設計簡單對話邏輯的缺陷。因為支持的對話邏輯很有限，所以多輪對話主要用途是當用戶的說法中slot缺失時，發起詢問來達到填充slot的目的。對于某些復雜一些的對話場景，比如游戲問答，信息獲取，需要兒童反饋類的教育功能等都無法通過平臺定制完成。

造成這個缺陷的主要原因是在目前智能語音對話使用場景中主要分為兩大類：1、簡單的任務型對話；2、復雜的流程型對話。簡單的任務型對話主要是滿足用戶通過語音完成具體操作任務的需求，比如控制智能家居，導航，打電話，聽兒歌聽詩詞等。這種場景下對話按照用戶說法中的關鍵slot值去執行配置的指令(比如command或者發起webhook請求)然后根據執行結果進行播報即可完成整個對話交互。這種場景的對話在上面語音技能開放平臺上已經可以很好的支持，用戶可以方便的定制完成自己需要的對話管理邏輯。

但是對于復雜一些的流程型對話，因為需要用到更多的對話上下文情況，也就是需要記錄用戶在對話過程中的一些狀態，而這些狀態是無法單獨從用戶的說法中獲取的。比如在游戲問答場景下，無法僅根據用戶說法中slot的值就執行某個動作，而是需要和問題的答案進行比對后才可以知道；信息獲取場景中也是需要知道當前處于獲取哪個信息情況下才知道用戶回答的內容是對應哪個信息；和簡單的任務型聽兒歌聽詩詞相比，孩子只能被動的聽機器發出的語音，顯然有反饋的教育類技能能更好的與孩子互動從而提升學習的體驗。但因為不同的對話流程在細節上的邏輯是各不相同的，所以開發制定這種復雜流程的對話管理邏輯就需要在語音技能開放平臺上提供一種更抽象的實現方式來完成這種技能的開發。目前上面這些語音技能開放平臺缺少這種抽象的實現方式，導致了只能開發簡單的任務型對話的場景，而不能開發復雜一些的流程型對話。

行業內的人員遇到這種情況，一般是提需求到對話管理研發工程師，然后由工程師通過寫代碼的方式來定制對話管理的邏輯從而實現需求。但是這種方式由于技能開發者無法自主完成技能的開發，所以既不高效，也不容易擴展。

發明內容

本發明實施例提供一種語音技能的對話管理器配置方法、人機對話方法及系統，用于至少解決上述技術問題之一。

第一方面，本發明實施例提供一種語音技能的對話管理器配置方法，包括：

接收用戶為待創建語音技能所提交的全局常量信息和全局變量信息；

檢測所述用戶為所述待創建語音技能所配置的開始狀態節點、多個過程狀態節點和結束狀態節點；

基于所述全局常量信息和所述全局變量信息為所述多個過程狀態節點配置執行邏輯；