本发明涉及计算机技术领域，尤其涉及一种对话管理方法、装置、系统及计算机可读存储介质。
背景技术：
随着人工智能技术应用，可以节省了大量人力资源的部署，尤其是在智能应答的应用上采用了现在的人工智能对话管理技术(dialogmanagement,dm)，通过该技术可以控制人机对话的过程，即是通过机器实现对话过程中监控上下文状态信息，决定此刻对用户的响应。
而目前，最常用的对话管理方法是基于槽位或说槽位驱动的技术来实现对话的智能识别和推荐回复，例如在自动预定机票对话系统中，机器人需要从用户那里获取出发地、目的地、出发时间、订票张数等信息，每项信息就是一个槽位，具体的信息内容就是槽值，例如“出发地-北京”就是一个“槽位-槽值”对。在该技术方案，各个槽位是相互独立的，机器人在和用户对话过程中从对话内容中抽取槽值，把所有槽位信息收集完即可完成一场对话。由于忽略了槽位之间的依赖关系，该方法无法用于复杂对话系统中，特别是在多轮对话的对话系统中，由于无法根据用户多轮对话的表达来抽取不同槽位或检测不同意图，也无法识别每轮对话之间的关系，以降低了用户的体验感。
技术实现要素：
本发明的主要目的在于提供一种对话管理方法、装置、系统及计算机可读存储介质，旨在解决由于无法实现对多轮对话进行管理，而导致无法及时响应客户要求的技术问题。
为实现上述目的，本发明提供一种对话管理方法，应用于人机对话教练系统，所述对话管理方法包括以下步骤：
获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息，其中，所述业务类型信息为用于识别对话训练中选择的具体业务；
从所述人机对话教练系统的预置训练指导库中，选择与所述业务类型信息对应的意图树并显示，其中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则；
接收所述坐席的对话语音，其中，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图，对其待陈述的语句或关键词进行包装后所产生的音频；
识别所述对话语音所陈述的意图，并根据所述训练规则对所述意图的陈述效果进行判断，得到判断结果；
根据所述判断结果，确定是否执行所述意图树的下一节点的训练控制。
可选地，所述识别所述对话语音中所陈述的意图，并根据所述训练规则对所述对话语音针对所述意图的陈述效果进行判断，得到判断结果的步骤包括：
根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出意图字段；
判断所述意图字段与所述意图树当前指示的节点的意图任务是否相同；
若相同，则根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准。
可选地，在所述根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出其表达的意图字段的步骤之后，还包括：
在判断所述意图字段与所述意图树当前指示的节点的意图任务相同时，检测每个所述意图字段之前是否存在用于表示否定语义的字样或者词样；
若存在，则将所述意图任务的对话训练流程跳转至解决客户异议的对话训练流程。
可选地，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
若所述训练规则为使用指定用词按照预定的使用方式进行陈述时，根据所述意图树当前指示的节点的意图任务，选择所述节点推荐的指定用词和所述指定用词的使用方式；
通过关键词提取技术，提取所述陈述的内容中关键词以及关键词的顺序；
将所述关键词与所述指定用词，以及将所述关键词的顺序与所述指定用词的使用方式进行比对，判断两者是否一致；
若两者一致，则确定为所述对话语音达到预设标准，反之，则不达到预设标准。
可选地，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
若所述训练规则为由指定用词陈述和自由说辞两部分的陈述规则组成，则利用语音分割技术对所述对话语音进行分割处理，得到指定陈述部分音频和自由陈述部分音频；
采用关键词提取技术，提取所述指定陈述部分音频中的关键词以及关键词的顺序，并根据所述指定用词的陈述规则对其进行评分，得到第一评分结果；
利用预设的评分模型和所述自由说辞的陈述规则，对所述自由陈述部分的音频中的陈述理由进行打分，得到第二评分结果；
根据所述第一评分结果和第二评分结果，计算所述对话语音的综合评分；
判断所述综合评分是否达到达标的评分上限。
可选地，所述根据所述判断结果，确定是否选择执行所述意图树的下一节点的训练控制的步骤包括：
若不存在表示否定语义的所述字样或者词样，且所述判断结果为不达到预设标准，则结束当前节点的对话训练流程，并执行重新对话训练流程；
若不存在表示否定语义的所述字样或者词样，且所述判断结果为达到预设标准，则标注当前节点的意图任务完成，并进入下一节点的意图任务训练流程。
可选地，在所述接收所述坐席的对话语音的步骤之后，还包括：
检测所述训练请求中是否存在对话训练方式的标识，其中，所述标识为用于指示启动所述人机对话教练系统的随机对话训练模式；
若存在，则识别所述对话语音中所陈述的意图，并根据所述意图选择所述意图树中的节点；
根据所述节点的训练规则判断对所述对话语音的具体内容是否达到预设标准。
此外，为实现上述目的，本发明还提供一种对话管理装置，所述对话管理装置包括：
提取模块，用于获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息，其中，所述业务类型信息为用于识别对话训练中选择的具体业务；
匹配模块，用于从所述人机对话教练系统的预置训练指导库中，选择与所述业务类型信息对应的意图树并显示，其中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则；
接收模块，用于接收所述坐席的对话语音，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图所陈述的语句或关键词进行包装后所产生的音频；
识别模块，用于识别所述对话语音所陈述的意图，并根据所述训练规则对所述意图的陈述效果进行判断，得到判断结果；
训练模块，用于根据所述判断结果，确定是否执行所述意图树的下一节点的训练控制。
可选地，所述识别模块包括意图识别单元和判断单元，其中：
所述意图识别单元，用于根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出意图字段；
所述判断单元，用于判断所述意图字段与所述意图树当前指示的节点的意图任务是否相同；若相同，则根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准。
可选地，所述对话管理装置还包括异议处理单元，用于检测每个所述意图字段之前是否存在用于表示否定语义的字样或者词样；若存在，则将所述意图任务的对话训练流程跳转至解决客户异议的对话训练流程。
可选地，所述判断单元，用于在所述训练规则为使用指定用词按照预定的使用方式进行陈述时，根据所述意图树当前指示的节点的意图任务，选择所述节点推荐的指定用词和所述指定用词的使用方式；通过关键词提取技术，提取所述陈述的内容中关键词以及关键词的顺序；将所述关键词与所述指定用词，以及将所述关键词的顺序与所述指定用词的使用方式进行比对，判断两者是否一致；若两者一致，则确定为所述对话语音达到预设标准，反之，则不达到预设标准。
可选地，所述判断单元，用于在所述训练规则为由指定用词陈述和自由说辞两部分的陈述规则组成，则利用语音分割技术对所述对话语音进行分割处理，得到指定陈述部分音频和自由陈述部分音频；采用关键词提取技术，提取所述指定陈述部分音频中的关键词以及关键词的顺序，并根据所述指定用词的陈述规则对其进行评分，得到第一评分结果；利用预设的评分模型和所述自由说辞的陈述规则，对所述自由陈述部分的音频中的陈述理由进行打分，得到第二评分结果；根据所述第一评分结果和第二评分结果，计算所述对话语音的综合评分；判断所述综合评分是否达到达标的评分上限。
可选地，所述训练模块，用于在不存在表示否定语义的所述字样或者词样，且所述判断结果为不达到预设标准时，则结束当前节点的对话训练流程，并执行重新对话训练流程；以及在不存在表示否定语义的所述字样或者词样，且所述判断结果为达到预设标准时，则标注当前节点的意图任务完成，并进入下一节点的意图任务训练流程。
可选地，所述训练模块，还用于检测所述训练请求中是否存在对话训练方式的标识，其中，所述标识为用于指示启动所述人机对话教练系统的随机对话训练模式；若存在，则识别所述对话语音中所陈述的意图，并根据所述意图选择所述意图树中的节点；根据所述节点的训练规则判断对所述对话语音的具体内容是否达到预设标准。
此外，为实现上述目的，本发明还提供了一种对话管理系统，所述对话管理系统包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的对话管理程序，所述对话管理程序被所述处理器执行时实现如上任一项所述的对话管理方法的步骤。
此外，为实现上述目的，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有对话管理程序，所述对话管理程序被所述处理器执行时实现如上任一项所述的对话管理方法的步骤。
本发明通过提供一种基于意图树的对话管理方法，具体是通过意图树控制坐席的对话训练过程，坐席根据意图树上每个节点上显示的意图任务和训练规则组织语言，系统再识别坐席的语言来确定是否存在异议，从而跳转至对应的流程继续训练，从而达到多样性的训练，同时也实现了对多轮对话的控制，可以提高坐席的对话灵活性，并且通过意图树的训练方式，大大缩短了回应的反应时间，从而提高了训练的效率。
附图说明
图1为本发明实施例方案涉及的对话教练系统的运行环境的结构示意图；
图2为本发明提供的对话管理方法第一实施例的流程示意图；
图3为本发明提供的对话管理方法第二实施例的流程示意图；
图4为本发明提供的对话管理方法中意图识别模型训练一实施例的流程示意图；
图5为本发明提供的对话管理装置一实施例的功能模块示意图。
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
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种对话教练系统，参照图1，图1为本发明实施例方案涉及的对话教练系统的运行环境的结构示意图。
如图1所示，该对话教练系统包括：处理器101，例如cpu，通信总线102、用户接口103，网络接口104，存储器105。其中，通信总线102用于实现这些组件之间的连接通信。用户接口103可以包括显示屏(display)、输入单元比如键盘(keyboard)，网络接口104可选地可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器105可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器105可选地还可以是独立于前述处理器101的存储装置。
本领域技术人员可以理解，图1中示出的对话教练系统的硬件结构并不构成对本发明中的对话管理装置和对话管理系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器105中可以包括操作系统、网络通信程序模块、用户接口程序模块以及用于实现虚对话管理程序。其中，操作系统是调度对话教练系统中各模块之间的通信以及执行存储器中存储的对话管理程序，以实现对坐席或者话务职位的工作人员的对话训练，以及训练时的对话的管理。
在图1所示的对话教练系统的硬件结构中，网络接口104主要用于接入网络；用户接口103主要用于监控并获取待训练对象的语料，而处理器101可以用于调用存储器105中存储的对话管理程序，并执行以下对话管理方法的各实施例的操作。
基于上述对话教练系统的硬件结构，提出本发明对话管理方法的各个实施例。
参照图2，图2为本发明实施例提供的对话管理方法的流程图。在本实施例中，该方法是应用到对话教练系统上，通过获取对话训练的训练请求，并提取所述训练请求中携带的指示对话训练的业务类型信息；从预设于所述人机对话教练系统的训练指导库中，选择与所述业务类型信息对应的意图树，并显示于所述人机对话教练系统上；接收所述坐席的对话语音，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图，对其待陈述的语句或关键词进行包装后所产生的音频；识别所述对话语音中所陈述的意图，并根据所述训练规则对所述对话语音针对所述意图的陈述效果进行判断，得到判断结果；根据所述判断结果，确定是否选择执行所述意图树的下一节点的训练控制，从而达到多样性的训练，同时也实现了对多轮对话的控制，可以提高坐席的对话灵活性。
进一步的，通过意图树的方式进行对话的训练控制，还可以实现了人机不同场景的实战演练，这样也大大减少了人工经验传授过程，节省了人力资源，降低了成本，充分模拟实际场景，让新手坐席在上岗前感受真实的销售过程，有助于提升他们的销售技能，提高真实客户面对坐席新人的感受，该对话管理方法具体包括以下步骤：
步骤s210，获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息；
在该步骤中，所述业务类型信息为用于识别对话训练中选择的具体业务，对于对话训练的训练请求可以是坐席通过触控操作在人机对话教练系统中的选择来触发，在人机对话教练系统的对话训练界面上进行对话训练项目的操作来选择确定，而人机对话教练系统会基于用户的选择操作来组装成一个请求指令，基于该请求指令来启动对应的训练项目。
在实际应用中，坐席还可以通过语音的方式来触发，即是坐席通过对着系统说出对应的关键词，系统通过识别语音的关键词来启动对应的训练项目。
步骤s220，从所述人机对话教练系统的预置训练指导库中，选择与所述业务类型信息对应的意图树并显示；
在本实施例中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则，其显示是显示在所述人机对话教练系统的显示界面上。
在实际应用中，通过根据请求中要求的业务类型信息获取与当前对话对应的意图树，其中，意图树指的是类似一颗树的形状的流程图，其包括了很多节点，每个节点都指示当前对话需要完成的任务，在每个节点中都会规定了针对其任务相关的词槽，其词槽是坐席要完成规定任务时所必须使用的指定用词，并且还规定了这些指定用词使用的规则，在针对该节点进行对话训练时，坐席应当按照其规则说出指定用词，并按照规则进行语言的组织，说出对应的语言。
当然，在实际应用中，该系统还可以是根据坐席说出来的语音来选定对应的节点，从而对根据该节点的任务和规则对语音进行识别判断是否满足条件。对于该种方式具体的实现过程可以如下：
根据坐席的对话语音，遍历意图树，得到遍历结果，在遍历结果指示意图树中有空缺的属性节点时，查询与空缺的属性节点对应的系统动作，并发送与系统动作对应的对话内容，在遍历结果指示意图树中的所有属性节点填充完成后，发送与意图树对应的对话结果。在该实施例中，可以利用意图树完成多轮对话，应对复杂关系，可以对空缺的属性节点进行填充，进而将词槽填充完成，实现对复杂关系的关联词槽也能快速、高效的填充，进而解决相关技术中在任务型多轮对话中，无法实现监控控制给予及时回应的技术问题。
在实际应用中，对于意图树的显示，其可以是按照意图树上节点的先后顺序逐级显示，及时只有在完成上一节点的意图任务才解锁下一节点的显示；也可以是全部显示，坐席根据自己的习惯来选择节点进行完成意图树上的所有任务。
步骤s230，接收所述坐席的对话语音，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图所陈述的语句或关键词进行包装后所产生的音频；
在本实施例中，坐席按照人机对话教练系统上显示的意图树上节点组织自己的说辞，然后对着系统的录音装置说出组织好的说辞，系统在录取到坐席的说辞语音后，发送到系统中的对话训练意图树的处理单元中，处理单元再根据说辞语音进行意图的处理，从而完成对话的训练。
步骤s240，识别所述对话语音所陈述的意图，并根据所述训练规则对所述意图的陈述效果进行判断，得到判断结果；
在本实施例中，在识别对话语音中的意图时，首先是利用语音转换文本技术将对话语音中的内容转换为文本信息，然后基于词语分割技术对文本信息中的语句进行分割，得到一个词组的集合，然后将意图树每个节点的关键词与词组的集合进行比对，从而确定能体现对话语音中的意图的关键词，然后选择其中的意图训练规则对对话语音的内容进行判断，从而确定坐席的对话是否符合标准。
步骤s250，根据所述判断结果，确定是否执行所述意图树的下一节点的训练控制。
在该步骤中，当判断结果是坐席对意图的陈述效果不达标时，则提示坐席重新组织语言继续完成该节点的意图任务对话训练，若陈述效果达标，则跳转至意图树的下一节点的意图任务继续下一环节的对话训练。
通过本实施例提供的对话管理方法，基于意图树的方案来进行对话管理，特别适用于有固定话术剧本的保险销售场景。这种方法允许坐席在人机对练中拥有一定的对话灵活性，因为意图的表达是可以多种多样的，只要保证基本意思符合该意图的标准话术就行。基于意图对话树的对话管理方法还能处理意图之间的依赖关系，或者加入异议处理，能够处理复杂的对话剧本。通过追踪对话过程中，坐席是否表达了所有意图，可以帮助坐席掌握话术避免遗漏重要信息。
在本实施例中，对于步骤s240在识别对话语音中的意图时，具体可以通过以下方式实现：
所述识别所述对话语音中所陈述的意图，并根据所述训练规则对所述对话语音针对所述意图的陈述效果进行判断，得到判断结果的步骤包括：
根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出其表达的意图字段；
判断所述意图字段与所述意图树当前指示的节点的意图任务是否相同；
若相同，则根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准。
在本实施例中，具体可以通过获取一些历史语料来训练一种识别模型来实现，在实际应用中，每个对话语料包含了多条语句，在本步骤中，可先将每个对话语料中的各语句提取，再基于预设意图识别模型对各个语句进行意图识别，即是通过一些识别规则训练出模型，基于该模型来识别每个语句，以确定各语句中所包含的意图信息。所谓意图信息是指语句中所包含的意图，例如，语句：“这个项目包含了哪些内容？”，其中所包含的意图信息为项目内容咨询。
为了更准确的识别出语句中所包含的意图信息，需要依赖于所使用的意图识别模型的准确度，较佳地，本实施例中，预设意图识别模型可基于以下方法进行构建，从而保证识别结果的准确性和适用性，其实现步骤如图4所示：
步骤s401，将所述对话语料进行问、答语句的分类。
在构建预设意图识别模型的过程中，可使用意图分析中使用的对话语料，从而使得对意图识别模型的训练语料更加贴合实际的应用场景，从而提高识别的准确度和专业度。
在本步骤中，可先对各个对话语料中的问语句、答语句进行分类，确定出对话语料中的语句中所归属的类型。
步骤s402，分别对各所述对话语料中的所述问语句和所述答语句进行合并，得到问语句集合、答语句集合。
在该步骤中，将所有对话语料中的问语句进行提取，合并并归为一类，答语句也进行相同处理，从而得到问语句集合、答语句集合。
步骤s403，分别对所述问语句集合、所述答语句集合进行聚类，获得相应的分类。
具体而言，可基于k-means聚类算法，分别将问语句集合和答语句集合进行聚类，以将这两个语句集合再分别划分为多个小类别。
步骤s404，从各所述分类语句中分别抽取预设数量的训练语句。
如上文所述，对话语料是基于大量的历史数据中提取出来的真实对话语料，不可避免的，会存在大量的重复情况，这种重复不仅包含整个对话语料的完全重复，也包含了不同对话语料中可包含相同的语句的重复，而对于这些重复的语句，其中所包含的意图信息也是重复的，在本步骤中，通过从各分类的语句中抽取出预设数据的训练语句，可在一定程度上降低重复语句的出现概率，更进一步的，由于这些语句是分别来自各个分类，那么可在一定程度上，保证了各个分类具有一定数量的训练语句，也就是说，各个分类中所包含的意图信息，可在一定程度上进行了保留，避免因盲目删减而导致的数据缺失的问题。
在本实施例中，对于识别出了对话语音中的意图与意图树上的节点的意图任务相同之后，还包括确定对话语音中是否存在否定的语义，而在实际应用中，经常会碰到各种情况，有时候会是拒绝，也会存在接受的情况，而对于拒绝的情况来说，对于销售职业来说，是需要通过其他的引导方式来实现对顾客再次接受，对于该检测过程，具体是在判断所述意图字段与所述意图树当前指示的节点的意图任务相同时，所述对话管理方法，还包括：
检测每个所述意图字段之前是否存在用于表示否定语义的字样或者词样；
若存在，则将所述意图任务的对话训练流程跳转至解决客户异议的对话训练流程。
在实际应用中，通常是检测对话中是否存在“为什么”、“有什么考虑”等等的关键词语来判断是否是拒绝的语义，当然，还需要根据对话的前后表达的意思来判断整段对话的意思是否为解决异议的坐席回答。
在本实施例中，对于异议的流程的启动，还可以是系统根据对坐席的对话语音的评级来启动，例如，系统对坐席的对话语音的评级是较好以上时，则系统的对话管理会将后续的节点对话训练管理提高一个难度等级，向坐席给出一些比较高难度的回应，或者是将训练规则的自由说辞部分给予更宽的范围，从而实现对坐席的灵活性的考验。
在本实施例中，对于训练规则的设置可以存在以下情况，可以规定对话训练是有指定用词的语言训练，也可以是指定用词和自由说辞的语言训练，若所述训练规则为由指定用词陈述和自由说辞两部分的陈述规则组成时，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
利用语音分割技术对所述对话语音进行分割处理，得到指定陈述部分音频和自由陈述部分音频；
通过关键词提取技术，提取所述指定陈述部分音频中的关键词以及关键词的顺序，并根据所述指定用词的陈述规则对其进行评分，得到第一评分结果；
利用预设的评分模型和所述自由说辞的陈述规则，对所述自由陈述部分的音频中的陈述理由进行打分，得到第二评分结果；
根据所述第一评分结果和第二评分结果，计算所述对话语音的综合评分；
判断所述综合评分是否达到达标的评分上限。
在本实施例中，若所述训练规则为使用指定用词按照预定的使用方式进行陈述时，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
根据所述意图树当前指示的节点的意图任务，选择所述节点推荐的指定用词和所述指定用词的使用方式；
通过关键词提取技术，提取所述陈述的内容中关键词以及关键词的顺序；
将所述关键词与所述指定用词，以及将所述关键词的顺序与所述指定用词的使用方式进行比对，判断两者是否一致；
若两者都一致，则确定为所述对话语音达到预设标准，反之，则不达到预设标准。
在实际应用中，可以将上述的两种规则设置成两种训练模式对坐席进行训练，具体选择哪种模式可以根据坐席对节点任务的完成情况进行选择，例如，训练规则为指定用词时，设置为针对初级的坐席对话进行训练，当坐席在训练过程中，对每个节点的任务完成度较高时，则跳转至增加自由说辞的规则进行深度的训练。
这时，对于根据所述判断结果，确定是否选择执行所述意图树的下一节点的训练控制的步骤包括：
若不存在表示否定语义的所述字样或者词样，且所述判断结果为不达到预设标准，则结束当前节点的对话训练流程，并执行重新对话训练流程；
若不存在表示否定语义的所述字样或者词样，且所述判断结果为达到预设标准，则标注当前节点的意图任务完成，并进入下一节点的意图任务训练流程。
在本实施例中，在所述接收所述坐席的对话语音的步骤之后，还包括：
检测所述训练请求中是否存在对话训练方式的标识，其中，所述标识为用于指示启动所述人机对话教练系统的随机对话训练模式；
若存在，则识别所述对话语音中所陈述的意图，并根据所述意图选择所述意图树中的节点；
根据所述节点的训练规则判断对所述对话语音的具体内容是否达到预设标准。
在实际应用中，该方法主要是用于对销售人员的销售技能的训练，训练其如何组织语言推荐业务能提高成功率，具体的用于保险电话销售坐席培训，系统模拟客户与坐席进行人机对练，以此帮助坐席掌握销售话术、提高他们的销售技能。系统事先配置好了许多对话剧本，坐席需要按照剧本定义好的意图向机器人客户销售保险产品，每个意图有标准的话术并允许坐席有一定程度的自由发挥。基于意图对话树的剧本组织方式和对话管理方法，能够给予坐席最大的表达和销售灵活性；
在实际应用中，坐席可以按照流程顺序与机器人客户对话，也可以根据对话实际情况随机表达树中的某个意图。意图对话树如下图所示，树中每个节点是一个意图，代表坐席销售保险过程中需要表达出的一个关键信息，机器人客户在识别出坐席的意图之后会给出普通应答，或者提出异议，例如“好的”是一个普通应答，“我不想买保险”是异议。当机器人客户提出异议之后，坐席需要解决这个异议才能进入下一轮对话。在对话过程中，坐席需要根据机器人客户的不同响应来决定下一步要表达什么意图，例如当坐席表达了“确定受益人”这个意图之后，机器人客户有“我选择法定”和“我要指定”两种响应，坐席需要根据机器人客户的响应来决定在下一轮对话中表达什么意图。配合意图对话树，该方法使用(intent_name,objection,finished_intents)保存对话过程中的状态信息，intent_name用于追踪上一轮对话坐席处在对话树中的意图节点，objection是客户是否提出异议的标志，用于控制对话流程，finished_itnents用于追踪整个对话中已经完成的意图，当对话树中的所有意图都完成的时候，整场对话就结束了。
下面以具体的应用场景对上述的方案进行说明。
在本实施例中，所述对话教练系统主要包括三个部分，分别为语音识别模块、智能引擎模块、语音合成模块，坐席通过语音与对话教练系统进行自然地交互，坐席的声音经过语音识别模块转换成文字，传递给智能引擎模块；智能引擎模块接收到文字后会进行自然语言处理和理解，识别出坐席说的是什么意图，例如是在“表明身份”、“介绍产品”还是“索要身份信息”，然后给出响应，这个响应可以是正常的响应，例如提供自己的身份信息，也可以是通用的回复，例如直接回复“好的”，还可以是提出异议，例如“你们这个产品没有别家的实惠呀”。以上这些响应会经过语音合成模块合成为声音传达给坐席。基于该对话教练系统的结构实现对话管理流程，具体如图3所示：
步骤s310，启动对坐席的对话训练流程。
在该步骤中，启动其对话训练流程具体是根据坐席在系统的操作界面上的操作，基于该操作确定对应的训练类型的请求。
在实际应用中，具体还可以通过对话教练系统检测坐席的账号来实现坐席是否需要启动对话训练。在实际应用中，不同的坐席对于账号是有一定的区别的，比如通过账号来确定登录对话教练系统的坐席是否属于老用户，例如已经在对话教练系统中标注了已经毕业的学员，或者是新注册的学员。
在本实施例中，在获取说辞时，具体是通过对话教练系统中的语音识别模块来实现，坐席的声音经过语音识别模块转换成文字，传递给智能引擎模块；智能引擎模块接收到文字后会进行自然语言处理和理解。
步骤s320，获取坐席采用规范的用语对保险业务的介绍，并根据介绍选择回应。
在该步骤中，具体是在坐席使用规定的用于进行保险业务的介绍后，还包括对坐席所陈述的介绍内容进行关键字的检测，判断介绍内容中是否存在需要回复异议的字样，若存在，则执行步骤s330；若不存在回复异议的字样，则确定为用户确定购买该介绍的保险业务，则执行步骤s340。
在本实施例中，这里的选择回应包括明确回应不想买保险和没有明确回应要买该保险这两种情况，对于回应了不想买保险时，则执行步骤s330，反之，则执行步骤s340。
步骤s330，基于不想买保险的回答，选择对应的异议解决策略。
在本实施例中，在确定用户不想买保险时，通过异议解决策略对应用户进行解析和增加一些额外的保险或者优惠的说辞，从而提高用户的吸引力。
进一步的，在每次说辞完成后，系统都会通过以语音识别模块采集坐席的说辞，并根据说辞中的内容判断其说理是否满足意图树中当前训练节点的要求，若满足则，执行步骤s340。
步骤s340，获取购买该保险的用户的信息。
在该步骤中，具体是通过引导用户提供身份证等信息，并对用户的这些信息进行验证。
步骤s350，确定该保险的受益人。
在该步骤中，这里确定受益人具体包括以下几种方式，一种是对于老客户来说，通过该查询保单的历史记录来设置，但是该种方式还是要与客户进行确认；另一种是询问客户，有客户指定，而指定是需要客户提供对应的身份资料信息；第三种是直接选定法定的人员，比如直系亲属、企业法人代表等等。
步骤s360，确定付款的方式，并确定是否完成支付。
步骤s370，查账确定付款是否成功。
在本实施例中，这里的对话管理可以是作为对话教练系统的核心模块，用于在对话过程中进行对话状态的追踪以及处理对话逻辑。常用的对话管理方法是基于槽位的技术，本文提出了意图对话树的方案来进行对话管理，特别适用于有固定话术剧本的保险销售场景。这种方法允许坐席在人机对练中拥有一定的对话灵活性，因为意图的表达是可以多种多样的，只要保证基本意思符合该意图的标准话术就行。基于意图对话树的对话管理方法还能处理意图之间的依赖关系，或者加入异议处理，能够处理复杂的对话剧本。通过追踪对话过程中，坐席是否表达了所有意图，可以帮助坐席掌握话术避免遗漏重要信息。
为了解决上述的问题，本发明实施例还提供了一种对话管理装置，如图5所示，所述对话管理装置包括：提取模块51、匹配模块52、接收模块53、识别模块54和训练模块55，其中：
提取模块51，用于获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息，其中，所述业务类型信息为用于识别对话训练中选择的具体业务；
匹配模块52，用于从预设于所述人机对话教练系统的训练指导库中，选择与所述业务类型信息对应的意图树，并显示于所述人机对话教练系统上，其中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则；
接收模块53，用于接收所述坐席的对话语音，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图，对其待陈述的语句或关键词进行包装后所产生的音频；
识别模块54，用于识别所述对话语音中所陈述的意图，并根据所述训练规则对所述对话语音针对所述意图的陈述效果进行判断，得到判断结果；
训练模块55，用于根据所述判断结果，确定是否选择执行所述意图树的下一节点的训练控制。
基于本装置的执行功能和功能对应的执行流程与上述本发明实施例的对话管理方法实施例说明内容相同的，因此本实施例对对话管理装置的实施例内容不做过多赘述。
此外，本发明实施例还提供了一种对话管理系统，所述对话管理系统包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的对话管理程序，所述对话管理程序被所述处理器执行时所实现的方法可参照本发明对话管理方法的各个实施例，因此不再过多赘述。
本发明还提供一种计算机可读存储介质。
本实施例中，所述计算机可读存储介质上存储有对话管理程序，所述对话管理程序被处理器执行时所实现的方法可参照本发明对话管理方法的各个实施例，因此不再过多赘述。
在本发明实施例提供的方法和装置，主要是用于提升保险电话销售坐席的销售技能，它能模拟客户同销售坐席进行人机对话，帮助坐席掌握销售话术并处理客户异议。通过结合语音识别技术和自然语音理解技术，使用教练系统的坐席能通过语音自然地和教练系统进行实战演练，这是培训方式的革新。坐席可以把教练系统当做自己的客户，向它介绍产品、销售保险，教练系统则可以向坐席提出异议，这种人机交互方式充分模拟实际场景，让新手坐席在上岗前感受真实的销售过程，有助于提升他们的销售技能，提高真实客户面对坐席新人的感受，同时释放人工教练人力。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。
1.一种对话管理方法，应用于人机对话教练系统，其特征在于，所述对话管理方法包括以下步骤：
获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息，其中，所述业务类型信息为用于识别对话训练中选择的具体业务；
从所述人机对话教练系统的预置训练指导库中，选择与所述业务类型信息对应的意图树并显示，其中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则；
接收所述坐席的对话语音，其中，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图所陈述的语句或关键词进行包装后所产生的音频；
识别所述对话语音所陈述的意图，并根据所述训练规则对所述意图的陈述效果进行判断，得到判断结果；
根据所述判断结果，确定是否执行所述意图树的下一节点的训练控制。
2.如权利要求1所述的对话管理方法，其特征在于，所述识别所述对话语音中所陈述的意图，并根据所述训练规则对所述对话语音针对所述意图的陈述效果进行判断，得到判断结果的步骤包括：
根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出意图字段；
判断所述意图字段与所述意图树当前指示的节点的意图任务是否相同；
若相同，则根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准。
3.如权利要求2所述的对话管理方法，其特征在于，在所述根据预设的意图识别规则或者意图相似度算法，从所述对话语音中识别出其表达的意图字段的步骤之后，还包括：
在判断所述意图字段与所述意图树当前指示的节点的意图任务相同时，检测每个所述意图字段之前是否存在用于表示否定语义的字样或者词样；
若存在，则将所述意图任务的对话训练流程跳转至解决客户异议的对话训练流程。
4.如权利要求3所述的对话管理方法，其特征在于，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
若所述训练规则为使用指定用词按照预定的使用方式进行陈述时，根据所述意图树当前指示的节点的意图任务，选择所述节点推荐的指定用词和所述指定用词的使用方式；
通过关键词提取技术，提取所述陈述的内容中关键词以及关键词的顺序；
将所述关键词与所述指定用词，以及将所述关键词的顺序与所述指定用词的使用方式进行比对，判断两者是否一致；
若两者一致，则确定为所述对话语音达到预设标准，反之，则不达到预设标准。
5.如权利要求3所述的对话管理方法，其特征在于，所述根据所述训练规则判断所述对话语音中所陈述的具体内容是否达到预设标准包括：
若所述训练规则为由指定用词陈述和自由说辞两部分的陈述规则组成，则利用语音分割技术对所述对话语音进行分割处理，得到指定陈述部分音频和自由陈述部分音频；
采用关键词提取技术，提取所述指定陈述部分音频中的关键词以及关键词的顺序，并根据所述指定用词的陈述规则对其进行评分，得到第一评分结果；
利用预设的评分模型和所述自由说辞的陈述规则，对所述自由陈述部分的音频中的陈述理由进行打分，得到第二评分结果；
根据所述第一评分结果和第二评分结果，计算所述对话语音的综合评分；
判断所述综合评分是否达到达标的评分上限。
6.如权利要求4或5所述的对话管理方法，其特征在于，所述根据所述判断结果，确定是否选择执行所述意图树的下一节点的训练控制的步骤包括：
若不存在表示否定语义的所述字样或者词样，且所述判断结果为不达到预设标准，则结束当前节点的对话训练流程，并执行重新对话训练流程；
若不存在表示否定语义的所述字样或者词样，且所述判断结果为达到预设标准，则标注当前节点的意图任务完成，并进入下一节点的意图任务训练流程。
7.如权利要求6所述的对话管理方法，其特征在于，在所述接收所述坐席的对话语音的步骤之后，还包括：
检测所述训练请求中是否存在对话训练方式的标识，其中，所述标识为用于指示启动所述人机对话教练系统的随机对话训练模式；
若存在，则识别所述对话语音中所陈述的意图，并根据所述意图选择所述意图树中的节点；
根据所述节点的训练规则判断对所述对话语音的具体内容是否达到预设标准。
8.一种对话管理装置，其特征在于，所述对话管理装置包括：
提取模块，用于获取对话训练的训练请求，并提取所述训练请求中携带的业务类型信息，其中，所述业务类型信息为用于识别对话训练中选择的具体业务；
匹配模块，用于从所述人机对话教练系统的预置训练指导库中，选择与所述业务类型信息对应的意图树并显示，其中，所述意图树包括至少两个节点，每个节点对应一个意图任务，所述节点用于指示坐席在对话训练时所需要完成的任务和完成所述任务对应的训练规则；
接收模块，用于接收所述坐席的对话语音，其中，所述对话语音为所述坐席按照所述意图树当前指示的节点的任务意图所陈述的语句或关键词进行包装后所产生的音频；
识别模块，用于识别所述对话语音所陈述的意图，并根据所述训练规则对所述意图的陈述效果进行判断，得到判断结果；
训练模块，用于根据所述判断结果，确定是否执行所述意图树的下一节点的训练控制。
9.一种对话管理系统，其特征在于，所述对话管理系统包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的对话管理程序，所述对话管理程序被所述处理器执行时实现如权利要求1-7中任一项所述的对话管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有对话管理程序，所述对话管理程序被所述处理器执行时实现如权利要求1-7中任一项所述的对话管理方法的步骤。
技术总结