CN113780009A - 信息生成方法、装置、电子设备和计算机可读介质 - Google Patents
信息生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113780009A CN113780009A CN202110130566.6A CN202110130566A CN113780009A CN 113780009 A CN113780009 A CN 113780009A CN 202110130566 A CN202110130566 A CN 202110130566A CN 113780009 A CN113780009 A CN 113780009A
- Authority
- CN
- China
- Prior art keywords
- sequence
- vector sequence
- picture
- vector
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 claims abstract description 56
- 230000004044 response Effects 0.000 claims abstract description 52
- 230000001537 neural Effects 0.000 claims description 30
- 230000000875 corresponding Effects 0.000 claims description 26
- 230000004927 fusion Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000003062 neural network model Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000000306 recurrent Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 230000001131 transforming Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000002457 bidirectional Effects 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K9/00—Methods or arrangements for recognising patterns
- G06K9/62—Methods or arrangements for pattern recognition using electronic means
- G06K9/6288—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Computing arrangements based on biological models using neural network models
- G06N3/04—Architectures, e.g. interconnection topology
- G06N3/0454—Architectures, e.g. interconnection topology using a combination of multiple neural nets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Computing arrangements based on biological models using neural network models
- G06N3/08—Learning methods
Abstract
本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取对话场景中的对话信息序列,其中,上述对话信息序列中的对话信息包括图片和语句;对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列;对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列;基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。该实施方式通过考量用户上述输入的图片信息,提高了对用户所输入的语句进行回复的准确度。从而,提高了用户的体验感,降低了用户流量的流失。
Description
技术领域 本公开的实施例涉及计算机技术领域,具体涉及信息生成方法、装置、电子设备和计算机可读介质。 背景技术 随着网络购物平台的快速发展,对话系统被广泛应用于人机对话场景中。目前,对话系统通常采用的对话方式是只对用户所输入的语句进行回复。 然而,当采用上述方式时,通常会存在以下技术问题:未考虑用户所输入的其他信息,导致不能精准地对用户所输入的信息进行回复,导致用户的体验感较差,造成用户流量的流失。 发明内容 本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。 本公开的一些实施例提出了信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。 第一方面,本公开的一些实施例提供了一种信息生成方法,该方法包括:获取对话场景中的对话信息序列,其中,上述对话信息序列中的对话信息包括图片和语句;对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列;对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列;基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。 可选地,上述基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果,包括:确定上述对话信息序列中的每个对话信息对应的位置,得到位置序列;对上述位置序列所包括的各个位置进行位置特征转换处理,得到位置向量序列;基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果。 可选地,上述基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果,包括:确定上述对话信息序列中的每个对话信息对应的角色,得到上述对话信息序列对应的角色集合;对上述角色集合中的各个角色进行角色特征转换处理,得到角色向量序列;基于上述图片向量序列、上述语句向量序列、上述位置向量序列和上述角色向量序列,生成应答信息反馈结果。 可选地,上述基于上述图片向量序列、上述语句向量序列、上述位置向量序列和上述角色向量序列,生成应答信息反馈结果,包括:将上述图片向量序列中的每个图片向量、对应上述图片向量的语句向量、位置向量和角色向量进行融合处理以生成融合向量,得到融合向量序列;将上述融合向量序列输入至预先训练的应答文本反馈模型中,以生成应答信息反馈结果。 可选地,上述应答文本反馈模型包括:注意力编码神经网络和注意力解码神经网络。 可选地,上述将上述融合向量序列输入至预先训练的应答文本反馈模型中,以生成应答信息反馈结果,包括:将上述融合向量序列输入至上述注意力编码神经网络中,得到多模态场景向量序列;将上述多模态场景向量序列输入至上述注意力解码神经网络中,得到应答信息反馈结果。 可选地,上述对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列,包括:对上述各个图片中的每个图片输入至预先训练的图片特征提取网络,以生成图片向量,得到图片向量序列。 可选地,上述对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列,包括:对上述各个语句中的每个语句进行池化处理以生成语句向量,得到语句向量序列。 第二方面,本公开的一些实施例提供了一种信息生成装置,装置包括:获取单元,被配置成获取对话场景中的对话信息序列,其中,上述对话信息序列中的对话信息包括图片和语句;图片特征提取单元,被配置成对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列;语句特征提取单元,被配置成对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列;生成单元,被配置成基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。 可选地,生成单元被进一步配置成:确定上述对话信息序列中的每个对话信息对应的位置,得到位置序列;对上述位置序列所包括的各个位置进行位置特征转换处理,得到位置向量序列;基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果。 可选地,生成单元被进一步配置成:确定上述对话信息序列中的每个对话信息对应的角色,得到上述对话信息序列对应的角色集合;对上述角色集合中的各个角色进行角色特征转换处理,得到角色向量序列;基于上述图片向量序列、上述语句向量序列、上述位置向量序列和上述角色向量序列,生成应答信息反馈结果。 可选地,生成单元被进一步配置成:将上述图片向量序列中的每个图片向量、对应上述图片向量的语句向量、位置向量和角色向量进行融合处理以生成融合向量,得到融合向量序列;将上述融合向量序列输入至预先训练的应答文本反馈模型中,以生成应答信息反馈结果。 可选地,上述应答文本反馈模型包括:注意力编码神经网络和注意力解码神经网络。 可选地,生成单元被进一步配置成:将上述融合向量序列输入至上述注意力编码神经网络中,得到多模态场景向量序列;将上述多模态场景向量序列输入至上述注意力解码神经网络中,得到应答信息反馈结果。 可选地,图片特征提取单元被进一步配置成:对上述各个图片中的各个图片输入至预先训练的图片特征提取网络,得到图片向量序列。 可选地,语句特征提取单元被进一步配置成:对上述各个语句中的每个语句进行池化处理以生成语句向量,得到语句向量序列。 第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。 第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。 本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的信息生成方法,用户流量的流失有所降低。具体来说,造成用户流量的流失的原因在于:未考量用户所输入的其他信息,导致不能精准地对用户所输入的信息进行回复,导致用户的体验感较差。基于此,本公开的一些实施例的信息生成方法,首先,获取对话场景中的对话信息序列。由此,可以为后续生成文本反馈结果提供了数据支持。然后,对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列。由此,可以考量用户所输入的图片信息,为提高生成文本反馈结果的精准度提供了数据支持。接着,对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列。最后,基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。由此,考量了用户上述输入的图片信息,提高了对用户所输入的语句进行回复的准确度。从而,提高了用户的体验感,降低了用户流量的流失。 附图说明 结合附图并参考以下具体实施方式,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。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。 图1-图2是本公开的一些实施例的信息生成方法的一个应用场景的示意图; 图3是根据本公开的信息生成方法的一些实施例的流程图; 图4是根据本公开的信息生成方法的另一些实施例的流程图; 图5是根据本公开的信息生成装置的一些实施例的结构示意图; 图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。 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。虽然附图中显示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。 另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。 需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。 需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。 下面将参考附图并结合实施例来详细说明本公开。 图1-图2是根据本公开一些实施例的信息生成方法的一个应用场景的示意图。 在图1-图2的应用场景中,首先,计算设备101可以获取对话场景中的对话信息序列102。如图2所示,其中,上述对话信息序列102中的对话信息包括图片和语句。这里,对话信息序列可以是指用户与人机客服的对话文本的信息序列。例如,对话信息序列102可以是“[用户:XXxxxxxXX,图1.png];[人机客服:XXXYYYXXXXX,图2.png];[用户:xyxyxyxyxyxxyxy,图3.png]”。接着,计算设备101可以对上述对话信息序列102所包括的各个图片进行图片特征提取处理,得到图片向量序列103。例如,可以通过语言表示模型(Bidirectional Encoder Representations from Transformers,语言表示模型)对上述对话信息序列102所包括的各个图片进行图片特征提取处理。然后,计算设备101可以对上述对话信息序列102所包括的各个语句进行语句特征提取处理,得到语句向量序列104。例如,可以通过残差神经网络对上述对话信息序列102所包括的各个语句进行语句特征提取处理。最后,计算设备101可以基于上述图片向量序列103和上述语句向量序列104,生成应答信息反馈结果105。实践中,可以将上述图片向量序列103和上述语句向量序列104输入至文本生成模型(例如,注意力神经网络模型)中,生成应答信息反馈结果105。 需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。 应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。 继续参考图3,示出了根据本公开的信息生成方法的一些实施例的流程300。该信息生成方法,包括以下步骤: 步骤301,获取对话场景中的对话信息序列。 在一些实施例中,信息生成方法的执行主体(例如图1所示的计算设备101)可以通过有线连接或无线连接的方式从设备终端中获取对话场景中的对话信息序列。其中,上述对话信息序列中的对话信息包括图片和语句。这里,对话信息序列可以是指用户与人机客服的对话文本的信息序列。例如,对话信息序列可以是“[屏幕出现XX,不能正常使用,这个样子,图1.png];[您看看是这个样子吗,图2.png];[是的,图3.png]”。 步骤302,对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列。 在一些实施例中,上述执行主体可以对将上述对话信息序列所包括的各个图片输入至预先训练的图像提取神经网络模型中,得到图片向量序列。这里,图像提取神经网络模型可以包括但不限于以下至少一项:Vgg,Resnet,Goole-net,Mobile-net。 步骤303,对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列。 在一些实施例中,上述执行主体可以将上述对话信息序列所包括的各个语句输入至预先训练的语句特征提取神经网络模型,得到语句向量序列。这里,语句特征提取神经网络模型可以是循环神经网络模型。例如,RNN(Recurrent Neural Networks,循环神经网络)等。 步骤304,基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。 在一些实施例中,首先,上述执行主体可以将上述图片向量序列中的每个图片向量对应的语句向量进行相加处理以生成相加后的向量作为相加向量,得到相加向量序列。然后,将上述相加向量序列中的相加向量依次输入至预先训练的文本反馈模型中,以生成应答信息反馈结果。这里,文本反馈模型可以是BERT(Bidirectional EncoderRepresentations from Transformers,语言表示模型)。 本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的信息生成方法,用户流量的流失有所降低。具体来说,造成用户流量的流失的原因在于:未考量用户所输入的其他信息,导致不能精准地对用户所输入的语句进行回复,导致用户的体验感较差。基于此,本公开的一些实施例的信息生成方法,首先,获取对话场景中的对话信息序列。由此,可以为后续生成文本反馈结果提供了数据支持。然后,对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列。由此,可以考量用户所输入的图片信息,为提高生成文本反馈结果的精准度提供了数据支持。接着,对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列。最后,基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。由此,考量了用户上述输入的图片信息,提高了对用户所输入的语句进行回复的准确度。从而,提高了用户的体验感,降低了用户流量的流失。 进一步参考图4,示出了根据本公开的信息生成方法的另一些实施例的流程图。该信息生成方法,包括以下步骤: 步骤401,获取对话场景中的对话信息序列。 在一些实施例中,步骤401的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤301,在此不再赘述。 步骤402,对各个图片中的各个图片输入至预先训练的图片特征提取网络,得到图片向量序列。 在一些实施例中,首先,上述执行主体可以将各个图片输入至图像提取网络模型中,得到图片向量序列。这里,图像提取网络模型可以是ResNet模型(残差神经网络),Vgg,Goole-net,Let-net。 步骤403,对各个语句中的每个语句进行池化处理以生成语句向量,得到语句向量序列。 在一些实施例中,首先,上述执行主体可以将各个语句输入至预先训练的词嵌入神经网络模型中,得到初始语句向量序列。然后,再对初始语句向量序列中的每个进行最大池化处理以生成语句向量,得到语句向量序列。这里,语句特征提取神经网络模型可以是RNN(Recurrent Neural Networks,循环神经网络)。 步骤404,确定上述对话信息序列中的每个对话信息对应的位置,得到位置序列。 在一些实施例中,上述执行主体可以确定上述对话信息序列中的每个对话信息对应的位置,得到位置序列。这里,位置可以是指上述对话信息序列中的对话信息的序号。 步骤405,对上述位置序列所包括的各个位置进行位置特征转换处理,得到位置向量序列。 在一些实施例中,上述执行主体可以将上述位置序列所包括的各个位置输入至位置向量提取神经网络中,得到位置向量序列。这里,位置向量提取神经网络可以是:RNN(Recurrent Neural Networks,循环神经网络),BERT(Bidirectional EncoderRepresentations from Transformers,语言表示模型)。 步骤406,基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果。 在一些实施例中,上述执行主体可以通过各种方式基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果。 在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤生成应答信息反馈结果: 第一步,确定上述对话信息序列中的每个对话信息对应的角色,得到上述对话信息序列对应的角色集合。实践中,对话信息对应的角色可以指输出对话信息的输出方。这里,输出方可以表征用户或者人机客服。 第二步,对上述角色集合中的各个角色进行角色特征转换处理,得到角色向量序列。实践中,上述执行主体可以将上述角色序列中的每个角色输入至角色向量转换神经网络,得到角色向量序列。这里,角色向量转换神经网络可以是:RNN(Recurrent NeuralNetworks,循环神经网络),BERT(Bidirectional Encoder Representations fromTransformers,语言表示模型)。 第三步,基于上述图片向量序列、上述语句向量序列、上述位置向量序列和上述角色向量序列,生成应答信息反馈结果。 在一些实施例的一些可选的实现方式中,上述第三步可以包括以下子步骤: 第一子步骤,将上述图片向量序列中的每个图片向量、对应上述图片向量的语句向量、位置向量和角色向量进行融合处理以生成融合向量,得到融合向量序列。这里,融合处理可以是指相加处理。 第二子步骤,将上述融合向量序列输入至预先训练的应答文本反馈模型中,以生成应答信息反馈结果。这里,上述应答文本反馈模型可以包括:注意力编码神经网络和注意力解码神经网络。 实践中,首先,上述执行主体可以将上述融合向量序列输入至上述注意力编码神经网络中,得到多模态场景向量序列。然后,可以将上述多模态场景向量序列输入至上述注意力解码神经网络中,得到应答信息反馈结果。 从图4可以看出,与图3对应的一些实施例的描述相比,图4对应的一些实施例中的流程400体现了对对话信息中的语句、图片、位置和角色四个维度的融合。而后通过自注意力机制融合各个向量的多模态表达,从而得到对话场景的多模态表达,最后在通过应答文本反馈模型生成本轮对话的应答信息反馈结果。由此,提高了对用户所输入的语句进行回复的精准度。从而,提高了用户的体验感,降低了用户流量的流失。 进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种信息生成装置的一些实施例,这些装置实施例与图3所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。 如图5所示,一些实施例的信息生成装置500包括:获取单元501、图片特征提取单元502、语句特征提取单元503和生成单元504。其中,获取单元501被配置成获取对话场景中的对话信息序列,其中,上述对话信息序列中的对话信息包括图片和语句;图片特征提取单元502被配置成对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列;语句特征提取单元503被配置成对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列;生成单元504被配置成基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。 在一些实施例的一些可选的实现方式中,生成单元504被进一步配置成:确定上述对话信息序列中的每个对话信息对应的位置,得到位置序列;对上述位置序列所包括的各个位置进行位置特征转换处理,得到位置向量序列;基于上述图片向量序列、上述语句向量序列和上述位置向量序列,生成应答信息反馈结果。 在一些实施例的一些可选的实现方式中,生成单元504被进一步配置成:确定上述对话信息序列中的每个对话信息对应的角色,得到上述对话信息序列对应的角色集合;对上述角色集合中的各个角色进行角色特征转换处理,得到角色向量序列;基于上述图片向量序列、上述语句向量序列、上述位置向量序列和上述角色向量序列,生成应答信息反馈结果。 在一些实施例的一些可选的实现方式中,生成单元504被进一步配置成:将上述图片向量序列中的每个图片向量、对应上述图片向量的语句向量、位置向量和角色向量进行融合处理以生成融合向量,得到融合向量序列;将上述融合向量序列输入至预先训练的应答文本反馈模型中,以生成应答信息反馈结果。 可选地,上述应答文本反馈模型包括:注意力编码神经网络和注意力解码神经网络。 在一些实施例的一些可选的实现方式中,生成单元504被进一步配置成:将上述融合向量序列输入至上述注意力编码神经网络中,得到多模态场景向量序列;将上述多模态场景向量序列输入至上述注意力解码神经网络中,得到应答信息反馈结果。 在一些实施例一些可选的实现方式中,图片特征提取单元502被进一步配置成:对上述各个图片中的各个图片输入至预先训练的图片特征提取网络,得到图片向量序列。 在一些实施例一些可选的实现方式中,语句特征提取单元503被进一步配置成:对上述各个语句中的每个语句进行池化处理以生成语句向量,得到语句向量序列。 可以理解的是,该装置500中记载的诸单元与参考图3描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。 下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。 如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。 通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。 特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。 需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。 在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。 上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取对话场景中的对话信息序列,其中,上述对话信息序列中的对话信息包括图片和语句;对上述对话信息序列所包括的各个图片进行图片特征提取处理,得到图片向量序列;对上述对话信息序列所包括的各个语句进行语句特征提取处理,得到语句向量序列;基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果。 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。 附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。 描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、图片特征提取单元、语句特征提取单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“基于上述图片向量序列和上述语句向量序列,生成应答信息反馈结果的单元”。 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)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。