本發(fā)明涉及自然語言處理領(lǐng)域，特別涉及一種回答語句確定方法及裝置。
背景技術(shù)：
：聊天機器人是自然語言處理領(lǐng)域的一項重要應(yīng)用，聊天機器人可以根據(jù)用戶輸入的語句，輸出相應(yīng)的回答語句，以達(dá)到人機對話的目的。其中，用戶可以輸入任意語句，比如用戶可以輸入“最近太熱了”，聊天機器人可以輸出“是的”作為回答?，F(xiàn)有技術(shù)中，通常采用sequence2sequence(序列到序列)模型實現(xiàn)聊天機器人的功能來確定回答語句，sequence2sequence模型包括編碼器和解碼器，該編碼器和解碼器都可以通過大量自然語言的樣本語句對循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到。在人機對話過程中，編碼器可以將用戶輸入的語句編碼為一個語句向量，然后，將該語句向量輸入解碼器，解碼器將該語句向量與詞庫中的每個詞進行匹配，在第一次匹配的過程中，計算詞庫中每個詞與該語句向量的匹配概率，獲取匹配概率最高的預(yù)測詞。在之后的每一次匹配的過程中，將之前匹配概率最高的所有預(yù)測詞和該語句向量作為本次匹配的輸入，計算詞庫中每個詞與該語句向量的匹配概率，再獲取本次匹配概率最高的預(yù)測詞，直至獲取到的匹配概率最高的預(yù)測詞為語句結(jié)束符號為止，將每一次匹配概率最高的預(yù)測詞組成語句，作為最終回答語句。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：由于在人與人的實際對話過程中，回答者在給出答復(fù)的時候，不僅要考慮提問者說的內(nèi)容，而且提問者在說話的時候，也會考慮回答者的身份、他可能回答的內(nèi)容。也即是，一組提問語句A和回答語句B對應(yīng)一種上下文語境，其中，對于提問語句A，回答語句B是最符合該上下文語境的回答，對于回答語句B，提問語句A最符合該上下文語境的提問。而上述過程中沒有考慮輸入語句以及回答語句是否符合上下文語境，因此，人機對話過程中獲取回答語句的智能性較差。技術(shù)實現(xiàn)要素：為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實施例提供了一種回答語句確定方法及裝置。所述技術(shù)方案如下：一方面，提供了一種回答語句確定方法，所述方法包括：將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配；在每一次匹配的過程中，對于上一次匹配所確定的N個第一預(yù)測語句，根據(jù)多個中間語句的第一匹配概率，從所述多個中間語句中確定N個第二預(yù)測語句，每個中間語句由任一個第一預(yù)測語句和所述多個詞中任一個詞組成，每個中間語句的第一匹配概率用于指示輸入所述待處理語句時輸出所述中間語句的概率；對于所述N個第二預(yù)測語句中的每個第二預(yù)測語句，如果所述第二預(yù)測語句包括語句結(jié)束符號，則將所述第二預(yù)測語句確定為回答語句，如果所述第二預(yù)測語句不包括語句結(jié)束符號，則將所述第二預(yù)測語句作為下一次匹配的輸入，繼續(xù)進行匹配，直至匹配過程所輸出的第二預(yù)測語句中均包括語句結(jié)束符號為止；根據(jù)通過匹配所得到的M個回答語句中每個回答語句的第一匹配概率和第二匹配概率，從所述M個回答語句中確定目標(biāo)回答語句，所述回答語句的第二匹配概率用于指示當(dāng)輸入所述回答語句時輸出所述待處理語句的概率；其中，所述M為大于1的整數(shù)，所述N為小于或者等于M的整數(shù)。另一方面，提供了一種回答語句確定裝置，所述裝置包括：匹配模塊，用于將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配；第一確定模塊，用于在每一次匹配的過程中，對于上一次匹配所確定的N個第一預(yù)測語句，根據(jù)多個中間語句的第一匹配概率，從所述多個中間語句中確定N個第二預(yù)測語句，每個中間語句由任一個第一預(yù)測語句和所述多個詞中任一個詞組成，每個中間語句的第一匹配概率用于指示輸入所述待處理語句時輸出所述中間語句的概率；對于所述N個第二預(yù)測語句中的每個第二預(yù)測語句，如果所述第二預(yù)測語句包括語句結(jié)束符號，則將所述第二預(yù)測語句確定為回答語句，如果所述第二預(yù)測語句不包括語句結(jié)束符號，則將所述第二預(yù)測語句作為下一次匹配的輸入，繼續(xù)進行匹配，直至匹配過程所輸出的第二預(yù)測語句中均包括語句結(jié)束符號為止；第二確定模塊，用于根據(jù)通過匹配所得到的M個回答語句中每個回答語句的第一匹配概率和第二匹配概率，從所述M個回答語句中確定目標(biāo)回答語句，所述回答語句的第二匹配概率用于指示當(dāng)輸入所述回答語句時輸出所述待處理語句的概率；其中，所述M為大于1的整數(shù)，所述N為小于或者等于M的整數(shù)。本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是：對于匹配過程所確定的多個回答語句，可以結(jié)合輸入待處理語句輸出回答語句的第一匹配概率和輸入回答語句輸出待處理語句的第二匹配概率，來確定最終的目標(biāo)回答語句，使得目標(biāo)回答語句與待處理語句更加符合上下文語境，使得在回答語句多樣化的同時，提高了回答語句確定的智能性。附圖說明為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明實施例提供的一種回答語句確定方法的流程圖；圖2A是本發(fā)明實施例提供的一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理圖；圖2B是本發(fā)明實施例提供的一種回答語句確定過程的示例圖；圖3是本發(fā)明實施例提供的一種回答語句確定裝置的框圖；圖4是本發(fā)明實施例提供的一種終端的結(jié)構(gòu)示意圖；圖5是本發(fā)明實施例提供的一種回答語句確定裝置的框圖。具體實施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細(xì)描述。本實施例提供的回答語句確定方法的應(yīng)用場景可以為人機聊天場景，也可以為智能問答系統(tǒng)，比如垂直領(lǐng)域的智能客服系統(tǒng)等，本實施例對此不作限定。其中，當(dāng)應(yīng)用場景為智能問答系統(tǒng)時，針對用戶提問的問題，還可以確定多個目標(biāo)回答語句，此時一個目標(biāo)回答語句可以代表一個答案。圖1是本發(fā)明實施例提供的一種回答語句確定方法的流程圖，參見圖1，本發(fā)明實施例提供的方法流程包括：101、獲取待處理語句。其中，待處理語句可以為一句話，也可以為一個字或者一個詞等，待處理語句對應(yīng)的語言種類可以為漢語、英語、法語等任一語言，本實施例對待處理語句的內(nèi)容和所屬語言種類不作限定。本實施例中，終端可以提供人機對話界面，在該人機對話界面中，用戶可以在輸入框中輸入任意內(nèi)容，比如任何字詞或語句等，內(nèi)容的形式可以為文字、圖片或語音等，本實施例對此不作限定。終端在檢測到輸入確認(rèn)操作后，將用戶在輸入框中輸入的內(nèi)容獲取為待處理語句。之后，終端可以通過網(wǎng)絡(luò)將該待處理語句發(fā)送至服務(wù)器，使得服務(wù)器能夠獲取到該待處理語句，并執(zhí)行下述步驟102至107以確定該待處理語句的目標(biāo)回答語句。需要說明的是，終端在獲取到待處理語句后，也可以在本端執(zhí)行下述步驟102至107以確定該待處理語句的目標(biāo)回答語句，并在人機對話界面輸出該目標(biāo)回答語句，以完成一次人機對話的過程。本實施例僅以服務(wù)器為執(zhí)行主體為例進行介紹，對執(zhí)行主體并不限定。102、將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配，該匹配過程包括下述步驟103至步驟107：其中，預(yù)設(shè)詞庫用于存儲自然語言中所涉及的多個詞，該多個詞的數(shù)量級可以為十萬級甚至百萬級等。該預(yù)設(shè)詞庫的一個詞可以為單個字或者為詞組等，本實施例中統(tǒng)稱為詞。比如，某個詞可以為“吃”、“東西”等。另外，預(yù)設(shè)詞庫中還可以包括符號，比如各種標(biāo)點符號、表情符號或者語句結(jié)束符號等。本實施例中，服務(wù)器通過預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)執(zhí)行將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配的過程。在該匹配的過程中，服務(wù)器先將該待處理語句轉(zhuǎn)換為相應(yīng)的語句向量，該轉(zhuǎn)換過程可以為：將待處理語句進行分詞處理，得到多個分詞，根據(jù)預(yù)設(shè)編碼方式，將每個分詞編碼為一個詞向量，得到多個詞向量，然后根據(jù)預(yù)設(shè)轉(zhuǎn)換函數(shù)，將該多個詞向量轉(zhuǎn)換為該語句向量。后續(xù)根據(jù)該語句向量進行匹配。需要說明的是，本實施例中涉及語句和詞的處理過程，均為對語句對應(yīng)的語句向量或詞對應(yīng)的詞向量的處理過程。其中，預(yù)設(shè)編碼方式和預(yù)設(shè)轉(zhuǎn)換函數(shù)可以進行預(yù)先設(shè)置或修改，本實施例對此不作限定。其中，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的節(jié)點與預(yù)設(shè)詞庫所存儲的每個詞之間具有一一映射的關(guān)系。比如，當(dāng)預(yù)設(shè)詞庫包括20萬個詞時，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的中間匹配輸出層可以包括20萬個節(jié)點。其中，該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)可以為LSTM(LongShort-TermMemory，時間遞歸神經(jīng)網(wǎng)絡(luò))，由于神經(jīng)網(wǎng)絡(luò)的層數(shù)越多輸出結(jié)果越準(zhǔn)確，但會導(dǎo)致運算速度降低，因此為了在滿足要求的輸出準(zhǔn)確度的前提下提高運算速度，本實施例采用了4層LSTM，當(dāng)然隨著設(shè)備處理性能的提升，還可以采用大于4層的LSTM。本實施例中，在采用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)對用戶輸入的待處理語句進行回復(fù)之前，需要通過大量樣本數(shù)據(jù)對該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，以優(yōu)化該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)中各個節(jié)點的參數(shù)。具體地，服務(wù)器上可以部署多個GPU(GraphicsProcessingUnit，圖形處理器)，每個GPU上均部署有該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)。服務(wù)器可以將大量樣本數(shù)據(jù)分割成相應(yīng)的多個樣本數(shù)據(jù)集，將該多個樣本數(shù)據(jù)集分別分配給該多個GPU進行處理，從而實現(xiàn)對樣本數(shù)據(jù)的并行處理，從而大大提升預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，也即是，提升了預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)中各個節(jié)點所對應(yīng)參數(shù)的優(yōu)化效率。需要說明的是，本實施例所涉及的一個樣本數(shù)據(jù)為一對自然語言對話的語句對。圖2A為該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的原理圖，如圖2A所示，包括CPU和多個GPU。其中，CPU存儲有預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的各個節(jié)點所對應(yīng)的參數(shù)，每個GPU均部署有預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)(模型)，具體地的參數(shù)優(yōu)化過程可以為：每個GPU通過預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)對輸入的樣本數(shù)據(jù)進行處理，根據(jù)預(yù)設(shè)目標(biāo)函數(shù)，確定輸出與輸入的差異(loss)，根據(jù)預(yù)設(shè)梯度函數(shù)，計算該差異的梯度(gradients)；每個GPU將計算出的梯度發(fā)送至CPU，CPU計算接收到的多個梯度的梯度平均值。之后，服務(wù)器根據(jù)該梯度平均值對多個GPU上配置的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的節(jié)點參數(shù)進行調(diào)整，該調(diào)整過程可以為：CPU根據(jù)該梯度平均值對存儲的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的節(jié)點參數(shù)進行更新，之后將預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)更新后的節(jié)點參數(shù)發(fā)送至每個GPU，使得GPU對配置的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的參數(shù)進行調(diào)整。其中，對于任一節(jié)點，節(jié)點的參數(shù)包括節(jié)點在預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)中的位置和參數(shù)值，對于任一節(jié)點，更新后的節(jié)點參數(shù)值等于更新前的節(jié)點參數(shù)值與梯度平均值的差值。其中，預(yù)設(shè)目標(biāo)函數(shù)和預(yù)設(shè)梯度函數(shù)可以根據(jù)實際需求進行設(shè)置或修改，本實施例對此不作限定。需要說明的是，本實施例中，每個GPU可以一次性對一個樣本數(shù)據(jù)集進行處理，比如，該一個樣本數(shù)據(jù)集可以包括60對自然語言對話，每個GPU可以將該60對自然語言對話一同作為預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的輸入，相應(yīng)的，計算出的梯度為該一個樣本數(shù)據(jù)集的整體梯度，從而可以提高對樣本數(shù)據(jù)進行處理的速率。需要說明的是，圖2A中僅以2個GPU為例進行說明，當(dāng)然GPU的個數(shù)還可以為3個、4個等，本實施例對此不作限定。圖2A所示的是采用數(shù)據(jù)并行化對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方式。在另一實施例中，還可以采用模型并行化的方式對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，以預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)為4層LSTM為例，可以將該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的每一層按照輸入層至輸出層的順序依次配置在不同的4個GPU上，利用這4個GPU分別對每一層的節(jié)點的參數(shù)進行優(yōu)化。其中，每個GPU可以設(shè)置一個預(yù)設(shè)緩存區(qū)，該預(yù)設(shè)緩存區(qū)用于存儲需要與其他GPU進行交換的數(shù)據(jù)，從而提高預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)各層之間的交換速率，其中，該與其他GPU進行交換的數(shù)據(jù)可以為當(dāng)前GPU對應(yīng)層的輸出結(jié)果。103、在第一次匹配的過程中，根據(jù)該多個詞的第一匹配概率，從多個詞中確定M個預(yù)測詞，將每個預(yù)測詞作為一個預(yù)測語句。其中，該多個詞中每個詞的第一匹配概率用于指示輸入待處理語句時輸出該詞的概率。M為大于1的整數(shù)，M可以根據(jù)需要進行預(yù)先設(shè)置或更改，比如M可以為3、4、5等，本實施例對此不作限定。由于在一次匹配過程中可以確定多個預(yù)測詞，使得回答語句的組成具有更多的可能性，擴大了回答語句的匹配范圍，提高輸出結(jié)果的多樣性。本實例中可以采用如下兩種方式確定該M個預(yù)測詞：第一種方式、按照每個詞的第一匹配概率的高低，從該多個詞中確定M個預(yù)測詞。在該種方式中，對于該多個詞中的每個詞，將待處理語句作為輸入，獲取該詞的輸出概率，將該詞的輸出概率作為該詞的第一匹配概率。按照每個詞的第一匹配概率從高到低的順序，從該多個詞中獲取M個預(yù)測詞。需要說明的是，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)中每個詞對應(yīng)的節(jié)點均對應(yīng)一個預(yù)設(shè)函數(shù)，該預(yù)設(shè)函數(shù)用于根據(jù)輸入計算輸出該節(jié)點所對應(yīng)詞的概率。該預(yù)設(shè)函數(shù)可以根據(jù)需要進行預(yù)先設(shè)置或修改，本實施例對此不作限定。第二種方式、按照每個詞的第一匹配概率和第二匹配概率的和值高低，從該多個詞中確定M個預(yù)測詞。在該種方式中，對于該多個詞中的每個詞，將待處理語句作為輸入，將輸出該詞的概率確定為該詞的第一匹配概率。之后，將該詞作為輸入，將輸出待處理語句的概率確定為該詞的第二匹配概率。獲取每個詞的第一匹配概率和第二匹配概率的和值；按照和值從高到低的順序，從多個詞中確定M個預(yù)測詞。其中，該獲取每個詞的第一匹配概率和第二匹配概率的和值的過程可以看作是為每個詞進行打分的過程，該打分的分值為第一概率和第二概率的和值，某個詞的打分分值越高指示輸出該詞的概率越高，從而可以根據(jù)打分來確定輸出概率最高的M個預(yù)測詞。其中，將多個詞中的一個詞作為輸入，輸出待處理語句的概率是指輸出組成該待處理語句的多個分詞的概率的和。例如，假設(shè)該待處理語句為“你好”，組成該待處理語句的分詞為“你”和“好”，則輸出該處理語句的概率為輸出“你”的概率與輸出“好”的概率的和。需要說明的是，該第二種方式在確定M個預(yù)測詞時，不僅考慮了輸入待處理語句時輸出每個詞的概率，還考慮了輸入每個詞時輸出該待處理語句的概率，使得確定的M個預(yù)測詞與該待處理語句更加符合上下文語境，可以提高人機對話的智能性。本實施例中將確定的每個預(yù)測詞均作為一個預(yù)測語句，以便于對后續(xù)匹配過程的描述。對于第一次匹配之后的每一次匹配過程，執(zhí)行下述步驟104至步驟106。104、對于上一次匹配所確定的N個第一預(yù)測語句，根據(jù)多個中間語句的第一匹配概率，從多個中間語句中確定N個第二預(yù)測語句。其中，每個中間語句由任一個第一預(yù)測語句和多個詞中的任一個詞組成。例如，第一預(yù)測語句的個數(shù)為3個，該多個詞的個數(shù)為10個，則一個第一預(yù)測語句與該10個詞可以組成10個中間語句，三個第一預(yù)測語句可以分別與該10個詞組成30個中間語句。其中，第一預(yù)測語句是指不包括語句結(jié)束符號的預(yù)測語句。當(dāng)一個預(yù)測語句包含語句結(jié)束符號時，表示該預(yù)測語句為一個回答語句，針對該預(yù)測語句的匹配過程結(jié)束。其中，N為小于或者等于M的整數(shù)。具體地，N為M與上一次匹配過程確定的回答語句個數(shù)的差值。其中，為了能夠有輸出結(jié)果，第一次匹配確定的預(yù)測詞應(yīng)當(dāng)不為語句結(jié)束符號，因此，針對第二次匹配，回答語句的個數(shù)為0，N等于M，這樣N個第一預(yù)測語句即為M個預(yù)測詞所對應(yīng)的預(yù)測語句。例如，在第一次匹配過程中確定了3個預(yù)測詞，每個預(yù)測詞作為一個預(yù)測語句，一共3個預(yù)測語句，該3個預(yù)測語句即為第二次匹配過程中的3個第一預(yù)測語句。而假設(shè)在第二次匹配過程中確定了一個回答語句，則在第三次匹配的過程中回答語句的個數(shù)為1，相應(yīng)地第一預(yù)測語句的個數(shù)便為2。本實施例中，從多個中間語句中確定N個第二預(yù)測語句的過程可以包括如下兩種方式：第一種方式、按照每個中間語句第一匹配概率的高低，從該多個中間語句中確定N個第二預(yù)測語句。在該種方式中，對于每個中間語句，將該中間語句對應(yīng)的第一預(yù)測語句和待處理語句作為輸入，將輸出該中間語句的概率確定為該中間語句的第一匹配概率。之后，按照第一匹配概率從高到低的順序，從多個中間語句中確定N個第二預(yù)測語句。其中，輸出中間語句的概率是指輸入第一預(yù)測語句和待處理語句時，輸出組成該中間語句的最后一個詞的概率。例如，假設(shè)第一預(yù)測語句為a1，預(yù)設(shè)詞庫包括10個詞，分別為w1至w10其中，則a1和w1組成的中間語句為a1w1，則輸出a1w1的概率是指輸入待處理語句和a1時，輸出w1的概率。在具體實施時，該確定N個第二預(yù)測語句的過程可以為：針對每個第一預(yù)測語句，根據(jù)第一匹配概率從高到低的順序，從該第一預(yù)測語句對應(yīng)的中間語句中確定N個中間語句，對應(yīng)每個第一預(yù)測語句均得到N個中間語句，一共得到N*N個中間語句，再按照第一匹配概率從高到低的順序，從該N*N個中間語句中確定N個第二預(yù)測語句。其中，“*”表示乘號。第二種方式、按照每個中間語句的第一匹配概率和第二匹配概率的和值高低，從該多個中間語句中確定N個第二預(yù)測語句。在該種方式中，對于每個中間語句，將該中間語句對應(yīng)的第一預(yù)測語句和待處理語句作為輸入，將輸出該中間語句的概率確定為該中間語句的第一匹配概率；將該中間語句作為輸入，將輸出待處理語句的概率確定為該中間語句的第二匹配概率；獲取每個中間語句的第一匹配概率和第二匹配概率的和值；按照和值從高到低的順序，從多個中間語句中確定N個第二預(yù)測語句。其中，該獲取每個中間語句的第一匹配概率和第二匹配概率的和值的過程可以看作是為每個中間語句進行打分的過程，該打分的分值為第一概率和第二概率的和值，某個中間語句的打分分值越高指示輸出該中間語句的概率越高，從而可以根據(jù)打分來確定輸出概率最高的M個預(yù)測語句。其中，將中間語句作為輸入，輸出待處理語句的概率是指輸出組成該待處理語句的多個分詞的概率的和，將該多個分詞的概率的和作為該中間語句的第二匹配概率。該過程與上述步驟103中確定每個詞的第二匹配概率的過程同理，在此不做贅述。假設(shè)待處理語句為X，某個中間語句為Y，則Y的第一匹配概率可以表示為P(Y|X)，Y的第二匹配概率可以表示為P(X|Y)，則根據(jù)和值對Y進行打分可以表示為：SCOREY＝P(Y|X)+P(X|Y)。其中，P()僅表示概率，不表示概率的實際計算方式。在具體實施時，該確定N個第二預(yù)測語句的過程可以為：針對每個第一預(yù)測語句，根據(jù)和值從高到低的順序，從該第一預(yù)測語句對應(yīng)的中間語句中確定N個中間語句，對應(yīng)每個第一預(yù)測語句均得到N個中間語句，一共得到N*N個中間語句，再按照和值從高到低的順序，從該N*N個中間語句中確定N個第二預(yù)測語句。其中，“*”表示乘號。需要說明的是，該第二種方式在確定N個預(yù)測語句時，不僅考慮了輸入待處理語句時輸出每個預(yù)測語句的概率，還考慮了輸入每個預(yù)測語句時輸出該待處理語句的概率，使得確定的N個預(yù)測語句與該待處理語句更加符合上下文語境，可以提高人機對話的智能性。需要說明的是，本實施例中每一次匹配過程是指在上一次匹配得到的預(yù)測語句的基礎(chǔ)上在向后匹配下一個預(yù)測詞的過程，該匹配下一個預(yù)測詞的過程可以采用上述兩種方式，其中，本次匹配的預(yù)測詞與上一次匹配得到預(yù)測語句組成本次的預(yù)測語句。例如，假設(shè)待處理語句為“最近真的要熱暈了”，某個第一預(yù)測語句為“注意身體”，則本次匹配過程便為基于該待處理語句和第一預(yù)測語句，在第一預(yù)測語句的基礎(chǔ)上向后匹配下一個預(yù)測詞。假設(shè)本次匹配的預(yù)測詞為“哦”，在本次匹配的預(yù)測語句為“注意身體哦”。本實施例中，在確定了N個第二預(yù)測語句之后，可以根據(jù)第二預(yù)測語句中是否包括語句結(jié)束符號來確定針對該第二預(yù)測語句的匹配過程是否結(jié)束，其中，對于N個第二預(yù)測語句中的每個第二預(yù)測語句，當(dāng)該第二預(yù)測語句包括語句結(jié)束符號時執(zhí)行步驟105，否則執(zhí)行步驟106。105、對于N個第二預(yù)測語句中的每個第二預(yù)測語句，如果第二預(yù)測語句包括語句結(jié)束符號，則將第二預(yù)測語句確定為回答語句。例如，第一預(yù)測語句為“注意身體”，假設(shè)在該第一預(yù)測語句基礎(chǔ)上向后匹配的一個預(yù)測詞為語句結(jié)束符號，則該第一預(yù)測語句和該語句結(jié)束符號組成的第二預(yù)測語句便為一個回答語句，也即是，無需針對該第二預(yù)測語句在向后進行匹配。106、對于N個第二預(yù)測語句中的每個第二預(yù)測語句，如果該第二預(yù)測語句不包括語句結(jié)束符號，則將該第二預(yù)測語句作為下一次匹配的輸入，繼續(xù)執(zhí)行步驟104，直至匹配過程所輸出的第二預(yù)測語句中均包括語句結(jié)束符號為止，得到M個回答語句。例如，第一預(yù)測語句為“注意身體”，假設(shè)在該第一預(yù)測語句基礎(chǔ)上向后匹配的一個預(yù)測詞為“哦”，則該第一預(yù)測語句和預(yù)測詞組成的第二預(yù)測語句“注意身體哦”，由于該第二預(yù)測語句不包括語句結(jié)束符號，則基于該第二預(yù)測語句繼續(xù)執(zhí)行步驟104，在該第二預(yù)測語句的基礎(chǔ)上再向后進行匹配，如果下一次匹配的預(yù)測詞為語句結(jié)束符號，則將預(yù)測語句“注意身體哦”和語句結(jié)束符號組成回答語句“注意身體哦”。需要說明的是，服務(wù)器在第一次匹配過程確定M個預(yù)測詞之后，便在該M個預(yù)測詞的基礎(chǔ)上，進行后續(xù)的匹配過程，從而得到M個回答語句，下面結(jié)合圖2B，通過舉例來更好地說明通過匹配確定M個回答語句的過程，該過程在確定預(yù)測語句時均采用了步驟104中第二種方式，其中，待處理語句為“最近真的要熱暈了”，M為3，在第一次匹配過程中確定了3個預(yù)測語句分別為“是”、“熱”、“注”，該3個預(yù)測語句為本次匹配過程的3個最優(yōu)解；在第二次匹配過程中，針對每個預(yù)測語句再向后匹配3個預(yù)測詞，比如，與“是”匹配的3個預(yù)測詞分別為“a11”、“a12”和“啊”，與“熱”匹配的3個預(yù)測詞分別為“b11”、“b12”和“崩”，與“注”匹配的3個預(yù)測詞分別為“c11”、“c12”和“意”，將預(yù)測語句和預(yù)測詞分別組合得到9個篩選出來的中間語句，之后，對該9個中間語句進行排序，按照概率的和值從高到低的順序，從該9個中間語句中確定多個最優(yōu)解，比如確定的3個最優(yōu)解對應(yīng)的預(yù)測語句分別為“是啊”、“熱崩”和“注意”，該3個預(yù)測語句為本次匹配過程輸出的3個最優(yōu)解；同理，在第三次匹配過程中，確定的3個預(yù)測語句分別為“是啊”(含語句結(jié)束符)，“熱崩潰”和“注意身”，從而確定“是啊”為一個回答語句。在第四次匹配過程中，針對“熱崩潰”和“注意身”兩個預(yù)測語句中的每個預(yù)測語句向后匹配2個預(yù)測詞，最終在本次匹配過程中確定2個預(yù)測語句，假設(shè)該2個預(yù)測語句為“熱崩潰”(含語句結(jié)束符)和“注意身體”，從而確定“熱崩潰”為一個回答語句，在第五次匹配過程中針對“注意身體”一個預(yù)測語句向后匹配一個預(yù)測詞，假設(shè)匹配的預(yù)測詞為結(jié)束符號，則可以確定“注意身體”為一個回答語句，從而得到3個回答語句分別為“是啊”、“熱崩潰”和“注意身體”。107、根據(jù)M個回答語句中每個回答語句的第一匹配概率和第二匹配概率，從M個回答語句中確定目標(biāo)回答語句，回答語句的第二匹配概率用于指示當(dāng)輸入回答語句時輸出待處理語句的概率。其中，確定目標(biāo)回答語句的過程可以為：獲取M個回答語句中每個回答語句的第一匹配概率和第二匹配概率的和值；將和值最高的回答語句確定為目標(biāo)回答語句。本實施例中，可以根據(jù)多個回答語句的第一匹配概率和第二概率的和值，對該多個回答語句進行排序，然后，根據(jù)該多個回答語句的排列順序，可以從該多個回答語句中確定和值最高的目標(biāo)回答語句。以圖2B所示的例子為例，假設(shè)圖2B舉例中輸出的三個回答語句以及對應(yīng)的和值分別為“是的”0.5，“熱崩潰”0.8，“注意身體”0.9，則對該三個回答語句的排序可以如表1所示，由表1可知，采用回答語句的和值對回答語句進行排序，可以將與待處理語句符合上下文語境的回答語句排列不符合上下文語境的回答語句的前面，提高了目標(biāo)語句確定的智能性。表1排序回答語句1注意身體2熱崩潰3是的另外，當(dāng)應(yīng)用場景為智能問答系統(tǒng)時，還可以確定多個目標(biāo)回答語句，具體地，服務(wù)器可以根據(jù)和值從高到低的順序，從多個回答語句中確定預(yù)設(shè)數(shù)目個目標(biāo)回答語句。該預(yù)設(shè)數(shù)目可以預(yù)先進行設(shè)置或更改，本實施例對此不作限定。需要說明的是，如果上述步驟104中采用第一種方式確定N個第二預(yù)測語句，則在該步驟中服務(wù)器獲取M個回答語句中每個回答語句的第一匹配概率和第二匹配概率的和值之前，需要確定每個回答語句的第二匹配概率，也即是將該每個回答語句作為輸入，確定輸入該待處理語句的概率。而如果在步驟104中采用第二種方式確定N個第二預(yù)測語句，則由于步驟104中是根據(jù)第一匹配概率和第二匹配概率確定的預(yù)測語句，那么也就是根據(jù)第一匹配概率和第二匹配概率確定的回答語句，因此，在該步驟中直接獲取每個回答語句的第一匹配概率和第二匹配概率的和值即可。需要說明的是，當(dāng)服務(wù)器為執(zhí)行主體時，在確定目標(biāo)回答語句之后，將該目標(biāo)回答語句發(fā)送至終端，終端將該目標(biāo)回答語句進行顯示，比如將目標(biāo)回答語句顯示在人機對話界面中。而當(dāng)以終端為執(zhí)行主體時，終端在確定目標(biāo)回答語句之后，可以直接將該目標(biāo)回答語句顯示在人機對話界面中。其中，輸出該目標(biāo)回答語句的輸出形式可以為語音、文字或者圖片，本實施例對此不作限定。當(dāng)輸出形式為語音時，將該目標(biāo)回答語句轉(zhuǎn)換為語音輸出，當(dāng)輸出形式為圖片時，則從圖片和圖片所指示文字的對應(yīng)關(guān)系中，獲取與該目標(biāo)回答語句對應(yīng)的圖片，并輸出該獲取的圖片。為了進一步提高人機對話系統(tǒng)的智能性，本實施例中還可以根據(jù)用戶反饋，對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行繼續(xù)學(xué)習(xí)，也即是對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的節(jié)點參數(shù)進行調(diào)整，比如，用戶反饋可以為諸如“你在說什么啊”、“答非所問”等表示否定輸出的目標(biāo)回答語句，則服務(wù)器可以統(tǒng)計該類用戶反饋以及該用戶反饋所指示的輸入輸出語句對，并根據(jù)統(tǒng)計的輸入輸出語句對，對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行反向訓(xùn)練。比如，統(tǒng)計的一個輸入輸出語句對為輸入語句A和輸出語句B，則在對預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練時的目標(biāo)為輸入語句A時，輸出語句B的概率為0。通過根據(jù)用戶反饋對神經(jīng)網(wǎng)絡(luò)進行繼續(xù)學(xué)習(xí)，提高了人機對話的學(xué)習(xí)能力，進一步提高了人機對話過程中確定回答語句的智能性。本發(fā)明實施例提供的方法，對于匹配過程所確定的多個回答語句，可以結(jié)合輸入待處理語句輸出回答語句的第一匹配概率和輸入回答語句輸出待處理語句的第二匹配概率，來確定最終的目標(biāo)回答語句，使得目標(biāo)回答語句與待處理語句更加符合上下文語境，并且在每一次匹配的過程中可以確定多個預(yù)測語句，匹配過程結(jié)束后可以確定多個回答語句，使得在回答語句多樣化的同時，提高了回答語句確定的智能性。進一步地，在每一次匹配過程中還可以根據(jù)中間語句的第一匹配概率和第二匹配概率來確定多個預(yù)測語句，使得每一次匹配過程均考慮了待處理語句和回答語句的上下文語境，進一步提高了回答語句確定的智能性。圖3是本發(fā)明實施例提供的一種回答語句確定裝置的框圖。參照圖3，該裝置包括匹配模塊301，第一確定模塊302和第二確定模塊303。其中，匹配模塊301與第一確定模塊302連接，用于將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配；第一確定模塊302與第二確定模塊303，用于在每一次匹配的過程中，對于上一次匹配所確定的N個第一預(yù)測語句，根據(jù)多個中間語句的第一匹配概率，從該多個中間語句中確定N個第二預(yù)測語句，每個中間語句由任一個第一預(yù)測語句和該多個詞中任一個詞組成，每個中間語句的第一匹配概率用于指示輸入該待處理語句時輸出該中間語句的概率；對于該N個第二預(yù)測語句中的每個第二預(yù)測語句，如果該第二預(yù)測語句包括語句結(jié)束符號，則將該第二預(yù)測語句確定為回答語句，如果該第二預(yù)測語句不包括語句結(jié)束符號，則將該第二預(yù)測語句作為下一次匹配的輸入，繼續(xù)進行匹配，直至匹配過程所輸出的第二預(yù)測語句中均包括語句結(jié)束符號為止；第二確定模塊303，用于根據(jù)通過匹配所得到的該M個回答語句中每個回答語句的第一匹配概率和第二匹配概率，從該M個回答語句中確定目標(biāo)回答語句，該回答語句的第二匹配概率用于指示當(dāng)輸入該回答語句時輸出該待處理語句的概率；其中，該M為大于1的整數(shù)，該N為小于或者等于M的整數(shù)。在一種可能的實現(xiàn)方式中，該第一確定模塊用于：對于該每個中間語句，將該中間語句對應(yīng)的第一預(yù)測語句和該待處理語句作為輸入，將輸出該中間語句的概率確定為該中間語句的第一匹配概率；按照第一匹配概率從高到低的順序，從該多個中間語句中確定N個第二預(yù)測語句；或，對于該每個中間語句，將該中間語句對應(yīng)的第一預(yù)測語句和該待處理語句作為輸入，將輸出該中間語句的概率確定為該中間語句的第一匹配概率；將該中間語句作為輸入，將輸出該待處理語句的概率確定為該中間語句的第二匹配概率；獲取該每個中間語句的第一匹配概率和第二匹配概率的和值；按照和值從高到低的順序，從該多個中間語句中確定該N個第二預(yù)測語句。在一種可能的實現(xiàn)方式中，該第二確定模塊用于獲取該N個回答語句中每個回答語句的第一匹配概率和第二匹配概率的和值；將和值最高的回答語句確定為該目標(biāo)回答語句。在一種可能的實現(xiàn)方式中，該第一確定模塊還用于如果本次匹配為第一次匹配，則根據(jù)該多個詞的第一匹配概率，從該多個詞中確定該M個預(yù)測詞，將每個預(yù)測詞作為一個預(yù)測語句，每個詞的第一匹配概率用于指示輸入該待處理語句時輸出該詞的概率。在一種可能的實現(xiàn)方式中，該第一確定模塊還用于：對于該多個詞中的每個詞，將該待處理語句作為輸入，將輸出該詞的概率確定為該詞的第一匹配概率；按照第一匹配概率從高到低的順序，從該多個詞中確定該M個預(yù)測詞；或，對于該多個詞中的每個詞，將該待處理語句作為輸入，將輸出該詞的概率確定為該詞的第一匹配概率；將該詞作為輸入，將輸出該待處理語句的概率確定為該詞的第二匹配概率；獲取該多個詞的第一匹配概率和第二匹配概率的和值；按照和值從高到低的順序，從該多個詞中確定該M個預(yù)測詞。在一種可能的實現(xiàn)方式中，該匹配模塊用于通過預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)將獲取的待處理語句與預(yù)設(shè)詞庫中的多個詞進行匹配。在一種可能的實現(xiàn)方式中，該裝置還包括：處理模塊，用于在對該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練的過程中，采用多個圖形處理器GPU對樣本數(shù)據(jù)進行并行處理，該多個GPU均配置有該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)；第三確定模塊，用于確定該多個GPU對樣本數(shù)據(jù)處理所得到的梯度平均值；調(diào)整模塊，用于根據(jù)該梯度平均值對該多個GPU上配置的該預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的節(jié)點參數(shù)進行調(diào)整。本公開實施例提供的裝置，對于匹配過程所確定的多個回答語句，可以結(jié)合輸入待處理語句輸出回答語句的第一匹配概率和輸入回答語句輸出待處理語句的第二匹配概率，來確定最終的目標(biāo)回答語句，使得目標(biāo)回答語句與待處理語句更加符合上下文語境，使得在回答語句多樣化的同時，提高了回答語句確定的智能性。需要說明的是：上述實施例提供的回答語句確定裝置在確定回答語句時，僅以上述各功能模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將設(shè)備的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實施例提供的回答語句確定裝置與回答語句確定方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。圖4是本發(fā)明實施例提供的一種終端的結(jié)構(gòu)示意圖，該終端可以用于執(zhí)行上述各個實施例中提供的游戲視頻錄制方法。參見圖4，該終端400包括：終端400可以包括RF(RadioFrequency，射頻)電路110、包括有一個或一個以上計算機可讀存儲介質(zhì)的存儲器120、輸入單元130、顯示單元140、傳感器150、音頻電路160、WiFi(WirelessFidelity，無線保真)模塊170、包括有一個或者一個以上處理核心的處理器180、以及電源190等部件。本領(lǐng)域技術(shù)人員可以理解，圖4中示出的終端結(jié)構(gòu)并不構(gòu)成對終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。其中：RF電路110可用于收發(fā)信息或通話過程中，信號的接收和發(fā)送，特別地，將基站的下行信息接收后，交由一個或者一個以上處理器180處理；另外，將涉及上行的數(shù)據(jù)發(fā)送給基站。通常，RF電路110包括但不限于天線、至少一個放大器、調(diào)諧器、一個或多個振蕩器、用戶身份模塊(SIM)卡、收發(fā)信機、耦合器、LNA(LowNoiseAmplifier，低噪聲放大器)、雙工器等。此外，RF電路110還可以通過無線通信與網(wǎng)絡(luò)和其他設(shè)備通信。所述無線通信可以使用任一通信標(biāo)準(zhǔn)或協(xié)議，包括但不限于GSM(GlobalSystemofMobilecommunication，全球移動通訊系統(tǒng))、GPRS(GeneralPacketRadioService，通用分組無線服務(wù))、CDMA(CodeDivisionMultipleAccess，碼分多址)、WCDMA(WidebandCodeDivisionMultipleAccess,寬帶碼分多址)、LTE(LongTermEvolution,長期演進)、電子郵件、SMS(ShortMessagingService，短消息服務(wù))等。存儲器120可用于存儲軟件程序以及模塊，處理器180通過運行存儲在存儲器120的軟件程序以及模塊，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理。存儲器120可主要包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲數(shù)據(jù)區(qū)可存儲根據(jù)終端400的使用所創(chuàng)建的數(shù)據(jù)(比如音頻數(shù)據(jù)、電話本等)等。此外，存儲器120可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態(tài)存儲器件。相應(yīng)地，存儲器120還可以包括存儲器控制器，以提供處理器180和輸入單元130對存儲器120的訪問。輸入單元130可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與用戶設(shè)置以及功能控制有關(guān)的鍵盤、鼠標(biāo)、操作桿、光學(xué)或者軌跡球信號輸入。具體地，輸入單元130可包括觸敏表面131以及其他輸入設(shè)備132。觸敏表面131，也稱為觸摸顯示屏或者觸控板，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸敏表面131上或在觸敏表面131附近的操作)，并根據(jù)預(yù)先設(shè)定的程式驅(qū)動相應(yīng)的連接裝置?？蛇x的，觸敏表面131可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，并檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點坐標(biāo)，再送給處理器180，并能接收處理器180發(fā)來的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實現(xiàn)觸敏表面131。除了觸敏表面131，輸入單元130還可以包括其他輸入設(shè)備132。具體地，其他輸入設(shè)備132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種。顯示單元140可用于顯示由用戶輸入的信息或提供給用戶的信息以及終端400的各種圖形用戶接口，這些圖形用戶接口可以由圖形、文本、圖標(biāo)、視頻和其任意組合來構(gòu)成。顯示單元140可包括顯示面板141，可選的，可以采用LCD(LiquidCrystalDisplay，液晶顯示器)、OLED(OrganicLight-EmittingDiode,有機發(fā)光二極管)等形式來配置顯示面板141。進一步的，觸敏表面131可覆蓋顯示面板141，當(dāng)觸敏表面131檢測到在其上或附近的觸摸操作后，傳送給處理器180以確定觸摸事件的類型，隨后處理器180根據(jù)觸摸事件的類型在顯示面板141上提供相應(yīng)的視覺輸出。雖然在圖4中，觸敏表面131與顯示面板141是作為兩個獨立的部件來實現(xiàn)輸入和輸入功能，但是在某些實施例中，可以將觸敏表面131與顯示面板141集成而實現(xiàn)輸入和輸出功能。終端400還可包括至少一種傳感器150，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調(diào)節(jié)顯示面板141的亮度，接近傳感器可在終端400移動到耳邊時，關(guān)閉顯示面板141和/或背光。作為運動傳感器的一種，重力加速度傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用于識別手機姿態(tài)的應(yīng)用(比如橫豎屏切換、相關(guān)游戲、磁力計姿態(tài)校準(zhǔn))、振動識別相關(guān)功能(比如計步器、敲擊)等；至于終端400還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器，在此不再贅述。音頻電路160、揚聲器161，傳聲器162可提供用戶與終端400之間的音頻接口。音頻電路160可將接收到的音頻數(shù)據(jù)轉(zhuǎn)換后的電信號，傳輸?shù)綋P聲器161，由揚聲器161轉(zhuǎn)換為聲音信號輸出；另一方面，傳聲器162將收集的聲音信號轉(zhuǎn)換為電信號，由音頻電路160接收后轉(zhuǎn)換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)輸出處理器180處理后，經(jīng)RF電路110以發(fā)送給比如另一終端，或者將音頻數(shù)據(jù)輸出至存儲器120以便進一步處理。音頻電路160還可能包括耳塞插孔，以提供外設(shè)耳機與終端400的通信。WiFi屬于短距離無線傳輸技術(shù)，終端400通過WiFi模塊170可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網(wǎng)訪問。雖然圖4示出了WiFi模塊170，但是可以理解的是，其并不屬于終端400的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。處理器180是終端400的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執(zhí)行存儲在存儲器120內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲在存儲器120內(nèi)的數(shù)據(jù)，執(zhí)行終端400的各種功能和處理數(shù)據(jù)，從而對手機進行整體監(jiān)控。可選的，處理器180可包括一個或多個處理核心；優(yōu)選的，處理器180可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無線通信。可以理解的是，上述調(diào)制解調(diào)處理器也可以不集成到處理器180中。終端400還包括給各個部件供電的電源190(比如電池)，優(yōu)選的，電源可以通過電源管理系統(tǒng)與處理器180邏輯相連，從而通過電源管理系統(tǒng)實現(xiàn)管理充電、放電、以及功耗管理等功能。電源190還可以包括一個或一個以上的直流或交流電源、再充電系統(tǒng)、電源故障檢測電路、電源轉(zhuǎn)換器或者逆變器、電源狀態(tài)指示器等任意組件。盡管未示出，終端400還可以包括攝像頭、藍(lán)牙模塊等，在此不再贅述。具體在本實施例中，終端的顯示單元是觸摸屏顯示器，終端還包括有存儲器，以及一個或者一個以上的程序，其中一個或者一個以上程序存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行。所述一個或者一個以上程序包含可執(zhí)行指令，終端400被配置為執(zhí)行指令，以執(zhí)行上述回答語句確定方法實施例中終端所執(zhí)行的方法。在示例性實施例中，還提供了一種包括指令的非臨時性計算機可讀存儲介質(zhì)，例如包括指令的存儲器，上述指令可由終端中的處理器執(zhí)行以完成上述實施例中回答語句確定方法。例如，所述非臨時性計算機可讀存儲介質(zhì)可以是ROM、隨機存取存儲器(RAM)、CD-ROM、磁帶、軟盤和光數(shù)據(jù)存儲設(shè)備等。圖5是本發(fā)明實施例提供的一種回答語句確定裝置的框圖。例如，裝置500可以被提供為一服務(wù)器。參照圖5，裝置500包括處理組件522，其進一步包括一個或多個處理器，以及由存儲器532所代表的存儲器資源，用于存儲可由處理部件522的執(zhí)行的指令，例如應(yīng)用程序。存儲器532中存儲的應(yīng)用程序可以包括一個或一個以上的每一個對應(yīng)于一組指令的模塊。此外，處理組件522被配置為執(zhí)行指令，以執(zhí)行上述回答語句確定來電提示方法實施例中服務(wù)器所執(zhí)行的方法。裝置500還可以包括一個電源組件526被配置為執(zhí)行裝置500的電源管理，一個有線或無線網(wǎng)絡(luò)接口550被配置為將裝置500連接到網(wǎng)絡(luò)，和一個輸入輸出(I/O)接口558。裝置500可以操作基于存儲在存儲器532的操作系統(tǒng)，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，F(xiàn)reeBSDTM或類似。在示例性實施例中，還提供了一種包括指令的非臨時性計算機可讀存儲介質(zhì)，例如包括指令的存儲器，上述指令可由服務(wù)器中的處理器執(zhí)行以完成上述實施例中的回答語句確定數(shù)據(jù)處理方法。例如，所述非臨時性計算機可讀存儲介質(zhì)可以是ROM、隨機存取存儲器(RAM)、CD-ROM、磁帶、軟盤和光數(shù)據(jù)存儲設(shè)備等。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當(dāng)前第1頁1 2 3