CN107967308B - 一种智能交互的处理方法、装置、设备和计算机存储介质 - Google Patents

一种智能交互的处理方法、装置、设备和计算机存储介质 Download PDF

Info

Publication number
CN107967308B
CN107967308B CN201711138632.4A CN201711138632A CN107967308B CN 107967308 B CN107967308 B CN 107967308B CN 201711138632 A CN201711138632 A CN 201711138632A CN 107967308 B CN107967308 B CN 107967308B
Authority
CN
China
Prior art keywords
feedback item
item
subsequent
feedback
user
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.)
Active
Application number
CN201711138632.4A
Other languages
English (en)
Other versions
CN107967308A (zh
Inventor
张萌萌
张刚
万利
刘佳
蒋祥涛
徐冉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201711138632.4A priority Critical patent/CN107967308B/zh
Publication of CN107967308A publication Critical patent/CN107967308A/zh
Priority to US16/174,087 priority patent/US11308948B2/en
Priority to JP2018210599A priority patent/JP6944920B2/ja
Application granted granted Critical
Publication of CN107967308B publication Critical patent/CN107967308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/274—Converting codes to words; Guess-ahead of partial word inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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 OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Abstract

本发明提供了一种智能交互的处理方法、装置、设备和计算机存储介质。其中方法包括：对已向用户返回的前序反馈项进行意图识别；基于所述前序反馈项的意图，继续向用户返回后序反馈项。本发明能够基于前序反馈项猜测用户的后续意图，无需用户操作即可继续向用户返回其需要的后序反馈项，更加智能化和丰富，简化用户操作。

Description

一种智能交互的处理方法、装置、设备和计算机存储介质
【技术领域】
本发明涉及计算机应用技术领域，特别涉及一种智能交互的处理方法、装置、设备和计算机存储介质。
【背景技术】
随着移动网络和与云端计算的迅速发展，智能助手类应用特别是语音助手已经被应用于多种类型的用户设备，例如手机、智能电视、智能音箱等。其通过智能对话与即时问答的智能交互，向用户返回用户想知道的各种信息、甚至设置应用、控制其他用户设备等。
目前的智能助手在获取到用户query后，向用户返回单一的反馈项。举个例子，当用户输入query“曼联的最近一场比赛是什么时候”，智能助手返回“曼联的最近一场比赛是2017年11月2日05:00，对手是阿森纳”。若用户想要后续操作或者获取后续信息，则需要进一步输入query。再举个例子，当用户输入query“早上好”，智能助手返回的反馈项是今天天气的信息。用户通常会继续想知道今天路况的信息时，则需要继续输入query“今天路况如何”。显然，智能化和丰富度不够，操作繁琐。
【发明内容】
有鉴于此，本发明提供了一种智能交互的处理方法、装置、设备和计算机存储介质，以便于提高智能交互的智能化程度和丰富度，简化用户操作。
具体技术方案如下：
本发明提供了一种智能交互的处理方法，该方法包括：
对已向用户返回的前序反馈项进行意图识别；
基于所述前序反馈项的意图，继续向用户返回后序反馈项。
根据本发明一具体实施方式，基于所述前序反馈项的意图，向用户返回后序反馈项包括：
确定该意图对应的后序反馈项类型；
获取后序反馈项的实体；
利用所述后序反馈项的实体和所述后序反馈项的类型，确定向用户返回的后序反馈项。
根据本发明一具体实施方式，所述对已向用户返回的前序反馈项进行意图识别包括：
从所述前序反馈项中提取关键词，依据该关键词确定所述前序反馈项的意图；或者，
对所述前序反馈项进行语义分析，确定所述前序反馈项的意图；或者，
将所述前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为所述前序反馈项的意图；或者，
利用预先训练得到的机器学习模型，对所述前序反馈项进行意图分析，得到所述前序反馈项的意图。
根据本发明一具体实施方式，所述确定该意图对应的后序反馈项类型包括：
依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型。
根据本发明一具体实施方式，所述对应关系进一步包括：前序反馈项类型；
该方法还包括：确定所述已向用户返回的前序反馈项的类型；
所述依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型包括：
依据所述前序反馈项类型、前序反馈项的意图查询所述对应关系，确定对应的后序反馈项类型。
根据本发明一具体实施方式，在所述确定该意图对应的后序反馈项类型之前还包括：
判断所述前序反馈项的意图置信度是否满足预设置信度要求，如果是，则继续执行所述确定该意图对应的后序反馈项类型。
根据本发明一具体实施方式，在确定识别出的意图对应的后序反馈项类型时，进一步依据所述用户的环境信息。
根据本发明一具体实施方式，所述用户的环境信息包括以下至少一种：系统时间、用户设备类型以及用户设备动作。
根据本发明一具体实施方式，所述获取后序反馈项的实体包括：
将从所述前序反馈项提取的实体作为后序反馈项的实体；或者，
从用户数据或用户环境信息中获取实体作为后序反馈项的实体。
根据本发明一具体实施方式，利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项包括：
利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项；
获取所述搜索项对应的垂直搜索结果作为所述后序反馈项。
根据本发明一具体实施方式，利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项包括：
确定所述后序反馈项的类型对应的模板；
将所述后序反馈项的实体填入确定出的模板，得到搜索项。
根据本发明一具体实施方式，利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项包括：
利用所述后序反馈项的实体和所述后序反馈项的类型，生成控制指令；
将所述控制指令发送至所述后序反馈项的类型对应的应用程序或用户设备。
根据本发明一具体实施方式，所述向用户返回后序反馈项包括：
直接向所述用户返回确定的后序反馈项；或者，
基于用户的反馈确定是否向用户返回确定的后序反馈项。
根据本发明一具体实施方式，在已向用户返回的前序反馈项与向所述用户返回的后序反馈项之间，返回串联话术；
所述串联话术包括：通用词句、空、符号、光影或音频。
根据本发明一具体实施方式，所述后序反馈项包括：
文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
本发明还提供了一种智能交互的处理装置，该装置包括：
意图识别单元，用于对已向用户返回的前序反馈项进行意图识别；
后序反馈单元，用于基于所述前序反馈项的意图，向用户返回后序反馈项。
根据本发明一具体实施方式，所述后序反馈单元具体包括：
类型确定单元，用于基于所述前序反馈项的意图，确定该意图对应的后序反馈项类型；
实体获取单元，用于获取后序反馈项的实体；
反馈项确定单元，用于利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项；
反馈项返回单元，用于向所述用户返回确定的后序反馈项。
根据本发明一具体实施方式，所述意图识别单元，具体执行：
从所述前序反馈项中提取关键词，依据该关键词确定所述前序反馈项的意图；或者，
对所述前序反馈项进行语义分析，确定所述前序反馈项的意图；或者，
将所述前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为所述前序反馈项的意图；或者，
利用预先训练得到的机器学习模型，对所述前序反馈项进行意图分析，得到所述前序反馈项的意图。
根据本发明一具体实施方式，所述类型确定单元，具体执行：
依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型。
根据本发明一具体实施方式，所述类型确定单元在确定识别出的意图对应的后序反馈项类型时，进一步依据所述用户的环境信息。
根据本发明一具体实施方式，所述实体获取单元，具体执行：
将从所述前序反馈项提取的实体作为后序反馈项的实体；或者，
从用户数据或用户环境信息中获取实体作为后序反馈项的实体。
根据本发明一具体实施方式，所述反馈项确定单元，具体执行：
利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项；获取所述搜索项对应的垂直搜索结果作为所述后序反馈项；或者，
利用所述后序反馈项的实体和所述后序反馈项的类型，生成控制指令；将所述控制指令发送至所述后序反馈项的类型对应的应用程序或用户设备。
根据本发明一具体实施方式，所述后序反馈单元，具体执行：
直接向所述用户返回确定的后序反馈项；或者，
基于用户的反馈确定是否向用户返回确定的后序反馈项。
根据本发明一具体实施方式，所述后序反馈单元在已向用户返回的前序反馈项与向所述用户返回的后序反馈项之间，反馈串联话术；
所述串联话术包括：通用词句、空、符号、光影或音频。
本发明还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的方法。
本发明还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述的方法。
由以上技术方案可以看出，本发明能够基于前序反馈项的意图继续向用户返回后序反馈项，从而猜测用户的后续意图，无需用户操作即可继续向用户返回其需要的后序反馈项，更加智能化和丰富，简化用户操作。
【附图说明】
图1为本发明实施例提供的方法流程图；
图2为本发明实施例提供的装置结构图；
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
本发明的核心思想在于，对已向用户返回的前序反馈项进行意图识别，基于前序反馈项的意图，接续向用户返回后序反馈项。从而猜测用户的后续意图，无需用户操作即可继续向用户返回其需要的后序反馈项。下面结合实施例对本发明提供的方法进行详细描述。
图1为本发明实施例提供的方法流程图，如图1所示，该方法可以包括以下步骤：
在101中，对已向用户返回的前序反馈项进行意图识别。
在本步骤中，已向用户返回的前序反馈项可以是已向用户返回的最新的一个反馈项，也可以是基于用户的某query已向用户返回的所有反馈项。若是前一种情况，则对已向用户返回的最新的一个反馈项进行意图识别。若是后一种情况，则对已向用户返回的所有的反馈项进行整体的意图识别。
举一个例子，假设用户输入query“陈奕迅”，基于该query向用户返回反馈项“陈奕迅百科”，可以将【陈奕迅的百科】作为前序反馈项执行本发明的流程，确定出后序反馈项【陈奕迅的音乐列表】。下一步，可以将【陈奕迅的音乐列表】作为前序反馈项执行本发明的流程，继续确定后序反馈项，也可以将【陈奕迅的百科】和【陈奕迅的音乐列表】共同作为前序反馈项执行本发明的流程，继续确定后序反馈项。
具体地，在对前序反馈项进行意图识别时，可以采用多种方式，目前已经存在比较成熟的意图识别方式。下面列举几种实现方式，但并不限于以下几种实现方式中的至少一种：
第一种方式：从前序反馈项中提取关键词，依据关键词确定前序反馈项的意图。
这种方式中，可以预先设置各种意图类型对应的关键词，例如关键词“比赛”其对应的意图是【获取比赛结果】。从前序反馈项中提取关键词后，可以依据关键词确定前序反馈项的意图。其中，一个意图类型可以对应一个或多个关键词。
第二种方式：对前序反馈项进行语义分析，确定前序反馈项的意图。
可以预先定义语义与意图之间的对应关系，对前序反馈项进行语义分析后，确定语义对应的意图作为前序反馈项的意图。本发明实施例对语义分析的具体方式并不加以限制。
第三种方式：将前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为前序反馈项的意图。
可以预先针对各意图设置对应的模板，例如模板“ 的比赛 开始”设置的意图为【设置提醒】。若前序反馈项为“曼联与阿森纳的比赛2017年11月20日晚8点开始”，则该前序反馈项与上述模板匹配，确定出其意图为【设置提醒】。
第四种方式：利用预先训练得到的机器学习模型，对前序反馈项进行意图分析，得到前序反馈项的意图。
可以预先将标注出意图的各反馈项作为训练样本，训练机器学习模型。利用训练得到的机器学习模型对前序反馈项进行意图识别，得到前序反馈项的意图。
在102中，确定该意图对应的后序反馈项类型。
在本步骤中，可以预先设置各意图对应的后序反馈项类型。例如【获取比赛结果】的意图对应的后序反馈项的类型为【比赛结果的垂直搜索结果】或者【比赛结果的新闻】。再例如【设置提醒】的意图对应的后序反馈项类型为【控制闹钟事件】，等等。
上述意图与后序反馈项类型的对应关系可以预先由人工设置，也可以采用机器学习的方式预先设置。
另外，在确定后序反馈项类型时，除了依据前序反馈项的意图之外，还可以进一步结合前序反馈项的类型和/或前序反馈项的意图置信度。
例如，预先建立的对应关系可以是：前序反馈项的类型、意图对应的后序反馈项的类型。也就是说，前序反馈项的类型和意图同时命中，才会确定出对应的后序反馈项的类型。
再例如，前序反馈项的意图需要满足一定的置信度要求，才会确定该意图对应的后序反馈项类型。如果置信度较低，则不会继续返回后序反馈项，即无需确定后序反馈项。
另外，在确定后序反馈项类型时，可以进一步基于用户的环境信息。
其中环境信息可以包括系统时间、用户设备类型以及用户设备动作等中的至少一种。举个例子，若前序反馈项为“曼联与阿森纳的比赛2017年11月20日晚8点开始”，当前系统时间已经晚于比赛时间2017年11月20日晚8点，则后序反馈项就不应该为【设置提醒】。再举个例子，若前序反馈项为“宋小宝”，若当前设备类型为智能电视或手机等具有显示屏幕的设备，则可以确定对应的后序反馈项为【宋小宝小品视频】。再例如，如果用户设备动作是机车启动，则可以向用户返回诸如路况信息、天气信息、限行信息、违章播报等相关反馈项。
在103中，获取后序反馈项的实体。
本步骤获取后序反馈项的实体方式可以采用但不限于以下两种：
第一种方式：从前序反馈项带入实体。即将从前序反馈项提取的实体作为后序反馈项的实体，例如前序反馈项为“今日天气”，那么可以将其中的实体“今日”作为后序反馈项的实体。再例如，前序反馈项为“曼联与阿森纳的比赛2017年11月20日晚8点开始”，那么可以将其中的实体“2017年11月20日晚8点”作为后序反馈项的实体。另外，在有些情况下，可以对从前序反馈项中提取的实体进行拼接处理后，作为后序反馈项的实体。
第二种方式：从用户数据或用户环境信息带入实体。即从用户数据或用户环境信息中获取实体作为后序反馈项的实体。例如，若确定后序反馈项为【路况信息】，则可以从用户数据中提取用户家庭和公司的地址返回路况信息，也可以从用户环境信息中获取用户当前的定位地址，以返回路况信息。
在104中，利用后序反馈项的实体和后序反馈项的类型，确定后序反馈项。
本步骤中确定后序反馈项的方式可以包括但不限于以下两种方式：
第一种方式：利用后序反馈项的实体和后序反馈项的类型，构造搜索项；获取搜索项对应的垂直搜索结果作为后序反馈项。
其中在构造搜索项时，可以确定后序反馈项的类型对应的模板，将后序反馈项的实体填入确定出的模板，得到搜索项。
例如，前序反馈项为“今日天气”，那么可以将实体“今日”填入模板“限行”，得到搜索项“今日限行”。然后利用搜索项“今日限行”进行垂直搜索，得到“今日限行”的搜索结果为“今日尾号2,7限行”，将其作为后序反馈项。
再例如，前序反馈项为“陈奕迅百科”，那么可以将实体“陈奕迅”填入模板“歌曲”，得到搜索项“陈奕迅歌曲”。然后利用搜索项“陈奕迅歌曲”进行垂直搜索，得到“陈奕迅歌曲”的搜索结果为陈奕迅歌曲的链接列表，或者为陈奕迅歌曲的音频资源。
第二种方式：利用后序反馈项的实体和后序反馈项的类型，生成控制指令；将控制指令发送给后序反馈项的类型对应的应用程序或用户设备。
例如，前序反馈项为“曼联与阿森纳的比赛2017年11月20日晚8点开始”，那么可以将其中的实体“2017年11月20日晚8点”与【设置提醒】进行结合，生成“设置2017年11月20日晚8点的提醒”的控制指令，然后发送给闹钟或提醒类应用程序，或者发送给闹钟设备。
在105中，向用户返回确定的后序反馈项。
在向用户返回确定的后序反馈项时，可以直接向用户返回，也可以基于用户的返回确定是否向用户返回。举个例子，假设生成了“设置2017年11月20日晚8点的提醒”的后序反馈项，可以提示用户是否设置该提醒，如果用户选择设置，则设置提醒，并返回提醒设置成功。再例如，假设生成了“陈奕迅歌曲资源”的后序反馈项，则可以提示用户是否播放该歌曲资源，如果用户选择播放，则向用户播放该陈奕迅歌曲资源。
本发明实施例涉及的上述后序反馈项可以包括但不限于：文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
另外，在前序反馈项与向用户返回的后序反馈项之间，可以存在串联话术，该串联话术可以作为前后两个反馈项之间的过渡。其中该串联话术可以是一些通用词语，例如“接下来”、“然后”、“下一反馈项”等。
串联话术也可以为空，即前序反馈项和后序反馈项之间是空白。
串联话术也可以是一些符号，这种情况比较适合于手机、智能电视等具有屏幕的设备，例如可以在前后两个反馈项之间采用“～～～～～～～”进行区隔。
串联话术也可以是一些光影，这种情况适合于任何类型的用户设备，通过该设备上的光源，例如LED等，产生一定的光影。例如可以在前后两个反馈项之间，通过LED等产生特定颜色的光圈，以对前后两个反馈项进行区隔。
串联话术也可以是一些音频，这种情况比较适合手机、智能音箱、智能电视等具有扬声器的设备，例如可以在前后两个反馈项之间采用诸如“叮咚”等小音频作为区隔。
以上是对本发明提供的方法进行的详细描述，上述方法的执行主体可以为智能交互的处理装置，该装置可以位于用户设备的应用，或者还可以为位于用户设备的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，本发明实施例对此不进行特别限定。下面结合实施例对本发明提供的装置进行详细描述。
图2为本发明实施例提供的装置结构图，该装置可以设置于智能助手类应用，如图2所示，该装置可以包括：意图识别单元00和后序反馈单元10。其中各组成单元的主要功能如下：
意图识别单元00负责对已向用户返回的前序反馈项进行意图识别。
已向用户返回的前序反馈项可以是已向用户返回的最新的一个反馈项，也可以是基于用户的某query已向用户返回的所有反馈项。若是前一种情况，则对已向用户返回的最新的一个反馈项进行意图识别。若是后一种情况，则对已向用户返回的所有的反馈项进行整体的意图识别。
具体地，意图识别单元00可以采用但不限于以下方式对已向用户返回的前序反馈项进行意图识别：
第一种方式：从前序反馈项中提取关键词，依据该关键词确定前序反馈项的意图。
这种方式中，可以预先设置各种意图类型对应的关键词。从前序反馈项中提取关键词后，可以依据关键词确定前序反馈项的意图。其中，一个意图类型可以对应一个或多个关键词。
第二种方式：对前序反馈项进行语义分析，确定前序反馈项的意图。
可以预先定义语义与意图之间的对应关系，对前序反馈项进行语义分析后，确定语义对应的意图作为前序反馈项的意图。本发明实施例对语义分析的具体方式并不加以限制。
第三种方式：将前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为前序反馈项的意图。
第四种方式：利用预先训练得到的机器学习模型，对前序反馈项进行意图分析，得到前序反馈项的意图。
可以预先将标注出意图的各反馈项作为训练样本，训练机器学习模型。利用训练得到的机器学习模型对前序反馈项进行意图识别，得到前序反馈项的意图。
后序反馈单元10负责基于前序反馈项的意图，向用户返回后序反馈项。
具体地，后序反馈单元10可以包括：类型确定单元11、实体获取单元12、反馈项确定单元13和反馈项返回单元14。
其中，类型确定单元11负责基于前序反馈项的意图，确定该意图对应的后序反馈项类型。
具体地，类型确定单元11可以依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型。
上述意图与后序反馈项类型的对应关系可以预先由人工设置，也可以采用机器学习的方式预先设置。
另外，类型确定单元11在确定后序反馈项类型时，除了依据前序反馈项的意图之外，还可以进一步结合前序反馈项的类型和/或前序反馈项的意图置信度。
例如，预先建立的对应关系可以是：前序反馈项的类型、意图对应的后序反馈项的类型。也就是说，前序反馈项的类型和意图同时命中，才会确定出对应的后序反馈项的类型。
再例如，前序反馈项的意图需要满足一定的置信度要求，才会确定该意图对应的后序反馈项类型。如果置信度较低，则不会继续返回后序反馈项，即无需确定后序反馈项。
另外，类型确定单元11在确定后序反馈项类型时，可以进一步基于用户的环境信息。其中环境信息可以包括系统时间、用户设备类型以及用户设备动作等中的至少一种。
实体获取单元12负责获取后序反馈项的实体。
具体地，实体获取单元12可以将从前序反馈项提取的实体作为后序反馈项的实体；或者，从用户数据或用户环境信息中获取实体作为后序反馈项的实体。
反馈项确定单元13，用于利用后序反馈项的实体和后序反馈项的类型，确定后序反馈项。
其中，反馈项确定单元13确定后序反馈项的方式可以包括但不限于以下两种方式：
第一种方式：利用后序反馈项的实体和后序反馈项的类型，构造搜索项；获取搜索项对应的垂直搜索结果作为后序反馈项。
其中在构造搜索项时，可以确定后序反馈项的类型对应的模板，将后序反馈项的实体填入确定出的模板，得到搜索项。
第二种方式：利用后序反馈项的实体和后序反馈项的类型，生成控制指令；将控制指令发送给后序反馈项的类型对应的应用程序或用户设备。
反馈项返回单元14负责向用户返回确定的后序反馈项。
反馈项返回单元14可以直接向用户返回确定的后序反馈项；也可以基于用户的反馈确定是否向用户返回确定的后序反馈项。
本发明实施例涉及的上述后序反馈项可以包括但不限于：文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
另外，反馈项返回单元14在已向用户返回的前序反馈项与向用户返回的后序反馈项之间，可以反馈串联话术。
其中该串联话术可以是一些通用词语，例如“接下来”、“然后”、“下一反馈项”等。
串联话术也可以为空，即前序反馈项和后序反馈项之间是空白。
串联话术也可以是一些符号，这种情况比较适合于手机、智能电视等具有屏幕的设备，例如可以在前后两个反馈项之间采用“～～～～～～～”进行区隔。
串联话术也可以是一些光影，这种情况适合于任何类型的用户设备，通过该设备上的光源，例如LED等，产生一定的光影。例如可以在前后两个反馈项之间，通过LED等产生特定颜色的光圈，以对前后两个反馈项进行区隔。
串联话术也可以是一些音频，这种情况比较适合手机、智能音箱、智能电视等具有扬声器的设备，例如可以在前后两个反馈项之间采用诸如“叮咚”等小音频作为区隔。
举两个例子：
当用户通过智能音箱输入query“曼联的最近一场比赛是什么时候”，智能助手返回反馈项“曼联的最近一场比赛是2017年11月2日05:00，对手是阿森纳”，将该反馈项作为前序反馈项，然后采用本发明中提供的方式，确定出后序反馈项为【设置2017年11月2日05:00的比赛提醒】，智能助手可以向用户返回是否设置该提醒的提示信息，如果用户选择设置，则生成【设置2017年11月2日05:00的比赛提醒】的控制指令给智能闹钟，从而创建提醒。无需用户再人工设置提醒，显然更加智能化，简化了用户操作。
当用户通过车载智能助手输入query“早上好”，智能助手返回的反馈项是【今日天气】，即今天天气的信息。将【今日天气】作为前序反馈项，采用发明提供的方式确定出后序反馈项为【今日路况】，并能够自动获取到当前时间为用户上班时间，并自动搜索到从用户家到公司的路况信息返回给用户。无需用户再输入获取今日路况的query并人工设置起始地和目的地，显然更加智能化，简化了用户操作。
当用户通过手机输入“陈奕迅”，智能助手返回的反馈项是【陈奕迅百科】，将该反馈项作为前序反馈项，采用本发明提供的方式确定出后序反馈项为【陈奕迅的歌曲】，并自动搜索到陈奕迅的热门歌曲返回给用户。用户可以直接选择收听该歌曲，无需人工搜索陈奕迅的歌曲，显然更加智能化，更加丰富，简化了用户操作。
图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法流程。
上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如，被上述一个或多个处理器执行本发明实施例所提供的方法流程。
随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
计算机可读的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。计算机可读的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——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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发明操作的计算机程序代码，所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)。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (22)

1.一种智能交互的处理方法，其特征在于，该方法包括：
对已向用户返回的前序反馈项进行意图识别；
基于所述前序反馈项的意图，继续向用户返回后序反馈项，包括：
依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型；
获取后序反馈项的实体；
利用所述后序反馈项的实体和所述后序反馈项的类型，确定向用户返回的后序反馈项，所述后序反馈项包括：文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
2.根据权利要求1所述的方法，其特征在于，所述对已向用户返回的前序反馈项进行意图识别包括：
从所述前序反馈项中提取关键词，依据该关键词确定所述前序反馈项的意图；或者，
对所述前序反馈项进行语义分析，确定所述前序反馈项的意图；或者，
将所述前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为所述前序反馈项的意图；或者，
利用预先训练得到的机器学习模型，对所述前序反馈项进行意图分析，得到所述前序反馈项的意图。
3.根据权利要求1所述的方法，其特征在于，所述对应关系进一步包括：前序反馈项类型；
该方法还包括：确定所述已向用户返回的前序反馈项的类型；
所述依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型包括：
依据所述前序反馈项类型、前序反馈项的意图查询所述对应关系，确定对应的后序反馈项类型。
4.根据权利要求1所述的方法，其特征在于，在所述确定识别出的意图对应的后序反馈项类型之前还包括：
判断所述前序反馈项的意图置信度是否满足预设置信度要求，如果是，则继续执行所述确定识别出的意图对应的后序反馈项类型。
5.根据权利要求1所述的方法，其特征在于，在确定识别出的意图对应的后序反馈项类型时，进一步依据所述用户的环境信息。
6.根据权利要求5所述的方法，其特征在于，所述用户的环境信息包括以下至少一种：系统时间、用户设备类型以及用户设备动作。
7.根据权利要求1所述的方法，其特征在于，所述获取后序反馈项的实体包括：
将从所述前序反馈项提取的实体作为后序反馈项的实体；或者，
从用户数据或用户环境信息中获取实体作为后序反馈项的实体。
8.根据权利要求1所述的方法，其特征在于，利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项包括：
利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项；
获取所述搜索项对应的垂直搜索结果作为所述后序反馈项。
9.根据权利要求8所述的方法，其特征在于，利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项包括：
确定所述后序反馈项的类型对应的模板；
将所述后序反馈项的实体填入确定出的模板，得到搜索项。
10.根据权利要求1所述的方法，其特征在于，利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项包括：
利用所述后序反馈项的实体和所述后序反馈项的类型，生成控制指令；
将所述控制指令发送至所述后序反馈项的类型对应的应用程序或用户设备。
11.根据权利要求1所述的方法，其特征在于，所述向用户返回后序反馈项包括：
直接向所述用户返回确定的后序反馈项；或者，
基于用户的反馈确定是否向用户返回确定的后序反馈项。
12.根据权利要求1所述的方法，其特征在于，在已向用户返回的前序反馈项与向所述用户返回的后序反馈项之间，返回串联话术；
所述串联话术包括：通用词句、空、符号、光影或音频。
13.根据权利要求1所述的方法，其特征在于，所述后序反馈项包括：
文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
14.一种智能交互的处理装置，其特征在于，该装置包括：
意图识别单元，用于对已向用户返回的前序反馈项进行意图识别；
后序反馈单元，用于基于所述前序反馈项的意图，向用户返回后序反馈项，所述后序反馈单元具体包括：
类型确定单元，依据预先设置的意图与后序反馈项类型的对应关系，确定识别出的意图对应的后序反馈项类型；
实体获取单元，用于获取后序反馈项的实体；
反馈项确定单元，用于利用所述后序反馈项的实体和所述后序反馈项的类型，确定后序反馈项；
反馈项返回单元，用于向所述用户返回确定的后序反馈项，所述后序反馈项包括：文本、音频、视频、图像、链接、对应用程序或用户设备的控制事件。
15.根据权利要求14所述的装置，其特征在于，所述意图识别单元，具体执行：
从所述前序反馈项中提取关键词，依据该关键词确定所述前序反馈项的意图；或者，
对所述前序反馈项进行语义分析，确定所述前序反馈项的意图；或者，
将所述前序反馈项与预设的模板进行匹配，确定匹配的模板所对应的意图为所述前序反馈项的意图；或者，
利用预先训练得到的机器学习模型，对所述前序反馈项进行意图分析，得到所述前序反馈项的意图。
16.根据权利要求14所述的装置，其特征在于，所述类型确定单元在确定识别出的意图对应的后序反馈项类型时，进一步依据所述用户的环境信息。
17.根据权利要求14所述的装置，其特征在于，所述实体获取单元，具体执行：
将从所述前序反馈项提取的实体作为后序反馈项的实体；或者，
从用户数据或用户环境信息中获取实体作为后序反馈项的实体。
18.根据权利要求14所述的装置，其特征在于，所述反馈项确定单元，具体执行：
利用所述后序反馈项的实体和所述后序反馈项的类型，构造搜索项；获取所述搜索项对应的垂直搜索结果作为所述后序反馈项；或者，
利用所述后序反馈项的实体和所述后序反馈项的类型，生成控制指令；将所述控制指令发送至所述后序反馈项的类型对应的应用程序或用户设备。
19.根据权利要求14所述的装置，其特征在于，所述后序反馈单元，具体执行：
直接向所述用户返回确定的后序反馈项；或者，
基于用户的反馈确定是否向用户返回确定的后序反馈项。
20.根据权利要求14所述的装置，其特征在于，所述后序反馈单元在已向用户返回的前序反馈项与向所述用户返回的后序反馈项之间，反馈串联话术；
所述串联话术包括：通用词句、空、符号、光影或音频。
21.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。
22.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-13中任一所述的方法。
CN201711138632.4A 2017-11-16 2017-11-16 一种智能交互的处理方法、装置、设备和计算机存储介质 Active CN107967308B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711138632.4A CN107967308B (zh) 2017-11-16 2017-11-16 一种智能交互的处理方法、装置、设备和计算机存储介质
US16/174,087 US11308948B2 (en) 2017-11-16 2018-10-29 Intelligent interaction processing method and apparatus, device and computer storage medium
JP2018210599A JP6944920B2 (ja) 2017-11-16 2018-11-08 スマートインタラクティブの処理方法、装置、設備及びコンピュータ記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711138632.4A CN107967308B (zh) 2017-11-16 2017-11-16 一种智能交互的处理方法、装置、设备和计算机存储介质

Publications (2)

Publication Number Publication Date
CN107967308A CN107967308A (zh) 2018-04-27
CN107967308B true CN107967308B (zh) 2021-04-23

Family

ID=62001097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711138632.4A Active CN107967308B (zh) 2017-11-16 2017-11-16 一种智能交互的处理方法、装置、设备和计算机存储介质

Country Status (3)

Country Link
US (1) US11308948B2 (zh)
JP (1) JP6944920B2 (zh)
CN (1) CN107967308B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930904A (zh) * 2020-07-08 2020-11-13 联想(北京)有限公司 信息应答方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068661A (zh) * 2015-09-07 2015-11-18 百度在线网络技术（北京）有限公司 基于人工智能的人机交互方法和系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163171A (ja) 2000-11-28 2002-06-07 Sanyo Electric Co Ltd ユーザ支援装置およびシステム
US7693720B2 (en) * 2002-07-15 2010-04-06 Voicebox Technologies, Inc. Mobile systems and methods for responding to natural language speech utterance
US7640160B2 (en) * 2005-08-05 2009-12-29 Voicebox Technologies, Inc. Systems and methods for responding to natural language speech utterance
US7949529B2 (en) * 2005-08-29 2011-05-24 Voicebox Technologies, Inc. Mobile systems and methods of supporting natural language human-machine interactions
US8073681B2 (en) * 2006-10-16 2011-12-06 Voicebox Technologies, Inc. System and method for a cooperative conversational voice user interface
US10276170B2 (en) * 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US8423392B2 (en) * 2010-04-01 2013-04-16 Google Inc. Trusted participants of social network providing answers to questions through on-line conversations
US9875494B2 (en) * 2013-04-16 2018-01-23 Sri International Using intents to analyze and personalize a user's dialog experience with a virtual personal assistant
US9189742B2 (en) * 2013-11-20 2015-11-17 Justin London Adaptive virtual intelligent agent
US20200143115A1 (en) * 2015-01-23 2020-05-07 Conversica, Inc. Systems and methods for improved automated conversations
US10418032B1 (en) * 2015-04-10 2019-09-17 Soundhound, Inc. System and methods for a virtual assistant to manage and use context in a natural language dialog
CN106202085B (zh) * 2015-04-30 2019-08-20 阿里巴巴集团控股有限公司 依据特定主题进行信息搜集的方法、装置及电子设备
US10255921B2 (en) * 2015-07-31 2019-04-09 Google Llc Managing dialog data providers
CN105138671A (zh) * 2015-09-07 2015-12-09 百度在线网络技术（北京）有限公司 基于人工智能的人机交互的交互引导方法和装置
CN105426436B (zh) * 2015-11-05 2019-10-15 百度在线网络技术（北京）有限公司 基于人工智能机器人的信息提供方法和装置
CN105512228B (zh) * 2015-11-30 2018-12-25 北京光年无限科技有限公司 一种基于智能机器人的双向问答数据处理方法和系统
CN108833595B (zh) * 2015-12-24 2021-06-29 上海智臻智能网络科技股份有限公司 用于在线客服服务的计算机可读存储介质
CN106126516A (zh) * 2016-05-31 2016-11-16 刘华英 人机交互方法和系统
CN107015964B (zh) * 2017-03-22 2021-10-19 北京光年无限科技有限公司 面向智能机器人开发的自定义意图实现方法及装置
CN107133345B (zh) * 2017-05-22 2020-11-06 北京百度网讯科技有限公司 基于人工智能的交互方法和装置
US10817578B2 (en) * 2017-08-16 2020-10-27 Wipro Limited Method and system for providing context based adaptive response to user interactions

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068661A (zh) * 2015-09-07 2015-11-18 百度在线网络技术（北京）有限公司 基于人工智能的人机交互方法和系统

Also Published As

Publication number Publication date
JP6944920B2 (ja) 2021-10-06
CN107967308A (zh) 2018-04-27
US11308948B2 (en) 2022-04-19
US20190147871A1 (en) 2019-05-16
JP2019091444A (ja) 2019-06-13

Similar Documents

Publication Publication Date Title
CN108877791B (zh) 基于视图的语音交互方法、装置、服务器、终端和介质
CN108683937B (zh) 智能电视的语音交互反馈方法、系统及计算机可读介质
CN110069608B (zh) 一种语音交互的方法、装置、设备和计算机存储介质
CN108520743B (zh) 智能设备的语音控制方法、智能设备及计算机可读介质
US11600259B2 (en) Voice synthesis method, apparatus, device and storage medium
CN108133707B (zh) 一种内容分享方法及系统
CN110517689B (zh) 一种语音数据处理方法、装置及存储介质
CN108012173B (zh) 一种内容识别方法、装置、设备和计算机存储介质
CN107507615A (zh) 界面智能交互控制方法、装置、系统及存储介质
CN110164435A (zh) 语音识别方法、装置、设备及计算机可读存储介质
US11631408B2 (en) Method for controlling data, device, electronic equipment and computer storage medium
US11687526B1 (en) Identifying user content
US11749255B2 (en) Voice question and answer method and device, computer readable storage medium and electronic device
CN113674742B (zh) 人机交互方法、装置、设备以及存储介质
CN109325180B (zh) 文章摘要推送方法、装置、终端设备、服务器及存储介质
CN109460548B (zh) 一种面向智能机器人的故事数据处理方法及系统
CN107967308B (zh) 一种智能交互的处理方法、装置、设备和计算机存储介质
CN109065018B (zh) 一种面向智能机器人的故事数据处理方法及系统
CN111539203A (zh) 一种用于自然语言内容标题消歧的方法、设备和系统
CN110728982A (zh) 基于语音触屏的信息交互方法、系统、存储介质、车载终端
CN114299955B (zh) 语音交互的方法、装置、电子设备及存储介质
CN111580766B (zh) 一种信息显示方法、装置和信息显示系统
CN113076397A (zh) 意图识别方法、装置、电子设备及存储介质
CN111312254A (zh) 语音对话方法和装置
CN113035181A (zh) 语音数据处理方法、设备和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210513

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

Patentee after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right