CN101071418A - 聊天方法与系统 - Google Patents
聊天方法与系统 Download PDFInfo
- Publication number
- CN101071418A CN101071418A CN 200710089577 CN200710089577A CN101071418A CN 101071418 A CN101071418 A CN 101071418A CN 200710089577 CN200710089577 CN 200710089577 CN 200710089577 A CN200710089577 A CN 200710089577A CN 101071418 A CN101071418 A CN 101071418A
- Authority
- CN
- China
- Prior art keywords
- topic
- sentence
- attribute
- pattern
- theme
- 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.)
- Granted
Links
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供了一种聊天方法,该方法包括:获取输入的语言信息,分析该语言信息的句子主干与确定句型;通过预置的话题词典、所述的句子主干与句型确定该语言信息的话题属性;判断是否存在对应于所述的句子主干与句型的句子模式,若否则从默认应答中选择一个与所述话题属性相对应的应答反馈,若是则确定一个模式,从该模式对应的应答中选择一个反馈。对应于该方法,本发明还提供了一种聊天系统,该系统包括:获取单元、自然语言处理单元、计算语言知识存储单元、话题理解单元、话题词典存储单元、推理单元、推理知识存储单元、发送单元。
Description
技术领域
本发明涉及互联网交互式对话方法,尤其涉及一种聊天方法与系统。
背景技术
互联网的发展速度非常惊人,已经成为了现代人每天生活的一部分。利用互联网进行相互通讯是互联网的基本功能之一,从最初的电子邮件到现在风靡的即时通讯工具都拥有广大的用于群。互联网另一大功能是获取信息,然而互联网的信息浩如烟海,即使有强大的搜索工具仍然很难找到想要的信息。另外现代的人生活节奏越来越快,压力越来越大,随之而来的就是与人的交流越来越少,为了适应社会发展变化的需要,一些基于即时通讯平台或短信平台的聊天系统就产生了。这种系统是一种通过自然语言文字进行人机对话的系统,采用自然语言处理技术为核心,涉及到计算语言学、信息科学和人工智能等多门学科。该系统一方面完成对用户问题的分析处理;另一方面基于知识库完成正确答案的生成,可以与用户进行聊天,也可以进行查询等多种功能。
例如与用户可以进行下面两端对话:
对话1:
用户:明天深圳天气怎样?
机器人:明天深圳市晴,26~32度。
用户:太好了。
机器人:是啊,这么好的天气很适合郊游。
(改为机器人:好天气很适合郊游。)
对话2:
用户:春节晚会上将会有什么节目?
机器人:春节晚会上有相声、小品,刘德华还会在春节晚会上献上他的新歌。
用户:太好了。
机器人:到时别忘记通过电视收看哦。
(改为机器人:今年春晚肯定很精彩)
这两段对话中,用户都输入了相同的一句话“太好了”,但是在第一段中是用户知道天气后说“太好了”,第二段中是用户知道春晚的节目后说“太好了”,还有很多种情况下,用户都会说“太好了”,但是根据上下文的语境,很容易发现,用户说“太好了”的含义是不同的。
聊天系统是根据用户输入的自然语言信息采用句子模式匹配,然后返回相应的应答技术实现。但是相同的句子模式下不能代表用户与该系统交谈的话题属性也是相同的,这种现象也相当普遍。本文种所述的模式是指用户输入的自然语言经过加工处理提取处理的精练部分以及类型等属性。
为此目前有些聊天系统建设知识库时,在返回的应答中人工设计一些有关用户聊天话题属性的标签,这些属性是与系统中句子属性相同的。系统接收到用户输入的自然语言信息并理解后,会在系统中对理解的自然语言信息进行模式匹配,并找到该模式匹配的应答信息,从应答信息中选择一个向用户反馈,同时将该应答信息的话题属性标签返回给用户。但是当系统搜索不到与用户输入的信息相匹配的模式时,就无法知道新话题属性的属性是什么,因此无法判断用户的话题属性是否转变,只有按照原来的话题属性从应答中选择一个反馈给用户,也就很容易出现如下段对话的情况:
用户:明天深圳天气怎样?
机器人:明天深圳市晴,26~32度。
用户:深圳成功申办大运会了。
机器人:是啊,这么好的天气很适合郊游。(这个例子不太好,这一句不太像默认应答)
以上对话中系统没有匹配到用户输入的“深圳成功申办大运会了”,因此就延续了之前的天气话题属性。
由于聊天系统的知识库都是有限的,当聊天系统遇到不能匹配的模式后,根据当前话题属性有针对性的返回默认应答则能够给予用户更好的体验,而且可以根据知识库中知识分类的分布,有针对性的将用户引导到临近的话题属性上,可以保证人机交谈更加流畅。
但是由于该方法是在前一次用户输入句子、聊天系统返回应答时来设置话题属性,在后一次用户输入问句时,如果没有在知识库中匹配到句子模式,就不能辨别新问句的话题属性,而仍然延续前一句的话题属性,并依据旧话题属性选择一个默认应答。而实际上用户最后一次的语句话题属性可能已经转移,此时如果根据用户每一次输入重新判断话题属性是延续还是转移,则会更好的鉴别用户当前谈论的话题属性,在匹配不到句子模式时优选当前话题属性有针对性的默认应答返回则能够给予用户更好的体验。因此在匹配模式后进行话题属性的赋予是现有技术中的关键症结所在,其缺少判断话题属性是否转移的方法;从而也就缺少了在用户输入自然语言信息后,进行理解,识别话题属性的过程。
发明内容
本发明要解决的技术问题是提供一种能够连续聊天的方法与系统。为解决上述技术问题,本发明的目的是通过以下技术方案实现的:
获取输入的语言信息,分析该语言信息的句子主干与确定句型;通过预置的话题词典、所述的句子主干与句型确定该语言信息的话题属性;
判断是否存在对应于所述的句子主干与句型的句子模式,若否则从默认应答中选择一个与所述话题属性相对应的应答反馈,若是则确定一个模式,从该模式对应的应答中选择一个反馈。
对应与该方法本发明实施例还提供了一种聊天系统,该系统包括:获取单元,用于获取用户输入的自然语言信息;
自然语言处理单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
计算语言知识存储单元,用于存储理解自然语言必须的知识;
话题理解单元,用于通过句子主干与句型、话题词典鉴别用户输入的自然语言的话题属性;
话题词典存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
推理单元,用于通过推理知识判断是否存在对应于所述的句子主干与句型的句子模式,若不存在则从默认应答中选择一个与话题相对应的应答;若存在则确定一个模式从该模式对应的应答中选择一个应答;
推理知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
发送单元,用于将推理单元选择的应答反馈给用户。
本发明还提供了一种聊天方法,该方法包括:
获取输入的语言信息,分析该语言信息的句子主干与确定句型;通过所述的句子主干与句型鉴别该语言信息的话题属性,若为无主题则将前次的话题属性确定为本次的话题属性;判断是否存在多个所述的话题属性;
若否,则从预置的句子模式中选择一个与该语言信息匹配的句子模式;若选择到则从所述的句子模式对应的应答信息中选择一个输出;若没有选择到则从默认应答信息中选择一个输出;
若是,则从预置的句子模式中对每一个话题属性选择一个与该语言信息匹配的句子模式,并从中随机选择一个句子模式,从该句子模式对应的应答信息中选择一个输出;若没有匹配到的句子模式,则从默认应答信息中选择一个输出。
对应于该方法,本发明还提供了一种聊天系统,该系统包括:
语言信息获取单元,用于获取用户输入的自然语言信息;
分析单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
自然语言知识存储单元,用于存储理解自然语言必须的知识;
话题单元,用于通过所述的句子主干与句型、话题词典鉴别该语言信息的话题属性,若为无主题则将前次的话题属性确定为本次的话题属性;确定是否存在多个所述的话题属性;
话题存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
推理模式及应答单元,用于当不存在多个所述的话题属性时,则从预置的句子模式中选择一个与该语言信息匹配的句子模式;若选择到则从所述的句子模式对应的应答信息中选择一个;若没有选择到则从默认应答信息中选择一个;
当存在多个所述的话题属性时,则从预置的句子模式中对每一个话题属性选择一个与该语言信息匹配的句子模式,并从中随机选择一个句子模式,从该句子模式对应的应答信息中选择一个;若没有匹配到的句子模式,则从默认应答信息中选择一个;
推理模式及应答知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
发送应答单元,用于将推理模式及应答单元选择的应答反馈给用户。
以上技术方案可以看出,由于在进行模式匹配前就进行了话题鉴别的过程,降低了模式匹配不到产生的话题无法鉴别的几率;并且进一步在判断为句子话题属性为无主题时,将上一个句子的话题属性赋予此次句子的话题属性,使得在无主题时能够连贯的进行对话。
附图说明
图1为本发明实施例多层次话题体系的示意图;
图2为本发明实施例多层次话题的聊天方法流程图;
图3为本发明实施例多层次话题的聊天的系统图;
图4为本发明实施例单一层次话题的聊天方法流程图;
图5为本发明实施例单一层次话题的聊天方法系统图。
具体实施方式
本发明实施例提供了基于话题属性鉴别的聊天方法与系统,下面详述实施例的内容。
在与用户进行聊天前,首先要建立多层次话题机制的类别体系,即一种根据话题粒度大小建立的多层次话题体系,参见图1。这种多层次话题机制类别体系是参照按照人类的知识知识结构建立的,例如影视明星是一个大粒度的话题,其下面包括有刘德华、张学友等多个相同小粒度的话题。
因自然语言处理很多需要训练,建立一些统计关系,这就需要预先建立一些计算语言知识库,专门用来对自然语言进行处理;其中包括但不限制于词典、词频、句法规则、语义规则等各种统计数据,能够得到句子的主干与句子的类型等信息;并且还需要建立关键词与话题之间的统计关系,建立关键词和最小粒度话题之间的映射关系,一般是多对多的;关键词对每个话题有不同的打分,建立每个关键词与每个话题相关的概率的知识库,形成一个话题辞典。
在建立上述基础内容的基础上,还需要建立推理知识库,存储针对用户可能输入的各种自然语言对应的模式,及每种模式下的应答、默认应答等多种内容,其中应答信息也是按照多层次话题粒度划分的。
下面详细介绍与用户聊天的方法,参见图2:
步骤201:获取用户输入的自然语言信息,分析句子主干及确定句子类型;
此处就是利用计算语言知识库中存储的内容进行分析,该部分的内容是人工智能领域一个重要的研究方向,它使得计算机能够理解和运用人类的自然语言,可以实现人与计算机之间基于自然语言的有效通信。本文中所述的自然语言都是指的人类使用的各种自然语言,例如中文、英文等。
步骤202:进行话题属性鉴别。
因为用户输入的自然语言信息是千变万化的,有时候能够通过句子主干与句型等信息鉴别出话题属性,有时候鉴别不出话题属性,例如“太好了”等等类似的语句。此时鉴别的话题属性就包括了话题属性为有主题或无主题。
若用户输入例如“太好了”的句子时,则将与用户之前的多次对话的主题确定为本次话题的主题。
步骤203:判断话题是否有冲突;若有冲突则执行步骤204,若没有冲突则执行步骤205;
此步骤所述的话题有冲突是指,由于本实施例建立的是多层次话题机制的类别体系,那么在用户输入的自然语言信息中可能会包括多个相同层次,即多个相同粒度的话题主题,那么系统就无法辨别用户所述的到底是哪一个话题主题。
步骤204:将粒度放大,确定一个话题属性;
该步骤就是指将多个相同粒度的话题主题逐步进行粒度放大,查找该粒度、即该层次的高一层次的话题,看是否能够找到一个包含所有相同粒度的话题主题的高粒度话题主题;
若找到了,则将找到的高粒度话题主题确定为本此对话的话题主题;若没有找到则将本次对话主题定为无主题。
步骤205:通过分析的句子主干及确定的句子类型、系统预置的推理知识库判断是否存在对应的句子类型;若存在则执行步骤206;若不存在则执行步骤217;
此处判断是否存在对应的句子类型的标准是相似度高,并且需要达到一定的限值才能是与句子主干、确定的句子类型对应的模型。
步骤206:判断是否仅匹配到一个句子模式,若是则执行步骤208,若不是则执行步骤207;
步骤207:因步骤204中进一步确定的了话题属性为有主题或无主题,在将粒度放大确定为无主题的情况下,从多个句子模式中任意选择一个句子模式;
在粒度放大确定有主题或者无话题冲突时确定的主题情况下,从多个句子模式中选择话题匹配的句子模式。
步骤208:判断步骤207中选择的句子模式是否有话题主题;若有则执行步骤209;若没有则执行步骤210;
步骤209:判断在该有话题主题的句子模式对应的应答中,是否有话题匹配的最小粒度话题应答;若有则执行步骤214;若没有则执行步骤211;
推理知识库中存储的应答信息也是按照多层次话题粒度划分的,为了向用户返回最贴近话题主题的应答,所以首先在最小粒度话题的应答中查找。
步骤210:从该句子模式对应的应答中任意选择一个应答,并将该应答反馈用户。
步骤211:根据预先设置的多层次话题粒度体系,判断话题粒度是否到达了最高一级,若没有则执行步骤212;若到达则执行步骤210;
步骤212:将粒度放大;
该步骤同步骤204的做法相似,就是指将多个相同粒度的话题主题进行粒度放大,查找该粒度、即该层次的高一层次的话题,看是否能够找到一个包含所有相同粒度的话题主题的高粒度话题主题。
步骤213:判断高一级的粒度中是否有话题匹配的应答;若没有则执行步骤209;若有则执行步骤214。
步骤214:判断是否有多个话题匹配的应答,若有则执行步骤215;若没有则执行步骤216。
步骤215:从多个话题匹配的应答中任意选择一个应答。
步骤216:将选择的应答反馈给用户。
步骤217:在没有匹配的问句模式时,判断步骤204中确定的话题属性是否为有主题,是则执行步骤218;否则执行步骤222;
步骤218:判断默认应答中是否有最小粒度话题匹配的应答;若有则执行步骤221;若没有则执行步骤219;
推理知识库中存储的默认应答信息也是按照多层次话题粒度划分的,为了向用户返回最贴近话题主题的应答,所以首先在最小粒度话题的应答中查找。
步骤219:根据预先设置的多层次话题粒度体系,判断话题粒度是否到达了最高一级,若没有则执行步骤219;若到达则执行步骤214;
步骤220:将粒度放大;
该步骤同步骤204的做法相似,就是指将多个相同粒度的话题主题进行粒度放大,查找该粒度、即该层次的高一层次的话题,看是否能够找到一个包含所有相同粒度的话题主题的高粒度话题主题。
步骤221:判断高一级的粒度中是否有话题匹配的应答;若没有则执行步骤214;若有则执行步骤219。
步骤222:从所有默认应答中任意选择一个应答,并反馈给用户。
在此实施例的基础上,为了更好的为了进一步增加对话的连贯性,提高了用户的满意度,可以在确定话题主题时进行进一步细化,在话题主题转移的情况下做相应的处理。
此方法与上述的实施例基本相同,只是在步骤202、204时有相应的变化,为此只详细描述在202、204中的部分,将下述的内容替换入上述实施例就可,其他步骤不再累述。
步骤202:进行话题属性鉴别,并鉴别是否话题发生转移。
因为用户输入的自然语言信息是千变万化的,有时候能够通过句子主干与句型等信息鉴别出话题属性,有时候鉴别不出话题属性,例如“太好了”等等类似的语句。此时鉴别的话题属性就包括了话题属性为有主题或无主题。
若用户输入例如“太好了”的句子时,则将与用户之前的多次对话的主题确定为本次话题的主题。
在鉴别话题属性的同时进行话题是否发生转移的判断,即通过对比多次之前的对话主题,判断此次的话题是否发生转移,并将结果保存。
步骤204:将粒度放大,确定一个话题属性;
此处是指将多个相同粒度的话题主题进行粒度放大,查找该粒度、即该层次的高一层次的话题,看是否能够找到一个包含所有相同粒度的话题主题的高粒度话题主题;
若找到了,则将找到的高粒度话题主题确定为本此对话的话题主题;
若没有找到,并且根据步骤202中的话题转移结果,进行相应的处理;若话题未发生转移,则将前次的话题主题定为本次对话的话题主题;若话题发生转移则将此次对话的主题定为无主题。
由于系统自身的存储容量是有限的,为了更好的与用户进行流畅的对话,本发明实施例还可以进行主动的话题转移。例如可以在上述实施例的基础上通过下述方法实现:
在有对应于所述的句子主干与句型的句子模式,但与话题匹配的句子模型数量低于预置的限值时,将该话题属性进行粒度放大,在放大的话题属性粒度基础上,判断与此次话题属性粒度相同的其他话题属性的句子模型是否超过预置的限制,并从中选择一个预置内容最多的话题属性;
若选择到则将从话题属性转移至新话题上,并反馈转移了话题属性的应答;若没有选择到则从默认应答中选择一个与所述话题属性相对应的应答信息进行反馈。
本发明实施例还提供了一种基于话题属性鉴别的聊天系统,参见图3该系统包括:获取单元、自然语言处理单元、计算语言知识存储单元、话题理解单元、话题词典存储单元、推理单元、推理知识存储单元、发送单元;
获取单元,用于获取用户输入的自然语言信息;
自然语言处理单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
计算语言知识存储单元,用于存储理解自然语言必须的知识;
话题理解单元,用于通过句子主干与句型、话题词典鉴别用户输入的自然语言的话题属性;
推理单元,用于通过推理知识判断是否存在对应于所述的句子主干与句型的句子模式,若不存在则从默认应答中选择一个与话题相对应的应答;若存在则确定一个模式从该模式对应的应答中选择一个应答;
推理知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
每种模式对应的带有话题属性的应答,模式的话题属性是所有应答的话题属性的集合;推理知识存储单元还包含没有模式相对应的默认应答,默认应答同样带有话题属性。
发送单元,用于将推理单元选择的应答反馈给用户。
其中话题理解单元具体包括了:话题鉴别单元、话题粒度判断单元、第一话题选择单元、第二话题选择单元、话题转移判断单元;
话题鉴别单元,用于鉴别获得的自然语言信息的话题属性是否为无主题;
第一话题选择单元,用于通过话题鉴别单元鉴别出无主题的结果,将前次的话题属性置为该次的话题属性;
第二话题选择单元,用于通过话题粒度判断单元判断的存在多个相同粒度的话题结果,将该粒度基础上进行放大,直到选择到一个包含所有话题粒度的话题;若选择不到则将此次话题属性定为无主题;用于在确定话题未发生转移,且存在多个相同粒度话题结果、放大粒度后确定为无主题时,将前次的话题主题确定为本次话题主题;在确定话题未发生转移、存在多个相同粒度的话题结果、放大粒度后确定为无主题时,将本次话题定为无主题。
话题粒度判断单元,用于通过预置的话题粒度结构判断确定的此次话题属性在其最小粒度下是否存在多个相同粒度的话题;
话题转移判断单元,用于在话题鉴别单元鉴别出话题属性为有主题时,对比之前多次的话题主题,判断此次话题主题是否发生转移;
话题词典存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
其中推理单元具体包括:模式判断单元、默认应答选择单元、最小粒度判断单元、默认应答话题选择单元;第二无主题应答选择单元、第二应答选择单元;限值判断单元、话题转移单元、第三应答选择单元;
模式判断单元,用于通过推理知识判断是否存在对应于所述的句子主干与句型的句子模式;
默认应答选择单元,用于在不存在匹配的句子模式、第二话题选择单元确定话题属性为无主题时,从默认应答中选择一个;
最小粒度判断单元,用于在不存在匹配的句子模式、第二话题选择单元确定话题属性有主题时,判断默认应答中是否存在与其最小粒度话题匹配的应答;
默认应答话题选择单元,用于在判断默认应答中存在与其最小粒度话题匹配的应答时,从所述的话题匹配的应答中选择一个;在判断默认应答中不存在与其最小粒度话题匹配的应答时,从默认应答中选择一个。
第一无主题应答选择单元、第一应答选择单元;
第一无主题应答选择单元,用于在模式判断单元判断出仅有一个对应于所述的句子主干与句型的句子模式、且话题属性为无主题时,从该句子对应的应答中选择一个;
第一应答选择单元,用于在模式判断单元判断出仅有一个对应于所述的句子主干与句型的句子模式、且话题属性为有主题时,从该模式对应的应答中选择一个话题匹配的应答。
第二无主题应答选择单元,用于在在模式判断单元判断出有多个对应于所述的句子主干与句型的句子模式、且话题属性为无主题时,从模式匹配度最高的模式对应的应答中选择一个;
第二应答选择单元,还用于在模式判断单元判断出有多个对应于所述的句子主干与句型的句子模式、且话题属性为有主题时,则从话题属性匹配的模式对应的应答中选择一个话题属性匹配的应答。
推理知识存储单元,进一步用于存储每种模式对应的带有转移话题属性的应答;
限值判断单元,用于判断是否有对应于所述的句子主干与句型的句子模式,但与话题匹配的句子模式数量低于预置的限值;及将话题属性进行粒度放大,在放大的话题属性粒度基础上,判断与此次话题属性粒度相同的其他话题属性的句子模型是否超过预置的限制;
话题转移单元,用于在与此次话题属性粒度相同的其他话题属性的句子模型超过预置的限制,将从话题属性转移至新话题上;
第三应答选择单元,用于在从话题属性转移时从每种模式对应的带有转移话题属性的应答中选择一个应答。
上述的实施例是在多层次话题机制的情况下进行了,下面所述的实施例是在单一层次话题机制下进行。即所有的话题只有同一粒度。参见图4,本实施例具体流程为:
步骤401:获取用户输入的自然语言信息,分析句子主干及确定句子类型;
此处就是利用计算语言知识库中存储的内容进行分析,该部分的内容是人工智能领域一个重要的研究方向,它使得计算机能够理解和运用人类的自然语言,可以实现人与计算机之间基于自然语言的有效通信。本文中所述的自然语言都是指的人类使用的各种自然语言,例如中文、英文等。
步骤402:进行话题属性鉴别。
因为用户输入的自然语言信息是千变万化的,有时候能够通过句子主干与句型等信息鉴别出话题属性,有时候鉴别不出话题属性,例如“太好了”等等类似的语句。此时鉴别的话题属性就包括了话题属性为有主题或无主题。
若用户输入例如“太好了”的句子时,则将与用户之前的多次对话的主题确定为本次话题的主题。
步骤403:判断话题是否有冲突;若有冲突则执行步骤410,若没有冲突则执行步骤404;
此步骤所述的话题有冲突是指,由于本实施例建立的是多层次话题体系,那么在用户输入的自然语言信息中可能会包括多个相同层次,即多个相同粒度的话题主题,那么系统就无法辨别用户所述的到底是哪一个话题主题。
步骤404:通过分析的句子主干及确定的句子类型、系统预置的推理知识库判断是否存在对应的句子类型;若存在则执行步骤405;若不存在则执行步骤413;
此处判断是否存在对应的句子类型的标准是相似度高,并且需要达到一定的限值才能是与句子主干、确定的句子类型对应的模型。
步骤405:判断是否仅匹配到一个句子模式。若是则执行步骤407;若否则执行步骤406;
步骤406:从中选择话题属性匹配的句子模式,若选择到则执行步骤407;若没有选择到从中任意选择一个执行步骤407;
步骤407:判断在该句子模式对应的应答中是否有话题匹配的应答,若没有则执行步骤409;若有则执行步骤408;
步骤408:从话题匹配的应答中任意选择一个反馈给用户;
步骤409:从该句子模式对应的应答中任意选择一个反馈给用户;
步骤410:对所有有冲突的话题进行句子模式匹配;
步骤411:判断是否有匹配的句子模式,若有则执行步骤412;若没有则执行步骤413:
步骤412:任意从所有有冲突问句模式中选择一个,执行步骤407;
步骤413:判断默认应答中是否有话题匹配的应答,若有则执行步骤414;若没有则执行步骤415;
步骤414:从句子模式对应的话题匹配的应答中任意选择一个反馈给用户;
步骤415:从句子模式对应的所有默认应答中任意选择一个反馈给用户。
本发明还提供了一种聊天系统,参见图5,该系统包括:语言信息获取单元、分析单元、话题单元、推理模式及应答单元、发送应答单元、自然语言知识存储单元、话题存储单元、推理模式及应答知识存储单元;
获取单元,用于获取用户输入的自然语言信息;
分析单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
自然语言知识存储单元,用于存储理解自然语言必须的知识;
话题单元,用于通过所述的句子主干与句型、话题词典鉴别该语言信息的话题属性,若为无主题则将前次的话题属性确定为本次的话题属性;确定是否存在多个所述的话题属性;
话题存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
推理模式及应答单元,用于当不存在多个所述的话题属性时,则从预置的句子模式中选择一个与该语言信息匹配的句子模式;若选择到则从所述的句子模式对应的应答信息中选择一个;若没有选择到则从默认应答信息中选择一个;
当存在多个所述的话题属性时,则从预置的句子模式中对每一个话题属性选择一个与该语言信息匹配的句子模式,并从中随机选择一个句子模式,从该句子模式对应的应答信息中选择一个;若没有匹配到的句子模式,则从默认应答信息中选择一个;
推理模式及应答知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
发送应答单元,用于将推理模式及应答单元选择的应答反馈给用户。
以上技术方案可以看出,由于在进行模式匹配前就进行了话题鉴别的过程,降低了模式匹配不到产生的话题无法鉴别的几率;并且进一步在判断为句子话题属性为无主题时,将上一个句子的话题属性赋予此次句子的话题属性,使得在无主题时能够连贯的进行对话。
进一步在判断话题属性有主题时,进而将该次主题与前几次的话题属性进行对比,确定是否发生话题转移,若发生转移在粒度方法确定为无主题时会进行相应的处理,进一步增加了对话的连贯性,提高了用户的满意度。
由于系统自身的存储容量是有限的,为了更好的与用户进行流畅的对话,本发明实施例还可以进行主动的话题转移,使得系统更加智能的与用户进行对话。
以上对本发明实施例提供的一种聊天方法与系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (20)
1、一种聊天方法,其特征在于,该方法包括:
获取输入的语言信息,分析该语言信息的句子主干与确定句型;通过预置的话题词典、所述的句子主干与句型确定该语言信息的话题属性;
判断是否存在对应于所述的句子主干与句型的句子模式,若否则从默认应答中选择一个与所述话题属性相对应的应答反馈,若是则确定一个模式,从该模式对应的应答中选择一个反馈。
2、根据权利要求1所述的聊天方法,其特征在于,确定该语言信息的话题属性的方法具体为:鉴别该语言信息是否为无主题,若是则将前次获取的语言信息的话题属性确定为本次话题属性;
通过在预置的话题属性粒度结构判断确定的本次话题属性在其最小粒度下是否存在多个相同粒度的话题属性;
若不存在,则通过预置的句子模式判断是否存在对应于所述的句子主干与句型的句子模式;
若存在,在判断是否存在对应于所述的句子主干与句型的句子模式前,首先通过预置的话题属性粒度结构将该最小粒度放大,选择到一个包含所有粒度的话题属性,若选择不到则将此次语言信息定为无主题。
3、根据权利要求2所述的聊天方法,其特征在于,在鉴别出此次话题属性有主题时,进一步比较之前的话题属性主题,判断是否发生话题属性转移;
在存在多个相同粒度的话题属性、在粒度放大后确定话题属性为无主题、并且确定话题属性未发生转移的情况下,将前次获取的语言信息的话题属性确定为本次话题属性;在存在多个相同粒度的话题属性、在粒度放大后确定话题属性为无主题、并且确定话题属性发生转移的情况下,将本次话题属性定为无主题。
4、根据权利要求1至3其中之一所述的聊天方法,其特征在于,从默认应答中选择一个与所述话题属性相对应的应答信息进行反馈的方法具体为:
判断此次话题属性是否为无主题,若是,则从默认应答中选择一个进行反馈;
若否,则判断默认应答中是否存在与最小粒度话题属性匹配的应答,若存在则将该应答进行反馈;若不存在则将该话题属性粒度放大,选择一个高粒度话题属性匹配的应答进行反馈,若直到最高粒度仍然选择不到话题属性匹配的应答,则从默认应答中选择一个输出。
5、根据权利要求1所述的聊天方法,其特征在于,
若仅有一个对应于所述的句子主干与句型的句子模式,且话题属性为无主题,则从该句子模式对应的应答中选择一个应答反馈;若话题属性为有主题,则从该句子模式对应的应答中选择一个话题属性匹配的应答反馈。
6、根据权利要求1所述的聊天方法,其特征在于,若存在多个对应于所述的句子主干与句型的句子模式,且话题属性为无主题,则从中选择一个模式匹配度最高的,根据该模式匹配度最高的模式选择一个应答反馈;
若存在多个对应于所述的句子主干与句型的句子模式,且话题属性有主题,则选择一个话题属性匹配的模式,从该模式对应的应答中选择一个话题属性匹配的应答反馈。
7、根据权利要求5或6所述的聊天方法,其特征在于,在话题属性有主题时,从模式对应的应答中选择一个话题属性匹配应答的方法为:
判断所述的对应应答中是否存在与最小粒度话题属性匹配的应答,若存在则将该应答进行反馈;若不存在则将该话题属性粒度放大,选择一个高粒度话题属性匹配的应答进行反馈,若直到最高粒度仍然选择不到,则从所述的对应应答中选择一个输出。
8、根据权利要求5或6所述的聊天方法,其特征在于,若有对应于所述的句子主干与句型的句子模式,但与话题匹配的句子模型数量低于预置的限值时,将该话题属性进行粒度放大,在放大的话题属性粒度基础上,判断与此次话题属性粒度相同的其他话题属性的句子模型是否超过预置的限制,并从中选择一个预置内容最多的话题属性;
若选择到则将从话题属性转移至新话题上,并反馈转移了话题属性的应答;若没有选择到则从默认应答中选择一个与所述话题属性相对应的应答信息进行反馈。
9、一种聊天系统,其特征在于,该系统包括:获取单元、自然语言处理单元、计算语言知识存储单元、话题理解单元、话题词典存储单元、推理单元、推理知识存储单元、发送单元;
获取单元,用于获取用户输入的自然语言信息;
自然语言处理单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
计算语言知识存储单元,用于存储理解自然语言必须的知识;
话题理解单元,用于通过句子主干与句型、话题词典鉴别用户输入的自然语言的话题属性;
话题词典存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
推理单元,用于通过推理知识判断是否存在对应于所述的句子主干与句型的句子模式,若不存在则从默认应答中选择一个与话题相对应的应答;若存在则确定一个模式从该模式对应的应答中选择一个应答;
推理知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
发送单元,用于将推理单元选择的应答反馈给用户。
10、根据权利要求9所述的聊天系统,其特征在于,话题理解单元具体包括:话题鉴别单元、话题粒度判断单元、第一话题选择单元、第二话题选择单元;
话题鉴别单元,用于鉴别获得的自然语言信息的话题属性是否为无主题;
第一话题选择单元,用于通过话题鉴别单元鉴别出无主题的结果,将前次的话题属性置为该次的话题属性;
第二话题选择单元,用于通过话题粒度判断单元判断的存在多个相同粒度的话题结果,将将该粒度基础上进行放大,直到选择到一个包含所有话题粒度的话题;若选择不到则将此次话题属性定为无主题;
话题粒度判断单元,用于通过预置的话题粒度结构判断确定的此次话题属性在其最小粒度下是否存在多个相同粒度的话题;
11、根据权利要求10所述的聊天系统,其特征在于,话题理解单元进一步包括:话题转移判断单元;
话题转移判断单元,用于在话题鉴别单元鉴别出话题属性为有主题时,对比之前多次的话题主题,判断此次话题主题是否发生转移;
第二话题选择单元,进一步用于在确定话题未发生转移,且存在多个相同粒度话题结果、放大粒度后确定为无主题时,将前次的话题主题确定为本次话题主题;在确定话题未发生转移、存在多个相同粒度的话题结果、放大粒度后确定为无主题时,将本次话题定为无主题。
12、根据权利要求9至11其中之一所述的聊天系统,其特征在于,推理单元具体包括:模式判断单元、默认应答选择单元、最小粒度判断单元、默认应答话题选择单元;
模式判断单元,用于通过推理知识判断是否存在对应于所述的句子主干与句型的句子模式;
默认应答选择单元,用于在不存在匹配的句子模式、第二话题选择单元确定话题属性为无主题时,从默认应答中选择一个;
最小粒度判断单元,用于在不存在匹配的句子模式、第二话题选择单元确定话题属性有主题时,判断默认应答中是否存在与其最小粒度话题匹配的应答;
默认应答话题选择单元,用于在判断默认应答中存在与其最小粒度话题匹配的应答时,从所述的话题匹配的应答中选择一个;在判断默认应答中不存在与其最小粒度话题匹配的应答时,从默认应答中选择一个。
13、根据权利要求9所述的聊天系统,其特征在于,推理单元还包括:第一无主题应答选择单元、第一应答选择单元;
第一无主题应答选择单元,用于在模式判断单元判断出仅有一个对应于所述的句子主干与句型的句子模式、且话题属性为无主题时,从该句子对应的应答中选择一个;
第一应答选择单元,用于在模式判断单元判断出仅有一个对应于所述的句子主干与句型的句子模式、且话题属性为有主题时,从该模式对应的应答中选择一个话题匹配的应答。
14、根据权利要求9所述的聊天系统,其特征在于,推理单元还包括:第二无主题应答选择单元、第二应答选择单元;
第二无主题应答选择单元,用于在在模式判断单元判断出有多个对应于所述的句子主干与句型的句子模式、且话题属性为无主题时,从模式匹配度最高的模式对应的应答中选择一个;
第二应答选择单元,还用于在模式判断单元判断出有多个对应于所述的句子主干与句型的句子模式、且话题属性为有主题时,则从话题属性匹配的模式对应的应答中选择一个话题属性匹配的应答。
15、根据权利要求13、14所述的聊天系统,其特征在于,推理单元还包括:限值判断单元、话题转移单元、第三应答选择单元;
推理知识存储单元,进一步用于存储每种模式对应的带有转移话题属性的应答;
限值判断单元,用于判断是否有对应于所述的句子主干与句型的句子模式,但与话题匹配的句子模型数量低于预置的限值;及将话题属性进行粒度放大,在放大的话题属性粒度基础上,判断与此次话题属性粒度相同的其他话题属性的句子模型是否超过预置的限制;
话题转移单元,用于在与此次话题属性粒度相同的其他话题属性的句子模型超过预置的限制,将从话题属性转移至新话题上;
第三应答选择单元,用于在从话题属性转移时从每种模式对应的带有转移话题属性的应答中选择一个应答。
16、一种聊天方法,其特征在于,该方法包括:
获取输入的语言信息,分析该语言信息的句子主干与确定句型;通过所述的句子主干与句型鉴别该语言信息的话题属性,若为无主题则将前次的话题属性确定为本次的话题属性;判断是否存在多个所述的话题属性;
若否,则从预置的句子模式中选择一个与该语言信息匹配的句子模式;若选择到则从所述的句子模式对应的应答信息中选择一个输出;若没有选择到则从默认应答信息中选择一个输出;
若是,则从预置的句子模式中对每一个话题属性选择一个与该语言信息匹配的句子模式,并从中随机选择一个句子模式,从该句子模式对应的应答信息中选择一个输出;若没有匹配到的句子模式,则从默认应答信息中选择一个输出。
17、根据权利要求16所述的聊天方法,其特征在于,从预置的句子模式中,选择一个与该语言信息匹配的句子模式的方法具体为:判断预置的句子模式中是否有所述的语言信息匹配的句子模式;
若有,则判断是否仅存在一个匹配的预置的句子模式;若是,则从所述的句子模式对应的应答信息中选择一个输出;若否,则从多个匹配的预置的句子模式中选择话题属性匹配的句子模式;
若没有,则从默认应答信息中选择一个输出。
18、根据权利要求16或17所述的聊天方法,其特征在于,所述的从默认应答信息中选择一个输出的方法为:判断默认应答信息中是否有话题属性匹配的应答,若没有则随即选择一个;若有则从话题属性匹配的应答信息中选择一个输出。
19、根据权利要求16或17其中之一所述的聊天方法,其特征在于,从所述的句子模式对应的应答信息中选择一个的方法具体为:判断所述对应的应答信息中是否有话题属性匹配的应答,若有则从话题属性匹配的应答中随机选择一个输出;若没有则从所有对应的应答信息中选择一个输出。
20、一种聊天系统,其特征在于,该系统包括:语言信息获取单元、分析单元、话题单元、推理模式及应答单元、发送应答单元、自然语言知识存储单元、话题存储单元、推理模式及应答知识存储单元;
语言信息获取单元,用于获取用户输入的自然语言信息;
分析单元,用于通过计算语言知识分析所述的自然语言信息,确定该自然语言信息的句子主干与句型;
自然语言知识存储单元,用于存储理解自然语言必须的知识;
话题单元,用于通过所述的句子主干与句型、话题词典鉴别该语言信息的话题属性,若为无主题则将前次的话题属性确定为本次的话题属性;确定是否存在多个所述的话题属性;
话题存储单元,用于存储话题词典,该词典包括自然语言信息中关键词与话题之间的关联关系;
推理模式及应答单元,用于当不存在多个所述的话题属性时,则从预置的句子模式中选择一个与该语言信息匹配的句子模式;若选择到则从所述的句子模式对应的应答信息中选择一个;若没有选择到则从默认应答信息中选择一个;
当存在多个所述的话题属性时,则从预置的句子模式中对每一个话题属性选择一个与该语言信息匹配的句子模式,并从中随机选择一个句子模式,从该句子模式对应的应答信息中选择一个;若没有匹配到的句子模式,则从默认应答信息中选择一个;
推理模式及应答知识存储单元,用于存储对用户输入的自然语言信息匹配的各种句子模式;每种模式对应的带有话题属性的应答和带有话题属性的默认应答;
发送应答单元,用于将推理模式及应答单元选择的应答反馈给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100895774A CN101071418B (zh) | 2007-03-29 | 2007-03-29 | 聊天方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100895774A CN101071418B (zh) | 2007-03-29 | 2007-03-29 | 聊天方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101071418A true CN101071418A (zh) | 2007-11-14 |
CN101071418B CN101071418B (zh) | 2010-06-23 |
Family
ID=38898645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007100895774A Active CN101071418B (zh) | 2007-03-29 | 2007-03-29 | 聊天方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101071418B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098395A (zh) * | 2009-12-11 | 2011-06-15 | 深圳先进技术研究院 | 气象信息短信服务系统及方法 |
CN102737049A (zh) * | 2011-04-11 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 一种数据库的查询方法和系统 |
CN103413549A (zh) * | 2013-07-31 | 2013-11-27 | 深圳创维-Rgb电子有限公司 | 语音交互的方法、系统以及交互终端 |
CN105513593A (zh) * | 2015-11-24 | 2016-04-20 | 南京师范大学 | 一种语音驱动的智能人机交互方法 |
CN105843794A (zh) * | 2016-03-21 | 2016-08-10 | 广东欧珀移动通信有限公司 | 适应性聊天方法及装置 |
CN106599196A (zh) * | 2016-12-14 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 一种人工智能对话方法及系统 |
CN106656732A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种基于场景信息获取聊天回复内容的方法及装置 |
WO2017076205A1 (zh) * | 2015-11-04 | 2017-05-11 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
CN107085568A (zh) * | 2017-03-29 | 2017-08-22 | 腾讯科技(深圳)有限公司 | 一种文本相似度判别方法及装置 |
CN107292696A (zh) * | 2017-04-27 | 2017-10-24 | 深圳虫门科技有限公司 | 一种汽车智能导购系统以及实现方法 |
CN107870994A (zh) * | 2017-10-31 | 2018-04-03 | 北京光年无限科技有限公司 | 用于智能机器人的人机交互方法及系统 |
CN108268443A (zh) * | 2017-12-21 | 2018-07-10 | 北京百度网讯科技有限公司 | 确定话题点转移以及获取回复文本的方法、装置 |
CN108319599A (zh) * | 2017-01-17 | 2018-07-24 | 华为技术有限公司 | 一种人机对话的方法和装置 |
WO2019144858A1 (zh) * | 2018-01-23 | 2019-08-01 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
CN111382236A (zh) * | 2018-12-27 | 2020-07-07 | 上海智臻智能网络科技股份有限公司 | 一种交互流程间的切换方法及其装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460033A (zh) * | 2017-02-17 | 2018-08-28 | 微软技术许可有限责任公司 | 在自动聊天中提供响应 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003085550A1 (en) * | 2002-04-11 | 2003-10-16 | P To Pa, Inc. | Conversation control system and conversation control method |
JP2005010691A (ja) * | 2003-06-20 | 2005-01-13 | P To Pa:Kk | 音声認識装置、音声認識方法、会話制御装置、会話制御方法及びこれらのためのプログラム |
JP2005157494A (ja) * | 2003-11-20 | 2005-06-16 | Aruze Corp | 会話制御装置及び会話制御方法 |
-
2007
- 2007-03-29 CN CN2007100895774A patent/CN101071418B/zh active Active
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098395B (zh) * | 2009-12-11 | 2014-01-08 | 深圳先进技术研究院 | 气象信息短信服务系统及方法 |
CN102098395A (zh) * | 2009-12-11 | 2011-06-15 | 深圳先进技术研究院 | 气象信息短信服务系统及方法 |
CN102737049A (zh) * | 2011-04-11 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 一种数据库的查询方法和系统 |
CN103413549B (zh) * | 2013-07-31 | 2016-07-06 | 深圳创维-Rgb电子有限公司 | 语音交互的方法、系统以及交互终端 |
CN103413549A (zh) * | 2013-07-31 | 2013-11-27 | 深圳创维-Rgb电子有限公司 | 语音交互的方法、系统以及交互终端 |
WO2017076205A1 (zh) * | 2015-11-04 | 2017-05-11 | 陈包容 | 一种获取聊天发起句的回复提示内容的方法及装置 |
CN106656732A (zh) * | 2015-11-04 | 2017-05-10 | 陈包容 | 一种基于场景信息获取聊天回复内容的方法及装置 |
CN105513593B (zh) * | 2015-11-24 | 2019-09-17 | 南京师范大学 | 一种语音驱动的智能人机交互方法 |
CN105513593A (zh) * | 2015-11-24 | 2016-04-20 | 南京师范大学 | 一种语音驱动的智能人机交互方法 |
CN105843794A (zh) * | 2016-03-21 | 2016-08-10 | 广东欧珀移动通信有限公司 | 适应性聊天方法及装置 |
CN106599196A (zh) * | 2016-12-14 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 一种人工智能对话方法及系统 |
CN106599196B (zh) * | 2016-12-14 | 2021-07-16 | 竹间智能科技(上海)有限公司 | 一种人工智能对话方法及系统 |
US11308405B2 (en) | 2017-01-17 | 2022-04-19 | Huawei Technologies Co., Ltd. | Human-computer dialogue method and apparatus |
CN113505205A (zh) * | 2017-01-17 | 2021-10-15 | 华为技术有限公司 | 一种人机对话的系统和方法 |
CN108319599A (zh) * | 2017-01-17 | 2018-07-24 | 华为技术有限公司 | 一种人机对话的方法和装置 |
CN107085568A (zh) * | 2017-03-29 | 2017-08-22 | 腾讯科技(深圳)有限公司 | 一种文本相似度判别方法及装置 |
CN107085568B (zh) * | 2017-03-29 | 2022-11-22 | 腾讯科技(深圳)有限公司 | 一种文本相似度判别方法及装置 |
CN107292696A (zh) * | 2017-04-27 | 2017-10-24 | 深圳虫门科技有限公司 | 一种汽车智能导购系统以及实现方法 |
CN107870994A (zh) * | 2017-10-31 | 2018-04-03 | 北京光年无限科技有限公司 | 用于智能机器人的人机交互方法及系统 |
CN108268443A (zh) * | 2017-12-21 | 2018-07-10 | 北京百度网讯科技有限公司 | 确定话题点转移以及获取回复文本的方法、装置 |
WO2019144858A1 (zh) * | 2018-01-23 | 2019-08-01 | 苏州思必驰信息科技有限公司 | 人机对话方法及电子设备 |
US11735163B2 (en) | 2018-01-23 | 2023-08-22 | Ai Speech Co., Ltd. | Human-machine dialogue method and electronic device |
CN111382236A (zh) * | 2018-12-27 | 2020-07-07 | 上海智臻智能网络科技股份有限公司 | 一种交互流程间的切换方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101071418B (zh) | 2010-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101071418B (zh) | 聊天方法与系统 | |
CN108509619B (zh) | 一种语音交互方法及设备 | |
Young et al. | Augmenting end-to-end dialogue systems with commonsense knowledge | |
CN108932945B (zh) | 一种语音指令的处理方法及装置 | |
CN102165435B (zh) | 使用因特网语料库的自动上下文相关语言产生、校正和增强 | |
CN104598445B (zh) | 自动问答系统和方法 | |
CN104076944A (zh) | 一种聊天表情输入的方法和装置 | |
CN101820398A (zh) | 一种动态管理通讯组的即时通讯工具及其方法 | |
CN104679910A (zh) | 智能应答方法及系统 | |
CN103336766A (zh) | 短文本垃圾识别以及建模方法和装置 | |
CN108538294B (zh) | 一种语音交互方法及装置 | |
CN103268313A (zh) | 一种自然语言的语义解析方法及装置 | |
CN102073704B (zh) | 文本分类处理方法和系统以及设备 | |
CN108009297B (zh) | 基于自然语言处理的文本情感分析方法与系统 | |
CN103313248A (zh) | 一种识别垃圾信息的方法和装置 | |
CN112417127A (zh) | 对话模型的训练、对话生成方法、装置、设备及介质 | |
CN109614626A (zh) | 基于万有引力模型的关键词自动抽取方法 | |
Geierhos | Customer interaction 2.0: Adopting social media as customer service channel | |
CN117493513A (zh) | 一种基于向量和大语言模型的问答系统及方法 | |
CN106708950B (zh) | 用于智能机器人自学习系统的数据处理方法及装置 | |
CN109992651B (zh) | 一种问题目标特征自动识别和抽取方法 | |
CN106649730A (zh) | 一种基于社交网络短文本流的用户聚类和短文本聚类方法 | |
CN111736804B (zh) | 一种基于用户评论识别App关键功能的方法及装置 | |
Sheeba et al. | A fuzzy logic based on sentiment classification | |
CN101329668A (zh) | 一种信息规则生成方法及装置、信息类型判断方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160106 Address after: The South Road in Guangdong province Shenzhen city Fiyta building 518057 floor 5-10 Nanshan District high tech Zone Patentee after: Shenzhen Tencent Computer System Co., Ltd. Address before: 2, 518044, East 410 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District Patentee before: Tencent Technology (Shenzhen) Co., Ltd. |