CN104598445B - 自动问答系统和方法 - Google Patents

自动问答系统和方法 Download PDF

Info

Publication number
CN104598445B
CN104598445B CN201310535062.8A CN201310535062A CN104598445B CN 104598445 B CN104598445 B CN 104598445B CN 201310535062 A CN201310535062 A CN 201310535062A CN 104598445 B CN104598445 B CN 104598445B
Authority
CN
China
Prior art keywords
user
answer
type
information
alternative
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
CN201310535062.8A
Other languages
English (en)
Other versions
CN104598445A (zh
Inventor
林芬
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.)
Tencent Technology Shenzhen Co Ltd
Tencent Cloud Computing Beijing Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201310535062.8A priority Critical patent/CN104598445B/zh
Priority to PCT/CN2014/089717 priority patent/WO2015062482A1/en
Publication of CN104598445A publication Critical patent/CN104598445A/zh
Priority to US15/144,373 priority patent/US20160247068A1/en
Application granted granted Critical
Publication of CN104598445B publication Critical patent/CN104598445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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 OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Abstract

本申请公开了一种自动问答系统和方法，包括：用户输入模块，用于接收提问用户输入的问题信息；问题分析模块，用于分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型；语义检索与排序模块，用于根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；输出模块，用于输出排序在前指定位的备选回答。利用本发明，可以降低采集成本，提高自动问答系统的回答成功率。

Description

自动问答系统和方法
技术领域
本申请涉及人机智能交互技术领域，尤其涉及一种自动问答系统和方法。
背景技术
自动问答系统是指以自然语言理解技术为核心，使得计算机能够理解用户的谈话内容，实现人与计算机之间的有效交流沟通。其中，目前在计算机客服系统中普遍采用的聊天机器人系统就是一种自动问答系统，它是一种通过自然语言技术，能够自动与用户对话的人工智能系统。
现有技术中的自动问答系统一般是基于聊天问答库的文本对话系统，即用户输入文本，系统通过关键词检索和规则匹配，找到最优的匹配文本作为回答信息返回给用户。
现有的自动问答系统通常包括：用户交互模块、检索模块和聊天问答库模块。
所述用户交互模块用于通过交互界面与用户进行交互，接收用户输入的问题信息，并将回答结果返回给用户界面上。
所述聊天问答库用于设置存储各种聊天问答对，例如用户在聊天机器人系统中输入文本“你好”，聊天机器人返回回答结果“你好，我是XX”，则文本“你好”和“你好，我是XX”就是一个聊天问答对。其中用户输入“你好”，称为一个问题信息，系统返回“你好，我是XX”，称为一个回答结果。
所述检索模块用于根据用户输入的问题信息，到聊天问答库中按照关键词和规则检索匹配所述问题信息的回答结果。
但是，现有技术的自动问答系统虽然在一定程度上实现了与用户自动对话，但是还存在以下缺点：
目前聊天机器人系统通常需要海量的聊天问答库，也就是说聊天问答库中的聊天问答对的内容必须覆盖用户所有可能提出的问题，这样就会导致运营厂商需要通过长期的运营和采集工作，才能得到一个完整覆盖用户所有可能提出的问题的聊天问答库，导致运营厂商需要消耗大量的运营采集成本，而且聊天问答库需要存储海量的聊天问答对，会占用大量的存储资源。并且，如果用户输入在聊天问答库中没有匹配的问答对，则系统就会无法回答，导致问答失败，或者一般的补救方法是转移话题，或者随机给出一个回答，这样给出的回答结果与用户输入的问题的匹配度很低，相当于回答失败。
发明内容
有鉴于此，本发明的主要目的是提供一种自动问答系统和方法，以降低采集成本，提高自动问答系统的回答成功率。
本发明的技术方案是这样实现的：
一种自动问答系统，包括：
用户输入模块，用于接收提问用户输入的问题信息；
问题分析模块，用于分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型；
语义检索与排序模块，用于根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；
输出模块，用于输出排序在前指定位的备选回答。
一种自动问答方法，包括：
接收提问用户输入的问题信息；
分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型；
根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；
输出排序在前指定位的备选回答。
与现有技术相比，本发明在接收到用户输入的问题信息后，不但要确定关键词，而且还要确定问题类型和用户意图类型，并根据所述问题信息、所确定的关键词、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；最后输出排序在前指定位的备选回答，一般是输出排名第一的备选回答。这样，通过对问题类型和用户意图类型的分析，并加入了类别树的匹配方法，在问答库中没有匹配到问答对时，或者问答库中匹配到的答案的匹配相关性不高时，可以从类别树中匹配到答案，提高自动问答系统的回答成功率，由于类别树节点规模都不会太大（一般都小于1千），在成本有限的情况下，问答库不必完整覆盖用户所有可能提出的问题，也可以完成一个较高的回答成功率，因此还可以降低对问答库的运营和采集成本，节省问答库所占用的存储资源。
附图说明
图1a为本发明所述自动问答系统的一种实施例的组成示意图；
图1b为本发明所述自动问答系统的又一种实施例的组成示意图;
图2为本发明所述问题分析模块的一种组成示意图；
图3为本发明所述语义检索与排序模块的一种组成示意图；
图4所示为一种公众角色的聊天机器人所对应的类别树示意图；
图5a为本发明所述自动问答方法的一种实施例的流程示意图；
图5b为本发明所述自动问答方法的又一种实施例的流程示意图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
图1a为本发明所述自动问答系统的一种实施例的组成示意图。参见图1a，这种实施例可以适用于只要求用户通过文本输入问题信息的场景，该自动问答系统具体包括：
用户输入模块10，用于接收提问用户输入的问题信息。
问题分析模块30，用于分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型；也就是说，该模块主要是将用户输入的问题信息转化为机器可以理解形式的信息。
语义检索与排序模块40，用于根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从预设的问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；
输出模块50，用于输出排序在前指定位的备选回答。如排序最高的前1位备选回答或前n位备选回答，n为正整数。
在图1a所述的实施例中，所述输入的问题信息可以是文本信息，所述用户输入模块10可以提供用户输入文本的界面，例如一个聊天窗口等，提问用户可以通过这个聊天窗口以文本形式输入所要提问的问题信息。
图1b为本发明所述自动问答系统的又一种实施例的组成示意图，参见图1b，该实施例中，适用于用户输入的问题信息为语音输入的场景，与上述图1a所述的实施例的区别在于，所述用户输入模块10可以提供用于输入语音的模块，如音频输入模块，可以外接话筒，接收用户输入的语音信息；并且在该实施例中，该自动问答系统除了所述用户输入模块10、问题分析模块30、语义检索与排序模块40、和输出模块50之外，在用户输入模块10和问题分析模块30之间进一步包括语音识别模块20。所述用户输入模块10在接收到用户输入的问题信息为语音信息时，将该语音信息发送到所述语音识别模块20。所述语音识别模块20用于对所述语音信息进行识别，将语音信息转换为文本表达形式即转换为对应的文本信息，再将识别结果即对应的文本信息输入问题分析模块30，这样可以实现用户与自动聊天系统之间的语音问答对话，能够带给用户的真实感和新鲜感；所述用户输入模块10在接收到用户输入的问题信息为文本信息时，则将该文本信息直接传送给所述问题分析模块30。具体的如何将语音信息识别为文本信息，可以参考现有的语音识别技术，本文不再赘述。
下面详述问题分析模块30和语义检索与排序模块40。
图2为本发明所述问题分析模块30的一种组成示意图。该问题分析模块30具体包括：
分词模块31，用于对所述问题信息进行分词和/或词性标注。
关键词模块32，用于根据所述分词模块的处理结果，确定关键词集合。
该关键词模块32具体用于：从所述分词模块31的处理结果中识别实体词，提取出核心词，对所述核心词进行扩展得到扩展词，将所述核心词和扩展词作为关键词集合输出。
更为具体的，该关键词模块32需要执行以下步骤：
1）实体词识别：基于实体词表和CRF模型，从所述分词模块31的处理结果中识别出实体词。
2）核心词提取：从所述分词模块31的处理结果中提取备选词，包括一元、二元、三元、实体词，并计算词权重，过滤掉低于指定阈值的词组，得到核心词。其中，对于计算词权重，在一种具体实施例中可采用TF-IDF权重，TF即备选词当前出现的次数，IDF是备选词在统计语料中由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。词权重也可以采用其他方法得到，例如topic model方法等。
3）核心词扩展：确定所述核心词的同义词和相关词，将所述同义词和相关词作为扩展词，再计算扩展词权重，并按照权重对扩展词排序，过滤掉低于阈值的扩展词，这些核心词和扩展词构成需要的关键词集合。
问题类型分析模块33，用于根据关键词模块32所确定的关键词集合确定问题类型。
具体的，本发明需要预先按照疑问短语对问题进行分类，如表1是一种具体的问题类型的问题类型分类表的举例说明，本发明需要预先存储如表1所示例的问题类型分类表，问题类型分析模块33到所述问题类型分类表中查询与所述关键词集合匹配的疑问短语，将匹配的疑问短语对应的问题类型作为所确定的问题类型输出。
问题类型 疑问短语举例 问题举例
询问人 谁/哪位/什么人 你是谁
询问时间 什么时候/何时/哪年 什么时候可以见到你
询问地点和位置 在哪/哪里/什么地方 你住在什么地方
询问原因 为什么/怎么回事 天为什么是蓝色的
询问数量 多少/多大/多高/几个 你多大了
询问定义 是什么/什么是/什么叫 什么是爱情
表1
用户意图分析模块34，用于根据关键词模块所确定的关键词集合和存储的用户模型，确定用户意图类型。
具体的，所述用户模型主要包括用户个人资料、用户类型和用户对话历史等用户信息，用户模型可以预先采集和建立。其中用户个人资料一般包括用户标识（如ID）、性别、年龄、职业、兴趣等；用户类型一般可根据用户年龄、职业和兴趣分为年轻用户、知性用户、文艺用户、理性用户等；对话历史信息为该用户在相关的通信系统中所保留的对话历史记录等，其中包括了用户最近输入的上下文信息。
用户意图类型例如可以是以下类：个人信息类、问候类、三俗类、过滤类、知识类等，表2是一种具体的用户意图类型分类表的举例说明，本发明需要预先存储如表2所示例的用户意图类型分类表。用户意图类型的识别需要结合关键词模块所确定的关键词集合和用户模型中的上下文信息，对照所述用户意图类型分类表进行分析匹配，从用户意图类型分类表中查询得到用户意图类型。并还可以进一步调整用户模型。
用户意图类型 用户输入的上下文信息、关键词集合举例
个人信息类 你叫什么；你是男是女；你家在哪；你的联系方式
问候类 你好；很高兴见到你；哈喽；早上好；hello；好啊
过滤类 毒品；
知识类 今日天气；天为什么是蓝色；清华怎么走；附近好吃的
表2
图3为本发明所述语义检索与排序模块40的一种组成示意图。该语义检索与排序模块40主要用于通过问答库检索和类别树检索，找到所有备选回答，根据检索相关性和用户模型排序，返回最适合用户的当前问题的回答。参见图3，该语义检索与排序模块40具体包括：
问答库检索模块41，用于从问答库中检索出与所述关键词集合匹配的备选回答，计算所述备选回答与问题信息的检索相关性。
类别树检索模块42，用于根据预设的模板设置和模型设置，从类别树中检索出与所述问题信息、关键词集合、用户意图类型匹配的备选回答，计算所述备选回答的类别数检索相关性。
回答排序模块43，用于根据所述备选回答的检索相关性，计算所述备选回答的总相关性，对所述备选回答按照总相关性排序。
在所述问答库检索模块41中，可以对问答库中的问题建立关键词索引，通过前述提取的关键词集合，检索得到所有匹配的问答对，得到备选回答。在建立问答库的过程中，其中各个备选回答还需要设置对应的回答形式（如语音、文本、图片等）、备选回答类型、对应的问题类型等。所述备选回答类型和用户模型中的用户类型是对应的，所述问题类型和所述问题类型分析模块分析出的问题类型是对应的，也可以如表1所示分为“询问人”、“询问时间”、“询问地点和位置”等。
所述备选回答与问题信息的检索相关性可以用匹配概率sim(x)来表示，sim(x)就是每个备选回答的问题与用户提问的相似度，在一种实施例中可以采用编辑距离，也就是字面上的相似程度来计算该sim(x)。当然也可以采用其他方法得到，例如欧式距离、topic语义距离等。所述问答库中的问题表示形式限定为文本形式，但回答形式可以包括文本、语音、图片、音频、视频等各种形式。另外回答采用通用标签形式，这样可以灵活定制符合不同角色需求的回答。如表3是一种问答库的问答对举例说明，其中回答中\name、\function为定义的标签，表示当前角色名字和功能，由于篇幅有限，其中的回答类型和问题类型没有举例出来。问答库获取方式可以采用多种，只要得到用户问题到回答这样的问答对即可，一般是离线人工编辑或者半自动学习得到。
表3
所述类别树是本发明所建立的一种树状结构的设置信息的存储方式。本发明中聊天机器人是可以分角色的，其中每种角色都可以对应一个类别树。如图4所示为一种公众角色的聊天机器人所对应的类别树示意图。参见图4，类别树呈树状结构，每个节点都对应有模型设置，模型设置是每个节点分类模型，每个节点就是一种用户意图类型，其模型设置中包括该用户意图类型所对应的回答文本，还可以包括每种回答的回答形式、回答类型、对应的问题类型等。所述回答形式例如可以是语音、文本、图片、音频、视频等各种形式；所述回答类型和用户模型中的用户类型是对应的，所述问题类型和所述问题类型分析模块分析出的问题类型是对应的，也可以如表1所示分为“询问人”、“询问时间”、“询问地点和位置”等。
所述类别树中的每个节点又可以包括多个细分的模板设置，每个模板设置就是一个更为具体细致的问题与回答的匹配信息，其中也包括具体的某种问题信息、关键词集合所对应的某种具体的回答文本，以及每种回答的回答形式、回答类型等内容。如表4为一种类别树上具体节点所配置信息的举例说明，由于篇幅有限，其中的回答类型和对应的问题类型没有举例出来。
表4
本发明中所述类别树检索模块42从类别树中检索出与所述问题信息、关键词集合、用户意图类型匹配的备选回答的方法主要包括：
步骤1）首先利用所述问题信息、关键词集合，检索所述类别树上各个节点的模板设置，判断是否能够匹配命中其中某个或某几个模板设置，如果命中则将该模板设置对应的回答文本作为备选回答，并且计算每个备选回答的类别树检索相关性match(x)；如果没有命中任何一个模板设置，则执行下一步。
例如，用户提问“你啥时候结婚”，这样就命中了结婚节点中的某个具体模板设置，即“[结婚]+(时间|时候|计划|打算|安排)”，那么会将该模板设置对应的回答文本作为备选回答。
此步骤1）中，对于模板设置，关于所述类别树检索相关性match(x)的计算，就是计算模板的cover程度，即模板命中的长度除以整个问题的长度，例如用户提问“你啥时候结婚”，命中模板“[结婚]+(时间|时候|计划|打算|安排)”，命中的长度是“时候结婚”，则match(x)=4/6=0.67。
步骤2）利用所述用户意图类型，检索所述类别树上各个节点的模型设置，由于本发明所述类别树上的各个节点的模型设置的用户意图类型可以覆盖所述用户意图分析模块34中的候选用户意图类型，因此所述用户意图分析模块34输出的用户意图类型会匹配到所述类别树上的某个节点，那么该节点的模型设置中对应的回答文本就可以作为备选回答，并且计算每个备选回答的类别树检索相关性match(x)。
例如，用户提问“你的家乡在哪里”，用户意图分析模块分析出的用户意图类型是“个人资料类”，这样会匹配到图4所述类别树上的个人资料节点。
此步骤2）中，对于模型设置，关于所述类别树检索相关性match(x)的计算，就是计算用户意图强度，例如用户提问“你的家乡在哪里”，用户意图分析模块出是“个人资料类”，意图强度为0.8，则match(x)=0.8。这里意图强度是作为一个分类问题训练预测得到，详细方法可以参考现有技术，此处不再赘述。
所述回答排序模块43用于根据所述备选回答的检索相关性，计算所述备选回答的总相关性，对所述备选回答按照总相关性排序；最后由所述输出模块输出排序在前指定位的备选回答。
具体的，所述回答排序模块43可以根据用户模型，对问答库和类别树检索结果进行排序，计算每个备选回答x的总相关性p(x)，返回最优回答到输出模块50。由于问答库是针对每个具体问题设置回答，回答描述更为精确，而类别树是针对每类问题设置问答，回答一般比较模糊。此处排序模块在概率同等情况下，优先返回问答库的备选回答。同时为了更有真实感，优先于用户类型一致的回答和语音回答。其中相关性计算可采用各种计算方法，例如：
在一种实施例中，所述回答排序模块43进一步用于：判断所述备选回答的回答形式是否为指定形式，在所述备选回答的回答形式为指定形式时，增加该备选回答的总相关性。例如所述备选回答的回答形式是否为语音形式，如果是则增加该备选回答的总相关性p(x)。
另一种实施例中，所述回答排序模块43进一步用于：从所存储的用户模型中获取所述提问用户的用户类型信息，判断所述备选回答的回答类型是否与所述用户类型一致，在所述备选回答的回答类型与所述用户类型一致时，增加该备选回答的总相关性p(x)。
在另一种实施例中，所述回答排序模块43还可以进一步用于：判断所述备选回答的问题类型是否与所述问题分析模块30所确定的问题类型一致，在所述备选回答的问题类型与所述问题分析模块30所确定的问题类型一致时，增加该备选回答的总相关性p(x)。
此处给出一个简单的所述回答排序模块计算p(x)的实施例方法，该实施例方法如公式1所示。
p(x)=α.sim(x)+β.match(x)+θ.voice(x)+δ.user(x)+σ.type(x) 公式1
其中：p(x)表示当前备选回答x的总相关性；sim(x)表示所述备选回答与问答对的问题信息的检索相关性，对于类别树的检索结果该sim(x)为0；match(x)表示所述备选回答的类别数检索相关性，对于问答库的检索结果，该match(x)为0；voice(x)表示备选回答的回答形式是否为语音形式，如果是语音形式，则该voice(x)为1，否则voice(x)为0；user(x)表示备选回答的回答类型是否与用户模型中的用户类型一致，如果一致，则user(x)为1，否则为0；type(x)表示备选回答的问题类型是否符合所述分析出的问题类型，如果符合，则该type(x)为1，否则为0；其中，参数设置满足1>α>β>δ>θ>σ>0。
本发明中，由于类别树节点规模都不会太大（一般都小于1千），因此在类别树节点上，可以定制用户个性化回答，如附图4中对不同类型用户可以给出不同回答。
所述类别树的创建过程需要大量离线挖掘，不同角色的机器人的类别树一般是不一样的。不过离线挖掘的过程基本是一样的，都是在大量该角色相关问题上，通过对问题文本相似度聚类和主题聚类得到。如图4所示的公众人角色的类别树，该类别树覆盖面非常全面，用户与该角色的大部分对话都可以匹配到类别树上某一个节点，这样也就能够做到少量通用回答就能达到一定真实度的对话，从而可以利用少量的运营和采集成本就可以覆盖多种不同的角色，同时问答库不必完整覆盖用户所有可能提出的问题，就也可以采用问答库和类别树的搭配完成一个较高的回答成功率，因此还可以降低对问答库的运营和采集成本，节省问答库所占用的存储资源。
由于本发明设置问答库和类别树的成本较低，因此本发明可以是一种通用的自动聊天系统，不同角色只要设置自己角色相关的问答库和类别树，就可以作为该角色与用户聊天。例如：招聘角色，将招聘相关问答对录入问答库，将招聘规则（招聘时间、面试成绩等）等录入类别树，就实现了招聘相关的自动对话。而游戏角色，将游戏相关问题对录入问答库，将游戏规则（激活码、道具等）录入类别树，就实现了该游戏相关的自动对话。也就是说，各个角色都只需配置角色相关的问答库对和类别树即可。
另外，现有技术的自动问答系统与用户对话缺少个性，针对一个问题的回答对任何用户来说都是一样的或者是多个回答中随机挑选一个，没有考虑用户的上下文和用户个人因素，而本发明可以充分利用用户模型中的上下文和用户个人因素，从而使得回答具备个性化差异，使得用户与机器人的对话更加真实，灵活。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述各实施例的功能模块可以位于一个终端或网络节点，或者也可以分布到多个终端或网络节点上。
与上述自动问答系统对应，本发明还公开了一种自动问答方法，可以由上述自动问答系统执行。图5a为本发明所述自动问答方法的一种实施例的流程示意图，参见图5a，该方法主要包括：
步骤501、接收提问用户输入的问题信息；
步骤502、分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型；
步骤503、根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序；
步骤504、输出排序在前指定位的备选回答。如排序最高的前1位备选回答或前n位备选回答，n为正整数。
在图5a所述的实施例中，所述输入的问题信息可以是文本信息，本发明可以提供用户输入文本的界面，例如一个聊天窗口等，提问用户可以通过这个聊天窗口以文本形式输入所要提问的问题信息。
图5b为本发明所述自动问答方法的又一种实施例的流程示意图，参见图5b，该实施例中，适用于用户输入的问题信息为语音输入的场景，与上述图5a所述的实施例的区别在于，该实施例可以提供用于输入语音的模块，如音频输入模块，可以外接话筒，接收用户输入的语音信息；并且在该实施例中，在步骤501之后，进一步包括步骤511，即：如果接收到用户输入的问题信息为语音信息时，可以对所述语音信息进行识别，将语音信息转换为文本表达形式即转换为对应的文本信息，再将识别结果即对应的文本信息输入后续步骤502，这样可以实现用户与自动聊天系统之间的语音问答对话，能够带给用户的真实感和新鲜感；所述步骤501在接收到用户输入的问题信息为文本信息时，则将该文本信息直接传送给后续的步骤502。具体的如何将语音信息识别为文本信息，可以参考现有的语音识别技术，本文不再赘述。
一种优选实施例中，步骤502所述分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型，具体包括：
步骤521、对所述问题信息进行分词和/或词性标注。
步骤522、根据所述分词模块的处理结果，确定关键词集合；具体包括：
从所述分词模块的处理结果中识别实体词，提取出核心词，对所述核心词进行扩展得到扩展词，将所述核心词和扩展词作为关键词集合输出。
步骤523、根据关键词模块所确定的关键词集合确定问题类型。
步骤524、根据关键词模块所确定的关键词集合和存储的用户模型，确定用户意图类型。
具体的，所述步骤522具体包括：
步骤5221、实体词识别：基于实体词表和CRF模型，从所述步骤521的处理结果中识别出实体词。
步骤5222、核心词提取：从所述步骤521的处理结果中提取备选词，包括一元、二元、三元、实体词，并计算词权重，过滤掉低于指定阈值的词组，得到核心词。其中，对于计算词权重，在一种具体实施例中可采用TF-IDF权重，TF即备选词当前出现的次数，IDF是备选词在统计语料中由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。词权重也可以采用其他方法得到，例如topic model方法等。
步骤5223、核心词扩展：确定所述核心词的同义词和相关词，将所述同义词和相关词作为扩展词，再计算扩展词权重，并按照权重对扩展词排序，过滤掉低于阈值的扩展词，这些核心词和扩展词构成需要的关键词集合。
在一种优选实施例中，所述步骤503具体包括：
步骤531、从问答库中检索出与所述关键词集合匹配的备选回答，计算所述备选回答与问题信息的检索相关性。
步骤532、用于根据预设的模板设置和模型设置，从类别树中检索出与所述问题信息、关键词集合、用户意图类型匹配的备选回答，计算所述备选回答的类别数检索相关性。
步骤533、根据所述备选回答的检索相关性，计算所述备选回答的总相关性，对所述备选回答按照总相关性排序。
在所述步骤532中，又具体包括：
步骤5321、首先利用所述问题信息、关键词集合，检索所述类别树上各个节点的模板设置，判断是否能够匹配命中其中某个或某几个模板设置，如果命中则将该模板设置对应的回答文本作为备选回答，并且计算每个备选回答的类别树检索相关性match(x)；如果没有命中任何一个模板设置，则执行下一步5322。
例如，用户提问“你啥时候结婚”，这样就命中了结婚节点中的某个具体模板设置，即“[结婚]+(时间|时候|计划|打算|安排)”，那么会将该模板设置对应的回答文本作为备选回答。
此步骤5321中，对于模板设置，关于所述类别树检索相关性match(x)的计算，就是计算模板的cover程度，即模板命中的长度除以整个问题的长度，例如用户提问“你啥时候结婚”，命中模板“[结婚]+(时间|时候|计划|打算|安排)”，命中的长度是“时候结婚”，则match(x)=4/6=0.67。
步骤5322、利用所述用户意图类型，检索所述类别树上各个节点的模型设置，由于本发明所述类别树上的各个节点的模型设置的用户意图类型可以覆盖所述用户意图分析模块34中的候选用户意图类型，因此所述用户意图分析模块34输出的用户意图类型会匹配到所述类别树上的某个节点，那么该节点的模型设置中对应的回答文本就可以作为备选回答，并且计算每个备选回答的类别树检索相关性match(x)。
例如，用户提问“你的家乡在哪里”，用户意图分析模块分析出的用户意图类型是“个人资料类”，这样会匹配到图4所述类别树上的个人资料节点。
此步骤5322中，对于模型设置，关于所述类别树检索相关性match(x)的计算，就是计算用户意图强度，例如用户提问“你的家乡在哪里”，用户意图分析模块出是“个人资料类”，意图强度为0.8，则match(x)=0.8。这里意图强度是作为一个分类问题训练预测得到，详细方法可以参考现有技术，此处不再赘述。
具体的，所述步骤533可以根据用户模型，对问答库和类别树检索结果进行排序，计算每个备选回答x的总相关性，返回最优回答输出给用户。由于问答库是针对每个具体问题设置回答，回答描述更为精确，而类别树是针对每类问题设置问答，回答一般比较模糊。此处排序模块在概率同等情况下，优先返回问答库的备选回答。同时为了更有真实感，优先于用户类型一致的回答和语音回答。其中相关性计算可采用各种计算方法，例如：
在一种优选实施例中，该步骤533中可以进一步包括：判断所述备选回答的回答形式是否为指定形式，在所述备选回答的回答形式为指定形式时，增加该备选回答的总相关性。
在又一种优选实施例中，该步骤533中可以进一步包括：从所存储的用户模型中获取所述提问用户的用户类型信息，判断所述备选回答的回答类型是否与所述用户类型一致，在所述备选回答的回答类型与所述用户类型一致时，增加该备选回答的总相关性。
在又一种优选实施例中，该步骤533中可以进一步包括：判断所述备选回答的问题类型是否与所述问题分析模块30所确定的问题类型一致，在所述备选回答的问题类型与所述问题分析模块30所确定的问题类型一致时，增加该备选回答的总相关性。
此处给出一个简单的计算p(x)的实施例方法，该实施例方法如公式1所示。
p(x)=α.sim(x)+β.match(x)+θ.voice(x)+δ.user(x)+σ.type(x) 公式1
其中：p(x)表示当前备选回答x的总相关性；sim(x)表示所述备选回答与问答对的问题信息的检索相关性，对于类别树的检索结果该sim(x)为0；match(x)表示所述备选回答的类别数检索相关性，对于问答库的检索结果，该match(x)为0；voice(x)表示备选回答的回答形式是否为语音形式，如果是语音形式，则该voice(x)为1，否则voice(x)为0；user(x)表示备选回答的回答类型是否与用户模型中的用户类型一致，如果一致，则user(x)为1，否则为0；type(x)表示备选回答的问题类型是否符合所述分析出的问题类型，如果符合，则该type(x)为1，否则为0；其中，参数设置满足1>α>β>δ>θ>σ>0。
综上所述，利用本发明，用户可以输入语音或者文本，自动问答系统通过关键词提取和意图识别，检索问答库和语义类别树，找到匹配的问答对和语义节点，并结合用户模型计算备选回答的相关性，返回最优的回答给用户。应用本发明不仅可以支持传统的基于问答库和规则匹配的聊天对话，还能支持语音聊天对话，也能支持多种角色聊天对话，以及支持只用少量类别回答就能达到一定真实度的聊天对话。本发明适用于各种客服机器人系统，虚拟人物自动对话系统，公众人物自动对话系统等。
例如，下表5是语音聊天机器人一些结果的举例，用户类型为年轻用户，当前聊天机器人角色是名字为小v的虚拟人物。
用户输入 系统回答
语音：嗨 语音：哈喽，小v来了。
语音：你是男生还是女生 文本：小v的性别是女哦。
语音：我好喜欢你。 语音：哎呀，说的人家都不好意思了。
语音：真的假的 语音：当然是真的了。
语音：你对男朋友有啥要求 语音：感情的事情随缘。
语音：你能结婚吗 文本：不行哦，小v是不会结婚的。
表5
另外，本发明的每一个实施例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本发明。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备（如硬盘和/或内存）中执行。因此，这样的存储介质也构成了本发明。存储介质可以使用任何类型的记录方式，例如纸张存储介质（如纸带等）、磁存储介质（如软盘、硬盘、闪存等）、光存储介质（如CD-ROM等）、磁光存储介质（如MO等）等。
因此本发明还公开了一种存储介质，其中存储有数据处理程序，该数据处理程序用于执行本发明上述方法的任何一种实施例。
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 (15)

1.一种自动问答系统，其特征在于，包括：
用户输入模块，用于接收用户输入的问题信息；
问题分析模块，用于分析所述用户输入的问题信息，确定关键词集合和问题类型，根据所述关键词集合和存储的用户模型中的用户最近输入的上下文信息，确定用户意图类型；
语义检索与排序模块，用于根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序，其中，每个类别树对应一种聊天角色，所述类别树的每个节点是一种用户意图类型并对应有模型设置，所述模型设置中包括该节点的用户意图类型所对应的回答文本；
输出模块，用于输出排序在前指定位的备选回答；
所述语义检索与排序模块具体包括：
问答库检索模块，用于从问答库中检索出与所述关键词集合匹配的备选回答，计算所述备选回答与问题信息的检索相关性，其中，所述备选回答与问题信息的检索相关性指所述备选回答的问题与所述问题信息的相似度；
类别树检索模块，用于根据预设的模板设置和模型设置，从类别树中检索出与所述问题信息、关键词集合、用户意图类型匹配的备选回答，计算所述备选回答的类别树检索相关性，其中，所述备选回答的类别树检索相关性指用户意图强度；
回答排序模块，用于根据所述备选回答与问题信息的检索相关性和所述备选回答的类别树检索相关性，计算所述备选回答的总相关性，对所述备选回答按照总相关性排序。
2.根据权利要求1所述的系统，其特征在于，所述问题分析模块具体包括：
分词模块，用于对所述问题信息进行分词和/或词性标注；
关键词模块，用于根据所述分词模块的处理结果，确定关键词集合；
问题类型分析模块，用于根据关键词模块所确定的关键词集合确定问题类型；
用户意图分析模块，用于根据关键词模块所确定的关键词集合和存储的用户模型中的用户最近输入的上下文信息，确定用户意图类型。
3.根据权利要求2所述的系统，其特征在于，所述关键词模块具体用于：从所述分词模块的处理结果中识别实体词，提取出核心词，对所述核心词进行扩展得到扩展词，将所述核心词和扩展词作为关键词集合输出。
4.根据权利要求1所述的系统，其特征在于，所述回答排序模块进一步用于：
判断所述备选回答的回答形式是否为指定形式，在所述备选回答的回答形式为指定形式时，增加该备选回答的总相关性。
5.根据权利要求1所述的系统，其特征在于，所述回答排序模块进一步用于：
从存储的用户模型中获取提问用户的用户类型信息，判断所述备选回答的回答类型是否与所述用户类型一致，在所述备选回答的回答类型与所述用户类型一致时，增加该备选回答的总相关性。
6.根据权利要求1所述的系统，其特征在于，所述回答排序模块进一步用于：
判断所述备选回答的问题类型是否与所述问题分析模块所确定的问题类型一致，在所述备选回答的问题类型与所述问题分析模块所确定的问题类型一致时，增加该备选回答的总相关性。
7.根据权利要求1至6任一项所述的系统，其特征在于，该系统进一步包括语音识别模块，用于在接收到用户输入的问题信息为语音信息时，对所述语音信息进行识别，将识别结果输入问题分析模块。
8.一种自动问答方法，其特征在于，包括：
接收用户输入的问题信息；
分析所述用户输入的问题信息，确定关键词集合和问题类型，根据所述关键词集合和存储的用户模型中的用户最近输入的上下文信息，确定用户意图类型；
根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序，其中，每个类别树对应一种聊天角色，所述类别树的每个节点是一种用户意图类型并对应有模型设置，所述模型设置中包括该节点的用户意图类型所对应的回答文本；
输出排序在前指定位的备选回答；
所述根据所述问题信息、所确定的关键词集合、问题类型和用户意图类型，从问答库中和类别树中检索得到匹配的备选回答，确定检索相关性，根据检索相关性对所述备选回答排序，具体包括：
从问答库中检索出与所述关键词集合匹配的备选回答，计算所述备选回答与问题信息的检索相关性，其中，所述备选回答与问题信息的检索相关性指所述备选回答的问题与所述问题信息的相似度；
根据预设的模板设置和模型设置，从类别树中检索出与所述问题信息、关键词集合、用户意图类型匹配的备选回答，计算所述备选回答的类别树检索相关性，其中，所述备选回答的类别树检索相关性指用户意图强度；
根据所述备选回答与问题信息的检索相关性和所述备选回答的类别树检索相关性，计算所述备选回答的总相关性，对所述备选回答按照总相关性排序。
9.根据权利要求8所述的方法，其特征在于，所述分析所述用户输入的问题信息，确定关键词集合、问题类型和用户意图类型，具体包括：
对所述问题信息进行分词和/或词性标注；
根据分词和/或词性标注的处理结果，确定关键词集合；
根据所述确定的关键词集合确定问题类型；
根据所述确定的关键词集合和存储的用户模型中的用户最近输入的上下文信息，确定用户意图类型。
10.根据权利要求9所述的方法，其特征在于，所述根据分词和/或词性标注的处理结果，确定关键词集合，具体包括：
从所述分词和/或词性标注的处理结果中识别实体词；
提取出核心词；
对所述核心词进行扩展得到扩展词，将所述核心词和扩展词作为关键词集合输出。
11.根据权利要求8所述的方法，其特征在于，该方法进一步包括：
判断所述备选回答的回答形式是否为指定形式，在所述备选回答的回答形式为指定形式时，增加该备选回答的总相关性。
12.根据权利要求8所述的方法，其特征在于，该方法进一步包括：
从所存储的用户模型中获取提问用户的用户类型信息，判断所述备选回答的回答类型是否与所述用户类型一致，在所述备选回答的回答类型与所述用户类型一致时，增加该备选回答的总相关性。
13.根据权利要求8所述的方法，其特征在于，该方法进一步包括：
判断所述备选回答的问题类型是否与所述确定的问题类型一致，在所述备选回答的问题类型与所述确定的问题类型一致时，增加该备选回答的总相关性。
14.根据权利要求8所述的方法，其特征在于，所述计算所述备选回答的总相关性，具体包括：
根据以下公式1计算所述备选回答的总相关性：
p(x)＝α.sim(x)+β.match(x)+θ.voice(x)+δ.user(x)+σ.type(x) 公式1
其中：p(x)表示当前备选回答x的总相关性；sim(x)表示所述备选回答与问答对的问题信息的检索相关性，对于类别树的检索结果该sim(x)为0；match(x)表示所述备选回答的类别树检索相关性，对于问答库的检索结果，该match(x)为0；voice(x)表示备选回答的回答形式是否为语音形式，如果是语音形式，则该voice(x)为1，否则voice(x)为0；user(x)表示备选回答的回答类型是否与用户模型中的用户类型一致，如果一致，则user(x)为1，否则为0；type(x)表示备选回答的问题类型是否符合所述分析出的问题类型，如果符合，则该type(x)为1，否则为0；其中，参数设置满足1>α>β>δ>θ>σ>0。
15.根据权利要求8至14任一项所述的方法，其特征在于，该方法在分析所述用户输入的问题信息之前，进一步包括：在接收到用户输入的问题信息为语音信息时，对所述语音信息进行识别，得到文本信息，后续分析该文本信息，确定关键词集合、问题类型和用户意图类型。
CN201310535062.8A 2013-11-01 2013-11-01 自动问答系统和方法 Active CN104598445B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201310535062.8A CN104598445B (zh) 2013-11-01 2013-11-01 自动问答系统和方法
PCT/CN2014/089717 WO2015062482A1 (en) 2013-11-01 2014-10-28 System and method for automatic question answering
US15/144,373 US20160247068A1 (en) 2013-11-01 2016-05-02 System and method for automatic question answering

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310535062.8A CN104598445B (zh) 2013-11-01 2013-11-01 自动问答系统和方法

Publications (2)

Publication Number Publication Date
CN104598445A CN104598445A (zh) 2015-05-06
CN104598445B true CN104598445B (zh) 2019-05-10

Family

ID=53003350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310535062.8A Active CN104598445B (zh) 2013-11-01 2013-11-01 自动问答系统和方法

Country Status (3)

Country Link
US (1) US20160247068A1 (zh)
CN (1) CN104598445B (zh)
WO (1) WO2015062482A1 (zh)

Families Citing this family (228)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016061970A (ja) * 2014-09-18 2016-04-25 株式会社東芝 音声対話装置、方法およびプログラム
US10587541B2 (en) * 2014-12-02 2020-03-10 Facebook, Inc. Device, method, and graphical user interface for lightweight messaging
CN104951433B (zh) * 2015-06-24 2018-01-23 北京京东尚科信息技术有限公司 基于上下文进行意图识别的方法和系统
US10170014B2 (en) * 2015-07-28 2019-01-01 International Business Machines Corporation Domain-specific question-answer pair generation
KR102598273B1 (ko) * 2015-09-01 2023-11-06 삼성전자주식회사 답신 메시지 추천 방법 및 이를 위한 디바이스
CN105244024B (zh) * 2015-09-02 2019-04-05 百度在线网络技术（北京）有限公司 一种语音识别方法及装置
CN105159996B (zh) * 2015-09-07 2018-09-07 百度在线网络技术（北京）有限公司 基于人工智能的深度问答服务提供方法和装置
CN105183848A (zh) * 2015-09-07 2015-12-23 百度在线网络技术（北京）有限公司 基于人工智能的人机聊天方法和装置
CN105138710B (zh) * 2015-10-12 2019-02-19 金耀星 一种聊天代理系统及方法
CN106610932A (zh) * 2015-10-27 2017-05-03 中兴通讯股份有限公司 一种语料处理方法和装置及语料分析方法和装置
CN106649404B (zh) * 2015-11-04 2019-12-27 陈包容 一种会话场景数据库的创建方法及装置
CN106782547B (zh) * 2015-11-23 2020-08-07 芋头科技（杭州）有限公司 一种基于语音识别的机器人语义识别系统
CN106844400A (zh) * 2015-12-07 2017-06-13 南京中兴新软件有限责任公司 智能应答方法及装置
CN105589625B (zh) * 2015-12-21 2020-06-02 惠州Tcl移动通信有限公司 一种社交媒体消息的处理方法及其装置、通信终端
CN105812473B (zh) * 2016-03-29 2020-01-17 成都晓多科技有限公司 数据处理方法及装置
CN105893524B (zh) * 2016-03-31 2019-03-26 上海智臻智能网络科技股份有限公司 一种智能问答方法及装置
CN105893560A (zh) * 2016-03-31 2016-08-24 乐视控股（北京）有限公司 一种向用户反馈有效信息的方法和装置
CN105893552B (zh) * 2016-03-31 2020-05-05 成都晓多科技有限公司 数据处理方法及装置
CN107291701B (zh) * 2016-04-01 2020-12-01 阿里巴巴集团控股有限公司 一种机器语言生成方法及装置
KR102136706B1 (ko) * 2016-04-07 2020-07-22 어드밴스드 미디어, 인코포레이티드 정보 처리 시스템, 접수 서버, 정보 처리 방법 및 프로그램
CN107305578A (zh) * 2016-04-25 2017-10-31 北京京东尚科信息技术有限公司 人机智能问答方法和装置
CN105956053B (zh) * 2016-04-27 2019-07-16 海信集团有限公司 一种基于网络信息的搜索方法及装置
CN105912712B (zh) * 2016-04-29 2019-09-17 华南师范大学 基于大数据的机器人对话控制方法和系统
US11544783B1 (en) 2016-05-12 2023-01-03 State Farm Mutual Automobile Insurance Company Heuristic credit risk assessment engine
US10769722B1 (en) 2016-05-12 2020-09-08 State Farm Mutual Automobile Insurance Company Heuristic credit risk assessment engine
US20170364804A1 (en) * 2016-06-15 2017-12-21 International Business Machines Corporation Answer Scoring Based on a Combination of Specificity and Informativity Metrics
US20170364519A1 (en) * 2016-06-15 2017-12-21 International Business Machines Corporation Automated Answer Scoring Based on Combination of Informativity and Specificity Metrics
CN106462647A (zh) * 2016-06-28 2017-02-22 深圳狗尾草智能科技有限公司 一种基于多意图的多技能包问答方法、系统和机器人
WO2018000279A1 (zh) * 2016-06-29 2018-01-04 深圳狗尾草智能科技有限公司 基于导流的意图识别方法和系统
CN106663129A (zh) * 2016-06-29 2017-05-10 深圳狗尾草智能科技有限公司 一种基于状态机上下文敏感多轮对话管理系统及方法
US10083451B2 (en) 2016-07-08 2018-09-25 Asapp, Inc. Using semantic processing for customer support
US10453074B2 (en) 2016-07-08 2019-10-22 Asapp, Inc. Automatically suggesting resources for responding to a request
CN106326452A (zh) * 2016-08-26 2017-01-11 宁波薄言信息技术有限公司 一种基于上下文的人机对话方法
WO2018040040A1 (zh) * 2016-08-31 2018-03-08 北京小米移动软件有限公司 消息通信方法及装置
JP2018041230A (ja) * 2016-09-06 2018-03-15 富士通株式会社 受付支援プログラム、受付支援方法、受付支援システムおよび情報処理装置
US10346452B2 (en) * 2016-11-09 2019-07-09 International Business Machines Corporation Answering of consecutive questions
CN108073587B (zh) * 2016-11-09 2022-05-27 阿里巴巴集团控股有限公司 一种自动问答方法、装置及电子设备
CN108073600B (zh) * 2016-11-11 2022-06-03 阿里巴巴集团控股有限公司 一种智能问答交互方法、装置以及电子设备
WO2018097181A1 (ja) * 2016-11-25 2018-05-31 株式会社 東芝 知識構築活用システムおよびプログラム
CN106777013B (zh) * 2016-12-07 2020-09-11 科大讯飞股份有限公司 对话管理方法和装置
CN106778862B (zh) * 2016-12-12 2020-04-21 上海智臻智能网络科技股份有限公司 一种信息分类方法及装置
US10109275B2 (en) 2016-12-19 2018-10-23 Asapp, Inc. Word hash language model
US10650311B2 (en) 2016-12-19 2020-05-12 Asaap, Inc. Suggesting resources using context hashing
CN106844335A (zh) * 2016-12-21 2017-06-13 海航生态科技集团有限公司 自然语言处理方法及装置
CN106656767A (zh) * 2017-01-09 2017-05-10 武汉斗鱼网络科技有限公司 一种增加新主播留存的方法与系统
CN106802951B (zh) * 2017-01-17 2019-06-11 厦门快商通科技股份有限公司 一种用于智能对话的话题抽取方法及系统
CN106844344B (zh) * 2017-02-06 2020-06-05 厦门快商通科技股份有限公司 用于对话的贡献度计算方法及主题抽取方法和系统
CN106874467B (zh) 2017-02-15 2019-12-06 百度在线网络技术（北京）有限公司 用于提供搜索结果的方法和装置
US20180247644A1 (en) * 2017-02-27 2018-08-30 Intel Corporation Queueing spoken dialogue output
WO2018157329A1 (en) * 2017-03-01 2018-09-07 Microsoft Technology Licensing, Llc Providing content
CN106951468B (zh) * 2017-03-02 2018-12-28 腾讯科技（深圳）有限公司 对话生成方法及装置
WO2018170876A1 (en) * 2017-03-24 2018-09-27 Microsoft Technology Licensing, Llc A voice-based knowledge sharing application for chatbots
CN107066556A (zh) * 2017-03-27 2017-08-18 竹间智能科技（上海）有限公司 用于人工智能对话系统的备选答案排序方法及装置
US11093841B2 (en) 2017-03-28 2021-08-17 International Business Machines Corporation Morphed conversational answering via agent hierarchy of varied granularity
CN107025283A (zh) * 2017-04-05 2017-08-08 竹间智能科技（上海）有限公司 基于用户资料进行候选答案排序的回答方法及系统
CN107066568A (zh) * 2017-04-06 2017-08-18 竹间智能科技（上海）有限公司 基于用户意图预测的人机对话方法及装置
CN107193865B (zh) * 2017-04-06 2020-03-10 上海奔影网络科技有限公司 人机交互中自然语言意图理解方法及装置
CN107146610B (zh) * 2017-04-10 2021-06-15 易视星空科技无锡有限公司 一种用户意图的确定方法及装置
CN107180080B (zh) * 2017-04-28 2018-10-16 北京神州泰岳软件股份有限公司 一种多交互模式的智能问答方法及装置
US11615145B2 (en) * 2017-05-10 2023-03-28 Oracle International Corporation Converting a document into a chatbot-accessible form via the use of communicative discourse trees
US10796102B2 (en) * 2017-05-10 2020-10-06 Oracle International Corporation Enabling rhetorical analysis via the use of communicative discourse trees
US10817670B2 (en) * 2017-05-10 2020-10-27 Oracle International Corporation Enabling chatbots by validating argumentation
US11586827B2 (en) * 2017-05-10 2023-02-21 Oracle International Corporation Generating desired discourse structure from an arbitrary text
US10599885B2 (en) 2017-05-10 2020-03-24 Oracle International Corporation Utilizing discourse structure of noisy user-generated content for chatbot learning
US11386274B2 (en) * 2017-05-10 2022-07-12 Oracle International Corporation Using communicative discourse trees to detect distributed incompetence
US11373632B2 (en) * 2017-05-10 2022-06-28 Oracle International Corporation Using communicative discourse trees to create a virtual persuasive dialogue
US20220284194A1 (en) * 2017-05-10 2022-09-08 Oracle International Corporation Using communicative discourse trees to detect distributed incompetence
US10679011B2 (en) * 2017-05-10 2020-06-09 Oracle International Corporation Enabling chatbots by detecting and supporting argumentation
US10839154B2 (en) * 2017-05-10 2020-11-17 Oracle International Corporation Enabling chatbots by detecting and supporting affective argumentation
CN107180027B (zh) * 2017-05-17 2020-05-05 海信集团有限公司 语音控制业务分类方法及装置
CN107220317B (zh) 2017-05-17 2020-12-18 北京百度网讯科技有限公司 基于人工智能的匹配度评估方法、装置、设备及存储介质
CN108932167B (zh) * 2017-05-22 2023-08-08 中兴通讯股份有限公司 一种智能问答同步显示方法、装置、系统及存储介质
CN108959327B (zh) * 2017-05-27 2021-03-05 中国移动通信有限公司研究院 一种业务处理方法、装置及计算机可读存储介质
CN107301213A (zh) * 2017-06-09 2017-10-27 腾讯科技（深圳）有限公司 智能问答方法及装置
EP3462284A4 (en) * 2017-06-12 2019-07-17 Midea Group Co., Ltd. CONTROL METHOD, CONTROL DEVICE, INTELLIGENT MIRROR AND COMPUTER READABLE STORAGE MEDIUM
US10901992B2 (en) * 2017-06-12 2021-01-26 KMS Lighthouse Ltd. System and method for efficiently handling queries
CN107273487A (zh) * 2017-06-13 2017-10-20 北京百度网讯科技有限公司 基于人工智能的聊天数据的生成方法、装置及计算机设备
CN107273357B (zh) * 2017-06-14 2020-11-10 北京百度网讯科技有限公司 基于人工智能的分词模型的修正方法、装置、设备和介质
CN107436916B (zh) * 2017-06-15 2021-04-27 百度在线网络技术（北京）有限公司 智能提示答案的方法及装置
US10839161B2 (en) 2017-06-15 2020-11-17 Oracle International Corporation Tree kernel learning for text classification into classes of intent
US11100144B2 (en) 2017-06-15 2021-08-24 Oracle International Corporation Data loss prevention system for cloud security based on document discourse analysis
US10762423B2 (en) 2017-06-27 2020-09-01 Asapp, Inc. Using a neural network to optimize processing of user requests
CN107330120B (zh) * 2017-07-14 2018-09-18 三角兽（北京）科技有限公司 询问应答方法、询问应答装置及计算机可读存储介质
JP6787269B2 (ja) * 2017-07-21 2020-11-18 トヨタ自動車株式会社 音声認識システム及び音声認識方法
CN107688608A (zh) * 2017-07-28 2018-02-13 合肥美的智能科技有限公司 智能语音问答方法、装置、计算机设备和可读存储介质
CN110019695A (zh) * 2017-08-07 2019-07-16 芋头科技（杭州）有限公司 一种自动聊天响应方法
CN107562856A (zh) * 2017-08-28 2018-01-09 深圳追科技有限公司 一种自助式客户服务系统及方法
CN110019644B (zh) * 2017-09-06 2022-10-14 腾讯科技（深圳）有限公司 对话实现中的搜索方法、装置和计算机可读存储介质
CN107766416A (zh) * 2017-09-08 2018-03-06 阿里巴巴集团控股有限公司 数据分析方法、装置及系统
CN107424601B (zh) * 2017-09-11 2023-08-08 深圳怡化电脑股份有限公司 一种基于语音识别的信息交互系统、方法及其装置
US11526518B2 (en) 2017-09-22 2022-12-13 Amazon Technologies, Inc. Data reporting system and method
US20190095444A1 (en) * 2017-09-22 2019-03-28 Amazon Technologies, Inc. Voice driven analytics
US11182412B2 (en) 2017-09-27 2021-11-23 Oracle International Corporation Search indexing using discourse trees
EP3688609A1 (en) 2017-09-28 2020-08-05 Oracle International Corporation Determining cross-document rhetorical relationships based on parsing and identification of named entities
CN116992859A (zh) 2017-09-28 2023-11-03 甲骨文国际公司 使自主代理能够区分问题和请求
CN107632979A (zh) * 2017-10-13 2018-01-26 华中科技大学 一种用于交互式问答的问题解析方法及系统
CN109964223B (zh) * 2017-10-23 2020-11-13 腾讯科技（深圳）有限公司 会话信息处理方法及其装置、存储介质
CN107729549B (zh) * 2017-10-31 2021-05-11 深圳追一科技有限公司 一种包含要素提取的机器人客服方法及系统
CN109726387A (zh) * 2017-10-31 2019-05-07 科沃斯商用机器人有限公司 人机交互方法和系统
US11157533B2 (en) * 2017-11-08 2021-10-26 International Business Machines Corporation Designing conversational systems driven by a semantic network with a library of templated query operators
CN109858007B (zh) * 2017-11-30 2024-02-02 上海智臻智能网络科技股份有限公司 语义分析问答方法和装置、计算机设备和存储介质
CN108053345A (zh) * 2017-12-04 2018-05-18 广州黑曜石科技有限公司 一种基于互联网的教育咨询服务系统
US10497004B2 (en) 2017-12-08 2019-12-03 Asapp, Inc. Automating communications using an intent classifier
CN107957992B (zh) * 2017-12-12 2021-07-06 武汉虹信技术服务有限责任公司 一种用户反馈信息的自动处理方法及系统
CN108153875B (zh) * 2017-12-26 2022-03-11 北京金山安全软件有限公司 语料处理方法、装置、智能音箱和存储介质
CN108153876B (zh) * 2017-12-26 2021-07-23 爱因互动科技发展（北京）有限公司 智能问答方法及系统
CN110019738A (zh) * 2018-01-02 2019-07-16 中国移动通信有限公司研究院 一种搜索词的处理方法、装置及计算机可读存储介质
US10489792B2 (en) 2018-01-05 2019-11-26 Asapp, Inc. Maintaining quality of customer support messages
CN108170859B (zh) * 2018-01-22 2020-07-28 北京百度网讯科技有限公司 语音查询的方法、装置、存储介质及终端设备
CN108040004A (zh) * 2018-01-29 2018-05-15 上海壹账通金融科技有限公司 虚拟机器人的控制方法、装置、设备及可读存储介质
US11537645B2 (en) * 2018-01-30 2022-12-27 Oracle International Corporation Building dialogue structure by using communicative discourse trees
CN111670435A (zh) 2018-01-30 2020-09-15 甲骨文国际公司 使用交流话语树来检测对解释的请求
US10210244B1 (en) 2018-02-12 2019-02-19 Asapp, Inc. Updating natural language interfaces by processing usage data
CN108268450B (zh) * 2018-02-27 2022-04-22 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108595413B (zh) * 2018-03-22 2021-11-09 西北大学 一种基于语义依存树的答案抽取方法
WO2019186678A1 (ja) * 2018-03-27 2019-10-03 株式会社日立製作所 顧客対応支援システムおよび顧客対応支援方法
CN110362661A (zh) * 2018-04-08 2019-10-22 微软技术许可有限责任公司 具有三观立场的聊天机器人技术
CN108573046B (zh) * 2018-04-18 2021-06-29 什伯（上海）智能技术有限公司 一种基于ai系统的用户指令处理方法及装置
US10169315B1 (en) 2018-04-27 2019-01-01 Asapp, Inc. Removing personal information from text using a neural network
CN108681564B (zh) * 2018-04-28 2021-06-29 北京京东尚科信息技术有限公司 关键词和答案的确定方法、装置和计算机可读存储介质
US11328016B2 (en) 2018-05-09 2022-05-10 Oracle International Corporation Constructing imaginary discourse trees to improve answering convergent questions
US11455494B2 (en) 2018-05-30 2022-09-27 Oracle International Corporation Automated building of expanded datasets for training of autonomous agents
US11615144B2 (en) * 2018-05-31 2023-03-28 Microsoft Technology Licensing, Llc Machine learning query session enhancement
CN110019741B (zh) * 2018-06-01 2023-11-14 中国平安人寿保险股份有限公司 问答系统答案匹配方法、装置、设备及可读存储介质
CN110580313B (zh) * 2018-06-08 2024-02-02 北京搜狗科技发展有限公司 一种数据处理方法、装置和用于数据处理的装置
US20190392327A1 (en) * 2018-06-24 2019-12-26 Intuition Robotics, Ltd. System and method for customizing a user model of a device using optimized questioning
CN108984666B (zh) * 2018-06-29 2022-05-13 阿里巴巴集团控股有限公司 数据处理方法、数据处理装置和服务器
CN109033075B (zh) * 2018-06-29 2022-04-15 北京百度网讯科技有限公司 意图匹配的方法、装置、存储介质和终端设备
CN108833986A (zh) * 2018-06-29 2018-11-16 北京优屏科技服务有限公司 存储介质、服务器、互动游戏参与方法及系统
CN108932323A (zh) * 2018-06-29 2018-12-04 北京百度网讯科技有限公司 实体答案的确定方法、装置、服务器及存储介质
US11645459B2 (en) 2018-07-02 2023-05-09 Oracle International Corporation Social autonomous agent implementation using lattice queries and relevancy detection
CN109033083A (zh) * 2018-07-20 2018-12-18 吴怡 一种基于语义网的法律咨询系统
JP7174551B2 (ja) * 2018-07-23 2022-11-17 ヤフー株式会社 推定装置、推定方法及び推定プログラム
CN108959633A (zh) * 2018-07-24 2018-12-07 北京京东尚科信息技术有限公司 一种提供客户服务的方法和装置
US11216510B2 (en) 2018-08-03 2022-01-04 Asapp, Inc. Processing an incomplete message with a neural network to generate suggested messages
CN110866093A (zh) * 2018-08-10 2020-03-06 珠海格力电器股份有限公司 机器问答方法及装置
CN109241256B (zh) * 2018-08-20 2022-09-27 百度在线网络技术（北京）有限公司 对话处理方法、装置、计算机设备和可读存储介质
CN109299231B (zh) * 2018-09-14 2020-10-30 苏州思必驰信息科技有限公司 对话状态跟踪方法、系统、电子设备及存储介质
CN110942769A (zh) * 2018-09-20 2020-03-31 九阳股份有限公司 一种基于有向图的多轮对话应答系统
CN110990541A (zh) * 2018-09-30 2020-04-10 北京国双科技有限公司 一种实现问答的方法及装置
CN110968663B (zh) * 2018-09-30 2023-05-23 北京国双科技有限公司 一种问答系统的答案展示方法及装置
CN109447269B (zh) * 2018-10-10 2022-02-18 广州极天信息技术股份有限公司 一种推理规则配置方法及装置
US11562135B2 (en) 2018-10-16 2023-01-24 Oracle International Corporation Constructing conclusive answers for autonomous agents
US11107465B2 (en) * 2018-10-23 2021-08-31 Storyfile, Llc Natural conversation storytelling system
CN109637674B (zh) * 2018-10-30 2022-12-20 北京健康有益科技有限公司 自动获取健康医疗问题答案的方法、系统、介质和设备
CN109492222B (zh) * 2018-10-31 2023-04-07 平安科技（深圳）有限公司 基于概念树的意图识别方法、装置及计算机设备
CN111125384B (zh) * 2018-11-01 2023-04-07 阿里巴巴集团控股有限公司 一种多媒体答案生成方法、装置、终端设备以及存储介质
CN111177328B (zh) 2018-11-12 2023-04-28 阿里巴巴集团控股有限公司 问答匹配系统和方法及问答处理设备和介质
US11551004B2 (en) 2018-11-13 2023-01-10 Asapp, Inc. Intent discovery with a prototype classifier
US10747957B2 (en) 2018-11-13 2020-08-18 Asapp, Inc. Processing communications using a prototype classifier
CN109492085A (zh) * 2018-11-15 2019-03-19 平安科技（深圳）有限公司 基于数据处理的答案确定方法、装置、终端及存储介质
CN109522556B (zh) * 2018-11-16 2024-03-12 北京九狐时代智能科技有限公司 一种意图识别方法及装置
CN109783506A (zh) * 2018-12-05 2019-05-21 北京国电通网络技术有限公司 一种智能问答系统的口语语意理解方法、装置和电子设备
CN111382234A (zh) * 2018-12-11 2020-07-07 航天信息股份有限公司 一种基于客服的答复提供方法及装置
CN111368040B (zh) * 2018-12-25 2021-01-26 马上消费金融股份有限公司 对话处理方法、模型训练方法及其相关设备
CN109815321B (zh) * 2018-12-26 2020-12-11 出门问问信息科技有限公司 问答方法、装置、设备及存储介质
CN109739963A (zh) * 2018-12-27 2019-05-10 苏州龙信信息科技有限公司 信息检索方法、装置、设备和介质
CN109887483A (zh) * 2019-01-04 2019-06-14 平安科技（深圳）有限公司 自助服务处理方法、装置、计算机设备及存储介质
CN109885664A (zh) * 2019-01-08 2019-06-14 厦门快商通信息咨询有限公司 一种智能对话方法、机器人对话系统、服务器及存储介质
CN109902158A (zh) * 2019-01-24 2019-06-18 平安科技（深圳）有限公司 语音交互方法、装置、计算机设备及存储介质
CN109933654A (zh) * 2019-01-30 2019-06-25 神思电子技术股份有限公司 一种基于状态树的对话管理方法
US11321536B2 (en) 2019-02-13 2022-05-03 Oracle International Corporation Chatbot conducting a virtual social dialogue
CN110162610A (zh) * 2019-04-16 2019-08-23 平安科技（深圳）有限公司 机器人智能应答方法、装置、计算机设备及存储介质
CN110276067B (zh) * 2019-05-07 2022-11-22 创新先进技术有限公司 文本意图确定方法以及装置
CN110209787B (zh) * 2019-05-29 2023-09-22 袁琦 一种基于宠物知识图谱的智能问答方法及系统
CN110263127A (zh) * 2019-06-21 2019-09-20 北京创鑫旅程网络技术有限公司 基于用户查询词进行文本搜索方法及装置
CN110489518B (zh) * 2019-06-28 2021-09-17 北京捷通华声科技股份有限公司 一种基于特征提取的自助反馈方法和系统
CN111881266A (zh) * 2019-07-19 2020-11-03 马上消费金融股份有限公司 一种应答方法及装置
CN110413735B (zh) * 2019-07-25 2022-04-29 深圳供电局有限公司 一种问答检索方法及其系统、计算机设备、可读存储介质
CN110459210A (zh) * 2019-07-30 2019-11-15 平安科技（深圳）有限公司 基于语音分析的问答方法、装置、设备及存储介质
KR20190096853A (ko) * 2019-07-30 2019-08-20 엘지전자 주식회사 음성 처리 방법 및 음성 처리 장치
CN112395396A (zh) * 2019-08-12 2021-02-23 科沃斯商用机器人有限公司 问答匹配和搜索方法、设备、系统及存储介质
CN110489527A (zh) * 2019-08-13 2019-11-22 南京邮电大学 基于语音交互的银行业务智能咨询以及办理方法和系统
CN110516057B (zh) * 2019-08-23 2022-10-28 深圳前海微众银行股份有限公司 一种信访问题答复方法及装置
US11449682B2 (en) 2019-08-29 2022-09-20 Oracle International Corporation Adjusting chatbot conversation to user personality and mood
KR20210036169A (ko) * 2019-09-25 2021-04-02 현대자동차주식회사 대화 시스템, 대화 처리 방법, 번역 장치 및 번역 방법
EP3804915A1 (en) * 2019-10-11 2021-04-14 Tata Consultancy Services Limited Conversational systems and methods for robotic task identification using natural language
CN110717027B (zh) * 2019-10-18 2022-07-12 易小博(武汉)科技有限公司 多轮智能问答方法、系统以及控制器和介质
US11425064B2 (en) 2019-10-25 2022-08-23 Asapp, Inc. Customized message suggestion with user embedding vectors
CN110837549B (zh) * 2019-11-06 2023-08-11 腾讯科技（深圳）有限公司 一种信息处理方法、装置及存储介质
US11775772B2 (en) 2019-12-05 2023-10-03 Oracle International Corporation Chatbot providing a defeating reply
CN110942773A (zh) * 2019-12-10 2020-03-31 上海雷盎云智能技术有限公司 语音控制智能家居设备的方法及装置
CN111159367B (zh) * 2019-12-11 2023-09-05 中国平安财产保险股份有限公司 一种信息处理方法及相关设备
CN111241259B (zh) * 2020-01-08 2023-06-20 百度在线网络技术（北京）有限公司 交互信息推荐方法和装置
CN111274365B (zh) * 2020-02-25 2023-09-19 广州七乐康药业连锁有限公司 基于语义理解的智能问诊方法、装置、存储介质及服务器
CN111343638A (zh) * 2020-02-26 2020-06-26 中国联合网络通信集团有限公司 骚扰电话的处理方法和服务器、终端
CN111737425B (zh) * 2020-02-28 2024-03-01 北京汇钧科技有限公司 一种应答方法、装置、服务器及存储介质
CN111508494B (zh) * 2020-04-20 2023-03-07 广东工业大学 一种智能纳税语音咨询方法和系统
CN111625640B (zh) * 2020-06-11 2023-11-14 腾讯科技（深圳）有限公司 问答处理方法、装置及存储介质
CN111881695A (zh) * 2020-06-12 2020-11-03 国家电网有限公司 一种审计知识的检索方法及装置
CN113807148A (zh) * 2020-06-16 2021-12-17 阿里巴巴集团控股有限公司 文本识别匹配方法和装置、终端设备
CN111858877A (zh) * 2020-06-17 2020-10-30 平安科技（深圳）有限公司 多类型问题智能问答方法、系统、设备及可读存储介质
CN111858885B (zh) * 2020-06-28 2022-08-23 西安工程大学 一种关键词分离的用户问题意图识别方法
CN111782767A (zh) * 2020-06-30 2020-10-16 北京三快在线科技有限公司 问答方法、装置、设备及存储介质
CN111783428B (zh) * 2020-07-07 2024-01-23 杭州叙简科技股份有限公司 基于深度学习的应急管理类客观题自动生成系统
US11875362B1 (en) 2020-07-14 2024-01-16 Cisco Technology, Inc. Humanoid system for automated customer support
US11907670B1 (en) 2020-07-14 2024-02-20 Cisco Technology, Inc. Modeling communication data streams for multi-party conversations involving a humanoid
CN111831810B (zh) * 2020-07-23 2024-02-09 中国平安人寿保险股份有限公司 智能问答方法、装置、设备及存储介质
CN112084299B (zh) * 2020-08-05 2022-05-31 山西大学 一种基于bert语义表示的阅读理解自动问答方法
CN113707139B (zh) * 2020-09-02 2024-04-09 南宁玄鸟网络科技有限公司 一种人工智能机器人的语音沟通交流服务系统
CN112307171B (zh) * 2020-10-30 2022-02-11 中国电力科学研究院有限公司 一种基于电力知识库的制度标准检索方法及系统和可读存储介质
CN112102013A (zh) * 2020-11-06 2020-12-18 北京读我科技有限公司 一种基于特征融合的电销用户意图识别方法和系统
CN112417096A (zh) * 2020-11-17 2021-02-26 平安科技（深圳）有限公司 问答对匹配方法、装置、电子设备及存储介质
CN112542167B (zh) * 2020-12-02 2021-10-22 上海卓繁信息技术股份有限公司 一种非接触式语音问答方法和系统
KR102426288B1 (ko) * 2020-12-16 2022-07-29 주식회사 아이큐브온 음성 호를 통한 인공지능 비서 서비스 제공 방법 및 장치
CN112527995A (zh) * 2020-12-18 2021-03-19 平安银行股份有限公司 问题反馈处理方法、装置、设备及可读存储介质
CN112667771A (zh) * 2020-12-22 2021-04-16 深圳壹账通智能科技有限公司 答案序列的确定方法及装置
WO2022141142A1 (zh) * 2020-12-30 2022-07-07 浙江核新同花顺网络信息股份有限公司 一种确定目标音视频的方法及系统
CN112784600B (zh) * 2021-01-29 2024-01-16 北京百度网讯科技有限公司 信息排序方法、装置、电子设备和存储介质
CN112818109B (zh) * 2021-02-25 2022-09-16 网易（杭州）网络有限公司 邮件的智能回复方法、介质、装置和计算设备
CN113157884A (zh) * 2021-04-09 2021-07-23 杭州电子科技大学 一种基于校园业务的问答检索方法
CN114936272A (zh) * 2021-04-27 2022-08-23 华为技术有限公司 一种问答方法及系统
CN113157868B (zh) * 2021-04-29 2022-11-11 青岛海信网络科技股份有限公司 一种基于结构化数据库匹配问题答案的方法及装置
US11736423B2 (en) 2021-05-04 2023-08-22 International Business Machines Corporation Automated conversational response generation
CN113282725A (zh) * 2021-05-21 2021-08-20 北京市商汤科技开发有限公司 对话交互的方法、装置、电子设备及存储介质
CN113312465A (zh) * 2021-06-04 2021-08-27 广州天辰信息科技有限公司 —种基于大数据分析的智能问答机器人装置及方法
CN113468306A (zh) * 2021-06-30 2021-10-01 西安乾阳电子科技有限公司 语音对话方法、装置、电子设备及存储介质
CN113515940B (zh) * 2021-07-14 2022-12-13 上海芯翌智能科技有限公司 一种用于文本搜索的方法及设备
CN113282737B (zh) * 2021-07-21 2021-11-12 中信建投证券股份有限公司 人机协作的智能客服对话方法及装置
CN113610247A (zh) * 2021-07-22 2021-11-05 北京中交兴路信息科技有限公司 货运车辆的故障求助方法、装置、存储介质及终端
CN113420139B (zh) * 2021-08-24 2021-12-28 北京明略软件系统有限公司 一种文本匹配方法、装置、电子设备及存储介质
CN113905135B (zh) * 2021-10-14 2023-10-20 天津车之家软件有限公司 一种智能外呼机器人的用户意向识别方法和装置
CN114678029B (zh) * 2022-05-27 2022-09-02 深圳市人马互动科技有限公司 语音处理方法、系统、计算机可读存储介质及程序产品
CN116610782B (zh) * 2023-04-28 2024-03-15 北京百度网讯科技有限公司 文本检索方法、装置、电子设备及介质
CN116524932A (zh) * 2023-07-03 2023-08-01 深圳市诚识科技有限公司 一种基于人工智能的智能语音交互系统及方法
CN116542676A (zh) * 2023-07-06 2023-08-04 天津达一众诚科技有限公司 一种基于大数据分析的智能客服系统及其方法
CN116911312B (zh) * 2023-09-12 2024-01-05 深圳须弥云图空间科技有限公司 一种任务型对话系统及其实现方法
CN117235242B (zh) * 2023-11-15 2024-02-06 浙江力石科技股份有限公司 一种基于智能问答数据库的热点信息筛选方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008119270A1 (fr) * 2007-03-30 2008-10-09 Tencent Technology (Shenzhen) Company Limited Système robot de discussion en ligne, procédé et dispositif de discussion automatique
CN101739434A (zh) * 2008-11-20 2010-06-16 张曦 基于多层流程图组织对话语料的自然语言问答方法
CN101799849A (zh) * 2010-03-17 2010-08-11 哈尔滨工业大学 采用计算机实现的非障碍性自动心理咨询方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010047346A1 (en) * 2000-04-10 2001-11-29 Dejian Liu Artificial intelligence and computer interface
SE0101127D0 (sv) * 2001-03-30 2001-03-30 Hapax Information Systems Ab Method of finding answers to questions
US7814113B2 (en) * 2006-11-07 2010-10-12 University Of Washington Through Its Center For Commercialization Efficient top-K query evaluation on probabilistic data
CN101076061A (zh) * 2007-03-30 2007-11-21 腾讯科技（深圳）有限公司 一种机器人服务器及自动聊天方法
US7809664B2 (en) * 2007-12-21 2010-10-05 Yahoo! Inc. Automated learning from a question and answering network of humans
US8275803B2 (en) * 2008-05-14 2012-09-25 International Business Machines Corporation System and method for providing answers to questions
US8374859B2 (en) * 2008-08-20 2013-02-12 Universal Entertainment Corporation Automatic answering device, automatic answering system, conversation scenario editing device, conversation server, and automatic answering method
US9195739B2 (en) * 2009-02-20 2015-11-24 Microsoft Technology Licensing, Llc Identifying a discussion topic based on user interest information
CN102194005B (zh) * 2011-05-26 2014-01-15 卢玉敏 聊天机器人系统及自动聊天方法
EP2774059A1 (en) * 2011-11-04 2014-09-10 Bigml, Inc. Method and apparatus for visualizing and interacting with decision trees
US8577671B1 (en) * 2012-07-20 2013-11-05 Veveo, Inc. Method of and system for using conversation state information in a conversational interaction system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008119270A1 (fr) * 2007-03-30 2008-10-09 Tencent Technology (Shenzhen) Company Limited Système robot de discussion en ligne, procédé et dispositif de discussion automatique
CN101739434A (zh) * 2008-11-20 2010-06-16 张曦 基于多层流程图组织对话语料的自然语言问答方法
CN101799849A (zh) * 2010-03-17 2010-08-11 哈尔滨工业大学 采用计算机实现的非障碍性自动心理咨询方法

Also Published As

Publication number Publication date
US20160247068A1 (en) 2016-08-25
WO2015062482A1 (en) 2015-05-07
CN104598445A (zh) 2015-05-06

Similar Documents

Publication Publication Date Title
CN104598445B (zh) 自动问答系统和方法
CN106570708B (zh) 一种智能客服知识库的管理方法及系统
CN106095833B (zh) 人机对话内容处理方法
CN110597952A (zh) 信息处理方法、服务器及计算机存储介质
US10860566B1 (en) Themes surfacing for communication data analysis
CN114556354A (zh) 自动确定和呈现来自事件的个性化动作项
CN111125354A (zh) 文本分类方法及装置
CN104836720A (zh) 交互式通信中进行信息推荐的方法及装置
CN113505586A (zh) 一种融合语义分类与知识图谱的坐席辅助问答方法与系统
US20220351266A1 (en) Customization platform and method for service quality evaluation product
CN110580516B (zh) 一种基于智能机器人的交互方法及装置
CN111708869A (zh) 人机对话的处理方法及装置
JP6994289B2 (ja) キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法
CN112364234A (zh) 一种在线讨论的自动分组系统
CN114372123A (zh) 一种对话式的人机交互定制与服务系统
CN110457454A (zh) 一种对话方法、服务器、对话系统及存储介质
CN113434670A (zh) 话术文本生成方法、装置、计算机设备和存储介质
CN114706945A (zh) 意图识别方法、装置、电子设备及存储介质
CN113726942A (zh) 一种智能电话接听方法、系统、介质及电子终端
CN116956068A (zh) 基于规则引擎的意图识别方法、装置、电子设备及介质
CN113297365B (zh) 一种用户意向判定方法、装置、设备及存储介质
IT201900000526A1 (it) Sistema di intelligenza artificiale per processi aziendali
CN109712645A (zh) 自主通话系统和自主通话方法
CN111818290B (zh) 一种在线访谈的方法及系统
CN114254088A (zh) 自动应答模型的构建方法和自动应答方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240111

Address after: 518057, 35th Floor, Tencent Building, Keji Middle Road, High tech Zone, Shenzhen, Guangdong Province

Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd.

Address before: 2, 518044, East 403 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District

Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.