CN105074694B - 自然语言处理的系统和方法 - Google Patents
自然语言处理的系统和方法 Download PDFInfo
- Publication number
- CN105074694B CN105074694B CN201480012798.XA CN201480012798A CN105074694B CN 105074694 B CN105074694 B CN 105074694B CN 201480012798 A CN201480012798 A CN 201480012798A CN 105074694 B CN105074694 B CN 105074694B
- Authority
- CN
- China
- Prior art keywords
- value
- data structure
- response
- input
- graphic data
- 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
Links
Classifications
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
一种用于自然语言处理的系统和方法,其涉及一个有处理器、存储器和网络接口设备的服务器,其在内存中存储图形数据结构。该结构包括多个节点,每个节点与实体数据值和多个链路相关联。其中每个链路连接的两个节点,并与一个关系数据值和一个或多个评估标准评级对值相关联。其在网络接口设备用于接收对电子装置响应的输入,解析输入来识别一个或一个以上实体数据值和一个或多个关系数据值。用已标识的实体数据值和关系数据值填写图形数据结构;其中,所述填写包括应用评估标准评级对值遍历图形数据结构以确定由评估标准评级对值指示的一个或更多的问题,作为对遍历的回应,测定至少一个对图形数据结构的改动以解决其中一个所识别出的问题。当测定是肯定的,填写一个可以满足一个所识别的问题图形数据结构解决方案,发送至指定的电子设备作为输入的回应。
Description
技术领域
本发明涉及自然语言处理。某些实例提供了自然语言处理的系统和方法。
背景技术
目前已有各种技术被开发用于自然语言处理。过去的方法,包括那些使用语义网络以体现知识或概念之间的关系的方法,会在学习和/或对那些以前已知的问题或情况未建立的响应提供响应遇到问题,因为这样的技术可能不适合在连续或有不同设置及域名的语境使用。
对自然语言处理的系统和方法是有期望改进的,包括在没有具体的先验知识要求的情况下用于生成对自然语言输入查询或问题的响应。
以上对相关技术和有关限制的实例旨在是说明而不是限定性的。相关技术的其它局限性会在本领域技术人员对其说明书阅读和对附图进行研究后变得显而易见。
附图说明
样例会参照附图进行说明。本文在此公开的样例和附图的意图是旨在说明性而非限制性。
图1是一个展示自然语言处理系统的框图;
图2所示的流程图根据一个样例展示了自然语言处理的方法;
图3的框图是图1的系统中的一个内存。
具体实施方式
以下描述的方法是在服务器中具有处理器,内存,并且一个有存储功能的网络接口设备,包括一个有多个节点的图形数据结构,每个节点与一个实体数据值相关联并连接多个链路,其中,每个链路连接两个节点,并与一个关系数据值和一个或多个评估标准评级对值相关联,在网络接口设备接收,在一个用于响应电子装置的输入端分析输入,以确定一个或一个以上实体数据值和一个或多个关系数据值,用已识别的实体数据值和关系数据值填写图形数据结构,其中所述的填写包括应用评估标准评级对值,遍历图形数据结构,以确定由评估标准评级对值评估识别出的一个或更多个问题,为了回应这个遍历,应确定一个或多个对图形数据结构的改变,以满足一个或多个所识别的问题,如果确定是肯定的,填写图形数据结构解决方案以满足一个或多个已识别的问题,并将其传输给电子设备作为对输入的响应。
为了使本领域的技术人员有更透彻的理解,下面对具体阐述专利细节。不过,为了避免与本公开内容不必要地混淆,一些公认的要素不会有详细演示或描述。因此,本说明书和附图应被视为说明性的,而不是限制性的。
该公开内容一般涉及自然语言处理,或特别涉及使用人工智能技术的自然语言处理的系统和方法。
下面的描述(包括附图1)提供对用于自然语言处理的人工智能系统的示范性系统的详细描述。结合图2详细描述相应的计算机实现的方法。
附图1是用于自然语言处理的系统100的例子。
在该例子中,系统100包括一个或多个电子设备102-1,102-2,...102-X(本文中“电子设备102”是泛指也是统称;这个命名法也适用于本文其它要素),所有这些都经由网络106连接到服务器108。
服务器108是典型地含一个或多个处理器116,易失性内存114(即,随机存取内存或内存,持久性内存114(例如,硬盘设备),以及网络接口设备110(以允许服务器108通过网络106通信)的服务器或主机,其所有组成都通过总线相互连接。本发明的范围就包括在许多计算环境实现服务器108或使用组件。服务器108可包括一对冗余服务器的,经由网络106连接(例如,内联网或因特网)(未示出)。
服务器108可以连接到其他计算基础设施,包括显示器,打印机,数据仓库或文件服务器等(图1中未示出)。
服务器108包括一个与处理器116互连的网络接口设备110。网络接口设备110允许服务器108与其他计算设备连接,如电子设备102经由网络106或者直接通过本地通信连接(例如通用串行总线(USB)或蓝牙TM连接,未示出)链接其他计算设备。网络106可包括任何有线和/或无线网络的适当组合,包括但不限于广域网(WAN),诸如因特网,局域网(LAN),HSPA/EVDO/LTE小区电话网络,WiFi网络,和其他类似网络技术。
网络接口设备110根据需要与网络106,以及与本地链路兼容。在一个例子中,网络接口设备110和网络106之间的链路是有线链路,例如以太网链路。因此网络接口设备110需要包括必要的硬件在这样的链路进行通信。在其它实例中,服务器108和网络106之间的链路可以是无线的。网络接口设备110可以包括(除了或代替任何有线链路硬件)一个或多个发送器/接收器组件,或无线电和相关电路。
服务器108可包括键盘,鼠标,触敏显示器(或其它输入设备),监视器(或显示器,诸如触敏显示器或其它输出设备)(图1中未示出)。
在服务器108的内存114中储存了多个由处理器116执行的计算机可读指令。这些指令可以包括操作系统(“OS”)和各种应用程序。在内存114中的其中一个应用程序是应用程序104(在此也称为为“应用程序104”;在图1中未示出)。当116处理器执行程序104的指令,处理器116被配置用于执行由应用程序104的计算机可读指令指定的各种功能,这将在下面更详细地讨论。
服务器108还可以存储于内存114,和下面会更详细地讨论的图形数据结构118及元数据数据库120中。内存114还可以存储包括在一个或多个电子设备102和服务器108之间的输入和回应信息放入传输。图形数据结构118汇集了指节点,链路,和评估标准评级对值,其可以作为数据变量,数组,字段和指针存储在内存114。
通常情况下,电子设备102是与通过服务器108的回应自然语言输入的用户相关联。电子设备102可以是任何一个台式计算机,智能电话,笔记本电脑,平板电脑等。电子设备102可以包括一个或多个处理器,内存,输入和输出设备(通常包括显示器,扬声器,一个麦克风,和一个照相机),并上述中提到的与服务器108连接的网络接口设备(在图1中未示出)。电子设备102可以由用户来操作。
电子设备102与服务器108来经由使用了在电子设备102上加载的客户端应用程序112(未在图1中示出)的网络106来交换消息。在一个示例中,客户端112应用可以是一个网页浏览器或使用基于网络或移动接口交换包括响应自然语言输入的信息的本机应用程序。
根据一些例子,客户端112应用可以接收由电子设备102的麦克风捕获的自然语言口语输入,并将之由电子设备102,或者,在一些情况下,由服务器108转换为文本输入。自然语言口语输入采用目前语音到文本的技术进行处理。
在一个备选例中,电子设备104可以是爬行引擎(图1中未示出)。一个爬行引擎是一个服务器或应用程序,其在互联网,内联网的数据库查询处理器,或企业或机构的数据库系统中为自动化的“机器人”或数据源网络爬行提供功能。根据该示例中,爬行引擎从检索过的网页或文本或其它位于该企业或机构的数据库,内部网或互联网上的媒体资源提供自然语言输入。爬行引擎可以识别问题,并确定与“学习”新的实体数据值,关系价值和评估标准评级对值。这些术语还会在下面讨论。
如上所述,内存114支持图形数据结构118和元数据数据库120。元数据数据库120是一个数据库应用程序可以加载在服务器108上,在一个与服务器108的网络110接口装置通信的独立的数据库服务器或虚拟机上,或加载在其他任何适合的数据库上。
内存114支持一个或多个118图形数据结构118-1,118-2,...,118-m。图3示出一个118数据结构样例。图形数据结构118包括多个节点,132-1,132-2,...132-n(图3示例两个节点)和多个链路134-1,134-2,...134-o(图3示例三个链路)。每个节点132与一个实体数据值136相关联。一个实体数据值136对应一个实体对象(例如,“苹果”,“种子”)的或一个概念(例如,“饥饿”)。两个节点132可以连接一个或多个链接134。一个链接134可与一个或多个关系数据值138和一个或多个评估标准评级对值140相关联。关系数据值138对应一类在实体数据关系值136之间的关系(例如,“收藏”,“保藏”,“展品”)。两个节点132与检测出的关系链接(例如,一个“苹果”,“含有”,“种子(多个)”)。评价标准评价对价值140指的是一个评价标准标签142和一个与之相关联评价对值144(例如,<“卖”,+5>,<“吃”,+4>)。
如下面所讨论,元数据数据库120支持一个或多个电子记录用于填写图形数据结构118。通常情况下,元数据数据库120包括一个文本字符串表来索引实体数据136或关系数据值140给定的文本字符串值,或与之相关联。此外,元数据数据库120包含一个已知的对应两个实体数据值136和一个关系数据值140(也称为实体数据对值)的评价标准评价对值表140。两个实体数据值136可以与多个关系数据值关联140;而每个关系数据值140可以与多个评估标准评级对值140相关联。
仍然参考图1,如图所示,系统100还包括一个解析程序122,图形填写程序124,图形遍历程序126,以及评估程序128。在一个实例中,系统100可以包括一个爬行程序129。这些程序,按下面的描述,有时也被称为模块或引擎,参考图2。通常,每个程序组成指令,比如通过应用104方式,以确定服务器108的处理器116的功能。在其它例子,一些或全部的程序可以是其它程序,服务器,或其他计算基础设施的的一部分。在这种情况下,该方法的步骤可与服务器108的组件包括图形数据结构118或经由网络接口设备110的元数据数据库120进行通信。
图2的的流程图演示了一个公开了的自然语言处理方法.该方法可如下进行:通过服务器108的处理器116执行应用程序104或其它软件。该方法可包含比所显示和/或描述的更多或更少的步骤,并能按不同的顺序执行。可执行的计算机可读代码由至少一个服务器108的处理器116去运行,该方法可以存储在计算机可读存储介质,诸如一个非临时性计算机可读介质。
参考图2中,方法200开始于205,在210,服务器108被配置用来内存114中存储图形数据结构118。图形数据结构118包括多个节点132,每个节点132与一个实体数据值136并且多个链路134相关联。其中每个链路134连接两个节点132,并与一个关系数据值138和一个或多个评估标准评级对值140相关联。
在215中,网络接口设备110接收用于响应一个输入。对响应的输入可以从电子设备102接收,存储在内存114中。在一个例子中,响应输入可以是文本输入。在其它示例中,响应输入可以是语音到文本输入。参考图3,响应输入的是“我有一个苹果,我饿了”。
在220,分析程序122为处理器116提供逻辑以解析或转换从电子设备102接收到的响应输入。在一个例子中,响应输入被转换成一个或多个文本字符串。该字符串可以与元数据数据库120中支持反日字符串(或字符串库)进行比对比较。当检测到匹配数值,元数据数据库120对图形填写程序124传递或返回与识别出的字符串相关联的一个或多个参数,或数据值,(参下面讨论)。例如,所识别出来的字符串可以与实体数据值136或关系数据值138相关联。分析程序122可被响应输入中每个字符串调用。在图3的例子中,输入“我”可以被认为是一个“人”的实体数据值136-2(即“我”和“人”可以在字符串字库中关联),输入“有”可以被认为是一个“藏”的关系数据值134-1(再次查考字符串字库),输入“苹果”可被确认为“苹果”的实体数据值136-1。图3演示的附加链接134-2和134-3,指示出其他关系数据值136-2和136-3是分别可以通过解析程序122检测到的(图3中未示出)。
此后,在图2中的225,图形填写程序124提供的逻辑为处理器116与被输入响应解析识别出的节点132(及相关联的实体数据值136)和链接134(及相关联的关系数据值140)用以填写图形数据结构118。在填写了节点132和链接134,元数据数据库120还用以咨询填充图形数据结构118与已知的评估标准评级对值140。在一个例子中,评估标准评级对值140包括等级值144。在一个例子中,等级值144可以对应于预先填充在元数据数据库120的人类价值(或地区或文化的人的价值)的标称。例如,等级值144可以被配给评价标准标签值142如“吃”或“卖出”。在另一个例子中,等级值144可以对应记录在元数据数据库120的个人个体值。例如,等级值144被配给评价标准标签值142以反映一个个体值,例如“家族”,“荣誉“,”守时“等。在其它实例中,等级值144的对应值可参照化学,数学,物理,和类似的定律。可有一个以上的评估标准评级对值140被同时分配在同一链路134。如图3所示,三个评价标准140-1-1,140-1-2和140-1-3与关系数据值138-1和链路134-1相关联。
如前所述,当该方法200进行到220,其服务器108用解析实体数据值136,解析关系数据值138和评估标准评级对值140填写图形数据结构118。
有利的是,通过使用本文揭示的方法,该图形数据结构118所填写的数据值来可表示各个场景。通过使用本文描述的方法,丰富的上下文的情况,甚至领域知识可以有效地捕捉到内存114中。
仍参考图2所示,当方法200进行到230,服务器108遍历填写过的图形数据结构118,以确定一个或多个由评估标准评级对值140标示的查询或问题。步骤230可以由图形遍历程序126通过访问所有图形数据结构118的节点的136来执行。在一个操作中,图形遍历程序126为处理器116遍历填写图形数据结构118提供逻辑,以识别查询或问题,并列举对图形数据结构118可能的解决方案和改动以满足至少一个,或在一些情况下所有的被识别出的问题。参照评估标准评级对值140对问题识别或检测。在一个实例中,一个负的等级值表示有问题。例如,已知一个响应输入含有词组“我饿了”,一个评价标准评估对140-2就填写在所述图形数据结构118。在这个例子中,评估标准评估对140-2可以是-5(负5)来标示针对那个“人”的一个查询或问题的存在。如图3所示的的图形数据结构118的遍历,问题被识别(例如,“人”“饿”)并列举可能出现的问题(例如,“人”“饿”是在示例图形数据结构118中的唯一的问题)。
有利的是,可通过使用图形遍历程序126来决定解决一个或多个问题。
仍然参照图2,在235,由评估程序128提供给服务器108的处理器116的逻辑测定至少一个变化,即,对图形数据结构118试图开发出至少一个解决方案,以满足至少一个或在某些情况下,所有已识别问题。按照测定的步骤,在规定的图形数据结构118的可用信息的基础上,处理器116通过存储在元数据库120中的其他实体关系评价标准信息查询元数据数据库120以查找可能的解决方案。在这个例子中,处理器116向元数据数据库120查询“人”-“拥有”-“饥饿”的问题(数据实体的关系),并进一步查询“饥饿”确定“食物”能有缓解“饥饿”的作用(“食物”和“饥饿”的相关关系取决于在元数据数据库120中两个实体之间标称的评估标准评级对值)。该图形遍历程序126进一步在图形数据结构118中搜索对食物需求可能有的解决办法。在这个例子中,图形遍历程序126将定位“苹果”,并通过进一步在元数据数据库120中的查询,测定苹果“是一种”(关系)“食物”。在这种情况下,处理器116测定的一个图形数据结构解决方案,并将其存储在内存114。
如果测定得以肯定,则在240,服务器108的评估程序128生成一个解图形数据结构118,满足所识别的一个或多个问题。类似图形数据结构被开发并存储在内存114为了给每个问题来构造其他可能的解决方案,在本例中只有一个问题)。通过更多的在处理器116的逻辑,图形遍历程序126基于每个图形数据结构118对主体“人”的净值进行计算,通过评估标准评级对值140的分析,根据“人”的最高净值找出最好的或最佳的解决方案。在这种情况下的最高净值将由图形数据结构118生成即人吃苹果”。
在245,一个由服务器108的执行程序使用的文法技术在基于选择的方案图形数据结构118进行计算之后发送响应,并且该响应经由网络接口设备110通过网络106传送给电子设备102。该响应可以是电子设备102的一个显示器上显示的文本响应,在电子设备102扬声器发出的文本到语音的响应,或使用显示器和扬声器的音频-视频响应。在一个备选案例中,当该电子设备是爬行引擎时,所配置的处理器116发送响应至一个解决方案数据库进行进一步的评估。
在图形数据结构118没有明显的解决方案可构造的情况下,所述处理器用元数据数据库120作进一步查询,以便确定或识别更普遍的方案,其可以生成这样的回应例如,“你应该找到食物并吃一些食物”。
根据一个例子,在电子设备102(由用户操作)上加载的客户端应用程序112提供了一个“问卷”或在线表格来帮助填写图形数据结构118,包括对元数据数据库120的说明和更新。其中,可以“受训”于新的实体数据值136,关系数据值138,或评估标准评级对值140。多种机器学习或人工智能技术的都可以使用。
有利的是,系统100提供的技术,让其可以根据机器学习或人工智能的方法调整或改变的元数据数据库120中的内容。
在一个实例中,响应输入包括用户选定动机数据值168(在图中未示出)用于设置操作模式。在一个例子中,动机数据值168可以是会话式,教育/研究式,或协商/辅导式之一。动机数据值168可以改变提供给处理器116的逻辑并以适用于用户和他/她的状况来创建和格式化输入响应。
一个在服务器有处理器,内存,以及网络接口设备的方法,包括在内存中存储包括多个节点的图形数据结构。每个节点与实体的数据值和多个链路相关联。其中每个链路连接的两个节点,并与一个关系数据值和一个或多个评估标准评级对值关联,在网络接口设备接收从电子装置输入的响应,解析输入来识别一个或多个实体数据值和一个或多个关系的数据值,填写图形数据结构与所标识的实体数据值,并关系的数据值。其中所述填写包括应用评估标准评级对值,遍历图形数据结构,以测定一个或多个由评估标准评级对值指出的问题,为了响应遍历,测定在一个或多个改变的图形数据结构,以满足一个或多个所识别的问题,如果测定是肯定的,就填写一个图形数据结构解决方案,其满足一个或多个已识别的问题,发送给电子设备,作为对输入的响应。
响应输入可以是文本输入,语音到文本输入,以及一种音频-视频输入中的任何一个。
该响应可以是图形数据结构解决方案的一个自然语言表达。响应可以按照从以下选择的动机数据值进行计算和格式化:一个对话数据值,一个教育/研究数据值,和一个协商/咨询数据值。响应可以从文本响应,文本到语音响应,和一种音频-视频响应中选择一个。
遍历包括访问图形数据结构的每个节点。遍历后,当发现有问题时,一个计算包括评估标准评级对值的等级对值是一个负值。评估标准评级对值可以通过访问一个包括预定的个别的个人价值的元数据数据库生成。
在系统里,一个有处理器的服务器是连接到网络接口设备和内存的。所述处理器被配置为了在内存中存储图形数据结构,其包括多个节点,每个节点与实体数据值和多个链路相关联;而每个链路连接的两个节点,并与一个关系数据值和一个或多个评估标准评级对值相关联,在网络接口设备接收对电子设备响应的输入,并解析输入来识别一个或一个以上实体数据值和一个或多个关系数据值,用已标识的实体数据值和关系数据值填写图形数据结构。其中,所述填写包括应用评估标准评级对值遍历图形数据结构以确定由评估标准评级对值指示的一个或更多的问题,作为对遍历的回应,测定至少一个对图形数据结构的改动以解决其中一个所识别出的问题。如果测定是肯定的,填写一个可以满足一个所识别的问题图形数据结构解决方案。
电子设备可以是下面任何一个:台式计算机,智能电话,笔记本电脑,和平板电脑。所述处理器配置来向电子设备发送对输入的响应。或者,电子设备可以是一个爬行引擎。配置处理器以发送输入的响应到图形数据库做进一步评估。
虽然上述讨论了许多方面的示范和实例,本领域的技术人员人会进行某些修改,置换,添加及再组合。
Claims (13)
1.一种自然语言处理的方法,所述方法在服务器中要求有处理器,存储器,以及包括网络接口设备:
存储在内存中的图形数据结构包括多个节点,每个节点与代表自然语言实体对象或概念的实体数据值和多个链路相关联,其中,每个链路连接两个节点,并与一个关系数据值和一个或更多的评估标准评级对值相关联;
在网络接口设备接收对电子设备的自然语言的输入;
解析所述输入来识别一个或一个以上自然语言的实体数据值和一个或多个关系数据值;
用已标识的实体数据值和关系数据值填写图形数据结构;其中,所述填写包括应用评估标准评级对值;
遍历图形数据结构以确定由评估标准评级对值指示的一个或更多的问题,
作为对遍历的回应,测定至少一个对图形数据结构的改动以解决其中一个所识别出的问题;
当测定是肯定的,填写一个可以满足一个或多个所识别的问题图形数据结构解决方案;并且
将其传输给电子设备作为对输入的响应。
2.根据权利要求1所述的方法,其所述响应包括数据结构解决图形的自然语言表示。
3.根据权利要求1所述的方法,其所述输入从以下选择:文本输入,语音到文本输入,以及音频-视频输入。
4.根据权利要求3所述的方法,其中,所述响应是根据一个动机数据数值来计算和格式化。
5.根据权利要求4所述的方法,其中,所述动机数据数值从以下选择一个:一个会话的数据值,一个教育/研究的数据值,和一个协商/咨询数据值。
6.根据权利要求5所述的方法,其中所述响应是从一个文本响应,文本到语音响应,或一个音频-视频响应中选定一个。
7.根据权利要求6所述的方法,其中,通过访问含有预定的个别个人值元数据数据库生成所述评估标准评级对值。
8.根据权利要求1所述的方法,遍历后问题被识别时,计算的含等级对值的评估标准评价对值是负值。
9.根据权利要求1所述的方法,其通过访问含预定的个别个人值的元数据数据库生成所述评估标准评级对值。
10.根据权利要求1所述的方法,其中电子设备从以下选定一种:台式计算机,智能电话,笔记本电脑,和平板计算机。
11.一种自然语言处理的系统,包括:服务器、网络接口设备和内存;其中,
装有处理器的服务器连接到网络接口设备和内存,其处理器被配置如下:
存储在内存中的图形数据结构包括多个节点,每个节点与代表自然语言实体对象或概念的实体数据值和多个链路相关联; 其中每个链路连接两个节点,并与一个关系数据值和一个或更多的评估标准评级对值相关联;
在网络接口设备接收对电子设备的自然语言的输入;
解析所述输入来识别一个或一个以上实体数据值和一个或多个关系数据值;
用已标识的所述实体数据值和所述关系数据值填写所述图形数据结构;其中,所述填写包括应用评估标准评级对值;
遍历所述图形数据结构以确定由所述评估标准评级对值指示的一个或更多的问题,
作为对遍历的回应,测定至少一个对所述图形数据结构的改动以解决其中一个所识别出的问题;
当测定是肯定的,填写一个可以满足一个所识别的问题图形数据结构解决方案。
12.根据权利要求11所述的系统,其中所述电子设备是从:台式计算机,智能电话,笔记本电脑,和平板计算机系统选定一个;并且其中配置所述处理器以发送响应输入给所述电子设备。
13.根据权利要求11所述的系统,其中,所述电子设备是一个爬行引擎,并且配置所述处理器以发送响应输入到一个数据库解决方案以便进一步评估。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/833584 | 2013-03-15 | ||
US13/833,584 US9104780B2 (en) | 2013-03-15 | 2013-03-15 | System and method for natural language processing |
PCT/CA2014/050125 WO2014138946A1 (en) | 2013-03-15 | 2014-02-24 | System and method for natural language processing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105074694A CN105074694A (zh) | 2015-11-18 |
CN105074694B true CN105074694B (zh) | 2018-06-05 |
Family
ID=51533190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480012798.XA Active CN105074694B (zh) | 2013-03-15 | 2014-02-24 | 自然语言处理的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9104780B2 (zh) |
EP (1) | EP2973001A4 (zh) |
CN (1) | CN105074694B (zh) |
CA (1) | CA2903889C (zh) |
IL (1) | IL240969B (zh) |
WO (1) | WO2014138946A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9530404B2 (en) | 2014-10-06 | 2016-12-27 | Intel Corporation | System and method of automatic speech recognition using on-the-fly word lattice generation with word histories |
US11151992B2 (en) | 2017-04-06 | 2021-10-19 | AIBrain Corporation | Context aware interactive robot |
US10810371B2 (en) | 2017-04-06 | 2020-10-20 | AIBrain Corporation | Adaptive, interactive, and cognitive reasoner of an autonomous robotic system |
US10929759B2 (en) | 2017-04-06 | 2021-02-23 | AIBrain Corporation | Intelligent robot software platform |
US10963493B1 (en) | 2017-04-06 | 2021-03-30 | AIBrain Corporation | Interactive game with robot system |
US10839017B2 (en) * | 2017-04-06 | 2020-11-17 | AIBrain Corporation | Adaptive, interactive, and cognitive reasoner of an autonomous robotic system utilizing an advanced memory graph structure |
US11200279B2 (en) | 2017-04-17 | 2021-12-14 | Datumtron Corp. | Datumtronic knowledge server |
US11763077B1 (en) * | 2017-11-03 | 2023-09-19 | EMC IP Holding Company LLC | Uniform parsing of configuration files for multiple product types |
US10963492B2 (en) * | 2018-06-14 | 2021-03-30 | Google Llc | Generation of domain-specific models in networked system |
US11557381B2 (en) * | 2019-02-25 | 2023-01-17 | Merative Us L.P. | Clinical trial editing using machine learning |
CN110020434B (zh) * | 2019-03-22 | 2021-02-12 | 北京语自成科技有限公司 | 一种自然语言句法分析的方法 |
US10872116B1 (en) | 2019-09-24 | 2020-12-22 | Timecode Archive Corp. | Systems, devices, and methods for contextualizing media |
WO2021061107A1 (en) * | 2019-09-24 | 2021-04-01 | Timecode Archive Inc. | Systems, devices, and methods for contextualizing media |
CN111046162A (zh) * | 2019-12-23 | 2020-04-21 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243647A (zh) * | 2010-05-11 | 2011-11-16 | 微软公司 | 从结构化数据中提取高阶知识 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9821969D0 (en) | 1998-10-08 | 1998-12-02 | Canon Kk | Apparatus and method for processing natural language |
DE19917592A1 (de) | 1999-04-19 | 2000-10-26 | Delphi 2 Creative Tech Gmbh | Situationsabhängig operierendes semantisches Netz n-ter Ordnung |
US7725307B2 (en) | 1999-11-12 | 2010-05-25 | Phoenix Solutions, Inc. | Query engine for processing voice based queries including semantic decoding |
TWI221574B (en) | 2000-09-13 | 2004-10-01 | Agi Inc | Sentiment sensing method, perception generation method and device thereof and software |
US6714939B2 (en) | 2001-01-08 | 2004-03-30 | Softface, Inc. | Creation of structured data from plain text |
US7076430B1 (en) | 2002-05-16 | 2006-07-11 | At&T Corp. | System and method of providing conversational visual prosody for talking heads |
US7447667B2 (en) | 2002-12-11 | 2008-11-04 | International Business Machines Corporation | Method and knowledge structures for reasoning about concepts, relations, and rules |
WO2005031591A1 (en) * | 2003-09-30 | 2005-04-07 | Intel Corporation | Most probable explanation generation for a dynamic bayesian network |
US10002325B2 (en) | 2005-03-30 | 2018-06-19 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating inference rules |
US7599861B2 (en) | 2006-03-02 | 2009-10-06 | Convergys Customer Management Group, Inc. | System and method for closed loop decisionmaking in an automated care system |
US8126832B2 (en) | 2007-03-06 | 2012-02-28 | Cognitive Code Corp. | Artificial intelligence system |
US7870141B2 (en) | 2007-04-17 | 2011-01-11 | International Business Machines Corporation | Method and system for finding a focus of a document |
US7962578B2 (en) | 2008-05-21 | 2011-06-14 | The Delfin Project, Inc. | Management system for a conversational system |
US8135655B2 (en) | 2008-10-02 | 2012-03-13 | Global Healthcare Exchange, Llc | Dynamic intelligent objects |
US8327256B2 (en) * | 2008-11-19 | 2012-12-04 | Oracle International Corporation | Matrix tree presentation structures |
US8671363B2 (en) * | 2008-11-19 | 2014-03-11 | Oracle International Corporation | Nested dimensions presentation structures |
US8972445B2 (en) | 2009-04-23 | 2015-03-03 | Deep Sky Concepts, Inc. | Systems and methods for storage of declarative knowledge accessible by natural language in a computer capable of appropriately responding |
CN103380426B (zh) * | 2011-02-16 | 2017-09-22 | 英派尔科技开发有限公司 | 利用语义限制关系来执行查询 |
US20120239381A1 (en) | 2011-03-17 | 2012-09-20 | Sap Ag | Semantic phrase suggestion engine |
-
2013
- 2013-03-15 US US13/833,584 patent/US9104780B2/en active Active
-
2014
- 2014-02-24 CN CN201480012798.XA patent/CN105074694B/zh active Active
- 2014-02-24 WO PCT/CA2014/050125 patent/WO2014138946A1/en active Application Filing
- 2014-02-24 EP EP14764154.2A patent/EP2973001A4/en not_active Ceased
- 2014-02-24 CA CA2903889A patent/CA2903889C/en active Active
-
2015
- 2015-08-31 IL IL240969A patent/IL240969B/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243647A (zh) * | 2010-05-11 | 2011-11-16 | 微软公司 | 从结构化数据中提取高阶知识 |
Also Published As
Publication number | Publication date |
---|---|
CA2903889C (en) | 2016-12-06 |
CA2903889A1 (en) | 2014-09-18 |
CN105074694A (zh) | 2015-11-18 |
EP2973001A1 (en) | 2016-01-20 |
WO2014138946A1 (en) | 2014-09-18 |
IL240969B (en) | 2020-05-31 |
US9104780B2 (en) | 2015-08-11 |
EP2973001A4 (en) | 2016-08-03 |
IL240969A0 (en) | 2015-11-30 |
US20140280210A1 (en) | 2014-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105074694B (zh) | 自然语言处理的系统和方法 | |
CN108846126B (zh) | 关联问题聚合模型的生成、问答式聚合方法、装置及设备 | |
US9633086B2 (en) | Goal-oriented user matching among social networking environments | |
US10353906B2 (en) | Virtual assistant interactivity platform | |
CN109523194B (zh) | 汉语阅读能力测评方法、装置及可读存储介质 | |
US10891322B2 (en) | Automatic conversation creator for news | |
US10592540B2 (en) | Generating elements of answer-seeking queries and elements of answers | |
US11102276B2 (en) | System and method for providing more appropriate question/answer responses based upon profiles | |
CN112106056A (zh) | 构造虚构的话语树来提高回答聚敛性问题的能力 | |
US20140172415A1 (en) | Apparatus, system, and method of providing sentiment analysis result based on text | |
CN107210035A (zh) | 语言理解系统和方法的生成 | |
RU2664481C1 (ru) | Способ и система выбора потенциально ошибочно ранжированных документов с помощью алгоритма машинного обучения | |
CN112771564A (zh) | 生成网站的语义方向以自动实体寻的到映射身份的人工智能引擎 | |
KR20170055970A (ko) | 컴퓨터로 구현되는 관련 아이템의 식별 기법 | |
JP5961320B2 (ja) | ソーシャル・メデイアにおけるユーザの分類方法、コンピュータ・プログラム及びコンピュータ | |
US20210064398A1 (en) | Computerized Task Guidance Across Devices and Applications | |
JP2015135668A (ja) | コンテント及び関係距離に基づいて人々をつなげるコンピューティング装置及び方法 | |
US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
KR102156442B1 (ko) | 소셜 미디어 이슈 처리 방법과 이를 지원하는 장치 | |
WO2021188702A1 (en) | Systems and methods for deploying computerized conversational agents | |
CN116541493A (zh) | 基于意图识别的交互应答方法、装置、设备、存储介质 | |
US20190164083A1 (en) | Categorical Data Transformation and Clustering for Machine Learning using Natural Language Processing | |
KR102534086B1 (ko) | 복수의 멀티미디어 컨텐츠들을 참조하여 사용자 단말기와 통신하는 네트워크 서버 및 방법 | |
KR101781597B1 (ko) | 전자 출판물에 대한 정보를 생성하는 장치 및 방법 | |
JP7397540B1 (ja) | 情報処理装置、方法、及びプログラム |
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 |