CN105677896A - 基于主动学习的交互方法及交互系统 - Google Patents

基于主动学习的交互方法及交互系统 Download PDF

Info

Publication number
CN105677896A
CN105677896A CN201610077365.3A CN201610077365A CN105677896A CN 105677896 A CN105677896 A CN 105677896A CN 201610077365 A CN201610077365 A CN 201610077365A CN 105677896 A CN105677896 A CN 105677896A
Authority
CN
China
Prior art keywords
user
authoritative
answer
information
current
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
Application number
CN201610077365.3A
Other languages
English (en)
Other versions
CN105677896B (zh
Inventor
韦克礼
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 Guangnian Wuxian Technology Co Ltd
Original Assignee
Beijing Guangnian Wuxian 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 Guangnian Wuxian Technology Co Ltd filed Critical Beijing Guangnian Wuxian Technology Co Ltd
Priority to CN201610077365.3A priority Critical patent/CN105677896B/zh
Publication of CN105677896A publication Critical patent/CN105677896A/zh
Application granted granted Critical
Publication of CN105677896B publication Critical patent/CN105677896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于主动学习的人机交互方法,其包括:获取目标领域话题,在预设条件下发起主动学习过程;所述主动学习过程包括:向当前用户输出目标领域话题中的提问信息;或者确定目标领域中的权威用户,获取所述目标领域的待解决问题,向所述权威用户进行提问,获得所述权威用户的回答信息,从所述权威用户的回答信息中提取权威答案进行存储。根据本发明,智能交互机器人在主动学习过程中,不仅能向正在进行对话的当前用户进行学习,还能在后台向某一领域中的权威用户进行学习。并将学习到的答案通过择优机制进行筛选,以保证领域知识库中存储的答案是最权威最专业的。

Description

基于主动学习的交互方法及交互系统
技术领域
本发明涉及交互机器人领域,具体地说,涉及一种基于主动学习的人机交互方法和交互系统。
背景技术
现有的问答机器人通常在接收到用户提出的问题之后,从已有的知识库中进行检索,如果检索到与用户问题相匹配的回答信息,则向用户反馈该回答信息。如果在现有的知识库中没有检索到与用户问题相匹配的回答信息,则在互联网上抓取与用户问题相关的答案。
由于互联网是开放的平台,其提供的信息的种类繁多且并未经过优化,因此,在互联网上抓取的答案可能并非是针对用户问题的最优答案,严重影响用户体验。一方面,互联网上的共享信息通常不是某个领域的专业信息;另一方面,即使能够抓取到某一领域的专业信息,也不能保证其来源于权威专家的观点,具有更高的可信度。
因此,亟需一种可以向用户提供目标领域中优质答案的人机交互方法和交互系统。
发明内容
本发明的目的在于解决现有技术的交互系统针对用户提问提供的答案信息并非为最优的技术缺陷。
本发明提供一种基于主动学习的人机交互方法,其包括:
获取目标领域话题,在预设条件下发起主动学习过程;
所述主动学习过程包括:
向当前用户输出目标领域话题中的提问信息;或者
确定目标领域中的权威用户,
获取所述目标领域的待解决问题,向所述权威用户进行提问,
获得所述权威用户的回答信息,
从所述权威用户的回答信息中提取权威答案进行存储。
根据本发明的一个实施例,在从权威用户的回答信息中提取权威答案的步骤中还包括:
依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,以及/或者,依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分;
根据评分结果从权威用户的回答信息中选择权威答案。
根据本发明的一个实施例,在确定目标领域的权威用户的步骤中包括:
将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者
将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
根据本发明的一个实施例,所述在预设条件下发起主动学习过程的步骤中包括:
在与当前对话用户的对话完成之后,识别为向当前对话用户进行主动学习的时机;或者
在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机;或者
在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。
根据本发明的一个实施例,在从权威用户的回答信息中提取权威答案的步骤中包括:
先从权威用户的回答信息中排除与提问信息不相关的部分,再从保留的与提问信息相关的部分中提取权威答案。
本发明还提供了一种基于主动学习的人机交互系统,其包括:
触发模块,其配置为获取目标领域话题,在预设条件下调用主动学习模块,发起主动学习过程;
所述主动学习模块包括:
当前用户学习单元,其配置为向当前用户输出目标领域话题中的提问信息;或者
权威用户学习单元,其配置为确定目标领域中的权威用户,获取所述目标领域的待解决问题,向所述权威用户进行提问,获得所述权威用户的回答信息,从所述权威用户的回答信息中提取权威答案进行存储。
根据本发明的一个实施例,所述权威用户学习单元包括提取子单元,其配置为:
依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,以及/或者,依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分;
根据评分结果从权威用户的回答信息中选择权威答案。
根据本发明的一个实施例,所述权威用户学习单元包括确定子单元,其配置为:
将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者
将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
根据本发明的一个实施例,所述触发模块包含时机确定单元,其配置为:
在与当前对话用户的对话完成之后,识别为向当前对话用户进行主动学习的时机;或者
在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机;或者
在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。
根据本发明的一个实施例,所述权威用户学习单元包括过滤子单元,其配置为:
先从权威用户的回答信息中排除与提问信息不相关的部分,再从保留的与提问信息相关的部分中提取权威答案。
本发明的实施例提供一种基于向用户进行主动学习的方法和系统来扩充智能交互机器人的知识库。在主动学习过程中,智能交互机器人不仅能向正在进行对话的当前用户进行学习,还能在后台向某一领域中的权威用户进行学习。并将学习到的答案通过择优机制进行筛选,以保证领域知识库中存储的答案是最权威最专业的。
本发明的实施例提供流畅的跳转机制,能够在保证人机对话过程问答自然的前提之下,在前台向当前用户进行主动学习,或者在后台向权威用户进行主动学习。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例一的人机交互方法的步骤流程图;
图2为本发明实施例二的人机交互系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图对本发明实施例作进一步地详细说明。
实施例一
本实施例提供一种在人机对话过程中,既能够在前台向当前对话用户进行主动学习以获取优质答案,又能够在后台向权威用户进行主动学习的方法。
以下结合图1进行详细说明。
如图1所示,在步骤S110中,在人机对话过程中根据当前会话内容获取目标领域的话题。其中,目标领域的话题即为当前会话所属专业领域的某种特定话题。例如,如果当前人机会话过程属于医疗领域,则这些特定话题例如可以为“预约医生”、“问询科室分布地点”、“确定患者病症”等等。
在一个优选的方式中,可以利用深度学习的方式识别当前人机会话过程所属的专业领域。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络,模仿人脑机制来解释诸如图像、声音和文本数据。深度学习的技术本质在于构建多隐层的模型和海量训练数据,来学习分类的相关特征,从而提升分类的准确性。
在步骤S120中,在当前的人机会话满足预设条件时,发起主动学习过程。
本步骤主要是为了保证人机会话过程的自然流畅,提供灵活的跳转机制。本步骤中的“预设条件”可以是人机会话中将会出现的多种情景。
例如,智能机器人正在与用户交流医疗领域内的有关“问询科室分布地点”的话题,在人机会话正常完成后,用户获知科室的分布地点,则该话题结束。机器人此时识别为想当前用户进行主动学习的时机。
在随后的步骤S130中,向当前用户输出目标领域话题中的提问信息,向当前用户进行学习。例如,机器人主动向用户询问诸如“请问您哪里不舒服呢”,“请问您得什么病了”的问题,这些问题属于“确定患者病症”的对话话题。在用户回答这些问题后,机器人则可以根据用户的回答来学习最优质的答案。
此外,在步骤S120中,在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机。这一情形主要是针对在用户无法继续当前的话题时,由智能机器人来转移话题。
此外,在步骤S120中,在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。这一情形主要是针对由于智能机器人本身知识库内容的局限性,导致与用户无法进行正常会话,由智能机器人来转移话题,发起对当前会话用户的主动学习。需要说明的是,正如背景技术部分所述的,通常情况下智能机器人在提取不到与该问题匹配的答案时会转到网络搜索答案,这导致搜索到的答案并不是最权威最优质的。本实施例中设定的转移话题机制能够改进这一缺陷。
再次回到图1,在进行主动学习的过程中,还包括在系统后台即时进行的主动学习过程,这将在步骤S140至步骤S170中进行详细说明。
在步骤S140中,首先确定目标领域中的权威用户。具体而言,智能机器人在后台先定位到擅长目标领域的专家用户。判断是否为专家用户的方法主要有两种方式。一种方式是,从用户曾经提出的有关目标领域的问题来判断,若提出的问题最优质则为权威专家用户。在一个优选示例中,将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户。
另一种方式是:
从用户对有关目标领域的问题反馈的答案来判断,若反馈的答案最优质则为专家用户。
在一个优选实例中,将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户;
或者,
在另一个优选示例中,将在所述目标领域内所提供的答案获得跟帖的次数最多的,确定为权威用户。
在步骤S150中,获取所述目标领域的待解决问题,向权威用户进行提问。这些待解决问题可以是在上述步骤S120中检测到的由于智能机器人本身知识库的局限性不能解决的问题;还可以是预先存储的热门问题;还可以是智能机器人想要确定权威答案的其他问题。随后在步骤S160中,获得所述权威用户的回答信息。步骤S150和步骤S160的交互方式不限于人机之间的语言交流,也可以是文本交流等等。
在步骤S170中,从所述权威用户的回答信息中提取权威答案进行存储。步骤S170可以划分为几个子步骤来执行。子步骤S171,判断权威用户的回答是否与提问信息相关,若不相关则放弃该回答。若相关则执行子步骤S172,判断权威用户的回答是否为优质的权威答案;若是优质答案,则执行子步骤S173,将优质答案存储在领域知识库中;若不是优质答案,则执行子步骤S174,将答案存储在备用知识库中。
其中,在子步骤S172中根据用户评价体系来打分。依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,再根据评分结果从权威用户的回答信息中选择权威答案。
例如,当用户评价为“你这回答纯是胡说八道”,那么该答案会被扣掉一定的分数,答案的分数越低那么它作为回复出现的概率也会越低,当答案的分数低于某个指定值的时候该答案会被下线。
或者,在子步骤S172中根据用户相似回答的数量来打分。依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分。再根据评分结果从权威用户的回答信息中选择权威答案。
例如,如果较多用户的回答都相似,那么说明该答案还是不错的,则评分数值较高。
至此为止,完成从前台和后台同时进行主动学习的过程,将学习到的答案通过择优机制进行筛选,以保证领域知识库中存储的答案是最权威最专业的。
实施例二
本实施例提供一种基于主动学习的人机交互系统,既能够在前台向当前对话用户进行主动学习以获取优质答案,又能够在后台向权威用户进行主动学习。如图2所示,该系统主要包括触发模块210和主动学习模块220。其中,触发模块210配置为获取目标领域话题,在预设条件下调用主动学习模块,发起主动学习过程。优选的,触发模块210包括时机确定单元211,其用于确定进行主动学习的时机。例如,在与当前对话用户的对话完成之后,识别为向当前对话用户进行主动学习的时机;或者,在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机;或者,在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。
主动学习模块220包括当前用户学习单元221和权威用户学习单元222,不仅能向当前用户进行主动学习,还能向后台用户进行主动学习。其中,当前用户学习单元221配置为向当前用户输出目标领域话题中的提问信息,向当前用户学习。权威用户学习单元222,配置为确定目标领域中的权威用户,获取所述目标领域的待解决问题,向所述权威用户进行提问,获得所述权威用户的回答信息,从所述权威用户的回答信息中提取权威答案进行存储。
如图2所示,权威用户学习单元222包括有确定子单元310、过滤子单元320和提取子单元330。其中,确定子单元310其配置为确定目标领域的权威用户,具体的,将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
过滤子单元320配置为先从权威用户的回答信息中排除与提问信息不相关的部分,再从保留的与提问信息相关的部分中提取权威答案。
提取子单元330配置为从所述权威用户的回答信息中提取权威答案进行存储。具体而言,依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,以及/或者,依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分;根据评分结果从权威用户的回答信息中选择权威答案。
本实施例提供的主动交互系统在主动学习过程中不仅能向正在进行对话的当前用户进行学习,还能在后台向某一领域中的权威用户进行学习。并将学习到的答案通过择优机制进行筛选,以保证领域知识库中存储的答案是最权威最专业的。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于主动学习的人机交互方法,其特征在于,包括:
获取目标领域话题,在预设条件下发起主动学习过程;
所述主动学习过程包括:
向当前用户输出目标领域话题中的提问信息;或者
确定目标领域中的权威用户,
获取所述目标领域的待解决问题,向所述权威用户进行提问,
获得所述权威用户的回答信息,
从所述权威用户的回答信息中提取权威答案进行存储。
2.如权利要求1所述的人机交互方法,其特征在于,在从权威用户的回答信息中提取权威答案的步骤中还包括:
依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,
以及/或者,
依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分;
根据评分结果从权威用户的回答信息中选择权威答案。
3.如权利要求1或2所述的人机交互方法,其特征在于,在确定目标领域的权威用户的步骤中包括:
将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;
或者,
将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
4.如权利要求3所述的人机交互方法,其特征在于,所述在预设条件下发起主动学习过程的步骤中包括:
在与当前对话用户的对话完成之后,识别为向当前对话用户进行主动学习的时机;或者
在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机;或者
在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。
5.如权利要求4所述的人机交互方法,其特征在于,在从权威用户的回答信息中提取权威答案的步骤中包括:
先从权威用户的回答信息中排除与提问信息不相关的部分,再从保留的与提问信息相关的部分中提取权威答案。
6.一种基于主动学习的人机交互系统,其特征在于,包括:
触发模块,其配置为获取目标领域话题,在预设条件下调用主动学习模块,发起主动学习过程;
所述主动学习模块包括:
当前用户学习单元,其配置为向当前用户输出目标领域话题中的提问信息;或者
权威用户学习单元,其配置为确定目标领域中的权威用户,获取所述目标领域的待解决问题,向所述权威用户进行提问,获得所述权威用户的回答信息,从所述权威用户的回答信息中提取权威答案进行存储。
7.如权利要求6所述的人机交互系统,其特征在于,所述权威用户学习单元包括提取子单元,其配置为:
依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的评价对权威用户的回答信息进行评分,以及/或者,依据权威用户的回答信息为其他用户提供反馈信息,根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分;
根据评分结果从权威用户的回答信息中选择权威答案。
8.如权利要求6或7所述的人机交互系统,其特征在于,所述权威用户学习单元包括确定子单元,其配置为:
将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者
将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
9.如权利要求8所述的人机交互系统,其特征在于,所述触发模块包含时机确定单元,其配置为:
在与当前对话用户的对话完成之后,识别为向当前对话用户进行主动学习的时机;或者
在向当前对话用户发起会话之后,且在预设时间段内尚未收到该当前对话用户的回答时,识别为向当前对话用户进行主动学习的时机;或者
在接收当前对话用户的问题之后,提取不到与该问题匹配的答案时,识别为向当前对话用户进行主动学习的时机。
10.如权利要求9所述的人机交互系统,其特征在于,所述权威用户学习单元包括过滤子单元,其配置为:
先从权威用户的回答信息中排除与提问信息不相关的部分,再从保留的与提问信息相关的部分中提取权威答案。
CN201610077365.3A 2016-02-03 2016-02-03 基于主动学习的交互方法及交互系统 Active CN105677896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610077365.3A CN105677896B (zh) 2016-02-03 2016-02-03 基于主动学习的交互方法及交互系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610077365.3A CN105677896B (zh) 2016-02-03 2016-02-03 基于主动学习的交互方法及交互系统

Publications (2)

Publication Number Publication Date
CN105677896A true CN105677896A (zh) 2016-06-15
CN105677896B CN105677896B (zh) 2019-08-02

Family

ID=56303485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610077365.3A Active CN105677896B (zh) 2016-02-03 2016-02-03 基于主动学习的交互方法及交互系统

Country Status (1)

Country Link
CN (1) CN105677896B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018006366A1 (zh) * 2016-07-07 2018-01-11 深圳狗尾草智能科技有限公司 基于交互信息的评分方法及系统
CN108959447A (zh) * 2018-06-13 2018-12-07 北京信息科技大学 一种对话语篇中对话者的心理距离分析方法
CN109213847A (zh) * 2018-09-14 2019-01-15 广州神马移动信息科技有限公司 答案的分层方法及其装置、电子设备、计算机可读介质
CN109408678A (zh) * 2018-09-21 2019-03-01 广州神马移动信息科技有限公司 问答交互方法及其装置
CN110362667A (zh) * 2019-07-12 2019-10-22 深圳前海微众银行股份有限公司 智能客服方法、装置、设备及可读存储介质
CN111667200A (zh) * 2020-07-09 2020-09-15 腾讯科技(深圳)有限公司 一种权威度确定方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1766879A (zh) * 2004-10-29 2006-05-03 微软公司 用于向通用信息检索提供权威回答的计算机实现系统和方法
CN104573028A (zh) * 2015-01-14 2015-04-29 百度在线网络技术(北京)有限公司 实现智能问答的方法和系统
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1766879A (zh) * 2004-10-29 2006-05-03 微软公司 用于向通用信息检索提供权威回答的计算机实现系统和方法
CN104573028A (zh) * 2015-01-14 2015-04-29 百度在线网络技术(北京)有限公司 实现智能问答的方法和系统
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

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018006366A1 (zh) * 2016-07-07 2018-01-11 深圳狗尾草智能科技有限公司 基于交互信息的评分方法及系统
CN108959447A (zh) * 2018-06-13 2018-12-07 北京信息科技大学 一种对话语篇中对话者的心理距离分析方法
CN109213847A (zh) * 2018-09-14 2019-01-15 广州神马移动信息科技有限公司 答案的分层方法及其装置、电子设备、计算机可读介质
CN109408678A (zh) * 2018-09-21 2019-03-01 广州神马移动信息科技有限公司 问答交互方法及其装置
CN110362667A (zh) * 2019-07-12 2019-10-22 深圳前海微众银行股份有限公司 智能客服方法、装置、设备及可读存储介质
CN111667200A (zh) * 2020-07-09 2020-09-15 腾讯科技(深圳)有限公司 一种权威度确定方法、装置、设备及存储介质
CN111667200B (zh) * 2020-07-09 2023-09-19 腾讯科技(深圳)有限公司 一种权威度确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN105677896B (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN105677896B (zh) 基于主动学习的交互方法及交互系统
CN107633719B (zh) 基于多语种人机交互的拟人形象人工智能教学系统和方法
Bardovi-Harlig Recognition and production of formulas in L2 pragmatics
US7640164B2 (en) System for performing interactive dialog
CN108647211B (zh) 一种儿童学习内容的推送方法
CN108037905B (zh) 一种用于智能机器人的交互输出方法及智能机器人
CN109271585B (zh) 一种信息推送方法及家教设备
CN110020059A (zh) 用于包容性captcha的系统和方法
CN110808038B (zh) 普通话评测方法、装置、设备及存储介质
CN113849627B (zh) 训练任务生成方法、装置及计算机存储介质
JP6551793B2 (ja) 対話方法、対話システム、対話装置、およびプログラム
CN108831229B (zh) 一种中文自动分级方法
CN106776926A (zh) 改善机器人对话时的应答能力的方法及系统
CN111768781A (zh) 语音打断的处理方法和装置
CN110610627A (zh) 启发式诗词学习方法及装置
CN116821290A (zh) 面向多任务对话的大语言模型训练方法和交互方法
KR20240066974A (ko) 인물의 특성에 따라 맞춤형 상담을 수행하는 방법
CN109359177B (zh) 用于讲故事机器人的多模态交互方法及系统
CN117711404A (zh) 口语复述题测评方法、装置、设备及存储介质
CN116150319A (zh) 辅助答题方法、装置、电子设备和存储介质
CN115617976B (zh) 问答方法、装置、电子设备和存储介质
CN116466829B (zh) 响应信息确定方法、服务器及相关设备
CN110148430B (zh) 音频的录制方法和装置、存储介质及电子装置
CN110415688A (zh) 一种信息交互方法及机器人
CN108172226A (zh) 一种可学习应答语音和动作的语音控制机器人

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