CN105893524A - 一种智能问答方法及装置 - Google Patents
一种智能问答方法及装置 Download PDFInfo
- Publication number
- CN105893524A CN105893524A CN201610194560.4A CN201610194560A CN105893524A CN 105893524 A CN105893524 A CN 105893524A CN 201610194560 A CN201610194560 A CN 201610194560A CN 105893524 A CN105893524 A CN 105893524A
- Authority
- CN
- China
- Prior art keywords
- sentence
- subordinate sentence
- information
- storehouse
- similarity value
- 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
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
- G06F16/903—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
- G06F40/279—Recognition of textual entities
-
- 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)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种智能问答方法及装置,该方法包括:接收用户的请求信息;对所述请求信息进行分句处理,得到一个或多个分句;当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。本发明可以针对描述信息较长的问句提高信息搜索的准确度。
Description
技术领域
本发明涉及信息搜索技术领域,尤其涉及一种智能问答方法及装置。
背景技术
在问答系统中,很多用户为了获取比较准确的答案,会把问题描述的比较清楚。比如下面这个问句:“我2006年在上海市区全额买了一套房子,80平米,2010年结婚,在2015年有两个小孩,并且又买了一套180平米的房子,请问房产税怎么算?”,在这个例子中前面的分句是背景描述,最后一个句子才是真正的问题。对于这类带有描述性质的问题目前只能采用问句或句子的相似度计算来从搜索引擎中检索答案。但是在加入了背景描述部分的内容与问题部分的内容一起与知识库中的问句进行相似度计算时,计算结果会与真实情况相差很远,导致降低了信息搜索的准确度。
目前汉语语义分析研究主要集中在词义消歧和语义角色标注这两个方面,面向的主要是规范的汉语句子,在面对实际应用系统中的开放语料时,比如面对问答系统中的带有很长描述信息的问句时,无论是在分析结果还是在分析效率方面都难以满足要求。
发明内容
本发明要解决的技术问题是,提供一种智能问答方法及装置,针对描述信息较长的问句提高信息搜索的准确度。
本发明采用的技术方案是,所述智能问答方法,包括:
接收用户的请求信息;
对所述请求信息进行分句处理,得到一个或多个分句;
当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;
提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;
当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
进一步的,根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
进一步的,当所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值时,所述方法还包括:
提供问题描述库,所述问题描述库包括多个问题;
针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息;
当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
进一步的,所述问题描述库包括多个主题,每个主题包括多个问题;
所述分句与所述问题描述库中的问题的最高相似度值的确定方式,包括:
获取每个分句的主题;
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
进一步的,通过LDA(Latent Dirichlet Allocation)主题模型方法获取每个分句的主题。
进一步的,所述问题采用语义表达式方式表述。
本发明还提供一种智能问答装置,包括:
接收模块,用于接收用户的请求信息;
分句模块,用于对所述请求信息进行分句处理,得到一个或多个分句;
比较提取模块,用于当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;
知识库模块,用于提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;
比较发送模块,用于当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
进一步的,所述比较提取模块,具体用于:根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
进一步的,当所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值时,所述装置,还包括:
问题描述库模块,用于提供问题描述库,所述问题描述库包括多个问题;
问句完善模块,用于针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息;
所述比较发送模块,还用于当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
进一步的,所述问题描述库包括多个主题,每个主题包括多个问题;
所述问句完善模块,具体用于:
获取每个分句的主题;
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
进一步的,所述问句完善模块,具体用于:通过LDA主题模型方法获取每个分句的主题。
进一步的,所述问题采用语义表达式方式表述。
采用上述技术方案,本发明至少具有下列优点:
本发明所述智能问答方法及装置,针对背景描述部分的内容过长的用户请求信息进行识别和处理,将处理后的用户请求信息与知识库中的问句进行相似度计算,极大的提高了信息搜索的准确度。在引入问题描述库的情况下,用用户请求信息中背景描述部分的内容与问题描述库中的问题进行相似度计算,基于该计算结果完善用户请求信息中的问句,用完善后的问句与知识库中的问句进行相似度计算,进一步提高了信息搜索的准确度。
附图说明
图1为本发明第一实施例的智能问答方法流程图;
图2为本发明第二实施例的智能问答方法流程图;
图3为本发明第三实施例的智能问答装置组成结构示意图;
图4为本发明第四实施例的智能问答装置组成结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
本发明第一实施例,一种智能问答方法,如图1所示,包括以下具体步骤:
步骤S101,接收用户的请求信息。
步骤S102,对所述请求信息进行分句处理,得到一个或多个分句。
步骤S103,当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息。
具体的,根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
步骤S104,提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题。
步骤S105,当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
具体的,本发明实施例中的所述问题采用语义表达式方式表述。
下面举例说明本发明实施例的处理步骤,用户的请求信息如下:
“我2006年在上海市区全额买了一套房子,80平米,2010年结婚,在2015年有两个小孩,并且又买了一套180平米的房子,请问房产税怎么算”。
先对该请求信息进行分句处理,可以简单的以标点符号“,”、“;”、“。”等作为分句的分隔符,得到如下分句“我2006年在上海市区全额买了一套房子”、“80平米”、“2010年结婚”、“在2015年有两个小孩”、“并且又买了一套180平米的房子”和“请问房产税怎么算?”。
然后,发现所得到的分句的数目大于设定的数目阈值(如:数目阈值为3),则进一步根据“请问”、“么”、“?”等疑问词从所述请求信息的分句中提取第一问句信息,即“请问房产税怎么算?”。
接下来,用所述第一问句信息与所述知识库中的问题做相似度计算,当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
本实施例通过简单方法实现对用户请求信息的背景描述信息过滤,仅将问句部分与知识库进行相似度计算,从而可以很快将用户请求信息与知识库中[房产税][计算]这一语义表达式进行匹配,最终提高了智能问答的准确率,且节省了相似度计算的时间。
本发明第二实施例,一种智能问答方法,本实施例所述方法与第一实施例的区别在于,如图2所示,本实施例的所述方法适用于所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值的情况,在执行步骤S101、步骤S102、步骤S103和步骤S104之后,还包括以下具体步骤:
步骤S106,当所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值时,提供问题描述库,所述问题描述库包括多个问题。
具体的,所述问题描述库包括多个主题,每个主题包括多个问题。本发明实施例中的所述问题采用语义表达式方式表述。
步骤S107,针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息。
具体的,在步骤S107中,所述分句与所述问题描述库中的问题的最高相似度值的确定方式,包括:
获取每个分句的主题;具体的,可以通过LDA主题模型方法获取每个分句的主题。
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
本实施例在问题描述库中设置多个主题,并获取请求信息对应的主题信息,从而在进行相似度计算时,只要将问题描述库中该主题下的问题与所述分句进行语义相似度计算,并将计算得到的最高相似度值作为分句与问题描述库中问题的最高相似度值,这样就可以缩小计算的范围,从而提高计算效率。
需要说明的是,在本发明的其它实施例中,问题描述库也可以不设置主题,从而也无需获取请求信息对应的主题信息,只要将问题描述库中每个问题均与所述分句进行语义相似度计算即可,最终将计算得到的最高相似度值作为分句与问题描述库中问题的最高相似度值。步骤S108,当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
所述第一相似度阈值与所述第二相似度阈值可以相同,也可以不同。
下面举例说明本发明实施例的处理步骤,用户的请求信息如下:
“我2006年在上海市区全额买了一套房子,80平米,2010年结婚,在2015年有两个小孩,并且又买了一套180平米的房子,请问这种情况贷款可以办下来么?”。
经过分句后确定出的第一问句信息是“请问这种情况贷款可以办下来么?”,由于此时问句中并未限定是什么贷款(如:房贷、车贷等),从而很难从知识库中找到匹配的知识点,即与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值。
接着,则采用LDA主题模型方法获取以下分句的主题:“我2006年在上海市区全额买了一套房子”、“80平米”、“2010年结婚”、“在2015年有两个小孩”、“并且又买了一套180平米的房子”。其中,“我2006年在上海市区全额买了一套房子”、“80平米”以及“并且又买了一套180平米的房子”这三个分句的主题均是‘购房’,“2010年结婚”这个分句的主题是‘婚嫁’,“在2015年有两个小孩”这个分句的主题是‘生育’。
然后,将确定了主题的每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
假设出现了:“并且又买了一套180平米的房子”这个分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将该分句的内容添加到所述第一问句信息中,得到第二问句信息,即“并且又买了一套180平米的房子,请问贷款可以办下来么?”。此时,既过滤了婚嫁和生育等无关的信息,又在第一问句信息中增加了有效的房子信息,从而在从知识库中寻找答案时,就可以清楚地知道是房子贷款的办理,最终提高了智能问答的准确性。
接下来,当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
本发明第三实施例,与第一实施例对应,本实施例介绍一种智能问答装置,如图3所示,包括以下组成部分:
接收模块301,用于接收用户的请求信息;
分句模块302,用于对所述请求信息进行分句处理,得到一个或多个分句;
比较提取模块303,用于当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;
具体的,比较提取模块303用于:根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
知识库模块304,用于提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;
比较发送模块305,用于当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
在本实施例中,所述问题采用语义表达式方式表述。
本发明第四实施例,一种智能问答装置,本实施例所述装置与第一实施例大致相同,区别在于,如图4所示,本实施例的所述装置是在所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值的情况下提出的,所述装置除了包含第三实施例中的各模块之外,还包括:
问题描述库模块306,用于提供问题描述库,所述问题描述库包括多个问题。
具体的,所述问题描述库包括多个主题,每个主题包括多个问题;所述问题采用语义表达式方式表述。
问句完善模块307,用于针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息。
问句完善模块307,具体用于:
获取每个分句的主题;可以通过LDA主题模型方法获取每个分句的主题。
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
在本实施例中,进一步的,比较发送模块305,还用于当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
本发明实施例所述智能问答方法及装置,针对背景描述部分的内容过长的用户请求信息进行识别和处理,将处理后的用户请求信息与知识库中的问句进行相似度计算,极大的提高了信息搜索的准确度。在引入问题描述库的情况下,用用户请求信息中背景描述部分的内容与问题描述库中的问题进行相似度计算,基于该计算结果完善用户请求信息中的问句,用完善后的问句与知识库中的问句进行相似度计算,进一步提高了信息搜索的准确度。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (12)
1.一种智能问答方法,其特征在于,包括:
接收用户的请求信息;
对所述请求信息进行分句处理,得到一个或多个分句;
当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;
提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;
当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
2.如权利要求1所述的智能问答方法,其特征在于,根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
3.如权利要求1所述的智能问答方法,其特征在于,当所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值时,所述方法还包括:
提供问题描述库,所述问题描述库包括多个问题;
针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息;
当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
4.如权利要求3所述的智能问答方法,其特征在于,所述问题描述库包括多个主题,每个主题包括多个问题;
所述分句与所述问题描述库中的问题的最高相似度值的确定方式,包括:
获取每个分句的主题;
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
5.如权利要求4所述的智能问答方法,其特征在于,通过LDA主题模型方法获取每个分句的主题。
6.如权利要求1或3所述的智能问答方法,其特征在于,所述问题采用语义表达式方式表述。
7.一种智能问答装置,其特征在于,包括:
接收模块,用于接收用户的请求信息;
分句模块,用于对所述请求信息进行分句处理,得到一个或多个分句;
比较提取模块,用于当所述请求信息对应的分句数目大于或等于设定的数目阈值时,从所述请求信息的分句中提取第一问句信息;
知识库模块,用于提供知识库,所述知识库包括多个知识点,每个知识点包括答案以及一个或多个问题;
比较发送模块,用于当所述第一问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
8.如权利要求7所述的智能问答装置,其特征在于,所述比较提取模块,具体用于:根据疑问词、问号和疑问语气中的一种或多种从所述请求信息的分句中提取第一问句信息。
9.如权利要求7所述的智能问答装置,其特征在于,当所述第一问句信息与所述知识库中的问题的最高相似度值小于设定的第一相似度阈值时,所述装置,还包括:
问题描述库模块,用于提供问题描述库,所述问题描述库包括多个问题;
问句完善模块,用于针对所述请求信息的分句中除第一问句信息之外的分句,当所述分句与所述问题描述库中的问题的最高相似度值小于设定的第二相似度阈值时,将所述分句添加到所述第一问句信息中,得到第二问句信息;
所述比较发送模块,还用于当所述第二问句信息与所述知识库中的问题的最高相似度值大于或等于设定的第一相似度阈值时,将所述最高相似度值对应的知识点中的答案发送给用户。
10.如权利要求9所述的智能问答装置,其特征在于,所述问题描述库包括多个主题,每个主题包括多个问题;
所述问句完善模块,具体用于:
获取每个分句的主题;
将每个分句分别与所述问题描述库中对应的主题包括的问题进行相似度计算,并将计算得到的最高相似度值作为所述分句与所述问题描述库中的问题的最高相似度值。
11.如权利要求10所述的智能问答装置,其特征在于,所述问句完善模块,具体用于:通过LDA主题模型方法获取每个分句的主题。
12.如权利要求7或9所述的智能问答装置,其特征在于,所述问题采用语义表达式方式表述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194560.4A CN105893524B (zh) | 2016-03-31 | 2016-03-31 | 一种智能问答方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194560.4A CN105893524B (zh) | 2016-03-31 | 2016-03-31 | 一种智能问答方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105893524A true CN105893524A (zh) | 2016-08-24 |
CN105893524B CN105893524B (zh) | 2019-03-26 |
Family
ID=57014440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610194560.4A Active CN105893524B (zh) | 2016-03-31 | 2016-03-31 | 一种智能问答方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893524B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363693A (zh) * | 2018-02-13 | 2018-08-03 | 上海智臻智能网络科技股份有限公司 | 文本处理方法和装置 |
CN109241249A (zh) * | 2018-07-16 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种确定突发问题的方法及装置 |
CN110020014A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 多轮问答装置 |
CN110019717A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 修改多轮问答系统的装置 |
CN110019716A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 多轮问答方法、终端设备以及存储介质 |
CN110033022A (zh) * | 2019-03-08 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 文本的处理方法、装置和存储介质 |
CN110209655A (zh) * | 2019-06-11 | 2019-09-06 | 深圳市仝智科技有限公司 | 基于认知过程的问答库生成系统及方法 |
CN111949786A (zh) * | 2020-08-18 | 2020-11-17 | 中国银行股份有限公司 | 智能问答模型优化方法及装置 |
CN113836276A (zh) * | 2020-06-24 | 2021-12-24 | 北京字节跳动网络技术有限公司 | 实现智能问答的方法和装置 |
US11341422B2 (en) | 2017-12-15 | 2022-05-24 | SHANGHAI XIAOl ROBOT TECHNOLOGY CO., LTD. | Multi-round questioning and answering methods, methods for generating a multi-round questioning and answering system, and methods for modifying the system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
US20150293904A1 (en) * | 2014-04-10 | 2015-10-15 | Palo Alto Research Center Incorporated | Intelligent contextually aware digital assistants |
CN105354300A (zh) * | 2015-11-05 | 2016-02-24 | 上海智臻智能网络科技股份有限公司 | 一种信息推荐方法及装置 |
-
2016
- 2016-03-31 CN CN201610194560.4A patent/CN105893524B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
US20150293904A1 (en) * | 2014-04-10 | 2015-10-15 | Palo Alto Research Center Incorporated | Intelligent contextually aware digital assistants |
CN105354300A (zh) * | 2015-11-05 | 2016-02-24 | 上海智臻智能网络科技股份有限公司 | 一种信息推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
冯凯: "基于问题模式分类的自动问答技术研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020014A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 多轮问答装置 |
CN110019717A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 修改多轮问答系统的装置 |
CN110019716A (zh) * | 2017-12-15 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 多轮问答方法、终端设备以及存储介质 |
US11341422B2 (en) | 2017-12-15 | 2022-05-24 | SHANGHAI XIAOl ROBOT TECHNOLOGY CO., LTD. | Multi-round questioning and answering methods, methods for generating a multi-round questioning and answering system, and methods for modifying the system |
CN108363693A (zh) * | 2018-02-13 | 2018-08-03 | 上海智臻智能网络科技股份有限公司 | 文本处理方法和装置 |
CN109241249A (zh) * | 2018-07-16 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种确定突发问题的方法及装置 |
CN109241249B (zh) * | 2018-07-16 | 2021-09-14 | 创新先进技术有限公司 | 一种确定突发问题的方法及装置 |
CN110033022A (zh) * | 2019-03-08 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 文本的处理方法、装置和存储介质 |
CN110209655A (zh) * | 2019-06-11 | 2019-09-06 | 深圳市仝智科技有限公司 | 基于认知过程的问答库生成系统及方法 |
CN113836276A (zh) * | 2020-06-24 | 2021-12-24 | 北京字节跳动网络技术有限公司 | 实现智能问答的方法和装置 |
CN111949786A (zh) * | 2020-08-18 | 2020-11-17 | 中国银行股份有限公司 | 智能问答模型优化方法及装置 |
CN111949786B (zh) * | 2020-08-18 | 2024-04-16 | 中国银行股份有限公司 | 智能问答模型优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105893524B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893524A (zh) | 一种智能问答方法及装置 | |
US20200349175A1 (en) | Address Search Method and Device | |
CN108345690B (zh) | 智能问答方法与系统 | |
WO2017181834A1 (zh) | 一种智能问答方法及装置 | |
CN107341220B (zh) | 一种多源数据融合方法和装置 | |
CN109408811B (zh) | 一种数据处理方法及服务器 | |
CN104538034A (zh) | 一种语音识别方法及系统 | |
CN107665708A (zh) | 智能语音交互方法及系统 | |
CN103810218A (zh) | 一种基于问题簇的自动问答方法和装置 | |
KR20160125375A (ko) | 지능 문답 구현 방법, 시스템 및 저장 매체 | |
CN105630884B (zh) | 一种微博热点事件的地理位置发现方法 | |
CN108334528B (zh) | 一种信息推荐方法和装置 | |
CN106407484A (zh) | 一种基于弹幕语义关联的视频标签提取方法 | |
CN106339366B (zh) | 基于人工智能的需求识别的方法和装置 | |
CN106649253B (zh) | 基于后验证的辅助控制方法及系统 | |
CN108304424B (zh) | 文本关键词提取方法及文本关键词提取装置 | |
CN111309863A (zh) | 基于知识图谱的自然语言问答方法及装置 | |
CN104978878A (zh) | 微课教学系统及方法 | |
CN110442700A (zh) | 用于人机交互的人机多轮对话方法及系统、智能设备 | |
CN106503256B (zh) | 一种基于社交网络文档的热点信息挖掘方法 | |
US11721328B2 (en) | Method and apparatus for awakening skills by speech | |
CN108763355B (zh) | 一种基于用户的智能机器人交互数据处理系统及方法 | |
CN103116573A (zh) | 一种基于词汇注释的领域词典自动扩充方法 | |
CN106202203A (zh) | 基于终身主题模型的bug知识库的建立方法 | |
CN106055641A (zh) | 一种面向智能机器人的人机交互方法及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent question and answer method and device Effective date of registration: 20230223 Granted publication date: 20190326 Pledgee: China Construction Bank Corporation Shanghai No.5 Sub-branch Pledgor: SHANGHAI XIAOI ROBOT TECHNOLOGY Co.,Ltd. Registration number: Y2023980033272 |