CN106446045A - 基于对话交互的用户画像的构建方法及系统 - Google Patents

基于对话交互的用户画像的构建方法及系统 Download PDF

Info

Publication number
CN106446045A
CN106446045A CN201610792303.0A CN201610792303A CN106446045A CN 106446045 A CN106446045 A CN 106446045A CN 201610792303 A CN201610792303 A CN 201610792303A CN 106446045 A CN106446045 A CN 106446045A
Authority
CN
China
Prior art keywords
attribute
module
value
user
semantic
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
CN201610792303.0A
Other languages
English (en)
Other versions
CN106446045B (zh
Inventor
俞凯
常成
陈露
郑达
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.)
Sipic Technology Co Ltd
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201610792303.0A priority Critical patent/CN106446045B/zh
Publication of CN106446045A publication Critical patent/CN106446045A/zh
Application granted granted Critical
Publication of CN106446045B publication Critical patent/CN106446045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • 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)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Machine Translation (AREA)

Abstract

一种基于对话交互的用户画像的构建方法及系统，通过语义解析器对用户的输入进行实时解析，并根据解析到的用户语义对各个属性的权重的加权分布进行更新，从而生成准确细致的画像；系统包括：语音识别模块、语音合成模块、语义解析模块、对话管理模块、自然语言生成模块以及用户画像生成模块，语音识别模块与语义解析模块相连并传输文本信息，语义解析模块与用户画像生成模块相连并传输语义和相关时间戳信息，同时语义解析模块与对话管理模块相连传输语义信息，对话管理模块与自然语言生成模块相连并传输对话动作信息，自然语言生成模块与语音合成模块相连并传输文本信息。本发明通过此方法建立精确用户画像，从而统一人机交互的流程和体验。

Description

基于对话交互的用户画像的构建方法及系统
技术领域
本发明涉及的是一种信息处理领域的技术，具体是一种基于对话交互的用户画像的构建方法及系统。
背景技术
用户画像又称用户角色(Persona)，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性，能代表产品的主要受众和目标群体。目前，虽也有将用户画像应用在对话系统中的例子，但采用的仍是通用方法，缺乏对对话系统中用户建模的特殊性考虑，使得用户画像准确度较低，是本领域一个亟待解决的问题。
现有的用户画像方法主要是通过大数据统计分析对用户画像进行构建，用户的属性标签通过对日志信息关键字段的提取来获得。通常有两种方式：一种是，存储用户的日志信息，当用户日志信息达到设定阈值后，根据静态日志构建用户画像；另一种是，保存用户日志，在一定时间窗口内遍历所有用户日志，根据某种权重衰减函数计算得到最新的用户画像。
1、第一种方式应用的最普遍，然而忽略了用户属性或偏好随时间改变的性质，使得越到后期对用户画像的刻画越不准确；
2、第二种方式虽然考虑了时间因素，但推进时间窗口需要积累用户日志，使得更新缺乏实时性，而且不同的时间窗口设定会影响用户画像的效果，调节参数复杂困难；
3、两种方法都没有重视用户不同属性之间的差异，将各个属性等同看待，忽略了属性是否易变、是否有特定时效等性质；
4、两种方法都是在静态日志的基础上进行用户画像，难以在有对话交互的情况下适用，无法适应交互过程中的逻辑和语言特性；
5、目前的方法基本都是通过关键字段标记和提取的方式发现用户属性，没有考虑语义特性，得到的用户信息往往准确率不高；
6、目前的方法缺乏在对话系统中对用户建模特殊性的考量，由于对话的交互性和动态性等特点，传统用户建模方法难以准确处理对话中的用户信息；
7、目前的方法得到的用户画像中，每个属性基本都是固定的值，仅从这个值无法了解到该属性的历史信息，也无法知道对于这个属性值有多高的确定性。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于对话交互的用户画像的构建方法及系统，通过此方法建立精确用户画像，从而统一人机交互的流程和体验。
本发明是通过以下技术方案实现的：
本发明涉及一种基于对话交互的画像构建方法，通过语义解析器对用户的输入进行实时解析，并根据解析到的用户语义对各个属性的权重的加权分布进行更新，从而生成准确细致的画像。
所述的语义解析器，根据任务需求设计用户画像中的属性标签构建得到，具体步骤包括：
1)建立领域相关数据库或知识库，不同领域的信息分类存储和分析，使得知识库更加专业准确。
2)对于所有基础属性和每个独立领域，分别构建语义解析器，最终将各个语义解析器贯通，得到完整的语义解析器。
所述的属性标签包括但不限于基础属性和领域属性，其中：基础属性包括但不限于：姓名、性别、年龄、电话、家庭住址、公司地址等，领域属性包括但不限于：常去目的地，常听的歌，常拨的号码等。
所述的语义解析器采用“槽值对”(slot-value pair)的方式表示语义，其中：槽即为属性标签的名称，值即为该属性标签对应的值。
所述的用户的输入包括但不限于：语音、文字或手势等，优选通过交互实时对话系统得到。
所述的实时解析，是指解析语义的过程是实时的，即每得到一次用户的完整输入时(比如收到一句话时)，对该次用户输入作语义解析。
所述的实时解析除了解析当前对话输入，还需对上下文对话逻辑进行解析，并且采用语义资源定制的方式构建语义解析器。
所述的更新，包括更新基础属性的值和领域属性的值，优选在更新基础属性和领域属性的值时，进行权重和衰减因子处理。
所述的权重和衰减因子处理是指：首先设定时间窗口T，在该时间窗口内，时间越近的权重越高，含有衰减因子的权重计算公式为：wAki＝e-p(t0-t)，其中：wAki为任意属性A的第k个值在该时间窗口内第i次出现时的权重；p表征遗忘速率，根据应用需求设定；(t0-t)表示用户行为时间与当前时间的差值，且满足0≤t0-t≤T；然后在时间窗口T内，每个属性的每个值的权重需要合并在一起，以得到该值的完整权重，计算公式为：wAk＝∑iwAki，其中：wAk即是属性A的第k个值的权重。
所述的权重优选经归一化处理，得到WAk，即属性A的第k个属性值的最终权重。
所述的更新基础属性的值是指：设定时间窗口T1，每当通过实时对话获得一个属性标签的值时，通过VA＝argmaxkWAk，其中：VA即是属性A更新后的值，WAk即是属性A的第k个属性值的最终权重，并直接将该值赋予用户属性标签。
所述的更新领域属性的值是指：设定时间窗口T2，每当一个实时对话结束时，获取该对话中出现的每个属性标签的值，通过上述权重计算公式重新计算时间窗口内所有该属性标签的候选值的权重，得到该领域属性的新的常用取值的新分布，该分布以不同的取值为自变量，其函数公式为：其中FA(k)表示属性A取第k个值的概率，FA是属性A的值的概率分布函数，也即属性A更新后的值。
本发明涉及一种基于音频的人机混合交互系统，包括：语音识别模块、语音合成模块、语义解析模块、对话管理模块、自然语言生成模块以及用户画像生成模块，其中：语音识别模块与语义解析模块相连并传输文本信息，语义解析模块与用户画像生成模块相连并传输语义和相关时间戳信息，同时语义解析模块与对话管理模块相连传输语义信息，对话管理模块与自然语言生成模块相连并传输对话动作信息，自然语言生成模块与语音合成模块相连并传输文本信息。
所述的用户画像生成模块包括：语义获取模块、基础属性更新模块、领域属性更新模块、用户画像信息融合模块，其中：语义获取模块与基础属性更新模块相连并传输基础属性和相关时间戳信息，语义获取模块与领域属性更新模块相连并传输领域属性和相关时间戳信息，基础属性更新模块和领域属性更新模块与用户画像信息融合模块相连传输属性更新信息。
技术效果
与现有技术相比，本发明的技术效果包括:
1、本发明考虑时间因素，对于每个属性标签，出现时间越近的值具有越高的权重；
2、本发明也提供了时间窗口的设定，但并不需要等待用户日志的积累，而是在每次用户交互过程中实时推进时间窗口，使得用户画像的更新也具有实时性；
3、本发明考虑不同属性的差异，对易变和不易变的属性、有特定时效性的属性等进行分类处理，采取不同的更新策略；
4、本发明中用户画像的更新在对话交互中实时进行，结合上下文信息和对交互逻辑的分析更准确充分的利用得到的信息；
5、本发明中对于用户在每一次对话过程中的句子，通过做语义分析，提取句子中出现的属性槽值(slot)，可以获得比关键字提取方法更高的信息准确度；
6、本发明构建用户画像时，考虑对话系统的特殊性，采用新的用户建模方法，以更精确利用用户信息、构建用户画像。
7、本发明构建的用户画像中，各种属性槽值的信息更加丰富，是历史值的统计分布而不是单纯的固定值，这样的结构化建模将使构建的用户画像更智能，细节更丰富。
附图说明
图1为本发明实施例提供的基于对话交互的用户画像方法流程图；
图2为本发明实施例提供的根据用户输入得到用户语义的流程图；
图3为本发明实施例提供的根据用户语义计算和更新用户对应的属性标签值的流程图。
具体实施方式
如图1所示，本实施例包括如下步骤：
101、根据任务需求设计用户画像中的属性标签，构建语义解析器。
在本发明实施例中，根据任务需求设计用户画像中的属性标签，首先要考虑到应用需求，思考哪些属性标签是和领域任务相关的，据此把用户属性标签分为基础属性和领域属性两类；
设计好属性标签后，构建语义解析器，需要建立领域相关数据库或知识库，不同领域的信息分类存储和分析，最后将所有的语义解析器贯通成完整的语义解析器。
在构建语义解析器时，以得到的知识库作为语义资源，采用传统的基于规则的算法或基于统计的算法等构建语义解析器，用“槽值对”(slot-value pair)的形式对语义进行表示，所谓“槽”即是属性标签的名称，“值”对应该属性标签的值，一个典型的语义表示格式为：“槽＝值”。
102、采集实时对话信息。
通过一种可交互的、能产生实时对话数据的交互系统得到对话信息，该系统能够接收用户输入，比如传统的语音、文字等，也可以接收图像类的输入，如手势、表情等。
该对话交互系统的结构与传统对话系统结构无异，所以除了考虑当前对话信息，还能够考虑了上下文的信息，和对话逻辑等信息。
该对话交互系统将使用步骤101构建的语义解析器作为系统的一部分，在系统工作时实时解析用户语义。通过用户输入得到用户语义的流程图，参见图2。
103、获取用户语义解析结果。
从步骤102中采集的实时对话信息中将语义解析的结果抽取出来，记录抽取的语义“槽值对”和对应的时间戳信息。
104、根据用户语义计算和更新用户对应的属性标签的值。
该步骤包括更新基础属性的值和领域属性的值。基础属性包括：姓名、性别、年龄、电话、家庭住址、公司地址等；领域属性包括：常去目的地，常听的歌，常拨的号码等。
更新基础属性和领域属性的值时，要进行权重和衰减因子处理。计算权重时，首先设定时间窗口T，在该时间窗口内，时间越近的权重越高，含有衰减因子的权重计算公式为：wAki＝e-p(t0-t)，其中：wAki为任意属性A的第k个值在该时间窗口内第i次出现时的权重；p表征遗忘速率，根据应用需求设定；(t0-t)表示用户行为时间与当前时间的差值，且满足 0≤t0-t≤T；然后在时间窗口T内，每个属性的每个值的权重需要合并在一起，以得到该值的完整权重，计算公式为：wAk＝∑iwAki，其中：wAk即是属性A的第k个值的权重。所述的权重优选经归一化处理，得到WAk，即属性A的第k个属性值的最终权重。
更新基础属性的值时，设定时间窗口T1，每当通过实时对话获得一个属性标签的值时，通过VA＝argmaxkWAk，其中：VA即是属性A更新后的值，WAk即是属性A的第k个属性值的最终权重，并直接将该值赋予用户属性标签。
更新领域属性的值时，设定时间窗口T2，每当一个实时对话结束时，获取该对话中出现的每个属性标签的值，通过上述权重计算公式重新计算时间窗口内所有该属性标签的候选值的权重，得到该领域属性的新的常用取值的新分布，该分布以不同的取值为自变量，其函数公式为：其中FA(k)表示属性A取第k个值的概率，FA是属性A的值的概率分布函数，也即属性A更新后的值。
105、根据上述标签数据生成用户画像。
通过将上述得到的所有属性标签信息进行融合，即可生成用户画像。步骤S1中，构建语义解析器，在可以满足应用需求或其他特殊需求的情况下，可以直接构建一个语义解析器，用于解析所有的用户属性。
步骤101中，构建语义解析器，可以配合传统的信息抽取方法共同使用，扩大系统的灵活性。
步骤101中，构建语义解析器，用于表示用户语义的格式不限于“槽值对”的形式，也可以是其他表示语义的格式。
步骤102中，采集用户对话的系统能够接收若干类型的用户输入，比如语音、文字、手势、表情等，但不限于此，且该系统也可以同时接受多种类型的输入。
步骤104中，含有衰减因子的权重计算公式，与当前时间和用户动作时间的差有关，其具体公式形式不限于此。
步骤104中，领域属性的值是抽象的槽值分布，其所包含的信息不限于上面提到的历史槽值、相应槽值对应的概率，也可以针对特殊的槽值有特殊处理，或对不同的槽值额外附加权重等。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (14)

1.一种基于对话交互的画像构建方法，其特征在于，通过语义解析器对用户的输入进行实时解析，并根据解析到的用户语义对各个属性的权重的加权分布进行更新，从而生成准确细致的画像。
2.根据权利要求1所述的基于对话交互的画像构建方法，其特征是，所述的语义解析器，根据任务需求设计用户画像中的属性标签构建得到，具体步骤包括：
1)建立领域相关数据库或知识库，不同领域的信息分类存储和分析；
2)对于所有基础属性和每个独立领域，分别构建语义解析器，最终将各个语义解析器贯通，得到完整的语义解析器；
所述的属性标签包括但不限于基础属性和领域属性。
3.根据权利要求2所述的基于对话交互的画像构建方法，其特征是，所述的基础属性包括：姓名、性别、年龄、电话、家庭住址、公司地址；所述的领域属性包括：常去目的地，常听的歌，常拨的号码。
4.根据权利要求1所述的基于对话交互的画像构建方法，其特征是，所述的语义解析器采用槽值对的方式表示语义，其中：槽即为属性标签的名称，值即为该属性标签对应的值。
5.根据权利要求1所述的基于对话交互的画像构建方法，其特征是，所述的用户的输入包括：语音、文字或手势。
6.根据权利要求1所述的基于对话交互的画像构建方法，其特征是，所述的实时解析，是指解析语义的过程是实时的，即每得到一次用户的完整输入时，对该次用户输入作语义解析。
7.根据权利要求6所述的基于对话交互的画像构建方法，其特征是，所述的实时解析除了解析当前对话输入，还需对上下文对话逻辑进行解析，并且采用语义资源定制的方式构建语义解析器。
8.根据权利要求1所述的基于对话交互的画像构建方法，其特征是，所述的更新，包括更新基础属性的值和领域属性的值。
9.根据权利要求1或8所述的基于对话交互的画像构建方法，其特征是，在更新基础属性和领域属性的值时，进行权重和衰减因子处理。
10.根据权利要求9所述的基于对话交互的画像构建方法，其特征是，所述的权重和衰减因子处理是指：首先设定时间窗口T，在该时间窗口内，时间越近的权重越高，含有衰减因子的权重计算公式为：wAki＝e-p(t0-t)，其中：wAki为任意属性A的第k个值在该时间窗口内第i次出现时的权重；p表征遗忘速率，根据应用需求设定；(t0-t)表示用户行为时间与当前时间的差值，且满足0≤t0-t≤T；然后在时间窗口T内，每个属性的每个值的权重需要合并在一起，以得到该值的完整权重，计算公式为：wAk＝∑iwAki，其中：wAk即是属性A的第k个值的权重。
11.根据权利要求8所述的基于对话交互的画像构建方法，其特征是，所述的基础属性的值，通过以下方式实现更新：设定时间窗口T1，每当通过实时对话获得一个属性标签的值时，通过VA＝argmaxkWAk，其中：VA即是属性A更新后的值，WAk即是属性A的第k个属性值的最终权重，并直接将该值赋予用户属性标签。
12.根据权利要求8所述的基于对话交互的画像构建方法，其特征是，所述的领域属性的值，通过以下方式实现更新：设定时间窗口T2，每当一个实时对话结束时，获取该对话中出现的每个属性标签的值，通过上述权重计算公式重新计算时间窗口内所有该属性标签的候选值的权重，得到该领域属性的新的常用取值的新分布，该分布以不同的取值为自变量，其函数公式为：其中FA(k)表示属性A取第k个值的概率，FA是属性A的值的概率分布函数，也即属性A更新后的值。
13.一种基于音频的人机混合交互系统，其特征在于，包括：语音识别模块、语音合成模块、语义解析模块、对话管理模块、自然语言生成模块以及用户画像生成模块，其中：语音识别模块与语义解析模块相连并传输文本信息，语义解析模块与用户画像生成模块相连并传输语义和相关时间戳信息，同时语义解析模块与对话管理模块相连传输语义信息，对话管理模块与自然语言生成模块相连并传输对话动作信息，自然语言生成模块与语音合成模块相连并传输文本信息。
14.根据权利要求13所述的基于音频的人机混合交互系统，其特征是，所述的用户画像生成模块包括：语义获取模块、基础属性更新模块、领域属性更新模块、用户画像信息融合模块，其中：语义获取模块与基础属性更新模块相连并传输基础属性和相关时间戳信息，语义获取模块与领域属性更新模块相连并传输领域属性和相关时间戳信息，基础属性更新模块和领域属性更新模块与用户画像信息融合模块相连传输属性更新信息。
CN201610792303.0A 2016-08-31 2016-08-31 基于对话交互的用户画像的构建方法及系统 Active CN106446045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610792303.0A CN106446045B (zh) 2016-08-31 2016-08-31 基于对话交互的用户画像的构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610792303.0A CN106446045B (zh) 2016-08-31 2016-08-31 基于对话交互的用户画像的构建方法及系统

Publications (2)

Publication Number Publication Date
CN106446045A true CN106446045A (zh) 2017-02-22
CN106446045B CN106446045B (zh) 2020-01-21

Family

ID=58163861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610792303.0A Active CN106446045B (zh) 2016-08-31 2016-08-31 基于对话交互的用户画像的构建方法及系统

Country Status (1)

Country Link
CN (1) CN106446045B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106933991A (zh) * 2017-02-24 2017-07-07 陈晶 一种面向智能终端的深度分析与用户画像系统及方法
CN107025278A (zh) * 2017-03-27 2017-08-08 竹间智能科技（上海）有限公司 基于人机对话的用户画像自动提取方法及装置
CN107316644A (zh) * 2017-08-22 2017-11-03 北京百度网讯科技有限公司 用于信息交互的方法及装置
CN107844548A (zh) * 2017-10-30 2018-03-27 北京锐安科技有限公司 一种数据标签方法和装置
CN109145204A (zh) * 2018-07-27 2019-01-04 苏州思必驰信息科技有限公司 画像标签生成和使用方法及系统
CN109242309A (zh) * 2018-09-05 2019-01-18 广州视源电子科技股份有限公司 参会用户画像生成方法、装置、智能会议设备及存储介质
CN109299231A (zh) * 2018-09-14 2019-02-01 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
CN109783733A (zh) * 2019-01-15 2019-05-21 三角兽（北京）科技有限公司 用户画像生成装置及方法、信息处理装置及存储介质
CN110196849A (zh) * 2019-06-05 2019-09-03 普元信息技术股份有限公司 基于大数据治理技术实现用户画像构建处理的系统及其方法
CN110472145A (zh) * 2019-07-25 2019-11-19 维沃移动通信有限公司 一种内容推荐方法和电子设备
CN111292733A (zh) * 2018-12-06 2020-06-16 阿里巴巴集团控股有限公司 一种语音交互方法和装置
CN111444341A (zh) * 2020-03-16 2020-07-24 中国平安人寿保险股份有限公司 用户画像构建方法、装置、设备及可读存储介质
CN111984770A (zh) * 2020-07-17 2020-11-24 深思考人工智能科技(上海)有限公司 一种人机对话的方法及装置
CN112287208A (zh) * 2019-09-30 2021-01-29 北京沃东天骏信息技术有限公司 用户画像生成方法、装置、电子设备及存储介质
CN114153716A (zh) * 2022-02-08 2022-03-08 中国电子科技集团公司第五十四研究所 语义信息交换网络下有无人对象实时画像生成方法
CN117150023A (zh) * 2023-10-27 2023-12-01 南京邮电大学 一种面向智能对话系统的对话状态追踪方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105608171A (zh) * 2015-12-22 2016-05-25 青岛海贝易通信息技术有限公司 用户画像构建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105608171A (zh) * 2015-12-22 2016-05-25 青岛海贝易通信息技术有限公司 用户画像构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
俞凯等: "任务型人机对话系统中的认知技术-概念、进展及其未来", 《计算机学报》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106933991A (zh) * 2017-02-24 2017-07-07 陈晶 一种面向智能终端的深度分析与用户画像系统及方法
CN107025278A (zh) * 2017-03-27 2017-08-08 竹间智能科技（上海）有限公司 基于人机对话的用户画像自动提取方法及装置
CN107316644A (zh) * 2017-08-22 2017-11-03 北京百度网讯科技有限公司 用于信息交互的方法及装置
CN107844548A (zh) * 2017-10-30 2018-03-27 北京锐安科技有限公司 一种数据标签方法和装置
CN109145204A (zh) * 2018-07-27 2019-01-04 苏州思必驰信息科技有限公司 画像标签生成和使用方法及系统
CN109145204B (zh) * 2018-07-27 2021-01-15 苏州思必驰信息科技有限公司 画像标签生成和使用方法及系统
CN109242309A (zh) * 2018-09-05 2019-01-18 广州视源电子科技股份有限公司 参会用户画像生成方法、装置、智能会议设备及存储介质
CN109299231A (zh) * 2018-09-14 2019-02-01 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
CN111292733A (zh) * 2018-12-06 2020-06-16 阿里巴巴集团控股有限公司 一种语音交互方法和装置
CN109783733A (zh) * 2019-01-15 2019-05-21 三角兽（北京）科技有限公司 用户画像生成装置及方法、信息处理装置及存储介质
CN110196849A (zh) * 2019-06-05 2019-09-03 普元信息技术股份有限公司 基于大数据治理技术实现用户画像构建处理的系统及其方法
CN110472145A (zh) * 2019-07-25 2019-11-19 维沃移动通信有限公司 一种内容推荐方法和电子设备
CN112287208B (zh) * 2019-09-30 2024-03-01 北京沃东天骏信息技术有限公司 用户画像生成方法、装置、电子设备及存储介质
CN112287208A (zh) * 2019-09-30 2021-01-29 北京沃东天骏信息技术有限公司 用户画像生成方法、装置、电子设备及存储介质
CN111444341A (zh) * 2020-03-16 2020-07-24 中国平安人寿保险股份有限公司 用户画像构建方法、装置、设备及可读存储介质
CN111444341B (zh) * 2020-03-16 2024-04-12 中国平安人寿保险股份有限公司 用户画像构建方法、装置、设备及可读存储介质
CN111984770A (zh) * 2020-07-17 2020-11-24 深思考人工智能科技(上海)有限公司 一种人机对话的方法及装置
CN111984770B (zh) * 2020-07-17 2023-10-20 深思考人工智能科技(上海)有限公司 一种人机对话的方法及装置
CN114153716A (zh) * 2022-02-08 2022-03-08 中国电子科技集团公司第五十四研究所 语义信息交换网络下有无人对象实时画像生成方法
CN114153716B (zh) * 2022-02-08 2022-05-06 中国电子科技集团公司第五十四研究所 语义信息交换网络下有无人对象实时画像生成方法
CN117150023B (zh) * 2023-10-27 2024-01-05 南京邮电大学 一种面向智能对话系统的对话状态追踪方法
CN117150023A (zh) * 2023-10-27 2023-12-01 南京邮电大学 一种面向智能对话系统的对话状态追踪方法

Also Published As

Publication number Publication date
CN106446045B (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
CN106446045A (zh) 基于对话交互的用户画像的构建方法及系统
CN106294593B (zh) 结合从句级远程监督和半监督集成学习的关系抽取方法
CN105786798B (zh) 一种人机交互中自然语言意图理解方法
CN106357942A (zh) 基于上下文对话语义识别的智能应答方法及系统
CN103956169B (zh) 一种语音输入方法、装置和系统
CN110472017A (zh) 一种话术分析和话题点识别匹配的方法及系统
CN107346340A (zh) 一种用户意图识别方法及系统
CN104281702B (zh) 基于电力关键词分词的数据检索方法及装置
KR101605430B1 (ko) 문답 데이터베이스 구축 시스템 및 방법, 그리고 이를 이용한 검색 시스템 및 방법
CN103164403B (zh) 视频索引数据的生成方法和系统
CN105608218A (zh) 智能问答知识库的建立方法、建立装置及建立系统
CN106934068A (zh) 机器人基于环境上下文的语义理解的方法
CN103593412B (zh) 一种基于树形结构问题的应答方法及系统
CN104331523B (zh) 一种基于概念对象模型的问句检索方法
CN104462064A (zh) 一种移动终端信息通讯提示输入内容的方法和系统
WO2019205705A1 (zh) 基于语义框架的人机对话方法及系统
KR101637504B1 (ko) 비정형 데이터 처리 시스템 및 방법
CN108712466A (zh) 一种基于Gaussian ATM和词嵌入的语义稀疏Web服务发现方法
CN110347401B (zh) 一种基于语义相似度的API Framework服务发现方法
CN105447119A (zh) 一种文本聚类方法
CN111128175B (zh) 口语对话管理方法及系统
CN105956023A (zh) 一种生僻字库网络化应用的方法及系统
CN113779987A (zh) 一种基于自注意力增强语义的事件共指消岐方法及系统
CN106021413A (zh) 基于主题模型的自展式特征选择方法及系统
CN107315739A (zh) 一种语义分析方法

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

Effective date of registration: 20200617

Address after: Room 105G, 199 GuoShoujing Road, Pudong New Area, Shanghai, 200120

Patentee after: Shanghai Jiaotong University Intellectual Property Management Co.,Ltd.

Address before: 200240 Dongchuan Road, Shanghai, No. 800, No.

Patentee before: SHANGHAI JIAO TONG University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201028

Address after: 215123 14 Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou, Jiangsu.

Patentee after: AI SPEECH Ltd.

Address before: Room 105G, 199 GuoShoujing Road, Pudong New Area, Shanghai, 200120

Patentee before: Shanghai Jiaotong University Intellectual Property Management Co.,Ltd.

TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder

Address after: 215123 14 Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou, Jiangsu.

Patentee after: Sipic Technology Co.,Ltd.

Address before: 215123 14 Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou, Jiangsu.

Patentee before: AI SPEECH Ltd.

CP01 Change in the name or title of a patent holder