CN107329986A - 基于语言行为识别的人机对话方法及装置 - Google Patents
基于语言行为识别的人机对话方法及装置 Download PDFInfo
- Publication number
- CN107329986A CN107329986A CN201710406159.7A CN201710406159A CN107329986A CN 107329986 A CN107329986 A CN 107329986A CN 201710406159 A CN201710406159 A CN 201710406159A CN 107329986 A CN107329986 A CN 107329986A
- Authority
- CN
- China
- Prior art keywords
- information
- language
- historical data
- input
- behavior
- 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.)
- Pending
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
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于智能识别技术领域，提供了一种基于语言行为识别的人机对话方法及装置。本发明的基于语言行为识别的人机对话方法，包括：获取用户的输入信息，所述输入信息包括文字信息、声音信息、图像信息中的至少一种；从历史数据库中获取用户的历史数据，所述历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为；将所述当前语言行为输入语言行为决策模型，得到回答策略。本发明提供的基于语言行为识别的人机对话方法及装置，在人机对话过程中充分考虑了个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理。
Description
技术领域
本发明涉及智能识别技术领域，具体涉及一种基于语言行为识别的人机对话方法及装置。
背景技术
在现有的人工智能对话系统中，利用语料库以及模板来判断用户讲话，对话系统该如何回应并未考虑语言行为对于对话流畅度的影响。语言行为的检测是根据人类所产出文字、声音、表情上进行语言行为辨识，通过语言行为辨识能精准判断每句话的实际动机为何，并以此来调整回答策略。但由于每个人对于每个文字、声音与表情理解不同，因此单就文字、声音与表情上的意思而忽略个人的环境与语言行为而进行对话回应，往往由于信息较少而导致回应结果不精确。
发明内容
针对现有技术中的缺陷，本发明提供了一种基于语言行为识别的人机对话方法及装置，在人机对话过程中充分考虑了个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理。
第一方面，本发明提供的一种基于语言行为识别的人机对话方法，包括：获取用户的输入信息，所述输入信息包括文字信息、声音信息、图像信息中的至少一种；从历史数据库中获取用户的历史数据，所述历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为；将所述当前语言行为输入语言行为决策模型，得到回答策略。
本发明提供的基于语言行为识别的人机对话方法，在语言行为识别和语言行为决策的过程中充分考虑了多维度的因素，提高了语言行为的识别准确度，在人机对话过程中充分考虑个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理，相较于不考虑语言行为的人机对话方式，降低了机器人对话过程中无法应对用户的现象，降低了对话无延续的断裂感。
优选地，还包括：在获取用户的输入信息后，自动获取外部日常信息，所述外部日常信息包括使用时间、使用地点、新闻信息中的至少一种；所述将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为，包括：将所述输入信息、所述历史数据和所述外部日常信息输入语言行为识别模型，得到当前语言行为。
优选地，还包括：将所述当前语言行为存入所述历史数据库中；所述将所述当前语言行为输入语言行为决策模型，得到回答策略，还包括：所述将所述当前语言行为和所述历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
优选地，所述历史数据的更新方法包括：分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新所述历史数据库中的习惯信息、偏好信息、操作历史记录。
优选地，所述当前语言行为包括当前主要语言行为和当前次要语言行为。
第二方面，本发明提供的一种基于语言行为识别的人机对话装置，包括：输入信息获取模块，用于获取用户的输入信息，所述输入信息包括文字信息、声音信息、图像信息中的至少一种；历史数据获取模块，用于从历史数据库中获取用户的历史数据，所述历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；语言行为识别模块，用于将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为；语言行为决策模块，用于将所述当前语言行为输入语言行为决策模型，得到回答策略。
本发明提供的基于语言行为识别的人机对话装置，在语言行为识别和语言行为决策的过程中充分考虑了多维度的因素，提高了语言行为的识别准确度，在人机对话过程中充分考虑个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理，相较于不考虑语言行为的人机对话方式，降低了机器人对话过程中无法应对用户的现象，降低了对话无延续的断裂感。
优选地，还包括外部日常信息获取模块，用于在获取用户的输入信息后，自动获取外部日常信息，所述外部日常信息包括使用时间、使用地点、新闻信息中的至少一种；所述语言行为识别模块具体用于：所述将所述输入信息、所述历史数据和所述外部日常信息输入语言行为识别模型，得到当前语言行为。
优选地，还包括更新模块，用于将所述当前语言行为存入所述历史数据库中；所述语言行为决策模块具体用于：将所述当前语言行为和所述历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
优选地，还包括历史数据更新模块，用于分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新所述历史数据库中的习惯信息、偏好信息、操作历史记录。
优选地，所述当前语言行为包括当前主要语言行为和当前次要语言行为。
附图说明
图1示出了本发明实施例所提供的基于语言行为识别的人机对话方法的流程图；
图2示出了本发明实施例所提供的基于语言行为识别的人机对话装置的结构框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，本实施例提供的一种基于语言行为识别的人机对话方法，包括：
步骤S1，获取用户的输入信息，输入信息包括文字信息、声音信息、图像信息中的至少一种。
其中，用户通过人机交互界面输入文字，机器人获取用户输入的文字信息；声音信息可以通过内置在机器人内部的收声装置获取；图像信息可以通过设置在机器人上的摄像头获取。获取的文字信息、声音信息、图像信息存入机器人内部的存储器，供后续处理使用。
步骤S2，从历史数据库中获取用户的历史数据，历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种。
其中，历史数据库中用于存储一些以前获取或计算得到的数据。
步骤S3，将输入信息和历史数据输入语言行为识别模型，得到当前语言行为。
其中，输入语言行为识别模型的输入信息和历史数据分别包括多个参数，但每个参数都不是必要参数，即使只输入一个参数也可以得到当前语言行为，只是输入语言行为识别模型的参数越多，结果越精准。其中，语言行为识别模型基于现有的机器学习算法实现，不限于某种特定算法或公式。
步骤S4，将当前语言行为输入语言行为决策模型，得到回答策略。
其中，回答策略用于在与人对话过程中，为机器人提供回答的策略。语言行为决策模型为当给定语言行为后，接下来机器人应该采取的行动，因此语言行为决策模型可以用各种现有技术实现，如人工规则式设计、机器自动学习等方式，不限于某种算法。
在人机对话过程中，针对用户说的每一句话，机器人都会获取用户的输入信息，因此，会针用户的每句话都会分析语言行为，并得到对应的回话策略。
本实施例提供的基于语言行为识别的人机对话方法，在语言行为识别和语言行为决策的过程中充分考虑了多维度的因素，提高了语言行为的识别准确度，在人机对话过程中充分考虑个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理，相较于不考虑语言行为的人机对话方式，降低了机器人对话过程中无法应对用户的现象，降低了对话无延续的断裂感。
为了进一步提高语言行为辨识的精准度，本实施例提供的基于语言行为识别的人机对话方法还包括：在获取用户的输入信息后，自动获取外部日常信息，外部日常信息包括使用时间、使用地点、新闻信息中的至少一种。相应地，步骤S3的优选实施方式包括：将输入信息、历史数据和外部日常信息输入语言行为识别模型，得到当前语言行为。
其中，使用时间为用户与机器人对话的时间；使用地点为用户与机器人对应的地点，使用地点通过定位装置就可以获取，如GPS；新闻信息为对话发生前一段时间内的热点新闻，可以通过网络获取，获取方式与现有的网络热点抓取方法相同，在此不再赘述。
在不同的时间、地点，用户说的同样一句话可能存在不同的意思，因此，加入时间和地点的因素，有助于提高分析用户正确意图的准确度，提供语言行文辨识的精准度。发生的热点新闻也会影响用户与机器人的交流内容，因此，机器人在对话过程中还要考虑当前发生的热点时事。因此，通过在语言行为辨识过程中，自动获取多样的外部日常信息，来进行用户的语言行为推论，基于语言行为得到的回话策略指导机器人回话，会提高用户对话回复的体验感。
为了进一步提高语言行为决策模型输出结果的精准度，实施例提供的基于语言行为识别的人机对话方法还包括：将当前语言行为存入历史数据库中。相应地，步骤S4的优选实施方式包括：将当前语言行为输入语言行为决策模型，得到回答策略，还包括：将当前语言行为和历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
其中，过去语言行为通过分析历史数据库中过往的信息获得，方法与当前语言行为的获取方法相同，具体地包括：将历史数据库中的数据作为语言行为识别模型的输入，得到过去语言行为。因此，过去语言行为实际上代表了该用户长期的语言行为或说话习惯、语言风格，其与用户的性格等因素相关，具有长期的稳定性。所以，在计算回答策略时，通过加入过去语言行为，可以充分考虑用户的性格习惯，使回答策略更加符合用户的对话风格。
基于上述任一方法实施例，本实施例中的历史数据库中的历史数据的更新方法包括：分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新历史数据库中的习惯信息、偏好信息、操作历史记录。通过不断地分析并更新习惯信息、偏好信息、操作历史记录，使数据能够反应用户的真实状态，提高语言行为识别和语言行为决策分析的准确度。其中，通过搜集用户在应用上的使用行为获得习惯信息、偏好信息、操作历史记录等信息，具体搜集方法均采用现有技术实现。
其中，当前语言行为包括当前主要语言行为和当前次要语言行为。当前主要语言行为是当前语句对应的语言行为，表示的是人机对话过程中一句话对应的语言。当前次要语言行为是当前对话对应的语言行为，表示的是一轮对话过程中的语言行为。通过当前主要语言行为和当前次要语言行为，可以为语言行为决策模型提供更多的输入参数，提高语言行为决策模型输出结果的精准度。
基于与上述基于语言行为识别的人机对话方法相同的发明构思，本实施例还提供了一种基于语言行为识别的人机对话装置，如图2所示，包括：输入信息获取模块，用于获取用户的输入信息，输入信息包括文字信息、声音信息、图像信息中的至少一种；历史数据获取模块，用于从历史数据库中获取用户的历史数据，历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；语言行为识别模块，用于将输入信息和历史数据输入语言行为识别模型，得到当前语言行为；语言行为决策模块，用于将当前语言行为输入语言行为决策模型，得到回答策略。
本实施例提供的基于语言行为识别的人机对话装置，在语言行为识别和语言行为决策的过程中充分考虑了多维度的因素，提高了语言行为的识别准确度，在人机对话过程中充分考虑个人所处的环境与语言行为，提供了更优的回答策略，使得机器人的回应结果更加合理，相较于不考虑语言行为的人机对话方式，降低了机器人对话过程中无法应对用户的现象，降低了对话无延续的断裂感。
优选地，还包括外部日常信息获取模块，用于在获取用户的输入信息后，自动获取外部日常信息，外部日常信息包括使用时间、使用地点、新闻信息中的至少一种。相应地，语言行为识别模块具体用于：将输入信息、历史数据和外部日常信息输入语言行为识别模型，得到当前语言行为。
优选地，还包括更新模块，用于将当前语言行为存入历史数据库中。相应地，语言行为决策模块具体用于：将当前语言行为和历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
优选地，还包括历史数据更新模块，用于分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新历史数据库中的习惯信息、偏好信息、操作历史记录。
优选地，当前语言行为包括当前主要语言行为和当前次要语言行为。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于语言行为识别的人机对话方法，其特征在于，包括：
获取用户的输入信息，所述输入信息包括文字信息、声音信息、图像信息中的至少一种；
从历史数据库中获取用户的历史数据，所述历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；
将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为；
将所述当前语言行为输入语言行为决策模型，得到回答策略。
2.根据权利要求1所述的方法，其特征在于，
还包括：在获取用户的输入信息后，自动获取外部日常信息，所述外部日常信息包括使用时间、使用地点、新闻信息中的至少一种；
所述将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为，包括：将所述输入信息、所述历史数据和所述外部日常信息输入语言行为识别模型，得到当前语言行为。
3.根据权利要求1或2所述的方法，其特征在于，
还包括：将所述当前语言行为存入所述历史数据库中；
所述将所述当前语言行为输入语言行为决策模型，得到回答策略，还包括：所述将所述当前语言行为和所述历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
4.根据权利要求1或2所述的方法，其特征在于，所述历史数据的更新方法包括：
分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新所述历史数据库中的习惯信息、偏好信息、操作历史记录。
5.根据权利要求1所述的方法，其特征在于，所述当前语言行为包括当前主要语言行为和当前次要语言行为。
6.一种基于语言行为识别的人机对话装置，其特征在于，包括：
输入信息获取模块，用于获取用户的输入信息，所述输入信息包括文字信息、声音信息、图像信息中的至少一种；
历史数据获取模块，用于从历史数据库中获取用户的历史数据，所述历史数据包括用户的习惯信息、偏好信息、操作历史记录中的至少一种；
语言行为识别模块，用于将所述输入信息和所述历史数据输入语言行为识别模型，得到当前语言行为；
语言行为决策模块，用于将所述当前语言行为输入语言行为决策模型，得到回答策略。
7.根据权利要求6所述的装置，其特征在于，
还包括外部日常信息获取模块，用于在获取用户的输入信息后，自动获取外部日常信息，所述外部日常信息包括使用时间、使用地点、新闻信息中的至少一种；
所述语言行为识别模块具体用于：所述将所述输入信息、所述历史数据和所述外部日常信息输入语言行为识别模型，得到当前语言行为。
8.根据权利要求6或7所述的装置，其特征在于，
还包括更新模块，用于将所述当前语言行为存入所述历史数据库中；
所述语言行为决策模块具体用于：将所述当前语言行为和所述历史数据库中的过去语言行为输入语言行为决策模型，得到回答策略。
9.根据权利要求6或7所述的装置，其特征在于，还包括历史数据更新模块，用于分析用户使用机器人交互界面的操作信息、使用时间、使用地点、输入信息，得到新的习惯信息、偏好信息、操作历史记录，并更新所述历史数据库中的习惯信息、偏好信息、操作历史记录。
10.根据权利要求6所述的装置，其特征在于，所述当前语言行为包括当前主要语言行为和当前次要语言行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710406159.7A CN107329986A (zh) | 2017-06-01 | 2017-06-01 | 基于语言行为识别的人机对话方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710406159.7A CN107329986A (zh) | 2017-06-01 | 2017-06-01 | 基于语言行为识别的人机对话方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107329986A true CN107329986A (zh) | 2017-11-07 |
Family
ID=60194168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710406159.7A Pending CN107329986A (zh) | 2017-06-01 | 2017-06-01 | 基于语言行为识别的人机对话方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107329986A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108337001A (zh) * | 2018-01-31 | 2018-07-27 | 深圳开思时代科技有限公司 | 配件编码处理方法、装置、电子设备及存储介质 |
| CN108509398A (zh) * | 2018-03-28 | 2018-09-07 | 掌阅科技股份有限公司 | 对话小说的生成方法、计算设备及计算机存储介质 |
| CN108710697A (zh) * | 2018-05-23 | 2018-10-26 | 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 |
| CN110674276A (zh) * | 2019-09-23 | 2020-01-10 | 深圳前海微众银行股份有限公司 | 机器人自学习方法、机器人终端、装置及可读存储介质 |
| CN114579820A (zh) * | 2022-03-21 | 2022-06-03 | 徐涛 | 在人机对话中提取语境特征的方法及装置 |
| CN116503879A (zh) * | 2023-05-22 | 2023-07-28 | 广东骏思信息科技有限公司 | 应用于电商平台的威胁行为识别方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178705A (zh) * | 2007-12-13 | 2008-05-14 | 中国电信股份有限公司 | 一种自然语言理解方法和人机交互智能系统 |
| CN106599998A (zh) * | 2016-12-01 | 2017-04-26 | 竹间智能科技（上海）有限公司 | 基于情感特征调整机器人回答的方法及系统 |
| CN106844603A (zh) * | 2017-01-16 | 2017-06-13 | 竹间智能科技（上海）有限公司 | 实体热门度的计算方法及装置、应用方法及装置 |
| 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 |
| CN107368572A (zh) * | 2017-07-13 | 2017-11-21 | 张勇 | 多功能智能人机交互方法及系统 |
-
2017
- 2017-06-01 CN CN201710406159.7A patent/CN107329986A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178705A (zh) * | 2007-12-13 | 2008-05-14 | 中国电信股份有限公司 | 一种自然语言理解方法和人机交互智能系统 |
| CN106599998A (zh) * | 2016-12-01 | 2017-04-26 | 竹间智能科技（上海）有限公司 | 基于情感特征调整机器人回答的方法及系统 |
| CN106844603A (zh) * | 2017-01-16 | 2017-06-13 | 竹间智能科技（上海）有限公司 | 实体热门度的计算方法及装置、应用方法及装置 |
| 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 |
| CN107368572A (zh) * | 2017-07-13 | 2017-11-21 | 张勇 | 多功能智能人机交互方法及系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108337001A (zh) * | 2018-01-31 | 2018-07-27 | 深圳开思时代科技有限公司 | 配件编码处理方法、装置、电子设备及存储介质 |
| CN108337001B (zh) * | 2018-01-31 | 2022-03-11 | 深圳开思时代科技有限公司 | 配件编码处理方法、装置、电子设备及存储介质 |
| CN108509398A (zh) * | 2018-03-28 | 2018-09-07 | 掌阅科技股份有限公司 | 对话小说的生成方法、计算设备及计算机存储介质 |
| CN108509398B (zh) * | 2018-03-28 | 2019-04-12 | 掌阅科技股份有限公司 | 对话小说的生成方法、计算设备及计算机存储介质 |
| CN108710697A (zh) * | 2018-05-23 | 2018-10-26 | 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 |
| CN108710697B (zh) * | 2018-05-23 | 2020-01-03 | 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 |
| CN110674276A (zh) * | 2019-09-23 | 2020-01-10 | 深圳前海微众银行股份有限公司 | 机器人自学习方法、机器人终端、装置及可读存储介质 |
| CN114579820A (zh) * | 2022-03-21 | 2022-06-03 | 徐涛 | 在人机对话中提取语境特征的方法及装置 |
| CN116503879A (zh) * | 2023-05-22 | 2023-07-28 | 广东骏思信息科技有限公司 | 应用于电商平台的威胁行为识别方法及装置 |
| CN116503879B (zh) * | 2023-05-22 | 2024-01-19 | 广东骏思信息科技有限公司 | 应用于电商平台的威胁行为识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107329986A (zh) | 基于语言行为识别的人机对话方法及装置 | |
| WO2020135194A1 (zh) | 基于情绪引擎技术的语音交互方法、智能终端及存储介质 | |
| CN107329967B (zh) | 基于深度学习的问答系统以及方法 | |
| CN106611597B (zh) | 基于人工智能的语音唤醒方法和装置 | |
| CN106599998B (zh) | 基于情感特征调整机器人回答的方法及系统 | |
| CN106782526A (zh) | 语音控制方法和装置 | |
| CN107368572A (zh) | 多功能智能人机交互方法及系统 | |
| CN107301168A (zh) | 智能机器人及其情绪交互方法、系统 | |
| CN109885810A (zh) | 基于语义解析的人机问答方法、装置、设备和存储介质 | |
| CN111752523A (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
| CN109670023A (zh) | 人机自动面试方法、装置、设备和存储介质 | |
| CN110032732A (zh) | 一种文本标点预测方法、装置、计算机设备及存储介质 | |
| CN109753560B (zh) | 智能问答系统的信息处理方法及装置 | |
| CN106294854A (zh) | 一种用于智能机器人的人机交互方法及装置 | |
| CN109190652A (zh) | 坐席分类管理方法、装置、计算机设备和存储介质 | |
| CN109271585A (zh) | 一种信息推送方法及家教设备 | |
| Baur et al. | eXplainable cooperative machine learning with NOVA | |
| CN112113317B (zh) | 一种室内热环境控制系统及方法 | |
| CN108922540A (zh) | 与老人用户进行连续ai对话的方法及系统 | |
| CN110532387A (zh) | 一种基于开放性问答文本的抑郁症辅助检测方法 | |
| CN109614627A (zh) | 一种文本标点预测方法、装置、计算机设备及存储介质 | |
| EP2879062A2 (en) | A system and a method for providing a dialog with a user | |
| CN106127526A (zh) | 智能机器人系统及其工作方法 | |
| KR20190046062A (ko) | 대화 시스템을 위한 대화 시나리오 데이터베이스 구축 방법 및 장치 | |
| CN117786079A (zh) | 一种基于自适应学习与情景感知ai代理的对话方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |
|
| RJ01 | Rejection of invention patent application after publication |