CN107636648B - 基于情绪标识来构造响应 - Google Patents
基于情绪标识来构造响应 Download PDFInfo
- Publication number
- CN107636648B CN107636648B CN201680028277.2A CN201680028277A CN107636648B CN 107636648 B CN107636648 B CN 107636648B CN 201680028277 A CN201680028277 A CN 201680028277A CN 107636648 B CN107636648 B CN 107636648B
- Authority
- CN
- China
- Prior art keywords
- identified
- user
- emotion
- user input
- computing device
- 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
Images
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
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本文中所描述的示例提供了一种数字助理,其基于来自用户输入的目标情绪标识来构造响应。该数字助理接收非结构化数据输入,并且标识包含方面项目的输入的片断。与片断中的方面项目相关联的情绪被标识并且被分类以标识指向方面项目的目标情绪。基于目标情绪和方面项目来生成响应。
Description
背景技术
智能代理系统可以使用来自多种数据库或模型的信息来生成推荐或者对问题做出响应。一些智能代理系统还可以访问所存储的用户简档信息,以在生成推荐或响应时利用。
发明内容
本公开的示例通常涉及一种用于基于情绪标识来构造响应的系统和方法。可以接收用户输入,并且可以标识包括项目的特定实例的用户输入的片断。可以基于用户输入的至少一个内容特征来标识片断中的情绪。所标识的情绪可以用于标识指向项目的特定实例的情绪,并且可以基于情绪和项目来生成响应。
提供本发明内容以简化形式介绍下文在具体实施方式中进一步描述的一系列概念。本发明内容不旨在标识所要求保护的主题的主要特征或基本特征,也不旨在用于帮助确定所要求保护的主题的范围。
附图说明
图1是图示了基于情绪标识来构造响应的计算设备的示例性框图。
图2是图示了基于情绪标识来构造响应的计算设备的示例性框图。
图3是图示了基于情绪标识来生成响应的计算设备的操作的示例性流程图。
图4是图示了基于情绪标识来构造响应并且个性化用户简档的计算设备的操作的示例性流程图。
图5是图示了实现个性化数字助理的移动设备的示例性框图。
图6示出了本公开的各个方面可以并入其中的计算环境的说明性示例。
相应的附图标记在所有附图中指示对应的部件。
具体实施方式
参考附图,本公开的示例使得智能代理或数字助理能够基于用户输入内的情绪标识来生成个性化响应。在一些示例中,智能代理或数字助理标识指向或针对用户输入中的具体实例或项目类型的情绪,并且使用所标识的情绪来构造个性化响应来处理所表达的情绪。在其他一些示例中,智能代理或数字助理基于用户输入中的所标识的情绪来更新用户偏好并且自动使用户简档个性化。
本公开的各方面进一步通过向用户输入提供感同身受的或个性化的响应而提供增强的用户交互性能,以处理用户输入中所表达的情绪,该用户输入具有会话话语(utterances)的形式。所得到的用户交互效率的改进通过减少或消除用户手动更新与用户简档中的某些项目或实体相关联的个人偏好或意见的需要来节省用户时间,从而改善智能代理在用户交互期间所使用的用户偏好的个性化,并且使用不断改进的个性化简档为智能代理提供更准确的推荐能力。
再次参考图1,示例性框图图示了基于情绪标识来构造响应的计算设备。在图1的示例中,与用户相关联的计算设备表示用于接收非结构化数据输入和标识非结构化数据输入内的项目和相关联的情绪的系统。非结构化数据是指自然语言数据,诸如例如,文本用户输入或口头用户输入。在一些示例中,可以从因特网或用户计算设备获得非结构化数据或自然语言数据。例如,可以通过刮擦(scraping)或挖掘(mining)社交媒体网络或服务来获得非结构化数据。作为另一示例,与社交媒体或消息传送应用相关联的用户输入通常是非结构化数据。非结构化数据可能包含文本、数字、日期、符号、非字母数字字符、声音或前述的任何组合。
非结构化数据可以包括基于写入的结构,诸如段落或句子结构、时间结构(诸如与创建数据相关联的时间点)、或基于应用的结构(诸如与数据相关联的排名或度量)。例如,基于社交媒体的评价服务可以包括各种公司或服务的文本评价,诸如在一个示例中为饮食场所。评价服务可以具有基于应用的结构,诸如与度量相关联的若干颗星,该度量用于为评价者对与被评价的公司或服务相关联的产品的服务感觉如何进行排序。该示例中的非结构化数据可以包括评价者的自然语言文本输入,以及指示与评价相关联的积极或消极反馈的程度的若干颗星或度量。
计算设备表示执行指令(例如,作为应用、操作系统功能性或两者)以实现与计算设备相关联的操作和功能性的任何设备。计算设备可以包括移动计算设备或任何其他便携式设备。在一些示例中,移动计算设备包括移动电话、笔记本电脑、平板电脑、计算板、上网本、游戏设备和/或便携式媒体播放器。计算设备还可以包括较少移动的设备,诸如台式个人计算机、自助服务终端、桌面设备、工业控制设备、无线充电站和电动汽车充电站。附加地,计算设备可以表示处理单元组或其他计算设备。
在一些示例中,计算设备具有至少一个处理器、存储器区域和至少一个用户接口。处理器包括任何数量的处理单元,并且被编程成执行用于实现本公开的各方面的计算机可执行指令。指令可以由处理器或由计算设备内的多个处理器执行,或者由计算设备外部的处理器执行。在一些示例中,处理器被编程成执行诸如附图(例如,图3至图4)中所示的指令。
在一些示例中,处理器表示用于执行本文中所描述的操作的模拟技术的实现方式。例如,操作可以由模拟计算设备和/或数字计算设备执行。
计算设备还具有一个或多个计算机可读介质,诸如存储器区域。存储器区域包括与计算设备相关联或可由其访问的任何数量的介质。存储器区域可以在计算设备内部(如图1至图2所示),在计算设备外部(未示出)或两者(未示出)。在一些示例中,存储器区域包括只读存储器或接线到模拟计算设备中的存储器,或两者。
除了其他数据之外,存储器区域存储一个或多个应用。当由处理器执行时,应用可以操作以在计算设备上执行功能性。示例性应用包括邮件应用程序、网络浏览器、日历应用程序、地址簿应用程序、消息传送程序、媒体应用、基于位置的服务、搜索程序等。应用可以与对等应用或服务(诸如可经由网络访问的web服务)进行通信。例如,应用可以表示与在云端执行的服务器端服务相对应的、所下载的客户端应用。
存储器区域还存储与与用户相关联的用户活动和/或计算设备活动相关联的活动日志。存储器区域可以进一步存储与计算设备和/或与计算设备相对应的用户活动相关联的错误日志。例如,活动日志可以存储用户经由在计算设备上实现的消息收发应用发送的消息,以及用于消息的时间戳,消息类型和关于设备输入的细节。在该说明性示例中,活动日志条目可以包括以下内容:
时间:6:00PM;
类型:文本消息;
输入类型:电话键盘
键盘语言:英语
文本:“See you soon?”
该说明性活动日志条目可以由数字助理使用,来了解用户喜欢在什么种类的上下文中使用哪种类型的单词。这种类型的学习可以进一步允许数字助理在与用户说话时在类似的上下文中使用类似的词汇表,以便像用户一样说话。在其他示例中,可以存储音频样本(例如,使用话音命令的用户创建的提醒、口头查询等)以及与用户活动相对应的时间戳、类型和其他相关联的信息。例如,用户可能试图使用话音命令提示创建日历提醒,并且未能成功生成提醒。在该示例中,错误日志条目可以包括口头查询的音频样本,任务失败所处的阶段以及关于失败的活动的其他对应信息。
存储器区域还存储一个或多个计算机可执行部件。示例性部件包括通信接口部件、用户接口部件和分类器部件。当由计算设备的处理器执行时,用户接口部件使得处理器将数据输出到用户接口部件并且处理经由用户接口部件接收的用户输入。
在一些示例中,通信接口部件包括网络接口卡和/或用于操作网络接口卡的计算机可执行指令(例如,驱动程序)。计算设备和其他设备之间的通信可以使用任何协议或机制通过任何有线或无线连接进行。在一些示例中,通信接口可通过短距离通信技术操作,诸如通过使用近场通信(NFC)标签。
在一些示例中,用户接口部件包括用于向用户显示数据并且从用户接收数据的图形卡。用户接口部件还可以包括用于操作图形卡的计算机可执行指令(例如,驱动程序)。进一步地,用户接口部件可以包括显示器(例如,触摸屏显示器或自然用户接口)和/或用于操作显示器的计算机可执行指令(例如,驱动程序)。用户接口部件还可以包括以下各项中的一项或多项以向用户提供数据或从用户接收数据:扬声器、声卡、相机、麦克风、振动马达、一个或多个加速度计、BLUETOOTH品牌通信模块、全球定位系统(GPS)硬件和感光的光传感器。例如,用户可以通过以特定方式移动计算设备来输入命令或操纵数据。
再次参考图1,示例性框图图示了基于情绪标识来构造响应的计算设备。计算设备102可以与用户104相关联。计算设备102可以包括通信地耦合至存储器区域108的处理器106。存储器区域108包括数字助理110,其可以是由处理器106执行以向用户104提供个性化响应的智能代理的一个实现方式。存储器区域108还可以包括方面(facet)推荐器112,其可以从诸如用户输入、消费者评价、社交媒体内容(例如,基于文本或语音的内容)之类的携带情绪的内容或其他携带意见的在线内容中创建并且呈现针对特定会话主题(以及可选地,针对与那些方面相关联的实体)的方面的推荐。
存储器区域108还可以包括非结构化数据输入114,其可以在一些示例中从用户104接收,或者在其他示例中经由社交媒体或在线内容接收。非结构化数据输入114可以包括但不限于方面项目116和/或情绪118。在一些示例中,非结构化数据输入114可以包括任何数目个方面、方面项目和/或情绪表达。
注意,在本文中所提供的示例中的一些示例的上下文中,术语“方面”被定义为是指通项或类别(例如,食物、饮料、事件),并且“方面项目”被定义为是指与具体会话话题相关联的其方面(例如,汉堡、玛格丽塔、音乐会)的特定实例。例如,可以以用户编写的文本接收方面项目,并且使用在非结构化数据的分析期间标识的相关联的方面进行归一化或结构化。例如,关于基于餐馆的会话主题,方面可以包括但不限于位置、食物、饮料、服务、员工、氛围、气氛、便利设施、娱乐、游戏、客户、事件、价格、等待时间、新鲜度等。每个方面还可以进一步被分割成子方面。例如,“食物”方面可以包括牛肉、海鲜、家禽、素食等的子方面,其中每个子方面还可以单独被处理为方面。在这些示例中,对于“食物”的方面,会话中标识的方面项目可能是“食物”的实例“汉堡”,其可以附加地例如与“牛肉”的子方面相关联。
方面推荐器112将机器学习方面模型应用于携带情绪的内容以标识与该内容的区段或片断相关联的会话主题方面。在各种示例中,方面推荐器112还可选地使用方面模型和/或机器学习情绪模型来确定与会话主题、方面、方面项目或对应的实体相关联的中性情绪(还包括内容中没有情绪的情况)、积极情绪、或消极情绪。方面推荐器112可以生成关于具体方面的新的会话话语(即,简短的中性推荐、积极推荐或消极推荐),其可能基于与那些方面相关联的所标识的情绪并且可选地基于针对方面和/或情绪的“一致”的确定。进一步地,在一些示例中,通过将从携带情绪的内容中提取的方面、相关联的区段或片断和/或与及具体会话话题相关联的情绪拟合到一个或多个预先定义的会话框架来创建这些话语。
数字助理110可以使用方面推荐器112来标识非结构化数据输入114内的方面项目116和情绪118。方面推荐器112还可以由数字助理110用于标识方面项目116的方面,其中方面可以是例如类别、类型或实体。如果输入包括例如短语“我不喜欢汉堡”,方面推荐器112可以将方面项目标识为“汉堡”,并且将针对该方面项目的方面标识为“食物”。在另一示例中,方面推荐器112可以标识与方面项目“汉堡”相对应的方面“食物”的子方面“牛肉”的进一步细节。作为又一示例,用户输入可以包括短语“音乐会不错;乐队很棒,但是太热了”。在这个示例中,方面推荐器112可以将方面项目标识为“音乐会”,并且将针对该方面项目的方面标识为“活动”。
数字助理110可以使用所标识的情绪和方面项目来生成用于输出给用户104的响应120。在该示例中,情绪118指向方面项目116,并且还可以被称为目标情绪。目标情绪是被标识为指向方面项目的情绪,而非由用户表达或从用户检测到的一般情绪。这个示例短语中的情绪可能被认为是消极的,因此目标情绪是指向汉堡的消极情绪。在一些示例中,数字助理110还可以使用方面项目和来自用户输入的所标识的目标情绪(诸如在该示例中为情绪118)来更新用户简档122。例如,在一些示例中,数字助理110可以更新用户简档122以指示用户不喜欢汉堡,或者不喜欢来自在对应的用户输入中被单独标识的特定源的汉堡。例如,在其他示例中,诸如输入短语“乐队很棒,但是太热了”,数字助理110可以将“很棒”标识为针对乐队的情绪,并且更新用户简档122以指示用户喜欢该具体的乐队或音乐风格。
通信接口部件124和用户接口部件126也可以被并入存储器区域108中。在一些示例中,处理器106可以执行数字助理110来处理在存储器区域108中被保持的非结构化数据输入114。数字助理110可以生成与非结构化数据输入114相对应的响应120并且经由用户接口部件126输出响应120。在一些其他示例中,一个或多个部件可以远离计算设备102被实现,并且可经由通信接口部件124通过网络128来访问。
数字助理110可以使用方面推荐器112来标识与用户输入的一个或多个方面项目相关联的目标情绪。在这些示例中,方面项目可以是经分类的实体或项目的实例。例如,用户输入可以包括诸如“三明治太油腻”之类的短语。用户输入的示例性部分的方面项目是“三明治”,并且由分类器部件标识的目标情绪可能是指向三明治的消极情绪。数字助理110还可以使用所标识的目标情绪与用户输入的其他内容(诸如词汇特征、句法特征、语义特征、语言特征、非语言特征以及任何其他合适特征)相结合来生成响应120。词汇特征可以是与给定语言的单词或词汇表有关的特征。句法特征可以是与给定语言中的片断或句子的结构有关的特征。语义特征可以是与给定语言中使用的单词、短语、标志或符号之间的含义或关系有关的特征。语言特征可以是与给定语言相对应的声音、标志或意义,以及语言的表达(诸如与语音相关联的速度速率、与语音相关联的音量、韵律或任何其他合适的语言表达的特性)有关的特征。非语言特征可以是诸如例如用户输入发生的时间(例如,一天中的时间),用户输入所发生的位置,用户的年龄,用户的性别,关于用户的社交网络的信息,关于用户的家庭网络的信息以及关于提供输入的用户的任何其他合适的信息的特征。
数字助理110还可以使用所标识的目标情绪与用户输入的其他内容相结合来更新用户简档122。这样,数字助理110通过标识目标情绪并感同身受地响应或以处理所标识的目标情绪的这种方式响应、以及个性化特定于所标识的目标情绪的用户简档122,来加强与用户104的人际关系。
网络128可以使得计算设备102能够与一个或多个服务或其他资源连接和/或与其通信。附加地,尽管计算设备102的部件被描绘为在计算设备102内实现,但是这些部件中的一个或多个部件可以远离计算设备102被实现并且可经由网络128访问。
图2是图示了基于目标情绪标识来构造响应的计算设备的示例性框图。计算设备202可以是执行指令(例如,作为应用程序、操作系统功能性或两者)来实现与计算设备相关联的操作和功能性的任何设备。计算设备可以包括移动计算设备或任何其他便携式设备。在一些示例中,移动计算设备包括移动电话、笔记本电脑、平板电脑、计算板、上网本、游戏设备、可穿戴计算设备和/或便携式媒体播放器。计算设备还可以包括较少移动的设备,诸如台式个人计算机、自助服务终端、桌面设备、工业控制设备、无线充电站和电动汽车充电站。附加地,计算设备可以表示处理单元组或其他计算设备。
计算设备202可以与用户204相关联。计算设备202可以包括数字助理206和用户接口208。用户204可以经由用户接口208与计算设备202的数字助理206进行交互。例如,数字助理206可以经由用户接口208接收用户输入210,并且处理用户输入210以生成用于经由用户接口208向用户204输出的响应212。
计算设备202还可以包括任何数目的其他部件和/或资源,包括但不限于浏览器214、通信部件216、方面推荐器218和用户简档220。
在一个示例中,数字助理206可以使用方面推荐器218来标识用户输入210内的目标情绪,并且将所标识的目标情绪分类为积极的、消极的或中性的(或没有检测到情绪)。例如,数字助理206可以使用所标识的目标情绪来生成特定地响应于用户输入210的目标情绪的响应212。
图3是图示了计算设备基于目标情绪标识来生成响应的操作的示例性流程图。这些操作可以由计算设备的处理单元所执行的数字助理(诸如由计算设备102的处理器106执行的数字助理110)执行。
该过程开始于接收非结构化数据输入(在302处)。在一个示例中,非结构化数据输入可以被实时地接收,诸如从与在用户设备上实现的个人数字助理交互的用户接收。非结构化数据输入也可以从社交媒体获得,并且在一些示例中被用于训练模型以标识目标情绪,或在目标情绪标识中训练数字助理。
该过程标识非结构化数据输入的片断,该片段包括方面项目(在304处)。该过程标识与片断中的方面项目相关联的情绪(在306处)。在一些示例中,数字助理可以使用方面推荐器来标识指向片断中的方面项目的目标情绪。
该过程对所标识的情绪进行分类,以标识指向方面项目的目标情绪(在308处)。目标情绪可能是例如积极的、消极的或中性的,其中中性可以是指中性情绪(例如,食物“不错”),或者在片断内缺乏所标识的情绪。该过程基于目标情绪和方面项目生成对非结构化数据输入的响应(在310处),其后该过程终止。
图4是图示了计算设备基于目标情绪标识来构造响应并且个性化用户简档的操作的示例性流程图。这些操作可以由移动设备的处理单元所执行的数字助理(诸如例如,由计算设备202执行的数字助理206)来执行。
该过程开始于接收用户输入(在402处)。在一个示例中,所接收的用户输入可以响应于数字助理生成的问题以引起反馈。在其他示例中,所接收到的用户输入可以响应于由移动设备的数字助理提供的推荐。
该过程标识用户输入的内容特征(在404处),其可以包括但不限于用户输入的语言特征、词汇特征、句法特征、语义特征、非语言特征以及任何其他合适特征。该过程标识所标识的内容特征内的方面项目(在406处)。该过程标识指向该方面项目的情绪(在408处)。例如,该过程可以使用方面推荐器,以标识方面项目和指向用户输入内的方面项目的情绪。
该过程对所标识的情绪进行分类,以标识指向在所接收的用户输入中标识的方面项目的目标情绪(在410处)。该过程基于目标情绪和方面项目生成对用户输入的响应,并且使用所标识的内容特征中的一个或多个特征将响应与用户输入相匹配(在412处)。例如,一个标识的内容特征可以是与对应于所接收的用户输入的语音相关联的速度速率。例如,该速度速率可以由数字助理来反映,该数字助理生成对用户输入的响应,以使响应与用户的风格或语音节奏相匹配。
该过程输出所生成的响应(在414处),并且基于目标情绪和方面项目来更新用户简档(在416处),其后该过程终止。例如,使用标识与用户输入的语音相关联的速度速率的说明性示例,该过程可以参考用户语音模式(诸如在该示例中为语音速率)来更新用户简档。在另一说明性示例中,在指向用户输入中的方面项目的目标情绪被标识为指向具体饮食场所的消极情绪的情况下,该过程可以基于用户输入、在该输入中被标识的方面项目以及指向该输入中的方面项目的目标情绪来更新用户简档,以指示用户不喜欢该具体餐厅或食物风格。
参考图5,图示了实现个性化数字助理的移动设备的示例性框图。移动设备502可以是任何移动计算设备,包括但不限于移动电话、个人数字助理(PDA)、平板电脑、膝上型计算机、可穿戴式计算设备或任何其他合适的移动设备。在一个示例中,移动设备502是图2中的计算设备202的说明性示例。
移动设备502提供数字助理的示例性操作,该数字助理接收非结构化数据(诸如用户输入),标识非结构化数据内的方面项目和目标情绪,以及使用所标识的方面项目和目标情绪来构造对输入的响应。在该描绘的示例中,数字助理可以通过数字助理和用户之间的自然语言会话接收具有用户输入形式的非结构化数据。数字助理分析非结构化数据输入的片断或部分,并且将“汉堡”标识为非结构化数据输入片段的方面项目。在该片断中确定了消极情绪,表明该示例中指向“汉堡”方面项目的负面情绪。
数字助理使用所标识的信息(诸如方面项目和目标情绪)来构造对输入的响应。在该示例中,数字助理还可以标识用户输入中的修饰短语“太油腻”,并且在生成响应时使用修饰短语作为枢纽来查找相关单词。例如,标识消极的目标情绪,数字助理在生成响应时使用“太油腻”作为枢纽来查找反义词,或者与单词“油腻”相反的其他单词。在该示例中,数字助理选择“更健康”作为在用户输入中标识的目标情绪的相反短语或响应。
数字助理生成的响应的类型将取决于用户对目标方面项目的情绪。考虑到目标情绪,数字助理可以利用用户使用的特定单词来作为枢纽以描述目标项目,以找出可以被用于创造响应的相关单词。
作为另一示例,如果用户说“我不喜欢杂烩,脂肪过多”,数字助理可以标识方面项目(杂烩)和针对该方面项目的情绪(消极的)。如上文所描述的,数字助理可以使用方面推荐器标识方面项目和情绪。数字助理可以可选地标识片断中的修饰短语,诸如“脂肪太多”,并且可以从用户输入的片断中提取修饰短语以用作枢纽以在生成响应时查找相关单词。换句话说,数字助理可以基于从输入中提取的所标识的情绪、方面项目和修饰短语(如果有的话)来生成对非结构化数据输入的响应。在这些示例中,鉴于方面项目已经被标识为“杂烩”,其可以使用方面推荐器被进一步标识为“食物”方面,并且鉴于标识的情绪是消极的,数字助理可以搜索响应措辞,以使用其处理情绪和修饰短语。例如,“更健康”或“脂肪更少”可以被标识为“脂肪”的对立面或反义词,并且被数字助理用于处理针对杂烩的方面项目的消极情绪。处理目标情绪和所标识的修饰短语两者的该措辞可以使用上下文无关文法来被并入到所生成的响应中,诸如例如,“下一次我会推荐一些脂肪更少的东西”。
来自基于目标情绪标识而生成的响应的(“脂肪更少”)这点信息还可以被用于更新或改善用户的简档。例如,通过将“他们喜欢‘脂肪少’的东西”添加到用户简档。原始用户输入还可以被用于填充用户的简档,连同所提取的目标情绪和方面项目,例如,通过将用户不喜欢“脂肪过多”或不喜欢“杂烩”添加到用户简档。
可以通过利用所提取的方面项目中的单词和/或与知识库中的方面项目相关联的单词来将更多信息添加到用户简档中,例如,在一些示例场景中,通过将用户不喜欢“含奶油的”东西或“用全脂牛奶制成的东西”添加到用户简档。数字助理可以通过选择用户简档已经记录了的用户喜欢的项目、以及通过不选择用户简档已经记录了的用户不喜欢的项目,在她下次推荐条目时使用这样的条目。
附加示例
在一些示例场景中,还可以考虑用户喜欢和不喜欢东西的一天中的时间,从而一天中的时间和其他外部因素(诸如天气)可以用于指导推荐。例如,下雨时不宜推荐在户外就座;如果用户是素食者,则不宜推荐肉类。
在一些其他示例中,响应可以基于用户正在使用的单词以及用户输入的其他语言和非语言特征来进一步构造。例如,通过从用户输入中提取单词,以及标识在生成响应时与由用户使用的语言最紧密地匹配或最分布地类似的其他单词。这提供了数字助理,其学习像其用户一样说话,从而提供与用户语音样式匹配的响应。
可替代地或除了本文中所描述的其他示例之外,示例包括以下各项的任何组合:
-标识与片断中确定的方面项目相关联的修饰短语;
-基于目标情绪、方面项目和所标识的修饰短语来生成对非结构化数据输入的响应;
-训练数字助理以使用非结构化数据输入来标识目标情绪;
-标识非结构化数据输入的内容特征;
-使用一个或多个所标识的内容特征生成响应,以使响应与非结构化数据输入相匹配;
-内容特征包括以下至少一项:语言特征、非语言特征、词汇特征、语义特征或句法特征;
-基于目标情绪和方面项目来更新用户简档;
-标识片断中的修饰短语;
-基于所标识的情绪和所标识的修饰短语来生成对用户输入的响应;
-标识用户输入的其他内容特征;
-基于其他所标识的内容特征中的一个或多个内容特征来生成响应,以使响应与用户输入相匹配;
-基于所标识的情绪来更新用户简档;
-确定针对方面项目的方面;
-使用方面项目和所标识的情绪来更新用户简档中的对应的方面;
-所标识的情绪是积极情绪、消极情绪或中性情绪的一种情绪;
-标识与所提取的内容特征内的方面项目相关联的修饰短语;
-使用修饰短语作为枢纽以标识针对响应的内容特征来生成对用户输入的响应,;
-使用与所提取的文本用户输入的内容特征相匹配的内容特征来生成对用户输入的响应;
-标识所提取的内容特征内的非语言特征;
-基于所标识的非语言特征和所提取的内容特征中的一个或多个来生成对用户输入的响应,以使响应与用户输入相匹配;
-生成对用户输入的响应,该响应包括与目标情绪和对应的极性相关联的至少一个内容特征;
-基于目标情绪和方面项目来更新用户简档;
图2中的各种元件的功能性的至少一部分可以由图1中的其他元件或图1中未示出的实体(例如,处理器、web服务、服务器、应用程序、计算设备等)执行。
在一些示例中,图3至图4中图示的操作可以被实现为在计算机可读介质上编码的软件指令、被硬件编程或设计成执行操作,或两者兼有。例如,本公开的各方面可以被实现为片上系统或包括多个互连的导电元件的其他电路。
虽然已经用其相关联操作根据各种示例对本公开的各方面进行了描述,但是本领域技术人员将领会,来自任何数目的不同示例的操作的组合也在本公开的各方面的范围内。
虽然没有通过本公开的各方面跟踪个人可标识信息,但是已经参考从用户监视和/或收集的数据对示例进行了描述。在一些示例中,可以向用户提供数据的收集的通知(例如,经由会话框或偏好设置),并且给予用户机会以同意或拒绝监视和/或收集。同意可以采取选择选中同意或不选中同意的形式。
在牵涉到通用计算机的示例中,当被配置成执行本文中所描述的指令时,本公开的各方面将通用计算机变换为专用计算设备。
示例性操作环境
图6图示了合适的计算和联网环境600的示例,在其上可以实现图1至图4的示例。计算系统环境600仅是合适的计算环境的一个示例,并不旨在暗示对本公开的使用或功能性的范围的任何限制。计算环境600也不应被解释为具有与示例性操作环境600中所图示的部件中的任一部件或部件的组合有关的任何依赖性或要求。
本公开可与许多其他通用或专用计算系统环境或配置一起操作。可以适用于本公开的众所周知的计算系统、环境和/或配置的示例包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、平板设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型计算机、大型计算机、包括上述系统或设备中的任一系统或设备的分布式计算环境等。
可以在由计算机执行的诸如程序模块之类的计算机可执行指令的一般上下文中描述本公开。通常,程序模块包括执行具体任务或实现具体抽象数据类型的例程、程序、对象、部件、数据结构等。本公开还可以在分布式计算环境中实践,其中任务由通过通信网络链接的远程处理设备执行。在分布式计算环境中,程序模块可以位于包括存储器存储设备的本地计算机存储介质和/或远程计算机存储介质中。
参考图6,用于实现本公开的各个方面的示例性系统可以包括具有计算机610形式的通用计算设备。计算机610的部件可以包括但不限于处理单元620、系统存储器630以及将包括系统存储器的各种系统部件耦合至处理单元620的系统总线621。系统总线621可以是以下几种类型的总线结构中的任何一种:存储器总线或存储器控制器、外围总线以及使用多种总线架体系构中的任一种总线架体系构的本地总线。作为示例而非限制,这种体系架构包括工业标准体系架构(ISA)总线、微通道体系架构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)本地总线以及还被称为Mezzanine总线的外围部件互连(PCI)总线。
计算机610通常包括多种计算机可读介质。计算机可读介质可以是可以由计算机610访问的任何可用介质,并且包括易失性介质和非易失性介质以及可移除介质和不可移除介质。作为示例而非限制,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据之类的信息的任何方法或技术实现的易失性介质和非易失性介质、可移除介质和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存存储器或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光盘存储装置、磁带盒、磁带、磁盘存储装置或其他磁存储设备、或可以用于存储期望信息并且可以由计算机610访问的任何其他介质。通信介质通常在诸如载波或其他传送机制之类的调制数据信号中实现计算机可读指令、数据结构、程序模块或其他数据,并且包括任何信息传递介质。术语“调制数据信号”是指以对信号中的信息进行编码的方式设置或改变其特性中的一个或多个特性的信号。作为示例而非限制,通信介质包括诸如有线网络或直接有线连接之类的有线介质以及诸如声学、RF、红外和其他无线介质之类的无线介质。上述中的任一项的组合还可以包括在计算机可读介质的范围内。
系统存储器630包括具有诸如只读存储器(ROM)631和随机存取存储器(RAM)632之类的易失性存储器和/或非易失性存储器形式的计算机存储介质。基本输入/输出系统633(BIOS)包含帮助在计算机610内的元件之间(诸如在启动期间)传送信息的基本例程,通常被存储在ROM 631中。RAM 632通常包含处理单元620可直接地访问和/或目前正在被操作的数据和/或程序模块。通过示例而非限制,图6图示了操作系统634、应用程序635、其他程序模块636和程序数据637。
计算机610还可以包括其他可移除/不可移除易失性/非易失性计算机存储介质。仅作为示例,图6图示了从不可移除非易失性磁性介质读取或向其写入的硬盘驱动器641,从可移除非易失性磁盘652读取或向其写入的磁盘驱动器651以及从诸如CD ROM或其他光学介质之类的可移除非易失性光盘656读取或向其写入的光盘驱动器655。可以在示例性操作环境中使用的其他可移除/不可移除,易失性/非易失性计算机存储介质包括但不限于磁带盒、闪存卡、数字通用盘、数字录像带、固态RAM、固态ROM等。硬盘驱动器641通常通过诸如接口640之类的不可移除存储器接口连接至系统总线621,并且磁盘驱动器651和光盘驱动器655通常通过诸如接口650之类的可移除存储器接口连接至系统总线621。
如上文所描述的并且在图6中所图示的驱动器及其相关联的计算机存储介质为计算机610提供计算机可读指令、数据结构、程序模块和其他数据的存储。例如,在图6中,硬盘驱动器641被图示为存储操作系统644、应用程序645、其他程序模块646和程序数据647。注意,这些部件可以与操作系统634、应用程序635、其他程序模块636和程序数据637相同或不同。操作系统644、应用程序645、其他程序模块646和程序数据647在本文中被给予不同的数字,以说明至少它们是不同的副本。用户可以通过诸如平板电脑或电子数字转换器664、麦克风663、键盘662以及指示设备661(通常被称为鼠标、轨迹球或触摸板)之类的输入设备将命令和信息录入到计算机610中。图6中未示出的其他输入设备可以包括操纵杆、游戏垫、卫星天线、扫描仪等。这些输入设备和其他输入设备通常通过耦合至系统总线的用户输入接口660连接至处理单元620,但是也可以通过其他接口和总线结构(诸如并行端口、游戏端口或通用串行总线(USB))连接。监视器691或其他类型的显示设备还经由诸如视频接口690之类的接口连接至系统总线621。监视器691还可以与触摸屏面板等集成。注意,监视器和/或触摸屏面板可以物理耦合至其中包含有计算设备610的壳体,诸如在平板式个人计算机中。另外,诸如计算设备610之类的计算机还可以包括可以通过输出外围接口694等连接的其他外围输出设备,诸如扬声器695和打印机696。
计算机610可以使用到一个或多个远程计算机(诸如远程计算机680)的逻辑连接在联网环境中操作。远程计算机680可以是个人计算机、服务器、路由器、网络PC、对等设备或其他公共网络节点,并且通常包括相对于计算机610描述的元件中的许多或所有元件,尽管图6中仅图示了存储器存储设备681。图6中描绘的逻辑连接包括一个或多个局域网(LAN)671和一个或多个广域网(WAN)673,但还可以包括其他网络。这样的网络环境在办公室、企业范围的计算机网络、内联网和互联网中是常见的。
当在LAN联网环境中使用时,计算机610通过网络接口或适配器670连接至LAN671。当在WAN联网环境中使用时,计算机610通常包括调制解调器672或用于通过诸如互联网的WAN 673建立通信的其他器件。可以在内部或外部的调制解调器672可以经由用户输入接口660或其他适当的机构连接至系统总线621。诸如包括接口和天线的无线网络部件可以通过诸如接入点或对等计算机之类的合适的设备耦合至WAN或LAN。在联网环境中,相对于计算机610描绘的程序模块或其部分可以被存储在远程存储器存储设备中。作为示例而非限制,图6图示了驻留在存储器设备681上的远程应用程序685。可以领会,所示出的网络连接是示例性的,并且可以使用在计算机之间建立通信链路的其他手段。
辅助子系统699(例如,用于内容的辅助显示)可以经由用户接口660连接以允许向用户提供诸如节目内容,系统状态和事件通知的数据,即使主要部分计算机系统处于低功率状态。辅助子系统699可以被连接至调制解调器672和/或网络接口670,当主处理单元620处于低功率状态时,允许这些系统之间的通信。
本文中所图示和描述的示例以及本文中未特定描述但在本公开的各方面的范围内的示例构成了用于基于目标情绪标识来构造响应的示例性器件。例如,图1至图2所图示的元件(诸如当被编码以执行图3至图4所图示的操作时)构成用于标识目标情绪的示例性器件、用于对所标识的情绪进行分类的示例性器件、以及用于基于所标识的目标情绪和目标情绪所指向的方面项目来生成响应的示例性器件。
除非另有说明,否则本文中所图示的和描述的本公开的实施例中的操作的执行次序或操作顺序不是必须的。也就是说,除非另有说明,否则操作可以以任何次序执行,并且本公开的示例可以包括与本文中所公开的操作相比的附加的或更少的操作。例如,可以设想,在另一操作之前、同时或之后执行或进行具体操作在本公开的各方面的范围内。
当引入本公开或其示例的各方面的元素时,冠词“一(a)”、“一个(an)”、“该(the)”和“所述(said)”旨在意指存在元件中的一个或多个元素。术语“包括(comprising)”、“包括(including)”和“具有(having)”旨在是包容性的,并且意指除了所列出的元件之外可以存在附加元件。术语“示例性”旨在意指“示例”。短语“以下各项中的一项或多项:A,B和C”意指“至少一个A和/或至少一个B和/或至少一个C”。
已经详细描述了本公开的各方面,明显的是,在不背离如所附权利要求中限定的本公开的各方面的范围的情况下,修改和变化是可能的。因为在不背离本公开的各方面的范围的情况下,在上述构造、产品和方法中可以进行各种改变,所以旨在将上述描述中所包含的、并且在附图中被展现的所有内容应被解释为说明性的而非限制性的。
虽然本公开容易受到各种修改和备选构造的影响,但是在附图中示出了其某些图示的示例,并且上文已经进行了详细描述。然而,应当理解,并不旨在将所公开的内容限制于所公开的特定形式,相反,旨在覆盖落入本公开的精神和范围内的所有修改、备选构造和等同物。
Claims (16)
1.一种基于目标情绪标识来构造用户特定响应的系统,所述系统包括:
存储器区域,所述存储器区域与移动计算设备相关联;以及
处理器,所述处理器通信地耦合至所述存储器区域并且被配置成:
接收与用户相关联的非结构化数据输入;
从所述非结构化数据提取单词,所提取的所述单词包括一个或多个情绪;
在从所述非结构化数据输入中提取的所述单词中标识所述一个或多个情绪;
通过分析所提取的所述单词标识所述非结构化数据输入的片断中的方面项目;将一个或多个所标识的所述情绪中的情绪标识为与所述片断中的所标识的所述方面项目相关联;
标识与所述片断中的所标识的所述方面项目相关联的方面;
分类所标识的所述情绪,作为被指向所标识的所述方面项目的目标情绪;
标识至少一个单词,所述至少一个单词处理被指向所述方面项目的所述目标情绪;
生成对所述非结构化数据输入的所述用户特定响应,所述用户特定响应涉及所述方面的并且合并了所标识的至少一个单词,所述至少一个单词处理指向所述方面项目的所述目标情绪;
经由用户接口输出所生成的用户特定响应;以及
基于所述方面和所述目标情绪将用户简档更新为被指向所述方面项目。
2.根据权利要求1所述的系统,其中所述处理器还被配置成:
标识与所述片断中的所标识的所述方面项目相关联的修饰短语;以及
基于所述目标情绪、所述方面项目和所标识的所述修饰短语,来生成对所述非结构化数据输入的所述用户特定响应。
3.根据权利要求1所述的系统,其中所述非结构化数据输入包括社交媒体内容,并且其中所述处理器还被配置成:
使用所述非结构化数据输入来训练数字助理以标识目标情绪。
4.根据权利要求1所述的系统,其中所述处理器还被配置成:
标识所述非结构化数据输入的内容特征;以及
使用所标识的所述内容特征中的一个或多个内容特征来生成所述用户特定响应,以使所述用户特定响应与所述非结构化数据输入相匹配。
5.根据权利要求4所述的系统,其中所述内容特征包括以下至少一项:语言特征、非语言特征、词汇特征、语义特征或句法特征。
6.根据权利要求1所述的系统,其中所述处理器还被配置成:基于词汇特征、句法特征、语义特征、语言特征或非语言特征中的至少一项将所标识的所述情绪分类成指向所述方面项目的目标情绪。
7.一种基于目标情绪标识来构造用户特定响应的方法,包括:
经由计算设备的用户接口接收用户输入;
从所述用户输入提取单词;
通过与所述计算设备相关联的处理器来标识所提取的所述单词的片断,所提取的所述单词的片断包括方面项目;
标识与所述片断中的所标识的所述方面项目相关联的方面;
基于所述用户输入的至少一个内容特征来标识所述片断中的情绪,所述情绪被指向所标识的所述方面项目,其中所述情绪是积极、消极或中性之一;
标识包括至少一个单词并且与所接收的用户输入中的所标识的情绪相关联的修饰短语;
使用所标识的修饰短语作为枢纽,根据与所述用户相关联的活动日志来查找至少一个相关单词,所述至少一个相关单词处理所标识的情绪,其中所述活动日志包括用户活动和与所述用户相关联的计算设备活动中的至少一项;
生成对所接收的所述用户输入的用户输入特定响应,所述用户输入特定响应涉及所标识的所述方面并且合并了响应于所标识的情绪的所述至少一个相关单词,所标识的情绪与在所接收的用户输入中的所标识的所述方面项目相关联,所述响应包括与所标识的情绪、所标识的所述方面以及对应的极性相关联的所述至少一个内容特征;
经由用户界面,输出所生成的用户输入特定响应;以及
基于所标识的所述情绪和所标识的所述方面项目来更新用户简档。
8.根据权利要求7所述的方法,还包括:
标识所述用户输入的其他内容特征;以及
基于一个或多个所标识的其他用户特征来生成所述用户输入特定响应,以使所述响应与用户输入相匹配。
9.根据权利要求7所述的方法,其中所述处理器还被配置为基于词汇特征、句法特征、语义特征、语言特征或非语言特征中的至少一项将所标识的所述情绪分类成指向所述方面项目的目标情绪。
10.一种移动计算设备,所述移动计算设备包括:
存储器区域,所述存储器区域存储数字助理;以及
处理器,所述处理器被配置成执行所述数字助理以:
经由所述移动计算设备的用户接口部件接收用户输入;
从所述用户输入提取单词;
通过分析所提取的所述单词来在所述移动计算设备处,标识来自所述用户输入的所提取的所述单词的片断内的方面项目;
标识与所述片断中的所标识的所述方面项目相关联的方面;
标识与所述片断中的所标识的所述方面项目相关联的情绪;
分类所标识的所述情绪,以标识被指向所标识的所述方面项目的目标情绪;
在包括至少一个单词并且与所接收的所述用户输入中的、指向所标识的所述方面项目的所标识的目标情绪相关联的所提取的所述单词中标识修饰短语;
使用所标识的修饰短语作为枢纽,来查找处理所标识的所述目标情绪的至少一个相关单词;
在所述移动计算设备处生成用户输入特定响应,所述用户输入特定响应涉及所标识的所述方面并且合并了响应于所标识的所述目标情绪的所述至少一个相关单词,所标识的所述目标情绪与在所接收的用户输入中的所标识的所述方面项目相关联;
将所生成的所述用户输入特定响应输出到所述移动计算设备的所述用户接口部件;以及
基于所标识的所述情绪和所标识的所述方面来更新用户简档。
11.根据权利要求10所述的移动计算设备,其中所述处理器还被配置成执行所述数字助理以:
从所接收的所述用户输入提取一个或多个内容特征。
12.根据权利要求11所述的移动计算设备,其中所述处理器还被配置成执行所述数字助理以:
使用与所述用户输入的所提取的所述一个或多个内容特征相匹配的内容特征,来生成对所述用户输入的所述用户输入特定响应。
13.根据权利要求11所述的移动计算设备,其中所述处理器还被配置成执行所述数字助理以:
标识所提取的所述内容特征内的非语言特征;以及
基于所标识的所述非语言特征和所提取的所述一个或多个内容特征中的一个或多个,来生成对所述用户输入的所述用户输入特定响应,以使所述响应与用户输入相匹配。
14.根据权利要求11所述的移动计算设备,其中所生成的所述用户输入特定响应包括与所述目标情绪相关联的至少一个内容特征,以及对应的极性。
15.根据权利要求10所述的移动计算设备,其中所标识的所述情绪是积极、消极或中性之一。
16.根据权利要求10所述的移动计算设备,其中所述处理器还被配置为基于词汇特征、句法特征、语义特征、语言特征或非语言特征中的至少一项将所标识的所述情绪分类成指向所述方面项目的目标情绪。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/719,173 US10997226B2 (en) | 2015-05-21 | 2015-05-21 | Crafting a response based on sentiment identification |
US14/719,173 | 2015-05-21 | ||
PCT/US2016/028025 WO2016186777A1 (en) | 2015-05-21 | 2016-04-18 | Crafting a response based on sentiment identification |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107636648A CN107636648A (zh) | 2018-01-26 |
CN107636648B true CN107636648B (zh) | 2021-10-22 |
Family
ID=55910376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680028277.2A Active CN107636648B (zh) | 2015-05-21 | 2016-04-18 | 基于情绪标识来构造响应 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10997226B2 (zh) |
EP (1) | EP3295333A1 (zh) |
CN (1) | CN107636648B (zh) |
WO (1) | WO2016186777A1 (zh) |
Families Citing this family (65)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11216498B2 (en) | 2005-10-26 | 2022-01-04 | Cortica, Ltd. | System and method for generating signatures to three-dimensional multimedia data elements |
US20160321253A1 (en) | 2005-10-26 | 2016-11-03 | Cortica, Ltd. | System and method for providing recommendations based on user profiles |
US11604847B2 (en) | 2005-10-26 | 2023-03-14 | Cortica Ltd. | System and method for overlaying content on a multimedia content element based on user interest |
US9646005B2 (en) | 2005-10-26 | 2017-05-09 | Cortica, Ltd. | System and method for creating a database of multimedia content elements assigned to users |
US11019161B2 (en) | 2005-10-26 | 2021-05-25 | Cortica, Ltd. | System and method for profiling users interest based on multimedia content analysis |
US11361014B2 (en) | 2005-10-26 | 2022-06-14 | Cortica Ltd. | System and method for completing a user profile |
US11620327B2 (en) | 2005-10-26 | 2023-04-04 | Cortica Ltd | System and method for determining a contextual insight and generating an interface with recommendations based thereon |
US11403336B2 (en) | 2005-10-26 | 2022-08-02 | Cortica Ltd. | System and method for removing contextually identical multimedia content elements |
US20140156901A1 (en) | 2005-10-26 | 2014-06-05 | Cortica Ltd. | Computing device, a system and a method for parallel processing of data streams |
US10742340B2 (en) | 2005-10-26 | 2020-08-11 | Cortica Ltd. | System and method for identifying the context of multimedia content elements displayed in a web-page and providing contextual filters respective thereto |
US8326775B2 (en) | 2005-10-26 | 2012-12-04 | Cortica Ltd. | Signature generation for multimedia deep-content-classification by a large-scale matching system and method thereof |
US10848590B2 (en) | 2005-10-26 | 2020-11-24 | Cortica Ltd | System and method for determining a contextual insight and providing recommendations based thereon |
US10949773B2 (en) | 2005-10-26 | 2021-03-16 | Cortica, Ltd. | System and methods thereof for recommending tags for multimedia content elements based on context |
US11032017B2 (en) | 2005-10-26 | 2021-06-08 | Cortica, Ltd. | System and method for identifying the context of multimedia content elements |
US11386139B2 (en) | 2005-10-26 | 2022-07-12 | Cortica Ltd. | System and method for generating analytics for entities depicted in multimedia content |
US20160085733A1 (en) | 2005-10-26 | 2016-03-24 | Cortica, Ltd. | System and method thereof for dynamically associating a link to an information resource with a multimedia content displayed in a web-page |
US11537636B2 (en) | 2007-08-21 | 2022-12-27 | Cortica, Ltd. | System and method for using multimedia content as search queries |
US20160350669A1 (en) * | 2015-06-01 | 2016-12-01 | Linkedin Corporation | Blending content pools into content feeds |
US20170017998A1 (en) * | 2015-07-17 | 2017-01-19 | Adobe Systems Incorporated | Determining context and mindset of users |
WO2017024553A1 (zh) * | 2015-08-12 | 2017-02-16 | 浙江核新同花顺网络信息股份有限公司 | 一种信息情感分析方法和系统 |
JP6376096B2 (ja) * | 2015-09-28 | 2018-08-22 | 株式会社デンソー | 対話装置及び対話方法 |
US11195043B2 (en) | 2015-12-15 | 2021-12-07 | Cortica, Ltd. | System and method for determining common patterns in multimedia content elements based on key points |
WO2017105641A1 (en) | 2015-12-15 | 2017-06-22 | Cortica, Ltd. | Identification of key points in multimedia data elements |
JP6774018B2 (ja) * | 2016-09-15 | 2020-10-21 | 富士ゼロックス株式会社 | 対話装置 |
US10446144B2 (en) * | 2016-11-21 | 2019-10-15 | Google Llc | Providing prompt in an automated dialog session based on selected content of prior automated dialog session |
US10885529B2 (en) * | 2017-03-03 | 2021-01-05 | Asapp, Inc. | Automated upsells in customer conversations |
US10558757B2 (en) * | 2017-03-11 | 2020-02-11 | International Business Machines Corporation | Symbol management |
CN109564783A (zh) | 2017-05-11 | 2019-04-02 | 微软技术许可有限责任公司 | 在自动聊天中辅助心理治疗 |
US10838967B2 (en) | 2017-06-08 | 2020-11-17 | Microsoft Technology Licensing, Llc | Emotional intelligence for a conversational chatbot |
CN107291867B (zh) * | 2017-06-13 | 2021-07-20 | 北京百度网讯科技有限公司 | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 |
CN107463601B (zh) * | 2017-06-13 | 2021-02-12 | 北京百度网讯科技有限公司 | 基于人工智能的对话理解系统构建方法、装置、设备及计算机可读存储介质 |
US11760387B2 (en) | 2017-07-05 | 2023-09-19 | AutoBrains Technologies Ltd. | Driving policies determination |
US11899707B2 (en) | 2017-07-09 | 2024-02-13 | Cortica Ltd. | Driving policies determination |
US10847148B2 (en) * | 2017-07-14 | 2020-11-24 | International Business Machines Corporation | Dynamic personalized multi-turn interaction of cognitive models |
US11721090B2 (en) * | 2017-07-21 | 2023-08-08 | Samsung Electronics Co., Ltd. | Adversarial method and system for generating user preferred contents |
WO2019200584A1 (en) * | 2018-04-19 | 2019-10-24 | Microsoft Technology Licensing, Llc | Generating response in conversation |
US11093533B2 (en) | 2018-06-05 | 2021-08-17 | International Business Machines Corporation | Validating belief states of an AI system by sentiment analysis and controversy detection |
US10846544B2 (en) | 2018-07-16 | 2020-11-24 | Cartica Ai Ltd. | Transportation prediction system and method |
US11613261B2 (en) | 2018-09-05 | 2023-03-28 | Autobrains Technologies Ltd | Generating a database and alerting about improperly driven vehicles |
US20200133308A1 (en) | 2018-10-18 | 2020-04-30 | Cartica Ai Ltd | Vehicle to vehicle (v2v) communication less truck platooning |
US10839694B2 (en) | 2018-10-18 | 2020-11-17 | Cartica Ai Ltd | Blind spot alert |
US11904863B2 (en) | 2018-10-26 | 2024-02-20 | AutoBrains Technologies Ltd. | Passing a curve |
US11126869B2 (en) | 2018-10-26 | 2021-09-21 | Cartica Ai Ltd. | Tracking after objects |
US11392738B2 (en) | 2018-10-26 | 2022-07-19 | Autobrains Technologies Ltd | Generating a simulation scenario |
US10789535B2 (en) | 2018-11-26 | 2020-09-29 | Cartica Ai Ltd | Detection of road elements |
US10831998B2 (en) | 2018-12-19 | 2020-11-10 | International Business Machines Corporation | Visualizing sentiment on an input device |
US11170647B2 (en) | 2019-02-07 | 2021-11-09 | Cartica Ai Ltd. | Detection of vacant parking spaces |
KR102685417B1 (ko) * | 2019-02-19 | 2024-07-17 | 삼성전자주식회사 | 사용자 입력을 처리하는 전자 장치 및 방법 |
US11643005B2 (en) | 2019-02-27 | 2023-05-09 | Autobrains Technologies Ltd | Adjusting adjustable headlights of a vehicle |
US11285963B2 (en) | 2019-03-10 | 2022-03-29 | Cartica Ai Ltd. | Driver-based prediction of dangerous events |
US11694088B2 (en) | 2019-03-13 | 2023-07-04 | Cortica Ltd. | Method for object detection using knowledge distillation |
US11132548B2 (en) | 2019-03-20 | 2021-09-28 | Cortica Ltd. | Determining object information that does not explicitly appear in a media unit signature |
US12055408B2 (en) | 2019-03-28 | 2024-08-06 | Autobrains Technologies Ltd | Estimating a movement of a hybrid-behavior vehicle |
US11908242B2 (en) | 2019-03-31 | 2024-02-20 | Cortica Ltd. | Efficient calculation of a robust signature of a media unit |
US11222069B2 (en) | 2019-03-31 | 2022-01-11 | Cortica Ltd. | Low-power calculation of a signature of a media unit |
US11488290B2 (en) | 2019-03-31 | 2022-11-01 | Cortica Ltd. | Hybrid representation of a media unit |
US10776669B1 (en) | 2019-03-31 | 2020-09-15 | Cortica Ltd. | Signature generation and object detection that refer to rare scenes |
US20200402658A1 (en) * | 2019-06-20 | 2020-12-24 | International Business Machines Corporation | User-aware explanation selection for machine learning systems |
CN110367934B (zh) * | 2019-07-25 | 2023-02-03 | 深圳大学 | 一种基于非语音身体声音的健康监测方法及监测系统 |
US11704292B2 (en) | 2019-09-26 | 2023-07-18 | Cortica Ltd. | System and method for enriching a concept database |
US11593662B2 (en) | 2019-12-12 | 2023-02-28 | Autobrains Technologies Ltd | Unsupervised cluster generation |
US11590988B2 (en) | 2020-03-19 | 2023-02-28 | Autobrains Technologies Ltd | Predictive turning assistant |
US11827215B2 (en) | 2020-03-31 | 2023-11-28 | AutoBrains Technologies Ltd. | Method for training a driving related object detector |
US11941362B2 (en) * | 2020-04-27 | 2024-03-26 | Early Warning Services, Llc | Systems and methods of artificially intelligent sentiment analysis |
US20230137260A1 (en) * | 2021-11-02 | 2023-05-04 | Optum, Inc. | Natural language processing techniques using target composite sentiment designation |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102076387A (zh) * | 2008-04-29 | 2011-05-25 | 百利游戏有限公司 | 用于诸如电子游戏机(egm)的游戏装置的生物反馈 |
CN103679462A (zh) * | 2012-08-31 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种评论数据处理方法和装置、一种搜索方法和系统 |
CN103778555A (zh) * | 2014-01-21 | 2014-05-07 | 北京集奥聚合科技有限公司 | 基于用户标签的用户属性挖掘方法和系统 |
US8751427B1 (en) * | 2011-01-05 | 2014-06-10 | Google Inc. | Location-centric recommendation service for users |
WO2014112024A1 (ja) * | 2013-01-21 | 2014-07-24 | Necソフト株式会社 | 感情可視化装置、感情可視化方法および感情可視化プログラム |
CN104346326A (zh) * | 2014-10-23 | 2015-02-11 | 苏州大学 | 一种情绪文本的情绪特征确定方法及装置 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5860064A (en) | 1993-05-13 | 1999-01-12 | Apple Computer, Inc. | Method and apparatus for automatic generation of vocal emotion in a synthetic text-to-speech system |
US6185534B1 (en) | 1998-03-23 | 2001-02-06 | Microsoft Corporation | Modeling emotion and personality in a computer user interface |
US6275806B1 (en) | 1999-08-31 | 2001-08-14 | Andersen Consulting, Llp | System method and article of manufacture for detecting emotion in voice signals by utilizing statistics for voice signal parameters |
US6731307B1 (en) | 2000-10-30 | 2004-05-04 | Koninklije Philips Electronics N.V. | User interface/entertainment device that simulates personal interaction and responds to user's mental state and/or personality |
US20030167167A1 (en) | 2002-02-26 | 2003-09-04 | Li Gong | Intelligent personal assistants |
US7908554B1 (en) | 2003-03-03 | 2011-03-15 | Aol Inc. | Modifying avatar behavior based on user action or mood |
JP2006154926A (ja) | 2004-11-25 | 2006-06-15 | Denso Corp | キャラクタ表示を利用した電子機器操作システム及び電子機器 |
US8214214B2 (en) | 2004-12-03 | 2012-07-03 | Phoenix Solutions, Inc. | Emotion detection device and method for use in distributed systems |
US7490042B2 (en) | 2005-03-29 | 2009-02-10 | International Business Machines Corporation | Methods and apparatus for adapting output speech in accordance with context of communication |
US7944448B2 (en) | 2005-06-14 | 2011-05-17 | Omron Corporation | Apparatus and method for socially intelligent virtual entity |
JP4085130B2 (ja) | 2006-06-23 | 2008-05-14 | 松下電器産業株式会社 | 感情認識装置 |
US20080096533A1 (en) * | 2006-10-24 | 2008-04-24 | Kallideas Spa | Virtual Assistant With Real-Time Emotions |
US7930302B2 (en) * | 2006-11-22 | 2011-04-19 | Intuit Inc. | Method and system for analyzing user-generated content |
CN100446003C (zh) * | 2007-01-11 | 2008-12-24 | 上海交通大学 | 意向驱动的博客搜索以及浏览系统 |
US7730017B2 (en) * | 2007-03-30 | 2010-06-01 | Google Inc. | Open profile content identification |
US8725513B2 (en) | 2007-04-12 | 2014-05-13 | Nuance Communications, Inc. | Providing expressive user interaction with a multimodal application |
US9092789B2 (en) * | 2008-04-03 | 2015-07-28 | Infosys Limited | Method and system for semantic analysis of unstructured data |
US8117207B2 (en) * | 2008-04-18 | 2012-02-14 | Biz360 Inc. | System and methods for evaluating feature opinions for products, services, and entities |
US8782061B2 (en) * | 2008-06-24 | 2014-07-15 | Microsoft Corporation | Scalable lookup-driven entity extraction from indexed document collections |
US20100332287A1 (en) * | 2009-06-24 | 2010-12-30 | International Business Machines Corporation | System and method for real-time prediction of customer satisfaction |
KR20110002757A (ko) | 2009-07-02 | 2011-01-10 | 삼성전자주식회사 | 감성 모델 장치, 감성 모델의 성향 학습 장치 및 방법 |
US20120158726A1 (en) * | 2010-12-03 | 2012-06-21 | Musgrove Timothy | Method and Apparatus For Classifying Digital Content Based on Ideological Bias of Authors |
US20130018954A1 (en) * | 2011-07-15 | 2013-01-17 | Samsung Electronics Co., Ltd. | Situation-aware user sentiment social interest models |
EP2745210A4 (en) * | 2011-08-15 | 2014-11-26 | Equal Media Ltd | SYSTEM AND METHOD FOR MANAGING OPINION NETWORKS WITH INTERACTIVE OPINION FLOWS |
US20130159277A1 (en) * | 2011-12-14 | 2013-06-20 | Microsoft Corporation | Target based indexing of micro-blog content |
US8918320B2 (en) | 2012-01-03 | 2014-12-23 | Nokia Corporation | Methods, apparatuses and computer program products for joint use of speech and text-based features for sentiment detection |
US10372741B2 (en) * | 2012-03-02 | 2019-08-06 | Clarabridge, Inc. | Apparatus for automatic theme detection from unstructured data |
US8880440B2 (en) * | 2012-03-09 | 2014-11-04 | Sap Ag | Automatic combination and mapping of text-mining services |
US9251180B2 (en) * | 2012-05-29 | 2016-02-02 | International Business Machines Corporation | Supplementing structured information about entities with information from unstructured data sources |
US20140108308A1 (en) * | 2012-07-13 | 2014-04-17 | Social Data Technologies, LLC | System and method for combining data for identifying compatibility |
WO2014047727A1 (en) * | 2012-09-28 | 2014-04-03 | Alkis Papadopoullos | A method and system for monitoring social media and analyzing text to automate classification of user posts using a facet based relevance assessment model |
KR20140078312A (ko) | 2012-12-17 | 2014-06-25 | 한국전자통신연구원 | 텍스트 기반 감성 분석 결과를 제공하기 위한 장치, 시스템 및 그 방법 |
US20150149461A1 (en) * | 2013-11-24 | 2015-05-28 | Interstack, Inc | System and method for analyzing unstructured data on applications, devices or networks |
US9424294B2 (en) * | 2013-12-02 | 2016-08-23 | Qbase, LLC | Method for facet searching and search suggestions |
CN103995820B (zh) * | 2014-03-06 | 2019-04-16 | 吉林大学 | 基于最低阈值的用户个人品性多标记预测方法 |
CN104317865B (zh) * | 2014-10-16 | 2017-06-09 | 南京邮电大学 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
-
2015
- 2015-05-21 US US14/719,173 patent/US10997226B2/en active Active
-
2016
- 2016-04-18 CN CN201680028277.2A patent/CN107636648B/zh active Active
- 2016-04-18 EP EP16720257.1A patent/EP3295333A1/en not_active Ceased
- 2016-04-18 WO PCT/US2016/028025 patent/WO2016186777A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102076387A (zh) * | 2008-04-29 | 2011-05-25 | 百利游戏有限公司 | 用于诸如电子游戏机(egm)的游戏装置的生物反馈 |
US8751427B1 (en) * | 2011-01-05 | 2014-06-10 | Google Inc. | Location-centric recommendation service for users |
CN103679462A (zh) * | 2012-08-31 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种评论数据处理方法和装置、一种搜索方法和系统 |
WO2014112024A1 (ja) * | 2013-01-21 | 2014-07-24 | Necソフト株式会社 | 感情可視化装置、感情可視化方法および感情可視化プログラム |
CN103778555A (zh) * | 2014-01-21 | 2014-05-07 | 北京集奥聚合科技有限公司 | 基于用户标签的用户属性挖掘方法和系统 |
CN104346326A (zh) * | 2014-10-23 | 2015-02-11 | 苏州大学 | 一种情绪文本的情绪特征确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20160342683A1 (en) | 2016-11-24 |
US10997226B2 (en) | 2021-05-04 |
CN107636648A (zh) | 2018-01-26 |
EP3295333A1 (en) | 2018-03-21 |
WO2016186777A1 (en) | 2016-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107636648B (zh) | 基于情绪标识来构造响应 | |
US20240037343A1 (en) | Virtual assistant for generating personalized responses within a communication session | |
CN110892395B (zh) | 提供增强的通信会话服务的虚拟助手 | |
CN108153856B (zh) | 用于输出信息的方法和装置 | |
US10536402B2 (en) | Context-sensitive generation of conversational responses | |
CN109983430B (zh) | 确定包括在电子通信中的图形元素 | |
US10360265B1 (en) | Using a voice communications device to answer unstructured questions | |
JP2022551788A (ja) | 補助システムのためのプロアクティブコンテンツを生成すること | |
US10446142B2 (en) | Crafting feedback dialogue with a digital assistant | |
KR101881114B1 (ko) | 메시지들에서 태스크들 식별 | |
CN114556355A (zh) | 抑制助理系统的提醒 | |
US20230118412A1 (en) | Stylizing Text-to-Speech (TTS) Voice Response for Assistant Systems | |
US20200143115A1 (en) | Systems and methods for improved automated conversations | |
US20160352657A1 (en) | Metric for automatic assessment of conversational responses | |
JP7525575B2 (ja) | ビジュアルコンテンツからのインタラクティブなオーディオトラックの生成 | |
US10019670B2 (en) | Systems and methods for creating and implementing an artificially intelligent agent or system | |
Lopatovska et al. | User recommendations for intelligent personal assistants | |
JP2023531346A (ja) | 補助システムにおけるマルチパーソンコーリングのための単一の要求の使用 | |
WO2020139865A1 (en) | Systems and methods for improved automated conversations | |
US20220374645A1 (en) | Task Execution Based on Real-world Text Detection for Assistant Systems | |
CN115062627A (zh) | 用于基于人工智能的计算机辅助说服系统的方法和装置 | |
JP2021012660A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Shenoy et al. | Design of chatbot using natural language processing | |
WO2016123221A1 (en) | Systems and methods for creating and implementing an artificially intelligent agent or system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |