CN108090109B - 基于先前对话内容在自动化对话会话中提供提示 - Google Patents

基于先前对话内容在自动化对话会话中提供提示 Download PDF

Info

Publication number
CN108090109B
CN108090109B CN201710882194.6A CN201710882194A CN108090109B CN 108090109 B CN108090109 B CN 108090109B CN 201710882194 A CN201710882194 A CN 201710882194A CN 108090109 B CN108090109 B CN 108090109B
Authority
CN
China
Prior art keywords
user
content
additional
input
automated assistant
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
Application number
CN201710882194.6A
Other languages
English (en)
Other versions
CN108090109A (zh
Inventor
维克拉姆·阿加尔瓦尔
林友仁
亚当·戈尔德施泰因
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.)
Google LLC
Original Assignee
Google LLC
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 Google LLC filed Critical Google LLC
Priority to CN202111592006.9A priority Critical patent/CN114398470A/zh
Publication of CN108090109A publication Critical patent/CN108090109A/zh
Application granted granted Critical
Publication of CN108090109B publication Critical patent/CN108090109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • 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
    • G06F16/3322—Query formulation using system suggestions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • 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
    • G06F16/3331—Query processing
    • G06F16/3349—Reuse of stored results of previous queries
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0253—During e-commerce, i.e. online transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)
  • Stored Programmes (AREA)

Abstract

本申请基于先前对话内容在自动化对话会话中提供提示。提供了与征求来自用户关于由自动化助理提供的建议或其它内容的一个或多个参数的反馈相关的方法、装置、和计算机可读介质。用户的反馈可以用于影响未来对话会话中由自动化助理随后提供给用户和/或其他用户的未来建议和/或其他内容。在一些实施方式中，在用户和自动化助理之间的对话会话中，自动化助理向用户提供内容——并且自动化助理提供在用户和自动化助理之间的未来对话会话中征求与提供的内容相关的用户反馈的提示。在这些实施方式中的一些中，在与来自先前的对话会话中提供的内容无关的未来对话会话中，在来自用户的输入和/或来自自动化助理的输出之后提供该提示。

Description

基于先前对话内容在自动化对话会话中提供提示
技术领域
本申请基于先前对话内容在自动化对话会话中提供提示。
背景技术
自动化助理(也称为“个人助理模块”、“移动助理”或“聊天机器人”)可以由用户通过各种计算设备——例如智能电话、平板计算机、可穿戴设备、汽车系统、独立个人助理设备等——进行交互。自动化助理从用户接收输入(例如，键入和/或说出的自然语言输入)并响应响应内容(例如，视觉和/或听觉自然语言输出)。
发明内容
响应于在对话会话期间来自用户的输入，自动化助理可以提供响应于输入的建议和/或其他内容——并且其包括基于一个或多个因素由自动化助理从多个候选内容参数中选择的一个或多个内容参数。例如，为了响应“where can I get a good burger？(在哪里可以获得好的汉堡)”的输入，自动化助理可以识别供应汉堡的多个候选餐厅，但是可以仅选择那些候选餐厅的子集(例如，其中的一个)以供包含在响应于该输入的内容中。
本说明书涉及与从用户征求关于由自动化助理提供的建议或其他内容的一个或多个内容参数的反馈相关的方法、装置、和计算机可读介质。用户的反馈可以用于影响未来对话会话中随后由自动化助理提供给用户和/或其他用户的未来建议和/或其他内容。
在一些实施方式中，在用户和自动化助理之间的对话会话中，自动化助理向用户提供内容——并且自动化助理提供在用户和自动化助理之间的未来的对话会话中征求与所提供的内容相关的用户反馈的提示。在这些实施方式的一些中，在与先前的对话会话中提供的内容无关的未来对话会话中，紧跟来自用户的输入和/或来自自动化助理的输出之后提供该提示。
作为一个示例，未来对话会话可以由用户发起，并且可以提示自动化助理执行一些“例行动作”，诸如提供用户的日历条目的概要、向用户提供新闻报道、为用户播放音乐等。自动化助理可以执行例行动作中的一些或全部，然后提供提示。这可能会增加常规动作的一些变型和/或通过将会话提示注入日常操作来增强用户体验。此外，如上所述，响应于提示而提供的用户反馈(直接或间接)可以用于影响随后由自动化助理提供以用于呈现给用户的未来建议或其他内容-从而增加由自动化助理提供给用户的后续内容与用户相关的可能性。对由自动化助理提供的内容的相关性的这样的改进可以使得能够更快地向用户提供期望的内容，这可以减少可能在为识别所期望的内容而可能另外所需的更冗的对话中消耗的各种计算资源。
在一些实施方式中，提供了一种由一个或多个处理器执行的方法，其包括作为由一个或多个处理器实现的用户和自动化助理之间的对话会话的一部分：接收自然语言输入，所述自然语言输入基于所述用户经由用户接口输入设备来提供的用户接口输入；以及作为所述自动化助理对所述自然语言输入的回复，提供响应于所述自然语言输入的内容。所述内容被提供用于经由用户接口输出设备呈现给所述用户，并且所述内容包括由所述自动化助理从多个候选内容参数中选择的至少一个内容参数。该方法还包括：作为所述用户和所述自动化助理之间的、在时间上与所述对话会话分离的附加对话会话的一部分：提供提示，所述提示征求对所选内容参数的反馈；接收响应于所述提示的附加输入；以及使用所述附加输入来影响与所述内容参数相关联地存储的值。与内容参数相关联存储的值影响未来提供包含内容参数的进一步内容。该提示被提供用于经由用户接口输出设备或附加用户接口输出设备来呈现给用户。所述提示基于所述内容参数来被生成以征求对所述内容参数的反馈，所述内容参数由所述自动化助理先前选择并且先前被提供用于呈现给所述用户作为所述对话会话的一部分。响应于所述提示的附加输入基于用户经由用户接口输入设备或附加用户接口输入设备提供的附加用户接口输入。
本文公开的技术的这些和其他实施方式可以可选地包括以下特征中的一个或多个。
一些实施方式中，用户用与所述先前对话会话的内容无关的附加自然语言输入来发起所述附加对话会话。在这些实施方式的一些中，该方法还包括作为附加对话会话的一部分：提供附加对话会话输出，其响应于所述附加自然语言输入并且也与所述先前对话会话的内容无关。提供所述提示紧跟在提供所述附加对话会话输出之后发生。在这些实施方式的一些版本中，该方法还包括通过以下中的至少一个来确定一个或多个准则被满足：附加自然语言输入和附加对话会话输出。提供提示可以进一步基于确定准则被满足。例如，所述准则可以包括：附加对话会话输出具有一定语义类型和/或在所述用户提示中出现了n-gram集中的至少一个n-gram。
在一些实施方式中，所述内容是未来由用户行动的建议，并且该方法还包括：确定在提供包括所述内容参数的内容之后所述用户按照建议而行动。提供所述提示进一步基于确定所述用户按照所述建议而行动。
在一些实施方式中，用于生成响应于所述提示的附加输入的用户接口输入设备或所述附加用户接口输入设备包括麦克风，并且该方法还包括：基于提供所述提示，预先激活被配置为处理经由所述麦克风来提供的用户接口输入的至少一个组件。
在一些实施方式中，用户发起所述附加对话会话，并且提供所述提示取决于所述用户已经发起所述附加对话会话。
在一些实施方式中，该方法还包括作为附加对话会话的一部分：在提供所述提示之前，提供附加对话会话输出。提供所述提示紧跟在提供所述附加对话会话输出之后发生。
在一些实施方式中，所述方法还包括：识别作为所述用户和所述自动化助理之间的附加先前对话会话的一部分而提供给所述用户的附加内容参数；以及基于一个或多个准则来确定提供基于所述内容参数的提示而不是基于所述附加内容参数的替选提示。在这些实施方式的一些中，一个或多个准则包括：所述内容参数的提供和所述附加内容参数的提供的对应时间接近度。在这些实施方式中的一些中，一个或多个准则包括：指派给所述内容参数和所述附加内容参数的语义类型。
在一些实施方式中，所述内容包括：对于特定物理位置以及对于能够在所述特定位置处消费的特定项目的建议，并且其中，所述内容参数标识所述特定项目。
在一些实施方式中，所述内容包括对于特定物理位置的建议，并且其中所述内容参数标识所述特定物理位置所属于的类别。
在一些实施方式中，输入和所述附加输入二者都经由所述用户接口输入设备生成，并且其中所述内容和所述反馈提示二者都被提供以用于经由所述用户接口输出设备呈现。在这些实施方式中的一些中，用户接口输入设备包括单个设备的麦克风，并且所述用户接口输出设备包括所述单个设备的扬声器。
在一些实施方式中，所述输入是经由第一计算设备的用户接口输入设备生成的，所述内容被提供用于经由所述第一计算设备的用户接口输出设备呈现，并且提示被提供用于经由附加计算设备的附加用户接口输出设备呈现。
在一些实施方式中，提供了一种由一个或多个处理器执行的方法，其包括：从计算机可读介质中识别先前提供给用户的内容的已存储内容参数，作为由所述一个或多个处理器实现的用户和自动化助理之间的先前对话会话的一部分。该方法还包括作为所述用户和所述自动化助理之间的、在时间上与所述对话会话分离的附加对话会话的一部分：提供提示，所述提示征求对所述内容参数的反馈。所述提示被提供用于经由所述用户的计算设备的用户接口输出设备来呈现给所述用户，并且所述提示基于先前提供用于呈现给所述用户作为所述先前对话会话的一部分的所述内容参数来被生成以征求对所述内容参数的反馈。该方法还包括作为附加对话会话的一部分：接收响应于所述提示的附加输入，所述附加输入基于由所述用户经由所述计算设备的用户接口输入设备提供的附加用户接口输入。附加输入基于用户经由计算设备的用户接口输入设备提供的附加用户接口输入，并且所存储的值影响未来提供包括内容参数的进一步内容。
此外，一些实施方式包括一个或多个计算设备的一个或多个处理器，其中该一个或多个处理器可操作以执行存储在相关联的存储器中的指令，并且其中该指令被配置为使得执行上述任何方法。一些实施方式还包括存储可由一个或多个处理器执行以执行上述任何方法的计算机指令的一个或多个非暂时性计算机可读存储介质。
应当理解，本文更详细描述的前述概念和附加概念的所有组合都被认为是本文公开的主题的一部分。例如，出现在本公开的最后的要求保护的主题的所有组合都被认为是本文公开的主题的一部分。
附图说明
图1是可以实现本文公开的实施方式的示例环境的框图。
图2A图示了对话会话的示例，其中自动化助理向用户提供具有从多个候选内容参数中选择的内容参数的内容。
图2B1、图2B2、图2B3和图2B4图示了在与图2A中的对话会话分离的对话会话中向用户提供基于图2A的所选内容参数的反馈提示的不同示例。
图3A图示了对话会话的另一个示例，其中自动化助理向用户提供具有从多个候选内容参数中选择的内容参数的内容。
图3B图示了在与图3A中的对话会话分离的对话会话中向用户提供基于图3A的所选内容参数的反馈提示的示例。
图4是图示根据本文公开的实施方式的示例方法的流程图。
图5图示了计算设备的示例架构。
具体实施方式
现在转向图1，图示了可以实现本文公开的技术的示例环境。示例环境包括多个客户端计算设备1061-N和自动化助理120。尽管图1图中自动化助理120被图示为与客户端计算设备1061-N分离，但是在一些实施方式中，自动化助理120的全部或多个方面可由一个或多个客户端计算设备1061-N来实现。例如，客户端设备1061可以实现自动化助理120的一个实例或多个方面，并且客户端设备106N还可以实现自动化助理120的这些一个或多个方面的单独实例。在自动化助理120的一个或多个方面由远离客户端计算设备1061-N的一个或多个计算设备实现的一些实施方式中，客户端计算设备1061-N和自动化助理120的那些方面可以经由诸如局域网(LAN)和/或广域网(WAN)(例如互联网)的一个或多个网络进行通信。
例如，客户端设备1061-N可以包括以下中的一个或多个：桌面计算设备、膝上型计算设备、平板计算设备、移动电话计算设备、用户的车辆的计算设备(例如，车载通信系统、车载娱乐系统、车载导航系统)、和/或包括计算设备的用户的可穿戴设备(例如，用户的具有计算设备的手表、用户的具有计算设备的眼镜、虚拟现实或增强现实计算设备)。可以提供附加和/或替选的客户端计算设备。在一些实施方式中，给定用户可以利用共同来自计算设备的协调“生态系统”的多个客户端计算设备来与自动化助理120进行通信。然而，为了简洁起见，本说明书中描述的一些示例将聚焦于操作单个客户端计算设备106的用户。
客户端计算设备1061-N中的每一个可以操作各种不同的应用，诸如消息交换客户端1071-N中的对应的一个。消息交换客户端1071-N可以具有各种形式，并且这些形式可以跨客户端计算设备1061-N而不同，和/或多个形式可以在单个客户端计算设备1061-N上操作。在一些实施方式中，消息交换客户端1071-N中的一个或多个可以具有短消息收发服务(“SMS”)和/或多媒体消息收发服务(“MMS”)客户端、在线聊天客户端(例如，即时消息程序、互联网中继聊天、或“IRC”等)、与社交网络相关联的消息收发应用、专用于与自动化助理120进行对话的个人助理消息收发服务等的形式。在一些实施方式中，消息交换客户端1071-N中的一个或多个可以经由网页或由客户端计算设备106的web浏览器(未示出)或其他应用渲染的其他资源来实现。
如本文更详细地描述的，自动化助理120经由用户接口输入和一个或多个客户端设备1061-N的输出设备参与与一个或多个用户的对话会话。在一些实施方式中，自动化助理120可以进行在响应于由用户经由客户端设备1061-N之一的一个或多个用户接口输入设备提供的用户接口输入与用户的对话会话。在这些实施方式的一些中，用户接口输入被明确地指向自动化助理120。例如，消息交换客户端1071-N之一可以是专用于与自动化助理120进行会话的个人助理消息传递服务并且经由个人助理消息服务提供的用户接口输入可以自动提供给自动化助理120。此外，例如，基于指示自动化助理120将要被调用的特定用户接口输入，用户接口输入可以被明确地指向到一个或多个消息交换客户端1071中的自动化助理120。例如，特定用户接口输入可以是一个或多个键入的字符(例如，@AutomatedAssistant(自动化助理))、与硬件按钮和/或虚拟按钮的用户交互(例如，轻敲、长轻敲)、口头命令(例如，“Hey Automated Assistant(嘿自动化助理)”)、和/或其他特定的用户接口输入。在一些实施方式中，即使在用户接口输入没有明确地指向自动化助理120时，自动化助理120也可以响应于该用户接口输入而进行对话会话。例如，自动化助理120可以检查用户接口输入的内容并且响应于用户接口输入中呈现的某些词项和/或基于其他线索而进行对话会话。
客户端计算设备1061-N和自动化助理120中的每一个可以包括用于存储数据和软件应用的一个或多个存储器、用于访问数据和执行应用的一个或多个处理器、以及促进通过网络的通信的其他组件。由客户端计算设备1061-N中的一个或多个和/或由自动化助理120执行的操作可以跨多个计算机系统而分布。例如，自动化助理120可以被实现为在通过网络彼此耦合的一个或多个位置中的一个或多个计算机上运行的计算机程序。
自动化助理120可以包括自然语言处理器122、响应内容引擎130、和反馈引擎140。在一些实施方式中，自动化助理120的引擎和/或模块中的一个或多个可以被省略、组合、和/或实现在与自动化助理120分离的组件中。自动化助理120经由相关联的客户端设备1061-N进行与一个或多个用户的对话会话，以提供由响应内容引擎130生成的响应内容和/或以提供由反馈引擎140生成的反馈提示。
在一些实施方式中，响应内容引擎130在与自动化助理120的对话会话期间响应于由客户端设备1061-N中的一个的用户生成的各个输入而生成响应内容。响应内容引擎130提供响应内容(例如，当与用户的客户端设备分离时通过一个或多个网络来提供)，以供作为对话会话的一部分呈现给用户。例如，响应内容引擎130可以响应于经由客户端设备1061-N中的一个提供的自由形式的自然语言输入来生成响应内容。如本文所使用的，自由形式输入是由用户制定并且不受呈现以供用户选择的选项群组约束的输入。
响应于一些输入，响应内容引擎130可以生成具有从多个候选内容参数中选择的一个或多个内容参数的内容。例如，所提供的输入可以是“give me directions to a goodcoffee shop(给我去好的咖啡店的路线指引”，并且响应内容引擎130可以基于一个或多个因素来通过首先从多个可用的咖啡店中选择“good coffee shop(好的咖啡店)”来确定到特定咖啡店的路线指引。此外，响应内容引擎130可以基于一个或多个因素来通过从多个候选路线指引(例如，最短对最快；包括高速公路对排除高速公路)中选择它们而确定路线指引。以下提供对响应内容引擎130的实施方式的附加描述。
在一些实施方式中，反馈引擎140存储由响应内容引擎130选择并且在对话会话中提供给用户的各个内容参数——并且生成反馈，其征求来自用户的关于所选内容参数中的一个或多个的提示。反馈引擎140提供反馈提示以用于作为对话会话的一部分呈现给用户。在许多实施方式中，反馈引擎140提供反馈提示以用于作为对话会话的一部分呈现给用户，该对话会话与作为反馈提示的焦点的内容参数被提供给用户的对话会话分离。反馈引擎140可以进一步利用：由用户响应于影响未来建议的提示而提供的反馈和/或由自动化助理120在未来对话会话中后续提供给用户和/或其他用户的其他内容。
如上所述，在一些实施方式中，在用户和自动化助理之间的对话会话中通过自动化助理120向用户提供内容——并且自动化助理120在用户和自动化助理之间的未来对话会话中提供反馈提示，其征求与提供的内容相关的用户反馈。在这些实施方式的一些中，在未来的对话会话中，紧跟来自用户的输入和/或来自自动化助理120的输出之后提供提示，其中该输入和/或输出与先前对话会话中提供的内容无关。
如本文所使用的，“对话会话”可以包括在用户和自动化助理120之间的逻辑上自包含(logically-self-contained)的一个或多个消息的交换。自动化助理120可以基于各个信号来在与用户的多个对话会话之间进行区分，诸如会话之间的时间的流逝、会话之间的用户场境(context)(例如，位置、在排程的会面之前/期间/之后等)的更改、对除了用户和自动化助理之间的对话之外的用户与客户端设备之间的一个或多个中介交互的检测(例如，用户切换应用了一段时间，用户离开然后再返回到独立语音激活的产品)、在会话之间客户端设备的锁定/休眠、用于与自动化助理120的一个或多个实例对接的客户端设备的更改等。
在一些实施方式中，当自动化助理120提供征求用户反馈的提示时，自动化助理120可以抢先激活客户端设备的一个或多个组件(经由其提供提示)，其被配置为处理将响应于该提示而接收的用户接口输入。例如，在经由客户端设备1061的麦克风提供用户接口输入的情况下，则自动化助理120可以提供一个或多个命令以使得：麦克风被抢先“打开”(从而避免需要击点界面元素或者说“热词”以打开麦克风)，客户端设备1061的本地话音转文本处理器被抢先激活，客户端设备1061和要被抢先建立的远程话音转文本处理器之间的通信会话，和/或要在客户端设备1061上渲染的图形用户界面(例如，包括可被选择以提供反馈的一个或多个可选择元素的界面)。这可以使得用户接口输入能够比不抢先激活组件情况下更快地提供和/或处理。
在一些实施方式中，自动化助理120可以基于在满足一个或多个准则的未来对话会话中的用户输入和/或自动化助理120的响应输出来提供在未来对话会话中征求用户反馈的提示。例如，只有当用户发起与任何用户输入和/或某个用户输入——诸如任何自然语言输入和/或某个自然语言输入——的对话会话时，才可以提供提示。而且，例如，只有当用户输入和/或响应输出具有一个或多个一定语义类型和/或不属于一个或多个其他一定语义类型时，才可以提供提示。作为另一个示例，只有当用户输入和/或响应输出包括一个或多个特定n-gram和/或不包括一个或多个其他的特定n-gram时，才可以提供提示。在一些实施方式中，可以选择准则以在对话会话的对话是交谈性(conversational)的和/或轻松(light)时提高提供提示的可能性和/或在对话会话的对话是“面向任务”时降低提供提示的可能性(例如，以防止使用户从任务中分心)。
在一些实施方式中，可以附加地或替选地选择准则来维护提示被提供至其的用户的隐私。例如，如果提供基于语音的自然语言输入，则准则可以是基于语音的输入符合用户的语音简档和/或基于语音的输入缺乏一定的背景噪声(例如，缺乏这指示其他用户可能存在的背景噪声)。此外，例如，准则可以是用户输入和/或响应输出包括用户的私人的内容(例如，提供用户当天的日历项目的概要的响应输出)，其可以指示用户处于该用户已视为私密的场景(setting)中。
在一些实施方式中，提供给用户的来自多个不同建议的内容参数可以是可用于反馈引擎140以用于在给定的未来对话会话中生成提供给用户的提示。在这些实施方式中的一些中，反馈引擎140可以基于一个或多个准则来选择用于在给定提示中提供的那些多个建议的子集(例如，其中一个)。例如，在生成和/或提供提示时是否利用给定建议的内容参数可以基于给定建议的类别(例如，餐饮建议可能比音乐建议更有可能被选择)、给定建议的子类别(例如，法国菜的建议可能比墨西哥菜的建议更可能被选择)、提供给定建议的时间(例如，更新近的建议比较不新近的建议更可能被选择)、和/或给定建议的类别和提供给定建议的时间(例如，可能不提供三天前的音乐建议，而可能提供三天前的餐饮建议)。
在一些实施方式中，基于确定用户按照建议而实际行动，自动化助理120可以提供提示，从而征求对未来用户按照其来行动的所提供建议的内容参数的反馈。这可以减轻用户被提示以提供该用户从未与其交互的内容参数的反馈的风险——这可能会使用户感到困惑和/或可能不必要地消耗提供提示时的计算资源。在一些实施方式中，确定用户按照建议而行动可以基于在提供提示的对话会话之前的对话会话中用户与自动化助理120之间的对话(例如，用户经由其按照建议而实际行动的对话)。在一些实施方式中，确定用户按照建议而行动可以基于一个或多个附加信号或替选信号，诸如并非使用自动化助理120来生成的用以按照建议而行动的信号。例如，假设自动化助理120向用户提供对要访问的咖啡店的建议。在未来的对话会话中向用户提供征求对咖啡店的反馈的提示之前，可以首先基于来自用户的移动客户端设备的位置数据、与用户相关联的交易数据、和/或其他信号来确定用户实际访问了咖啡店。
自动化助理120的自然语言处理器122处理由用户经由客户端设备1061-N生成的自然语言输入，并且生成用于由自动化助理120的一个或多个其他组件——例如响应内容引擎130和/或反馈引擎140——使用的经注释输出。例如，自然语言处理器122可以处理由用户经由客户端设备1061的一个或多个用户接口输入设备生成的自然语言自由形式输入。生成的经注释输出包括自然语言输入的一个或多个注释并且可选地包括自然语言输入的一个或多个(例如，全部)词项。
在一些实施方式中，自然语言处理器122被配置为识别和注释自然语言输入中的各种类型的语法信息。例如，自然语言处理器122可以包括被配置为利用其语法角色来注释词项的词性标注器。例如，词性标注器可以利用诸如“名词”、“动词”、“形容词”、“代词”等其词性来标记每一个词项。此外，例如，在一些实施方式中，自然语言处理器122可以附加地和/或替选地包括配置成确定自然语言输入中的词项之间的句法关系的依存性解析器。例如，依存性解析器可以确定哪些词项修改句子的其他词项、主语和动词等等(例如，解析树)-并且可以进行这种依存性的注释。
在一些实施方式中，自然语言处理器122可以附加地和/或替选地包括实体标注器，其配置成在一个或多个片段中注释实体引用，诸如对人、组织、位置等的引用。实体标注器可以以高粒度水平来注释对实体的引用(例如，以使得能够识别对例如人的实体类的所有引用)和/或较低粒度水平来注释对实体的引用(例如，以使得能够识别对例如特定的人的特定实体的所有引用)。实体标注器可以依赖于自然语言输入的内容来解析特定实体和/或可以可选地与知识图或其他实体数据库(例如，内容数据库152)进行通信以解析特定实体。
在一些实施方式中，自然语言处理器122可以附加地和/或替选地包括共指解析器，其被配置为基于一个或多个上下文线索来对同一个实体进行分组或“聚类(cluster)”。例如，可以利用共指解析器来将在自然语言输入“I like the stir fry dish at AsiaVillage.Order it please.(我喜欢亚洲村的爆炒菜。请订购它。)”中的词项“it(它)”解析为“Asia Village(亚洲村)”。
在一些实施方式中，自然语言处理器122的一个或多个组件可以依赖于来自自然语言处理器122的一个或多个其他组件的注释。例如，在一些实施方式中，在注释对特定实体的所有提及时，命名实体标注器可以依赖于来自共指解析器和/或依存性解析器的注释。此外，例如，在一些实施方式中，共指解析器可以在对相同实体的引用聚类时依赖于来自依存性解析器的注释。在一些实施方式中，在处理特定自然语言输入时，自然语言处理器122的一个或多个组件可以使用特定自然语言输入之外的相关的先前输入和/或其他相关数据来确定一个或多个注释。
如上所述，响应内容引擎130在生成建议和/或其他内容以在与客户端设备1061-N之一的用户的对话会话期间提供时利用一个或多个资源。响应内容引擎130可以包括动作模块132、实体模块134、内容生成模块136、和属性模块138。
响应内容引擎130的动作模块132利用从客户计算设备1061-N接收的自然语言输入和/或由自然语言处理器122提供的自然语言输入的注释来确定与自然语言输入相关的至少一个动作。在一些实施方式中，动作模块132可以基于包括在自然语言输入中的一个或多个词项来确定动作。例如，动作模块132可以在一个或多个计算机可读介质中基于映射到在自然语言输入中包括的一个或多个词项的动作来确定动作。例如，可以将“making arestaurant reservation(进行餐厅预订)”的动作映射到例如“book it(预约它)”、“reserve(进行预订)”、“reservation(预订)”、“get me a table(我订个餐桌)”等的一个或多个词项。另外，例如，“providing a daily briefing(提供每日简报)”的动作可以映射到诸如“tell me about my day(告诉我关于我一天)”、“what’s going on today(今天有什么事)”、“good morning(早上好)”等的一个或多个词项。作为另一个示例，“providingsmall talk(提供短谈话)”的动作可以映射到例如“hello(你好)”、“what’s up(什么事情)”等一个或多个词项。
在一些实施方式中，动作模块132可以至少部分地基于由实体模块134基于对话会话的自然语言输入所确定的一个或多个候选实体来确定动作。例如，假设“book it”的自然语言输入，并且“book it”被映射到多个不同的动作，诸如“making a restaurantreservation”、“making a hotel reservation(进行酒店预订)”、“making anappointment(进行约会)”等。在这样的情形下，动作模块132可以基于由实体模块134确定的候选实体来确定哪个动作是正确的动作。例如，如果实体模块134仅将多个餐厅确定为候选实体，则动作模块132可以将“making a restaurant reservation”的动作确定为正确的动作。
实体模块134基于在用户和自动化助理120之间的对话会话期间由一个或多个用户经由用户接口输入设备提供的输入来确定候选实体。实体模块134在确定候选实体和/或精化这些候选实体时利用一个或多个资源。例如，实体模块134可以利用自然语言输入本身、由自然语言处理器122提供的注释、由属性模块138提供的属性、和/或内容数据库152的内容。
内容数据库152可以在一个或多个非暂时性计算机可读介质上提供，并且可以定义多个实体、该实体中的每一个的属性、并且可选地定义这些实体之间的关系。例如，内容数据库152可以包括特定餐厅的标识符和该餐厅的一个或多个属性，诸如位置、菜肴类型、可提供菜品、营业时间、别名、是否接受预订、该餐厅评级、价格指示等。内容数据库152可以附加地或替选地包括多个协议，该协议均可应用于一个或多个实体和/或一个或多个动作。例如，每个协议可以定义一个或多个必需和/或期望的内容参数以执行关联的动作和/或利用相关联的一个或多个实体来执行相关联的动作。
内容生成模块136经由相关联的客户端设备进行与一个或多个用户的对话，以生成用于执行动作的建议和/或生成其他内容。内容生成模块136在生成内容时可选地利用一个或多个资源。例如，内容生成模块136可以利用：在对话会话期间用户的当前和/或过去的自然语言输入、由自然语言处理器122提供的该输入的注释、由属性模块138提供的属性、由实体模块134确定的一个或多个实体、和/或由动作模块132确定的一个或多个动作。
内容生成模块136可以生成并在对话会话中提供包括从多个候选内容参数中选择的一个或多个内容参数的内容。内容生成模块136还可以将所提供的内容的所选的内容参数提供给反馈引擎140，以用于生成如本文所述的反馈提示。
作为一个示例，在对话会话中提供的输入可以是“give me directions to agood coffee shop”，并且内容生成模块136可以基于一个或多个因素通过首先从多个可用的咖啡店中选择“good coffee shop”(例如，基于来自动化作模块132的候选动作和/或来自实体模块134的候选实体)来确定到特定咖啡店的路线指引。此外，内容生成模块136可以基于一个或多个因素通过从多个候选路线指引中(例如，最短对最快路线；包括高速公路对排除高速公路)选择它们来确定路线指引。内容生成模块136在确定特定咖啡店和/或路线指引时可以可选地与一个或多个外部组件通信。内容生成模块136可以将所选的内容参数提供给反馈引擎140。例如，内容生成模块136可以提供指示所选的特定咖啡店的内容参数，并且可以提供指示所选的路线指引的一个或多个参数的内容参数(例如，指示它们是“最快路线(fastest route)”路线指引)。
作为另一个示例，所提供的输入可以是“tell me about my day”，并且内容生成模块136可以选择用户的一个或多个日历条目、用户的本地天气、对该用户定制的一个或多个新闻报道、和/或用于响应于该输入而提供的其他内容。内容生成模块136可以基于诸如内容的类型(例如，“calendar entry(日历条目)”、“news story(新闻报道)”)、内容的个体和/或总体大小(例如，时间长度)等的各种因素来选择内容。内容生成模块136可以将选择的内容参数提供给反馈引擎140。例如，内容生成模块136可以提供指示向用户提供了“日历条目”和“新闻报道”的内容参数和/或可以提供指示对话会话中的整个内容的可听呈现的长度为“2分钟”的内容参数。
属性模块138确定适用于进行与自动化助理120的对话会话的用户的一个或多个属性，并且将这些属性提供给响应内容引擎130的一个或多个其他组件，以用于生成内容以在对话会话中提供给用户。例如，在确定用于动作的特定实体时、在确定动作的一个或多个准则时、和/或在生成与一个或多个用户的对话的输出时，响应内容引擎130的其他组件可以利用所述属性。属性模块138处于与属性数据库156通信，该属性数据库156可以存储对用户是私人的和/或适用于包括该用户的用户群组的一个属性。如本文所述，属性数据库156的各种属性的值可以基于由一个或多个用户响应于反馈提示而提供的输入来受到影响。例如，属性数据库156的属性可以包括与特定餐厅相关联的值，其指示特定餐厅针对特定用户的合意性(desirability)。该值可以基于特定用户响应于针对特定餐厅并在对话会话中提供给特定用户的反馈提示而提供的输入。属性数据库156可以附加地或替选地包括对用户是私人的其他属性，但是其值不一定受到对反馈提示的响应的影响。例如，这样的属性可以包括用户的当前位置(例如，基于GPS或其他位置数据)、用户的时间约束(例如，基于用户的电子日历)、和/或基于跨多个互联网服务的用户动作的用户的属性。
如上所述，反馈引擎140存储由响应内容引擎130选择并在对话会话中提供给用户的各个内容参数——并且生成征求来自用户的关于该内容参数中的一个或多个的反馈的提示。反馈引擎140可以包括已提供内容参数模块142、提示生成模块144、和反馈模块146。
已提供内容参数模块142与已提供内容参数数据库154中的用户相关联地存储提供用于在与用户对话会话中呈现给该用户的内容的内容参数。例如，对了在“what’s agood coffee shop(什么是好的咖啡店)”的对话会话中的提供的输入，内容生成模块136可以从多个可用的咖啡店中选择“good coffee shop”，提供指示所选的“good coffee shop”的响应输出，以及向反馈引擎140提供指示所选的“good coffee shop”的内容参数。已提供内容参数模块142可以在已提供内容参数数据库154中与用户相关联地存储所提供的内容参数。
提示生成模块144生成反馈提示，其征求来自用户的关于在已提供内容参数数据库154中与该用户相关联存储的一个或多个内容参数的反馈。在一些实施方式中，提示生成模块144进一步确定何时和/或者如何应该向用户提供反馈提示。例如，提示生成模块144可以基于以下来确定提供用于呈现给用户的反馈提示以作为对话会话的一部分：对话会话与向用户提供作为反馈提示的焦点的内容参数的对话会话分离；满足一个或多个准则的对话会话的用户输入和/或响应输出；基于验证用户按照内容参数所基于的建议而行动；和/或基于其他准则。提示生成模块144可以与响应内容引擎130合作来工作以在由响应内容引擎130管理的某些对话会话中插入生成的反馈提示。在一些实施方式中，提示生成模块144和/或反馈引擎140的其他组件可以包括在响应内容引擎130中。
在一些实施方式中，来自提供给用户的多个不同建议的内容参数可以是可用于提示生成模块144以用于在给定的对话会话中生成提供给用户的提示。在这些实施方式的一些中，提示生成模块144可以基于一个或多个准则来选择用于在给定提示中提供的那些多个建议的子集(例如，其中一个)。
反馈模块146响应于影响由自动化助理120在未来对话会话中后续提供给用户和/或其他用户的未来的建议和/或其他内容的提示而利用该用户提供的反馈。在一些实施方式中，反馈模块146利用反馈的一个或多个实例来调整与属性数据库156的一个或多个属性相关联的值。调整后的值可以是对用户是私人的和/或可适用于用户群组(例如，全部用户)。在一些实施方式中，反馈模块146可以在确定反馈的一个或多个实例将对相关联属性的影响时利用由自然语言处理器122提供的注释。例如，自然语言处理器122可以包括情绪分类器，可以提供指示所提供的反馈的情绪的注释，并且反馈模块146可以利用所指示的情绪来调整该值。例如，对于“How did you like Coffee Shop A(你认为咖啡店A如何)”和用户提供的“it was great(它很棒)”的反馈提示，反馈模块146可以接收到与非常正面的反馈相关联的“it was great”的注释。基于这样的注释，反馈模块146可以提升与“CoffeeShop A(咖啡店A)”相关联的属性的值。
现在参考图2A、图2B1、图2B2、图2B3、和图2B4，描述了本文公开的各个实施方式的示例。图2A图示了对话会话的示例，其中自动化助理向用户提供具有从多个候选内容参数中选择的内容参数的内容。图2B1-2B4均图示了在单独的对话会话中向用户提供反馈提示的不同示例，其中反馈提示基于所选的内容参数。
图2A根据本文所述的实施方式图示了包括一个或多个麦克风和一个或多个扬声器的计算设备210，并且图示了可以经由该麦克风和扬声器在计算设备210的用户101和自动化助理120之间发生的对话会话的示例。自动化助理120的一个或多个方面可以在计算设备210上和/或与计算设备210进行网络通信的一个或多个计算设备上实现。
在图2A中，用户提供“Can you order dinner at 6PM(你可以订6PM的饭吗)”的自然语言输入280A来发起用户和自动化助理120之间的对话会话。响应于自然语言输入280A，自动化助理120提供“Sure,what kind of food(当然，什么样的食物)”的自然语言输出282A。然后，用户提供指示用户喜欢墨西哥菜的自然语言输入280B。然后，自动化助理120提供自然语言输出282B，其向用户询问该用户是否希望自动化助理来选择特定餐厅，对于该特定餐厅该用户使用自然语言输入280C肯定地进行响应。
然后，自动化助理120提供作为建议的自然语言输出282C。自然语言输出282C的建议包括从多个候选“墨西哥菜(Mexican cuisine)”餐厅中选择的特定餐厅(Café Lupe)，并且还包括从在特定餐厅可提供的多个候选菜品中选择的特定菜品(“墨西哥卷(burrito)”)。
然后，用户提供自然语言输入280D，其引导自动化助理120订购来自Café Lupe的墨西哥卷和一些薯条。然后，自动化助理120提供自然语言输出282D以确认输入280D的用户请求已由自动化助理120(可选地经由一个或多个附加外部组件)来实现。
在图2A的对话会话中，自动化助理120从多个候选选项中选择位置“Café Lupe”和菜品类型“墨西哥卷”，并将这些选择作为对话会话的一部分呈现给用户。此外，自动化助理120可以确定用户按照建议而行动，因为该用户在相同的对话会话中这样做过(通过订购来自Café Lupe的墨西哥卷)。基于推荐位置和菜品类型，并且可选地基于确定用户按照建议的位置和菜品类型而行动，自动化助理120可以存储指示建议的位置和菜品类型的内容参数。例如，自动化助理120可以在已提供内容参数数据库154中与该用户相关联地存储那些所选和所提供的内容参数的指示。
图2B1提供了基于响应于图2A的对话会话而存储的“Café Lupe”内容参数来向用户提供反馈提示的一个示例。在图2B1中，用户提供“Tell me about my day(告诉我我这一天的情况)”的自然语言输入280A1以在用户和自动化助理120之间发起对话会话。图2B1的对话会话与图2A的对话会话分离。例如，图2B1的对话会话可以基于从图2A的对话会话起至少阈值时间量的流逝和/或基于其他准则来确定为单独的对话会话。
自动化助理120利用包括用户日历的概要连同本地预报和交通报告的响应自然语言输出282A1来对自然语言输入280A1进行响应。尽管输入280A1和输出282A1与图2A的对话会话的内容无关，但是自动化助理120然后提供反馈提示282B1，其征求对“Café Lupe”内容参数的反馈。如本文所述，自动化助理120可以基于诸如图3B的对话会话与图3A的对话会话分离的各个准则来提供反馈提示282B1，输入380A1和/或输出382A1满足一个或多个准则，诸如被认为是“例行(routine)”和/或其他准则。
用户用正面自然语言输入280B1来响应反馈提示282B1，并且自动化助理使用肯定的自动化语言输出282C1回答。自动化助理120可以利用正面自然语言输入280B1来正面地影响与“Café Lupe”内容参数相关联的值。例如，自动化助理120可以调整该值以增加在与用户的未来对话会话中和/或与其他用户的未来对话会话中将提供“Café Lupe”和/或与Café Lupe类似的餐厅的可能性。
图2B2提供了基于响应于图2A的对话会话而存储的“墨西哥卷”内容参数来向用户提供反馈提示的示例。图2B2的对话会话可以是代替图2B1的对话会话或除了图2B1的对话会话之外的对话会话。在图2B2中，用户提供“Good morning”的自然语言输入280A2以在用户和自动化助理120之间发起对话会话。图2B2的对话会话与图2B的对话会话分离。例如，图2B1的对话会话可以基于从图2A1的对话会话起至少阈值时间量的流逝和/或基于其他准则来确定为单独的对话会话。
自动化助理120用包括“Good morning John(早上好，John)”的响应内容的响应自然语言输出282A2来对自然语言输入280A2进行响应。尽管输入280A2与图2A的对话会话的内容无关，但是自然语言输出282A2还包括“What did you think about the burritofrom Café Lupe last night？(你认为昨晚的Café Lupe的墨西哥卷如何？)”的反馈提示。如本文所述，自动化助理120可以基于各种准则来提供包括在输出282A2中的反馈提示。
用户用正面自然语言输入280B2来响应输出282A2。自动化助理用包括确认语言“great(太好了)”和对Café Lupe的另一流行菜品的建议的自然语言输出282B2来回复。自动化助理120可利用正面自然语言输入280B2来正面地影响与“墨西哥卷”内容参数相关联的值。例如，自动化助理120可以调整该值以增加在与用户的未来对话会话和/或与其他用户的未来对话会话中推荐“墨西哥卷”作为在Café Lupe处和/或在其他餐厅处的菜品的可能性。
图2B3提供了基于响应于图2A的对话会话而存储的“墨西哥卷”内容参数来向用户提供反馈提示的另一个示例。图2B3的对话会话可以是代替图2B1和/或图2B2的对话会话或除了图2B1和/或图2B2的对话会话之外的对话会话。在图2B3中，用户提供“Play me somemusic(为我播放一些音乐)”的自然语言输入280A3以在用户和自动化助理120之间发起对话会话。图2B2的对话会话与图2A的对话会话分离。
自动化助理120使用包括响应歌曲(由音符指示)的响应输出282A3来对自然语言输入280A3进行响应。尽管输入280A3与图2A的对话会话的内容无关，但是输出282A3还包括：“By the way,what did you think about the burrito from Café Lupe lastnight？(顺便，你认为昨晚的Café Lupe的墨西哥卷如何？)”的反馈提示。该反馈提示可以在播放全部或部分响应歌曲之后提供。如本文所述，自动化助理120可以基于各种准则来提供包括在输出282A3中的反馈提示。
用户用正面自然语言输入280B3来响应输出282A3。自动化助理用包括确认语言“good to hear(很高兴听到)”的输出282B3来回复，并且然后继续播放响应曲或附加歌曲。自动化助理120可以利用正面自然语言输入280B3来正面地影响与“墨西哥卷”内容参数相关联的值。
图2B4提供了基于响应于图2A的对话会话而存储的“Café Lupe”内容参数来向用户提供反馈提示的另一示例。图2B4的对话会话可以是代替图2B1、图2B2和/或图2B3的对话会话或除了图2B1、图2B2和/或图2B3的对话会话之外发生的对话会话。
图2B4示图了图2A的用户101的另一个客户端设备310和客户端设备310的显示屏幕340。客户端设备310可以包括和/或与自动化助理120和/或其另一实例(可以访问内容参数数据库154中的用户101的条目)通信。显示屏幕340包括：回复界面元素388——用户可以选择其来经由虚拟键盘生成用户接口输入和语音回复界面元素389——用户可以选择其来经由麦克风生成用户接口输入。在一些实施方式中，用户可以在不选择语音回复界面元素389的情况下经由麦克风生成用户界面输入。例如，在对话会话期间，可以发生经由麦克风对可听见用户接口输入的主动监视来免除需要用户选择语音回复界面元素389。在这些实施方式中的一些和/或其他实施方式中，可以省略语音回复界面元素389。此外，在一些实施方式中，回复界面元素388可附加地和/或替选地被省略(例如，用户可以仅提供可听的用户接口输入)。显示屏幕340还包括系统界面元素381、382、383，其可与用户交互以使客户端设备310执行一个或多个动作。
在图2B4中，用户提供“What’s my day look like tomorrow(我明天的一天是什么样的)”的自然语言输入280A4来发起用户和自动化助理120之间的对话会话。图2B4的对话会话与图2A的对话会话分离。在一些实施方式中，自动化助理120可以基于图2B4的对话会话是经由单独的客户端设备发生来来确定它是单独的对话会话。
自动化助理120用包括用户日历的概要的响应输出282A4来对自然语言输入280A4进行响应。尽管输入280A4和输出282A4与图2A的对话会话的内容无关，但是自动化助理然后提供282B4“By the way,did you like Café Lupe？(顺便，你喜欢Café Lupe)吗？”的反馈提示。用户用正面的自然语言输入280B4来响应反馈提示282B4。在一些实施方式中，自然语言输入280B4可以是自由形式的输入。在一些其他实施方式中，自动化助理120可以在对话中呈现多个选项以供用户来选择。例如，自动化助理120可以与反馈提示282B4组合提供包括诸如“Yes(是)”、“No(否)”、和“it was OK(还可以)”的多个选项的界面——并且用户可以选择一个选项来提供对应的响应输入。
图2B1-2B4提供了用户提供正面反馈并因此提升对应内容参数的示例。然而，应当理解，用户可以替选地提供降低对应内容参数的负面反馈。
现在参考图3A和图3B，描述了本文公开的各个实施方式的附加示例。图3A图示了对话会话的示例，该对话会话中自动化助理向用户提供具有从多个候选内容参数中选择的内容参数的内容。图3B图示了在单独的对话会话中向用户提供反馈提示的示例，其中反馈提示基于所选的内容参数。
图3A图示了与图2B4所图示的相同的客户端设备310。在图3A中，在用户(“You”)和附加用户(“Tom”)和自动化助理120(“Automated Assistant”)之间存在对话会话。用户提供指向附加用户的“Coffee in the morning？(早上来杯咖啡？)”的自然语言输入380A1。附加用户提供了“Sure(当然)”的响应自然语言输入381A1。
然后，用户通过在输入380A2中包含“@AutomatedAssistant”来将自动化助理120调用到对话会话中，并请求自动化助理120来“Pick a good coffee shop(挑个好的咖啡店)”。作为响应，自动化助理120提供输出382A1，其包括口碑好并且靠近用户和附加用户的“Hypothetical Roasters”的建议。可以提供输出382A1以用于向用户(经由客户端设备310)和附加用户(经由对应的客户端设备)呈现。自动化助理120从多个候选选项中选择位置“Hypothetical Roasters”。此外，自动化助理120可以基于与用户相关联的进一步的信号来确定用户按照建议而行动(例如，用户发出到“Hypothetical Roasters”的导航请求，指示访问“Hypothetical Roasters”的用户的位置数据、和/或其他信号)。基于推荐该位置，并且可选地基于确定用户按照建议位置而行动，自动化助理120可以与用户相关联地存储指示所建议位置的内容参数。例如，自动化助理120可以与用户相关联地在已提供内容参数数据库154中存储那些所选和所提供的内容参数的指示。自动化助理120可以附加地或替选地与附加用户相关联地存储指示所建议位置的内容参数(可选地，在确定附加用户按照所建议位置而行动之后)。
图3B图示了在与图3A的对话会话分离的对话会话中向用户101提供基于图3A的所选的内容参数的反馈提示的示例。在图3B中，用户101向单独的计算设备210提供“How’sthe commute home？(回家路况如何)”的自然语言输入380B1。图3B的对话会话与图3A的对话会话分离。例如，图3B的对话会话可以基于其经由单独的计算设备210发生来被确定为单独的对话会话。
自动化助理120用包括当前交通状况的概要的响应自然语言输出382B1来对自然语言输入380B1进行响应。尽管输入380B1和输出382B1与图3A的对话会话的内容无关，但是自动化助理120然后提供反馈提示382B2，其征求关于“Hypothetical Roasters”内容参数的反馈。如本文所述，自动化助理120可以基于诸如图3B的对话会话与图3A的对话会话分离的各个准则来提供反馈提示382B2，输入380B1和/或输出382B1满足一个或多个准则，诸如被认为是“例行”和/或其他准则。
用户用负面自然语言输入380B2来对输出382B1进行响应。自动化助理提供进一步的反馈提示382B3，其征求关于的“Hypothetical Roasters”是否有该用户特别不喜欢的什么东西的反馈。用户用指定“Hypothetical Roasters”太拥挤的进一步的自然语言输入380B3来对输出382B3进行响应。自动化助理120可以利用负面自然语言输入380B2来负面地影响与“Hypothetical Roasters”内容参数相关联的值。自动化助理120可以另外或替选地利用自然语言输入380B3来影响与指示拥挤水平的内容参数相关联的值。例如，自动化助理120可以调整值以减少在与用户的未来的对话会话中和/或与其他用户的未来对话会话中一次或多次推荐一次或多次与“人多(heavy crowds)”相关联的餐厅的可能性。
图3B图示了客户端设备310的用户101的示例。然而，基于在已提供内容参数数据库154中与图3A的附加用户(“Tom”)相关联地存储的所选内容参数，自动化助理120的单独实例可以附加地和/或替选地经由该附加用户的客户端设备之一向其提供反馈提示。
尽管各附图中提供的示例聚焦于位置建议，但是可以针对其他类型的建议和/或其他内容实现本文所描述的技术。作为一个示例，响应于“play me some bluegrass(播放一些蓝草音乐)”的用户输入，自动化助理120作为响应可以选择蓝草专辑A来播放。然后，自动化助理120可以在未来的对话会话中提供提示，诸如“How did you like BluegrassAlbum A？(你举得蓝草专辑A怎么样？)”。作为另一个示例，响应于“current news(当前新闻)”的用户输入，自动化助理120可以从源A选择当前新闻以作为响应而提供。然后，自动化助理120可以在未来的对话中提供提示，诸如“Did you like Source A for the news orwould you prefer another source？(你喜欢源A的新闻还是你喜欢另一个来源？)”。作为另一个示例，响应于“当前新闻”的用户输入，自动化助理120可以选择五个新闻报道以作为响应而提供。然后，自动化助理120可以在未来的对话会话中提供提示，诸如“Did you likethe number of news stories provided earlier,or would you prefer more orfewer？(你喜欢早先提供的新闻报道的数目，还是更喜欢更多或更少的数目？)”。作为另一个示例，响应于“navigate to a coffee shop(导航到咖啡店)”的用户输入，自动化助理120可以选择最近的咖啡店并提供到该咖啡店的路线指引。然后，自动化助理120次日可以在对话会话中提供提示，诸如“I gave you directions to the closest coffee shopyesterday.In the future would you prefer a more highly rated coffee shop thatis a bit farther away？(昨天我给了你到最近的咖啡店的路线指引。在未来，你会喜欢更远一点的更高评级的咖啡店吗？)”。
图4是图示出根据本文公开的实施方式的示例方法400的流程图。为了方便起见，参考执行操作的系统来描述流程图的操作。该系统可以包括各个计算机系统的各个组件，诸如自动化助理120的一个或多个组件。此外，当方法400的操作以特定顺序示出时，这并不意味着限制。可以重新排序、省略或添加一个或多个操作。
在框452处，系统接收基于用户在对话会话期间提供的用户接口输入的自然语言输入。
在框454处，系统生成响应于自然语言输入并且包括从多个候选内容参数中选择的至少一个内容参数的内容。
在框456处，系统提供用于作为对话会话的一部分而呈现给用户的内容，并存储该内容的所选内容参数。
在框458处，系统识别包括该用户的附加对话会话。在一些实施方式中，框458可以包括框460，其中系统生成并提供附加内容以作为附加对话会话的一部分而呈现给用户。
在框462处，系统提供征求对所存储的所选内容参数的反馈的提示，以用于作为附加对话会话的一部分而呈现给用户。
在框464处，系统接收响应于提示并且基于在附加对话会话期间由用户提供的用户接口输入的附加输入。
在框466处，系统使用附加输入来影响与所选的内容参数相关联地存储的值。
图5是可以可选地用于执行本文所描述的技术的一个或多个方面的示例计算设备510的框图。在一些实施方式中，客户端计算设备、自动化助理120、和/或其他组件中的一个或多个可以包括示例计算设备510的一个或多个组件。
计算设备510通常包括经由总线子系统512与多个外围设备通信的至少一个处理器514。这些外围设备可以包括存储子系统524，其包括例如存储器子系统525和文件存储子系统526、用户接口输出设备520、用户接口输入设备522、和网络接口子系统516。输入和输出设备允许用户与计算设备510进行交互。网络接口子系统516提供到外部网络的接口，并且耦合到其他计算设备中的对应的接口设备。
用户接口输入设备522可以包括键盘、例如鼠标、轨迹球、触摸板或图形板的指示设备、扫描仪、并入显示器中的触摸屏、例如语音识别系统、麦克风的音频输入设备、和/或其他类型的输入设备。通常，术语“输入设备”的使用旨在包括将信息输入到计算设备510或通信网络上的所有可能类型的设备和方式。
用户接口输出设备520可以包括显示子系统、打印机、传真机、或非视觉显示器——诸如音频输出设备。显示子系统可以包括阴极射线管(CRT)、诸如液晶显示器(LCD)的平板设备、投影设备、或用于创建可见图像的一些其它机构。显示子系统还可以提供非视觉显示，诸如经由音频输出设备来提供。通常对术语“输出设备”的使用旨在包括从计算设备510向用户或另一机器或计算设备输出信息的所有可能类型的设备和方式。
存储子系统524存储提供本文所述的一些或所有模块的功能的编程和构造。例如，存储子系统524可以包括用于执行图4的方法的所选方面的逻辑。
这些软件模块通常由处理器514单独地或与其他处理器组合执行。在存储子系统524中使用的存储器525可以包括多个存储器，包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)530和存储固定指令的只读存储器(ROM)532。文件存储子系统526可以为程序和数据文件提供持久存储，并且可以包括硬盘驱动器、软盘驱动器连同相关联的可移动介质、CD-ROM驱动器、光驱动器、或可移动介质盒。实现某些实施方式的功能的模块可以由文件存储子系统526存储在存储子系统524中，或者存储在由处理器514可访问的其他计算机中。
总线子系统512提供用于使计算设备510的各个组件和子系统按照预期彼此通信的机制。虽然总线子系统512被示意性地示出为单个总线，但是总线子系统的替选实施方式可以使用多个总线。
计算设备510可以是不同的类型，包括工作站、服务器、计算集群、刀片服务器、服务器群、或任何其他数据处理系统或计算设备。由于计算机和网络的不断变化的性质，图5所示的计算设备510的描述仅意图作为具体示例以供说明一些实施方式的目的。计算设备510的许多其他配置可能具有比图5所示的计算设备更多或更少的组件。
在本文讨论的某些实施方式可以收集或使用关于用户的个人信息(例如，从其他电子通信提取的用户数据、关于用户的社交网络的信息、用户的位置、用户的时间、用户的生物特征信息，以及用户的活动和群体特征信息)的情形下，向用户提供一个或多个机会来控制是否收集信息、是否存储个人信息、是否使用个人信息以及如何收集、存储、和使用有关用户的信息。也就是说，本文所讨论的系统和方法仅在接收到相关用户的明确授权才能收集、存储和/或使用用户个人信息。例如，向用户提供对程序或特征是否收集关于该特定用户或与程序或特征相关的其他用户的用户信息的控制。将收集其个人信息的每个用户都被呈现一个或多个选项，用于允许对与该用户相关的信息收集进行控制，用于提供关于该信息是否被收集以及关于信息的哪些部分被收集的许可或授权。例如，可以通过通信网络向用户提供一个或多个这样的控制选项。此外，某些数据可以在存储或使用之前以一种或多种方式处理，使得移除个人可识别信息。作为一个示例，可以对用户的身份进行处理，使得无法确定个人可识别信息。作为另一个示例，用户的地理位置可以被泛化到更大的区域，使得用户的具体位置无法被确定。
尽管本文已经描述和图示了若干实施方式，但是可以利用用于执行功能和/或获得结果的各种其他手段和/或结构和/或本文所述的一个或多个优点，，并且这样的变化和/或修改中的每一个被认为在本文描述的实现的范围内。更一般地，本文描述的所有参数、尺寸、材料、和配置意图是示例性的，并且该实际参数、尺寸、材料、和/或配置将取决于使用教导的具体一个或多个应用。本领域技术人员将认识到或者能够使用不超过常规实验来确定本文所述的具体实施方式的许多等同物。因此，应当理解，前述实施方式仅通过示例的方式呈现，并且在所附权利要求及其等同物的范围内，但实施方式可以以与具体描述和要求保护的方式不同的方式来实践。本公开的实施方式涉及本文所述的每个单独的特征、系统、物品、材料、工具、和/或方法。此外，如果这样的特征、系统、物品、材料、工具和/或方法不相互矛盾则两个或更多个这样的特征、系统、物品、材料、工具和/或方法的任何组合包括在本公开的范围内。

Claims (19)

1.一种由一个或多个处理器实现的方法，包括：
作为由所述一个或多个处理器实现的在用户和自动化助理之间的对话会话的一部分：
接收自然语言输入，所述自然语言输入基于所述用户经由用户接口输入设备来提供的用户接口输入，以及
作为所述自动化助理对所述自然语言输入的回复，提供响应于所述自然语言输入的内容，
其中，所述内容被提供用于经由用户接口输出设备呈现给所述用户，
其中，所述内容包括由所述自动化助理从多个候选内容参数中选择的至少一个内容参数，以及
其中，所述内容是未来由所述用户行动的建议；
确定在提供包括所述至少一个内容参数的所述内容之后，所述用户已按照所述建议而实际行动；
作为所述用户和所述自动化助理之间的、在时间上与所述对话会话分离的附加对话会话的一部分，所述附加对话会话是由所述用户用与所述对话会话的内容无关的附加自然语言输入来发起：
提供提示，所述提示征求对所选择的至少一个内容参数的反馈，
其中，所述提示被提供用于经由所述用户接口输出设备或附加用户接口输出设备来呈现给所述用户，
其中，所述提示基于所述至少一个内容参数由所述自动化助理先前选择并且基于所述内容先前被提供用于呈现给所述用户作为所述对话会话的一部分来被生成以征求对所述至少一个内容参数的反馈，所述内容包括所述至少一个内容参数并且是未来由所述用户行动的所述建议，以及
其中，提供所述提示是基于确定所述用户已按照所述建议来行动，以及
接收响应于所述提示的附加输入，所述附加输入基于由所述用户经由所述用户接口输入设备或附加用户接口输入设备所提供的附加用户接口输入；
使用所述附加输入来改变与所述至少一个内容参数相关联地存储的值，其中，所述值影响包括所述至少一个内容参数的进一步内容的、由所述自动化助理进行的未来提供；以及
在选择进一步的建议中使用通过所述附加输入所改变的所述值，所述进一步的建议用于响应于在所述用户和所述自动化助理之间的进一步的对话会话中所述用户的进一步的自然语言输入而提供给所述用户。
2.根据权利要求1所述的方法，进一步包括，作为所述附加对话会话的一部分：
提供附加对话会话输出，所述附加对话会话输出响应于所述附加自然语言输入并且也与所述对话会话的内容无关；
其中，提供所述提示紧跟在提供所述附加对话会话输出之后发生。
3.根据权利要求2所述的方法，进一步包括：
通过以下中的至少一个来确定一个或多个准则被满足：所述附加自然语言输入和所述附加对话会话输出；
其中，提供所述提示进一步基于确定所述一个或多个准则被满足。
4.根据权利要求3所述的方法，其中，所述一个或多个准则包括以下中的至少一个：所述附加对话会话输出具有某个语义类型；并且在所述附加对话会话输出中出现了n-gram集中的至少一个n-gram。
5.根据权利要求1所述的方法，其中，用于生成响应于所述提示的所述附加输入的所述用户接口输入设备或所述附加用户接口输入设备包括麦克风，并且所述方法进一步包括：
基于提供所述提示，预先激活被配置为处理经由所述麦克风来提供的用户接口输入的至少一个组件。
6.根据权利要求1所述的方法，进一步包括，作为所述附加对话会话的一部分：
在提供所述提示之前，提供附加对话会话输出；
其中，提供所述提示紧跟在提供所述附加对话会话输出之后发生。
7.根据权利要求1所述的方法，进一步包括：
识别作为所述用户和所述自动化助理之间的附加先前对话会话的一部分而提供给所述用户的附加内容参数；以及
基于一个或多个准则来确定提供基于所述至少一个内容参数的所述提示而不是基于所述附加内容参数的替选提示。
8.根据权利要求7所述的方法，其中，所述一个或多个准则包括：所述至少一个内容参数的提供和所述附加内容参数的提供的对应时间接近度。
9.根据权利要求7所述的方法，其中，所述一个或多个准则包括：指派给所述至少一个内容参数和所述附加内容参数的语义类型。
10.根据权利要求1所述的方法，其中，所述建议是针对特定物理位置以及针对能够在所述特定物理位置处消费的特定项目，并且其中，所述至少一个内容参数标识所述特定项目。
11.根据权利要求1所述的方法，其中，所述建议是针对特定物理位置，并且其中，所述至少一个内容参数标识所述特定物理位置所属于的类别。
12.根据权利要求1所述的方法，其中，所述自然语言输入和所述附加输入二者都经由所述用户接口输入设备生成，并且其中，所述内容和所述提示二者都被提供以用于经由所述用户接口输出设备呈现。
13.根据权利要求12所述的方法，其中，所述用户接口输入设备包括单个设备的麦克风，并且所述用户接口输出设备包括所述单个设备的扬声器。
14.根据权利要求1所述的方法，其中：
所述用户接口输入是经由第一计算设备的所述用户接口输入设备来生成的，
所述内容被提供用于经由所述第一计算设备的所述用户接口输出设备呈现，
所述附加自然语言输入是经由附加计算设备的麦克风来生成的基于语音的自然语言输入；以及
所述提示是基于以下来被提供用于经由所述附加计算设备的所述附加用户接口输出设备呈现：确定所述基于语音的自然语言输入符合所述用户的语音简档。
15.一种包括存储器和一个或多个处理器的系统，其中：
所述存储器存储指令；并且
所述一个或多个处理器执行所述存储器中所存储的所述指令来：
作为由所述一个或多个处理器实现的在用户和自动化助理之间的对话会话的一部分：
接收自然语言输入，所述自然语言输入基于所述用户经由至少一个麦克风来提供的用户接口输入，以及
作为所述自动化助理对所述自然语言输入的回复，提供响应于所述自然语言输入的内容，
其中，所述内容被提供用于经由至少一个扬声器来呈现给所述用户，
其中，所述内容包括由所述自动化助理从多个候选内容参数中选择的至少一个内容参数，以及
其中，所述内容是未来由所述用户行动的建议；
确定在提供包括所述至少一个内容参数的所述内容之后，所述用户已按照所述建议而实际行动；
作为所述用户和所述自动化助理之间的、在时间上与所述对话会话分离的附加对话会话的一部分，所述附加对话会话是由所述用户用与所述对话会话的内容无关的附加自然语言输入来发起：
提供提示，所述提示征求对所选择的至少一个内容参数的反馈，
其中，所述提示被提供用于经由所述至少一个扬声器或附加计算设备的附加用户接口输出设备来呈现给所述用户，
其中，所述提示基于所述至少一个内容参数由所述自动化助理先前选择并且基于所述内容先前被提供用于呈现给所述用户作为所述对话会话的一部分来被生成以征求对所述至少一个内容参数的反馈，所述内容包括所述至少一个内容参数并且是未来由所述用户行动的所述建议，以及
其中，提供所述提示是基于确定所述用户已按照所述建议来行动，以及
接收响应于所述提示的附加输入，所述附加输入基于由所述用户经由所述至少一个麦克风或所述附加计算设备的附加用户接口输入设备所提供的附加用户接口输入；
使用所述附加输入来改变与所述至少一个内容参数相关联地存储的值，其中，所述值影响包括所述至少一个内容参数的进一步内容的、由所述自动化助理进行的未来提供；以及
在选择进一步的建议中使用通过所述附加输入所改变的所述值，所述进一步的建议用于响应于在所述用户和所述自动化助理之间的进一步的对话会话中所述用户的进一步的自然语言输入而提供给所述用户。
16.根据权利要求15所述的系统，其中，在执行所述指令时所述处理器中的一个或多个进一步用于，作为所述附加对话会话的一部分：
提供附加对话会话输出，所述附加对话会话输出响应于所述附加自然语言输入并且也与所述对话会话的内容无关；
其中，提供所述提示紧跟在提供所述附加对话会话输出之后发生。
17.根据权利要求15所述的系统，其中，在执行所述指令时所述处理器中的一个或多个进一步用于：
基于提供所述提示，预先激活被配置为处理由所述用户经由所述至少一个麦克风来提供的所述附加输入的至少一个组件。
18.根据权利要求15所述的系统，其中，在执行所述指令时所述处理器中的一个或多个进一步用于：
在提供所述提示之前，提供附加对话会话输出；
其中，提供所述提示紧跟在提供所述附加对话会话输出之后发生。
19.根据权利要求15所述的系统，其中，所述建议是针对特定物理位置，并且其中，所述至少一个内容参数标识以下中的至少一个：能够在所述特定物理位置处消费的特定项目，以及所述特定物理位置所属于的类别。
CN201710882194.6A 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示 Active CN108090109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111592006.9A CN114398470A (zh) 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/357,733 US10446144B2 (en) 2016-11-21 2016-11-21 Providing prompt in an automated dialog session based on selected content of prior automated dialog session
US15/357,733 2016-11-21

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111592006.9A Division CN114398470A (zh) 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示

Publications (2)

Publication Number Publication Date
CN108090109A CN108090109A (zh) 2018-05-29
CN108090109B true CN108090109B (zh) 2021-12-31

Family

ID=60083474

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710882194.6A Active CN108090109B (zh) 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示
CN202111592006.9A Pending CN114398470A (zh) 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202111592006.9A Pending CN114398470A (zh) 2016-11-21 2017-09-26 基于先前对话内容在自动化对话会话中提供提示

Country Status (10)

Country Link
US (3) US10446144B2 (zh)
EP (1) EP3539013A1 (zh)
JP (1) JP6901559B2 (zh)
KR (2) KR102503741B1 (zh)
CN (2) CN108090109B (zh)
DE (2) DE202017105844U1 (zh)
GB (1) GB2556192A (zh)
IE (1) IE20170204A1 (zh)
SG (1) SG10201708066WA (zh)
WO (1) WO2018093468A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US11276395B1 (en) * 2017-03-10 2022-03-15 Amazon Technologies, Inc. Voice-based parameter assignment for voice-capturing devices
CN107015781B (zh) * 2017-03-28 2021-02-19 联想(北京)有限公司 语音识别方法和系统
US11100922B1 (en) * 2017-09-26 2021-08-24 Amazon Technologies, Inc. System and methods for triggering sequences of operations based on voice commands
US11075975B2 (en) * 2017-10-17 2021-07-27 Microsoft Technology Licensing, Llc Personalization framework
KR102485253B1 (ko) * 2017-11-10 2023-01-06 현대자동차주식회사 대화 시스템 및 그 제어방법
US11133010B1 (en) 2018-01-23 2021-09-28 United Services Automobile Association (Usaa) Intelligent agent for interactive service environments
WO2019217248A1 (en) 2018-05-07 2019-11-14 Google Llc Recommending automated assistant action for inclusion in automated assistant routine
KR102607666B1 (ko) * 2018-08-08 2023-11-29 삼성전자 주식회사 전자 장치에서 사용자 의도 확인을 위한 피드백 제공 방법 및 장치
US11037557B2 (en) * 2018-08-24 2021-06-15 International Business Machines Corporation Cognitive contextual conversation side topics
WO2020046920A1 (en) 2018-08-27 2020-03-05 Google Llc Adapting client application of feature phone based on experiment parameters
EP3785102A1 (en) * 2018-12-04 2021-03-03 Google LLC Context aware skim-read friendly text view
US11430435B1 (en) * 2018-12-13 2022-08-30 Amazon Technologies, Inc. Prompts for user feedback
US11164582B2 (en) * 2019-04-29 2021-11-02 Google Llc Motorized computing device that autonomously adjusts device location and/or orientation of interfaces according to automated assistant requests
US11238868B2 (en) * 2019-05-06 2022-02-01 Google Llc Initializing non-assistant background actions, via an automated assistant, while accessing a non-assistant application
US11748713B1 (en) * 2020-03-31 2023-09-05 Amazon Technologies, Inc. Data ingestion and understanding for natural language processing systems
US11929070B1 (en) * 2021-08-30 2024-03-12 Amazon Technologies, Inc. Machine learning label generation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224586A (zh) * 2014-06-10 2016-01-06 谷歌公司 从先前会话检索情境
CN105247511A (zh) * 2013-06-07 2016-01-13 苹果公司 智能自动化助理

Family Cites Families (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060020614A1 (en) * 1997-08-08 2006-01-26 Kolawa Adam K Method and apparatus for automated selection, organization, and recommendation of items based on user preference topography
US7029702B2 (en) * 1998-07-07 2006-04-18 Ritter Natural Sciences Llc Method for increasing lactose tolerance in mammals exhibiting lactose intolerance
JP4132962B2 (ja) * 2002-05-16 2008-08-13 パイオニア株式会社 対話型情報提供装置、対話型情報提供プログラム、及びそれを記憶した記憶媒体
US7962430B1 (en) * 2002-11-11 2011-06-14 James Ralph Heidenreich Systems and methods for facilitating user thinking about an arbitrary problem with additional search capabilities
WO2006012473A1 (en) * 2004-07-19 2006-02-02 Intercasting Corporation Dynamic knowledge-based networking system and method
GB0504568D0 (en) * 2005-03-04 2005-04-13 Vida Software S L User interfaces for electronic devices
US9318108B2 (en) * 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8494978B2 (en) * 2007-11-02 2013-07-23 Ebay Inc. Inferring user preferences from an internet based social interactive construct
US20090248510A1 (en) * 2008-03-31 2009-10-01 Yahoo! Inc. Information retrieval using dynamic guided navigation
US10375244B2 (en) * 2008-08-06 2019-08-06 Avaya Inc. Premises enabled mobile kiosk, using customers' mobile communication device
US8374859B2 (en) * 2008-08-20 2013-02-12 Universal Entertainment Corporation Automatic answering device, automatic answering system, conversation scenario editing device, conversation server, and automatic answering method
US9659320B2 (en) * 2008-09-24 2017-05-23 Jennifer Martucci System and method to enable a customer to select a wine based upon available inventory
US20100185552A1 (en) * 2009-01-16 2010-07-22 International Business Machines Corporation Providing gps-based location and time information
US10290007B2 (en) * 2009-01-22 2019-05-14 International Business Machines Corporation Method and system for turning virtual world participants into real life leads
US8463431B2 (en) * 2009-04-13 2013-06-11 Utique, Inc. Customer retention system and process in a vending unit, retail display or automated retail store
US10276170B2 (en) * 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US20110276513A1 (en) * 2010-05-10 2011-11-10 Avaya Inc. Method of automatic customer satisfaction monitoring through social media
KR101909742B1 (ko) * 2010-06-15 2018-10-18 티켓마스터 엘엘씨 컴퓨터 도움 이벤트 및 현장 셋업을 위한 방법 및 시스템 그리고 모델링 및 인터액티브 지도들
US20120095862A1 (en) * 2010-10-15 2012-04-19 Ness Computing, Inc. (a Delaware Corportaion) Computer system and method for analyzing data sets and generating personalized recommendations
US20120246004A1 (en) * 2010-12-22 2012-09-27 Book christopher j Systems and methods for customer interaction
EP2687998B1 (en) * 2011-03-14 2015-12-09 Nikon Corporation Information terminal, information providing server, and control program
US8676937B2 (en) * 2011-05-12 2014-03-18 Jeffrey Alan Rapaport Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging
US9129225B2 (en) * 2011-05-25 2015-09-08 Nokia Technologies Oy Method and apparatus for providing rule-based recommendations
US8762151B2 (en) * 2011-06-16 2014-06-24 General Motors Llc Speech recognition for premature enunciation
US20140324624A1 (en) * 2011-07-12 2014-10-30 Richard Ward Wine recommendation system and method
US20130055354A1 (en) * 2011-08-23 2013-02-28 Microsoft Corporation Business review relevance using geo-based history
US20150186958A1 (en) * 2012-03-27 2015-07-02 Google Inc. System and method for rating points of interest based on a location history
US8892419B2 (en) * 2012-04-10 2014-11-18 Artificial Solutions Iberia SL System and methods for semiautomatic generation and tuning of natural language interaction applications
US9223537B2 (en) * 2012-04-18 2015-12-29 Next It Corporation Conversation user interface
EP2839391A4 (en) * 2012-04-20 2016-01-27 Maluuba Inc CONVERSATION AGENT
US9648369B2 (en) * 2012-06-11 2017-05-09 Verizon Patent And Licensing Inc. Cross-platform schedule management interface
US20140114705A1 (en) 2012-10-23 2014-04-24 Olset, Inc. Methods and systems for making travel arrangements
US20140129335A1 (en) * 2012-11-07 2014-05-08 Hipmunk, Inc. Presenting a review based on a user purpose
US11568420B2 (en) * 2012-11-21 2023-01-31 Verint Americas Inc. Analysis of customer feedback surveys
WO2015112108A1 (en) * 2012-11-28 2015-07-30 Visa International Service Association Multi disparate gesture actions and transactions apparatuses, methods and systems
US9037578B2 (en) * 2012-12-03 2015-05-19 Wellclub, Llc Content suggestion engine
US20140164953A1 (en) * 2012-12-11 2014-06-12 Nuance Communications, Inc. Systems and methods for invoking virtual agent
EP2973285A4 (en) * 2013-03-12 2016-03-30 Intertrust Tech Corp SECURE TRANSACTION SYSTEMS AND METHODS
US8799053B1 (en) * 2013-03-13 2014-08-05 Paul R. Goldberg Secure consumer data exchange method, apparatus, and system therfor
US9368114B2 (en) * 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
WO2014144949A2 (en) * 2013-03-15 2014-09-18 Apple Inc. Training an at least partial voice command system
AU2014251347B2 (en) * 2013-03-15 2017-05-18 Apple Inc. Context-sensitive handling of interruptions
US9875494B2 (en) * 2013-04-16 2018-01-23 Sri International Using intents to analyze and personalize a user's dialog experience with a virtual personal assistant
WO2014200728A1 (en) * 2013-06-09 2014-12-18 Apple Inc. Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant
US9633317B2 (en) * 2013-06-20 2017-04-25 Viv Labs, Inc. Dynamically evolving cognitive architecture system based on a natural language intent interpreter
US9563641B1 (en) * 2013-06-26 2017-02-07 Google Inc. Suggestion refinement
US20150254214A1 (en) * 2013-09-06 2015-09-10 Knowledge Initiatives LLC Electronic publication environment
US20150178392A1 (en) * 2013-12-20 2015-06-25 Chacha Search, Inc. Method and system of providing a search tool
US9823811B2 (en) * 2013-12-31 2017-11-21 Next It Corporation Virtual assistant team identification
WO2016061309A1 (en) * 2014-10-15 2016-04-21 Voicebox Technologies Corporation System and method for providing follow-up responses to prior natural language inputs of a user
WO2016092924A1 (ja) * 2014-12-09 2016-06-16 ソニー株式会社 情報処理装置、制御方法、およびプログラム
US9836452B2 (en) 2014-12-30 2017-12-05 Microsoft Technology Licensing, Llc Discriminating ambiguous expressions to enhance user experience
US11392580B2 (en) * 2015-02-11 2022-07-19 Google Llc Methods, systems, and media for recommending computerized services based on an animate object in the user's environment
US9886953B2 (en) * 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US10446142B2 (en) * 2015-05-20 2019-10-15 Microsoft Technology Licensing, Llc Crafting feedback dialogue with a digital assistant
US10997226B2 (en) * 2015-05-21 2021-05-04 Microsoft Technology Licensing, Llc Crafting a response based on sentiment identification
US10504509B2 (en) * 2015-05-27 2019-12-10 Google Llc Providing suggested voice-based action queries
US20170109447A1 (en) * 2015-09-09 2017-04-20 Steven Wu Computerized systems and methods for offline event facilitation
US10657200B2 (en) * 2016-01-05 2020-05-19 Adobe Inc. Proactive form guidance for interacting with electronic forms
US10664893B2 (en) * 2016-03-02 2020-05-26 Social Data Sciences, Inc. System to customize recommendations by soliciting and analyzing suggestions and evaluations tailored to a particular subject
US10372508B2 (en) * 2016-03-17 2019-08-06 Wipro Limited Method and system for dynamically integrating bots
US10024675B2 (en) * 2016-05-10 2018-07-17 Microsoft Technology Licensing, Llc Enhanced user efficiency in route planning using route preferences
US20170329933A1 (en) * 2016-05-13 2017-11-16 Thomas Edwin Brust Adaptive therapy and health monitoring using personal electronic devices
US20180040002A1 (en) * 2016-08-02 2018-02-08 Qualtrics, Llc Distributing survey questions based on geolocation tracking associated with a respondent
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
US20200002052A1 (en) * 2018-07-02 2020-01-02 Muz Naturals Llc Biodegradable container for solid products

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247511A (zh) * 2013-06-07 2016-01-13 苹果公司 智能自动化助理
CN105224586A (zh) * 2014-06-10 2016-01-06 谷歌公司 从先前会话检索情境

Also Published As

Publication number Publication date
KR102368003B1 (ko) 2022-02-25
KR20220027284A (ko) 2022-03-07
US20190355361A1 (en) 2019-11-21
DE202017105844U1 (de) 2017-12-21
EP3539013A1 (en) 2019-09-18
US10446144B2 (en) 2019-10-15
IE20170204A1 (en) 2018-05-30
US20220262360A1 (en) 2022-08-18
GB2556192A (en) 2018-05-23
US11322140B2 (en) 2022-05-03
CN114398470A (zh) 2022-04-26
US20180144743A1 (en) 2018-05-24
KR20190080938A (ko) 2019-07-08
JP6901559B2 (ja) 2021-07-14
DE102017122326A1 (de) 2018-05-24
SG10201708066WA (en) 2018-06-28
JP2019537802A (ja) 2019-12-26
WO2018093468A1 (en) 2018-05-24
GB201715644D0 (en) 2017-11-08
CN108090109A (zh) 2018-05-29
KR102503741B1 (ko) 2023-02-24

Similar Documents

Publication Publication Date Title
CN108090109B (zh) 基于先前对话内容在自动化对话会话中提供提示
JP7419485B2 (ja) 非要請型コンテンツの人間対コンピュータダイアログ内へのプロアクティブな組込み
US20240112679A1 (en) Proactive incorporation of unsolicited content into human-to-computer dialogs
US10826856B2 (en) Automated generation of prompts and analyses of user responses to the prompts to determine an entity for an action and perform one or more computing actions related to the action and the entity
US11238242B2 (en) Generating output for presentation in response to user interface input, where the input and/or the output include chatspeak
US20160132605A1 (en) Service Recommendation Method and Apparatus with Intelligent Assistant
US11494427B2 (en) Generating a personal database entry for a user based on natural language user interface input of the user and generating output based on the entry in response to further natural language user interface input of the user
EP3542282B1 (en) Autonomously providing search results post-facto, including in conversational assistant context
US10091147B2 (en) Providing additional information related to a vague term in a message

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