CN108197191A - 一种多轮对话的场景意图中断方法 - Google Patents
一种多轮对话的场景意图中断方法 Download PDFInfo
- Publication number
- CN108197191A CN108197191A CN201711440476.7A CN201711440476A CN108197191A CN 108197191 A CN108197191 A CN 108197191A CN 201711440476 A CN201711440476 A CN 201711440476A CN 108197191 A CN108197191 A CN 108197191A
- Authority
- CN
- China
- Prior art keywords
- intended
- user
- scene
- information
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
本发明公开一种多轮对话的场景意图中断方法,所述方法在抽取出用户初始意图后进行再判断,计算用户当前意图与最近历史意图的空间距离,将该空间距离与设置的阈值相比较从而得出用户当前会话是正常会话、已提问过的相似问题或者是与历史意图距离过大需要再确认的问题,根据用户的真实意图给出相应的结构化引导性问题或者答案。引入再判断机制,可以确认用户的真实意图或者避免实际场景中周围环境噪声的影响,可以避免多轮对话场景误切换的情况发生,并提高多轮对话的容错能力,能自动适应完成多轮交互过程中出现的意图中断问题。
Description
技术领域
本发明涉及一种多轮对话的场景意图中断方法,属于人工智能领域。
背景技术
垂直领域的智能人机交互系统的优越性取决于其多轮对话的能力,这也是为何业界把智能人机交互系统研究重点放在多轮对话。常见的多轮对话系统通常采取如下策略:首先获取到用户问题后进行自然语言处理获取内在信息以及隐含信息;同时利用上下文信息进行对话意图判断以及场景建模,根据对话过程中已提供的信息以及预设模型中缺少的信息进行针对性的问答。很明显在上述策略中用户意图的不同将直接决定多轮对话系统分支的走向以及对话的推进。
在目前用户意图驱动的多轮对话系统中多轮对话实质上是在不同的场景意图之间的开始、跳转、复位、结束。如何在自然语言交互过程中如何进行新意图的建立,何时进行意图的切换、如何判断意图的结束决定着多轮对话系统的质量和用户体验。但是多数的对话系统当用户意图出现不同时立即进行场景切换和话题转移,这有点不符合正常合理的对话过程。在人们的日常交互中如果两人正在谈论某一话题,在话题结束前一般不会出现话题内容的大幅度转换。倘若突然进行急剧话题转换,另一方往往会做出意图确认的回应。所以有必要在多轮对话系统中加入中断机制对意图进行再判断,判断当前后意图出现差别超过特定阈值时,则不进行话题的转变,否则进行话题的转变。但是多数的对话系统当用户意图出现不同时立即进行场景切换和话题转移,缺乏再判断机制,导致多轮对话场景误切换的情况发生。
针对现有技术的缺陷,本发明提供一种多轮对话的场景意图中断方法,能自动适应完成多轮交互过程中出现的意图中断问题。
为了解决所述技术问题,本发明采用的技术方案是:一种多轮对话的场景意图中断方法,其特征在于:包括以下步骤:S01)、获取用户输入的多模态输入信息;S02)、对输入信息进行实体信息的抽取和结构化切片处理,获得结构化文本信息;S03)、基于结构化文本信息抽取用户初始意图;S04)、基于历史信息、结构化文本信息和用户初始意图,自适应判断用户真实意图,实现对对话意图的再判断以及对话容错;S05)、基于用户真实意图和对话模式,构建对话场景,获得结构化引导性问题或者答案;S06)、基于结构化引导性问题或者答案生成对应的自然语言问题或者答案。
本发明所述多轮对话的场景意图中断方法,步骤S04中,通过机器学习算法对用户初始意图进行再判断,首先对用户初始意图进行向量化,获得用户初始意图在高维空间的向量,计算用户初始意图Iteni与最近历史意图Iteni-1的空间距离Dis,并设置第一阈值Th1和第二阈值Th2,Th1< Th2,如果Dis小于第一阈值Th1,表明当前意图与历史意图重合度过大,步骤S05中生成提醒用户已经提问过相似问题的答案,如果Dis大于第二阈值Th2,表明当前意图与历史意图距离过大,此时不应进行意图跳转需要进行意图确认,步骤S05中生成进行意图确认的结构化引导性问题;如果Dis大于第一阈值Th1小于第二阈值Th2,则根据用户真实意图进行正常的意图中断及跳转。
本发明所述多轮对话的场景意图中断方法,采用Word2Vec对用户初始意图进行向量化,采用杰卡德相似距离计算当前用户意图Iteni与最近历史意图Iteni-1的空间距离Dis。
本发明所述多轮对话的场景意图中断方法,第一阈值和第二阈值通过机器学习算法训练得到,机器学习算法设有反馈机制,根据用户反馈对第一阈值和第二阈值进行迭代优化。
本发明所述多轮对话的场景意图中断方法,第一阈值和第二阈值通过SVM或者Bayes的机器学习算法训练得到。
本发明所述多轮对话的场景意图中断方法,多模态输入信息包括语音、文本和触摸动作。
本发明所述多轮对话的场景意图中断方法,获取用户输入的多模态输入信息时,利用预先定义动作指令集将触屏动作转换为文本信息、利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本或者直接接受用户输入的文本信息,并且支持多模态数据的同时录入,其中触屏动作的优先级最高,语音输入优先级次之,文本输入优先级最低。
本发明所述多轮对话的场景意图中断方法,S02中,通过词法分析完成自然语言文本的分词和词性标记,得到自然语言文本的词语集,保留文本的全部信息;然后利用句法分析技术得到关键信息之间的语法依存关系和修饰关系,抽取自然语言文本中关键信息;语义分析基于语义网络完成词语、词组以及句子的渐层语义分析,最终完成自然语言的结构化切片处理,获得结构化文本信息。
本发明所述多轮对话的场景意图中断方法,步骤S03中,采用决策树或者随机森林的机器学习方法,利用结构化文本信息和疑问句类型抽取用户意图,结合系统历史信息和当前对话信息实现结构化文本信息与多个业务场景的之间映射。
本发明所述多轮对话的场景意图中断方法,抽取用户意图时,进行多层意图判断。
本发明所述多轮对话的场景意图中断方法,步骤S05中,基于Bayes算法推理机制和知识库模块内部业务信息生成结构化引导性问题或者答案,Bayes算法推理机制基于用户意图以及对话模式,进行深层语义理解,构建对话场景,自动推理获取答案或者引导性问句的关键信息,进而推进人机交互过程。
本发明所述多轮对话的场景意图中断方法,步骤S06中,采用随机算法,灵活动态生成结构化引导性问题或者答案对应的问题或答案,避免答案格式僵化。
本发明的有益效果:本发明所述方法在抽取出用户初始意图后进行再判断,计算用户当前意图与最近历史意图的空间距离,将该空间距离与设置的阈值相比较从而得出用户当前会话是正常会话、已提问过的相似问题或者是与历史意图距离过大需要再确认的问题,根据用户的真实意图给出相应的结构化引导性问题或者答案。引入再判断机制,可以确认用户的真实意图或者避免实际场景中周围环境噪声的影响,可以避免多轮对话场景误切换的情况发生,并提高多轮对话的容错能力,能自动适应完成多轮交互过程中出现的意图中断问题。
附图说明
图1为本发明所述方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
一种多轮对话的场景意图中断方法,如图1所示,为其流程图,包括以下步骤:
S01)、获取用户输入的多模态输入信息;
本实施例中,输入信息包含但不限于语音、文本、触摸动作等。
获取多模态用户输入信息时,可以利用预先定义动作指令集将触屏操作转换为文本信息,或利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本,再或者直接接受用户输入的文本信息;并且输入模块支持多模态数据的同时录入。其中触屏动作的优先级最高,语音输入的优先级次之,文本输入的优先级最低。
S02)、对输入信息进行实体信息的抽取和结构化切片处理,获得结构化文本信息;
基于具体业务信息整理分析,完成业务的结构化、切片化以及多维度定义,具体而言完成实体信息的抽取和多层次多维度标记。
本实施例中,通过词法分析完成自然语言文本的分词和词性标记,得到自然语言文本的词语集,保留文本的全部信息;然后利用句法分析技术,例如有限图分析法、短语结构分析、完全语法、局部语法以及依存分析等得到关键信息之间的语法依存关系,修饰关系等等,抽取自然语言文本中关键信息;语义分析基于语义网络完成词语、词组以及句子的浅层语义分析。最终完成自然语言的结构化切片处理,获得结构化文本信息。
S03)、采用机器学习算法,利用结构化文本信息以及疑问句类型抽取用户意图;
本实施例中,机器学习算法包括但不限于决策树,随机森林算法等。结合系统历史信息和当前对话信息实现结构化文本信息与多个业务场景的之间映射。
本实施例中,抽取用户意图时,进行多层意图判断,可有效避免在业务场景分类过细时意图过分细化的问题。例如“我想办理养老保险”,此时用户的意图为养老保险相关业务去哪办理。系统应该推荐窗口,不易在进行细化判断,也就是说不用判断养老保险子业务(例如开户,缴费、关系转移)。但是如果用户提出“办理养老保险需要什么材料”,由于养老保险各个子业务所需材料不同,故需要对意图进行细化。
S04)、基于历史信息、结构化文本信息和用户初始意图,自适应判断用户真实意图,实现对对话意图的再判断以及对话容错;
本实施例中,通过机器学习算法对用户初始意图进行再判断,首先对用户初始意图进行向量化,获得用户初始意图在高维空间的向量,计算用户初始意图Iteni与最近历史意图Iteni-1的空间距离Dis,并设置第一阈值Th1和第二阈值Th2,Th1< Th2,如果Dis小于第一阈值Th1,表明当前意图与历史意图重合度过大,步骤S05中生成提醒用户已经提问过相似问题的答案,如果Dis大于第二阈值Th2,表明当前意图与历史意图距离过大,此时不应进行意图跳转需要进行意图确认,步骤S05中生成进行意图确认的结构化引导性问题;如果Dis大于第一阈值Th1小于第二阈值Th2,则根据用户真实意图进行正常的意图中断及跳转。
进一步的,意图向量化的方法包含但不限于Word2Vec,意图之间空间距离计算方法采用杰卡德相似距离,但不限于该方法,比如也可以采用欧氏距离等。
本实施例中,第一阈值和第二阈值的大小可随行业业务动态调整,在开发具体的业务系统时,通过机器学习算法,例如SVM,Bayes等等,训练得到相关阈值大小。机器学习算法设有反馈机制,可以根据用户反馈对阈值进行迭代优化。
具体而言,本方法引入再判断机制可以避免多轮对话场景误切换的情况发生,并提高多轮对话的容错能力。
比如进行人机交互对话,用户首先提出“我有点发烧、还有点咳嗽,应该去哪”,系统回应“请问您有咽喉肿疼或拉肚子吗”。然后用户接着提问“今天天会下雨吗”。此时系统判断前后意图距离过大,不应进行意图跳转反而需要进行意图确认,生成意图确认类的结构化引导性问题,确认出用户真实意图后再进行正确的交互。
提高多轮对话的容错能力是指缓解实际场景中周围环境噪声的影响。在实际运用过程中,系统很可能接受到噪声或者无意义的对话,此时依据场景对话的完成度自适应选择重复多轮对话的提问或者提示用户进行重新提问,
S05)、基于Bayes算法推理机制和知识库模块内部业务信息生成结构化引导性问题或者答案;
本实施例中,推理机制包括但不仅限于Bayes算法推理机制。Bayes算法推理机制基于用户意图以及对话模式,进行深层语义理解,构建对话场景,自动推理获取答案或者引导性问句的关键信息,进而推进人机交互过程。推理机制使得可处理知识库记录数量一个数量级或者多个数量级的问题。
S06)、基于结构化引导性问题或者答案生成对应的自然语言问题或者答案。主要完成结构化数据和非结构化处理。本实施例中,采用随机算法,灵活动态生成相应问题和答案,避免答案格式僵化。
以上描述的仅是本发明的基本原理和优选实施例,本领域技术人员根据本发明做出的改进和替换,属于本发明的保护范围。
Claims (12)
1.一种多轮对话的场景意图中断方法,其特征在于:包括以下步骤:S01)、获取用户输入的多模态输入信息;S02)、对输入信息进行实体信息的抽取和结构化切片处理,获得结构化文本信息;S03)、基于结构化文本信息抽取用户初始意图;S04)、基于历史信息、结构化文本信息和用户初始意图,自适应判断用户真实意图,实现对对话意图的再判断以及对话容错;S05)、基于用户真实意图和对话模式,构建对话场景,获得结构化引导性问题或者答案;S06)、基于结构化引导性问题或者答案生成对应的自然语言问题或者答案。
2.根据权利要求1所述的多轮对话的场景意图中断方法,其特征在于:步骤S04中,通过机器学习算法对用户初始意图进行再判断,首先对用户初始意图进行向量化,获得用户初始意图在高维空间的向量,计算用户初始意图Iteni与最近历史意图Iteni-1的空间距离Dis,并设置第一阈值Th1和第二阈值Th2,Th1< Th2,如果Dis小于第一阈值Th1,表明当前意图与历史意图重合度过大,步骤S05中生成提醒用户已经提问过相似问题的答案,如果Dis大于第二阈值Th2,表明当前意图与历史意图距离过大,此时不应进行意图跳转需要进行意图确认,步骤S05中生成进行意图确认的结构化引导性问题;如果Dis大于第一阈值Th1小于第二阈值Th2,则根据用户真实意图进行正常的意图中断及跳转。
3.根据权利要求2所述的多轮对话的场景意图中断方法,其特征在于:采用Word2Vec对用户初始意图进行向量化,采用杰卡德相似距离计算当前用户意图Iteni与最近历史意图Iteni-1的空间距离Dis。
4.根据权利要求2所述的多轮对话的场景意图中断方法,其特征在于:第一阈值和第二阈值通过机器学习算法训练得到,机器学习算法设有反馈机制,根据用户反馈对第一阈值和第二阈值进行迭代优化。
5.根据权利要求4所述的多轮对话的场景意图中断方法,其特征在于:第一阈值和第二阈值通过SVM或者Bayes的机器学习算法训练得到。
6.根据权利要求1所述的多轮对话的的场景意图中断方法,其特征在于:多模态输入信息包括语音、文本和触摸动作。
7.根据权利要求6所述的多轮对话的的场景意图中断方法,其特征在于:获取用户输入的多模态输入信息时,利用预先定义动作指令集将触屏动作转换为文本信息、利用基于离线或者云端的语音识别技术将语音文件转换为自然语言文本或者直接接受用户输入的文本信息,并且支持多模态数据的同时录入,其中触屏动作的优先级最高,语音输入优先级次之,文本输入优先级最低。
8.根据权利要求1所述的多轮对话的的场景意图中断方法,其特征在于:S02中,通过词法分析完成自然语言文本的分词和词性标记,得到自然语言文本的词语集,保留文本的全部信息;然后利用句法分析技术得到关键信息之间的语法依存关系和修饰关系,抽取自然语言文本中关键信息;语义分析基于语义网络完成词语、词组以及句子的渐层语义分析,最终完成自然语言的结构化切片处理,获得结构化文本信息。
9.根据权利要求1所述的多轮对话的的场景意图中断方法,其特征在于:步骤S03中,采用决策树或者随机森林的机器学习方法,利用结构化文本信息和疑问句类型抽取用户意图,结合系统历史信息和当前对话信息实现结构化文本信息与多个业务场景的之间映射。
10.根据权利要求1或9所述的多轮对话的的场景意图中断方法,其特征在于:抽取用户意图时,进行多层意图判断。
11.根据权利要求1所述的多轮对话的的场景意图中断方法,其特征在于:步骤S05中,基于Bayes算法推理机制和知识库模块内部业务信息生成结构化引导性问题或者答案,Bayes算法推理机制基于用户意图以及对话模式,进行深层语义理解,构建对话场景,自动推理获取答案或者引导性问句的关键信息,进而推进人机交互过程。
12.根据权利要求1所述的多轮对话的的场景意图中断方法,其特征在于:步骤S06中,采用随机算法,灵活动态生成结构化引导性问题或者答案对应的问题或答案,避免答案格式僵化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711440476.7A CN108197191B (zh) | 2017-12-27 | 2017-12-27 | 一种多轮对话的场景意图中断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711440476.7A CN108197191B (zh) | 2017-12-27 | 2017-12-27 | 一种多轮对话的场景意图中断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197191A true CN108197191A (zh) | 2018-06-22 |
CN108197191B CN108197191B (zh) | 2018-11-23 |
Family
ID=62584346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711440476.7A Active CN108197191B (zh) | 2017-12-27 | 2017-12-27 | 一种多轮对话的场景意图中断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197191B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063100A (zh) * | 2018-07-27 | 2018-12-21 | 联想(北京)有限公司 | 一种数据处理方法、服务器及电子设备 |
CN109063840A (zh) * | 2018-07-10 | 2018-12-21 | 广州极天信息技术股份有限公司 | 一种交互式动态推理方法及装置 |
CN109446306A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种基于任务驱动的多轮对话的智能问答方法 |
CN109514586A (zh) * | 2019-01-30 | 2019-03-26 | 第四范式(北京)技术有限公司 | 实现智能客服机器人的方法及系统 |
CN109615009A (zh) * | 2018-12-12 | 2019-04-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
CN109710941A (zh) * | 2018-12-29 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能的用户意图识别方法和装置 |
CN109783621A (zh) * | 2018-12-17 | 2019-05-21 | 北京百度网讯科技有限公司 | 对话生成方法、装置及设备 |
CN109949816A (zh) * | 2019-02-14 | 2019-06-28 | 安徽云之迹信息技术有限公司 | 机器人语音处理方法及装置、云端服务器 |
CN110059174A (zh) * | 2019-04-28 | 2019-07-26 | 科大讯飞股份有限公司 | 问询指引方法及装置 |
CN110442676A (zh) * | 2019-07-02 | 2019-11-12 | 北京邮电大学 | 基于多轮对话的专利检索方法及装置 |
CN110444292A (zh) * | 2019-07-29 | 2019-11-12 | 北京爱医生智慧医疗科技有限公司 | 信息问答方法及系统 |
CN110609893A (zh) * | 2019-09-24 | 2019-12-24 | 大众问问(北京)信息科技有限公司 | 多轮对话场景中的问答交互方法、装置、设备和存储介质 |
CN110750626A (zh) * | 2018-07-06 | 2020-02-04 | 中国移动通信有限公司研究院 | 一种基于场景的任务驱动的多轮对话方法及系统 |
CN110858226A (zh) * | 2018-08-07 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 对话管理方法和装置 |
CN110879837A (zh) * | 2018-09-06 | 2020-03-13 | 华为技术有限公司 | 一种信息处理方法及装置 |
CN110942769A (zh) * | 2018-09-20 | 2020-03-31 | 九阳股份有限公司 | 一种基于有向图的多轮对话应答系统 |
CN111191018A (zh) * | 2019-12-30 | 2020-05-22 | 华为技术有限公司 | 对话系统的应答方法和装置、电子设备、智能设备 |
CN111259668A (zh) * | 2020-05-07 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 阅读任务处理方法、模型训练方法、装置和计算机设备 |
CN111312242A (zh) * | 2020-02-13 | 2020-06-19 | 上海凯岸信息科技有限公司 | 一种不影响对话管理的意图打断智能语音机器人方案 |
CN111382241A (zh) * | 2018-12-28 | 2020-07-07 | 上海汽车集团股份有限公司 | 会话场景切换方法及装置 |
CN111427996A (zh) * | 2020-03-02 | 2020-07-17 | 云知声智能科技股份有限公司 | 一种人机交互文本中抽取日期时间的方法和装置 |
CN111611358A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息交互方法、装置、电子设备及存储介质 |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
CN111753061A (zh) * | 2019-03-27 | 2020-10-09 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN112256846A (zh) * | 2020-09-28 | 2021-01-22 | 南方电网深圳数字电网研究院有限公司 | 一种人机对话交互方法及系统 |
CN112328758A (zh) * | 2020-10-27 | 2021-02-05 | 创泽智能机器人集团股份有限公司 | 一种会话意图识别方法、装置、设备及存储介质 |
WO2021218061A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 智能调用机器人的方法、装置、设备及存储介质 |
US11245648B1 (en) | 2020-07-31 | 2022-02-08 | International Business Machines Corporation | Cognitive management of context switching for multiple-round dialogues |
CN115527538A (zh) * | 2022-11-30 | 2022-12-27 | 广汽埃安新能源汽车股份有限公司 | 对话语音生成方法、装置 |
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN116821309A (zh) * | 2023-08-28 | 2023-09-29 | 北京珊瑚礁科技有限公司 | 一种基于大语言模型的上下文构造方法 |
CN117172643A (zh) * | 2023-11-03 | 2023-12-05 | 领先未来科技集团有限公司 | 基于大数据的高效物流运营方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
US20170039181A1 (en) * | 2013-07-25 | 2017-02-09 | Intel Corporation | Self-learning statistical natural language processing for automatic production of virtual personal assistants |
CN107066568A (zh) * | 2017-04-06 | 2017-08-18 | 竹间智能科技(上海)有限公司 | 基于用户意图预测的人机对话方法及装置 |
CN107357516A (zh) * | 2017-07-10 | 2017-11-17 | 南京邮电大学 | 一种基于隐马尔可夫模型的手势查询意图预测方法 |
-
2017
- 2017-12-27 CN CN201711440476.7A patent/CN108197191B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039181A1 (en) * | 2013-07-25 | 2017-02-09 | Intel Corporation | Self-learning statistical natural language processing for automatic production of virtual personal assistants |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN107066568A (zh) * | 2017-04-06 | 2017-08-18 | 竹间智能科技(上海)有限公司 | 基于用户意图预测的人机对话方法及装置 |
CN107357516A (zh) * | 2017-07-10 | 2017-11-17 | 南京邮电大学 | 一种基于隐马尔可夫模型的手势查询意图预测方法 |
Non-Patent Citations (1)
Title |
---|
陈龙 等: "面向任务的对话系统现状研究", 《电子技术与软件工程》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110750626B (zh) * | 2018-07-06 | 2022-05-06 | 中国移动通信有限公司研究院 | 一种基于场景的任务驱动的多轮对话方法及系统 |
CN110750626A (zh) * | 2018-07-06 | 2020-02-04 | 中国移动通信有限公司研究院 | 一种基于场景的任务驱动的多轮对话方法及系统 |
CN109063840A (zh) * | 2018-07-10 | 2018-12-21 | 广州极天信息技术股份有限公司 | 一种交互式动态推理方法及装置 |
CN109063100A (zh) * | 2018-07-27 | 2018-12-21 | 联想(北京)有限公司 | 一种数据处理方法、服务器及电子设备 |
CN110858226A (zh) * | 2018-08-07 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 对话管理方法和装置 |
CN110879837B (zh) * | 2018-09-06 | 2022-01-14 | 华为技术有限公司 | 一种信息处理方法及装置 |
CN110879837A (zh) * | 2018-09-06 | 2020-03-13 | 华为技术有限公司 | 一种信息处理方法及装置 |
CN110942769A (zh) * | 2018-09-20 | 2020-03-31 | 九阳股份有限公司 | 一种基于有向图的多轮对话应答系统 |
CN109446306A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种基于任务驱动的多轮对话的智能问答方法 |
CN109615009A (zh) * | 2018-12-12 | 2019-04-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
CN109783621A (zh) * | 2018-12-17 | 2019-05-21 | 北京百度网讯科技有限公司 | 对话生成方法、装置及设备 |
CN111382241A (zh) * | 2018-12-28 | 2020-07-07 | 上海汽车集团股份有限公司 | 会话场景切换方法及装置 |
CN109710941A (zh) * | 2018-12-29 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能的用户意图识别方法和装置 |
CN109514586A (zh) * | 2019-01-30 | 2019-03-26 | 第四范式(北京)技术有限公司 | 实现智能客服机器人的方法及系统 |
CN109949816A (zh) * | 2019-02-14 | 2019-06-28 | 安徽云之迹信息技术有限公司 | 机器人语音处理方法及装置、云端服务器 |
CN111611358A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息交互方法、装置、电子设备及存储介质 |
CN111753061B (zh) * | 2019-03-27 | 2024-03-12 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN111753061A (zh) * | 2019-03-27 | 2020-10-09 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN110059174B (zh) * | 2019-04-28 | 2023-05-30 | 科大讯飞股份有限公司 | 问询指引方法及装置 |
CN110059174A (zh) * | 2019-04-28 | 2019-07-26 | 科大讯飞股份有限公司 | 问询指引方法及装置 |
CN110442676A (zh) * | 2019-07-02 | 2019-11-12 | 北京邮电大学 | 基于多轮对话的专利检索方法及装置 |
CN110444292A (zh) * | 2019-07-29 | 2019-11-12 | 北京爱医生智慧医疗科技有限公司 | 信息问答方法及系统 |
CN110444292B (zh) * | 2019-07-29 | 2022-04-08 | 北京爱医生智慧医疗科技有限公司 | 信息问答方法及系统 |
CN110609893A (zh) * | 2019-09-24 | 2019-12-24 | 大众问问(北京)信息科技有限公司 | 多轮对话场景中的问答交互方法、装置、设备和存储介质 |
CN111191018B (zh) * | 2019-12-30 | 2023-10-20 | 华为技术有限公司 | 对话系统的应答方法和装置、电子设备、智能设备 |
CN111191018A (zh) * | 2019-12-30 | 2020-05-22 | 华为技术有限公司 | 对话系统的应答方法和装置、电子设备、智能设备 |
CN111312242A (zh) * | 2020-02-13 | 2020-06-19 | 上海凯岸信息科技有限公司 | 一种不影响对话管理的意图打断智能语音机器人方案 |
CN111427996B (zh) * | 2020-03-02 | 2023-10-20 | 云知声智能科技股份有限公司 | 一种人机交互文本中抽取日期时间的方法和装置 |
CN111427996A (zh) * | 2020-03-02 | 2020-07-17 | 云知声智能科技股份有限公司 | 一种人机交互文本中抽取日期时间的方法和装置 |
WO2021218061A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 智能调用机器人的方法、装置、设备及存储介质 |
CN111259668A (zh) * | 2020-05-07 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 阅读任务处理方法、模型训练方法、装置和计算机设备 |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
CN111639168B (zh) * | 2020-05-21 | 2023-06-09 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
US11245648B1 (en) | 2020-07-31 | 2022-02-08 | International Business Machines Corporation | Cognitive management of context switching for multiple-round dialogues |
CN112256846A (zh) * | 2020-09-28 | 2021-01-22 | 南方电网深圳数字电网研究院有限公司 | 一种人机对话交互方法及系统 |
CN112328758A (zh) * | 2020-10-27 | 2021-02-05 | 创泽智能机器人集团股份有限公司 | 一种会话意图识别方法、装置、设备及存储介质 |
CN115527538A (zh) * | 2022-11-30 | 2022-12-27 | 广汽埃安新能源汽车股份有限公司 | 对话语音生成方法、装置 |
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN115809669B (zh) * | 2022-12-30 | 2024-03-29 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN116821309A (zh) * | 2023-08-28 | 2023-09-29 | 北京珊瑚礁科技有限公司 | 一种基于大语言模型的上下文构造方法 |
CN116821309B (zh) * | 2023-08-28 | 2023-11-17 | 北京珊瑚礁科技有限公司 | 一种基于大语言模型的上下文构造方法 |
CN117172643A (zh) * | 2023-11-03 | 2023-12-05 | 领先未来科技集团有限公司 | 基于大数据的高效物流运营方法和系统 |
CN117172643B (zh) * | 2023-11-03 | 2024-01-12 | 领先未来科技集团有限公司 | 基于大数据的高效物流运营方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108197191B (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197191B (zh) | 一种多轮对话的场景意图中断方法 | |
CN108228764A (zh) | 一种单轮对话和多轮对话的融合方法 | |
CN110704641B (zh) | 一种万级意图分类方法、装置、存储介质及电子设备 | |
WO2017094911A1 (en) | Method for processing utterances | |
KR20190004495A (ko) | 챗봇을 이용한 태스크 처리 방법, 장치 및 시스템 | |
JP5674689B2 (ja) | 知識量推定情報生成装置、知識量推定装置、方法、及びプログラム | |
WO2008128423A1 (fr) | Système de dialogue intelligent et son procédé de réalisation | |
CN105590626A (zh) | 持续语音人机交互方法和系统 | |
US11429784B2 (en) | Response sentence generation device, response sentence generation method, and program | |
CN107093425A (zh) | 电力系统的语音导航系统、语音识别方法和语音交互方法 | |
CN111161726B (zh) | 一种智能语音交互方法、设备、介质及系统 | |
CN114691852B (zh) | 人机对话系统及方法 | |
CN111144097B (zh) | 一种对话文本的情感倾向分类模型的建模方法和装置 | |
CN110225210A (zh) | 基于通话摘要自动填写工单方法及系统 | |
CN109979474A (zh) | 语音设备及其用户语速修正方法、装置和存储介质 | |
CN107451131A (zh) | 一种语音识别方法及装置 | |
CN109920413A (zh) | 一种厨房场景触屏语音对话的实现方法及存储介质 | |
CN108920599A (zh) | 一种基于知识本体库的问答系统答案精准定位和抽取方法 | |
CN112632244A (zh) | 一种人机通话的优化方法、装置、计算机设备及存储介质 | |
CN116246632A (zh) | 外呼话术指导方法及装置 | |
CN108538292B (zh) | 一种语音识别方法、装置、设备及可读存储介质 | |
CN105892624A (zh) | 一种基于模式识别技术的助残无障碍交流方法 | |
CN110503943B (zh) | 一种语音交互方法以及语音交互系统 | |
CN116306685A (zh) | 一种面向电力业务场景的多意图识别方法及系统 | |
CN106682642A (zh) | 多面向语言行为识别方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |