CN109086419B - 一种基于场景和语音分发的社交通信方法和系统 - Google Patents

一种基于场景和语音分发的社交通信方法和系统 Download PDF

Info

Publication number
CN109086419B
CN109086419B CN201810888301.0A CN201810888301A CN109086419B CN 109086419 B CN109086419 B CN 109086419B CN 201810888301 A CN201810888301 A CN 201810888301A CN 109086419 B CN109086419 B CN 109086419B
Authority
CN
China
Prior art keywords
user
data
scene
social
voice
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
CN201810888301.0A
Other languages
English (en)
Other versions
CN109086419A (zh
Inventor
覃世安
熊磊
胡梓垣
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology Co Ltd
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 Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN201810888301.0A priority Critical patent/CN109086419B/zh
Publication of CN109086419A publication Critical patent/CN109086419A/zh
Application granted granted Critical
Publication of CN109086419B publication Critical patent/CN109086419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种基于场景和语音分发的社交通信方法和系统，其中方法步骤为：采集用户数据，包括场景数据和用户特征数据；对采集的数据编码生成特征编码；利用深度神经网络对特征编码进行技能识别学习；将采集的数据及相应的特征编码保存至数据库并建立索引；利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；根据检测到的场景，在数据库通过索引检索符合该场景的用户数据；根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户间建立语音通信连接。本发明结合场景和语音分发完成对用户社交需求进行精准匹配，作为一种基于场景和语音分发的社交通信方法和系统可广泛应用于数据处理领域。

Description

一种基于场景和语音分发的社交通信方法和系统
技术领域
本发明涉及数据处理领域，尤其是一种基于场景和语音分发的社交通信方法和系统。
背景技术
目前的社交通信中通常是通信双方通过身份建立通信连接，例如聊天软件中的用户之间需要主动建立连接关系，然后再进行沟通交流。然而在很多场景下，由于用户难以了解陌生人的身份、社交偏好等信息，因此无法与其他合适的用户主动建立连接关系。例如在车辆行驶过程中适量的语音社交活动可以达到给司机提神醒脑的作用，但是目前的语音社交应用都是基于手机端的，基于手机端的社交应用在车辆行驶中有着多方面的影响安全行驶的负作用，用户也难以找到同样需要通过语音社交来提神醒脑的聊天伙伴。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种基于场景和语音分发实现社交需求相同或相近的用户之间通信的方法。
为了解决上述技术问题，本发明的另一目的是：提供一种基于场景和语音分发实现社交需求相同或相近的用户之间通信的系统。
本发明所采用的技术方案是：一种基于场景和语音分发的社交通信方法，包括有以下步骤：
采集用户数据，所述用户数据包括有场景数据和用户特征数据；
对采集的数据进行编码处理，生成相应的特征编码；
利用深度神经网络对特征编码进行技能识别学习；
将采集的数据及其相应的特征编码保存至数据库并建立索引；
利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
进一步，所述场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据；所述用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据。
进一步，所述编码处理包括有硬编码和/或词向量编码。
进一步，所述深度神经网络所识别学习的技能包括有交通拥堵判断、用户疲劳判断和/或用户偏好判断。
进一步，所述根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接这一步骤，具体包括有以下子步骤：
根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；
根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
本发明所采用的另一技术方案是：一种基于场景和语音分发的社交通信系统，包括有
数据采集模块，用于采集用户数据，所述用户数据包括有场景数据和用户特征数据；
数据编码模块，用于对采集的数据进行编码处理，生成相应的特征编码；
技能识别学习模块，用于利用深度神经网络对特征编码进行技能识别学习；
数据库模块，用于将采集的数据及其相应的特征编码保存至数据库并建立索引；
场景检测模块，用于利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
场景匹配模块，用于根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
通信建立模块，用于根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
进一步，所述数据采集模块采集的场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据；所述数据采集模块采集的用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据。
进一步，所述数据编码模块包括有用于对采集的数据进行编码处理的硬编码子模块和/或词向量编码子模块。
进一步，所述技能识别学习模块中利用深度神经网络所识别学习的技能包括有交通拥堵判断、用户疲劳判断和/或用户偏好判断。
进一步，所述通信建立模块包括有
社交欲望值计算子模块，用于根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；
用户匹配子模块，用于根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
本发明的有益效果是：本发明结合场景和语音分发，对多种技能进行识别学习，从而完成对用户的社交需求进行精准匹配，尤其在用车场景中将不安全的语音社交转化实现强化行车安全的功能，通过精准匹配的语音社交信息辅助用户进行安全驾驶。
附图说明
图1为本发明方法的步骤流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
参照图1，一种基于场景和语音分发的社交通信方法，包括有以下步骤：
采集用户数据，所述用户数据包括有场景数据和用户特征数据；
对采集的数据进行编码处理，生成相应的特征编码；
利用深度神经网络对特征编码进行技能识别学习；
将采集的数据及其相应的特征编码保存至数据库并建立索引；
利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
进一步作为优选的实施方式，所述场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据，例如在用车场景中，车辆的实时状态信息、车辆的行车历史数据、车辆所处的地理位置等；所述用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据，其中用户图像数据可以是用户的全身图像或面部图像，用户生物特征数据包括指纹、体温等等。
进一步作为优选的实施方式，所述编码处理包括有硬编码和/或词向量编码。
其中硬编码为直接对特征进行分别编码，每个特征具有相应的编码。例如描述声音的特征可以包括音量、音色、音调、声音性别等，其中音量可以采用高中低三个评价指标进行评价，音色有ABCD四个评价指标进行评价，音调用1-7个级别的进行评价，声音性别用男生、女生两个评价指标进行评价；按照“音量＝高”、“音量＝中”、“音量＝低”，“音色＝A”顺序到”声音性别＝女“顺着进行编码。
词向量编码方法中可采用分词和向量化进行处理，例如用户A对推荐的“某个年龄为20岁在下班途中清唱的流行歌曲”感兴趣，则可对该语句进行分词处理，经过分词去掉停用词操作后分割成“年龄20”、“女性”、“下班”、“清唱”、“流行”5个词组。使用本发方案的用户有很多，每个用户产生的记录有多条。本方案对每个用户的每个条记录进行分词去掉停用词操作，最后生成一个所有用户词组组成的词组数据集，将这个词组数据集利用词向量(WORD2VEC)进行向量化。得到的词向量格式如下：
年龄20(0.01,0.02,0.12,0.34,0.023)
女性(0.11,0.22,0.22,0.14,0.123)
下班(0.21,0.13,0.02,0.31,0.1)
清唱(0.01,0.03,0.21,0.11,0.01)
流行(0.31,0.23,0.41,0.21,0.11)
目前的状态下用户A只有上述记录，利用词向量的可以相加的特点得出用户A的词向量为：(0.65,0.63,0.98,1.11,0.366)。
采用向量化对每个用户的每个词组都可以用一个n维向量标识，所有的用户词组都可以编码，编码后的向量作为技能识别学习的参数向量输入。
进一步作为优选的实施方式，所述深度神经网络所识别学习的技能包括但不限于交通拥堵判断、用户疲劳判断和/或用户偏好判断。
本方案中通过深度神经网络训练可识别学习多种技能，其中用户偏好判断还可分为音色偏好判断、音色音调判断、兴趣点判断等。将问题分解能一个个技能，对每个技能建模，每个技能识别学习模块拥有对应的技能训练参数向量，参数向量的纬度对应深度神经网络的输入层节点个数，参数向量的纬度对应的值为深度神经网络的输入值。每个技能的训练参数和网络的拓扑结构不一样，根据实验结果数据进行调节。
进一步作为优选的实施方式，所述根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接这一步骤，具体包括有以下子步骤：
根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；
根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
以用车场景为例，当判断驾驶员用户处于某个特定的场景，根据用车场景定义的语音社交规则进行精确推送，使之找到类似的用户进行交流。在使用的车辆的时候会有很多不同的场景，每个场景需要有不同的技能判断。这里用“拥堵烦躁”用车场景为例，“拥堵烦躁”有“拥堵技能”和“烦躁技能”需要判断。当拥堵技能和烦躁技能都正确判断后，“拥堵烦躁”场景就会触发，然后进行后续的匹配计算。例如识别出驾驶员用户A的数据表示其处于“堵车烦躁”场景，则按照该具体场景相应的数据匹配同样处于“堵车烦躁”场景的驾驶员用户1、驾驶员用户2、驾驶员用户3、驾驶员用户4和驾驶员用户5，其社交欲望分别用S1、S2、S3、S4、S5表示，社交欲望值S的计算方法可采用威尔逊区间方法，具体参照以下公式：
n＝u+v
p＝u/n
Figure BDA0001756212430000081
其中，u推荐语音社交后采用的次数，v推荐语音社交后没有采用的次数。n总的推荐语音社交次数，p采用率，zα统计变量取2表示95％的置信区间。
对于推荐语音总社交次数少于5次的用户，其社交欲望值S等于和其最相似用户的社交欲望值。驾驶员用户1、驾驶员用户2、驾驶员用户3、驾驶员用户4和驾驶员用户5的相似性采用采用如下计算方法：
每个用户的评判有基本信息维度、驾驶习惯信息维度、驾驶娱乐偏好维度、驾驶语音社交信息维度。每个信息维度利上文采用的词向量编码方式得到编码向量v1、v2、v3、v4、v5。信息向量v1至v5按顺序组成用户向量v(v1、v2、v3、v4、v5)。然后利用余弦计算公式计算出驾驶者A与驾驶员用户1、驾驶员用户2、驾驶员用户3、驾驶员用户4和驾驶员用户5的相似性PS1、PS2、PS3、PS4、PS5。
驾驶者之间的匹配计算公式:
RP＝(PSi+PSu)*(Si+Su)
其中，RP为匹配度，PSi为驾驶员用户A与第i个驾驶员用户的相似度，PSu为相似度调节参数，Si为第i个驾驶员用户的社交欲望值，Su为社交欲望调节参数。
最后挑选出RP值最大的几个用户推荐给驾驶员用户A进行语音社交互动。
进一步作为优选的实施方式，在语音社交互动中，不仅根据匹配度RP来推荐，还可根据语音分发的效率来计算语音分发的接受程度，然后选择推荐顺序。例如用户在行车中发出的声音作为用户语音数据收集起来，根据用户的用车场景数据一起特征编码，根据模型判断其可以用于哪个场景的下语音分发，后续根据这个语音分发的效率计算这个语音分发的接受程度。当分发给用户的时候，检索到了这个语音内容，根据这些语音的分发接受程度和用户的兴趣度匹配排序，排序值最大的优先分发给用户。
作为本发明的另一具体实施例，一种基于场景和语音分发的社交通信系统，包括有
数据采集模块，用于采集用户数据，所述用户数据包括有场景数据和用户特征数据；
数据编码模块，用于对采集的数据进行编码处理，生成相应的特征编码；
技能识别学习模块，用于利用深度神经网络对特征编码进行技能识别学习；
数据库模块，用于将采集的数据及其相应的特征编码保存至数据库并建立索引；
场景检测模块，用于利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
场景匹配模块，用于根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
通信建立模块，用于根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
进一步作为优选的实施方式，所述数据采集模块采集的场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据；所述数据采集模块采集的用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据。
进一步作为优选的实施方式，所述数据编码模块包括有用于对采集的数据进行编码处理的硬编码子模块和/或词向量编码子模块。
进一步作为优选的实施方式，所述技能识别学习模块中利用深度神经网络所识别学习的技能包括但不限于交通拥堵判断、用户疲劳判断和/或用户偏好判断。
进一步作为优选的实施方式，所述通信建立模块包括有
社交欲望值计算子模块，用于根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；
用户匹配子模块，用于根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
以用车场景为例，当判断驾驶员用户处于某个特定的场景，根据用车场景定义的语音社交规则进行精确推送，使之找到类似的用户进行交流。在使用的车辆的时候会有很多不同的场景，每个场景需要有不同的技能判断。这里用“疲劳困乏”用车场景为例，当正确判断为疲劳困乏后，“疲劳困乏”场景就会触发，然后进行后续的匹配计算。例如识别出驾驶员用户A的数据表示其处于“疲劳困乏”场景，“疲劳困乏”场景分发的为驾驶者的语音，每条语音的社交欲望值S同样威尔逊计算方法。该场景下的模块工作过程可参照以下内容：
计算与驾驶员用户A的匹配度RP最高的100个驾驶员用户，这100个用户无论是否在驾驶状态，找出这100个用户每个驾驶采纳100条语音，剔除驾驶员用户A被分发过的语音，剩下语音集合Q，根据驾驶员用户A所在场景，利用深度神经网络求出Q在驾驶员用户A所在场景和驾驶员用户A的向量的适合推荐率，与场景判断模型一致，然后利用推荐率乘以Q中每条语音的全局采纳率得到分发率RQ，建立语音通信连接并将RQ值最高的语音推送给驾驶员用户A。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于场景和语音分发的社交通信方法，其特征在于，包括有以下步骤：
采集用户数据，所述用户数据包括有场景数据和用户特征数据；
对采集的数据进行编码处理，生成相应的特征编码；
利用深度神经网络对特征编码进行技能识别学习；
将采集的数据及其相应的特征编码保存至数据库并建立索引；
利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
根据检索到的用户数据采用威尔逊区间算法计算社交欲望值，并根据社交欲望值向用户推荐语音社交，以在相应的用户与当前用户之间建立语音通信连接，其中，当用户所接收到的推荐语音社交的总次数低于预设值时，其社交欲望值等于其最相似用户的社交欲望值。
2.根据权利要求1所述的一种基于场景和语音分发的社交通信方法，其特征在于：所述场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据；所述用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据。
3.根据权利要求1所述的一种基于场景和语音分发的社交通信方法，其特征在于：所述编码处理包括有硬编码和/或词向量编码。
4.根据权利要求1所述的一种基于场景和语音分发的社交通信方法，其特征在于：所述深度神经网络所识别学习的技能包括有交通拥堵判断、用户疲劳判断和/或用户偏好判断。
5.根据权利要求1所述的一种基于场景和语音分发的社交通信方法，其特征在于：所述根据检索到的用户数据计算社交欲望值，并根据社交欲望值在相应的用户与当前用户之间建立语音通信连接这一步骤，具体包括有以下子步骤：
根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
6.一种基于场景和语音分发的社交通信系统，其特征在于：包括有数据采集模块，用于采集用户数据，所述用户数据包括有场景数据和用户特征数据；
数据编码模块，用于对采集的数据进行编码处理，生成相应的特征编码；
技能识别学习模块，用于利用深度神经网络对特征编码进行技能识别学习；
数据库模块，用于将采集的数据及其相应的特征编码保存至数据库并建立索引；
场景检测模块，用于利用学习到的技能和采集到的当前用户的用户数据，对当前用户所处的场景进行检测；
场景匹配模块，用于根据检测到的场景，在数据库中通过索引检索符合该场景的用户数据；
通信建立模块，用于根据检索到的用户数据采用威尔逊区间算法计算社交欲望值，并根据社交欲望值向用户推荐语音社交，以在相应的用户与当前用户之间建立语音通信连接，其中，当用户所接收到的推荐语音社交的总次数低于预设值时，其社交欲望值等于其最相似用户的社交欲望值。
7.根据权利要求6所述的一种基于场景和语音分发的社交通信系统，其特征在于：所述数据采集模块采集的场景数据包括有地理数据、场景状态实时数据和/或场景状态历史数据；所述数据采集模块采集的用户特征数据包括有用户语音数据、用户图像数据和/或用户生物特征数据。
8.根据权利要求6所述的一种基于场景和语音分发的社交通信系统法，其特征在于：所述数据编码模块包括有用于对采集的数据进行编码处理的硬编码子模块和/或词向量编码子模块。
9.根据权利要求6所述的一种基于场景和语音分发的社交通信系统，其特征在于：所述技能识别学习模块中利用深度神经网络所识别学习的技能包括有交通拥堵判断、用户疲劳判断和/或用户偏好判断。
10.根据权利要求6所述的一种基于场景和语音分发的社交通信系统，其特征在于：所述通信建立模块包括有
社交欲望值计算子模块，用于根据检索到的用户数据采用威尔逊区间算法计算用户社交欲望值；
用户匹配子模块，用于根据社交欲望值在相应的用户与当前用户之间建立语音通信连接。
CN201810888301.0A 2018-08-07 2018-08-07 一种基于场景和语音分发的社交通信方法和系统 Active CN109086419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810888301.0A CN109086419B (zh) 2018-08-07 2018-08-07 一种基于场景和语音分发的社交通信方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810888301.0A CN109086419B (zh) 2018-08-07 2018-08-07 一种基于场景和语音分发的社交通信方法和系统

Publications (2)

Publication Number Publication Date
CN109086419A CN109086419A (zh) 2018-12-25
CN109086419B true CN109086419B (zh) 2020-11-13

Family

ID=64834215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810888301.0A Active CN109086419B (zh) 2018-08-07 2018-08-07 一种基于场景和语音分发的社交通信方法和系统

Country Status (1)

Country Link
CN (1) CN109086419B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111951070B (zh) * 2020-07-31 2023-12-22 博泰车联网科技(上海)股份有限公司 基于车联网的智能推荐方法、装置、服务器及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203244730U (zh) * 2012-06-25 2013-10-23 周建新 健身控制系统
CN104464733A (zh) * 2014-10-28 2015-03-25 百度在线网络技术（北京）有限公司 一种语音对话的多场景管理方法及装置
CN104901976A (zh) * 2014-03-03 2015-09-09 华为技术有限公司 一种车辆内部使用场景的设置方法、车载设备和网络设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080086431A1 (en) * 2006-09-15 2008-04-10 Icebreaker, Inc. Social interaction messaging and notification

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203244730U (zh) * 2012-06-25 2013-10-23 周建新 健身控制系统
CN104901976A (zh) * 2014-03-03 2015-09-09 华为技术有限公司 一种车辆内部使用场景的设置方法、车载设备和网络设备
CN104464733A (zh) * 2014-10-28 2015-03-25 百度在线网络技术（北京）有限公司 一种语音对话的多场景管理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于社会化媒体的共生交互及汽车社交设计;甘为;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20170215(第2017年第02期);第C035-23页 *

Also Published As

Publication number Publication date
CN109086419A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN110795543B (zh) 基于深度学习的非结构化数据抽取方法、装置及存储介质
CN110795571B (zh) 基于深度学习和知识图谱的文化旅游资源推荐方法
CN111368219A (zh) 信息推荐方法、装置、计算机设备以及存储介质
CN106649404B (zh) 一种会话场景数据库的创建方法及装置
CN109271496B (zh) 一种基于文本、知识库及序列到序列的自然问答方法
CN107577782B (zh) 一种基于异质数据的人物相似度刻画方法
CN114238607B (zh) 深度交互式ai智能求职顾问方法、系统及存储介质
CN111046155A (zh) 一种基于fsm多轮问答的语义相似度计算方法
CN115408621B (zh) 顾及辅助信息特征线性及非线性交互的兴趣点推荐方法
WO2021135457A1 (zh) 基于循环神经网络的情绪识别方法、装置及存储介质
CN110580516B (zh) 一种基于智能机器人的交互方法及装置
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
CN118113815B (zh) 内容搜索方法、相关装置和介质
CN117216371A (zh) 基于联邦学习的个性化文旅景点智能推荐方法及系统
CN109086419B (zh) 一种基于场景和语音分发的社交通信方法和系统
CN114398909A (zh) 用于对话训练的问题生成方法、装置、设备和存储介质
CN115114493A (zh) 基于问题匹配的智能问答系统实现方法及装置
CN111723752A (zh) 基于情绪识别的驾驶员上岗驾驶检测方法及装置
CN116957128A (zh) 业务指标预测方法、装置、设备和存储介质
CN114445662A (zh) 一种基于标签嵌入的鲁棒图像分类方法及系统
CN115359486A (zh) 一种文档图像中自定义信息的确定方法及系统
CN104166837A (zh) 采用最相关的兴趣点的各组的选择的视觉语音识别方法
CN104166855A (zh) 通过跟踪讲话者的嘴部的一组感兴趣点的局部变形来进行视觉语音识别的方法
CN114093447A (zh) 数据资产推荐方法、装置、计算机设备及存储介质
CN111506691B (zh) 一种基于深度匹配模型的轨迹匹配方法和系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd.

Address before: 510000 nine Guangdong, Guangzhou 333, Jianshe Road 245, Guangzhou, China

Applicant before: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant