CN109684456A - 基于物联网能力知识图谱的场景能力智能问答系统 - Google Patents
基于物联网能力知识图谱的场景能力智能问答系统 Download PDFInfo
- Publication number
- CN109684456A CN109684456A CN201811615437.0A CN201811615437A CN109684456A CN 109684456 A CN109684456 A CN 109684456A CN 201811615437 A CN201811615437 A CN 201811615437A CN 109684456 A CN109684456 A CN 109684456A
- Authority
- CN
- China
- Prior art keywords
- ability
- scene
- intelligent answer
- module
- ontology
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于物联网能力知识图谱的场景能力智能问答系统,包括:输入模块,获取问题向量表达模块,场景主题推荐模块,能力知识图谱映射查询模块,能力本体优化模块和设备查询反馈模块。本发明通过主题分类算法,定位场景主题类型;并通过能力与场景主题的映射关系类型,得到具体能力;其通过能力知识图谱,最终检索出具备对应能力的设备。本发明抽象出了场景主题这一概念,将场景主题与设备能力进行了关联映射,并作为智能问答系统的分类标签,在智能问答系统中引入物联网设备的能力概念,使用知识图谱作为智能问答的支撑,有利于提升用户对物联网产品的使用便利性,提升物联网对用户意图的语义理解能力,从而提升整体智能型。
Description
技术领域
本发明涉及智能问题系统,特别的,涉及一种基于物联网能力知识图谱的场景能力智能问答系统。
背景技术
近年来物联网技术飞速发展,物联网设备种类愈加丰富,感知和控制能力从广度和深度都达到了一个新的层次,为物联网的智能化提供了条件,同时也提出了挑战,物联网存在的问题主要表现在以下三个方面:
一是大量异构信息的存在,阻碍了物联网设备的互联互通和数据的共享。二是数据和信息无法被物联网中的使用主体(计算机、智能设备等)理解,数据的自动处理程度受限。三是对物联网智能化的需求与期望日益提升,而以上两点成为了阻碍物联网实现更高智能的关键因素。
实现物联网的智能化,其一便是提升对用户提问的理解能力,即智能问答的性能。这有助于提升用户在进行设备检索时的使用感受,提升对设备检索的定位能力与速度。为满足这一需求,不仅需要设备具备较强的信息处理能力,也要求设备能够正确的理解和使用信息。
语义技术与物联网的结合形成了语义物联网,而语义物联网的基础是本体。本体是实现异构信息的规范化描述、语义标注、数据共享和知识表示的基础,也是进行知识推理、机器理解、语义搜索和服务组合等智能化操作的有效支撑。
在物联网中,基于语义物联网下的能力知识图谱,其中能力本体的概念是对物体能力的规范化描述,包括能力的概念、属性及关系等。能力是物联网物体的本质体现,物体所具有的能力决定了物体是什么和可以做什么,因此为物联网中的物体添加关于能力的语义信息至关重要,是实现语义物联网和物联网智能化的有效途径。
随着人工智能技术的发展,传统的基于搜索引擎的知识获取方式越来越难以满足人们从互联网中获取信息的需求,其返回的信息时常存在冗杂,用户需消耗大量时间与人力成本从返回的信息中寻找正确的答案。而智能问答系统则因为精准捕捉用户搜索意图,理解用户自然语言提问,将答案直接返回给用户而受到越来越多的重视。
问答系统是信息计算系统的一种高级形式。它能用准确、简洁的自然语言回答用户用自然语言提出的问题。人们对快速、准确地获取信息的需求使得该研究领域逐渐兴起。问答系统是目前人工智能和自然语言处理领域中一个备受关注并具有广泛发展前景的研究方向。
此外,知识图谱的快速发展,也为智能问答系统的实现提供了高质量的知识来源,直接推动问答系统在行业领域(如客服、医疗)的发展。
因此,如何能够推动物联网中的能力知识图谱能够适用于智能问题系统,使得智能问题系统适用于更广阔的范围,并提供更高质量的问题成为现有技术亟需解决的技术问题。
发明内容
本发明的目的在于提出一种基于物联网能力知识图谱的场景能力智能问答系统,使得有利于提升用户对物联网产品的使用便利性,并且有利于提升物联网对用户意图的语义理解能力,从而提升整体智能型。
为达此目的,本发明采用以下技术方案:
一种基于物联网能力知识图谱的场景能力智能问答系统,包括:
输入模块,用于用户输入所提出的问题,得到用户检索问题的文本表达;
获取问题向量表达模块,用于根据用户检索问题的文本表达,进行词向量嵌入,获取问题的向量表达;
场景主题推荐模块,用于所述问题的向量表达,将问题的向量作为输入送入主题分类模型,在多个能力场景主题中进行查询,得到问题的能力场景主题分类结果,所述分类结果能够包含一个或多个能力场景主题,其中,所述能力场景主题由物联网的实际应用场景演化得来,不同场景由不同的能力构成,能力为能力知识图谱中的能力本体;
能力知识图谱映射查询模块,用于根据通过能力知识图谱的能力本体与能力场景主题的映射关系,得到能力本体的初步查询结果;
设备查询反馈模块,用于通过继续查询能力知识图谱的能力本体与真实设备的挂载关系,获取最终查询结果,并将查询结果推送给用户,完成智能问答。
可选的,还具有能力本体优化模块,用于对能力本体的初步查询结果进行优化,然后将结果送往设备查询反馈模块。
可选的,所述输入模块是直接键入装置,或者语音输入装置,其中语音输入装置通过语音识别文本算法获取文本输入。
可选的,所述能力场景主题分类依据不设限,分类精度可包含多种粒度,每一个场景主题可以对应一个或者多个能力本体,每一个能力本体下挂载多个具备该能力的设备载体。
可选的,所述能力场景主题的划分方法,采用概率分析方法自动获取,或采用人工自定义的方式。
可选的,所述主题分类模型采用决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类中的一个,或者组合单一分类方法的集成学习算法。
可选的,所述能力本体优化的方式包括采用互补、等同、替代的方式扩展优化能力本体的初步查询结果。
可选的,所述设备查询反馈模块还能够对智能问题的查询结果进行正确答案反馈,以进一步修正智能问题系统的正确率。
可选的,所述智能问答系统还包括问答语料库,所述问答语料库包括多条语料信息,每一条完整语料信息由提问短文本的多个向量表达和其对应的场景主题标签构成。
可选的,在场景主题推荐模块中,采用粗粒度场景分类和细粒度场景分类两种方式,所述粗粒度场景分类:一个场景中可以包含一个或者多个能力,或者多个细粒度场景主题;所述细粒度场景分类:能力即场景主题,能力也可以加入到其他场景主题。
本发明具有如下优点:
(1)基于能力知识图谱的场景能力智能问答系统的整体结构,抽象出了场景主题这一概念,将场景主题与设备能力进行了关联映射,并作为智能问答系统的分类标签。
(2)在智能问答系统中引入物联网设备的能力概念,使用知识图谱作为智能问答的支撑,有利于提升用户对物联网产品的使用便利性,提升物联网对用户意图的语义理解能力,从而提升整体智能型。
附图说明
图1是根据本发明的基于物联网能力知识图谱的场景能力智能问答系统的系统构架图。
图中的附图标记所分别指代的技术特征为:
10、输入模块;20、获取问题向量表达模块;30、场景主题推荐模块;40、能力知识图谱映射查询模块;50、能力本体优化模块;60、设备查询反馈模块。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明中对于如下概念进行具体的表述。
(一)知识图谱
知识图谱是由Google公司在2012年提出的概念,是Google用于增强其搜索引擎功能的知识库。从实际应用的角度解释,知识图谱可以解释为多关系图(Multi-relationalGraph)。多关系图是一种图结构。图是由节点(Vertex)和边(Edge)来构成,通常只包含一种类型的节点和边,多关系图则一般包含多种类型的节点和多种类型的边。
知识图谱的一个定义:“知识图谱本质上是语义网络(Semantic Network)的知识库”。旨在描述真实世界中存在的各种实体或概念及其关系,构成一张语义网络图,节点表示实体或概念,边则由属性或关系构成。
知识图谱中包含的节点:
实体:指具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种植物等、某一种商品等等。世界万物由具体事物组成,此指实体。
语义类(概念):具有同种特性的实体构成的集合,如国家、民族、书籍、电脑等。概念主要指集合、类别、对象类型、事物的种类,例如人物、地理等。
内容:通常作为实体和语义类的名字、描述、解释等,可以由文本、图像、音视频等来表达。
属性(值):从一个实体指向它的属性值。不同的属性类型对应于不同类型属性的边。属性值主要指对象指定属性的值。
关系:形式化为一个函数。
基于上述定义。基于三元组是知识图谱的一种通用表示方式,三元组的基本形式主要包括(实体1-关系-实体2)和(实体-属性-属性值)等。
(二)智能问答系统
智能问答系统通常是指将无序语料信息,进行有序和科学的整理,并建立基于知识的分类模型;这些分类模型可以指导新的咨询和服务信息,从而节约人力资源,提高信息处理的自动性,降低成本。
自动问答系统的历史可追溯到1950年,英国数学家图灵第一次提出了“机器智能”的概念,并提出判断计算机是否具备智能的实验方法———“图灵测试”,也就是通过自然语言问答的方式,判断计算机是否具备人的智能。
“图灵测试”可以看作是问答系统的理想蓝图。60年代末到70年代,专家系统的出现使人工智能研究出现新的高潮。80年代以来,人工智能已进入发展高潮的黄金时代,其研究成果层出不穷,很多项目获得重大成果。特别是当前人工智能的一个重要子领域自然语言处理更得到了迅速的发展,目前在这个领域中也显示了技术的商业性应用。
参见图1,示出了根据本发明的基于物联网能力知识图谱的场景能力智能问答系统的系统构架图,该智能问题系统包括:
输入模块10,用于用户输入所提出的问题,得到用户检索问题的文本表达。
其中,所述输入模块可以是直接键入装置,例如键盘,触摸板等也可以是语音输入装置,其中语音输入装置可以通过语音识别文本算法获取文本输入。
获取问题向量表达模块20,用于根据用户检索问题的文本表达,进行词向量嵌入,获取问题的向量表达。
场景主题推荐模块30,用于所述问题的向量表达,将问题的向量作为输入送入主题分类模型,在多个能力场景主题中进行查询,得到问题的能力场景主题分类结果,所述分类结果能够包含一个或多个能力场景主题;
其中,所述能力场景主题由物联网的实际应用场景演化得来,不同场景由不同的能力构成,能力即为能力知识图谱中的能力本体,物体所具有的能力决定了物体是什么和可以做什么。
例如,以地理位置为分类,医院可以作为一个场景主题,该场景下出现的设备种类繁多,每个设备具备不同的能力,同时,该主题层级较高,能力范围极广。
具体来说,可将场景主题设为M个,分类依据不设限,分类精度可包含多种粒度。举例:按内外分,有室内、室外;按功能分,有厨房、卧室、阳台;按检测值分,有湿度、温度;按信号源分,有语音、视频、图像;按通用的概括性分类,有卫生、安全、娱乐、健康;按实际场所分,有医院、公园、学校、交通、餐厅等。
每一个场景主题可以对应一个或者多个能力本体。例如卫生,可以包括洗涤、消毒、湿度、温度、净化等;例如视频,包括手机、电脑、摄像头等……
每一个能力本体下挂载诸多具备该能力的设备载体。
可选的,能力场景主题的划分方法,可以采用主题模型等概率分析方法自动获取,或采用人工自定义等方式。一般而言,人工划分将更具备实际语义含义,助于提升语义理解能力。
在一个可选的实施例中,所述主题分类模型输入检索语句的向量表达,输出能力场景主题的分类标签。
其中主题分类模型可以采用决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等,或者组合单一分类方法的集成学习算法。在没有更多背景信息给出时,如果追求预测的准确程度,一般用支持向量机(SVM),如果要求模型可以解释,一般用决策树。
此外,近年来较为热门的深度学习算法的分类模型,属于上述的人工神经网络的一种,对于特定类型的分类场景有较好分类效果。
能力知识图谱映射查询模块40,用于根据通过能力知识图谱的能力本体与能力场景主题的映射关系,得到能力本体的初步查询结果。
能力本体优化模块50,用于对能力本体的初步查询结果进行优化。例如,可以采用重排序算法等模型,优化的方式包括采用互补、等同、替代的方式扩展优化能力本体的初步查询结果。
设备查询反馈模块60,通过继续查询能力知识图谱的能力本体与真实设备的挂载关系,获取最终查询结果,并将查询结果推送给用户,完成智能问答。
可选的,所述设备查询反馈模块60还能够对智能问题的查询结果进行正确答案反馈,以进一步修正智能问题系统的正确率。
进一步的,本发明的智能问答系统中还可以包括问答语料库。
所述问题语料库X,其中有k条语料信息,每一条完整语料信息由提问短文本的多个向量表达和其对应的场景主题标签L构成。
例如,则第1条语料内容结构为D维向量[x11,x12,…x1d],对应的标签l1;
以此类推,第k条语料结构[xk1,xk2,…xkd],对应的标签lk。
以下通过示例具体解释语料库。人类的语言是思维的表现,但不同的语句有时可以代表同一个主题含义或者潜在目的。
例如:
——牛奶可以喝了么/牛奶好了没/牛奶热了么……
其目的可以理解为想要获取牛奶加热的温度。则对应场景主题为厨房、温度这两个主题。进而,可以找到主题所共同具备的能力:加热。通过能力知识图谱的映射,则可以推荐出微波炉。
——今天适合洗车么/天气怎么样……
其目的可能被理解为想要获取与天气情况有关的信息,尤其是和雨雪等相关的主题。则对应场景:气象、温度、湿度等主题。进而,可能找到的共同能力为:湿度、温度。最后,可以推荐出室外温度计、各类气象监控设备情况。
——嗓子不舒服了/屋子里的空气太干燥了/头发总是起静电……
其目的可以被理解为是对环境的干湿情况不满意,用户的潜在需求为改善环境干湿度。则对应场景:室内、湿度等主题。可以找到的相关能力:湿度。则最后可以推荐出加湿器、空调、窗户等设备。
此外,由于中文使用方式与英文等语言的差异性,中文使用者的俚语、语法规范性等都是语义理解中的一个难点,需要与场景主题进行模糊匹配。
例如,饭好了么/饭好了没/饭熟了么/饭熟了没……
上述问题的目的可以被理解为想要知道米饭的焖煮时间、温度等信息。则对应场景主题可以有:厨房、温度、湿度等。可以找到相关能力:温度。则最后可以推荐出电饭煲、微波炉等设备。
当语料库未确定场景主题标签时,能够用于场景主题标签的自动生成,根据概率分析或者聚类算法,找到并确定标签分类。
当语料库中有场景主题标签时,作为主题分类模型的训练集。
进一步的,在场景主题推荐模块30中,可以采用粗粒度场景分类和细粒度场景分类两种方式,所述粗粒度场景分类:一个场景中可以包含一个或者多个能力,或者多个细粒度场景主题;所述细粒度场景分类:能力即场景主题,能力也可以加入到其他场景主题。
因此,本发明的查询结果分为了三个层次,分别是:初步推荐层级,推荐场景主题;次级推荐层级,推荐能力本体;高级推荐层级,推荐具体设备。
相对于现有技术使用不同的知识图谱(例如医疗知识)作为支撑,但其他方案不适合物联网场景,缺乏普适性,只能在特定场景中应用。本发明所加入的场景主题分类,使得智能问答系统在多种物联网场景中能够实现灵活变化,满足不同需求,且加速检索。
而如果不使用知识图谱进行简单问答的模型,根据设定的预设问题,将用户的输入或者提问进行相似性度量,格局相似程度反馈对应问题答案。该类方式较本发明缺乏智能性,问题种类较为单一,缺乏使用的灵活性。
综上,本发明的基于物联网能力知识图谱的场景能力智能问答系统是一种为智能理解用户检索意图的辅助系统,其通过主题分类算法,定位场景主题类型;并通过能力与场景主题的映射关系类型,得到具体能力;其通过能力知识图谱,最终检索出具备对应能力的设备。其可应用于物联网中对用户检索的目标设备的快速定位,相对于现有技术,其具有如下优点:
(1)基于能力知识图谱的场景能力智能问答系统的整体结构,抽象出了场景主题这一概念,将场景主题与设备能力进行了关联映射,并作为智能问答系统的分类标签。
(2)在智能问答系统中引入物联网设备的能力概念,使用知识图谱作为智能问答的支撑,有利于提升用户对物联网产品的使用便利性,提升物联网对用户意图的语义理解能力,从而提升整体智能型。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (10)
1.一种基于物联网能力知识图谱的场景能力智能问答系统,包括:
输入模块,用于用户输入所提出的问题,得到用户检索问题的文本表达;
获取问题向量表达模块,用于根据用户检索问题的文本表达,进行词向量嵌入,获取问题的向量表达;
场景主题推荐模块,用于所述问题的向量表达,将问题的向量作为输入送入主题分类模型,在多个能力场景主题中进行查询,得到问题的能力场景主题分类结果,所述分类结果能够包含一个或多个能力场景主题,其中,所述能力场景主题由物联网的实际应用场景演化得来,不同场景由不同的能力构成,能力为能力知识图谱中的能力本体;
能力知识图谱映射查询模块,用于根据通过能力知识图谱的能力本体与能力场景主题的映射关系,得到能力本体的初步查询结果;
设备查询反馈模块,用于通过继续查询能力知识图谱的能力本体与真实设备的挂载关系,获取最终查询结果,并将查询结果推送给用户,完成智能问答。
2.根据权利要求1所述的场景能力智能问答系统,其特征在于:
还具有能力本体优化模块,用于对能力本体的初步查询结果进行优化,然后将结果送往设备查询反馈模块。
3.根据权利要求1或2所述的场景能力智能问答系统,其特征在于:
所述输入模块是直接键入装置,或者语音输入装置,其中语音输入装置通过语音识别文本算法获取文本输入。
4.根据权利要求1或2所述的场景能力智能问答系统,其特征在于:
所述能力场景主题分类依据不设限,分类精度可包含多种粒度,每一个场景主题可以对应一个或者多个能力本体,每一个能力本体下挂载多个具备该能力的设备载体。
5.根据权利要求4所述的场景能力智能问答系统,其特征在于:
所述能力场景主题的划分方法,采用概率分析方法自动获取,或采用人工自定义的方式。
6.根据权利要求1或2所述的场景能力智能问答系统,其特征在于:
所述主题分类模型采用决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类中的一个,或者组合单一分类方法的集成学习算法。
7.根据权利要求2所述的场景能力智能问答系统,其特征在于:
所述能力本体优化的方式包括采用互补、等同、替代的方式扩展优化能力本体的初步查询结果。
8.根据权利要求1所述的场景能力智能问答系统,其特征在于:
所述设备查询反馈模块还能够对智能问题的查询结果进行正确答案反馈,以进一步修正智能问题系统的正确率。
9.根据权利要求1所述的场景能力智能问答系统,其特征在于:
所述智能问答系统还包括问答语料库,所述问答语料库包括多条语料信息,每一条完整语料信息由提问短文本的多个向量表达和其对应的场景主题标签构成。
10.根据权利要求1或2所述的场景能力智能问答系统,其特征在于:
在场景主题推荐模块中,采用粗粒度场景分类和细粒度场景分类两种方式,所述粗粒度场景分类:一个场景中可以包含一个或者多个能力,或者多个细粒度场景主题;所述细粒度场景分类:能力即场景主题,能力也可以加入到其他场景主题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615437.0A CN109684456B (zh) | 2018-12-27 | 2018-12-27 | 基于物联网能力知识图谱的场景能力智能问答系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615437.0A CN109684456B (zh) | 2018-12-27 | 2018-12-27 | 基于物联网能力知识图谱的场景能力智能问答系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109684456A true CN109684456A (zh) | 2019-04-26 |
CN109684456B CN109684456B (zh) | 2021-02-02 |
Family
ID=66190742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811615437.0A Active CN109684456B (zh) | 2018-12-27 | 2018-12-27 | 基于物联网能力知识图谱的场景能力智能问答系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684456B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109937A (zh) * | 2019-05-15 | 2019-08-09 | 北京市华风声像技术中心 | 一种科普知识测评与学习方法、系统及设备 |
CN110222127A (zh) * | 2019-06-06 | 2019-09-10 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的信息汇聚方法、装置和设备 |
CN110277168A (zh) * | 2019-06-25 | 2019-09-24 | 珠海格力电器股份有限公司 | 一种健康预警的方法和装置 |
CN111767371A (zh) * | 2020-06-28 | 2020-10-13 | 微医云(杭州)控股有限公司 | 一种智能问答方法、装置、设备及介质 |
CN112287108A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 一种物联领域的意图识别优化方法 |
CN112395424A (zh) * | 2020-10-10 | 2021-02-23 | 北京仿真中心 | 一种复杂产品质量问题追溯方法及系统 |
CN116401347A (zh) * | 2023-03-09 | 2023-07-07 | 北京海致星图科技有限公司 | 一种基于知识能力和机器人的灵活挂接方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105847099A (zh) * | 2016-05-30 | 2016-08-10 | 北京百度网讯科技有限公司 | 基于人工智能的物联网实现系统和方法 |
CN106647311A (zh) * | 2017-01-16 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能中控系统、设备、服务器及智能设备控制方法 |
CN106909643A (zh) * | 2017-02-20 | 2017-06-30 | 同济大学 | 基于知识图谱的社交媒体大数据主题发现方法 |
CN107888644A (zh) * | 2016-09-30 | 2018-04-06 | 中国电子科技集团公司信息科学研究院 | 基于物体能力的物联网开放体系架构和平台系统 |
CN108156260A (zh) * | 2018-02-09 | 2018-06-12 | 北京物联港科技发展有限公司 | 一种物联港跨厂商设备通讯平台 |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互系统及方法 |
-
2018
- 2018-12-27 CN CN201811615437.0A patent/CN109684456B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105847099A (zh) * | 2016-05-30 | 2016-08-10 | 北京百度网讯科技有限公司 | 基于人工智能的物联网实现系统和方法 |
CN107888644A (zh) * | 2016-09-30 | 2018-04-06 | 中国电子科技集团公司信息科学研究院 | 基于物体能力的物联网开放体系架构和平台系统 |
CN106647311A (zh) * | 2017-01-16 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能中控系统、设备、服务器及智能设备控制方法 |
CN106909643A (zh) * | 2017-02-20 | 2017-06-30 | 同济大学 | 基于知识图谱的社交媒体大数据主题发现方法 |
CN108156260A (zh) * | 2018-02-09 | 2018-06-12 | 北京物联港科技发展有限公司 | 一种物联港跨厂商设备通讯平台 |
CN108509519A (zh) * | 2018-03-09 | 2018-09-07 | 北京邮电大学 | 基于深度学习的通用知识图谱增强问答交互系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109937A (zh) * | 2019-05-15 | 2019-08-09 | 北京市华风声像技术中心 | 一种科普知识测评与学习方法、系统及设备 |
CN110222127A (zh) * | 2019-06-06 | 2019-09-10 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的信息汇聚方法、装置和设备 |
CN110277168A (zh) * | 2019-06-25 | 2019-09-24 | 珠海格力电器股份有限公司 | 一种健康预警的方法和装置 |
CN111767371A (zh) * | 2020-06-28 | 2020-10-13 | 微医云(杭州)控股有限公司 | 一种智能问答方法、装置、设备及介质 |
CN111767371B (zh) * | 2020-06-28 | 2024-03-12 | 微医云(杭州)控股有限公司 | 一种智能问答方法、装置、设备及介质 |
CN112395424A (zh) * | 2020-10-10 | 2021-02-23 | 北京仿真中心 | 一种复杂产品质量问题追溯方法及系统 |
CN112287108A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 一种物联领域的意图识别优化方法 |
CN112287108B (zh) * | 2020-10-29 | 2022-08-16 | 四川长虹电器股份有限公司 | 一种物联领域的意图识别优化方法 |
CN116401347A (zh) * | 2023-03-09 | 2023-07-07 | 北京海致星图科技有限公司 | 一种基于知识能力和机器人的灵活挂接方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109684456B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684456A (zh) | 基于物联网能力知识图谱的场景能力智能问答系统 | |
CN107239446B (zh) | 一种基于神经网络与注意力机制的情报关系提取方法 | |
WO2021159776A1 (zh) | 基于人工智能的推荐方法、装置、电子设备及存储介质 | |
CN110442718B (zh) | 语句处理方法、装置及服务器和存储介质 | |
CN112100383B (zh) | 一种面向多任务语言模型的元-知识微调方法及平台 | |
Liu et al. | A new method for knowledge and information management domain ontology graph model | |
CN108664599B (zh) | 智能问答方法、装置、智能问答服务器及存储介质 | |
CN110619051B (zh) | 问题语句分类方法、装置、电子设备及存储介质 | |
WO2021151271A1 (zh) | 基于命名实体的文本问答的方法、装置、设备及存储介质 | |
CN111767385A (zh) | 一种智能问答方法及装置 | |
WO2020073533A1 (zh) | 自动问答方法及装置 | |
CN112418302A (zh) | 一种任务预测方法及装置 | |
Wu et al. | Automatic chatbot knowledge acquisition from online forum via rough set and ensemble learning | |
Su et al. | Answer acquisition for knowledge base question answering systems based on dynamic memory network | |
Zhen et al. | The research of convolutional neural network based on integrated classification in question classification | |
CN112800777B (zh) | 语义确定方法 | |
CN114611692A (zh) | 模型训练方法、电子设备以及存储介质 | |
CN113934835A (zh) | 结合关键词和语义理解表征的检索式回复对话方法及系统 | |
CN112131884B (zh) | 用于实体分类的方法和装置、用于实体呈现的方法和装置 | |
CN112148994B (zh) | 信息推送效果评估方法、装置、电子设备及存储介质 | |
Wei et al. | LSTM-SN: complex text classifying with LSTM fusion social network | |
Hantke et al. | Trustability-based dynamic active learning for crowdsourced labelling of emotional audio data | |
CN110377706A (zh) | 基于深度学习的搜索语句挖掘方法及设备 | |
CN112989054B (zh) | 一种文本处理方法和装置 | |
Zhang | Machine Learning and Visual Perception |
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 |