CN109710739A - 一种信息处理方法及装置、存储介质 - Google Patents
一种信息处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN109710739A CN109710739A CN201811584196.8A CN201811584196A CN109710739A CN 109710739 A CN109710739 A CN 109710739A CN 201811584196 A CN201811584196 A CN 201811584196A CN 109710739 A CN109710739 A CN 109710739A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- user
- reference content
- consulting
- 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
本申请实施例公开了一种信息处理方法及装置、存储介质,其中,所述方法应用于智能会话系统中,所述智能会话系统能够对接收到的输入信息进行响应并提供反馈信息,所述方法包括:获取目标用户输入的初始咨询内容;对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容;根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果;输出所述目标咨询内容的处理结果。
Description
技术领域
本申请实施例涉及计算机信息技术,涉及但不限于一种信息处理方法及装置、存储介质。
背景技术
在智能客服的售前场景中,用户经常会咨询产品的具体参数,例如咨询手机产品的屏幕尺寸。通常情况下,会对用户的问题进行意图理解和相关信息抽取,然后从已经建立的产品知识库中查询结果,最后拼接成完整句子,并回复用户的问题。
但是通过上述方式进行回复过于死板,没有真正解决用户的问题,例如用户咨询手机屏幕的尺寸其实是想了解是否适合自己单手握持,而收到单纯的尺寸答案后,用户还需要查找相关资料自己进行判断。
发明内容
有鉴于此,本申请实施例为解决现有技术中存在的至少一个问题而提供一种信息处理方法及装置、存储介质。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供了一种信息处理方法,所述方法应用于智能会话系统中,所述智能会话系统能够对接收到的输入信息进行响应并提供反馈信息,所述方法包括:获取目标用户输入的初始咨询内容;对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容;根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果;输出所述目标咨询内容的处理结果。
第二方面,本申请实施例提供了一种信息处理装置,所述装置包括:获取单元,配置为获取目标用户输入的初始咨询内容;解析单元,配置为对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容;确定单元,配置为根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果;输出单元,配置为输出所述目标咨询内容的处理结果。
第三方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,该计算机可执行指令配置为执行上述实施例提供的信息处理方法。
本申请实施例中,通过获取目标用户输入的初始咨询内容,对初始咨询内容进行解析,得到目标用户对应的目标咨询内容,进而确定目标咨询内容对应的处理结果,能够结合用户咨询问题的上下文信息和用户信息,并对相关的信息进行推理,根据用户的初始咨询问题更加精确地定位用户实际想要了解的问题,起到导向用户购买产品的作用,其中,上下文信息是指用户输入的除初始咨询内容的其他信息,用户信息是指用户本身的信息参数。
附图说明
图1为本申请实施例提供的信息处理方法流程示意图;
图2为本申请实施例提供的智能会话系统的功能结构示意图;
图3为本申请实施例提供的以路径为特征训练关系专属分类器的示意图;
图4为本申请实施例提供的根据咨询对象的属性信息和用户信息生成的答案的示意图;
图5为本申请实施例提供的信息处理装置的组成结构示意图;
图6为本申请实施例提供的电子设备的硬件实体示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
本申请实施例提供一种信息处理方法,该方法应用于智能会话系统中,该智能会话系统能够对接收到的输入信息进行响应并提供反馈信息,该方法所实现的智能会话系统可以通过电子设备中的处理器调用程序代码来实现,例如可以采用软件程序(APP,Application)的形式来实现。当然程序代码可以保存在计算机存储介质中,可见,该电子设备至少包括处理器和存储介质。
图1为本申请实施例提供的信息处理方法流程示意图,如图1所示,该方法包括:
步骤S11,智能会话系统获取目标用户输入的初始咨询内容。
这里,智能会话系统能够接收到目标用户输入的初始咨询内容,初始咨询内容包括以下之一:文字、多媒体信息和网页链接,用户可以在自己所处的环境下进行相应的格式的初始咨询内容的输入。
步骤S12,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
这里,初始咨询内容为目标用户输入的咨询内容,目标咨询内容为用户实际想要咨询的内容。如果智能会话系统从接收到的初始咨询内容中仅解析出与咨询对象相关联的信息,在这种情况下,目标用户输入的初始咨询内容即为目标用户实际想要咨询的内容,智能会话系统仅需查询初始咨询内容对应的答案,并将初始咨询内容对应的答案返回至目标用户。
例如,智能会话系统接收到目标用户输入的文字信息,对该文字信息进行解析,确定文字信息中仅包括用户需要咨询其所选中的手机的屏幕尺寸,且用户未输入其它信息,智能会话系统也未监测到有与用户所要咨询的手机相关联的信息,则确定用户实际要咨询的内容为该手机的屏幕尺寸,智能会话系统会查询该手机的屏幕尺寸,并将查询到的屏幕尺寸返回给用户。
如果智能会话系统从接收到目标用户输入的初始咨询内容中解析出与咨询对象相关联的信息,且监测到用户还输入了其它信息,则获取上述与咨询对象相关联的信息和用户输入的其他信息,从上述咨询对象相关联的信息和用户输入的其他信息中提取用户的意图信息,根据该意图信息确定用户实际要咨询的内容,即目标咨询内容,智能会话系统可以查询初始咨询内容和/或目标咨询内容,并将初始咨询内容和/或目标咨询内容对应的答案返回至目标用户。
例如,智能会话系统接收到的是用户输入的文字信息,对该文字信息进行解析,如果解析出文字信息包括用户需要咨询其所选中的手机的屏幕尺寸,且监测到用户还输入了其手掌尺寸,则从上述信息中可以提取到用户实际所要咨询的内容为该手机是否适合用户单手抓握,则智能会话系统会将该手机的屏幕尺寸和/或该手机是否适合用户单手抓握的答案返回给用户。
步骤S13,智能会话系统根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果。
这里,目标用户信息可以为用户的画像数据,例如用户的性别、身高、体重、手掌尺寸等。咨询对象的属性信可以为事实知识数据,例如产品的型号、类型和尺寸等。
本申请实施例中,智能会话系统可以根据获取的目标用户信息和/或咨询对象的属性信息,确定目标咨询内容的处理结果;也可以根据获取的目标用户信息和/或咨询对象的属性信息,确定初始咨询内容的处理结果。
例如,目标用户输入的是文字信息,且文字信息表示目标用户咨询的是手机的显示屏尺寸(初始咨询内容),智能会话系统根据提取到的意图信息推理出用户实际所要咨询的问题为该手机是否适合用户抓握(目的咨询内容),那么智能会话系统可以根据获取的目标用户信息和/或咨询对象的属性信息,确定手机的显示屏尺寸(初始咨询内容的处理结果)和/或该手机是否适合用户抓握(目标咨询内容的处理结果)。
步骤S14,智能会话系统输出所述目标咨询内容的处理结果。
这里,基于上述步骤S13的陈述可知,智能会话系统可以输出目标咨询内容的处理结果,对应地,也能够输出初始咨询内容的处理结果,要输出哪个结果可以根据用户的需求设定。
本申请实施例中,通过获取目标用户输入的初始咨询内容,对初始咨询内容进行解析,得到目标用户对应的目标咨询内容,进而确定目标咨询内容对应的处理结果,能够结合用户咨询问题的上下文信息和用户信息,并对相关的信息进行推理,根据用户的初始咨询问题更加精确地定位用户实际想要了解的问题,起到导向用户购买产品的作用,其中,上下文信息是指用户输入的除初始咨询内容的其他信息,用户信息是指用户本身的信息参数。
本申请实施例还提供了另一信息处理方法,该方法包括:
步骤S101,智能会话系统获取目标用户输入的初始咨询内容。
步骤S102,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S103,智能会话系统从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词。
这里,目标关键词为根据目标用户信息和/或咨询对象的属性信息从初始关键词中提取的重点词。该重点词能够表征用户的意图信息,例如,用户的手掌尺寸,产品的型号、问题的类型等。初始关键词可以是根据用户的历史咨询信息获取的相应的词语,也可以是根据网上搜索频率较高的词语得到的。
在其他的实施例中,所述获取咨询对象的属性信息,包括:获取目标用户输入的初始咨询内容;所述初始咨询内容包括以下之一:文字、多媒体信息和网页链接;根据所述初始咨询内容确定对应的咨询对象的属性信息。
这里,如果用户输入的是文字,根据用户输入的文字确定所要咨询对象的属性信息。例如,从用户输入的文字中能够解析出用户需要查询手机的参数信息,那么就可以根据预设规则确定手机的尺寸。
在其他的实施例中,所述方法还包括:建立所有的咨询对象的属性信息和每一用户信息之间的初始关联关系;根据所述初始关联关系,构建所述初始知识图谱。
这里,建立所有的咨询对象的属性信息和每一用户信息之间的初始关联关系,例如,咨询对象为手机,咨询对象的属性信息包括手机的电池容量、尺寸和频率;用户信息包括用户的手掌尺寸、性别、身高等。则可以建立手机的电池容量、尺寸和频率,与用户的手掌尺寸、性别、身高之间的初始关联关系,形成相应的初始知识图谱。
步骤S104,智能会话系统根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系。
这里,可以根据确定的目标关键词,确定对应的目标用户信息和/或咨询对象的属性信息,进而从预设的初始知识图谱中,确定与该目标关键词相关的目标用户信息与咨询对象的属性信息之间的关联关系,该关联关系即为第一目标关联关系
步骤S105,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
这里,根据确定相关的目标用户信息与咨询对象的属性信息之间的第一目标关联关系,从预设的初始知识图谱中提取相关的目标用户信息和咨询对象的属性信息,并根据相关的目标用户信息与咨询对象的属性信息形成第一知识图谱。
步骤S106,智能会话系统对所述第一知识图谱进行知识推理,得到第二知识图谱。
这里,可以根据预设的规则对目标用户信息和咨询对象的属性信息的对应情况进行推理,得到第二知识图谱。
步骤S107,智能会话系统根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
这里,将根据步骤106得到的第二知识图谱中各个实体(目标用户信息和咨询对象的属性信息)之间的第二目标关联关系作为一条路径,根据预设规则确定每条路径成立的概率,并根据每条路径成立的概率确定目标咨询内容的处理结果。
上述步骤S103至步骤S107提供了一种实现步骤“根据获取的目标用户信息和/或咨询对象的属性信息,确定所述目标咨询内容的处理结果”的方式。该方式中,在用户咨询产品的具体参数时,结合用户输入的其他信息、用户信息和知识图谱中的事实知识进行推理,生成与用户咨询的参数相关的答案及描述,进一步解决用户想要了解问题,能够精确地确定用户实际所需要的答案。
步骤S108,智能会话系统输出所述目标咨询内容的处理结果。
本申请实施例还提供了另一信息处理方法,该方法包括:
步骤S201,智能会话系统获取目标用户输入的初始咨询内容。
步骤S202,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S203,智能会话系统确定至少一个咨询对象的属性信息和至少一个用户信息。
步骤S204,智能会话系统根据所述至少一个咨询对象的属性信息和所述至少一个用户信息确定初始关键词。
这里,可以根据用户的需要从咨询对象的属性信息和至少一个用户信息确定初始关键词,在其他的实施例中,也可以从技术词典中确定相应的初始关键词。
步骤S205,智能会话系统根据所述获取的目标用户信息和/或咨询对象的属性信息,从所述确定的初始关键词中确定目标关键词。
这里,当获取到目标用户信息和/或咨询对象的属性信息时,可以对获取到的目标用户信息和/或咨询对象的属性信息进行解析,并将解析结果与根据上述步骤S205确定的初始关键词进行匹配,确定出对应的目标关键词,目标关键词包括用户的意图信息,可以更精确地确定用户的目标咨询内容。
上述步骤S203至步骤S205提供了一种实现步骤“从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词”的方式。该方式中,用户可以根据预先确定的初始关键词确定相应的目标关键词,精确定位到用户实际所要咨询的内容。
步骤S206,智能会话系统根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系。
步骤S207,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
步骤S208,智能会话系统对所述第一知识图谱进行知识推理,得到第二知识图谱。
步骤S209,智能会话系统根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
步骤S210,智能会话系统输出所述目标咨询内容的处理结果。
本申请实施例还提供了另一信息处理方法,该方法包括:
步骤S301,智能会话系统获取目标用户输入的初始咨询内容。
步骤S302,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S303,智能会话系统从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词。
步骤S304,智能会话系统对所述确定的目标关键词进行标识。
这里,基于上述步骤S303确定目标关键词之后,可以对目标关键词进行标识,得到相应的标注对。例如,当输入的信息中有“北京”时,就将“北京”标注为“地点”,那么北京和地点就组成一对标注,即标注对。
步骤S305,智能会话系统根据所述目标关键词的标识从预设的初始知识图谱中,获取所述目标用户信息和咨询对象的属性信息之间的第一目标关联关系。
这里,可以根据从上述步骤S304中的目标关键字的标识从预设的初始知识图谱中,获取目标用户信息和咨询对象的属性信息之间的第一目标关联关系,例如,当用户输入的信息中有“北京”时,就将“北京”标注为“地点”,那么“北京”和“地点”就组成一对标注,即标注对,可以根据该标注对从预设的初始知识图谱中,确定用户与“北京”之间的第一目标关联关系,比如用户的居住地点是北京等。
上述步骤S304至步骤S305提供了一种实现步骤“根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系”的方式。该方式中,用户可以对确定的目标关键词进行标识;根据目标关键词的标识从预设的初始知识图谱中,获取所述目标用户信息和咨询对象的属性信息之间的第一目标关联关系,进而能够更准确地确定目标用户信息和咨询对象的属性信息之间的第一目标关联关系。
步骤S306,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
步骤S307,智能会话系统对所述第一知识图谱进行知识推理,得到第二知识图谱。
步骤S308,智能会话系统根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
步骤S309,智能会话系统输出所述目标咨询内容的处理结果。
本申请实施例还供了另一信息处理方法,该方法包括:
步骤S401,智能会话系统获取目标用户输入的初始咨询内容。
步骤S402,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S403,智能会话系统从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词。
步骤S404,智能会话系统根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系。
步骤S405,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
步骤S406,智能会话系统从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器。
这里,可以采用路径排序算法,以随机游走的方法生成并选择路径特征集合,为每种关系训练一个二分类分类器。基于每种关系都有其对应的分类器,可以根据用户的需要从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器。
步骤S407,智能会话系统根据所述目标分类器对所述第一知识图谱进行知识推理,得到第二知识图谱。
这里,将根据上述步骤S405中确定的第一知识图谱中各个实体之间的关系输入相应的分类器中,对第一知识图谱进行知识推理,可以得到各个实体之间新的关系,进而根据新的关系得到第二知识图谱。
上述步骤S406至步骤S407提供了一种实现步骤“对所述第一知识图谱进行知识推理,得到第二知识图谱”的方式。该方式中,用户可以对确定的目标关键词进行标识;根据目标关键词的标识从预设的初始知识图谱中,获取所述目标用户信息和咨询对象的属性信息之间的第一目标关联关系,进而能够更准确地确定目标用户信息和咨询对象的属性信息之间的第一目标关联关系。
步骤S408,智能会话系统根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
步骤S409,智能会话系统输出所述目标咨询内容的处理结果。
本申请实施例还供了另一信息处理方法,该方法包括:
步骤S501,智能会话系统获取目标用户输入的初始咨询内容。
步骤S502,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S503,智能会话系统从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词。
步骤S504,智能会话系统根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系。
步骤S505,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
步骤S506,智能会话系统从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器。
这里,不同的初始分类器是根据对应的目标用户信息和咨询对象的属性信息之间的第一目标关联关系构建的。
步骤S507,智能会话系统根据所述目标分类器对所述第一知识图谱进行知识推理,得到第二知识图谱。
步骤S508,智能会话系统确定所述第二知识图谱中每一所述第二目标关联关系成立的概率,并对所有的第二目标关联关系成立的概率进行排序。
这里,将根据步骤S507得到的第二知识图谱中各个实体(目标用户信息和/或咨询对象的属性信息)之间的关系看作一条路径,从第二知识图谱中随机采取预设数量的路径(采样样本),并对采样的路径进行训练,得到分类器,每一个分类器即一个模型,然后将实际的关联关系输入这个模型,经过这个模型的计算,输出一个结果,这个结果就是该路径能够成立的概率,即分类器权重,将分类器权重进行排序,排序最高的即为最可靠的路径。
步骤S509,智能会话系统根据排序结果所对应的第二目标关联关系,得到所述目标咨询内容的处理结果。
上述步骤S508至步骤S509提供了一种实现步骤“根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果”的方式。该方式中,根据第二知识图谱中,目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率来确定相应的关联关系和对目标咨询内容的处理结果,能够确定匹配概率较高的结果,更加精确地确定用户实际想要的答案。
步骤S510,智能会话系统输出所述目标咨询内容的处理结果。
本申请实施例还供了另一信息处理方法,该方法包括:
步骤S601,智能会话系统获取目标用户输入的初始咨询内容。
步骤S602,智能会话系统对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
步骤S603,智能会话系统从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词。
步骤S604,智能会话系统根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系。
步骤S605,智能会话系统根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱。
步骤S606,智能会话系统从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器。
这里,所述不同的初始分类器是根据对应的目标用户信息和咨询对象的属性信息之间的第一目标关联关系构建的。
步骤S607,智能会话系统根据所述目标分类器对所述第一知识图谱进行知识推理,得到第二知识图谱。
步骤S608,智能会话系统确定所述第二知识图谱中每一所述第二目标关联关系成立的概率,并对所有的第二目标关联关系成立的概率进行排序。
步骤S609,智能会话系统根据所述排序结果所对应的第二目标关联关系,确定所述排序结果所对应的目标用户信息和/或咨询对象的属性信息。
步骤S610,智能会话系统将所述排序结果所对应的目标用户信息和/或咨询对象的属性信息进行整合,所述整合的结果为所述目标咨询内容的处理结果。
这里,选择适当的模板,将根据上述步骤S609确定的目标用户信息和/或咨询对象的属性信息填充为完整的句子,并经过规则匹配的方式修正语法错误,如英语中第三人称对应的动词转换为单数等,得到目标咨询内容的处理结果。
上述步骤S609至步骤S610提供了一种实现步骤“根据排序结果所对应的第二目标关联关系,得到所述目标咨询内容的处理结果”的方式。该方式中,通过将最终确定的目标用户信息和/或咨询对象的属性信息进行整合,并填充至相应的模板,并摒除语法错误等,能够使用户更加直观地看到其实际想要的答案。
步骤S611,智能会话系统输出所述目标咨询内容的处理结果。
图2为本申请实施例提供的智能会话系统的功能结构示意图,如图2所示,智能会话系统包括:获取单元201、解析单元202和确定单元203。
本申请实施例中,获取单元201,也可称为用户输入单元,用于接收用户输入的初始咨询内容;解析单元202,也可称为语言理解单元,用于从用户输入的初始咨询内容提取意图信息,确定相应的重点词,并为重点词语打上功能标注,如产品型号、问题类型等。
确定单元203包括:知识图谱模块204、知识关系推理模块205和语言生成模块206。其中,知识图谱模块204用于根据解析单元202中的解析结果,在构建好的初始知识图谱中查找问题相关的实体及实体间的关系,如手机产品的重量、屏幕尺寸的相关参数,以及客户的性别、身高、体重、手掌尺寸等,并提取第一知识图谱。其中,初始知识图谱是根据咨询对象的属性信息和用户信息构建的,咨询对象的属性信息可以为事实知识,用户信息可以为用户画像数据。
初始知识图谱可以用集合K={E,R}表示,其中,子集合E={e1,e2,…,en},e1,e2,…,en分别表示子集合E中的每个元素,即初始知识图谱中的每一个实体;子集合R={r1,r2,…,rn},r1,r2,…,rn分别表示子集合R中的每个元素,每个元素表示初始知识图谱中某两个实体间的关系。
这里,用户输入的初始咨询内容可以表示为集合M={m1,m2,…,mn},m1,m2,…,mn分别表示子集合M中的每个元素,即初始咨询内容中的每一个参数;对用户输入的初始咨询内容M={m1,m2,…,mn}进行解析,提取意图信息,得到重点词,并为重点词语打上功能标注,得到标注对集合O={o1,o2,…,on},o1,o2,…,on分别表示子集合O中的每个元素,即标注对集中的每一组标注对;遍历标注对集合O中的标注对,根据标注对O={o1,o2,…,on},查找已构建好的初始知识图谱,获取相关的知识及知识间的关系,构成第一知识图谱K={E1,R1},其中,子集合E1={e11,e12,…,e1n},e11,e12,…,e1n分别表示子集合E1中的每个元素,即第一知识图谱中的每一个实体;子集合R1={r11,r12,…,r1n},r11,r12,…,r1n分别表示子集合R1中的每个元素,每个元素表示第一知识图谱中某两个实体间的关系。本申请实施例中,可以通过自然语言理解(Natural Language Understanding,NLU)中的Pipeline对M进行处理,其中,Pipeline为标准流程规则,包括Word2Vec、分词、词性标注、句法分析、意图理解、关键信息抽取功能。
知识关系推理模块205:用于根据解析单元202中的解析结果、第一知识图谱中事实知识实体及实体间的关系,推理得到用于生成答案的第二知识图谱。
这里,根据咨询对象的属性信息和用户信息的对应情况进行推理,构造适当的关系R’,可以得到第二知识图谱G={E’,R’},其中,子集合E’={e1’,e2’,…,en’},e1’,e2’,…,en’分别表示子集合E’中的每个元素,即第二知识图谱中的每一个实体;子集合R’={r1’,r2’,…,rn’},r1’,r2’,…,rn’分别表示子集合R’中的每个元素,每个元素表示第二知识图谱中某两个实体间的关系,咨询对象的属性信息可以为产品参数实体上的标签信息。
图3为本申请实施例提供的以路径为特征训练关系专属分类器的示意图,如图3所示,Tom的出生城市为巴黎、居住城市为里昂、国籍法国、同学为Bob;Bob的出生城市为巴黎,本申请实施例中,目标关系为:出生城市;正实例为(Tom,巴黎),(Bob,巴黎),即Tom和Bob的出生城市均为巴黎;负实例为(Tom,里昂),(Bob,里昂);特征集:国籍→国内城市-1,同学→出生城市,同学-1→出生城市,同学-1→居住城市;则可以确定训练实例为:{(1,1,0,0),1},{(0,0,1,0),1},{(1,0,0,0),-1},{(0,0,0,1),-1},根据该训练实例进行训练,可以得到相应的专属分类器。
语言生成模块206:根据知识关系推理结果选区并填充适当的模板生成结构化的文字答案。这里,根据预设的规则为第二知识图谱G中的信息选区并填充适当的模板,生成答案相应的答案A={a1,a2,…,an},其中,a1,a2,…,an分别表示子集合A中的每个元素,即生成的答案中的每一个词。
图4为本申请实施例提供的根据咨询对象的属性信息和用户信息生成的答案的示意图,如图4所示,用户401的手掌尺寸为18厘米,性别为男,根据其性别为男可以推理出其对大屏感兴趣,手机402显示屏尺寸为5.5英寸,系统版本为6.0.1,电池容量为2000毫安时,存储内存为64GB,运行内存为4GB,工作频率为1.8GHz;如果用户的初始咨询内容为手机显示屏尺寸,那么智能会话系统能够根据用户的初始咨询内容推理得到其手掌尺寸适合多大显示屏尺寸的手机,并且至少将手机的显示屏尺寸和该手机是否适合用户手掌尺寸的结果之一发送给用户。这里,可以通过人机交互的方式实现上述任一实施例中的技术方案。
本申请实施例中,可以结合用户画像信息和知识图谱中的事实知识对用户咨询的事实问题进行推理,直接生成用户想要了解的信息。当用户咨询产品的参数等问题时,生成的答案不仅是事实知识,还会根据用户的个人信息和产品参数相关数据帮助用户推理得到更有意义的答案。且上述任一实施例中的技术方案均可以应用与智能客服的售前场景中,基于知识图谱推理的答案生成方法可以更直接深入的解决用户的问题,有效提高用户的购买意愿。
基于前述的实施例,本申请实施例提供一种信息处理装置,该装置所包括的各单元,都可以通过电子设备中的处理器来实现;当然也可通过的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
图5为本申请实施例提供的信息处理装置的组成结构示意图,所述装置在实现的时可以为智能会话系统,所述智能会话系统能够对接收到的输入信息进行响应并提供反馈信息,如图5所示,信息处理装置包括:
获取单元501,配置为获取目标用户输入的初始咨询内容。
解析单元502,配置为对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容。
确定单元503,配置为根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果。
输出单元504,配置为输出所述目标咨询内容的处理结果。
在其他的实施例中,所述确定单元,还配置为:从获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词;根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系;根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱;对所述第一知识图谱进行知识推理,得到第二知识图谱;根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
在其他的实施例中,所述确定单元,还配置为:获取目标用户输入的初始咨询内容;所述初始咨询内容包括以下之一:文字、多媒体信息和网页链接;根据所述初始咨询内容确定对应的咨询对象的属性信息。
在其他的实施例中,所述确定单元,还配置为:确定至少一个咨询对象的属性信息和至少一个用户信息;根据所述至少一个咨询对象的属性信息和所述至少一个用户信息确定初始关键词;根据所述获取的目标用户信息和/或咨询对象的属性信息,从所述确定的初始关键词中确定目标关键词。
在其他的实施例中,所述装置还包括:生成单元,配置为建立所有的咨询对象的属性信息和每一用户信息之间的初始关联关系;构建单元,配置为根据所述初始关联关系,构建所述初始知识图谱。
在其他的实施例中,所述确定单元,还配置为:对所述确定的目标关键词进行标识;根据所述目标关键词的标识从预设的初始知识图谱中,获取所述目标用户信息和咨询对象的属性信息之间的第一目标关联关系。
在其他的实施例中,所述确定单元,还配置为:从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器;其中,所述不同的初始分类器是根据对应的目标用户信息和咨询对象的属性信息之间的第一目标关联关系构建的;根据所述目标分类器对所述第一知识图谱进行知识推理,得到第二知识图谱。
在其他的实施例中,所述确定单元,还配置为:确定所述第二知识图谱中每一所述第二目标关联关系成立的概率,并对所有的第二目标关联关系成立的概率进行排序;根据排序结果所对应的第二目标关联关系,得到所述目标咨询内容的处理结果。
在其他的实施例中,所述确定单元,还配置为:根据所述排序结果所对应的第二目标关联关系,确定所述排序结果所对应的目标用户信息和/或咨询对象的属性信息;将所述排序结果所对应的目标用户信息和/或咨询对象的属性信息进行整合,所述整合的结果为所述目标咨询内容的处理结果。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述信息处理方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台服务器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例提供的信息处理方法中的步骤。
对应地,本申请实施例提供一种电子设备,该电子设备至少包括:包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的信息处理方法中的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,图6为本申请实施例提供的电子设备的硬件实体示意图,如图6所示,该电子设备600的硬件实体包括:处理器601、通信接口602和存储器603,其中
处理器601通常控制电子设备600的总体操作。
通信接口602可以使电子设备通过网络与其他电子设备通信。
存储器603配置为存储由处理器601可执行的指令和应用,还可以缓存待处理器601以及电子设备600中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory,RAM)实现。
本申请装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
当然,本申请实施例中的装置还可有其他类似的协议交互实现案例,在不背离本申请精神及其实质的情况下,本领域的技术人员当可根据本申请实施例做出各种相应的改变和变形,但这些相应的改变和变形都应属于本申请方法所附的权利要求的保护范围。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个模块或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或模块的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的模块可以是、或也可以不是物理上分开的,作为模块显示的部件可以是、或也可以不是物理模块;既可以位于一个地方,也可以分布到多个网络模块上;可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息处理方法,其特征在于,所述方法应用于智能会话系统中,所述智能会话系统能够对接收到的输入信息进行响应并提供反馈信息,所述方法包括:
获取目标用户输入的初始咨询内容;
对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容;
根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果;
输出所述目标咨询内容的处理结果。
2.根据权利要求1所述的方法,其特征在于,所述根据获取的目标用户信息和/或咨询对象的属性信息,确定所述目标咨询内容的处理结果,包括:
根据获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词;
根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系;
根据所述第一目标关联关系,从所述预设的初始知识图谱中提取第一知识图谱;
对所述第一知识图谱进行知识推理,得到第二知识图谱;
根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果。
3.根据权利要求1或2所述的方法,其特征在于,所述获取咨询对象的属性信息,包括:
获取目标用户输入的初始咨询内容;所述初始咨询内容包括以下之一:文字、多媒体信息和网页链接;
根据所述初始咨询内容确定对应的咨询对象的属性信息。
4.根据权利要求2所述的方法,其特征在于,所述根据获取的目标用户信息和/或咨询对象的属性信息,确定目标关键词,包括:
确定至少一个咨询对象的属性信息和至少一个用户信息;
根据所述至少一个咨询对象的属性信息和所述至少一个用户信息确定初始关键词;
根据所述获取的目标用户信息和/或咨询对象的属性信息,从所述确定的初始关键词中确定目标关键词。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
建立所有的咨询对象的属性信息和每一用户信息之间的初始关联关系;
根据所述初始关联关系,构建所述初始知识图谱。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标关键词,从预设的初始知识图谱中,获取目标用户信息与咨询对象的属性信息之间的第一目标关联关系,包括:
对所述确定的目标关键词进行标识;
根据所述目标关键词的标识从预设的初始知识图谱中,获取所述目标用户信息和咨询对象的属性信息之间的第一目标关联关系。
7.根据权利要求2所述的方法,其特征在于,所述对所述第一知识图谱进行知识推理,得到第二知识图谱,包括:
从预设的不同的初始分类器中,选择与每一所述第一目标关联关系对应的目标分类器;其中,所述不同的初始分类器是根据对应的目标用户信息和咨询对象的属性信息之间的第一目标关联关系构建的;
根据所述目标分类器对所述第一知识图谱进行知识推理,得到第二知识图谱。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第二知识图谱中,所述目标用户信息与咨询对象的属性信息之间的第二目标关联关系成立的概率,确定所述目标咨询内容的处理结果,包括:
确定所述第二知识图谱中每一所述第二目标关联关系成立的概率,并对所有的第二目标关联关系成立的概率进行排序;
根据排序结果所对应的第二目标关联关系,得到所述目标咨询内容的处理结果。
9.一种信息处理装置,其特征在于,所述装置包括:
获取单元,配置为获取目标用户输入的初始咨询内容;
解析单元,配置为对所述初始咨询内容进行解析,得到咨询对象和所述目标用户对应的目标咨询内容;
确定单元,配置为根据获取的目标用户信息和/或咨询对象的属性信息,至少确定所述目标咨询内容的处理结果;
输出单元,配置为输出所述目标咨询内容的处理结果。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,该计算机可执行指令配置为执行上述权利要求1至8任一项提供的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811584196.8A CN109710739B (zh) | 2018-12-24 | 2018-12-24 | 一种信息处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811584196.8A CN109710739B (zh) | 2018-12-24 | 2018-12-24 | 一种信息处理方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109710739A true CN109710739A (zh) | 2019-05-03 |
CN109710739B CN109710739B (zh) | 2020-12-18 |
Family
ID=66257274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811584196.8A Active CN109710739B (zh) | 2018-12-24 | 2018-12-24 | 一种信息处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710739B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930904A (zh) * | 2020-07-08 | 2020-11-13 | 联想(北京)有限公司 | 信息应答方法、装置、设备及存储介质 |
JP2020194204A (ja) * | 2019-05-24 | 2020-12-03 | 株式会社400F | 機械学習ベースのマッチング装置およびマッチング方法 |
CN112199951A (zh) * | 2020-11-04 | 2021-01-08 | 支付宝(杭州)信息技术有限公司 | 一种事件信息生成的方法及装置 |
CN113064970A (zh) * | 2021-04-08 | 2021-07-02 | 易联众信息技术股份有限公司 | 一种多轮对话智能问询处理方法、系统、介质及设备 |
CN113064969A (zh) * | 2021-04-08 | 2021-07-02 | 易联众信息技术股份有限公司 | 用于问答系统的查询方法、系统、介质及设备 |
CN113609275A (zh) * | 2021-08-24 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN115297078A (zh) * | 2022-07-06 | 2022-11-04 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206752A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 电子商务网站相关商品推荐系统及其方法 |
WO2013165331A2 (ru) * | 2012-05-03 | 2013-11-07 | Veretynskyi Andrii S | Паевой способ реализации объектов продажи |
CN104731895A (zh) * | 2015-03-18 | 2015-06-24 | 北京京东尚科信息技术有限公司 | 自动应答的方法和装置 |
CN105224661A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇虎科技有限公司 | 会话式的信息搜索方法及装置 |
CN107609058A (zh) * | 2017-08-25 | 2018-01-19 | 维沃移动通信有限公司 | 一种销售方法、机器人客服端、人工客服端及用户端 |
CN108205775A (zh) * | 2016-12-20 | 2018-06-26 | 阿里巴巴集团控股有限公司 | 一种业务对象的推荐方法、装置和客户端 |
-
2018
- 2018-12-24 CN CN201811584196.8A patent/CN109710739B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206752A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 电子商务网站相关商品推荐系统及其方法 |
WO2013165331A2 (ru) * | 2012-05-03 | 2013-11-07 | Veretynskyi Andrii S | Паевой способ реализации объектов продажи |
CN104731895A (zh) * | 2015-03-18 | 2015-06-24 | 北京京东尚科信息技术有限公司 | 自动应答的方法和装置 |
CN105224661A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇虎科技有限公司 | 会话式的信息搜索方法及装置 |
CN108205775A (zh) * | 2016-12-20 | 2018-06-26 | 阿里巴巴集团控股有限公司 | 一种业务对象的推荐方法、装置和客户端 |
CN107609058A (zh) * | 2017-08-25 | 2018-01-19 | 维沃移动通信有限公司 | 一种销售方法、机器人客服端、人工客服端及用户端 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020194204A (ja) * | 2019-05-24 | 2020-12-03 | 株式会社400F | 機械学習ベースのマッチング装置およびマッチング方法 |
CN111930904A (zh) * | 2020-07-08 | 2020-11-13 | 联想(北京)有限公司 | 信息应答方法、装置、设备及存储介质 |
CN112199951A (zh) * | 2020-11-04 | 2021-01-08 | 支付宝(杭州)信息技术有限公司 | 一种事件信息生成的方法及装置 |
CN113064970A (zh) * | 2021-04-08 | 2021-07-02 | 易联众信息技术股份有限公司 | 一种多轮对话智能问询处理方法、系统、介质及设备 |
CN113064969A (zh) * | 2021-04-08 | 2021-07-02 | 易联众信息技术股份有限公司 | 用于问答系统的查询方法、系统、介质及设备 |
CN113609275A (zh) * | 2021-08-24 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN113609275B (zh) * | 2021-08-24 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN115297078A (zh) * | 2022-07-06 | 2022-11-04 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
CN115297078B (zh) * | 2022-07-06 | 2023-09-01 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109710739B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710739A (zh) | 一种信息处理方法及装置、存储介质 | |
US11928168B2 (en) | Question answering using entity references in unstructured data | |
US20240078386A1 (en) | Methods and systems for language-agnostic machine learning in natural language processing using feature extraction | |
US20210232761A1 (en) | Methods and systems for improving machine learning performance | |
RU2745632C1 (ru) | Серверное устройство автоматизированного ответа, оконечное устройство, система ответа, способ ответа и программа | |
US9535897B2 (en) | Content recommendation system using a neural network language model | |
CN107735804A (zh) | 不同标记集合的转移学习技术 | |
CN108984650B (zh) | 计算机可读记录介质及计算机设备 | |
US20160063106A1 (en) | Related Entity Search | |
US9875320B1 (en) | Providing search results based on sorted properties | |
US11488599B2 (en) | Session message processing with generating responses based on node relationships within knowledge graphs | |
EP2883169A2 (en) | Search result ranking and presentation | |
US9720982B2 (en) | Method and apparatus for natural language search for variables | |
CN106407361A (zh) | 基于人工智能的推送信息的方法和装置 | |
CN110119473A (zh) | 一种目标文件知识图谱的构建方法及装置 | |
CN105893391A (zh) | 智能应答方法、装置、系统及电子设备 | |
CN107209757A (zh) | 自然语言理解缓存器 | |
CN107894983A (zh) | 引擎的切换方法与装置 | |
CN110059172A (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
Brisebois et al. | A semantic metadata enrichment software ecosystem based on metadata and affinity models | |
Liu | Pragmatic computing–a semiotic perspective to web services | |
JP7207543B2 (ja) | 情報推薦装置、情報推薦システム、情報推薦方法及び情報推薦プログラム | |
TW578067B (en) | Knowledge graphic system and method based on ontology | |
JP2017073051A (ja) | 人材検索サーバ | |
Garrido et al. | KGNR: A knowledge-based geographical news recommender |
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 |