CN109716325B - 计算机化的自然语言查询意图分派 - Google Patents
计算机化的自然语言查询意图分派 Download PDFInfo
- Publication number
- CN109716325B CN109716325B CN201780056276.3A CN201780056276A CN109716325B CN 109716325 B CN109716325 B CN 109716325B CN 201780056276 A CN201780056276 A CN 201780056276A CN 109716325 B CN109716325 B CN 109716325B
- Authority
- CN
- China
- Prior art keywords
- natural language
- query
- processor
- intent
- language processor
- 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using 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
- G06F16/3331—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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Machine Translation (AREA)
Abstract
可以经由主自然语言处理器来处理自然语言查询。可以将关于产生查询意图的请求从主自然语言处理器分派至扩展自然语言处理器。响应于所分派的请求,可以经由扩展自然语言处理器来生成查询意图,其中,对意图的生成是与主自然语言处理器无关地被执行的。可以响应于关于产生查询的意图的请求而将自然语言查询的意图从扩展自然语言处理器传递至主自然语言处理器。可以经由主自然语言处理器来产生对用于对所述意图进行响应的对话查询处理器的计算机可读的选择。另外地,可以将用于对查询的意图进行响应的指示传递至所选择的对话查询处理器。
Description
背景技术
许多自然语言对话计算机系统已经包括了主自然语言处理器。主自然语言处理器是操作以使用自然语言对话自动地交互的计算机组件,其可以包括接收自然语言查询、处理这些查询、以及利用自然语言对话脚本进行响应。对查询的处理可以包括识别所接收的自然语言查询的意图,以及针对该自然语言查询的可能的一个或多个实体。如在本文中所使用的,“意图”是表示计算机系统组件已经识别为由自然语言查询所意指的意思的计算机可读数据。该上下文中的“实体”是表示针对所识别的意图由计算机系统所识别的一个或多个细节的计算机可读数据。自然语言是在人类之间的自然对话中所使用的语言,例如中国普通话、西班牙语、英语、北印度语、阿拉伯语、葡萄牙语、日语、德语、法语等。自然语言还可以包括在各种不同的上下文中在人类之间的自然对话中所使用的语言修改,所述自然对话例如是数字消息传送对话、面对面对话等。例如,这样的修改可以包括正式语言、缩写、和/或俚语的混合。
在一些配置中,主自然语言处理器可以调用对话查询处理器,其是当被主自然语言处理器指示要这样做时能够处理对自然语言查询的响应的至少一部分的计算机组件。这常常通过使得主自然语言处理器使用具有要用关键词填充一个或多个空隙的语法来完成。例如,自然语言查询可以说“请App X叫出租车”。这样的陈述可以将“请_做_”的语法与表示空隙的下划线部分进行匹配。主自然语言处理器可以识别出该自然语言查询符合该语法的形式,以使得在该“叫出租车”的情况下,该自然语言查询被识别为具有调用被称为“应用X”的应用来做事的意图。因此,该主自然语言处理器可以调用应用X对话查询处理器并向其传递意图和可能的一个或多个实体,其指示应用X发起用于叫出租车的操作。
发明内容
在本文中讨论的用于计算机化的自然语言意图分派的工具和技术可以允许主自然语言处理器将意图确定分派至一个或多个扩展自然语言处理器。在针对自然语言对话计算机系统的计算机架构和操作方面的该转变可以以将在下文中讨论的一个或多个方式来改进这样的计算机系统。
在一个方面中,所述工具和技术可以包括经由主自然语言处理器来处理自然语言查询。可以将关于产生查询意图的请求从主自然语言处理器分派至扩展自然语言处理器。可以响应于所分派的请求而经由扩展自然语言处理器来生成查询意图,其中,对意图的生成是与主自然语言处理器无关地被执行的。可以响应于关于产生查询的意图的请求而将自然语言查询的意图从扩展自然语言处理器传递至主自然语言处理器。可以经由主自然语言处理器产生对用于对所述意图进行响应的对话查询处理器的计算机可读的选择。另外地,可以将用于对查询的意图进行响应的计算机可读指令传递至所选择的对话查询处理器,其中,计算机可读指令标识所述查询的意图。
在所述工具和技术的另一方面中,可以经由主自然语言处理器来处理自然语言查询,其中,所述处理包括产生关于产生查询的意图的多个请求。可以将关于产生查询意图的请求从主自然语言处理器分派至一组扩展自然语言处理器,其中,该组扩展自然语言处理器中的每个被配置为与该主自然语言处理器无关地生成该查询的意图。也可以将所述请求分派至没有被配置为生成查询的意图的其他扩展自然语言处理器,其中,一些进行接收的扩展自然语言处理器被编程为理解并产生查询的意图,而其他进行接收的扩展自然语言处理器没有被编程为理解并产生该特定查询的意图。响应于对关于产生扩展自然语言处理器的意图的请求的发送,可以从该组中的每个扩展自然语言处理器接收自然语言查询的意图。可以产生对所接收的意图中的所选择的意图的计算机可读的选择以及对与所选择的意图相匹配的所选择的对话查询处理器的计算机可读的选择。可以将用于对所选择的查询的意图进行响应的计算机可读指令从主自然语言处理器传递至所选择的对话查询处理器。计算机可读指令可以识别所选择的查询的意图。
提供了该发明内容以用简化的形式引入对概念的选择。在以下的具体实施方式中进一步描述了上述概念。该发明内容不旨在标识所要求保护的主题的关键特征或必要特征,也不旨在用于限制所要求保护的主题的范围。类似地,本发明不限于解决在背景技术、具体实施方式、或附图中所讨论的特定技术、工具、环境、缺点、或优点的实现。
附图说明
图1是在其中可以实现所描述的方面中的一个或多个方面的合适的计算环境。
图2是自然语言对话系统的示意图。
图3是计算机化的自然语言查询意图分派技术的流程图。
图4是另一计算机化的自然语言查询意图分派技术的流程图。
具体实施方式
在本文中所描述的方面针对用于计算机化的自然语言查询意图分派的技术和工具。这样的改进可以是通过分别地或组合地使用各种技术和工具而产生的。
这样的技术和工具可以包括自然语言对话计算机系统,其具有意图匹配器或者扩展自然语言处理器的可扩展注册,所述自然语言对话计算机系统能够将特定的自然语言查询与来自多个意图匹配器的意图进行匹配,并且将该意图路由至合适的对话查询处理器。
例如,针对陈述“我饿了”的用户查询,系统可以将该查询与能够处理该查询的多个扩展自然语言处理器进行匹配,并且产生查询的意图(例如,订购披萨、点咖啡)。所述扩展自然语言处理器中的每个可以是这样的自然语言处理器,其与该系统的主自然语言处理器无关,并且能够返回至少一个意图且还能够针对自然语言查询而返回一个或多个实体。每个扩展自然语言处理器还可以具有以下特征中的一个或多个:扩展自然语言处理器不依赖于对关于产生意图的其他处理器的感知;和/或扩展自然语言处理器能够使用其自身形式的自然语言查询与意图的自然语言匹配来识别查询的意图。该系统还可以通过使用诸如用户排名、用户偏好、上下文信息和/或用户简档之类的数据在多个意图匹配器和/或对话查询处理器之间提供消除模糊的方式,并且有可能接收用户输入选择,例如在不同的意图和/或不同的对话查询处理器之间的选择。
由此,在自然语言对话系统中使用的本文中的工具和技术可以解决如何将对话有效地路由至特定的对话查询处理器(例如,用于天气预报的处理器、用于点食物的处理器等)的常见问题。自然语言对话计算机系统的当前架构可能难以扩展为包括另外的计算机组件,例如以与另外的对话查询处理器一起工作和/或识别对话查询的另外意图。另外地,在主自然语言处理器中涉及的对话对具体的对话查询处理器进行调用可能看上去死板、不自然、和低效。使用本文中的工具和技术的计算机系统可以使用主自然语言处理器来向扩展自然语言处理器分派查询以确定该查询的意图,并且可以使用所述意图来将对话路由至特定的对话查询处理器(例如,用于天气的对话查询处理器、用于订购披萨的对话查询处理器等)。这可以在不需要中央的查询到意图匹配系统(例如,用于从查询产生意图的中央常规表达表和/或中央仲裁器)和/或不需要标识期望的对话查询处理器的明确用户线索(例如,其中自然语言查询必须写成“*让应用X*叫出租车”)的情况下完成。
由此,可以从在本文中所描述的自然语言查询分配工具和技术中实现一个或多个实质性的益处。例如,可以向主自然语言处理器添加另外的扩展以进行使用,其中,每个这样的扩展包括用于意图匹配的扩展自然语言处理器,并且还可以包括用于协助对查询的意图进行响应的自然语言查询处理器。可以在不在主自然语言处理器内添加意图匹配功能的情况下向系统添加这样的扩展,其提供了对自然语言对话系统的能力的多个高效的扩展。同样,可以在不需要对特定查询处理器的明确的自然语言查询标识的情况下,由系统执行将意图匹配和分配意图至查询处理器,由此允许更加有效和自然的对话计算机系统。这还可以通过在不改变主自然语言处理器的核心操作的情况下向系统提供扩展、和/或通过提供能够处理将要由分别的和/或与主自然语言处理器独立地操作的组件所处理的宽泛的多种自然语言查询的系统,来改进计算机系统在处理自然语言查询时的效率。
在所附权利要求书中所定义的主题不一定限于在本文中所描述的益处。本发明的特定实现可以提供在本文中所描述的全部、一些益处,或者不提供在本文中所描述的益处。尽管出于演示的目的以特定的先后顺序在本文中描述了各种技术的操作,但应当理解的是,除非要求特定的顺序,否则这样的描述方式包含了操作顺序的重新安排。例如,在一些情况下,顺序描述的操作可以被重新安排或者同时执行。此外,为了简单的目的,流程图可能没有示出特定的技术可以与其他技术相结合地使用的各种方式。
在本文中所描述的技术可以与在本文中所描述的系统中的一个或多个和/或与一个或多个其他系统一起使用。例如,可以利用硬件或软件、或两者的组合来实现在本文中所描述的各种过程。例如,下文参考图1所讨论的处理器、存储器、存储、输出设备、输入设备、和/或通信连接中的每个可以是一个或多个硬件组件的至少一部分。专用硬件逻辑组件可以被构建为实现在本文中所描述的技术中的一个或多个技术的至少一部分。例如且非限制,这样的硬件逻辑组件可以包括现场可编程门阵列(FPGA)、程序专用集成电路(ASIC)、程序专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等。可以包括具有各种方面的装置和系统的应用可以宽泛地包括多种电子和计算机系统。可以使用两个或更多个具体的相互连接的硬件模块或设备来实现技术,所述硬件模块或设备具有能够在模块之间被传送的相关控制和数据信号,或者作为应用专用集成电路的一部分。另外地,在本文中所描述的技术可以通过能够由计算机系统执行的软件程序来实现。作为示例,实现可以包括分布式处理、组件/对象分布式处理、以及并行处理。此外,虚拟的计算机系统处理可以被构建为实现所述技术或功能中的一个或多个,如在本文中所描述的。
I.示例性计算环境
图1示出了在其中可以实现所描述的方面中的一个或多个的合适的计算环境(100)的一般化示例。例如,一个或多个这样的计算环境可以被用作在用于提供自然语言对话的计算机特征的服务中的客户端设备和/或设备。一般而言,可以使用各种不同的计算系统配置。可以适合与在本文中所描述的工具和技术一起使用的公知计算系统配置的示例包括,但不限于,服务器群和服务器聚类、个人计算机、服务器计算机、智能电话、膝上型设备、板式设备、游戏机、多处理器系统、基于微处理器的系统、可编程消费型电子产品、网络PC、小型计算机、大型计算机、包括以上的系统或设备中任何一个的分布式计算环境,等等。
计算环境(100)并不旨在暗示关于本发明的使用或功能的范围的任何限制,这是由于本发明可以在不同类型的计算环境中被实现。
参考图1,将讨论所示出的各种基于硬件的计算机组件。如将讨论的,这些硬件组件可以存储和/或执行软件。计算环境(100)包括至少一个处理单元或处理器(110)和存储器(120)。在图1中,该最基本的配置(130)被包括在虚线内。处理单元(110)执行计算机可执行的指令并且可以是真实的或虚拟的处理器。在多处理系统中,多个处理单元执行计算机可执行的指令以增加处理能力。存储器(120)可以是易失性存储器(例如,寄存器、高速缓存、RAM)、非易失性存储器(例如,ROM、EEPROM、闪速存储器)、或这两者的某一组合。存储器(120)存储实现自然语言查询意图分派的软件(180)。自然语言查询意图分派的实现可以涉及在硬件逻辑中被实现为软件(180)的替代方案或补充的处理器(110)和存储器(120)的活动中的全部或部分。
尽管为了清楚的目的,用线示出图1的各种框,但实际上,对各种组件划界并不是那么清楚,且打个比方,图1种的线和下文讨论的其他图形更准确地将是灰色且模糊的。例如,人们可能将诸如显示设备之类的演示组件认为是I/O组件(例如,如果显示设备包括触摸屏)。同样,处理器具有存储器。在此,发明人认识到这是技术的性质并且重申图1的图仅仅说明可以结合在本文中所讨论的技术的一个或多个方面来使用的示例性计算设备。在诸如“工作站”、“服务器”、“膝上型计算机”、“手持设备”等之类的种类之间不进行区分,这是由于它们全部都在图1的范围内且参考“计算机”、“计算环境”、或“计算设备”可以被预期。
计算环境(100)可以具有另外的特征。在图1中,计算环境(100)包括存储器(140)、一个或多个输入设备(150)、一个或多个输出设备(160)、以及一个或多个通信连接(170)。诸如总线、控制器、或网络之类的互连机制(未示出)将计算环境(100)的组件相互连接。一般地,操作系统软件(未示出)为在计算环境(100)中执行的其他软件提供了操作环境,并且协调计算环境(100)的组件的活动。
存储器(120)可以包括存储(140)(但为了方便在图1中分别被描绘),存储器可以是可移动或不可移动的,并且可以包括诸如闪速驱动器、磁盘、磁带或盒式磁带、CD-ROM、CD-RW、DVD之类的计算机可读存储介质,其可以用于存储信息并且可以在计算环境(100)内被访问。存储(140)存储针对软件(180)的指令。
输入设备(150)可以是各种不同的输入设备中的一个或多个。例如,输入设备(150)可以包括诸如鼠标、键盘、轨迹球等之类的用户设备。输入设备(150)可以实现一个或多个自然用户接口技术,例如话音识别、触摸和触笔识别、与输入设备(150)接触以及与输入设备(150)邻近的手势的识别、空中手势的识别、头部和眼睛跟踪、语音和话音识别、感测用户脑活动(例如,使用EEG和相关方法)、以及机器智能(例如,使用机器智能来理解用户意图和目标)。作为其他示例,输入设备(150)可以包括扫描设备;网络适配器;CD/DVD读取器;或者向计算环境(100)提供输入的另一设备。输出设备(160)可以是显示器、打印机、扬声器、CD/DVD写入器、网络适配器、或从计算环境(100)提供输出的另一设备。输入设备(150)和输出设备(160)可以被并入到单个系统或设备中,例如触摸屏或虚拟现实系统。
通信连接(170)使能通过通信介质到另一计算实体的通信。另外地,计算环境(100)的组件的功能可以在单个计算机器中或者能够通过通信连接进行通信的多个计算机器中被实现。因此,计算环境(100)可以使用到诸如手持计算设备、个人计算机、服务器、路由器、网络PC、对等设备或另一公共网络节点之类的一个或多个远程计算设备的逻辑连接而在联网的环境中操作。通信介质在调制的数据信号中传达诸如数据或计算机可执行指令或请求之类的信息。调制的数据信号是这样的信号,其以将信息编码在该信号中的方式设置或改变其特性中的一个或多个。作为示例而非限制,通信介质包括利用电气、光学、RF、红外、声音、或其他载波实现的有线或无线技术。
可以在计算机可读介质的一般上下文中描述所述工具和技术,所述计算机可读介质可以是存储介质或通信介质。计算机可读存储介质是能够在计算环境内被访问的任何可用的存储介质,但术语计算机可读存储介质不指代传播的信号本身。作为示例而非限制,利用计算环境(100),计算机可读存储介质包括存储器(120)、存储(140)、以及以上的组合。
可以在目标真实或虚拟处理器上在计算环境中执行的计算机可执行指令(例如,在程序模块中所描述的那些指令)的一般上下文中描述所述工具和技术。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、库、对象、类、组件、数据结构等。如在各种方面中所期望的,程序模块的功能可以在程序模块之间被组合和分开。可以在本地的或分布式计算环境内执行针对程序模块的计算机可执行指令。在分布式计算环境中,程序模块可以位于本地的和远程的计算机存储介质两者中。
出于演示的目的,具体实施方式使用如“确定”、“选择”、“调整”、以及“操作”的术语来描述计算环境中的计算机操作。这些和其他类似的术语是对由计算机执行的操作的高级抽象,并且除非明确指出了由人类(例如“用户”)对动作的执行,否则不应当与由人类所执行的动作混淆。与这些术语相对应的实际的计算机操作根据实现而不同。
II.自然语言对话计算机系统
图2是自然语言对话计算机系统(200)的示意图,结合其可以实现所描述的方面中的一个或多个。
可以使用计算机系统硬件来发送在本文中所讨论的各种设备与组件之间的通信,所述计算机系统硬件例如单个计算设备中的硬件、多个计算设备中的硬件、和/或计算机网络硬件。如果组件以指导该系统将数据项或通信路由到目的地的方式向该系统传递该通信或数据项(例如,通过包括与目的地相关联的合适的标识符或地址),则可以认为该通信或数据项是由该组件发送至该目的地的。同样,数据项可以以多种方式来发送,例如通过直接发送该项或者通过发送包括用于由接收机访问该数据项的地址或指针的通知。另外,可以通过发送请求对多个任务的执行的单个请求来发送多个请求。
现在参考图2,将讨论计算机系统(200)的组件。在本文中所讨论的计算机组件中的每个包括硬件,并且还可以包括软件。例如,图2的组件可以整体在计算机硬件中实现,例如在片上系统配置中。可替代地,可以在根据计算机软件被配置并且运行计算机软件的计算机硬件中实现组件。所述组件可以以各种不同的方式跨计算机器分布或者被分组在单个计算机器中。例如,单个组件可以跨多个不同的计算机器分布(例如,组件的操作中的一些在一个或多个客户端计算设备上被执行,并且组件的其他操作在服务器的一个或多个机器上被执行)。
仍然参考图2,计算机系统(200)可以包括一个或多个客户端设备(210)和服务器系统(212),服务器系统(212)自身包括下文讨论的多个组件。
A.客户端设备
每个客户端设备(210)可以从诸如语音输入、文本输入、符号语言输入、或其他手势输入之类的用户输入中产生自然语言输入,且可以以自然语言查询(214)的形式转发该输入(其可以是问题、陈述等),并且客户端设备(210)还可以输出与包括相关联的查询(214)的对话相对应的对话标识符(216)。具体地,客户端设备(210)可以向服务器系统(212)发送查询(214),并且可以接收回计算机可读的回答(218)。客户端设备(210)可以以计算机显示器和/或扬声器上的视觉显示和/或语音输出的形式呈现自然语言回答(218)。例如,所呈现的自然语言可以采用输出卡片或普通视觉和/或音频自然语言的形式。
作为示例,用于服务器系统(212)与客户端设备(210)的集成的可能的协议可以是通过对结构化JSON请求和/或响应的使用的。利用这样的协议,不同的客户端设备(210)可以解析JSON响应回答(218),其中不同的客户端产生不同的显示,如由客户端设备(210)所确定的。可替代地,可以使用不同的协议,其中,服务器系统(212)可以例如使用一个或多个Web用户界面语言(例如,HTML、CSS和/或Java Script)来指示回答(218)的显示的视觉布局的全部或部分。由此,回答(218)可以采用在现有的自然语言系统中被使用的数字“卡片”的形式。在客户端设备(210)上呈现的回答(218)可以是交互式的(例如,包括所显示的控件或其他交互式元素)或非交互式的。如上文所讨论的,回答(218)的显示的布局可以由客户端设备(210)和/或由服务器系统(212)的一个或多个组件来指示。另外地,关于在本文中所讨论的其他数字通信,回答(218)可以在其被传递通过自然语言对话系统(200)中的组件时被不同的组件修改,并且仍然可以被认为是相同的回答(218)。
B.主自然语言处理器
服务器系统(212)可以包括主自然语言处理器(220)。主自然语言处理器(220)可以接收自然语言查询(214)和对话标识符(216),可以处理这些查询(214),并且可以利用自然语言回答(218)以自动化的方式进行响应。针对一些查询(214),主自然语言处理器(220)可以识别或生成所述查询(214)的意图,并且有可能还在主自然语言处理器(220)内识别或生成这些意图的实体。主自然语言处理器(220)还可以使用这些意图和实体来生成对查询的响应。
主自然语言处理器(220)可以访问和/或管理计算机可读用户简档(224),其可以包括用户身份(226)。用户简档(224)可以包括其他计算机可读数据,例如指示用户简档(224)的偏好的数据。主自然语言处理器(220)可以在构造对查询的回答时使用这样的用户简档(224)。简档数据还可以来自客户端设备(210),例如来自客户端设备(210)的位置或其他传感器数据。在一些场景中,用户可以选择仅将简档数据保存在客户端设备(210)上或者在独立的简档存储中(实际上,用户简档(224)中的一些或全部可以在这样的独立的简档存储中),并且仅基于诸如位置、时间、或查询类型之类的参数来提供某些数据。
主自然语言处理器(220)可以包括扩展(330)的注册(222)。例如,每个注册(222)可以包括指示主自然语言处理器(220)与对应的扩展(230)进行交互的数据,并且有可能还包括关于这样的交互如何发生的细节(例如,通过包括针对扩展(230)的标识符和/或地址、要在与扩展(230)进行通信时使用的协议的细节等)。针对一些查询(214),主自然语言处理器(220)可能没有被装备为自己产生意图和实体(或至少没有预先确定的水平的置信度)。为了产生这样的意图和实体,主自然语言处理器(220)可以将所接收的查询分派至扩展(230)。与扩展(230)进行交互的主自然语言处理器(220)的另外的特征将在下文中在对扩展的组件的讨论中被讨论。如果对扩展(230)的使用不产生对查询的具体回答(例如,在没有扩展能够以足够的置信度产生具体的回答的情况下),主自然语言处理器(220)可以退回到默认动作,例如返回Web搜索结果作为对查询的回答。
C.扩展
扩展(230)可以向主自然语言处理器(220)预先注册,例如在扩展(230)被开发并注册为主自然语言处理器(220)的初始开发的一部分的情况下。作为另一示例,扩展(230)可以从在线市场或扩展的库中获得,并且可以在主自然语言处理器(220)被初始开发和运行之后,向主自然语言处理器(220)注册。作为另一示例,扩展(230)可以针对特定租户(例如,公司简档)而被具体地开发,并且可以在主自然语言处理器(220)被初始开发和运行之后向主自然语言处理器(220)注册。
每个扩展可以包括扩展自然语言处理器(232),并且还可以包括对话查询处理器(234)。扩展(230)还可以包括另外的组件和/或数据,例如针对扩展的元数据、标题、标志、扩展的描述等。针对一些扩展,可以在主自然语言处理器(220)中内部地执行对话查询处理器(234)的功能,以使得在主自然语言处理器之外的扩展(230)不包括对话查询处理器(234),但仍然包括扩展自然语言处理器(232)。在下文讨论了扩展自然语言处理器(232)和对话查询处理器(234)的特征。
D.扩展自然语言处理器
针对扩展(230)的自然语言处理器(232)是这样的组件,其可以接收自然语言查询(214)、处理查询(214)、以及返回查询(214)的意图(240),并且有可能还返回针对意图(240)的一个或多个实体(242)。针对不同的扩展(230)的扩展自然语言处理器(232)可以与主自然语言处理器(220)无关地操作,以使得每个扩展自然语言处理器(232)可以在没有对主自然语言处理器(220)的内部操作的感知的情况下操作。同样,针对不同扩展(230)的不同扩展自然语言处理器(232)可以彼此独立地操作,以使得能够在没有对其他扩展自然语言处理器(232)的内部操作的感知的情况下操作。然而,扩展自然语言处理器(232)仍然可以利用一些常见的组件,例如针对不同的扩展自然语言处理器(232)具有多个不同端点的主自然语言理解组件。可替代地,不同的扩展自然语言处理器(232)可以利用分别的和不同的语言理解组件。
作为示例,预先存在的语言理解组件可以通过将自然语言文本(及可能的诸如密钥和对话标识符(216)之类的其他信息)传递至该组件而被调用,其具有返回意图(240)的请求以及有可能地表示自然语言文本含义的实体(242)。向语言理解组件提交的不同的密钥和/或应用标识符可以用于不同的自然语言,由此向语言理解组件发信号通知正在使用哪种语言。语言理解组件可以包括用于自然语言理解的一个或多个已知的组件。例如,语言理解组件可以利用自然语言的词典,以及用于将每个自然语言分成短语的数据表示的解析器和语法规则。语言理解组件还可以利用语义理论来指导理解,例如,用于从文本导出含义的基于素朴语义学、随机语义分析、和/或语用学的理论。同样,语言理解组件可以包含逻辑推理技术,例如通过将所导出的含义映射到谓词逻辑中的一组断言中,并且接着使用逻辑推理来到达关于文本含义的结论。使用这样的语言理解技术的结果,语言理解组件可以将产生的所导出的含义映射至要传递回主自然语言处理器(220)的一个或多个意图(240)和/或实体(242),如上文所讨论的。扩展自然语言处理器(232)还可以产生针对所返回的意图(240)的置信度分数,利用这样的置信度分数来量化在将查询(214)映射到所返回的意图(240)上时扩展自然语言处理器(232)的功能的强度。
尽管扩展自然语言处理器(232)可以使用常见的底层语言理解组件,但每个扩展自然语言处理器(232)可以针对正被开发的类型的扩展以个性化的方式开发。例如,这样的开发可以包括以语言理解组件所支持的编程语言来定义意图模型,其中,语言理解组件充当在其上可以以标准方式建立不同的扩展自然语言处理器(232)的平台。例如,用于处理问候的扩展可以被编程为响应于一般的问候(例如,“你好”、“今天你还好吗?”等)而使用语言理解组件来产生意图和实体。作为另一示例,用于订购披萨的扩展可以被编程为响应于处理订购披萨的一般命令(例如,“我饿了”、“我想要披萨”、“给我一个意大利辣香肠披萨?”、“我在哪能吃到披萨”等)而使用语言理解组件来产生意图和实体。扩展自然语言处理器(232)的这样的编程可以与主自然语言处理器(220)的开发无关地被执行,其中主自然语言处理器(220)仅仅利用针对扩展自然语言处理器(232)的注册(222)中的数据。由此,该架构可以在开发和维护自然语言对话系统(200)的另外的功能中以及在自然语言对话系统(200)的操作中提供增加的效率和灵活性。
在自然语言对话系统(200)的架构中的扩展自然语言处理器(232),无论其是直接地还是从市场安装在自然语言对话系统(200)中,都可以充当用户输入与任务输入之间的翻译器,例如在自然语言查询(214)和自然语言查询(214)的意图(240)之间(有可能还产生实体(242))。在扩展自然语言处理器(232)与主自然语言处理器(220)无关的情况下,诸如数据存储问题、数据合规问题、以及带宽问题之类的问题可以由扩展(230)的开发者来处理。另外地,扩展自然语言处理器(232)的开发者和/或管理员可以在他们认为适合他们自己的扩展(230)时,控制并改进其自己开发的扩展自然语言处理器(232),在很大程度上与主自然语言处理器(220)的开发无关。
扩展自然语言处理器(232)可以利用共享的意图被分成多个类别。例如,“开灯”可以是针对“照明”扩展的单个意图。该照明扩展可以将该意图路由至产生相关联的查询(214)的客户端设备(210)的位置中的照明装置的合适系统。例如,这样的路由可以由扩展(230)的对话查询处理器(234)来执行。指示这样的位置的数据可以与查询(214)一起(例如,与陈述“开灯”的查询一起)从客户端设备(210)被发送。来自客户端设备(210)的这样的数据可以被认为是简档数据(其指示用户简档(224)的位置,例如用户简档(224)用来与服务器系统(212)进行交互的客户端设备(210)的位置)。
E.由主自然语言处理器对意图和对话查询处理器的选择
主自然语言处理器(220)可以从扩展自然语言处理器(232)接收意图(240)和实体(242)。在一些实例中,针对特定查询(214),仅来自单个扩展自然语言处理器(232)的单个意图可以被返回至主自然语言处理器(220)。在其他实例中,针对特定的查询(214),可能没有匹配的意图(240)被返回,并且主自然语言处理器(220)可以采取默认动作,如上文所讨论的。在其他实例中,可以从多个不同的扩展自然语言处理器(232)返回多个意图(240)。
例如,主自然语言处理器(220)可以已经向一大组扩展自然语言处理器(232)发送了查询(214),并且仅这些扩展自然语言处理器(232)的子集能够理解该特定的查询(214)并且返回对应的意图(240)。作为示例,如果主自然语言处理器(220)将陈述“我饿了”的查询(214)发送至多个不同的扩展自然语言处理器(232),则针对披萨订购扩展的扩展自然语言处理器可以被编程为返回该查询的意图,并且用于在餐厅进行预订的另一扩展自然语言处理器可以被编程为返回该查询的意图,但是针对调度乘坐出租车的扩展的扩展自然语言处理器可以不被编程为返回该查询的意图。因此,主自然语言处理器(220)可以向所有三个扩展自然语言处理器(232)都发送查询,但其可能仅从披萨订购扩展自然语言处理器接收回“订购披萨”的意图并且从餐厅预订扩展自然语言处理器接收回“进行预订”的意图。
主自然语言处理器(220)可以将意图(240)与对应的对话查询处理器(234)进行匹配。例如,扩展自然语言处理器(232)可以是与对应的对话查询处理器(234)相同的扩展(230)的一部分,如在针对该扩展(230)的注册(222)中向主自然语言处理器(220)所指示的。因此,在从特定的扩展自然语言处理器(232)接收了意图(240)之后,主自然语言处理器(220)可以查找针对该扩展自然语言处理器的扩展(230)的注册(222),以找到与对应的对话查询处理器(234)相关的数据。作为另一示例,与返回意图(240)一起,扩展自然语言处理器还可以返回处理该意图(240)的对话查询处理器(234)的标识符(例如,地址等)。主自然语言处理器(220)可以使用这样的标识符来将所接收的意图(240)与匹配的对话查询处理器(234)进行匹配。
在针对单个查询(214)从多个扩展自然语言处理器(232)接收了多个意图(240)的情况下,主自然语言处理器(220)可以选择意图(240)并且可以将所选择的意图(240)与该意图(240)的对应的对话查询处理器(234)进行匹配,并且还选择对话查询处理器(234)以便处理对查询(214)的响应。从多个不同的意图(240)中对意图(240)的该选择可以涉及从多个意图(240)中消除模糊。由主自然语言处理器(220)消除模糊以选择意图(240)可以包括将与被考虑的多个不同意图(240)相关的多个不同信号或数据项的因素纳入计算,以产生针对不同意图(240)的分数。
例如,不同的因素可以被加权和组合,例如通过将被考虑的每个意图(240)的不同因素的多个不同的加权分数加在一起。例如,这些因素可以包括基于策略的因素(其可以包括由一个或多个管理员用户对不同选项的排名和/或要应用于其他因素的计算机可读的规则)、上下文信息(例如,客户端设备(210)的位置、当前在客户端设备(210)中登录并发送该查询(214)的用户简档(224)的偏好、当前的预算等级等)、选择意图的过去的用户输入、由扩展自然语言处理器(232)与意图(240)一起提供的意图(240)的置信度等级(尤其是在主自然语言处理器(220)可以将这样的置信度等级验证为彼此一致的情况下)、和/或其他因素。
作为这样的其他因素的示例,可以基于产生和提供相应意图的扩展自然语言处理器(232)的层来给意图(240)排出优先顺序。例如,所述层可以包括第一方扩展自然语言处理器层和第三方扩展自然语言处理器层,其中,意图选择偏好由在第一方扩展自然语言处理器层中的扩展自然语言处理器(232)产生并提供的那些意图。
不同因素的使用和/或针对因素的权重可以在最初被设置,并且可以随着时间被修改,例如通过使用机器学习反馈循环来调整计算机可读选择模型。可以对通过组合这样的因素的数量所产生的不同意图(240)的分数进行排名,以产生意图(240)的排名。在一些实例中,可以自动地选择排名最高的意图(240)。在其他实例中,可以由主自然语言处理器(220)使用所述排名以形成回答(218),该回答(218)从客户端设备(210)请求选择意图(240)之一的输入(用户输入)。该回答(218)可以提供以其排名的顺序对可用意图(240)的选择,这允许来自客户端设备(210)的用户输入从可用的意图(240)中选择意图(240)。这样的回答(218)可以将分数落到指定阈值以下的一个或多个可用意图排除在外,例如设定分数的阈值或者在指定数量的意图(240)以下的阈值(例如,将除了排名前5的意图(240)之外的全部意图排除在外)。主自然语言处理器(220)可以基于不同意图(240)的排名分数来确定是否要在回答(218)中请求用于选择意图(240)的用户输入。例如,如果排名最高的两个意图(240)的分数之间的差没有预先确定的量大,和/或如果分数最高的意图(240)不高于预先确定的阈值,则主自然语言处理器(220)可以请求用户输入。
因此,可以选择意图(240)作为唯一可用的意图(240),可以从由主自然语言处理器(220)执行的排名中将意图(240)选择为排名最高的意图,或者可以通过来自客户端设备(210)的用户输入数据来选择意图。在这些实例的任何一个中,主自然语言处理器(220)可以将所选择的意图与对话查询处理器(234)进行匹配,以针对所选择的意图(240)来处理查询(214),如上文所讨论的。
主自然语言处理器(220)还可以将所选择的意图(240)与其他对应的数据一起发送至所选择的对话查询处理器(234)。例如,该其他数据可以包括针对所选择的意图(240)的一个或多个实体(242)、对话标识符(216)、经掩蔽的用户标识符(250)、和/或其他数据。
经掩蔽的用户标识符(250)可以被掩蔽(被修改为隐藏从其处导出经掩蔽的用户标识符(250)的底层标识符)以保护对应用户的信息的隐私。例如,针对用户简档(224)的经掩蔽的用户标识符(250)可以是由主自然语言处理器(220)随机生成的、全局唯一的、与用户简档(224)相关联的标识符(并且有可能还与特定的扩展(230)相关联,以使得该全局唯一的标识符特定于扩展(230)且特定于用户简档(224))。作为另一示例,可以使用标准哈希函数(例如,基于SHA-1或MD 5的哈希函数)来对用户身份(226)进行哈希运算,并且所产生的哈希可以作为经掩蔽的用户标识符(250)而被发送。针对任一示例,经掩蔽的用户标识符(250)可以特定于扩展(230),这可以包括特定于接收经掩蔽的用户标识符(250)的对话查询处理器(234)。这会抑制管理特定对话查询处理器(234)的这些与管理其他对话查询处理器(234)的这些有效地共享关于特定用户标识符的信息。例如,在以上的哈希示例中,主自然语言处理器(220)可以针对每个扩展(230)具有不同的标识符,并且不同的标识符可以与用户身份(226)一起被输入到哈希函数中(其中,扩展(230)的标识符可以是哈希函数中的“盐”值)。然而,对话查询处理器(234)仍然可以跟踪经掩蔽的用户标识符(250)以针对特定的用户简档提供个性化的处理和响应,例如通过跟踪先前已经使用过对话查询处理器(234)的特定用户简档的偏好。
F.对话查询处理器
每个对话查询处理器(234)被配置为接受并处理意图(240)以及可能的其他对应的计算机可读数据,例如一个或多个实体(242)、对话标识符(216)、和/或经掩蔽的用户标识符(250)。在处理了该数据之后,对话查询处理器(234)可以生成响应于实体(242)并且可能地响应于所接收的其他数据的回答(218)。对话查询处理器(234)可以与主自然语言处理器(220)无关地操作并且被开发,但在一些配置中,对话查询处理器(234)可以与主自然语言处理器(220)相集成。主自然语言处理器(220)可以监视与对话查询处理器(234)和/或自然语言处理器(232)的交互,并且在某些情形下进行干涉。例如,主自然语言处理器(220)可以响应于陈述“取消该对话”或“将该对话挂起”的查询(214)而进行干涉,即使该查询(214)被引导至对话查询处理器(234)。由主自然语言处理器(220)进行的这样的干涉可以向用户简档(224)提供安全出口以结束或暂停与扩展(230)的对话。主自然语言处理器(220)还可以生成并保存与扩展的对话的历史记录。这样的历史记录可以由自然语言处理器(220)和扩展(230)使用以恢复已经被暂停的对话。
对话查询处理器(234)可以将所接收的意图(240)和可能的所接收的其他数据的组合映射到计算机可读的回答(218)上。对回答(218)的生成还可以包括将在服务器系统(212)中存储的一个或多个预先定义的语句填在空中。例如,来自对话查询处理器(234)的回答(218)可以提供回答(218)的自然语言脚本(script),其中自然语言脚本是表示回答(218)的自然语言的计算机数据。回答可以在不被主自然语言处理器(220)处理的情况下从对话查询处理器(234)被发送至进行请求的客户端设备(210)。可替代地,主自然语言处理器(220)可以接收回答(218)并且将回答(218)发送至客户端设备(210)。另外地,主自然语言处理器(220)可以在将回答(218)发送至客户端设备(210)之前修改回答(218)。例如,主自然语言处理器(220)可以向该回答添加特征,例如添加控件(例如,可以被选择以提供响应的按钮,例如,允许用户输入对回答(218)中的是/否问题提供回答的“是”按钮和“否”按钮)。
对话查询处理器(234)可以为要在客户端设备(210)的计算机显示器上显示的回答(218)提供表示视觉特征的数据。同样,针对要可听见地播放的回答(218),可以使用对话查询处理器(234)、主自然语言处理器(220)、客户端设备(210)、和/或自然语言对话系统(200)中的其他地方中的文本到对话组件将文本数据转换成话音。同样地,针对到客户端设备(210)中的语音用户输入,可以使用客户端设备(210)、主自然语言处理器(220)、扩展自然语言处理器(232)、和/或在自然语言对话系统(200)中的其他地方中的话音到文本组件来将这样的语音输入转换成文本数据。
除了提供响应于所接收的意图(240)的回答(218)之外,对话查询处理器(234)可以执行由意图(240)所请求的多个任务。例如,如果意图是要求订购披萨,则除了发送自然语言回答(218)之外,任务可以实际上输入针对披萨的订单(对任务的执行),以确认已经点了披萨。在一些实例中,由对话查询处理器(234)执行的任务可以是指示另一组件执行任务。例如,如果对话查询处理器(234)没有被配置为输入披萨订单本身或者处理针对披萨的支付,则可以通过请求另一计算机组件输入披萨订单或者处理支付来执行该任务。
可选地,对话查询处理器(234)可以请求简档数据(名字、电子邮件、电话号码等)和/或上下文数据(位置、时区、日历),这可以允许对话查询处理器(234)提供更好的回答(218)和/或更能够以匹配简档和上下文数据的方式来执行任务。具体地,主自然语言处理器(220)可以允许这样的请求并提供所请求的信息或者拒绝该请求。例如,主自然语言处理器(220)可以向客户端设备发送针对对话查询处理器(234)的请求以访问所请求的信息,其中该请求描述了请求访问的数据的类型并且还描述了进行请求的扩展(230)。当被安装时或者在安装之后,一些扩展(230)可以根据策略而针对对指定类型的数据的访问被预先同意或预先拒绝。
G.多轮(turn)对话处理
扩展(230)可以被配置为存储对对话状态的表示,以及使用上文所讨论的意图(240)来处理多轮对话。例如,这样的对状态的表示可以由扩展(230)的对话查询处理器(234)来保存和更新,并且能够由该同一扩展(230)的扩展自然语言处理器(232)来访问。
在一个方面中,扩展自然语言处理器(232)可以包括这样的服务,其接收并处理对话标识符(216),并且返回标识语言理解组件的端点的数据,所述语言理解组件充当针对对话中的特定查询(214)的扩展自然语言处理器(232)。扩展(230)可以跟踪对话的状态,并且针对对话的不同状态返回语言理解组件(其仍可以被认为是同一扩展自然语言处理器(232)的一部分,但是其中扩展自然语言处理器(232)针对不同的对话状态在不同的模式中操作)的不同端点的数据。因此,扩展自然语言处理器(232)可以针对对话的不同轮而不同地操作。
H.计算机化的自然语言查询意图分派的示例
现在将讨论一种利用自然语言对话系统(200)的计算机化的自然语言查询意图分派的对话的具体示例。这仅仅是示例,并且根据包括所附权利要求在内的本文的公开的其余部分,许多其他变化是可能的。
在该示例中,主自然语言处理器(220)可以接收陈述“我想要点奶酪披萨”的初始查询以及对话标识符(216)。主自然语言处理器(220)可以确定该主自然语言处理器(220)是否能够使用其自己的自然语言处理能力以足够的置信度来理解并响应初始查询(214)。如果主自然语言处理器(220)确定其不能够这样做,则主自然语言处理器(220)可以将查询(214)转发至一组多个扩展自然语言处理器(232),所述扩展自然语言处理器(232)中的一些可以被编程为以足够的置信度来理解该查询(214),并且其中的一些不被编程为以足够的置信度来理解查询(214)。这些中的一个可以是用于披萨订购扩展(230)的扩展自然语言处理器(232)。在接收了查询(214)之后,针对披萨订购扩展(230)的扩展自然语言处理器(232)可以返回“订购披萨”的意图(240)和“奶酪配料”的实体(242)。其他扩展自然语言处理器(232)还可以响应于查询(214)返回其他实体(242)。主自然语言处理器(220)可以确定在所返回的任何一个意图(240)中是否具有足够的置信度。如果没有,则主自然语言处理器(220)可以向客户端设备请求用户输入,以从意图(240)中进行选择。同样,如果主自然语言处理器(220)在所返回的全部意图(240)中都具有足够低的置信度,则其可以提供其自己的默认响应(例如,针对查询(214)搜索结果),而甚至不要求关于所接收的意图(240)的用户输入。
考虑这样的场景,其中,主自然语言处理器(220)选择“订购披萨”的意图并且将该意图(240)与针对披萨订购扩展(230)的对话查询处理器(234)进行匹配,以使得主自然语言处理器(220)选择披萨订购扩展(230)的对话查询处理器(234)来处理该查询(214)。主自然语言处理器(220)可以将“订购披萨”的意图(240)和“奶酪配料”的实体(242)与对话标识符(216)(其是与查询(214)一起从客户端设备(210)接收的)、以及掩蔽的用户标识符(250)一起发送至披萨订购扩展(230)的对话查询处理器(234)。
对话查询处理器(234)可以用表述“你想要什么大小:小、中、还是大”的回答(218)以及对话标识符(216)和掩蔽的用户标识符(250)来进行响应。对话查询处理器(234)还可以记录对话的状态,所述状态可以与对话标识符(216)相关联。主自然语言处理器(220)可以将回答(218)以及对话标识符(216)转发至客户端设备(210)。客户端设备(210)可以利用表述“大”的第二查询(214)以及针对该对话的对话标识符(216)来进行响应。
主自然语言处理器(220)可以接收“大”查询(214),并且将该查询(214)传递至披萨订购扩展(230)的扩展自然语言处理器(232)。主自然语言处理器(220)可以从对话标识符(216)来识别与披萨订购扩展正在进行的对话,以及仅将该查询(214)转发至披萨订购扩展(230)的扩展自然语言处理器(232)。可替代地,主自然语言处理器还可以将该查询(214)转发至其他扩展自然语言处理器(232)并且也考虑其他响应性意图,但是偏好来自披萨订购扩展(230)的意图。披萨订购扩展(230)的扩展自然语言处理器(232)可以接收与查询(214)一起从主自然语言处理器(220)接收的对话标识符(216),并且访问由对话查询处理器(234)保存的对对话状态的表示,以识别的披萨大小是期望的。由此,扩展自然语言处理器(232)可以将该查询(214)转发至用于识别披萨大小表述的组件。接着,扩展自然语言处理器(232)可以将意图识别为“披萨大小:大”,并且将该意图(240)返回至主自然语言处理器(220)。
主自然语言处理器(220)可以将“披萨大小:大”的意图(240)与对话标识符(216)一起转发至对话查询处理器(234)。对话查询处理器(234)可以识别这完成了披萨订购(例如,通过识别针对披萨订购的数据结构的所有可用的空都被填写了)。对话查询处理器(234)可以完成并提交披萨订单,并且可以利用陈述“你的大号奶酪披萨已经订购”的回答(218)来响应。主自然语言处理器(220)将该回答(218)继续发送至客户端设备(210)以在客户端设备(210)上演示。
III.计算机化的自然语言查询意图分派技术
现在将讨论几个计算机化的自然语言查询意图分派技术。这些技术中的每个可以在计算环境中被执行。例如,每个技术可以在这样的计算机系统中被执行,该计算机系统包括至少一个处理器以及包括在其上存储的指令的存储器,所述指令当由所述至少一个处理器执行时,使得所述至少一个处理器执行该技术(存储器存储指令(例如,对象代码),并且当处理器执行所述指令时,处理器执行该技术)。类似地,一个或多个计算机可读存储器可以具有在其上实施的计算机可执行指令,所述指令当由所述至少一个处理器执行时,使得所述至少一个处理器执行该技术。下文所讨论的技术可以至少部分地由硬件逻辑来执行。
参考图3,将描述计算机化的自然语言查询意图分派技术。该技术可以包括经由主自然语言处理器来处理(310)自然语言查询。该技术还可以包括分派(320)关于产生所述查询的意图的请求,其中,所述分派包括从所述主自然语言处理器分派至扩展自然语言处理器。该技术还可以包括响应于所分派的请求,经由所述主自然语言处理器来生成(330)所述查询的意图,其中,对所述意图的生成是与所述主自然语言处理器无关地被执行的。可以响应于关于产生所述查询的意图的请求,将所述自然语言查询的意图从所述扩展自然语言处理器传递(340)至所述主自然语言处理器。图3的技术还可以包括经由所述主自然语言处理器来产生(345)对用于对所述意图进行响应的对话查询处理器的计算机可读的选择。另外地,所述技术可以包括向所选择的对话查询处理器传递(350)关于对所述查询的所述意图进行响应的计算机可读指令,其中,所述计算机可读指令标识所述查询的意图。在本段中所讨论的技术可以利用随后段落的特征分别地或以这些特征的任何组合来实践。
图3的技术可以包括:从计算机客户端接收所述自然语言查询;经由所述主自然语言处理器,从所选择的对话查询处理器接收对所述查询的所述意图的回答;以及将所述回答从所述主自然语言处理器转发至所述计算机客户端。所述技术还可以包括经由所述主自然语言处理器来修改所述回答以产生经修改的回答(例如,其中,所述回答可以利用图形特征、控件等被增强),其中,对所述回答的转发可以包括转发经修改的回答。同样,所述技术还可以包括响应于对话查询处理器接收到用于对查询的意图进行响应的指令,经由对话查询处理器来产生回答。所述操作还可以包括经由对话查询处理器来在所请求的查询中产生计算机化的动作,其中,所述动作与所述回答不同并且附加至所述回答。
图3的技术可以包括在所述主自然语言处理器是操作的之后并且在经由所述主自然语言处理器对所述自然语言查询的处理之前,将所述扩展自然语言处理器向所述主自然语言处理器注册。
将关于产生所述查询的意图的请求从所述主自然语言处理器向所述扩展自然语言处理器的分派(320)是以下操作的一部分:将关于产生所述查询的意图的多个请求从所述主自然语言处理器分派至一组扩展自然语言处理器中的多个扩展自然语言处理器。同样,经由所述扩展自然语言处理器对所述查询的所述意图的生成(330)是以下操作的一部分:经由所述多个扩展自然语言处理器来生成所述查询的多个意图,其中,对所述意图的所述生成是与所述主自然语言处理器无关地被执行的。所述自然语言查询的所述意图向所述主自然语言处理器的传递(340)是以下操作的一部分:将所述多个意图从所述多个扩展自然语言处理器传递至所述主自然语言处理器。同样,在图3的技术中,对所述对话查询处理器的所述选择的产生可以包括经由所述主自然语言处理器来产生从所述多个意图中对所述意图的计算机可读的选择。对所述意图的所述计算机可读的选择的产生(345)包括基于所述扩展自然语言处理器的层来对所述意图进行优先排序。例如,所述层可以包括第一方扩展自然语言处理器层和第三方扩展自然语言处理器层。同样,对所述意图的所述计算机可读的选择的所述产生包括基于多个不同的因素来将所述意图进行排名,其中所述一个或多个因素可以包括意图的置信度值。然而,对意图的计算机可读的选择的产生包括基于多个不同的因素来对意图进行排名,所述因素可以包括除了置信度值之外的因素或替代置信度值的因素。另外地,可以在产生置信度值时考虑多个因素,如上文所讨论的。
图3的技术的扩展自然语言处理器是与所述主自然语言处理器分离的扩展的一部分。所述技术还可以包括:针对与所述自然语言查询相关联的用户简档而产生经掩蔽的用户简档身份,其中,所述经掩蔽的用户简档身份是特定于所述扩展的;以及将所述经验比的用户简档身份发送至所述扩展。例如,这可以包括将所述经掩蔽的用户简档身份发送至所述扩展的扩展自然语言处理器和/或所述扩展的对话查询处理器。
参考图4,将讨论另一计算机化的自然语言查询意图分派技术。所述技术可以包括经由主自然语言处理器来处理(410)自然语言查询,其中,所述处理包括产生关于产生所述查询的意图的请求。关于产生所述意图的所述请求从所述主自然语言处理器被分派至一组扩展自然语言处理器(420),其中,该组扩展自然语言处理器中的每个被配置为与所述主自然语言处理器无关地生成所述查询的意图(关于产生所述查询的意图的其他请求也可以被发送至没有被配置为生成所述查询的意图的其他扩展自然语言处理器)。响应于对关于产生扩展自然语言处理器的意图的请求的发送,可以从该组中的每个扩展自然语言处理器接收(430)自然语言查询的意图。可以产生(440)对所接收的意图中的所选择的意图的计算机可读的选择以及对匹配于所选择的意图的所选择的对话查询处理器的计算机可读的选择。可以将用于对所选择的查询的意图进行响应的计算机可读指令从所述主自然语言处理器传递(450)至所选择的对话查询处理器。计算机可读指令可以识别所选择的查询的意图。
尽管已经用特定于结构化特征和/或方法动作的语言描述了本主题,但是要理解的是,在所附权利要求中所定义的主题不一定限于在上文中所描述的特定特征或动作。相反,在上文中所描述的特定特征和动作是作为实现权利要求的示例性形式而被公开的。
Claims (10)
1.一种计算机系统,包括:
至少一个硬件处理器;以及
包括存储在其上的指令的存储器,所述指令当由至少一个硬件处理器执行时,使得至少一个硬件处理器执行以下操作,包括:
经由主自然语言处理器来处理从客户端设备接收到的自然语言查询,所述查询包括对话标识符;
将关于产生所述查询的意图的请求从所述主自然语言处理器分派至多个扩展自然语言处理器;
响应于所分派的请求,经由所述多个扩展自然语言处理器中的每个扩展自然语言处理器来生成所述查询的意图,其中,对所述意图的生成是与所述主自然语言处理器无关地被执行的;
响应于关于产生所述查询的所述意图的所述请求,将所述自然语言查询的所述意图从所述扩展自然语言处理器传递至所述主自然语言处理器;
由所述主自然语言处理器来在多个接收到的意图中选择给定意图;
经由所述主自然语言处理器来产生对用于对所选择的给定意图进行响应的、与生成所选择的给定意图的所述扩展自然语言处理器相对应的对话查询处理器的计算机可读的选择;
向所选择的对话查询处理器传递关于利用回答对所述查询的所选择的给定意图进行响应的计算机可读指令,其中,所述计算机可读指令标识所述查询的所述意图;
由所述对话查询处理器记录与所述对话标识符相关联的对话的状态;
通过所述主自然语言处理器将所述回答以及所述对话标识符转发到所述客户端设备;
在所述主自然语言处理器处从所述客户端设备接收第二查询以及所述对话标识符;以及
将所述第二查询仅转发到生成所选择的给定意图的所述扩展自然语言处理器。
2.根据权利要求1所述的计算机系统,其中,所述操作还包括:
从计算机客户端接收所述自然语言查询;
经由所述主自然语言处理器从所选择的对话查询处理器接收对所述查询的所述意图的回答;以及
将所述回答从所述主自然语言处理器转发至所述计算机客户端。
3.根据权利要求2所述的计算机系统,其中,所述操作还包括经由所述主自然语言处理器来修改所述回答以产生经修改的回答,并且其中,对所述回答的转发包括转发所述经修改的回答。
4.根据权利要求2所述的计算机系统,其中,所述操作还包括:
响应于所述对话查询处理器接收到关于对所述查询的所述意图进行响应的所述指令,经由所述对话查询处理器来产生所述回答;以及
经由所述对话查询处理器来产生在所述查询中所请求的计算机化的动作,其中,所述动作与所述回答不同并且附加至所述回答。
5.根据前述权利要求中的任何一项所述的计算机系统,其中,所述操作还包括:在所述主自然语言处理器是操作的之后并且在经由所述主自然语言处理器对所述自然语言查询的处理之前,向所述主自然语言处理器注册所述扩展自然语言处理器。
6.根据权利要求1-4中的任何一项所述的计算机系统,其中:
将关于产生所述查询的意图的所述请求从所述主自然语言处理器向所述扩展自然语言处理器的分派是以下操作的一部分:将关于产生所述查询的意图的多个请求从所述主自然语言处理器分派至一组扩展自然语言处理器中的多个扩展自然语言处理器;
经由所述扩展自然语言处理器对所述查询的所述意图的生成是以下操作的一部分:经由所述多个扩展自然语言处理器来生成所述查询的多个意图,其中,对所述多个意图的生成是与所述主自然语言处理器无关地被执行的;
所述自然语言查询的所述意图向所述主自然语言处理器的传递是以下操作的一部分:将所述多个意图从所述多个扩展自然语言处理器传递至所述主自然语言处理器;以及
对所述对话查询处理器的所述选择的产生包括经由所述主自然语言处理器来产生从所述多个意图中对所述意图的计算机可读的选择。
7.根据权利要求6所述的计算机系统,其中,对所述意图的所述计算机可读的选择的产生包括基于一个或多个因素来将所述多个意图排名,其中,所述一个或多个因素包括所述多个意图的置信度值。
8.根据权利要求6所述的计算机系统,其中,对所述意图的所述计算机可读的选择的所述产生包括基于多个不同的因素来将所述多个意图排名。
9.根据权利要求1-4中的任何一项所述的计算机系统,其中,所述扩展自然语言处理器是与所述主自然语言处理器分离的扩展的一部分,并且其中,所述操作包括:
针对与所述自然语言查询相关联的用户简档而产生经掩蔽的用户简档身份,其中,所述经掩蔽的用户简档身份是特定于所述扩展的;以及
将所述经掩蔽的用户简档身份发送至所述扩展。
10.一种计算机实现的方法,包括以下操作:
经由主自然语言处理器来处理从客户端设备接收到的自然语言查询,其中,所述处理包括产生关于产生所述查询的意图的请求,所述查询包括对话标识符;
分派关于产生所述查询的意图的所述请求,其中,关于产生所述意图的所述请求从所述主自然语言处理器被分派至多个扩展自然语言处理器,所述多个扩展自然语言处理器被配置为与所述主自然语言处理器无关地生成所述查询的意图;
响应于将关于产生意图的所述请求向所述多个扩展自然语言处理器的分派,从所述多个扩展自然语言处理器中的每个扩展自然语言处理器接收所述自然语言查询的意图;
由所述主自然语言处理器来在多个接收到的意图中选择给定意图,
经由所述主自然语言处理器来处理所选择的给定意图,其中,所述处理包括产生对与生成所选择的给定意图的所述扩展自然语言处理器相对应的对话查询处理器的计算机可读的选择;
向所选择的对话查询处理器传递关于利用回答对所述查询的所选择的给定意图进行响应的计算机可读指令,其中,所述计算机可读指令标识所述查询的所选择的给定意图;
由所述对话查询处理器记录与所述对话标识符相关联的对话的状态;
通过所述主自然语言处理器将所述回答以及所述对话标识符转发到所述客户端设备;
在所述主自然语言处理器处从所述客户端设备接收第二查询以及所述对话标识符;以及
将所述第二查询仅转发到生成所选择的给定意图的所述扩展自然语言处理器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/264,568 US10503767B2 (en) | 2016-09-13 | 2016-09-13 | Computerized natural language query intent dispatching |
US15/264,568 | 2016-09-13 | ||
PCT/US2017/050571 WO2018052800A1 (en) | 2016-09-13 | 2017-09-08 | Computerized natural language query intent dispatching |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109716325A CN109716325A (zh) | 2019-05-03 |
CN109716325B true CN109716325B (zh) | 2023-09-12 |
Family
ID=59974853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780056276.3A Active CN109716325B (zh) | 2016-09-13 | 2017-09-08 | 计算机化的自然语言查询意图分派 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10503767B2 (zh) |
EP (1) | EP3513324B1 (zh) |
CN (1) | CN109716325B (zh) |
WO (1) | WO2018052800A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107402912B (zh) * | 2016-05-19 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 解析语义的方法和装置 |
US20190311033A1 (en) * | 2018-04-06 | 2019-10-10 | AI Exchange Ltd | Computer-implemented method for resource management in a computer network |
EP3557439A1 (en) * | 2018-04-16 | 2019-10-23 | Tata Consultancy Services Limited | Deep learning techniques based multi-purpose conversational agents for processing natural language queries |
CN109086332A (zh) * | 2018-07-04 | 2018-12-25 | 深圳供电局有限公司 | 一种电力调度日志查询方法及系统 |
US11086861B2 (en) * | 2019-06-20 | 2021-08-10 | International Business Machines Corporation | Translating a natural language query into a formal data query |
US20220292087A1 (en) * | 2019-08-30 | 2022-09-15 | Servicenow Canada Inc. | Decision support system for data retrieval |
US11270075B2 (en) * | 2019-10-31 | 2022-03-08 | International Business Machines Corporation | Generation of natural language expression variants |
CN110765255A (zh) * | 2019-11-04 | 2020-02-07 | 苏州思必驰信息科技有限公司 | 分布式语音服务系统及方法 |
JP2023503016A (ja) * | 2019-11-22 | 2023-01-26 | ジェネシス クラウド サービシーズ ホールディングス セカンド エルエルシー | ダイアログ管理のためのシステム及び方法 |
US11321534B2 (en) * | 2020-03-11 | 2022-05-03 | International Business Machines Corporation | Conversation space artifact generation using natural language processing, machine learning, and ontology-based techniques |
CN111553162B (zh) * | 2020-04-28 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 一种意图识别的方法以及相关装置 |
US11556716B2 (en) * | 2020-08-24 | 2023-01-17 | Intuit Inc. | Intent prediction by machine learning with word and sentence features for routing user requests |
US11646035B1 (en) * | 2020-09-22 | 2023-05-09 | Amazon Technologies, Inc. | Dialog management system |
CN114036277A (zh) * | 2021-11-15 | 2022-02-11 | 深圳壹账通智能科技有限公司 | 一种对话机器人路由跳转方法、装置、电子设备和介质 |
CN116226332B (zh) * | 2023-02-24 | 2024-02-06 | 华院计算技术(上海)股份有限公司 | 一种基于概念隐喻理论的隐喻生成方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1313972A (zh) * | 1998-08-24 | 2001-09-19 | Bcl计算机有限公司 | 自适应的自然语言接口 |
CN101878476A (zh) * | 2007-06-22 | 2010-11-03 | 谷歌公司 | 用于查询扩展的机器翻译 |
CN102160043A (zh) * | 2008-05-27 | 2011-08-17 | 声钰科技 | 针对集成多语气多装置自然语言语音服务环境的系统和方法 |
WO2011121884A1 (ja) * | 2010-03-30 | 2011-10-06 | 日本電気株式会社 | 外国語会話支援装置、そのコンピュータプログラムおよびデータ処理方法 |
CN102737096A (zh) * | 2011-03-31 | 2012-10-17 | 微软公司 | 基于位置的会话理解 |
CN102866990A (zh) * | 2012-08-20 | 2013-01-09 | 北京搜狗信息服务有限公司 | 一种主题对话方法和装置 |
CN103425733A (zh) * | 2012-05-22 | 2013-12-04 | 歌乐株式会社 | 对话装置、对话系统和对话控制方法 |
CN104919424A (zh) * | 2012-12-13 | 2015-09-16 | 微软技术许可有限责任公司 | 通过应用间通信的任务完成 |
CN105183422A (zh) * | 2015-08-31 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 语音控制应用程序的方法和装置 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5864683A (en) | 1994-10-12 | 1999-01-26 | Secure Computing Corporartion | System for providing secure internetwork by connecting type enforcing secure computers to external network for limiting access to data based on user and process access rights |
US6851115B1 (en) * | 1999-01-05 | 2005-02-01 | Sri International | Software-based architecture for communication and cooperation among distributed electronic agents |
US6442522B1 (en) | 1999-10-12 | 2002-08-27 | International Business Machines Corporation | Bi-directional natural language system for interfacing with multiple back-end applications |
US7869998B1 (en) | 2002-04-23 | 2011-01-11 | At&T Intellectual Property Ii, L.P. | Voice-enabled dialog system |
US20050256700A1 (en) * | 2004-05-11 | 2005-11-17 | Moldovan Dan I | Natural language question answering system and method utilizing a logic prover |
US7640160B2 (en) | 2005-08-05 | 2009-12-29 | Voicebox Technologies, Inc. | Systems and methods for responding to natural language speech utterance |
US7949529B2 (en) | 2005-08-29 | 2011-05-24 | Voicebox Technologies, Inc. | Mobile systems and methods of supporting natural language human-machine interactions |
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
JP2010505155A (ja) * | 2006-08-22 | 2010-02-18 | リード ホース テクノロジーズ インコーポレイテッド | 医療評価支援システムと方法 |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8073681B2 (en) | 2006-10-16 | 2011-12-06 | Voicebox Technologies, Inc. | System and method for a cooperative conversational voice user interface |
US20080221892A1 (en) * | 2007-03-06 | 2008-09-11 | Paco Xander Nathan | Systems and methods for an autonomous avatar driver |
US7827186B2 (en) * | 2007-09-28 | 2010-11-02 | Amazon Technologies, Inc. | Duplicate item detection system and method |
US7779040B2 (en) * | 2007-09-27 | 2010-08-17 | Amazon Technologies, Inc. | System for detecting associations between items |
US20140250145A1 (en) * | 2008-07-10 | 2014-09-04 | Chacha Search, Inc | Method and system of providing verified content |
US9805020B2 (en) * | 2009-04-23 | 2017-10-31 | Deep Sky Concepts, Inc. | In-context access of stored declarative knowledge using natural language expression |
US8972445B2 (en) * | 2009-04-23 | 2015-03-03 | Deep Sky Concepts, Inc. | Systems and methods for storage of declarative knowledge accessible by natural language in a computer capable of appropriately responding |
KR101042500B1 (ko) * | 2009-06-19 | 2011-06-16 | 엔에이치엔(주) | 이전 질의어를 이용한 검색 결과 제공 방법 및 장치 |
US9171541B2 (en) * | 2009-11-10 | 2015-10-27 | Voicebox Technologies Corporation | System and method for hybrid processing in a natural language voice services environment |
US9502025B2 (en) * | 2009-11-10 | 2016-11-22 | Voicebox Technologies Corporation | System and method for providing a natural language content dedication service |
US8731939B1 (en) | 2010-08-06 | 2014-05-20 | Google Inc. | Routing queries based on carrier phrase registration |
US8862458B2 (en) | 2010-11-30 | 2014-10-14 | Sap Ag | Natural language interface |
US9183511B2 (en) * | 2012-02-24 | 2015-11-10 | Ming Li | System and method for universal translating from natural language questions to structured queries |
US8812602B2 (en) * | 2012-04-03 | 2014-08-19 | Python4Fun, Inc. | Identifying conversations in a social network system having relevance to a first file |
US9575963B2 (en) * | 2012-04-20 | 2017-02-21 | Maluuba Inc. | Conversational agent |
US10096316B2 (en) * | 2013-11-27 | 2018-10-09 | Sri International | Sharing intents to provide virtual assistance in a multi-person dialog |
US20140101139A1 (en) * | 2012-10-04 | 2014-04-10 | Talvis Llc | Methods and devices for querying databases using aliasing tables on mobile devices |
CN103077165A (zh) * | 2012-12-31 | 2013-05-01 | 威盛电子股份有限公司 | 自然语言对话方法及其系统 |
CN103049567A (zh) * | 2012-12-31 | 2013-04-17 | 威盛电子股份有限公司 | 检索方法、检索系统以及自然语言理解系统 |
US9268823B2 (en) * | 2013-05-10 | 2016-02-23 | International Business Machines Corporation | Partial match derivation using text analysis |
US10176167B2 (en) * | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
US9772994B2 (en) * | 2013-07-25 | 2017-09-26 | Intel Corporation | Self-learning statistical natural language processing for automatic production of virtual personal assistants |
RU2014111971A (ru) * | 2014-03-28 | 2015-10-10 | Юрий Михайлович Буров | Способ и система голосового интерфейса |
US9547471B2 (en) | 2014-07-03 | 2017-01-17 | Microsoft Technology Licensing, Llc | Generating computer responses to social conversational inputs |
-
2016
- 2016-09-13 US US15/264,568 patent/US10503767B2/en active Active
-
2017
- 2017-09-08 EP EP17777107.8A patent/EP3513324B1/en active Active
- 2017-09-08 WO PCT/US2017/050571 patent/WO2018052800A1/en unknown
- 2017-09-08 CN CN201780056276.3A patent/CN109716325B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1313972A (zh) * | 1998-08-24 | 2001-09-19 | Bcl计算机有限公司 | 自适应的自然语言接口 |
CN101878476A (zh) * | 2007-06-22 | 2010-11-03 | 谷歌公司 | 用于查询扩展的机器翻译 |
CN102160043A (zh) * | 2008-05-27 | 2011-08-17 | 声钰科技 | 针对集成多语气多装置自然语言语音服务环境的系统和方法 |
WO2011121884A1 (ja) * | 2010-03-30 | 2011-10-06 | 日本電気株式会社 | 外国語会話支援装置、そのコンピュータプログラムおよびデータ処理方法 |
CN102737096A (zh) * | 2011-03-31 | 2012-10-17 | 微软公司 | 基于位置的会话理解 |
CN103425733A (zh) * | 2012-05-22 | 2013-12-04 | 歌乐株式会社 | 对话装置、对话系统和对话控制方法 |
CN102866990A (zh) * | 2012-08-20 | 2013-01-09 | 北京搜狗信息服务有限公司 | 一种主题对话方法和装置 |
CN104919424A (zh) * | 2012-12-13 | 2015-09-16 | 微软技术许可有限责任公司 | 通过应用间通信的任务完成 |
CN105183422A (zh) * | 2015-08-31 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 语音控制应用程序的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20180075131A1 (en) | 2018-03-15 |
EP3513324B1 (en) | 2022-02-23 |
EP3513324A1 (en) | 2019-07-24 |
CN109716325A (zh) | 2019-05-03 |
WO2018052800A1 (en) | 2018-03-22 |
US10503767B2 (en) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109716325B (zh) | 计算机化的自然语言查询意图分派 | |
US10841250B2 (en) | Messaging bot selection in multi-bot chat sessions | |
JP7108122B2 (ja) | コンピュータによるエージェントのための合成音声の選択 | |
US10540965B2 (en) | Semantic re-ranking of NLU results in conversational dialogue applications | |
CN111033492B (zh) | 为自动化助手提供命令束建议 | |
US11216579B2 (en) | Natural language processor extension transmission data protection | |
WO2021232957A1 (zh) | 人机对话中的响应方法、对话系统及存储介质 | |
EP3682391B1 (en) | Capturing and leveraging signals reflecting bot-to-bot delegation | |
US10311856B2 (en) | Synthesized voice selection for computational agents | |
US20180096283A1 (en) | Selection of computational agent for task performance | |
CN115398437A (zh) | 改进的域外(ood)检测技术 | |
US20210064827A1 (en) | Adjusting chatbot conversation to user personality and mood | |
CN113168305A (zh) | 通过预测用户响应来加快与数字助理的交互 | |
US20240169153A1 (en) | Detecting unrelated utterances in a chatbot system | |
CN115917553A (zh) | 在聊天机器人中实现稳健命名实体识别的实体级数据扩充 | |
CN115398436A (zh) | 用于自然语言处理的噪声数据扩充 | |
CN116235164A (zh) | 聊天机器人的范围外自动转变 | |
CN116615727A (zh) | 用于自然语言处理的关键词数据扩充工具 | |
CN110447026B (zh) | 用于在新的域中提供自动化助理的开发人员平台 | |
US20240169161A1 (en) | Automating large-scale data collection | |
EP3161666A1 (en) | Semantic re-ranking of nlu results in conversational dialogue applications |
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 |