CN109783608A - 目标假设的确定方法、装置、可读存储介质和电子设备 - Google Patents
目标假设的确定方法、装置、可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN109783608A CN109783608A CN201811577572.0A CN201811577572A CN109783608A CN 109783608 A CN109783608 A CN 109783608A CN 201811577572 A CN201811577572 A CN 201811577572A CN 109783608 A CN109783608 A CN 109783608A
- Authority
- CN
- China
- Prior art keywords
- task
- hypothesis
- parameter
- parameter state
- query
- 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
本发明实施例公开了一种目标假设的确定方法、装置、可读存储介质和电子设备。本发明实施例通过获取查询任务,并获取所述查询任务的参数状态和任务状态,从而根据所述参数状态和所述任务状态获取多个假设,进而获取所述查询任务与多个所述假设的假设特征对应的多个特征向量,并对多个所述特征向量进行排序,获取排序结果,从而根据所述排序结果确定所述目标假设。由此,可以确定出较优的目标假设,从而在后续根据较优的目标假设获取较优的执行结果,提升操作执行的准确性。
Description
技术领域
本发明涉及信息处理领域,具体涉及一种目标假设的确定方法、装置、可读存储介质和电子设备。
背景技术
随着计算机技术的不断发展,通过网页查找信息已成为人们获取信息最常用的方式。通常,用户输入查询任务后,服务器会获取查询任务对应的目标假设,并根据目标假设确定对应的执行结果反馈给用户。随着时间的发展,有些查询的语义会发生变化,因此对应的目标假设也会发生变化。此时执行结果也会受到影响。
发明内容
有鉴于此,本发明实施例公开了一种目标假设的确定方法、装置、可读存储介质和电子设备,能够确定出较优的目标假设,从而在后续根据较优的目标假设获取较优的执行结果,提升操作执行的准确性。
第一方面,本发明实施例公开了一种目标假设的确定方法,所述方法包括:
获取查询任务;
获取所述查询任务的参数状态和任务状态,所述参数状态用于表征查询参数是否缺失,所述任务状态根据所述参数状态和资源请求结果获得;
根据所述参数状态和所述任务状态获取多个假设;
获取所述参数状态和所述多个假设的多个假设特征;
获取所述多个假设特征对应的多个特征向量;
对多个所述特征向量进行排序,获取排序结果;
根据所述排序结果确定所述目标假设。
优选地,获取所述查询任务的参数状态和任务状态包括:
通过任务式对话系统获取所述查询任务的所述参数状态和所述任务状态。
优选地,所述获取所述查询任务的参数状态和任务状态包括:
获取所述查询任务的上下文、域、意图、槽位和语音识别特征中的至少一项;
获取所述查询任务的所述查询参数;
根据所述查询参数获取所述参数状态和所述任务状态;
所述根据所述参数状态和所述任务状态获取多个假设包括:
根据所述上下文、所述域、所述意图和所述语音识别特征中的至少一项以及所述参数状态和所述任务状态获取所述查询任务对应的所述多个假设。
优选地,所述获取所述多个假设特征对应的多个特征向量包括:
根据one-hot编码方式获取所述假设特征对应的多个所述特征向量。
优选地,所述对所述特征向量进行排序,获取排序结果包括:
获取各所述特征向量的评估参数;
根据所述评估参数对所述特征向量进行排序,获取所述排序结果。
优选地,所述获取各所述特征向量的评估参数包括:
根据预定的评估模型获取多个所述特征向量的所述评估参数。
第二方面,本发明实施例提供了一种目标假设的确定装置,所述装置包括:
第一获取单元,用于获取查询任务;
第二获取单元,用于获取所述查询任务的参数状态和任务状态,所述参数状态用于表征所述参数是否缺失,所述任务状态根据所述参数状态和资源请求结果获得;
第三获取单元,用于根据所述参数状态和所述任务状态获取多个假设;
第四获取单元,用于获取所述参数状态和所述多个假设的多个假设特征;
第五获取单元,用于获取所述多个假设特征对应的多个特征向量;
排序单元,用于对多个所述特征向量进行排序,获取排序结果;
确定单元,用于根据所述排序结果确定所述目标假设。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面中任一项所述的方法。
本发明实施例通过获取查询任务,并获取所述查询任务的参数状态和任务状态,从而根据所述参数状态和所述任务状态获取多个假设,进而获取所述查询任务与多个所述假设的假设特征对应的多个特征向量,并对多个所述特征向量进行排序,获取排序结果,从而根据所述排序结果确定所述目标假设。由此,可以确定出较优的目标假设,从而在后续根据较优的目标假设获取较优的执行结果,提升操作执行的准确性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明第一实施例的目标假设的确定方法的流程图;
图2是本发明第一实施例的一个可选的实现方式中获取参数状态和任务状态的流程图;
图3是本发明第一实施例的另一个可选的实现方式中获取排序结果的流程图;
图4是本发明第二实施例的目标假设的确定装置的示意图;
图5是本发明第三实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
通常用户输入查询任务后,服务器会获取查询对应的目标假设,并根据目标假设确定对应的执行结果反馈给用户。随着时间的发展,有些查询的语义会发生变化,因此目标假设也会发生变化。此时执行结果也会受到影响。例如,“苹果”最初用于表示一种水果,随着科技的发展,“苹果”也可以用于表示其他事物,例如苹果公司推出的电子设备。当用户需要根据“苹果”搜索苹果公司推出的电子设备时,仅向用户反馈水果的含义显然是不准确的。
图1是本发明第一实施例的目标假设的确定方法的流程图。如图1所示,本实施例的方法包括如下步骤:
步骤S100,获取查询任务。
在本实施例中,查询任务(query)也即用户输入的查询语句,例如“今天天气如何”,应理解,查询语句也可以为命令式的语句,例如“打开电视”。具体地,可以获取用户手动输入的查询任务,也可以获取用户语音输入的查询任务。在获取用户语音输入的查询任务时,可以通过语音识别技术将用户的语音信号转化为对应的文字。
步骤S200,获取查询任务的参数状态和任务状态。
在本实施例中,参数状态用于表征参数是否缺失,任务状态根据参数状态和资源请求结果获得。具体地,可以将查询语句输入TCP(任务式对话系统,task completionplatform)中获得查询参数,从而获得查询参数的参数状态和任务状态。TCP会将与用户交互的过程定义为一个任务,获得参数状态和任务状态的过程相当于完成任务的过程。TCP会预先定义解决问题所需要的参数。在查询参数可以获得时,参数状态为param_resolved,在查询参数缺失时,参数状态为param_missing。在参数状态全部为param_resolved且资源请求结果为成功时,任务状态为task_status_completed;在参数状态全部为param_resolved且资源请求结果为失败时,任务状态为task_status_failed;在参数状态存在param_missing且资源请求结果为没有请求时,任务状态为task_status_inresolving;在参数状态存在param_missing且资源请求结果为成功时,任务状态为task_status_inresolving;在参数状态存在param_missing且资源请求结果为失败时,任务状态为task_status_failed。也即,在本步骤中,可以获取多个查询参数,从而根据多个查询参数的参数状态确定一个任务状态。
图2是本发明第一实施例的一个可选的实现方式中获取参数状态和任务状态的流程图。如图2所示,在本实施例的一个可选的实现方式中,步骤S200可以包括如下步骤:
步骤S210,获取查询任务的上下文、域、意图、槽位和语音识别特征中的至少一项。
具体地,可以根据用户的历史数据获取查询任务的上下文(context)。例如,用户的查询任务为“到上海的机票”,而用户的历史数据提到了其他地区,如北京,则“北京”为“到上海的机票”的上下文。应理解,可以根据历史信息获取多种上下文。
当用户通过语音的方式输入查询任务时,可以通过SLU(口语识别,spokenlanguage understanding)模块获取查询任务的域(domain)、意图(intent)和槽位(slot)。domain是网络中独立运行的单位,不同的domain能够通过信任关系实现网络中的资源共享,domain还可以起到引导、宣传、代表等作用。intent负责对操作、操作涉及的数据、附加数据等进行描述,由此,系统可以根据intent的描述调用相关信息。例如,intent在用于查看时,系统可以根据intent的描述获取用户需要查看的信息,例如“联系人1”,由此,intent为获取联系人1的相关信息。再例如,查询任务为“到上海的机票”,则intent为订机票。slot用于在获取查询任务的intent后解析查询任务,从而获得多个参数,例如,时间、地点、人数等。
当用户通过语音的方式输入查询任务时,还可以通过ASR(自动语音识别,automatic speech recognition)模块获取查询任务的语音识别特征(ASR feature)。ASRfeature中可以包括声音强度、声音响度、声调高度等,从而可以根据ASR feature对用户的身份进行识别。同时,在用户的历史数据未知时,还可以根据用户的身份获取用户的历史信息。
步骤S220,获取查询任务的查询参数。
优选地,可以根据从slot中获取的多个参数获取解决查询任务所需要的查询参数。例如,查询任务为“到上海的机票”,对应的上下文为“北京”,在TCP中完成查询任务所需要的查询参数为出行日期、出发地、目的地和出行方式,根据上下文和查询任务可以获取查询参数:出发地为北京,目的地为上海,出行方式为飞机,而出行日期无法确定。
步骤S230,根据查询参数获取参数状态和任务状态。
例如,根据查询任务“到上海的机票”和上下文获取的查询参数为:出发地为北京,目的地为上海,出行方式为飞机,出行日期无法确定,则出发地对应的参数状态为param_resolved,目的地对应的参数状态为param_resolved,出行方式对应的参数状态为param_resolved,出行日期对应的参数状态为param_missing。TCP根据查询任务的查询参数可以成功获取资源(也即,资源请求结果为成功)。则对应的任务状态为task_status_inresolving。
步骤S300,根据参数状态和任务状态获取多个假设。
具体地,可以根据步骤S200中获取的context、domain、intent和ASR feature中的至少一项和参数状态以及任务状态获取多个假设(hypothesis)。例如,查询任务“到上海的机票”对应的历史数据中包括两个地区,分别为北京和广州,则可以根据“到上海的机票”和“北京”获取对应的参数状态和任务状态,从而获取假设1;可以根据“到上海的机票”和“广州”获取对应的参数状态和任务状态,从而获取假设2。
步骤S400,获取查询任务与多个假设的多个假设特征。
在本步骤中,当一个查询任务对应多个假设时,可以根据查询任务和每个假设生成一个假设特征(q,hi)(也即,(query,hypothesis i))。例如,一个查询任务q对应h1,h2和h3,则假设特征为(q,h1),(q,h2)和(q,h3)。
步骤S500,获取多个假设特征对应的多个特征向量。
在本步骤中,根据每个假设特征(q,hi)生成对应的特征向量f(q,hi)。可选地,可以根据one-hot编码方式获取特征向量f(q,hi)。one-hot编码方式需要预先获取词表,并根据词表获取特征向量。具体地,如果假设特征中的某个词在词表中时,特征向量中的对应位置为1,如果假设特征中的某个词不在词表中时,特征向量中的对应位置为0。
例如,词表中参数状态的表示为(param_resolved,param_missing),任务状态的表示为(task_status_completed,task_status_inresolving,task_status_failed),则根据查询任务“到上海的机票”和上下文“北京”对应的参数状态和任务状态部分获得的向量可以为(1,0,1,0,1,0,0,1,0,1,0),其中1-2位用于表示参数“出发地”的参数状态,3-4位用于表示参数“目的地”的参数状态,5-6位用于表示参数“出行方式”的参数状态,7-8位用于表示参数“出行日期”的参数状态,9-11为用于表示对应的任务状态。
应理解,在本步骤中,获取特征向量的方式不限于one-hot编码方式,还可以采用其他方式。
步骤S600,对多个特征向量进行排序,获取排序结果。
图3是本发明第一实施例的另一个可选的实现方式中获取排序结果的流程图。如图3所示,在本实施例的一个可选的实现方式中,步骤S500可以包括如下步骤:
步骤S610,获取各特征向量的评估参数。
在本步骤中,可以根据预定的评估模型获取特征向量的评估参数m(f(q,hi))。评估模型根据样本集合预先训练获得,样本集合中的每个样本包括一个样本特征向量和对应的样本排序结果,其中样本排序结果预先确定。
评估模型是分类模型的一种,具体可以为随机森林(random forest)、人工神经网络(artificial neural network)等。评估模型的训练目标是得到评估函数,将特征向量输入评估模型后,评估函数可以计算出对应的评估参数。可选地,可以通过ranklib,具体为pointwise、pairwise、listwise等方式训练评估模型。ranklib的训练目标是使得评估函数可以满足样本中的特征向量对应的评估参数可以满足对应的排序结果。优选地,在本实施例中,通过listwise的方式训练评估模型。在listwise中,只需要预先设定评估模型的权重、偏置参数和样本对应的样本排序结果,不需要设定样本对应的评估参数,由此,将样本中的特征向量输入模型后得到的评估参数只需要满足对应的排序结果即可。如果满足对应的排序结果,则会向前(也即,向输入的方向)进行正反馈,此时不需要对预先设定的权重和偏置参数进行调整;如果不满足对应的排序结果,则会向前进行负反馈,此时需要对预先设定的权重和偏置参数进行调整,直到样本集合中的每个样本对应的评估参数均满足对应的排序结果。
例如,样本集合中包括三个特征向量(q,h1),(q,h2)和(q,h3),预先定义的排序结果为h3,h1,h2。在listwise中,如果m(f(q,h1))=5,m(f(q,h2))=3,m(f(q,h3))=8,满足h3,h1,h2的排序结果,会向前进行正反馈;如果m(f(q,h1))=0.01,m(f(q,h2))=0.001,m(f(q,h3))=0.1,满足h3,h1,h2的排序结果,也会向前进行正反馈。
更具体地,可以通过坐标上升算法(coordinate ascent)获得评估参数m(f(q,hi))。坐标上升算法是获得最大值的方法,能过通过多次迭代获得函数的最大值。例如,特征向量为(0,1,0,0,0,0,1,0),则m(f(q,hi))=w2x2+w7x7+b,其中wi为权重,xi为向量中取值为1的特征,b为偏置参数。
由此,将特征向量输入预定的评估模型(也即,预定的评估模型)后,可以获得各特征向量对应的评估参数。
步骤S620,根据评估参数对特征向量进行排序,获取排序结果。
获取评估参数后,根据各评估参数对对应的特征向量进行排序,可以获得各特征向量的排序结果。优选地,在本步骤中,根据评估参数由大到小对特征向量进行排序。
在本实施例中,由于domain和intent等信息的扩展性较差,例如“苹果”与domain“水果”建立了信任关系,没有与domain“电子设备”建立信任关系,在查询任务为“苹果的价格”时,根据domain“水果”获取的假设可能会导致操作执行不准确。将参数状态和任务状态加入假设特征中后,如果参数状态和任务状态均较差(例如,参数状态为param_missing,任务状态为task_status_failed)时,会导致对应的假设特征的评估参数较低,从而得到较差的排序结果,由此可以降低domain对操作执行的影响。而参数状态和任务状态均较好的假设特征对应的评估参数较高,从而得到较好的排序结果,由此可以在后续可以根据排序较好的假设特征获取执行结果,从而提升操作执行的准确性。
步骤S700,根据排序结果确定目标假设。
可选地,可以将排序结果在前n位的假设作为目标假设,其中n为大于等于1的预定整数。优选地,可以将排序结果在第一位的假设作为目标假设,由此,根据该目标假设获取的执行结果最准确,也即,操作执行的准确性最高。
在确定目标假设后,后续会根据目标假设返回对应的执行结果。具体地,在操作的执行结果为成功时,会将操作结果(例如,机票的执行结果)反馈给用户,在操作的执行结果为失败时,会返回执行失败的结果(例如,查询失败)。
本实施例通过获取查询任务,并获取所述查询任务的参数状态和任务状态,从而根据所述参数状态和所述任务状态获取多个假设,进而获取所述查询任务与多个所述假设的假设特征对应的多个特征向量,并对多个所述特征向量进行排序,获取排序结果,从而根据所述排序结果确定所述目标假设。由此,可以确定出较优的目标假设,从而在后续根据较优的目标假设获取较优的执行结果,提升操作执行的准确性。
图4是本发明第二实施例的目标假设的确定装置的示意图。如图4所示,本实施例的目标假设的确定装置包括第一获取单元41、第二获取单元42、第三获取单元43、第四获取单元44、第五获取单元45、排序单元46和确定单元47。
其中,第一获取单元41用于获取查询任务。第二获取单元42用于获取所述查询任务的参数状态和任务状态,所述参数状态用于表征所述参数是否缺失,所述任务状态根据所述参数状态和资源请求结果获得。第三获取单元43用于根据所述参数状态和所述任务状态获取多个假设。第四获取单元44用于获取所述参数状态和所述多个假设的多个假设特征。第五获取单元45用于获取所述假设特征对应的多个特征向量。排序单元46用于对多个所述特征向量进行排序,获取排序结果。确定单元47用于根据所述排序结果确定所述目标假设。
本实施例通过获取查询任务,并获取所述查询任务的参数状态和任务状态,从而根据所述参数状态和所述任务状态获取多个假设,进而获取所述查询任务与多个所述假设的假设特征对应的多个特征向量,并对多个所述特征向量进行排序,获取排序结果,从而根据所述排序结果确定所述目标假设。由此,可以确定出较优的目标假设,从而在后续根据较优的目标假设获取较优的执行结果,提升操作执行的准确性。
图5是本发明第三实施例的电子设备的示意图。图5所示的电子设备为通用数据处理装置,其包括通用的计算机硬件结构,其至少包括处理器51和存储器52。处理器51和存储器52通过总线53连接。存储器52适于存储处理器51可执行的指令或程序。处理器51可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器51通过执行存储器52所存储的命令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线53将上述多个组件连接在一起,同时将上述组件连接到显示控制器54和显示装置以及输入/输出(I/O)装置55。输入/输出(I/O)装置55可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出(I/O)装置55通过输入/输出(I/O)控制器56与系统相连。
其中,存储器52可以存储软件组件,例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解,流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器,以产生机器,使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。
同时,如本领域技术人员将意识到的,本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此,本发明实施例的各个方面可以采取如下形式:完全硬件实施方式、完全软件实施方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实施方式。此外,本发明的方面可以采取如下形式:在一个或多个计算机可读介质中实现的计算机程序产品,计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置,或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项:具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中,计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
计算机可读信号介质可以包括传播的数据信号,所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式,包括但不限于:电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质:不是计算机可读存储介质,并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写,所述编程语言包括:面向对象的编程语言如Java、Smalltalk、C++、PHP、Python等;以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行;部分地在用户计算机上且部分地在远程计算机上执行;或者完全地在远程计算机或服务器上执行。在后一种情况下,可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机,或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种目标假设的确定方法,其特征在于,所述方法包括:
获取查询任务;
获取所述查询任务的参数状态和任务状态,所述参数状态用于表征查询参数是否缺失,所述任务状态根据所述参数状态和资源请求结果获得;
根据所述参数状态和所述任务状态获取多个假设;
获取所述参数状态和所述多个假设的多个假设特征;
获取所述多个假设特征对应的多个特征向量;
对多个所述特征向量进行排序,获取排序结果;
根据所述排序结果确定所述目标假设。
2.根据权利要求1所述的方法,其特征在于,获取所述查询任务的参数状态和任务状态包括:
通过任务式对话系统获取所述查询任务的所述参数状态和所述任务状态。
3.根据权利要求1所述的方法,其特征在于,所述获取所述查询任务的参数状态和任务状态包括:
获取所述查询任务的上下文、域、意图、槽位和语音识别特征中的至少一项;
获取所述查询任务的所述查询参数;
根据所述查询参数获取所述参数状态和所述任务状态;
所述根据所述参数状态和所述任务状态获取多个假设包括:
根据所述上下文、所述域、所述意图和所述语音识别特征中的至少一项以及所述参数状态和所述任务状态获取所述查询任务对应的所述多个假设。
4.根据权利要求1所述的方法,其特征在于,所述获取所述多个假设特征对应的多个特征向量包括:
根据one-hot编码方式获取所述假设特征对应的多个所述特征向量。
5.根据权利要求1所述的方法,其特征在于,所述对所述特征向量进行排序,获取排序结果包括:
获取各所述特征向量的评估参数;
根据所述评估参数对所述特征向量进行排序,获取所述排序结果。
6.根据权利要求5所述的方法,其特征在于,所述获取各所述特征向量的评估参数包括:
根据预定的评估模型获取多个所述特征向量的所述评估参数。
7.一种目标假设的确定装置,其特征在于,所述装置包括:
第一获取单元,用于获取查询任务;
第二获取单元,用于获取所述查询任务的参数状态和任务状态,所述参数状态用于表征所述参数是否缺失,所述任务状态根据所述参数状态和资源请求结果获得;
第三获取单元,用于根据所述参数状态和所述任务状态获取多个假设;
第四获取单元,用于获取所述参数状态和所述多个假设的多个假设特征;
第五获取单元,用于获取所述多个假设特征对应的多个特征向量;
排序单元,用于对多个所述特征向量进行排序,获取排序结果;
确定单元,用于根据所述排序结果确定所述目标假设。
8.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-6中任一项所述的方法。
9.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811577572.0A CN109783608B (zh) | 2018-12-20 | 2018-12-20 | 目标假设的确定方法、装置、可读存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811577572.0A CN109783608B (zh) | 2018-12-20 | 2018-12-20 | 目标假设的确定方法、装置、可读存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109783608A true CN109783608A (zh) | 2019-05-21 |
CN109783608B CN109783608B (zh) | 2021-01-05 |
Family
ID=66498042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811577572.0A Active CN109783608B (zh) | 2018-12-20 | 2018-12-20 | 目标假设的确定方法、装置、可读存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783608B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779116A (zh) * | 2021-09-10 | 2021-12-10 | 平安科技(深圳)有限公司 | 对象排序方法、相关设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101137980A (zh) * | 2004-12-29 | 2008-03-05 | 贝诺特公司 | 识别、提取、捕获和均衡专业技术和知识的方法和装置 |
CN103235812A (zh) * | 2013-04-24 | 2013-08-07 | 中国科学院计算技术研究所 | 查询多意图识别方法和系统 |
US20130282682A1 (en) * | 2012-04-18 | 2013-10-24 | Yahoo! Inc. | Method and System for Search Suggestion |
CN103942198A (zh) * | 2013-01-18 | 2014-07-23 | 佳能株式会社 | 用于挖掘意图的方法和设备 |
CN105706052A (zh) * | 2013-07-31 | 2016-06-22 | 微软技术许可有限责任公司 | 应用程序注释以及用户搜索任务和用户动作的便利化 |
CN107798341A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 用户意图预测方法、电子设备及计算机可读存储介质 |
CN107885874A (zh) * | 2017-11-28 | 2018-04-06 | 上海智臻智能网络科技股份有限公司 | 数据查询方法和装置、计算机设备及计算机可读存储介质 |
CN107918634A (zh) * | 2017-06-27 | 2018-04-17 | 上海壹账通金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
US10083205B2 (en) * | 2014-02-12 | 2018-09-25 | Samsung Electronics Co., Ltd. | Query cards |
CN108702539A (zh) * | 2015-09-08 | 2018-10-23 | 苹果公司 | 用于媒体搜索和回放的智能自动化助理 |
CN108701454A (zh) * | 2015-10-21 | 2018-10-23 | 谷歌有限责任公司 | 对话系统中的参数收集和自动对话生成 |
CN108804532A (zh) * | 2018-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种查询意图的挖掘和查询意图的识别方法、装置 |
-
2018
- 2018-12-20 CN CN201811577572.0A patent/CN109783608B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101137980A (zh) * | 2004-12-29 | 2008-03-05 | 贝诺特公司 | 识别、提取、捕获和均衡专业技术和知识的方法和装置 |
US20130282682A1 (en) * | 2012-04-18 | 2013-10-24 | Yahoo! Inc. | Method and System for Search Suggestion |
CN103942198A (zh) * | 2013-01-18 | 2014-07-23 | 佳能株式会社 | 用于挖掘意图的方法和设备 |
CN103235812A (zh) * | 2013-04-24 | 2013-08-07 | 中国科学院计算技术研究所 | 查询多意图识别方法和系统 |
CN105706052A (zh) * | 2013-07-31 | 2016-06-22 | 微软技术许可有限责任公司 | 应用程序注释以及用户搜索任务和用户动作的便利化 |
US10083205B2 (en) * | 2014-02-12 | 2018-09-25 | Samsung Electronics Co., Ltd. | Query cards |
CN108702539A (zh) * | 2015-09-08 | 2018-10-23 | 苹果公司 | 用于媒体搜索和回放的智能自动化助理 |
CN108701454A (zh) * | 2015-10-21 | 2018-10-23 | 谷歌有限责任公司 | 对话系统中的参数收集和自动对话生成 |
CN107918634A (zh) * | 2017-06-27 | 2018-04-17 | 上海壹账通金融科技有限公司 | 智能问答方法、装置及计算机可读存储介质 |
CN107798341A (zh) * | 2017-09-30 | 2018-03-13 | 平安科技(深圳)有限公司 | 用户意图预测方法、电子设备及计算机可读存储介质 |
CN107885874A (zh) * | 2017-11-28 | 2018-04-06 | 上海智臻智能网络科技股份有限公司 | 数据查询方法和装置、计算机设备及计算机可读存储介质 |
CN108804532A (zh) * | 2018-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种查询意图的挖掘和查询意图的识别方法、装置 |
Non-Patent Citations (2)
Title |
---|
罗成 等: ""基于用户意图识别的查询推荐研究"", 《中文信息学报》 * |
陆伟 等: ""查询意图研究综述"", 《中国图书馆学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779116A (zh) * | 2021-09-10 | 2021-12-10 | 平安科技(深圳)有限公司 | 对象排序方法、相关设备及介质 |
CN113779116B (zh) * | 2021-09-10 | 2023-07-11 | 平安科技(深圳)有限公司 | 对象排序方法、相关设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109783608B (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6465077B2 (ja) | 音声対話装置および音声対話方法 | |
CN108665890B (zh) | 操作语音识别服务的方法、电子设备和支持该设备的系统 | |
US10402501B2 (en) | Multi-lingual virtual personal assistant | |
US10860839B2 (en) | Method and apparatus for generating training data for human face recognition, device and computer storage medium | |
JP7022062B2 (ja) | 統合化された物体認識および顔表情認識を伴うvpa | |
CN109791767A (zh) | 用于语音识别的系统和方法 | |
EP2940551B1 (en) | Method and device for implementing voice input | |
CN112154465A (zh) | 一种意图识别模型的学习方法、装置及设备 | |
CN109523995B (zh) | 语音识别方法、语音识别装置、可读存储介质和电子设备 | |
US11410643B2 (en) | Response generation for conversational computing interface | |
KR20180109633A (ko) | 음성 인식 서비스 운용 방법, 이를 지원하는 전자 장치 및 시스템 | |
CN109766418A (zh) | 用于输出信息的方法和装置 | |
CN109902156A (zh) | 实体检索方法、存储介质和电子设备 | |
CN108334498A (zh) | 用于处理语音请求的方法和装置 | |
CN110009059A (zh) | 用于生成模型的方法和装置 | |
CN109801631A (zh) | 基于语音识别的录入方法、装置、计算机设备及存储介质 | |
CN108885872A (zh) | 应答生成装置、对话控制系统以及应答生成方法 | |
CN114359970A (zh) | 行人重识别方法、装置、电子设备及存储介质 | |
CN109783622A (zh) | 一种基于问题分类确定问题答案方法、装置及电子设备 | |
CN113657343A (zh) | 基于机器学习的理赔资源数据的生成方法及装置 | |
CN109783608A (zh) | 目标假设的确定方法、装置、可读存储介质和电子设备 | |
Ferreira et al. | Users’ belief awareness in reinforcement learning-based situated human–robot dialogue management | |
CN109427332A (zh) | 使用语音命令执行操作的电子设备及其操作方法 | |
CN114490994B (zh) | 对话管理方法及装置 | |
CN109712606A (zh) | 一种信息获取方法、装置、设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211119 Address after: 210034 floor 8, building D11, Hongfeng Science Park, Nanjing Economic and Technological Development Zone, Jiangsu Province Patentee after: New Technology Co.,Ltd. Patentee after: Volkswagen (China) Investment Co., Ltd Address before: 100190 1001, 10th floor, office building a, 19 Zhongguancun Street, Haidian District, Beijing Patentee before: MOBVOI INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |