CN109920414A - 人机问答方法、装置、设备和存储介质 - Google Patents
人机问答方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109920414A CN109920414A CN201910046750.5A CN201910046750A CN109920414A CN 109920414 A CN109920414 A CN 109920414A CN 201910046750 A CN201910046750 A CN 201910046750A CN 109920414 A CN109920414 A CN 109920414A
- Authority
- CN
- China
- Prior art keywords
- information
- standard
- voice
- default
- target word
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013507 mapping Methods 0.000 claims abstract description 32
- 238000012797 qualification Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 241001672694 Citrus reticulata Species 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000010365 information processing Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 244000245214 Mentha canadensis Species 0.000 description 1
- 235000016278 Mentha canadensis Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种人机问答方法,包括:在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;将所述标准信息与预设标准数据库中的标准模板进行,判断所述标准信息是否合格,在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。本发明还公开了人机问答装置、设备和存储介质。本发明中搜索预设知识图谱数据库得到答复信息,使得到的答复信息更加准确、语句逻辑顺序更加通畅。
Description
技术领域
本发明涉及智能机器人领域,尤其涉及人机问答方法、装置、设备和存储介质。
背景技术
随着科技的飞速发展,聊天机器人也变得越来越常见,聊天机器人系统就是一种借助于通讯手段能够时时刻刻在线、并通过自然语言与人沟通交流的人工智能系统。
聊天机器人系统实质上是一种自动问答系统。自动问答系统以自然语言理解技术为核心,聊天机器人利用自然语言处理技术、知识库和实时更新的信息资源,一方面完成对用户问题的分析处理,另一方面完成正确答案的生成。现有技术中的聊天机器人系统,聊天逻辑死板、内容固定,尤其在语言上难以形成流畅而有效的逻辑互动,常见语音系统采用的关键字识别方式由于在语法理解方面的薄弱容易引起语义的误读。聊天机器人并不能很好地获取用户的真实意图,因此其返回的答案会存在一定的偏差,甚至返回错误的答案。
发明内容
本发明的主要目的在于提供一种人机问答方法、装置、设备和存储介质,旨在解决当前人机问答过程中答复信息不准确、逻辑死板、内容固定的问题。
为实现上述目的,本发明提供人机问答方法,所述人机问答方法包括以下步骤:
在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;
获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;
将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;
在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
可选地,所述在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息的步骤之前,包括:
分别采集预设方言语系和普通话语系朗读语音信息,并提取各所述语音信息对应的语音特征参数,将各所述语音特征参数组成语音特征集合;
抽取所述语音特征集合中预设比例的各所述语音特征参数,并通过各所述语音特征参数构建初始语音识别模型;
通过迭代算法训练所述初始语音识别模型,得到最优模型参数,并将训练得到所述最优模型参数对应的语音识别模型作为预设语音识别模型。
可选地,所述获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息的步骤,包括:
将所述文本信息输入预设词语识别模型,通过所述预设词语识别模型对所述文本信息进行分词处理,得到所述文本信息中包含的关键词;
通过所述预设词语识别模型,将所述关键词与预设词语集合中的预设目标词进行比对,获取与所述预设目标词匹配的目标关键词,其中,所述预设目标词中包含预设实体词和预设功能词;
将所述目标关键词作为所述文本信息中的目标词语,将所述目标词语替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息。
可选地,所述将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格的步骤,包括:
将所述标准信息与预设标准数据库中的标准模板进行比对,其中,所述标准模板包括正例模板和负例模板;
获取所述标准信息与所述正例模板的第一相似度,及所述标准信息与所述负例模板的第二相似度;
在所述第一相似度大于所述第二相似度时,判定所述标准信息合格。
可选地,所述在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出的步骤,包括:
在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点;
将所述标准信息与所述目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。
可选地,所述在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点的步骤,包括:
在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的各预设节点与进行比对,获取与所述目标词语匹配的相似节点;
判断是否存在至少两个所述相似节点;
若存在至少两个所述相似节点,则获取目标词语的修饰词;
将所述修饰词与各所述相似节点的节点前缀进行比对,获取与所述修饰词匹配的节点前缀对应的目标节点。
可选地,所述获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息的步骤之后,包括:
在所述标准信息不合格时,将所述文本信息与预设寒暄数据库中的预设寒暄语句进行比对;
若存在与所述文本信息匹配的目标寒暄语句,则将所述目标寒暄语句作为所述语音聊天信息对应的答复信息并输出;
若不存在与所述文本信息匹配的目标寒暄语句,则将预设答复语句作为所述语音聊天信息对应的答复信息并输出。
此外,为实现上述目的,本发明还提供一种人机问答装置,所述人机问答装置包括:
接收识别模块,用于在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;
信息处理模块,用于获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;
信息判断模块,用于将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;
搜索输出模块,用于在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
此外,为实现上述目的,本发明还提供一种人机问答设备;
所述人机问答设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的人机问答方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的人机问答方法的步骤。
本发明实施例提出的人机问答方法、装置、设备和存储介质,通过在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格,在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。本发明中终端通过对语音聊天信息进行语音识别,得到对应的文本信息,并将文本信息进行处理使终端准确识别语音聊天信息对应的意图,终端按照处理后的文本信息搜索预设知识图谱数据库得到答复信息,保证了答复信息的准确性;与此同时,本发明中按照知识图谱数据库中的信息,生成语音聊天信息的答复信息,使得人机问答的覆盖面更加全面,且语句逻辑顺序更加通畅。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明人机问答方法第一实施例的流程示意图;
图3为本发明人机问答装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的人机问答设备结构示意图。其中,人机问答设备可以是由单独的人机问答装置构成,也可以是由其他装置与人机问答装置组合形成。本实施例中的人机问答设备可以是服务器,也可以是终端。
以终端为例进行说明,本发明实施例终端可以固定终端,也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC(personalcomputer)个人计算机、智能手机、平板电脑、电子书阅读器、便携计算机等。
如图1所示,该终端可以包括:处理器1001,例如,中央处理器Central ProcessingUnit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如,磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,存储介质可以是非易失性可读存储介质,如RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的人机问答方法中的步骤。
本实施例提出一种人机问答方法。本实施例应用于如图1所示的人机问答设备(为了方便描述,本实施例中以终端为例进行说明),在本实施例人机问答方法中预先设置有语音识别模型,用于识别用户输入的语音聊天信息,并根据识别结果生成对应的答复信息,具体地:
参照图2,在本发明人机问答方法的第一实施例中,所述人机问答方法包括:
步骤S10,在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息。
终端(又叫人机问答设备,或者聊天机器人)接收到用户输入的语音聊天信息时,终端识别用户输入的语音聊天信息,得到语音聊天信息对应的文本信息。其中,本实施例中终端识别语音聊天信息是通过预设的语音识别模型实现的,即,终端将语音聊天信息输入至预先设置的语音识别模型中,预设的语音识别模型先将语音聊天信息进行预处理,提取语音聊天信息中的特征语音参数,然后,语音识别模型对特征语音参数进行识别,得到特征语音参数对应的音节,并根据各个音节进行生成语音聊天信息对应的文本信息。
步骤S20,获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息。
终端处理文本信息以提取文本信息中的目标词语,即,终端首先对文本信息进行分词处理,得到文本信息对应的分词集合。终端将去除分词集合中的噪声词,并获取分词集合中的目标词语;终端得到文本信息中的目标词语之后,终端将目标词语进行归一化处理,其中,归一化处理是指将目标词语进行替换,得到所述文本信息对应的标准信息。
例如,文本信息为:张三的邻居是谁?终端对文本信息进行分析提取文本信息中的目标词语:“张三”终端将目标词语“张三”替换为“人名”,得到语音聊天信息对应的标准信息:“$人名$的邻居”。
本实施例中通过对分析文本信息进行分析,获取文本信息中的目标词语,终端将目标词语进行归一化处理,得到所述文本信息对应的标准信息,使得终端准确的识别用户语音聊天信息的意图,以进行准确地答复,与此同时,在本实施例中通过将文本信息转换为标准信息,是为了按照标准信息进行答复信息搜索时,减少不必要的信息比对,使得信息处理效率更高。
在得到文本信息对应的标准信息之后,终端理应按照标准信息进行答复信息的搜索,但是为了防止终端信息识别错误的情况,终端需要排除异常情况,具体地,在步骤S20之后,包括:
步骤S30,将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;具体地:
步骤a1,将所述标准信息与预设标准数据库中的标准模板进行比对,其中,所述标准模板包括正例模板和负例模板;
步骤b1,获取所述标准信息与所述正例模板的第一相似度,及所述标准信息与所述负例模板的第二相似度;
步骤c1,在所述第一相似度大于所述第二相似度时,判定所述标准信息合格。
即,在终端得到标准信息之后,若直接按照标准信息进行答案搜索,可能会出现由于在语法理解方面的薄弱容易引起语义的误读。终端并不能很好地获取用户的真实意图,因此,终端对得到的标准信息与预设标准数据库中的标准模板进行比对(预设标准数据库是指预先设置的可能出现歧义的模板信息,标准模板包括正例模板和负例模板;例如:预设标准数据库中包含的正例模板为$楼盘$的价格是多少;包含的负例模板为$楼盘$的价格真贵),获取标准信息与正例模板对应的第一相似度,和标准信息与负例模板对应的第二相似度,在第一相似度高于第二相似度时,判定标准信息合格,反之。
例如,文本信息为:张三的邻居真讨厌?标准信息为:$张三$的邻居真讨厌,若直接进行问题答案的搜索,可能会将张三邻居的信息输出,但此时用户的聊天意图并不是查询张三邻居的信息。再比如:标准信息为:$楼盘$的价格真贵,若直接进行问题答案的搜索,可能会将楼盘的价格进行输出,但此时用户的聊天意图并不是查询楼盘价格,为了排除上述情况,终端将标准信息与预设标准数据库中的标准模板进行比对,以准确了解用户意图,可以避免语音聊天信息识别错误,有效提高聊天的准确性。
步骤S40,在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
即,在标准信息合格时,终端基于标准信息搜索预设知识图谱数据库(其中,预设知识图谱数据库是指预先设置的知识图谱建立起来的结构化数据库,该数据库从网络爬取大量数据提取相应信息,其存储结构为“名词-关系-名词”或“名词-功能-数值”(作为举例“张三-邻居-李四”,“张三-身高-170cm”),即,终端获取预设知识图谱数据库中与所述目标词语匹配的目标节点;然后,终端将标准信息与所述目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。
在本实施例中基于处理完成的标准信息和目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出,使得语音聊天信息对应答复信息的搜索更加准确高效;按照知识图谱数据库中的信息,生成语音聊天信息的答复信息,使得人机问答的覆盖面更加全面,且语句逻辑顺序更加通畅。
进一步地,在第一实施例中基础上提出了本发明的第二实施例,本实施例是在第一实施例步骤S10之前的步骤,即在将语音聊天信息输入至预设语音识别模型之前,终端需要先建立语音识别模型,本实施例中给出了预设语音识别模型的训练方法,具体地:
步骤S01,分别采集预设方言语系和普通话语系朗读语音信息,并提取各所述语音信息对应的语音特征参数,将各所述语音特征参数组成语音特征集合。
在建立语音识别模型之前需要首先采集普通话、北京话、东北方言、吴方言、赣方言、湘方言、客家方言、闽方言、粤方言和蜀方言的语音信息,终端将采集到的语音信息按预处理规则进行处理得到特征数据,其中,预处理主要包括预加重、加窗分帧处理、端点检测和降噪处理四个过程。预加重处理是利用信号特性和噪声特性的差别来有效地对信号进行处理,对语音的高频部分进行加重,去除口鼻辐射的影响,增加语音的高频分辨率。加窗分帧处理包括加窗和分帧,其中,一般的分帧方法为交叠分段的方法,前一帧和后一帧的交叠部分称为帧移,而分帧是采用可移动的有限长度的窗口进行加权的方法来实现的,即用一定的窗函数,从而形成加窗语音信号,其中窗函数一般采用汉明窗和矩形窗。端点检测是从一段给定的语音信号中找出语音的起始点和结束点,正确、有效的进行端点检测不仅可以减少计算量和缩短处理时间,而且还能排除无声段的噪声干扰、提高语音识别的正确率。
步骤S02,抽取所述语音特征集合中预设比例的各所述语音特征参数,并通过各所述语音特征参数构建初始语音识别模型。
接着,终端提取经预处理后的特征数据之后,利用特征数据对构建初始语音识别模型,即,构建初始语音识别模型是基于HMM(Hidden Markov Model,隐马尔可夫模型)实现的,隐马尔可夫模型实质就是对特征数据中表征语音信息的特征进行建模,通过对特征数据中的语音特征进行了大量的统计而得到模型参数,而迭代算法可以采用Baum–Welch(鲍姆韦尔奇)算法,也可以采用经K均值算法改进后的Baum–Welch算法,可提高模型的准确性。
步骤S03,通过迭代算法训练所述初始语音识别模型,得到最优模型参数,并将训练得到所述最优模型参数对应的语音识别模型作为预设语音识别模型。
终端通过迭代算法训练初始语音识别模型,其中,语音识别模型的训练过程如下:1、基于HMM模型构建语音识别模型,并设置语音识别模型的参数初始值,参数初始值可以通过等划分状态或者根据经验估计设置;2、设置最大的迭代次数和收敛阈值;3、采用Viterbi算法(Viterbi Algorithm,维特比算法)对输入的特征数据进行状态的分段操作;4、通过迭代算法(Baum-welch算法)对该语音识别模型的参数进行更新,并对特征数据进行迭代训练,不断地循环迭代,直到达到先前设置的迭代次数或已经收敛,此时,可得到该语音识别模型的最优模型参数,进而根据该最优模型参数获得训练好的预设语音识别模型。在本实施例中通过训练语音识别模型实现客户语音信息的准确识别。
进一步地,在本发明上述实施例的基础上,提出了本发明人机问答方法的第三实施例。
本实施例是第一实施例步骤S20的细化,本实施例中在终端预设词语识别模型,以通过预设词语识别模型提取文本信息中的目标词语,在本实施例中所述人机问答方法包括:
步骤S21,将所述文本信息输入预设词语识别模型,通过所述预设词语识别模型对所述文本信息进行分词处理,得到所述文本信息中包含的关键词。
终端将文本信息输入预设词语识别模型,预设词语识别模型对文本信息进行分词处理,得到文本信息对应的分词集合,终端去除分词集合中的噪声词“的”、“吗”等,保留所述文本信息中包含的关键词。
其中,预设词语识别模型是指预先设置用于识别文本信息中目标词语的算法,即,预设词语识别模型中包含分词算法和目标词语识别算法(目标词语可以是兴趣实体词和附加功能词等等,即,目标词语识别算法可是现有的实体词识别算法)。
步骤S22,通过所述预设词语识别模型,将所述关键词与预设词语集合中的预设目标词进行比对,获取与所述预设目标词匹配的目标关键词。
在得到文本信息中包含的关键词之后,终端通过所述预设词语识别模型,将关键词与预设词语集合(预设词语集合是指预先设置的目标词集合,预先设置的目标词可以是人名、地名等)中的预设目标词进行比对,终端获取与所述预设目标词匹配的目标关键词,例如,终端通过预设词语识别模型中的实体词识别算法,将文本信息进行实体边界识别,在实体边界识别完成之后,终端确定实体类别(人名、地名、机构名或其他),终端将识别得到的实体词作为语音聊天信息中的目标词语。
步骤S23,将所述目标关键词作为所述文本信息中的目标词语,将所述目标词语替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息。
终端将所述目标关键词作为所述文本信息中的目标词语,终端将目标词语替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息;例如,终端确定目标词语为“张三”,终端将目标词语“张三”替换为模板词“人名”,得到文本信息对应的标准信息:“$人名$的邻居。本实施例中给出了文本信息处理的方式,通过将文本信息进行处理转化为,可以使得信息处理效率更高。
进一步地,在本发明上述实施例的基础上,提出了本发明人机问答方法的第四实施例。
本实施例是第一实施例步骤S40的细化,在本实施例中所述人机问答方法包括:
步骤S41,在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点。
在所述标准信息合格时,终端将目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点。需要补充说明的是,本实施例中预设知识图谱数据库中与目标词语匹配的相似节点可能不止一个,为了生成准确地答复信息,终端需要选择唯一的目标节点,具体地,包括:
步骤a2,在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的各预设节点与进行比对,获取与所述目标词语匹配的相似节点;
步骤b2,判断是否存在至少两个所述相似节点;
步骤c2,若存在至少两个所述相似节点,则获取目标词语的修饰词;将所述修饰词与各所述相似节点的节点前缀进行比对,获取与所述修饰词匹配的节点前缀对应的目标节点。
例如,在标准语音聊天信息合格时,查询预设知识图谱数据库,终端可能获取到与目标词语匹配的多个相似节点,此时终端需要选择唯一的目标节点,例如,在查询的过程中如果出现重名,则提取句子中的形容词或名词前缀,如“上海大学电力学院的副教授张三”中的“上海大学/电力学院/副教授“,根据张三在知识图谱中的所属单位、“所属系统、title来最终匹配”使得信息查询更加准确。聊天机器人(终端)能够更加满足用户需求,其返回的结果也更加符合用户的预期。
步骤S42,将所述标准信息与所述目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。
终端将标准信息与目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。例如,目标词语为“张三”,则终端获取目标词语“张三”匹配的目标节点,终端将“$人名$的邻居”与“张三”的各关联信息与进行比对,终端获取标准信息“$人名$的邻居”匹配的关联信息,即,终端查询张三的数据库分支,以及邻居对应的关联信息,即得到最终的结果李四,终端将“张三的邻居是李四”作为所述语音聊天信息对应的答复信息并输出。在本实施例中通过预设知识图谱数据库生成答复信息的方法,使得生成的答复信息更加准确。
进一步地,在本发明第一实施例的基础上,提出了本发明人机问答方法的第五实施例。
本实施例是第一实施例步骤S30之后,本实施例与第一实施例的区别在与,本实施例中具体说明了所述标准信息不合格时。所述人机问答方法包括:
步骤S50,在所述标准信息不合格时,将所述文本信息与预设寒暄数据库中的预设寒暄语句进行比对。
终端在确定标准信息不合格时,即,终端将语音聊天信息处理之后,终端识别不到用户语音聊天信息对应的意图,此时,终端将所述文本信息与预设寒暄数据库中的预设寒暄语句进行比对,其中,预设寒暄数据库是指预先设置的寒暄语句数据库,例如,预设寒暄数据库中包含:今天是个好天气。
步骤S60,若存在与所述文本信息匹配的目标寒暄语句,则将所述目标寒暄语句作为所述语音聊天信息对应的答复信息并输出。
若预设寒暄数据库中存在与所述文本信息匹配的目标寒暄语句,则终端将目标寒暄语句作为所述语音聊天信息对应的答复信息并输出。
步骤S70,若不存在与所述文本信息匹配的目标寒暄语句,则将预设答复语句作为所述语音聊天信息对应的答复信息并输出。
若预设寒暄数据库中不存在与所述文本信息匹配的目标寒暄语句,则终端将预设答复语句作为所述语音聊天信息对应的答复信息并输出,其中,预设答复语句是指预先设置的答复语句,例如:预设答复语句为:我没有听清楚,麻烦你再说一遍。在本实施例中在终端不可以准确识别的语音聊天信息时,给出了对应的答复方式,使得人机交互更加智能。
此外,参考图3,本发明实施例还提出人机问答装置,所述人机问答装置包括:
接收识别模块10,用于在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;
信息处理模块20,用于获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;
信息判断模块30,用于将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;
搜索输出模块40,用于在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
可选地,所述人机问答装置,包括:
语音采集模块,用于分别采集预设方言语系和普通话语系朗读语音信息,并提取各所述语音信息对应的语音特征参数,将各所述语音特征参数组成语音特征集合;
初始模型建立模块,用于抽取所述语音特征集合中预设比例的各所述语音特征参数,并通过各所述语音特征参数构建初始语音识别模型;
模型训练模块,用于通过迭代算法训练所述初始语音识别模型,得到最优模型参数,并将训练得到所述最优模型参数对应的语音识别模型作为预设语音识别模型。
可选地,所述信息处理模块20,包括:
文本分词单元,用于将所述文本信息输入预设词语识别模型,通过所述预设词语识别模型对所述文本信息进行分词处理,得到所述文本信息中包含的关键词;
词语比对单元,用于通过所述预设词语识别模型,将所述关键词与预设词语集合中的预设目标词进行比对,获取与所述预设目标词匹配的目标关键词,其中,所述预设目标词中包含预设实体词和预设功能词;
归一化处理单元,用于将所述目标关键词作为所述文本信息中的目标词语,将所述目标词语替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息。
可选地,所述信息判断模块30,包括:
信息比对单元,将所述标准信息与预设标准数据库中的标准模板进行比对,其中,所述标准模板包括正例模板和负例模板;
结果获取单元,用于获取所述标准信息与所述正例模板的第一相似度,及所述标准信息与所述负例模板的第二相似度;
结果判定单元,用于在所述第一相似度大于所述第二相似度时,判定所述标准信息合格。
可选地,所述搜索输出模块40,包括:
图谱搜索子模块,用于在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点;
答复子模块,用于将所述标准信息与所述目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。
可选地,所述图谱搜索子模块,包括:
图谱搜索单元,用于在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的各预设节点与进行比对,获取与所述目标词语匹配的相似节点;
判定单元,用于判断是否存在至少两个所述相似节点;
获取单元,用于若存在至少两个所述相似节点,则获取目标词语的修饰词;
比对确定单元,用于将所述修饰词与各所述相似节点的节点前缀进行比对,获取与所述修饰词匹配的节点前缀对应的目标节点。
可选地,所述人机问答装置,包括:
信息比对模块,用于在所述标准信息不合格时,将所述文本信息与预设寒暄数据库中的预设寒暄语句进行比对;
第一输出模块,用于若存在与所述文本信息匹配的目标寒暄语句,则将所述目标寒暄语句作为所述语音聊天信息对应的答复信息并输出;
第二输出模块,用于若不存在与所述文本信息匹配的目标寒暄语句,则将预设答复语句作为所述语音聊天信息对应的答复信息并输出。
其中,人机问答装置的各个功能模块实现的步骤可参照本发明人机问答方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的人机问答方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人机问答方法,其特征在于,所述人机问答方法包括以下步骤:
在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;
获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;
将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;
在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
2.如权利要求1所述的人机问答方法,其特征在于,所述在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息的步骤之前,包括:
分别采集预设方言语系和普通话语系朗读语音信息,并提取各所述语音信息对应的语音特征参数,将各所述语音特征参数组成语音特征集合;
抽取所述语音特征集合中预设比例的各所述语音特征参数,并通过各所述语音特征参数构建初始语音识别模型;
通过迭代算法训练所述初始语音识别模型,得到最优模型参数,并将训练得到所述最优模型参数对应的语音识别模型作为预设语音识别模型。
3.如权利要求1所述的人机问答方法,其特征在于,所述获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息的步骤,包括:
将所述文本信息输入预设词语识别模型,通过所述预设词语识别模型对所述文本信息进行分词处理,得到所述文本信息中包含的关键词;
通过所述预设词语识别模型,将所述关键词与预设词语集合中的预设目标词进行比对,获取与所述预设目标词匹配的目标关键词,其中,所述预设目标词中包含预设实体词和预设功能词;
将所述目标关键词作为所述文本信息中的目标词语,将所述目标词语替换为所述预设目标词对应的模板词,得到所述文本信息对应的标准信息。
4.如权利要求1所述的人机问答方法,其特征在于,所述将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格的步骤,包括:
将所述标准信息与预设标准数据库中的标准模板进行比对,其中,所述标准模板包括正例模板和负例模板;
获取所述标准信息与所述正例模板的第一相似度,及所述标准信息与所述负例模板的第二相似度;
在所述第一相似度大于所述第二相似度时,判定所述标准信息合格。
5.如权利要求1所述的人机问答方法,其特征在于,所述在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出的步骤,包括:
在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点;
将所述标准信息与所述目标节点的各关联信息与进行比对,获取与所述标准信息匹配的目标关联信息,将目标关联信息作为所述语音聊天信息对应的答复信息并输出。
6.如权利要求5所述的人机问答方法,其特征在于,所述在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的节点与进行比对,获取与所述目标词语匹配的目标节点的步骤,包括:
在所述标准信息合格时,将所述目标词语与预设知识图谱数据库中的各预设节点与进行比对,获取与所述目标词语匹配的相似节点;
判断是否存在至少两个所述相似节点;
若存在至少两个所述相似节点,则获取目标词语的修饰词;
将所述修饰词与各所述相似节点的节点前缀进行比对,获取与所述修饰词匹配的节点前缀对应的目标节点。
7.如权利要求1所述的人机问答方法,其特征在于,所述获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息的步骤之后,包括:
在所述标准信息不合格时,将所述文本信息与预设寒暄数据库中的预设寒暄语句进行比对;
若存在与所述文本信息匹配的目标寒暄语句,则将所述目标寒暄语句作为所述语音聊天信息对应的答复信息并输出;
若不存在与所述文本信息匹配的目标寒暄语句,则将预设答复语句作为所述语音聊天信息对应的答复信息并输出。
8.一种人机问答装置,其特征在于,所述人机问答装置包括:
接收识别模块,用于在接收到用户输入的语音聊天信息时,将所述语音聊天信息输入至预设语音识别模型,得到所述语音聊天信息对应的文本信息;
信息处理模块,用于获取所述文本信息中的目标词语,并将所述目标词语进行归一化处理,得到所述文本信息对应的标准信息;
信息判断模块,用于将所述标准信息与预设标准数据库中的标准模板进行比对,得到所述标准信息与所述标准模板的相似度,根据所述相似度判断所述标准信息是否合格;
搜索输出模块,用于在所述标准信息合格时,基于所述标准信息和所述目标词语搜索预设知识图谱数据库,得到所述语音聊天信息对应的答复信息并输出。
9.一种人机问答设备,其特征在于,所述人机问答设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的人机问答方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的人机问答方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046750.5A CN109920414A (zh) | 2019-01-17 | 2019-01-17 | 人机问答方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910046750.5A CN109920414A (zh) | 2019-01-17 | 2019-01-17 | 人机问答方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109920414A true CN109920414A (zh) | 2019-06-21 |
Family
ID=66960372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910046750.5A Pending CN109920414A (zh) | 2019-01-17 | 2019-01-17 | 人机问答方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109920414A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399500A (zh) * | 2019-07-23 | 2019-11-01 | 广州市要啥网信息技术有限公司 | 基于语音智能的商业流量方法及系统 |
CN110503956A (zh) * | 2019-09-17 | 2019-11-26 | 平安科技(深圳)有限公司 | 语音识别方法、装置、介质及电子设备 |
CN110827807A (zh) * | 2019-11-29 | 2020-02-21 | 恒信东方文化股份有限公司 | 一种语音识别的方法及其系统 |
CN110909138A (zh) * | 2019-10-31 | 2020-03-24 | 浙江省北大信息技术高等研究院 | 一种用户意图识别方法及系统 |
CN110928992A (zh) * | 2019-11-21 | 2020-03-27 | 邝俊伟 | 文本搜索方法、装置、服务器及存储介质 |
CN111209367A (zh) * | 2019-12-03 | 2020-05-29 | 泰康保险集团股份有限公司 | 信息查找方法、信息查找装置、电子设备及存储介质 |
CN111291158A (zh) * | 2020-01-22 | 2020-06-16 | 北京猎户星空科技有限公司 | 一种信息查询方法、装置、电子设备及存储介质 |
CN111522914A (zh) * | 2020-04-20 | 2020-08-11 | 北大方正集团有限公司 | 标注数据采集方法、装置、电子设备及存储介质 |
CN111524515A (zh) * | 2020-04-30 | 2020-08-11 | 海信电子科技(武汉)有限公司 | 语音交互方法、装置、电子设备及可读存储介质 |
CN111881283A (zh) * | 2020-08-03 | 2020-11-03 | 海信电子科技(武汉)有限公司 | 一种业务关键词库创建方法、智能聊天引导方法及装置 |
CN111986675A (zh) * | 2020-08-20 | 2020-11-24 | 深圳Tcl新技术有限公司 | 语音对话方法、设备及计算机可读存储介质 |
CN112150694A (zh) * | 2020-08-12 | 2020-12-29 | 国网浙江省电力有限公司营销服务中心 | 一种智能语音电费催缴系统及方法 |
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 |
CN112988992A (zh) * | 2021-02-08 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种信息交互方法、装置及电子设备 |
CN113468306A (zh) * | 2021-06-30 | 2021-10-01 | 西安乾阳电子科技有限公司 | 语音对话方法、装置、电子设备及存储介质 |
CN113506573A (zh) * | 2021-08-06 | 2021-10-15 | 百融云创科技股份有限公司 | 生成回复语音的方法及装置 |
CN113676527A (zh) * | 2021-08-10 | 2021-11-19 | 未鲲(上海)科技服务有限公司 | 信息推送方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468605A (zh) * | 2014-08-25 | 2016-04-06 | 济南中林信息科技有限公司 | 一种实体信息图谱生成方法及装置 |
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
US20170186425A1 (en) * | 2015-12-23 | 2017-06-29 | Rovi Guides, Inc. | Systems and methods for conversations with devices about media using interruptions and changes of subjects |
CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
CN108847238A (zh) * | 2018-08-06 | 2018-11-20 | 东北大学 | 一种新型服务机器人语音识别方法 |
CN109102809A (zh) * | 2018-06-22 | 2018-12-28 | 北京光年无限科技有限公司 | 一种用于智能机器人的对话方法及系统 |
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
-
2019
- 2019-01-17 CN CN201910046750.5A patent/CN109920414A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468605A (zh) * | 2014-08-25 | 2016-04-06 | 济南中林信息科技有限公司 | 一种实体信息图谱生成方法及装置 |
US20170186425A1 (en) * | 2015-12-23 | 2017-06-29 | Rovi Guides, Inc. | Systems and methods for conversations with devices about media using interruptions and changes of subjects |
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
CN109102809A (zh) * | 2018-06-22 | 2018-12-28 | 北京光年无限科技有限公司 | 一种用于智能机器人的对话方法及系统 |
CN108847238A (zh) * | 2018-08-06 | 2018-11-20 | 东北大学 | 一种新型服务机器人语音识别方法 |
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399500A (zh) * | 2019-07-23 | 2019-11-01 | 广州市要啥网信息技术有限公司 | 基于语音智能的商业流量方法及系统 |
CN110503956A (zh) * | 2019-09-17 | 2019-11-26 | 平安科技(深圳)有限公司 | 语音识别方法、装置、介质及电子设备 |
CN110503956B (zh) * | 2019-09-17 | 2023-05-12 | 平安科技(深圳)有限公司 | 语音识别方法、装置、介质及电子设备 |
WO2021051564A1 (zh) * | 2019-09-17 | 2021-03-25 | 平安科技(深圳)有限公司 | 语音识别方法、装置、计算设备和存储介质 |
CN110909138B (zh) * | 2019-10-31 | 2023-03-07 | 杭州未名信科科技有限公司 | 一种用户意图识别方法及系统 |
CN110909138A (zh) * | 2019-10-31 | 2020-03-24 | 浙江省北大信息技术高等研究院 | 一种用户意图识别方法及系统 |
CN110928992A (zh) * | 2019-11-21 | 2020-03-27 | 邝俊伟 | 文本搜索方法、装置、服务器及存储介质 |
CN110827807B (zh) * | 2019-11-29 | 2022-03-25 | 恒信东方文化股份有限公司 | 一种语音识别的方法及其系统 |
CN110827807A (zh) * | 2019-11-29 | 2020-02-21 | 恒信东方文化股份有限公司 | 一种语音识别的方法及其系统 |
CN111209367A (zh) * | 2019-12-03 | 2020-05-29 | 泰康保险集团股份有限公司 | 信息查找方法、信息查找装置、电子设备及存储介质 |
CN111291158A (zh) * | 2020-01-22 | 2020-06-16 | 北京猎户星空科技有限公司 | 一种信息查询方法、装置、电子设备及存储介质 |
CN111291158B (zh) * | 2020-01-22 | 2023-06-09 | 北京猎户星空科技有限公司 | 一种信息查询方法、装置、电子设备及存储介质 |
CN111522914A (zh) * | 2020-04-20 | 2020-08-11 | 北大方正集团有限公司 | 标注数据采集方法、装置、电子设备及存储介质 |
CN111522914B (zh) * | 2020-04-20 | 2023-05-12 | 北大方正集团有限公司 | 标注数据采集方法、装置、电子设备及存储介质 |
CN111524515A (zh) * | 2020-04-30 | 2020-08-11 | 海信电子科技(武汉)有限公司 | 语音交互方法、装置、电子设备及可读存储介质 |
CN111881283A (zh) * | 2020-08-03 | 2020-11-03 | 海信电子科技(武汉)有限公司 | 一种业务关键词库创建方法、智能聊天引导方法及装置 |
CN112150694A (zh) * | 2020-08-12 | 2020-12-29 | 国网浙江省电力有限公司营销服务中心 | 一种智能语音电费催缴系统及方法 |
CN111986675A (zh) * | 2020-08-20 | 2020-11-24 | 深圳Tcl新技术有限公司 | 语音对话方法、设备及计算机可读存储介质 |
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 |
CN112988992B (zh) * | 2021-02-08 | 2022-04-08 | 北京嘀嘀无限科技发展有限公司 | 一种信息交互方法、装置及电子设备 |
CN112988992A (zh) * | 2021-02-08 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种信息交互方法、装置及电子设备 |
CN113468306A (zh) * | 2021-06-30 | 2021-10-01 | 西安乾阳电子科技有限公司 | 语音对话方法、装置、电子设备及存储介质 |
CN113468306B (zh) * | 2021-06-30 | 2024-07-26 | 西安乾阳电子科技有限公司 | 语音对话方法、装置、电子设备及存储介质 |
CN113506573B (zh) * | 2021-08-06 | 2022-03-18 | 百融云创科技股份有限公司 | 生成回复语音的方法及装置 |
CN113506573A (zh) * | 2021-08-06 | 2021-10-15 | 百融云创科技股份有限公司 | 生成回复语音的方法及装置 |
CN113676527A (zh) * | 2021-08-10 | 2021-11-19 | 未鲲(上海)科技服务有限公司 | 信息推送方法、装置、设备及存储介质 |
CN113676527B (zh) * | 2021-08-10 | 2024-09-06 | 西藏创煌信息科技有限公司 | 信息推送方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920414A (zh) | 人机问答方法、装置、设备和存储介质 | |
CN109885810A (zh) | 基于语义解析的人机问答方法、装置、设备和存储介质 | |
CN109920415A (zh) | 基于语音识别的人机问答方法、装置、设备和存储介质 | |
CN111026842B (zh) | 自然语言处理方法、自然语言处理装置及智能问答系统 | |
CN108446286B (zh) | 一种自然语言问句答案的生成方法、装置及服务器 | |
CN110427463B (zh) | 搜索语句响应方法、装置及服务器和存储介质 | |
US20160379106A1 (en) | Human-computer intelligence chatting method and device based on artificial intelligence | |
CN109256152A (zh) | 语音评分方法及装置、电子设备、存储介质 | |
CN110364171A (zh) | 一种语音识别方法、语音识别系统及存储介质 | |
CN105609107A (zh) | 一种基于语音识别的文本处理方法和装置 | |
CN110866093A (zh) | 机器问答方法及装置 | |
CN110781204B (zh) | 目标对象的标识信息确定方法、装置、设备及存储介质 | |
WO2021103712A1 (zh) | 一种基于神经网络的语音关键词检测方法、装置及系统 | |
CN109670166A (zh) | 基于语音识别的催收辅助方法、装置、设备和存储介质 | |
CN111191450A (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
Windiatmoko et al. | Developing facebook chatbot based on deep learning using rasa framework for university enquiries | |
CN109670148A (zh) | 基于语音识别的催收辅助方法、装置、设备和存储介质 | |
CN114626380A (zh) | 实体识别的方法和装置、电子设备和存储介质 | |
CN111399629A (zh) | 一种终端设备的操作引导方法、终端设备及存储介质 | |
CN112214595A (zh) | 类别确定方法、装置、设备及介质 | |
CN109408175B (zh) | 通用高性能深度学习计算引擎中的实时交互方法及系统 | |
CN110427470A (zh) | 问答处理方法、装置及电子设备 | |
CN112818096A (zh) | 对话生成方法及其装置 | |
CN112883713A (zh) | 基于卷积神经网络的评价对象抽取方法及装置 | |
CN111401069A (zh) | 会话文本的意图识别方法、意图识别装置及终端 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |