CN109977215B - 基于关联兴趣点的语句推荐方法和装置 - Google Patents

基于关联兴趣点的语句推荐方法和装置 Download PDF

Info

Publication number
CN109977215B
CN109977215B CN201910252164.6A CN201910252164A CN109977215B CN 109977215 B CN109977215 B CN 109977215B CN 201910252164 A CN201910252164 A CN 201910252164A CN 109977215 B CN109977215 B CN 109977215B
Authority
CN
China
Prior art keywords
interest
sentence
user
preset
interest points
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
Application number
CN201910252164.6A
Other languages
English (en)
Other versions
CN109977215A (zh
Inventor
牛正雨
吴华
王海峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910252164.6A priority Critical patent/CN109977215B/zh
Publication of CN109977215A publication Critical patent/CN109977215A/zh
Priority to JP2020030175A priority patent/JP7008096B2/ja
Priority to US16/819,969 priority patent/US11593434B2/en
Application granted granted Critical
Publication of CN109977215B publication Critical patent/CN109977215B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—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
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种基于关联兴趣点的语句推荐方法和装置，其中，方法包括：通过获取用户输入语句；提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点；根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。由此，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性，提升用户体验。

Description

基于关联兴趣点的语句推荐方法和装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于关联兴趣点的语句推荐方法和装置。
背景技术
目前，在人机对话场景中，聊天机器人通常以用户的语音信息作为输入，通过对语音信息的分析，并结合之前双方的对话历史、用户兴趣信息等，来自动决策回复的语义内容。
然而，初始的用户兴趣信息通常由用户指定、或者来自于与用户的少量简短交互，通常信息粒度不够细致(例如仅仅在特定领域级别：娱乐和体育)，并且覆盖面不够，并且通常依赖用户主动引导到新的话题，然后基于用户对话内容提取用户兴趣信息，因为完全依赖用户开启话题，容易陷入较封闭的话题集合，并且积累的过程比较低效，导致用户兴趣覆盖率比较低。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种基于关联兴趣点的语句推荐方法，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性。
本发明的第二个目的在于提出一种基于关联兴趣点的语句推荐装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本发明第一方面实施例提出了一种基于关联兴趣点的语句推荐方法，包括以下步骤：获取用户输入语句；提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与所述关键词匹配的当前兴趣点；根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点；根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户。
另外，本发明实施例的基于关联兴趣点的语句推荐方法，还具有如下附加的技术特征：
可选地，在所述根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点之前，还包括：获取用户的兴趣反馈信息；根据所述兴趣反馈信息确定满足扩展兴趣点检索条件。
可选地，在所述根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点之前，还包括：获取人机交互的对话轮数；若所述对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
可选地，在所述提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与所述关键词匹配的当前兴趣点之前，还包括：获取多个语句，提取每一个语句中的关键词；分析多个所述关键词的关联性，并根据所述关联性设置各个关键词的关联关系构成所述预设兴趣点关联网络。
可选地，所述按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点，包括：获取所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率；根据所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率从所述多个相关兴趣点筛选出扩展兴趣点。
可选地，所述根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户，包括：在预设的语料库中获取与所述输入语句匹配的多个候选语句；根据所述当前兴趣点从所述多个候选语句筛选出第一回复语句提供给所述用户；根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户。
可选地，所述根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户，包括：基于预设语义模型计算所述扩展兴趣点与所述多个候选语句的语义相似程度；根据所述语义相似程度对所述多个候选语句进行排序，根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户。
可选地，所述根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户，包括：选择排序结果排在首位的候选语句确定为第二回复语句提供给所述用户；或选择排序结果大于等于预设第二阈值且候选语句的语句长度与所述输入语句匹配的目标候选语句作为第二回复语句提供给所述用户。
本发明第二方面实施例提出了一种基于关联兴趣点的语句推荐装置，包括：第一获取模块，用于获取用户输入语句；提取匹配模块，用于提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与所述关键词匹配的当前兴趣点；确定模块，用于根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点；筛选模块，用于按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点；处理模块，用于根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户。
另外，本发明实施例的基于关联兴趣点的语句推荐装置，还具有如下附加的技术特征：
可选地，所述的装置，还包括：第二获取模块，用于获取用户的兴趣反馈信息；第一确定模块，用于根据所述兴趣反馈信息确定满足扩展兴趣点检索条件。
可选地，所述的装置，还包括：第三获取模块，用于获取人机交互的对话轮数；第二确定模块，用于若所述对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
可选地，所述的装置，还包括：第四获取模块，用于获取多个语句，提取每一个语句中的关键词；构建模块，用于分析多个所述关键词的关联性，并根据所述关联性设置各个关键词的关联关系构成所述预设兴趣点关联网络。
可选地，所述筛选模块，具体用于：获取所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率；根据所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率从所述多个相关兴趣点筛选出扩展兴趣点。
可选地，所述处理模块，包括：匹配单元，用于在预设的语料库中获取与所述输入语句匹配的多个候选语句；处理单元，用于根据所述当前兴趣点从所述多个候选语句筛选出第一回复语句提供给所述用户；所述处理单元，还用于根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户。
可选地，所述处理单元，具体用于：基于预设语义模型计算所述扩展兴趣点与所述多个候选语句的语义相似程度；根据所述语义相似程度对所述多个候选语句进行排序，根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户。
可选地，所述处理单元，具体还用于：选择排序结果排在首位的候选语句确定为第二回复语句提供给所述用户；或选择排序结果大于等于预设第二阈值且候选语句的语句长度与所述输入语句匹配的目标候选语句作为第二回复语句提供给所述用户。
本发明第三方面实施例提出了一种计算机设备，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，所述处理器执行所述计算机程序时，实现如第一方面实施例所述的基于关联兴趣点的语句推荐方法。
本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其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第一方面实施例所述的基于关联兴趣点的语句推荐方法。
本发明实施例提供的技术方案可以包含如下的有益效果：
通过获取用户输入语句；提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点；根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。由此，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性，提升用户体验。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的基于关联兴趣点的语句推荐方法的流程图；
图2是根据本发明另一个实施例的基于关联兴趣点的语句推荐方法的流程图；
图3是根据本发明又一个实施例的基于关联兴趣点的语句推荐方法的流程图
图4是根据本发明一个实施例的基于关联兴趣点的语句推荐装置的结构示意图；
图5是根据本发明另一个实施例的基于关联兴趣点的语句推荐装置的结构示意图；
图6是根据本发明又一个实施例的基于关联兴趣点的语句推荐装置的结构示意图；
图7是根据本发明再一个实施例的基于关联兴趣点的语句推荐装置的结构示意图；
图8是根据本发明另一个实施例的基于关联兴趣点的语句推荐装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的基于关联兴趣点的语句推荐方法和装置。
针对背景技术中提到的，现有技术中人机交互的过程中完全依赖用户开启话题，容易陷入较封闭的话题集合，并且积累的过程比较低效，导致用户兴趣覆盖率比较低的技术问题，本发明提出了基于关联兴趣点的语句推荐方法，通过提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点，根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点，最后根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。
具体而言，图1是根据本发明一个实施例的基于关联兴趣点的语句推荐方法的流程图，如图1所示，该方法包括：
步骤101，获取用户输入语句。
步骤102，提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点。
在实际应用中，本发明实施例的基于关联兴趣点的语句推荐方法应用的场景可以是用于与智能系统进行特定主题或非特定主题聊天(即闲聊)场景。
可以理解的是，智能系统包括NLU(Natural Language Understanding，自然语言理解模块)用于对用户输入语句的理解，对话管理模块用于回复语义内容的决策，NLG(Natural Language Generation，自然语言生成模块)用于回复语句的生成，以及用户兴趣管理模块用于更新用户信息。
具体地，用户可以根据实际应用需要输入语句，即可以是通过键盘等方式输入的文本语句也可以是麦克风等方式输入的语音语句。
进而，提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点。其中，预设兴趣点关联网络是预先生成的，作为一种示例，如图2所示，包括：
步骤201，获取多个语句，提取每一个语句中的关键词。
步骤202，分析多个关键词的关联性，并根据关联性设置各个关键词的关联关系构成预设兴趣点关联网络。
具体地，预设兴趣点关联网络是有向图结构，包括节点与边，节点对应于一个关键词(即兴趣点)，边(附加方向、权重等内容)表示从一个关键词到另一个关键词的转移。
其中，多个语句可以是人人对话中的语句，也可以来源于搜索、百科词条等，以及关键词之间的边或转移可以来自于对话每一轮中语句A到语句B的转移，例如语句A中关键词到语句B中关键词的转移，也可以来源于其他数据源，例如同一搜索中搜索语句C到搜索语句D的变换等。
举例而言，多个语句来源于一段时间内某一人和人之间对话中的多个前后相邻的语句，提取每一个语句中的关键词，分析来自不同语句的关键词之间的关联性，并根据关联性设置各个关键词的关联关系构成预设兴趣点关联网络。
需要说明的是，还可以在给预设兴趣点关联网络中的每一条边赋予对应的权重，比如通过计算条件概率来实现，语句A中关键词到语句B中关键词的转移概率作为对应的权重。
从而，可以通过将输入语句进行分词处理，对各个分析进行分析确定一个或者多个关键词，以及在预设兴趣点关联网络中查找与关键词匹配的节点作为当前兴趣点。
举例而言，用户输入语句为“我喜欢听刘德华的歌”，提取该输入语句的关键词为“刘德华”和“歌”在预设兴趣点关联网络中查找与关键词“刘德华”和“歌”匹配的当前兴趣点分别为“刘德华”、“刘德华歌曲”和“歌曲”。
需要说明的是，还可以给出每一个当前兴趣点的对应的置信度，比如“刘德华”置信度为0.6、刘德华歌曲”置信度为0.9等，以方便后续根据当前兴趣点匹配回复语句时可以参考该兴趣点对应的置信度，从而提高语句推荐的精度，提升用户体验。
步骤103，根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点。
可以理解的是，在确定当前兴趣点后可以在预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，更具体地，从任意当前兴趣点出发通过遍历边访问其他节点，被访问到的节点作为相关兴趣点。
进一步地，按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣，可以理解的是，筛选策略可以根据需要进行选择，比如根据当前兴趣点和相关兴趣点之间的关联程度，或者是相关兴趣点与输入语句的关联程度等等。
作为一种可能实现方式，获取多个相关兴趣点与用户兴趣集合的相似度、多个相关兴趣点与当前兴趣点的关联度、多个相关兴趣点与用户兴趣负向集合的不相似程度、以及多个相关兴趣点的使用频率，并根据多个相关兴趣点与用户兴趣集合的相似度、多个相关兴趣点与当前兴趣点的关联度、多个相关兴趣点与用户兴趣负向集合的不相似程度、以及多个相关兴趣点的使用频率从多个相关兴趣点筛选出扩展兴趣点。
其中，用户兴趣集合指的是用户的兴趣喜好等，由多个关键词构成；用户兴趣负向集合指的是用户不感兴趣的关键词。
步骤104，根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。
可以理解的是，根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户的方式有很多种，可以直接根据当前兴趣点在预设的语料库中检索出第一回复语句提供给用户，以及直接根据扩展兴趣点在预设的语料库中检索出第二回复语句提供给用户；还可以在预设的语料库中获取与输入语句匹配的多个候选语句，根据当前兴趣点从多个候选语句筛选出第一回复语句提供给用户，根据扩展兴趣点从多个候选语句筛选出第二回复语句提供给用户。
其中，在预设的语料库中获取与输入语句匹配的多个候选语句，这多个候选语句是与输入语句匹配的回复语句，更具体地，在预设的语料库中获取与输入语句匹配的多个候选上句；进一步获取每个候选上句的回复句作为候选回复语句即上述的多个候选语句。
需要说明的是，一般根据用户输入语句只有针对当前兴趣点的第一回复语句，本申请可以直接主动探索出扩展兴趣点直接在针对当前兴趣点的第一回复语句的基础上还基于扩展兴趣点的第二回复语句提供给用户，另外还可以根据是否满足预设探索条件进行扩展兴趣点的探索，即在步骤103之前还可以包括：
获取用户的兴趣反馈信息，根据兴趣反馈信息确定满足扩展兴趣点检索条件。
或者是，获取人机交互的对话轮数，若对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
具体地，挖掘用户的隐式反馈信息(例如感兴趣程度)及当前话题下对话轮数综合判断是否进行扩展兴趣点探索，如果需要进行扩展兴趣点探索，则基于扩展兴趣点生成额外第二回复语句并输出给用户，这样针对一个输入语句，系统将连续输出2个回复语句。
综上，本发明实施例的基于关联兴趣点的语句推荐方法，通过获取用户输入语句；提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点；根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。由此，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性，提升用户体验。
图3是根据本发明又一个实施例的基于关联兴趣点的语句推荐方法的流程图，如图3所示，该方法包括：
步骤301，获取用户输入语句，提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点。
需要说明的是，步骤301的描述可以参见步骤101-步骤102的详细描述，此处不再详述。
步骤302，根据用户输入语句更新用户兴趣点集合，在预设的语料库中获取与输入语句匹配的多个候选语句，根据用户兴趣点集合和输入语句对多个候选语句进行排序，并根据当前兴趣点从排序后的多个候选语句筛选出第一回复语句提供给用户。
可以理解的是，用户兴趣点集合是根据用户输入语句进行分析获取的，可以是一个或者多个关键词的集合用于表示用户兴趣点，每一轮对话都将用户输入语句进行分析获取用户的兴趣点，并判断该兴趣点是否在用户兴趣点集合中，如没有，则将该兴趣点添加到用户兴趣点集合。
其中，可以基于对话匹配模型计算输入语句和多个候选语句的对话匹配程度，基于预设语义模型计算用户兴趣点集合与多个候选语句的语义相似程度，最后根据对话匹配程度和语义相似程度对多个候选语句进行排序，并根据排序结果结合当前兴趣点确定第一回复语句提供给用户。
也就是说，可以直接使用排在首位的候选语句作为第一回复语句或者采用其他策略对多个候选语句进行进一步处理，例如选择一个长度与输入语句接近的候选语句作为第一回复语句，或者随机挑选一个候选语句作为第一回复语句以增加回复多样性。
步骤303，获取用户的兴趣反馈信息，根据兴趣反馈信息确定满足扩展兴趣点检索条件。
具体地，根据兴趣反馈信息判断用户对当前话题兴趣度较低，则进行扩展兴趣点探索；如果判断用户对当前话题兴趣度较高，则不进行扩展兴趣点探索。
步骤304，根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点。
步骤305，获取多个相关兴趣点与用户兴趣集合的相似度、多个相关兴趣点与当前兴趣点的关联度、多个相关兴趣点与用户兴趣负向集合的不相似程度、以及多个相关兴趣点的使用频率。
步骤306，根据多个相关兴趣点与用户兴趣集合的相似度、多个相关兴趣点与当前兴趣点的关联度、多个相关兴趣点与用户兴趣负向集合的不相似程度、以及多个相关兴趣点的使用频率从多个相关兴趣点筛选出扩展兴趣点。
其中，可以根据需要选择多个相关兴趣点与用户兴趣集合的相似度、多个相关兴趣点与当前兴趣点的关联度、多个相关兴趣点与用户兴趣负向集合的不相似程度、以及多个相关兴趣点的使用频率对多个相关兴趣点进行排序，将排在首位的相关兴趣点作为扩展兴趣点。
步骤307，根据扩展兴趣点从多个候选语句筛选出第二回复语句提供给用户。
其中，根据扩展兴趣点从多个候选语句筛选出第二回复语句提供给用户，包括：基于预设语义模型计算扩展兴趣点与多个候选语句的语义相似程度，根据语义相似程度对多个候选语句进行排序，根据排序结果从多个候选语句中确定第二回复语句提供给用户。
其中，根据排序结果从多个候选语句中确定第二回复语句提供给用户，包括：选择排序结果排在首位的候选语句确定为第二回复语句提供给用户；或选择排序结果大于等于预设第二阈值且候选语句的语句长度与输入语句匹配的目标候选语句作为第二回复语句提供给用户。
也就是说，可以直接使用排在首位的候选语句作为第二回复语句或者采用其他策略对多个候选语句进行进一步处理，例如选择一个长度与输入语句接近的候选语句作为第二回复语句，或者随机挑选一个候选语句作为第二回复语句以增加回复多样性。
作为一种场景举例，用户输入“我很喜欢看电影《人在囧途》，特别喜欢里面的王宝强”，获取当前兴趣点为《人在囧途之泰囧》和王宝强，通过预设兴趣点关联网络王宝强－>黄渤－>励志电影，得到扩展兴趣点为励志电影，基于扩展兴趣点生成回复语句为“嗯，我看过《蛋炒饭》！里面王大卫的故事很励志，很感人！”。由此，提升人机对话中话题的多样性，提升用户体验。
由此，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性，提升用户体验。
为了实现上述实施例，本发明还提出了一种基于关联兴趣点的语句推荐装置。
图4是根据本发明一个实施例的基于关联兴趣点的语句推荐装置的结构示意图，如图4所示，该基于关联兴趣点的语句推荐装置包括：第一获取模块401、提取匹配模块402、确定模块403、筛选模块404和处理模块405，其中，
第一获取模块401，用于获取用户输入语句。
提取匹配模块402，用于提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与所述关键词匹配的当前兴趣点。
确定模块403，用于根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点。
筛选模块404，用于按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点。
处理模块405，用于根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户。
在本发明的一个实施例中，如图5所示，在如图4所示的基础上，还包括：第二获取模块406和第一确定模块407。
第二获取模块406，用于获取用户的兴趣反馈信息。
第一确定模块407，用于根据所述兴趣反馈信息确定满足扩展兴趣点检索条件。
在本发明的一个实施例中，如图6所示，在如图4所示的基础上，还包括：第三获取模块408和第二确定模块409。
第三获取模块408，用于获取人机交互的对话轮数。
第二确定模块409，用于若对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
在本发明的一个实施例中，如图7所示，在如图4所示的基础上，还包括：第四获取模块410和构建模块411。
第四获取模块410，用于获取多个语句，提取每一个语句中的关键词。
构建模块411，用于分析多个所述关键词的关联性，并根据所述关联性设置各个关键词的关联关系构成所述预设兴趣点关联网络。
在本发明的一个实施例中，筛选模块404，具体用于：获取所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率；根据所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率从所述多个相关兴趣点筛选出扩展兴趣点。
在本发明的一个实施例中，如图8所示，在如图4所示的基础上，处理模块405包括：匹配单元4051和处理单元4052。
其中，匹配单元4051，用于在预设的语料库中获取与所述输入语句匹配的多个候选语句。
处理单元4052，用于根据所述当前兴趣点从所述多个候选语句筛选出第一回复语句提供给所述用户。
处理单元4052，还用于根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户。
处理单元4051，具体用于：基于预设语义模型计算所述扩展兴趣点与所述多个候选语句的语义相似程度；根据所述语义相似程度对所述多个候选语句进行排序，根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户。
处理单元4051，具体还用于：选择排序结果排在首位的候选语句确定为第二回复语句提供给所述用户；或选择排序结果大于等于预设第二阈值且候选语句的语句长度与所述输入语句匹配的目标候选语句作为第二回复语句提供给所述用户。
需要说明的是，前述对基于关联兴趣点的语句推荐方法实施例的解释说明也适用于该实施例的基于关联兴趣点的语句推荐装置，此处不再赘述。
综上，本发明实施例的基于关联兴趣点的语句推荐装置，通过获取用户输入语句；提取输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；根据预设兴趣点关联网络确定与当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对多个相关兴趣点进行筛选出扩展兴趣点；根据当前兴趣点和扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给用户。由此，通过不同兴趣点之间的关联来引导到扩展兴趣点，然后将包含该扩展兴趣点的回复句提供给用户，然后基于用户反馈扩展用户兴趣点集合，可以更高效地拓展用户兴趣画像，提升人机对话中话题的多样性，提升用户体验。
为了实现上述实施例，本发明还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现如前述实施例所描述的基于关联兴趣点的语句推荐方法。
为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其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前述方法实施例所描述的基于关联兴趣点的语句推荐方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现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。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种基于关联兴趣点的语句推荐方法，其特征在于，包括以下步骤：
获取用户输入语句；
提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；
根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点；
根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户；
其中，在所述提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与所述关键词匹配的当前兴趣点之前，还包括：
获取多个语句，提取每一个语句中的关键词；分析多个所述关键词的关联性，并根据所述关联性设置各个关键词的关联关系构成所述预设兴趣点关联网络。
2.如权利要求1所述的方法，其特征在于，在所述根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点之前，还包括：
获取用户的兴趣反馈信息；
根据所述兴趣反馈信息确定满足扩展兴趣点检索条件。
3.如权利要求1所述的方法，其特征在于，在所述根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点，并按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点之前，还包括：
获取人机交互的对话轮数；
若所述对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
4.如权利要求1所述的方法，其特征在于，所述按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点，包括：
获取所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率；
根据所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率从所述多个相关兴趣点筛选出扩展兴趣点。
5.如权利要求1所述的方法，其特征在于，所述根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户，包括：
在预设的语料库中获取与所述输入语句匹配的多个候选语句；
根据所述当前兴趣点从所述多个候选语句筛选出第一回复语句提供给所述用户；
根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户。
6.如权利要求5所述的方法，其特征在于，所述根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户，包括：
基于预设语义模型计算所述扩展兴趣点与所述多个候选语句的语义相似程度；
根据所述语义相似程度对所述多个候选语句进行排序，根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户。
7.如权利要求6所述的方法，其特征在于，所述根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户，包括：
选择排序结果排在首位的候选语句确定为第二回复语句提供给所述用户；或
选择排序结果大于等于预设第二阈值且候选语句的语句长度与所述输入语句匹配的目标候选语句作为第二回复语句提供给所述用户。
8.一种基于关联兴趣点的语句推荐装置，其特征在于，包括：
第一获取模块，用于获取用户输入语句；
提取匹配模块，用于提取所述输入语句中的关键字，并在预设兴趣点关联网络中查找与关键词匹配的当前兴趣点；
确定模块，用于根据所述预设兴趣点关联网络确定与所述当前兴趣点匹配的多个相关兴趣点；
筛选模块，用于按照预设的筛选策略对所述多个相关兴趣点进行筛选出扩展兴趣点；
处理模块，用于根据所述当前兴趣点和所述扩展兴趣点在预设的语料库中检索出第一回复语句和第二回复语句提供给所述用户；
所述装置，还包括：
第四获取模块，用于获取多个语句，提取每一个语句中的关键词；
构建模块，用于分析多个所述关键词的关联性，并根据所述关联性设置各个关键词的关联关系构成所述预设兴趣点关联网络。
9.如权利要求8所述的装置，其特征在于，还包括：
第二获取模块，用于获取用户的兴趣反馈信息；
第一确定模块，用于根据所述兴趣反馈信息确定满足扩展兴趣点检索条件。
10.如权利要求8所述的装置，其特征在于，还包括：
第三获取模块，用于获取人机交互的对话轮数；
第二确定模块，用于若所述对话轮数大于等于预设第一阈值，则确定满足扩展兴趣点检索条件。
11.如权利要求8所述的装置，其特征在于，所述筛选模块，具体用于：
获取所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率；
根据所述多个相关兴趣点与用户兴趣集合的相似度、所述多个相关兴趣点与当前兴趣点的关联度、所述多个相关兴趣点与用户兴趣负向集合的不相似程度、以及所述多个相关兴趣点的使用频率从所述多个相关兴趣点筛选出扩展兴趣点。
12.如权利要求8所述的装置，其特征在于，所述处理模块，包括：
匹配单元，用于在预设的语料库中获取与所述输入语句匹配的多个候选语句；
处理单元，用于根据所述当前兴趣点从所述多个候选语句筛选出第一回复语句提供给所述用户；
所述处理单元，还用于根据所述扩展兴趣点从所述多个候选语句筛选出第二回复语句提供给所述用户。
13.如权利要求12所述的装置，其特征在于，所述处理单元，具体用于：
基于预设语义模型计算所述扩展兴趣点与所述多个候选语句的语义相似程度；
根据所述语义相似程度对所述多个候选语句进行排序，根据排序结果从所述多个候选语句中确定第二回复语句提供给所述用户。
14.如权利要求13所述的装置，其特征在于，所述处理单元，具体还用于：
选择排序结果排在首位的候选语句确定为第二回复语句提供给所述用户；或
选择排序结果大于等于预设第二阈值且候选语句的语句长度与所述输入语句匹配的目标候选语句作为第二回复语句提供给所述用户。
15.一种计算机设备，其特征在于，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，所述处理器执行所述计算机程序时，实现如权利要求1-7任一所述的基于关联兴趣点的语句推荐方法。
16.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一所述的基于关联兴趣点的语句推荐方法。
CN201910252164.6A 2019-03-29 2019-03-29 基于关联兴趣点的语句推荐方法和装置 Active CN109977215B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910252164.6A CN109977215B (zh) 2019-03-29 2019-03-29 基于关联兴趣点的语句推荐方法和装置
JP2020030175A JP7008096B2 (ja) 2019-03-29 2020-02-26 関連付け関心点に基づく文推奨方法及び装置
US16/819,969 US11593434B2 (en) 2019-03-29 2020-03-16 Sentence recommendation method and apparatus based on associated points of interest

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910252164.6A CN109977215B (zh) 2019-03-29 2019-03-29 基于关联兴趣点的语句推荐方法和装置

Publications (2)

Publication Number Publication Date
CN109977215A CN109977215A (zh) 2019-07-05
CN109977215B true CN109977215B (zh) 2021-06-18

Family

ID=67081766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910252164.6A Active CN109977215B (zh) 2019-03-29 2019-03-29 基于关联兴趣点的语句推荐方法和装置

Country Status (3)

Country Link
US (1) US11593434B2 (zh)
JP (1) JP7008096B2 (zh)
CN (1) CN109977215B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831898B (zh) * 2019-09-17 2024-07-02 北京嘀嘀无限科技发展有限公司 排序方法、装置、电子设备及可读存储介质
CN111859175A (zh) * 2020-03-06 2020-10-30 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和系统
JP7221902B2 (ja) * 2020-03-13 2023-02-14 Kddi株式会社 ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法
CN111756832B (zh) * 2020-06-22 2023-06-30 百度在线网络技术（北京）有限公司 推送信息的方法、装置、电子设备及计算机可读存储介质
CN112860866B (zh) * 2021-02-09 2023-09-19 北京百度网讯科技有限公司 语义检索方法、装置、设备以及存储介质
CN113343116A (zh) * 2021-07-06 2021-09-03 上海明略人工智能(集团)有限公司 基于企业数仓的智能聊天推荐方法、系统、设备及存储介质
CN113641897B (zh) * 2021-07-28 2024-04-19 上海明略人工智能(集团)有限公司 基于会话文本的推荐方法和装置、电子设备和存储介质
CN116340617B (zh) * 2023-02-15 2023-12-12 荣耀终端有限公司 一种搜索推荐方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1647069A (zh) * 2002-04-11 2005-07-27 株式会社PtoPA 对话控制系统和对话控制方法
CN107203534A (zh) * 2016-03-16 2017-09-26 百度在线网络技术（北京）有限公司 基于地图的查询方法及装置
CN107943998A (zh) * 2017-12-05 2018-04-20 竹间智能科技（上海）有限公司 一种基于知识图谱的人机对话控制系统及方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002041176A1 (en) 2000-11-20 2002-05-23 British Telecommunicaitons Public Limited Company Method of updating interests
CN1629884A (zh) 2003-12-15 2005-06-22 皇家飞利浦电子股份有限公司 一种信息推荐系统及方法
US8190628B1 (en) * 2007-11-30 2012-05-29 Google Inc. Phrase generation
US9268878B2 (en) * 2010-06-22 2016-02-23 Microsoft Technology Licensing, Llc Entity category extraction for an entity that is the subject of pre-labeled data
JP5969502B2 (ja) 2011-01-05 2016-08-17 プライマル フュージョン インコーポレイテッド １人以上のユーザに関心ある情報を提供する方法及び装置
US8914400B2 (en) * 2011-05-17 2014-12-16 International Business Machines Corporation Adjusting results based on a drop point
CN104281622B (zh) * 2013-07-11 2017-12-05 华为技术有限公司 一种社交媒体中的信息推荐方法和装置
US20150370787A1 (en) 2014-06-18 2015-12-24 Microsoft Corporation Session Context Modeling For Conversational Understanding Systems
US9740746B2 (en) * 2014-07-23 2017-08-22 International Business Machines Corporation Question answer system using physical distance data
US9786299B2 (en) 2014-12-04 2017-10-10 Microsoft Technology Licensing, Llc Emotion type classification for interactive dialog system
US10248718B2 (en) * 2015-07-04 2019-04-02 Accenture Global Solutions Limited Generating a domain ontology using word embeddings
JP6566810B2 (ja) * 2015-09-18 2019-08-28 株式会社ユニバーサルエンターテインメント 商業用情報提供システムおよび商業用情報提供方法
JP6120927B2 (ja) 2015-09-24 2017-04-26 シャープ株式会社 対話システム、対話を制御する方法、およびコンピュータを対話システムとして機能させるためのプログラム
US11182435B2 (en) 2016-11-25 2021-11-23 Nippon Telegraph And Telephone Corporation Model generation device, text search device, model generation method, text search method, data structure, and program
JP6884947B2 (ja) 2017-03-16 2021-06-09 国立研究開発法人情報通信研究機構 対話システム及びそのためのコンピュータプログラム
TWI657433B (zh) * 2017-11-01 2019-04-21 財團法人資訊工業策進會 語音互動裝置及應用其之語音互動方法
CN107832433B (zh) * 2017-11-15 2020-08-11 北京百度网讯科技有限公司 基于对话交互的信息推荐方法、装置、服务器和存储介质
CN107832468B (zh) * 2017-11-29 2019-05-10 百度在线网络技术（北京）有限公司 需求识别方法和装置
CN109086329B (zh) * 2018-06-29 2021-01-05 出门问问信息科技有限公司 基于话题关键词引导的进行多轮对话方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1647069A (zh) * 2002-04-11 2005-07-27 株式会社PtoPA 对话控制系统和对话控制方法
CN107203534A (zh) * 2016-03-16 2017-09-26 百度在线网络技术（北京）有限公司 基于地图的查询方法及装置
CN107943998A (zh) * 2017-12-05 2018-04-20 竹间智能科技（上海）有限公司 一种基于知识图谱的人机对话控制系统及方法

Also Published As

Publication number Publication date
CN109977215A (zh) 2019-07-05
US11593434B2 (en) 2023-02-28
JP2020166839A (ja) 2020-10-08
US20200311147A1 (en) 2020-10-01
JP7008096B2 (ja) 2022-01-25

Similar Documents

Publication Publication Date Title
CN109977215B (zh) 基于关联兴趣点的语句推荐方法和装置
US11531818B2 (en) Device and method for machine reading comprehension question and answer
CN110245221B (zh) 训练对话状态跟踪分类器的方法和计算机设备
CN110569496B (zh) 实体链接方法、装置及存储介质
CN107102981B (zh) 词向量生成方法和装置
US20150074112A1 (en) Multimedia Question Answering System and Method
JP2022191422A (ja) マルチメディア会話からの意図発見のためのシステムおよび方法
JP2015511746A5 (zh)
CN106446018B (zh) 基于人工智能的查询信息处理方法和装置
KR20230075052A (ko) 언어 모델을 이용하여 도메인에 특화된 대화를 제공하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
US11200885B1 (en) Goal-oriented dialog system
JP2022031109A (ja) ニューラルネットワークに基づくマンマシンインタラクション方法、装置、及び媒体
CN106843523B (zh) 基于人工智能的文字输入方法和装置
CN113609264B (zh) 电力系统节点的数据查询方法、装置
CN113505198B (zh) 关键词驱动的生成式对话回复方法、装置及电子设备
CN110431547A (zh) 电子设备和控制方法
CN112836029A (zh) 一种基于图的文档检索方法、系统及其相关组件
CN110473543B (zh) 一种语音识别方法、装置
CN111090771A (zh) 歌曲搜索方法、装置及计算机存储介质
CN106653006B (zh) 基于语音交互的搜索方法和装置
KR20210031094A (ko) 트리 기반 이상치 탐지 장치 및 방법, 컴퓨터 프로그램
CN111428487B (zh) 模型训练方法、歌词生成方法、装置、电子设备及介质
CN112925912A (zh) 文本处理方法、同义文本召回方法及装置
KR20130045054A (ko) 키워드 추출 및 정련 시스템과 그 방법
US11550831B1 (en) Systems and methods for generation and deployment of a human-personified virtual agent using pre-trained machine learning-based language models and a video response corpus

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