CN110008325A - 一种基于商用对话系统的口语语言理解及改写方法 - Google Patents
一种基于商用对话系统的口语语言理解及改写方法 Download PDFInfo
- Publication number
- CN110008325A CN110008325A CN201910249981.6A CN201910249981A CN110008325A CN 110008325 A CN110008325 A CN 110008325A CN 201910249981 A CN201910249981 A CN 201910249981A CN 110008325 A CN110008325 A CN 110008325A
- Authority
- CN
- China
- Prior art keywords
- information
- language
- user
- conversational
- intent
- 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
- 238000000034 method Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 63
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
一种基于商用对话系统的口语语言理解及改写方法，包括以下步骤：根据用户所输入的话语，识别并获取话语所涉及的领域信息；根据话语所涉及的领域，识别并获取话语所包含的意图信息；根据意图信息检测用户话语中包含的槽位信息，并存储检测到的槽位信息；根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，补全话语信息；根据用户所输入话语的领域信息和意图信息选择子对话系统提供服务，本方法能够解决商用对话系统中容易出现的语义传递阻塞问题，通过应用本方法，由于用户需求的变化从而导致子对话系统切换时，子对话系统能够根据改写后的用户话语了解用户需求，而不被用户感知，能够最大程度的保证用户的使用体验。
Description
技术领域
本发明涉及语言处理技术领域，尤其涉及一种基于商用对话系统的口语语言理解及改写方法。
背景技术
通常在一个多轮次的任务完成型对话系统中，有专门的对话状态跟踪器来跟踪对话的状态，然而，在商业领域，一个完整的对话系统往往由多个分别负责不同功能的子对话系统组成，而这些子对话系统可能不全是任务完成型对话系统，从而没有专门的对话状态跟踪器，例如，一个对话系统由天气查询对话系统和机票订购对话系统组成，前者是基于单轮查询的对话系统，不包含对话状态跟踪器，而后者是基于多轮查询的对话系统，包含对话状态跟踪器，当用户的需求在这两个系统之间切换时，历史对话信息不能被另外一个系统调用，用户咨询飞往某地的机票信息时，机票订购对话系统为用户提供服务，当用户接着问那里的天气情况如何时，天气查询对话系统没有办法根据“那里的天气情况如何”获取到具体的地点信息，而所述地点存储在机票订购对话系统的对话状态跟踪器中，天气查询对话系统也无法获取得到，从而无法进行回答，此类语义传递阻塞问题会导致人机对话的不流畅，影响用户使用体验。
发明内容
鉴以此，本发明的目的在于提供一种基于商用对话系统的口语语言理解及改写方法，以至少解决以上问题。
一种基于商用对话系统的口语语言理解及改写方法，包括以下步骤：
根据用户所输入的话语，识别并获取话语所涉及的领域信息；
根据话语所涉及的领域，识别并获取话语所包含的意图信息；
根据意图信息检测用户话语中包含的槽位信息，并存储检测到的槽位信息；
根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，补全话语信息；
根据用户所输入话语的领域信息和意图信息选择子对话系统提供服务。
进一步的，根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，具体包括以下步骤：
获取用户所输入话语的词向量表示，输入到句编码器中；
将用户所输入话语的领域信息、意图信息和已存储的槽位信息输入到语义编码器中；
将句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量，输入到解码器中；
解码器对经过组合的新向量进行处理输出改写后的用户话语。
进一步的，所述句编码器和语义编码器为双向循环神经网络，所述神经网络结构包括但不限于RNN、LSTM、GRU。
进一步的，将用户所输入话语的领域信息、意图信息和已存储的槽位信息输入到语义编码器中时，
领域信息表示为domain[sep]d，其中，domain为领域信息的词向量表示，[sep]为分隔符，d为领域名称的词向量表示；
意图信息表示为intent[sep]i，其中，intent为意图信息的词向量表示，[sep]为分隔符，i为意图名称的词向量表示；
槽位信息表示为slot[sep]slotnamejslotj,其中，j∈[0,+∞)，slot为槽位信息的词向量表示，[sep]为分隔符，slotnamej为槽位名称，slotj为具体的槽值。
进一步的，句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量的方式包括拼接、加和。
进一步的，所述解码器根据经过组合的新向量和已经生成的历史信息y1，y2，...yt-1来生成t时刻要生成的词yt，如公式(1)所示，
yt＝arg maxP(yt|y1,y2,...,yt-1,o) (1)
其中，P为条件概率分布，o表示经过组合的新向量。
进一步的，所述解码器使用LSTM、GRU、RNN或者LTSM、GRU、RNN的变种算法实现。
与现有技术相比，本发明的有益效果是：
本发明提供一种基于商用对话系统的口语语言理解与改写方法，基于用户当前话语的领域、意图和语义槽，对用户话语进行改写，从而解决商用对话系统中容易出现的语义传递阻塞问题，通过应用本方法，由于用户需求的变化从而导致子对话系统切换时，不同的子对话系统之间能够根据改写后的用户话语了解用户的需求，在此过程中用户是无感知的，能够最大程度的保证用户的使用体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的口语语言理解及改写方法整体流程示意图。
图2是本发明实施例的话语改写流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。
在一个完备的商用对话系统中，后端往往有多个子对话系统进行支撑，以针对不同领域完成不同的功能，而这些子对话系统之间通常相互独立，当用户的需求发生变化，从而需要不同的子对话系统进行服务时，用户在之前提供的信息将不会传递到下一个为其服务的子对话系统，从而造成对话的不连续，即语义传递阻塞，为了解决该问题，参照图1，本发明提供一种基于商用对话系统的口语语言理解及改写方法，所述方法包括以下步骤：
S1、根据用户所输入的话语，识别并获取话语所涉及的领域信息。
该步骤用于识别用户话语所属领域，例如当用户询问的话语为“最近的餐馆在哪”，则所属领域为餐饮，常见领域还包括航空、旅游、电影等。
S2、根据话语所涉及的领域，识别并获取话语所包含的意图信息。
在识别用户话语所属领域后，该步骤用于进一步识别用户话语所表示的意图，例如，购买电影票、预定酒店、购买飞机票、就餐等。
S3、根据意图信息检测用户话语中包含的槽位信息，并存储检测到的槽位信息。
该步骤中，检测用户输入的话语中是否包含预先定义的槽位，例如，在飞机票预定对话系统中，预先定义了时间和目的地两个槽位，当用户输入“帮我订一张3月3号去北京的机票”时，检测到用户话语中包含了时间和目的地，则将3月3号和北京分别填入时间槽位和目的地槽位。
S4、根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，补全话语信息。
该步骤用于补全用户话语信息，当用户的需求发生改变时，即使下一个提供服务的子对话系统无法从上一个提供服务的子对话系统处获取历史对话信息，也可以通过被补全的话语信息为用户提供针对性的服务。
参照图2，根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，具体包括以下步骤：
S41、获取用户所输入话语的词向量表示，输入到句编码器中。
S42、分别将用户所输入话语的领域信息、意图信息和已存储的槽位信息所对应的词向量表示输入到语义编码器中。
步骤S41和S42中，一句完整的用户话语通常由一个或多个字、词组成，将每一个字、词均替换为其对应的词向量，而由用户话语所得到的领域信息、意图信息和槽位信息也同样转换为相应的词向量。获取词向量时，可以采用无监督词向量学习算法提高学习效率，例如Word2Vec、Glove。
在本发明的可选实施例中，所述句编码器和语义编码器为双向循环神经网络，所述神经网络结构包括但不限于RNN、LSTM、GRU。
所述句编码器对用户话语所对应的词向量序列进行编码，并输出句向量。以BiGRU为例，编码过程表示为公式(2)，
s(w)＝BiGRU(w) (2)
其中，w＝(w1,w2,...wn),表示用户当前话语所对应的词向量序列，n表示用户话语所对应的词向量的个数，s为用户话语的句向量表示，BiGRU()表示双向GRU网络。
所述语义编码器则用于对从用户话语中提取出的领域信息、意图信息、槽位信息进行编码，并输出语义表示向量，输入时，
领域信息表示为domain[sep]d，其中，domain为领域信息的词向量表示，[sep]为分隔符，d为领域名称的词向量表示；
意图信息表示为intent[sep]i，其中，intent为意图信息的词向量表示，[sep]为分隔符，i为意图名称的词向量表示；
槽位信息表示为slot[sep]slotnamejslotj,其中，j∈[0,+∞)，slot为槽位信息的词向量表示，[sep]为分隔符，slotnamej为槽位名称，slotj为具体的槽值。将上述输入作为序列，分别输入到语义编码器中进行编码，从而获得相应的语义表示向量。
S43、将句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量，输入到解码器中。
步骤S43中，采用拼接或者加和等向量结合操作将句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量，以向量拼接为例，如公式(3)所示，
o＝Concat(s,c) (3)
其中，s表示句编码器输出的句向量，c表示语义编码器输出的语义表示向量，Concat()表示将向量c拼接到向量s的尾部，o表示拼接后的新向量。
S44、解码器对经过组合的新向量进行处理输出改写后的用户话语。
步骤S44中，所述解码器使用LSTM、GRU、RNN或者LTSM、GRU、RNN的变种算法实现。以RNN的变种算法Seq2Seq为例，解码器根据经过组合的新向量和已经生成的历史信息y1，y2，...yt-1来生成t时刻要生成的词yt，如公式(1)所示，
yt＝argmaxP(yt|y1,y2,...,yt-1,o) (1)
其中，P为条件概率分布，o表示经过组合的新向量，最终解码器根据已经生成的y1，y2，...，yt生成改写后的用户话语，经过改写后的用户话语具有语义完整性，即改写后的用户话语包含了在用户当前话语意图下，子对话系统要为用户服务所需要的信息。
S5、根据用户所输入话语的领域信息和意图信息选择子对话系统提供服务。
步骤S5中，当新的子对话系统为用户提供服务时，可通过改写后的用户话语检测领域信息和意图信息，从而为用户提供相应的信息服务。在不具备对话状态跟踪器的商用对话系统中，能够有效避免由于语义传递阻塞问题而导致的对话不流畅，用户在使用商用对话系统时，本发明能够使子对话系统间的切换不会被用户所感知，能够最大程度保证用户的使用体验，并提高商用对话系统理解用户话语所包含的用户需求的准确率。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，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 (7)
1.一种基于商用对话系统的口语语言理解及改写方法，其特征在于，所述方法包括以下步骤：
根据用户所输入的话语，识别并获取话语所涉及的领域信息；
根据话语所涉及的领域，识别并获取话语所包含的意图信息；
根据意图信息检测用户话语中包含的槽位信息，并存储检测到的槽位信息；
根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，补全话语信息；
根据用户所输入话语的领域信息和意图信息选择子对话系统提供服务。
2.根据权利要求1所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，根据领域信息、意图信息、已存储的槽位信息对用户所输入话语进行改写，具体包括以下步骤：
获取用户所输入话语的词向量表示，输入到句编码器中；
分别将用户所输入话语的领域信息、意图信息和已存储的槽位信息所对应的词向量表示输入到语义编码器中；
将句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量，输入到解码器中；
解码器对经过组合的新向量进行处理输出改写后的用户话语。
3.根据权利要求2所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，所述句编码器和语义编码器为双向循环神经网络，所述神经网络结构包括但不限于RNN、LSTM、GRU。
4.根据权利要求2所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，将用户所输入话语的领域信息、意图信息和已存储的槽位信息输入到语义编码器中时，
领域信息表示为domain[sep]d，其中，domain为领域信息的词向量表示，[sep]为分隔符，d为领域名称的词向量表示；
意图信息表示为intent[sep]i，其中，intent为意图信息的词向量表示，[sep]为分隔符，i为意图名称的词向量表示；
槽位信息表示为slot[sep]slotnamejslotj,其中，j∈[0,+∞)，slot为槽位信息的词向量表示，[sep]为分隔符，slotnamej为槽位名称，slotj为具体的槽值。
5.根据权利要求2所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，句编码器输出的句向量和语义编码器输出的语义表示向量组合成新向量的方式包括但不限于拼接、加和。
6.根据权利要求2所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，所述解码器根据经过组合的新向量和已经生成的历史信息y1，y2，...yt-1来生成t时刻要生成的词yt，如公式(1)所示，
yt＝argmaxP(yt|y1,y2,...,yt-1,o) (1)
其中，P为条件概率分布，o表示经过组合的新向量。
7.根据权利要求6所述的一种基于商用对话系统的口语语言理解及改写方法，其特征在于，所述解码器使用LSTM、GRU、RNN或者LTSM、GRU、RNN的变种算法实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249981.6A CN110008325B (zh) | 2019-03-29 | 2019-03-29 | 一种基于商用对话系统的口语语言理解及改写方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910249981.6A CN110008325B (zh) | 2019-03-29 | 2019-03-29 | 一种基于商用对话系统的口语语言理解及改写方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110008325A true CN110008325A (zh) | 2019-07-12 |
| CN110008325B CN110008325B (zh) | 2020-02-07 |
Family
ID=67168888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910249981.6A Active CN110008325B (zh) | 2019-03-29 | 2019-03-29 | 一种基于商用对话系统的口语语言理解及改写方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110008325B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110609618A (zh) * | 2019-08-26 | 2019-12-24 | 杭州城市大数据运营有限公司 | 一种人机对话方法、装置、计算机设备及存储介质 |
| CN111353035A (zh) * | 2020-03-11 | 2020-06-30 | 镁佳(北京)科技有限公司 | 人机对话方法、装置、可读存储介质及电子设备 |
| CN111797218A (zh) * | 2020-07-07 | 2020-10-20 | 海南中智信信息技术有限公司 | 一种基于Cycle-Seq2Seq的开放域对话生成方法 |
| CN111951803A (zh) * | 2020-08-13 | 2020-11-17 | 东北林业大学 | 基于Star-Transformer的口语理解方法、系统及设备 |
| CN113111665A (zh) * | 2021-04-16 | 2021-07-13 | 清华大学 | 一种个性化对话改写方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060184370A1 (en) * | 2005-02-15 | 2006-08-17 | Samsung Electronics Co., Ltd. | Spoken dialogue interface apparatus and method |
| US20160225370A1 (en) * | 2015-01-30 | 2016-08-04 | Microsoft Technology Licensing, Llc | Updating language understanding classifier models for a digital personal assistant based on crowd-sourcing |
| CN106156003A (zh) * | 2016-06-30 | 2016-11-23 | 北京大学 | 一种问答系统中的问句理解方法 |
| CN108563790A (zh) * | 2018-04-28 | 2018-09-21 | 科大讯飞股份有限公司 | 一种语义理解方法及装置、设备、计算机可读介质 |
| CN109461039A (zh) * | 2018-08-28 | 2019-03-12 | 厦门快商通信息技术有限公司 | 一种文本处理方法及智能客服方法 |
-
2019
- 2019-03-29 CN CN201910249981.6A patent/CN110008325B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060184370A1 (en) * | 2005-02-15 | 2006-08-17 | Samsung Electronics Co., Ltd. | Spoken dialogue interface apparatus and method |
| US20160225370A1 (en) * | 2015-01-30 | 2016-08-04 | Microsoft Technology Licensing, Llc | Updating language understanding classifier models for a digital personal assistant based on crowd-sourcing |
| CN106156003A (zh) * | 2016-06-30 | 2016-11-23 | 北京大学 | 一种问答系统中的问句理解方法 |
| CN108563790A (zh) * | 2018-04-28 | 2018-09-21 | 科大讯飞股份有限公司 | 一种语义理解方法及装置、设备、计算机可读介质 |
| CN109461039A (zh) * | 2018-08-28 | 2019-03-12 | 厦门快商通信息技术有限公司 | 一种文本处理方法及智能客服方法 |
Non-Patent Citations (1)
| Title |
|---|
| 车万翔等: "人机对话系统综述", 《人工智能》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110609618A (zh) * | 2019-08-26 | 2019-12-24 | 杭州城市大数据运营有限公司 | 一种人机对话方法、装置、计算机设备及存储介质 |
| CN110609618B (zh) * | 2019-08-26 | 2023-06-20 | 杭州城市大数据运营有限公司 | 一种人机对话方法、装置、计算机设备及存储介质 |
| CN111353035A (zh) * | 2020-03-11 | 2020-06-30 | 镁佳(北京)科技有限公司 | 人机对话方法、装置、可读存储介质及电子设备 |
| CN111797218A (zh) * | 2020-07-07 | 2020-10-20 | 海南中智信信息技术有限公司 | 一种基于Cycle-Seq2Seq的开放域对话生成方法 |
| CN111797218B (zh) * | 2020-07-07 | 2022-03-29 | 海南中智信信息技术有限公司 | 一种基于Cycle-Seq2Seq的开放域对话生成方法 |
| CN111951803A (zh) * | 2020-08-13 | 2020-11-17 | 东北林业大学 | 基于Star-Transformer的口语理解方法、系统及设备 |
| CN111951803B (zh) * | 2020-08-13 | 2022-12-16 | 东北林业大学 | 基于Star-Transformer的口语理解方法、系统及设备 |
| CN113111665A (zh) * | 2021-04-16 | 2021-07-13 | 清华大学 | 一种个性化对话改写方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110008325B (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008325A (zh) | 一种基于商用对话系统的口语语言理解及改写方法 | |
| US10740370B2 (en) | Dialog agent for conducting task-oriented computer-based communications | |
| CN110838288B (zh) | 一种语音交互方法及其系统和对话设备 | |
| US9865257B2 (en) | Device and method for a spoken dialogue system | |
| CN107193865B (zh) | 人机交互中自然语言意图理解方法及装置 | |
| Łańcucki et al. | Robust training of vector quantized bottleneck models | |
| CN111212190B (zh) | 一种基于话术策略管理的对话管理方法、装置和系统 | |
| CN112632961B (zh) | 基于上下文推理的自然语言理解处理方法、装置以及设备 | |
| US10108702B2 (en) | Topic shift detector | |
| US11416755B2 (en) | Artificial intelligence based system and method for controlling virtual agent task flow | |
| CN111737434A (zh) | 直接从对话历史和资源中生成自动化助理响应和/或动作 | |
| CN113692595B (zh) | 用于分类和意图确定的多模型结构 | |
| US11475220B2 (en) | Predicting joint intent-slot structure | |
| US12136414B2 (en) | Integrating dialog history into end-to-end spoken language understanding systems | |
| CN111639168A (zh) | 一种多轮对话的处理方法、装置、电子设备及存储介质 | |
| CN111191000A (zh) | 一种智能语音机器人的对话管理方法、装置和系统 | |
| US11711469B2 (en) | Contextualized speech to text conversion | |
| CN113239157B (zh) | 对话模型的训练方法、装置、设备和存储介质 | |
| CN109767758A (zh) | 车载语音分析方法、系统、存储介质以及设备 | |
| Coman et al. | An incremental turn-taking model for task-oriented dialog systems | |
| CN114386426B (zh) | 一种基于多元语义融合的金牌话术推荐方法及装置 | |
| US20190139550A1 (en) | Symbol sequence estimation in speech | |
| WO2019119927A1 (zh) | 语音打车方法及系统 | |
| CN111782775B (zh) | 对话方法、装置、设备和介质 | |
| US11404047B2 (en) | Feature and feature variant reconstruction for recurrent model accuracy improvement in speech recognition |
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 |