CN110070862B - 对话系统中基于本体的自动引导的方法和系统 - Google Patents

对话系统中基于本体的自动引导的方法和系统 Download PDF

Info

Publication number
CN110070862B
CN110070862B CN201910047833.6A CN201910047833A CN110070862B CN 110070862 B CN110070862 B CN 110070862B CN 201910047833 A CN201910047833 A CN 201910047833A CN 110070862 B CN110070862 B CN 110070862B
Authority
CN
China
Prior art keywords
dialog
state
computer
ontology
implemented method
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
CN201910047833.6A
Other languages
English (en)
Other versions
CN110070862A (zh
Inventor
J.森
P.杰因
D.萨哈
A.米塔尔
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN110070862A publication Critical patent/CN110070862A/zh
Application granted granted Critical
Publication of CN110070862B publication Critical patent/CN110070862B/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
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • 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
    • G06F16/242—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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • 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
    • G10L15/26—Speech to text systems
    • 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
    • G10L15/28—Constructional details of speech recognition systems
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/54—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for retrieval
    • 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
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Machine Translation (AREA)

Abstract

本申请一般涉及信息技术，更具体地，涉及对话框架技术。本公开提供了用于基于状态的对话系统的引导的方法、系统和计算机程序产品。一种计算机实现的方法包括通过将本体图划分成子图和将知识图划分成子图来确定状态自动机的参数，其中，本体图和知识图基于用户问题和与用户问题有关的领域知识；为每个子图生成结构化查询；通过将每个生成的结构化查询翻译为相应的自然语言查询来确定与至少一个用户问题有关的对话的意图；为每个确定的对话意图创建一个或多个对话状态；在创建的对话状态对之间创建一个或多个连接对话状态；以及基于创建的对话状态和创建的连接对话状态生成与用户问题相关联的自动机对话框架。

Description

对话系统中基于本体的自动引导的方法和系统
技术领域
本申请一般涉及信息技术，更具体地，涉及对话框架技术。
背景技术
现有的对话框架通常基于一个通用框架，该通用框架的核心具有基于状态的自动机模型。尝试使用这种对话框架的任何终端应用程序都需要自定义填充状态自动机参数，以实例化适合该应用程序的对话框架。但是，自定义填充自动机参数需要手动干预，并且通常会在实例化终端应用程序的对话框架时产生主要瓶颈。
发明内容
在本发明的一个实施例中，提供了基于状态的对话系统的基于本体的自动引导的技术。一种示例性的计算机实现的方法可以包括通过将(i)至少一个本体图分割成为多个子图，以及(ii)至少一个知识图分割为多个子图，确定状态自动机的一个或多个参数以供一个或多个自动对话交换程序使用，其中，(i)所述至少一个本体图和(ii)所述至少一个知识图中的每一个基于至少一个用户问题和与所述至少一个用户问题有关的领域知识，并且其中所述状态自动机中的每个状态表示包括查询和命令中的至少一个的结构化动作。所述方法还包括为所述多个子图中的每一个生成结构化查询，以及通过将每个所述生成的结构化查询翻译成相应的自然语言查询，确定与所述至少一个用户问题有关的对话的一个或多个意图。此外，该方法还包括为每个所述确定的对话意图创建一个或多个对话状态，在所述创建的对话状态对之间创建一个或多个连接对话状态；以及基于(i)所述创建的对话状态和(ii)所述创建的连接对话状态，生成与所述至少一个用户问题相关联的自动机对话框架。
在本发明的另一个实施例中，示例性的计算机实现的方法可以包括：基于对与特定终端应用有关的本体图和知识图的分析，识别状态自动机对话框架的多个状态作为所述本体图上的有效解释图，其中所述多个状态中的每一个代表结构化的行动；确定所述识别的状态中的相关状态之间的一个或多个转换规则，其中每个所述转换规则捕获状态自动机对话框架如何从第一状态演变到第二状态；将自然语言段落(natural languagepassages)分配给所述一个或多个转换规则；以及基于(i)所述多个状态、(ii)所述一个或多个转换规则、以及(iii)所述分配的自然语言段落，为特定的终端应用程序设计状态自动机对话框架。
本发明的另一个实施例或其元件可以以计算机程序产品的形式实现，该计算机程序产品包含计算机可读指令，当实现时，该计算机可读指令使计算机执行如本文所述的多个方法步骤。此外，本发明的另一个实施例或其元件可以以包括存储器和至少一个处理器的系统的形式实现，该处理器耦合到该存储器并且被配置为执行所提到的方法步骤。此外，本发明的另一个实施例或其元件可以以用于执行本文描述的方法步骤的装置或其元件的形式实现；该装置可以包括硬件模块或硬件和软件模块的组合，其中软件模块存储在计算机可读存储介质(或多个这样的介质)中。
通过以下对其说明性实施例的详细描述，该说明性实施例将结合附图来阅读，本发明的这些和其他目的、特征和优点将变得显而易见。
附图说明
图1是根据本发明示例性实施例的说明系统架构的示意图；
图2是根据本发明示例性实施例的说明本体划分的示意图；
图3是根据本发明示例性实施例的说明创建查询类的示意图；
图4是根据本发明示例性实施例的说明创建依赖于本体的参数化查询的示意图；
图5是根据本发明示例性实施例的说明创建意图的示意图；
图6是根据本发明示例性实施例的说明对话状态的图；
图7是根据本发明示例性实施例的说明转换状态的图；
图8是根据本发明实施例的说明技术的流程图；
图9是可以在其上实现本发明的至少一个实施例的示例性计算机系统的系统示意图；
图10描绘了根据本发明的实施例的云计算环境；以及
图11描绘了根据本发明的实施例的抽象模型层。
具体实施方式
如本文所述，本发明的一个实施例包括基于状态的对话系统的基于本体的自动引导。本发明的至少一个实施例可以包括利用来自本体的领域知识和一个或多个知识图来设计完整的状态自动机。在这种状态自动机中，每个状态可以代表对本体中的元素的结构化动作(如查询或命令)。此外，在这种状态自动机中，两个状态之间的转换捕获对话流如何从动作演变为动作。此外，这种状态自动机可以使聊天机器人(即，自动对话交换程序)理解自然语言动作(例如，查询或命令)，并通过将自然语言动作转换为结构化动作来采取适当的动作。
因此,本发明的一个或多个实施例包括自动填充状态自动机参数插槽,以设计和实例化基于相关领域知识本体的终端应用程序的对话框框架。这种实施例包括基于对用户问题、用户意图以及与用户问题相关的领域知识的分析,自动创建本体和知识图。此外,这种实施例可以包括根据从一个或多个外部源收集的数据通过将本体和知识图划分为子图，为状态自动机提取参数。在本发明的至少一个实施例中,本体划分过程可以包括实现本体的功能分区,以通过考虑各个域功能之间的边界确定要从部分类型查询的特定证据集遍历的关系的数目。
此外，这种实施例还可以包括将基于本体的领域知识自动映射到状态自动机参数，以及填充用于重新设计和实例化自动机对话框架的状态参数。
使用本体的桥接聊天机器人自动机，如本文所述，可以包括以下术语和元素的使用。本体中的每个解释图在这里被称为聊天机器人自动机中的“状态”。因此，每个状态标识符(ID)唯一地标识本体中的解释图，而解释之间的每个转换边缘也是捕捉非顺序语句(non-sequential utterance，NSU)和/或在解释之间流动的共同引用的状态。另外，状态的“输入上下文”可以表示为：(先前的状态ID+填充参数值)，而状态的“输出上下文”可以表示为(当前状态ID+填充的参数值)。
另外，“输出动作”可以指由该状态的解释图标识并最终执行的后端动作。后端动作可以是应用程序特有的任何内容。“实体”可以指代本体概念、属性等，并且“样本问题”可以包括自然语言问题和/或生成的可以导致自动机从一个状态转换到另一个状态的非句子话语。还如本文详述的，“参数”可包括所需参数和可选参数。所需参数可包括例如单个概念状态、概念实体。可选参数可以包括，例如，给定状态的解释图中的所有概念的数据属性的并集。
本发明的至少一个实施例还可以包括枚举状态和转换边缘。这样的实施例可以包括将本体图划分成多个子图，O＝{P1,P2,…Pn}，其中每个子图Pi在本体中捕获唯一的语义关系。本发明的一个或多个实施例还可以包括设置状态：Set<States>S＝{}。在这样的实施例中，对于每个分区Pi，生成该分区中的所有可能的概念组合(Ci∈Pi)。对于生成的每个概念组合CCi，这样的实施例可以包括确定连接概念组合CCi的所有可能的解释树。对于每个确定的树ITCCi，这样的实施例还可以包括如果状态创建有效解释图，则创建状态SITCCi。另外，可以生成状态SITCCi的可选参数以等于{数据属性(Ci)}，使得Ci∈CCi。因此，通过这样的实施例，S＝S+SITCCi。
本发明的一个或多个实施例还可以包括确定转换边缘。举例来说，在每个分区内，对于每对状态SITCCi,SITCCj∈S,，如果
Figure GDA0004206354960000041
Figure GDA0004206354960000042
则将转换边缘添加为SITCCi→SITCCj。作为另一示例，跨越分区，对于每对状态SITCCi,SITCCj∈S，/>
Figure GDA0004206354960000043
概念C使得C∈SITCCi∩SITCCj或者C∈SITCCi并且Parent(c)∈SITCCj)，则将转换边缘作为SITCCi→SITCCj添加。
此外，本发明的至少一个实施例可以包括实现用于填充状态内部细节的算法。例如，对于一对状态(Si,Sj)之间的每一条边，这样的实施例可以包括将输出上下文作为context_outi(即状态ID Si+填充参数值)添加到Si，并作为context_inj(即,context_inj U(状态ID Si+填充参数值))添加到Sj的输入上下文。此外，对于每个状态Si，如果Si是单个概念状态，则本发明的一个或多个实施例可以包括添加“概念实体”作为所需的参数；否则，该实施例可以包括添加“该状态的解释图中所有概念的数据属性的并”作为可选参数。
本发明的至少一个实施例还包括实现用于生成用于聊天机器人状态转换的示例问题的算法。例如，为状态中的自循环转换生成问题可以包括以下内容。对于每个状态Si，对于所有可能的Si的参数Pi的集合，随机样本N个参数集合可以表示为Pis(即random(Pi,N))。对于Pis中的每个参数集p，Qi＝QiU(用p生成一个样本问题)。
此外，本发明的至少一个实施例可以包括实现用于填充状态内部细节的算法。例如，对于一对状态(Si,Sj)之间的每一条边，这样的实施例可以包括将输出上下文作为context_outi(即,状态ID Si+填充参数值)添加到Si，并作为context_inj(即，context_injU(状态ID Si+填充参数值)添加到Sj的输入上下文。此外，对于每个状态Si，如果Si是单个概念状态，则本发明的一个或多个实施例可以包括添加“概念实体”作为所需的参数；否则，该实施例可以包括添加“该状态的解释图中所有概念的数据属性的合并”作为可选参数。
本发明的至少一个实施例还包括实现用于为聊天机器人状态转换生成样本问题的算法。举例来说，为状态中的自循环转换生成问题可包括以下内容。对于每个状态Si，对于Si的所有可能的参数集Pi，随机样本N参数集可以表示为Pis(即，random(Pi,N))。对于Pis中的每个参数集p，Qi＝Qi U(使用p生成样本问题)。
此外，本发明的一个或多个实施例可以包括为状态之间转换生成问题。对于状态之间的每个转换(Si->Sj)，并且对于所有可能的集合参数Pij，其作为Sj的一部分但在Si中不存在，随机样本N个参数集可以表示为Pijs(即，random(Pij,N))。对于Pijs中的每个参数集p，Qij＝Qij U，使用p可以生成样本问题。
本发明的至少一个实施例还可以包括识别和/或生成开始状态。在这样的实施例中，自动机可以在对应于提交给聊天机器人的第一查询的解释图的状态下开始。类似地，本发明的至少一个实施例可以另外包括识别和/或生成停止状态。在这样的实施例中，自动机可以具有单个停止状态，其可以从多个状态到达。例如，对于目标驱动系统，每个可能的目标状态可以在经过一定持续时间之后没有进一步的问题达到停止状态。另外，对于非目标驱动的系统，自动机中的每个状态在处理某些输入(例如“结束对话”短语)之后和/或在经过一段时间没有进一步的问题之后可以达到停止状态。此外，可以将指示已经达到目标状态或者已经处理“结束会话”短语的一组问题作为来自正在开发的目标终端应用的用户的输入。
图1是根据本发明的实施例说明系统体系结构的示意图。为了说明起见,图1描述了本体102和知识图(KG)104,这些被用于引导系统106以执行步骤108、110和112。具体来说,步骤108包括将状态标记为分区的本体上的有效解释图。本发明的一个或多个实施例还可以包括对本体102进行分区。此外,步骤110包括确认相关联的状态之间可能的转换规则,步骤112包括将自然语言(NL)句子分配给转换规则用于意图解析。
也如图1所示,引导系统106(例如,包括指定的NL句子)的输出可以包括一个对话状态自动机114,从中创建聊天机器人118。例如,本发明的一个或多个实施例可以包括实现聊天机器人构建框架,以采用聊天机器人规范(例如,对话状态自动机)并创建聊天机器人。聊天机器人118提供了一个结构化动作给查询和/或命令处理器120，其返回响应给聊天机器人118。此外,终端应用程序116将自然语言动作(例如,查询和/或命令)传输到聊天机器人118,该聊天机器人基于从对话状态自动机114以及查询和/或命令处理器120中获得的信息返回响应给终端应用程序116。
图2是根据本发明的示例性实施例的说明本体划分的示意图。举个例子，图2描述了将本体划分为第一部分202和第二部分204。正如本文所详述的，给定一个本体，解释图的数量可以组合地很大。因此，本发明的一个或多个实施例可以包括仅在分区内枚举状态，而不具有跨分区的新状态(仅包括转换边缘)。这样的实施例可以包括将状态空间缩小到可管理的有限集。
图3是根据本发明的示例性实施例说明创建查询类的示意图。举个例子，图3描述了查询302的集合，其中查询用结构查询语言之类的语言(SQL-)描述，该语言可以指定结构化查询。如图3所示，C1..C2…＝概念，而C1_P1＝C1的任何属性P1。另外，C1_INTAGGR_P1是C1的属性P1，对于C1，整数是可聚合的，而PATH_C1_C2＝本体中C1和C2之间的路径。另外，C1_INT_P1_VAL是C1_INT_P1的值。此外，在本发明的一个或多个实施例中，可以手动指定此类查询类。
图4是根据本发明示例性实施例的创建基于本体的参数化查询402和404的示意图。本发明的至少一个实施例，如图4中所示，包括创建实体。这种创建的实体可以包括值实体和/或模式元素实体。关于值实体，一个或多个实施例可以包括在本体中查找可能在查询中引用的属性(例如，公司名称、首席执行官(CEO)名称等)。然后，这样的实施例可以包括获得属性的值并为每个值创建实体。关于模式元素实体，对于本体中的所有概念及其属性，本发明的一个或多个实施例可以包括创建包含那些实体的同义词的实体。
图5是根据本发明示例性实施例的创建意图的图。作为说明，图5描绘了步骤502，其包括从参数化动作(使用来自实体的值)生成具体动作。步骤502还可以包括用一个或多个值进行实例化，使得意图分类器可以准确地对动作进行分类。504包括对应于每个具体动作生成一个或多个自然语言查询，其中NL查询成为意图示例。例如，可以使用解析查询并用自然语言词组替换查询的不同组件来执行步骤504。
图6是根据本发明示例性实施例的说明对话状态的图。作为说明，图6描绘了“向我显示所有贷方”对话框状态602，“向我显示所有贷款协议”对话框状态604，“向我显示所有借款者”对话框状态606，“向我显示贷方所有贷款”对话框状态608，“向我显示由借款人的所有贷款”对话状态610，以及“向我展示由贷款人A贷给借款人A的贷款”对话状态612。另外，在本发明的一个或多个实施例中，每个对话状态的响应是参数化的本体依赖的查询。此外，在每个对话状态内，可以呈现和/或包括从其创建状态的本体概念。
图7是根据本发明示例性实施例的转换状态的图。作为说明，图7描绘了示例性转换状态702、704、706、708、710和712。结合图7中描绘的示例实施例，考虑以下运行时流程。用户提交查询，然后通过将查询与最接近的意图相匹配，将该查询与其中一个对话状态匹配。另外，将自动填充和/或生成相关查询参数。例如，假设用户已经询问“向我展示航空公司的首席执行官。”。此外，假设实体工业.名字(industry.name)中存在“航空公司”。这样，对话系统可以将该查询映射到具有“向我展示IT公司的CEO”的意图示例的对话状态。这样的系统实施例也可以通过适当的参数化找到响应。这样的查询随后可以由命令处理器获取并执行，并且可以生成相应的响应并向用户显示。
图8是根据本发明实施例的技术的流程图。步骤802包括通过将(i)至少一个本体图划分成多个子图；以及(ii)将至少一个知识图划分成多个子图，确定一个或多个自动对话交换程序使用的状态自动机的一个或多个参数，其中(i)所述至少一个本体图和(ii)所述至少一个知识图中的每一个基于与至少一个用户问题和关于至少一个用户问题的领域知识，并且其中状态自动机中的每个状态表示包括至少一个查询和命令的结构化动作。
确定一个或多个参数可以包括创建一个或多个独立于本体的结构化动作类，以及基于一个或多个独立于本体的结构化动作类创建一个或多个依赖于本体的参数化动作。此外，本发明的一个或多个实施例可以包括为每个依赖于本体的参数化动作生成动作意图，以及基于一个或多个依赖于本体的参数化动作生成一个或多个具体动作。此外，本发明的至少一个实施例可以包括基于一个或多个依赖于本体的参数化动作导出一个或多个实体的标识，并使用来自一个或多个实体的值生成一个或多个具体动作。本发明的一个或多个实施例还可以包括生成对应于每个具体动作的一个或多个自然语言查询。
步骤804包括为多个子图中的每一个生成结构化查询。步骤806包括通过将每个生成的结构化查询翻译成相应的自然语言查询来确定关于至少一个用户问题的对话的一个或多个意图。
步骤808包括为每个确定的对话意图创建一个或多个对话状态。创建一个或多个对话状态可以包括为每个生成的动作意图创建一个或多个动作对话状态，并使用一个或多个自然语言动作表示两个动作对话状态之间的差异。
步骤810包括在所创建的对话状态对之间创建一个或多个连接对话状态。步骤812包括基于(i)创建的对话状态和(ii)创建的连接对话状态，生成与至少一个用户问题相关联的自动机对话框架。另外，本发明的一个或多个实施例可以包括创建与差异有关的非顺序话语意图，创建与两个动作对话状态相关联的转换对话状态，创建包括两个动作对话状态和转换对话状态的对话流程，并将创建的非顺序话语意图分配给转换对话状态。
此外,本发明的附加实施例还包括根据对本体图和与特定终端应用程序相关的知识图的分析,将状态自动机对话框框架的多个状态标识为有效的在本体图上的解释图,其中多个状态的每个代表一个结构化动作。此实施例还可以包括确定已标识的相关状态之间的一个或多个转换规则,其中每个转换规则捕获状态自动机对话框框架如何从第一状态演变为第二状态。此外,此实施例可以包括根据(i)多个状态、(ii)一个或多个转换、和(iii)分配的自然语言段落，将自然语言段落分配给一个或多个转换规则,并为特定的终端应用程序设计状态自动机对话框框架。此实施例还可以包括使一个或多个自动对话交换程序(此处称为聊天机器人)通过将一个或多个自然语言段落转换为一个或多个结构化动作来执行一个或多个动作。
如本文所述，图8中描绘的技术还可以包括提供系统，其中系统包括不同的软件模块，每个不同的软件模块包含在有形的计算机可读可记录存储介质上。例如，所有模块(或其任何子集)可以在相同的介质上，或者每个模块可以在不同的介质上。模块可包括图中所示和/或本文所述的任何或所有组件。在本发明的一个实施例中，模块可以例如在硬件处理器上运行。然后，可以使用系统的不同软件模块来执行方法步骤，如上所述，在硬件处理器上执行。此外，计算机程序产品可以包括有形的计算机可读可记录存储介质，其具有适于被执行以实现本文描述的至少一个方法步骤的代码，该代码包括提供具有不同软件模块的系统。
另外，图8中描绘的技术可以通过计算机程序产品实现，该计算机程序产品可以包括存储在数据处理系统中的计算机可读存储介质中的计算机可用程序代码，并且其中计算机可用程序代码是通过网络从远程数据处理系统下载的。此外，在本发明的实施例中，计算机程序产品可以包括存储在服务器数据处理系统中的计算机可读存储介质中的计算机可用程序代码，并且其中计算机可用程序代码通过网络下载到远程数据处理系统，用于在具有远程系统的计算机可读存储介质中使用。
本发明的实施例或其元件可以以包括存储器和至少一个耦合到存储器并且被配置为执行示例性方法步骤的处理器的装置的形式实现。
另外，本发明的实施例可以利用在计算机或工作站上运行的软件。参考图9，这样的实现可以采用例如处理器902、存储器904和由例如显示器906和键盘908形成的输入/输出接口。这里使用的术语“处理器”旨在包括任何处理设备，例如包括CPU(中央处理单元)和/或其他形式的处理电路的处理设备。此外，术语“处理器”可以指代不止一个单独的处理器。术语“存储器”旨在包括与处理器或CPU相关联的存储器，例如RAM(随机存取存储器)、ROM(只读存储器)、固定存储器设备(例如，硬盘驱动器)、可移动存储设备(例如，磁盘)、闪存等。另外，这里使用的短语“输入/输出接口”旨在包括例如用于向处理单元(例如，鼠标)输入数据的机制、以及用于提供与处理单元(例如，打印机)相关联的结果的机制。处理器902、存储器904和诸如显示器906和键盘908的输入/输出接口可以作为数据处理系统912的一部分例如经由总线910互连。合适的互连，例如通过总线910，也可以被提供给网络接口914，例如网卡，其可以被提供以与计算机网络接口，并提供给介质接口916，例如磁盘或CD-ROM驱动器，其可以被提供以与介质918接口。
因此，如本文所述，包括用于执行本发明的方法的指令或代码的计算机软件可以存储在相关的存储器设备(例如，ROM，固定或可移动存储器)中，并且当准备好实施时，被部分或全部加载(例如，进入RAM)并由CPU实现。这样的软件可以包括但不限于固件、常驻软件、微代码等。
适于存储和/或执行程序代码的数据处理系统将包括通过系统总线910直接或间接耦合到存储器元件904的至少一个处理器902。存储器元件可包括在程序代码实际实现期间使用的本地存储器、大容量存储器和提供至少一些程序代码的临时存储，以减少在实现期间必须从大容量存储器中检索代码的次数的高速缓存存储器。
输入/输出或I/O设备(包括但不限于键盘908、显示器906、指示设备等)可以直接(例如通过总线910)或通过干预I/O控制器(为清楚起见省略)耦合到系统。
诸如网络接口914之类的网络适配器也可以耦合到系统，以使数据处理系统能够通过中间私有或公共网络耦合到其他数据处理系统或远程打印机或存储设备。调制解调器、电缆调制解调器和以太网卡只是当前可用类型的网络适配器中的一小部分。
如本文包括权利要求所使用的，“服务器”包括运行服务器程序的物理数据处理系统(例如，如图9所示的系统912)。应该理解，这种物理服务器可以包括或不包括显示器和键盘。
本发明可以是在任何可能集成级别的技术细节上的系统、方法和/或计算机程序产品。该计算机程序产品可以包括计算机可读存储介质(或介质)，其上具有用于使处理器执行本发明的实施例的计算机可读程序指令。
计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适组合。计算机可读存储介质的更具体示例的非详尽列表包括以下内容：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程读取器-仅存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、例如在其上记录有指令的凹槽中的穿孔卡或凸起结构的机械编码装置、以及前述的任何合适的组合。这里使用的计算机可读存储介质不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波，通过波导或其他传输介质传播的电磁波(例如，通过的光脉冲)光纤电缆)或通过电线传输的电信号。
本文描述的计算机可读程序指令可以经由网络，例如，因特网、局域网、广域区域网络和/或无线网络从计算机可读存储介质或外部计算机或外部存储设备下载到相应的计算/处理设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、用于集成电路的配置数据、或者以一种或多种编程语言，包括诸如Smalltalk、C++等的面向对象的编程语言、以及诸如“C”编程语言的过程编程语言、或类似的编程语言的任意组合编写的源代码或目标代码。计算机可读程序指令可以作为独立的软件包，完全在用户的计算机上、部分在用户的计算机上、部分地在用户的计算机上部分地在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络，包括局域网(LAN)或广域网(WAN)连接到用户的计算机，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。在一些实施例中，为了执行本发明的实施例，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来来执行计算机可读程序指令以个性化电子电路。
本文参考根据本发明实施例的方法，装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的实施例。将理解，流程图图示和/或框图的每个框以及流程图图示和/或框图中的框的组合可以由计算机可读程序指令实现。
这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器创建用于实现流程图和/或框图块中指定的功能/动作的装置，使得指令通过计算机的处理器或其他可编程数据处理装置执行。这些计算机可读程序指令还可以存储在计算机可读存储介质中，该计算机可读存储介质可以指示计算机，可编程数据处理装置和/或其他设备以特定方式起作用，使得具有存储在其中的指令的计算机可读存储介质包括一种制品，该制品包括实现流程图和/或框图块中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤以产生计算机实现过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现在流程图和/或框图块中指定的功能/动作。
附图中的流程图和框图显示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的体系结构、功能和操作。在这方面，流程图或框图中的每个框可以表示模块、段或指令的一部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，框中提到的功能可以不按图中所示的顺序发生。例如，连续示出的两个方框实际上可以基本上同时执行，或者这些方框有时可以以相反的顺序执行，这取决于所涉及的功能。还应注意，框图和/或流程图说明的每个框以及框图和/或流程图说明中的框的组合可以由执行特定功能或动作或执行专用硬件和计算机指令的组合的基于专用硬件的系统来实现。
应当注意，本文描述的任何方法可以包括提供包括体现在计算机可读存储介质上的不同软件模块的系统的附加步骤；模块可包括例如本文详述的任何或所有组件。然后，如上所述，可以使用在硬件处理器902上执行的系统的不同软件模块和/或子模块来执行方法步骤。此外，计算机程序产品可以包括具有适于实现以执行本文所述的至少一个方法步骤的代码的计算机可读存储介质，方法步骤包括提供具有不同软件模块的系统。
在任何情况下，应该理解的是，这里示出的组件可以以各种形式的硬件、软件或其组合来实现，例如，专用集成电路(ASICS)、功能电路、适当的具有相关存储器的可编程数字计算机等。考虑到本文提供的本发明的教导，相关领域的普通技术人员将能够设想本发明的组件的其他实施方式。
另外，预先理解，本文所述的教导的实现不限于特定的计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何类型的计算环境来实现。
云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征如下：
按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。
资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。
迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。
可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。
服务模型如下：
软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下：
私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。
现在参考图10，其中显示了示例性的云计算环境50。如图所示，云计算环境50包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10，本地计算设备例如可以是个人数字助理(PDA)或移动电话54A，台式电脑54B、笔记本电脑54C和/或汽车计算机系统54N。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10进行物理或虚拟分组(图中未显示)。这样，云的消费者无需在本地计算设备上维护资源就能请求云计算环境50提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解，图10显示的各类计算设备54A-N仅仅是示意性的，云计算节点10以及云计算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。
现在参考图11，其中显示了云计算环境50(图11)提供的一组功能抽象层。首先应当理解，图11所示的组件、层以及功能都仅仅是示意性的，本发明的实施例不限于此。如图11所示，提供下列层和对应功能：
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61、基于RISC(精简指令集计算机)架构的服务器62、服务器63、刀片服务器64、存储设备65、和网络以及网络组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。虚拟层70提供一个抽象层，该层可以提供下列虚拟实体的例子：虚拟服务器、虚拟存储、虚拟网络(包括虚拟私有网络)、虚拟应用和操作系统，以及虚拟客户端。
在一个示例中，管理层80可以提供下述功能：资源供应功能：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。在一个例子中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(SLA)计划和履行功能：为根据SLA预测的对云计算资源未来需求提供预先安排和供应。
根据本发明的一个或多个实施例，工作负载层90提供可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：映射和导航91、软件开发和生命周期管理92、虚拟教室教育分发93、数据分析处理94、交易处理95、以及基于本体的自动引导96。
这里使用的术语仅用于描述特定实施例的目的，并不意图限制本发明。如这里所使用的，除非上下文另有明确说明，单数形式“一”，“一个”和“该”也旨在包括复数形式。将进一步理解，当在本说明书中使用时，术语“包括”和/或“包含”指定所述特征、步骤、操作、元件和/或组件的存在，但不排除存在或添加其他特征、步骤、操作、元件、组件和/或他们的组。
本发明的至少一个实施例可以提供有益效果，例如，自动填充状态自动机参数时隙，以基于领域知识的本体来实例化用于终端应用的对话框架。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (17)

1.一种计算机实现的方法，所述方法包括以下步骤：
通过将至少一个本体图中的每个分割为多个子图，以及将至少一个知识图中的每个分割为多个子图，确定状态自动机的一个或多个参数以供一个或多个自动对话交换程序使用，其中，所述至少一个本体图和所述至少一个知识图中的每一个基于至少一个用户问题和与所述至少一个用户问题有关的领域知识，并且其中所述状态自动机中的每个状态表示包括查询和命令中的至少一个的结构化动作；
为所述多个子图中的每一个生成结构化查询；
通过将每个生成的结构化查询翻译成相应的自然语言查询，确定与所述至少一个用户问题有关的对话的一个或多个意图；
为每个确定的对话意图创建一个或多个对话状态；
在创建的对话状态对之间创建一个或多个连接对话状态；以及
基于所述创建的对话状态和创建的连接对话状态，生成与所述至少一个用户问题相关联的自动机对话框架；
其中由至少一个计算设备执行所述步骤。
2.如权利要求1所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括创建一个或多个独立于本体的结构化动作类。
3.如权利要求2所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括基于所述一个或多个独立于本体的结构化动作类创建一个或多个依赖于本体的参数化动作。
4.如权利要求3所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括为每个所述依赖于本体的参数化动作生成动作意图。
5.如权利要求3所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括基于所述一个或多个依赖于本体的参数化动作生成一个或多个具体动作。
6.如权利要求3所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括导出一个或多个实体的标识。
7.如权利要求6所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括基于所述一个或多个依赖于本体的参数化动作，使用来自所述一个或多个实体的值生成一个或多个具体动作。
8.如权利要求5所述的计算机实现的方法，其中所述确定状态自动机的一个或多个参数包括生成与每个所述具体动作相对应的一个或多个自然语言查询。
9.如权利要求4所述的计算机实现的方法，其中所述创建一个或多个对话状态包括为每个所述生成的动作意图创建一个或多个动作对话状态。
10.如权利要求9所述的计算机实现的方法，其中所述创建一个或多个对话状态包括使用一个或多个自然语言动作表示两个动作对话状态之间的差异。
11.如权利要求10所述的计算机实现的方法，包括：
创建与所述差异有关的非顺序话语意图。
12.如权利要求11所述的计算机实现的方法，其中所述创建一个或多个对话状态包括创建与所述两个动作对话状态相关联的转换对话状态。
13.如权利要求12所述的计算机实现的方法，其中所述生成自动机对话框架包括创建包括所述两个动作对话状态和所述转换对话状态的对话流。
14.如权利要求12所述的计算机实现的方法，其中所述生成自动机对话框架包括将所创建的非顺序话语意图分配给所述转换对话状态。
15.一种计算机可读存储介质，所述计算机可读存储介质具有存储其中的程序指令，所述程序指令可由计算设备执行以使得计算设备执行如权利要求1-14中任意一项所述的方法。
16.一种计算机系统，包括：
存储器；以及
至少一个处理器，可操作地耦合到存储器并配置用于执行如权利要求1-14中任意一项所述的方法。
17.一种计算机系统，所述系统包括分别用于执行权利要求1-14中任一项的方法的各个步骤的模块。
CN201910047833.6A 2018-01-19 2019-01-18 对话系统中基于本体的自动引导的方法和系统 Active CN110070862B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/875,303 US10839160B2 (en) 2018-01-19 2018-01-19 Ontology-based automatic bootstrapping of state-based dialog systems
US15/875,303 2018-01-19

Publications (2)

Publication Number Publication Date
CN110070862A CN110070862A (zh) 2019-07-30
CN110070862B true CN110070862B (zh) 2023-06-16

Family

ID=67298667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910047833.6A Active CN110070862B (zh) 2018-01-19 2019-01-18 对话系统中基于本体的自动引导的方法和系统

Country Status (2)

Country Link
US (1) US10839160B2 (zh)
CN (1) CN110070862B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10678835B2 (en) * 2018-03-28 2020-06-09 International Business Machines Corporation Generation of knowledge graph responsive to query
EP3576084B1 (de) * 2018-05-29 2020-09-30 Christoph Neumann Effiziente dialoggestaltung
US11366573B2 (en) * 2018-11-09 2022-06-21 Sap Portals Israel Ltd. Automatic development of a service-specific chatbot
US11121986B2 (en) * 2019-08-01 2021-09-14 International Business Machines Corporation Generating process flow models using unstructure conversation bots
US20210142234A1 (en) * 2019-11-07 2021-05-13 International Business Machines Corporation Transforming parallel process models into statecharts
US10841251B1 (en) * 2020-02-11 2020-11-17 Moveworks, Inc. Multi-domain chatbot
CN113641806B (zh) * 2021-07-28 2023-06-23 北京百度网讯科技有限公司 对话方法、系统、电子设备及存储介质
US11430446B1 (en) * 2021-08-12 2022-08-30 PolyAI Limited Dialogue system and a dialogue method
US12051243B2 (en) * 2021-11-01 2024-07-30 International Business Machines Corporation Transformers for real world video question answering
US12050877B2 (en) 2021-12-06 2024-07-30 International Business Machines Corporation Contextual dialogue framework over dynamic tables

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6964023B2 (en) * 2001-02-05 2005-11-08 International Business Machines Corporation System and method for multi-modal focus detection, referential ambiguity resolution and mood classification using multi-modal input
US7421393B1 (en) * 2004-03-01 2008-09-02 At&T Corp. System for developing a dialog manager using modular spoken-dialog components
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
WO2012135226A1 (en) * 2011-03-31 2012-10-04 Microsoft Corporation Augmented conversational understanding architecture
WO2014005055A2 (en) * 2012-06-29 2014-01-03 Elwha Llc Methods and systems for managing adaptation data
US20140379323A1 (en) 2013-06-20 2014-12-25 Microsoft Corporation Active learning using different knowledge sources
US20150370787A1 (en) * 2014-06-18 2015-12-24 Microsoft Corporation Session Context Modeling For Conversational Understanding Systems
US10120955B2 (en) * 2014-07-18 2018-11-06 Nuance Communications, Inc. State tracking over machine-learned relational trees in a dialog system
GB2537903B (en) 2015-04-30 2019-09-04 Toshiba Res Europe Limited Device and method for a spoken dialogue system
US9473637B1 (en) 2015-07-28 2016-10-18 Xerox Corporation Learning generation templates from dialog transcripts
US10193843B2 (en) * 2015-12-08 2019-01-29 Samsung Electronics Co., Ltd. Computing system with conversation modeling mechanism and method of operation thereof
US20180232443A1 (en) * 2017-02-16 2018-08-16 Globality, Inc. Intelligent matching system with ontology-aided relation extraction
US20190188332A1 (en) * 2017-12-15 2019-06-20 Mito.AI AS System of dynamic knowledge graph based on probabalistic cardinalities for timestamped event streams

Also Published As

Publication number Publication date
CN110070862A (zh) 2019-07-30
US10839160B2 (en) 2020-11-17
US20190228068A1 (en) 2019-07-25

Similar Documents

Publication Publication Date Title
CN110070862B (zh) 对话系统中基于本体的自动引导的方法和系统
US11734584B2 (en) Multi-modal construction of deep learning networks
US10169336B2 (en) Translating structured languages to natural language using domain-specific ontology
CN112136296B (zh) 训练会话代理的方法、计算机设备和存储介质
JP2022529664A (ja) ランダム化された意図ベクトル近接性からの意図認識モデルの作成
US11144607B2 (en) Network search mapping and execution
US20190138647A1 (en) Designing conversational systems driven by a semantic network with a library of templated query operators
US20220358358A1 (en) Accelerating inference of neural network models via dynamic early exits
US20200302350A1 (en) Natural language processing based business domain modeling
US10592304B2 (en) Suggesting application programming interfaces based on feature and context analysis
CN110737528A (zh) 降低执行机器学习任务的计算成本的方法和系统
CN112307177A (zh) 使用非结构会话机器人生成过程流模型
US11726778B2 (en) Translating clusters of a monolith application to microservices
US20230029218A1 (en) Feature engineering using interactive learning between structured and unstructured data
US10540187B2 (en) User-initiated dynamic data application programming interface creation
US10776411B2 (en) Systematic browsing of automated conversation exchange program knowledge bases
WO2023098302A1 (en) Identifying microservices for monolith application through static code analysis
CN116263813A (zh) 通过降维提高分类和回归树性能
US20230177355A1 (en) Automated fairness-driven graph node label classification
CN111611004B (zh) 使用基于枚举模式的注释进行程序合成
US20220318247A1 (en) Active learning for natural language question answering
CN116868198A (zh) 通过使用人工智能技术处理协作论坛来自动地生成数据集
WO2022058919A1 (en) Shiftleft topology construction and information augmentation using machine learning
US20230267278A1 (en) Context-based response generation
US11138383B2 (en) Extracting meaning representation from text

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