CN110309269A - 应答处理方法及其系统、计算机系统及计算机可读介质 - Google Patents
应答处理方法及其系统、计算机系统及计算机可读介质 Download PDFInfo
- Publication number
- CN110309269A CN110309269A CN201810170449.0A CN201810170449A CN110309269A CN 110309269 A CN110309269 A CN 110309269A CN 201810170449 A CN201810170449 A CN 201810170449A CN 110309269 A CN110309269 A CN 110309269A
- Authority
- CN
- China
- Prior art keywords
- node
- acknowledgment strategy
- behavior
- condition
- dialog information
- 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 117
- 230000004044 response Effects 0.000 title claims abstract description 87
- 230000008569 process Effects 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 129
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000758 substrate Substances 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 or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种应答处理方法,包括:获取用户输入的对话信息;获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在应答策略行为树中,控制节点用于控制隶属于控制节点的其他节点的执行逻辑;以及基于对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。此外,本公开还提供了一种应答处理系统、一种计算机系统和一种计算机可读介质。
Description
技术领域
本公开涉及数据处理领域,更具体地,涉及一种应答处理方法及其系统、以及一种计算机系统和一种计算机可读介质。
背景技术
随着人工智能技术的快速发展,现在互联网和越来越多其他行业都已经开始使用智能机器人代替人工处理事务。以代替人工客服的智能机器人应答系统为例,现有技术中从接收咨询请求到提供应答的过程大概可以描述为:智能机器人接收到用户的咨询请求,根据用户咨询的意图从事先设置好的各种应答策略中,选择相应的答复内容进行应答,进而完成整个应答过程。
在实现本公开构思的过程中,发明人发现现有技术中至少存在如下问题:相关技术提供的应答方式,由于采用的是将各种应答策略串联组装在一起而形成一条策略链的策略构建方法,因而只能按顺序执行策略链中的各策略,无法实现复杂应答。
针对相关技术中的上述问题,目前还未提出有效的解决方案。
发明内容
有鉴于此,本公开提供了一种应答处理方法及其系统、以及一种计算机系统和一种计算机可读介质。
本公开的一个方面提供了一种应答处理方法,包括:获取用户输入的对话信息;获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在上述应答策略行为树中,上述控制节点用于控制隶属于上述控制节点的其他节点的执行逻辑;以及基于上述对话信息,按照预设逻辑遍历上述应答策略行为树中的各节点,以确定并执行响应于上述对话信息的应答策略。
根据本公开的实施例,上述方法还包括:生成上述应答策略行为树,该操作包括:配置上述应答策略行为树的根节点;配置上述应答策略行为树的控制节点;配置上述应答策略行为树的条件节点;配置上述应答策略行为树的行为节点;以及按照预设配置规则对上述根节点、上述控制节点、上述条件节点和上述行为节点进行组装,以生成上述应答策略行为树。
根据本公开的实施例,上述方法还包括:确定与上述预设配置规则对应的业务场景;检测上述业务场景是否发生变化;以及在上述业务场景发生变化的情况下,更新上述应答策略行为树。
根据本公开的实施例,获取用户输入的对话信息包括以下至少之一:获取用户输入的文字信息;获取用户输入的语音信息;获取用户的影像信息;以及获取用户输入的影像信息。
根据本公开的实施例,基于上述对话信息,按照预设逻辑遍历上述应答策略行为树中的各节点,以确定并执行响应于上述对话信息的应答策略包括:分析上述对话信息所表达的含义;在按照上述预设逻辑遍历上述应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑;按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测上述对话信息所表达的含义是否符合该条件节点对应的条件;若上述对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略;以及将应答策略执行结果确定为针对上述对话信息的应答。
本公开的另一个方面提供了一种应答处理系统,包括:第一获取模块,用于获取用户输入的对话信息;第二获取模块,用于获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在上述应答策略行为树中,上述控制节点用于控制隶属于上述控制节点的其他节点的执行逻辑;以及第一确定模块,用于基于上述对话信息,按照预设逻辑遍历上述应答策略行为树中的各节点,以确定并执行响应于上述对话信息的应答策略。
根据本公开的实施例,上述系统还包括:第一配置模块,用于配置上述应答策略行为树的根节点;第二配置模块,用于配置上述应答策略行为树的控制节点;第三配置模块,用于配置上述应答策略行为树的条件节点;第四配置模块,用于配置上述应答策略行为树的行为节点;以及生成模块,用于按照预设配置规则对上述根节点、上述控制节点、上述条件节点和上述行为节点进行组装,以生成上述应答策略行为树。
根据本公开的实施例,上述系统还包括:第二确定模块,用于确定与上述预设配置规则对应的业务场景;检测模块,用于检测上述业务场景是否发生变化;以及更新模块,用于在上述业务场景发生变化的情况下,更新上述应答策略行为树。
根据本公开的实施例,获取用户输入的对话信息包括以下至少之一:获取用户输入的文字信息;获取用户输入的语音信息;获取用户的影像信息;以及获取用户输入的影像信息。
根据本公开的实施例,确定模块包括:分析单元,用于分析上述对话信息所表达的含义;第一确定单元,用于在按照上述预设逻辑遍历上述应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑;检测单元,用于按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测上述对话信息所表达的含义是否符合该条件节点对应的条件;执行单元,用于在上述对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略;以及第二确定单元,用于将应答策略执行结果确定为针对上述对话信息的应答。
本公开的另一方面提供了一种计算机系统,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述任一项的应答处理方法。
本公开的另一方面提供了一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现上述任一项的应答处理方法。
通过本公开的实施例,由于采用由根节点、控制节点、条件节点和行为节点构建应答策略行为树的策略构建方法,使得基于对话信息,按照预设逻辑遍历上述应答策略行为树中的各节点,以确定并执行响应于上述对话信息的应答策略,至少可以部分克服相关技术中,将各种应答策略串联组装在一起而形成一条策略链的策略构建方法,因而只能按顺序执行策略链中的各策略,无法实现复杂应答的技术问题,并因此实现复杂应答的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用应答处理方法的系统架构;
图2示意性示出了根据本公开实施例的应答处理方法的流程图;
图3A示意性示出了根据本公开另一实施例的应答处理方法的流程图;
图3B示意性示出了相关技术中应答策略的执行过程;
图3C示意性示出了根据本公开实施例的应答策略的执行过程;
图3D示意性示出了根据本公开又一实施例的应答处理方法的流程图;
图3E示意性示出了根据本公开实施例的按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略的流程图;
图4示意性示出了根据本公开实施例的应答处理系统的框图;
图5A示意性示出了根据本公开另一实施例的应答处理系统的框图;
图5B示意性示出了根据本公开又一实施例的应答处理系统的框图;
图5C示意性示出了根据本公开实施例的确定模块的框图;以及
图6示意性示出了根据本公开实施例的适于实现应答处理方法及其系统的计算机系统的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开提供了一种应答处理方法,包括:获取用户输入的对话信息;获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在应答策略行为树中,控制节点用于控制隶属于控制节点的其他节点的执行逻辑;以及基于对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。通过本公开的实施例,由于采用由根节点、控制节点、条件节点和行为节点构建应答策略行为树的策略构建方法,使得基于对话信息,按照预设逻辑遍历上述应答策略行为树中的各节点,以确定并执行响应于上述对话信息的应答策略,至少可以部分克服相关技术中,将各种应答策略串联组装在一起而形成一条策略链的策略构建方法,因而只能按顺序执行策略链中的各策略,无法实现复杂应答的技术问题,并因此实现复杂应答的技术效果。
图1示意性示出了根据本公开实施例的可以应用应答处理方法的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件、智能客服应答等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供应答支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户输入的对话信息等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、应答策略或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的应答处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的应答处理系统一般可以设置于服务器105中。本公开实施例所提供的应答处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的应答处理系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
在上述系统架构下,本公开实施例提供的应答处理方法面向人工智能(Artificial Intelligence,简称为AI)业务场景,广泛应用于互联网、金融、医疗等各行各业,如互联网和越来越多其他行业都已经开始使用的利用智能机器人代替人工处理事务的人机交互的各类场景,以代替人工客服的智能机器人应答系统为例,现有技术中从接收咨询请求到提供应答的过程大概可以描述为:智能机器人接收到用户的咨询请求,根据用户咨询的意图从事先设置好的各种应答策略中,选择相应的答复内容进行应答,进而完成整个应答过程。本公开实施例提供的应答处理系统涉及应答策略的策略制定层面,而不是具体的应答策略的业务执行层面。
图2示意性示出了根据本公开实施例的应答处理方法的流程图。
如图2所示,该应答处理方法可以包括操作S210~S230。其中:
在操作S210,获取用户输入的对话信息。
在操作S220,获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树。
在操作S230,基于对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。
根据本公开的实施例,用户输入的对话信息可以是任何信息,如可以是用户针对某一问题而输入的咨询问题,希望通过智能客服如智能机器人得到相应的应答结果,此处对对话信息的类型和输入方式不做具体限定。
可以理解的是,应答策略行为树(以下简称行为树)表示一个AI逻辑,要执行这个AI逻辑,需要从根节点开始遍历执行整棵树,遍历执行的过程中,父节点根据其自身类别选择需要执行的子节点并执行,子节点执行完后将执行结果返回给父节点,其作用是为了控制应答行为,可以是一个非空的二叉树。行为树允许更复杂的行为。
根据本公开的实施例,主要利用四种类型的节点来描述行为逻辑,如根节点、控制节点、条件节点和行为节点,其中,根节点是行为树的一个组成部分,也叫树根,所有非空的二叉树中,有且仅有一个根节点,是同一棵树中除本身外所有节点的祖先,没有父节点。控制节点用于控制隶属于控制节点的其他节点的执行逻辑。
根据本公开的实施例,可以基于用户输入的对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。
而在相关技术中,在开始应答前,将各个策略进行串联组装,形成一条应答策略链,然后逐一进行支持,优先进行策略条件的判断,如果进入条件成立,则执行该策略相关的业务,否则进入下一条策略,直到最终的策略执行完成,结束会话策略层的业务。现有的应答策略之间只能简单的顺序执行,不具备复杂的行为关系。
通过本公开的实施例,由于采用由根节点、控制节点、条件节点和行为节点构建应答策略行为树的策略构建方法,使得基于对话信息,按照预设逻辑遍历所述应答策略行为树中的各节点,以确定并执行响应于所述对话信息的应答策略,至少可以部分克服相关技术中,将各种应答策略串联组装在一起而形成一条策略链的策略构建方法,因而只能按顺序执行策略链中的各策略,无法实现复杂应答的技术问题,并因此实现复杂应答的技术效果。
下面参考图3A、图3D和图3E,结合具体实施例对图2所示的应答处理方法做进一步说明。
图3A示意性示出了根据本公开另一实施例的应答处理方法的流程图。
如图3A所示,该应答处理方法除了可以包括前述操作S210~S230,还可以包括操作S240,生成应答策略行为树,该操作S240可以包括操作S311~S315,其中:
在操作S311,配置应答策略行为树的根节点。
在操作S312,配置应答策略行为树的控制节点。
在操作S313,配置应答策略行为树的条件节点。
在操作S314,配置应答策略行为树的行为节点。
在操作S315,按照预设配置规则对根节点、控制节点、条件节点和行为节点进行组装,以生成应答策略行为树。
根据本公开的实施例,针对策略复杂行为问题,将应答策略的行为和业务实现进行分离,抽象出一系列与业务无关的行为,例如并发、选择、顺序、延迟等,形成行为树的控制节点,再将业务的具体执行抽象出来,形成行为节点,也称业务执行节点,最后把进入条件抽象出来,形成条件节点,明确进入执行节点的条件。通过行为、条件、执行三类节点的组合能力,来实现复杂的策略行为。
需要说明的是,按照预设配置规则对根节点、控制节点、条件节点和行为节点进行组装,以生成应答策略行为树的具体地方法本公开不做限定,本领域技术人员可以结合业务的场景,根据实际情况自行选择行为树的构建方法。
通过本公开的实施例,通过抽象应答策略行为树的根节点、控制节点条件节点和行为节点,提出了一个高效的策略流程,此流程能够有效的组织各个策略,以低耦合的方式将业务功能串联起来,并根据用户当前咨询的行为,选择正确的应答策略,充分发挥各个业务的优势。
图3B示意性示出了相关技术中应答策略的执行过程。
如图3B所示,相关技术中,在开始应答前,将各个策略进行串联组装,形成一条应答策略链,优先进行策略条件的判断,如果进入条件成立,则执行该策略相关的业务,否则进入下一条策略条件的判断,直到最终的策略执行完成,结束会话策略层的业务。现有的应答策略之间只能简单的顺序执行,不具备复杂的行为关系,且策略之间互斥,执行一个策略后,后面的策略不再执行。
图3C示意性示出了根据本公开实施例的应答策略的执行过程。
根据本公开的实施例,按照预设配置规则对根节点、控制节点、条件节点和行为节点进行组装,可以生成如图3C所示的应答策略行为树。需要注意的是,图3C所示仅为应答策略行为树的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例仅可以生成如图3C所示的应答策略行为树。
如图3C所示,控制节点可以包括但不限于延时节点、并发节点、选择节点、顺序节点和聚合节点。控制节点可以当做是条件节点和相应的行为节点的父节点,相对地,条件节点和相应的行为节点是控制节点的子节点,条件节点用于明确进入执行节点的条件,当满足进入条件时,执行相应的行为节点的行为策略。
行为树第一次分析(或重置后),从根节点开始(所有的父节点作为选择器),并且从左到右分析每个子节点,这些子节点按优先级排列,当一个节点开始一个行为,这个节点被设置为“运行中”,并返回这个行为。下一次分析这棵树的时候,重新检查最高优先级的节点,当走到“运行中”节点时,便知道从它暂停的地方继续执行,在到达结束状态之前,这个节点可以包含一系列的行为和条件。任意条件节点失败,遍历器便会返回到父节点。父选择器接着移动到下一个优先级的子节点上。
根据本公开实施例生成的行为树,具备复杂的行为关系,如并发的执行执行3个策略、选择3个策略中的一个来执行、延迟执行某个策略、由几个策略来组成一个策略组等,同时策略之间的复杂关系对外可见,有助于完整的理解策略链。
图3D示意性示出了根据本公开另一实施例的应答处理方法的流程图。
如图3D所示,该应答处理方法除了可以包括前述操作S210~S230和S240之外,还可以包括操作S321~S323。其中:
在操作S321,确定与预设配置规则对应的业务场景。
在操作S322,检测业务场景是否发生变化。
在操作S323,在业务场景发生变化的情况下,更新应答策略行为树。
根据本公开的实施例,当业务场景变化时,首先会按照业务的要求,配置一棵新的行为树,并定时的将配置策略(包括上述根节点、控制节点、条件节点和行为节点)按照树的结构组装起来,动态的加载到内存中,使得在接收到用户输入的对话信息后,可以使用新的行为树进行应答。
根据本公开的实施例,通过抽象应答策略的控制节点、条件节点和业务执行节点,在业务接口或者算法变化时,只需要调整控制节点,与行为无关,在业务行为变化时,只需要调整行为节点,与具体业务无关,在进入条件变化时,只需要调整条件节点,与其他无关。
通过本公开的实施例,根据业务场景动态的配置应答策略行为树,可以大大降低智能机器人在应答过程中的系统复杂度,将行为,条件、业务执行进行重新配置组装后能够快速的适应新的应答策略,大大提升了代码的复用性。
根据本公开的实施例,获取用户输入的对话信息包括以下至少之一:获取用户输入的文字信息;获取用户输入的语音信息;获取用户的影像信息;以及获取用户输入的影像信息。
可以理解的是,可以通过预先构建的文字提取器提取用户输入的文字信息,可以通过预先构建的声音提取器提取用户输入的语音信息,可以通过预先构建的影像采集装置采集用户的影像信息或用户输入的影像信息,如用户的头像,用户输入的图片、视频等,此处不做具体限定。
通过本公开的实施例,由于获取的用户输入的对话信息可以包括文字信息、语音信息和影像信息,实现对话信息的多样性,在一定程度上可以扩大应答处理方法的适用范围。
图3E示意性示出了根据本公开实施例的按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略的流程图。
如图3E所示,前述操作S230(按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略)可以包括操作S331~S335。其中:
在操作S331,分析对话信息所表达的含义。
在操作S332,在按照预设逻辑遍历应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑。
在操作S333,按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测对话信息所表达的含义是否符合该条件节点对应的条件。
在操作S334,若对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略。
在操作S335,将应答策略执行结果确定为针对对话信息的应答。
根据本公开的实施例,在接收到用户输入的对话信息后,根据配置的行为树,并发的进行多个模型的意图预判,如深度神经网络(Deep Neural Network,简称DNN)模型,循环神经(多层反馈)网络(Recurrent Neural Network,简称RNN)模型或卷积神经网络(Convolutional Neural Network,简称CNN)模型,也可以使用其他的模型进行意图预判,此处不做限定。
根据多个模型的预判结果进行聚合,并按照多个模型的PK算法,得到一个最优的模型结果,然后依据行为树的选择节点,顺序的执行策略,直到命中其中一个策略为止,并返回策略的执行结果,确定给用户响应应答结果,结束本次业务流程。
以图3C所示的行为树为例,第一个控制节点是延时节点,此时,延时节点的子节点(策略)并不立即执行,等待一段时间后延迟执行,策略执行完成后返回成功。
继续执行根节点的下一个子节点,并发节点,同时创建三个并行线程,并发执行三个策略,所有策略并发执行完成后,返回成功。
继续完成并发节点的后续节点,聚合节点,将三个并行线程的结果进行聚合,完成后返回成功。
继续遍历行为树,选择节点,顺序执行子节点,直到子节点执行结果返回成功,完成策略执行后,返回成功。
继续遍历行为树,顺序节点,顺序的执行子节点,不需要判断返回状态,完成所有子节点的执行后,完成节点执行。
最终的完成整个复杂策略的执行。
通过本公开的实施例,由于采用行为树的应答策略配置方式,使得应答处理方法具备复杂行为的能力,根据用户当前的对话信息,选择正确有效的应答策略,可以充分发挥各个业务的优势。
图4示意性示出了根据本公开实施例的应答处理系统的框图。
如图4所示,该应答处理系统400可以包括第一获取模块410、第二获取模块420和第一确定模块430。其中:第一获取模块410用于获取用户输入的对话信息。第二获取模块420用于获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在应答策略行为树中,控制节点用于控制隶属于控制节点的其他节点的执行逻辑。第一确定模块430用于基于对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。
通过本公开的实施例,由于采用由根节点、控制节点、条件节点和行为节点构建应答策略行为树的策略构建方法,使得基于对话信息,按照预设逻辑遍历所述应答策略行为树中的各节点,以确定并执行响应于所述对话信息的应答策略,至少可以部分克服相关技术中,将各种应答策略串联组装在一起而形成一条策略链的策略构建方法,因而只能按顺序执行策略链中的各策略,无法实现复杂应答的技术问题,并因此实现复杂应答的技术效果。
图5A示意性示出了根据本公开另一实施例的应答处理系统的框图。
如图5A所示,该应答处理系统400除了包括前述第一获取模块410、第二获取模块420和第一确定模块430之外,还可以包括生成模块440。其中,生成模块440可以包括第一配置单元511、第二配置单元512、第三配置单元513、第四配置单元514和生成单元515。其中:第一配置单元511,用于配置应答策略行为树的根节点。第二配置单元512,用于配置应答策略行为树的控制节点。第三配置单元513,用于配置应答策略行为树的条件节点。第四配置单元514,用于配置应答策略行为树的行为节点。生成单元515,用于按照预设配置规则对根节点、控制节点、条件节点和行为节点进行组装,以生成应答策略行为树。
通过本公开的实施例,通过抽象应答策略行为树的根节点、控制节点条件节点和行为节点,提出了一个高效的策略流程,此流程能够有效的组织各个策略,以低耦合的方式将业务功能串联起来,并根据用户当前咨询的行为,选择正确的应答策略,充分发挥各个业务的优势。
图5B示意性示出了根据本公开另一实施例的应答处理系统的框图。
如图5B所示,该系统除了可以包括前述第一获取模块410、第二获取模块420、第一确定模块430和生成模块440(包括第一配置单元511、第二配置单元512、第三配置单元513、第四配置单元514和生成单元515)之外,还可以包括第二确定模块521、检测模块522和更新模块523。其中:第二确定模块521用于确定与预设配置规则对应的业务场景。检测模块522用于检测业务场景是否发生变化。更新模块523用于在业务场景发生变化的情况下,更新应答策略行为树。
通过本公开的实施例,根据业务场景动态的配置应答策略行为树,可以大大降低智能机器人在应答过程中的系统复杂度,将行为,条件、业务执行进行重新配置组装后能够快速的适应新的应答策略,大大提升了代码的复用性。
根据本公开的实施例,获取用户输入的对话信息包括以下至少之一:获取用户输入的文字信息;获取用户输入的语音信息;获取用户的影像信息;以及获取用户输入的影像信息。
通过本公开的实施例,由于获取的用户输入的对话信息可以包括文字信息、语音信息和影像信息,实现对话信息的多样性,在一定程度上可以扩大应答处理方法的适用范围。
图5C示意性示出了根据本公开实施例的确定模块的框图。
如图5C所示,前述确定模块430可以包括分析单元531、第一确定单元532、检测单元533、执行单元534和第二确定单元535。其中:分析单元531用于分析对话信息所表达的含义。第一确定单元532用于在按照预设逻辑遍历应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑。检测单元533用于按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测对话信息所表达的含义是否符合该条件节点对应的条件。执行单元534用于在对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略。第二确定单元535用于将应答策略执行结果确定为针对对话信息的应答。
通过本公开的实施例,由于采用行为树的应答策略配置方式,使得应答处理方法具备复杂行为的能力,根据用户当前的对话信息,选择正确有效的应答策略,可以充分发挥各个业务的优势。
可以理解的是,第一获取模块410、第二获取模块420和第一确定模块430、第二确定模块521、检测模块522和更新模块523可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,第一获取模块410、第二获取模块420和第一确定模块430、第二确定模块521、检测模块522和更新模块523中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,第一获取模块410、第二获取模块420和第一确定模块430、第二确定模块521、检测模块522和更新模块523中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
图6示意性示出了根据本公开实施例的适于实现应答处理方法及其系统的计算机系统的框图。图6示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,根据本公开实施例的计算机系统600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行参考图2、图3A、图3D和图3E描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行以上参考图2、图3A、图3D和图3E描述的应答处理方法的各种操作。需要注意,程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在一个或多个存储器中的程序来执行以上参考图2、图3A、图3D和图3E描述的应答处理方法的各种操作。
根据本公开的实施例,系统600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例,上文参考流程图描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。根据本公开的实施例,计算机可读介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行应答处理方法,包括:获取用户输入的对话信息;获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在应答策略行为树中,控制节点用于控制隶属于控制节点的其他节点的执行逻辑;以及基于对话信息,按照预设逻辑遍历应答策略行为树中的各节点,以确定并执行响应于对话信息的应答策略。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种应答处理方法,包括:
获取用户输入的对话信息;
获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在所述应答策略行为树中,所述控制节点用于控制隶属于所述控制节点的其他节点的执行逻辑;以及
基于所述对话信息,按照预设逻辑遍历所述应答策略行为树中的各节点,以确定并执行响应于所述对话信息的应答策略。
2.根据权利要求1的方法,其中,所述方法还包括:生成所述应答策略行为树,该操作包括:
配置所述应答策略行为树的根节点;
配置所述应答策略行为树的控制节点;
配置所述应答策略行为树的条件节点;
配置所述应答策略行为树的行为节点;以及
按照预设配置规则对所述根节点、所述控制节点、所述条件节点和所述行为节点进行组装,以生成所述应答策略行为树。
3.根据权利要求2的方法,其中,所述方法还包括:
确定与所述预设配置规则对应的业务场景;
检测所述业务场景是否发生变化;以及
在所述业务场景发生变化的情况下,更新所述应答策略行为树。
4.根据权利要求1的方法,其中,获取用户输入的对话信息包括以下至少之一:
获取用户输入的文字信息;
获取用户输入的语音信息;
获取用户的影像信息;以及
获取用户输入的影像信息。
5.根据权利要求1的方法,其中,基于所述对话信息,按照预设逻辑遍历所述应答策略行为树中的各节点,以确定并执行响应于所述对话信息的应答策略包括:
分析所述对话信息所表达的含义;
在按照所述预设逻辑遍历所述应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑;
按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测所述对话信息所表达的含义是否符合该条件节点对应的条件;
若所述对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略;以及
将应答策略执行结果确定为针对所述对话信息的应答。
6.一种应答处理系统,包括:
第一获取模块,用于获取用户输入的对话信息;
第二获取模块,用于获取包括根节点、控制节点、条件节点和行为节点的应答策略行为树,其中,在所述应答策略行为树中,所述控制节点用于控制隶属于所述控制节点的其他节点的执行逻辑;以及
第一确定模块,用于基于所述对话信息,按照预设逻辑遍历所述应答策略行为树中的各节点,以确定并执行响应于所述对话信息的应答策略。
7.根据权利要求6的系统,其中,所述系统还包括:
第一配置模块,用于配置所述应答策略行为树的根节点;
第二配置模块,用于配置所述应答策略行为树的控制节点;
第三配置模块,用于配置所述应答策略行为树的条件节点;
第四配置模块,用于配置所述应答策略行为树的行为节点;以及
生成模块,用于按照预设配置规则对所述根节点、所述控制节点、所述条件节点和所述行为节点进行组装,以生成所述应答策略行为树。
8.根据权利要求7的系统,其中,所述系统还包括:
第二确定模块,用于确定与所述预设配置规则对应的业务场景;
检测模块,用于检测所述业务场景是否发生变化;以及
更新模块,用于在所述业务场景发生变化的情况下,更新所述应答策略行为树。
9.根据权利要求6的系统,其中,获取用户输入的对话信息包括以下至少之一:
获取用户输入的文字信息;
获取用户输入的语音信息;
获取用户的影像信息;以及
获取用户输入的影像信息。
10.根据权利要求6的系统,其中,确定模块包括:
分析单元,用于分析所述对话信息所表达的含义;
第一确定单元,用于在按照所述预设逻辑遍历所述应答策略行为树中的各节点的过程中,每遍历一个控制节点,则确定出隶属于该控制节点的条件节点的执行逻辑;
检测单元,用于按照确定出的执行逻辑,针对隶属于该控制节点的每个条件节点,检测所述对话信息所表达的含义是否符合该条件节点对应的条件;
执行单元,用于在所述对话信息所表达的含义符合该条件节点对应的条件的情况下,执行与该条件节点关联的行为节点所对应的应答策略;以及
第二确定单元,用于将应答策略执行结果确定为针对所述对话信息的应答。
11.一种计算机系统,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现权利要求1至5中任一项的应答处理方法。
12.一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至5中任一项的应答处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810170449.0A CN110309269A (zh) | 2018-02-28 | 2018-02-28 | 应答处理方法及其系统、计算机系统及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810170449.0A CN110309269A (zh) | 2018-02-28 | 2018-02-28 | 应答处理方法及其系统、计算机系统及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110309269A true CN110309269A (zh) | 2019-10-08 |
Family
ID=68073284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810170449.0A Pending CN110309269A (zh) | 2018-02-28 | 2018-02-28 | 应答处理方法及其系统、计算机系统及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309269A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765252A (zh) * | 2019-10-18 | 2020-02-07 | 北京邮电大学 | 一种知识驱动的易配置任务导向型对话管理方法与系统 |
CN111816286A (zh) * | 2020-08-28 | 2020-10-23 | 创智和宇信息技术股份有限公司 | 一种移动查房数据处理方法及系统 |
CN111897807A (zh) * | 2020-07-01 | 2020-11-06 | 拉扎斯网络科技(上海)有限公司 | 一种数据处理方法以及策略引擎系统 |
CN112416472A (zh) * | 2020-11-13 | 2021-02-26 | 京东数字科技控股股份有限公司 | 客服分配方法和装置、电子设备、及介质 |
CN112822114A (zh) * | 2021-04-19 | 2021-05-18 | 军事科学院系统工程研究院网络信息研究所 | 一种基于行为树的路由控制方法、系统和介质 |
CN113742457A (zh) * | 2021-09-09 | 2021-12-03 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN113835433A (zh) * | 2021-09-28 | 2021-12-24 | 国汽智控(北京)科技有限公司 | 自动驾驶控制方法、装置、设备、存储介质及程序产品 |
CN112416472B (zh) * | 2020-11-13 | 2024-05-24 | 京东科技控股股份有限公司 | 客服分配方法和装置、电子设备、及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368246A (zh) * | 2011-09-15 | 2012-03-07 | 张德长 | 一种自动应答机器人系统 |
CN106250100A (zh) * | 2016-08-15 | 2016-12-21 | 腾讯科技(深圳)有限公司 | 系统逻辑控制方法及装置 |
US20170316777A1 (en) * | 2016-04-29 | 2017-11-02 | Conduent Business Services, Llc | Reactive learning for efficient dialog tree expansion |
CN107666542A (zh) * | 2016-07-29 | 2018-02-06 | 中国移动通信集团上海有限公司 | 一种ivr业务的应答方法及ivr系统平台 |
-
2018
- 2018-02-28 CN CN201810170449.0A patent/CN110309269A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368246A (zh) * | 2011-09-15 | 2012-03-07 | 张德长 | 一种自动应答机器人系统 |
US20170316777A1 (en) * | 2016-04-29 | 2017-11-02 | Conduent Business Services, Llc | Reactive learning for efficient dialog tree expansion |
CN107666542A (zh) * | 2016-07-29 | 2018-02-06 | 中国移动通信集团上海有限公司 | 一种ivr业务的应答方法及ivr系统平台 |
CN106250100A (zh) * | 2016-08-15 | 2016-12-21 | 腾讯科技(深圳)有限公司 | 系统逻辑控制方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765252A (zh) * | 2019-10-18 | 2020-02-07 | 北京邮电大学 | 一种知识驱动的易配置任务导向型对话管理方法与系统 |
CN111897807A (zh) * | 2020-07-01 | 2020-11-06 | 拉扎斯网络科技(上海)有限公司 | 一种数据处理方法以及策略引擎系统 |
CN111816286A (zh) * | 2020-08-28 | 2020-10-23 | 创智和宇信息技术股份有限公司 | 一种移动查房数据处理方法及系统 |
CN111816286B (zh) * | 2020-08-28 | 2020-12-04 | 创智和宇信息技术股份有限公司 | 一种移动查房数据处理方法及系统 |
CN112416472A (zh) * | 2020-11-13 | 2021-02-26 | 京东数字科技控股股份有限公司 | 客服分配方法和装置、电子设备、及介质 |
CN112416472B (zh) * | 2020-11-13 | 2024-05-24 | 京东科技控股股份有限公司 | 客服分配方法和装置、电子设备、及介质 |
CN112822114A (zh) * | 2021-04-19 | 2021-05-18 | 军事科学院系统工程研究院网络信息研究所 | 一种基于行为树的路由控制方法、系统和介质 |
CN113742457A (zh) * | 2021-09-09 | 2021-12-03 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN113742457B (zh) * | 2021-09-09 | 2023-12-05 | 京东科技信息技术有限公司 | 应答处理方法、装置、电子设备及存储介质 |
CN113835433A (zh) * | 2021-09-28 | 2021-12-24 | 国汽智控(北京)科技有限公司 | 自动驾驶控制方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309269A (zh) | 应答处理方法及其系统、计算机系统及计算机可读介质 | |
CN110334689B (zh) | 视频分类方法和装置 | |
JP2024023311A (ja) | 限られた知識ドメイン内でナレッジグラフを構築するための技術 | |
CN110944048B (zh) | 业务逻辑配置方法及装置 | |
CN113449858A (zh) | 一种神经网络模型的处理方法以及相关设备 | |
CN110321413A (zh) | 会话框架 | |
CN108304201A (zh) | 对象更新方法、装置及设备 | |
CN108804488A (zh) | 在特定子节点状态处实例化对话进程 | |
CN109992498A (zh) | 测试用例的生成方法及系统、计算机系统 | |
US20150088772A1 (en) | Enhancing it service management ontology using crowdsourcing | |
JPWO2017159620A1 (ja) | 拡張性保有装置 | |
CN108182472A (zh) | 用于生成信息的方法和装置 | |
WO2024002167A1 (zh) | 一种操作预测方法及相关装置 | |
CN112416369B (zh) | 一种面向异构混合环境的智能化部署方法 | |
CN111368973A (zh) | 用于训练超网络的方法和装置 | |
CN110473042B (zh) | 用于获取信息的方法及装置 | |
CN111340220A (zh) | 用于训练预测模型的方法和装置 | |
CN109614312A (zh) | 测试用例生成方法、装置、电子设备及存储介质 | |
CN110427564A (zh) | 将深度学习集成到广义加性混合效应(game)框架中 | |
CN110264277A (zh) | 由计算设备执行的数据处理方法及装置、介质和计算设备 | |
CN113238740A (zh) | 代码生成方法、代码生成装置、存储介质及电子设备 | |
CN117009650A (zh) | 一种推荐方法以及装置 | |
US20220075960A1 (en) | Interactive Communication System with Natural Language Adaptive Components | |
US11010558B2 (en) | Temporary slots for storing chat data | |
CN111651989B (zh) | 命名实体识别方法和装置、存储介质及电子装置 |
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 |