CN110473534A - 一种基于深度神经网络的老年人看护对话系统 - Google Patents

一种基于深度神经网络的老年人看护对话系统 Download PDF

Info

Publication number
CN110473534A
CN110473534A CN201910628472.4A CN201910628472A CN110473534A CN 110473534 A CN110473534 A CN 110473534A CN 201910628472 A CN201910628472 A CN 201910628472A CN 110473534 A CN110473534 A CN 110473534A
Authority
CN
China
Prior art keywords
module
neural network
deep neural
emergency
sentence
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
Application number
CN201910628472.4A
Other languages
English (en)
Inventor
桂冠
张婕
黄浩
杨洁
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.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201910628472.4A priority Critical patent/CN110473534A/zh
Publication of CN110473534A publication Critical patent/CN110473534A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/065—Adaptation
    • G10L15/07—Adaptation to the speaker
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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

Abstract

本发明公开了一种基于深度神经网络的老年人看护对话系统，包括对话模块，建议模块和应急模块；本发明在基于深度神经网络所建立的老年人看护对话系统中通过深度神经网络建立个性化数据库，之后通过对话模块完成与老年人的日常交流活动，并相应的启动建议模块和应急模块，结合个性化数据库中所存储的数据为老年人提供适合其个性习惯的活动，餐馆和健康信息的实用建议；同时在紧急的情况下做出反应，保护老年人的安全，与此同时降低安全隐患和社会成本。

Description

一种基于深度神经网络的老年人看护对话系统
技术领域
本发明属于智能语音识别领域，具体涉及一种基于深度神经网络的老年人看护对话系统。
背景技术
近年来，人口老龄化成为全世界越来越关注的问题之一。统计数据显示，2017年我国人口中65周岁及以上人口占总人口的11.4％。比上年增加了0.6个百分点。预计到2025年，六十岁以上人口将达到3亿，成为超老年型国家。我国老年人绝对数量大，人口老龄化发展态势迅猛，独居老人和空巢老人数也在迅速增加，利用现有技术手段缓解社会压力显得尤为重要。随着人工智能和智能语音识别技术的发展，智能对话系统开始渗透到人们的日常生活中，常见的语音车载导航，智能音响，手机智能语音助手等产品都是基于智能对话系统研发而成。利用发展迅速的深度神经网络和智能对话系统为老年人设计一款看护对话系统陪伴老年人，可以实现倾听老年人讲话并且与他们顺畅交流的功能。在没有他人陪伴的情况下，帮助老年人增加情感互动，减少孤独感。保持良好的心情和较为活跃的思维有利于减缓老年人的残疾率，并降低安全隐患和社会成本。
发明内容
针对上述问题，本发明提出一种基于深度神经网络的老年人看护对话系统。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于深度神经网络的老年人看护对话系统，包括对话模块，建议模块和应急模块；所述对话模块基于深度神经网络分析语义信息，建立个性化数据库，用于和老年人的日常交流；所述建议模块通过识别对话中的涉及询问建议的语义信息，通过所建立的个性化信息库或网络检索，得到有关老年人询问建议的应答；所述应急模块通过识别对话中的涉及紧急情况的敏感语句，基于所述敏感关键语句进行网络检索，生成实时有效的反馈给老人应急措施，并通知紧急联系人或联系医院；所述的建议模块和应急模块建立在对话模块的基础上将处理的结果通过对话模块反馈给老人。
作为本发明的进一步改进，所述对话模块建立个性化数据库过程中包括预先收集老年人的日常对话数据。
作为本发明的进一步改进，所述对话模块建立个性化数据库包括以下步骤：
将收集的日常对话分成单个句子和单词；
利用word2vec模型将每个单词转换为矢量表示，
统计每个单词的频率，将高频率的单词预定义为标签的形式。
进一步，基于预定义的标签，输入的语句中含有所述高频率的单词，先将高频词替换为标签，之后使用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。
进一步，基于预定义的标签，输入的语句不含高频率的单词，使用基于长短记忆模型 (LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。
进一步，所述的个性化数据库中将存储的数据按建议模式、应急模式和情感模式进行分类，分别对应于启动建议模块、应急模块和对话模块进行处理。
进一步，应用所建立的个性化数据库，利用深度神经网络将老年人语音输入的句子进行分析后按建议模式、应急模式和情感模式进行分类。
进一步，所述个性化数据库中还包括老年人健康、喜好、习惯相关的数据，用于建议模块在结合语义信息的基础上给出相关建议。
进一步，启用所述建议模块时，查看预先建立的个性化信息库中是否含有相关答案，如涵盖则直接生成有效的建议，如不涵盖则连接网络进行信息检索生成有效建议。
进一步，启用所述应急模块时，根据敏感关键语句进行网络检索，生成实时有效的应急措施，所述的应急措施包括通过对话模块反馈给老人的应急处理方法，或通知紧急联系人或医院。
本发明的有益效果：本发明在基于深度神经网络所建立的老年人看护对话系统中通过深度神经网络建立个性化数据库，之后通过对话模块完成与老年人的日常交流活动，并相应的启动建议模块和应急模块，结合个性化数据库中所存储的数据为老年人提供适合其个性习惯的活动，餐馆和健康信息的实用建议；同时在紧急的情况下做出反应，保护老年人的安全，与此同时降低安全隐患和社会成本。
附图说明
图1为本发明的整体结构示意图；
图2为图一中对话模块数据预处理流程示意图；
图3为图一中对话模块输入数据处理流程示意图；
图4为图一中建议模块的流程示意图；
图5为图一中应急模块的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如附图1-5所示的本发明所设计的老人看护系统进行处理应用所涉及到的技术方案，包括对话模块，建议模块和应急模块。所述对话模块用于实现和老年人的日常交流，同时基于深度神经网络分析语义信息建立个性化数据库，并且建立与所述建议模块和所述应急模块连接。所述建议模块根据所述对话模块识别出的有关询问建议的语义信息，通过该老年人的个性化数据库或网络检索，生成有关老年人询问建议的应答，并返回给所述对话模块，由所述对话模块反馈给老人。所述应急模块根据所述对话模块识别出的有关紧急情况的敏感语句，通过所述敏感关键语句配合网络的检索，生成实时有效的应急措施，并通知紧急联系人，必要时联系医院，将生成的所述应急措施返回给所述对话模块，由所述对话模块反馈给老人。
建立个性化数据库的过程中，主要是通过所述的对话模块进行数据收集，由深度神经网络进行分析和训练，并应用于对话模块、建议模块和应急模块。
具体的为，首先所述对话模块预先收集老年人的日常对话数据，建立相关的数据库，所收集的日常对话数据含有多个问答对。之后采用以下的方法处理日常对话建立数据库，首先将每段对话分成单个句子和单词；之后利用word2vec模型将每个单词转换为矢量表示，然后统计每个单词的频率，将高频率的单词预定义为标签的形式。输入的语句中如含有所述高频率的单词，则替换为标签；不含则跳过。之后，则使用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。
基于所建立的个性化数据库，对数据进行分类处理，并训练深度神经网络。对老年人语音输入的句子按建议模式、应急模式和情感模式进行分类；在分类为所述建议模式时，调用所述建议模块；在分类为所述应急模式时，调用所述应急模块；在分类为所述情感模式时，继续停留在所述对话模块完成日常对话。
另外，所述的建议模块需要提前预定义老年人健康、喜好、习惯等相关的数据，并且提取所述对话模块中和老年人对话的相关历史语义信息，完善建立老年人的个性化数据库。启用所述建议模块时，查看预先建立的个性化信息库中是否含有相关答案，如涵盖则直接生成有效的建议，如不涵盖则连接互联网进行信息检索生成有效建议；将所述建议反馈给所述对话模块，由所述对话模块回答老年人的询问。
所述的应急模块需要预先定义紧急联系人以及医院。启用所述应急模块时，根据涉及紧急情况的敏感关键语句进行网络检索，生成实时有效的应急措施，将所述应急措施反馈给所述对话模块，由所述对话模块告诉老年人现阶段可以采取行动。所述应急模块继续判断是否需要就医，如不需要则直接通知紧急联系人，如需要则联系医院与紧急联系人。
应用本发明的方案实施看护的具体实施过程如下：当老年人说话时，利用语音转文本 (STT)接口将话语识别为文本，该文本则为该基于深度神经网络的老年人看护对话模块的输入。输入语句进入所述对话模块，所述对话模块首先将输入进行分句和分词，分句按照停顿为分割标记，分词采用基于统计概率的jieba分词模型。之后利用word2vec模型将每个单词转换为矢量表示。进一步判断语句中是否含有预定义为标签的高频词，如含有则将高频词替换为标签，之后利用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量；如不含有则直接利用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。将表示好的句子向量利用深度神经网络按建议模式、应急模式和情感模式进行分类。在分类为所述建议模式时，调用所述建议模块，在所述建议模块中检索预定义的老年人个性化数据库中是有否相关询问的答案，如存在，则直接生成有效建议；如不存在，则连接互联网进行检索生成有效建议。将生成的有效建议反馈给所述对话模块，由所述对话模块连接文本转语音(TTS)接口回答老年人的询问，产生输出。在分类为所述应急模式时，调用所述应急模块，在所述应急模块内连接互联网对产生的突发情况进行检索，生成实时有效的措施，将生成的实施措施反馈给所述对话模块，由所述对话模块连接文本转语音(TTS)接口告诉老年人可以采取的行动，产生输出。并且所述应急模块继续判断是否需要就医，如不需要则直接通知紧急联系人，如需要则联系医院与紧急联系人。在分类为所述情感模式时，继续停留在所述对话模块完成日常对话。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于深度神经网络的老年人看护对话系统，其特征在于：包括对话模块，建议模块和应急模块；
所述对话模块基于深度神经网络分析语义信息，建立个性化数据库，用于和老年人的日常交流；
所述建议模块通过识别对话中的涉及询问建议的语义信息，通过所建立的个性化信息库或网络检索，得到有关老年人询问建议的应答；
所述应急模块通过识别对话中的涉及紧急情况的敏感语句，基于所述敏感关键语句进行网络检索，生成实时有效的反馈给老人应急措施，并通知紧急联系人或联系医院；
所述的建议模块和应急模块建立在对话模块的基础上将处理的结果通过对话模块反馈给老人。
2.根据权利要求1所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：所述对话模块建立个性化数据库过程中包括预先收集老年人的日常对话数据。
3.根据权利要求2所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：所述对话模块建立个性化数据库包括以下步骤：
将收集的日常对话分成单个句子和单词；
利用word2vec模型将每个单词转换为矢量表示，
统计每个单词的频率，将高频率的单词预定义为标签的形式。
4.根据权利要求3所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：基于预定义的标签，输入的语句中含有所述高频率的单词，先将高频词替换为标签，之后使用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。
5.根据权利要求3所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：基于预定义的标签，输入的语句不含高频率的单词，使用基于长短记忆模型(LSTM)的多层嵌入机制来提取老年人长句的语义信息，将句子内容转换为基于句子的表示向量。
6.根据权利要求4或5所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：所述的个性化数据库中将存储的数据按建议模式、应急模式和情感模式进行分类，分别对应于启动建议模块、应急模块和对话模块进行处理。
7.根据权利要求6所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：应用所建立的个性化数据库，利用深度神经网络将老年人语音输入的句子进行分析后按建议模式、应急模式和情感模式进行分类。
8.根据权利要求6所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：所述个性化数据库中还包括老年人健康、喜好、习惯相关的数据，用于建议模块在结合语义信息的基础上给出相关建议。
9.根据权利要求7或8所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：启用所述建议模块时，查看预先建立的个性化信息库中是否含有相关答案，如涵盖则直接生成有效的建议，如不涵盖则连接网络进行信息检索生成有效建议。
10.根据权利要求7所述的一种基于深度神经网络的老年人看护对话系统，其特征在于：启用所述应急模块时，根据敏感关键语句进行网络检索，生成实时有效的应急措施，所述的应急措施包括通过对话模块反馈给老人的应急处理方法，或通知紧急联系人或医院。
CN201910628472.4A 2019-07-12 2019-07-12 一种基于深度神经网络的老年人看护对话系统 Pending CN110473534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910628472.4A CN110473534A (zh) 2019-07-12 2019-07-12 一种基于深度神经网络的老年人看护对话系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910628472.4A CN110473534A (zh) 2019-07-12 2019-07-12 一种基于深度神经网络的老年人看护对话系统

Publications (1)

Publication Number Publication Date
CN110473534A true CN110473534A (zh) 2019-11-19

Family

ID=68508157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910628472.4A Pending CN110473534A (zh) 2019-07-12 2019-07-12 一种基于深度神经网络的老年人看护对话系统

Country Status (1)

Country Link
CN (1) CN110473534A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116907A (zh) * 2020-10-22 2020-12-22 浙江同花顺智能科技有限公司 语音识别模型建立、语音识别方法、装置、设备和介质
CN112216065A (zh) * 2020-10-15 2021-01-12 吕行 一种老年人行为智能看护系统及识别方法
CN112599136A (zh) * 2020-12-15 2021-04-02 江苏惠通集团有限责任公司 基于声纹识别的语音识别方法及装置、存储介质、终端

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002287791A (ja) * 2001-03-21 2002-10-04 Global Data System Co Ltd 専門家システムを用いた音声認識基盤の知能型対話装置及びその方法
CN102447786A (zh) * 2011-11-14 2012-05-09 候万春 一种个人专用生活协助装置和方法
CN103996155A (zh) * 2014-04-16 2014-08-20 深圳市易特科信息技术有限公司 智能交互及心理慰藉机器人服务系统
CN105082150A (zh) * 2015-08-25 2015-11-25 国家康复辅具研究中心 一种基于用户情绪及意图识别的机器人人机交互方法
CN105740226A (zh) * 2016-01-15 2016-07-06 南京大学 使用树形神经网络和双向神经网络实现中文分词
CN106297789A (zh) * 2016-08-19 2017-01-04 北京光年无限科技有限公司 智能机器人的个性化交互方法及交互系统
CN106457563A (zh) * 2014-04-17 2017-02-22 软银机器人欧洲公司 执行人形机器人与用户之间的多模式对话的方法、用于实施所述方法的计算机程序产品和人形机器人
CN107066778A (zh) * 2016-10-03 2017-08-18 朴植 用于老年保健陪伴的Nounou智能监护系统
CN107240055A (zh) * 2017-04-28 2017-10-10 深圳市前海安测信息技术有限公司 基于语音识别的养老服务信息交互方法及云平台服务器
JP6291303B2 (ja) * 2014-03-25 2018-03-14 国立大学法人埼玉大学 コミュニケーション支援ロボットシステム
CN107808671A (zh) * 2017-11-17 2018-03-16 广州智联网络科技有限公司 一种采用智能识别技术的云智能语音辅助设备
CN108039170A (zh) * 2017-12-06 2018-05-15 北京小米移动软件有限公司 用于紧急救助的通信方法、装置及存储介质
CN108363690A (zh) * 2018-02-08 2018-08-03 北京十三科技有限公司 基于神经网络的对话语义意图预测方法及学习训练方法
CN108874937A (zh) * 2018-05-31 2018-11-23 南通大学 一种基于词性结合和特征选择的情感分类方法
US20180341643A1 (en) * 2017-05-26 2018-11-29 Bose Corporation Dynamic text-to-speech response from a smart speaker
CN108922540A (zh) * 2018-07-27 2018-11-30 重庆柚瓣家科技有限公司 与老人用户进行连续ai对话的方法及系统
CN109119076A (zh) * 2018-08-02 2019-01-01 重庆柚瓣家科技有限公司 一种老人用户交流习惯的收集系统及方法
CN109145111A (zh) * 2018-07-27 2019-01-04 深圳市翼海云峰科技有限公司 一种基于机器学习的多特征文本数据相似度计算方法
CN109524006A (zh) * 2018-10-17 2019-03-26 天津大学 一种基于深度学习的汉语普通话唇语识别方法
CN109542956A (zh) * 2018-10-17 2019-03-29 深圳壹账通智能科技有限公司 报表生成方法、装置、计算机设备和存储介质
CN109858015A (zh) * 2018-12-12 2019-06-07 湖北工业大学 一种基于ctw和km算法的语义相似度计算方法及装置
CN109992763A (zh) * 2017-12-29 2019-07-09 北京京东尚科信息技术有限公司 语言标注处理方法、系统、电子设备及计算机可读介质

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002287791A (ja) * 2001-03-21 2002-10-04 Global Data System Co Ltd 専門家システムを用いた音声認識基盤の知能型対話装置及びその方法
CN102447786A (zh) * 2011-11-14 2012-05-09 候万春 一种个人专用生活协助装置和方法
JP6291303B2 (ja) * 2014-03-25 2018-03-14 国立大学法人埼玉大学 コミュニケーション支援ロボットシステム
CN103996155A (zh) * 2014-04-16 2014-08-20 深圳市易特科信息技术有限公司 智能交互及心理慰藉机器人服务系统
CN106457563A (zh) * 2014-04-17 2017-02-22 软银机器人欧洲公司 执行人形机器人与用户之间的多模式对话的方法、用于实施所述方法的计算机程序产品和人形机器人
CN105082150A (zh) * 2015-08-25 2015-11-25 国家康复辅具研究中心 一种基于用户情绪及意图识别的机器人人机交互方法
CN105740226A (zh) * 2016-01-15 2016-07-06 南京大学 使用树形神经网络和双向神经网络实现中文分词
CN106297789A (zh) * 2016-08-19 2017-01-04 北京光年无限科技有限公司 智能机器人的个性化交互方法及交互系统
CN107066778A (zh) * 2016-10-03 2017-08-18 朴植 用于老年保健陪伴的Nounou智能监护系统
CN107240055A (zh) * 2017-04-28 2017-10-10 深圳市前海安测信息技术有限公司 基于语音识别的养老服务信息交互方法及云平台服务器
US20180341643A1 (en) * 2017-05-26 2018-11-29 Bose Corporation Dynamic text-to-speech response from a smart speaker
CN107808671A (zh) * 2017-11-17 2018-03-16 广州智联网络科技有限公司 一种采用智能识别技术的云智能语音辅助设备
CN108039170A (zh) * 2017-12-06 2018-05-15 北京小米移动软件有限公司 用于紧急救助的通信方法、装置及存储介质
CN109992763A (zh) * 2017-12-29 2019-07-09 北京京东尚科信息技术有限公司 语言标注处理方法、系统、电子设备及计算机可读介质
CN108363690A (zh) * 2018-02-08 2018-08-03 北京十三科技有限公司 基于神经网络的对话语义意图预测方法及学习训练方法
CN108874937A (zh) * 2018-05-31 2018-11-23 南通大学 一种基于词性结合和特征选择的情感分类方法
CN108922540A (zh) * 2018-07-27 2018-11-30 重庆柚瓣家科技有限公司 与老人用户进行连续ai对话的方法及系统
CN109145111A (zh) * 2018-07-27 2019-01-04 深圳市翼海云峰科技有限公司 一种基于机器学习的多特征文本数据相似度计算方法
CN109119076A (zh) * 2018-08-02 2019-01-01 重庆柚瓣家科技有限公司 一种老人用户交流习惯的收集系统及方法
CN109524006A (zh) * 2018-10-17 2019-03-26 天津大学 一种基于深度学习的汉语普通话唇语识别方法
CN109542956A (zh) * 2018-10-17 2019-03-29 深圳壹账通智能科技有限公司 报表生成方法、装置、计算机设备和存储介质
CN109858015A (zh) * 2018-12-12 2019-06-07 湖北工业大学 一种基于ctw和km算法的语义相似度计算方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112216065A (zh) * 2020-10-15 2021-01-12 吕行 一种老年人行为智能看护系统及识别方法
CN112116907A (zh) * 2020-10-22 2020-12-22 浙江同花顺智能科技有限公司 语音识别模型建立、语音识别方法、装置、设备和介质
CN112599136A (zh) * 2020-12-15 2021-04-02 江苏惠通集团有限责任公司 基于声纹识别的语音识别方法及装置、存储介质、终端

Similar Documents

Publication Publication Date Title
Oh et al. A chatbot for psychiatric counseling in mental healthcare service based on emotional dialogue analysis and sentence generation
CN110473534A (zh) 一种基于深度神经网络的老年人看护对话系统
Bojanić et al. Call redistribution for a call center based on speech emotion recognition
CN113380234B (zh) 基于语音识别生成表单的方法、装置、设备及介质
US11756540B2 (en) Brain-inspired spoken language understanding system, a device for implementing the system, and method of operation thereof
Yang et al. Recognize basic emotional statesin speech by machine learning techniques using mel-frequency cepstral coefficient features
WO2020074903A1 (en) Methods, systems and apparatus for improved therapy delivery and monitoring
CN107133709A (zh) 一种客户服务的质量检验方法、装置及系统
Kavitha et al. Chatbot for healthcare system using Artificial Intelligence
CN112035634A (zh) 文本情绪检测方法、装置、设备及存储介质
Hantke et al. Emotional speech of mentally and physically disabled individuals: Introducing the emotass database and first findings
CN115910319A (zh) 耳科问诊辅助方法、装置、电子设备及存储介质
CN113035232B (zh) 一种基于语音识别的心理状态预测系统、方法及装置
CN113255323B (zh) 一种描述数据处理方法、系统、电子设备及介质
Yoon et al. Fear emotion classification in speech by acoustic and behavioral cues
Zheng et al. An evaluation on information composition in dementia detection based on speech
CN115271002B (zh) 识别方法、急救决策方法、介质及生命健康智能监护系统
Kao et al. ConvLogMiner: A Real-Time Conversational Lifelog Miner.
KR102314332B1 (ko) 머신러닝 자연어 처리를 활용한 의사-환자의 진료상담 지원 시스템 및 방법
Seon et al. Improving domain action classification in goal-oriented dialogues using a mutual retraining method
Gupta et al. REDE-Detecting human emotions using CNN and RASA
CN114974254A (zh) 一种基于多模态人工智能技术的儿童抑郁情绪识别方法
Bandopadhyay et al. Speech Recognition and Neural Networks based Talking Health Care Bot (THCB): Medibot
CN112381989A (zh) 排序方法、装置、系统和电子设备
Aswathy et al. Deep learning approach for the detection of depression in twitter

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191119

RJ01 Rejection of invention patent application after publication