CN110489623A - 一种基于用户信息交互的智能助理系统及智能助理机器人 - Google Patents
一种基于用户信息交互的智能助理系统及智能助理机器人 Download PDFInfo
- Publication number
- CN110489623A CN110489623A CN201910619562.7A CN201910619562A CN110489623A CN 110489623 A CN110489623 A CN 110489623A CN 201910619562 A CN201910619562 A CN 201910619562A CN 110489623 A CN110489623 A CN 110489623A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- engine
- data
- interaction
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 46
- 230000002452 interceptive effect Effects 0.000 claims abstract description 20
- 238000003058 natural language processing Methods 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 230000010365 information processing Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010410 dusting Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000019771 cognition Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 239000006227 byproduct Substances 0.000 abstract description 2
- 230000001149 cognitive effect Effects 0.000 abstract 1
- 230000035515 penetration Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 7
- 239000000047 product Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013526 transfer learning 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种基于用户信息交互的智能助理系统及智能助理机器人，所述系统包括信息搜整引擎、自然语言处理引擎、信息推荐用户画像引擎、隐私工程引擎和用户交互引擎。本发明实施例将严肃信息推荐作为人工智能信息助理的切入点，采用针对个人用户相关的新技术并整合成系统来实现智能助理机器人，通过整合认知工程(用户知识图)、场景识别、自然语言处理等技术形成有机结构，以发挥叠加效益。同时通过产品承载用户与信息的交互和运营，挖掘用户的个体行为差别和群体行为共性，从认知侧获取用户服务的基础。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种基于用户信息交互的智能助理系统及智能助理机器人。
背景技术
信息爆炸时代，所有的有效信息散落在各个平台上，获取信息途径和速度都在增加，但获取有效信息的难度也随之增加。如何快速获取直达目标的信息？现在社交平台、购物平台等等平台上的信息推荐是基于其平台商品特性和用户习惯及产品演进方向而制定的，与平台的商业目标息息相关。大部分的新闻娱乐类资讯平台都有了针对用户群体的推荐算法。推荐算法固然可以让合适的信息在合适的社群中流动，所采用的技术也不外乎协同过滤，场景和标签树等等方式。所有的信息平台大都基于群体分类特征寻求个性化推荐来解决信息、广告的精确匹配，实现商业目标，而针对个人的严肃信息推荐的产品或服务却没有。
所以，现有技术存在如下缺点：
1)部分聊天机器人、客服机器人的信息推荐和交互建立在聊天、知识问答等场景中，具有一定的局限性；即使是单纯的信息、新闻推荐平台也是基于协同过滤为基础的场景和标签树分类推荐，无法避免算法对短期性和偶然因素的放大问题；
2)从用户侧看，所有的交互行为散落在各个产品或平台上，碎片化严重，无法承载有效的知识推理或者意图推理；另外就是推荐算法是基于群体用户行为来推荐的，信息生产者针对用户的人性弱点，主动制造三俗、垃圾和娱乐热点信息以达到被大众阅读并被重点推荐的目的，是上述算法本身无法解决的问题。
因此，现有技术还有待进一步提升和改进。
发明内容
针对上述技术问题，本发明实施例提供了一种基于用户信息交互的智能助理系统及智能助理机器人，以解决现有技术存在的上述技术缺陷。
本发明实施例的第一方面提供一种基于用户信息交互的智能助理系统，所述系统包括信息搜整引擎、自然语言处理引擎、信息推荐用户画像引擎、隐私工程引擎和用户交互引擎，其中，所述信息搜整引擎，用于对个体用户的关注焦点处理队列和所述信息推荐用户画像引擎所传递的用户侧搜整任务进行处理；所述自然语言处理引擎，用于接收信息处理队列，对信息处理队列中的信息进行分析，建立用户画像数据，所述预定数据库包括行业库、领域库和第一个体库；所述信息推荐用户画像引擎，用于根据用户画像数据进行相关度计算，匹配第二个体库，形成细筛信息并发送给用户交互引擎，并根据所述用户交互引擎所反馈的交互数据更新用户画像数据；所述隐私工程引擎，用于对信息和交互事件进行封装，并对数据进行隐私保护；所述用户交互引擎，用于将数据和信息可视化，并利用交互界面呈现信息并获取用户反馈的交互数据。
可选地，所述信息搜整引擎包括爬虫模块和过滤器模块，所述爬虫模块用于对个体用户的关注焦点处理队列和所述信息推荐用户画像引擎所传递的交互数据进行初步搜整，所述过滤器模块用于对所述爬虫模块搜整后的数据进行初步筛选，并去重去噪处理。
可选地，所述自然语言处理引擎包括分析模块，所述分析模块用于对信息处理队列中的信息进行分类、概要、主题、实体识别、事件识别和关键词分析。
可选地，所述用户画像数据为向量化数据，并基于个体用户的交互习惯和交互行为学习而得。
可选地，所述用户画像数据包括用户画像和用户知识图，以用户矩阵形式体现，所述更新用户画像数据具体为：迭代和扩展所述用户矩阵。
可选地，所述行业库是指基于行业语料生成的具有行业，所述领域库是基于严肃行业的不同领域，所述第一个体库是基于个体用户的交互习惯和交互行为而得的词库，所述第二个体库是个体用户的交互习惯和交互行为而得的向量化数据。
可选地，所述系统还包括终端数据处理和计算模块，用于对系统的数据进行异构计算，并进行深度学习。
可选地，所述交互数据包括指令交互数据、用户阅读数据、环境和场景交互数据、以及用户备注和输入数据。
本发明实施例的第二方面提供一种智能助理机器人，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令程序，所述指令程序被所述至少一个处理器执行，所述处理器为如上述的各个引擎。
本发明实施例的第三方面提供一种在智能助理系统中使用的计算机程序产品，所述计算机程序产品包括如上述的功能模块。
本发明实施例提供的技术方案中，将严肃信息推荐作为人工智能信息助理的切入点，采用针对个人用户相关的新技术并整合成系统来实现智能助理机器人，通过整合认知工程(用户知识图)、场景识别、自然语言处理等技术形成有机结构，以发挥叠加效益。同时通过产品承载用户与信息的交互和运营，挖掘用户的个体行为差别和群体行为共性，从认知侧获取用户服务的基础。
附图说明
图1为本发明实施例中基于用户信息交互的智能助理系统一个实施例示意图；
图2为本发明实施例中信息搜整引擎的组成示意图；
图3为本发明实施例中自然语言处理引擎的组成示意图；
图4为本发明实施例中智能助理机器人一个实施例示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中基于用户信息交互的智能助理系统一个实施例，该系统包括信息搜整引擎10、自然语言处理引擎20、信息推荐用户画像引擎30、隐私工程引擎40、用户交互引擎50和核心引擎60。具体地，该信息搜整引擎10，用于对个体用户的关注焦点处理队列和信息推荐用户画像引擎30所传递的用户侧搜整任务进行处理，自然语言处理引擎20，用于接收信息处理队列，对信息处理队列中的信息进行分析，建立用户画像数据；其中，预定数据库包括行业库、领域库和第一个体库；信息推荐用户画像引擎30，用于根据用户画像数据进行相关度计算，匹配第二个体库，形成细筛信息并发送给用户交互引擎50，并根据用户交互引擎50所反馈的交互数据更新用户画像数据；隐私工程引擎40，用于对信息和交互事件进行封装，并对数据进行隐私保护；用户交互引擎50，用于将数据和信息可视化，并利用交互界面呈现信息并获取用户反馈的交互数据。核心引擎60，用于形成处理的逻辑和数据管道，协调上述各个引擎的工作。
下面对各个引擎做具体描述。
在本实施例中，信息搜整引擎10主要是进行信息的搜整处理，如图2所示，具体其包括有爬虫模块101和过滤器模块102，爬虫模块101用于对个体用户的关注焦点处理队列和信息推荐用户画像引擎30所传递的交互数据进行初步搜整，过滤器模块102用于对爬虫模块101搜整后的数据进行初步筛选，并去重去噪处理。经过信息搜整引擎10，能够成功将与用户相关的信息，包括用户交互行为信息和用户个人信息等等严肃信息，对这些相关信息做初步筛选，去除无用信息，保留有效信息以及具有相关性的信息。
自然语言处理引擎20，主要是对信息处理队列中的信息进行分析处理，如图3所示，其具体包括有分析模块201，该分析模块201用于对信息处理队列中的信息进行分类、概要、主题、实体识别、事件识别和关键词分析等。通过这些分析，能够将有效的个体用户信息筛选出来，并依据相关规则，形成用户画像数据，以便后续的与数据库进行匹配执行推荐操作。本实施例的数据库包括行业库、领域库和第一个体库，这些数据库是基于该系统所建立的独有数据库，因此，在匹配时能够基于该系统做到精准匹配。具体地，本实施例的行业库是指基于行业语料生成的具有行业。比如：建筑业，生物医药业，智能制造业，电子行业等等具有分类特征的词图或有关系的词典，其生成方式是统计特征的向量计算和图计算获得，包涵名词、动词、形容词等词性。领域库是指基于严肃行业的不同领域，比如研发，管理，销售，法务，人力，客服、供应链等等分类特征的词图或有关系的词典，其生成方式与行业库相同。而第一个体库则是基于用户的交互习惯和交互行为产生的文本信息数据进行统计特征提取和图计算获得的个人惯常专业词库，交互习惯主要指输入、阅读，备注等，因此，该第一个体库不同于常规的常用词库。
经过信息搜整引擎10搜整过来的信息经过初筛，去重去噪后，进入信息推荐用户画像引擎30，信息推荐用户画像引擎30会根据自然语言处理引擎20所形成的用户画像数据进行相关度计算，匹配个体用户的第二个体库。本实施例的用户画像数据为向量化数据，基于个体用户的交互习惯和交互行为学习而得。该第二个体库和自然语言处理引擎20中的第一个体库有所区别，具体的区别如下：1)第一个体库的内容为词库，而第二个体库的内容为向量化的数据，即所有内容以用户矩阵的形式表现，用户矩阵为多维矩阵。2)第一个体库和第二个体库的生成和维护方式不同，第一个体库的生长是基于个体用户的产品使用过程中所涉及的信息的统计指标为依据的。其生长模型是基于统计特征的深度学习训练模型；而信息推荐用户画像引擎30的第二个体库不仅仅基于个体用户本身，而是整个产品的大的向量或矩阵中的一个子集，该子集的维度和向量规模与用户的知识和探索有关，其维护压力大于自然语言处理引擎20的第一个体库。3)第二个体库具有隐私保护，而第一个体库没有。
本实施例的用户画像数据包括用户画像和用户知识图，以用户矩阵形式体现，该用户画像和用户知识图跟个体用户本身有关，是动态变化的，而且各个用户之间互不相同。更新用户画像数据具体即为：迭代和扩展用户矩阵。本实施例的用户画像数据的生产和维护方式，相较于常规用户个人库，更加注重个人严肃信息的整理和匹配，这样，在于个体用户交互过程中，能够做到更加精准高效。
本实施例的隐私工程引擎40，主要是对信息和交互事件进行封装，保护数据的隐私，用户数据的转换、权限、加密和脱敏均由隐私工程引擎40来完成，这样能够最大限度保护用户隐私和用户数据的安全。本实施例的隐私工程引擎40对交互事件识别和封装、以及标签的自动生成和纠偏，其设定完整的事件线，能够对交互事件的开始、结束、间断和嵌套进行智能识别，识别事件的始终，并进行行为数据的标准封装。
本实施例的用户交互引擎50主要完成用户交互，其通过交互界面呈现处理后的信息，并能够获取用户对信息的反馈，根据反馈交由信息推荐用户画像引擎30更新用户图像数据，持续进行数据库的更新和维护。本实施例的交互数据包括指令交互数据、用户阅读数据、环境和场景交互数据、以及用户备注和输入数据。指令交互数据，包括语音和文本，其是针对系统的功能进行任务唤醒和调配所做的交互指令；用户阅读数据，主要为文本，其是用户基于系统的筛选浏览器进行阅读所产生的行为交互数据；环境和场景交互数据，其是根据用户的位置和行为习惯模型推断出的数据；用户备注和输入数据，用户备注主要是文本数据，用户输入主要是用户打字产生的数据，用户备注和输入数据是根据用户针对具体文本信息进行标注和输入而产生。
本实施例的核心引擎60属于虚拟逻辑部分，主要是形成数据处理的逻辑和数据管道，协调各引擎的正常有序工作。
此外，本实施例还设有终端数据处理和计算模块(图中未示出)，该模块主要是进行异构计算，将终端的算力潜能发掘出来，而后端训练的深度学习模型也可以由此来完成，这样能够降低系统整体计算压力，同时还保证用户数据的本地化和安全性，本本实施例的终端数据处理和计算模块优选为AI芯片。
综上所述，本实施例搭建了一个系统级框架，各个引擎通过数据库来耦合，可以热插拔，其处理模型可学习替换，这样能够为后续系统迁移学习和扩展学习提供条件，也为实现智能信息助理提供基础。通过针对用户的交互行为进行数据抽象和统一封装，为用户画像和用户认知模型的测试和度量提供基础数据，此外，整个系统的个人用户交互事件具有完成的事件线，能够提供数据过程跟踪，链接个人用户行为的过去和现在，并寻求未来需求，实现智能信息推荐。
图4为本申请实施例提供的智能助理机器人的硬件结构示意图，该设备包括：一个或多个处理器401以及存储器402。图4中以一个为例。其中，处理器401以及存储器402可以通过总线或者其他方式连接，图4中以通过总线连接为例。
存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中基层找平设计系统对应的程序指令/模块。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述实施例中智能助理系统。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据智能助理系统的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至智能助理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述智能可执行本申请实施例所提供的系统，具备执行该系统相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的系统。
并且，以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于用户信息交互的智能助理系统，其特征在于，所述系统包括信息搜整引擎、自然语言处理引擎、信息推荐用户画像引擎、隐私工程引擎和用户交互引擎，其中，
所述信息搜整引擎，用于对个体用户的关注焦点处理队列和所述信息推荐用户画像引擎所传递的用户侧搜整任务进行处理；
所述自然语言处理引擎，用于接收信息处理队列，对信息处理队列中的信息进行分析，建立用户画像数据，所述预定数据库包括行业库、领域库和第一个体库；
所述信息推荐用户画像引擎，用于根据用户画像数据进行相关度计算，匹配第二个体库，形成细筛信息并发送给用户交互引擎，并根据所述用户交互引擎所反馈的交互数据更新用户画像数据；
所述隐私工程引擎，用于对信息和交互事件进行封装，并对数据进行隐私保护；
所述用户交互引擎，用于将数据和信息可视化，并利用交互界面呈现信息并获取用户反馈的交互数据。
2.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述信息搜整引擎包括爬虫模块和过滤器模块，所述爬虫模块用于对个体用户的关注焦点处理队列和所述信息推荐用户画像引擎所传递的交互数据进行初步搜整，所述过滤器模块用于对所述爬虫模块搜整后的数据进行初步筛选，并去重去噪处理。
3.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述自然语言处理引擎包括分析模块，所述分析模块用于对信息处理队列中的信息进行分类、概要、主题、实体识别、事件识别和关键词分析。
4.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述用户画像数据为向量化数据，并基于个体用户的交互习惯和交互行为学习而得。
5.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述用户画像数据包括用户画像和用户知识图，以用户矩阵形式体现，所述更新用户画像数据具体为：迭代和扩展所述用户矩阵。
6.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述行业库是指基于行业语料生成的具有行业，所述领域库是基于严肃行业的不同领域，所述第一个体库是基于个体用户的交互习惯和交互行为而得的词库，所述第二个体库是个体用户的交互习惯和交互行为而得的向量化数据。
7.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述系统还包括终端数据处理和计算模块，用于对系统的数据进行异构计算，并进行深度学习。
8.根据权利要求1所述的基于用户信息交互的智能助理系统，其特征在于，所述交互数据包括指令交互数据、用户阅读数据、环境和场景交互数据、以及用户备注和输入数据。
9.一种智能助理机器人，其特征在于，包括至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令程序，所述指令程序被所述至少一个处理器执行，所述处理器为如权利要求1至8所述的各个引擎。
10.一种在智能助理系统中使用的计算机程序产品，其特征在于，所述计算机程序产品包括如权利要求1-8任一所述的功能模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910619562.7A CN110489623A (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户信息交互的智能助理系统及智能助理机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910619562.7A CN110489623A (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户信息交互的智能助理系统及智能助理机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110489623A true CN110489623A (zh) | 2019-11-22 |
Family
ID=68546932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910619562.7A Pending CN110489623A (zh) | 2019-07-10 | 2019-07-10 | 一种基于用户信息交互的智能助理系统及智能助理机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110489623A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111831259A (zh) * | 2020-04-15 | 2020-10-27 | 中国人民解放军军事科学院战争研究院 | 一种引导式的智能处理定制方法 |
| CN112200605A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
| WO2021118580A1 (en) * | 2019-12-13 | 2021-06-17 | Siemens Aktiengesellschaft | Cognitive engineering graph |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331471A (zh) * | 2014-11-03 | 2015-02-04 | 刘瑞 | 个性化信息推荐系统 |
| CN104598448A (zh) * | 2013-10-30 | 2015-05-06 | 镇江睿泰信息科技有限公司 | 一种个性化信息推荐系统 |
| CN108121824A (zh) * | 2018-01-12 | 2018-06-05 | 北京融快线科技有限公司 | 一种面向金融服务的聊天机器人及系统 |
| CN108153879A (zh) * | 2017-12-26 | 2018-06-12 | 爱因互动科技发展（北京）有限公司 | 通过人机交互而向用户提供推荐信息的方法及装置 |
| US20180165590A1 (en) * | 2016-12-09 | 2018-06-14 | Adobe Systems Incorporated | Techniques for providing sequential recommendations to users |
| CN108304556A (zh) * | 2018-02-06 | 2018-07-20 | 中国传媒大学 | 基于内容与协同过滤相结合的个性化推荐方法 |
| CN109636679A (zh) * | 2018-12-19 | 2019-04-16 | 航天物联网技术有限公司 | 一种基于人工智能的交互式旅游行程规划方法 |
-
2019
- 2019-07-10 CN CN201910619562.7A patent/CN110489623A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598448A (zh) * | 2013-10-30 | 2015-05-06 | 镇江睿泰信息科技有限公司 | 一种个性化信息推荐系统 |
| CN104331471A (zh) * | 2014-11-03 | 2015-02-04 | 刘瑞 | 个性化信息推荐系统 |
| US20180165590A1 (en) * | 2016-12-09 | 2018-06-14 | Adobe Systems Incorporated | Techniques for providing sequential recommendations to users |
| CN108153879A (zh) * | 2017-12-26 | 2018-06-12 | 爱因互动科技发展（北京）有限公司 | 通过人机交互而向用户提供推荐信息的方法及装置 |
| CN108121824A (zh) * | 2018-01-12 | 2018-06-05 | 北京融快线科技有限公司 | 一种面向金融服务的聊天机器人及系统 |
| CN108304556A (zh) * | 2018-02-06 | 2018-07-20 | 中国传媒大学 | 基于内容与协同过滤相结合的个性化推荐方法 |
| CN109636679A (zh) * | 2018-12-19 | 2019-04-16 | 航天物联网技术有限公司 | 一种基于人工智能的交互式旅游行程规划方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021118580A1 (en) * | 2019-12-13 | 2021-06-17 | Siemens Aktiengesellschaft | Cognitive engineering graph |
| CN111831259A (zh) * | 2020-04-15 | 2020-10-27 | 中国人民解放军军事科学院战争研究院 | 一种引导式的智能处理定制方法 |
| CN112200605A (zh) * | 2020-09-30 | 2021-01-08 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
| CN112200605B (zh) * | 2020-09-30 | 2023-07-18 | 中国联合网络通信集团有限公司 | 营销策略配置方法、执行方法、终端设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11195057B2 (en) | System and method for extremely efficient image and pattern recognition and artificial intelligence platform | |
| Bang et al. | Explaining a black-box by using a deep variational information bottleneck approach | |
| Shan et al. | Deep crossing: Web-scale modeling without manually crafted combinatorial features | |
| US9916538B2 (en) | Method and system for feature detection | |
| CN106447066A (zh) | 一种大数据的特征提取方法和装置 | |
| CN106997341B (zh) | 一种创新方案匹配方法、装置、服务器及系统 | |
| CN106445988A (zh) | 一种大数据的智能处理方法和系统 | |
| Fawcett et al. | Data Science for Business | |
| CN110489623A (zh) | 一种基于用户信息交互的智能助理系统及智能助理机器人 | |
| CN109785064A (zh) | 一种基于多源信息融合的移动电子商务推荐方法和系统 | |
| Data | Power data | |
| CN105931055A (zh) | 一种面向众包平台的服务商特征建模方法 | |
| CN114417823A (zh) | 一种基于句法和图卷积网络的方面级情感分析方法及装置 | |
| Kaur et al. | Keyword extraction using machine learning approaches | |
| Batty et al. | The promise of expert systems for urban planning | |
| CN109918508A (zh) | 基于网络爬虫采集技术的用户画像生成方法 | |
| Kourtz | Artificial intelligence: a new tool for forest management | |
| Acton | Advances in Machine Learning Research and Application: 2013 Edition | |
| CN101647033A (zh) | 对人透明的范例 | |
| Nikolenko | Introduction: the data problem | |
| CN109062551A (zh) | 基于大数据开发命令集的开发框架 | |
| CN113407704A (zh) | 文本匹配方法、装置、设备及计算机可读存储介质 | |
| Luo et al. | REXUP: I REason, I EXtract, I UPdate with structured compositional reasoning for visual question answering | |
| Chujfi et al. | Machine Learning and Human Cognition Combined to Enhance Knowledge Discovery Fidelity | |
| Ji et al. | Functionality discovery and prediction of physical objects |
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: 20191122 |