CN110674268A - 人机对话方法及相关设备 - Google Patents

人机对话方法及相关设备 Download PDF

Info

Publication number
CN110674268A
CN110674268A CN201910784484.6A CN201910784484A CN110674268A CN 110674268 A CN110674268 A CN 110674268A CN 201910784484 A CN201910784484 A CN 201910784484A CN 110674268 A CN110674268 A CN 110674268A
Authority
CN
China
Prior art keywords
target standard
question
target
sentences
pushed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910784484.6A
Other languages
English (en)
Other versions
CN110674268B (zh
Inventor
刘玉
文博
刘云峰
吴悦
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.)
Shenzhen Chase Technology Co Ltd
Shenzhen Zhuiyi Technology Co Ltd
Original Assignee
Shenzhen Chase Technology Co Ltd
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 Shenzhen Chase Technology Co Ltd filed Critical Shenzhen Chase Technology Co Ltd
Priority to CN201910784484.6A priority Critical patent/CN110674268B/zh
Publication of CN110674268A publication Critical patent/CN110674268A/zh
Application granted granted Critical
Publication of CN110674268B publication Critical patent/CN110674268B/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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请公开了一种人机对话方法及相关设备，方法包括：接收目标终端发送的用户问句；向服务器发送携带用户问句的查询请求，查询请求用于指示服务器反馈多个目标标准问句和多个目标标准答句，多个目标标准问句和多个目标标准答句均与多个业务场景一一对应；接收服务器针对查询请求发送的N个目标标准问句和N个目标标准答句，N为大于1的整数；从N个目标标准问句中选取待推送目标标准问句和从N个目标标准答句中选取待推送目标标准答句；向目标终端发送待推送目标标准问句和待推送目标标准答句。采用本申请实施例有助于提高人机对话的准确性。

Description

人机对话方法及相关设备
技术领域
本申请涉及人机对话技术领域，具体涉及一种人机对话方法及相关设备。
背景技术
目前，客服机器人接收终端发送的用户问句，从标准问句库包括的多个标准问句中选取与用户问句最匹配的目标标准问句，向终端发送目标标准问句和与目标标准问句对应的目标标准答句。由于客服机器人对应单一业务场景，这样导致人机对话的准确性较低。
发明内容
本申请实施例提供一种人机对话方法及相关设备，用于提高人机对话的效准确性。
第一方面，本申请实施例提供一种人机对话方法，所述方法包括：
接收目标终端发送的用户问句；
向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
向所述目标终端发送所述待推荐目标标准问句和所述待推送目标标注答句。
第二方面，本申请实施例提供一种人机对话装置，所述装置包括：
第一接收单元，用于接收目标终端发送的用户问句；
第一发送单元，用于向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
第二接收单元，用于接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
选取单元，用于从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
第二发送单元，用于向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面所述的方法中的部分或全部步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，上述计算机可读存储介质用于存储电子数据交换的计算机程序，上述计算机程序使得计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，相较于单一业务场景机器人从标准问句库包括的多个标准问句中选取与用户问句最匹配的目标标准问句，以及向终端发送目标标准问句和目标标准答句；在本申请实施例中，电子设备接收服务器针对携带用户问句的查询请求发送的N个目标标准问句和N个目标标准答句，N个目标标准问句和N个目标标准答句均与多个业务场景一一对应，向目标终端发送从N个目标标准问句中选取的待推送目标标准问句和从N个目标标准答句中选取的目标标准答句，这样有助于提高人机对话的准确性。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1是本申请实施例提供的一种人机对话系统的结构示意图；
图2是本申请实施例提供的一种人机对话方法的流程示意图；
图3是本申请实施例提供的另一种人机对话方法的流程示意图；
图4是本申请实施例提供的一种人机对话装置的功能单元组成框图；
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等。
请参阅图1，图1是本申请实施例提供的一种人机对话系统的结构示意图，该人机对话系统包括处理器、发射器和接收器，其中：
接收器，用于接收目标终端发送的用户问句；
发射器，用于向服务器发送携带用户问句的查询请求，查询请求用于指示服务器反馈多个目标标准问句和多个目标标准答句，多个目标标准问句和多个目标标准答句均与多个业务场景一一对应；
接收器，还用于接收服务器针对查询请求发送的N个目标标准问句和N个目标标准答句，N为大于1的整数；
处理器，用于从N个目标标准问句中选取待推送目标标准问句和从N个目标标准答句中选取待推送目标标准答句；
发射器，还用于向目标终端发送待推送目标标准问句和待推送目标标准答句。
请参阅图2，图2是本申请实施例提供的一种人机对话方法的流程示意图，该人机对话方法包括步骤201-205，具体如下：
201：电子设备接收目标终端发送的用户问句。
在一个可能的示例中，电子设备接收目标终端发送的用户问句，包括:
电子设备接收目标终端发送的第一用户问句；
电子设备判断第一用户问句是否为语音；
若第一用户问句为语音，则电子设备对第一用户问句执行语音转换成文字的操作，得到第二用户问句；
电子设备判断第二用户问句是否存在至少一个口语；
若第二用户问句存在至少一个口语，则电子设备将至少一个口语转换成至少一个书面语，得到用户问句，至少一个书面语与至少一个口语一一对应。
202：电子设备向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应。
其中，多个业务场景包括社交聊天场景、网站购物场景、业务咨询场景、业务办理场景等。
在一个可能的示例中，多个目标标准问句与所述多个目标标准答句一一对应，所述多个目标标准问句中的每个目标标准问句为多个第一相似度中的最大第一相似度对应的标准问句，所述多个第一相似度是根据目标业务场景对应的目标标准问答库包括的多个标准问句和所述用户问句确定的，所述目标业务场景为所述每个目标标准问句对应的业务场景，所述多个标准问句与所述多个第一相似度一一对应。
在一个可能的示例中，电子设备向服务器发送携带用户问句的查询请求之后，所述方法还包括：
服务器接收电子设备发送的携带用户问句的查询请求；
服务器根据第n个业务场景对应的第n个标准问答库包括的多个标准问句和用户问句确定多个第一相似度，多个第一相似度与多个标准问句一一对应，第n个业务场景为服务器包括的N个业务场景中的任意一个，第n个标准问答库为服务器包括的N个标准问答库中的任意一个，N为大于1的整数；
服务器将多个第一相似度中的最大第一相似度对应的标准问句确定为第n个业务场景对应的第n个目标标准问句，以及根据目标标准问句与目标标准答句的映射关系确定第n个目标标准问句对应的第n个目标标准答句；
服务器向电子设备发送N个目标标准问句和N个目标标准答句，N个目标标准问句与N个目标标准答句一一对应。
具体地，服务器根据第n个业务场景对应的第n个标准问答库包括的多个标准问句和用户问句确定多个第一相似度的实施方式可以为：
服务器根据预先存储的业务场景与标准问答库的映射关系确定第n个业务场景对应的第n个标准问答库；
服务器根据预先存储的标准问句库与数据种类的映射关系确定第n个标准问句库对应的第n个数据种类；
服务器根据预先存储的数据种类与语义相似度计算算法的映射关系确定第n个数据种类对应的第n个语义相似度计算算法；
服务器根据第n个语义相似度计算算法、第n个标准问答库包括的多个标准问句和用户问句确定多个第一相似度。
其中，数据种类包括社交聊天数据、资料知识库数据、业务咨询数据、业务办理数据等，资料知识库数据的形式为实体+意图，业务办理数据的形式为业务流程图，数据种类是根据业务场景和业务类型进行划分的。
其中，服务器根据第n个语义相似度计算算法、第n个标准问答库包括的多个标准问句和用户问句确定多个第一相似度的实施方式可参见下述电子设备根据第i个目标标准问句和用户问句确定第i个目标标准问句对应的第i个第二相似度的实施方式，在此不再叙述。
其中，服务器采用并行方式根据用户问句和N个标准问答库确定N个目标标准问句和N个目标标准答句，相较于服务器采用串行方式根据用户问句和N个标准问答句确定N个目标标准问句和N个目标标准答句，这样有助于提高人机对话的效率。
203：电子设备接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数。
其中，N个目标标准问句与N个目标标准答句一一对应。
204：电子设备从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句。
在一个可能的示例中，电子设备从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句，包括：
电子设备将所述N个目标标准问句和所述用户问句输入神经网络模型；
电子设备根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应；
电子设备将所述N个第二相似度中的最大第二相似度输出所述神经网络模型；
电子设备将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，电子设备从N个目标标准问句中选取待推送目标标准问句和从N个目标标准答句中选取待推送目标标准答句，包括：
电子设备将N个目标标准问句和用户问句输入神经网络模型；
电子设备根据第j个目标标准问句和用户问句确定第j个目标标准问句对应的第j个第二相似度；
在得到第j个第二相似度后，电子设备根据第(j+1)个目标标准问句和用户问句确定第(j+1)个目标标准问句对应的第(j+1)个第二相似度；
直到j＝N，电子设备得到N个第二相似度，N个第二相似度与N个目标标准问句一一对应，j是初始值为1，以1为间隔的递增整数；
电子设备将N个第二相似度中的最大第二相似度输出神经网络模型；
电子设备将N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，电子设备从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句，包括：
A1：电子设备根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度；
A2：电子设备根据第(i+1)个目标标准问句和所述用户问句确定所述第(i+1)个目标标准问句对应的第(i+1)个第二相似度；
A3：电子设备将所述第i个第二相似度和所述第(i+1)个第二相似度中的最大第二相似度确定为第i次相似度对比结果；
A4：电子设备根据第(i+2)个目标标准问句和所述用户问句确定所述第(i+2)个目标标准问句对应的第(i+2)个第二相似度；
A5：电子设备将所述第i次相似度对比结果和所述第(i+2)个第二相似度中的最大第二相似度确定为第(i+1)次相似度对比结果；
电子设备循环执行A4-A5，直到i＝N-2，得到第(N-1)次相似度对比结果，所述i是初始值为1，以1为间隔的递增整数；
电子设备将所述第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，N为大于4的偶数，电子设备从N个目标标准问句中选取待推送目标标准问句和从N个目标标准答句中选取待推送目标标准答句，包括：
B1：电子设备根据第k个目标标准问句、第(k+1)个目标标准问句和用户问句分别确定第k个目标标准问句对应的第k个第二相似度和第(k+1)个目标标准问句对应的第(k+1)个第二相似度；
B2：电子设备将第k个第二相似度和第(k+1)个第二相似度中的最大第二相似度确定为第k次相似度对比结果；
B3：电子设备根据第(k+2)个目标标准问句、第(k+3)个目标标准问句和用户问句分别确定第(k+2)个目标标准问句对应的第(k+2)个第二相似度和第(k+3)个目标标准问句对应的第(k+3)个第二相似度；
B4：电子设备将第(k+2)个第二相似度和第(k+3)个第二相似度中的最大第二相似度确定为第(k+1)次相似度对比结果；
B5：电子设备将第k次相似度对比结果和第(k+1)次相似度对比结果中的最大第二相似度确定为第(k+2)次相似度对比结果；
电子设备循环执行B3-B5，直到k＝N-3，得到第(N-1)次相似度对比结果，k是初始值为1，以2为间隔的递增整数；
电子设备将第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，N为大于4的奇数，电子设备从N个目标标准问句中选取待推送目标标准问句和从N个目标标准答句中选取待推送目标标准答句，包括：
C1：电子设备根据第r个目标标准问句、第(r+1)个目标标准问句和用户问句分别确定第r个目标标准问句对应的第r个第二相似度和第(r+1)个目标标准问句对应的第(r+1)个第二相似度；
C2：电子设备将第r个第二相似度和第(r+1)个第二相似度中的最大第二相似度确定为第r次相似度对比结果；
C3：电子设备根据第(r+2)个目标标准问句、第(r+3)个目标标准问句和用户问句分别确定第(r+2)个目标标准问句对应的第(r+2)个第二相似度和第(r+3)个目标标准问句对应的第(r+3)个第二相似度；
C4：电子设备将第(r+2)个第二相似度和第(r+3)个第二相似度中的最大第二相似度确定为第(r+1)次相似度对比结果；
C5：电子设备将第r次相似度对比结果和第(r+1)次相似度对比结果中的最大第二相似度确定为第(r+2)次相似度对比结果；
电子设备循环执行C3-C5，直到r＝N-4，得到第(N-2)次相似度对比结果，r是初始值为1，以2为间隔的递增整数；
电子设备根据第N个目标标准问句和用户问句确定第N个目标标准问句对应的第N个第二相似度；
电子设备将第(N-2)次相似度对比结果和第N个第二相似度中的最大第二相似度确定为第(N-1)次相似度对比结果；
电子设备将第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，电子设备根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度，包括：
电子设备根据第i个目标标准问句和预先存储的词向量算法确定所述第i个目标标准问句对应的第一词向量；
电子设备根据所述用户问句和所述词向量算法确定所述用户问句对应的第二词向量；
电子设备根据所述第一词向量、所述第二词向量和预先存储的相似度公式确定所述第一词向量与所述第二词向量的相似度；
电子设备将所述第一词向量与所述第二词向量的相似度确定为所述第i个目标标准问句对应的第i个第二相似度。
其中，词向量算法预先存储于电子设备中，电子设备根据第i个目标标准问句和词向量算法确定第i个目标标准问句对应的第一词向量以及根据用户问句和词向量算法确定用户问句对应的第二词向量均采用现有技术，在此不再叙述。
其中，相似度公式为：
Figure BDA0002177607850000091
S为第一词向量与第二词向量的相似度，第一词向量为(x1,x2,x3,…,xn)，第二词向量为(y1,y2,y3,…,yn)。
在一个可能的示例中，电子设备根据第i个目标标准问句和用户问句确定第i个目标标准问句对应的第i个第二相似度，包括：
电子设备根据第i个目标标准问句和预先存储的关键词提取算法确定第i个目标目标准问句对应的第一关键词集合；
电子设备根据用户问句和关键词提取算法确定用户问句对应的第二关键词集合；
电子设备确定第一关键词集合和第二关键词集合关键词相同的数量，得到目标关键词数量；
电子设备将目标关键词数量与第一关键词集合对应的关键词数量的比值确定为第i个目标标准问句对应的第i个第二相似度。
205：电子设备向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
可以看出，相较于单一业务场景机器人从标准问句库包括的多个标准问句中选取与用户问句最匹配的目标标准问句，以及向终端发送目标标准问句和目标标准答句；在本申请实施例中，电子设备接收服务器针对携带用户问句的查询请求发送的N个目标标准问句和N个目标标准答句，N个目标标准问句和N个目标标准答句均与多个业务场景一一对应，向目标终端发送从N个目标标准问句中选取的待推送目标标准问句和从N个目标标准答句中选取的目标标准答句，这样有助于提高人机对话的准确性。
在一个可能的示例中，电子设备向目标终端发送待推送目标标准问句和待推送目标标准答句，包括：
电子设备向目标终端发送用户状态请求，用户状态请求用于指示目标终端反馈用户当前是否观看目标终端的显示屏；
电子设备接收目标终端针对请求发送的目标用户状态；
若目标用户状态为用户当前观看目标终端的显示屏，则电子设备向目标终端发送待推送目标标准问句和待推送目标标准答句；
若目标用户状态为用户当前未观看目标终端的显示屏，则电子设备对待推送目标标准问句和待推送目标标准答句执行文字转换成语音操作，以及向目标终端发送文字转换成语音操作后的待推送目标标准问句和待推送目标标准答句。
可见，在本示例中，若目标终端对应用户当前观看目标终端的显示屏，则电子设备向目标终端发送待推送目标标准问句和待推送目标标准答句，否则电子设备向目标终端发送文字转换成语音操作后的待推送目标标准问句和待推送目标标准答句，这样有助于用户及时了解到待推送目标标准问句和待推送目标标准答句。
与上述图2所示的实施例一致的，请参阅图3，图3是本申请实施例提供的另一种人机对话方法的流程示意图，该人机对话方法包括步骤301-309，具体如下：
301：电子设备接收目标终端发送的用户问句。
302：电子设备向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应。
303：电子设备接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数。
304：电子设备将所述N个目标标准问句和所述用户问句输入神经网络模型。
305：电子设备根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应。
306：电子设备将所述N个第二相似度中的最大第二相似度输出所述神经网络模型。
307：电子设备将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句。
308：电子设备将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
309：电子设备向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
需要说明的是，图3所示的方法的各个步骤的具体实现过程可参见上述方法所述的具体实现过程，在此不再叙述。
上述实施例主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据所述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
请参阅图4，图4为本申请实施例提供的一种人机对话装置的功能单元组成框图，该人机对话装置400包括：
第一接收单元401，用于接收目标终端发送的用户问句；
第一发送单元402，用于向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
第二接收单元403，用于接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
选取单元404，用于从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
第二发送单元405，用于向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
可以看出，相较于单一业务场景机器人从标准问句库包括的多个标准问句中选取与用户问句最匹配的目标标准问句，以及向终端发送目标标准问句和目标标准答句；在本申请实施例中，电子设备接收服务器针对携带用户问句的查询请求发送的N个目标标准问句和N个目标标准答句，N个目标标准问句和N个目标标准答句均与多个业务场景一一对应，向目标终端发送从N个目标标准问句中选取的待推送目标标准问句和从N个目标标准答句中选取的目标标准答句，这样有助于提高人机对话的准确性。
在一个可能的示例中，所述多个目标标准问句与所述多个目标标准答句一一对应，所述多个目标标准问句中的每个目标标准问句为多个第一相似度中的最大第一相似度对应的标准问句，所述多个第一相似度是根据目标业务场景对应的目标标准问答库包括的多个标准问句和所述用户问句确定的，所述目标业务场景为所述每个目标标准问句对应的业务场景，所述多个标准问句与所述多个第一相似度一一对应。
在一个可能的示例中，在从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句方面，上述选取单元404具体用于：
将所述N个目标标准问句和所述用户问句输入神经网络模型；
根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应；
将所述N个第二相似度中的最大第二相似度输出所述神经网络模型；
将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，在从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句方面，上述选取单元404具体用于：
A1：根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度；
A2：根据第(i+1)个目标标准问句和所述用户问句确定所述第(i+1)个目标标准问句对应的第(i+1)个第二相似度；
A3：将所述第i个第二相似度和所述第(i+1)个第二相似度中的最大第二相似度确定为第i次相似度对比结果；
A4：根据第(i+2)个目标标准问句和所述用户问句确定所述第(i+2)个目标标准问句对应的第(i+2)个第二相似度；
A5：将所述第i次相似度对比结果和所述第(i+2)个第二相似度中的最大第二相似度确定为第(i+1)次相似度对比结果；
循环执行A4-A5，直到i＝N-2，得到第(N-1)次相似度对比结果，所述i是初始值为1，以1为间隔的递增整数；
将所述第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，在根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度方面，上述选取单元404具体用于：
根据第i个目标标准问句和预先存储的词向量算法确定所述第i个目标标准问句对应的第一词向量；
根据所述用户问句和所述词向量算法确定所述用户问句对应的第二词向量；
根据所述第一词向量、所述第二词向量和预先存储的相似度公式确定所述第一词向量与所述第二词向量的相似度；
将所述第一词向量与所述第二词向量的相似度确定为所述第i个目标标准问句对应的第i个第二相似度。
与上述图2和图3所示的实施例一致的，请参阅图5，图5是本申请实施例提供的一种电子设备的结构示意图，该电子设备500包括处理器、存储器、通信接口以及一个或多个程序，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
接收目标终端发送的用户问句；
向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
可以看出，相较于单一业务场景机器人从标准问句库包括的多个标准问句中选取与用户问句最匹配的目标标准问句，以及向终端发送目标标准问句和目标标准答句；在本申请实施例中，电子设备接收服务器针对携带用户问句的查询请求发送的N个目标标准问句和N个目标标准答句，N个目标标准问句和N个目标标准答句均与多个业务场景一一对应，向目标终端发送从N个目标标准问句中选取的待推送目标标准问句和从N个目标标准答句中选取的目标标准答句，这样有助于提高人机对话的准确性。
在一个可能的示例中，所述多个目标标准问句与所述多个目标标准答句一一对应，所述多个目标标准问句中的每个目标标准问句为多个第一相似度中的最大第一相似度对应的标准问句，所述多个第一相似度是根据目标业务场景对应的目标标准问答库包括的多个标准问句和所述用户问句确定的，所述目标业务场景为所述每个目标标准问句对应的业务场景，所述多个标准问句与所述多个第一相似度一一对应。
在一个可能的示例中，在从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句方面，上述程序包括具体用于执行以下步骤的指令：
将所述N个目标标准问句和所述用户问句输入神经网络模型；
根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应；
将所述N个第二相似度中的最大第二相似度输出所述神经网络模型；
将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，在从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句方面，上述程序包括具体用于执行以下步骤的指令：
A1：根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度；
A2：根据第(i+1)个目标标准问句和所述用户问句确定所述第(i+1)个目标标准问句对应的第(i+1)个第二相似度；
A3：将所述第i个第二相似度和所述第(i+1)个第二相似度中的最大第二相似度确定为第i次相似度对比结果；
A4：根据第(i+2)个目标标准问句和所述用户问句确定所述第(i+2)个目标标准问句对应的第(i+2)个第二相似度；
A5：将所述第i次相似度对比结果和所述第(i+2)个第二相似度中的最大第二相似度确定为第(i+1)次相似度对比结果；
循环执行A4-A5，直到i＝N-2，得到第(N-1)次相似度对比结果，所述i是初始值为1，以1为间隔的递增整数；
将所述第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
在一个可能的示例中，在根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度方面，上述程序包括具体用于执行以下步骤的指令：
根据第i个目标标准问句和预先存储的词向量算法确定所述第i个目标标准问句对应的第一词向量；
根据所述用户问句和所述词向量算法确定所述用户问句对应的第二词向量；
根据所述第一词向量、所述第二词向量和预先存储的相似度公式确定所述第一词向量与所述第二词向量的相似度；
将所述第一词向量与所述第二词向量的相似度确定为所述第i个目标标准问句对应的第i个第二相似度。
本申请实施例还提供一种计算机存储介质，该计算机存储介质用于存储电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实现方式及应用范围上均会有改变之处，综上上述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种人机对话方法，其特征在于，所述方法包括：
接收目标终端发送的用户问句；
向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
2.根据权利要求1所述的方法，其特征在于，所述多个目标标准问句与所述多个目标标准答句一一对应，所述多个目标标准问句中的每个目标标准问句为多个第一相似度中的最大第一相似度对应的标准问句，所述多个第一相似度是根据目标业务场景对应的目标标准问答库包括的多个标准问句和所述用户问句确定的，所述目标业务场景为所述每个目标标准问句对应的业务场景，所述多个标准问句与所述多个第一相似度一一对应。
3.根据权利要求1或2所述的方法，其特征在于，所述从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句，包括：
将所述N个目标标准问句和所述用户问句输入神经网络模型；
根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应；
将所述N个第二相似度中的最大第二相似度输出所述神经网络模型；
将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
4.根据权利要求1或2所述的方法，其特征在于，所述从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句，包括：
A1：根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度；
A2：根据第(i+1)个目标标准问句和所述用户问句确定所述第(i+1)个目标标准问句对应的第(i+1)个第二相似度；
A3：将所述第i个第二相似度和所述第(i+1)个第二相似度中的最大第二相似度确定为第i次相似度对比结果；
A4：根据第(i+2)个目标标准问句和所述用户问句确定所述第(i+2)个目标标准问句对应的第(i+2)个第二相似度；
A5：将所述第i次相似度对比结果和所述第(i+2)个第二相似度中的最大第二相似度确定为第(i+1)次相似度对比结果；
循环执行A4-A5，直到i＝N-2，得到第(N-1)次相似度对比结果，所述i是初始值为1，以1为间隔的递增整数；
将所述第(N-1)次相似度对比结果对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
5.根据权利要求4所述的方法，其特征在于，所述根据第i个目标标准问句和所述用户问句确定所述第i个目标标准问句对应的第i个第二相似度，包括：
根据第i个目标标准问句和预先存储的词向量算法确定所述第i个目标标准问句对应的第一词向量；
根据所述用户问句和所述词向量算法确定所述用户问句对应的第二词向量；
根据所述第一词向量、所述第二词向量和预先存储的相似度公式确定所述第一词向量与所述第二词向量的相似度；
将所述第一词向量与所述第二词向量的相似度确定为所述第i个目标标准问句对应的第i个第二相似度。
6.一种人机对话装置，其特征在于，所述装置包括：
第一接收单元，用于接收目标终端发送的用户问句；
第一发送单元，用于向服务器发送携带所述用户问句的查询请求，所述查询请求用于指示所述服务器反馈多个目标标准问句和多个目标标准答句，所述多个目标标准问句和所述多个目标标准答句均与多个业务场景一一对应；
第二接收单元，用于接收所述服务器针对所述查询请求发送的N个目标标准问句和N个目标标准答句，所述N为大于1的整数；
选取单元，用于从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句；
第二发送单元，用于向所述目标终端发送所述待推送目标标准问句和所述待推送目标标准答句。
7.根据权利要求6所述的装置，其特征在于，所述所述多个目标标准问句与所述多个目标标准答句一一对应，所述多个目标标准问句中的每个目标标准问句为多个第一相似度中的最大第一相似度对应的标准问句，所述多个第一相似度是根据目标业务场景对应的目标标准问答库包括的多个标准问句和所述用户问句确定的，所述目标业务场景为所述每个目标标准问句对应的业务场景，所述多个标准问句与所述多个第一相似度一一对应。
8.根据权利要求6或7所述的装置，其特征在于，在从所述N个目标标准问句中选取待推送目标标准问句和从所述N个目标标准答句中选取待推送目标标准答句方面，所述选取单元具体用于：
将所述N个目标标准问句和所述用户问句输入神经网络模型；
根据所述N个目标标准问句和所述用户问句并行确定N个第二相似度，所述N个第二相似度与所述N个目标标准问句一一对应；
将所述N个第二相似度中的最大第二相似度输出所述神经网络模型；
将所述N个第二相似度中的最大第二相似度对应的目标标准问句确定为待推送目标标准问句，以及将所述待推送目标标准问句对应的目标标准答句确定为待推送目标标准答句。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-5任一项所述的方法中的部分或全部步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行，以实现如权利要求1-5任一项所述的方法。
CN201910784484.6A 2019-08-23 2019-08-23 人机对话方法及相关设备 Active CN110674268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910784484.6A CN110674268B (zh) 2019-08-23 2019-08-23 人机对话方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910784484.6A CN110674268B (zh) 2019-08-23 2019-08-23 人机对话方法及相关设备

Publications (2)

Publication Number Publication Date
CN110674268A true CN110674268A (zh) 2020-01-10
CN110674268B CN110674268B (zh) 2021-03-19

Family

ID=69075628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910784484.6A Active CN110674268B (zh) 2019-08-23 2019-08-23 人机对话方法及相关设备

Country Status (1)

Country Link
CN (1) CN110674268B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473069A (zh) * 2023-12-26 2024-01-30 深圳市明源云客电子商务有限公司 业务语料生成方法、装置、设备及计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100199294A1 (en) * 2009-02-02 2010-08-05 Samsung Electronics Co., Ltd. Question and answer service method, broadcast receiver having question and answer service function and storage medium having program for executing the method
CN103853842A (zh) * 2014-03-20 2014-06-11 百度在线网络技术（北京）有限公司 一种自动问答方法和系统
CN106682137A (zh) * 2016-12-19 2017-05-17 武汉市灯塔互动文化传播有限公司 一种智能股票投顾问答交互方法与系统
CN107169105A (zh) * 2017-05-17 2017-09-15 北京品智能量科技有限公司 用于车辆的问答装置及方法
CN108776689A (zh) * 2018-06-05 2018-11-09 北京玄科技有限公司 一种应用于智能机器人交互的知识推荐方法及装置
CN109165286A (zh) * 2018-09-03 2019-01-08 深圳前海微众银行股份有限公司 自动问答方法、装置及计算机可读存储介质
CN109299320A (zh) * 2018-10-30 2019-02-01 上海智臻智能网络科技股份有限公司 一种信息交互方法、装置、计算机设备和存储介质
CN110008322A (zh) * 2019-03-25 2019-07-12 阿里巴巴集团控股有限公司 多轮对话场景下的话术推荐方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100199294A1 (en) * 2009-02-02 2010-08-05 Samsung Electronics Co., Ltd. Question and answer service method, broadcast receiver having question and answer service function and storage medium having program for executing the method
CN103853842A (zh) * 2014-03-20 2014-06-11 百度在线网络技术（北京）有限公司 一种自动问答方法和系统
CN106682137A (zh) * 2016-12-19 2017-05-17 武汉市灯塔互动文化传播有限公司 一种智能股票投顾问答交互方法与系统
CN107169105A (zh) * 2017-05-17 2017-09-15 北京品智能量科技有限公司 用于车辆的问答装置及方法
CN108776689A (zh) * 2018-06-05 2018-11-09 北京玄科技有限公司 一种应用于智能机器人交互的知识推荐方法及装置
CN109165286A (zh) * 2018-09-03 2019-01-08 深圳前海微众银行股份有限公司 自动问答方法、装置及计算机可读存储介质
CN109299320A (zh) * 2018-10-30 2019-02-01 上海智臻智能网络科技股份有限公司 一种信息交互方法、装置、计算机设备和存储介质
CN110008322A (zh) * 2019-03-25 2019-07-12 阿里巴巴集团控股有限公司 多轮对话场景下的话术推荐方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473069A (zh) * 2023-12-26 2024-01-30 深圳市明源云客电子商务有限公司 业务语料生成方法、装置、设备及计算机可读存储介质
CN117473069B (zh) * 2023-12-26 2024-04-12 深圳市明源云客电子商务有限公司 业务语料生成方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN110674268B (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN107704506B (zh) 智能应答的方法和装置
CN109947919A (zh) 用于生成文本匹配模型的方法和装置
CN106815311B (zh) 一种问题匹配方法和装置
CN109086303A (zh) 基于机器阅读理解的智能对话方法、装置、终端
CN111898643B (zh) 一种语义匹配方法及装置
CN108280200B (zh) 用于推送信息的方法和装置
CN112037792B (zh) 一种语音识别方法、装置、电子设备及存储介质
CN110187780B (zh) 长文本预测方法、装置、设备和存储介质
CN108877782A (zh) 语音识别方法和装置
CN109256125B (zh) 语音的离线识别方法、装置与存储介质
US10579837B2 (en) Method, device and electronic apparatus for testing capability of analyzing a two-dimensional code
CN108682421B (zh) 一种语音识别方法、终端设备及计算机可读存储介质
CN107967333A (zh) 语音搜索方法、语音搜索装置及电子设备
CN107943895A (zh) 信息推送方法和装置
CN109766422A (zh) 信息处理方法、装置及系统、存储介质、终端
EP3839800A1 (en) Recommending multimedia based on user utterances
CN110674268B (zh) 人机对话方法及相关设备
CN111444321B (zh) 问答方法、装置、电子设备和存储介质
CN109147801B (zh) 语音交互方法、系统、终端及存储介质
CN110970030A (zh) 一种语音识别转换方法及系统
CN111858966B (zh) 知识图谱的更新方法、装置、终端设备及可读存储介质
CN109273004B (zh) 基于大数据的预测性语音识别方法及装置
WO2019144906A1 (zh) 信息转换方法和装置、存储介质及电子装置
CN111081221B (zh) 训练数据选择方法、装置、电子设备及计算机存储介质
CN108763288A (zh) 一种弹幕拦截方法及其相关设备

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