CN111226193B - 电子设备及改变聊天机器人的方法 - Google Patents
电子设备及改变聊天机器人的方法 Download PDFInfo
- Publication number
- CN111226193B CN111226193B CN201880066708.3A CN201880066708A CN111226193B CN 111226193 B CN111226193 B CN 111226193B CN 201880066708 A CN201880066708 A CN 201880066708A CN 111226193 B CN111226193 B CN 111226193B
- Authority
- CN
- China
- Prior art keywords
- chat
- information
- chat robot
- robot
- text 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000004044 response Effects 0.000 claims abstract description 162
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 51
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 21
- 239000003795 chemical substances by application Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 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
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/50—Business processes related to the communications industry
-
- 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
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Transfer Between Computers (AREA)
- Operations Research (AREA)
Abstract
本申请提供了利用诸如深度学习的机器学习算法及应用的人工智能(AI)系统。该人工智能(AI)系统包括电子设备的控制方法以用于使用人工智能学习模型来确定聊天机器人,该控制方法包括接收用户发出的语音;处理语音并获取与语音相对应的文本信息;在聊天屏幕上显示文本信息;通过将所获取的文本信息和关于聊天屏幕的聊天历史信息输入到模型来确定用于提供对语音的响应消息的聊天机器人,其中该模型通过输入文本信息和聊天历史信息来训练以确定聊天机器人;将获取的文本信息和关于聊天屏幕的聊天历史信息发送到用于提供经确定的聊天机器人的服务器;以及从服务器接收响应消息并将响应消息显示在聊天屏幕上。
Description
技术领域
本公开涉及电子设备及其控制方法。更具体地,本公开涉及能够基于聊天屏幕上与语音和聊天历史相对应的文本信息来确定聊天机器人的电子设备及其控制方法。
另外,本公开涉及人工智能(AI)系统及其应用,其使用机器学习算法来模拟诸如识别和判断人脑的功能。
背景技术
近年来,实现人类水平智能的人工智能系统被用于各个领域。人工智能(AI)系统是机器学习、决策且本身变得智能化的系统,不同于现有的基于规则的智能系统。随着人工智能系统的使用,提高了识别率并且更准确地了解用户的品味,现有的基于规则的智能系统逐渐被基于深度学习的人工智能系统所取代。
人工智能技术可包括机器学习(例如,深度学习)和使用机器学习的元技术。
机器学习是自身对输入数据的特征进行分类/学习的算法技术。元技术是使用诸如深度学习等机器学习算法模拟人脑的功能(诸如识别和决策)的技术。机器学习包括诸如语言理解、视觉理解、推理和/或预测、知识表达、运动控制等技术领域。
人工智能技术应用的各个领域如下。语言理解是识别、应用和/或处理人类语言和/或特征的技术,并包括自然语言处理、机器翻译、对话系统、问答、语音识别和/或合成等。视觉理解是识别和处理诸如人类视觉之类的事物的技术,包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像改进等。推理预测是判定和逻辑推理及预测信息的技术,包括基于知识和/或概率的推理、优化预测、基于偏好的规划和建议。知识表达是将人类经验信息自动化并处理为知识数据的技术,包括知识建构(数据创建和/或分类)和知识管理(数据利用)。运动控制是控制车辆的自动驾驶和机器人的运动的技术,包括运动控制(导航、碰撞、驾驶)、操纵控制(行为控制)等。
近年来,由于人工智能的发展,可以与外部服务器提供的聊天机器人(chatbot)(即,聊天机器人)进行聊天。聊天机器人是为特定目的而开发的,并且只能为开发目的(例如购物、客户咨询、预订等)提供聊天服务。
如果在与这些聊天机器人的聊天过程中需要出于其他目的进行聊天,则需要停止与当前正在执行会话的聊天机器人聊天,并开始与用于其他目的的聊天机器人聊天。在这种情况下,存在的缺陷在于,用户必须决定他或她打算进行对话的聊天机器人,并且无论现有的聊天历史如何都须执行新的聊天。
上述信息作为仅帮助理解本公开的背景信息而提出。并且对于上述信息中的任何信息是否可用作相对于本公开的现有技术,没有确定且未做出断言。
发明内容
技术问题
本公开的各方面旨在至少解决上述问题和/或缺点,并至少提供下述优点。相应地,本公开的一方面涉及电子设备及其控制方法,该电子设备基于所获取的文本信息和聊天历史信息来确定聊天机器人,并且能够通过向确定出的聊天机器人交流文本信息和聊天历史信息来执行聊天而不中断会话进程。
技术方案
本公开的另一方面提供了用于使用人工智能学习模型来确定聊天机器人的电子设备的控制方法,其包括:接收用户发出的语音;处理语音并获取与语音对应的文本信息;以及在聊天屏幕上显示文本信息;通过将所获取的文本信息和聊天屏幕上的聊天历史信息输入到模型来确定用于提供关于语音的响应消息的聊天机器人,其中所述模型通过输入文本信息和聊天历史信息被训练来确定聊天机器人;将获取的文本信息和聊天屏幕上的聊天历史信息发送至用于提供确定的聊天机器人的服务器;以及从服务器接收响应消息并将响应消息显示在聊天屏幕上。
附加方面将部分地在随后的描述中阐述,并且部分地将通过描述变得明显,或者可以通过实践所呈现的实施方式来获知。
根据本发明的一方面,提供了一种电子设备。该电子设备包括显示器、用户输入器、通信器、电连接到显示器、用户输入器和通信器的处理器、以及电连接到处理器的存储器,其中处理器配置为:控制显示器显示聊天屏幕;当用户发出的语音通过用户输入器输入时,通过处理语音来获取对应于该语音的文本信息;控制显示器在聊天屏幕上显示文本信息;通过将所获取的文本信息和聊天屏幕上的聊天历史信息输入到模型来确定用于提供关于语音的响应消息的聊天机器人,所述模型通过输入文本信息和聊天历史信息被训练来确定聊天机器人;控制通信器将所获取的文本信息和聊天屏幕上的聊天历史信息发送到用于提供所确定的聊天机器人的服务器;控制显示器接收来自服务器的响应消息,并在聊天屏幕上显示响应消息。
有益效果
如上所述,用户可以减少逐一指定聊天机器人的麻烦,并且即使聊天机器人改变,用户也可以与改变的聊天机器人执行对话而不会中断对话进程。
通过以下详细说明,本公开的其他方面、优点和显著特征对于本领域技术人员将变得显而易见,以下详细描述结合附图公开了本公开的各种实施方式。
附图说明
通过以下结合附图的描述,本公开的某些实施方式的以上和其他方面、特征和优点将变得更加明显,在附图中:
图1a和图1b是描述根据本公开的实施方式通过基于文本信息和聊天历史信息确定聊天机器人来与聊天机器人聊天的实施方式的图;
图2是简要示出根据本公开的实施方式的包括电子设备和提供聊天机器人的聊天机器人服务器的系统的图;
图3a和图3b是示出根据本公开的各种实施方式的电子设备的配置的框图;
图4是示出根据本公开的实施方式的电子设备中包括的多个模块的框图;
图5是描述根据本公开的实施方式的用于登记聊天机器人的方法的流程图;
图6a是描述根据本公开的实施方式的聊天机器人提供的功能的结构信息的图;
图6b是描述根据实施方式的用于识别聊天机器人的结构信息的方法的图;
图7是描述根据本公开的实施方式通过改变聊天机器人来执行聊天的实施方式的流程图;
图8、图9a和图9b是描述根据本公开的各种实施方式的用聊天机器人服务器发送查询消息和接收响应消息的实施方式的图;
图10是描述根据本公开的实施方式的电子设备的控制方法的流程图;
图11是简要示出根据本公开的另一实施方式的包括电子设备、提供个人助理聊天机器人的服务器和外部聊天机器人服务器的系统的图;
图12是描述根据本公开的另一实施方式的由个人助理聊天机器人改变聊天机器人的实施方式的流程图;
图13是示出根据本公开的实施方式的学习和使用用于确定聊天机器人的模型的电子设备的配置的框图;
图14a和图14b是示出根据本公开的实施方式的学习单元和确定单元的特定配置的框图;以及
图15是使用根据本公开的各种实施方式的聊天机器人确定模型的网络系统的流程图。
在所有附图中,相同的附图标记将理解为表示相同的部件、组件和结构。
具体实施方式
参考附图的以下描述被提供以帮助全面理解由权利要求及其等同限定的本公开的多个实施方式。其包括帮助理解的各种具体细节,但是这些具体细节应认为仅是示例性的。因此,本领域普通技术人员将认识到,在不背离本公开的范围和精神的情况下,可对本文描述的各种实施方式进行各种修改和改变。另外,为了清楚和简明,可省略对公知功能和结构的描述。
以下的描述和权利要求中使用的术语和词语不限于书面上的含义,而是仅被发明人用来使对本公开的理解清晰且一致。因此,应对本领域技术人员显而易见的是,提供本公开的各种实施方式的以下描述仅出于说明的目的而非出于限制由所附权利要求及其等同限定的本公开的目的。
应理解,除非上下文明确地另外指示,否则单数形式包括复数的指示物。因此,例如提及“部件表面”包括提及一个或多个这种表面。
在本文中,表述“具有”、“可具有”、“包括”或“可包括”表示特征(例如,数值、功能、操作)的存在,而不排除附加特征的存在。
在本文中,表述“A或B”、“A或/和B中的至少一项”或者“A或/和B中的一项或多项”可包括所列项目的所有可能的组合。例如,表述“A或B”、“A和B中的至少一项”或“A或B中的至少一项”包括:(1)至少一个A;(2)至少一个B;(3)至少一个A和至少一个B。
诸如“第一”、“第二”等术语可以用于描述各种元件,但是这些元件不应受这些术语的限制。这些术语仅用于将一个元件与另一元件区分开的目的。
应理解,部件(例如,第一部件)与另一部件(例如,第二部件)“操作性地或通信地联接”/部件(例如,第一部件)“操作性地或通信地联接到”另一部件(例如,第二部件)是指任何这种元件可直接连接至另一元件,或者可通过其他元件(例如,第三元件)连接。另一方面,当提及元件(例如,第一元件)“直接连接”或“直接接入”至另一元件(例如,第二元件)时,可理解为它们之间没有其他元件(例如,第三元件)。
表述“配置为”可与下列表述互换使用:例如“适于”、“具有…的能力”、“设计为”、“适配为”、“制成”或“能够”。表述“配置为”不必解释为以硬件方式“专门设计成…”。相反,在一些情况下,“配置为…的装置”可意指这种装置可与其它装置或部件一起执行操作。例如,表述“配置为执行A、B和C的处理器”可意为用于执行相应操作的专用处理器(例如,嵌入式处理器)或者可通过执行存储在存储装置中的一个或多个软件程序来执行相应操作的通用处理器(例如,中央处理单元(CPU)或应用处理器(AP))。
根据本公开的各种实施方式的电子设备可包括例如下列项中的至少一项:智能电话、平板PC、移动电话、视频电话、电子书阅读器、台式PC、膝上型PC、上网本计算机、工作站、服务器、个人数字助理(PDA)、便携式多媒体播放器(PMP)、运动图片专家组阶段1或阶段2(MPEG-1或MPEG-2)音频层3(MP3)播放器、移动医疗装置、相机或可穿戴装置。可穿戴装置可包括下列项中的至少一项:附件型(例如,手表、戒指、手环、项链、眼镜、隐形眼镜或头戴式装置(HMD))、织物或服装集成型(例如,皮肤垫或纹身)、或生物可植入电路。在一些实施方式中,电子设备可以是例如电视机、数字视频盘(DVD)播放器、音响设施、冰箱、空调、真空吸尘器、烤箱、微波炉、洗衣机、空气净化器、机顶盒、家用自动控制面板、安全控制面板、媒体盒(例如,Samsung HomeSyncTM、Apple TVTM或Google TVTM)、游戏主机(例如,XboxTM和PlayStationTM)、电子词典、电子钥匙、摄录机和电子相框。
在其它实施方式中,电子设备和外部设备可包括下列项中的至少一项:各种医疗装置(例如,各种便携式医疗测量装置(例如,血糖监测装置、心率监测装置、血压测量装置、或体温测量装置)、磁共振血管造影(MRA)、磁共振成像(MRI)、计算机断层扫描仪(CT)或超声仪等)、导航系统、全球导航卫星系统(GNSS)、事件数据记录仪(EDR)、飞行数据记录仪(FDR)、车载信息娱乐装置、船用电子装置(例如,船用导航装置、回转罗盘等)、航空电子装置、安全装置、机动车机头单元、家用或工业机器人、银行自动柜员机(ATM)、商店的销售点(POS)、或物联网装置(例如,电灯泡、传感器、洒水器、火警报警器、恒温器、路灯、烤面包机、运动器材、热水箱、加热器、热水器等)。
在本公开中,术语“用户”可表示使用电子设备的人或者使用电子设备的设备(例如,人工智能电子设备)。
在下文中,将参考附图进一步描述本公开。
图1a和图1b是用于描述根据本公开的实施方式通过基于文本信息和聊天历史信息确定聊天机器人来与聊天机器人(以下称为“聊天机器人”)聊天的实施方式的图。
参考图1a和图1b,电子设备100可以根据预定的用户输入执行个人助理程序。预设的用户输入可以是用于选择与显示在显示屏上的个人助理程序相对应的图标的用户输入,但是这仅是一种实施方式,并且可实现为包括预设单词(例如Bixby)的用户语音,以及用于选择在电子设备100的预定区域中提供的按钮的用户输入等。个人助理程序是用于执行个人助理聊天机器人以使用电子设备100向用户提供个人助理服务的程序,并且可存储在电子设备100中,但这仅是示例性的,并且可存储在单独的个人助理聊天机器人服务器中。
当执行个人助理程序时,电子设备100可显示能够与个人助理聊天机器人聊天的聊天屏幕。聊天屏幕可以是用于与个人助理聊天机器人或由外部服务器提供的聊天机器人聊天的专用聊天屏幕,但这仅是示例,并且可以是由用于与另一用户聊天的通用聊天程序提供的聊天屏幕。
在显示聊天屏幕的同时,电子设备100可以通过麦克风接收用户发出的语音。电子设备100可以获取与通过麦克风获取的用户语音对应的文本信息。具体地,电子设备100可以将通过麦克风获取的用户语音发送到外部服务器(例如,语音到文本(STT)服务器),并获取与用户语音对应的文本信息。可替换地,电子设备100可以使用存储在其中的STT程序来获取对应于用户语音的文本信息。在上述实施方式中,描述了通过用户发出的语音获取文本信息。然而,这仅是示例性的,并且文本信息可以通过显示在显示器上的小键盘来获取,并且文本信息可以通过外部输入装置(例如,键盘)来获取。
电子设备100可以在聊天屏幕上显示获取的文本信息。例如,如果与用户语音相对应的文本信息是“Galaxy S6触摸有时不能很好地工作”,则电子设备100可以在聊天屏幕上显示“我的Galaxy S6触摸有时不能很好地工作”。电子设备100可以在图1a的面板(a)所示的文本周围显示图标(U),图标(U)指示用户已说出“我的Galaxy S6触摸有时不能很好地工作”。
电子设备100可确定所获取的文本信息是否是个人助理聊天机器人可以响应的文本信息。电子设备100可以确定所获取的文本信息是用于执行电子设备100内的功能的文本信息还是用于搜索存储在电子设备100中的信息的文本信息,并且确定所获取的文本信息是否是个人助理聊天机器人可以响应的文本信息。
如果文本信息是个人助理聊天机器人可以响应的,则电子设备100可以经由个人助理聊天机器人向文本信息提供响应消息。如果文本信息是个人助理聊天机器人不能响应的,则电子设备100可以确定能够向文本信息提供响应消息的聊天机器人。电子设备100可以通过将文本信息输入到学习模型中以基于文本信息和聊天历史信息确定聊天机器人来确定能够向文本信息提供响应消息的聊天机器人。例如,电子设备100可以将“客户咨询聊天机器人”确定为可以经由学习模型向用户的语音提供响应消息的聊天机器人。聊天机器人是具有对应于用户文本信息的聊天域的聊天机器人,并且可以由外部服务器提供。
当通过学习模型确定了能够向文本提供响应消息的聊天机器人时,电子设备100可以显示用于确定是否通过个人助理聊天机器人向用户请求响应消息的查询消息。例如,如图1a的面板(b)所示,电子设备100可以显示查询消息,例如“我能向三星服务查问‘Galaxy S6触摸有时不工作’吗?”。可以在查询消息周围显示指示该消息已由个人助理聊天机器人发出的图标(A)。
当输入用于响应查询消息的用户语音时,电子设备100可以获取关于该用户语音的文本信息并显示获得的文本信息。例如,如图1a的面板(c)所示,电子设备100可以显示文本信息“是”。
当输入对查询消息的请求响应时,电子设备100可以将先前获取的文本信息发送到提供所确定的聊天机器人的服务器。例如,电子设备100可以向提供客户咨询聊天机器人的客户咨询聊天机器人服务器发送诸如“Galaxy S6触摸有时不工作”的文本信息。
客户咨询聊天机器人服务器可以使用客户咨询聊天机器人为接收的文本信息生成响应消息,并将生成的响应消息发送到电子设备100。电子设备100可以显示接收到的响应消息。例如,电子设备100可以显示如图1a的面板(d)所示的响应消息“你好,这里是三星服务,请尝试通过触摸灵敏度设置来改变触摸”。在响应消息周围,可以显示指示客户信息聊天机器人已发出的图标(C)。
如上所述,电子设备100可以确定能够通过个人助理聊天机器人为用户语音提供响应消息的聊天机器人,并且从所确定的聊天机器人接收响应消息。
电子设备100可以接收用户通过麦克风最近发出的语音。电子设备100可以获取与通过麦克风新获取的用户语音对应的文本信息。
电子设备100可以在聊天屏幕上显示所获取的文本信息。例如,如果对应于用户语音的文本信息是“仍然不工作。最好购买新的。现在买Galaxy将花费多少”,如图1b的面板(a)所示,电子设备100可以在聊天屏幕上显示“仍然不工作。最好购买新的。现在买Galaxy的费用是多少”。
电子设备100可以确定所获得的文本信息是否是个人助理聊天机器人可以响应的文本信息。如果信息是个人助理聊天机器人不能响应的,则电子设备100可以确定能够提供关于文本信息的响应消息的聊天机器人。电子设备100可以确定出这样的聊天机器人,该聊天机器人可将文本信息和聊天历史信息输入到学习模型中以提供关于文本信息的响应消息。聊天历史信息可以是关于当前或先前聊天屏幕中用户与聊天机器人之间的对话历史的信息。例如,电子设备100可以将“购物聊天机器人”确定为可以通过学习模型向用户语音提供响应消息的聊天机器人。也就是说,电子设备100可以通过不仅使用与简单的用户语音对应的文本信息而且使用聊天历史信息,来确定能够向用户语音提供响应消息的聊天机器人。
当确定能够通过学习模型提供关于文本的响应消息的聊天机器人时,电子设备100可以显示查询消息以确定是否通过个人助理聊天机器人向聊天机器人请求响应消息。
当输入用于响应查询消息的用户语音时,电子设备100可以获取关于用户语音的文本信息并显示所获取的文本信息。例如,如图1b的面板(c)所示,电子设备100可以显示文本信息“是”。
当输入对查询消息的请求响应时,电子设备100可以将先前获得的文本信息发送到所确定的聊天机器人。例如,电子设备100可以将图1b的面板(b)中的文本信息“你想查询Galaxy S6的用户想要购买的新智能电话的价格吗?”和聊天历史信息“Galaxy S6触摸不工作”一起发送到提供购物聊天机器人的购物聊天机器人服务器。
购物聊天机器人服务器可以利用顾客咨询聊天机器人生成对接收到的文本信息和聊天历史信息的响应消息。购物聊天机器人可以使用文本信息和聊天历史信息一起来生成响应消息。例如,购物聊天机器人可以通过为Galaxy S6的用户在推荐的智能电话中选择具有良好触摸的智能电话来生成响应消息。
购物聊天机器人服务器可以将所生成的响应消息发送到电子设备100。电子设备100可以显示接收到的响应消息。例如,如图1b的面板(d)所示,电子设备100可以显示响应消息“你好,我是购物助手。Galaxy S8有两个产品选项:您希望找到哪一项?1.Galaxy S8-800,000韩元和2.Galaxy S8+900,000韩元”可以在该响应消息周围显示指示该消息由购物聊天机器人发出的图标(S)。
如上所述,电子设备100可以通过个人助理聊天机器人不仅考虑用户语音还考虑聊天历史信息来确定能够提供响应消息的聊天机器人,并且从所确定的聊天机器人接收响应消息。
在上述实施方式中,电子设备100通过将文本信息和聊天历史信息输入到学习模型中来确定聊天机器人。然而,这仅是示例性的,并且可以确定不仅可以将文本信息而且可以将各种上下文信息输入到学习模型以提供响应消息的聊天机器人。上下文信息可以包括用户简档信息、用户搜索信息、用户偏好信息等。用户简档信息可以是由用户存储在电子设备100或个人助理程序中的用户信息,并且可以包括各种用户信息,诸如用户的性别、用户的年龄、用户的身体信息、用户的归属信息等。用户搜索信息可以包括用户在执行个人助理聊天机器人之前已搜索的信息,并且用户偏好信息可以包括关于用户的偏好内容和类别的信息。
此外,电子设备100可以将各种上下文信息以及文本信息和聊天历史信息发送到提供聊天机器人的聊天机器人服务器。聊天机器人服务器可以基于文本信息和各种上下文信息生成响应消息。例如,购物聊天机器人服务器可以通过基于用户简档信息、用户搜索信息、用户偏好信息等连同文本信息选择推荐的产品,来提供响应消息。
如上所述的学习模型是基于人工知识学习的确定模型,并且可以是基于神经网络的模型。对象确定模型可以设计为使得可在计算机中模拟人脑结构,并且可包括模拟人神经网络的神经元且具有权重的多个网络节点。多个网络节点可以形成每个连接关系使得神经元模拟通过突触发送和接收信号的神经元的突触活动。此外,对象确定模型可以包括,例如神经网络模型或从神经网络模型开发的深度学习模型。在深度学习模型中,多个网络节点位于不同的深度(或层),并且可以根据卷积连接关系来收发数据。对象确定模型的示例可以包括深度神经网络(DNN)、递归神经网络(RNN)、双向递归深度神经网络(BRDNN),但不限于此。
此外,电子设备100可以使用作为人工智能代理的个人助理程序来确定提供如上所述的响应消息的聊天机器人并提供响应消息。个人助理程序是用于提供基于AI的服务的专用程序,并且由通用处理器(例如CPU)或单独的AI专用处理器(例如GPU)执行。特别地,人工智能代理可以控制稍后描述的各种模块。
具体地,输入预定用户输入(例如,对应于个人助理聊天机器人的图标触摸、包括预定单词的用户语音等)或按下按钮(例如,用于执行人工智能代理的按钮),人工智能代理可以操作。人工智能代理基于文本信息和与输入的用户语音对应的聊天历史信息来确定能够响应用户语音的聊天机器人,并将文本信息和聊天历史信息发送到提供所确定的聊天机器人的聊天机器人服务器。然后,人工智能代理可以显示从聊天机器人服务器接收的响应消息。
当然,如果在屏幕上检测到预定用户输入或者按下电子设备100的按钮(例如,用于执行AI代理的按钮),则AI代理可以操作。可替换地,人工智能代理可以处于先前执行的状态,在该状态中,感测预定的用户输入或者选择电子设备100中提供的按钮。在这种情况下,在检测到预定的用户输入或选择电子设备100上提供的按钮之后,电子设备100的人工智能代理可以确定能够响应用户语音的聊天机器人。此外,当感测到预设用户输入或选择电子设备100中提供的按钮时,人工智能代理可以处于先前选择的待机状态。待机状态是接收预定用户输入以控制AI代理的操作开始的状态。如果在人工智能代理处于待机状态时感测到预定用户输入,或者选择了电子设备100上提供的按钮,则电子设备100可以激活人工智能代理并决定能够响应用户语音的聊天机器人。
人工代理可以控制稍后将描述的各种模块。将对其进行更详细的描述。
图2是简要示出根据本公开的实施方式的包括电子设备和提供聊天机器人的聊天机器人服务器的系统的图。
参照图2,系统可以包括电子设备100和多个聊天机器人服务器200-1、200-2……200-n。
电子设备100可存储个人助理程序。用户可以通过个人助理程序或由外部聊天机器人服务器提供的聊天机器人,与个人助理聊天机器人进行聊天。当输入预定用户命令时,电子设备100可执行或激活个人助理程序。
此外,当生成用于登记新聊天机器人的事件(例如,用于从外部接收关于新聊天机器人的信息的事件、用于输入添加新聊天机器人的用户命令的事件等)时,电子设备100可以登记新聊天机器人。电子设备100可获取新聊天机器人的结构信息。例如,电子设备100可以使用新聊天机器人的元数据来获取新聊天机器人的结构信息,并且可通过与新聊天机器人的对话来获取新聊天机器人的结构信息。这将在后面详细描述。
在执行个人助理程序之后,当输入用户语音时,电子设备100可将与用户语音对应的文本信息和聊天历史输入到学习模型,并从多个聊天机器人服务器200-1、200-2……200-n中确定用于提供关于用户语音的响应消息的聊天机器人。此外,电子设备100可通过个人助理程序提供关于用户语音的响应消息。特别地,当电子设备100与第一聊天机器人进行聊天时,当用于提供关于当前用户语音的响应消息的聊天机器人被确定为第二聊天机器人时,电子设备100可以向提供第二聊天机器人的第二聊天机器人服务器提供对应于用户语音的文本信息和聊天历史信息。
此外,电子设备100可以向聊天机器人服务器发送关于用户语音的文本信息和聊天历史信息,并且可从聊天机器人服务器接收并提供对文本信息和聊天历史信息的响应消息。电子设备100可以通过使用聊天机器人的结构信息来生成包括文本信息和聊天历史信息的查询消息。而且,聊天机器人服务器200可以使用结构信息发送关于查询消息的响应消息。
多个聊天机器人服务器200-1、200-2……200-n可以提供具有相应聊天域的聊天机器人。例如,第一聊天机器人服务器200-1可以提供具有购物域的聊天机器人,第二聊天机器人服务器200-2可以提供具有IoT设备控制域的聊天机器人,第三聊天机器人服务器200-3可以提供具有客户咨询域的聊天机器人,但不限于此。
多个聊天机器人服务器200-1、200-2……200-n可以基于由电子设备100的个人助理程序接收的文本信息和聊天历史信息来生成响应消息。多个聊天机器人服务器200-1、200-2……200-n中的每一个可对接收到的文本信息执行自然语言处理,并基于作为自然语言处理的聊天历史信息和文本信息生成响应消息。
多个聊天机器人服务器200-1、200-2……200-n可以基于聊天机器人的结构信息生成响应消息。也就是说,多个聊天机器人服务器200-1、200-2……200-n可以基于聊天机器人可提供的功能、子功能、属性等生成响应消息。
此外,在电子设备100的个人助理程序与多个聊天机器人服务器200-1、200-2……200-n之间,可以存在用于发送文本信息和聊天历史信息(或上下文信息)的信息传送规范。信息传送规范是用于在个人助理程序和聊天机器人服务器200-n之间传输信息的规范,并且可以使用聊天机器人的结构信息来提供查询消息和响应消息。
因此,电子设备100的个人助理程序可以基于信息传送规范来发送文本信息和聊天历史信息。
图3a和图3b是示出根据本公开的实施方式的电子设备的配置的框图。
参考图3a,电子设备100可以包括显示器110、通信器120、用户输入器130、存储器140和处理器150。图3a中所示的配置是用于实现本公开的实施方式的图,并且对于本领域技术人员显而易见的适当硬件和/或软件配置级别可进一步包括在电子设备100中。
显示器110可以提供各种屏幕。特别地,显示器110可显示用于与个人助理聊天机器人或外部聊天机器人聊天的聊天屏幕。聊天屏幕可包括用于指示用户、个人助理聊天机器人或外部聊天机器人的图标、文本等。
通信器120可以通过各种通信方法执行与外部设备的通信。特别地,通信器120可以与外部聊天服务器通信并接收响应消息。此外,如果存在个人助理聊天机器人服务器,则通信器120可以与个人助理聊天机器人服务器通信。
用户输入器130可以接收各种用户输入,并将各种用户输入发送到处理器150。特别地,用户输入器130可以包括触摸传感器、(数字)笔传感器、压力传感器、键或麦克风。触摸传感器可以使用例如静电类型、压敏类型、红外类型和超声波类型中的至少一种。(数字)笔传感器例如可以是触摸面板的一部分,或者可以包括单独的识别片。键可以包括例如物理按钮、光学键、或小键盘。麦克风可以设置在电子设备100内部以用于接收用户语音,但是也可以设置在电子设备100外部以便电连接到电子设备100。
特别地,用户输入器130可以根据用户输入来获取输入信号,以便选择用于选择与个人助理程序相对应的图标的预定用户触摸或者电子设备100外部提供的按钮。然后,用户输入器130可以向处理器150发送输入信号。
存储器140可存储与电子设备100的至少一个其它组件有关的指令或数据。具体地,存储器140可以实现为非暂时性存储器、暂时性存储器、闪存、硬盘驱动器(HDD)或固态驱动器(SSD)。存储器140由处理器150访问,并且可以由处理器150执行数据的读/写/修改/删除/更新。本公开中的术语存储器包括存储器140、ROM(未示出)、处理器150中的RAM(未示出)、或安装在电子设备100中的存储卡(未示出)(例如,微型SD卡和记忆棒)。此外,存储器140可以存储用于配置待在显示器110的显示区域中显示的各种屏幕的程序和数据。
具体地,存储器140可以存储个人助理程序。个人助理程序是用于为电子设备100提供各种服务的个性化程序。特别地,个人助理程序可以包括聊天机器人登记模块410和聊天机器人确定模块420,如图4所示。这将在后面参考图4详细描述
存储器140可以存储聊天机器人确定模型430,其通过使用文本信息和聊天历史信息(或上下文信息)学习确定用于提供响应消息的聊天机器人。
处理器150可以电连接到显示器110、通信器120、用户输入器130和存储器140,以控制电子设备100的整体操作和功能。具体地,处理器150可以使用存储在存储器140中的各种模块向聊天机器人提供聊天服务。特别地,处理器150可以控制显示器110显示用于与聊天机器人聊天的聊天屏幕。当在显示聊天屏幕的同时通过用户输入器130输入用户发出的语音时,电子设备100处理用户的语音以获取与该语音对应的文本信息,并控制显示器110在聊天屏幕上显示文本信息。处理器150可以确定用于将关于聊天屏幕的文本信息和聊天历史信息输入到模型的聊天机器人,其中该模型通过输入文本信息和历史信息来学习确定聊天机器人,并且处理器150还控制通信器120将所获得的文本信息发送到提供所确定的聊天机器人和关于聊天屏幕的聊天历史信息的聊天机器人服务器。处理器150可以控制显示器110从通过通信器120确定的聊天机器人服务器接收响应消息,并在聊天屏幕上显示响应消息。稍后将描述由处理器150提供聊天机器人的响应消息的方法。
参考图3b,电子设备100可以包括显示器110、通信器120、用户输入器130、存储器140、处理器150、相机160和音频输出器170。由于已经参照图3a描述了显示器110、存储器140和用户输入器130,因此将省略冗余描述。
通信器120可以根据各种类型的通信方法执行与各种类型的外部设备的通信。通信器120可以包括Wi-Fi芯片121、蓝牙芯片122和无线通信芯片123中的至少一个。处理器150可以使用通信器120与外部聊天服务器或各种外部设备通信。此外,通信器120可以通过诸如NFC芯片的各种通信芯片与外部设备进行通信。
相机160可以拍摄包括外部对象的图像。相机160可以设置在电子设备100的前部和后部中的至少一个上。相机160可以设置在电子设备100内部,但是它仅是示例性的,并且相机存在于电子设备100外部,并且可以有线或无线地连接到电子设备100。
音频输出器170配置为输出各种类型的音频数据以及各种类型的通知声音和语音消息,其中由音频处理器(未示出)执行诸如解码、放大和噪声滤波的各种处理操作。特别地,音频输出器170可以实现为扬声器,但是这仅是示例性的,并且它可实现为能够输出音频数据的输出终端。
特别地,音频输出器170可以以音频格式向用户提供关于搜索结果的信息。
处理器150(或控制器)可以使用存储在存储器140中的各种程序来控制电子设备100的整体操作。
处理器150可包括RAM 151、ROM 152、图形处理器153、主CPU 154、第一接口155-1至第n接口155-n以及总线156。RAM 151、ROM 152、图形处理器153、主CPU 154、第一接口155-1至第n接口155-n等可以经由总线156彼此连接。
图4是示出根据本发明实施方式的电子设备中包含的多个模块的框图。
参照图4,电子设备100可以包括聊天机器人登记模块410和聊天机器人确定模块420。
聊天机器人登记模块410是将聊天机器人登记到个人助理程序的模块,并且可以包括聊天机器人元数据处理模块411、聊天机器人分析模块413和聊天机器人连接管理模块415。
当聊天机器人存在时,聊天机器人元数据处理模块411可以基于聊天机器人的元数据来获取和登记聊天机器人的结构信息。具体而言,聊天机器人元数据处理模块411分析聊天机器人的元数据,获得并存储与用于执行功能的属性和聊天机器人提供的功能有关的结构信息。
如果聊天机器人的元数据不存在,则聊天机器人分析模块413可以通过与聊天机器人的聊天来分析和登记聊天机器人的结构信息。具体地,聊天机器人分析模块413可以向提供聊天机器人的聊天机器人服务器发送用于查询由聊天机器人提供的功能的结构信息的查询消息,接收对查询消息的响应消息,并生成由聊天机器人提供的功能的结构信息。这将在后面参考图6b详细描述。
特别地,聊天机器人分析模块413可以包括文本处理模块413-1、功能提取模块413-2、会话流管理模块413-3和属性提取模块413-4。文本处理模块413-1可以对从聊天机器人接收的响应消息执行文本处理。功能提取模块413-2和属性提取模块413-4可以基于从响应消息经过文本处理的文本信息来提取聊天机器人的功能和属性。会话流管理模块413-3可以提供从会话流提取聊天机器人的功能和属性所必需的查询消息。
聊天机器人连接管理模块415可以管理用于与聊天机器人服务器连接的各种信息。例如,聊天机器人连接管理模块415可以存储关于由聊天机器人服务器提供的聊天机器人的信息、聊天机器人服务器的地址信息、标识信息、域信息等。
通过聊天机器人登记模块410登记的、聊天机器人的信息和与聊天机器人有关的结构信息可以提供给聊天机器人确定模型430。
聊天机器人确定模块420可以根据用户语音来确定聊天机器人。特别地,聊天机器人确定模块420可以通过向聊天机器人确定模型430输入对应于用户语音的文本信息和上下文信息(包括聊天历史信息)来确定向用户语音提供响应消息的聊天机器人。
特别地,聊天机器人确定模块420可以包括自然语言输入/输出模块421、上下文生成模块422、域确定模块423和聊天机器人连接管理模块424。自然语言输入/输出模块421可以在聊天屏幕上显示对输入的用户语音的文本信息的自然语言处理。上下文生成模块422可以生成确定提供响应消息的聊天机器人所必需的上下文信息。上下文信息可以包括用户简档信息、用户搜索信息、用户偏好信息等,以及聊天屏幕上的聊天历史信息。域确定模块423可以使用聊天机器人确定模型430来确定用户语音输入的域。即,域确定模块423可以确定可以向用户语音提供响应消息的聊天机器人。聊天机器人连接管理模块424可以管理可以连接到聊天机器人服务器的各种信息。
聊天机器人确定模型430可以是学习以基于上下文信息来确定用于提供响应消息的聊天机器人的模型,其中上下文信息包括对应于用户语音的文本信息和聊天历史信息。可以基于包括在聊天机器人的结构信息中的功能来学习聊天机器人确定模型430。
通过如上所述的聊天机器人登记模块410和聊天机器人确定模块420,用户可以接收各种服务,同时仅通过与聊天机器人通话而无需任何附加输入来保持上下文。
图5是描述根据本发明实施方式的用于登记聊天机器人的方法的流程图。
首先,在操作S510中,电子设备100可以检测用于登记新聊天机器人的事件。用于登记新聊天机器人的事件可以包括从新聊天机器人接收登记请求信息的事件、用户接收用于登记新聊天机器人的用户输入的事件等,但本公开不限于此。
在操作S520中,电子设备100可以确定是否可通过要登记的新聊天机器人的元数据来掌握新聊天机器人结构信息。也就是说,电子设备100可以确定是否可以通过元数据来掌握与用于执行功能所需的属性以及新聊天机器人提供的功能有关的信息。新聊天机器人的结构信息可以是这样的信息,其分层地存储关于新聊天机器人的信息、新聊天机器人可提供的功能以及与执行该功能所需的属性有关的信息。此外,尽管新聊天机器人的元数据可以是例如JSON、XML等已知的格式,其也可以是用于表示新聊天机器人的元数据的唯一格式。
例如,参考图6a,当新的聊天机器人是购物聊天机器人时,购物聊天机器人的结构信息可以是分层地存储关于购物聊天机器人的信息610、由购物聊天机器人提供的功能620和可由购物聊天机器人提供的子功能630,以及执行该功能或子功能所必需的属性640的信息。
如果在操作S520 Y中可以通过新聊天机器人的元数据来掌握结构信息,则在操作S530中,电子设备100可以基于元数据来登记新聊天机器人的结构信息。作为示例,电子设备100可以在个人助理程序中登记如图6a所示的新聊天机器人的结构信息。
如果在操作S520 N中不能通过新聊天机器人的元数据来掌握结构信息,则在操作S540中,电子设备100可以执行与新聊天机器人的对话。具体地,电子设备100可以向提供新聊天机器人的聊天机器人服务器发送查询消息,该查询消息查询执行由新聊天机器人提供的功能和功能所需的属性。例如,如图6b的面板(a)所示,电子设备100可以向IoT聊天机器人服务器发送查询消息“聊天机器人的功能是什么?”以查询新聊天机器人的功能,并且能够接收响应消息,该响应消息包括关于由IoT聊天机器人服务器提供的聊天机器人的信息和与聊天机器人能够提供的功能有关的信息。为了再次检查由IoT聊天机器人提供的子功能,电子设备100可以将查询“聊天机器人的功能是什么?”的消息发送到IoT聊天机器人服务器,并且从IoT聊天机器人服务器接收响应消息,该响应消息包括与IoT聊天机器人服务器提供的聊天机器人有关的信息和聊天机器人可以提供的功能。此外,电子设备100可以发送查询消息“执行IoT搜索”,以便查询关于执行功能所必需的属性的信息,并且从IoT聊天机器人服务器接收包括与IoT搜索所必需的属性有关的信息的响应消息“请告知类型和供应商”。同时,电子设备100可以不显示如图6b的面板(a)所示的对话,但是这仅是示例性的,并且可以在屏幕上显示如图6b的面板(a)所示的对话以用于根据用户设置登记结构信息。
在操作S550中,电子设备100可以通过对话分析来掌握新聊天机器人的结构信息。具体地,电子设备100可以通过对查询消息的响应消息来掌握由聊天机器人提供的功能,所述查询消息查询由新聊天机器人提供的功能。此外,电子设备100可以通过对查询消息的响应消息来获取关于执行功能所需的属性的信息,所述查询消息查询关于执行功能所需的属性。例如,电子设备100可以通过如图6b的面板(a)所示的对话来登记如图6b的面板(b)所示的IoT聊天机器人的结构信息。也就是说,与IoT聊天机器人650、由IoT聊天机器人提供的功能660、以及执行该功能所必需的属性670有关的信息可作为IoT聊天机器人的结构信息来掌握。
在操作S560中,电子设备100可以登记通过对话分析获得的结构信息。例如,如图6b的面板(b)所示的聊天机器人的结构信息可以登记到个人助理程序。
在上述实施方式中,已经描述了电子设备100登记新聊天机器人和新聊天机器人的结构信息,但是这仅是示例性的,并且电子设备100可以更新由现有的聊天机器人通过上述方法提供的结构信息。
图7是描述根据本公开的实施方式通过改变聊天机器人来执行聊天的实施方式的流程图。
首先,在操作S710中,电子设备100接收用户发出的用户语音。具体地,电子设备100可以通过包括在用户输入器130中的麦克风接收用户的语音。在电子设备100中执行个人助理程序,并且可以显示用于与个人助理聊天机器人聊天的聊天屏幕。
在操作S720中,电子设备100可以分析用户的语音。具体地,电子设备100可以通过对用户的语音进行自然语言处理来获取与用户的语音相对应的文本信息。电子设备100可以获取对应于用户语音的所有文本信息,但是这仅是一实施方式,并且可以在对应于用户语音的文本信息中提取核心文本。
在操作S730中,电子设备100可以基于所获得的文本信息来确定个人助理聊天机器人是否可应答。电子设备100可以确定所获得的文本信息是用于执行电子设备100的功能的文本信息还是用于搜索存储在电子设备100中的信息的文本信息,并且确定所获得的文本信息是否是个人助理聊天机器人可以回答的信息。
如果在操作S730 Y中个人助理聊天机器人是可用的,则在操作S770中电子设备100可以经由个人助理聊天机器人生成响应消息。例如,当对应于用户语音的文本信息是用于查询存储在电子设备100中的时间表或者用于改变电子设备100的设置的文本信息时,电子设备100可以通过个人助理聊天机器人生成关于文本信息的响应消息。
如果在操作S730 N中个人助理聊天机器人是不可用的,则在操作S740中,电子设备100可以使用学习模块来确定聊天机器人以提供响应消息。学习模块可以是聊天机器人确定模块,其使用文本信息和聊天历史信息作为输入数据来学习确定用于提供响应消息的聊天机器人。
此外,电子设备100可以确定与根据结构信息确定的聊天机器人对应的功能之一。也就是说,电子设备100可以使用存储在个人助理程序中的聊天机器人的结构信息来确定用户希望查询的聊天机器人的功能,并且可以生成与所确定的功能相对应的查询消息。具体地,电子设备100可以加载所确定的聊天机器人的结构信息,以聊天机器人可基于结构信息进行处理的形式来处理与用户语音相对应的文本信息,并且以可处理的形式将包括聊天历史信息的上下文信息处理到聊天机器人以生成查询消息。例如,如果用户希望查询的是聊天机器人的商品购买功能,则电子设备100可以基于购物聊天机器人的结构信息生成查询消息以对应于商品购买功能。
在操作S750中,电子设备100可以将与发声相对应的文本信息和聊天历史信息发送到提供有所确定的聊天机器人的聊天服务器。此时,电子设备100不仅可以发送聊天历史信息,而且可以发送诸如用户简档信息、用户搜索信息和用户偏好信息的上下文信息。用于发送文本信息和聊天历史信息的信息传输标准可以存在于个人助理程序与存储在电子设备100中的聊天机器人之间,并且电子设备100可以使用该信息传输标准向电子设备100发送查询。
在操作S760中,电子设备100可以从聊天机器人服务器接收响应消息。聊天机器人服务器可以使用与事先确定的功能相对应的查询消息来发送响应消息。
在操作S780中,电子设备100可以显示通过个人助理聊天机器人生成的或从聊天机器人服务器接收的响应消息。
图8、图9a和图9b是描述根据本公开的实施方式的利用聊天机器人服务器发送查询消息和接收响应消息的实施方式的图。
参照图8,用户可以与个人助理聊天机器人和购物聊天机器人聊天。也就是说,当用户输入用于购物的用户语音时,电子设备100可以接收用于购物的查询消息810,并且电子设备100可以通过个人助理聊天机器人向用户发送查询消息820,并且可以再次从用户接收请求消息830。电子设备100可以将查询消息810发送到响应于从用户接收到的请求消息830而确定的购物聊天机器人服务器,并且从购物聊天机器人服务器接收响应消息840。
特别地,电子设备100和购物聊天机器人服务器可以经历如图9a中所描述的过程,并且收发查询消息810和响应消息840。
图9a是描述通过自然语言处理生成查询消息并接收响应消息的实施方式的图。
参照图9a,当在操作S845中接收到包括响应消息的用户请求时,在操作S850中,电子设备100的个人助理程序可以执行对购物聊天机器人的处理请求。
在操作S860中,购物聊天机器人服务器可以响应于处理请求向个人助理程序发送回复。回复可以包括关于由购物聊天机器人服务器提供的购物聊天机器人的信息和关于由购物聊天机器人提供的功能的信息。
在操作S870中,电子设备100的个人助理程序可以基于接收到的回复将包括用于搜索产品的“Galaxy价格查询和上下文信息”的处理请求发送到购物机器人。
在操作S880中,购物聊天机器人服务器可以响应于处理请求向电子设备100发送包括响应消息840的回复,并且在操作S885中,个人助理程序可以向用户发送所接收的回复,如图8所示。
图9b是用于描述使用结构信息和信息传输标准生成和发送查询消息以及接收响应消息的实施方式的图。
参照图9b,购物聊天机器人的结构信息登记在电子设备100的个人助理程序中,并且电子设备100的个人助理程序与购物聊天机器人之间可存在根据结构信息的信息传输标准。
具体地,电子设备100和购物聊天机器人服务器可以经历图9b的过程,并收发查询消息810和响应消息840。
首先,当在操作S910中接收到包括响应消息的用户请求时,在操作S920中,电子设备100的个人助理程序可以执行对购物聊天机器人的处理请求。处理请求可以包括根据结构信息生成的查询消息。也就是说,处理请求可以包括根据购物聊天机器人基于购物聊天机器人的结构信息可提供的功能以及执行该功能的属性而生成的查询消息。查询消息可以遵循个人助理程序和购物聊天机器人之间确定的信息传输标准。
在操作S930中,购物聊天机器人服务器可以响应于处理请求发送响应。购物聊天机器人服务器还可以根据由信息传输标准确定的方法生成响应消息,并将该响应消息发送到电子设备100的个人助理程序。特别地,根据信息传输标准生成的响应消息可以具有如图9b所示的诸如文本和选择器的结构。文本可以包括对用户查询的回复,并且选择器可以包括可选择以执行用户查询的指示符。
在操作S940中,个人助理程序可以处理接收到的待显示在屏幕上的响应消息,并将其提供给用户。
如上所述,通过基于结构信息和信息传输标准发送查询消息和响应消息,能够更快速且有效地接收响应消息,而无需不必要的处理。
图10是描述根据本发明实施方式的电子设备的控制方法的流程图。
参照图10,在操作S1010中,电子设备100可以接收用户发出的用户语音。
在操作S1020中,电子设备100可以从用户语音获取文本信息并在聊天屏幕上显示文本信息。电子设备100可以通过用户发出的用户语音来获取文本信息,但是这仅是示例,并且可以根据通过显示器上显示的小键盘输入的用户输入和通过外部设备(例如,键盘)输入的用户输入来获取文本信息。
在操作S1030中,电子设备100可以通过将文本信息和聊天历史信息输入到学习模型中来确定聊天机器人。学习模型可以是聊天机器人确定模型,其使用文本信息和聊天历史信息作为输入数据来学习确定可向用户语音提供响应消息的聊天机器人。
在操作S1040中,电子设备100可以将文本信息和聊天历史信息发送到提供所确定的聊天机器人的聊天机器人服务器。除了聊天历史信息之外,电子设备100还可以发送诸如用户简档信息、用户搜索信息、用户偏好信息等的上下文信息。此外,电子设备100可以根据聊天服务器的预定信息传输标准生成包括文本信息和聊天历史信息的查询消息,并且可以将该查询消息传输到聊天服务器。
在操作S1050中,电子设备100可以从聊天机器人服务器接收响应消息。所确定的聊天机器人服务器可以基于由信息传输标准生成的查询消息来生成对用户语音的响应消息。还可以根据电子设备100和聊天机器人服务器之间的信息传输标准来生成由聊天机器人生成的响应消息。
在操作S1060中,电子设备100可以显示响应消息。具体地说,电子设备100可以将从聊天机器人服务器接收的响应消息处理为可显示并将其提供给用户。
图11是简要示出根据本公开的另一实施方式的包括电子设备、提供个人助理聊天机器人的服务器和外部聊天机器人服务器的系统的视图。
参照图11,个人助理程序存储在电子设备100中。然而,个人助理程序可以存储在单独的个人助理聊天机器人服务器中。也就是说,电子设备100可以使用个人助理聊天机器人服务器1100与外部聊天机器人服务器200-1、200-2……200-n通信。
具体地,个人助理聊天机器人服务器1100可以存储能够向电子设备100的用户提供AI服务的个人助理程序。个人助理聊天机器人服务器1100可以使用个人助理程序向电子设备100提供各种服务(例如,聊天服务、搜索服务、预订服务、购物服务等)。
个人助理聊天机器人服务器1100可以存储用于电子设备100和电子设备100的用户的上下文信息(例如,用户简档信息、用户搜索信息、用户偏好信息等)。此外,个人助理聊天机器人服务器1100可以存储聊天屏幕上的聊天历史信息。此外,个人助理聊天机器人服务器1100可以存储关于由外部聊天机器人服务器200提供的聊天机器人的信息(例如,聊天机器人的结构信息)。
将参考图12描述由电子设备使用个人助理聊天机器人服务器1100与外部聊天机器人服务器200通信的具体方法。
图12是描述根据本公开的另一实施方式的由个人助理聊天机器人改变聊天机器人的实施方式的流程图。
参照图12,在操作S1210中,电子设备100可以接收用户的语音。电子设备100可以获取与输入用户的语音相对应的文本信息。
在操作S1220中,电子设备100可以显示对应于用户语音的文本信息。电子设备100可以在聊天屏幕上显示文本信息,以便与个人助理聊天机器人聊天。
在操作S1230中,电子设备100可以将文本信息发送到个人助理聊天机器人服务器1100。
在操作S1240中,个人助理聊天机器人服务器1100可以确定能够使用学习模型来提供关于用户语音的响应的聊天机器人。具体地,个人助理聊天机器人服务器1100可以使用聊天机器人确定模型来提供对用户语音的响应消息,该聊天机器人确定模型通过使用文本信息和聊天历史信息作为输入数据来学习确定用于提供响应消息的聊天机器人。
个人助理聊天机器人服务器1100可以将由外部聊天机器人服务器提供的聊天机器人确定为可以提供响应消息的聊天机器人,并且可以将个人助理聊天机器人确定为可以提供响应消息的聊天机器人。
在操作S1245中,个人助理聊天机器人服务器1100可以向电子设备100发送查询消息。查询消息可以是查询是否将响应消息发送到外部聊天机器人服务器的消息。
在操作S1247中,电子设备100可以响应于查询消息将请求消息发送到个人助理聊天机器人服务器1100。
在操作S1250中,个人助理聊天机器人服务器1100可以响应于请求消息将文本信息和聊天历史信息发送到提供确定的聊天机器人的聊天机器人服务器200。个人助理聊天机器人服务器1100可以基于在个人助理聊天机器人服务器1100中登记的聊天机器人的结构信息,来生成包括文本信息和聊天历史信息的查询消息,并且将该查询消息发送到外部聊天机器人服务器200。这里生成的查询消息可以是根据个人助理聊天机器人服务器1100和外部聊天机器人服务器200之间存在的信息传输标准生成的查询消息。此外,个人助理聊天机器人服务器1100可以将上下文信息与文本信息和聊天历史信息一起发送到外部聊天机器人服务器200。
在操作S1260中,外部聊天机器人服务器200可以生成响应消息。响应消息是提供对查询消息的回复的消息,并且可以根据个人助理聊天机器人服务器1100与外部聊天机器人服务器200之间存在的信息传输标准来生成。
在操作S1270中,外部聊天机器人服务器200可以在操作中向个人助理聊天机器人服务器1100发送所生成的响应消息,并且在操作S1280中,个人助理聊天机器人服务器1100可以向电子设备100发送响应消息。在操作S1290中,个人助理聊天机器人服务器1100可以通过存储响应消息来更新聊天历史信息,并且还显示响应消息。
电子设备100可以在聊天屏幕上显示用于与个人助理聊天机器人进行聊天的响应消息。
图13是示出根据本公开的实施方式的用于学习和使用确定聊天机器人的模型的电子设备的配置的框图。
参照图13,处理器1300可以包括学习单元1310和确定单元1320中的至少一个。图13的处理器1300可以对应于电子设备100的处理器150或数据学习服务器(未示出)的处理器。
学习单元1310可以生成或训练确定模型,该确定模型具有用于确定使用学习数据来提供响应消息的聊天机器人的标准。学习单元1310可以使用收集的学习数据生成具有确定标准的确定模型。
例如,学习单元1310可以使用登记的外部聊天机器人的功能和属性信息作为学习数据来确定聊天机器人的域。学习单元1310可以生成、学习或更新聊天机器人确定模型,用于基于聊天机器人的域使用文本信息和聊天历史信息作为学习数据来提供响应消息。
确定单元1320可以使用预定数据作为经学习的确定模型的输入数据,来估计提供对预定用户的语音的响应消息的聊天机器人。
作为一个示例,确定单元1320可以通过使用文本信息和聊天历史信息作为经学习的聊天机器人确定模型的输入数据,来确定(或估计、推断)提供用于用户语音的响应消息的聊天机器人。
学习单元1310的至少一部分和确定单元1320的至少一部分可以以软件模块或以至少一个硬件芯片的形式实现,并安装在电子设备中。例如,学习单元1310和确定单元1320中的至少一个可以以用于人工智能(AI)的专用硬件芯片、或通用处理器(例如,CPU或应用处理器或仅图形处理器(例如,GPU))的形式来制造,并可安装在如上所述的各种电子设备上。人工智能专用硬件芯片是用于概率计算的专用处理器,比现有的通用处理器具有更高的并行处理性能,可以快速处理人工智能中的计算任务,如机器学习等。当用软件模块(或包括指令的程序模块)实现学习单元1310和确定单元1320时,软件模块可以是非暂时性计算机可读介质。在这种情况下,软件模块可以由操作系统(OS)或由预定应用程序提供。可替换地,一些软件模块可以由OS提供,一些软件模块可以由预定应用程序提供。
在这种情况下,学习单元1310和确定单元1320可以安装在一个电子设备上或分别安装在单独的电子设备上。例如,学习单元1310和确定单元1320中的一个可以包括在电子设备100中,而另一个可以包括在外部服务器中。学习单元1310和确定单元1320可以经由有线或无线通信系统将学习单元1310构建的模型信息提供给确定单元1320,并且输入到确定单元1320的数据可以作为附加学习数据提供给学习单元1310。
图14a是说明根据本发明的各种实施方式的学习单元和确定单元的框图。
参照图14a,在面板(a)中,根据一些实施方式的学习单元1310可以包括学习数据获取单元1310-1和模型学习单元1310-4。学习单元1310还可以选择性地包括学习数据预处理器1310-2、学习数据选择单元1310-3和模型评估单元1310-5中的至少一个。
学习数据获取单元1310-1可以获取用于确定聊天机器人的确定模型所必需的学习数据。在本公开的实施方式中,学习数据获取单元1310-1可以获取文本信息和聊天历史信息(或上下文信息)作为学习数据。此外,学习数据获取单元1310-1可以获取聊天机器人提供的功能和执行功能所必需的属性信息作为学习数据。学习数据可以是由学习单元1310或学习单元1310的制造商收集或测试的数据。
模型学习单元1310-4可以使用学习数据来训练确定模型具有如何确定可提供关于用户语音的响应消息的聊天机器人的标准。例如,模型学习单元1310-4可以通过使用至少一些学习数据作为确定参考的监督学习来训练确定模型。可替换地,模型学习单元1310-4可以例如通过无监督学习来训练确定模型,找到用于通过使用学习数据来学习自身而无需特定监督来确定状况的确定标准。此外,模型学习单元1310-4可以例如通过强化学习来训练确定模型,该强化学习使用关于根据学习来确定情况的结果是否正确的反馈。此外,模型学习单元1310-4可以使用包括误差反向传播或梯度下降的学习算法等来训练确定模型。
模型学习单元1310-4可以学习关于需要使用哪些学习数据的选择标准,以便确定使用输入数据提供响应消息的聊天机器人。
模型学习单元1310-4可以将在输入学习数据和基本学习数据之间具有较大相关性的确定模型确定为当预先构建的多个确定模型存在时要学习的确定模型。在这种情况下,可以根据数据类型预先分类基本学习数据,并且可以为每个数据类型预先建立确定模型。例如,基本学习数据可以通过例如产生学习数据的区域、产生学习数据的时间、学习数据的大小、学习数据的类型、学习数据的创建者、学习数据内的对象的类型等的各种标准预先分类。
当确定模型经受学习时,模型学习单元1310-4可以存储经学习的确定模型。在这种情况下,模型学习单元1310-4可以将经学习的确定模型存储在电子设备100的存储器140中。可替换地,模型学习单元1310-4可以将经学习的确定模型存储在电子设备100的存储器中以及经由有线或无线网络连接的服务器(例如,个人助理聊天机器人服务器1100)中。
学习单元1310还可以包括学习数据预处理器1310-2和学习数据选择单元1310-3,以便改进确定模型的确定结果或者节省产生确定模型所需的资源或时间。
学习数据预处理器1310-2可以预处理所获取的数据,使得所获取的数据可以用于学习确定聊天机器人。学习数据预处理器1310-2可以将所获取的数据处理成预定格式,使得模型学习单元1310-4可以使用所获取的数据用来学习进行聊天机器人确定。例如,学习数据预处理器1310-2可以去除输入的文本信息中对于确定模型不是必需的文本(例如,副词、感叹词等)。
学习数据选择单元1310-3可以从学习数据预处理器1310-2预处理的数据中选择由学习数据获取单元1310-1获取的数据或学习所需的数据。所选择的学习数据可提供给模型学习单元1310-4。学习数据选择单元1310-3可以根据预定的选择标准从获取的或预处理的数据中选择学习所需的学习数据。学习数据选择单元1310-3还可以选择由模型学习单元1310-4通过学习来根据预定的选择标准学习数据。例如,学习数据选择单元1310-3可以选择学习数据以对应于聊天机器人的结构信息。
为了改善确定模型的确定结果,学习单元1310可以进一步包括模型评估单元1310-5。
模型评估单元1310-5将评估数据输入到确定模型,如果从评估数据输出的确定结果不满足预定标准,则模型评估单元1310-5可以使模型学习单元1310-4再次学习。在这种情况下,评估数据可以是用于评估确定模型的预定数据。
例如,模型评估单元1310-5可以确定,如果在关于评估数据学习的确定模型的确定结果之中、评估数据的确定结果不正确的数量或比率超过预定阈值,则不满足预定标准。
当存在多个经学习的确定模型时,模型评估单元1310-5可以评估每个学习的确定模型是否满足预定标准,并将满足预定标准的模型确定为最终确定模型。在这种情况下,当存在满足预定标准的多个模型时,模型评估单元1310-5可以将先前以评估得分的降序设置的任何一个或预定数量的模型确定为最终确定模型。
在图14a的面板(b)中,根据一些实施方式的确定单元1320可以包括输入数据获取单元1320-1和确定结果提供单元1320-4。
确定单元1320还可以包括输入数据预处理器1320-2、输入数据选择单元1320-3和模型更新单元1320-5中的至少一个。
输入数据获取单元1320-1可以获取用于确定提供响应消息的聊天机器人所必需的数据。作为确定的结果,确定结果提供单元1320-4可以通过将从输入数据获取单元1320-1获得的输入数据应用到所学习的决策模型来确定提供响应消息的聊天机器人。作为确定的结果,确定结果提供单元1320-4可以应用由输入数据预处理器1320-2或输入数据选择单元1320-3选择的数据,这将在后面描述。确定结果可以通过确定模型来确定。
作为实施方式,确定结果提供单元1320-4可以通过将从输入数据获取单元1320-1获得的文本信息和聊天历史信息(例如,上下文信息等)应用到经学习的确定模型来确定(或估计)提供响应消息的聊天机器人。
确定单元1320还可以包括输入数据预处理器1320-2和输入数据选择单元1320-3,以便改进确定模型的确定结果或节省用于提供确定结果的资源或时间。
输入数据预处理器1320-2可以预处理所获取的数据以使得所获取的数据可以用于确定聊天机器人。输入数据预处理器1320-2可以将所获取的数据处理成预定格式,使得确定结果提供单元1320-4可以使用为聊天机器人的确定所获取的数据。
输入数据选择单元1320-3可以选择由输入数据获取单元1320-1获取的数据或由输入数据预处理器1320-2预处理的数据中的用于情况确定所必需的数据。所选择的数据可提供给确定结果提供单元1320-4以作为确定结果。输入数据选择单元1320-3可以根据用于情况确定的预定选择标准来选择所获得或预处理的数据中的一些或全部。输入数据选择单元1320-3还可以通过模型学习单元1310-4学习来根据预定的选择标准选择数据。
模型更新单元1320-5可以基于由确定结果提供单元1320-4提供的确定结果的评估作为确定结果来控制确定模型的更新。例如,模型更新单元1320-5可以向模型学习单元1310-4提供由确定结果提供单元1320-4提供的确定结果作为确定结果,以使得模型学习单元1310-4可以额外地学习或更新确定模型。
图14b是示出根据本公开的实施方式的电子设备和外部服务器彼此互连以学习和确定数据的示例的视图。
参照图14b,外部服务器(S)可以学习用于确定提供响应消息的聊天机器人的标准,并且电子设备100可以基于外部服务器(S)的学习结果来确定情况。
在这种情况下,外部服务器(S)的模型学习单元1310-4可以执行图13所示的学习单元1310的功能。外部服务器(S)的模型学习单元1310-4可以学习关于要使用哪些文本信息或上下文信息来确定用于提供响应消息的聊天机器人或如何使用该信息确定提供响应消息的聊天机器人的标准。
电子设备100的确定结果提供单元1320-4可以通过将由输入数据选择单元1320-3选择的数据应用到由服务器(S)生成的确定模型来确定用于提供响应消息的聊天机器人。可替换地,电子设备100的确定结果提供单元1320-4可以从服务器50接收由服务器50生成的确定模型,并使用所接收的确定模型来确定用于提供响应消息的聊天机器人。
图15是根据本公开的各种实施方式的使用聊天机器人确定模型的网络系统的流程图。
参照图15,使用确定模型的网络系统可以包括第一组件1501和第二组件1502。
第一组件1501可以是电子设备100,第二组件1502可以是存储确定模型的服务器(S)。可替换地,第一组件1501可以是通用处理器,第二组件1502可以是人工智能专用处理器。可替换地,第一组件1501可以是至少一个应用程序,第二组件1502可以是操作系统(OS)。即,第二组件1502可以是比第一组件1501更集成、专用、具有较小延迟、具有较高性能或具有更多资源的组件,并且与第一组件1501相比,可以快速且有效地处理用于确定模型的生成、更新或应用所需的更多计算。
在这种情况下,可以定义用于在第一组件1501和第二组件1502之间发送/接收数据的接口。例如,可以定义具有将待应用于确定模型的学习数据作为自变量值(或中间值或转移值)的应用程序接口(API)。API是一组子例程或函数,其可以在任何一个协议(例如,在电子设备100中定义的协议)中调用以用于对另一协议(例如,在服务器(S)中定义的协议)的任何处理。也就是说,可以提供一种环境,在该环境中,可以由API通过任何一个协议来执行另一协议的操作。
第三组件1503可以实现为用于提供响应消息的聊天机器人或存储在电子设备100中的聊天机器人。
在图15中,在操作S1505中,第一组件1501可以显示聊天屏幕。聊天屏幕可以是通过个人助理聊天机器人或另一聊天机器人执行聊天的屏幕。
在显示聊天屏幕的情况下,在操作S1510中,第一组件1501可以接收用户的语音。第一组件1501可处理用户的语音并获取与用户的语音对应的文本信息。
在操作S1520中,第一组件1501可以显示与用户的语音对应的文本信息。
在操作S1530中,第一组件1501可以将文本信息发送到第二组件1502。此时,第一组件1501可以将各种上下文信息(例如,用户简档信息、用户搜索信息、用户偏好信息等)一起发送到第二组件。
在操作S1540中,第二组件1502可以基于接收到的文本信息来确定能够提供响应消息的聊天机器人。具体地,第二组件1502可以通过将包括文本信息和聊天历史信息的上下文信息输入到经学习的确定模型中来确定向用户语音提供响应消息的聊天机器人。经学习的确定模型可以使用文本信息和上下文信息作为输入数据来学习确定提供响应消息的聊天机器人。
在操作S1550中,第二组件1502可以生成查询消息。第二组件1502可基于确定出的聊天机器人的结构信息来确定对应于用户语音的功能。然后,第二组件1502可以生成包含文本信息和上下文信息的查询消息,以执行所确定的功能。此外,第二组件1502可以根据第二组件1502与第三组件1503之间的信息传输规范生成查询消息。
在操作S1560中,第二组件1502可以将查询消息发送到第三组件1503,并且在操作S1570中,第三组件1503可以基于查询消息生成响应消息。第三组件1503可以根据第二组件1502与第三组件1503之间的信息传输标准生成响应消息。
在操作S1580中,第三组件1503可以向第二组件1502发送响应消息,并且在操作S1590中,第二组件1502可以再次向第一组件1501发送接收到的响应消息。
在操作S1595中,第一组件1501可以在聊天屏幕上显示响应消息。
根据如上所述的本公开的各种实施方式,用户能够减少用户不得不指定聊天机器人的激发任务,并且即使聊天机器人改变,也能够在不中断对话的情况下与改变后的聊天机器人执行对话。
本公开的各种实施方式可以实现为包括机器(例如计算机)可读存储介质中包括的指令的软件。设备调用存储在存储介质中的指令,并且可根据所调用的指令操作,并且可以包括根据所公开的各种实施方式的电子设备(例如电子设备100)。如果指令由处理器实现,则处理器可以通过处理器本身或者在处理器的控制下使用其它组件来执行与指令相对应的功能。指令可以包括由编译器或解释器生成或执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。“非暂时性”表示存储介质不包括信号并且是有形的,但是不区分数据是半永久地还是暂时地存储在存储介质中。
根据实施方式,根据本文公开的各种实施方式的方法可以以计算机程序产品提供。计算机程序产品可以作为商品在卖方和买方之间交易。计算机程序产品可以以机器可读存储介质(例如光盘只读存储器(CD-ROM))的形式分布或通过应用程序存储(例如,PlayStoreTM)在线分布。在在线分布的情况下,计算机程序产品的至少一部分可以临时或至少临时存储在存储介质中,例如制造商的服务器、应用程序存储器的服务器、或中继服务器的存储器。
根据各种实施方式的组件(例如,模块或程序)中的每一者可由单个实体或多个实体组成,并且可省略先前提及的子组件的一些子组件,或可在各种实施方式中进一步包括其它子组件。可替换地或附加地,一些组件(例如,模块或程序)可以集成到一个实体中以执行在集成之前由每个相应组件执行的相同或类似的功能。根据各种实施方式,由模块、程序或其它组件执行的操作可以以并行、重复或启发方式顺序地执行,或者至少一些操作可以以不同的顺序执行。
非暂时性计算机可读介质是指半永久性地存储数据并且可由装置读取的介质。具体地,上述各种应用或程序可以存储在非暂时性计算机可读介质中,例如光盘(CD)、数字多功能盘(DVD)、硬盘、蓝光盘、通用串行总线(USB)、存储卡、ROM等并且可以提供这些应用或程序。
虽然参照本公开的多个实施方式示出并描述了本公开,但是本领域技术人员将理解的是,在不背离由所附权利要求及其等同限定的本公开的精神和范围的情况下,可在本公开中对形式和细节进行各种改变。
Claims (13)
1.一种电子设备的控制方法,用于使用人工智能学习模型确定聊天机器人,所述控制方法包括:
接收用户发出的语音;
处理所述语音并获取与所述语音对应的文本信息,并将所述文本信息显示在聊天屏幕上,其中所述聊天屏幕是用于与个人助理聊天机器人聊天的屏幕;
通过确定所获取的文本信息是用于执行所述电子设备内的功能还是用于搜索存储在所述电子设备中的信息的文本信息,来确定所获取的文本信息是否是所述个人助理聊天机器人能够响应的文本信息;
响应于所获取的文本信息是所述个人助理聊天机器人不能响应的文本信息,通过将所获取的文本信息和所述聊天屏幕上的与所述个人助理聊天机器人的聊天历史信息输入到学习模型,由所述学习模型在无需用户指定的情况下确定多个聊天机器人之中的用于提供关于所述语音的响应消息的聊天机器人,所述学习模型被训练成通过输入文本信息和聊天历史信息而从所述多个聊天机器人之中确定所述聊天机器人;
将所获取的文本信息和所述聊天历史信息发送到与经确定的聊天机器人对应的服务器;以及
从所述服务器接收所述响应消息并在所述聊天屏幕上显示所述响应消息。
2.如权利要求1所述的控制方法,所述控制方法还包括:
响应于用于登记新聊天机器人的事件发生,获取所述新聊天机器人的结构信息;以及
将所述新聊天机器人与所述结构信息登记在一起。
3.如权利要求2所述的控制方法,其中,获取所述结构信息包括:
响应于所述新聊天机器人的元信息未识别出所述结构信息,将查询所述新聊天机器人的结构信息的查询消息发送到用于提供所述新聊天机器人的服务器;
接收关于所述查询消息的响应消息;以及
基于所述响应消息生成所述新聊天机器人的结构信息。
4.如权利要求1所述的控制方法,其中,确定所述聊天机器人包括:通过将所获取的文本信息和所述聊天屏幕上的所述聊天历史信息输入到经训练的模型来确定与所述用户的语音对应的聊天机器人,以及基于经确定的聊天机器人的结构信息来确定所述聊天机器人提供的功能之一。
5.如权利要求1所述的控制方法,还包括:
响应于所获取的文本信息是所述个人助理聊天机器人能够响应的文本信息,通过所述个人助理聊天机器人显示关于所述语音的响应消息。
6.如权利要求5所述的控制方法,其中,发送所获取的文本信息和所述聊天历史信息包括:基于提供所述个人助理聊天机器人的服务器与提供经确定的聊天机器人的服务器之间的信息发送标准,来发送所述文本信息和所述聊天历史信息。
7.如权利要求1所述的控制方法,其中,显示所述响应消息包括:连同与经确定的聊天机器人相对应的图标一起显示所述响应消息。
8.如权利要求1所述的控制方法,其中,发送所获取的文本信息和所述聊天历史信息包括:将所述用户的简档信息和所述用户的搜索信息连同所获取的文本信息和所述聊天屏幕上的聊天历史信息一起发送到提供所述经确定的聊天机器人的服务器。
9.一种电子设备,包括:
显示器;
用户输入器;
通信器;
至少一个处理器,电连接到所述显示器、所述用户输入器和所述通信器;以及
存储器,电连接到所述至少一个处理器,
其中,所述至少一个处理器配置为:
控制所述显示器显示聊天屏幕,当通过所述用户输入器输入用户发出的语音时,通过处理所述语音获取与所述语音对应的文本信息,其中所述聊天屏幕是用于与个人助理聊天机器人聊天的屏幕;
控制所述显示器在所述聊天屏幕上显示所述文本信息;
通过确定所获取的文本信息是用于执行所述电子设备内的功能还是用于搜索存储在所述电子设备中的信息的文本信息,来确定所获取的文本信息是否是所述个人助理聊天机器人能够响应的文本信息;
响应于所获取的文本信息是所述个人助理聊天机器人不能响应的文本信息,通过将所获取的文本信息和所述聊天屏幕上的与所述个人助理聊天机器人的聊天历史信息输入到学习模型,由所述学习模型在无需用户指定的情况下确定多个聊天机器人之中的用于提供关于所述语音的响应消息的聊天机器人,所述学习模型被训练成通过输入文本信息和聊天历史信息而从所述多个聊天机器人之中确定所述聊天机器人;
控制所述通信器将所获取的文本信息和所述聊天历史信息发送到与经确定的聊天机器人对应的服务器,以及
控制所述显示器从所述服务器接收所述响应消息并在所述聊天屏幕上显示所述响应消息。
10.如权利要求9所述的电子设备,其中,所述至少一个处理器进一步配置为:响应于登记新聊天机器人的事件发生,获取所述新聊天机器人的结构信息,并且连同所述新聊天机器人一起登记所述结构信息。
11.如权利要求10所述的电子设备,其中,所述至少一个处理器进一步配置为:响应于所述新聊天机器人的元信息未识别出所述结构信息,
控制所述通信器将查询所述新聊天机器人的结构信息的查询消息发送到用于提供所述新聊天机器人的服务器;
通过所述通信器接收关于所述查询消息的响应消息;以及
基于关于所述查询消息的响应消息生成所述新聊天机器人的结构信息。
12.如权利要求10所述的电子设备,其中所述至少一个处理器进一步配置为:
通过将所获取的文本信息和聊天屏幕上的所述聊天历史信息输入到经训练的模型来确定与所述用户的语音相对应的聊天机器人,以及
基于经确定的聊天机器人的结构信息来确定所述经确定的聊天机器人提供的功能之一。
13.如权利要求9所述的电子设备,其中,所述至少一个处理器进一步配置为:响应于所获取的文本信息是所述个人助理聊天机器人能够响应的文本信息,通过所述个人助理聊天机器人显示关于所述语音的响应消息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170154939A KR20190057687A (ko) | 2017-11-20 | 2017-11-20 | 챗봇 변경을 위한 위한 전자 장치 및 이의 제어 방법 |
KR10-2017-0154939 | 2017-11-20 | ||
PCT/KR2018/013061 WO2019098573A1 (en) | 2017-11-20 | 2018-10-31 | Electronic device and method for changing chatbot |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111226193A CN111226193A (zh) | 2020-06-02 |
CN111226193B true CN111226193B (zh) | 2024-04-26 |
Family
ID=66532632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880066708.3A Active CN111226193B (zh) | 2017-11-20 | 2018-10-31 | 电子设备及改变聊天机器人的方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11218429B2 (zh) |
EP (1) | EP3659106A4 (zh) |
KR (2) | KR20190057687A (zh) |
CN (1) | CN111226193B (zh) |
WO (1) | WO2019098573A1 (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101731867B1 (ko) * | 2016-08-16 | 2017-05-04 | 주식회사 엔터플 | 챗봇 간에 사용자의 이벤트를 공유하는 방법 및 장치 |
JP2019057093A (ja) * | 2017-09-20 | 2019-04-11 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
KR102047010B1 (ko) * | 2017-12-21 | 2019-11-20 | 주식회사 카카오 | 중계 챗봇을 이용하여 인스턴트 메시징 서비스를 제공하는 서버, 단말 및 방법 |
WO2019136387A1 (en) * | 2018-01-08 | 2019-07-11 | Ebay Inc. | Artificial assistant system notifications |
CN110677250B (zh) | 2018-07-02 | 2022-09-02 | 阿里巴巴集团控股有限公司 | 密钥和证书分发方法、身份信息处理方法、设备、介质 |
CN110795742B (zh) | 2018-08-02 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 高速密码运算的度量处理方法、装置、存储介质及处理器 |
CN110795774B (zh) | 2018-08-02 | 2023-04-11 | 阿里巴巴集团控股有限公司 | 基于可信高速加密卡的度量方法、设备和系统 |
CN110874478B (zh) | 2018-08-29 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 密钥处理方法及装置、存储介质和处理器 |
US20200142719A1 (en) * | 2018-11-02 | 2020-05-07 | International Business Machines Corporation | Automatic generation of chatbot meta communication |
KR20200055819A (ko) * | 2018-11-08 | 2020-05-22 | 현대자동차주식회사 | 서비스 로봇 및 그의 운용 방법 |
US10381006B1 (en) * | 2018-11-26 | 2019-08-13 | Accenture Global Solutions Limited | Dialog management system for using multiple artificial intelligence service providers |
US11544475B2 (en) | 2019-03-22 | 2023-01-03 | Predictika Inc. | System and method for providing a model-based intelligent conversational agent |
JP7287040B2 (ja) * | 2019-03-22 | 2023-06-06 | 富士フイルムビジネスイノベーション株式会社 | メッセージ提供装置、プログラム、及び表示制御方法 |
US11012384B2 (en) * | 2019-04-26 | 2021-05-18 | Oracle International Corporation | Application initiated conversations for chatbots |
CN113785540B (zh) * | 2019-05-06 | 2023-07-07 | 谷歌有限责任公司 | 使用机器学习提名方生成内容宣传的方法、介质和系统 |
US11663255B2 (en) * | 2019-05-23 | 2023-05-30 | International Business Machines Corporation | Automatic collaboration between distinct responsive devices |
US11121987B1 (en) * | 2019-09-03 | 2021-09-14 | Octane AI, Inc. | Conversational support for user journey |
US11676589B2 (en) * | 2019-09-17 | 2023-06-13 | Global Strategies International LLC | Systems and methods for voice search and response retrieval |
US11227583B2 (en) * | 2019-11-05 | 2022-01-18 | International Business Machines Corporation | Artificial intelligence voice response system having variable modes for interaction with user |
US11551143B2 (en) * | 2019-11-21 | 2023-01-10 | International Business Machines Corporation | Reinforcement learning for chatbots |
US11721336B1 (en) * | 2019-11-22 | 2023-08-08 | Messageloud Inc. | Messaging system for a virtual assistant |
US11646013B2 (en) * | 2019-12-30 | 2023-05-09 | International Business Machines Corporation | Hybrid conversations with human and virtual assistants |
CN111147359B (zh) * | 2019-12-31 | 2021-10-29 | 珠海市小源科技有限公司 | 适用于多通道的消息转换方法、装置及存储介质 |
US11431658B2 (en) * | 2020-04-02 | 2022-08-30 | Paymentus Corporation | Systems and methods for aggregating user sessions for interactive transactions using virtual assistants |
KR20220019551A (ko) | 2020-08-10 | 2022-02-17 | (주)씨아이그룹 | Ai 학습을 통한 음성 서비스 방법 |
JP2022059868A (ja) * | 2020-10-02 | 2022-04-14 | シャープ株式会社 | 画像処理システム |
KR20220046964A (ko) * | 2020-10-08 | 2022-04-15 | 삼성전자주식회사 | 멀티 챗봇을 이용하여 질의에 응답하는 전자 장치 및 그 제어 방법 |
CN114374660B (zh) * | 2020-10-15 | 2023-09-19 | 中国移动通信集团浙江有限公司 | 5g消息聊天机器人的推荐方法、装置、设备及存储介质 |
CN112307166B (zh) * | 2020-10-29 | 2024-01-30 | 腾讯科技(深圳)有限公司 | 一种智能问答方法、装置、存储介质以及计算机设备 |
CN112347791B (zh) * | 2020-11-06 | 2023-10-13 | 北京奇艺世纪科技有限公司 | 文本匹配模型的构建方法、系统、计算机设备及存储介质 |
CN112667270B (zh) * | 2020-12-23 | 2024-02-13 | 科大讯飞股份有限公司 | 语音处理资源的更新方法、计算机设备及存储装置 |
KR102643045B1 (ko) * | 2021-02-19 | 2024-03-04 | (주)아와소프트 | 시점별로 분석 가능한 챗봇 서비스 제공 시스템 및 그 방법 |
US11881216B2 (en) | 2021-06-08 | 2024-01-23 | Bank Of America Corporation | System and method for conversation agent selection based on processing contextual data from speech |
US11699431B2 (en) * | 2021-09-08 | 2023-07-11 | Allstate Solutions Private Limited | Methods and systems for codeless chatbot development |
US20230162261A1 (en) * | 2021-11-24 | 2023-05-25 | ZOOVU Limited (UK) | Conversational persuasion systems and methods |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1735027A (zh) * | 2004-08-13 | 2006-02-15 | 上海赢思软件技术有限公司 | 一种聊天机器人系统 |
CN104115221A (zh) * | 2012-02-17 | 2014-10-22 | 微软公司 | 基于文本到语音转换以及语义的音频人类交互证明 |
CN105024922A (zh) * | 2015-07-22 | 2015-11-04 | 苏州乐聚一堂电子科技有限公司 | 聊天机器人与聊天系统 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105094315A (zh) * | 2015-06-25 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN105359086A (zh) * | 2013-07-08 | 2016-02-24 | 三星电子株式会社 | 控制聊天窗口的方法和实施该方法的电子设备 |
CN106096576A (zh) * | 2016-06-27 | 2016-11-09 | 陈包容 | 一种机器人的智能服务方法 |
CN107135143A (zh) * | 2017-03-27 | 2017-09-05 | 厦门快商通科技股份有限公司 | 多聊天机器人切换系统及其对话方法 |
CN107291867A (zh) * | 2017-06-13 | 2017-10-24 | 北京百度网讯科技有限公司 | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005086051A1 (ja) | 2004-03-08 | 2005-09-15 | National Institute Of Information And Communications Technology | 対話システム、対話ロボット、プログラム及び記録媒体 |
KR20080075748A (ko) | 2007-02-13 | 2008-08-19 | 홍성훈 | 네트워크상의 대화로봇을 이용한 지혜획득 및 제공방법과그 시스템 |
US9858925B2 (en) * | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
US8818926B2 (en) | 2009-09-29 | 2014-08-26 | Richard Scot Wallace | Method for personalizing chat bots |
US9305319B2 (en) * | 2010-10-18 | 2016-04-05 | Yehonatan Rafael Maor | Controlling social network virtual assembly places through probability of interaction methods |
US8739272B1 (en) * | 2012-04-02 | 2014-05-27 | Mcafee, Inc. | System and method for interlocking a host and a gateway |
US8942258B2 (en) * | 2012-09-14 | 2015-01-27 | International Business Machines Corporation | Segmentation and reassembly of network packets for switched fabric networks |
KR20140047491A (ko) | 2012-10-11 | 2014-04-22 | (주)카카오 | 봇을 이용한 인스턴트 메시지 서비스 제공 방법 |
US20140122619A1 (en) | 2012-10-26 | 2014-05-01 | Xiaojiang Duan | Chatbot system and method with interactive chat log |
KR101821358B1 (ko) | 2013-01-22 | 2018-01-25 | 네이버 주식회사 | 다자간 메신저 서비스를 제공하는 방법 및 시스템 |
US10417567B1 (en) * | 2013-02-14 | 2019-09-17 | Verint Americas Inc. | Learning user preferences in a conversational system |
US9830044B2 (en) * | 2013-12-31 | 2017-11-28 | Next It Corporation | Virtual assistant team customization |
US9390706B2 (en) | 2014-06-19 | 2016-07-12 | Mattersight Corporation | Personality-based intelligent personal assistant system and methods |
US9647968B2 (en) * | 2015-03-25 | 2017-05-09 | Pypestream Inc | Systems and methods for invoking chatbots in a channel based communication system |
US9578173B2 (en) * | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US10867256B2 (en) * | 2015-07-17 | 2020-12-15 | Knoema Corporation | Method and system to provide related data |
KR102396392B1 (ko) | 2015-08-10 | 2022-05-10 | 네이버 주식회사 | 통신 세션상의 참가자들 중 일부를 위한 가상의 통신 세션을 제공하는 시스템 및 방법 |
CN108476164B (zh) | 2015-12-21 | 2021-10-08 | 谷歌有限责任公司 | 在消息传送应用中自动地提供机器人服务的方法 |
US11516153B2 (en) * | 2016-01-25 | 2022-11-29 | Expensify, Inc. | Computer system providing a chat engine |
US10567312B2 (en) * | 2016-04-11 | 2020-02-18 | Facebook, Inc. | Techniques for messaging bot controls based on machine-learning user intent detection |
US10831802B2 (en) * | 2016-04-11 | 2020-11-10 | Facebook, Inc. | Techniques to respond to user requests using natural-language machine learning based on example conversations |
US9866693B2 (en) | 2016-05-06 | 2018-01-09 | Genesys Telecommunications Laboratories, Inc. | System and method for monitoring progress of automated chat conversations |
US20180025726A1 (en) * | 2016-07-22 | 2018-01-25 | International Business Machines Corporation | Creating coordinated multi-chatbots using natural dialogues by means of knowledge base |
KR101731867B1 (ko) | 2016-08-16 | 2017-05-04 | 주식회사 엔터플 | 챗봇 간에 사용자의 이벤트를 공유하는 방법 및 장치 |
US11128579B2 (en) * | 2016-09-29 | 2021-09-21 | Admithub Pbc | Systems and processes for operating and training a text-based chatbot |
US10013980B2 (en) * | 2016-10-04 | 2018-07-03 | Microsoft Technology Licensing, Llc | Combined menu-based and natural-language-based communication with chatbots |
US10469665B1 (en) * | 2016-11-01 | 2019-11-05 | Amazon Technologies, Inc. | Workflow based communications routing |
US11138388B2 (en) * | 2016-12-22 | 2021-10-05 | Verizon Media Inc. | Method and system for facilitating a user-machine conversation |
US10581765B2 (en) * | 2017-04-03 | 2020-03-03 | Microsoft Technology Licensing, Llc | Conversation bot discovery and response fusion |
US10162816B1 (en) * | 2017-06-15 | 2018-12-25 | Oath Inc. | Computerized system and method for automatically transforming and providing domain specific chatbot responses |
US20180367480A1 (en) * | 2017-06-18 | 2018-12-20 | Rapportboost.Ai, Inc. | Optimizing chat-based communications |
US10742571B2 (en) * | 2017-07-28 | 2020-08-11 | Microsoft Technology Licensing, Llc | Replay of conversations for task completion and delegation |
US20190068527A1 (en) * | 2017-08-28 | 2019-02-28 | Moveworks, Inc. | Method and system for conducting an automated conversation with a virtual agent system |
US11190464B2 (en) * | 2017-10-05 | 2021-11-30 | International Business Machines Corporation | Customer care training using chatbots |
US10742572B2 (en) * | 2017-11-09 | 2020-08-11 | International Business Machines Corporation | Chatbot orchestration |
US10897432B2 (en) * | 2017-12-04 | 2021-01-19 | Microsoft Technology Licensing, Llc | Chat-enabled messaging |
-
2017
- 2017-11-20 KR KR1020170154939A patent/KR20190057687A/ko active Application Filing
-
2018
- 2018-10-29 US US16/173,467 patent/US11218429B2/en active Active
- 2018-10-31 WO PCT/KR2018/013061 patent/WO2019098573A1/en unknown
- 2018-10-31 EP EP18879732.8A patent/EP3659106A4/en active Pending
- 2018-10-31 CN CN201880066708.3A patent/CN111226193B/zh active Active
-
2021
- 2021-12-20 US US17/556,236 patent/US11671386B2/en active Active
-
2024
- 2024-01-03 KR KR1020240001057A patent/KR20240006713A/ko active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1735027A (zh) * | 2004-08-13 | 2006-02-15 | 上海赢思软件技术有限公司 | 一种聊天机器人系统 |
CN104115221A (zh) * | 2012-02-17 | 2014-10-22 | 微软公司 | 基于文本到语音转换以及语义的音频人类交互证明 |
CN105359086A (zh) * | 2013-07-08 | 2016-02-24 | 三星电子株式会社 | 控制聊天窗口的方法和实施该方法的电子设备 |
CN105094315A (zh) * | 2015-06-25 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN105024922A (zh) * | 2015-07-22 | 2015-11-04 | 苏州乐聚一堂电子科技有限公司 | 聊天机器人与聊天系统 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN106096576A (zh) * | 2016-06-27 | 2016-11-09 | 陈包容 | 一种机器人的智能服务方法 |
CN107135143A (zh) * | 2017-03-27 | 2017-09-05 | 厦门快商通科技股份有限公司 | 多聊天机器人切换系统及其对话方法 |
CN107291867A (zh) * | 2017-06-13 | 2017-10-24 | 北京百度网讯科技有限公司 | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
聊天机器人问答系统现状与发展;冯升;;机器人技术与应用;20160815(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
KR20190057687A (ko) | 2019-05-29 |
US11218429B2 (en) | 2022-01-04 |
US20220116340A1 (en) | 2022-04-14 |
WO2019098573A1 (en) | 2019-05-23 |
US20190158433A1 (en) | 2019-05-23 |
US11671386B2 (en) | 2023-06-06 |
CN111226193A (zh) | 2020-06-02 |
EP3659106A4 (en) | 2020-08-12 |
EP3659106A1 (en) | 2020-06-03 |
KR20240006713A (ko) | 2024-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111226193B (zh) | 电子设备及改变聊天机器人的方法 | |
KR102644088B1 (ko) | 인공지능 학습모델을 이용하여 요약 정보를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
KR102473447B1 (ko) | 인공지능 모델을 이용하여 사용자 음성을 변조하기 위한 전자 장치 및 이의 제어 방법 | |
US11954150B2 (en) | Electronic device and method for controlling the electronic device thereof | |
CN111247536B (zh) | 用于搜索相关图像的电子装置及其控制方法 | |
US20190042574A1 (en) | Electronic device and method for controlling the electronic device | |
US11721333B2 (en) | Electronic apparatus and control method thereof | |
KR102617387B1 (ko) | 컨텍스트에 따라 이벤트의 출력 정보를 제공하는 전자 장치 및 이의 제어 방법 | |
KR102449630B1 (ko) | 전자 장치 및 이의 제어 방법 | |
KR102515023B1 (ko) | 전자 장치 및 그 제어 방법 | |
KR102469717B1 (ko) | 오브젝트에 대한 검색 결과를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
US20230290343A1 (en) | Electronic device and control method therefor | |
KR102586170B1 (ko) | 전자 장치 및 이의 검색 결과 제공 방법 | |
US11468270B2 (en) | Electronic device and feedback information acquisition method therefor | |
KR20200080389A (ko) | 전자 장치 및 그 제어 방법 |
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 |