CN111666006B - 画作问答方法及装置、画作问答系统、可读存储介质 - Google Patents

画作问答方法及装置、画作问答系统、可读存储介质 Download PDF

Info

Publication number
CN111666006B
CN111666006B CN201910163293.8A CN201910163293A CN111666006B CN 111666006 B CN111666006 B CN 111666006B CN 201910163293 A CN201910163293 A CN 201910163293A CN 111666006 B CN111666006 B CN 111666006B
Authority
CN
China
Prior art keywords
text information
current
question
state
server
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
Application number
CN201910163293.8A
Other languages
English (en)
Other versions
CN111666006A (zh
Inventor
贾红红
胡风硕
徐楚
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201910163293.8A priority Critical patent/CN111666006B/zh
Priority to PCT/CN2020/076780 priority patent/WO2020177592A1/zh
Publication of CN111666006A publication Critical patent/CN111666006A/zh
Application granted granted Critical
Publication of CN111666006B publication Critical patent/CN111666006B/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
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • 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
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Abstract

本发明涉及一种画作问答方法及装置、画作问答系统、可读存储介质。一种画作问答方法，包括：获取来自画屏终端的文本信息，以及获取所述画屏终端的当前对话状态；对所述文本信息进行语义理解获取用户的当前意图；根据所述当前对话状态和所述当前意图确定目标对话状态；根据所述目标对话状态获取所述文本信息对应的画作数据。本实施例中通过记录用户的对话状态，可以在上一次操作的基础上获取当前操作的当前意图，结合当前意图从当前对话状态切换到下一个目标对话状态，即本实施例中可以准确获取相邻操作的意图，确定出用户期望的画作，从而提升用户使用画屏终端的体验。

Description

画作问答方法及装置、画作问答系统、可读存储介质
技术领域
本发明涉及控制技术领域，尤其涉及一种画作问答方法及装置、画作问答系统、可读存储介质。
背景技术
目前，在线平台，如在线艺术画廊作为观赏艺术画作以及分享艺术创作的平台，近期受到大众的广泛关注。用户可以通过在线平台查询、欣赏、交易等操作各艺术画作。
现有的在线平台可以根据用户的每次操作，获取用户的意图，然后显示相应的画作。上述方案可以应用于各次操作没有关联的场景，若用户相邻的几次操作具有关联，则无法正确获取用户意图，导致在线平台无法展现出用户期望的画作，降低用户使用体验。
发明内容
本发明提供一种画作问答方法及装置、画作问答系统、可读存储介质，以解决相关技术中用户的至少两次操作具有关联时，由于无法正确获取用户意图，导致在线平台无法展现出用户期望的画作，降低用户使用体验的问题。
根据本发明实施例的第一方面，提供一种画作问答方法，包括：
获取来自画屏终端的文本信息，以及获取所述画屏终端的当前对话状态；
对所述文本信息进行语义理解获取用户的当前意图；
根据所述当前对话状态和所述当前意图确定目标对话状态；
根据所述目标对话状态获取所述文本信息对应的画作数据。
可选地，对所述文本信息进行语义理解获取用户的当前意图包括：
由命名实体识别模型识别出所述文本信息的命名实体；
由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；
确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图。
根据本发明实施例的第二方面，提供一种画作问答装置，包括：
文本信息获取模块，用于获取来自画屏终端的文本信息，以及获取所述画屏终端的当前对话状态；
当前意图获取模块，用于对所述文本信息进行语义理解获取用户的当前意图；
目标状态确定模块，用于根据所述当前对话状态和所述当前意图确定目标对话状态；
画作数据获取模块，用于根据所述目标对话状态获取所述文本信息对应的画作数据。
可选地，所述当前意图获取模块包括：
命名实体识别单元，用于由命名实体识别模型识别出所述文本信息的命名实体；
识别向量确定单元，用于由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；
当前意图确定单元，用于确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图。
根据本发明实施例的第三方面，提供一种画作问答系统，包括画屏终端和问答服务器；其中，
所述画屏终端用于将文本信息发送给所述问答服务器；
所述问答服务器，用于获取来自画屏终端的文本信息以及所述画屏终端的当前对话状态，并对所述文本信息进行语义理解获取用户的当前意图，然后根据所述当前对话状态和所述当前意图确定目标对话状态，之后根据所述目标对话状态获取所述文本信息对应的画作数据；
所述画屏终端还用于显示所述画作数据。
可选地，还包括语音识别服务器；所述语音识别服务器与所述画屏终端连接，用于识别来自所述画屏终端的语音信息，并将识别出的文本信息返回所述画屏终端。
可选地，所述问答服务器包括WEB服务器和语义服务器；所述WEB服务器分别与所述画屏终端和所述语义服务器连接；其中，
所述WEB服务器用于从解析来自所述画屏终端的请求数据以得到文本信息，并所述文本信息发送给所述语义服务器，以及将所述语义服务器根据所述文本信息确定出的画作数据经由所述WEB服务器返回给所述画屏终端。
可选地，还包括存储画作数据的数据库服务器，所述数据库服务器与所述问答服务器连接，用于响应于所述问答服务器的请求信息，将所述请求信息对应的画作数据返回给所述问答服务器。
根据本发明实施例的第四方面，提供一种可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面所述方法的步骤。
可见，本实施例中通过记录用户的对话状态，可以在上一次操作的基础上获取当前操作的当前意图，结合当前意图从当前对话状态切换到下一个目标对话状态，即本实施例中可以准确获取相邻操作的意图，确定出用户期望的画作，从而提升用户使用画屏终端的体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本发明实施例示出的一种画作问答系统的框图；
图2是本发明实施例示出的一种状态转换表的示意图；
图3是本发明实施例示出的获取画作数据的流程图；
图4是本发明一实施例示出的获取当前意图的流程图；
图5是本发明另一实施例示出的获取当前意图的流程图；
图6是本发明实施例示出的另一种画作问答系统的框图；
图7是本发明实施例示出的又一种画作问答系统的框图；
图8是本发明实施例示出的又一种画作问答系统的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
目前，在线平台，如在线艺术画廊作为观赏艺术画作以及分享艺术创作的平台，近期受到大众的广泛关注。用户可以通过在线平台查询、欣赏、交易等操作各艺术画作。
现有的在线平台可以根据用户的每次操作，获取用户的意图，然后显示相应的画作。上述方案可以应用于各次操作没有关联的场景，若用户相邻的几次操作具有关联，则无法正确获取用户意图，导致在线平台无法展现出用户期望的画作，降低用户使用体验。
为此，本发明实施例提供了一种画作问答系统，一种画作问答装置以及一种画作问答系统，其发明构思在于，在理解用户的当前意图后，再结合当前对话状态确定目标对话状态，从而可以得到用户期望的画作。
后续将以一种画作问答系统为示例描述本申请提供的方案，图1是本发明实施例示出的一种画作问答系统的框图，参见图1，一种画作问答系统10，包括画屏终端100和问答服务器200；其中，
画屏终端100，用于将文本信息发送给问答服务器200；
问答服务器200，用于获取来自画屏终端100的文本信息以及画屏终端100的当前对话状态，并对文本信息进行语义理解获取用户的当前意图，然后根据当前对话状态和当前意图确定目标对话状态，之后根据目标对话状态获取文本信息对应的画作数据；
画屏终端100还用于显示问答服务器200返回的画作数据。
需要说明的是，问答服务器200每接收画屏终端的一次文本信息，就会根据状态转换表确定一次对话状态，并将该对话状态作为目标对话状态；在接收到下一次文本信息后，该目标对话状态可以作为确定下一次文本信息的对话状态的当前对话状态。这样，用户输入的相邻两次文本信息的意图可以形成关联，可以正确理解用户的当前意图。
本实施例中，状态转换表中可以包括多个对话状态以及多个意图，不同对话状态根据相应的意图可以切换到下一个对话状态。参见图2，以4个对话状态和6个意图为例，对话状态1在当前意图为意图1时可以切换到对话状态4，对话状态1在当前意图为意图2时可以切换到对话状态2，对话状态1在当前意图为意图5时可以切换到对话状态4，其他对话状态可以对照图2进行转换，在此不再描述。可理解的是，状态转换表可以预先存储在问答服务器200之内，该状态转换表可以由技术人员根据实际经验进行设置，也可以根据大数据方式统计或者学习得到，本申请不作限定。
参见图3，本实施例中，问答服务器200基于上述状态转换表获取画作数据，可以包括：问答服务器200获取来自画屏终端100的文本信息(对应步骤301)，然后问答服务器200对文本信息进行语义理解，从而获取用户的当前意图(对应步骤302)。
本实施例中，问题服务器200中可以预先存储命名实体识别模和深度学习模型。参见图4，问答服务器200可以利用命名实体识别模型识别出文本信息的命名实体(对应步骤401)。然后，问答服务器200利用深度学习模型根据命名实体确定命名实体对应的待识别向量(对应步骤402)。之后，问答服务器200确定与待识别向量的相似度最大的标准特征向量的意图作为文本信息的当前意图(对应步骤403)。
在一示例中，参见图5，问答服务器200接收到文本信息“我想看蒙娜丽莎”后，将其输入到命名实体识别模型，由命名实体识别模型识别出命名实体“我想看PICTURE(画作)”。文本信息命名实体模块：命名实体识别将一串文本(句子或段落)作为输入，并识别该字符串中提到的相关名词(人物，地点和组织)。
文本信息：[我，想，看，莫，奈，的，撑，阳，伞，的，女，人，O，…，O]；
命名实体：[O，O，O，B-PER，I-PER，O，B-PIC，I-PIC，I-PIC，I-PIC，I-PIC，I-PIC，O，…，O]，即命名实体为：人物-莫奈，画作-撑阳伞的女人。
该命名实体经过深度学习模型后可以确定出其对应的待识别向量。
另外，问答服务器200中还包括语料库，该语料库中包括大量的语料，例如“换PIC(画作)看”、“作者的国籍”、“PERSON的画”等等，问答服务器200将语料输入到深度学习模型可以得到多个标准特征向量。获取标准特征向量的动作可以预先完成，也可以实时完成，可根据具体场景进行设置，在此不作限定。
需要说明的是，本实施例中，通过深度学习模型可以将不同表示方式而同一目的的句子归为同一个意图，例如：
“我想看蒙娜丽莎”、“帮我换蒙娜丽莎吧”、“给我切画到蒙娜丽莎看看”和“……”，可以归为同一意图“用户想换PIC(蒙娜丽莎)看看”。
这样，本实施例中通过将不同表示方式而同一目的的句子归为同一意图，有利于提高确定意图的准确性。
之后，问答服务器可以获取待识别向量和多个标准特征向量余弦相似度，将相似度最大的标准特征向量的意图作为待识别向量的当前意图，即文本信息的当前意图“换幅PIC看看”。
继续参见图3，问答服务器200在获取到文本信息后，还可以获取画屏终端的当前对话状态(对应步骤301)，这样问答服务器200可以根据当前对话状态和当前意图确定出目标对话状态(对应步骤303)，最后，问答服务器200可以根据目标对话状态获取文本信息对应的画作数据(对应步骤304)。
需要说明的是，问答服务器200确定画作数据可以根据目标对话状态，结合当前意图以及文本信息，可以确定出画作数据。例如，当前意图为“换幅PIC看看”，文本信息中已经PIC槽位“蒙娜丽莎”，从而可以确定出画作数据“蒙娜丽莎”以及文字模板“已为您推荐达芬奇的蒙娜丽莎”。
最后，画屏终端100可以接收并显示画作数据。
在一些实施例中，画屏终端100发送给问答服务器200的文本信息，可以为用户直接输入的文本内容，也可以识别用户输入的语音信息得到的文本内容。
以用户向画屏终端100输入语音信息为例，该语音信息可以由画屏终端100直接识别，也可以由语音识别服务器识别。参见图6，一种画作问答系统10除了包括画屏终端100和问答服务器200，还可以包括语音识别服务器300。该语音识别服务器300与画屏终端100连接，用于识别来自画屏终端100的语音信息，并将识别出的文本信息返回画屏终端100。
本实施例中，通过增加语音识别服务器，语音识别过程无需画屏终端完成，可以降低画屏终端的数据处理量和数据存储量，有利于提升数据处理效率。
在一些实施例中，参见图7，问答服务器200还可以包括WEB服务器201和语义服务器202。其中，WEB服务器201分别与画屏终端100和语义服务器202连接。其中，WEB服务器201用于解析来自画屏终端100的请求数据以得到文本信息，并将文本信息发送给语义服务器202，以及将语义服务器202根据文本信息确定出的画作数据经由WEB服务器201返回给画屏终端100。其中语义服务器202根据文本信息确定出的画作数据，可以参见图4和图5所示实施例的内容，在此不再赘述。
本实施例中，WEB服务器可以转换画屏终端和语义服务器之间的数据形式，从而保证数据传输效率。并且，语义服务器可以准确识别出文本信息的当前意图，然后结合当前意图和当前对应状态确定出的画作数据，将画作数据经由WEB服务器返回给副屏终端，提升画作数据处理效率及识别效率。
在一些实施例中，参见图8，一种画作问答系统10，除包括画屏终端100和问答服务器200，还可以包括存储画作数据的数据库服务器400。数据库服务器400与问答服务器200连接，用于响应于问答服务器200的请求信息，将请求信息对应的画作数据返回给200问答服务器。本实施例中，通过设置数据库服务器可以提高画作数据的查询效率。
至此，本实施例中通过记录用户的对话状态，可以在上一次操作的基础上获取当前操作的当前意图，结合当前意图从当前对话状态切换到下一个目标对话状态，即本实施例中可以准确获取相邻操作的意图，确定出用户期望的画作，而无非观看后退回起始状态重新选择画作，从而提升用户使用画屏终端的体验。
本发明实施例还提供了一种画作问答方法，可以参见图3，包括：
301，获取来自画屏终端的文本信息，以及获取所述画屏终端的当前对话状态；
302，对所述文本信息进行语义理解获取用户的当前意图；
303，根据所述当前对话状态和所述当前意图确定目标对话状态；
304，根据所述目标对话状态获取所述文本信息对应的画作数据。
本实施例中通过记录用户的对话状态，可以在上一次操作的基础上获取当前操作的当前意图，结合当前意图从当前对话状态切换到下一个目标对话状态，即本实施例中可以准确获取相邻操作的意图，确定出用户期望的作品，从而提升用户使用画屏终端的体验。
在图3所示的画作问答方法的基础上，继续参见图4，步骤302包括：
401，由命名实体识别模型识别出所述文本信息的命名实体；
402，由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；
403，确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图。
本实施例中通过深度学习模型可以确定出所述文本信息对应的待识别向量，然后利用待识别向量与标准特征向量的相似度，可以得到文本信息的当前意图，可以提高识别效率。
本发明实施例提供的画作问答方法可以应用于问答服务器，由于画作问答系统中已经详细的描述了问答服务器确定画作数据的过程，因此，图3和图4所示画作问答方法的内容可以参见图3和图4所示的内容，在此不再赘述。
本发明实施例还提供了一种可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现图3～图4所示实施例的步骤。
需要说明的是，可读存储介质可以应用于问答服务器，技术人员可以根据具体场景进行选择，在此不作限定。
在本发明中，术语“多个”指两个或两个以上，除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (7)

1.一种画作问答方法，其特征在于，包括：
当获取到来自画屏终端的一次文本信息时获取所述画屏终端的当前对话状态；
对所述文本信息进行语义理解获取用户的当前意图；
基于预设的状态转换表，根据所述当前对话状态和所述当前意图确定所述文本信息对应的目标对话状态并且所述目标对话状态作为下一次文本信息对应对话状态的当前对话状态；所述状态转换表包括多个对话状态以及多个意图，不同对话状态根据相应的意图可切换到下一个对话状态；
根据所述目标对话状态获取所述文本信息对应的画作数据；
对所述文本信息进行语义理解获取用户的当前意图包括：
由命名实体识别模型识别出所述文本信息的命名实体；
由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；
确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图。
2.一种画作问答装置，其特征在于，包括：
文本信息获取模块，用于当获取到来自画屏终端的一次文本信息时获取所述画屏终端的当前对话状态；
当前意图获取模块，用于对所述文本信息进行语义理解获取用户的当前意图；
目标状态确定模块，用于基于预设的状态转换表，根据所述当前对话状态和所述当前意图确定所述文本信息对应的目标对话状态并且所述目标对话状态作为下一次文本信息对应对话状态的当前对话状态；所述状态转换表包括多个对话状态以及多个意图，不同对话状态根据相应的意图可切换到下一个对话状态；
画作数据获取模块，用于根据所述目标对话状态获取所述文本信息对应的画作数据；
所述当前意图获取模块包括：
命名实体识别单元，用于由命名实体识别模型识别出所述文本信息的命名实体；
识别向量确定单元，用于由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；
当前意图确定单元，用于确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图。
3.一种画作问答系统，其特征在于，包括画屏终端和问答服务器；其中，
所述画屏终端用于将文本信息发送给所述问答服务器；
所述问答服务器，用于当获取到来自画屏终端的一次文本信息时获取所述画屏终端的当前对话状态，并由命名实体识别模型识别出所述文本信息的命名实体；由深度学习模型根据所述命名实体确定所述命名实体对应的待识别向量；确定与所述待识别向量的相似度最大的标准特征向量的意图作为所述文本信息的当前意图；然后基于预设的状态转换表，根据所述当前对话状态和所述当前意图确定所述文本信息对应的目标对话状态并且所述目标对话状态作为下一次文本信息对应对话状态的当前对话状态；所述状态转换表包括多个对话状态以及多个意图，不同对话状态根据相应的意图可切换到下一个对话状态，之后根据所述目标对话状态获取所述文本信息对应的画作数据；
所述画屏终端还用于显示所述画作数据。
4.根据权利要求3所述的画作问答系统，其特征在于，还包括语音识别服务器；所述语音识别服务器与所述画屏终端连接，用于识别来自所述画屏终端的语音信息，并将识别出的文本信息返回所述画屏终端。
5.根据权利要求3所述的画作问答系统，其特征在于，所述问答服务器包括WEB服务器和语义服务器；所述WEB服务器分别与所述画屏终端和所述语义服务器连接；其中，
所述WEB服务器用于从解析来自所述画屏终端的请求数据以得到文本信息，并所述文本信息发送给所述语义服务器，以及将所述语义服务器根据所述文本信息确定出的画作数据经由所述WEB服务器返回给所述画屏终端。
6.根据权利要求3所述的画作问答系统，其特征在于，还包括存储画作数据的数据库服务器，所述数据库服务器与所述问答服务器连接，用于响应于所述问答服务器的请求信息，将所述请求信息对应的画作数据返回给所述问答服务器。
7.一种可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1所述方法的步骤。
CN201910163293.8A 2019-03-05 2019-03-05 画作问答方法及装置、画作问答系统、可读存储介质 Active CN111666006B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910163293.8A CN111666006B (zh) 2019-03-05 2019-03-05 画作问答方法及装置、画作问答系统、可读存储介质
PCT/CN2020/076780 WO2020177592A1 (zh) 2019-03-05 2020-02-26 画作问答方法及装置、画作问答系统、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910163293.8A CN111666006B (zh) 2019-03-05 2019-03-05 画作问答方法及装置、画作问答系统、可读存储介质

Publications (2)

Publication Number Publication Date
CN111666006A CN111666006A (zh) 2020-09-15
CN111666006B true CN111666006B (zh) 2022-01-14

Family

ID=72338172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910163293.8A Active CN111666006B (zh) 2019-03-05 2019-03-05 画作问答方法及装置、画作问答系统、可读存储介质

Country Status (2)

Country Link
CN (1) CN111666006B (zh)
WO (1) WO2020177592A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112183075B (zh) * 2020-10-10 2023-06-30 网易（杭州）网络有限公司 一种对话中的槽提取方法、装置、电子设备及存储介质
CN112231556B (zh) * 2020-10-13 2023-07-25 中国平安人寿保险股份有限公司 基于对话场景的用户画像方法、装置、设备及介质
CN112288584A (zh) * 2020-10-29 2021-01-29 泰康保险集团股份有限公司 保险报案处理方法、装置、计算机可读介质及电子设备
CN113158690A (zh) * 2021-03-15 2021-07-23 京东数科海益信息科技有限公司 对话机器人的测试方法和装置
CN114189740B (zh) * 2021-10-27 2022-11-11 杭州摸象大数据科技有限公司 视频合成对话构建方法、装置、计算机设备及存储介质
CN114663114A (zh) * 2022-03-22 2022-06-24 平安科技（深圳）有限公司 会话管理方法、计算机及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107357875A (zh) * 2017-07-04 2017-11-17 北京奇艺世纪科技有限公司 一种语音搜索方法、装置及电子设备
CN108804532A (zh) * 2018-05-03 2018-11-13 腾讯科技（深圳）有限公司 一种查询意图的挖掘和查询意图的识别方法、装置
CN108897867A (zh) * 2018-06-29 2018-11-27 北京百度网讯科技有限公司 用于知识问答的数据处理方法、装置、服务器和介质
US10148600B1 (en) * 2018-05-03 2018-12-04 Progressive Casualty Insurance Company Intelligent conversational systems

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101075301A (zh) * 2007-06-28 2007-11-21 腾讯科技（深圳）有限公司 虚拟宠物系统和虚拟宠物聊天方法、装置
US9959028B2 (en) * 2014-03-26 2018-05-01 Unanimous A. I., Inc. Methods and systems for real-time closed-loop collaborative intelligence
US20150278370A1 (en) * 2014-04-01 2015-10-01 Microsoft Corporation Task completion for natural language input
US9965705B2 (en) * 2015-11-03 2018-05-08 Baidu Usa Llc Systems and methods for attention-based configurable convolutional neural networks (ABC-CNN) for visual question answering
WO2018000278A1 (zh) * 2016-06-29 2018-01-04 深圳狗尾草智能科技有限公司 一种基于状态机上下文敏感多轮对话管理系统及方法
US10360300B2 (en) * 2016-08-24 2019-07-23 Microsoft Technology Licensing, Llc Multi-turn cross-domain natural language understanding systems, building platforms, and methods
US20180131642A1 (en) * 2016-11-04 2018-05-10 Microsoft Technology Licensing, Llc Conversation runtime
US11157490B2 (en) * 2017-02-16 2021-10-26 Microsoft Technology Licensing, Llc Conversational virtual assistant
CN107193978A (zh) * 2017-05-26 2017-09-22 武汉泰迪智慧科技有限公司 一种基于深度学习的多轮自动聊天对话方法及系统
CN107273477A (zh) * 2017-06-09 2017-10-20 北京光年无限科技有限公司 一种用于机器人的人机交互方法及装置
CN107301213A (zh) * 2017-06-09 2017-10-27 腾讯科技（深圳）有限公司 智能问答方法及装置
CN107943860B (zh) * 2017-11-08 2020-10-27 北京奇艺世纪科技有限公司 模型的训练方法、文本意图的识别方法及装置
CN108345692B (zh) * 2018-03-16 2020-07-31 北京京东尚科信息技术有限公司 一种自动问答方法和系统
CN108733779B (zh) * 2018-05-04 2022-10-04 百度在线网络技术（北京）有限公司 文本配图的方法和装置
CN110334201B (zh) * 2019-07-18 2021-09-21 中国工商银行股份有限公司 一种意图识别方法、装置及系统
CN110532361A (zh) * 2019-08-09 2019-12-03 深圳追一科技有限公司 用户意图的识别方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107357875A (zh) * 2017-07-04 2017-11-17 北京奇艺世纪科技有限公司 一种语音搜索方法、装置及电子设备
CN108804532A (zh) * 2018-05-03 2018-11-13 腾讯科技（深圳）有限公司 一种查询意图的挖掘和查询意图的识别方法、装置
US10148600B1 (en) * 2018-05-03 2018-12-04 Progressive Casualty Insurance Company Intelligent conversational systems
CN108897867A (zh) * 2018-06-29 2018-11-27 北京百度网讯科技有限公司 用于知识问答的数据处理方法、装置、服务器和介质

Also Published As

Publication number Publication date
WO2020177592A1 (zh) 2020-09-10
CN111666006A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN111666006B (zh) 画作问答方法及装置、画作问答系统、可读存储介质
CN108509591B (zh) 信息问答交互方法及系统、存储介质、终端、智能知识库
CN108268450B (zh) 用于生成信息的方法和装置
CN114547274B (zh) 多轮问答的方法、装置及设备
CN110019906B (zh) 用于显示信息的方法和装置
CN114328852A (zh) 一种文本处理的方法、相关装置及设备
CN107832342B (zh) 机器人聊天方法及系统
CN112287091A (zh) 智能问答方法及相关产品
CN110232920B (zh) 语音处理方法和装置
CN116737883A (zh) 人机交互方法、装置、设备及存储介质
CN114528851B (zh) 回复语句确定方法、装置、电子设备和存储介质
CN112800177B (zh) 基于复杂数据类型的faq知识库自动生成方法和装置
CN114168775A (zh) 特征信息获取方法及装置、存储介质及电子设备
CN113011175A (zh) 一种基于双重渠道特征匹配的语义识别方法及系统
CN113850383A (zh) 文本匹配模型训练方法、装置、电子设备及存储介质
CN113780370A (zh) 视觉问答方法、装置、设备及存储介质
CN113822589A (zh) 智能面试方法、装置、设备及存储介质
CN112487164A (zh) 一种人工智能交互方法
CN110222930A (zh) 客服辅助方法、设备及客服系统和计算机可读存储介质
CN112559701A (zh) 一种人机交互方法、装置及存储介质
CN111835861A (zh) 考试系统数据处理方法、装置、计算机设备及存储介质
CN111161737A (zh) 数据处理方法、装置、电子设备和存储介质
KR101195529B1 (ko) 문장 첨삭 서비스 제공 장치 및 방법
CN117094690A (zh) 信息处理方法、电子设备及存储介质
CN115935050A (zh) 一种信息推荐方法、训练方法及相关装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant