CN112035640A - 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 - Google Patents
一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 Download PDFInfo
- Publication number
- CN112035640A CN112035640A CN202010894063.1A CN202010894063A CN112035640A CN 112035640 A CN112035640 A CN 112035640A CN 202010894063 A CN202010894063 A CN 202010894063A CN 112035640 A CN112035640 A CN 112035640A
- Authority
- CN
- China
- Prior art keywords
- question
- robot
- intelligent
- answering
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008451 emotion Effects 0.000 claims description 8
- 238000013145 classification model Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- 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
-
- 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
- G06F40/35—Discourse or dialogue representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于智能问答机器人的精细化问答方法、存储介质和智能装备，包括步骤A，智能问答机器人接收用户同您过文字或语音输入的信息，智能问答机器人通过ASR将信息传输至机器人服务端；步骤B，机器人服务端通过NLU和词向量工具识别并理解信息，且判断由信息开启的对话模式是问答模式、任务模式还是闲聊模式，结合特征知识库对应的问答类知识条目、任务类知识条目、闲聊类知识条目匹配答案，智能调度会判断机器人服务端是否有解决能力，并给出两种不同的回应方案：方案一，如果机器人服务端不能成功匹配答案，但有人工客服资源，转人工服务；方案二，如果机器人服务端能成功匹配答案或没有人工客服资源，那么机器人服务端将成功匹配到的答案生成回复内容并通过文字或语音在所述用户界面反馈给用户。本方法解决车主提出的问题效率非常高效，提升了车联网的智能化水平。
Description
技术领域
本发明属于智能问答AI技术领域，具体涉及基于智能问答机器人的精细化问答方法、存储介质和智能设备。
背景技术
随着车联网技术不断发展，搭载车联网服务的智能网联汽车越来越受到人们的青睐，同时越来越多的客服咨询都开始交由智能问答机器人解决。
对于车主来说，由于车辆系统复杂，在大部分车主日常用车过程中，对于车辆的异常情况以及处理方式并不了解，无法即时找到有效的解决方法从而产生焦虑与不安的情绪。
对于车企来说，人工客服成本高昂，响应速度受到人数与专业性的影响，无法实现24*7全天候快速响应。
为了让车主拥有更好的驾驶体验，减少企业人力资本的投入，智能问答机器人的使用势在必行。通过使用智能问答机器人，可以更加快速地响应车主的问题，实现24*7全天候快速响应，缓解车主遇到用车问题时的焦虑不安，为车主提供更优质的服务。
智能问答机器人是否能准确回答车主提出的问题，主要取决于两点：其一，能否正确理解用户的意图；其二，能否准确地在知识库中提取相应的答案。
通过NLU处理用户的自然语言之后，机器则会根据用户的意图在知识库中提取答案，但随着车辆网智能化程度的不断提高，企业知识库中的知识条目种类逐步增多，用户的需求也不止步于单纯的问答型对话。
目前智能问答机器人知识库对问答分类的精细程度还不够高，导致智能问答机器人在理解用户意图之后对知识库中的知识条目提取准确率较低，没有形成完整的回答闭环，使机器人不能有效解决用户的反馈（提出的用车问题）。
因此，如何对车企知识库的各种类型的知识条目进行分类，对于智能问答机器人的问答准确率和用户体验具有重要意义。
发明内容
本发明的目的是提供一种基于智能问答机器人的精细化问答方法、存储介质和智能设备，解决的技术问题：智能问答机器人的关于汽车特征知识库中知识条目种类多，对知识条目的分类精细程度还不够高，导致智能问答机器人在理解用户意图之后对知识库中的知识条目提取准确率低。
为解决上述技术问题，本发明采用了如下技术方案：一种基于智能问答机器人的精细化问答方法，包括以下步骤：
步骤A，智能问答机器人接收用户同您过文字或语音输入的信息，所述智能问答机器人通过ASR将所述信息传输至机器人服务端；
步骤B，所述机器人服务端通过NLU和词向量工具识别并理解所述信息，且判断由所述信息开启的对话模式是问答模式、任务模式还是闲聊模式，结合特征知识库对应的问答类知识条目、任务类知识条目、闲聊类知识条目匹配答案，智能调度会判断所述机器人服务端是否有解决能力，并给出两种不同的回应方案：方案一，如果所述机器人服务端不能成功匹配答案，但有人工客服资源，转人工服务；方案二，如果所述机器人服务端能陈宫匹配答案或没有人工客服资源，那么所述机器人服务端将成功匹配到的答案生成回复内容并通过文字或语音在所述用户界面反馈给用户。
作为对本发明的进一步改进，所述NLU具有中文分词功能、词性标注功能、特征词提权功能及关键短语提取功能。
作为对本发明的进一步改进，所述机器人服务端对所述信息进行预处理后，利用支持向量机和朴素贝叶斯分类模型对预处理后的信息进行领域和情感分类，进而确定信息开启的对话模式是领域类的所述模式还是情感类的所述模式。
作为对本发明的进一步改进，所述分类模型依托大量的用户信息不断在线学习优化。
作为对本发明的进一步改进，所述知识库包括由汽车专家团队搭建的若干知识条目和在若干所述知识条目基础上梳理出的实体—关系—属性的汽车知识图谱。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于智能问答机器人的精细化问答方法。
一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于智能机器人的精细化问答方法。
通过采用上述技术方案，本发明可达到的有益技术效果陈述如下：
第一，本发明采用NLU（自然语言处理引擎）实现中文分词、特征词提权、关键短语提取、词性标注功能，可结合汽车行业特点以及专业术语，更加有效地提取出用户问题的核心短语，准确提取与识别用户的意图。
第二，本问答方法利用分词与向量工具，依托多轮对话框架，采用命名实体识别技术，提取与识别用户意图，精确定位用车问题分类，同时采用支持向量机、朴素贝叶斯分类模型进行领域和情感分类，迅速定位客户痛点，同时分类模型依托大量用户反馈数据不断在线学习优化，稳步提升分类准确性。在识别用户意图后，机器人服务端会在相应的知识库中匹配答案，并反馈给用户，问题解决效率高效。
第三，在步骤B中，如果机器人服务端不能成功匹配答案，但有人工客服资源，转人工服务；如果机器人服务端能成功匹配答案或没有人工客服资源，那么机器人服务端将成功匹配到的答案生成回复内容并通过文字或语音在用户界面反馈给用户，因此本基于智能问答机器人的精细化问答方法能够形成完整的问答闭环。
附图说明
图1为智能问答机器人的工作流程；
图2为基于智能问答机器人的精细化问答具体实施办法。
具体实施方式
下面结合附图对本发明作进一步说明。
首先对NLU、ASR进行说明。
NLU即自然语言理解引擎；ASR即文字识别/语音识别。
如图1、图2所示，一种基于智能问答机器人的精细化问答方法，包括以下步骤：
步骤A，智能问答机器人接收用户同您过文字或语音输入的信息，智能问答机器人通过ASR将信息传输至机器人服务端；
步骤B，机器人服务端通过NLU和词向量工具识别并理解信息，且判断由信息开启的对话模式是问答模式、任务模式还是闲聊模式，结合特征知识库对应的问答类知识条目、任务类知识条目、闲聊类知识条目匹配答案，智能调度会判断机器人服务端是否有解决能力，并给出两种不同的回应方案：方案一，如果机器人服务端不能成功匹配答案，但有人工客服资源，转人工服务；方案二，如果机器人服务端能成功匹配答案或没有人工客服资源，那么机器人服务端将成功匹配到的答案生成回复内容并通过文字或语音在用户界面反馈给用户。
在本实施例中，NLU具有中文分词功能、词性标注功能、特征词提权功能及关键短语提取功能：通过语言模型和组成短语的词语的位置权重值定位句子关键信息，结合汽车行业特点以及专业术语，提取用户问题的核心短语，准确提取、识别用户意图。
在本实施例中，利用词向量工具，依托多轮对话框架，采用命名实体识别技术，提取与识别用户意图，精确定位用车问题分类。
在本实施例中，依托NLU与特征知识库，机器人服务端对所述信息进行预处理后，利用支持向量机和朴素贝叶斯分类模型对预处理后的信息进行领域和情感分类，进而确定信息开启的对话模式是领域类的模式还是情感类的模式，迅速定位客户痛点。
在本实施例中，分类模型依托大量的用户信息不断在线学习优化，稳步提升分类准确性。
在本实施例中，利用权威的汽车专家团队，搭建汽车知识领域全面、专业权威的若干知识条目，若干知识条目构成知识库，并在若干知识条目基础上梳理出汽车零部件—搭载车型—品牌等实体—关系—属性的汽车知识图谱，为智能机器人提供网状结构的知识关系，提高智能机器人快速检索和查找内容的效率。
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于智能问答机器人的精细化问答方法。
一种智能设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的基于智能机器人的精细化问答方法。
如图1所示，车主通过产品应用层输入信息，然后算法引擎对输入的信息进行计算，并从知识储备层中的知识图谱中快速检索，从而从相应的知识库中提取相应知识条目反馈给用户。
产品应用层包括手机incall智能问答、车机incall智能问答、反馈系统问题分类、问题倾向计算，车主可以通过文字的方式向手机输入信息，也可以通过语音的方式直接与车机进行互动；反馈系统问题分类、问题倾向计算是车企内部员工应用的交互方式，算法引擎通过SVM模型调用Java中pmml包、SVM模型训练Python中sklearn库及sklearn2pmml库实现文本分类，通过朴素贝叶斯分类来鉴别上述信息的情感类别（是抱怨、表扬或中性的情感）；算法引擎通过问答匹配从知识库中提取相应的知识条目：通过将信息（包含问题）向量化，以使计算机能识别问题，然后通过答案检索、相似度计算匹配答案。
知识储备层包含两个模块，一个模块为知识库，一个模块为知识图谱，知识图谱可实现智能机器人快速检索（如incall app上的功能实体及对应关系），知识库包括问答类知识库、任务类知识库、闲聊类知识库以及散打知识分类。
知识储备层的数据来源来自数据源层，数据源通过MySQL、Neo4j分别支撑知识储备层的知识库、知识图谱的应用。
如图2所示，用户通过文字或语音向智能问答机器人的用户界面输入一段信息，通过ASR传输至机器人服务端，机器人通过NLU、词向量工具（图中未示出）识别并理解这段信息，判断由信息开启的对话是问答模式、闲聊模式还是任务模式，进而从特征知识库中相应的问答类知识条目、闲聊类知识条目、人物类知识条目中匹配答案，此时智能决策和调度会研判机器人是否有解决能力，机器人根据情况会给出两种回应方案，其一，如果机器人无法解决且有人工客服资源，转人工服务；其二，如果机器人自身能解决或没有人工客服，那么机器人会生成回复内容通过文字或语音在用户界面反馈给用户。上述进程完成了一次对话，以此往复。
本发明提供的特征知识库响应时间快、意图识别清晰、问题解决效率高效、能够形成完整的问答闭环，有助于提升车联网智能化水平，有助于为客户提供更好的服务。
Claims (7)
1.一种基于智能机器人的精细化问答方法，其特征在于，包括以下步骤：
步骤A，智能问答机器人接收用户同您过文字或语音输入的信息，所述智能问答机器人通过ASR将所述信息传输至机器人服务端；
步骤B，所述机器人服务端通过NLU和词向量工具识别并理解所述信息，且判断由所述信息开启的对话模式是问答模式、任务模式还是闲聊模式，结合特征知识库对应的问答类知识条目、任务类知识条目、闲聊类知识条目匹配答案，智能调度会判断所述机器人服务端是否有解决能力，并给出两种不同的回应方案：方案一，如果所述机器人服务端不能成功匹配答案，但有人工客服资源，转人工服务；方案二，如果所述机器人服务端能成功匹配答案或没有人工客服资源，那么所述机器人服务端将成功匹配到的答案生成回复内容并通过文字或语音在所述用户界面反馈给用户。
2.根据权利要求1所述的基于智能机器人的精细化问答方法，其特征在于，所述NLU具有中文分词功能、词性标注功能、特征词提权功能及关键短语提取功能。
3.根据权利要求1所述的基于智能机器人的精细化问答方法，其特征在于，所述机器人服务端对所述信息进行预处理后，利用支持向量机和朴素贝叶斯分类模型对预处理后的信息进行领域和情感分类，进而确定信息开启的对话模式是领域类的所述模式还是情感类的所述模式。
4.根据权利要求3所述的基于智能机器人的精细化问答方法，其特征在于，所述分类模型依托大量的用户信息不断在线学习优化。
5.根据权利要求3所述的基于智能机器人的精细化问答方法，其特征在于，所述知识库包括由汽车专家团队搭建的若干知识条目和在若干所述知识条目基础上梳理出的实体—关系—属性的汽车知识图谱。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于智能问答机器人的精细化问答方法。
7.一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于智能机器人的精细化问答方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010894063.1A CN112035640A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010894063.1A CN112035640A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112035640A true CN112035640A (zh) | 2020-12-04 |
Family
ID=73586324
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010894063.1A Pending CN112035640A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112035640A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112597287A (zh) * | 2020-12-15 | 2021-04-02 | 深圳市优必选科技股份有限公司 | 一种语句处理方法、语句处理装置及智能设备 |
| CN112800204A (zh) * | 2021-02-24 | 2021-05-14 | 浪潮云信息技术股份公司 | 一种智能对话系统的构建方法 |
| CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及系统 |
| CN113239165A (zh) * | 2021-05-17 | 2021-08-10 | 山东新一代信息产业技术研究院有限公司 | 基于云化机器人的阅读理解方法、系统及存储介质 |
| CN113254595A (zh) * | 2021-06-22 | 2021-08-13 | 北京沃丰时代数据科技有限公司 | 闲聊识别方法、装置、电子设备及存储介质 |
| CN113641814A (zh) * | 2021-10-18 | 2021-11-12 | 广州讯鸿网络技术有限公司 | 基于5g消息的智能机器人交流系统、方法及装置 |
| CN114511827A (zh) * | 2021-11-30 | 2022-05-17 | 重庆长安汽车股份有限公司 | 一种智能辅助驾驶的车云感知闭环处理方法 |
| CN114697280A (zh) * | 2022-03-01 | 2022-07-01 | 西安博纳吉生物科技有限公司 | 一种预设内容即时通信方法 |
| CN116009827A (zh) * | 2023-03-28 | 2023-04-25 | 杭州实在智能科技有限公司 | Rpa流程及引导教程的智能生成与推荐方法及系统 |
| CN117349425A (zh) * | 2023-12-04 | 2024-01-05 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
| CN117408708A (zh) * | 2023-11-09 | 2024-01-16 | 南方电网储能股份有限公司信息通信分公司 | 一种基于大数据的客服中心调度系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049786A (ja) * | 2000-05-26 | 2002-02-15 | Lealcom Kk | 情報交換仲介方法 |
| CN104809197A (zh) * | 2015-04-24 | 2015-07-29 | 同程网络科技股份有限公司 | 基于智能机器人的在线问答方法 |
| CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
| CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN109446304A (zh) * | 2018-10-10 | 2019-03-08 | 长沙师范学院 | 智能客服会话方法及系统 |
| CN109977204A (zh) * | 2019-03-08 | 2019-07-05 | 科讯嘉联信息技术有限公司 | 一种基于知识库的智能问答系统和方法 |
| CN111026855A (zh) * | 2019-12-06 | 2020-04-17 | 易小博(武汉)科技有限公司 | 智能客服应答方法、系统以及控制器和介质 |
-
2020
- 2020-08-31 CN CN202010894063.1A patent/CN112035640A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049786A (ja) * | 2000-05-26 | 2002-02-15 | Lealcom Kk | 情報交換仲介方法 |
| CN104809197A (zh) * | 2015-04-24 | 2015-07-29 | 同程网络科技股份有限公司 | 基于智能机器人的在线问答方法 |
| CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
| CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
| CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术（深圳）有限公司 | 智能交互方法、电子装置及存储介质 |
| CN109446304A (zh) * | 2018-10-10 | 2019-03-08 | 长沙师范学院 | 智能客服会话方法及系统 |
| CN109977204A (zh) * | 2019-03-08 | 2019-07-05 | 科讯嘉联信息技术有限公司 | 一种基于知识库的智能问答系统和方法 |
| CN111026855A (zh) * | 2019-12-06 | 2020-04-17 | 易小博(武汉)科技有限公司 | 智能客服应答方法、系统以及控制器和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 钟义信: "《机器知行学原理 人工智能的统一理论》", 31 December 2014, 北京邮电大学出版社, pages: 261 - 263 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112597287B (zh) * | 2020-12-15 | 2024-03-15 | 深圳市优必选科技股份有限公司 | 一种语句处理方法、语句处理装置及智能设备 |
| CN112597287A (zh) * | 2020-12-15 | 2021-04-02 | 深圳市优必选科技股份有限公司 | 一种语句处理方法、语句处理装置及智能设备 |
| CN112800204A (zh) * | 2021-02-24 | 2021-05-14 | 浪潮云信息技术股份公司 | 一种智能对话系统的构建方法 |
| CN113139041A (zh) * | 2021-04-20 | 2021-07-20 | 山东新一代信息产业技术研究院有限公司 | 一种模块化的智能问答方法及系统 |
| CN113239165A (zh) * | 2021-05-17 | 2021-08-10 | 山东新一代信息产业技术研究院有限公司 | 基于云化机器人的阅读理解方法、系统及存储介质 |
| CN113254595A (zh) * | 2021-06-22 | 2021-08-13 | 北京沃丰时代数据科技有限公司 | 闲聊识别方法、装置、电子设备及存储介质 |
| CN113641814A (zh) * | 2021-10-18 | 2021-11-12 | 广州讯鸿网络技术有限公司 | 基于5g消息的智能机器人交流系统、方法及装置 |
| CN114511827A (zh) * | 2021-11-30 | 2022-05-17 | 重庆长安汽车股份有限公司 | 一种智能辅助驾驶的车云感知闭环处理方法 |
| CN114511827B (zh) * | 2021-11-30 | 2024-04-12 | 重庆长安汽车股份有限公司 | 一种智能辅助驾驶的车云感知闭环处理方法 |
| CN114697280A (zh) * | 2022-03-01 | 2022-07-01 | 西安博纳吉生物科技有限公司 | 一种预设内容即时通信方法 |
| CN116009827A (zh) * | 2023-03-28 | 2023-04-25 | 杭州实在智能科技有限公司 | Rpa流程及引导教程的智能生成与推荐方法及系统 |
| CN117408708A (zh) * | 2023-11-09 | 2024-01-16 | 南方电网储能股份有限公司信息通信分公司 | 一种基于大数据的客服中心调度系统 |
| CN117349425A (zh) * | 2023-12-04 | 2024-01-05 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
| CN117349425B (zh) * | 2023-12-04 | 2024-03-22 | 北京仁科互动网络技术有限公司 | 知识条目的生成方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112035640A (zh) | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 | |
| CN110704641B (zh) | 一种万级意图分类方法、装置、存储介质及电子设备 | |
| US11315560B2 (en) | Method for conducting dialog between human and computer | |
| CN108874782B (zh) | 一种层次注意力lstm和知识图谱的多轮对话管理方法 | |
| CN110175227B (zh) | 一种基于组队学习和层级推理的对话辅助系统 | |
| WO2018224034A1 (zh) | 智能问答方法、服务器、终端及存储介质 | |
| CN108228764A (zh) | 一种单轮对话和多轮对话的融合方法 | |
| CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
| CN109635080A (zh) | 应答策略生成方法及装置 | |
| CN112488239B (zh) | 用于基于人工智能的计算机辅助说服系统的方法和装置 | |
| CN110225210A (zh) | 基于通话摘要自动填写工单方法及系统 | |
| CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
| CN115062627A (zh) | 用于基于人工智能的计算机辅助说服系统的方法和装置 | |
| CN113626568A (zh) | 机器人的人机对话控制方法、装置、计算机设备及介质 | |
| CN111353026A (zh) | 一种智能法务律师助手客服系统 | |
| CN113591463B (zh) | 意图识别方法、装置、电子设备及存储介质 | |
| CN117573834B (zh) | 一种用于面向软件即服务平台的多机器人对话方法及系统 | |
| CN116757855A (zh) | 一种智能保险服务方法、装置、设备及存储介质 | |
| IT201900000526A1 (it) | Sistema di intelligenza artificiale per processi aziendali | |
| CN115688758A (zh) | 一种语句意图识别方法、装置和存储介质 | |
| CN115952260A (zh) | 汽车领域问答方法、装置、电子设备及存储介质 | |
| CN111914077A (zh) | 定制化话术推荐方法、装置、计算机设备及存储介质 | |
| CN114818740B (zh) | 一种基于领域知识图谱的人机协同方法及系统 | |
| CN117972216A (zh) | 一种基于llm的智能问答回复方法、系统及装置 | |
| CN114996429A (zh) | 用于自动问答的方法、系统、装置和介质 |
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 |