CN112597288B - 人机交互方法、装置、设备及存储介质 - Google Patents

人机交互方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112597288B
CN112597288B CN202011545891.0A CN202011545891A CN112597288B CN 112597288 B CN112597288 B CN 112597288B CN 202011545891 A CN202011545891 A CN 202011545891A CN 112597288 B CN112597288 B CN 112597288B
Authority
CN
China
Prior art keywords
word slot
word
input sentence
slot
name
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
CN202011545891.0A
Other languages
English (en)
Other versions
CN112597288A (zh
Inventor
于振龙
李和瀚
孙辉丰
孙叔琦
常月
李婷婷
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011545891.0A priority Critical patent/CN112597288B/zh
Publication of CN112597288A publication Critical patent/CN112597288A/zh
Application granted granted Critical
Publication of CN112597288B publication Critical patent/CN112597288B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/334—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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Machine Translation (AREA)

Abstract

本申请提出了一种人机交互方法、装置、设备及存储介质，涉及自然语言处理和人工智能领域，具体实现方案为：响应于获取到的输入语句，确定输入语句中的词槽值及词槽值对应的第一词槽名；根据输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征；根据输入语句和词槽特征，确定输入语句的意图；在输入语句的意图为填槽意图的情况下，将词槽值填充至与第一词槽名对应的待填充词槽。根据本申请的方案能够准确识别填槽意图，提高人机交互中系统应答的准确度，并且，能够适用于各种不同的人机交互对话场景，通用性高。

Description

人机交互方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及自然语言处理和人工智能技术领域，提出一种人机交互方法、装置、设备及存储介质。
背景技术
词槽填充是人机对话过程中自然语言理解部分的一个重要任务。在人机交互系统中，开发者定义一系列词槽和用户意图模板，例如将『东直门』、『西直门』标识为出发地，将符合『从‘出发地’到‘目的地’怎么走』的语句标识为用户意图线路规划。
在人机对话过程中，用户请求命中用户意图模板的情况下，系统根据模板提取词槽值并填充至对话状态中，实现对用户请求的应答。然而，上述方案目前仍存在无法识别提取词槽值，或提取了错误的词槽值进行填充的情况，导致系统应答不够准确，影响人机交互的效果。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请提出了一种人机交互方法、装置、设备及存储介质。
本申请第一方面实施例提出了一种人机交互方法，包括：
响应于获取到的输入语句，确定所述输入语句中的词槽值及所述词槽值对应的第一词槽名；
根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征；
根据所述输入语句和所述词槽特征，确定所述输入语句的意图；
在所述输入语句的意图为填槽意图的情况下，将所述词槽值填充至与所述第一词槽名对应的待填充词槽。
本申请第二方面实施例提出了一种人机交互装置，包括：
词槽识别模块，用于响应于获取到的输入语句，确定所述输入语句中的词槽值及所述词槽值对应的第一词槽名；
确定模块，用于根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征；
意图识别模块，用于根据所述输入语句和所述词槽特征，确定所述输入语句的意图；
填充模块，用于在所述输入语句的意图为填槽意图的情况下，将所述词槽值填充至与所述第一词槽名对应的待填充词槽。
本申请第三方面实施例提出了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面实施例所述的人机交互方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面实施例所述的人机交互方法。
本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时实现如第一方面实施例所述的人机交互方法。
上述申请中的一个实施例具有如下优点或有益效果：由于采用了响应于获取到的输入语句，确定输入语句中的词槽值及词槽值对应的第一词槽名，根据输入语句、词槽值和第一词槽名确定输入语句中每个分词对应的词槽特征，进而，根据输入语句和词槽特征确定输入语句的意图，并在输入语句的意图为填槽意图的情况下，将词槽值填充至与第一词槽名对应的待填充词槽，能够准确识别填槽意图，提高人机交互中系统应答的准确度，并且，能够适用于各种不同的人机交互对话场景，通用性高。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例所提供的一种人机交互方法的流程示意图；
图2为本申请实施例所提供的另一种人机交互方法的流程示意图；
图3为本申请实施例所提供的另一种人机交互方法的流程示意图；
图4为本申请实施例所提供的另一种人机交互方法的流程示意图；
图5为本申请实施例所提供的一种意图识别模型的示意图；
图6为本申请实施例所提供的一种人机交互装置的结构示意图；
图7示出了适于用来实现本申请实施例的示例性电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面结合附图对本申请实施例的人机交互方法、装置、设备及存储介质进行说明。
图1为本申请实施例所提供的一种人机交互方法的流程示意图，如图1所示，该方法包括：
步骤101，响应于获取到的输入语句，确定输入语句中的词槽值及词槽值对应的第一词槽名。
本申请实施例的方法，可以应用于人机交互场景，本实施例中，在进行词槽填充时，可以响应于获取到的输入语句，确定输入语句中的词槽值及词槽值对应的第一词槽名。
其中，输入语句可以是人机交互过程中用户输入的语句，词槽值可以是输入语句中包含的内容，词槽名用于表示词槽值的类别。词槽值与词槽名对应，一个词槽值可对应一个词槽名，也可以对应多个词槽名。输入语句中的词槽值所对应的词槽名，即为第一词槽名。举例而言，对于输入语句“从北京到广州”，词槽值-第一词槽名包括：北京-(出发地、目的地)，广州-(出发地、目的地)。
作为一种可能的实现方式，通过实体识别的方式确定输入语句中的词槽值及词槽值对应的第一词槽名。其中，获取预设词典，预设词典中包括预设实体和预设实体的类别，一个预设实体对应的类别可以是一个或多个，根据预设实体对输入语句进行实体识别，获取输入语句中的词槽值，进而，根据预设实体的类别确定与词槽值对应的第一词槽名。
步骤102，根据输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征。
本实施例中，对输入语句进行分词处理，获取输入语句中的每个分词，进而，根据输入语句、词槽值和第一词槽名，确定每个分词对应的词槽特征。例如，对于输入语句“从北京到广州”，获取其中每个分词“从”“北京”“到”“广州”的词槽特征。
其中，确定每个分词对应的词槽特征的方式有多种，说明如下。
在本申请的一个实施例中，根据输入语句中每个分词是否为词槽值及每个词槽值对应的各候选词槽名的权重，确定输入语句中每个分词对应的词槽特征。
其中，每个词槽值可对应一个或多个词槽名，每个词槽名的权重可以是预先设置的，不同词槽名的权重可以不同。可选地，分词为词槽值的情况下，词槽特征根据各词槽名的权重的加权融合值确定，分词不为词槽值的情况下，该分词的词槽特征为预设值。
在本申请的一个实施例中，可以获取与输入语句对应的在先交互语句，并对在先交互语句进行解析，以获取在先交互语句中未确定词槽值的询问词槽的第二词槽名，进而，根据第二词槽名、输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征。词槽特征可以表示分词是否属于上文询问的词槽值。由此，结合在先交互语句的询问词槽确定输入语句中各分词的词槽特征，能够准确的确定词槽特征，进一步提高意图识别的准确度。
步骤103，根据输入语句和词槽特征，确定输入语句的意图。
本实施例中，在确定输入语句中每个分词对应的词槽特征之后，根据各分词生成第一输入序列，根据各分词的词槽特征生成第二输入序列，将两个输入序列合成作为神经网络模型的输入，神经网络模型的输出为输入语句的意图。
其中，合成可包括拼接和/或加权融合，神经网络模型可以是根据标注意图的训练语料预训练得到的，神经网络模型的输出为意图类别。作为一种示例，意图可包括填槽意图和非填槽意图。作为另一种示例，意图可包括填槽意图、用户意图和无意图。
步骤104，在输入语句的意图为填槽意图的情况下，将词槽值填充至与第一词槽名对应的待填充词槽。
本实施例中，在确定输入语句的意图后，确定输入语句的意图是否为填槽意图，并在输入语句的意图为填槽意图的情况下，将输入语句的各词槽值填充至与第一词槽名对应的待填充词槽。可选地，若输入语句的意图为非填槽意图，则不进行词槽填充。
其中，填槽意图是指，非用户意图且包含要填充的词槽信息，例如对输入语句未识别到明显的用户意图倾向，但是同时又存在填充词槽的需求，即为填槽意图，此时保持对话状态中的用户意图不变，并根据输入语句的词槽值对待填充词槽进行填充。
本申请实施例的人机交互方法，通过响应于获取到的输入语句，确定输入语句中的词槽值及词槽值对应的第一词槽名，根据输入语句、词槽值和第一词槽名确定输入语句中每个分词对应的词槽特征，进而，根据输入语句和词槽特征确定输入语句的意图，并在输入语句的意图为填槽意图的情况下，将词槽值填充至与第一词槽名对应的待填充词槽。根据本申请实施例的方案，提供了一种对于不同场景中填槽意图的共同处理方法，能够适用于各种不同的人机交互对话场景，通用性强，无需对各场景针对性的设置模板，并且，能够准确识别填槽意图，并在在输入语句的意图为填槽意图的情况下，将词槽值填充至对应的待填充词槽，进一步提高人机交互中系统应答的准确度。
在实际应用中，人机交互场景通常存在多轮交互信息，举例而言，对于一次用户输入语句“我想订票”和一次系统应答“到哪个城市的”，构成了一轮交互信息。
在本申请的一些实施例中，输入语句存在在先交互语句，在先交互语句是指在输入语句之前的交互信息。例如以上述交互信息为例，用户在系统应答“到哪个城市的”之后，输入语句“明天广州的”，则在先交互语句可包括“到哪个城市的”。
下面对多轮交互的场景下确定输入语句中每个分词对应的词槽特征进行说明。
图2为本申请实施例所提供的另一种人机交互方法的流程示意图，如图2所示，该方法中，上述步骤102包括：
步骤201，获取与输入语句对应的在先交互语句。
本实施例中，输入语句存在在先交互语句，在先交互语句可以是与输入语句相邻的上一轮交互中的语句，也可以是之前与输入语句不相邻的一轮交互中的语句，输入语句的在先交互语句可以有多个。
步骤202，对在先交互语句进行解析，以获取在先交互语句中未确定词槽值的询问词槽的第二词槽名。
本实施例中，在先交互语句中未确定词槽值的询问词槽有多个，举例而言，在输入语句之前，存在多轮交互信息，每一轮交互信息的对应一个询问词槽。
其中，未确定词槽值即还未确定的词槽值，未确定词槽值对应于询问词槽，通过对在先交互语句进行解析，可以确定在先交互语句是否存在询问词槽，以及确定询问词槽的第二词槽名。例如对于在先交互语句“到哪个城市的”，可以确定存在未确定词槽值的询问词槽，以及对应的第二词槽名为“目的地”。
在实际应用中，人机交互的对话系统包括对话理解模块和对话管理模块，本申请实施例的方法应用于对话理解模块。其中，对话理解模块将用户输入语句解析为计算机可理解的结构化表示，结构化表示包括意图和词槽。对话管理模块根据结构化表示进行逻辑处理，并生成逻辑处理后的结构化表示和系统应答语句。系统应答语句用于回复用户输入语句。
在一些示例中，对话管理模块生成的结构化表示包含了当前的系统应答语句是在给出用户想要的答案还是在向用户询问词槽信息，以及询问的哪个词槽信息等，到后续交互时，可以从对话管理模块生成的结构化表示中获取上述信息。
本实施例中，在确定第二词槽名后，根据第二词槽名、输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征，具体如下述步骤203-205。
步骤203，确定每个询问词槽所在的在先语句与输入语句间的距离。
本实施例中，在先语句与输入语句间的距离可以根据语句之间间隔的语句数确定，例如，对于一输入语句，该输入语句之前存在三轮交互，每轮交互的在先语句均存在询问词槽，则三个询问词槽所在的在先语句与输入语句间的距离依次为3、2、1。
步骤204，根据每个距离，确定每个对应的询问词槽的权重值。
本实施例中，不同的距离可对应不同的权重值。作为一种示例，可以建立距离与权重值的对应关系，以为各距离设置相应的权重值，可选地，距离与权重值可以成反比，即，与输入语句相邻的上一轮交互中的在先语句，其询问词槽的权重值最大。
步骤205，根据每个询问词槽的权重值、每个第二词槽名、输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征。
可选地，对于每个询问词槽，根据第二词槽名、输入语句、词槽值和第一词槽名，确定各分词的候选词槽特征，进而根据候选词槽特征和询问词槽的权重值，确定每个分词对应的词槽特征。
其中，词槽特征可以表示分词是否属于上文询问的词槽值，并且同时考虑了语句间的距离。例如，以两个询问词槽为例，对于输入语句的任一分词确定两个候选词槽特征，两个候选词槽特征分别与两个询问词槽对应，根据第二词槽名、输入语句、词槽值和第一词槽名确定候选词槽特征的方式可参照下述实施例，进而，根据候选词槽特征和对应的权重值进行加权，得到任一分词对应的词槽特征。
本实施例中，能够结合在先交互语句的询问词槽和多个询问词槽的权重，确定输入语句中各分词的词槽特征，由此，结合上文对话特征和语句间的距离确定词槽特征，进一步根据词槽特征确定输入语句的意图，提高了识别的准确性。
图3为本申请实施例所提供的另一种人机交互方法的流程示意图，如图3所示，该方法中，上述步骤102包括：
步骤301，获取与输入语句对应的在先交互语句。
本实施例中，输入语句存在在先交互语句，在先交互语句可以是与输入语句相邻的上一轮交互中的语句。
步骤302，对在先交互语句进行解析，以获取在先交互语句中未确定词槽值的询问词槽的第二词槽名。
本实施例中，输入语句的在先交互语句中，未确定词槽值的询问词槽有一个。
其中，未确定词槽值即还未确定的词槽值，未确定词槽值对应于询问词槽，通过对在先交互语句进行解析，可以确定在先交互语句是否存在询问词槽，以及确定询问词槽的第二词槽名。
本实施例中，在确定第二词槽名后，根据第二词槽名、输入语句、词槽值和第一词槽名，确定输入语句中每个分词对应的词槽特征，具体如下述步骤303-305。
步骤303，在输入语句中的任一分词为非词槽值的情况下，确定任一分词对应的词槽特征为第一特征。
本实施例中，判断输入语句中的各分词是否为词槽值，若分词为非词槽值，则确定该分词的词槽特征为第一特征，其中，第一特征的形式不作具体限制，例如，用0对非词槽值的分词进行标识。
步骤304，在输入语句中的任一分词为词槽值、且对应的第一词槽名与第二词槽名不匹配的情况下，确定任一分词对应的词槽特征为第二特征。
本实施例中，对于为词槽值的分词，确定该词槽值的第一词槽名与第二词槽名是否匹配，输入语句中词槽值对应的第一词槽名可以有一个或多个，其中，第一词槽名与第二词槽名不匹配是指，第一词槽名均与第二词槽名不同。第二特征的形式不作具体限制，例如，用1对为词槽值且不匹配的分词进行标识。
步骤305，在输入语句中的任一分词为词槽值、且对应的第一词槽名与第二词槽名匹配的情况下，确定任一分词对应的词槽特征为第三特征。
本实施例中，对于为词槽值的分词，确定该词槽值的第一词槽名与第二词槽名是否匹配，输入语句中词槽值对应的第一词槽名可以有一个或多个，其中，第一词槽名与第二词槽名匹配是指，第一词槽名中存在与第二词槽名相同的。第三特征的形式不作具体限制，例如，用2对为词槽值且匹配的分词进行标识。
举例而言，对于如下交互场景“用户：订车票。系统：去哪的啊。用户：明天广州那儿的”。其中，输入语句为“明天广州那儿的”，词槽值-词槽名包括：明天-时间，广州-目的地，出发地。在先交互语句“去哪的啊”，询问词槽的第二词槽名为目的地。其中，分词“明天”为词槽值且第一词槽名“时间”与第二词槽名不匹配，词槽特征为1；分词“广州”为词槽值，且第一词槽名“目的地，出发地”与第二词槽名匹配，词槽特征为2；分词“那儿”不为词槽值，词槽特征为0；分词“的”不为词槽值，词槽特征为0。词槽特征可以表示该分词是否属于上文询问的词槽值。
本实施例中，能够结合在先交互语句的询问词槽，确定输入语句中各分词的词槽特征，由此，结合上文对话特征确定词槽特征，进一步根据词槽特征确定输入语句的意图，提高了识别的准确性。
基于上述实施例，下面对确定输入语句的意图的实现方式进行说明。
图4为本申请实施例所提供的另一种人机交互方法的流程示意图，如图4所示，该方法中，上述步骤103包括：
步骤401，将输入语句对应的第一向量表示与词槽特征对应的第二向量表示进行融合，以获取第三向量。
本实施例中，将输入语句中分词的分布式向量表示作为第一向量表示，将词槽特征的分布式向量表示作为第二向量表示，将第一向量表示和第二向量表示进行融合，获取第三向量。
步骤402，利用预设的意图识别模型，对第三向量进行处理，以获取输入语句的意图。
本实施例中，意图识别模型包括双向GRU(Gated Recurrent Unit，门控循环单元)模型和平均池化层，将第三向量输入双向GRU模型，双向GRU模型输出第四向量。对第四向量进行平均池化处理，根据平均池化后的第四向量进行分类，以获取输入语句的意图。
在本申请的一个实施例中，获取标注是否填槽意图的语料，根据语料训练意图识别模型，使意图识别模型的输出为填槽意图或非填槽意图。
作为一种示例，参照图5，输入语句“明天广州那儿的”，词槽特征“1,2,0,0”，利用预设的意图识别模型，对第三向量进行处理，以获取输入语句的意图为填槽意图。
作为另一种示例，输入语句“从北京到广州”，利用意图识别模型获取输入语句的意图为非填槽意图。本示例中，该输入语句可识别到用户意图，并在后续交互过程中将用户意图切换到新识别出的用户意图。
本实施例中，在输入语句的意图为填槽意图的情况下，根据输入语句的词槽值进行词槽填充，例如根据明天-时间，广州-目的地进行词槽填充。
在本申请的一个实施例中，与词槽值对应的第一词槽名可以有多个，因此，在输入语句的意图为填槽意图的情况下，将词槽值填充至与第一词槽名对应的待填充词槽，包括：在任一第一词槽名与待填充词槽的第二词槽名匹配的情况下，将词槽值填充至待填充词槽。
填槽意图针对的输入语句相对简短，例如“广州不错”“就那个广州吧”，因此，对于与词槽值对应的第一词槽名有多个的情况，可以根据第一词槽名与第二词槽名的匹配结果，将词槽值填充至待填充词槽。
作为一种示例，在先交互语句的询问词槽的词槽名为目的地，存在词槽名为目的地的待填充词槽，输入语句的词槽值-词槽名包括：广州-目的地、出发地，其中，对于同时对应两个词槽名的情况，确定词槽名“目的地”匹配，则根据广州-目的地对该待填充词槽进行填充。
本实施例中，基于意图识别模型确定输入语句的意图，实现填槽意图的识别，并且，词槽值存在多个词槽名的情况，能够确定合适的词槽值进行填充，进一步提高了人机交互中系统应答的准确度。
为了实现上述实施例，本申请还提出一种人机交互装置。
图6为本申请实施例所提供的一种人机交互装置的结构示意图，如图6所示，该装置包括：词槽识别模块601，确定模块602，意图识别模块603，填充模块604。
其中，词槽识别模块601，用于响应于获取到的输入语句，确定所述输入语句中的词槽值及所述词槽值对应的第一词槽名。
确定模块602，用于根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
意图识别模块603，用于根据所述输入语句和所述词槽特征，确定所述输入语句的意图。
填充模块604，用于在所述输入语句的意图为填槽意图的情况下，将所述词槽值填充至与所述第一词槽名对应的待填充词槽。
在本申请的一个实施例中，确定模块602包括：获取单元，用于获取与所述输入语句对应的在先交互语句；解析单元，用于对所述在先交互语句进行解析，以获取所述在先交互语句中未确定词槽值的询问词槽的第二词槽名；编码单元，用于根据所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
在本申请的一个实施例中，在先交互语句中未确定词槽值的询问词槽有多个，编码单元具体用于：确定每个所述询问词槽所在的在先语句与所述输入语句间的距离；根据每个所述距离，确定每个对应的所述询问词槽的权重值；根据每个所述询问词槽的权重值、每个所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
在本申请的一个实施例中，编码单元具体用于：在所述输入语句中的任一分词为非词槽值的情况下，确定所述任一分词对应的词槽特征为第一特征；在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名不匹配的情况下，确定所述任一分词对应的词槽特征为第二特征；在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名匹配的情况下，确定所述任一分词对应的词槽特征为第三特征。
在本申请的一个实施例中，确定模块602具体用于：根据所述输入语句中每个分词是否为词槽值及每个词槽值对应的各候选词槽名的权重，确定所述输入语句中每个分词对应的词槽特征。
在本申请的一个实施例中，意图识别模块603具体用于：将所述输入语句对应的第一向量表示与所述词槽特征对应的第二向量表示进行融合，以获取第三向量；利用预设的意图识别模型，对所述第三向量进行处理，以获取所述输入语句的意图。
在本申请的一个实施例中，与词槽值对应的第一词槽名有多个，填充模块64具体用于：在任一所述第一词槽名与所述待填充词槽的第二词槽名匹配的情况下，将所述词槽值填充至所述待填充词槽。
前述实施例对人机交互方法的解释说明同样适用于本实施例的人机交互装置，此处不再赘述。
本申请实施例的人机交互装置，提供了一种对于不同场景中填槽意图的共同处理方案，能够适用于各种不同的人机交互对话场景，通用性强，无需对各场景针对性的设置模板，并且，能够准确识别填槽意图，并在在输入语句的意图为填槽意图的情况下，将词槽值填充至对应的待填充词槽，进一步提高人机交互中系统应答的准确度。
为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时实现如前述任一实施例所述的人机交互方法。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的人机交互方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的人机交互方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的人机交互方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的人机交互方法对应的程序指令/模块(例如，附图6所示的词槽识别模块61，确定模块62，意图识别模块63，填充模块64)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的人机交互方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
人机交互方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS(VirtualPrivateServer,虚拟专用服务器)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种人机交互方法，包括：
响应于获取到的输入语句，确定所述输入语句中的词槽值及所述词槽值对应的第一词槽名；
根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征；
根据所述输入语句和所述词槽特征，确定所述输入语句的意图；
在所述输入语句的意图为填槽意图的情况下，将所述词槽值填充至与所述第一词槽名对应的待填充词槽；
其中，所述根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征，包括：
获取与所述输入语句对应的在先交互语句；
对所述在先交互语句进行解析，以获取所述在先交互语句中未确定词槽值的询问词槽的第二词槽名；
根据所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
2.如权利要求1所述的方法，其中，所述在先交互语句中未确定词槽值的询问词槽有多个，所述根据所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征，包括：
确定每个所述询问词槽所在的在先语句与所述输入语句间的距离；
根据每个所述距离，确定每个对应的所述询问词槽的权重值；
根据每个所述询问词槽的权重值、每个所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
3.如权利要求1所述的方法，其中，所述根据所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征，包括：
在所述输入语句中的任一分词为非词槽值的情况下，确定所述任一分词对应的词槽特征为第一特征；
在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名不匹配的情况下，确定所述任一分词对应的词槽特征为第二特征；
在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名匹配的情况下，确定所述任一分词对应的词槽特征为第三特征。
4.如权利要求1-3任一所述的方法，其中，所述根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征，包括：
根据所述输入语句中每个分词是否为词槽值及每个词槽值对应的各候选词槽名的权重，确定所述输入语句中每个分词对应的词槽特征。
5.如权利要求1所述的方法，其中，所述根据所述输入语句和所述词槽特征，确定所述输入语句的意图，包括：
将所述输入语句对应的第一向量表示与所述词槽特征对应的第二向量表示进行融合，以获取第三向量；
利用预设的意图识别模型，对所述第三向量进行处理，以获取所述输入语句的意图。
6.如权利要求1所述的方法，其中，与所述词槽值对应的第一词槽名有多个，则所述将所述词槽值填充至与所述第一词槽名对应的待填充词槽，包括：
在任一所述第一词槽名与所述待填充词槽的第二词槽名匹配的情况下，将所述词槽值填充至所述待填充词槽。
7.一种人机交互装置，包括：
词槽识别模块，用于响应于获取到的输入语句，确定所述输入语句中的词槽值及所述词槽值对应的第一词槽名；
确定模块，用于根据所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征；
意图识别模块，用于根据所述输入语句和所述词槽特征，确定所述输入语句的意图；
填充模块，用于在所述输入语句的意图为填槽意图的情况下，将所述词槽值填充至与所述第一词槽名对应的待填充词槽；
其中，所述确定模块包括：
获取单元，用于获取与所述输入语句对应的在先交互语句；
解析单元，用于对所述在先交互语句进行解析，以获取所述在先交互语句中未确定词槽值的询问词槽的第二词槽名；
编码单元，用于根据所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
8.如权利要求7所述的装置，其中，所述在先交互语句中未确定词槽值的询问词槽有多个，所述编码单元具体用于：
确定每个所述询问词槽所在的在先语句与所述输入语句间的距离；
根据每个所述距离，确定每个对应的所述询问词槽的权重值；
根据每个所述询问词槽的权重值、每个所述第二词槽名、所述输入语句、所述词槽值和所述第一词槽名，确定所述输入语句中每个分词对应的词槽特征。
9.如权利要求7所述的装置，其中，所述编码单元具体用于：
在所述输入语句中的任一分词为非词槽值的情况下，确定所述任一分词对应的词槽特征为第一特征；
在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名不匹配的情况下，确定所述任一分词对应的词槽特征为第二特征；
在所述输入语句中的任一分词为词槽值、且对应的第一词槽名与所述第二词槽名匹配的情况下，确定所述任一分词对应的词槽特征为第三特征。
10.如权利要求7-9任一所述的装置，其中，所述确定模块具体用于：
根据所述输入语句中每个分词是否为词槽值及每个词槽值对应的各候选词槽名的权重，确定所述输入语句中每个分词对应的词槽特征。
11.如权利要求7所述的装置，其中，所述意图识别模块具体用于：
将所述输入语句对应的第一向量表示与所述词槽特征对应的第二向量表示进行融合，以获取第三向量；
利用预设的意图识别模型，对所述第三向量进行处理，以获取所述输入语句的意图。
12.如权利要求7所述的装置，其中，与所述词槽值对应的第一词槽名有多个，所述填充模块具体用于：
在任一所述第一词槽名与所述待填充词槽的第二词槽名匹配的情况下，将所述词槽值填充至所述待填充词槽。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的人机交互方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的人机交互方法。
CN202011545891.0A 2020-12-23 2020-12-23 人机交互方法、装置、设备及存储介质 Active CN112597288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011545891.0A CN112597288B (zh) 2020-12-23 2020-12-23 人机交互方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011545891.0A CN112597288B (zh) 2020-12-23 2020-12-23 人机交互方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112597288A CN112597288A (zh) 2021-04-02
CN112597288B true CN112597288B (zh) 2023-07-25

Family

ID=75200928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011545891.0A Active CN112597288B (zh) 2020-12-23 2020-12-23 人机交互方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112597288B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743127A (zh) * 2021-09-10 2021-12-03 京东科技信息技术有限公司 任务型对话的方法、装置、电子设备及存储介质
CN115579008B (zh) * 2022-12-05 2023-03-31 广州小鹏汽车科技有限公司 语音交互方法、服务器及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241269A (zh) * 2018-07-27 2019-01-18 深圳追科技有限公司 任务型机器人词槽填充方法
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
WO2019153522A1 (zh) * 2018-02-09 2019-08-15 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
CN110232190A (zh) * 2019-06-14 2019-09-13 上海流利说信息技术有限公司 一种对话生成的方法、装置、存储介质及电子设备
CN110674314A (zh) * 2019-09-27 2020-01-10 北京百度网讯科技有限公司 语句识别方法及装置
CN111198937A (zh) * 2019-12-02 2020-05-26 泰康保险集团股份有限公司 对话生成及装置、计算机可读存储介质、电子设备
CN111241245A (zh) * 2020-01-14 2020-06-05 百度在线网络技术（北京）有限公司 人机交互处理方法、装置及电子设备
CN111666381A (zh) * 2020-06-17 2020-09-15 中国电子科技集团公司第二十八研究所 一种面向智能管制的任务型问答交互系统
CN111737990A (zh) * 2020-06-24 2020-10-02 深圳前海微众银行股份有限公司 一种词槽填充方法、装置、设备及存储介质
CN112000784A (zh) * 2020-03-17 2020-11-27 北京来也网络科技有限公司 结合rpa和ai的用户数据处理方法、装置、设备及存储介质
CN112102840A (zh) * 2020-09-09 2020-12-18 中移（杭州）信息技术有限公司 语义识别方法、装置、终端及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11501089B2 (en) * 2019-06-05 2022-11-15 Samsung Electronics Co., Ltd. Electronic device and method for controlling the electronic device thereof based on determining intent of a user speech in a first language machine translated into a predefined second language

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153522A1 (zh) * 2018-02-09 2019-08-15 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
CN109241269A (zh) * 2018-07-27 2019-01-18 深圳追科技有限公司 任务型机器人词槽填充方法
CN109446307A (zh) * 2018-10-16 2019-03-08 浪潮软件股份有限公司 一种实现智能对话中对话管理的方法
CN110232190A (zh) * 2019-06-14 2019-09-13 上海流利说信息技术有限公司 一种对话生成的方法、装置、存储介质及电子设备
CN110674314A (zh) * 2019-09-27 2020-01-10 北京百度网讯科技有限公司 语句识别方法及装置
CN111198937A (zh) * 2019-12-02 2020-05-26 泰康保险集团股份有限公司 对话生成及装置、计算机可读存储介质、电子设备
CN111241245A (zh) * 2020-01-14 2020-06-05 百度在线网络技术（北京）有限公司 人机交互处理方法、装置及电子设备
CN112000784A (zh) * 2020-03-17 2020-11-27 北京来也网络科技有限公司 结合rpa和ai的用户数据处理方法、装置、设备及存储介质
CN111666381A (zh) * 2020-06-17 2020-09-15 中国电子科技集团公司第二十八研究所 一种面向智能管制的任务型问答交互系统
CN111737990A (zh) * 2020-06-24 2020-10-02 深圳前海微众银行股份有限公司 一种词槽填充方法、装置、设备及存储介质
CN112102840A (zh) * 2020-09-09 2020-12-18 中移（杭州）信息技术有限公司 语义识别方法、装置、终端及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于BLSTM-CNN-CRF模型的槽填充与意图识别;华冰涛;袁志祥;肖维民;郑啸;;计算机工程与应用(09);145-149 *

Also Published As

Publication number Publication date
CN112597288A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN112560912B (zh) 分类模型的训练方法、装置、电子设备和存储介质
CN111709248B (zh) 文本生成模型的训练方法、装置及电子设备
CN111143561B (zh) 意图识别模型训练方法、装置及电子设备
CN111259671B (zh) 文本实体的语义描述处理方法、装置及设备
CN111709247A (zh) 数据集处理方法、装置、电子设备和存储介质
CN111177355B (zh) 基于搜索数据的人机对话交互方法、装置和电子设备
CN111709234B (zh) 文本处理模型的训练方法、装置及电子设备
CN112001180A (zh) 多模态预训练模型获取方法、装置、电子设备及存储介质
KR20210132578A (ko) 지식 그래프를 구축하는 방법, 장치, 기기 및 저장 매체
CN113553414B (zh) 智能对话方法、装置、电子设备和存储介质
CN111967256A (zh) 事件关系的生成方法、装置、电子设备和存储介质
CN112528001B (zh) 一种信息查询方法、装置及电子设备
US20220027575A1 (en) Method of predicting emotional style of dialogue, electronic device, and storage medium
CN112597288B (zh) 人机交互方法、装置、设备及存储介质
US11704326B2 (en) Generalization processing method, apparatus, device and computer storage medium
CN111241838B (zh) 文本实体的语义关系处理方法、装置及设备
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CN111090991A (zh) 场景纠错方法、装置、电子设备和存储介质
CN114416976A (zh) 文本标注方法、装置及电子设备
CN111666372A (zh) 解析查询词query的方法、装置、电子设备和可读存储介质
CN112559715B (zh) 态度的识别方法、装置、设备及存储介质
CN110781657A (zh) 导航播报的管理方法、装置及设备
EP3822818A1 (en) Method, apparatus, device and storage medium for intelligent response
CN112559718B (zh) 对话处理的方法、装置、电子设备和存储介质
CN112270169B (zh) 对白角色预测方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant