CN112632251B - 回复内容的生成方法、装置、设备和存储介质 - Google Patents

回复内容的生成方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112632251B
CN112632251B CN202011554184.8A CN202011554184A CN112632251B CN 112632251 B CN112632251 B CN 112632251B CN 202011554184 A CN202011554184 A CN 202011554184A CN 112632251 B CN112632251 B CN 112632251B
Authority
CN
China
Prior art keywords
user request
current user
content
historical
current
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
CN202011554184.8A
Other languages
English (en)
Other versions
CN112632251A (zh
Inventor
赵筱军
王猛
黄庆伟
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 CN202011554184.8A priority Critical patent/CN112632251B/zh
Publication of CN112632251A publication Critical patent/CN112632251A/zh
Priority to US17/382,829 priority patent/US11816443B2/en
Priority to EP21187693.3A priority patent/EP3910528A3/en
Priority to JP2021197234A priority patent/JP2022031854A/ja
Application granted granted Critical
Publication of CN112632251B publication Critical patent/CN112632251B/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
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query
    • 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
    • G06F16/3332—Query translation
    • G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Information Transfer Between Computers (AREA)
  • Telephonic Communication Services (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了回复内容的生成方法、装置、电子设备及存储介质，涉及大数据和深度学习等人工智能技术领域。具体实现方案为：获取当前会话中的当前用户请求，以及当前会话中的历史指代信息；从历史指代信息中提取与当前用户请求匹配的内容；根据内容，对当前用户请求进行更新，得到更新后的当前用户请求；根据更新后的当前用户请求，生成当前用户请求的回复内容。由此实现了可灵活利用历史指代信息进行再次的指代对话逻辑，减少了对话轮次，提高了对话效率，降低了对多轮对话系统配置的门槛及复杂度，同时提升了用户对话的流畅度，提高了用户体验。

Description

回复内容的生成方法、装置、设备和存储介质
技术领域
本申请涉及计算机技术领域，具体涉及大数据、深度学习等人工智能技术领域，尤其涉及回复内容的生成方法、装置、电子设备及存储介质。
背景技术
随着自然语言技术的发展，多轮对话技术日趋成熟完善，使得多轮对话系统可以应用在各行各业的各个业务场景中，在提升客户服务效率的同时，降低了企业的成本。
相关技术中，多轮对话系统通常采用基于填槽法或者填槽法的改进版来实现回复内容生成，对话能力比较单一，且通常按照预设流程来完成对话的交互，因此，如何更好实现回复内容的生成成为亟待解决的问题。
发明内容
本申请提供了一种回复内容的生成方法、装置、电子设备以及存储介质。
根据本申请的第一方面，提供了一种回复内容的生成方法，包括：
获取当前会话中的当前用户请求，以及所述当前会话中的历史指代信息；
从所述历史指代信息中提取与所述当前用户请求匹配的内容；
根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求；
根据更新后的当前用户请求，生成所述当前用户请求的回复内容。
根据本申请的第二方面，提供了一种回复内容的生成装置，包括：
第一获取模块，用于获取当前会话中的当前用户请求，以及所述当前会话中的历史指代信息；
第一提取模块，用于从所述历史指代信息中提取与所述当前用户请求匹配的内容；
第一更新模块，用于根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求；
第一生成模块，用于根据更新后的当前用户请求，生成所述当前用户请求的回复内容。
根据本申请的第三方面，提供了一种电子设备，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本申请的第一方面所述的回复内容的生成方法。
根据本申请的第四方面，提供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本申请第一方面所述的回复内容的生成方法。
根据本申请的第五方面，提供了一种计算机程序产品，所述计算机程序被处理器执行时实现本申请第一方面所述的回复内容的生成方法的步骤。
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是根据本申请一个实施例的回复内容的生成方法的流程图；
图2是根据本申请一个具体实施例的回复内容的生成方法的流程图；
图3是根据本申请一个回复内容的生成装置的示意图；
图4是根据本申请另一个回复内容的生成装置的示意图；
图5是根据本申请又一个回复内容的生成装置的示意图；
图6是根据本申请再一个回复内容的生成装置的示意图；
图7是根据本申请又一个回复内容的生成装置的示意图；
图8是根据本申请实施例的回复内容的生成方法的电子设备的框图。
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。
随着自然语言技术的发展，多轮对话技术日趋成熟完善，使得多轮对话系统可以应用在各行各业的各个业务场景中，在提升客户服务效率的同时，降低了企业的成本。
相关技术中，多轮对话系统通常采用基于填槽法或者填槽法的改进版来实现回复内容生成，对话能力比较单一，且通常按照预设流程来完成对话的交互；在各种各样的业务场景的对话过程中，指代是非常常见的，而指代继承(跨多轮对话的指代)则是提高用户对话体验非常重要的一部分。例如在某轮对话完成了指代(澄清指代，问答关联问指代等)的对话逻辑，在经过若干轮对话后，用户若描述换成第x个，描述之前触发指代的query并带上序数实体或者描述之前的指代选项等话术即可针对之前的指代进行再次指代选择，来完成相应的指代对话逻辑。
例如，澄清指代可理解为确定用户表述问题，可针对该问题可提供3种答复：有答案、没答案、想问的是以下3个选项中的哪个，比如序号，位置等，用户可通过电子设备指代选择是第几个，还是序号为几；问答关联问指代可理解为，例如获取用户需求为如何去买票，可引导用户，是否还要问其他问题，在正常回答问题的情况下，推荐其他问题，以便让用户选择其他问题；触发指代可理解为，例如确定用户表述的问题，可为该问题确定以下答复选项：A、B、C，用户通过电子设备选择了第一个选项，之后用户又选择了第二个选项，进而可将第二个选择确定为触发指代。
由此在对话系统中更好的实现支持指代的继承，对提升多轮对话系统的整体能力、提升对话系统场景覆盖率及提升用户的对话体验发挥着重要作用，因此，如何更好实现回复容的生成以及在对话系统中更好的实现支持指代的继承成为亟待解决的问题。
为了解决上述问题，本申请提出了一种回复内容的生成方法、装置、电子设备及存储介质，本申请在获取当前会话中的当前用户请求，以及当前会话中的历史指代信息，然后从历史指代信息中提取与当前用户请求匹配的内容，之后根据内容，对当前用户请求进行更新，得到更新后的当前用户请求，根据更新后的当前用户请求，生成当前用户请求的回复内容，实现了可灵活利用历史指代信息进行再次的指代对话逻辑，减少了对话轮次，降低了对多轮对话系统配置的门槛及复杂度，同时提升了用户对话的流畅度。
下面参考附图描述本申请实施例的回复内容的生成方法、装置、电子设备以及存储介质。
图1是根据本申请一个实施例的回复内容的生成方法的流程图。需要说明的是，本申请实施例的回复内容的生成方法可应用于本申请实施例的回复内容的生成装置，该装置具体可以为硬件设备，或者硬件设备中的软件等，并且该装置可应用在电子设备中，其中，电子设备可以包括终端设备或者服务器。例如移动终端包括智能手机、平板电脑、PAD、个人数字助理等。本申请实施例对此不作限定。
S101、获取当前会话中的当前用户请求，以及当前会话中的历史指代信息。
在本申请的实施例中，用户可通过电子设备在当前会话框中输入信息，以便接收用户输入信息，进而可获取当前会话中的当前用户请求。
其中，历史指代信息可预先存储至服务器中。
在本申请的一个实施例中，获取到当前会话中的当前用户请求，可确定当前用户请求所属的当前会话，进而可获取当前会话中历史指代信息。
其中，历史指代信息包括：触发指代的历史用户请求，以及与历史用户请求对应的多个指代选项。
举例而言，用户可通过电子设备在当前会话框中输入“我想查余额”，以便接收用户输入的“我想查余额”，可确定当前用户请求为“我想查余额”，并根据“我想查余额”，可确定“我想查余额”所属为“查余额”会话，进而可获取“查余额”的历史用户请求，以及历史用户请求对应指代选项，例如，1.查信用卡余额、2.查银行卡余额、3.如何银行卡查余额。
S102、从历史指代信息中提取与当前用户请求匹配的内容。
也就是说，获取到当前会话中的历史指代信息后，可从历史指代信息中提取与当前用户请求匹配的内容。例如，匹配的内容为历史用户请求或指代选项。
作为一种可能实现的实施方式，获取到当前会话中的历史指代信息后，可通过将历史指代信息与当前用户请求进行语义匹配，以便从历史指代信息中提取与当前用户请求匹配的内容。
作为另一种可能实现的实施方式，获取到当前会话中的历史指代信息后，可通过将历史指代信息与当前用户请求进行模板匹配，以便从历史指代信息中提取与当前用户请求匹配的内容。
需要说明的是，当前用户请求中可包括序数实体或不包括序数实体，对应地，当前用户请求中未包括序数实体和当前用户请求中包括序数实体，其从历史指代信息中提取与当前用户请求匹配的内容的实现方式不同。具体地实现过程可参考后续实施例。
S103、根据内容，对当前用户请求进行更新，得到更新后的当前用户请求。
也就是说，从历史指代信息中提取出与当前用户请求匹配的内容后，可根据该内容，对当前用户请求进行更新，得到更新后的当前用户请求。
其中，在本申请的一个实施例中，在内容为历史用户请求时，可根据内容对应的多个指代选项以及当前用户请求，确定当前用户请求中序数实体所指代的指代选项，之后将当前用户请求中序数实体所指代的指代选项，作为更新后的当前用户请求，在内容为指代选项时，将内容作为更新后的当前用户请求。
S104、根据更新后的当前用户请求，生成当前用户请求的回复内容。
也就是说，得到更新后的当前用户请求后，可根据更新后的当前用户请求，生成当前用户请求的回复内容。
在本申请的一个实施例中，可将更新后的当前用户请求输入至请求内容生成模型中，进而可生成当前用户请求的回复内容。
根据本申请实施例的回复内容的生成方法，获取当前会话中的当前用户请求，以及当前会话中的历史指代信息，之后从历史指代信息中提取与当前用户请求匹配的内容，然后根据内容，对当前用户请求进行更新，得到更新后的当前用户请求，根据更新后的当前用户请求，生成当前用户请求的回复内容。由此通过从历史指代信息中提取与当前用户请求匹配的内动，并对当前用户请求进行更新，基于更新后的用户请求生成回复内容。实现了可灵活利用历史指代信息进行再次的指代对话逻辑，减少了对话轮次，提高了对话效率，降低了对多轮对话系统配置的门槛及复杂度，同时提升了用户对话的流畅度，提高了用户体验。
为了本领域人员更容易理解本申请，本申请提出了一个具体实施例的回复内容的生成方法，其中，需要说明的是，所述具体实施例的回复内容的生成方法是对上述实施例的进一步细化或者优化。图2是根据本申请一个具体实施例的回复内容的生成方法的流程图，如图2所示，该回复内容的生成方法可以包括：
S201、获取当前会话中的当前用户请求。
举例而言，用户可通过电子设备在当前会话框中输入“我想查余额”，以便接收用户输入的“我想查余额”，进而可获取当前用户请求为“我想查余额”。
S202、判断当前会话中是否存在历史指代信息。若存在，执行S203，若不存在，执行S210。
其中，历史指代信息包括：触发指代的历史用户请求，以及与所述历史用户请求对应的多个指代选项。
作为一种可能实现的实施方式，获取到当前会话中的当前用户请求后，可确定当前用户请求所属的当前会话，并判断当前用户请求所属的当前会话中是否存在历史指代信息。
S203、当前会话中存在历史指代信息，可判断当前用户请求中是否包括序数实体。若否，执行S204，若是，执行S205。
也就是说，判断当前会话中存在历史指代信息后，可进一步判断当前用户请求中是否包括序数实体。
其中，序数实体可理解为完成业务动作需要的参数，比如时间、地点、卡号等类似于函数中的参数。
举例而言，当前用户请求为“我想查卡号123456的余额”，可确定当前用户请求中包括序数实体“卡号123456”。
S204、当前用户请求中未包括序数实体，可根据当前用户请求和待处理历史用户请求对应的多个指代选项的第一相似度，确定当前用户请求匹配的内容。
在本申请的一个实施例中，在当前用户请求中未包括序数实体时，可按照时间点从近到远的顺序依次从历史指代信息中获取历史用户请求作为待处理历史用户请求，之后确定当前用户请求与待处理历史用户请求对应的多个指代选项的第一相似度，然后将对应的第一相似度满足第一相似度阈值的指代选项，作为与当前用户请求匹配的内容。
其中，当前用户请求与待处理历史用户请求对应的多个指代选项的第一相似度可通过词袋模型与余弦相似度相结合、基于词向量的无监督语义相似度计算模型等方式进行确定，本申请对此不做限定。
S205、当前用户请求中包括序数实体，对当前用户请求进行改写，并判断改写后的当前用户请求与待处理历史用户请求的第二相似度是否满足第二相似度阈值，若是，执行S206，若否，执行S207。
在本申请的一个实施例中，判断当前用户请求中包括序数实体时，可按照时间点从近到远的顺序依次从历史指代信息中获取历史用户请求作为待处理历史用户请求，然后对当前用户请求中的序数实体以及无意义词语进行去除处理，生成改写后的当前用户请求，确定改写后的当前用户请求与待处理历史用户请求的第二相似度，并判断改写后的当前用户请求与待处理历史用户请求的第二相似度是否满足第二相似度阈值。
S206、改写后的当前用户请求与待处理历史用户请求的第二相似度满足第二相似度阈值，将对应的第二相似度满足第二相似度阈值的待处理历史请求，作为与当前用户请求匹配的内容。
S207、改写后的当前用户请求与待处理历史用户请求的第二相似度不满足第二相似度阈值，则判断当前用户请求是否满足预设的指代继承条件。
其中，指代继承条件中包括：指代继承的多个相关词语。
在本申请的一个实施例中，判断改写后的当前用户请求与待处理历史用户请求的第二相似度不满足第二相似度阈值时，可通过判断当前用户请求中是否存在相关词语，在当前用户请求中存在相关词语时，可确定当前用户请求满足指代继承条件。
S208、当前用户请求满足预设的指代继承条件，将历史指代信息中时间点最近的历史用户请求，作为与当前用户请求匹配的内容。
S209、当前用户请求不满足预设的指代继承条件，确定不存在与当前用户请求匹配的内容。
在本申请的一个实施例中，在判断当前用户请求中不存在相关词语时，可确定当前用户请求不满足预设的指代继承条件，进而确定不存在与当前用户请求匹配的内容。
其中，在本申请的实施例中，确定不存在与当前用户请求匹配的内容时，可根据当前会话中的其他对话生成当前用户请求匹配的内容。
S210、根据当前会话中的其他对话生成当前用户请求匹配的内容。
S211、根据内容，对当前用户请求进行更新，得到更新后的当前用户请求。
在本申请的一个实施例中，在内容为历史用户请求时，可根据内容对应的多个指代选项以及当前用户请求，确定当前用户请求中序数实体所指代的指代选项，之后将当前用户请求中序数实体所指代的指代选项，作为更新后的当前用户请求，在内容为指代选项时，将内容作为更新后的当前用户请求。
S212、根据更新后的当前用户请求，生成当前用户请求信息的回复内容。
在本申请的一个实施例中，可将更新后的当前用户请求输入至请求内容生成模型中，进而可生成当前用户请求的回复内容。
在本申请的另一个实施例中，基于用户请求与回复内容的对应关系，可根据更新后的当前用户请求输入，生成当前用户请求的回复内容。
为了更准确的确定历史指代信息，在本申请的一个实施例中，根据更新后的当前用户请求，生成当前用户请求信息的回复内容之后，还可判断回复内容是否包括多个指代选项，在回复内容包括多个指代选项时，根据当前用户请求以及对应的回复内容对当前会话的历史指代信息进行更新。
根据本申请实施例的回复内容的生成方法，获取当前会话中的当前用户请求，之后判断当前会话中是否存在历史指代信息，在判断当前会话中存在历史指代信息时，进一步判断当前用户请求中是否包括序数实体，在判断当前用户请求中包括序数实体时，通过对当前用户请求进行改写，并判断改写后的当前用户请求与待处理历史用户请求的第二相似度是否满足第二相似度阈值，若不满足时，进一步判断当前用户请求是否满足预设的指代继承条件，进而确定与当前用户请求匹配的内容，之后根据内容，对当前用户请求进行更新，得到更新后的当前用户请求，根据更新后的当前用户请求，生成当前用户请求信息的回复内容。实现了可灵活利用历史指代信息进行再次的指代对话逻辑，且支持对话过程中指代继承，极大的减少在需要支持指代继承情景下的冗余配置，可以覆盖更多的对话系统场景，且支持与指代相关的场景，减少了对话轮次，提高了对话效率，降低了对多轮对话系统配置的门槛及复杂度，同时提升了用户对话的流畅度，提高了用户体验，降低了多轮对话满足此类需求的构建成本。
与上述几种实施例提供的回复内容的生成方法相对应，本申请的实施例还提供一种回复内容的生成装置，由于本申请实施例提供的回复内容的生成装置与上述几种实施例提供的回复内容的生成方法相对应，因此在回复内容的生成方法的实施方式也适用于本实施例提供的回复内容的生成装置，在本实施例中不再详细描述。
图3是根据本申请回复内容的生成装置的示意图。如图3所示，该回复内容的生成装置300包括：第一接收模块310、第一提取模块320、第一更新模块330和第一生成模块340。其中：
第一获取模块310，用于获取当前会话中的当前用户请求，以及所述当前会话中的历史指代信息。
第一提取模块320，用于从所述历史指代信息中提取与所述当前用户请求匹配的内容。
第一更新模块330，用于根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求；作为一种示例，所述历史指代信息包括：触发指代的历史用户请求，以及所述历史用户请求对应的多个指代选项；所述第一更新模块330，具体用于：在所述内容为历史用户请求时，根据所述内容对应的多个指代选项以及所述当前用户请求，确定所述当前用户请求中序数实体所指代的指代选项；将所述当前用户请求中序数实体所指代的指代选项，作为更新后的当前用户请求；在所述内容为指代选项时，将所述内容作为更新后的当前用户请求。
第一生成模块340，用于根据更新后的当前用户请求，生成所述当前用户请求的回复内容。
在本申请的一个实施例中，如图4所示，所述历史指代信息包括：触发指代的历史用户请求，以及与所述历史用户请求对应的多个指代选项，所述第一提取模块420，包括：第一获取子模块4201，用于在所述当前用户请求中未包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；第一确定子模块4202，用于确定所述当前用户请求与所述待处理历史用户请求对应的多个指代选项的第一相似度；第二确定子模块4203，用于将对应的第一相似度满足第一相似度阈值的指代选项，作为与所述当前用户请求匹配的内容。
其中，图4中410-440和图3中的310-340具有相同功能和结构。
在本申请的一个实施例中，如图5所示，所述第一提取模块520，还包括：第二获取子模块5204，用于在所述当前用户请求中包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；第一生成子模块5205，用于对所述当前用户请求中的所述序数实体以及无意义词语进行去除处理，生成改写后的当前用户请求；第三确定子模块5206，用于确定所述改写后的当前用户请求与所述待处理历史用户请求的第二相似度；第四确定子模块5207，用于将对应的第二相似度满足第二相似度阈值的待处理历史请求，作为与所述当前用户请求匹配的内容。
其中，图5中510-540和图3中的310-340具有相同功能和结构。
在本申请的一个实施例中，如图6所示，所述第一提取模块620，还包括：第一判断子模块6208，用于若未获取到对应的第二相似度满足第二相似度阈值的待处理历史请求，则判断所述当前用户请求是否满足预设的指代继承条件；第五确定子模块6209，用于在所述当前用户请求满足预设的指代继承条件时，将所述历史指代信息中时间点最近的历史用户请求，作为与所述当前用户请求匹配的内容；第六确定子模块6210，用于在所述当前用户请求未满足预设的指代继承条件时，确定不存在与所述当前用户请求匹配的内容。
在本申请的一个实施例中，所述指代继承条件中包括：指代继承的多个相关词语；所述第一判断子模块6208，具体用于：判断所述当前用户请求中是否存在所述相关词语；在所述当前用户请求中存在所述相关词语时，确定所述当前用户请求满足所述指代继承条件；在所述当前用户请求中未存在所述相关词语时，确定所述当前用户请求未满足所述指代继承条件。
其中，图6中610-640和图5中的510-540具有相同功能和结构。
在本申请的一个实施例中，如图7所示，在所述第一生成模块740之后，还包括：判断模块750，用于判断所述回复内容是否包括多个指代选项；第二更新模块760，用于在所述回复内容包括多个指代选项时，根据所述当前用户请求以及对应的回复内容对所述当前会话的历史指代信息进行更新。
其中，图7中710-740和图3中的310-340具有相同功能和结构。
根据本申请实施例的回复内容的生成装置，获取当前会话中的当前用户请求，以及当前会话中的历史指代信息，之后从历史指代信息中提取与当前用户请求匹配的内容，然后根据内容，对当前用户请求进行更新，得到更新后的当前用户请求，根据更新后的当前用户请求，生成当前用户请求的回复内容。由此通过从历史指代信息中提取与当前用户请求匹配的内动，并对当前用户请求进行更新，基于更新后的用户请求生成回复内容。实现了可灵活利用历史指代信息进行再次的指代对话逻辑，减少了对话轮次，提高了对话效率，降低了对多轮对话系统配置的门槛及复杂度，同时提升了用户对话的流畅度，提高了用户体验。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。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8所示，设备800包括计算单元801，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)802中的计算机程序或者从存储单元808加载到RAM(Random AccessMemory，随机访问/存取存储器)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。I/O(Input/Output，输入/输出)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如回复内容的生成方法。例如，在一些实施例中，回复内容的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的回复内容的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行回复内容的生成方法。
本文中以上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、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、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。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，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：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。
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。服务端可以是云服务器，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服务(“Virtual Private Server”，或简称“VPS”)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。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
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，本发公开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 (12)

1.一种回复内容的生成方法，包括：
获取当前会话中的当前用户请求，以及所述当前会话中的历史指代信息；
从所述历史指代信息中提取与所述当前用户请求匹配的内容；
根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求；
根据更新后的当前用户请求，生成所述当前用户请求的回复内容；
其中，所述历史指代信息包括：触发指代的历史用户请求，以及与所述历史用户请求对应的多个指代选项，所述从所述历史指代信息中提取与所述当前用户请求匹配的内容，包括：
在所述当前用户请求中未包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；
确定所述当前用户请求与所述待处理历史用户请求对应的多个指代选项的第一相似度；
将对应的第一相似度满足第一相似度阈值的指代选项，作为与所述当前用户请求匹配的内容；
所述根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求，包括：
在所述内容为历史用户请求时，根据所述内容对应的多个指代选项以及所述当前用户请求，确定所述当前用户请求中序数实体所指代的指代选项；将所述当前用户请求中序数实体所指代的指代选项，作为更新后的当前用户请求；
在所述内容为指代选项时，将所述内容作为更新后的当前用户请求。
2.根据权利要求1所述的方法，其中，所述从所述历史指代信息中提取与所述当前用户请求匹配的内容，还包括：
在所述当前用户请求中包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；
对所述当前用户请求中的所述序数实体以及无意义词语进行去除处理，生成改写后的当前用户请求；
确定所述改写后的当前用户请求与所述待处理历史用户请求的第二相似度；
将对应的第二相似度满足第二相似度阈值的待处理历史请求，作为与所述当前用户请求匹配的内容。
3.根据权利要求2所述的方法，其中，所述从所述历史指代信息中提取与所述当前用户请求匹配的内容，还包括：
若未获取到对应的第二相似度满足第二相似度阈值的待处理历史请求，则判断所述当前用户请求是否满足预设的指代继承条件；
在所述当前用户请求满足预设的指代继承条件时，将所述历史指代信息中时间点最近的历史用户请求，作为与所述当前用户请求匹配的内容；
在所述当前用户请求未满足预设的指代继承条件时，确定不存在与所述当前用户请求匹配的内容。
4.根据权利要求3所述的方法，其中，所述指代继承条件中包括：指代继承的多个相关词语；
所述判断所述当前用户请求是否满足预设的指代继承条件，包括：
判断所述当前用户请求中是否存在所述相关词语；
在所述当前用户请求中存在所述相关词语时，确定所述当前用户请求满足所述指代继承条件；
在所述当前用户请求中未存在所述相关词语时，确定所述当前用户请求未满足所述指代继承条件。
5.根据权利要求1所述的方法，其中，在根据更新后的当前用户请求，生成所述当前用户请求的回复内容之后，还包括：
判断所述回复内容是否包括多个指代选项；
在所述回复内容包括多个指代选项时，根据所述当前用户请求以及对应的回复内容对所述当前会话的历史指代信息进行更新。
6.一种回复内容的生成装置，包括：
第一获取模块，用于获取当前会话中的当前用户请求，以及所述当前会话中的历史指代信息；
第一提取模块，用于从所述历史指代信息中提取与所述当前用户请求匹配的内容；
第一更新模块，用于根据所述内容，对所述当前用户请求进行更新，得到更新后的当前用户请求；
第一生成模块，用于根据更新后的当前用户请求，生成所述当前用户请求的回复内容；
其中，所述历史指代信息包括：触发指代的历史用户请求，以及与所述历史用户请求对应的多个指代选项，所述第一提取模块，包括：
第一获取子模块，用于在所述当前用户请求中未包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；
第一确定子模块，用于确定所述当前用户请求与所述待处理历史用户请求对应的多个指代选项的第一相似度；
第二确定子模块，用于将对应的第一相似度满足第一相似度阈值的指代选项，作为与所述当前用户请求匹配的内容；
所述第一更新模块，具体用于：
在所述内容为历史用户请求时，根据所述内容对应的多个指代选项以及所述当前用户请求，确定所述当前用户请求中序数实体所指代的指代选项；将所述当前用户请求中序数实体所指代的指代选项，作为更新后的当前用户请求；
在所述内容为指代选项时，将所述内容作为更新后的当前用户请求。
7.根据权利要求6所述的装置，其中，所述第一提取模块，还包括：
第二获取子模块，用于在所述当前用户请求中包括序数实体时，按照时间点从近到远的顺序依次从所述历史指代信息中获取历史用户请求作为待处理历史用户请求；
第一生成子模块，用于对所述当前用户请求中的所述序数实体以及无意义词语进行去除处理，生成改写后的当前用户请求；
第三确定子模块，用于确定所述改写后的当前用户请求与所述待处理历史用户请求的第二相似度；
第四确定子模块，用于将对应的第二相似度满足第二相似度阈值的待处理历史请求，作为与所述当前用户请求匹配的内容。
8.根据权利要求7所述的装置，其中，所述第一提取模块，还包括：
第一判断子模块，用于若未获取到对应的第二相似度满足第二相似度阈值的待处理历史请求，则判断所述当前用户请求是否满足预设的指代继承条件；
第五确定子模块，用于在所述当前用户请求满足预设的指代继承条件时，将所述历史指代信息中时间点最近的历史用户请求，作为与所述当前用户请求匹配的内容；
第六确定子模块，用于在所述当前用户请求未满足预设的指代继承条件时，确定不存在与所述当前用户请求匹配的内容。
9.根据权利要求8所述的装置，其中，所述指代继承条件中包括：指代继承的多个相关词语；
所述第一判断子模块，具体用于：
判断所述当前用户请求中是否存在所述相关词语；
在所述当前用户请求中存在所述相关词语时，确定所述当前用户请求满足所述指代继承条件；
在所述当前用户请求中未存在所述相关词语时，确定所述当前用户请求未满足所述指代继承条件。
10.根据权利要求6所述的装置，其中，在所述第一生成模块之后，还包括：
判断模块，用于判断所述回复内容是否包括多个指代选项；
第二更新模块，用于在所述回复内容包括多个指代选项时，根据所述当前用户请求以及对应的回复内容对所述当前会话的历史指代信息进行更新。
11.一种电子设备，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1-5中任一项所述的回复内容的生成方法。
12.一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1-5中任一项所述的回复内容的生成方法。
CN202011554184.8A 2020-12-24 2020-12-24 回复内容的生成方法、装置、设备和存储介质 Active CN112632251B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011554184.8A CN112632251B (zh) 2020-12-24 2020-12-24 回复内容的生成方法、装置、设备和存储介质
US17/382,829 US11816443B2 (en) 2020-12-24 2021-07-22 Method, device, and storage medium for generating response
EP21187693.3A EP3910528A3 (en) 2020-12-24 2021-07-26 Method, apparatus, device, and storage medium for generating response
JP2021197234A JP2022031854A (ja) 2020-12-24 2021-12-03 返信内容の生成方法、装置、機器及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011554184.8A CN112632251B (zh) 2020-12-24 2020-12-24 回复内容的生成方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN112632251A CN112632251A (zh) 2021-04-09
CN112632251B true CN112632251B (zh) 2023-12-29

Family

ID=75324675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011554184.8A Active CN112632251B (zh) 2020-12-24 2020-12-24 回复内容的生成方法、装置、设备和存储介质

Country Status (4)

Country Link
US (1) US11816443B2 (zh)
EP (1) EP3910528A3 (zh)
JP (1) JP2022031854A (zh)
CN (1) CN112632251B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111665B (zh) * 2021-04-16 2022-10-04 清华大学 一种个性化对话改写方法及装置
CN112989008A (zh) * 2021-04-21 2021-06-18 上海汽车集团股份有限公司 一种多轮对话改写方法、装置和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591969A (zh) * 2011-12-31 2012-07-18 北京百度网讯科技有限公司 基于用户历史行为提供搜索结果的方法及服务器
CN106716921A (zh) * 2014-09-29 2017-05-24 微软技术许可有限责任公司 会话历史范围控制
US10192179B1 (en) * 2014-04-30 2019-01-29 Amazon Technologies, Inc. Session transfer in a customer service environment
CN109830231A (zh) * 2018-12-17 2019-05-31 北京百度网讯科技有限公司 会话处理方法、装置和存储介质
CN110879837A (zh) * 2018-09-06 2020-03-13 华为技术有限公司 一种信息处理方法及装置
WO2020125457A1 (zh) * 2018-12-21 2020-06-25 广东美的白色家电技术创新中心有限公司 多轮交互的语义理解方法、装置及计算机存储介质
CN111428483A (zh) * 2020-03-31 2020-07-17 华为技术有限公司 语音交互方法、装置和终端设备
CN111611364A (zh) * 2020-05-15 2020-09-01 北京百度网讯科技有限公司 一种智能应答方法、装置、设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002023783A (ja) 2000-07-13 2002-01-25 Fujitsu Ltd 対話処理システム
US20070100908A1 (en) * 2005-11-01 2007-05-03 Neeraj Jain Method and apparatus for tracking history information of a group session
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
US9865260B1 (en) 2017-05-03 2018-01-09 Google Llc Proactive incorporation of unsolicited content into human-to-computer dialogs
JP6370962B1 (ja) 2017-05-12 2018-08-08 ヤフー株式会社 生成装置、生成方法および生成プログラム
US11256868B2 (en) 2019-06-03 2022-02-22 Microsoft Technology Licensing, Llc Architecture for resolving ambiguous user utterance
US11302330B2 (en) * 2019-06-03 2022-04-12 Microsoft Technology Licensing, Llc Clarifying questions for rewriting ambiguous user utterance

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591969A (zh) * 2011-12-31 2012-07-18 北京百度网讯科技有限公司 基于用户历史行为提供搜索结果的方法及服务器
US10192179B1 (en) * 2014-04-30 2019-01-29 Amazon Technologies, Inc. Session transfer in a customer service environment
CN106716921A (zh) * 2014-09-29 2017-05-24 微软技术许可有限责任公司 会话历史范围控制
CN110879837A (zh) * 2018-09-06 2020-03-13 华为技术有限公司 一种信息处理方法及装置
CN109830231A (zh) * 2018-12-17 2019-05-31 北京百度网讯科技有限公司 会话处理方法、装置和存储介质
WO2020125457A1 (zh) * 2018-12-21 2020-06-25 广东美的白色家电技术创新中心有限公司 多轮交互的语义理解方法、装置及计算机存储介质
CN111428483A (zh) * 2020-03-31 2020-07-17 华为技术有限公司 语音交互方法、装置和终端设备
CN111611364A (zh) * 2020-05-15 2020-09-01 北京百度网讯科技有限公司 一种智能应答方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
交互式问答中基于话语结构的指代消解研究;张超;孔芳;周国栋;;计算机工程与应用(19);全文 *
基于DQN的开放域多轮对话策略学习;宋皓宇;张伟男;刘挺;;中文信息学报(07);全文 *

Also Published As

Publication number Publication date
US20210350085A1 (en) 2021-11-11
EP3910528A2 (en) 2021-11-17
US11816443B2 (en) 2023-11-14
EP3910528A3 (en) 2022-02-16
CN112632251A (zh) 2021-04-09
JP2022031854A (ja) 2022-02-22

Similar Documents

Publication Publication Date Title
CN112632251B (zh) 回复内容的生成方法、装置、设备和存储介质
CN113407850B (zh) 一种虚拟形象的确定和获取方法、装置以及电子设备
JP2022177201A (ja) 画像処理方法、装置、電子機器及び記憶媒体
CN114218931B (zh) 信息抽取方法、装置、电子设备和可读存储介质
CN113627536B (zh) 模型训练、视频分类方法，装置，设备以及存储介质
CN113963110A (zh) 纹理图生成方法、装置、电子设备及存储介质
CN113378855A (zh) 用于处理多任务的方法、相关装置及计算机程序产品
US20220343512A1 (en) Method and apparatus of processing image, electronic device, and storage medium
CN113641829A (zh) 图神经网络的训练与知识图谱的补全方法、装置
CN115690443A (zh) 特征提取模型训练方法、图像分类方法及相关装置
CN113904943B (zh) 账号检测方法、装置、电子设备和存储介质
CN114861059A (zh) 资源推荐方法、装置、电子设备及存储介质
CN113963197A (zh) 图像识别方法、装置、电子设备和可读存储介质
CN113704256B (zh) 数据识别方法、装置、电子设备及存储介质
CN115495151A (zh) 规则引擎的迁移方法、装置、设备、存储介质及程序产品
CN114067805A (zh) 声纹识别模型的训练与声纹识别方法及装置
CN113656422A (zh) 人脸底库的更新方法及装置
CN112817463A (zh) 输入法获取音频数据的方法、设备和存储介质
CN111429257A (zh) 一种交易监控方法和装置
CN116244413B (zh) 新意图确定方法、设备和存储介质
CN116881485B (zh) 生成图像检索索引的方法及装置、电子设备和介质
CN114115640B (zh) 图标的确定方法、装置、设备以及存储介质
CN112860638B (zh) 数据存储的监控方法、装置和电子设备
CN113360688B (zh) 信息库的构建方法、装置及系统
US20220374603A1 (en) Method of determining location information, electronic device, and storage medium

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