CN112836030A - 一种智能对话系统及方法 - Google Patents

一种智能对话系统及方法 Download PDF

Info

Publication number
CN112836030A
CN112836030A CN202110129351.2A CN202110129351A CN112836030A CN 112836030 A CN112836030 A CN 112836030A CN 202110129351 A CN202110129351 A CN 202110129351A CN 112836030 A CN112836030 A CN 112836030A
Authority
CN
China
Prior art keywords
dialogue
information
module
text information
target
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.)
Granted
Application number
CN202110129351.2A
Other languages
English (en)
Other versions
CN112836030B (zh
Inventor
张旻晋
许达文
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.)
Chengdu Shihaixintu Microelectronics Co ltd
Original Assignee
Chengdu Shihaixintu Microelectronics 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 Chengdu Shihaixintu Microelectronics Co ltd filed Critical Chengdu Shihaixintu Microelectronics Co ltd
Priority to CN202110129351.2A priority Critical patent/CN112836030B/zh
Publication of CN112836030A publication Critical patent/CN112836030A/zh
Application granted granted Critical
Publication of CN112836030B publication Critical patent/CN112836030B/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
    • 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
    • G06F16/3322—Query formulation using system suggestions
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开的智能对话系统及方法，所述系统包括：语音采集模块、预处理模块、对话生成模块，执行模块和存储模块；通过对话生成模块利用在线的搜索匹配模型先进行初步检索生成与对话目标文本信息匹配的回复文本信息，当无法生成与对话目标文本信息匹配的回复文本信息时，才进行语义理解处理最终得到符合对话目标的回复文本信息，可规避掉直接对对话目标文本信息进行语义理解处理计算的巨大的计算操作，减小在线操作的时间，并且减少了对话模型中大部分的计算量；语义关系模型构建模块在离线过程中基于存储模块中的对话信息库和历史对话数据构建语义关系模型，避免了在线建模时对对存储模块的数据访问量，为在线智能对话过程提供更多访问空间。

Description

一种智能对话系统及方法
技术领域
本发明涉及智能对话技术领域，具体涉及一种智能对话系统及方法。
背景技术
近年来，对话系统已经应用在各个领域，如客服系统，心理辅导师，智能家居等，越来越引起人们的重视，成为当前的一个研究热点。
对话系统是根据用户提出的问题得到最符合用户意图的回复，但由于对话背景知识复杂性，以及话语间关系的多样性，多轮对话是一项极具挑战的任务。
目前执行一次对话系统需要经过语音识别，自然语言理解，对话管理，自然语言生成，文本生成五部分，涉及外部知识库检索以及多个深度学习网络计算，因此执行一轮对话需要的计算成本和时间成本成为模型性能和能源成本的重要组成部分。然而在一些应用中，如语音对话导航系统等，需要系统在极短的时间内完成对用户的回复。
因此，需要对现有的多轮对话系统进行改进，来提高对话系统的实时性，减少在线响应时间，提高在线计算效率。
发明内容
为克服上述技术的缺陷，本发明提供一种智能对话系统及方法，该智能对话系统具有高性能高利用率低延时的特点。
本发明通过下述技术方案实现：
本方案提供的一种智能对话系统，包括：
语音采集模块收集对话目标的声波信息后生成对话目标语音信息；语音采集模块将对话目标语音信息发送给预处理模块；
预处理模块将对话目标语音信息进行识别和转换后生成对话目标文本信息；预处理模块将对话目标文本信息发送给对话生成模块；
对话生成模块在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当对话生成模块未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息；
对话生成模块将与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息发送给执行模块；
由执行模块对与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息进行语音表达；
存储模块用于存储对话信息库和对话数据。
本方案工作原理：目前执行一次对话系统需要经过语音识别，自然语言理解，对话管理，自然语言生成，文本生成五部分，涉及外部知识库检索以及多个深度学习网络计算，因此执行一轮对话需要的计算成本和时间成本成为模型性能和能源成本的重要组成部分。然而在一些应用中，如语音对话导航系统等，需要系统在极短的时间内完成对用户的回复。因此，需要对现有的多轮对话系统进行改进，来提高对话系统的实时性，减少在线响应时间，提高在线计算效率。本方案通过对话生成模块利用在线的搜索匹配模型先进行初步检索生成与对话目标文本信息匹配的回复文本信息，当无法生成与对话目标文本信息匹配的回复文本信息时，才进行更深一步的语义理解处理最终得到符合对话目标的回复文本信息。可以大大规避掉直接对对话目标文本信息进行语义理解处理计算的巨大的计算操作，减小在线操作的时间，并且减少了对话模型中大部分的计算量。
进一步优化方案为，所述对话生成模块包括：检索模块、匹配模块、生成模块和反馈模块；
检索模块基于对话目标文本信息在对话信息库中依据语义关系模型做检索映射，并从存储模块得到预取信息；检索模块将预取信息发送给匹配模块，由匹配模块将对话目标文本信息与预取信息进行匹配并输入评分模型得到匹配度最高的预取信息；
检索模块将匹配度最高的预取信息发送给生成模块，由生成模块生成与对话目标文本信息匹配的回复文本信息；
若检索模块将未得到预取信息的对话目标文本信息发送给反馈模块，反馈模块对当前对话目标文本信息依次进行向量化处理、语义理解处理后得到符合对话目标的回复文本信息。
将用户的对话历史信息输入到检索模型，利用检索模块访问存储模块，得到多个候选对话问答对(预取信息)，然后进行匹配度评分，筛选出匹配度最高的预取信息，可以直接跳过反馈模块到执行模块，转换成声音信息传递给用户，如果没有符合目标意图的对话回复信息，再由反馈模块进行复杂的理解和生成操作，再经过执行模块得到符合用户意图的回复信息，减少不必要的计算量，提高计算效率。
进一步优化方案为，所述检索模块基于分层多叉树的检索方式在对话信息库中做检索映射。
进一步优化方案为，所述评分模型为利用对话信息库中已构建好的问答对关系来构建训练测试样本，其中，一个问答对问题和具有相关关系的集合中的问答对作为正样本；一个问答对问题和任意不具备相关关系的集合中的问答对作为负样本。
进一步优化方案为，还包括语义关系模型构建模块，在离线过程中，语义关系模型构建模块基于存储模块中的对话信息库和历史对话数据构建语义关系模型，具体步骤为：
S1.提取历史对话数据中的一个问答对；
S2.剔除当前问答对的首轮对话；
S3.对S2得到的剩余对话在对话信息库中进行映射操作后再进行分层多叉树索引构建得到语义关系模型。
进一步优化方案为，S3中，当对话信息库中存在至少两个对话问答对与S2得到的剩余对话有相同或相似的语义信息时，则将这些对话问答对与S1中提取的问答对进行知识图谱索引构建。
进一步优化方案为，所述反馈模块还包括信息增强模式，当需要外部信息增强时，反馈模块访问存储模块中获取当前对话目标文本信息的信息源语义映射信息。
进一步优化方案为，所述对话生成模块还包括编码模块，编码模块将对话目标文本信息进行编码转换生成反馈模块或检索模块可以识别的形式。
基于上述智能对话系统，本发明还提供一种智能对话方法，包括步骤：
T1.收集对话目标的声波信息后生成对话目标语音信息；
T2.将对话目标语音信息进行识别和转换后生成对话目标文本信息；
T3.基于对话目标文本信息生成回复文本信息并；
T4.对回复文本信息进行语音表达。
进一步优化方案为，回复文本信息包括与对话目标文本信息匹配的回复文本信息和符合对话目标的回复文本信息；
T3中基于对话目标文本信息生成回复文本信息具体过程为：
在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息。
本发明与现有技术相比，具有如下的优点和有益效果：
1.本发明提出一种智能对话系统及方法，通过对话生成模块利用在线的搜索匹配模型先进行初步检索生成与对话目标文本信息匹配的回复文本信息，当无法生成与对话目标文本信息匹配的回复文本信息时，才进行更深一步的语义理解处理最终得到符合对话目标的回复文本信息，可规避掉直接对对话目标文本信息进行语义理解处理计算的巨大的计算操作，减小在线操作的时间，并且减少了对话模型中大部分的计算量。
2.本发明提出一种智能对话系统及方法，语义关系模型构建模块在离线过程中基于存储模块中的对话信息库和历史对话数据构建语义关系模型，避免了在线建模时对对存储模块的数据访问量，为在线智能对话过程提供更多访问空间。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。
图1是本发明智能对话系统结构图；
图2是实施例智能对话系统实际回复的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
典型的对话系统是由多种模型堆叠成的混合结构，并且每种模型都具有多个层。例如，对于管道式的对话系统，其处理数据的过程由语音识别、自然语言理解、对话管理、任务管理器、自然语言生成和语音合成等六个组件组成，其中，自然语言理解和生成的操作过程是：将对话输入的信息的文本信息输入到模型中，在计算过程中将文本逐个按字进行嵌入处理，转换成机器可以识别的形式，然后输入到例如基于长短期记忆的序列到序列模型或基于转换器的双向编码表征模型中进行大规模的计算，提取并理解用户的关键信息和意图并生成符合用户意图的信息。对话管理和任务管理器的操作过程需要对外部数据库进行检索和匹配，需要访问的数据量非常大。
实施例1
为了改进整个对话计算过程的处理效率，如图1和图2所示，本实施例提供的一种智能对话系统，该对话系统可以应用多个训练好的神经网络表征模型，从而获得符合目标用户意图的会话回复。
智能对话系统包括：语音采集模块、预处理模块、对话生成模块，执行模块和存储模块；
语音采集模块收集对话目标的声波信息后生成对话目标语音信息；语音采集模块将对话目标语音信息发送给预处理模块；
预处理模块将对话目标语音信息进行识别和转换后生成对话目标文本信息；预处理模块将对话目标文本信息发送给对话生成模块；
对话生成模块在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当对话生成模块未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息；
对话生成模块将与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息发送给执行模块；
由执行模块对与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息进行语音表达；存储模块用于存储对话信息库和对话数据。
对话生成模块包括：检索模块、匹配模块、生成模块和反馈模块；
检索模块基于对话目标文本信息在对话信息库中依据语义关系模型做检索映射，并从存储模块得到预取信息；检索模块将预取信息发送给匹配模块，由匹配模块将对话目标文本信息与预取信息进行匹配并输入评分模型得到匹配度最高的预取信息；
检索模块将匹配度最高的预取信息发送给生成模块，由生成模块生成与对话目标文本信息匹配的回复文本信息；
若检索模块将未得到预取信息的对话目标文本信息发送给反馈模块，反馈模块对当前对话目标文本信息依次进行向量化处理、语义理解处理后得到符合对话目标的回复文本信息
检索模块基于分层多叉树的检索方式在对话信息库中做检索映射。
对用户输入的语音信息通过麦克风接收后转换成声波信息，然后通过端到端语音识别模型(如DeepSpeech)将语音转换成文本信息，接着通过编码模块得到向量化处理。
评分模型为利用对话信息库中已构建好的问答对关系来构建训练测试样本，其中，一个问答对问题和具有相关关系的集合中的问答对作为正样本；一个问答对问题和任意不具备相关关系的集合中的问答对作为负样本。
系统还包括语义关系模型构建模块，在离线过程中，语义关系模型构建模块基于存储模块中的对话信息库和历史对话数据构建语义关系模型，具体步骤为：
S1.提取历史对话数据中的一个问答对；
S2.剔除当前问答对的首轮对话；
S3.对S2得到的剩余对话在对话信息库中进行映射操作后再进行分层多叉树索引构建得到语义关系模型。
S3中，当对话信息库中存在至少两个对话问答对与S2得到的剩余对话有相同或相似的语义信息时，则将这些对话问答对与S1中提取的问答对进行知识图谱索引构建。
在一个问答对过程中，除了首轮对话外，其他轮对话都具有对话历史信息。在一个实施例中，历史对话数据包括用户之前各轮对话的输入和机器针对该用户前文对话输入的前文回复。举例来说，如表1，若当前正在进行用户和机器的第一轮对话，当前用户输入为10，机器回复为20，则不存在对话历史信息；若当前正在进行用户和机器的第二轮对话，当前用户输入为11，机器回复为21，则存在对话历史信息为10和20问答对；若当前正在进行用户和机器的第三轮对话，当前用户输入为12，机器回复为22，则存在对话历史信息为10和20问答对以及11和21问答对。
表一
用户 10
机器 20
用户 11
机器 21
用户 12
机器 22
... ...
对对S2得到的剩余对话在对话信息库中进行映射操作后再进行映射操作包括但不限于哈希处理，并将其作为索引在对话信息库中进行检索查找与上述信息对应的候选信息。可以理解为对于当前轮的对话的历史信息问答对进行映射处理(深度哈希映射)，转换成机器可以识别的语言，从存储模块中检索出在语义上相同或相近的问答对，作为符合当前用户意图的候选项。其中检索模型可以使用基于分层多叉树的检索方式，通过从根节点到叶节依次进行编码匹配。
将当前用户的当前输入的文本编码信息和检索出的候选问答对信息进行相似性匹配评分，评分模型可以是基于注意力机制的模型(如transformer)，选取最符合用户意图的回复(匹配度最高的预取信息)作为最终的机器回复。
反馈模块还包括信息增强模式，当需要外部信息增强时，反馈模块访问存储模块中获取当前对话目标文本信息的信息源语义映射信息。
对话生成模块还包括编码模块，编码模块将对话目标文本信息进行编码转换生成反馈模块或检索模块可以识别的形式。
实施例2
基于上述智能对话系统，本实施例提供一种智能对话方法，包括步骤：
T1.收集对话目标的声波信息后生成对话目标语音信息；
T2.将对话目标语音信息进行识别和转换后生成对话目标文本信息；
T3.基于对话目标文本信息生成回复文本信息并；
T4.对回复文本信息进行语音表达。
回复文本信息包括与对话目标文本信息匹配的回复文本信息和符合对话目标的回复文本信息；
T3中基于对话目标文本信息生成回复文本信息具体过程为：
在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能对话系统，其特征在于，包括：
语音采集模块收集对话目标的声波信息后生成对话目标语音信息；语音采集模块将对话目标语音信息发送给预处理模块；
预处理模块将对话目标语音信息进行识别和转换后生成对话目标文本信息；预处理模块将对话目标文本信息发送给对话生成模块；
对话生成模块在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当对话生成模块未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息；
对话生成模块将与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息发送给执行模块；
由执行模块对与对话目标文本信息匹配的回复文本信息或符合对话目标的回复文本信息进行语音表达；
存储模块用于存储对话信息库和对话数据。
2.根据权利要求1所述的一种智能对话系统，其特征在于，所述对话生成模块包括：检索模块、匹配模块、生成模块和反馈模块；
检索模块基于对话目标文本信息在对话信息库中依据语义关系模型做检索映射，并从存储模块得到预取信息；检索模块将预取信息发送给匹配模块，由匹配模块将对话目标文本信息与预取信息进行匹配并输入评分模型得到匹配度最高的预取信息；
检索模块将匹配度最高的预取信息发送给生成模块，由生成模块生成与对话目标文本信息匹配的回复文本信息；
若检索模块将未得到预取信息的对话目标文本信息发送给反馈模块，反馈模块对当前对话目标文本信息依次进行向量化处理、语义理解处理后得到符合对话目标的回复文本信息。
3.根据权利要求2所述的一种智能对话系统，其特征在于，所述检索模块基于分层多叉树的检索方式在对话信息库中做检索映射。
4.根据权利要求2所述的一种智能对话系统，其特征在于，所述评分模型为利用对话信息库中已构建好的问答对关系来构建训练测试样本，其中，一个问答对问题和具有相关关系的集合中的问答对作为正样本；一个问答对问题和任意不具备相关关系的集合中的问答对作为负样本。
5.根据权利要求2所述的一种智能对话系统，其特征在于，还包括语义关系模型构建模块，在离线过程中，语义关系模型构建模块基于存储模块中的对话信息库和历史对话数据构建语义关系模型，具体步骤为：
S1.提取历史对话数据中的一个问答对；
S2.剔除当前问答对的首轮对话；
S3.对S2得到的剩余对话在对话信息库中进行映射操作后再进行分层多叉树索引构建得到语义关系模型。
6.根据权利要求5所述的一种智能对话系统，其特征在于，S3中，当对话信息库中存在至少两个对话问答对与S2得到的剩余对话有相同或相似的语义信息时，则将这些对话问答对与S1中提取的问答对进行知识图谱索引构建。
7.根据权利要求2所述的一种智能对话系统，其特征在于，所述反馈模块还包括信息增强模式，当需要外部信息增强时，反馈模块访问存储模块中获取当前对话目标文本信息的信息源语义映射信息。
8.根据权利要求2所述的一种智能对话系统，其特征在于，所述对话生成模块还包括编码模块，编码模块将对话目标文本信息进行编码转换生成反馈模块或检索模块可识别的形式。
9.一种智能对话方法，基于权利要求1-8任意一种智能对话系统，其特征在于，包括步骤：
T1.收集对话目标的声波信息后生成对话目标语音信息；
T2.将对话目标语音信息进行识别和转换后生成对话目标文本信息；
T3.基于对话目标文本信息生成回复文本信息并；
T4.对回复文本信息进行语音表达。
10.根据权利要求9所述的一种智能对话方法，其特征在于，回复文本信息包括与对话目标文本信息匹配的回复文本信息和符合对话目标的回复文本信息；
基于对话目标文本信息生成回复文本信息具体过程为：
在对话信息库中进行检索并生成与对话目标文本信息匹配的回复文本信息；
当未检索到与对话目标文本信息匹配的回复文本信息，则对话生成模块对当前对话目标文本信息进行语义理解处理后，得到符合对话目标的回复文本信息。
CN202110129351.2A 2021-01-29 2021-01-29 一种智能对话系统及方法 Active CN112836030B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110129351.2A CN112836030B (zh) 2021-01-29 2021-01-29 一种智能对话系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110129351.2A CN112836030B (zh) 2021-01-29 2021-01-29 一种智能对话系统及方法

Publications (2)

Publication Number Publication Date
CN112836030A true CN112836030A (zh) 2021-05-25
CN112836030B CN112836030B (zh) 2023-04-25

Family

ID=75931199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110129351.2A Active CN112836030B (zh) 2021-01-29 2021-01-29 一种智能对话系统及方法

Country Status (1)

Country Link
CN (1) CN112836030B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297362A (zh) * 2021-12-31 2022-04-08 浙江力石科技股份有限公司 一种基于文旅行业结合算法对问答系统
CN114706965A (zh) * 2022-03-22 2022-07-05 广州营客信息科技有限公司 Ai智慧客服系统
CN115795017A (zh) * 2023-01-17 2023-03-14 深圳联友科技有限公司 一种对话系统离线在线融合应用方法及系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060004721A1 (en) * 2004-04-23 2006-01-05 Bedworth Mark D System, method and technique for searching structured databases
CN105868313A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于模板匹配技术的知识图谱问答系统及方法
CN106919674A (zh) * 2017-02-20 2017-07-04 广东省中医院 一种基于Wiki语义网络构建的知识问答系统及智能检索方法
CN107220292A (zh) * 2017-04-25 2017-09-29 上海庆科信息技术有限公司 智能对话装置、反馈式智能语音控制系统及方法
CN107665706A (zh) * 2016-07-29 2018-02-06 科大讯飞股份有限公司 快速语音交互方法及系统
CN108509519A (zh) * 2018-03-09 2018-09-07 北京邮电大学 基于深度学习的通用知识图谱增强问答交互系统及方法
CN109947921A (zh) * 2019-03-19 2019-06-28 河海大学常州校区 一种基于自然语言处理的智能问答系统
CN110209791A (zh) * 2019-06-12 2019-09-06 百融云创科技股份有限公司 一种多轮对话智能语音交互系统及装置
US20190286700A1 (en) * 2018-03-15 2019-09-19 Servicenow, Inc. Incident Matching with Vector-Based Natural Language Processing
CN110597952A (zh) * 2019-08-20 2019-12-20 深圳壹账通智能科技有限公司 信息处理方法、服务器及计算机存储介质
CN111177359A (zh) * 2020-04-10 2020-05-19 支付宝(杭州)信息技术有限公司 多轮对话方法和装置
CN111261150A (zh) * 2018-11-30 2020-06-09 阿里巴巴集团控股有限公司 一种人机对话的实现方法及装置
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
CN111462750A (zh) * 2020-03-20 2020-07-28 北京邮电大学 语义与知识增强的端到端任务型对话系统及方法
CN112037793A (zh) * 2020-08-21 2020-12-04 北京如影智能科技有限公司 一种语音回复方法及装置
CN112100354A (zh) * 2020-09-16 2020-12-18 北京奇艺世纪科技有限公司 人机对话方法、装置、设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060004721A1 (en) * 2004-04-23 2006-01-05 Bedworth Mark D System, method and technique for searching structured databases
CN105868313A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于模板匹配技术的知识图谱问答系统及方法
CN107665706A (zh) * 2016-07-29 2018-02-06 科大讯飞股份有限公司 快速语音交互方法及系统
CN106919674A (zh) * 2017-02-20 2017-07-04 广东省中医院 一种基于Wiki语义网络构建的知识问答系统及智能检索方法
CN107220292A (zh) * 2017-04-25 2017-09-29 上海庆科信息技术有限公司 智能对话装置、反馈式智能语音控制系统及方法
CN108509519A (zh) * 2018-03-09 2018-09-07 北京邮电大学 基于深度学习的通用知识图谱增强问答交互系统及方法
US20190286700A1 (en) * 2018-03-15 2019-09-19 Servicenow, Inc. Incident Matching with Vector-Based Natural Language Processing
CN111261150A (zh) * 2018-11-30 2020-06-09 阿里巴巴集团控股有限公司 一种人机对话的实现方法及装置
CN109947921A (zh) * 2019-03-19 2019-06-28 河海大学常州校区 一种基于自然语言处理的智能问答系统
CN110209791A (zh) * 2019-06-12 2019-09-06 百融云创科技股份有限公司 一种多轮对话智能语音交互系统及装置
CN110597952A (zh) * 2019-08-20 2019-12-20 深圳壹账通智能科技有限公司 信息处理方法、服务器及计算机存储介质
CN111462750A (zh) * 2020-03-20 2020-07-28 北京邮电大学 语义与知识增强的端到端任务型对话系统及方法
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
CN111177359A (zh) * 2020-04-10 2020-05-19 支付宝(杭州)信息技术有限公司 多轮对话方法和装置
CN112037793A (zh) * 2020-08-21 2020-12-04 北京如影智能科技有限公司 一种语音回复方法及装置
CN112100354A (zh) * 2020-09-16 2020-12-18 北京奇艺世纪科技有限公司 人机对话方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄锵嘉等: ""面向任务口语对话系统中不含槽信息话语的端到端对话控制"", 《中文信息学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297362A (zh) * 2021-12-31 2022-04-08 浙江力石科技股份有限公司 一种基于文旅行业结合算法对问答系统
CN114706965A (zh) * 2022-03-22 2022-07-05 广州营客信息科技有限公司 Ai智慧客服系统
CN114706965B (zh) * 2022-03-22 2022-11-11 广州营客信息科技有限公司 Ai智慧客服系统
CN115795017A (zh) * 2023-01-17 2023-03-14 深圳联友科技有限公司 一种对话系统离线在线融合应用方法及系统
CN115795017B (zh) * 2023-01-17 2023-05-02 深圳联友科技有限公司 一种对话系统离线在线融合应用方法及系统

Also Published As

Publication number Publication date
CN112836030B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN112836030B (zh) 一种智能对话系统及方法
CN110096567B (zh) 基于qa知识库推理的多轮对话回复选择方法、系统
CN111310438A (zh) 基于多粒度融合模型的中文句子语义智能匹配方法及装置
CN109460459B (zh) 一种基于日志学习的对话系统自动优化方法
CN111563149B (zh) 一种用于中文知识图谱问答系统的实体链接方法
CN108984778A (zh) 一种智能交互自动问答系统以及自我学习方法
CN107766511A (zh) 智能问答方法、终端及存储介质
CN116127095A (zh) 一种序列模型与知识图谱结合的问答方法
CN116150335A (zh) 一种军事场景下文本语义检索方法
CN113609264B (zh) 电力系统节点的数据查询方法、装置
CN117435716A (zh) 电网人机交互终端的数据处理方法及系统
CN116910086B (zh) 一种基于自注意力句法感知的数据库查询方法和系统
CN116561264A (zh) 一种基于知识图谱的智能问答系统的构建方法
CN117290485A (zh) 一种基于llm的问答增强方法
Hakimov et al. Evaluating architectural choices for deep learning approaches for question answering over knowledge bases
Williams Zero Shot Intent Classification Using Long-Short Term Memory Networks.
CN117909464A (zh) 一种用于电力设备监测数据查询的智能问答方法及系统
KR102277787B1 (ko) 신경망 기반 자연어로부터 sql 질의 번역 시 사용되는 컬럼 및 테이블을 예측하는 방법
CN115905187B (zh) 一种面向云计算工程技术人员认证的智能化命题系统
CN116414958B (zh) 文本语料的生成方法、装置、存储介质及电子设备
CN117708324A (zh) 一种文本主题分类方法、装置、芯片及终端
CN113157866B (zh) 一种数据分析方法、装置、计算机设备及存储介质
CN115544230A (zh) 一种问句答案检索处理方法及装置
CN115238705A (zh) 语义解析结果重排序方法及系统
CN118484516B (zh) 面向行业大模型的多层次主题式检索增强生成方法及系统

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