CN113032538A - 一种基于知识图谱的话题转移方法、控制器及存储介质 - Google Patents
一种基于知识图谱的话题转移方法、控制器及存储介质 Download PDFInfo
- Publication number
- CN113032538A CN113032538A CN202110264156.0A CN202110264156A CN113032538A CN 113032538 A CN113032538 A CN 113032538A CN 202110264156 A CN202110264156 A CN 202110264156A CN 113032538 A CN113032538 A CN 113032538A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- graph
- user
- information
- transfer method
- 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 38
- 238000012546 transfer Methods 0.000 title claims abstract description 30
- 230000005236 sound signal Effects 0.000 claims abstract description 9
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 241001466804 Carnivora Species 0.000 description 4
- 241000282324 Felis Species 0.000 description 4
- 241000282376 Panthera tigris Species 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism 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
- G06F16/334—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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/027—Concept to speech synthesisers; Generation of natural phrases from machine-based concepts
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种基于知识图谱的话题转移方法、控制器及存储介质,其中基于知识图谱的话题转移方法包括:识别用户的语音数据输入;理解用户所述语音数据的语义信息;匹配用户所述语义信息的前后语义的区别和为后续对话进行做准备,包括维护知识图谱、维护对话状态和排序候选动作;生成对话信息;把所述对话信息合成为音频信号输出,基于知识图谱的话题转移方法能达到信息主题切换的连贯效果。
Description
技术领域
本发明涉及机器学习领域,特别涉及一种基于知识图谱的话题转移方法、控制器及存储介质。
背景技术
实现聊天机器人的技术有多种多样,但是从整个应用系统架构上分为End-to-End模式和Pipeline模式。其中,Pipeline模式,从Input->NLU->DM->NLG->Output,一个对话从输入像流水线一样经过系统,最终得到答案输出给用户。Pipeline非常灵活,可解释性强,易于落地,各个模块都可以采用不同的技术去替换,模块相互之间可以通过参数传递共享上一轮成果。但是其缺点是不够灵活,各个模块之间相对独立,难以联合调优,并且由于模块之间的误差会层层累积。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,根据预先设定的聊天模板,从数据库中找寻最合适的应答句。在现实中,聊天的形式、内容具有极强的时效性,不可能一言概之。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于知识图谱的话题转移方法、控制器及计算机可读存储介质,能够很大程度缓解主题内容切换而导致回复信息不连贯的问题。
根据本发明的第一方面实施例的基于知识图谱的话题转移方法,包括:识别用户的语音数据输入;理解用户所述语音数据的语义信息;匹配用户所述语义信息的前后语义的区别和为后续对话进行做准备,包括维护知识图谱、维护对话状态和排序候选动作;生成对话信息;把所述对话信息合成为音频信号输出。语音识别,用于识别用户的语音数据输入,所述语音识别为ASR(Automatic Speech Recognition自动语音识别);语言理解,用于理解用户语义信息,所述语言理解为NLU(Natural Language Understanding自然语言理解);对话管理DM,用于匹配用户前后语义的区别和为后续对话进行做准备,所述对话管理包括知识图谱维护.对话状态维护和动作候选排序;语言生成,用于生成对话信息;语言合成,用于把对话信息合成为音频信号输出。
根据本发明实施例的基于知识图谱的话题转移方法,至少具有如下有益效果:从语音识别->语言理解->对话管理->语言生成->语言合成,一个对话从输入像流水线一样经过系统,最终得到答案输出给用户,缓解主题内容切换而导致回复信息不连贯的问题,因为知识图谱是一种揭示意图INTENT之间关系的语义网络,意图INTENT间及其属性存在一定的相似的关系,当用户的意图INTENT发生切换或者延伸时,可以会从当前意图INTENT的邻接意图INTENT中选择一个意图INTENT的内容作为回复内容。从而达到信息主题切换的连贯效果。
根据本发明的一些实施例,所述语音识别包括:所述识别用户的语音数据输入包括:接收用户的语音信息;接收到的所述语音信息转换为第一文本信息。语音接收,用于接收用户的语音识别;语音转换,用于把接收到的语音信息转换为第一文本信息。
根据本发明的一些实施例,所述第一文本信息为结构化数据。
根据本发明的一些实施例,所述理解用户所述语音数据的语义信息包括得到用户语义的INTENT和Slot。语言理解包括得到用户语义的INTENT和Slot,其中Slot表示槽,INTENT表示用户语义意图。
根据本发明的一些实施例,所述维护知识图谱包括:抽取知识,所述抽取知识包括抽取实体、抽取关系和抽取属性;融合知识,所述融合知识包括链接实体和合并知识;存储知识;推理知识。知识图谱维护包括:知识抽取,知识抽取包括实体抽取、关系抽取和属性抽取,因为已知NLU的训练数据的结构,NLU训练数据中的INTENT就是知识图谱中的实体Entity,故实体Entity抽取即为抽取NLU训练数据的INTENT。在关系抽取部分中,实体Entity间的关系可由人工标注得到,而属性抽取则为NLU训练数据中的Entity部分;知识融合,所述知识融合包括实体链接和知识合并,实体Entity链接是指对于从文本中抽取得到的实体Entity对象,将其链接到知识库中对应的正确实体Entity对象的操作,知识合并主要分为两种:合并外部知识库,主要处理数据层和模式层的冲突合并关系数据库,因为利用的是NLU的训练数据之间的关系构建知识图谱,而训练数据本就是处理过的文本,故不需要进行知识融合部分;知识存储,知识图谱知识图谱最适合处理关联密集型的数据,解决的是实体Entity及实体Entity之间的关系,即具有有向图结构的一个知识库,因此适合以图的数据结构存储,其存储方式主要有RDF和图数据库两种方式。此处选择图形数据存储;知识推理,知识图谱知识图谱之间大多数关系都是残缺的,缺失值非常严重,使用所述知识推理技术,完成进一步的知识发现。知识图谱中可以根据不同的实体类型,可以采取不一样的推理关系。比如:推理属性值:已知某INTENT的属性,可以通过推理得到该实体的年龄属性;推理概念:已知(老虎,科,猫科)和(猫科,目,食肉目)可以推出(老虎,目,食肉目)此处应根据具体的NLU训练数据中INTENT的数量情况选择是否需要进行知识推理步骤,数量不多时,可进行人工标注。
根据本发明的一些实施例,所述维护对话状态包括记录用户历史对话的语义分析结果和分析当前对话语义。对话状态维护包括用于记录用户历史对话的语义分析的历史对话维护和用于分析当前对话语义的当前对话处理。
根据本发明的一些实施例,所述基于知识图谱的话题转移方法,所述排序候选动作包括当前对话处理得到用户的语义后,进行Policy的选择。
根据本发明的一些实施例,所述生成对话信息用于对传入的的信息,所述语生成对话信息包括输出对应的第二文本信息。
根据本发明的第二方面实施例的控制器,包括:存储器、处理器及存储在存储器上并可在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如上所述的基于知识图谱的话题转移方法。
根据本发明的第三方面实施例的计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如上所述的基于知识图谱的话题转移方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一个实施例提供的基于知识图谱的话题转移方法的示意图;
图2为本发明一个实施例提供的知识图谱维护的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
以下为术语解析:
KG:Knowledge Graph(知识图谱);
NLU:Natural Language Understanding(自然语言理解);
NLU各参数:Slot:槽、INTENT:意图;
NLG:Natural Language Generation(自然语言生成);
DM:Dialog Management(对话管理);
ASR:Automatic Speech Recognition(自动语音识别);
TTS:Text To Speech(文本转语音);
DST:Dialog State Tracking(对话状态维护);
Policy:动作候选排序;
End-to-End:端到端,即输入端到输出端;
Pipeline:管道模式;
Rasa:Pipeline模式下的一个开源聊天机器人框架;
Text:文本;
Entity:实体;
RDF:Resource Description Framework(资源描述框架);
API:Application Programming Interface(应用程序接口)。
参照图1至图2,根据本发明第一方面的一个实施例提供了一种基于知识图谱的话题转移方法,包括:
S101:识别用户的语音数据输入,语音识别为ASR(Automatic SpeechRecognition自动语音识别);
S102:理解用户所述语音数据的语义信息,语言理解为NLU(Natural LanguageUnderstanding自然语言理解);
S103:匹配用户所述语义信息的前后语义的区别和为后续对话进行做准备,包括维护知识图谱、维护对话状态和排序候选动作;
S104:生成对话信息;
S105:把所述对话信息合成为音频信号输出。
在一实施例中,本发明实施例的基于知识图谱的话题转移方法,至少具有如下有益效果:从语音识别->语言理解->对话管理->语言生成->语言合成,一个对话从输入像流水线一样经过系统,最终得到答案输出给用户,缓解主题内容切换而导致回复信息不连贯的问题,因为知识图谱是一种揭示意图INTENT之间关系的语义网络,意图INTENT间及其属性存在一定的相似的关系,当用户的意图INTENT发生切换或者延伸时,可以会从当前意图INTENT的邻接意图INTENT中选择一个意图INTENT的内容作为回复内容。从而达到信息主题切换的连贯效果。
参照图1至2,识别用户的语音数据输入包括:接收用户的语音信息;接收到的语音信息转换为第一文本信息。语音接收,用于接收用户的语音识别;语音转换,用于把接收到的语音信息转换为第一文本信息。
参照图1至2,所述第一文本信息为结构化数据。所述理解用户所述语音数据的语义信息包括得到用户语义的INTENT和Slot。语言理解包括得到用户语义的INTENT和Slot,其中Slot表示槽,INTENT表示用户语义意图。
参照图1至2,所述知识图谱维护包括:
S201:抽取知识,所述抽取知识包括抽取实体、抽取关系和抽取属性,因为已知NLU的训练数据的结构,NLU训练数据中的INTENT就是知识图谱中的实体Entity,故实体Entity抽取即为抽取NLU训练数据的INTENT。在关系抽取部分中,实体Entity间的关系可由人工标注得到,而属性抽取则为NLU训练数据中的Entity部分;
S202:融合知识,所述融合知识包括链接实体和合并知识,实体Entity链接是指对于从文本中抽取得到的实体Entity对象,将其链接到知识库中对应的正确实体Entity对象的操作,知识合并主要分为两种:合并外部知识库,主要处理数据层和模式层的冲突合并关系数据库,因为利用的是NLU的训练数据之间的关系构建知识图谱,而训练数据本就是处理过的文本,故不需要进行知识融合部分;
S203:存储知识,知识图谱知识图谱最适合处理关联密集型的数据,解决的是实体Entity及实体Entity之间的关系,即具有有向图结构的一个知识库,因此适合以图的数据结构存储,其存储方式主要有RDF和图数据库两种方式。此处选择图形数据存储;
S204:推理知识,知识图谱知识图谱之间大多数关系都是残缺的,缺失值非常严重,使用所述知识推理技术,完成进一步的知识发现。知识图谱中可以根据不同的实体类型,可以采取不一样的推理关系。比如:推理属性值:已知某INTENT的属性,可以通过推理得到该实体的年龄属性;推理概念:已知(老虎,科,猫科)和(猫科,目,食肉目)可以推出(老虎,目,食肉目)此处应根据具体的NLU训练数据中INTENT的数量情况选择是否需要进行知识推理步骤,数量不多时,可进行人工标注。
参照图1至2,所述维护对话状态包括记录用户历史对话的语义分析结果和分析当前对话语义。对话状态维护包括用于记录用户历史对话的语义分析的历史对话维护和用于分析当前对话语义的当前对话处理。
参照图1至2,所述基于知识图谱的话题转移方法,所述排序候选动作包括当前对话处理得到用户的语义后,进行Policy的选择。
参照图1至2,所述语生成对话信息包括输出对应的第二文本信息。
另外,本发明的一个实施例提供了一种控制器,该控制器包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。
处理器和存储器可以通过总线或者其他方式连接。
需要说明的是,本实施例中的控制器,可以应用于如图1和图2所示实施例中的基于知识图谱的话题转移方法,本实施例中的控制器,能够构成图1和图2所示实施例中的基于知识图谱的话题转移方法的一部分,两者属于相同的发明构思,因此两者具有相同的实现原理以及有益效果,此处不再详述。
实现上述实施例的基于知识图谱的话题转移方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例的基于知识图谱的话题转移方法。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于执行上述的基于知识图谱的话题转移方法。例如,被上述控制器实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的基于知识图谱的话题转移方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本发明权利要求所限定的范围内。
Claims (10)
1.一种基于知识图谱的话题转移方法,其特征在于,包括:
识别用户的语音数据输入;
理解用户所述语音数据的语义信息;
匹配用户所述语义信息的前后语义的区别和为后续对话进行做准备,包括维护知识图谱、维护对话状态和排序候选动作;
生成对话信息;
把所述对话信息合成为音频信号输出。
2.根据权利要求1所述的基于知识图谱的话题转移方法,其特征在于,所述识别用户的语音数据输入包括:
接收用户的语音信息;
接收到的所述语音信息转换为第一文本信息。
3.根据权利要求2所述的基于知识图谱的话题转移方法,其特征在于,所述第一文本信息为结构化数据。
4.根据权利要求1所述的基于知识图谱的话题转移方法,其特征在于,所述理解用户所述语音数据的语义信息包括得到用户语义的INTENT和Slot。
5.根据权利要求1所述的基于知识图谱的话题转移方法,其特征在于,所述维护知识图谱包括:
抽取知识,所述抽取知识包括抽取实体、抽取关系和抽取属性;
融合知识,所述融合知识包括链接实体和合并知识;
存储知识;
推理知识。
6.根据权利要求1所述的一种基于知识图谱的话题转移方法,其特征在于:所述维护对话状态包括记录用户历史对话的语义分析结果和分析当前对话语义。
7.根据权利要求1所述的基于知识图谱的话题转移方法,其特征在于,所述排序候选动作包括当前对话处理得到用户的语义后,进行Policy的选择。
8.根据权利要求1所述的基于知识图谱的话题转移方法,其特征在于,所述生成对话信息包括输出对应的第二文本信息。
9.一种控制器,其特征在于,包括:存储器、处理器及存储在存储器上并可在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如权利要求1至8中任意一项所述的基于知识图谱的话题转移方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至8中任意一项所述的基于知识图谱的话题转移方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264156.0A CN113032538A (zh) | 2021-03-11 | 2021-03-11 | 一种基于知识图谱的话题转移方法、控制器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264156.0A CN113032538A (zh) | 2021-03-11 | 2021-03-11 | 一种基于知识图谱的话题转移方法、控制器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113032538A true CN113032538A (zh) | 2021-06-25 |
Family
ID=76470326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264156.0A Pending CN113032538A (zh) | 2021-03-11 | 2021-03-11 | 一种基于知识图谱的话题转移方法、控制器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032538A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468306A (zh) * | 2021-06-30 | 2021-10-01 | 西安乾阳电子科技有限公司 | 语音对话方法、装置、电子设备及存储介质 |
CN113946651A (zh) * | 2021-09-27 | 2022-01-18 | 盛景智能科技(嘉兴)有限公司 | 维修知识推荐方法、装置、电子设备、介质及产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
CN111221984A (zh) * | 2020-01-15 | 2020-06-02 | 北京百度网讯科技有限公司 | 多模态内容处理方法、装置、设备及存储介质 |
CN111651609A (zh) * | 2020-04-24 | 2020-09-11 | 中国电力科学研究院有限公司 | 一种融合知识图谱和情感监督的多轮对话方法及系统 |
CN111897935A (zh) * | 2020-07-30 | 2020-11-06 | 北京文思海辉金信软件有限公司 | 基于知识图谱的话术路径选择方法、装置和计算机设备 |
-
2021
- 2021-03-11 CN CN202110264156.0A patent/CN113032538A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659360A (zh) * | 2019-10-09 | 2020-01-07 | 初米网络科技(上海)有限公司 | 一种人机对话方法、装置和系统 |
CN111221984A (zh) * | 2020-01-15 | 2020-06-02 | 北京百度网讯科技有限公司 | 多模态内容处理方法、装置、设备及存储介质 |
CN111651609A (zh) * | 2020-04-24 | 2020-09-11 | 中国电力科学研究院有限公司 | 一种融合知识图谱和情感监督的多轮对话方法及系统 |
CN111897935A (zh) * | 2020-07-30 | 2020-11-06 | 北京文思海辉金信软件有限公司 | 基于知识图谱的话术路径选择方法、装置和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468306A (zh) * | 2021-06-30 | 2021-10-01 | 西安乾阳电子科技有限公司 | 语音对话方法、装置、电子设备及存储介质 |
CN113946651A (zh) * | 2021-09-27 | 2022-01-18 | 盛景智能科技(嘉兴)有限公司 | 维修知识推荐方法、装置、电子设备、介质及产品 |
CN113946651B (zh) * | 2021-09-27 | 2024-05-10 | 盛景智能科技(嘉兴)有限公司 | 维修知识推荐方法、装置、电子设备、介质及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377716B (zh) | 对话的交互方法、装置及计算机可读存储介质 | |
US11394667B2 (en) | Chatbot skills systems and methods | |
US9466294B1 (en) | Dialog management system | |
CN101010934B (zh) | 用于机器学习的方法 | |
US11281862B2 (en) | Significant correlation framework for command translation | |
CN108922564B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN111027291B (zh) | 文本中标点符号添加、模型训练方法、装置及电子设备 | |
CN111261151B (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
CN108039175B (zh) | 语音识别方法、装置及服务器 | |
CN104573099A (zh) | 题目的搜索方法及装置 | |
CN113032538A (zh) | 一种基于知识图谱的话题转移方法、控制器及存储介质 | |
US11669679B2 (en) | Text sequence generating method and apparatus, device and medium | |
CN115115984A (zh) | 视频数据处理方法、装置、程序产品、计算机设备和介质 | |
CN113051895A (zh) | 语音识别的方法、装置、电子设备、介质和程序产品 | |
CN117787409A (zh) | 基于大语言模型的人机交互方法、装置及电子设备 | |
CN114694637A (zh) | 混合语音识别方法、装置、电子设备及存储介质 | |
CN104464731A (zh) | 数据收集装置及方法、语音对话装置及方法 | |
CN116016779A (zh) | 语音通话翻译辅助方法、系统、计算机设备和存储介质 | |
CN114678028A (zh) | 一种基于人工智能的语音交互方法及系统 | |
CN112614490A (zh) | 生成语音指令的方法、装置、介质、设备、系统及车辆 | |
CN111414468A (zh) | 话术选择方法、装置和电子设备 | |
US11632345B1 (en) | Message management for communal account | |
CN113127635B (zh) | 数据处理方法、装置及系统,存储介质和电子设备 | |
CN112017647B (zh) | 一种结合语义的语音识别方法、装置和系统 | |
US20240119238A1 (en) | Systems and methods for determining semantic points in human-to-human conversations |
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 |