CN113268498A - 业务推荐方法和具有智能助手的装置 - Google Patents
业务推荐方法和具有智能助手的装置 Download PDFInfo
- Publication number
- CN113268498A CN113268498A CN202110499199.7A CN202110499199A CN113268498A CN 113268498 A CN113268498 A CN 113268498A CN 202110499199 A CN202110499199 A CN 202110499199A CN 113268498 A CN113268498 A CN 113268498A
- Authority
- CN
- China
- Prior art keywords
- service
- user
- services
- intelligent assistant
- potential
- 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 57
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003058 natural language processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 70
- 238000012545 processing Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 17
- 230000007613 environmental effect Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 13
- 239000000203 mixture Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005389 magnetism Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000238558 Eucarida Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- -1 etc.) Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24565—Triggers; Constraints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
Abstract
本发明实施例提供一种业务推荐方法和具有智能助手的装置,该方法包括:当终端的用户向智能助手请求第一业务时,根据第一业务的名称,通过预先建立的业务关系模型,从智能助手能够提供的多个业务中选择与第一业务的相关程度满足预设条件的潜在业务,其中,业务关系模型中记录有:多个业务的名称,以及多个业务彼此之间的相关程度;向用户推荐潜在业务。本发明实施例中,在用户请求第一业务之后,通过预先建立的业务关系模型,从智能助手支持的业务中选出与该第一业务相关程度满足预设条件的潜在业务,并向用户推荐这些潜在业务,使得用户在请求一个业务之后,无需向智能助手主动地反复地请求该业务相关的后续业务,从而方便了用户的使用。
Description
本申请要求于2014年7月11日提交中国国家知识产权局、申请号为201410329401.1、申请名称为“业务推荐方法和具有智能助手的装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本发明实施例涉及通信领域,并且更为具体地,涉及一种业务推荐方法和具有智能助手的装置。
背景技术
现有技术中,智能助手普遍应用于终端上,如苹果公司的Siri,谷歌公司的GoogleNow,搜狗公司的搜狗语音助手,科大讯飞的讯飞语点等。
智能助手能获取用户输入的文本、语音、图形等信息,并解析用户意图。然后,智能助手调用本地或者网络侧的应用,如APP或应用程序接口(API,Application ProgrammingInterface),获取请求结果,并返回给用户。例如,用户通过终端上的麦克风输入“明天的天气”,那么智能助手将通过语音识别技术,将语音转换成文本,然后通过自然语言处理技术理解用户的意图为“查天气”,对应的时间是“明天”,接着生成对应的指令,从第三方应用获取天气结果,并且在终端屏幕上显示,同时使用语音生成技术,播报结果。
现有技术中,用户请求智能助手提供某项业务时,仍然存在其它潜在业务需求。例如,用户在请求智能助手提供导航业务之后,可能还有实时获取导航路径上交通状况的业务需求;或者用户在请求智能助手提供预定电影票业务之后,还有设定提醒,发送短信通知朋友的业务需求。现有技术中,用户向智能助手请求某项业务之后,仍需要主动地反复向该智能助手请求该业务相关的潜在业务,操作复杂。
发明内容
本发明实施例提供一种业务推荐方法和具有智能助手的装置,以方便用户的操作。
第一方面,提供一种业务推荐方法,包括:当终端的用户向智能助手请求第一业务时,根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,其中,所述业务关系模型中记录有:所述多个业务的名称,以及所述多个业务彼此之间的相关程度;向所述用户推荐所述潜在业务。
结合第一方面,在第一方面的一种实现方式中,所述预设条件为相关程度的阈值,所述根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,包括:根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务中与所述第一业务的相关程度满足所述阈值的业务确定为所述潜在业务。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述预设条件为向所述用户推荐的业务数量的阈值,所述根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,包括:根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务与所述第一业务的相关程度进行排序,以将所述多个业务中排名在所述阈值内的业务确定为所述潜在业务。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述向所述用户推荐所述潜在业务,包括:根据所述潜在业务中各业务与所述第一业务相关程度的排序,将所述潜在业务中与所述第一业务相关程度较大的业务优先推荐给所述用户。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述智能助手能够提供的业务包括:第二业务,所述业务关系模型记录有:所述第一业务和所述第二业务在不同相关性条件下的相关程度,所述根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,包括:根据所述第一业务的名称,以及所述用户请求所述第一业务时所处的环境条件,通过所述业务关系模型,将在所述环境条件下,所述不同相关性条件中被满足的相关性条件对应的相关程度确定为所述第一业务和所述第二业务之间的相关程度;当所述第一业务和所述第二业务之间的相关程度满足所述预设条件时,将所述第二业务确定为所述潜在业务之一。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,所述业务参数为第三方应用提供对应的业务时需要被赋值的参数,所述方法还包括:从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述潜在业务包括第三业务,所述业务关系模型中还记录有所述第三业务的触发条件,所述向所述用户推荐所述潜在业务,包括:在生成向第三方应用请求提供所述第三业务的指令后,检测所述触发条件是否满足;当所述触发条件未满足时,在缓存中缓存所述指令;当所述触发条件满足时,向所述第三业务发送所述指令。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述智能助手能够提供的所述多个业务中任意两个业务之间的相关程度用于指示:所述用户请求所述两个业务中的一个业务之后,请求另一个业务的概率。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述方法由位于网络侧的服务器执行,所述终端为所述服务器服务的终端。
结合第一方面或其上述实现方式的任一种,在第一方面的另一种实现方式中,所述方法由所述终端执行。
第二方面,提供一种具有智能助手的装置,包括:选择模块,用于当终端的用户向所述智能助手请求第一业务时,根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,其中,所述业务关系模型中记录有:所述多个业务的名称,以及所述多个业务彼此之间的相关程度;推荐模块,用于向所述用户推荐所述选择模块选择的所述潜在业务。
结合第二方面,在第二方面的一种实现方式中,所述预设条件为相关程度的阈值,所述选择模块具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务中与所述第一业务的相关程度满足所述阈值的业务确定为所述潜在业务。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述预设条件为向所述用户推荐的业务数量的阈值,所述选择模块具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务与所述第一业务的相关程度进行排序,以将所述多个业务中排名在所述阈值内的业务确定为所述潜在业务。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述推荐模块具体用于根据所述潜在业务中各业务与所述第一业务相关程度的排序,将所述潜在业务中与所述第一业务相关程度较大的业务优先推荐给所述用户。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述智能助手能够提供的业务包括:第二业务,所述业务关系模型记录有:所述第一业务和所述第二业务在不同相关性条件下的相关程度,所述选择模块具体用于根据所述第一业务的名称,以及所述用户请求所述第一业务时所处的环境条件,通过所述业务关系模型,将在所述环境条件下,所述不同相关性条件中被满足的相关性条件对应的相关程度确定为所述第一业务和所述第二业务之间的相关程度;当所述第一业务和所述第二业务之间的相关程度满足所述预设条件时,将所述第二业务确定为所述潜在业务之一。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,所述业务参数为第三方应用提供对应的业务时需要被赋值的参数,所述装置还包括:提取模块,用于从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;分配模块,用于在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述潜在业务包括第三业务,所述业务关系模型中还记录有所述第三业务的触发条件,所述推荐模块具体用于在生成向第三方应用请求提供所述第三业务的指令后,检测所述触发条件是否满足;当所述触发条件未满足时,在缓存中缓存所述指令;当所述触发条件满足时,向所述第三业务发送所述指令。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述智能助手能够提供的所述多个业务中任意两个业务之间的相关程度用于指示:所述用户请求所述两个业务中的一个业务之后,请求另一个业务的概率。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述装置为位于网络侧的服务器,所述终端为所述服务器服务的终端。
结合第二方面或其上述实现方式的任一种,在第二方面的另一种实现方式中,所述装置为所述终端。
本发明实施例中,在用户请求第一业务之后,通过预先存储的业务关系模型,从智能助手支持的业务中选出与该第一业务相关程度满足预设条件的潜在业务,并向用户推荐这些潜在业务,使得用户在请求一个业务之后,无需向智能助手主动地反复地请求该业务相关的后续业务,从而方便了用户的使用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例所处应用场景的示例图。
图2是本发明实施例的所处另一应用场景的示例图。
图3是根据本发明实施例的业务推荐方法的示意性流程图。
图4是根据本发明实施例的具有智能助手的装置的示意性框图。
图5是根据本发明实施例的具有智能助手的装置的示意性框图。
图6是根据本发明实施例的业务推荐方法的示意性流程图。
图7是图6中由业务管理模块执行的步骤的详细流程的示例图。
图8是图7中获取推荐业务步骤的详细流程的示例图。
图9是根据本发明实施例的具有智能助手的装置的示意性框图。
图10是根据本发明实施例的业务推荐方法的示意性流程图。
图11是根据本发明实施例的具有智能助手的装置在分布式系统中的示意性框图。
图12是根据本发明实施例的具有智能助手的装置的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
首先,为了便于理解,先结合图1,总体上描述本发明实施例所处应用场景的示例图。
如图1所示,系统100包括:终端200、用户280、以及外部第三方应用300。终端200和外部第三方应用300可以通过网络进行通信。智能助手240可位于终端200中,并可以调用本地第三方应用245,或者,调用外部第三方应用300,以满足用户280请求的业务。该智能助手240可以但不限于是软件、硬件或软硬结合的装置。它可以但不限于部署在各种计算设备中,例如个人电脑(PC,Personal Computer)、智能终端、移动电话、平板电脑、便携式穿戴设备、以及其它嵌入式设备等;或者,也可以但不限于部署在硬件无关的可执行环境中,例如浏览器、应用程序等。终端200的其余模块或部件描述如下:
处理器205可以执行终端200运行时产生的指令。例如但不限于是中央处理器(CPU,Central Processing Unit)、图形处理器(GPU,Graphic Processing Unit)、现场可编程门阵列(FPGA,Field Programmable Gate Array)、数字信号处理器(DSP,DigitalSignal Processor)等,或者是上述处理器的混合。
内存210可以缓存处理器205运行时所需的数据和指令序列。例如但不限于是只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、闪存等等,或者是上述硬件的混合。
对外接口215可以与外部设备或者网络进行交互。例如但不限于是通用串行总线(USB,Universal Serial Bus)、串口、并口、以太网接口、数字用户线路(DSL,DigitalSubscriber Line)接口、射频(RF,Radio Frequency)接口、外设部件互联(PCI,PeripheralComponent Interconnect)、蓝牙等,或者是上述接口的混合。
输入设备220可以接收用户的280输入,并且将输入转化成系统能够理解的语言。例如但不限于是键盘、鼠标、触摸屏、设备按键、麦克风、各种传感器(如GPS、水平传感器、重力传感器等等),或者上述硬件的混合。
输出设备225可以展示系统的处理结果。例如但不限于是屏幕、发声器、耳机、打印机、振动器等,或者上述硬件的混合。
存储设备230可以存储系统程序和数据。例如但不限于是ROM、闪存、硬盘、CD-ROM等,或者上述硬件的混合。
此外,用户280可以但不限于是直接操作智能助手240的用户,或者集成智能助手240,间接为用户提供业务的集成程序、进程、设备等等。
需要说明的是,在图1中,智能助手的主要功能集成在终端200内,由智能助手240完成,但本发明实施例不限于此,例如,还可以将智能助手的主要功能集成在服务器中,该服务器对应的客户端主要用于采集用户输入的信息,具体参见图2。
图2是本发明实施例另一场景的示例图。在图2中,智能助手的主要功能由位于网络侧的智能助手服务器305实现,位于终端侧的智能助手客户端260主要负责收集用户280输入的信息,并与智能助手服务器305保持通信,以实现用户280和服务器305之间的信息交互。服务器305可以是处理客户端260请求,并且生成结果返回给客户端260的硬件和/或者软件,包括所需要用到的数据库等。外部第三方应用300可以是提供满足客户端260请求的业务提供方。例如但不限于是提供查询结果的文件、数据库,提供调用的程序API、网络API等。用户280可以但不限于是直接操作智能助手客户端260的用户,或者集成使用客户端260,间接为用户提供业务的集成程序、进程、设备等等。
以上是对根据本发明实施例的系统架构图的描述,下面详细描述根据本发明实施例的业务推荐方法,应理解,该方法可以由图1中的终端200或图2中的服务器305执行。
图3是根据本发明实施例的业务推荐方法的示意性流程图。图3的方法包括:
310、当终端的用户向智能助手请求第一业务时,根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,其中,所述业务关系模型中记录有:所述多个业务的名称,以及所述多个业务彼此之间的相关程度。
需要说明的是,该第一业务可以是用户主动请求的业务,也可以是根据用户之前的请求,通过预先建立的业务关系模型选择出的潜在业务。例如,用户主动请求餐厅订座业务,通过预先建立的业务关系模型中,将餐厅订座业务和提供优惠券业务选取为上述潜在业务,那么,上述第一业务可以是餐厅订座业务,也可以是提供优惠券业务。换句话说,当第一业务为餐厅订座业务时,步骤310描述的是用户主动请求第一业务之后,挖掘该第一业务的潜在业务的过程;当第一业务为提供优惠券业务时,步骤310描述的是用户接受了终端之前推荐的潜在业务之后,以该潜在业务为基础,进一步挖掘用户潜在业务需求的过程。
还需要说明的是,上述预设条件的形式可以有多种,具体地,可以是预设的阈值。例如,该阈值可以是相关程度的阈值,也就是说,当智能助手支持的某个业务与第一业务的相关程度大于或大于等于该阈值时,才能够向用户推荐该业务,这样,能够保证向用户推荐的业务的准确度,即与用户潜在需求的契合度;或者,该阈值可以是推荐业务数量的阈值,也就是说,可以将智能助手支持的多个业务中,与第一业务相关程度排名在该阈值内的业务推荐给用户,这样,能够过滤掉多余的业务,该阈值具体数值的设定可以考虑手机屏幕显示区域大小、用户能够接受的数量或者商业上的考量等。此外,上述预设条件还可以是除阈值之外的其他判断逻辑,例如,当与第一业务相关的业务仅有一个或有限个业务时,那么不管该一个或有限个业务与第一业务相关程度,直接向用户推荐该一个或有限个业务。当然,上述预设条件还可以是上述方式的混合,此处不再赘述。
320、向所述用户推荐所述潜在业务。
这里的向用户推荐所述潜在业务可以包括:询问用户是否提供该潜在业务,当用户同意接收该潜在业务时,再执行后续请求第三方应用提供该潜在业务的流程。或者,这里的向用户推荐所述潜在业务还可以包括:无需询问该用户,直接为该用户提供该潜在业务;当然,还可以是上述情况的混合。
本发明实施例中,在用户请求第一业务之后,通过预先建立的业务关系模型,从智能助手支持的业务中选出与该第一业务相关程度满足预设条件的潜在业务,并向用户推荐这些潜在业务,使得用户在请求一个业务之后,无需向智能助手主动地反复地请求该业务相关的后续业务,从而方便了用户的使用。
可选地,作为一个实施例,所述预设条件为相关程度的阈值,步骤310可包括:根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务中与所述第一业务的相关程度满足所述阈值的业务确定为所述潜在业务。
例如,业务之间的相关程度通过数值0-5表示,随着数值的增大,相关程度逐渐增大。上述阈值可以设定为3,也就是说,只有与第一业务的相关程度大于等于3的业务才会推荐给用户。
可选地,作为一个实施例,所述预设条件为向所述用户推荐的业务数量的阈值,步骤310可包括:根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务与所述第一业务的相关程度进行排序,以将所述多个业务中排名在所述阈值内的业务确定为所述潜在业务。
例如,上述阈值设定为10,也就是说,根据上述多个业务中,各业务与第一业务相关程度的排名,选出排名前10的业务推荐给用户。
可选地,作为一个实施例,所述向所述用户推荐所述潜在业务,包括:根据所述潜在业务中各业务与所述第一业务相关程度的排序,将所述潜在业务中与所述第一业务相关程度较大的业务优先推荐给所述用户。
本发明实施例中,根据各业务与第一业务相关程度的大小,将相关程度较大的业务优先推荐给用户,能够优先满足用户最为需求的潜在业务,提高用户体验。
在步骤310之前,图1的方法还可包括但不限于:先收集、转化、修正用户的请求信息;再解析用户的请求信息,以获取第一业务的业务名称、业务参数等信息。
具体地,请求信息的收集可以设置触发条件,换句话说,当该触发条件触发时,表示用户要输入请求信息,此时开始收集用户的请求信息。上述触发条件可以是但不限于智能助手的启动;或者,用户对智能助手所在设备上的某个按键的点击;或者,用户在触摸屏上或者用鼠标对某个图标的点击;或者,按照某个轨迹的滑动;或者,用户在摄像头前做某个手势、动作;或者,用户使用麦克风输入特定的语音;或者,用户在某个程序、网页上输入特定指令;或者,用户通过短消息、邮件等发送特定信息(如文本信息,语音信息,图像信息等)到某个号码、Email地址、IP地址、或者URL地址;或者,用户拨打某个特定号码;或者,用户登录某个特定网站;或者进入某个网页。
此外,请求信息可以但不限于通过直接方式,间接方式,或者两种方式的混合的收集。直接方式可包括但不限于键盘输入,语音输入,通过UI界面选择的方式输入。直接方式收集的内容可以是但不限于文本、语音、图片、操作指令等。间接方式可包括但不限于日期和时钟信息(例如但不限于当前日期、时间、时区等),位置信息(例如但不限于GPS、国家、城市),通过传感器产生的信息(例如但不限于加速度、磁力、方向、陀螺仪、光线感应、压力、温度、脸部感应、重力、旋转矢量等信息),或者上述方式的混合。同时,也可以由其它设备或者程序使用上述方式收集请求信息,然后通过网络提供给智能助手。
此外,请求信息的转化具体可指但不限于:将多种方式产生的请求内容转化或者规范化成智能助手可以处理的内容。例如但不限于将多种格式的文本输入转化或者规范化成特定格式的文本;使用自动语音识别(ASR,Automatic Speech Recognition)技术,将语音输入转化特定格式的文本;将图片输入转化成特定格式文件流;将日期和时钟信息转化或者规范化成特定格式文本;将传感器产生的信息转化或者规范化成特定格式的信息。
此外,请求信息的修正具体可指但不限于:将用户输入的请求信息中的错误转换成规范文本。错误包括但不限于语音识别产生的错误,用户输入失误产生的错误,用户没有输入完整的词语等等。
进一步地,对请求信息的解析可以利用自然语言理解的技术,包括但不限于:
分词,将用户输入的完整连贯的句子切分成独立的词语;
短句/词组切分,将用户输入的完整连贯的句子切分成独立的词组或者短语;
词性标注,识别对用户输入进行切分后的词语/词组/短句的词性;
命名实体识别,识别对用户输入进行切分后的词语/词组/短句的特定类别;
句法分析,对用户输入进行切分后的词语/词组/短句,确定其关系,并且形成句式结构;
语义匹配,根据用户输入的语义,使用特定词语/词组/短语/句子改写原有输入的特定词语/词组/短句/句子;
指代消歧,根据用户输入的语义,用特定词语/词组/短句替换其中出现的代词;
省略回复,根据用户输入的上下文以及语义,补齐当前输入中省略的内容;
输入修正,根据用户输入的语义,修正其中的输入错误;
模式匹配,根据预定义的模式,匹配用户输入,从匹配结果提取相关信息;
当然,也可以是上述方式的任意组合。
请求信息的解析可以利用情景感知的技术,包括但不限于:
使用设备时钟,获取时间、日期信息;
使用设备GPS、无线信号信息,获取位置、行政区域、时区信息等等;
使用传感器(例如但不限于例如但不限于加速度、磁力、方向、陀螺仪、光线感应、压力、温度、脸部感应、重力、旋转矢量等等)获取相应的信息。
此外,对请求信息的解析可利用预先保存保存的用于理解使用者输入所需要的库,包括但不限于词库、领域实体库等等,可用于解析用户的输入。
图1的方法还可包括:根据第一业务的相关信息,如第一业务的业务名称、业务参数等,选择相应的第三方应用,调用其API,传递业务参数,获取并过滤、合并、排序第三方应用返回的结果。当业务结果返回异常,可以引导用户重新输入请求信息,或者调整请求信息。
图1的方法还可包括:向用户反馈第三方应用反馈回的业务结果,业务结果的形式包括但不限于文本,图片,语音,网页,视频、音频等等。输出模块可以但不限于利用文本到语音(TTS,Text To Speech)技术,将文本转化成语音输出,也可以将文本、图片、音频、视频等组织成富文本输出。例如,可以是向用户呈现“为你搜索到以下结果…”。
步骤310中,业务关系模型中可记录能够提供的业务的概念、属性、逻辑、关系等相关信息,包括但不限于业务名称,业务参数(即获取业务结果所需要提供的参数),以及不同业务之间的相关程度。
业务的名称指示满足使用者某种类型的请求,例如但不限于“餐馆订座”、“查找餐馆”“看病”、“导航”、“查询天气”等等。
业务参数指示提供特定业务,业务参数的来源包括但不限于前面描述的请求收集、转化、修正和解析的结果。业务参数包括必选参数和可选参数。必选参数可表示智能助手在调度业务时必须提供给第三方应用的信息,如果不提供第三方应用将无法返回结果,例如但不限于“餐馆订座”的业务参数“餐馆名称”、“就餐时间”、“就餐人数”。可选参数可表示智能助手在调度业务时可以不提供给第三方应用的信息,而提供了可以帮助过滤、排序第三方业务返回的结果,例如业务“餐馆订座”的参数“是否包厢”、“是否吸烟”等等。业务参数是与特定业务名称相关的,一个业务名称对应的参数,可能不是另一个业务名称的参数,一个业务的必选参数也可能是另一个业务名称的可选参数,反之亦然。
业务之间的相关程度可指示特定业务和其它业务的关联程度,换句话说,两个业务的相关性可表示用户在选取一个业务后,选取另一个业务的可能性或概率。业务之间的相关程度是推荐业务的依据。两个业务之间的相关程度可以是用0和1表示,0表示不相关,1表示相关;也可以用表示程度的数值表示,例如,数值范围0-5,0表示完全不相关,从0开始,值越大,相关程度越高。当然,第一业务和第二业务之间的相关程度也可以不用固定值表示,而是一个变量,该变量的取值与用户请求第一服务时所处的环境条件有关。例如但不限于业务“餐厅订座”在用户与餐厅的距离较远时,与业务“订出租车”相关性较大,反之相关性较小。
业务关系模型的构造方式包括但不限于根据每种业务在现实生活中约定俗成的概念、逻辑、关系指定;根据第三方应用的API指定;学习所有用户的使用规律指定;学习特定类型的用户的使用规律指定;学习特定用户的使用规律指定;或者上述方式的混合。
步骤310具体可包括:使用第一业务的名称,通过业务关系模型,获取它和其他业务的相关程度,将相关程度满足预设条件的业务选择为潜在业务。选择潜在业务的方式可包括:
如果在业务关系模型中第一业务存在相关性条件,判断该相关性条件是否满足,使用对应的相关程度指标计算;
如果相关程度是用二值相关性表示,那么直接选择指标为“相关”的业务;
如果相关程度是用概率相关性表示,那么选择指标高于某个特定阈值的业务;
如果相关程度是由多个指标表示,那么需要使用特定的译码算法综合多个指标计算,选择结果指示为“相关”的业务;或者,
上述方式的混合。
可选地,作为一个实施例,智能助手能够提供的业务包括:第二业务,所述业务关系模型记录有:所述第一业务和所述第二业务在不同相关性条件下的相关程度,步骤310可包括:根据所述第一业务的名称,以及所述用户请求所述第一业务时所处的环境条件,通过所述业务关系模型,将在所述环境条件下,所述不同相关性条件中被满足的相关性条件对应的相关程度确定为所述第一业务和所述第二业务之间的相关程度;当所述第一业务和所述第二业务之间的相关程度满足所述预设条件时,将所述第二业务确定为所述潜在业务之一。
本发明实施例预先为第一业务和第二业务设定了不同相关性条件下的相关程度,当用户请求第一业务后,先确定请求时的环境条件满足上述相关性条件中的哪一个,如天气、时间、位置、距离等(根据业务类型不同个性化定制),然后将被满足的相关性条件对应的相关程度,确定为第一业务和第二业务之间的相关程度,与将第一业务与第二业务的相关程度设定为固定值的方式相比,得到的相关程度更为准确。
具体地,业务之间的相关程度是推荐业务的依据。相关程度可以通过相关性条件、相关程度表示。相关性条件指示满足不同条件时两种业务可能存在不同的相关程度,例如但不限于业务“餐厅订座”在用户与餐厅的距离较远时,与业务“订出租车”相关性较大,反之相关性较小。相关程度可以是一个或者多个指标,每个指标可以用二值相关性表示(例如但不限于“相关”和“不相关”),也可以用概率相关性表示。
步骤320中,潜在业务可以是一个业务,也可以包含多个业务。当潜在业务包含多个业务时,可以对这些业务进行排序,以便将与第一业务最相关的业务优先推荐给用户。排序可能推荐的业务的方式包括但不限于:
可以按照相关程度大小进行排序;可以根据设定的默认顺序,或者用户设定的偏好顺序进行排序,例如但不限于有多个业务的相关程度计算结果相同时,可以先按照用户设定的偏好,然后按照系统设定的默认顺序排序;或者,上述方式的混合。
可选地,作为一个实施例,业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,所述业务参数为第三方应用提供对应的业务时需要被赋值的参数,图1的方法还可包括:从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
本发明实施例在会话缓存中为每个业务分别一个对应的会话,且会话内容中的业务参数的值共享,这样,当会话中的一个业务参数被赋值时,其他具有相同业务参数的会话,就能够直接利用该值,为该相同业务参数赋值,避免反复请求用户为相同业务参数赋值,方便了用户的操作。
具体地,一个会话代表满足用户一次请求(包括用户的主动请求和潜在需求)所涉及的一个或者一组业务。因此,会话缓存中可能存在一层或者多层的会话。最底层的会话对应一个业务,多个关联会话可以组合成其上一层会话,以此类推。一个最底层的会话处理完成,表示智能助手提供的一个业务处理完成;而一个最顶层的会话处理完成,表示智能助手已经完成使用者一系列的请求(包括用户的主动请求和潜在需求),并且提供了一系列业务。一个会话可以包含一个或者多个子会话(下一层会话),那么该会话成为其子会话的父会话(上一层会话)。
会话的内容表示提供业务时需要的数据,包括但不限于业务的名称,业务参数的值,会话状态。会话中的业务名称可以通过解析用户的请求信息获得,例如但不限于用户输入“订下午6点海底捞的2人桌”,解析业务名称是“餐厅订座”,将该业务名称缓存到会话中;或者业务名称可以根据产生的推荐业务获取,例如但不限于根据当前提供的业务名称“餐厅订座”,查询业务关系模型,获取可推荐的其它业务名称,如“餐厅优惠卷”、“创建提醒”等,并将这些名称缓存到会话中。业务参数的类型可以根据业务名称查询业务关系模型获取。业务参数的值可通过解析完用户的请求信息获取,例如但不限于使用者输入“订下午6点海底捞的2人桌”,解析业务参数类型和值“时间-下午6点”,“人数-2”,以及潜在的情景信息,如GPS信息指示用户所在城市。并将这些信息缓存到会话中业务名称“餐厅订座”下的业务参数中。
会话可分为活动会话和非活动会话。活动会话指正在处理的会话,表示当前正在为用户提供活动会话对应的业务。非活动会话是根据正在处理的会话,预先创建的潜在业务的会话。活动会话和非活动会话可以同时存在,或者只存在活动会话。
会话的生命周期由智能助手装置统一管理,从上一个会话结束后,用户输入新的请求开始,创建一个会话,如果当前业务存在其它潜在业务,那么创建对应的子会话(下一层会话)。一个业务(包括用户主动请求对应的业务,以及后续产生的潜在业务)处理完成之后,关闭对应的子会话,如果所有子会话处理完成,关闭父会话(上一层)。以此类推。同时,关闭会话也可以由用户在没有进行完所有子会话过程,主动关闭父会话。当父会话关闭时,关闭所有子会话,即使子会话没有完成。用户主动关闭父会话的方式,包括但不限于用户输入特定的关闭会话信息;用户关闭智能助手;用户在特定时间间隔内没有响应等等。智能助手可以根据需要(例如但不限于确定了潜在业务,或者使用者发起新的业务请求等等)动态创建新的会话(父会话或者子会话)。
此外,智能助手在用户输入一个新的请求时,或者选择了向其推荐的潜在业务时,都可以创建会话。在创建会话时,使用业务关系模型中对应业务的信息(包括但不限于业务名称、业务类型、业务参数等等),初始化会话内容。并且将新创建的会话,缓存到会话缓存中,并且关联到已有的会话。智能助手对新创建的会话进行关联的方式包括但不限于:
新创建的会话对应的业务,与活动会话对应的业务相关,新创建的会话作为子会话关联到活动会话;
根据新创建会话的业务类型,作为子会话关联到具有相同类型的会话的父会话;或者,
上述方式的混合。
智能助手遍历会话缓存中的所有会话,并且根据策略处理所有遍历到的会话(即活动会话),提供相应业务,直到所有会话处理完成。智能助手处理会话的方式包括但不限于:
对于活动会话,如果存在一个或者多个必选业务参数没有赋值,那么产生引导问句,提醒用户输入对应信息。例如活动会话的内容可包括业务名称“餐厅订座”,业务参数“餐厅名-海底捞”,“时间-NULL”,“人数-NULL”,那么智能助手装置利用上述信息,生成引导问句“请输入海底捞餐厅的订座时间和人数”。
对于活动会话,如果所需要的必选业务参数已经都赋值,那么智能助手获取业务结果。
对于活动会话,智能助手装置也可以产生引导问句,提醒用户输入可选的业务参数对应的信息,以帮助过滤获取的业务结果。
对于活动会话,如果用户不满意当前的业务结果,智能助手可以重新引导用户输入业务参数,重新获取业务结果。
当活动会话处理完成之后,智能助手将其业务参数,根据需要共享给其它非活动会话。
当活动会话处理完成之后,智能助手从缓存中选择下一个非活动会话作为活动会话进行处理。
当进入新的活动会话时,智能助手可以产生引导问句,询问用户是否需要对应的业务。例如,活动会话是对应一个新推荐的业务“使用优惠券”,业务参数“商家-海底捞”,那么智能助手可以基于上述信息生成引导问句“是否需要为你搜索餐厅海底捞的优惠券”。
当进入新的活动会话前,当前活动会话是一组会话的父会话,业务管理模块可以产生引导问句,询问用户是否需要这一系列对应的业务。例如,活动会话是对应一组新推荐的潜在业务“使用优惠券”,“设定日程”,“点菜”,那么智能助手可以基于上述信息生成引导问句“已经为你设定就餐日程,是否需要搜索优惠券或者提前点菜”。
当用户主动输入请求指示不需要某个或者某些业务,智能助手关闭某个或者某些业务对应的一个或者多个会话,或者关闭所有会话。
此外,智能助手解析用户的输入时,可以利用业务关系模型和会话缓存中的信息帮助其进行解析,包括但不限于:
根据活动会话中的内容,例如,用户输入的上下文,协助解析用户的当前输入。例如,活动会话的内容包括但不限于业务名称“餐厅订座”,业务参数“餐厅名-海底捞”,如果用户输入“要个包间”,则智能助手可解析用户的意图为“预订海底捞餐厅的包间”,即输出业务参数“包间-是”。
根据活动会话中的内容,例如,会话范围,协助解析用户的当前输入。例如,活动会话的内容包括业务名称“餐厅订座”,业务参数“餐厅名-海底捞”,会话状态“请求用户输入订座时间”,如果用户输入“下午6点”,则智能助手可解析用户的意图为“预订海底捞餐厅的时间为下午6点”,即输出业务参数“时间-下午6点”。又如,活动会话的会话状态是“推荐业务”,如果使用者输入“不需要”,则智能助手关闭当前活动会话。
此外,智能助手解析用户的输入时,还可综合利用各种意图理解方式,进行筛选、过滤、合并、排序出一个或者多个结果。结果可用于智能助手创建会话,以及填充会话内容。
智能助手生成引导问句,和结果回复可以利用自然语言生成技术;也可以利用为每个业务提供一套模板,然后根据会话中的内容填充。
智能助手生成引导问句和结果回复可以利用会话缓存,具体可包括:根据活动会话中的内容,可以用于填充结果回复。例如,活动会话的内容包括业务名称“餐厅订座”,业务参数“餐厅名-海底捞”,“时间-下午六点”,“人数-2”,智能助手可以生成结果回复“已经为你预定海底捞餐厅下午6点的2人桌”。
根据活动会话中的内容,可以用于填充完成活动会话所需要的引导问句。例如,活动会话的内容包括但不限于业务名称“餐厅订座”,业务参数“餐厅名-海底捞”,“时间-NULL”,“人数-NULL”,智能助手装置可以生成引导问句“请输入海底捞餐厅的订座时间和人数”。
根据活动会话中的内容,可以用于填充完成推荐业务所需要的引导问句。例如,在完成业务名称“餐厅订座”的活动会话之后,下一个非活动会话的内容包括业务名称“使用优惠券”,业务参数“餐厅名-海底捞”,智能助手可以生成引导问句“需要给你推荐海底捞餐厅的优惠券吗”。
可选地,作为一个实施例,上述潜在业务包括第三业务,所述业务关系模型中还记录有所述第三业务的触发条件,步骤320可包括:在生成向第三方应用请求提供所述第三业务的指令后,检测所述触发条件是否满足;当所述触发条件未满足时,在缓存中缓存所述指令;当所述触发条件满足时,向所述第三业务发送所述指令。
本发明实施例中,第三业务的触发条件是预先设定的,在向第三方应用发送请求其提供第三业务的指令之前,先检测第三业务的触发条件是否满足,只有当触发条件满足时才向第三方应用发送该指令,否则缓存指令直到该触发条件满足。与不设置触发条件,直接向用户推荐第二业务的方式相比,能够在合适的时间、合适的地点或合适的条件下向用户提供业务,提高了用户体验。
具体地,对于不同类型,或者不同名称的业务,可提供不同的触发条件。触发条件是设备能够监控的事件,包括但不限于,时间到达事件,地理位置到达事件,特定传感器触发事件,特定传感器检测数据达到预设值事件,特定第三方应用的特定推送消息到达事件,设备获取特定第三方应用的特定信息满足预设值的事件等等。例如,业务“订出租车”可以包含触发条件“时间”,即时间到达某预设值,触发执行业务“订出租车”;业务“使用优惠券”可以包含触发条件“商家打折活动”,即收到特定商家打折活动的消息推送时,触发执行业务“使用优惠券”。
此外,触发条件可表示智能助手完成了该业务对应的会话时,是立刻获取业务结果,还是等到某个条件满足时再获取业务结果。业务关系模型可记录业务的一个/多个触发条件。
此外,如果存在触发条件,但还没有赋值,智能助手可以通过意图处理模块引导用户输入条件;也可以根据用户的设定或者系统默认设置,填充条件。
需要说明的是,智能助手可以在分配业务对应的会话时,将该业务的触发条件也存储在会话中。智能助手在处理完成活动会话时,根据其触发条件的值确定是否立即获取业务结果。如果是,则获取业务结果;否则按照触发条件设定监控条件,以监控触发条件对应的时间是否什么时候发生。
具体地,可以监控的事件包括但不限于:
时间事件。监控设备的时间、日期是否达到预设值。
位置事件。监控设备的位置信息(包括但不限于GPS信息、行政区)等是否达到预设值。
传感器事件。监控传感器(包括但不限于例如但不限于加速度、磁力、方向、陀螺仪、光线感应、压力、温度、脸部感应、重力、旋转矢量等等)获取的信息是否达到预设值。
信息推送事件。监控设备收到的特定第三方应用推送的特定信息是否达到预设值。
信息查询时间。监控设备定期检查特定第三方应用的特定信息是否达到预设值。
智能助手比较监控到的信息和触发条件的预设值的方式可包括:精确比较,即监控到的信息和预设值完全相同;范围比较,即监控信息在预设值上下某个范围内。
此外,智能助手在完成会话时,如果发现存在触发条件,并且赋值,可以将获取业务的指令缓存。待监控的事件发生时,智能助手再从指令缓存中提取指令,获取业务结果。缓存的指令可以和触发条件一一对应,以便智能助手可以通过触发条件检索相应的指令。
上文中结合图1至图3,详细描述了根据本发明实施例的业务推荐方法,下面将结合图4,详细描述根据本发明实施例的具有智能助手的装置。
图4是根据本发明实施例的具有智能助手的装置的示意性框图。应理解,图4的装置400能够实现图3中的各个步骤,为避免重复,此处不再详述。装置400包括:选择模块410和推荐模块420。
选择模块410,用于当终端的用户向所述智能助手请求第一业务时,根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,其中,所述业务关系模型中记录有:所述多个业务的名称,以及所述多个业务彼此之间的相关程度;
推荐模块420,用于向所述用户推荐所述选择模块410选择的所述潜在业务。
本发明实施例中,在用户请求第一业务之后,通过预先建立的业务关系模型,从智能助手支持的业务中选出与该第一业务相关程度满足预设条件的潜在业务,并向用户推荐这些潜在业务,使得用户在请求一个业务之后,无需向智能助手主动地反复地请求该业务相关的后续业务,从而方便了用户的使用。
可选地,作为一个实施例,所述预设条件为相关程度的阈值,所述选择模块410可具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务中与所述第一业务的相关程度满足所述阈值的业务确定为所述潜在业务。
可选地,作为一个实施例,所述预设条件为向所述用户推荐的业务数量的阈值,所述选择模块410可具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务与所述第一业务的相关程度进行排序,以将所述多个业务中排名在所述阈值内的业务确定为所述潜在业务。
可选地,作为一个实施例,所述推荐模块420可具体用于根据所述潜在业务中各业务与所述第一业务相关程度的排序,将所述潜在业务中与所述第一业务相关程度较大的业务优先推荐给所述用户。
可选地,作为一个实施例,所述智能助手能够提供的业务包括:第二业务,所述业务关系模型记录有:所述第一业务和所述第二业务在不同相关性条件下的相关程度,所述选择模块410可具体用于根据所述第一业务的名称,以及所述用户请求所述第一业务时所处的环境条件,通过所述业务关系模型,将在所述环境条件下,所述不同相关性条件中被满足的相关性条件对应的相关程度确定为所述第一业务和所述第二业务之间的相关程度;当所述第一业务和所述第二业务之间的相关程度满足所述预设条件时,将所述第二业务确定为所述潜在业务之一。
可选地,作为一个实施例,所述业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,所述业务参数为第三方应用提供对应的业务时需要被赋值的参数,所述装置400还可包括:提取模块,用于从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;分配模块,用于在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
可选地,作为一个实施例,所述潜在业务包括第三业务,所述业务关系模型中还记录有所述第三业务的触发条件,所述推荐模块420可具体用于在生成向第三方应用请求提供所述第三业务的指令后,检测所述触发条件是否满足;当所述触发条件未满足时,在缓存中缓存所述指令;当所述触发条件满足时,向所述第三业务发送所述指令。
可选地,作为一个实施例,所述智能助手能够提供的所述多个业务中任意两个业务之间的相关程度用于指示:所述用户请求所述两个业务中的一个业务之后,请求另一个业务的概率。
可选地,作为一个实施例,所述装置400可以为位于网络侧的服务器,所述终端可以为所述服务器服务的终端。
可选地,作为一个实施例,所述装置400为所述终端。
需要说明的是,上述具有智能助手的装置的模块划分方式有多种,图4中的划分方式仅仅是一个示例。无论是哪种模块划分方式,每个模块均可以通过硬件(如电路)、软件或软硬结合的方式实现。下面结合图5,给出具有智能助手的装置的另一种模块划分方式的示例。在图5中,将具有智能助手的装置划分成输入处理模块510、会话缓存模块520、业务管理模块530、意图处理模块540、业务调度模块550、输出处理模块560和业务关系模型模块570。图4中的选取模块410的功能可以由图5中的业务管理模块530实现;图4中的推荐模块420可以由图5中的意图处理模块540和输出处理模块560共同实现。
图5是根据本发明实施例的具有智能助手的装置的示意性框图。图5的具有智能助手的装置500能够实现图3中的各个步骤,为避免重复,此处不再赘述。
输入处理模块510,用于收集、转化、修正用户输入的信息。
会话缓存模块520,用于缓存用户请求的业务或向用户推荐的潜在业务对应的会话内容,并为业务管理模块530和意图处理模块540提供所需的上下文数据,如业务的名称,业务参数等。
业务管理模块530,用于潜在业务的选择、排序,并对会话缓存520中的会话进行管理。
意图处理模块540,用于解析用户输入的信息,并从中提取所需的数据,如业务名称、业务参数等;根据业务管理模块530的请求,生成引导问句,指示用户输入所需的数据;生成包含业务结果的回复信息。
业务调度模块550,用于根据业务管理模块530指示的业务类型(如业务的名称等),选择相应的第三方应用,调用其API,传递业务参数;获取、过滤、合并、排序第三方应用返回的业务结果。
输出处理模块560,用于根据意图处理模块540的指示,输出引导问句,结果回复等。
业务关系模型模块570,用于存储业务关系模型。
上述输入处理模块510和输出处理模块560均能与用户进行通信,上述业务调度模块550能与第三方应用进行通信。
下面结合图6至图8,给出图5所示的模块划分的情况下,根据本发明实施例的业务推荐方法的示意性流程图。
610、获取用户的输入。
可以获取用户输入的文本、语音、图片、操作指令等数据。
620、输入处理模块处理用户的输入。
例如,输入处理模块收集用户输入的数据,转化或者规范化不同格式的输入数据到系统能识别的格式,修正输入数据可能存在的错误。
630、意图处理模块解析输入处理模块处理的结果。
例如,意图处理模块可根据业务关系模型中记录的业务名称、业务参数等信息,从输入处理模块处理的结果中提取相应的信息;并将解析结果传递给业务管理模块;或者,将解析结果直接交给会话缓存模块保存,并通知业务管理模块去会话缓存中取解析结果。
640、业务管理模块处理意图处理模块的解析结果。
例如,业务管理模块根据解析结果,通知意图处理模块产生引导问句,或者通知业务调度模块获取该业务对应的结果,或者通知意图处理模块生成结果回复,或者提供潜在业务的推荐。
650、业务管理模块根据活动会话的状态,判断是否获取该业务对应的结果;如果是,执行步骤660;否则,执行步骤670。
660、业务调度模块获取该业务对应的结果。
例如,业务调度模块根据业务管理模块提交的数据(包括但不限于业务名称、业务参数),选择对应的一个或者多个第三方应用,调用其API。收集第三方应用返回的该业务对应的结果,过滤、合并、排序业务结果,返回给业务管理模块。
670、意图处理模块根据需要生成引导问句或者该业务对应的结果的回复,并且提交给输出处理模块。
680、输出处理模块生成最终的输入内容。
输出的内容可以是:文本、语音、图片、网页等,并且呈现给用户。
图7是图6中由业务管理模块执行的步骤(即步骤640)的详细流程的示例图。
6401、获取意图处理模块返回的解析结果。
例如,意图处理模块可以直接将该解析结果提交给业务管理模块,或者意图处理模块将该解析结果缓存在会话缓存中,并且通知业务管理模块到指定位置获取。
6402、判断用户是否需要提供业务。
业务管理模块根据上述解析结果,判断用户是希望提供业务,还是拒绝业务;如果是,执行步骤6403;否则,执行步骤6404。
6403、提取或者创建会话,填充会话内容。
如果用户提供业务,业务管理模块根据解析结果确定用户是请求的是一个全新的业务,则根据业务关系模型,创建对应业务的会话;或者,用户请求是前一个请求的补充,则从会话缓存中提取对应的会话;或者,如果前一个会话已经处理完成,提取会话缓存中的下一个或者一组未处理会话进行处理。同时,使用解析结果填充会话内容。如果活动会话与用户当前请求的业务不对应,还需要重新设定活动会话。
6404、关闭对应的会话。
如果用户拒绝业务,业务管理模块关闭的一个或者一组业务名称,关闭这个/些业务相应的会话。
6405、会话是否需要用户确认,或者会话中的必选业务参数是否存在未赋值,如果是,执行步骤6407;如果否,执行步骤6406。
6406、通知业务调度模块获取该业务对应的结果。
如果活动会话不需要用户确认,也不存在未赋值的必选业务参数,表示提供相应业务所需要的信息已经都获取,业务管理模块将业务名称、业务参数提交给业务调度模块,通知其获取业务结果。
6407、选择引导问句的类型和填充内容。
如果活动会话需要用户确认或者存在未赋值的必选业务参数,业务管理模块选择相应的引导问句类型,并且收集引导问句中应该填充的内容。
6408、通知意图处理模块返回引导问句或结果回复。
6409、判断活动会话是否已经完成。
如果未完成,表示活动会话需要等待使用者进一步请求,因此直接退出图7的流程;如果已完成,执行步骤6410。
6410、获取推荐业务。
如果活动会话完成,业务管理模块根据业务关系模型,选择和排序一个或者多个可推荐的业务,并创建相应的会话,根据排序加入到会话缓存中。
6411、判断会话缓存中是否存在未处理的会话;如果是,返回步骤6403;否则,结束图7的流程。
图8是图7中获取潜在业务(即步骤6410)的详细流程的示例图。
64101、获取活动会话的业务名称。
64102、根据业务关系模型获取并排序潜在业务。
64103、判断是否存在潜在业务;如果是,执行步骤64104;如果否,退出图8的流程。
64104、创建会话,并使用业务关系模型、以及共享的业务参数,填充会话内容。
此外,如图9所示,图5中的装置500还可包括:
事件监控模块580:对业务触发条件进行监控,该业务触发条件满足时通知业务管理模块530。
指令缓存模块590:缓存业务管理模块530提交给业务调度模块550的指令,当业务触发条件满足时,业务管理模块530指示将该指令缓存模块590中缓存的指令提交给业务调度模块550。
根据图9所示的具有智能助手的装置500,图10在图6的基础上增加了步骤690、步骤692和步骤695。
690,判断活动会话是否存在触发条件,如果是,执行步骤692;如果否,执行步骤695。
换句话说,该活动会话对应的业务是否需要待某个特定条件满足时,再获取业务结果。
692,业务管理模块提交触发条件给事件监控模块,并且将获取的该业务对应结果的指令缓存在指令缓存中。
当相应事件触发或者相应条件满足时,业务管理模块可以取出指令直接执行。
695,事件监控模块设定监控事件。
例如,事件监控模块根据业务管理模块提交的业务触发条件,设定需监控的一个或者多个触发器(包括但不限于时间触发器、位置触发器、各种传感器、第三方业务信息监控器等等),以及预设监控值或者范围等等。
需要说明的是,上述业务的触发条件触发后,业务管理模块会从指令缓存中获取相应的指令,并通知业务调度模块获取业务结果;待收到业务结果后,通知意图处理模块向用户返回该业务对应的结果。
图11示出了图6中的各个模块在如图2所示的分布式系统中的连接关系。在图7中,智能助手客户端中设置了代理模块595,能够通过网络与智能助手业务器中的业务管理模块530进行通信。输入处理模块510、输出处理模块560、事件监控模块580和指令缓存模块590集成在客户端侧;剩余模块位于业务器中。
图12是根据本发明实施例的具有智能助手的装置的示意性框图。图12的装置1200包括:存储器1210和处理器1220。应理解,装置1200能够实现图3中的各个步骤,为避免重复,此处不再详述。
存储器1210,用于存储程序。
处理器1220,用于当终端的用户向所述智能助手请求第一业务时,根据所述第一业务的名称,通过预先建立的业务关系模型,从所述智能助手能够提供的多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务,其中,所述业务关系模型中记录有:所述多个业务的名称,以及所述多个业务彼此之间的相关程度;向所述用户推荐所述潜在业务。。
本发明实施例中,在用户请求第一业务之后,通过预先建立的业务关系模型,从智能助手支持的业务中选出与该第一业务相关程度满足预设条件的潜在业务,并向用户推荐这些潜在业务,使得用户在请求一个业务之后,无需向智能助手主动地反复地请求该业务相关的后续业务,从而方便了用户的使用。
可选地,作为一个实施例,所述预设条件为相关程度的阈值,所述处理器1220可具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务中与所述第一业务的相关程度满足所述阈值的业务确定为所述潜在业务。
可选地,作为一个实施例,所述预设条件为向所述用户推荐的业务数量的阈值,所述处理器1220可具体用于根据所述第一业务的名称,通过所述业务关系模型,确定所述多个业务中各业务与所述第一业务的相关程度;将所述多个业务与所述第一业务的相关程度进行排序,以将所述多个业务中排名在所述阈值内的业务确定为所述潜在业务。
可选地,作为一个实施例,所述处理器1220可具体用于根据所述潜在业务中各业务与所述第一业务相关程度的排序,将所述潜在业务中与所述第一业务相关程度较大的业务优先推荐给所述用户。
可选地,作为一个实施例,所述智能助手能够提供的业务包括:第二业务,所述业务关系模型记录有:所述第一业务和所述第二业务在不同相关性条件下的相关程度,所述处理器1220可具体用于根据所述第一业务的名称,以及所述用户请求所述第一业务时所处的环境条件,通过所述业务关系模型,将在所述环境条件下,所述不同相关性条件中被满足的相关性条件对应的相关程度确定为所述第一业务和所述第二业务之间的相关程度;当所述第一业务和所述第二业务之间的相关程度满足所述预设条件时,将所述第二业务确定为所述潜在业务之一。
可选地,作为一个实施例,所述业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,所述业务参数为第三方应用提供对应的业务时需要被赋值的参数,所述处理器1220还可用于从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
可选地,作为一个实施例,所述潜在业务包括第三业务,所述业务关系模型中还记录有所述第三业务的触发条件,所述处理器1220可具体用于在生成向第三方应用请求提供所述第三业务的指令后,检测所述触发条件是否满足;当所述触发条件未满足时,在缓存中缓存所述指令;当所述触发条件满足时,向所述第三业务发送所述指令。
可选地,作为一个实施例,所述智能助手能够提供的所述多个业务中任意两个业务之间的相关程度可用于指示:所述用户请求所述两个业务中的一个业务之后,请求另一个业务的概率。
可选地,作为一个实施例,所述装置1200可以为位于网络侧的服务器,所述终端可以为所述服务器服务的终端。
可选地,作为一个实施例,所述装置1200可以为所述终端。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,业务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种业务推荐方法,其特征在于,包括:
智能助手接收第一业务的请求;
所述智能助手利用自然语言处理解析所述第一业务请求;
所述智能助手解析所述请求之后,提取所述请求的业务名称;
根据所述业务名称确定所述第一业务的业务参数类型,所述第一业务的业务参数类型记录在预先建立的指示多个业务之间关系的业务关系模型中,其中,所述业务关系模型包括所述智能助手能够提供的多个业务的名称、所述多个业务与所述第一业务的对应相关程度,以及所述多个业务的业务参数的类型,其中,所述业务参数为第三方应用提供对应的业务时需要的配置参数;
所述智能助手解析所述请求后,根据所述业务关系模型中指示的业务参数类型,从所述请求中提取所述第一业务的业务参数;
所述智能助手根据所述业务名称、所述业务参数,通过预先建立的业务关系模型,从所述多个业务中选择与所述第一业务的相关程度满足预设条件的潜在业务;
所述智能助手生成请求所述第三方应用中的第一应用提供所述潜在业务的指令;
所述智能助手在生成所述指令后,检测是否满足所述潜在业务的对应触发条件,所述业务关系模型包括所述潜在业务的对应触发条件;
当所述潜在业务的对应触发条件满足时,将所述指令发送给所述第一应用。
2.如权利要求1所述的方法,其特征在于,还包括:判断是否满足第一触发条件,当满足所述第一触发条件时,所述智能助手开始接收业务请求。
3.如权利要求1或2所述的方法,其特征在于,所述智能助手利用自然语言处理解析所述第一业务请求包括:
所述智能助手使用特定的词语/词组/短句替换所述第一业务请求中出现的代词。
4.如权利要求1或2中任一项所述的方法,其特征在于,所述智能助手利用自然语言处理解析所述第一业务请求包括:
根据用户输入的上下文以及语义,补齐所述第一业务请求中省略的内容。
5.如权利要求1-4中任一项所述的方法,其特征在于,还包括:
向用户显示或播放所述第一应用反馈的业务结果。
6.如权利要求1-5中任一项所述的方法,其特征在于,所述业务关系模型中还记录有所述智能助手能够提供的所述多个业务各自的业务参数,
所述方法还包括:
从所述业务关系模型中提取包括所述第一业务和所述潜在业务在内的各业务的业务参数;
在会话缓存中为所述各业务分配对应的会话,所述会话的内容中存储对应业务的业务参数,所述会话缓存中的会话之间共享各自存储的业务参数的值。
7.如权利要求1-6中任一项所述的方法,其特征在于,还包括:
所述智能助手生成引导问句,以提醒用户输入提供所述潜在业务所必须的业务参数的值。
8.如权利要求1-7中任一项所述的方法,其特征在于,还包括:
所述智能助手生成引导问句,以提醒用户输入可选的业务参数对应的信息,所述可选的业务参数对应的信息用于过滤获取的业务结果。
9.一种计算机可读存储介质,包括指令,当其在电子设备上运行时,使得电子设备执行如权利要求1-8任意一项所述的方法。
10.一种包含指令的计算机程序产品,当其在电子设备上运行时,使得电子设备执行如权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110499199.7A CN113268498A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410329401.1A CN105446994A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
CN202110499199.7A CN113268498A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410329401.1A Division CN105446994A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113268498A true CN113268498A (zh) | 2021-08-17 |
Family
ID=55063553
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410329401.1A Pending CN105446994A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
CN202110499199.7A Pending CN113268498A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410329401.1A Pending CN105446994A (zh) | 2014-07-11 | 2014-07-11 | 业务推荐方法和具有智能助手的装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10949477B2 (zh) |
EP (1) | EP3002693A4 (zh) |
CN (2) | CN105446994A (zh) |
WO (1) | WO2016004763A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10606848B2 (en) | 2016-04-11 | 2020-03-31 | Facebook, Inc. | Techniques for device configuration using messaging history information |
US10567312B2 (en) | 2016-04-11 | 2020-02-18 | Facebook, Inc. | Techniques for messaging bot controls based on machine-learning user intent detection |
US10929782B2 (en) * | 2016-06-11 | 2021-02-23 | Apple Inc. | Integrating restaurant reservation services into a navigation application |
US10764643B2 (en) * | 2016-06-15 | 2020-09-01 | Opentv, Inc. | Context driven content rewind |
US10356029B2 (en) | 2016-09-21 | 2019-07-16 | Facebook, Inc. | Methods and systems for presenting modules in an inbox interface |
US10367767B2 (en) | 2016-09-21 | 2019-07-30 | Facebook, Inc. | Modular inbox and generation of content modules |
US10841264B2 (en) | 2016-09-21 | 2020-11-17 | Facebook, Inc. | Method and system for presenting a subset of messages in a modular inbox |
US11233760B2 (en) | 2016-09-21 | 2022-01-25 | Facebook, Inc. | Module ranking for a modular inbox |
US10880237B2 (en) * | 2016-11-28 | 2020-12-29 | Facebook, Inc. | Methods and systems for ranking messaging bots |
EP3561698B1 (en) * | 2017-01-22 | 2023-10-25 | Huawei Technologies Co., Ltd. | Method and device for intelligently processing application event |
CN108235810B (zh) * | 2017-01-22 | 2020-11-17 | 华为技术有限公司 | 智能处理应用事件的方法、装置与计算机可读存储介质 |
CN109313638B (zh) * | 2017-03-09 | 2023-09-01 | 微软技术许可有限责任公司 | 应用推荐 |
US11194829B2 (en) | 2017-03-24 | 2021-12-07 | Experian Health, Inc. | Methods and system for entity matching |
US10817966B2 (en) * | 2017-03-30 | 2020-10-27 | Experian Health, Inc. | Expanded data processing for entity matching |
US10769138B2 (en) * | 2017-06-13 | 2020-09-08 | International Business Machines Corporation | Processing context-based inquiries for knowledge retrieval |
CN107861968B (zh) * | 2017-09-14 | 2020-07-07 | 北京小蓦机器人技术有限公司 | 用于提供与场景匹配的信息的方法、设备与存储介质 |
US10713441B2 (en) * | 2018-03-23 | 2020-07-14 | Servicenow, Inc. | Hybrid learning system for natural language intent extraction from a dialog utterance |
CN113536093A (zh) * | 2018-04-26 | 2021-10-22 | 华为技术有限公司 | 一种信息处理方法及装置 |
CN108769160B (zh) * | 2018-05-16 | 2019-09-03 | 北京嘀嘀无限科技发展有限公司 | 基于服务的业务线推荐方法、装置及存储介质 |
JP7124480B2 (ja) * | 2018-06-25 | 2022-08-24 | コニカミノルタ株式会社 | サービス提供システムおよびサービス提供方法 |
CN109325717A (zh) * | 2018-09-11 | 2019-02-12 | 国家电网有限公司 | 一种智能仓库货位自动分配装置 |
CN110232138B (zh) * | 2019-05-20 | 2022-05-20 | 中国银行股份有限公司 | 一种业务引导方法、装置及存储介质 |
US11645344B2 (en) | 2019-08-26 | 2023-05-09 | Experian Health, Inc. | Entity mapping based on incongruent entity data |
US11386890B1 (en) * | 2020-02-11 | 2022-07-12 | Amazon Technologies, Inc. | Natural language understanding |
CN113536127A (zh) * | 2021-01-12 | 2021-10-22 | 陈漩 | 基于大数据和人工智能的数据处理方法及云服务器 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414296A (zh) * | 2007-10-15 | 2009-04-22 | 日电(中国)有限公司 | 自适应服务推荐设备及方法、自适应服务推荐系统及方法 |
US20130275164A1 (en) * | 2010-01-18 | 2013-10-17 | Apple Inc. | Intelligent Automated Assistant |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6072869A (en) * | 1997-12-22 | 2000-06-06 | Nortel Networks Corporation | Adaptive method and apparatus for detecting a stutter dial tone signal |
JP4390405B2 (ja) * | 2001-05-31 | 2009-12-24 | 富士通株式会社 | コンピュータシステム、サービス層、ポリシーキャッシュ機能部およびポリシー管理装置 |
US20130066823A1 (en) * | 2005-03-30 | 2013-03-14 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating customization |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
EP2217880B1 (en) * | 2007-11-24 | 2015-02-18 | Routerank Ltd | Optimized route planning |
US8138930B1 (en) | 2008-01-22 | 2012-03-20 | Google Inc. | Advertising based on environmental conditions |
US8635083B1 (en) * | 2008-04-02 | 2014-01-21 | Mckesson Financial Holdings | Systems and methods for facilitating the establishment of pharmaceutical rebate agreements |
JP2010026666A (ja) * | 2008-07-16 | 2010-02-04 | Sony Computer Entertainment Inc | 関連情報提示システム、関連情報提示方法、プログラム及び情報記憶媒体 |
US20100017388A1 (en) * | 2008-07-21 | 2010-01-21 | Eric Glover | Systems and methods for performing a multi-step constrained search |
CN101674323A (zh) * | 2008-09-10 | 2010-03-17 | 华为技术有限公司 | 业务推送协商方法及装置、推送业务系统 |
CN102033884A (zh) * | 2009-09-29 | 2011-04-27 | 国际商业机器公司 | 用于处理服务的方法和系统 |
CN101848416A (zh) * | 2010-04-02 | 2010-09-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种移动终端、应用服务器及应用推送方法和系统 |
CN102255907B (zh) * | 2011-07-11 | 2015-04-22 | 中国电信股份有限公司 | 业务推送方法和系统 |
CN103368986B (zh) * | 2012-03-27 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及信息推荐装置 |
WO2013184573A2 (en) * | 2012-06-04 | 2013-12-12 | Lagrange Systems, LLC | Decentralized resource allocation |
CN103544220B (zh) * | 2013-09-29 | 2017-04-05 | 北京航空航天大学 | 应用推荐方法和装置 |
US9342699B2 (en) * | 2013-11-06 | 2016-05-17 | Blackberry Limited | Method and apparatus for controlling access to encrypted data |
CN103593434A (zh) * | 2013-11-12 | 2014-02-19 | 北京奇虎科技有限公司 | 应用推荐方法及装置、服务器设备 |
US9806942B2 (en) * | 2013-12-02 | 2017-10-31 | Yahoo Holdings, Inc. | Deep linking to mobile applications |
CN103617075B (zh) * | 2013-12-04 | 2017-02-01 | 百度在线网络技术(北京)有限公司 | 应用程序推荐方法、系统和服务器 |
CN103617547B (zh) * | 2013-12-04 | 2017-07-07 | 中国联合网络通信集团有限公司 | 一种业务推荐方法及系统 |
-
2014
- 2014-07-11 CN CN201410329401.1A patent/CN105446994A/zh active Pending
- 2014-07-11 CN CN202110499199.7A patent/CN113268498A/zh active Pending
-
2015
- 2015-02-09 EP EP15810686.4A patent/EP3002693A4/en not_active Ceased
- 2015-02-09 WO PCT/CN2015/072537 patent/WO2016004763A1/zh active Application Filing
- 2015-12-28 US US14/981,247 patent/US10949477B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414296A (zh) * | 2007-10-15 | 2009-04-22 | 日电(中国)有限公司 | 自适应服务推荐设备及方法、自适应服务推荐系统及方法 |
US20130275164A1 (en) * | 2010-01-18 | 2013-10-17 | Apple Inc. | Intelligent Automated Assistant |
Non-Patent Citations (1)
Title |
---|
李涛 等: "《数据挖掘的应用与实践—大数据时代的案例分析》", 厦门大学出版社, pages: 155 - 156 * |
Also Published As
Publication number | Publication date |
---|---|
US10949477B2 (en) | 2021-03-16 |
EP3002693A1 (en) | 2016-04-06 |
CN105446994A (zh) | 2016-03-30 |
WO2016004763A1 (zh) | 2016-01-14 |
EP3002693A4 (en) | 2016-08-24 |
US20160132605A1 (en) | 2016-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10949477B2 (en) | Service recommendation method and apparatus with intelligent assistant | |
US11562005B2 (en) | List accumulation and reminder triggering | |
US10452783B2 (en) | Conversational agent | |
US10289433B2 (en) | Domain specific language for encoding assistant dialog | |
US10122839B1 (en) | Techniques for enhancing content on a mobile device | |
US9195703B1 (en) | Providing context-relevant information to users | |
US10868778B1 (en) | Contextual feedback, with expiration indicator, to a natural understanding system in a chat bot | |
US20200380076A1 (en) | Contextual feedback to a natural understanding system in a chat bot using a knowledge model | |
US9092505B1 (en) | Parsing rule generalization by n-gram span clustering | |
US20150154682A1 (en) | Enriching product catalog with search keywords | |
US11425071B2 (en) | Uniform resource identifier and image sharing for contextual information display | |
JP5231514B2 (ja) | 行動支援情報提供装置、方法、及びプログラム | |
US9117452B1 (en) | Exceptions to action invocation from parsing rules | |
CN107924403B (zh) | 查询组成系统 | |
WO2017028635A1 (zh) | 一种信息处理系统、方法、电子设备和计算机存储介质 | |
US11477140B2 (en) | Contextual feedback to a natural understanding system in a chat bot | |
US11490232B2 (en) | Location-based conversation identifier | |
US20150154681A1 (en) | Enriching product catalog with product name keywords | |
JP2020112999A (ja) | 情報処理装置、サーバの制御方法、およびサーバの制御プログラム |
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 |