CN113392192A - 语言处理的方法、装置、系统及存储介质 - Google Patents
语言处理的方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113392192A CN113392192A CN202010172211.9A CN202010172211A CN113392192A CN 113392192 A CN113392192 A CN 113392192A CN 202010172211 A CN202010172211 A CN 202010172211A CN 113392192 A CN113392192 A CN 113392192A
- Authority
- CN
- China
- Prior art keywords
- information
- influence factor
- topic
- user
- man
- 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
- 238000003672 processing method Methods 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 46
- 230000002452 interceptive effect Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000003993 interaction Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000003058 natural language processing Methods 0.000 abstract description 15
- 238000004891 communication Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 25
- 238000013461 design Methods 0.000 description 18
- 230000008901 benefit Effects 0.000 description 7
- 230000003245 working effect Effects 0.000 description 6
- 230000035622 drinking Effects 0.000 description 4
- 230000007937 eating Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 208000024335 physical disease Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000035922 thirst Effects 0.000 description 1
- 238000012546 transfer 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
- G06F16/30—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
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种语言处理的方法、装置、系统及存储介质,该方法,包括:通过交互界面获取人机对话过程中用户输入的语言信息;获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。提高自然语言处理的精度和准确度,更加真实模拟人机的灵活对话,合理预测人机沟通时人所说话的话题意图。
Description
技术领域
本发明涉及自然语言处理技术领域,尤其涉及一种语言处理的方法、装置、系统及存储介质。
背景技术
自然语言处理可以应用于计算机科学领域与人工智能领域,能够实现人与计算机之间用自然语言进行有效通的各种理论和方法。
现有技术中大部分自然语言处理算法都是基于概率预测人与计算机之间沟通时人所说话的意图。
随着人工智能技术的发展,对自然语言处理的要求越来越高,越来越多的应用场景需要真实模拟人与用户进行灵活对话,然而,现有技术对自然语言处理无法准确预测人与计算机沟通的意图。
发明内容
本发明提供一种语言处理的方法、装置、系统及存储介质,以提高自然语言处理的精度和准确度,更加真实模拟人机的灵活对话,合理预测人机沟通时人所说话的话题意图。
第一方面,本发明实施例提供的一种语言处理方法,包括:
通过交互界面获取人机对话过程中用户输入的语言信息;
获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;
根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;
根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。
在一种可能的设计中,确定所述参考信息对应的第二影响因子,包括:
对所述基本属性信息进行分类得到多个第一分类属性;
获取每个所述第一分类属性对所述基本属性信息的关系影响因子;
对每个所述第一分类属性对应的关系影响因子进行求和,得到所述第二影响因子。
在一种可能的设计中,确定所述语言信息对应的第一影响因子,包括:
对所述语言信息进行分词,获取关联信息;
对所述关联信息进行分类得到多个第二分类属性;
获取每个所述第二分类属性对所述关联信息的关系影响因子;
将所述关联信息对应的关系影响因子与所述基本属性信息对应的关系影响因子相乘后求和,得到所述第一影响因子。
在一种可能的设计中,所述根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子,包括:
根据所述关联信息,对每个所述第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子;
将所述第一影响因子及其对应的第一权重因子、所述第一中间影响因子相乘后得到第一话题影响因子,将所述第二影响因子及其对应的第二权重因子相乘后得到第二话题影响因子;
对所述第一话题影响因子与所述第二话题影响因子求和,得到所述话题影响因子。
在一种可能的设计中,所述通过所述交互界面向所述用户输出相应的语言,包括:
将预测的所述人机对话的话题在知识数据库中进行匹配检索,将获取的匹配语言通过所述交互界面向所述用户输出。
在一种可能的设计中,所述方法还包括:
通过所述交互界面获取用户的生物识别信息;
将所述生物识别信息发送至用户服务器,以获取与所述生物识别信息相匹配的用户基本属性信息。
在一种可能的设计中,所述方法还包括:
在人机交互过程中获取用户设备对当前应用程序的位置访问权限;
若所述位置访问权限允许当前应用程序访问所述用户设备的位置,则获取所述用户设备的全球定位系统GPS定位信息。
第二方面,本发明实施例提供的一种语言处理的装置,包括:
输入模块,用于通过交互界面获取人机对话过程中用户输入的语言信息;
获取模块,用于获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;
确定模块,用于根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;
输出模块,用于根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。
在一种可能的设计中,确定所述参考信息对应的第二影响因子,包括:
对所述基本属性信息进行分类得到多个第一分类属性;
获取每个所述第一分类属性对所述基本属性信息的关系影响因子;
对每个所述第一分类属性对应的关系影响因子进行求和,得到所述第二影响因子。
在一种可能的设计中,确定所述语言信息对应的第一影响因子,包括:
对所述语言信息进行分词,获取关联信息;
对所述关联信息进行分类得到多个第二分类属性;
获取每个所述第二分类属性对所述关联信息的关系影响因子;
将所述关联信息对应的关系影响因子与所述基本属性信息对应的关系影响因子相乘后求和,得到所述第一影响因子。
在一种可能的设计中,所述根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子,包括:
根据所述关联信息,对每个所述第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子;
将所述第一影响因子及其对应的第一权重因子、所述第一中间影响因子相乘后得到第一话题影响因子,将所述第二影响因子及其对应的第二权重因子相乘后得到第二话题影响因子;
对所述第一话题影响因子与所述第二话题影响因子求和,得到所述话题影响因子。
在一种可能的设计中,所述通过所述交互界面向所述用户输出相应的语言,包括:
将预测的所述人机对话的话题在知识数据库中进行匹配检索,将获取的匹配语言通过所述交互界面向所述用户输出。
在一种可能的设计中,所述装置还包括:
通过所述交互界面获取用户的生物识别信息;
将所述生物识别信息发送至用户服务器,以获取与所述生物识别信息相匹配的用户基本属性信息。
在一种可能的设计中,所述装置还包括:
在人机交互过程中获取用户设备对当前应用程序的位置访问权限;
若所述位置访问权限允许当前应用程序访问所述用户设备的位置,则获取所述用户设备的全球定位系统GPS定位信息。
第三方面,本发明实施例提供的一种语言处理的系统,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的语言处理的方法。
第四方面,本发明实施例提供的一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一项所述的语言处理的方法。
本发明提供一种语言处理的方法、装置、系统及存储介质,该方法,包括:通过交互界面获取人机对话过程中用户输入的语言信息;获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。本发明通过用户输入的语言信息结合该用户对应的参考信息可以更加真实模拟人机的灵活对话,同时通过确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,进而确定与所述人机对话的话题影响因子,提高自然语言处理的精度和准确度,从而根据所述话题影响因子预测所述人机对话的话题,合理预测人机沟通时人所说话的话题意图,并通过交互界面向用户输出与话题相对应的语言。提高了用户的使用体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一应用场景的原理示意图;
图2为本发明实施例一提供的语言处理的方法流程图;
图3为本发明实施例提供的第一分类属性的示意图;
图4为本发明实施例提供的第二分类属性的示意图一;
图5为本发明实施例提供的第二分类属性的示意图二;
图6为本发明实施例提供的第二分类属性的示意图三;
图7为本发明实施例提供的事件重要程度衡量的示意图;
图8为本发明实施例提供的初始权重影响的示意图;
图9为本发明实施例提供的以年龄为例的基本属性信息对话题信息以及权重的影响示意图;
图10为本发明实施例提供的以在医院为例的地理位置信息对话题范围及权重的影响示意图;
图11为本发明实施例提供的事件完成度对此事件话题权重的影响示意图;
图12为本发明实施例二提供的语言处理的装置的示意图;
图13为本发明实施例三提供的语言处理的系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
随着人工智能技术的发展,对自然语言处理的要求越来越高,越来越多的应用场景需要真实模拟人与用户进行灵活对话,然而,现有技术对自然语言处理无法准确预测人与计算机沟通的意图。本发明可以提高自然语言处理的精度和准确度,更加真实模拟人机的灵活对话,合理预测人机沟通时人所说话的话题意图。具体的,人机对话中的机器可以包括智能电视、智能手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等。用户可以通过这些设备的屏幕作为人机交互界面。
图1为本发明一应用场景的原理示意图,如图1所示,用户(图中以用户手指代替)11与智能机器12(例如智能手机)进行人机对话过程。智能手机中可以装有各种应用程序,例如:打车软件、订餐软件、购物软件……各种应用程序中均可以提供人机交互对话窗口,举例而言,智能售后服务对话窗口,智能咨询答复窗口等等。可以以智能手机的屏幕作为人机交互界面,用户可以以语音、文字等方式在人机交互对话窗口输入语言,可以是一句短语,一句话,一段话等等。应用程序可以模拟人的思维对话方式,实现人机的灵活对话,在对话过程中合理预测人机沟通时用户所说话的话题意图。
现有技术在人机交互对话过程中一般按照词法规则对输入的语言信息进行词法分析,然后根据人为设定的语法规则进行句法分析,最终预测人机沟通时用户所说话的话题意图。然而在很多时候该方法无法准确预测人机对话过程的话题意图,不能真实、合理的模拟人机对话过程,导致用户体验不佳。
本发明通过丛林法则逻辑过程描述,如下公式一,来描述人与人对话过程中获取话题意图的思维逻辑过程。其中丛林法则(the law of the jungle)基于自然界里生物学方面的物竞天择、适者生存、优胜劣汰、弱肉强食的规律法则实现,即通过人机对话过程中用户输入的语言信息、用户的基本属性信息等等对人机对话话题影响的不同,择优确定人机对话过程中的话题信息。
如公式一中,表示逻辑过程,表示参与对话的人,·表示人感受到的对话的来源(一般为看和听),表示可描述为,C为丛林法则逻辑,E表示人对该句话中所包含的内容所拥有的经验,K表示该句话包含的内容的所有对应已知条件,Φ表示丛林法则稳态。公式一具体解释为,人对某句话的思维逻辑过程可以描述为:人感受到的语言输入后,综合该句话包含的内容的所有已知条件K,人对该句话中所包含的内容所拥有的经验E,根据丛林法则稳态Φ和丛林法则逻辑C,对该句话进行处理的过程。本发明认为,每个人说话(包含人机对话)的目的都是为了获得最大的丛林法则利益($),其中max表示取最大值。因此可以根据上述思维逻辑过程,具体可以通过如下公式二来获取人机交互过程的话题信息。
公式二中,表示逻辑过程,表示参与对话的计算机,·表示计算机感受到的人机对话的来源(一般为语音输入),表示可描述为,C为丛林法则逻辑,Z表示计算机对该句话中所包含的内容所拥有的知识库,K表示该句话包含的内容的所有已知条件。公式二具体解释为,计算机对某句话的丛林法则逻辑过程可以描述为:计算机感受到语音输入转化为文字后,综合该句话包含的内容的所有已知条件K,计算机对该句话中所包含的内容所拥有的知识库Z,根据丛林法则逻辑C,对该句话进行处理的过程。
其中丛林法则稳态条件(ΦJ):丛林法则稳态条件是指现实生活中,一个人处于非死亡状态下时所需要的基本条件,基本条件包含呼吸、吃饭、喝水、睡觉、身体和精神没有疾病。
丛林法则稳态(Φ):丛林法则稳态是指现实生活中,满足丛林法则稳态条件ΦJ的人所处的状态。
丛林法则逻辑(C):丛林法则逻辑是指,人机对话过程当中,人所说的话术的范围会受人的背景信息(性别、年龄、学历、工作性质等)、家庭信息(父母、夫妻、子女等)、时间地点天气信息、所处地理位置信息(商场、医院、公司等)的影响,并且背景信息、家庭信息、时间地点天气信息、所处地理位置信息本身也会相互影响。
丛林法则稳态条件ΦJ也会对影响人谈话的话题范围,所有的影响通过关系因子和影响因子,最终可以预测人机对话过程中人谈话的话题范围。
丛林法则利益($):丛林法则利益事件$j是指,在现实社会中,影响到独立的个人的收入、地位、更好的身体状态、更好的配偶、更好的住所、更好的穿戴、更多的同伴的事件。如果一个事件属于某人的丛林法则利益事件,那么此事件就触发了此人的丛林法则利益$。
具体的将丛林法则稳态条件中一个人处于非死亡状态下时的当前状态条件之一,例如可以包括呼吸、吃饭、喝水、睡觉、身体和精神没有疾病。本发明采用丛林法则稳态、丛林法则逻辑将用户输入的语言信息结合用户对应的参考信息可以更加真实模拟人机的灵活对话,提高自然语言处理的精度和准确度,解决了无法预测人机对话过程中的话题信息,导致用户使用体验不佳等问题。
图2为本发明实施例一提供的语言处理的方法流程图,如图2所示,本实施例中的方法可以包括:
S201、通过交互界面获取人机对话过程中用户输入的语言信息。
本实施例在人机对话的过程中,可以通过语言处理系统为执行主体来实现本发明语言处理的过程,例如包括但不限于中央处理器等等。通过交互界面获取人机对话过程中用户输入的语言信息,以便真实模拟人机的灵活对话,从而合理预测人机沟通的用户所说话的话题意图。其中语言信息可以包括用户输入的一段文字或者一段语音,且该语言信息中可以包含有用户的关联信息,例如地理位置信息、家庭信息或者事件时间信息等等,本实施例不作具体限定。
S202、获取用户的参考信息,分别确定语言信息对应的第一影响因子和参考信息对应的第二影响因子,其中参考信息包括用户的基本属性信息和当前状态信息。
具体的,参考信息可以包括基本属性信息和当前状态信息。其中基本属性信息可以包括性别、年龄、配偶状况,知识掌握程度或者工作性质等等,当前状态信息可以包括个人呼吸、吃饭、喝水、睡觉、身体和精神没有疾病、当前时间以及当前地理位置等等。
本实施例中将语言信息结合用户对应的参考信息,更加真实模拟人机交互的灵活对话,分别获取语言信息对应的第一影响因子和参考信息对应的第二影响因子,以便后续获取人机对话的话题影响因子,从而合理预测人机对话过程中的话题意图。
S203、根据第一影响因子和第二影响因子,确定与人机对话的话题影响因子。
具体的可以对第一影响因子与第二影响因子求和,确定人机对话的话题影响因子,以便后续根据话题影响因子预测对应的话题,从而合理预测人机对话过程的话题意图。
本实施例中通过确定语言信息对应的第一影响因子和参考信息对应的第二影响因子,进而相加求和来确定人机对话的话题影响因子,提高自然语言处理的精度和准确度。
S204、根据话题影响因子预测人机对话的话题,并根据所预测的话题通过交互界面想用户输出相应的语言。
具体的,将预测的人机对话的话题在知识数据库中进行匹配检索,将获取的匹配语言通过交互界面向用户输出。
本实施例中可以将预测的人机对话的话题,在知识数据库中进行匹配检索,将获取的匹配语言通过交互界面向用户输出,例如,话题为教育,匹配语言可以为xx英语学习方法非常棒等等,且将获取的匹配语言通过交互界面向用户输出。
本实施例中语言处理的方法提高自然语言处理的精度和准确度,更加真实模拟人机的灵活对话,合理预测人机沟通时人所说话的话题意图。
在图2所示实施例的基础上,确定参考信息对应的第二影响因子可以进一步采用以下方式实现,具体的对基本属性信息进行分类得到多个第一分类属性;获取每个第一分类属性对基本属性信息的关系影响因子;对每个第一分类属性对应的关系影响因子进行求和,得到第二影响因子。
具体的获取参与人机对话过程中用户的参考信息,其中参考信息可以包括用户的基本属性信息,例如可以包括性别、年龄、配偶状况、知识掌握程度和工作性质。语言处理系统对上述基本属性信息进行分类得到多个第一分类属性,例如对年龄、配偶状况、知识掌握程度和工作性质进行分类后,分别得到对应的多个第一分类属性,参考图3,图3为本发明实施例提供的第一分类属性的示意图,如图3示出,第一分类属性从左向右可以分别为G11、G12依次类推一直分类到G52,例如G11表示男性,G12表示女性,G51表示保险业,G552表示咨询行业。上述第一分类属性与基本属性信息的关系影响因子具有对应关系,即第一分类属性可以适当调整基本属性信息的关系影响因子;基本属性信息的关系影响因子可以包括性别G1,年龄,配偶状况G3,知识掌握程度G4和工作性质G5,且G1、G2、G3、G4以及G5,可以根据对应的第一分类属性按照具体的实施情况进行选择,本实施例中不作限定。因此对每个第一分类属性对应的关系影响因子进行求和,具体采用公式三得到第二影响因子,以便后续确定与人机对话的话题影响因子。
l1=A*G1+B*G2+C*G3+D*G+E*G5 公式三
其中A、B、C、D、E代表各个关系影响因子的权重,且A+B+C+D+E=1。在一种可选的实施例中,当A=B=C=D=E时,则由公式三可以得到如下公式四,其中,IG表示基本属性信息对用户对话话题产生的影响,表示关系影响因子G1到G5求和。0.2为每个关系影响因子对总体话题信息影响的初始权重。
本实施例通过对用户参考信息进行处理得到参考信息对应的第二影响因子,以便后续通过丛林法则逻辑来更加准确地确定人机对话的话题影响因子,从而合理预测人机对话的话题。
在图2所示实施例的基础上,确定语音信息对应的第一影响因子可以进一步采用以下方式实现,具体的对语言信息进行分词,获取关联信息;对关联信息进行分类得到多个第二分类属性;获取每个第二分类属性对关联信息的关系影响因子;将关联信息对应的关系影响因子与基本属性信息对应的关系影响因子相乘后求和,得到第一影响因子。
具体的语言信息中可以包括用户的家庭信息、地理位置信息或者事件时间信息,因此对语言信息进行分词,从语言信息中获取关联信息,关联信息例如可以为表示夫妻身份的关键词,表示地理位置的关键词,或者表示事件发生与否的关键词。
示例的,语言信息为:我有3个儿子,对该语言信息进行分词处理(可以采用现有技术,本实施例不作限定),获取关联信息,其中关联信息可以包括家庭信息,例如可以包括在家庭中的辈分,夫妻身份,子女数量。根据在家庭中的辈分,夫妻身份,子女数量分类得到对应的第二分类属性,具体参考图4,图4为本发明实施例提供的第二分类属性的示意图一,如图4所示,将这些第二分类属性从左向右分别分为F11、F12依次分类到F33,例如F11表示父母,F12表示子女,F31表示有0个子女,F33表示有多个子女。上述第二分类属性与关联信息(例如家庭信息)的关系影响因子具有对应关系,即第二分类属性可以适当调整关联信息(例如家庭信息)的关系影响因子;例如家庭信息的关系影响因子可以包括家庭中的辈分F1,夫妻身份F2,以及子女数量F3。可以根据对应的第二分类属性按照具体的实施情况进行选择,本实施例中不作限定。因此对每个第二分类属性对应的关系影响因子进行求和,具体采用公式五得到第一中间影响因子,以便后续确定人机对话的话题影响因子。
l2=A*F1+B*F2+C*F3 公式五
其中A、B、C代表各个关系影响因子的权重,且A+B+C=1。且当A=B=C时,由公式五可以得到如下公式六。
其中,IF表示家庭信息对用户对话话题产生的影响,表示第一中间影响因子F1到F3求和。0.3为每个第一中间影响因子对总体话题产生影响时分配的初始权重。进而将关联信息对应的关系影响因子与基本属性信息对应的关系影响因子相乘后求和,具体参考如下公式七,得到第一影响因子。
此公式表示每个基本属性信息(例如性别,年龄,配偶状况,知识掌握程度和工作性质)都会对家庭信息(例如辈分,夫妻身份,子女数量)产生影响。影响过程可以用乘法表示,∏表示连乘,∑表示做和。从而得到第一影响因子,从而可以确定人机对话的话题影响因子。公式七展开后表示为G1F1+G1F2+G1F3+...+G5F1+G5F2+G5F3。(其中...表示省略号)。
其中关联信息还可以包括地理位置信息,事件时间信息等等。下面分别详细介绍地理位置信息或者事件时间信息等关联信息,其实施方式和原理如上述家庭信息举例描述,从而确定人机对话的话题影响因子。
示例的,关联信息可以包括地理位置信息,由于篇幅有限,并没有全部列举出全部的地点场所,同时也没有列举出每个地点场所下可能存在的人物角色的全部可能性。只是列出了部分地点场所和在该场所下可能出现的人物角色的一部分。主要为说明每个人处在不同的场所会对参与人机对话的人的谈话话题产生影响。同时,一个用户的角色会根据其所处的场所产生角色转换,导致人机谈论的话题随之产生变化。
首先获得参与人机对话的人的地理位置信息情况,具体为用户当前时刻所处的地理位置,形成地理位置信息。在一种可选的实施例中可以通过获取用户设备对当前应用程序的位置访问权限;若位置访问权限允许当前应用程序访问用户设备的位置,则获取用户设备的全球定位系统GPS定位信息。对该关联信息进行分类得到多个第二分类属性,例如根据地理位置信息不同地理位置进行分类对应得到多个第二分类属性,具体参考图5,图5为本发明实施例提供的第二分类属性的示意图二,如图5示出,将这些第二分类属性从左向右分别分为D11、D12依次类推一直分类到D106,例如D11表示清洁员,D12表示行人,D101表示领导,D106表示技术(人员)等等。上述第二分类属性与关联信息(例如地理位置信息)的关系影响因子具有对应关系,即第二分类属性可以适当调整关联信息(例如地理位置信息)的关系影响因子;例如地理位置信息的关系影响因子可以包括马路的关系影响因子为D1,医院的关系影响因子为D2,商场、超市、药店的关系影响因子为D3,住宅的关系影响因子为D4。地铁、飞机、火车、轮船的关系影响因子为D5,建筑工地、学校、运动场的关系影响因子分别为D6、D7、D8,法院、检查院的关系影响因子为D9,公司的关系影响因子为D10。可以根据对应的第二分类属性按照具体的实施情况进行选择,本实施例中不作限定。因此对每个第二分类属性对应的关系影响因子进行求和,具体采用公式八得到第一中间影响因子,以便后续确定人机对话的话题影响因子。
l3=AD1+BD2+CD3+DD4+ED5+FD6+GD7+HD8+ID9+JD10 公式八
其中,A、B、C、D、E、F、G、H、I、J分别代表各个关系影响因子的权重,且A+B+C+D+E+F+G+H+I+J=1。
在一种可选的实施例中,对公式八限定一定的范围,可以将公示八转化为如下公式九,
进而将关联信息对应的关系影响因子与基本属性信息对应的关系影响因子相乘后求和,得到第一影响因子。具体可以采用如下公式十,
其中,Dj表示对地理位置关系影响因子。表示从10个数字1到10中任意选择一个。因为在同一时刻,每个用户只能处于一个地理位置中。Gi表示基本属性信息(例如性别,年龄,配偶状况,知识掌握程度和工作性质)的关系影响因子。∑表示做和。此公式展开后为:
示例的,关联信息可以包括事件时间信息,人机对话中人谈论的事件话题或心情话题(心情也是由某一事件导致的)受事件发生时间的影响,同时也受事件完成度的影响,首先获得参与人机对话的人的事件时间信息情况,根据人机对话中人谈话的内容,获得谈话事件(一个或多个事件)发生的时间以及事件的完成度信息。对该关联信息进行分类得到多个第二分类属性,例如根据在事件时间信息不同事件时间对应的第二分类属性,参考图6,图6为本发明实施例提供的第二分类属性的示意图三,如图6示出,将这些第二分类属性从左向右分别分为T11、T12依次类推一直分类到W2,例如T11表示过去一到七天,T12表示过去七天到一个月,W1表示事件的完成度为已完成,W2表示事件的完成度为未完成。上述第二分类属性与关联信息(例如事件时间信息)的关系影响因子具有对应关系,即第二分类属性可以适当调整关联信息(例如事件时间信息)的关系影响因子;例如事件时间信息的关系影响因子可以包括过去的关系影响因子为T0,现在、未来、事件完成度的关系影响因子分别为T1、T2、W。
另外如果参与人机对话的用户未满足丛林法则稳态条件中当前状态信息例(如呼吸、吃饭、喝水、睡觉、身体和精神没有疾病等),此处的未满足是指此人可能处于呼吸困难、饥饿、口渴、困倦、身体不适和精神不适等情况,此种情况下,谈话的话题意图是为了满足用户的丛林法则稳态条件。具体参考图7,图7为本发明实施例提供的事件重要程度衡量的示意图。如图7所示,在一种可选的实施情况下未满足丛林法则稳态条件中相关的事件时,丛林法则稳态相关事件的重要程度为80,丛林法则利益事件的重要程度为20;若已满足丛林法则稳态条件中相关的事件时,丛林法则稳态相关事件的重要程度为30,丛林法则利益事件的重要程度为70。进而对每个第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子,具体参考公式十一。
l4=0.33*T0*0.33*T1*0.33*T2 公式十一
无论事件发生在过去或者现在或者未来,那么该事件均会对用户产生影响,只要事件对于人机对话中的用户来说已经发生了,那么可以用以上公式十一计算来得到第一中间影响因子。如果一个事件没有发生,那么该事件会对于人机对话中的人来说尚未发生,该事件对此人在现在时间点上的影响权重为0.25,对将来时间点上的影响权重为0.75,因此得到公式十二
l5=0*T0*0.25*T1*0.75*T2 公式十二
进而将关联信息对应的关系影响因子与基本属性信息对应的关系影响因子相乘后得到第一影响因子,具体如下公式十三:
IT=T0T1T2*l4*l5 公式十三
其中,IT表示地理位置信息对用户对话话题产生的影响。
本实施例通过对语言信息进行处理得到对应的第一影响因子,以便后续通过丛林法则逻辑来更加准确地确定人机对话的话题影响因子,从而合理预测人机对话的话题。
在一种可选的实施例中,绘制各个信息的初始影响权重示意图如图8所示。图8为本发明实施例提供的初始权重影响的示意图,如图8按照顺时针方向示出关于基本属性信息、家庭信息、地理位置信息以及事件时间信息的初始权重均为0.25。这里的0.25是重要程度的衡量,比如一个学生考试,满分是100分,学生得分80分,那么此学生的得分能力为0.8,权重就是衡量话题重要程度的数值。权重高的话题在人机对话过程中会先被涉及。
在图2所示实施例的基础上,根据第一影响因子和第二影响因子,确定与人机对话的话题影响因子步骤可以进一步采用以下的方式实现,具体的根据关联信息,对每个第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子;将第一影响因子及其对应的第一权重因子、第一中间影响因子相乘后得到第一话题影响因子,将第二影响因子及其对应的第二权重因子相乘后得到第二话题影响因子;对第一话题影响因子与第二话题影响因子求和,得到话题影响因子。
具体的,结合上述实施例可以参考公式五、公式八、公式十一以及公式十二根据关联信息,得到第一中间影响因子,进而得到第一话题影响因子、第二话题影响因子,其中第一话题影响因子对应于语音信息,第二话题影响因子对应于参考信息;对第一话题影响因子与第二话题影响因子求和,得到话题影响因子。具体参考公式十四
I=0.25IG*l1+0.25IF*IGF*l2+0.25ID*IGD*l3+0.25IT 公式十四
0.25为初始权重。
一般情况下,初始权重也会对话题信息产生影响,具体参见公式十五,
本实施例中采用采集的100的话题为例,初始权重q的总和为1,初始权重为0.01。此公式中假设初始话题TA数量i为100个,故不能包含人机对话中全部的话题范围,在此100个话题范围之外的话题同样可以用公式十五来计算其话题权重。
示例的,如果未满足丛林法则稳态条件ΦJ那么丛林法则稳态条件相关话题范围权重上升,丛林法则利益事件$j相关话题范围权重下降,如果已满足丛林法则稳态条件ΦJ,那么丛林法则稳态条件相关话题范围权重下降,丛林法则利益事件$j相关话题权重上升。具体上升、下降公式按公式十六来计算。
qc=qG5i∝ΦJW$j 公式十六
话题权重q的变化率qc正比于(∝)丛林法则利益事件$j、事件完成度W、丛林法则稳态条件ΦJ。
由此采用丛林法则描述为某事件本身的话题初始权重q乘以此事件对事件参与人(人机对话的谈话者)的影响因子I。其中I的计算公式见公式十四,初始权重的计算公式见公式十五。话题权重q的变化率qc计算公式见公式十六。
本实施例中预测人机对话的话题参考如下表1。
表1
图9为本发明实施例提供的以年龄为例的基本属性信息对话题信息以及权重的影响示意图。如图9所示,1-17岁年龄的人更多地关注动画片和游戏。图10为本发明实施例提供的以在医院为例的地理位置信息对话题范围及权重的影响示意图。如图10所示,地理位置处于医院中的人们话题范围更多地关注于疾病和医疗。图11为本发明实施例提供的事件完成度对此事件话题权重的影响示意图。如图11所示,已完成事件的话题权重明显下降了。
本实施例中语言处理的方法提高自然语言处理的精度和准确度,更加真实模拟人机的灵活对话,合理预测人机沟通时人所说话的话题意图。
在图2所示实施例的基础上,本发明语言处理的方法还包括通过交互界面获取用户的生物识别信息;将生物识别信息发送至用户服务器,以获取与生物识别信息相匹配的用户基本属性信息。
例如可以通过智能手机进行人脸检测识别(可以采用现有技术,本实施例中不作限定),获取用户的人脸信息等等,并将该生物识别信息发送至服务器,以获取与该人脸识别信息相匹配的用户基本属性信息。
在图2所示实施例的基础上,本发明语言处理的方法还包括在人机交互过程中获取用户设备对当前应用程序的位置访问权限;若位置访问权限允许当前应用程序访问用户设备的位置,则获取用户设备的全球定位系统GPS定位信息。
例如可以通过打开智能手机上GPS定位开关等操作获取用户设备GPS的访问权限,若该位置访问权限允许当前应用程序访问用户设备的位置,则获取用户设备的全球定位系统GPS(Global Positioning System)定位信息。
本实施例中获取用户对应的参考信息可以采用多种丰富的实现方式,可以为本发明语言处理的方法提供更多的技术接口,使得本发明语言处理的方法具有更加广泛的实用性和可操作性。
图12为本发明实施例二提供的语言处理的装置的示意图,如图12所示,本实施例中的语言处理的装置可以包括:
输入模块31,用于通过交互界面获取人机对话过程中用户输入的语言信息;
获取模块32,用于获取用户的参考信息,分别确定语言信息对应的第一影响因子和参考信息对应的第二影响因子,参考信息包括用户的基本属性信息和当前状态信息;
确定模块33,用于根据第一影响因子和第二影响因子,确定与人机对话的话题影响因子;
输出模块34,用于根据话题影响因子预测人机对话的话题,并根据所预测的话题通过交互界面向用户输出相应的语言。
在一种可能的设计中,确定参考信息对应的第二影响因子,包括:
对基本属性信息进行分类得到多个第一分类属性;
获取每个第一分类属性对基本属性信息的关系影响因子;
对每个第一分类属性对应的关系影响因子进行求和,得到第二影响因子。
在一种可能的设计中,确定语言信息对应的第一影响因子,包括:
对语言信息进行分词,获取关联信息;
对关联信息进行分类得到多个第二分类属性;
获取每个第二分类属性对关联信息的关系影响因子;
将关联信息对应的关系影响因子与基本属性信息对应的关系影响因子相乘后求和,得到第一影响因子。
在一种可能的设计中,根据第一影响因子和第二影响因子,确定与人机对话的话题影响因子,包括:
根据关联信息,对每个第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子;
将第一影响因子及其对应的第一权重因子、第一中间影响因子相乘后得到第一话题影响因子,将第二影响因子及其对应的第二权重因子相乘后得到第二话题影响因子;
对第一话题影响因子与第二话题影响因子求和,得到话题影响因子。
在一种可能的设计中,通过交互界面向用户输出相应的语言,包括:
将预测的人机对话的话题在知识数据库中进行匹配检索,将获取的匹配语言通过交互界面向用户输出。
在一种可能的设计中,装置还包括:
通过交互界面获取用户的生物识别信息;
将生物识别信息发送至用户服务器,以获取与生物识别信息相匹配的用户基本属性信息。
在一种可能的设计中,装置还包括:
在人机交互过程中获取用户设备对当前应用程序的位置访问权限;
若位置访问权限允许当前应用程序访问用户设备的位置,则获取用户设备的全球定位系统GPS定位信息。
本实施例的语言处理的装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
图13为本发明实施例三提供的语言处理的系统的结构示意图,如图13所示,本实施例的语言处理的系统40可以包括:处理器41和存储器42。
存储器42,用于存储计算机程序(如实现上述语言处理的方法的应用程序、功能模块等)、计算机指令等;
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41,用于执行存储器42存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构,也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时,存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当用户设备的至少一个处理器执行该计算机执行指令时,用户设备执行上述各种可能的方法。
其中,计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种语言处理的方法,其特征在于,包括:
通过交互界面获取人机对话过程中用户输入的语言信息;
获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;
根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;
根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。
2.根据权利要求1所述的方法,其特征在于,确定所述参考信息对应的第二影响因子,包括:
对所述基本属性信息进行分类得到多个第一分类属性;
获取每个所述第一分类属性对所述基本属性信息的关系影响因子;
对每个所述第一分类属性对应的关系影响因子进行求和,得到所述第二影响因子。
3.根据权利要求2所述的方法,其特征在于,确定所述语言信息对应的第一影响因子,包括:
对所述语言信息进行分词,获取关联信息;
对所述关联信息进行分类得到多个第二分类属性;
获取每个所述第二分类属性对所述关联信息的关系影响因子;
将所述关联信息对应的关系影响因子与所述基本属性信息对应的关系影响因子相乘后求和,得到所述第一影响因子。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子,包括:
根据所述关联信息,对每个所述第二分类属性对应的关系影响因子进行求和,得到第一中间影响因子;
将所述第一影响因子及其对应的第一权重因子、所述第一中间影响因子相乘后得到第一话题影响因子,将所述第二影响因子及其对应的第二权重因子相乘后得到第二话题影响因子;
对所述第一话题影响因子与所述第二话题影响因子求和,得到所述话题影响因子。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述通过所述交互界面向所述用户输出相应的语言,包括:
将预测的所述人机对话的话题在知识数据库中进行匹配检索,将获取的匹配语言通过所述交互界面向所述用户输出。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述交互界面获取用户的生物识别信息;
将所述生物识别信息发送至用户服务器,以获取与所述生物识别信息相匹配的用户基本属性信息。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在人机交互过程中获取用户设备对当前应用程序的位置访问权限;
若所述位置访问权限允许当前应用程序访问所述用户设备的位置,则获取所述用户设备的全球定位系统GPS定位信息。
8.一种语言处理的装置,其特征在于,包括:
输入模块,用于通过交互界面获取人机对话过程中用户输入的语言信息;
获取模块,用于获取所述用户的参考信息,分别确定所述语言信息对应的第一影响因子和所述参考信息对应的第二影响因子,所述参考信息包括用户的基本属性信息和当前状态信息;
确定模块,用于根据所述第一影响因子和所述第二影响因子,确定与所述人机对话的话题影响因子;
输出模块,用于根据所述话题影响因子预测所述人机对话的话题,并根据所预测的话题通过所述交互界面向所述用户输出相应的语言。
9.一种语言处理的系统,其特征在于,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7中任一项所述的语言处理的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述的语言处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172211.9A CN113392192A (zh) | 2020-03-12 | 2020-03-12 | 语言处理的方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010172211.9A CN113392192A (zh) | 2020-03-12 | 2020-03-12 | 语言处理的方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113392192A true CN113392192A (zh) | 2021-09-14 |
Family
ID=77616683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010172211.9A Pending CN113392192A (zh) | 2020-03-12 | 2020-03-12 | 语言处理的方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392192A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294854A (zh) * | 2016-08-22 | 2017-01-04 | 北京光年无限科技有限公司 | 一种用于智能机器人的人机交互方法及装置 |
CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
CN109684459A (zh) * | 2018-12-28 | 2019-04-26 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
-
2020
- 2020-03-12 CN CN202010172211.9A patent/CN113392192A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294854A (zh) * | 2016-08-22 | 2017-01-04 | 北京光年无限科技有限公司 | 一种用于智能机器人的人机交互方法及装置 |
CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
CN109684459A (zh) * | 2018-12-28 | 2019-04-26 | 联想(北京)有限公司 | 一种信息处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444709B (zh) | 文本分类方法、装置、存储介质及设备 | |
CN112668671B (zh) | 预训练模型的获取方法和装置 | |
CN112131366B (zh) | 训练文本分类模型及文本分类的方法、装置及存储介质 | |
CN111143576A (zh) | 一种面向事件的动态知识图谱构建方法和装置 | |
Agar | What difference did computers make? | |
Kik et al. | Language and ethnobiological skills decline precipitously in Papua New Guinea, the world’s most linguistically diverse nation | |
CN110390052A (zh) | 搜索推荐方法、ctr预估模型的训练方法、装置及设备 | |
CN110399472A (zh) | 面试提问提示方法、装置、计算机设备及存储介质 | |
Lee et al. | Effective integration of morphological analysis and named entity recognition based on a recurrent neural network | |
Wu et al. | Machine translation of English speech: Comparison of multiple algorithms | |
Bai et al. | Ofasys: A multi-modal multi-task learning system for building generalist models | |
Lhasiw et al. | A bidirectional LSTM model for classifying Chatbot messages | |
CN116402166A (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
Karunarathne et al. | Sentence prediction on sms in sinhala language | |
CN113392192A (zh) | 语言处理的方法、装置、系统及存储介质 | |
Elsheikh et al. | Mada tawasol symbols & mobile app | |
Cerna et al. | The usefulness of NLP techniques for predicting peaks in firefighter interventions due to rare events | |
Shin et al. | A system for interviewing and collecting statements based on intent classification and named entity recognition using augmentation | |
Tikhonova et al. | Detecting a citizens' activity profile of an urban territory through natural language processing of social media data | |
CN110347813A (zh) | 一种语料处理方法、装置、存储介质及电子设备 | |
Jia et al. | Training quantized one-stage object detection neural networks via selective feature imitation | |
Pereira et al. | Predictive authoring for Brazilian Portuguese augmentative and alternative communication | |
Isaak | PronounFlow: A Hybrid Approach for Calibrating Pronouns in Sentences | |
Bernard et al. | Learning joint job embeddings using a job-oriented asymmetrical pairing system | |
Lu et al. | A military named entity recognition method combined with dictionary |
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 |