CN114297361A - 一种基于场景化对话理解的人机交互方法及相关组件 - Google Patents
一种基于场景化对话理解的人机交互方法及相关组件 Download PDFInfo
- Publication number
- CN114297361A CN114297361A CN202111650320.8A CN202111650320A CN114297361A CN 114297361 A CN114297361 A CN 114297361A CN 202111650320 A CN202111650320 A CN 202111650320A CN 114297361 A CN114297361 A CN 114297361A
- Authority
- CN
- China
- Prior art keywords
- dialogue
- scene
- api gateway
- reply
- conversation
- 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
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明公开了一种基于场景化对话理解的人机交互方法及相关组件。该方法包括:控制API网关调用会话管理器创建物联网对话场景的会话信息;控制API网关调用场景化NER模块获取会话信息中的对话元素;控制API网关调用分类器判定会话信息中的对话意图;结合对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;根据对话查询语句从对话场景模型中查询并获取回复语句;调用回复生成模块将回复语句返回API网关。本发明采用场景化适应NER技术,采用场景化适应NER技术,扩展理解技术,识别出更多的对话元素,可以构建更完善的基于物联网场景对话的文本图数据库,从而提高机器人对于自然语言处理成功率,具有快速并真正理解用户意图的优点。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于场景化对话理解的人机交互方法及相关组件。
背景技术
随着人工智能技术的快速发展,人工智能技术在人机对话上面也得到快速发展与应用,并逐步开始在电商、运营、金融服务等各行业形成产业规模。
其中,人工智能对话中,基于流水线实现的人机对话系统主要包括有语义理解,对话管理,语言生成模块等。对话管理模块中传统的做法是将对话模型载入到内存中,动态生成对话的图型结构,根据意图识别结果和当前的对话节点,搜索下一个对话节点。若当前对话节点所在的场景搜索不到下一个节点,就需要去其他对话场景搜索匹配节点。
当前流程的缺点:当对话模型中的对话场景规模很大的时候,会出现对话节点的搜索效率比较低,这样会导致机器人响应速度变慢。物联网用户往往夹杂很多非标准化表达、简称,实体类型与业务供给高度相关,只考虑通用语义很难保证模型识别的准确性。
发明内容
本发明的目的是提供一种基于场景化对话理解的人机交互方法及相关组件,旨在解决现有对话模型识别的准确性不足的问题。
为解决上述技术问题,本发明的目的是通过以下技术方案实现的:提供一种基于场景化对话理解的人机交互方法,包括:
控制API网关调用会话管理器创建物联网对话场景的会话信息;
控制API网关调用场景化NER模块获取所述会话信息中的对话元素;
控制API网关调用分类器判定所述会话信息中的对话意图;
结合所述对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
根据所述对话查询语句从对话场景模型中查询并获取回复语句;
调用回复生成模块将所述回复语句返回API网关。
另外,本发明要解决的技术问题是还在于提供一种基于场景化对话理解的人机交互系统,包括:
创建会话单元,用于控制API网关调用会话管理器创建物联网对话场景的会话信息;
获取元素单元,用于控制API网关调用场景化NER模块获取所述会话信息中的对话元素;
意图判定单元,用于控制API网关调用分类器判定所述会话信息中的对话意图;
构建单元,用于结合所述对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
查询单元,用于根据所述对话查询语句从对话场景模型中查询并获取回复语句;
回复单元,用于调用回复生成模块将所述回复语句返回API网关。
另外,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述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上述第一方面所述的基于场景化对话理解的人机交互方法。
另外,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于场景化对话理解的人机交互方法。
本发明实施例公开了一种基于场景化对话理解的人机交互方法及相关组件。该方法包括:控制API网关调用会话管理器创建物联网对话场景的会话信息;控制API网关调用场景化NER模块获取会话信息中的对话元素;控制API网关调用分类器判定会话信息中的对话意图;结合对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;根据对话查询语句从对话场景模型中查询并获取回复语句;调用回复生成模块将回复语句返回API网关。本发明实施例采用场景化适应NER技术,采用场景化适应NER技术,扩展理解技术,识别出更多的对话元素,可以构建更完善的基于物联网场景对话的文本图数据库,从而提高机器人对于自然语言处理成功率,具有快速并真正理解用户意图的优点。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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为本发明实施例提供的基于场景化对话理解的人机交互方法的流程示意图;
图2为本发明实施例提供的基于场景化对话理解的人机交互方法的子流程示意图;
图3为本发明实施例提供的基于场景化对话理解的人机交互方法的又一子流程示意图;
图4为本发明实施例提供的基于场景化对话理解的人机交互方法的又一子流程示意;
图5为本发明实施例提供的基于场景化对话理解的人机交互系统的示意性框图;
图6为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1为本发明实施例提供的基于场景化对话理解的人机交互方法的流程示意图;
如图1所示,该方法可以应用于物联网售后服务的自助应答机器人,用于与用户进行人机交互,具体可以包括步骤S101~S106。
S101、控制API网关调用会话管理器创建物联网对话场景的会话信息;
该步骤中,创建的会话信息包括sessionId(表示会话唯一标识);用户每次发送会话内容时,通过sessionId就能区分当前的会话信息的是哪一个客户端。
S102、控制API网关调用场景化NER模块获取会话信息中的对话元素;
该步骤中的场景化NER模块是基于词典和规则的方法、基于统计学习的方法(SVM、贝叶斯、HMM、CRF)、基于深度学习的方法(BiLstm、CNN+CRF、RNN+CRF、BiLstm+CRF)等多种方式构成的基础上得到的;采用的场景化NER模块可以更多的从物联网对话场景的会话信息中得到对话元素,在识别理解的基础上,可以构造适合物联网对话场景理解及人机交互对话需求的图数据库,一定程度缓解了标注数据少、模型预测效果差的问题。
S103、控制API网关调用分类器判定会话信息中的对话意图;
该步骤中,分类器为基于物联网对话场景训练的文本分类器模型,通过分类器可从物联网场景对话节点内容中识别出物联网客户的对话意图,其中该文本分类器模型支持LR、SVM、TextCNN、TextRNN,LSTM等多种算法。
S104、结合对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
该步骤中,将场景化NER模块获取的对话元素和分类器判定的对话意图进行组合,从而构建出对话逻辑处理模块,比如用户发起“查询卡状态”;则这里的可构建出用于处理“查询卡状态”的对话逻辑处理模块,并输出对话查询语句:match p=(n{name:"开始节点"})-[r{"意图":"查询卡状态"}]->(m)return p limit 25。
S105、根据对话查询语句从对话场景模型中查询并获取回复语句;
S106、调用回复生成模块将回复语句返回API网关。
步骤S101-106介绍了基于场景化对话的人机交互的执行流程,特别利用了场景化NER技术构建出场景化对话的文本图数据库。当对话模型的对话场景规模很大的时候,采用图理解技术,能快速的获得对话答案,同时采用图理解的方式,对对话节点的搜索效率也比较高。
下面更具体的介绍步骤S102,如图2所示,包括:
S201、控制API网关调用第一场景化NER子模块获取会话信息中的实体元素;
S202、控制API网关调用第二场景化NER子模块获取会话信息中的属性元素;
S203、控制API网关调用第三场景化NER子模块获取会话信息中的属性值元素。
步骤S201-S203中,场景化NER模块由第一场景化NER子模块、第二场景化NER子模块和第三场景化NER子模块构成,三个子模块分别对应获取会话信息中的实体元素、属性元素和属性值元素,特别说明的是,本发明中的场景化NER模块通过多个子模块进行针对性获取,可以识别出实体及其相关的扩展实体,属性及其扩展实现,得到的实体和属性的类别更多。
在一实施例中,如图3所示,步骤S201包括:
S301、采用语义距离算法计算会话信息中的候选实体在指定主题下出现的概率;
S302、采用位置距离算法计算会话信息中的候选实体在指定字符数之内出现的概率;
S303、根据候选实体在指定主题下出现的概率和指定字符数之内出现的概率,筛选出会话信息中的实体元素。
本实施例中,语义距离算法可以计算两个句子的相似程度,进而判断用户提问的目标指向,通过欧式语义公式计算出会话信息与各个指定主题下句子的相似程度,由此在各个指定主题中选出多个相似的句子,并从句子中选出实体作为会话信息中的候选实体。
位置距离算法可以计算两个实体对出现的先后概率,或是两个实体对在一定字符长度内出现的概率,基于这一理解定义两个实体对之间的相关性。
基于此,本实施例可以按概率高至低,通过筛选具体的指定主题和具体的指定字符数的条件,从而从候选实体中筛选出符合条件的实体作为会话信息中的实体元素。
在一实施例中,步骤S202包括:
采用HMM-贝叶斯强化算法,计算实体元素之间的各种属性表达并生成候选属性,并从候选属性中筛选出对应的实体元素之间的属性元素。
本实施例中,采用HMM-贝叶斯强化算法,计算实体元素之间是否同时出现、出现的次序以及出现时实体元素之间的字符数等等,并作为实体元素之间的候选属性,可根据具体需求进行选择并得到对应的实体元素之间的属性元素。
在一实施例中,步骤S203包括:
采用HMM-贝叶斯强化算法,计算实体元素之间的各种属性表达下对应的属性值表达,并对所有的属性值表达进行标准化处理,得到对应的属性值元素。
本实施例中,属性值表达的格式存在差异,比如关于时间上的属性值表达,通过标准化处理后可以方便系统统一识别。
在一实施例中,如图4所示,S105包括:
S401、根据对话查询语句从对话场景模型中查询对应的对话节点信息;
S402、根据对话节点信息从对话场景模型中查询对应的目标回复节点;
S403、从目标回复节点中获取对应的回复语句。
本实施例中,从neo4j数据库存储的对话场景模型中查询对应的对话信息,并返回满足条件的三元组对话节点信息;将查询到的三元组对话节点信息保存在会话缓存中,缓存可以使用Redis;然后解析三元组对话节点信息,根据解析的结果在对话场景模型中查询出对应的目标回复节点,并从目标回复节点中获取对应的回复语句。比如以上述“查询卡状态”作为对话信息,可得到的回复语句为:“好的。经查询,您的卡目前处于{CARD_STATUS}。请问还有什么可以帮助您?”。
在一实施例中,步骤S106包括:
调用回复生成模块对回复语句中的变量信息进行数据查询,并将查询到的数据填充至回复语句中后,再将回复语句返回API网关。
本实施例中,经过步骤S105查询并得到回复语句后,回复生成模块在回复语句中查找出变量“CARD_STATUS”,并对变量“CARD_STATUS”进行数据查询填充;比如根据用户传入的卡号,查询该卡的状态,并将查询到的状态填充到回复语句中{CARD_STATUS}的位置,比如查询到的状态为停机保号状态,则填充后得到:“好的,经查询,您的卡目前处于停机保号状态,请问还有什么可以帮助您?”;而后再将回复语句返回API网关并发送至用户。
本发明实施例还提供一种基于场景化对话理解的人机交互系统,该基于场景化对话理解的人机交互系统用于执行前述基于场景化对话理解的人机交互方法的任一实施例。具体地,请参阅图5,图5是本发明实施例提供的基于场景化对话理解的人机交互系统的示意性框图。
如图5所示,基于场景化对话理解的人机交互系统500,包括:创建会话单元501、获取元素单元502、意图判定单元503、构建单元504、查询单元505以及回复单元506。
创建会话单元501,用于控制API网关调用会话管理器创建物联网对话场景的会话信息;
获取元素单元502,用于控制API网关调用场景化NER模块获取会话信息中的对话元素;
意图判定单元503,用于控制API网关调用分类器判定会话信息中的对话意图;
构建单元504,用于结合对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
查询单元505,用于根据对话查询语句从对话场景模型中查询并获取回复语句;
回复单元506,用于调用回复生成模块将回复语句返回API网关。
该系统采用场景化适应NER技术,采用场景化适应NER技术,扩展理解技术,识别出更多的对话元素,可以构建更完善的基于物联网场景对话的文本图数据库,从而提高机器人对于自然语言处理成功率,具有快速并真正理解用户意图的优点。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的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。
上述基于场景化对话理解的人机交互可以实现为计算机程序的形式,该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6,图6是本发明实施例提供的计算机设备的示意性框图。该计算机设备600是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图6,该计算机设备600包括通过系统总线601连接的处理器602、存储器和网络接口605,其中,存储器可以包括非易失性存储介质603和内存储器604。
该非易失性存储介质603可存储操作系统6031和计算机程序6032。该计算机程序6032被执行时,可使得处理器602执行场景化对话理解的人机交互方法。
该处理器602用于提供计算和控制能力,支撑整个计算机设备600的运行。
该内存储器604为非易失性存储介质603中的计算机程序6032的运行提供环境,该计算机程序6032被处理器602执行时,可使得处理器602执行场景化对话理解的人机交互方法。
该网络接口605用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图6中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备600的限定,具体的计算机设备600可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域技术人员可以理解,图6中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图6所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器602可以是中央处理单元(CentralProcessing Unit,CPU),该处理器602还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的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程序,其中计算机程序被处理器执行时实现本发明实施例的场景化对话理解的人机交互方法。
存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、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。
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,可轻易想到各种等效的修改或替换,这些修改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以权利要求的保护范围为准。
Claims (10)
1.一种基于场景化对话理解的人机交互方法,其特征在于,包括:
控制API网关调用会话管理器创建物联网对话场景的会话信息;
控制API网关调用场景化NER模块获取所述会话信息中的对话元素;
控制API网关调用分类器判定所述会话信息中的对话意图;
结合所述对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
根据所述对话查询语句从对话场景模型中查询并获取回复语句;
调用回复生成模块将所述回复语句返回API网关。
2.根据权利要求1所述的基于场景化对话理解的人机交互方法,其特征在于,所述控制API网关调用场景化NER模块获取所述会话信息中的对话元素,包括:
控制API网关调用第一场景化NER子模块获取所述会话信息中的实体元素;
控制API网关调用第二场景化NER子模块获取所述会话信息中的属性元素;
控制API网关调用第三场景化NER子模块获取所述会话信息中的属性值元素。
3.根据权利要求2所述的基于场景化对话理解的人机交互方法,其特征在于,所述控制API网关调用第一场景化NER子模块获取所述会话信息中的实体元素,包括:
采用语义距离算法计算所述会话信息中的候选实体在指定主题下出现的概率;
采用位置距离算法计算所述会话信息中的候选实体在指定字符数之内出现的概率;
根据所述候选实体在指定主题下出现的概率和指定字符数之内出现的概率,筛选出所述会话信息中的实体元素。
4.根据权利要求2所述的基于场景化对话理解的人机交互方法,其特征在于,所述控制API网关调用第二场景化NER子模块获取所述会话信息中的属性元素,包括:
采用HMM-贝叶斯强化算法,计算实体元素之间的各种属性表达并生成候选属性,并从候选属性中筛选出对应的实体元素之间的属性元素。
5.根据权利要求2所述的基于场景化对话理解的人机交互方法,其特征在于,所述控制API网关调用第三场景化NER子模块获取所述会话信息中的属性值元素,包括:
采用HMM-贝叶斯强化算法,计算实体元素之间的各种属性表达下对应的属性值表达,并对所有的属性值表达进行标准化处理,得到对应的属性值元素。
6.根据权利要求1所述的基于场景化对话理解的人机交互方法,其特征在于,所述根据所述对话查询语句从对话场景模型中查询并获取回复语句,包括:
根据所述对话查询语句从对话场景模型中查询对应的对话节点信息;
根据所述对话节点信息从对话场景模型中查询对应的目标回复节点;
从所述目标回复节点中获取对应的回复语句。
7.根据权利要求1所述的基于场景化对话理解的人机交互方法,其特征在于,所述调用回复生成模块将所述回复语句返回API网关,包括:
调用回复生成模块对所述回复语句中的变量信息进行数据查询,并将查询到的数据填充至所述回复语句中后,再将所述回复语句返回API网关。
8.一种基于场景化对话理解的人机交互系统,其特征在于,包括:
创建会话单元,用于控制API网关调用会话管理器创建物联网对话场景的会话信息;
获取元素单元,用于控制API网关调用场景化NER模块获取所述会话信息中的对话元素;
意图判定单元,用于控制API网关调用分类器判定所述会话信息中的对话意图;
构建单元,用于结合所述对话元素和对话意图,构建对话逻辑处理模块并输出对话查询语句;
查询单元,用于根据所述对话查询语句从对话场景模型中查询并获取回复语句;
回复单元,用于调用回复生成模块将所述回复语句返回API网关。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于场景化对话理解的人机交互方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于场景化对话理解的人机交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650320.8A CN114297361A (zh) | 2021-12-30 | 2021-12-30 | 一种基于场景化对话理解的人机交互方法及相关组件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650320.8A CN114297361A (zh) | 2021-12-30 | 2021-12-30 | 一种基于场景化对话理解的人机交互方法及相关组件 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114297361A true CN114297361A (zh) | 2022-04-08 |
Family
ID=80972632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111650320.8A Pending CN114297361A (zh) | 2021-12-30 | 2021-12-30 | 一种基于场景化对话理解的人机交互方法及相关组件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114297361A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN117112261A (zh) * | 2023-08-28 | 2023-11-24 | 上海澜码科技有限公司 | 用于实现自然语言对话式api的方法及系统 |
-
2021
- 2021-12-30 CN CN202111650320.8A patent/CN114297361A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809669A (zh) * | 2022-12-30 | 2023-03-17 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN115809669B (zh) * | 2022-12-30 | 2024-03-29 | 联通智网科技股份有限公司 | 一种对话管理方法和电子设备 |
CN117112261A (zh) * | 2023-08-28 | 2023-11-24 | 上海澜码科技有限公司 | 用于实现自然语言对话式api的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11948058B2 (en) | Utilizing recurrent neural networks to recognize and extract open intent from text inputs | |
KR102313473B1 (ko) | 자동 어시스턴트를 위한 명령 번들 제안 제공 | |
US20210342549A1 (en) | Method for training semantic analysis model, electronic device and storage medium | |
CN110111780B (zh) | 数据处理方法和服务器 | |
US9171542B2 (en) | Anaphora resolution using linguisitic cues, dialogue context, and general knowledge | |
CN111859960A (zh) | 基于知识蒸馏的语义匹配方法、装置、计算机设备和介质 | |
EP4047597A1 (en) | Decoding network construction method, voice recognition method, device and apparatus, and storage medium | |
CN114297361A (zh) | 一种基于场景化对话理解的人机交互方法及相关组件 | |
CN112671886B (zh) | 基于边缘计算和人工智能的信息推送方法及大数据服务器 | |
US20210200813A1 (en) | Human-machine interaction method, electronic device, and storage medium | |
CN111159376A (zh) | 会话处理方法、装置、电子设备以及存储介质 | |
CN114757176A (zh) | 一种获取目标意图识别模型的方法以及意图识别方法 | |
EP4060517A1 (en) | System and method for designing artificial intelligence (ai) based hierarchical multi-conversation system | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
US20210082422A1 (en) | System and method to interpret natural language requests and handle natural language responses in conversation | |
US20220067591A1 (en) | Machine learning model selection and explanation for multi-dimensional datasets | |
CN110888672A (zh) | 一种基于元数据架构的表达式引擎实现方法及系统 | |
CN109002498B (zh) | 人机对话方法、装置、设备及存储介质 | |
CN114299955B (zh) | 语音交互的方法、装置、电子设备及存储介质 | |
CN112148902A (zh) | 数据处理方法、装置、服务器及存储介质 | |
CN114117025A (zh) | 信息查询方法、装置、存储介质及系统 | |
CN109063106B (zh) | 网址修正方法、装置、计算机设备和存储介质 | |
CN106682221B (zh) | 问答交互的响应方法、装置及问答系统 | |
CN111930884A (zh) | 一种确定回复语句的方法、设备和人机对话系统 | |
CN116050427B (zh) | 信息生成方法、训练方法、装置、电子设备以及存储介质 |
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 |