CN114365118A - 具有基本查询元素检测和图形路径生成的人工智能聊天机器人中基于知识图的查询 - Google Patents
具有基本查询元素检测和图形路径生成的人工智能聊天机器人中基于知识图的查询 Download PDFInfo
- Publication number
- CN114365118A CN114365118A CN202080060816.7A CN202080060816A CN114365118A CN 114365118 A CN114365118 A CN 114365118A CN 202080060816 A CN202080060816 A CN 202080060816A CN 114365118 A CN114365118 A CN 114365118A
- Authority
- CN
- China
- Prior art keywords
- query
- computer
- knowledge graph
- paths
- artificial intelligence
- 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
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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—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
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供了利用人工智能聊天机器人中的知识图生成查询结果。识别查询的特征。查询的特征被映射到人工智能聊天机器人中的知识图的基本元素。基于查询的特征到知识图的基本元素的映射,在知识图中生成一组查询路径。基于每个查询路径的相应分数,验证知识图中的一组查询路径中的一个或多个查询路径。基于知识图中的经验证的一个或多个查询路径生成对应于查询的查询结果。
Description
技术领域
本公开总体上涉及知识图,并且更具体地涉及在具有基本查询元素检测和图形路径生成的人工智能聊天机器人中利用知识图。
背景技术
在计算中,图形数据库是利用具有节点、边缘(edge)和属性的语义查询的图形结构来表示所存储的数据的数据库。该图形结构将数据项与节点和边缘的集合相关联,边缘表示节点之间的关系。这些关系允许数据直接链接在一起,并且在许多情况下,利用一个操作来检索。在图形数据库内查询关系是快速的,因为这些关系被存储在数据库本身内。可以使用图形数据库直观地显现关系,使得关系对于高度互连的数据有用。从图形数据库中检索数据需要查询语言。除了具有查询语言接口之外,经由应用编程接口访问一些图形数据库。
知识图是与图数据库集成的知识库。通过将知识库与图数据库集成,知识图支持比标准图数据库更宽和更深的服务范围。换言之,知识图将诸如例如事实、实体和位置的信息链接在一起,以创建更准确和相关的互连搜索结果。更具体地,知识图是由数百万条数据构成的知识库,该数据对应于频繁地搜索的信息以及基于可用内容来请求信息的背景或意图。
聊天机器人是通过听觉或文本方法与用户进行对话的计算机程序。聊天机器人被设计成模拟人将如何充当会话伙伴。通常,聊天机器人被用在对话系统中,用于不同实际目的,诸如客户服务或信息获取。当前聊天机器人针对输入内的关键字进行扫描,然后从数据库中检索具有最匹配的关键字或最相似的字模式的回复。许多行业、组织、企业和机构,例如,银行、保险公司、媒体公司、电子商务公司、航空公司、酒店连锁店、零售商、保健提供者、教育机构、政府机构、餐厅连锁店等,使用聊天系统来回答简单问题并增加用户参与度。
然而,当前使用具有人工智能的知识图的方法当前具有若干问题。例如,利用人工智能使用知识图的一种当前方法是基于人工智能程序,该人工智能程序使用预定义规则来调用知识图以经由应用编程接口完成某种类型的查询或计算工作。该第一方法的问题在于,预定义规则不灵活,并且仅可用于回答预定义问题。
使用带有人工智能的知识图的第二当前方法是基于使用预定义问答模板的人工智能程序。该第二方法的目标是找到与所提交的查询相对应的模板,并且然后填充该模板的缺失的槽。换言之,流行的查询被翻译成模板,并且实体被留下作为模板中的插槽,它可以在回答用户的查询的同时被填充。模板的示例可以是XXX(人)是XXX(国家)的主席或者XXX(城市)是XXX(国家)的首都。该第二种方法的问题是模板仅可以适合小知识图,枚举知识图中的所有查询路径是有挑战性的,准备模板是耗时的,并且维护模板是困难的。
使用带有人工智能的知识图的第三当前方法是基于利用顶点和边缘来嵌入知识图并且利用深度学习方法(诸如,例如,图神经网络)来探索所嵌入的知识图。该第三方法的问题在于查询结果是不可解释的,查询性能主要取决于训练数据的质量,并且与学术研究相比,很难在工业或组织中使用。
因此,在本领域中需要解决上述问题。
发明内容
从第一方面来看,本发明提供了一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机实现的方法,所述计算机实现的方法包括:由计算机标识查询的特征;由所述计算机将所述查询的所述特征映射到所述人工智能聊天机器人中的所述知识图的基本元素;由所述计算机基于所述查询的所述特征到所述知识图的所述基本元素的所述映射来生成所述知识图中的一组查询路径;由所述计算机基于每个查询路径的相应得分来验证所述知识图中的所述一组查询路径中的一个或多个查询路径;以及由所述计算机基于所述知识图中的经验证的一个或多个查询路径来生成对应于所述查询的查询结果。
从第一方面来看,本发明提供了用于在人工智能聊天机器人中利用知识图生成查询结果的计算机系统,所述计算机系统包括:总线系统;连接到所述总线系统的存储设备,其中所述存储设备存储程序指令;以及连接到所述总线系统的处理器,其中所述处理器执行所述程序指令以:识别查询的特征;将所述查询的所述特征映射到所述人工智能聊天机器人中的所述知识图的基本元素;基于所述查询的所述特征到所述知识图的所述基本元素的所述映射来生成所述知识图中的一组查询路径;基于每个查询路径的相应得分来验证所述知识图中的一组查询路径中的一个或多个查询路径;以及基于所述知识图中的经验证的一个或多个查询路径来生成对应于所述查询的查询结果。
从另一方面来看,本发明提供一种利用人工智能聊天机器人中的知识图生成查询结果的计算机程序产品,该计算机程序产品包括可由处理电路读取的计算机可读存储介质,并且存储用于由处理电路执行以便执行用于执行本发明的步骤的方法的指令。
从另一方面来看,本发明提供一种存储在计算机可读介质上并且可加载到数字计算机的内部存储器中的计算机程序,该计算机程序包括当所述程序在计算机上运行时用于执行本发明的步骤的软件代码部分。
从另一方面来看,本发明提供了一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机程序产品,所述计算机程序产品包括计算机可读存储介质,所述计算机可读存储介质具有体现在其中的程序指令,所述程序指令可由计算机执行以使所述计算机执行一种方法,所述方法包括:由所述计算机识别查询的特征;由所述计算机将所述查询的所述特征映射到所述人工智能聊天机器人中的所述知识图的基本元素;由所述计算机基于所述查询的所述特征到所述知识图的所述基本元素的所述映射来生成所述知识图中的一组查询路径;由所述计算机基于每个查询路径的相应得分来验证所述知识图中的一组查询路径中的一个或多个查询路径;以及由所述计算机基于所述知识图中的经验证的一个或多个查询路径来生成对应于所述查询的查询结果。
根据一个说明性实施例,提供了一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机实现的方法。计算机识别查询的特征。计算机将查询的特征映射到人工智能聊天机器人中的知识图的基本元素。计算机基于查询的特征到知识图的基本元素的映射来生成知识图中的一组查询路径。计算机基于每个查询路径的相应得分来验证知识图中的一组查询路径中的一个或多个查询路径。计算机基于知识图中的经验证的一个或多个查询路径来生成对应于查询的查询结果。根据其他说明性实施例,提供了一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机系统和计算机程序产品。
因此,说明性实施例通过利用具有基本查询元素检测、图路径生成和图路径验证的知识图技术来提高人工智能聊天机器人的性能。此外,说明性实施例的人工智能聊天机器人与当前基于规则和基于模板的聊天机器人相比更灵活,因为说明性实施例的人工智能聊天机器人利用知识图中的基本查询元素定义。因此,说明性实施例的人工智能聊天机器人不限于预定义的查询。进一步,说明性实施例的人工智能聊天机器人提供合理的查询结果,其对行业和组织是重要的,因为说明性实施例的人工智能聊天机器人通过为每个生成的查询路径计算查询路径得分来验证知识图中生成的查询路径。
附图说明
现在将参考如在以下附图中所展示的优选实施例仅通过示例的方式来描述本发明:
图1是可以实现说明性实施例的数据处理系统网络的图形表示;
图2是可以实现说明性实施例的数据处理系统的图;
图3是示出了根据示例性实施方式的查询结果生成过程的实例的示图;
图4是示出了根据示范性实施例的查询路径生成过程的示例的示图;
图5是示出根据示范性实施例的查询路径验证过程的示例的示图;以及
图6是示出根据示范性实施例的用于生成对应于自然语言查询的查询结果的过程的流程图。
具体实施方式
本发明可以是任何可能的技术细节集成度的系统、方法和/或计算机程序产品。计算机程序产品可包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
计算机可读存储媒体可为可保留和存储供指令执行装置使用的指令的有形装置。计算机可读存储介质可以是,例如但不限于,电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、或者上述的任意合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下各项:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式紧凑盘只读存储器(CD-ROM)、数字通用盘(DVD)、记忆棒、软盘、诸如穿孔卡之类的机械编码设备或具有记录在其上的指令的槽中的凸出结构、以及上述各项的任何合适的组合。如本文所使用的计算机可读存储媒体不应被解释为暂时性信号本身,例如无线电波或其他自由传播的电磁波、通过波导或其他传输媒体传播的电磁波(例如,穿过光纤电缆的光脉冲)或通过电线发射的电信号。
本文中所描述的计算机可读程序指令可以经由网络(例如,互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备,或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口接收来自网络的计算机可读程序指令,并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据、或以一种或多种程序设计语言的任何组合编写的源代码或目标代码,这些程序设计语言包括面向对象的程序设计语言(诸如Smalltalk、C++等)和过程程序设计语言(诸如“C”程序设计语言或类似程序设计语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接至用户计算机,或者可连接至外部计算机(例如,使用互联网服务提供商通过互联网)。在一些实施例中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来使电子电路个性化来执行计算机可读程序指令,以便执行本发明的各方面。
下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可被提供给计算机或其他可编程数据处理装置的处理器以产生机器,使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或框图的或多个框中指定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置、和/或其他设备以特定方式工作,从而,其中存储有指令的计算机可读存储介质包括包含实现流程图和/或框图中的或多个方框中规定的功能/动作的方面的指令的制造品。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤,以产生计算机实现的处理,使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图中的或多个方框中规定的功能/动作。
附图中的流程图和框图示出了根据本发明的不同实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。对此,流程图或框图中的每个框可表示指令的模块、段或部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实现中,框中标注的功能可以不按照图中标注的顺序发生。例如,连续示出的两个方框实际上可以作为一个步骤完成,同时、基本上同时、以部分或完全时间上重叠的方式执行,或者方框有时可以以相反的顺序执行,这取决于所涉及的功能。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作或执行专用硬件与计算机指令的组合的专用的基于硬件的系统来实现。
现在参考附图,并且具体地,参见图1和图2,提供了可以实现说明性实施例的数据处理环境的图。应当理解,图1和图2仅意味着示例,并且不旨在断言或暗示关于其中可以实现不同实施例的环境的任何限制。可以对所描绘的环境做出许多修改。
图1示出了可以实现说明性实施例的数据处理系统网络的图形表示。网络数据处理系统100是其中可以实施说明性实施例的计算机、数据处理系统和其他设备的网络。网络数据处理系统100包含网络102,网络102是用于提供计算机、数据处理系统和在网络数据处理系统100内连接在一起的其他设备之间的通信链路的介质。网络102可包括连接,诸如例如有线通信链路、无线通信链路、光纤电缆等。
在所描绘的示例中,服务器104和服务器106连同存储装置108连接到网络102。服务器104和服务器106可以是例如具有到网络102的高速连接的服务器计算机。此外,服务器104和服务器106向客户端设备提供一组一个或多个聊天机器人服务。而且,应当注意,服务器104和服务器106可以表示数据中心中的服务器集群。可替代地,服务器104和服务器106可以计算云环境中的节点。
客户端110、客户端112和客户端114也连接到网络102。客户端110、112和114是服务器104和服务器106的客户端。在该示例中,客户端110、112和114被示为具有到网络102的有线通信链路的台式计算机或个人计算机。然而,应当注意,客户端110、112和114仅是示例并且可以表示具有到网络102的有线或无线通信链路的其他类型的数据处理系统,诸如例如膝上型计算机、手持式计算机、智能电话、智能手表、智能电视、智能电器、游戏设备、自助服务终端等。客户端110、112和114的用户可利用客户端110、112和114来访问和利用由服务器104和服务器106提供的聊天机器人服务。
存储装置108是能够以结构化格式或非结构化格式存储任何类型的数据的网络存储设备。此外,存储装置108可以表示多个网络存储设备。进一步,存储装置108可表示包括对应于一个或多个数据域(诸如,保险域、金融域、教育域、娱乐域、游戏域等)的知识图的图数据库。此外,存储装置108可存储其他类型的数据,诸如认证或凭证数据,其可包括例如与系统管理员和客户端设备用户相关联的用户名、密码和生物统计数据。
此外,应当注意,网络数据处理系统100可以包括任何数量的附加服务器、客户端、存储设备和未示出的其他设备。位于网络数据处理系统100中的程序代码可以存储在计算机可读存储介质上并且下载到计算机或其他数据处理设备以供使用。例如,程序代码可存储在服务器104上的计算机可读存储介质上,且经由网络102下载到客户端110以在客户端110上使用。
在所描绘的示例中,网络数据处理系统100可以被实现为许多不同类型的通信网络,诸如例如互联网、内联网、局域网(LAN)、广域网(WAN)、电信网络或其任何组合。图1旨在仅作为示例,而不是作为对于不同说明性实施例的架构限制。
现在参见图2,描绘了根据说明性实施例的数据处理系统的图。数据处理系统200是计算机(诸如图1中的服务器104)的示例,实现说明性实施例的处理的计算机可读程序代码或指令可以位于所述计算机中。在这个说明性的示例中,数据处理系统200包括通信结构202,其提供处理器单元204、存储器206、永久存储器208、通信单元210、输入/输出(I/O)单元212和显示器214之间的通信。
处理器单元204用于执行可以被加载到存储器206中的软件应用程序和程序的指令。处理器单元204可以是一组一个或多个硬件处理器设备或者可以是多核处理器,这取决于特定的实施方式。
存储器206和永久存储器208是存储设备216的示例。计算机可读存储设备是能够在瞬时基础和/或持久基础上存储信息(诸如,例如但不限于数据、功能形式的计算机可读程序代码和/或其他合适的信息)的任何硬件。进一步,计算机可读存储设备排除传播介质。在这些示例中,存储器206可以是例如随机存取存储器(RAM)或任何其他合适的易失性或非易失性存储设备。永久存储器208可以采取各种形式,这取决于特定的实施方式。例如,永久存储器208可包含一个或多个装置。例如,永久存储器208可以是硬盘驱动器、固态驱动器、闪存、可重写光盘、可重写磁带或上述的一些组合。由永久存储器208使用的介质可以是可移除的。例如,可移动硬盘驱动器可以用于永久存储器208。
在该实例中,永久存储器208存储聊天机器人218。然而,应当注意,即使聊天机器人218被示为驻留在持久存储装置208中,在可替代说明性实施例中,聊天机器人218可以是数据处理系统200的单独组件。例如,聊天机器人218可以是耦合到通信结构202的硬件组件或硬件和软件组件的组合。
聊天机器人218可以是例如人工智能程序或其他类型的机器学习程序。数据处理系统200利用聊天机器人218与经由语音或文本输入提交查询的客户端装置用户交互。聊天机器人218利用图数据库220(其包括知识图222)通过定义知识图222中满足所接收查询的需要的基本元素224并基于所接收查询的特征到基本元素224的映射生成知识图222中的查询路径来生成所接收查询的查询结果。
基本元素224是被定义的基本查询元素,这些基本查询元素与可由图形数据库220标识的图形查询语言相对应。在此实例中,基础元素224包含锚元素226、跳跃元素228、滤波元素230和目标元素232。然而,应当注意,替代的说明性实施例可以包括基于行业或组织需要的更多基本元素。
锚元素226表示知识图222中的实体,诸如例如人、地点、对象、事件、公司等。跳跃元素228表示存储在知识图222中的数据之间的关系。过滤器元素230表示关于存储在知识图222中的数据的过滤条件。目标元素232表示存储在知识图222中的数据的目标属性。
查询234表示自然语言查询。此外,查询234可以表示任何类型的查询或问题。数据处理系统200从客户端设备(诸如图1中的客户端110)接收查询234。数据处理系统200利用聊天机器人218来识别和提取查询234的特征236。例如,特征(characteristics)236包括包含在查询234中的关键字、关键短语、特点(traits)、特征(features)、属性等中的一个或多个。
在从查询234识别和提取特征236之后,聊天机器人218执行查询特征到基本元素的映射238。查询特征到基本元素的映射238表示查询234的特征236中的每个与知识图222的基本元素224中的对应基本元素之间的映射。聊天机器人218利用查询特征以基础元素映射238来生成知识图222中的查询路径240。查询路径240表示知识图222中一组的一个或多个可能路径以找到查询234的适当信息或对查询234的回答。
在知识图222中为查询234生成查询路径240之后,聊天机器人218基于维度244为查询路径240中的每个查询路径生成得分242。聊天机器人218可将分值242表示为例如数字、百分比等。维度244可包括例如查询234内的词的排序、可在知识图222中找到查询234的有效结果的信息或基本事实、基于查询历史提交查询234的可能性等。
进一步,聊天机器人218可将每个查询路径的得分242与阈值246进行比较。阈值246表示最小查询路径得分阈值水平。聊天机器人218利用阈值246来识别有效查询路径248。有效查询路径248表示知识图222中的一组一个或多个有效查询路径。换言之,如果聊天机器人218生成特定查询路径的高于阈值246的得分,则聊天机器人218将该特定查询路径标识为有效查询路径。可替代地,聊天机器人218可选择最高得分查询路径作为仅有效的查询路径。聊天机器人218利用有效查询路径248来生成查询结果250。查询结果250表示对查询234的有效的、合理的回答。
在此实例中,通信单元210经由网络(例如,图1中的网络102)提供与其他计算机、数据处理系统和装置的通信。通信单元210可通过使用物理和无线通信链路两者提供通信。物理通信链路可以利用例如有线、电缆、通用串行总线、或任何其他物理技术来建立用于数据处理系统200的物理通信链路。无线通信链路可以利用例如短波、高频、超高频、微波、无线保真(Wi-Fi)、技术、全球移动通信系统(GSM)、码分多址(CDMA)、第二代(2G)、第三代(3G)、第四代(4G)、4G长期演进(LTE)、高级LTE、第五代(5G)、或任何其他无线通信技术或标准来建立用于数据处理系统200的无线通信链路。
输入/输出单元212允许与可以连接到数据处理系统200的其他设备进行数据的输入和输出。例如,输入/输出单元212可以通过小键盘、键盘、鼠标、麦克风和/或一些其他合适的输入设备为用户输入提供连接。显示器214提供向用户显示信息的机制,并且可以包括允许用户通过例如用户界面或输入数据进行屏幕上选择的触摸屏能力。
用于操作系统、应用和/或程序的指令可以位于存储设备216中,存储设备216通过通信结构202与处理器单元204通信。在这个说明性的示例中,指令是永久存储器208上的功能形式。这些指令可以被加载到存储器206中用于由处理器单元204运行。不同实施例的过程可以由处理器单元204使用计算机实现的指令来执行,所述计算机实现的指令可以位于存储器(诸如存储器206)中。这些程序指令被称为可以由处理器单元204中的处理器读取和运行的程序代码、计算机可用程序代码或计算机可读程序代码。在不同的实施方式中,程序指令可实施在不同的物理计算机可读存储设备上,诸如存储器206或永久存储器208。
程序代码252以功能形式位于选择性可移除的计算机可读介质254上,并且可被加载到或转移到数据处理系统200上以供处理器单元204运行。程序代码252和计算机可读介质254形成计算机程序产品256。在一个示例中,计算机可读介质254可以是计算机可读存储介质258或计算机可读信号介质260。计算机可读存储介质258可以包括,例如,光盘或磁盘,光盘或磁盘被插入或放置到作为持久存储器208的一部分的驱动器或其他设备中,用于转移到存储设备上,例如作为持久存储器208的一部分的硬盘驱动器。计算机可读存储介质258还可以采取永久存储器的形式,诸如连接到数据处理系统200的硬盘驱动器、拇指驱动器或闪存。在一些实例中,计算机可读存储介质258可能不能从数据处理系统200移除。
可替代地,可以使用计算机可读信号介质260将程序代码252传输给数据处理系统200。计算机可读信号介质260可以是例如包含程序代码252的传播数据信号。例如,计算机可读信号介质260可以是电磁信号、光信号和/或任何其他合适类型的信号。这些信号可以通过通信链路(例如,无线通信链路、光纤电缆、同轴电缆、电线和/或任何其他合适类型的通信链路)传输。换言之,在说明性实例中,通信链路和/或连接可以是物理或无线的。计算机可读介质还可采取非有形介质的形式,诸如包含程序代码的通信链路或无线传输。
在一些说明性实施例中,程序代码252可以通过计算机可读信号介质260从另一设备或数据处理系统经由网络下载到永久存储器208,以在数据处理系统200内使用。例如,存储在数据处理系统中的计算机可读存储介质中的程序代码可以通过网络从数据处理系统下载到数据处理系统200。提供程序代码252的数据处理系统可以是服务器计算机、客户端计算机或能够存储和传输程序代码252的一些其他设备。
为数据处理系统200示出的不同组件不意味着对可以实现不同实施例的方式提供架构限制。不同的说明性实施例可以在数据处理系统中实现,该数据处理系统包括除了或代替为数据处理系统200示出的那些组件之外的组件。图2中示出的其他组件可以不同于示出的说明性实例。不同的实施例可以使用能够执行程序代码的任何硬件设备或系统来实现。作为一个示例,数据处理系统200可以包括与无机组件集成的有机组件和/或可以完全由不包括人类的有机组件组成。例如,存储装置可以由有机半导体组成。
作为另一示例,数据处理系统200中的计算机可读存储设备是可存储数据的任何硬件装置。存储器206、永久存储器208和计算机可读存储介质258是有形形式的物理存储设备的示例。
在另一示例中,总线系统可用于实现通信结构202,并且可包括一个或多个总线,诸如系统总线或输入/输出总线。当然,可以使用在附接到总线系统的不同组件或设备之间提供数据传送的任何合适类型的架构来实现总线系统。此外,通信单元可包括用于发送和接收数据的一个或多个设备,诸如调制解调器或网络适配器。进一步,存储器可以是例如存储器206或诸如在可能存在于通信结构202中的接口和存储器控制器集线器中发现的高速缓存。
当今,人工智能聊天在许多行业和组织中起重要作用。目前,检索,排序和分类是当找到用户提交的查询的最相关答案时用于人工智能聊天的最常见技术。此外,知识图是当今的前沿和流行的技术。与检索、排序、分类相比,在人工智能聊天机器人中使用知识图技术具有几个优点。例如,与检索和排序或分类相比,在人工聊天机器人中使用知识图提供更容易理解用户查询的能力。进一步,在人工聊天机器人中使用知识图提供了扩展超出所提交的用户查询的能力。此外,在人工聊天机器人中使用知识图能够实现更灵活的用户查询并且为那些用户查询提供更全面和合理的答案。
说明性实施例的人工智能聊天机器人识别用户的自然语言查询的特征,并通过利用若干步骤将自然语言查询自动转换成图查询语言,该图查询语言可由包含知识图的图数据库识别。首先,说明性实施例的人工智能聊天机器人定义知识图中的基础查询元素以满足所提交的自然语言查询的需要。说明性实施例利用知识图中的四种定义类型的基本查询元素。四个定义的基本元素包括锚定元素、跳跃元素、过滤元素和目标元素。锚元素表示知识图中的实体。跳转元素表示知识图中的关系。过滤元素表示知识图中的过滤条件。目标元素表示知识图中的目标属性。然而,应当注意,如果行业或组织需要,可以增加基本查询元素的数量。说明性实施例将每个基本查询元素映射到基于图形数据库和所选择的图形查询语言的图形查询语言脚本。
第二,说明性实施例的人工智能聊天机器人使用自然语言处理从所提交的自然语言查询提取有用的信息,诸如特征(例如,关键术语)。说明性实施例的人工智能聊天机器人然后将提取的信息映射到知识图中的定义的基本查询元素。
第三,说明性实施例的人工智能聊天机器人基于将所提取的信息映射到知识图中的所定义的基本查询元素来在知识图中动态地构建一个或多个查询路径。第四,说明性实施例的人工智能聊天机器人基于多个维度为每个所建立的查询路径生成得分以确定每个特定查询路径是否有效。多个维度可包括例如自然语言查询中的词的顺序、验证知识图中的自然语言查询的结果的基本事实、基于查询历史提交自然语言查询的可能性等。第五,说明性实施例的人工智能聊天机器人基于有效查询路径在知识图中找到查询结果。
因此,说明性实施例通过利用具有基本查询元素检测、图路径生成和图路径验证的知识图技术来提高人工智能聊天机器人的性能。此外,说明性实施例的人工智能聊天系统与当前的基于规则和基于模板的聊天系统相比更灵活,因为说明性实施例的人工智能聊天系统利用知识图中的基本查询元素定义。因此,说明性实施例的人工智能聊天不限于预定义的查询。进一步,说明性实施例的人工智能聊天机器人提供合理的查询结果,其对于行业和组织是重要的,因为说明性实施例的人工智能聊天机器人通过计算查询路径的得分来验证知识图中的查询路径。此外,说明性实施例是可扩展的,因为查询翻译层、自然语言处理层和查询路径生成层彼此隔离。
因此,说明性实施例提供了克服利用具有人工智能聊天机器人的知识图的技术问题的一个或多个技术方案。因此,这一个或多个技术方案在人工智能聊天领域提供了技术效果和实际应用。现在参见图3,描绘了根据说明性实施例的示出查询结果生成过程的示例的图示。查询结果生成过程300可以在数据处理系统的网络(诸如图1中的网络数据处理系统100)中实现。查询结果生成过程300是用于使用具有基础查询元素检测、查询路径生成和查询路径验证的人工智能聊天机器人中的知识图来生成对应于自然语言查询的查询结果的过程。
在该实例中,查询结果生成过程300包括步骤302、304、306、308和310。然而,应当注意,查询结果生成过程300可以包括比所示出的更多或更少的步骤。例如,一个步骤可以分成两个或更多个步骤,两个或更多个步骤可以组合成一个步骤,可以添加一个或多个未示出的步骤,等等。
在步骤302,数据处理系统(诸如,图1中的服务器104或者图2中的数据处理系统200)接收来自客户端设备(诸如图1中的客户端110)的自然语言查询“我想去中国首都旅行,是否有一些值得参观的推荐地方?”。在步骤304,数据处理系统利用人工智能聊天机器人来定义知识图中的基础查询元素以匹配所接收的自然语言查询的要求。在这个实例中,定义的基本查询元素包括锚元素“中国”、跳转元素“首都”、以及跳转元素“著名地方”。
在步骤306,人工智能聊天机器人基于满足所接收的自然语言查询的需要的所定义的基本查询元素生成知识图中的查询路径。在该实例中,生成的查询路径包括具有跳转元素“资本”至锚元素“城市”的锚元素“国家”。锚元素“城市”具有三个“著名”跳跃元素分别锚元素“大墙”、“夏天”和“…”。
在步骤308,人工智能聊天机器人通过计算每个查询路径的得分来验证查询路径。人工智能聊天机器人可以例如将每个查询路径得分与得分阈值水平进行比较并且仅验证具有大于得分阈值水平的查询路径得分的那些查询路径。或者,人工智能聊天机器人可仅验证具有最高查询路径得分的查询路径。
在步骤310,人工智能聊天机器人基于知识图中的有效查询路径生成对应于所接收的自然语言查询的查询结果。本例中,对于收到的自然语言查询“我想去中国首都旅游,是否有一些值得参观的推荐地方?”,查询结果为“长城”、“颐和园”和“…”。人工智能聊天机器人通过文本或语音向客户端设备输出查询结果。
现在参见图4,描绘了根据说明性实施例的示出查询路径生成过程的示例的图示。查询路径生成过程400可在计算机(诸如图1中的服务器104或图2中的数据处理系统200)中实现。在该示例中,查询路径生成过程400示出了查询路径402、404、406和408。
查询路径402包括具有用于“中国首都”的跳转元素的锚元素,在本示例中,该锚元素是具有跳转元素“首都”的锚元素“中国”。对于这个实例的查询结果将是北京。查询路径404包括具有到“中国首都人口”的过滤元素的跳转元素的锚元素,在本示例中,该锚元素是具有到目标元素“人口”的跳转元素“首都”的锚元素“中国”。该实例的查询结果将为大约2150万。
查询路径406包括针对“中国首都的著名场景”的具有跳转元素的过滤元素,在本示例中,该过滤器元素是具有跳转元素“首都”到跳转元素“著名场景”的锚元素“中国”。该实例的查询结果将是颐和园。查询路径408包括用于关于“颐和园位于中国吗?”的问题的锚元素到另一锚元素。在这个实例中是锚定元素“中国”到另一个锚定元素“颐和园”。在该示例中,计算机的人工智能聊天机器人(诸如图2中的聊天机器人218)搜索知识图中的两个锚元素之间的有效路径。如果人工智能聊天机器人在知识图中没有找到查询的有效路径,则人工智能聊天机器人确定两个锚元素之间不存在连接。如果人工智能聊天机器人在知识图中找到了用于查询的有效路径,则人工智能聊天机器人确定颐和园位于中国。
现在参见图5,描绘了根据说明性实施例的示出查询路径验证过程的示例的图示。查询路径验证过程500可在计算机(诸如图1中的服务器104或图2中的数据处理系统200)中实现。在该实例中,查询路径验证处理500用于所接收的自然语言查询502,自然语言查询502是“姚鸣的女儿的母亲是谁?”
查询路径504包括具有跳转元素“女儿”至跳转元素“母亲”的锚元素“姚鸣”。在该实例中,计算机的人工智能聊天机器人(诸如,图2中的聊天机器人218)为查询路径504生成“0.9”的查询路径验证分数。查询路径506包括具有跳转元素“母亲”到跳转元素“女儿”的锚元素“姚鸣”。在该实例中,人工智能聊天机器人为查询路径506生成“0.6”的查询路径验证得分。在该实例中,人工智能聊天机器人选择具有最高查询路径得分的查询路径504作为用于生成所接收的自然语言查询502的查询结果的有效查询路径。
现在参见图6,示出根据说明性实施例的用于利用人工智能聊天机器人中的知识图生成对应于自然语言查询的查询结果的过程的流程图。图6中所示的过程可以在诸如图1中的服务器104或者图2中的数据处理系统200的计算机中实现。
当计算机经由网络从对应于用户的客户端设备接收自然语言查询时,该过程开始(步骤602)。计算机使用人工智能聊天机器人(诸如图2中的聊天机器人218)来定义包含在图形数据库内的知识图的基本查询元素以匹配从客户端设备接收的自然语言查询的要求(步骤604)。由计算机使用人工智能聊天机器人来使用自然语言处理识别自然语言查询的特征(步骤606)。
计算机使用人工智能聊天机器人将自然语言查询的识别特征映射到知识图的定义的基本查询元素(步骤608)。此外,计算机使用人工智能聊天机器人基于将自然语言查询的识别特征映射到知识图的定义的基本查询元素来生成知识图中的一组一个或多个查询路径(步骤610)。进一步,计算机使用人工智能聊天机器人基于多个维度为知识图中的一组查询路径中的每个查询路径计算分数(步骤612)。多个维度可包括例如句子结构(例如,单词的顺序、语法、标点等)、验证知识图中的查询结果的基础事实、查询是否被包括在查询历史中(例如,相同或类似的查询先前被提交)等。
之后,计算机使用人工智能聊天机器人,基于每个查询路径的相应计算得分来验证知识图中的一组查询路径中的一个或多个查询路径(步骤614)。计算机使用人工智能聊天机器人,基于知识图中的经验证的一个或多个查询路径,生成对应于自然语言查询的查询结果(步骤616)。计算机经由网络将对应于自然语言查询的查询结果传输至对应于用户的客户端设备(步骤618)。此后,该过程终止。
因此,本发明的说明性实施例提供了一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机实现的方法、计算机系统和计算机程序产品。已经出于说明的目的呈现了本发明的各种实施方式的描述,但并不旨在是详尽的或者限于所公开的实施方式。在不脱离所描述的实施例的范围的情况下,许多修改和变化对于本领域普通技术人员来说是显而易见的。这里使用的术语被选择来最好地解释实施例的原理、实际应用或对在市场中找到的技术的技术改进,或者使得本领域普通技术人员能够理解这里公开的实施例。
Claims (21)
1.一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机实现方法,所述计算机实现方法包括:
通过计算机识别查询的特征;
由所述计算机将所述查询的所述特征映射到所述人工智能聊天机器人中的所述知识图的基本元素;
由所述计算机基于所述查询的所述特征到所述知识图的所述基本元素的所述映射来生成所述知识图中的一组查询路径;
由所述计算机基于每个查询路径的相应得分来验证所述知识图中的一组查询路径中的一个或多个查询路径;以及
由所述计算机基于所述知识图中的经验证的一个或多个查询路径生成对应于所述查询的查询结果。
2.根据权利要求1所述的计算机实现的方法,进一步包括:
通过所述计算机经由网络从对应于用户的客户端设备接收所述查询。
3.根据权利要求2所述的计算机实现的方法,进一步包括:
由所述计算机经由所述网络将对应于所述查询的所述查询结果传输至对应于所述用户的所述客户端设备。
4.根据前述权利要求中任一项所述的计算机实现的方法,进一步包括:
由所述计算机定义所述知识图的所述基本元素以匹配所述查询的要求。
5.根据前述权利要求中任一项所述的计算机实现的方法,进一步包括:
由所述计算机基于多个维度计算所述知识图中的所述一组查询路径中的每个查询路径的相应分数。
6.根据权利要求5所述的计算机实现的方法,其中,所述多个维度包括所述查询中的词的顺序、在所述知识图中验证所述查询结果的基本事实以及所述查询是否基于所述查询历史提交。
7.根据前述权利要求中的任一项所述的计算机实现的方法,其中,所述查询是自然语言查询。
8.根据前述权利要求中的任一项所述的计算机实现的方法,其中,所述计算机利用自然语言处理来识别所述查询的所述特征。
9.根据前述权利要求中的任一项所述的计算机实现的方法,其中,所述知识图的所述基本元素是定义的基本查询元素,并且其中,所述定义的基本查询元素选自由锚元素、跳跃元素、过滤元素和目标元素组成的组。
10.根据权利要求9所述的计算机实现的方法,其中,所述锚元素表示所述知识图中的实体,所述跳跃元素表示存储在所述知识图中的数据之间的关系,所述过滤元素表示对存储在所述知识图中的数据的过滤条件,并且所述目标元素表示存储在所述知识图中的数据的目标属性。
11.根据权利要求9或10所述的计算机实现的方法,其中,所述定义的所述基本查询元素对应于能够由包含所述知识图的图数据库识别的图查询语言。
12.根据前述权利要求中的任一项所述的计算机实现的方法,其中,经验证的所述一个或多个查询路径中的有效查询路径具有高于查询路径得分阈值级别的对应查询路径得分。
13.根据前述权利要求中的任一项所述的计算机实现的方法,其中,经验证的所述一个或多个查询路径中的有效查询路径具有最高查询路径得分。
14.根据前述权利要求中的任一项所述的计算机实现的方法,其中,所述查询的所述特征包括包含在所述查询中的关键词。
15.一种用于在人工智能聊天机器人中利用知识图生成查询结果的计算机系统,所述计算机系统包括:
总线系统;
存储设备,连接至所述总线系统,其中,所述存储设备存储程序指令;以及
处理器,连接至所述总线系统,其中,所述处理器执行所述程序指令以:
识别查询的特征;
将所述查询的所述特征映射到所述人工智能聊天机器人中的所述知识图的基本元素;
基于所述查询的所述特征到所述知识图的所述基本元素的所述映射来生成所述知识图中的一组查询路径;
基于每个查询路径的相应分数,验证所述知识图中的所述一组查询路径中的一个或多个查询路径;以及
基于所述知识图中的所述经验证的一个或多个查询路径生成对应于所述查询的查询结果。
16.根据权利要求15所述的计算机系统,其中,所述处理器进一步执行所述程序指令以:
经由网络从对应于用户的客户端设备接收所述查询。
17.根据权利要求16所述的计算机系统,其中,所述处理器进一步执行所述程序指令以:
经由网络将对应于所述查询的所述查询结果传输至对应于所述用户的所述客户端设备。
18.根据权利要求15至17中任一项所述的计算机系统,其中,所述处理器进一步执行所述程序指令以:
定义所述知识图的所述基本元素以匹配所述查询的要求。
19.根据权利要求15至18中任一项所述的计算机系统,其中,所述处理器进一步执行所述程序指令以:
基于多个维度计算在所述知识图中的所述一组查询路径中的每个查询路径的所述相应得分。
20.一种利用人工智能聊天机器人中的知识图生成查询结果的计算机程序产品,所述计算机程序产品包括:
计算机可读存储介质,所述计算机可读存储介质可由处理电路读取并且存储用于由所述处理电路执行以执行根据权利要求1至14中任一项所述的方法的指令。
21.一种计算机程序,存储在计算机可读介质上并可加载到数字计算机的内部存储器中,所述计算机程序包括软件代码部分,当所述程序在计算机上运行时,所述软件代码部分用于执行权利要求1至14中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/550,786 | 2019-08-26 | ||
US16/550,786 US11328181B2 (en) | 2019-08-26 | 2019-08-26 | Knowledge graph-based query in artificial intelligence chatbot with base query element detection and graph path generation |
PCT/IB2020/057761 WO2021038380A1 (en) | 2019-08-26 | 2020-08-18 | Knowledge graph-based query in artificial intelligence chatbot with base query element detection and graph path generation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114365118A true CN114365118A (zh) | 2022-04-15 |
Family
ID=74679780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080060816.7A Pending CN114365118A (zh) | 2019-08-26 | 2020-08-18 | 具有基本查询元素检测和图形路径生成的人工智能聊天机器人中基于知识图的查询 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11328181B2 (zh) |
JP (1) | JP2022546031A (zh) |
CN (1) | CN114365118A (zh) |
DE (1) | DE112020004171T5 (zh) |
GB (1) | GB2602902A (zh) |
WO (1) | WO2021038380A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11783131B2 (en) * | 2020-09-10 | 2023-10-10 | International Business Machines Corporation | Knowledge graph fusion |
US11394668B1 (en) * | 2021-01-26 | 2022-07-19 | The Toronto-Dominion Bank | System and method for executing operations in a performance engineering environment |
US11775511B2 (en) | 2021-08-03 | 2023-10-03 | International Business Machines Corporation | Feedback-updated data retrieval chatbot |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11222052B2 (en) * | 2011-02-22 | 2022-01-11 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and |
US9406020B2 (en) * | 2012-04-02 | 2016-08-02 | Taiger Spain Sl | System and method for natural language querying |
US10810193B1 (en) * | 2013-03-13 | 2020-10-20 | Google Llc | Querying a data graph using natural language queries |
US10831811B2 (en) * | 2015-12-01 | 2020-11-10 | Oracle International Corporation | Resolution of ambiguous and implicit references using contextual information |
US10453074B2 (en) * | 2016-07-08 | 2019-10-22 | Asapp, Inc. | Automatically suggesting resources for responding to a request |
US20180144257A1 (en) | 2016-11-21 | 2018-05-24 | Sap Se | Cognitive enterprise system |
US10366168B2 (en) | 2017-01-12 | 2019-07-30 | Microsoft Technology Licensing, Llc | Systems and methods for a multiple topic chat bot |
US11227342B2 (en) | 2017-05-26 | 2022-01-18 | Microsoft Technology Licensing, Llc | Recommending friends in automated chatting |
WO2019027992A1 (en) | 2017-08-03 | 2019-02-07 | Telepathy Labs, Inc. | PROACTIVE, INTELLIGENT AND OMNICANAL VIRTUAL AGENT |
US11586655B2 (en) * | 2017-12-19 | 2023-02-21 | Visa International Service Association | Hyper-graph learner for natural language comprehension |
US10430466B2 (en) * | 2018-01-25 | 2019-10-01 | International Business Machines Corporation | Streamlining support dialogues via transitive relationships between different dialogues |
AU2018223010B1 (en) * | 2018-08-30 | 2019-09-26 | Flamingo Ai Limited | Semi-supervised question answering machine |
CN109271506A (zh) | 2018-11-29 | 2019-01-25 | 武汉大学 | 一种基于深度学习的电力通信领域知识图谱问答系统的构建方法 |
US11043214B1 (en) * | 2018-11-29 | 2021-06-22 | Amazon Technologies, Inc. | Speech recognition using dialog history |
-
2019
- 2019-08-26 US US16/550,786 patent/US11328181B2/en active Active
-
2020
- 2020-08-18 WO PCT/IB2020/057761 patent/WO2021038380A1/en active Application Filing
- 2020-08-18 JP JP2022513038A patent/JP2022546031A/ja active Pending
- 2020-08-18 GB GB2203663.6A patent/GB2602902A/en not_active Withdrawn
- 2020-08-18 DE DE112020004171.9T patent/DE112020004171T5/de active Pending
- 2020-08-18 CN CN202080060816.7A patent/CN114365118A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US11328181B2 (en) | 2022-05-10 |
JP2022546031A (ja) | 2022-11-02 |
WO2021038380A1 (en) | 2021-03-04 |
GB2602902A (en) | 2022-07-20 |
US20210064932A1 (en) | 2021-03-04 |
GB202203663D0 (en) | 2022-04-27 |
DE112020004171T5 (de) | 2022-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11657094B2 (en) | Memory grounded conversational reasoning and question answering for assistant systems | |
US10832008B2 (en) | Computerized system and method for automatically transforming and providing domain specific chatbot responses | |
US20200042642A1 (en) | Implicit dialog approach for creating conversational access to web content | |
US20180232376A1 (en) | Conversational virtual assistant | |
JP7406873B2 (ja) | 質問および回答の語彙のグラフを使用する照会拡張 | |
US10853716B2 (en) | Systems and methods for a mathematical chat bot | |
US20160350406A1 (en) | User interface for a query answering system | |
CN114365118A (zh) | 具有基本查询元素检测和图形路径生成的人工智能聊天机器人中基于知识图的查询 | |
US20170103337A1 (en) | System and method to discover meaningful paths from linked open data | |
US9519688B2 (en) | Collection and storage of a personalized, searchable, unstructured corpora | |
US9569488B2 (en) | Generating question and answer pairs to assess understanding of key concepts in social learning playlist | |
US11557219B2 (en) | Generating and rating user assessments | |
JP7488871B2 (ja) | 対話推薦方法、装置、電子機器、記憶媒体ならびにコンピュータプログラム | |
US20170344645A1 (en) | Dynamic cognitive user interface | |
US20200065680A1 (en) | Intelligent and interactive knowledge system | |
US11875125B2 (en) | System and method for designing artificial intelligence (AI) based hierarchical multi-conversation system | |
US10853430B1 (en) | Automated agent search engine | |
US9946697B2 (en) | Assisting users to generate desired meme in document | |
US20210303635A1 (en) | Dynamic natural question generation via semantic knowledge representation | |
US20180189656A1 (en) | Managing Questions | |
JP7106647B2 (ja) | 社会的感情および自然言語生成の量子重ね合せおよび量子もつれ | |
US20210049196A1 (en) | Semantic disambiguation utilizing provenance influenced distribution profile scores | |
Xu | [Retracted] Design of Mobile English Teaching Platform Based on Collaborative Filtering Algorithm | |
Brandon | Data mining twitter for COVID-19 sentiments concerning college online education | |
CN116992111B (zh) | 数据处理方法、装置、电子设备及计算机存储介质 |
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 |