CN114586037A - 用于将语境元素链接到动作的标签方法和系统 - Google Patents
用于将语境元素链接到动作的标签方法和系统 Download PDFInfo
- Publication number
- CN114586037A CN114586037A CN201980098880.1A CN201980098880A CN114586037A CN 114586037 A CN114586037 A CN 114586037A CN 201980098880 A CN201980098880 A CN 201980098880A CN 114586037 A CN114586037 A CN 114586037A
- Authority
- CN
- China
- Prior art keywords
- tag
- context
- user
- tags
- user interface
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
一种管理用于电子文本和相关动作的标签系统和方法,其用于基于机器学习的实时增强学习并包括:确定电子文本的至少一部分中的语境元素;将一组标签与语境元素和一个动作链接以定义关系;以及配置知识结构,其中通过将关系存储在标签数据库中,可对知识结构进行重新配置。
Description
技术领域
本申请涉及一种基于使用自然语言处理(NLP)的机器学习来管理用于实时增强学习的电子文本元素和相关动作的方法和系统。
背景技术
无论交互是与工作、社交、个人还是其他事项相关,人与人之间的许多交互涉及电子文本的交换。电子文本的交换可以使用诸如网络浏览器、消息收发应用程序、社交网络平台、电子邮件客户端和/或其他软件和移动应用程序之类的通信工具。这包括对网站、博客、观点等的新闻的播送,其以文本形式或使用语音-到-文本技术从视频中的语音得到的文本和从可移植文档格式(Portable Document Format,PDF)中的得到文本材料。
使用这些文本的交互可能是短期的或持续数月的。这样的电子文本交换的量也有增加的趋势。例如,如今人们每天花费越来越多的时间来管理工作或家庭中的电子邮件和聊天应用程序是很常见的事。人们阅读和理解越来越多的电子文本,以使他们能够与相关的演变的问题和技术保持同步也是很常见的,这特别是在第四次工业革命不断开展的情况下。在工作之外,人们处理大量的文本,以及例如分别从社交媒体和数字营销销售商发送和接收大量的电子邮件,也是很常见的。
现实中,所有这样的交互在本质上都是高度复杂并且与涉及各种主题的语境相关。取决于主流观点,每次的交互可以具有多种含义。因此,无论是回答“是”或“否”的简单的动作或是触发一连串的工作流程的更复杂的动作,理解文本、采取立场和决定后续动作是与语境高度相关,且持续为高度手动的程序。
因此,无论电子文本是聊天消息、电子邮件消息、还是网站、博客上的最新新闻的播送和观点、或是涉及最新技术书籍的PDF章节文本形式,或使用语音-到-文本技术从视频中的语音得到的文本,都需要更有效的方式来管理电子文。
发明内容
本申请提供一种方法的实施例,该方法可由具有负载计算机可执行代码的计算机可读介质的计算设备实施,该方法涉及确定电子文本的至少一部分中的语境元素;链接标签组与语境元素和动作以界定关系;以及配置知识结构,其中知识结构是通过将该关系存储在与计算设备耦合的标签数据库中来配置的。
知识结构可通过在标签数据库中存储更新后的关系来重新配置。该实施例可包括提供配置为使用户能够通过以下方式重新配置知识结构的用户界面:界定更新的关系;并将更新后的关系存储在标签数据库中。计算设备还可以配置为建议候选关系,其中候选关系是从用与存储在标签数据库中的多个关系相关联的多个语境元素训练的模型中提取的。该模型包括自然语言处理(NLP)模型。还可以配置计算设备以界定更新的关系,并且更新的关系包括存储在标签数据库中的部分或全部重新配置的多个关系。更新后的关系可以从自然语言处理(NLP)模型中提取,该模型可通过存储在标签数据库中的多个关系进行训练。更新后的关系还可以训练NLP模型。实施例可以包括确定标签组,使得标签组中的每个标签与不同的标签级别相关联,其中标签组包括一个或多个标签,一个或多个标签的每一个对应与电子文本相关的语境的一方面。标签组还可包括在标签级别的层次结构中配置的多个标签。该实施例可以包括将该标签组存储为标签数据库中链接的语境元素的持久属性。该实施例可以包括:启动动作以回答询问,该询问是语境元素的至少一部分。
提供一种方法的实施例,该方法可由具有负载计算机可执行代码的计算机可读介质的计算设备实施,该方法涉及:使用第一电子文本的至少一部分,确定语境元素;确定与第一电子文本的语境的一方面对应的标签组;链接语境元素与标签组和动作以界定关系;以及将关系存储在表示知识结构的标签数据库中,其中关系的存储修改知识结构。
方法还包括:使用从机器学习模块的输入以确定以下中的至少一个:语境元素、标签组和动作,其中机器学习模块与标签数据库耦合以使输入由知识结构确定。方法还包括:使用来自机器学习模块的输入来确定关系,其中机器学习模块与标签数据库耦合,使得输入由知识结构确定。方法还包括:使用来自用户界面的进一步输入来修改来自机器学习模块的输入,其中用户界面与标签数据库耦合,使得知识结构还可以被来自用户界面的进一步输入修改。方法还包括:使用来自用户界面的输入以确定以下中的至少一个:语境元素、标签组和动作,其中用户界面与标签数据库耦合,使得知识结构可以被输入修改。关系还可以包括通过使用来自机器学习模块的输入来更新该关系,以更改语境元素和标签集中的至少一个。标签组包括至少一个标签,至少一个标签的每一个与标签级别的层次结构中的相应的标签级别相关联。方法还包括:确定动作,其中动作部分地由标签组确定;使用动作的结果以形成第二电子文本;使用第二电子文本的至少一部分,确定第二语境元素;确定第二标签组;将第二语境元素与第二标签组链接,以界定与动作有关的更新的关系;以及通过存储更新的关系来修改知识结构。方法还包括:使用自然语言处理解析语境元素。第一电子文本是电子消息;并且其中语境元素由以下确定:电子消息的消息标题的至少一部分,电子消息的消息正文的至少一部分,消息标题的至少一部分和电子消息的消息正文的至少一部分,或电子消息的整体。
提供一种系统的实施例,系统可由用户操作来管理电子文本,系统包括:用户界面1580;被配置为知识结构的标签数据库,标签数据库被耦合到用户界面,使得知识结构;以及耦合到标签数据库和用户界面的计算设备,计算设备被配置成:使用第一电子文本的至少一部分以确定语境元素;确定与第一电子文本的语境的用户观点对应的标签组,标签组包括至少一个标签,至少一个标签中的每一个与标签级别的层次结构中的相应的标签级别相关联,标签级别的层次结构可以由用户通过所述用户界面配置;将语境元素与标签组链接以界定与动作有关的关系;以及存储关系在标签数据库,其中知识结构由存储在标签数据库的关系修改,并且其中知识结构可以由用户通过用户界面提供输入来配置。
系统可以被配置成在系统中,知识结构可由用户通过用户界面提供输入来确定语境元素来配置。该系统可以被配置成在系统中,知识结构可由用户通过用户界面提供输入以确定标签组来配置。该系统可以被配置成在系统中,知识结构可由用户通过用户界面提供输入以将语境元素与标签组链接来配置。系统可被配置成在系统中,知识结构可由用户通过用户界面提供输入来确定动作来配置。提供一种可由具有负载计算机可执行代码的计算机可读介质的计算设备实施的方法的实施例,该方法涉及:使用第一电子文本的至少一部分,确定语境元素;确定与第一电子文本的语境元素的一方面相对应的标签组;将语境元素与标签组链接,以界定与动作相关的关系;将关系存储到表示知识结构的标签数据库中,该关系的存储对知识结构进行修改。
附图简要说明
图1是示出标签系统的一个实施例的示意图。
图2是示出标签方法的一个实施方式的示意性程序图。
图3是示出根据一个实施例的标签的层次结构顺序的示意图。
图4是根据一个实施例的知识结构的示意图。
图5是根据一个实施例的训练/部署架构的示意图。
图6是根据一个实施例的用户界面的示意图。
图7是电子消息的示意图。
图8是根据一个实施例的标签工具的示意图。
图9是根据另一个实施例的标签工具的示意图。
图10是根据另一个实施例的标签工具的示意图。
图11是根据另一个实施例的标签工具的示意图。
图12是根据一个实施例的一种标签方法的示意性程序图。
图13是根据另一实施例的标签方法的示意性程序图。
图14是根据另一实施例的标签方法的示意性程序图。
图15是标签方法和系统的实施例的示意图。
图16是标签方法和系统的另一实施例的示意图。
图17是示出标签方法和系统的另一实施方式的示意图。
具体实施方式
将容易理解,除了所描述的示例实施例之外,如本文附图中总体描述和示出的实施例的组件可以以各种不同的配置来布置和设计。因此,结合附图所表示的示例实施例的以下描述并非旨在限制所要求保护的实施例的范围,而仅是示例实施例的代表。
在本公开中,对“一个实施例”,“另一个实施例”或“实施例”(或诸如此类)的引用意味着结合该实施例描述的特定特点、结构或特征包括在至少一个实施例中。因此,在整个说明书中各处出现的短语“在一个实施例中”或“在实施例中”等不一定都指同一实施例。
此外,在一个或多个实施例中,所描述的特点、结构或特征可以以任何合适的方式组合。在以下描述中,提供许多具体细节以提供对实施例的透彻理解。然而,相关领域的技术人员将认识到,可以在没有一个或多个特定细节的情况下,或者在利用其他方法、组件、材料等的情况下实践各种实施例。在其他情况下,为了清楚起见,一些或所有已知的结构、材料、操作,将不详细示出或描述。
可以理解,本公开的实施例也可以应用于各种不同的工作、个人或社交场合。战略工作应用的一个示例包括董事会的董事长在线读取竞争技术的重要发展,触发具有本公开的实施例的调查动作的情况。作为可以应用本公开的实施例的非工作示例,对“团队凝聚力”概念感兴趣的人遇到有关开发团队凝聚力的方法的新研究文章,触发与先前已知的概念的自动比较分析的动作,先前已知的概念来源于可在网上搜索或已存档的文本。以下描述参考工作环境仅作为示例,并且应当理解,这不将本公开的实施例限制为仅与工作有关的应用。
对于本公开,电子文本的传输包括用户和至少另一个人之间的通信,其中通信涉及电子文本,例如但不限于电子邮件,以交换信息、提问、寻求解释、提供信息、回答问题、提供更新等。电子文本的传输还可以包括(但不限于)发布、上载、下载、转发(例如,通过超链接和/或附件),以及/或提供电子文本的方式。可能有一个或多个明确识别的传输收件人,例如在电子邮件或聊天的情况下。可能没有一个或多个明确识别的传输收件人,例如,当电子文本是网站的一部分(或整个网站)时。对于本公开,“用户”是指涉及用于通信的一个或多个电子文本的作为撰写者、发件人、传输者、阅读者、收件人和/或动作者的人。用户不需要为了使用本文公开的方法和系统对软件/硬件编程技术熟练。
在本公开中,电子文本的“语境”指的是,与电子消息有关的背景事件(即发生的情况和事情)和交互(通信),其中的背景事件和交互与完成与电子消息有关的某些目标或结果相关;例如在制造环境中完成一批量的产品或样品。虽然可以理解,语境有助于理解电子文本,但现实也是,任何电子文本的语境都可以非常复杂,并且可以被不同用户在不同的观点之上加上隐含含义。
在一个示例中,客户较早之前已雇用制造商来制造各种类型的产品。在几个月的时间内,彼此交换了几轮电子消息。在某个时间点,发现制造商交付给客户的样品之一存在质量问题。因此,此时,当客户向合同制造商发送电子消息询问“何时交付”时,重要的是超越电子消息文本的字面意义。看电子消息文本的字面意思的收件人最多可以理解客户想知道什么时候是交货日期。在不了解语境的情况下,他可能错误地确定这是正常的交货情况。他必须搜索数周甚至数月的电子消息,以查找所有相关的电子消息,然后将许多电子消息中的各种信息拼凑在一起,然后才能对客户作出适当的回覆。如果收件人没有(或找不到)与客户交换的所有相关电子消息,则在与愤怒的客户打交道时,他可能不会考虑重要信息。对客户做出快速回复固然重要,但是挖掘所有前几个月的电子消息需要时间。如果没有针对电子消息的语境获得如此重要的洞察力,供应商可能不会采取措施改善客户关系,也不会调查质量问题的可能原因。
因此,可以理解的是,如本公开中所使用的,电子文本的“语境”可以包括比电子文本的字面意义更多的含义。虽然本文所使用的“语境”可包括,但不限于,用户的信息(例如,用户过去的购买历史、用户的地理位置、用户的社交媒体个人资料等)和/或电子消息的属性(例如电子消息的时间戳、收件人的电子邮件地址或电话号码等),显然,本示例说明,仅具有用户的信息和/或电子消息的属性可能不足以获得对相关背景事件和/或相关背景交互的期望的洞察力。
本公开的实施例包括被配置成识别电子文本的语境可以改变的方法和系统。电子文本的语境可能会随着时间或条件的变化而改变。虽然电子文本一旦已经撰写和/或传输就可以被描述为“静态”,但由于与电子文本有关的语境可能会改变,其实语境可以被描述为“动态”。本公开的实施例包括一种方法和系统,其被配置成识别可以以多种方式理解的电子文本的语境。不同的观点可能存在,因为语境是由不同的用户理解,或者因为涉及一个改变他/她对语境的理解方式的用户。对于一份电子文本,可以有多种理解动态语境的观点。
为了方便起见并且不旨在限制,一个或多个相关或关联的背景事件和/或交互可被称为“项目”。这与背景事件和/或交互是否与工作相关无关。每个项目都可以由某些标识符(例如项目名称或标识)来引用。例如,可以使用设计代码的形式为与工作相关的设计新产品的项目分配项目名称,以供项目所涉及的各方引用。在另一个示例中,可以为与工作无关的计划婚礼活动的项目分配项目名称,例如“詹妮的婚礼”,以供项目所涉及的各方引用。本公开的实施例包括一种方法和系统,该方法和系统被配置成识别可以被不同的用户不同地理解的项目,其中用户的一个或多个可以是一个或多个相关背景事件和/或交互中的动作者。对于本公开,项目可以被描述成由多个阶段组成。例如,第一阶段可以包括第一背景事件,第二阶段可以包括第二背景事件,并且所有的第一背景事件比所有的第二背景事件更早地发生。在其它示例中,项目的各个阶段可以由有关的背景事件和/或交互的一个或多个特征界定。例如,与“人力资源”有关的背景事件和/或交互可以被分类为一个阶段,而与“设备”有关的背景事件可以被分类为另一个阶段。“人力资源”阶段和“设备”阶段不需要相对于彼此按时间顺序。换句话说,一方面可以是一个观点,当从各个观点阅读文本时,可以得出不同的含义。
图1示出标签系统100的实施例,其被配置成执行标签方法,其中,标签系统包括耦合于标签数据库104的计算设备102。标签系统可以包括耦合于标签数据库104或者作为标签数据库104的一部分的动作数据库105。计算设备可以包括笔记本电脑、台式电脑、平板电脑、手机、智能手表和/或其他电子设备。标签系统和标签数据库可以以存储在耦合于计算设备102的计算机可读介质中的计算机可执行代码的形式体现。标签系统100的组件可以通过本地和/或远程耦合件彼此耦合,作为网络120的一部分或作为计算设备的一部分。计算设备可以被耦合以配置成提供用户界面110。通过用户界面110,用户可以执行根据本公开的一个实施例的标签方法。第一用户还可以使用第一用户界面110a与第二用户发送和/或接收电子文本,其中第二用户使用根据本公开的一个实施例配置的第二用户界面110b。第一用户可以使用第一用户界面110a与第三用户发送和/或接收电子文本,其中第三用户使用第三用户界面112,该第三用户界面112没有被配置成使得第三用户能够执行标签方法。
在一个实施例中,标签系统被配置成可与诸如电子邮件客户端之类的电子消息客户端一起操作。电子邮件客户端指的是邮件用户代理和/或移动应用程序(移动应用),其可以运行在一个或多个计算设备,诸如计算设备102和/或用户界面110。标签系统可以使标签系统的两个或多个电子消息客户端彼此电通信。标签系统还可以使标签系统的电子消息客户端与外部电子消息客户端电通信。在本文中,“外部电子消息客户端”指的是传统的电子消息客户端,例如,不向用户提供本公开实施例使能的各种有用的特征和功能优点的电子邮件客户端。因此,可以理解的是,本实施例的电子消息客户端和传统的电子消息客户端可在物理组织内、虚拟组织内,和/或跨越不同的物理组织和/或虚拟组织共存并交换消息或电子邮件。系统包括具有计算机可执行代码的计算机可读介质,以执行符合本文中描述的任何实施例的方法。
在另一个实施例中,标签系统包括机器学习模块130,例如配置有自然语言处理(NLP)人工智能(AI)引擎的机器学习模块。机器学习模块130可以与标签系统100的其余部分通过本地和/或远程耦合,作为网络120的一部分,或者作为驻留在计算设备102记忆的计算机可执行代码。在一个实施例中,机器学习模块被配置成实施强化学习。强化学习可以包括(但不限于)以下一项或多项:监督学习、无监督学习、序列到序列学习和分类学习。
机器学习模块可以被配置成包括一个或多个子模块。机器学习模块可以包括被配置成实施一个或多个人工神经网络模型的子模块。人工神经网络模型的示例包括但不限于:反向传播方法、霍普菲尔(Hopfield)网络方法、自组织映射方法和学习矢量量化方法等。机器学习模块可以包括被配置成实施一个或多个深度学习算法的子模块。深度学习算法的示例包括但不限于:深度信念网络方法、卷积神经网络方法、递归神经网络方法、堆叠式自动编码器方法等。机器学习模块可以包括被配置成实施一个或多个降维方法的子模块。降维方法的示例包括但不限于:主成分分析、偏最小二乘回归、塞曼(Sammon)映射、多维缩放、投影追踪等。机器学习模块可以包括被配置成实施一个或多个特征提取方法的子模块。机器学习模块可以包括被配置成实施一个或多个嵌入生成方法的子模块。特征提取方法和/或嵌入生成方法的示例包括但不限于:连续词袋(Continuous Bag of Words,CBOW)、连续跳跃元语法(Skip-gram)等。机器学习模块可以包括被配置成实施一个或多个集成方法的子模块。集成方法的示例包括但不限于:增强、堆叠泛化、梯度增强机器方法、随机森林方法等。
机器学习模块可以包括被配置成实施一个或多个基于实例的方法的子模块。基于实例的方法的示例包括但不限于:k-最近邻、自组织映射等。
机器学习模块可以包括被配置成实施一个或多个贝叶斯方法的子模块。贝叶斯方法的示例包括但不限于:朴素贝叶斯、贝叶斯信念网络等。
机器学习模块可以包括被配置成实施一个或多个聚类方法的子模块。聚类方法的示例包括但不限于:k-均值聚类、期望最大化等。机器学习模块可以被配置成包括一个或多个子模块,其中子模块可以被配置成实施以下组合的一个或多个:人工神经网络模型、深度学习算法、降维方法、特征提取方法、嵌入生成方法、集成方法、基于实例的方法、贝叶斯方法、聚类和其他合适的方法。
在另一个实施例中,标签系统还耦合于分析模块140。分析模块140可以通过本地和/或远程耦合件耦合于其余的标签系统100,作为网络120的一部分,或者作为置于计算设备102的记忆中的计算机可执行代码。
在另一个实施例中,标签系统100可以耦合于一个或多个动作模块150。动作模块的示例包括但不限于:电子文本传输模块151、一个或多个办公工具152、指示单系统153、机器人系统154,和机器人流程序自动化(RPA)系统155。标签系统可以被配置成由从以下实施模块选择的至少一个实施模块操作:电子文本传输模块、办公工具、指示单系统、机器人系统,以及机器人程序自动化(RPA)系统。办公工具可以包括一个或多个启用软件的工具,例如文本处理工具、电子表格工具、演示工具、财务管理工具、报告生成工具、归档工具、工程制图工具等。机器人系统可以包括例如,构成制造生产线的一部分的物理制造机器人。RPA系统可以包括被配置成执行自动例行程序的软件机器人。标签系统100的其余部分可以通过本地和/或远程耦合件耦合于每个或几个动作模块150,作为网络的一部分,或者实施模块的每一个或几个可以是以置于计算设备102的记忆中的计算机可执行代码的形式。
如图2示例性所示,根据本公开的一个实施例的方法200包括,响应于接收询问210,界定与询问相关联的电子文本中的语境元素220,以及界定标签组230。方法还包括将语境元素链接到标签组240以界定关系。该方法还包括启动动作250。这可以包括在学习模式中启动动作260,在建议模式中启动动作270,和/或在自动模式中启动动作280。该方法还可以包括基于已启动的动作的结果对询问作出回覆290。
询问可以采取使用用户界面110向用户发送的电子消息的形式。询问可以采取电子消息中的单词、字符串或句子等的形式。电子消息的非限制性示例是电子邮件。标签系统被配置成使得用户能够界定从电子文本获取的一个或多个语境元素220。对于本公开,电子文本的示例包括但不限于与电子消息相关联的以下一个或多个:文本、图形、音频、视频、链接、链接的内容、链接的地址、附件和/或附件的内容。
界定语境元素可采取选择电子文本的全部或一部分的形式。标签系统被配置成使得用户能够界定与电子文本相关的一个或多个标签组230。界定语境元素和界定标签组的步骤不需要按照任何特定的时间顺序。界定标签组包括界定一个或多个标签。一个标签组可以仅包括一个标签。一个标签组可以包括多个标签。在标签组中,每个标签都与对应标签级别相关联。用户可以根据层次结构或级联配置来界定多个标签级别。在一个具有多个标签的标签组中,每个标签与不同的标签级别相关联。与具有较低的标签级别相关的标签与在下一个更高的标签级别的标签相关。
标签系统被配置成提供语境元素、标签组240以及动作250之间的关系。标签系统可以被配置成使得用户能够将语境元素与标签组链接240,并且响应于询问而启动动作250。标签系统可以被配置成使得用户能够将语境元素与标签组链接240,并记录与询问有关的动作250。在本公开中,将语境元素链接到标签组到动作的上述方法被称为“标签方法”。显然,这与仅仅标注、标记或哈希标记的单个行为是有区别的。如本领域技术人员将理解的,哈希标记是在字符串之前键入井号(“#”)。相反,根据本公开的实施例,标签方法涉及标签组和语境元素之间的关系,该关系包括标签组和动作之间的链接。这里提供一种标签系统,用于界定语境元素、标签组和动作之间的关系。标签系统被配置成使用标签来配置知识结构,例如通过存储关系配置知识结构。知识结构可以由用户手动重新配置。“重新配置”、“更新”、“更改”、“修改”等在本文中可互换使用。知识结构可以借助标签系统的建议进行重新配置。知识结构可以由标签系统自动重新配置。配置或重新配置知识结构可以包括将语境元素、标签组和动作存储在非易失性存储器中,例如存储在标签数据库中。这可以采取将更新的或修改的关系存储在标签数据库中的形式。例如,这可以采取将标签存储为语境元素的持久属性的形式。保持关系还可以包括通过改变以下的一个或多个来改变关系:语境元素、标签组、该标签组中的一个或多个标签以及动作。换言之,标签系统被配置成使得它可以进化或响应于动态语境。
标签系统被配置成响应于询问的动态语境而触发动作250。标签系统可以被配置成实现对询问的回覆290,其中询问具有动态语境,并且其中回复是基于动作的结果,并且其中动作是通过与该询问关联的标签组发动。系统可以被配置成,使得用户接收的询问有对应的回覆290,其中询问与语境有关,并且其中回复是基于动作的结果,该动作由标签组确定。标签系统被配置成,响应于询问的语境元素与标签组链接,而被链接到由用户选择,其中该标签组对应于用户对语境的观点。
在以上示例中,当客户发送询问给制造商时210,电子消息“何时交付”的一部分或全部可以被选择为语境元素220。语境元素与标签组链接240。标签组包括至少一个标签,例如,从预定的标签库中选择的“质量”230。标签组描述电子消息语境的一个方面,例如,产品存在质量问题。动作的示例包括寻找和/或获得关于替代产品250的交付日期的信息。因此,该动作使得用户能够回复电子消息290。响应于语境的动作的另一示例可以包括向工厂检查质量问题是否已经解决,以及针对解决质量问题提供状态更新以回覆客户。本系统的实施例包括具有用于实施方法的计算机可执行代码的非暂时性计算机可读存储介质,其中方法包括基于电子消息界定语境元素,以及将语境元素链接到标签组,其中该标签组遵循分类方案,其中分类方案包括至少一个分类级别,至少一个分类级别中的每一个对应于电子消息的语境的一个方面。方法还包括使用标签来触发动作,该动作旨在实现对电子消息的回覆。在这样的实施例中,用户提供初始知识以用标签将语境元素链接到动作。这被称为学习手动模式260。随着系统学习,系统可以在学习建议模式270下操作,其中系统现在可以在拥有语境元素和预测的标签的情况下采取必要的语境动作。在学习建议模式中,标签系统可以被配置成建议可能采用的标签或候选标签,以供与语境元素链接。在学习建议模式中,标签系统可以被配置成向用户提供用户界面以编辑、替换或以其他方式改变由标签系统建议的候选标签。换言之,在学习建议模式中,用户能够在必要时对源自标签系统的建议重新标签,例如,以校正标签系统。在自动模式中,标签系统被配置成启动响应于语境元素和标签组的动作,而无需用户在此时提供输入。标签系统被配置成在拥有语境元素和候选标签的情况下触发动作,其中候选标签是由标签系统基于来自学习手动模式和/或学习建议模式的输入和学习而自动提供的预测标签。
在一个实施例中,标签遵循标签层次结构或标签分类方案,其中分类方案可以由用户使用系统提供的用户界面来界定。用户不需要知道如何编码或编写计算机程序来界定分类方案。在图3中示意性示出的示例中,分类方案300包括最广泛的或最高的标签级别“标签级别1”,下一个较低的标签级别“标签级别2”,以及下一个较低的标签级别“标签级别3”。换句话说,根据具有较高标签级别310和较低标签级别320的层次结构对标签进行排序。对于下一个较低的标签级别,分类方案能够缩小范围,并更具体地关注于电子消息的语境的一个方面。用户界面可以被配置为,使得用户可以从系统所呈现供选择的多个标签中为一个标签级别选择一个标签。在一个示例中,用户可以从系统所呈现的标签级别1的多个标签(“样本”、“生产”、“交付”)中选择标签“样本”。用户界面可以被配置成使得用户可以为每个分类级别创建一个或多个标签。例如,假设系统在标签级别3处不包括标签“质量”,那么用户可以在与语境元素链接时创建这样的标签“质量”。各标签级别还可以被界定为通过不同方式描述语境的各方面。在此示例中,标签级别1用于“类别”,标签级别2用于“子类别”,而标签级别3用于“问题”。在此示例中,标签组可以包括三个标签,每个标签处于不同的标签级别,例如:“类别1”-“子类别3”-问题5”。
标签以级联的方式组织。这意味着选择层次结构较高层的标签将确定可在层次结构较低层使用的标签。该标签组可以以语境元素的持久属性的形式链接到语境元素。语境元素及链接的标签组可以存储在数据库中。通过累积语境元素及其相关的标签层,系统可以学习意识到,电子消息中某个语境元素的存在,意味着语境中某些背景事件和/或交互的存在。以这种方式,系统为用户提供一种方式来为电子消息界定语境,其中语境包括一个或多个背景事件。系统还为一般的用户提供一种方便于用户的方法描述语境,特别是不具备定制源代码编码技术的用户。用户指的是电子消息的收件人和/或发件人,因此可以是没有编码技术的人。
多个语境元素可以共享标识符。标识符的示例包括名称、代码或标识号。例如,与计划婚礼事件的非工作相关项目的电子消息相关的语境元素可以被分配项目名称(例如“詹妮的婚礼”)作为标识符。继续上面的示例,语境元素“何时交付”可以与诸如产品代码或客户代码的标识符相关联。随着时间的流逝,在相同产品上交换更多的电子消息时,数据库可以包括具有相同标识符的不同语境元素的集合,并且每个语境元素都与标签组链接。对于相同的标识符,所有标签组都遵循相同的分类方案。在一个实施例中,电子消息处理系统包括耦合到数据库的控制器。数据库被配置成存储多个模块、传入的电子消息、传出的电子消息和项目名称。数据库还存储与每个标识符关联的语境元素。对于每个语境元素,数据库被配置成存储与标签各自的含义、所采取的动作,使用语境元素撰写的草稿或模板相关联的标签。
在某种意义上,电子消息用于为电子消息重新创建语境的一方面。重新创建借助于标签进行。使用传入的电子消息/传出的电子消息的至少一部分作为语境元素,将标签组关联或链接到电子消息。该标签组包括至少一个标签。在标签组包括多个标签的情况下,以分层或级联的方式配置多个标签。可以在用户将标签应用于语境元素的同时由用户界定标签。或者,可以在用户将标签应用于语境元素之前预先界定标签。可替代地,系统被配置成将标签应用于语境元素。基于应用于电子消息的标签组,系统被配置成向用户提供启动后续动作的选择。基于标签组和后续动作的结果,系统可以创建并发送对电子消息的回覆。因此,通过实现后续动作以及通过实现既响应于语境且针对电子消息的回复,管理电子消息的方法和系统可以提高每天在电子消息上花费几个小时的用户的效率。
可替代地,可以将标签层视为用于描述语境的一方面的“含义层”。这可能有助于洞察与语境有关的隐含含义。第一含义层中的每个标签可以链接到第二含义层中的多个标签之一。第二含义层中的每个标签可以链接到下一含义层中的多个标签之一。一个含义层中的每个标签可以链接到下一含义层中的多个标签之一,即,链接到层次结构中的较低一层,依此类推。系统可以被配置成提供任意数量的含义层。层数可以由用户确定。对于每一层,系统可以被配置成存储多个标签,并在以后的时间展示标签以供用户选择。系统被配置成使得供用户选择而呈现在一层(或一个标签级别)的标签可以受到在更高层或更高标签级别选择的标签的约束。
图4示出一个实施例的示意图,其中标签系统400被配置成使得用户发送和/或接收电子消息,其中标签系统还被配置有用户界面,用于由用户使用以建立知识系统,其中知识系统包括语境各个方面的知识框架,语境可以与给定环境(例如制造场景)中的电子文本有关。语境可以包括背景事件和/或交互。语境可以涉及多个交互,其转而与背景事件相关。语境还可以包括以前没有记录的知识。所有这些可以使用本文公开的标签方法来表示为数据库中的知识结构410或知识系统。随着时间的流逝,可以通过用户输入430来改进和适应知识结构,从而产生更新的或什至新的知识结构420和新的标签。因此,该方法对创建和保持或更新标签数据库440有用,其可以对用户(包括用户的主管)有用,以适应不断发展和变化的业务或职场环境(动态语境)。当新的标签被输入标签数据库,这些标签可以类似地被用于给语境元素标签,语境元素在各种文本中被标识并且被链接到动作,诸如提供简单的文本回覆450、分析动作460、机器人流程程序自动化(RPA)动作470,机器人动作480和/或发指示单动作490;仅举几个。
除了允许用户更新(或创建新的)知识结构和标签来适应,本公开的另一实现适应的实施例是通过自然语言处理(NLP)机器学习算法,以使得文本中的语境元素的不断变化的含义以及新的和/或更改的标签与各种动作链接。这可以是耦合于系统的机器学习模块已经获取足够的学习以继续添加并使用标签数据库的情况。图5示意性地示出耦合于机器学习模块500的标签系统的一个实施例。
标签系统和方法还可以用做用于建立预测功能的框架,从而可以提高管理电子消息的效率。图5示出语境元素的标签数据库510和相关联的标签组。如上所述,该数据可能已经通过用户输入被开发。一些语境元素和相关联的标签组可以形成用于建立和/或训练模型的训练集530。基于语境元素和标签的数据库,执行特征提取512以提供测试集520。可以从数据库中提取至少一个测试数据集,并将其输入训练集中。系统被配置成基于训练集建立模型。模型建立的一个示例涉及使用NLP机器学习算法540来解析语境元素的内容和/或标签的内容。
在一个实施例中,机器学习算法包括用于实施强化学习的算法。强化学习可以包括(但不限于)以下一项或多项:监督学习、无监督学习、序列到序列学习和分类学习。机器学习算法可以包括被配置成实施一个或多个人工神经网络模型的算法。人工神经网络模型的示例包括但不限于:反向传播方法、霍普菲尔(Hopfield)网络方法、自组织映射方法和学习矢量量化方法等。机器学习算法可以包括一个或多个深度学习算法。深度学习算法的示例包括但不限于:深度信念网络方法、卷积神经网络方法、递归神经网络方法、堆叠式自动编码器方法等。机器学习算法可以包括一个或多个降维方法。降维方法的示例包括但不限于:主成分分析、偏最小二乘回归、塞曼(Sammon)映射、多维缩放、投影追踪等。机器学习算法可以包括被配置成实施一个或多个特征提取方法的算法。机器学习算法可以包括被配置成实施一个或多个嵌入生成方法的算法。特征提取方法和/或嵌入生成方法的示例包括但不限于:连续词袋(CBOW)、连续跳跃元语法(Skip-gram)等。机器学习算法可以包括被配置成实施一个或多个集成方法的算法。集成方法的示例包括但不限于:增强、堆叠泛化、梯度增强机器方法、随机森林方法等。机器学习算法可以包括被配置成实施一个或多个基于实例的方法的算法。基于实例的方法的示例包括但不限于:k-最近邻、自组织映射等。机器学习算法可以包括被配置成实施一个或多个贝叶斯方法的算法。贝叶斯方法的示例包括但不限于:朴素贝叶斯、贝叶斯信念网络等。机器学习算法可以包括被配置成实施一个或多个聚类方法的算法。聚类方法的示例包括但不限于:k-均值聚类、期望最大化等。机器学习算法可以被配置成包括被配置成实施以下组合的一个或多个的算法:人工神经网络模型、深度学习算法、降维方法、特征提取方法、嵌入生成方法、集成方法、基于实例的方法、贝叶斯方法、聚类和其他合适的方法。
在部署之前,模型被称为训练模型。测试集用于开发测试模型预测520。将测试模型的预测与训练模型进行比较。以上在被称为训练/测试循环程序522中是叠代的。当训练/测试循环产生可接受的结果时,可以部署模型为实际使用。在部署模式下,系统被配置成接收输入电子消息流。这根据部署模型560被处理。可以按照多个标签以及多个标签之间的关系来描述测试模型和/或部署模型。换言之,预测和动作是对输入消息570的后续。这些预测和动作响应于所部署的模型。所得的标签预测(预测的标签)和动作也可以用于创建与输入消息和输入消息的语境相关的自动消息回覆590。因此,一方面,本发明的实施例可以帮助优化电子消息(或视情况而定的电子文本)的语境的机器学习。它们还可以涉及响应于电子消息的语境的一个或多个后续动作。因此,本发明的实施例有助于解决技术问题,例如如何确定对电子消息的相关和/或适当的回覆。解决此类技术问题对开发人工智能机器人和其他应用场景有用。
以上也可以被描述为标签系统的学习模式(学习手动模式或学习建议模式)的一部分,其被配置成使得用户能够使用电子文本来构建知识系统,其中标签系统提供用户定制以创建适用于管理项目或管理电子交互的不同知识系统。当用户在学习模式(学习手动模式或学习建议模式)下针对多个电子文本执行该方法时,其也在添加于知识系统。知识系统将发展以反映用户的领域知识和与各种项目相关的经验。当用户在部署模式下针对与不同项目相关的电子消息执行该方法时,知识系统将发展以反映用户在各种类型的项目上的领域知识和经验,从而实现更有效的项目管理和/或交互。可以理解,知识系统将反映一定程度的定制或主观性,因为它至少部分地由一个或多个用户的贡献而创建,而这些用户可能对电子文本背后的语境有不同的观点。用户可以包括并且可优选地(但不限于)是电子文本(包括电子消息)的普通创建者和/或收件人。
图6是标签系统600的一个实施例的另一示意图,其中用户界面设备612被配置成提供用户界面模块620,并且其中用户界面设备耦合于计算设备610。该计算设备可以包括用户界面设备,该用户界面设备可被配置成向用户提供多个模块的访问。可以通过耦合到计算设备的标签数据库来实现多个模块。多个模块可以包括例如分析模块622、至少一个动作模块624、建议模块626、至少一个应用模块628、通信模块630和标签模块640等。通信模块可以被配置成向用户呈现用于读取和/或写入电子消息的电子消息客户端用户界面。用户界面可以包括电子消息客户端界面632。电子消息客户端界面可以被配置为多个网状智能面板。用户界面模块还可以被配置成在电子消息客户端用户界面的环境内以用户界面的形式呈现标签工具642。用户界面模块还可以配置有标签管理模块。标签管理模块还可以使得用户能够为标签界定层次顺序(例如,以上参考图3描述的示例)或在各种标签级别预先界定标签。标签管理模块可以被配置成使得用户可以界定多个标签,多个标签以级联树或层次结构顺序相对于彼此。
标签系统被配置成在一定的条件下为用户提供标签工具。例如,语境标签模块可以被配置成当通信模块用于读取和/或写入电子消息时为用户提供标签工具。当用户输入设备悬停或当鼠标被移至用户界面预先界定的区域时,标签工具可以以语境菜单的形式呈现给用户。标签工具可以以浮动窗口的形式呈现给用户。可以将标签工具作为电子消息客户端的一部分呈现给用户,例如,作为被安装以与电子邮件客户端一起使用的扩展模块。
在示出的示例中,相对标识符650,标签工具642让用户能将语境元素660与标签组670链接,并且与动作680链接。
根据一个实施例,电子消息系统可由用户操作以接收和/或发送电子消息,并且该电子消息系统被配置成向用户呈现标签工具,其中标签工具使得用户能够从电子消息中选择内容作为语境元素,并将语境元素与至少一个标签关联。在本文中,“内容”是指由电子消息700(图7)负载的数据或信息。这包括电子消息的消息正文中和/或电子消息的消息标题中的数据和/或信息。消息标题可以包括电子消息的地址和/或主题行710。消息正文包括用户在撰写电子消息时编写或以其他方式提供的内容720。在本文中,消息正文还包括任何文件附件、文件附件的一个方面和/或附件文件的内容。本公开的实施例包括具有用于执行项目管理方法的计算机可执行代码的非暂时性计算机可读存储介质。这可以使用示例来描述,在该示例中,在与项目有关的两方之间存在交互,并且其中的交互包括电子消息的交换。可理解的是,也可以使用其他形式的电子消息,并且这里仅出于说明示例的目的而使用电子邮件为例。可以通过使用电子邮件客户端的网络交换该电子邮件。根据系统的一个实施例,系统提供标签工具作为电子邮件客户端的一部分。当用户使用电子邮件客户端来接收电子邮件时,可以以用户界面的形式向用户呈现标签工具。
如图8示意性所示,标签工具810的一个实施例可以被配置成使得用户能够选择整个电子消息820,例如电子邮件,作为一个语境元素,并且将语境元素链接到标签组830。在学习建议模式,标签工具可被配置成建议选择整个电子邮件作为一个语境元素,也就是说,在标题的内容和在正文的内容可以作为一个语境元素被一起选择。在自动模式,标签工具可以被配置成基于通过先前的学习和训练获得的知识系统,自动地选择整个电子邮件作为一个语境元素。
电子邮件可以被描述为具有标题和正文,其中标题包括提供有关电子邮件的发件人和至少一个收件人的信息的内容,并且其中正文可以包括以下的形式:文本、图片和/或文件附件。标签工具可以被配置成实施方法,在该方法中,用户可以选择电子邮件的一部分作为一个语境元素900(如图9中所示)。标签工具940可以被配置成使得用户能够从电子消息910选择内容和使用所选择的内容作为语境元素920,并链接930该语境元素到标签组960。在学习建议模式,标签工具可以被配置成建议从电子邮件中选择内容作为一个语境元素。在自动模式,标签工具可以被配置成基于通过事先学习和训练而获得的知识系统,自动选择电子邮件的内容作为一个语境元素。
例如,标签工具被配置成使得用户能够选择标题1012中的内容作为一个语境元素。标签工具被配置成使得用户能够选择正文1014中的内容作为一个语境元素。标签工具被配置成使得用户能够选择标题1012的一部分和正文的一部分1014作为一个语境元素1030(如图10所示)。例如,标签工具被配置成使得用户能够选择单词、短语、句子、段落、图像、录音、文件和/或其中的多个作为一个语境元素。此清单并非详尽,此处仅出于举例说明以帮助理解的目的而提及该清单。例如,标签工具被配置成使得用户能够选择文件附件1130作为一个语境元素1150。在另一示例中,标签工具被配置成使得用户能够选择文件附件中的内容1140、1142作为一个语境元素1150(如图11所示)。
标签工具被配置成使得用户能够从一封电子邮件中选择一个以上的语境元素。标签工具被配置成使得用户能够从标题中选择一个以上的语境元素,其中标题中的内容的一部分可以被选择作为一个语境元素,而标题中的另一部分内容可以被选择作为另一个语境元素。标签工具被配置成使得用户能够从正文中选择一个以上的语境元素,其中,正文中的内容的一部分可以被选择作为一个语境元素,而正文中的内容的另一部分可以被选择作为另一个语境元素。因此,标签工具被配置成使得用户能够将一个电子消息作为多个语境元素的可能来源,以界定一个语境元素。
在一个实施例中,为了用于标签,语境元素的各方面的组织方式可由用户界定,从而使得用户的观点可由知识系统反映,该知识系统由标签方法和系统创建和/或维持。这使得标签系统具备灵活性以随着语境变化或者随着用户对语境的观点的变化而发展。语境的动态性质可以通过用于链接到语境元素的一个或多个标签来反映。
再次参照图8,在这里示意性示出的实施例包括标签方法,该方法限定(语境的)至少一个方面,例如“类别”840。实施例包括被配置成使得用户可以界定至少一个“类别”的标签系统。在一个示例中,用户可以界定多个“类别”以用于描述项目的相应数量的不同阶段。例如,用户可以选择界定三个类别:“设计”、“生产”和“交付”。对于用户来说,有一定的背景事件和/或交互与“设计”类别有关,其他一些背景事件和/或交互与“生产”类别有关,而另一些背景事件和/或交互与“交付”类别有关。用户可以使用标签系统提供的用户界面来界定“类别”。在一些示例中,可以根据阶段来界定“类别”。可以界定“类别”使得存在多个按时间顺序排列的“类别”。在一个示例中,项目包括原型阶段、试产扩量阶段和制造阶段。用户可以配置标签数据库,使得具有标签“原型阶段”、“试产扩量阶段”和“制造阶段”可用于链接到语境元素。在另一个示例中,项目包括工作绩效阶段。标签系统可以被配置成仅具有一个可能的用于链接的标签,其中该标签对应于工作绩效阶段。在又一个示例中,项目包括服务订单阶段、服务绩效阶段和付款阶段。里程碑可用于标记一个阶段到另一阶段的过渡。里程碑可以标志较早阶段的结束和下一阶段的开始。这些阶段中的每一个都可以映射到一个或多个背景事件和/或交互。当用户将语境元素从电子邮件消息链接到项目的相应的阶段、里程碑或相应的背景事件时,标签系统可以学习跟踪项目的进度。
为了帮助理解,以下描述了用户是电子消息的收件人的情况,用户使用标签工具的一个示例。标签工具也适用于用户是电子消息的发件人的情况。标签工具还适用于语境元素基于不是电子消息的电子文本的情况。
参见图8,当电子消息820被接收到,标签系统800继续执行从下列可能的步骤中选择的一个或多个步骤:确定标识符850;选择与标识符相关联的语境元素820;将所选择的语境元素链接到一个或多个标签840,并且在存在多个标签的情况下,多个标签被组织在层(标签级别)。如适用,标签系统启动动作来检索答案。收到答案后,标签系统在以电子消息的形式撰写回覆时会使用答案。本文描述的步骤不必以上面呈现的顺序执行,也不必从上面列出的第一步骤开始。
从接收到的电子消息中,系统确定标识符,在这种情况下,标识符可以是项目名称、样式编号、样品编号、客户名称等。项目名称可以是用于对话或项目的方便的引用。项目名称可以是用于与一个项目相关的多个对话中的一个对话的用户识别的标识。在图8的示例中,项目名称为“样式12340”。
在该示例中,具有与每个语境元素相关联的标签级别。如图8中的标签工具所示,具有名为“类别”的第一层840、名为“子类别”的第二层842、名为“问题”的第三层844、名为“方法”的第四层846和名为“动作”的第五层848。这些标签级别可以由用户使用管理界面在管理设置中预先设定。每个标签级别可用的标签的数量可以在管理设置中控制。可替代地,每个标签级别可用的标签被最初约束为预定值,例如,在管理界面确定预定值。可以允许用户在用户界面810来创建新的标签。可替代地,可以允许用户混合受约束和不受约束的选项。随着标签数据库通过使用标签方法而增长,每个标签级别可用的标签可以适应性地改变以适合用户的行话/词汇。
在所示的用户界面中,可由用户通过一系列从属下拉列表或菜单(名为“类别”的第一层840、名为“子类别”的第二层842、名为“问题”的第三层844、名为“方法”的第四层846和名为“动作”的第五层848)选择可以在每个标签级别使用的标签。可用于各个标签级别的标签数目不同,每个标签级别对应于语境的一个方面或层次结构中的含义层。标签中的每一个都指的是名为“样式12340”的项目的一个可能的方面。在这个示例中,对应于该项目的阶段的标签级别被称为其他下拉列表依赖的主列表。可替代地描述,可以从一系列标签的级联列表中选择与一个与语境元素相关联的标签。
参考图9,一个标签级别中的标签选项可被配置成取决于在先前的标签级别所选择的标签。例如,如果标签“设计”被选择用于第一个标签级别“类别”962,在下一个标签级别“子类别”可用的标签可以包括:“状态”964。这转而又限制在随后的标签级别“问题”中的标签的选择以包括:“延迟”、“没有变化”以及“提前”。如果标签“延迟”被选择966,下一个标签级别“方法”中的标签选项可以受限于“设计”、“工具”和“包装”968。如果适用,则可能有另一个标签级别969。在该示例中,语境元素920可以与标签组960中的多达五个标签链接,其中五个标签是从级联或从属列表中选择的。在其他示例中,语境元素可以与不同数量的标签链接,其中,根据与标签组相对应的层次结构对标签进行排序。
标签系统900可以被配置成使得解析器被部署为从电子消息910中提取诸如语境元素920和/或标识符950之类的元素。标签系统可以被配置成在学习手动模式,或学习建议模式970,或自动模式980中进行操作。尽管用户界面(即:标签工具940)可以提供多达五个标签与一个语境元素链接,但是允许将少于五个标签与该语境元素链接。例如,在图8中,语境元素被链接到具有少于五个标签的标签组。所应用的标签组包括在第一标签级别“类别”中的“设计”和在第二标签级别“子类别”中的“成本”标签。较低的标签级别未被使用。这可以采用语境元素链接到两个标签的形式,也可以采用语境元素链接到五个标签的形式,其中三个标签为“空”或虚拟的标签。在用户界面中,层“问题”、“方法”和“动作”被示出为“N/A”(“不适用”)仅仅用于说明性目的。
继续图9,基于所选的语境元素和相关联的标签,标签系统可以启动一个或多个后续动作,例如从另一个数据管理系统(为了方便起见,在本文中将被称为ERP(企业资源计划)系统,虽然不限于此)中检索数据982,或检索指示单事项987。标签系统可以被配置成启动动作,例如执行RPA、运行办公工具、执行特定机器人功能、执行数据分析和/或启动指示单。其他动作模块可以被耦合到标签系统以进行类似的合作,例如会计系统、人力计划系统、税收和监管清算系统、物流计划等。
参照图10,响应于接收第一电子消息1010,第一电子消息的一部分的内容(“对提议的修改有任何更新?”)1014可以被链接到名为“样式1234”的项目1012,并因此相关的会话可以从第一电子消息识别。标签“设计”1042和“状态”1044被链接到该语境元素。可以理解的是,即使消息的内容中包含印刷错误、语法错误和/或因使用方言、行话和/或其他语言而引起的其他变化,电子消息的内容也可以被正确地“理解”,因为应用于具有类似含义的不同措词的句子的相同的标签组合将类似地被链接。
如果用户(第一电子消息的收件人)能够回覆第一电子消息,则用户可以选择在提供的用户界面860(图8)中直接撰写和发送第二电子消息,或者使用适当的客户端或应用程序1070(图10)撰写的消息。
可替代地,基于通过图4和图5的架构所获得的早期学习,系统可以被配置成触发旨在提供答案1060的动作1050,该答案1060可以用于回覆询问1070。这可以涉及响应于标签,收集来自其他耦合的系统和/或数据库的输入。在以前的类似情况下,具有链接到标签“设计”和“状态”的语境元素的电子消息导致一动作以询问的形式向ERP系统获取状态更新。这是事先通过标签方法和系统捕获的。因此,在这种情况下,响应于将标签“设计”和“状态”链接到第一电子消息中的语境元素,系统可以应用早期的学习并从ERP系统中获取适当的答案。
响应于接收答案,其为取自ERP的状态更新,标签系统可以被配置成在用户界面中对第一电子消息建议回覆。用户在将建议的回复发送给另一方之前有对其进行编辑的选择。可替代地,标签系统可以被配置成使得响应于从ERP接收状态更新,标签系统自动生成并发送第二电子消息以回覆第一电子消息。因此,标签系统可以跟踪项目的进展情况,以及关于名为“样式12340”的项目的对话中交流的内容的历史。这样避免了以下情况:当信息已经在组织中的另一个系统中被捕获时,用户(在这种情况下,例如第一电子消息的收件人)必须花时间寻找项目的状态更新。当在组织中每天有大量的工作和电子消息要处理时,部署本系统和/或方法的实施例可以促进更高的效率并更好地利用资源。
在某些情况下,无法从记录的或记载的数据和/或信息中获得所需的数据和/或信息。在一个示例中,在更新ERP之前,请求项目“样式12340”的状态。根据一个实施例,标签系统被配置成启动动作,动作采取从第一用户到第二用户的“指示单”的形式。在指示单相关的动作中,请求被发送到第二用户以执行任务来获得答案。动作可以包括要求第二用户提供答案(在这种情况下,项目“样式12340”的状态更新)。响应于第一用户从第二用户接收答案(以状态更新的形式),系统可以基于答案对第一电子消息建议回覆。可替代地,系统可以自动生成并发送第二电子消息以回覆第一电子消息。系统还可以使用更新的状态更新ERP系统。因此,系统可以跟踪关于名为“样式12340”的项目的项目进度,以及关于名为“样式12340”的项目的对话中交流的内容的历史。
对于本公开,电子消息1110的正文包括任何文件附件1130和/或文件附件的内容1140、1142。这在图11中示意性地示出。在该示例中,电子消息1110被接收并且被发现附有电子表格。系统被配置成读取电子表格的内容,例如使用解析器。根据电子表格的内容,基于分别包含项目名称“样式12340”1140和问题“进展如何?”1142的两个单元格来确定语境元素1150。文件附件的内容可被提取以填入标签工具的各个字段1120、1160。在此模式下,可能不需要用户界面1160,因为标签系统可以被配置成确定相关的语境元素。标签系统还可以被配置成确定语境元素和标签组之间的关系。
图12还示出标签系统和方法1200,其中询问1210引出语境元素、标签组以及动作1230以界定关系的标签1220。作为示例,动作可以包括获取适于形成对该询问的回覆1240的答案1232。
图13还示出标签系统和方法1300,其中询问1310引出标签1320,通过该标签1320,关系中的语境元素、标签组和动作1330被链接。作为示例,动作可以包括:当提供答案以对询问做出回覆1340时,发行指示单并解决该指示单。
图14还示出标签系统和方法1400,其中询问1410、动作1430和回覆1440由标签1420、1450捕获,并送入如上所述的分析模块1460和报告模块1470。
在一个实施例中,由系统捕获的数据可用于洞察电子消息背后的语境中的交互类型。例如,可以洞察在项目的每个类别或阶段中执行的动作的数量和动作的类型。在另一个示例中,系统还可以提供有关哪个客户最难协商定价的见解。系统还可以绑定到会计模块,以便可以根据特定的产品模型分析付款和收据,并构成未来营销计划的基础。
参考图15,提供方法1500的一个实施例,该方法可通过具有负载计算机可执行代码的计算机可读介质中的计算设备实施,该方法包括确定电子文本1510的至少一部分中的语境元素1520;将标签组1530与语境元素和动作1540链接,以界定关系1550;以及配置知识结构1560,其中知识结构可以通过将关系存储在耦合于计算设备的标签数据库中来配置。
知识结构可以通过在标签数据库中存储更新的关系来重新配置。实施例可以包括提供用户界面,用户界面被配置成使得用户能够界定更新的关系;以及将更新的关系存储在标签数据库中以重新配置知识结构1560。计算设备还可以被配置成建议候选关系,其中候选关系使用由存储在标签数据库的多个关系训练的模型界定。候选关系可以从由多个语境元素训练的模型中得到,多个语境元素与存储在标签数据库中的多个关系相关联。模型可以包括NLP模型。计算设备还可以被配置成使用由存储在标签数据库的多个关系训练的模型界定更新的关系。计算设备可以被配置成界定更新的关系,并且更新的关系可以包括存储在标签数据库中的部分或完全重新配置的多个关系。更新的关系可以从NLP模型中得到,NLP模型可以由存储在标签数据库中的多个关系训练。NLP模型还可以通过更新的关系训练。实施例可以包括:确定标签组1530,使得该标签组中的每一个都与不同的标签级别相关联,其中该标签组包括一个或多个标签,一个或多个标签的每一个对应于与电子文本有关的语境的一个方面。标签组1530还可以包括以标签级别的层次结构配置的多个标签。实施例可以包括存储标签组作为标签数据库中链接的语境元素的持久属性。实施例可以包括:启动动作以回答1590询问,询问是语境元素的至少一部分。
参考图15,提供了方法1500的实施例,该方法可以由具有负载计算机可执行代码的计算机可读介质的计算设备实施,该方法包括:使用第一电子文本的至少一部分1510,确定语境元素1520;确定与第一电子文本的语境的观点相对应的标签组1530;将语境元素与标签组和动作链接以界定关系1540、1550;以及将关系存储在表示知识结构1560的标签数据库中,其中关系的存储修改知识结构。
方法还可以包括:使用来自机器学习模块的输入1570来确定以下中的至少一个:语境元素、标签组和动作,其中机器学习模块与标签数据库耦合,使得输入由知识结构1560确定。方法还可以包括:使用来自机器学习模块的输入来确定关系1550,其中机器学习模块与标签数据库耦合,使得输入由知识结构1560确定。该方法还可以包括:使用来自用户界面1580的又一输入来修改来自机器学习模块的输入,其中用户界面与标签数据库耦合,使得知识结构1560还可以被来自用户界面的又一输入修改。方法还可以包括:使用来自用户界面1580的输入来确定以下至少一项:语境元素、标签组和动作,其中用户界面与标签数据库耦合,使得知识结构1560可以通过输入来修改。关系1550还可以包括通过使用来自机器学习模块的输入来更新关系,以改变语境元素和标签组中的至少一个。标签组1530可以包括至少一个标签,至少一个标签中的每一个与标签级别的层次结构中的相应的标签级别相关联。方法还可以包括:确定动作,其中动作部分地由该标签组确定;使用动作的结果以形成第二电子文本;使用第二电子文本的至少一部分,确定第二语境元素;确定第二标签组;将第二语境元素与第二标签组链接,以界定与动作有关的更新的关系;以及通过存储更新的关系来修改知识结构。方法还可以包括使用自然语言处理来解析语境元素。实施例可以包括:第一电子文本是电子消息;并且其中语境元素是由以下内容确定:电子消息的消息标题的至少一部分、电子消息的消息正文的至少一部分,电子消息的消息标题的至少一部分和电子消息的消息正文的至少一部分,或整个电子消息。
参照图15,提供了系统1500的实施例,该系统可由用户操作以管理电子文本,该系统包括:用户界面1580;被配置为知识结构的标签数据库1560,标签数据库1560被耦合到用户界面,以使知识结构;以及与标签数据库和用户界面耦合的计算设备,该计算设备被配置成:使用第一电子文本1510的至少一部分以确定语境元素1520;确定对应于用户对第一电子文本的语境的观点的标签组1530;标签组包括至少一个标签,至少一个标签中的每一个与标签级别的层次结构中的相应的标签级别相关联,标签级别的层次可由用户通过用户界面1580配置;将语境元素与标签组链接以界定与动作1540相关的关系1550;以及将关系存储在标签数据库中,其中知识结构由存储在标签数据库1560的关系修改,并且其中知识结构可以由用户通过用户界面1580提供输入来配置。
系统可以被配置成其中知识结构可以由用户通过用户界面1580提供输入以确定语境元素1520来配置。系统可以被配置成其中知识结构可以由用户通过用户界面1580提供输入以确定标签组1530来配置。系统可以被配置成其中知识结构可以由用户通过用户界面1580提供输入以将语境元素与标签组1550链接来配置。系统可以被配置成其中知识结构1560可以由用户通过用户界面1580提供输入以确定动作1540来配置。
为了帮助理解,将参照图16描述本公开的另一实施例。标签系统被配置成使得第一用户(例如,服装制造商的总经理)可以使用标签方法1600,以推动组织的战略投资和方向。为了说明,第一用户在第一用户界面1610上使用浏览器应用访问网站时,通过链接1620访问电子文本(例如PDF文档或另一个网页)。在该示例中,第一用户阅读关于一种由具有优异的隔热性能的新型纤维制成的新型织物。第一用户可以附加、链接或以其他方式与其他用户共享电子文本。
使用由标签系统提供的标签工具,第一用户可以将电子文本1630的至少一部分确定为语境元素1640。在此示例中,选择“环保型植物基残留成分X保留热量”作为语境元素。在此,第一用户使用标签工具将语境元素链接1650到标签组1660(“新兴技术:隔热”),从而反映第一用户的主观观点,即电子文本背后的语境与对组织具有潜在战略意义的新兴技术有关。因此,可以理解,标签系统让用户结合电子文本后面的语境的主观观点。这意味着可以由第二用户使用相同的标签系统,第二用户访问相同文本以将相同的语境元素链接到不同的标签组。例如,相同组织的设计师可以专注于不同的观点,因此将相同的语境元素链接到反映不同观点的标签组,例如“设计:生态织物”。
此外,标签系统可以被配置成使得在包括“新兴技术”的标签组链接到语境元素时,触发动作1672的链接1670,该动作为RPA程序的形式。RPA可以被配置为自动爬网和搜索各种电子可访问的知识库,以搜索并合并与成分“X”相关的文章和信息。当RPA收集附加的相关的电子文本时,附加的相关的电子文本可以由标签系统处理,从而使知识结构增长。当足够的语境元素已链接到标签组时,标签系统将获取或学习相关的单词和文本,相关的单词和文本与和隔热技术相关的标签组相关联。因此,当访问另一个相关的电子文本时,标签系统可以将相关的语境元素与相关的标签组链接,并且转而链接到相关的动作,例如后续指示单和/或RPA动作。
标签系统还可以被配置成链接多于一个动作到与语境元素链接的标签组。各个动作可以同时发生或不同时发生。在该示例中,第一用户同时使用标签系统以链接1680到动作1682,该动作涉及创建特殊项目团队的指示单。指示单动作可以涉及获得一个或多个询问的答案,例如“新纤维的可用来源是什么”和“新纤维是否可用于制造组织的产品”。如此,标签方法和系统可以是驱动组织的战略性发展的的一个较优的管理和/或使用信息使用方法。
图17示出标签方法和系统1700的实施例的另一个应用。在该示例中,用户使用用户界面1710通过互联网访问文章1720。用户可以是高级管理层,例如组织的财务总监。该文章可以以评论、图形、视频、录音、文档和/或到其他电子文本的链接的形式提供一个或多个电子文本1730。用户可以从网站上选择要下载的文件,例如有关贸易关税的便携式文档格式(PDF)文档。在PDF文档中,用户可以找到自己感兴趣的信息,例如,关税对组织相关的多个市场的影响的分析。标签方法和系统使得用户能够通过选择感兴趣的信息作为语境元素1740来对其进行跟进。
在一个实施例中,标签方法和系统被配置成,如果用户与一个或多个收件人(可能包括用户本人)以电子方式共享PDF文档,则至少一个标签组将被提供给一个或多个收件人。收件人的电子邮件客户端可以被配置成在接收到具有至少一个附件的电子邮件时启动或以其他方式呈现标签工具1750。因此,用户可以选择PDF文档的一个或多个部分作为一个或多个语境元素。用户还可以将一个或多个语境元素与一个或多个标签组1760链接。一旦用户已经将附件的至少一部分与至少一个标签组链接,则捕获嵌入附件中的感兴趣的信息以及用户对感兴趣的信息的观点,以将其贡献于知识结构。这种观点可以是感兴趣的信息的潜在含义之一。按照惯例,“语境”有时用于指代可测量的属性(例如温度),或指代电子文本的其他部分。因此,从该示例和其他示例中可以理解,本文中使用的电子文本的“语境”范围超出常规范围。
在一个示例中,最高级别的标签可以是“贸易关税”,依次递降的标签级别可以是“对来自A区域的出口的影响”、“对B区域出口的影响”等。这种多层的和分层的标签可以由用户或共享电子文本的其他收件人执行。如此,用户可以突显出自己以为重要的语境元素和标签。标签系统被配置成,响应于语境元素和标签组之间形成的链接,一个或多个动作被链接到语境元素和标签组1770、1780。这些链接进一步触发一个或多个动作,例如RPA程序1772,以作出价格差异预测,或者搜索和合并由于贸易关税而导致的不同市场之间的产品价格差异的相关文章。可替代地或附加地,所产生的动作1782可以是给团队指示单,以跟进进一步的分析和建议,以减轻贸易关税的潜在影响。
当足够的语境元素已经被链接(或标签)时,标签系统将已经学习与和贸易关税相关的标签相关联的相关文本(例如,单词、短语、字符串等)。因此,当使用和/或建立知识结构在组织的收件箱中接收到另一个相关的电子文本时,标签系统可以被配置成,通过从先前与贸易关税相关联的单词中进行选择来自动链接适当的标签组。因此,通过从先前与此类标签组相关联的动作中进行选择,标签系统将能够与相关动作链接。在该示例中,相关动作可以包括触发RPA动作,以进一步搜索互联网以获得关于贸易关税的最新文章。
因此,如从以上描述和附图中可以理解的,本公开的实施例可以实现帮助人们更有效地回复电子消息的实际优点。实施例可以帮助确保适当地监视和管理项目。这些实施例还解决了实际挑战,并为“更智能”的分析、人工智能机器人和相关技术奠定了基础。
因此,可以理解的是,本公开内容提供能由用户操作来管理电子文本的标签系统,该系统包括:用户界面;被配置为知识结构的标签数据库,该标签数据库被耦合到用户界面以致知识结构;以及与标签数据库和用户界面耦合的计算设备,该计算设备被配置成:使用第一电子文本的至少一部分来确定语境元素;确定与第一电子文本的语境的用户的方面相对应的标签组;该标签组包括至少一个标签,至少一个标签中的每一个与标签级别的层次结构中的各个标签级别相关联,标签级别的层次结构可由用户通过用户界面配置;将语境元素与标签组链接以界定与动作相关的关系;并将关系存储在标签数据库中,其中知识结构通过存储在标签数据库中的关系进行修改,并且其中知识结构可由用户通过用户界面提供输入来配置。
一种方法,包括:呈现用户界面,其中用户界面被配置成使得用户能够界定电子文本中的语境元素;对于每个语境元素:将语境元素链接到至少一个标签;并且存储至少一个标签作为语境元素的持久属性。上述方法还包括:对于每个语境元素,将语境元素链接到标签组,其中该标签组包括多个标签;并将标签组存储为语境元素的持久属性。上述方法,其中同标签组中的每个标签可以与多个标签级别之一相关联,并且其中多个标签级别被配置为标签级别的层次结构。上述方法,其中用户界面还被配置成使得用户能够界定标签级别的层次结构。上述方法,其中与标签级别之一相关联的标签描述了电子文本后面的语境的一方面。语境的一方面可以是多个时间顺序背景事件之一。上述方法还包括:响应于包括预定标签的标签组,启动动作以(例如)获取答案;以及在针对语境元素的回复中使用答案。动作可以包括:呈现应用程序界面;以及记录通过应用程序界面接收的击键输入以实现上述方法。动作可以包括:从包括语境元素的数据库中获取答案,每个语境元素链接到相应的标签组。动作可以包括:请求由集成系统或至少由另一用户自动执行的任务,以获得答案并针对语境元素作出回覆。
基于电子消息的系统,其被配置成启用管理系统的方法,系统包括被配置成提供用户界面的计算设备,其中该用户界面被配置成:使得用户能够从第一电子消息中界定语境元素;并将标签组链接到语境元素;以及与计算设备耦合的数据库,该数据库被配置成将标签组存储为语境元素的持久属性。上述系统,其中该标签组可以包括多个标签级别,并且其中多个标签级别被配置为标签级别的层次结构。上述系统,其中该系统还被配置成启动动作以获得答案;并在回覆第一电子消息时使用答案。上述系统,其中该系统还被配置成从数据库检索答案。
除非另外明确指出,在本文使用的单数的“一个”和“一”可以被解释为包括复数的“一个或多个”。
已经出于说明和描述的目的呈现了本公开,但是并不意图是穷举的或限制性的。对于本领域普通技术人员而言,许多修改和变化将是显而易见的。已经选择并描述了示例实施例,以便解释原理和实际应用,并使本领域的其他普通技术人员能够理解具有各种修改的各种实施例的公开内容,这些修改适合于预期的特定用途。
因此,尽管这里已经参考附图描述了说明性的示例实施例,但是应当理解,该描述不是限制性的,并且本领域的技术人员可以在其中进行各种其他改变和修改而不背离本公开的范围。
Claims (27)
1.一种可由具有负载计算机可执行代码的计算机可读介质的计算设备实施的方法,其特征在于,所述方法包括:
确定电子文本的至少一部分中的语境元素;
链接标签组与所述语境元素和动作以界定关系;以及
配置知识结构,其中所述知识结构是通过将所述关系存储在与计算设备耦合的标签数据库中来配置的。
2.如权利要求1所述的方法,其特征在于,所述知识结构可通过在所述标签数据库中存储更新的关系来重新配置。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:提供配置为使用户能够通过以下方式重新配置知识结构的用户界面:
界定所述更新的关系;以及
将所述更新的关系存储在所述标签数据库中。
4.如权利要求3所述的方法,其特征在于,所述计算设备还被配置为建议候选关系,其中所述候选关系是从用与存储在所述标签数据库中的多个关系相关联的多个语境元素训练的模型中提取的。
5.如权利要求4所述的方法,其特征在于,所述模型包括自然语言处理(NLP)模型。
6.如权利要求2所述的方法,其特征在于,所述计算设备还被配置以界定所述更新的关系,并且所述更新的关系包括存储在所述标签数据库中的部分或全部重新配置的多个关系。
7.如权利要求6所述的方法,其特征在于,所述更新的关系从自然语言处理(NLP)模型中提取,所述模型可通过存储在所述标签数据库中的多个关系进行训练。
8.如权利要求7所述的方法,其特征在于,所述更新的关系还可以训练NLP模型。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述标签组,使得所述标签组中的每个标签与不同的标签级别相关联,其中所述标签组包括一个或多个标签,所述一个或多个标签的每一个对应与所述电子文本相关的语境的一方面。
10.如权利要求9所述的方法,其特征在于,所述标签组还可包括在所述标签级别的层次结构中配置的多个标签。
11.如权利要求9所述的方法,其特征在于,所述方法还包括:将所述标签组存储为所述标签数据库中链接的语境元素的持久属性。
12.如权利要求1所述的方法,其特征在于,所述方法还包括:启动所述动作以回答询问,所述询问是所述语境元素的至少一部分。
13.一种可由具有负载计算机可执行代码的计算机可读介质的计算设备实施的方法,其特征在于,所述方法包括:
使用第一电子文本的至少一部分,确定语境元素;
确定与所述第一电子文本的语境的一方面对应的标签组;
链接所述语境元素与所述标签组和动作以界定关系;以及
将所述关系存储在表示知识结构的标签数据库中,其中所述关系的存储修改所述知识结构。
14.如权利要求13所述的方法,其特征在于,所述方法还包括:使用从机器学习模块的输入以确定以下中的至少一个:所述语境元素、所述标签组和所述动作,其中所述机器学习模块与所述标签数据库耦合以使输入由所述知识结构确定。
15.如权利要求14所述的方法,其特征在于,所述方法还包括:使用来自机器学习模块的输入来确定所述关系,其中所述机器学习模块与所述标签数据库耦合,使得所述输入由所述知识结构确定。
16.如权利要求14所述的方法,其特征在于,所述方法还包括:使用来自用户界面的进一步输入来修改来自所述机器学习模块的输入,其中所述用户界面与所述标签数据库耦合,使得所述知识结构还可以被来自所述用户界面的进一步输入修改。
17.如权利要求13所述的方法,其特征在于,所述方法还包括:使用来自用户界面的输入以确定以下中的至少一个:所述语境元素、所述标签组和所述动作,其中所述用户界面与所述标签数据库耦合,使得所述知识结构可以被输入修改。
18.如权利要求13所述的方法,其特征在于,所述方法还包括:通过使用来自机器学习模块的输入来更新所述关系,以更改所述语境元素和所述标签组中的至少一个。
19.如权利要求13所述的方法,其特征在于,所述标签组包括至少一个标签,所述至少一个标签的每一个与标签级别的层次结构中的相应的标签级别相关联。
20.如权利要求13所述的方法,其特征在于,所述方法还包括:
确定所述动作,其中所述动作部分地由所述标签组确定;
使用所述动作的结果以形成第二电子文本;
使用所述第二电子文本的至少一部分,确定第二语境元素;
确定第二标签组;
将所述第二语境元素与所述第二标签组链接,以界定与所述动作有关的更新的关系;以及
通过存储所述更新的关系来修改所述知识结构。
21.如权利要求13所述的方法,其特征在于,所述方法还包括:使用自然语言处理解析所述语境元素。
22.如权利要求13所述的方法,其特征在于,所述第一电子文本是电子消息;并且其中所述语境元素由以下确定:所述电子消息的消息标题的至少一部分,所述电子消息的消息正文的至少一部分,所述消息标题的至少一部分和所述电子消息的消息正文的至少一部分,或所述电子消息的整体。
23.一种可由用户操作来管理电子文本的系统,所述系统包括:
用户界面;
被配置为知识结构的标签数据库,所述标签数据库被耦合到所述用户界面,使得知识结构;以及
耦合到所述标签数据库和所述用户界面的计算设备,
所述计算设备被配置成:
使用第一电子文本的至少一部分以确定语境元素;
确定与所述第一电子文本的语境的用户观点对应的标签组,所述标签组包括至少一个标签,所述至少一个标签中的每一个与标签级别的层次结构中的相应的标签级别相关联,所述标签级别的层次结构可以由所述用户通过所述用户界面配置;
将所述语境元素与所述标签组链接以界定与动作有关的关系;以及
存储所述关系在所述标签数据库,其中所述知识结构由存储在所述标签数据库的关系修改,并且其中所述知识结构可以由用户通过所述用户界面提供输入来配置。
24.如权利要求23所述的系统,其特征在于,所述知识结构可由用户通过所述用户界面提供输入来确定所述语境元素来配置。
25.如权利要求23所述的系统,其特征在于,所述知识结构可由用户通过所述用户界面提供输入以确定所述标签组来配置。
26.如权利要求23所述的系统,其特征在于,所述知识结构可由用户通过所述用户界面提供输入以将所述语境元素与所述标签组链接来配置。
27.如权利要求23所述的系统,其特征在于,所述知识结构可由用户通过所述用户界面提供输入来确定所述动作来配置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/SG2019/050369 WO2021021012A1 (en) | 2019-07-29 | 2019-07-29 | Stickering method and system for linking contextual text elements to actions |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114586037A true CN114586037A (zh) | 2022-06-03 |
Family
ID=74229661
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980098880.1A Pending CN114586037A (zh) | 2019-07-29 | 2019-07-29 | 用于将语境元素链接到动作的标签方法和系统 |
CN201980098881.6A Pending CN114556393A (zh) | 2019-07-29 | 2019-08-19 | 用于人机介导动作跟踪和管理的标签方法和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980098881.6A Pending CN114556393A (zh) | 2019-07-29 | 2019-08-19 | 用于人机介导动作跟踪和管理的标签方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (2) | US20220414346A1 (zh) |
EP (2) | EP4004795A1 (zh) |
CN (2) | CN114586037A (zh) |
TW (2) | TWI746063B (zh) |
WO (2) | WO2021021012A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12056175B2 (en) * | 2022-09-28 | 2024-08-06 | Atlassian Pty Ltd. | Label management system for an electronic document management service |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144022A1 (en) * | 2003-12-29 | 2005-06-30 | Evans Lori M. | Web-based system, method, apparatus and software to manage performance securely across an extended enterprise and between entities |
US7734670B2 (en) * | 2004-12-15 | 2010-06-08 | Microsoft Corporation | Actionable email documents |
US20060259442A1 (en) * | 2005-05-17 | 2006-11-16 | International Business Machines Corporation | System method and program product to estimate cost of integrating and utilizing heterogeneous data sources |
US8001607B2 (en) * | 2006-09-27 | 2011-08-16 | Direct Computer Resources, Inc. | System and method for obfuscation of data across an enterprise |
US7634467B2 (en) * | 2006-10-31 | 2009-12-15 | Microsoft Corporation | Implicit, specialized search of business objects using unstructured text |
US8082151B2 (en) * | 2007-09-18 | 2011-12-20 | At&T Intellectual Property I, Lp | System and method of generating responses to text-based messages |
WO2010065909A2 (en) * | 2008-12-05 | 2010-06-10 | Social Communications Company | Managing interactions in a network communications environment |
EP2406731A4 (en) * | 2009-03-13 | 2012-08-22 | Invention Machine Corp | SYSTEM AND METHOD FOR THE AUTOMATIC SEMANTIC MARKING OF NATURAL LANGUAGE TEXTS |
KR20120028885A (ko) * | 2009-05-08 | 2012-03-23 | 조켐 오와이 | 행동 및 상황 데이터 분석을 위한 시스템 및 방법 |
US20100318537A1 (en) * | 2009-06-12 | 2010-12-16 | Microsoft Corporation | Providing knowledge content to users |
US20110270760A1 (en) * | 2010-04-30 | 2011-11-03 | Tobsc Inc. | Methods and apparatus for a financial document clearinghouse and secure delivery network |
WO2012058299A2 (en) * | 2010-10-27 | 2012-05-03 | Brown Stephen P | A system and method for modeling human experiences, and structuring and associating experience information so as to automate the production of knowledge |
US8676937B2 (en) * | 2011-05-12 | 2014-03-18 | Jeffrey Alan Rapaport | Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging |
EP3466335B1 (en) * | 2011-12-21 | 2024-07-31 | Catherine M. Shachaf | Fluorescence imaging autofocus method |
US20150039580A1 (en) * | 2013-07-31 | 2015-02-05 | Microsoft Corporation | App annotation and facilitaton of user search task and user action |
US9542648B2 (en) * | 2014-04-10 | 2017-01-10 | Palo Alto Research Center Incorporated | Intelligent contextually aware digital assistants |
US20160203221A1 (en) * | 2014-09-12 | 2016-07-14 | Lithium Technologies, Inc. | System and apparatus for an application agnostic user search engine |
US10019437B2 (en) * | 2015-02-23 | 2018-07-10 | International Business Machines Corporation | Facilitating information extraction via semantic abstraction |
KR102598273B1 (ko) * | 2015-09-01 | 2023-11-06 | 삼성전자주식회사 | 답신 메시지 추천 방법 및 이를 위한 디바이스 |
EP3341933A1 (en) * | 2015-10-21 | 2018-07-04 | Google LLC | Parameter collection and automatic dialog generation in dialog systems |
US10839404B2 (en) * | 2016-06-06 | 2020-11-17 | Epiance Software Pvt. Ltd. | Intelligent, interactive, and self-learning robotic process automation system |
US20180013714A1 (en) * | 2016-07-06 | 2018-01-11 | Facebook, Inc. | Techniques for messaging using replication of a client database |
CN109952572B (zh) * | 2016-09-20 | 2023-11-24 | 谷歌有限责任公司 | 基于消息贴纸的建议响应 |
US11151471B2 (en) * | 2016-11-30 | 2021-10-19 | Here Global B.V. | Method and apparatus for predictive classification of actionable network alerts |
US11455549B2 (en) * | 2016-12-08 | 2022-09-27 | Disney Enterprises, Inc. | Modeling characters that interact with users as part of a character-as-a-service implementation |
US10298757B2 (en) * | 2017-02-23 | 2019-05-21 | Accenture Global Solutions Limited | Integrated service centre support |
US20190019164A1 (en) * | 2017-07-17 | 2019-01-17 | Gregory Thomas Malley | Communication Method Utilizing Text Messaging to Enable the Synchronization of Voice Call Availability, Transmission and Connection |
US11709854B2 (en) * | 2018-01-02 | 2023-07-25 | Bank Of America Corporation | Artificial intelligence based smart data engine |
CN109670024B (zh) * | 2018-12-17 | 2021-06-04 | 北京百度网讯科技有限公司 | 逻辑表达式确定方法、装置、设备和介质 |
CN110035088B (zh) * | 2019-04-26 | 2021-08-24 | 厦门商集网络科技有限责任公司 | 基于rpa远程控制操作系统自动登录的方法及设备 |
-
2019
- 2019-07-29 US US17/630,198 patent/US20220414346A1/en active Pending
- 2019-07-29 WO PCT/SG2019/050369 patent/WO2021021012A1/en unknown
- 2019-07-29 EP EP19940153.0A patent/EP4004795A1/en not_active Withdrawn
- 2019-07-29 CN CN201980098880.1A patent/CN114586037A/zh active Pending
- 2019-08-19 WO PCT/SG2019/050409 patent/WO2021021013A1/en unknown
- 2019-08-19 US US17/630,201 patent/US20220284047A1/en not_active Abandoned
- 2019-08-19 EP EP19939566.6A patent/EP4004848A1/en not_active Withdrawn
- 2019-08-19 CN CN201980098881.6A patent/CN114556393A/zh active Pending
-
2020
- 2020-07-17 TW TW109124279A patent/TWI746063B/zh not_active IP Right Cessation
- 2020-07-17 TW TW109124280A patent/TWI751614B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TW202127302A (zh) | 2021-07-16 |
US20220414346A1 (en) | 2022-12-29 |
TWI751614B (zh) | 2022-01-01 |
WO2021021013A1 (en) | 2021-02-04 |
CN114556393A (zh) | 2022-05-27 |
US20220284047A1 (en) | 2022-09-08 |
EP4004795A1 (en) | 2022-06-01 |
WO2021021012A1 (en) | 2021-02-04 |
EP4004848A1 (en) | 2022-06-01 |
TWI746063B (zh) | 2021-11-11 |
TW202127303A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20180006403A (ko) | 통신 및 콘텐츠로부터 추출되는 커미트먼트 및 요청의 관리 | |
WO2017117074A1 (en) | Categorizationing and prioritization of managing tasks | |
US20130159408A1 (en) | Action-oriented user experience based on prediction of user response actions to received data | |
US20170316080A1 (en) | Automatically generated employee profiles | |
Alberghini et al. | Implementing knowledge management through IT opportunities: definition of a theoretical model based on tools and processes classification | |
US20150278763A1 (en) | Intelligent Social Business Productivity | |
US11314692B1 (en) | Workflow relationship management and contextualization | |
US20220284171A1 (en) | Hierarchical structure learning with context attention from multi-turn natural language conversations | |
CN115129832A (zh) | 经由聊天机器人促进关于产品支持问题的故障排除对话 | |
US20230109545A1 (en) | System and method for an artificial intelligence data analytics platform for cryptographic certification management | |
US20200174776A1 (en) | Methods and systems for automated screen display generation and configuration | |
TWI751614B (zh) | 用於將語境元素鏈接到動作的標籤方法和系統 | |
US20150363803A1 (en) | Business introduction interface | |
US10685309B1 (en) | Case system events triggering a process | |
Sapel et al. | Challenges and research agenda for realizing a seamless integration of digital shadows into the production domain | |
Elleuch et al. | Multi‐perspective business process discovery from messaging systems: State‐of‐the art | |
Elleuch et al. | Discovering business processes and activities from messaging systems: State-of-the art | |
CA3148108A1 (en) | System and method for automatically generating customised respose to an email | |
Trivedi | Machine learning fundamental concepts | |
Phadke | Email classification using a self-learning technique based on user preferences | |
Peinl | IT support for knowledge processes in digital social collaboration | |
US20240144198A1 (en) | Machine Learning-based Knowledge Management for Incident Response | |
Quargnali | Hyperautomation–Intelligent automation | |
US20240265124A1 (en) | Dynamic data product creation | |
Valentina et al. | Implementation of Electronic Technical Manuals and Content Management in Instrument-Making Enterprises |
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 |