CN115563257A - 基于认知图谱的问答机器人系统及方法 - Google Patents
基于认知图谱的问答机器人系统及方法 Download PDFInfo
- Publication number
- CN115563257A CN115563257A CN202211175237.4A CN202211175237A CN115563257A CN 115563257 A CN115563257 A CN 115563257A CN 202211175237 A CN202211175237 A CN 202211175237A CN 115563257 A CN115563257 A CN 115563257A
- Authority
- CN
- China
- Prior art keywords
- module
- question
- unit
- user
- cognitive
- 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
- G06F16/30—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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了基于认知图谱的问答机器人系统及方法,涉及问答机器人领域,包括机器人平台,所述机器人平台包括用户互交模块、问题理解模块、认知图谱模块和问题求解模块;所述用户互交模块与问题理解模块通信连接;所述问题理解模块与问题求解模块通信连接;所述问题理解模块包括预处理模块、智能反问模块和智能纠错模块;所述认知图谱模块与问题求解模块通信连接;所述问题求解模块与用户互交模块通信连接。本发明通过在问题理解模块中设置有智能反问模块和智能纠错模块,纠正输入的字形误差、拼音误差或口音误差,从而提高问答机器人系统的回答准确率。
Description
技术领域
本发明涉及问答机器人领域,具体涉及基于认知图谱的问答机器人系统及方法。
背景技术
认知图谱的本质是对知识图谱的扩充,认知图谱是在知识图谱的基础上建立动态的知识补全机制以及对知识图谱中需要人类思维的部分进行推理。问答系统是用来回答人提出的自然语言问题的系统。问答系统的实现涉及到自然语言处理、信息检索、数据挖掘等交叉性领域。智能时代,人类期望有更简单自然的方式与机器进行交互。因此以自然语言为交互方式的智能机器人广受青睐,受到各大IT厂家追捧。而其底层核心技术之一,即为自然语言问答系统。问答系统提供了自然语言形式的人与产品交互,降低了产品使用门槛,大幅提高用户体验。
随着人工智能技术的快速发展,智能问答机器人在不同的领域和场景下得到了大量的应用。让机器具备认知智能,其核心就是让机器具备理解和解释能力。这种能力的实现与大规模、结构化的背景知识是密不可分的。结合认知心理学、脑科学和人类知识等,以知识图谱、认知推理、逻辑表达等技术为支撑的认知图谱是实现机器认知智能的使能器,利用结构化的实体、概念、关系等构成元素,不仅让机器理解数据的本质,还可以让机器解释现象的本质。
目前,现有的问答机器人系统不能对用户输入的字形错误或语音错误进行纠错,导致对用户问题理解效果差,不能精准识别用户问题,降低了回答的精确率。
因此,发明基于认知图谱的问答机器人系统及方法来解决上述问题很有必要。
发明内容
本发明的目的是提供基于认知图谱的问答机器人系统及方法,以解决上述背景技术中提出的问答机器人系统不能对用户输入的字形错误或语音错误进行纠错,导致对用户问题理解效果差,不能精准识别用户问题,降低了回答的精确率的问题。
为了实现上述目的,本发明提供如下技术方案:基于认知图谱的问答机器人系统,包括机器人平台,所述机器人平台包括用户互交模块、问题理解模块、认知图谱模块和问题求解模块;
所述用户互交模块与问题理解模块通信连接,所述用户互交模块用于用户问题的输入和系统生成答案的输出;
所述问题理解模块与问题求解模块通信连接,所述问题理解模块理解剖析收到的用户问题,从中提取出有效信息传达给问题求解模块;
所述问题理解模块包括预处理模块、智能反问模块和智能纠错模块;
所述认知图谱模块与问题求解模块通信连接,所述认知图谱模块用于数据信息的存储,便于问题求解模块的查询;
所述问题求解模块与用户互交模块通信连接,所述问题求解模块在认知图谱模块中查询与问题理解模块输出信息相关的内容,并整理分析生成最终答案。
优选的,所述用户互交模块包括问题输入单元和答案输出单元,所述问题输入单元用于用户问题的输入,所述答案输出单元用于系统生成答案的输出。
优选的,所述问题输入单元包括语音输入单元和文本输入单元,所述语音输入单元用于用户以语音提问的方式输入问题,所述字符输入单元用于用户以文字信息的方式输入问题。
优选的,所述答案输出单元包括语音输出单元和字符输出单元,所述语音输出单元将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,所述字符输出单元将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
优选的,所述预处理模块包括分词/词性标注单元、问题分类单元和实体链接单元,通过分词/词性标注单元对用户问题进行有效提取,并在问题分类单元中输入得到的结果,识别出问题的类型后,提取相关词汇并通过实体链接单元与认知图谱模块内的实体进行匹配。
优选的,所述智能反问模块包括相似度查询单元和询问单元,所述智能反问模块是在检索不到用户答案的前提下,通过相似度查询单元查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元反问用户是否想要咨询另一问题。
优选的,所述智能纠错模块包括拼音纠错单元和拼写纠错单元,所述拼音纠错单元主要用于纠正输入检索词中的输入法错误、九宫格错误、拼音输入、以及口音等错误,所述拼音纠错单元通过拼音语料训练语言模型,将语言模型置信度较小的检索词替换为置信度较大的检索词,达到纠错目的。
优选的,所述认知图谱模块包括认知图谱构建单元和知识更新单元,所述认知图谱构建单元通过外部数据构建认知图谱,所述知识更新单元通过在每次与用户互交的过程中,记录产生的新知识,并更新认知图谱模块。
优选的,所述问题求解模块包括数据查询单元和答案生成单元,所述数据查询单元在认知图谱模块中查询与问题理解模块输出信息相关的内容,并将其输送给答案生成单元,所述答案生成单元将数据查询单元查询的信息整理分析生成最终答案。
本发明还包括:基于认知图谱的问答机器人系统的问答方法,具体步骤如下:
步骤一:通过认知图谱构建单元构建认知图谱;
步骤二:用户通过用户互交模块中的问题输入单元输入想要询问的问题,可以通过语音输入单元以语音的方式输入问题,也可以通过文本输入单元以文字的方式输入问题;
步骤三:问题理解模块理解剖析收到的用户问题,问题理解模块中的智能纠错模块对用户语音输入或字符输入的信息进行检测,对用户语音输入或字符输入的信息进行纠错,问题理解模块中的预处理模块对用户问题进行有效提取,识别出问题的类型后,提取相关词汇与认知图谱模块内的实体进行匹配,然后从中提取出有效信息传达给问题求解模块,问题理解模块中的智能反问模块在检索不到用户答案的前提下,通过相似度查询单元查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元反问用户是否想要咨询另一问题;
步骤四:问题求解模块在认知图谱模块中查询与问题理解模块输出信息相关的内容,并整理分析生成最终答案,然后输送给户互交模块;
步骤五:户互交模块中的语音输出单元将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,同时户互交模块中的字符输出单元将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
在上述技术方案中,本发明提供的技术效果和优点:
1、通过在问题理解模块中设置有智能反问模块和智能纠错模块,智能纠错模块中的拼音纠错单元能够纠正输入检索词中的输入法错误、九宫格错误、拼音输入、以及口音等错误,智能纠错模块中的拼音纠错单元通过拼音语料训练语言模型,将语言模型置信度较小的检索词替换为置信度较大的检索词,达到纠错目的,从而提高问答机器人系统的回答准确率,且智能反问模块在检索不到用户答案的前提下,通过相似度查询单元查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元反问用户是否想要咨询另一问题,能够进一步提高问答机器人系统的回答准确率;
2、通过在用户互交模块内设置有问题输入单元和答案输出单元,且问题输入单元包括语音输入单元和文本输入单元,可以通过语音输入单元以语音的方式输入问题,也可以通过文本输入单元以文字的方式输入问题,同时答案输出单元包括语音输出单元和字符输出单元,可以将答案通过文字显示的同时,能够进行语音播报,提高了用户体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块示意图;
图2为本发明的机器人平台示意图;
图3为本发明的用户互交模块示意图;
图4为本发明的问题理解模块示意图;
图5为本发明的认知图谱模块示意图;
图6为本发明的问题求解模块示意图;
图7为本发明的预处理模块示意图;
图8为本发明的智能纠错模块示意图。
附图标记说明:
1、机器人平台;
2、用户互交模块;21、问题输入单元;211、语音输入单元;212、文本输入单元;22、答案输出单元;221、语音输出单元;222、字符输出单元;
3、问题理解模块;31、预处理模块;311、分词/词性标注单元;312、问题分类单元;313、实体链接单元;32、智能反问模块;321、相似度查询单元;322、询问单元;33、智能纠错模块;331、拼音纠错单元;332、拼写纠错单元;
4、认知图谱模块;41、认知图谱构建单元;42、知识更新单元;
5、问题求解模块;51、数据查询单元;52、答案生成单元。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍。
本发明提供了如图1-8所示的基于认知图谱的问答机器人系统,包括机器人平台1,所述机器人平台1包括用户互交模块2、问题理解模块3、认知图谱模块4和问题求解模块5;
所述用户互交模块2与问题理解模块3通信连接,所述用户互交模块2用于用户问题的输入和系统生成答案的输出;
所述用户互交模块2包括问题输入单元21和答案输出单元22,所述问题输入单元21用于用户问题的输入,所述答案输出单元22用于系统生成答案的输出。
所述问题理解模块3与问题求解模块5通信连接,所述问题理解模块3理解剖析收到的用户问题,从中提取出有效信息传达给问题求解模块5;
所述问题理解模块3包括预处理模块31、智能反问模块32和智能纠错模块33;
所述预处理模块31包括分词/词性标注单元311、问题分类单元312和实体链接单元313,通过分词/词性标注单元31对用户问题进行有效提取,并在问题分类单元32中输入得到的结果,识别出问题的类型后,提取相关词汇并通过实体链接单元313与认知图谱模块4内的实体进行匹配。
所述智能反问模块32包括相似度查询单元321和询问单元322,所述智能反问模块32是在检索不到用户答案的前提下,通过相似度查询单元321查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元322反问用户是否想要咨询另一问题。
所述智能纠错模块33包括拼音纠错单元331和拼写纠错单元332,所述拼音纠错单元331主要用于纠正输入检索词中的输入法错误、九宫格错误、拼音输入、以及口音等错误,所述拼音纠错单元331通过拼音语料训练语言模型,将语言模型置信度较小的检索词替换为置信度较大的检索词,达到纠错目的。
所述认知图谱模块4与问题求解模块5通信连接,所述认知图谱模块4用于数据信息的存储,便于问题求解模块5的查询;
所述认知图谱模块4包括认知图谱构建单元41和知识更新单元42,所述认知图谱构建单元41通过外部数据构建认知图谱,所述知识更新单元42通过在每次与用户互交的过程中,记录产生的新知识,并更新认知图谱模块4。
所述问题求解模块5与用户互交模块2通信连接,所述问题求解模块5在认知图谱模块4中查询与问题理解模块3输出信息相关的内容,并整理分析生成最终答案。
所述问题求解模块5包括数据查询单元51和答案生成单元52,所述数据查询单元51在认知图谱模块4中查询与问题理解模块3输出信息相关的内容,并将其输送给答案生成单元52,所述答案生成单元52将数据查询单元51查询的信息整理分析生成最终答案。
用户通过用户互交模块2中的问题输入单元21输入想要提问的问题,题理解模块3理解剖析收到的用户问题,智能纠错模块33中的拼音纠错单元331和拼写纠错单元332对用户输入问题的字形、拼音或口音等信息进行检测,纠正输入的字形误差、拼音误差或口音误差,预处理模块31通过分词/词性标注单元31对用户问题进行有效提取,并在问题分类单元32中输入得到的结果,识别出问题的类型后,提取相关词汇并通过实体链接单元313与认知图谱模块4内的实体进行匹配,从中提取出有效信息传达给问题求解模块5,问题求解模块5通过数据查询单元51在认知图谱模块4中查询与问题理解模块3输出信息相关的内容,并将其输送给答案生成单元52,答案生成单元52将数据查询单元51查询的信息整理分析生成最终答案,然后发送给用户互交模块2,从而用户互交模块2中的答案输出单元22将系统生成答案的输出,通过智能纠错模块33有效地提高问答机器人系统的回答准确率,且在检索不到用户答案的前提下,通过智能反问模块32中的相似度查询单元321查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元322反问用户是否想要咨询另一问题,进一步提高了问答机器人系统的回答准确率。
如图3所示,所述问题输入单元21包括语音输入单元211和文本输入单元212,所述语音输入单元211用于用户以语音提问的方式输入问题,所述字符输入单元212用于用户以文字信息的方式输入问题。
所述答案输出单元22包括语音输出单元221和字符输出单元222,所述语音输出单元221将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,所述字符输出单元222将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
用户在向系统输入需要询问的问题时,可以通过语音输入单元211进行语音提问,也可以通过文本输入单元212以文字信息的方式输入问题,满足不同用户需求,且系统生成答案后,通过语音输出单元221将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,同时字符输出单元222将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看,提高了用户体验。
如图1-8所示,本发明还包括:基于认知图谱的问答机器人系统的问答方法,具体步骤如下:
步骤一:通过认知图谱构建单元41构建认知图谱;
步骤二:用户通过用户互交模块2中的问题输入单元21输入想要询问的问题,可以通过语音输入单元211以语音的方式输入问题,也可以通过文本输入单元212以文字的方式输入问题;
步骤三:问题理解模块3理解剖析收到的用户问题,问题理解模块3中的智能纠错模块33对用户语音输入或字符输入的信息进行检测,对用户语音输入或字符输入的信息进行纠错,问题理解模块3中的预处理模块31对用户问题进行有效提取,识别出问题的类型后,提取相关词汇与认知图谱模块4内的实体进行匹配,然后从中提取出有效信息传达给问题求解模块5,问题理解模块3中的智能反问模块32在检索不到用户答案的前提下,通过相似度查询单元321查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元322反问用户是否想要咨询另一问题;
步骤四:问题求解模块5在认知图谱模块4中查询与问题理解模块3输出信息相关的内容,并整理分析生成最终答案,然后输送给户互交模块2;
步骤五:户互交模块2中的语音输出单元221将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,同时户互交模块2中的字符输出单元222将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (10)
1.基于认知图谱的问答机器人系统,包括机器人平台(1),其特征在于:所述机器人平台(1)包括用户互交模块(2)、问题理解模块(3)、认知图谱模块(4)和问题求解模块(5);
所述用户互交模块(2)与问题理解模块(3)通信连接,所述用户互交模块(2)用于用户问题的输入和系统生成答案的输出;
所述问题理解模块(3)与问题求解模块(5)通信连接,所述问题理解模块(3)理解剖析收到的用户问题,从中提取出有效信息传达给问题求解模块(5);
所述问题理解模块(3)包括预处理模块(31)、智能反问模块(32)和智能纠错模块(33);
所述认知图谱模块(4)与问题求解模块(5)通信连接,所述认知图谱模块(4)用于数据信息的存储,便于问题求解模块(5)的查询;
所述问题求解模块(5)与用户互交模块(2)通信连接,所述问题求解模块(5)在认知图谱模块(4)中查询与问题理解模块(3)输出信息相关的内容,并整理分析生成最终答案。
2.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述用户互交模块(2)包括问题输入单元(21)和答案输出单元(22),所述问题输入单元(21)用于用户问题的输入,所述答案输出单元(22)用于系统生成答案的输出。
3.根据权利要求2所述的基于认知图谱的问答机器人系统,其特征在于:所述问题输入单元(21)包括语音输入单元(211)和文本输入单元(212),所述语音输入单元(211)用于用户以语音提问的方式输入问题,所述字符输入单元(212)用于用户以文字信息的方式输入问题。
4.根据权利要求2所述的基于认知图谱的问答机器人系统,其特征在于:所述答案输出单元(22)包括语音输出单元(221)和字符输出单元(222),所述语音输出单元(221)将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,所述字符输出单元(222)将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
5.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述预处理模块(31)包括分词/词性标注单元(311)、问题分类单元(312)和实体链接单元(313),通过分词/词性标注单元(31)对用户问题进行有效提取,并在问题分类单元(32)中输入得到的结果,识别出问题的类型后,提取相关词汇并通过实体链接单元(313)与认知图谱模块(4)内的实体进行匹配。
6.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述智能反问模块(32)包括相似度查询单元(321)和询问单元(322),所述智能反问模块(32)是在检索不到用户答案的前提下,通过相似度查询单元(321)查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元(322)反问用户是否想要咨询另一问题。
7.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述智能纠错模块(33)包括拼音纠错单元(331)和拼写纠错单元(332),所述拼音纠错单元(331)主要用于纠正输入检索词中的输入法错误、九宫格错误、拼音输入、以及口音等错误,所述拼音纠错单元(331)通过拼音语料训练语言模型,将语言模型置信度较小的检索词替换为置信度较大的检索词,达到纠错目的。
8.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述认知图谱模块(4)包括认知图谱构建单元(41)和知识更新单元(42),所述认知图谱构建单元(41)通过外部数据构建认知图谱,所述知识更新单元(42)通过在每次与用户互交的过程中,记录产生的新知识,并更新认知图谱模块(4)。
9.根据权利要求1所述的基于认知图谱的问答机器人系统,其特征在于:所述问题求解模块(5)包括数据查询单元(51)和答案生成单元(52),所述数据查询单元(51)在认知图谱模块(4)中查询与问题理解模块(3)输出信息相关的内容,并将其输送给答案生成单元(52),所述答案生成单元(52)将数据查询单元(51)查询的信息整理分析生成最终答案。
10.一种权利要求1-9任意一项所述的基于认知图谱的问答机器人系统的问答方法,其特征在于,具体步骤如下:
步骤一:通过认知图谱构建单元(41)构建认知图谱;
步骤二:用户通过用户互交模块(2)中的问题输入单元(21)输入想要询问的问题,可以通过语音输入单元(211)以语音的方式输入问题,也可以通过文本输入单元(212)以文字的方式输入问题;
步骤三:问题理解模块(3)理解剖析收到的用户问题,问题理解模块(3)中的智能纠错模块(33)对用户语音输入或字符输入的信息进行检测,对用户语音输入或字符输入的信息进行纠错,问题理解模块(3)中的预处理模块(31)对用户问题进行有效提取,识别出问题的类型后,提取相关词汇与认知图谱模块(4)内的实体进行匹配,然后从中提取出有效信息传达给问题求解模块(5),问题理解模块(3)中的智能反问模块(32)在检索不到用户答案的前提下,通过相似度查询单元(321)查询度量问句之间的相似度,判断用户是否表意不清,并通过询问单元(322)反问用户是否想要咨询另一问题;
步骤四:问题求解模块(5)在认知图谱模块(4)中查询与问题理解模块(3)输出信息相关的内容,并整理分析生成最终答案,然后输送给户互交模块(2);
步骤五:户互交模块(2)中的语音输出单元(221)将最终生成的答案数据信息进行语音转换,并将完成转换后的语音信息直接以语音的方式向外部直接输出,同时户互交模块(2)中的字符输出单元(222)将最终生成的答案数据信息进行文字转换,再通过机器人上的显示屏进行显示,供用户查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175237.4A CN115563257A (zh) | 2022-09-26 | 2022-09-26 | 基于认知图谱的问答机器人系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175237.4A CN115563257A (zh) | 2022-09-26 | 2022-09-26 | 基于认知图谱的问答机器人系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115563257A true CN115563257A (zh) | 2023-01-03 |
Family
ID=84743503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211175237.4A Pending CN115563257A (zh) | 2022-09-26 | 2022-09-26 | 基于认知图谱的问答机器人系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115563257A (zh) |
-
2022
- 2022-09-26 CN CN202211175237.4A patent/CN115563257A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111708874B (zh) | 基于复杂意图智能识别的人机交互问答方法与系统 | |
CN108984683B (zh) | 结构化数据的提取方法、系统、设备及存储介质 | |
CN107291783B (zh) | 一种语义匹配方法及智能设备 | |
KR101662450B1 (ko) | 다중 소스 하이브리드 질의응답 방법 및 시스템 | |
CN111984766B (zh) | 缺失语义补全方法及装置 | |
KR102654480B1 (ko) | 언어학습을 위한 지식 기반 대화 시스템 및 방법 | |
CN110795913A (zh) | 一种文本编码方法、装置、存储介质及终端 | |
CN112420151A (zh) | 一种超声报告后结构化解析方法、系统、设备和介质 | |
CN112364132A (zh) | 基于依存句法的相似度计算模型和系统及搭建系统的方法 | |
EP4116859A3 (en) | Document processing method and apparatus and medium | |
CN116541493A (zh) | 基于意图识别的交互应答方法、装置、设备、存储介质 | |
CN115525751A (zh) | 一种基于知识图谱的智能问答系统和方法 | |
Zhang | Ideological and political empowering english teaching: ideological education based on artificial intelligence in classroom emotion recognition | |
CN113326367A (zh) | 基于端到端文本生成的任务型对话方法和系统 | |
CN117373591A (zh) | 电子病历的疾病识别方法和装置、电子设备及存储介质 | |
CN116306653A (zh) | 一种正则化领域知识辅助的命名实体识别方法 | |
CN115563257A (zh) | 基于认知图谱的问答机器人系统及方法 | |
Liao | [Retracted] Construction of Knowledge Graph English Online Homework Evaluation System Based on Multimodal Neural Network Feature Extraction | |
CN113468311B (zh) | 一种基于知识图谱的复杂问句问答方法、装置及存储介质 | |
CN111814433B (zh) | 一种维吾尔语实体识别的方法、装置和电子设备 | |
CN114840680A (zh) | 一种实体关系联合抽取方法、装置、存储介质及终端 | |
CN111428499A (zh) | 一种融合近义词信息用于自动问答系统的成语压缩表示方法 | |
Liu et al. | Deep learning scoring model in the evaluation of oral English teaching | |
CN116226332B (zh) | 一种基于概念隐喻理论的隐喻生成方法及系统 | |
Lim et al. | Orthography-phonology consistency in English: Theory-and data-driven measures and their impact on auditory vs. visual word recognition |
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 |