CN115617973B - 一种基于智能数据处理的信息获取方法 - Google Patents
一种基于智能数据处理的信息获取方法 Download PDFInfo
- Publication number
- CN115617973B CN115617973B CN202211598195.5A CN202211598195A CN115617973B CN 115617973 B CN115617973 B CN 115617973B CN 202211598195 A CN202211598195 A CN 202211598195A CN 115617973 B CN115617973 B CN 115617973B
- Authority
- CN
- China
- Prior art keywords
- nodes
- class
- node
- keywords
- user
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 230000008451 emotion Effects 0.000 claims abstract description 86
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 210000004258 portal system Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Human Computer Interaction (AREA)
- Animal Behavior & Ethology (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书公开了一种基于智能数据处理的信息获取方法、装置、存储介质及电子设备，首先获取用户与客服机器人的对话记录，确定对话记录中涉及用户的情绪信息以及各情绪信息出现的频率，并根据情绪信息与所述频率，确定用户的沟通情绪，之后根据对话记录，确定用户咨询的问题的目标关键词。然后根据关键词和关联图谱，确定多类节点之间的关联关系，以根据关联关系从关联图谱中确定与知识库中对应的第四类节点，最后将筛选后的第四类节点对应的关键词作为对话记录对应的咨询问题，根据咨询问题以及沟通情绪，从预设数据库中提取与咨询问题和沟通情绪相匹配的答案信息。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种基于智能数据处理的信息获取方法、装置、存储介质及电子设备。
背景技术
智慧园区公共基础数据库信息共享平台中为用户提供了丰富的、多种信息，在互联网信息发布区构建互联网门户系统，为社会公众提供宏观经济信息服务。但是，目前的信息查询无法综合查询各个基础数据库，造成查询效率低下。
另外，随着计算机技术的发展，越来越多的业务需要计算机的参与，在执行插叙业务时，为了提高解决用户问题的效率，往往会使用计算机识别出用户的问题后，提出解决方案。目前，自动查询的方案虽然能在一定程度上帮助用户解决问题，但是由于只是从一句语句中提取出用户所需解决的问题，这样识别出的问题往往是不准确的。
因此，如何提升识别出用户所需解决的问题的准确性，同时实现多数据库综合查询，则是一个亟待解决的问题。
发明内容
本说明书提供一种基于智能数据处理的信息获取方法、装置、存储介质及电子设备，以至少部分的解决提升识别出用户所需解决的问题的准确性，同时实现多数据库综合查询的技术问题。
本说明书采用下述技术方案：
本说明书提供了一种基于智能数据处理的信息获取方法，包括：
获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情；
根据所述对话记录，确定所述用户咨询的问题的目标关键词；
根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；
根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应；
从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；
根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
在一些实施例中，根据所述对话记录，确定所述用户咨询的问题的目标关键词，具体包括：
根据所述对话记录，从预先构建的知识库中搜索各关键词，并确定各关键词对应的搜索次数，其中，所述知识库为存储各关键词，并记录各关键词的搜索次数的数据库；
将所述搜索次数超过预设的值的所述关键词，作为目标关键词。
在一些实施例中，将所述搜索次数超过预设的值的所述关键词，作为目标关键词，具体包括：
根据各关键词的所述搜索次数，按照所述搜索次数从多到少的顺序，对各关键词进行排序；
根据预先设置的选取数量，从序列中依次选取关键词，作为目标关键词。
在一些实施例中，构建关联图谱，具体包括：
根据知识库中存储的关键词，生成各第四类节点；
在场景维度上，根据各个所述第四类节点，生成至少一个第一类节点，并建立第一类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第一类节点之间的关联关系；
在类别维度上，根据各个所述第四类节点，生成至少一个第二类节点，并建立第二类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第二类节点之间的关联关系；
在位置维度上，根据各个第四类节点，生成至少一个第三类节点，并建立第三类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第三类节点之间的关联关系。
在一些实施例中，将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题，具体包括：
在筛选得到的节点数量为多个时，将各个节点对应的关键词进行合并，得到所述咨询问题；或者，
在筛选得到的节点数量为多个时，根据各个节点对应的关键词的搜索次数，筛选最高搜索次数的节点对应的关键词作为所述咨询问题。
在一些实施例中，所述咨询问题包括：第一类咨询问题和第二类咨询问题，其中，所述第一类咨询问题涉及的范围大于所述第二类咨询问题；
将各个节点对应的关键词进行合并，得到所述咨询问题，具体包括：
若确定咨询问题同时包括所述第一类咨询和所述第二类咨询问题，则去除所述咨询问题属于第一类咨询问题的目标节点。
本说明书提供了一种基于智能数据处理的信息获取装置，包括：
第一获取模块，用于获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情；
第二获取模块，用于根据所述对话记录，确定所述用户咨询的问题的目标关键词；
确定模块，用于根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应；从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于智能数据处理的信息获取方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于智能数据处理的信息获取方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的基于智能数据处理的信息获取，首先获取用户与客服机器人的对话记录，确定对话记录中涉及用户的情绪信息以及各情绪信息出现的频率，并根据情绪信息与所述频率，确定用户的沟通情绪，其中，所述对话记录包括：用户与客服发送的所有语句，情绪信息包括：用户发送的语句的句类、标点符号以及动画表情。之后根据所述对话记录，确定所述用户咨询的问题的目标关键词；根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应；从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
从上述方法中可以看出，可以从用户发送的所有语句，识别出关键词，并根据关联图谱，确定用户所需解决的问题，提高了识别用户所需解决问题的准确性，同时，还可以根据用户发送的所有语句中，识别出用户发送语句时的情绪，可以结合用户发送语句时的情绪，向用户提供解决方案，提高了用户的用户体验。另外，从不同的维度，例如场景、类别、位置确定的咨询问题可以实现从多个数据库中查询信息，即实现了多数据库综合查询。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种基于智能数据处理的信息获取方法的流程示意图；
图2为本说明书提供一种关联图谱的示意图；
图3为本说明书提供的一种基于智能数据处理的信息获取装置的示意图；
图4为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种基于智能数据处理的信息获取方法的流程示意图，包括以下步骤：
S101：获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情。
从上述说明中可以看出，本说明书提供的一种基于智能数据处理的信息获取方法的核心创新点为，结合用户发送的所有语句与用户的情绪，向用户提供咨询问题对应的信息，因此，在本说明书中，具体实施基于智能数据处理的信息获取方法的执行主体可以是设置于用户所使用的台式电脑、笔记本电、手机等终端设备的客户端，下面为便于描述，仅以客户端为本说明书提供的一种基于智能数据处理的信息获取方法的执行主体。
目前，实现智能客服的主要方式为：分析用户说的一句话，获取用户需要咨询的问题，之后根据用户需要咨询的问题向用户反馈信息。
这种方式虽然能在一定程度上解决用户的问题，但是由于只是从用户的一句话分析出用户想要咨询的问题，有很大的可能无法准确的识别出用户想要咨询的问题。
基于此，本说明书提供的了一种基于智能数据处理的信息获取方法，以至少部分解决上述问题。
首先，客户端可以获取用户与客服机器人的对话记录，确定对话记录中涉及用户的情绪信息以及各情绪信息出现的频率，并根据情绪信息与各情绪信息出现的频率，确定用户的沟通情绪，其中，对话记录包括：用户与客服发送的所有语句，情绪信息包括：用户发送的语句的句类、标点符号以及动画表情。
需要说明的是，用户发送的语句的句类可以为：陈述句、疑问句和祈使句等。客户端可以根据情绪信息与各情绪信息出现的频率，确定用户的沟通情绪，例如，用户发送的语句中包含有三个感叹号，则代表用户询问问题比较急切，则该用户对应的沟通情绪可以为焦急。
当然，这一步也可以由预先训练的情感预测模型来执行，具体的，客户端可以获取用户与客服机器人的对话记录，并将对话记录输入到预先训练的情感预测模型中，以获取所述情感预测模型输出的预测情绪，其中，对话记录可以包括：该用户与该客服发送的所有语句。
在本说明书中，客户端获取的对话记录可以为该用户向客服机器人发送的所有语句，这样可以结合上下文之间的联系，确定用户想要咨询的信息，提高了识别用户想要咨询问题的准确性。
在实际应用中，用户在咨询问题是可能存在不同的情绪，例如，用户可能受到该问题的困扰产生烦躁的情绪，如果只是机械化的回答可能激化用户的情绪，导致用户的用户体验较差。又例如，用户急需解决该问题，如果这时向用户提出的方案的语句过于繁杂，也会降低用户的用户体验。
基于此，本说明书提供的一种基于智能数据处理的信息获取方法，可以先将获取到的对话记录输入到预先训练的情感预测模型中，以预测用户当前的情绪状态。
而针对训练情感预测模型的方式可以为：首先获取任意用户与客服机器人的对话记录，并对该对话记录进行标注，之后将标注后的历史对话记录输入到待训练的情感预测模型中，以获取情感预测模型输出的预测情绪，以最小化标注的情绪与情感预测模型输出的预测情绪之间的偏差为优化目标，对情感预测模型进行训练。
S102：根据所述对话记录，确定所述用户咨询的问题的目标关键词。
客户端可以根据对话记录，确定用户咨询的问题的目标关键词。
在本说明书中，确定目标关键词的方式还可以为：根据对话记录，从预先构建的知识库中搜索各关键词，并增加各关键词对应的搜索次数，其中，知识库为存储各关键词，并记录各关键词的搜索次数的数据库。之后，客户端可以将搜索次数超过预设的值的关键词，作为目标关键词。
例如，客户端根据对话记录，从预先构建的知识库中搜索出的关键词为法人XX，且该关键词的搜索次数为100，而预设的搜索次数的值为50，则客户端可以将法人XX这一关键词作为目标关键词。
在实际应用中，可能存在搜索出的目标关键词的数量过多的情况，因此，客户端可以根据各关键词对应的搜索次数，按照搜索次数从多到少的顺序，对各关键词进行排序。然后根据预设的选取位数，依次选取关键词，作为目标关键词。
当然，客户端也可以利用预先训练的语义提取模型获取目标关键词，具体的，客户端可以将对话记录输入到预先训练的语义提取模型中，以获取语义提取模型输出的对话记录中包含的目标关键词。
在本说明书中，语义提取模型的主要任务是从用户的语句中提取出关键词，因此在训练的过程中，客户端可以先将所有的关键词预存到语义提取模型中，之后获取标注好的训练样本，其中，该训练样本可以为用户与客服的对话记录。
之后将标注好的训练样本输入到待训练的语义识别模型中，以获取语义识别模型输出的预测关键词，并以最小化训练样本的标注与预测关键词之间的偏差为优化目标，对语义识别模型进行训练。
S103：根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应；从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
需要说明的是，在本说明书中，场景对应的第一类节点可以包括视频、文本等对应的节点。类别对应的第二类节点可以包括法人、自然人等对应的节点。位置对应的第三类节点可以包括不同的区县对应的节点。
客户端在获取到各关键词后，可以从预先构建的关联图谱中，确定该对话记录对应的咨询问题，并根据咨询问题以及确定出的用户的预测情绪，向用户提出解决方案。
在一些实施例中，可以利用如下步骤生成关联图谱，具体包括：
根据知识库中存储的关键词，生成各第四类节点；在场景维度上，根据各个所述第四类节点，生成至少一个第一类节点，并建立第一类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第一类节点之间的关联关系；在类别维度上，根据各个所述第四类节点，生成至少一个第二类节点，并建立第二类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第二类节点之间的关联关系；在位置维度上，根据各个第四类节点，生成至少一个第三类节点，并建立第三类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第三类节点之间的关联关系。
示例性地，知识库中存储的关键词包括：建筑A的视频信息、法人C的视频信息、XX区法人A的业务信息、XX区法人A 的视频信息、XX区自然人的统计信息、XX区的建筑信息等。根据上述关键词可以形成第四类节点，如图2所示。
根据如图2所示的第四类节点可以形成视频（即第一类节点）、法人（即第二类节点）、XX区（即第三类节点），之后按照上述方式建立第四类节点与第一类节点、第二类节点以及第三类节点之间的关联关系，即利用连线进行连接。这样就形成了上述关联图谱。
在利用关联图谱确定咨询问题时，具体可以利用如下步骤实现：
步骤一、获取用户输入的对话记录，即XX区域内的法人、建筑等各种类型的对象，我们需要查询XX区域内法人的相关视频信息。
步骤二、根据所述对话记录，确定所述用户咨询的问题的目标关键词可以包括：法人、视频、XX区域、建筑。
步骤三、根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点，即关联图谱中的视频、法人和XX区。根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点，即建筑A的视频信息对应的节点、法人C的视频信息对应的节点、XX区法人A的业务信息对应的节点、XX区法人A 的视频信息对应的节点、XX区自然人的统计信息对应的节点、XX区的建筑信息对应的节点等。从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，例如可以将与第一类节点相关的第四类节点作为一个集合，将与第二类节点相关的第四类节点作为一个集合，与第三类节点相关的第四类节点作为一个集合，之后计算是哪个结合的交集，即可得到最终的第四类节点，即XX区法人A的视频信息对应的节点。最后，将XX区法人A的视频信息对应的节点所对应的关键词作为所述对话记录对应的咨询问题。
在这之后，可以从法人库、视频库、地理信息库是三个库中根据字段、表名等信息获取相关的答案信息。
在一些实施例中，将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题，具体可以利用如下步骤实现：
在筛选得到的节点数量为多个时，将各个节点对应的关键词进行合并，得到所述咨询问题；或者，在筛选得到的节点数量为多个时，根据各个节点对应的关键词的搜索次数，筛选最高搜索次数的节点对应的关键词作为所述咨询问题。
另外，客户端也可以事先将各咨询问题划分为第一类咨询问题和第二类咨询问题，其中，第一类咨询问题涉及的范围大于第二类咨询问题。所述咨询问题包括：第一类咨询问题和第二类咨询问题，其中，所述第一类咨询问题涉及的范围大于所述第二类咨询问题；
将各个节点对应的关键词进行合并，得到所述咨询问题，具体包括：
若确定咨询问题同时包括所述第一类咨询和所述第二类咨询问题，则去除所述咨询问题属于第一类咨询问题的目标节点。
客户端在获取到用户的咨询问题后，可以结合上述确定出的用户的沟通情绪，向用户提出解决方案。例如，客户端确定出用户的沟通情绪为焦急，则确定用户需要快速获取咨询问题的答案，这时客户端向该用户提出的解决方案应该语言简洁。又例如，客户端确定出用户的沟通情绪为疑惑，则确定该用户想要知道产生咨询问题的原因，这时客户端向该用户提出的解决方案应该包含产生问题的原因。
在本说明书中，预设的数据库可以包括结构化数据库和非结构化数据库两类，包括：人口库、法人库、视频库和地理信息库等。
其中，人口库可以为：人口库的基本信息以公安部门户籍和暂住人口信息为基础，整合人社、计生、民政、教育等多个部门信息资源，建设统一规范的人口库和人口信息服务平台。法人库可以为：法人库以工商部门的企业信息为基础，整合各参建部门系统中的法人信息，如机构代码、机构名称、机构类型、经济行业、业务经营范围、机构地址、法定代表人等字段信息，建成标识统一、结构科学、查询快捷、动态管理的法人信息库。制定与交换平台对应的相关标准、制度和规范管理体系，实现工商局、地税局、国税局、质量技术监督局等法人数据相关业务部门之间的网络互联和业务数据的实时交换与应用。视频库可以为：视频图像信息数据库主要针对某地视频监控系统产生的视频图像信息,进行统一的存储和管理，利用大数据视频分析技术提取视频文件特征值，及时发现视频文件中的异常信息进行预警研判等。地理信息库可以为：以国土资源部空间地理数据框架作为基础，采用分布式存储并行计算的技术思路统一搭建地理信息库，再与智慧园区建设涉及的各类专题图层进行融合、关联，实现统一共享，逐渐形成某高新区权威、丰富的地理信息数据库。要求根据不同信息资源类别，提供数据库表结构设计。
从上述方法中可以看出，可以从用户发送的所有语句，识别出关键词，并根据关联图谱，确定用户所需解决的问题，提高了识别用户所需解决问题的准确性，同时，还可以根据用户发送的所有语句中，识别出用户发送语句时的情绪，可以结合用户发送语句时的情绪，向用户提供解决方案，提高了用户的用户体验。
以上为本说明书的一个或多个实施例提供的基于智能数据处理的信息获取方法，基于同样的思路，本说明书还提供了相应的基于智能数据处理的信息获取装置，如图3所示。
图3为本说明书提供的一种基于智能数据处理的信息获取装置的示意图，包括：
第一获取模块301，用于获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情；
第二获取模块302，用于根据所述对话记录，确定所述用户咨询的问题的目标关键词，其中，所述目标关键词包括：场景关键词、产品关键词和系统关键词中的至少一种；
确定模块303，用于根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应；从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
可选地，所述第二获取模块302具体用于，根据所述对话记录，从预先构建的知识库中搜索各关键词，并确定各关键词对应的搜索次数，其中，所述知识库为存储各关键词，并记录各关键词的搜索次数的数据库；将所述搜索次数超过预设的值的所述关键词，作为目标关键词。
可选地，所述第二获取模块302具体用于，根据各关键词的所述搜索次数，按照所述搜索次数从多到少的顺序，对各关键词进行排序；根据预先设置的选取数量，从序列中依次选取关键词，作为目标关键词。
可选地，所述确定模块303具体用于，根据知识库中存储的关键词，生成各第四类节点；在场景维度上，根据各个所述第四类节点，生成至少一个第一类节点，并建立第一类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第一类节点之间的关联关系；在类别维度上，根据各个所述第四类节点，生成至少一个第二类节点，并建立第二类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第二类节点之间的关联关系；在位置维度上，根据各个第四类节点，生成至少一个第三类节点，并建立第三类节点与对应的第四类节点之间的连线，以及建立所述关键词与所述第三类节点之间的关联关系。
可选地，所述确定模块303具体用于，在筛选得到的节点数量为多个时，将各个节点对应的关键词进行合并，得到所述咨询问题；或者，在筛选得到的节点数量为多个时，根据各个节点对应的关键词的搜索次数，筛选最高搜索次数的节点对应的关键词作为所述咨询问题。
可选地，所述咨询问题包括：第一类咨询问题和第二类咨询问题，其中，所述第一类咨询问题涉及的范围大于所述第二类咨询问题；
所述确定模块303具体用于，若确定咨询问题同时包括所述第一类咨询和所述第二类咨询问题，则去除所述咨询问题属于第一类咨询问题的目标节点。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种基于智能数据处理的信息获取方法。
本说明书还提供了图4所示的一种对应于图1的电子设备的示意结构图。如图4所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的基于智能数据处理的信息获取方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种基于智能数据处理的信息获取方法，其特征在于，包括：
获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情；
根据所述对话记录，确定所述用户咨询的问题的目标关键词；
根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；
根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应，其中，任意一个所述第四类节点至少与一个所述第一类节点、一个所述第二类节点和一个所述第三类节点存在关联关系；
从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；
根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
2.根据权利要求1所述的方法，其特征在于，根据所述对话记录，确定所述用户咨询的问题的目标关键词，具体包括：
根据所述对话记录，从预先构建的知识库中搜索各关键词，并确定各关键词对应的搜索次数，其中，所述知识库为存储各关键词，并记录各关键词的搜索次数的数据库；
将所述搜索次数超过预设的值的所述关键词，作为目标关键词。
3.根据权利要求2所述的方法，其特征在于，将所述搜索次数超过预设的值的所述关键词，作为目标关键词，具体包括：
根据各关键词的所述搜索次数，按照所述搜索次数从多到少的顺序，对各关键词进行排序；
根据预先设置的选取数量，从序列中依次选取关键词，作为目标关键词。
4.根据权利要求1所述的方法，其特征在于，构建关联图谱，具体包括：
根据所述知识库中存储的关键词，确定所述第四类节点对应的关键词；
根据所述第四类节点，形成所述第四类节点中涉及的所述第一类节点、所所述第二类节点和所述第三类节点，并建立所述第四类节点与所述第一类节点、所述第二类节点和所述第三类节点之间的关联关系；
根据所述关联关系，利用连线将具有关联关系的所述第四类节点和所述第一类节点、所述第二类节点和所述第三类节点连接，以构建所述关联图谱。
5.根据权利要求1所述的方法，其特征在于，将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题，具体包括：
在筛选得到的节点数量为多个时，将各个节点对应的关键词进行合并，得到所述咨询问题；或者，
在筛选得到的节点数量为多个时，根据各个节点对应的关键词的搜索次数，筛选最高搜索次数的节点对应的关键词作为所述咨询问题。
6.根据权利要求5所述的方法，其特征在于，所述咨询问题包括：第一类咨询问题和第二类咨询问题，其中，所述第一类咨询问题涉及的范围大于所述第二类咨询问题；
将各个节点对应的关键词进行合并，得到所述咨询问题，具体包括：
若确定咨询问题同时包括所述第一类咨询和所述第二类咨询问题，则去除所述咨询问题属于第一类咨询问题的目标节点。
7.一种基于智能数据处理的信息获取装置，其特征在于，包括：
第一获取模块，用于获取用户与客服机器人的对话记录，确定所述对话记录中涉及所述用户的情绪信息以及各情绪信息出现的频率，并根据所述情绪信息与所述频率，确定所述用户的沟通情绪，其中，所述对话记录包括：所述用户与所述客服机器人发送的所有语句，所述情绪信息包括：用户发送的语句的句类、标点符号以及动画表情；
第二获取模块，用于根据所述对话记录，确定所述用户咨询的问题的目标关键词；
确定模块，用于根据关键词与关联图谱中第一类节点、第二类节点、第三类节点之间的关联关系，确定与所述目标关键词具有关联的关联节点；所述关联节点包括第一类节点、第二类节点、第三类节点中的至少一项；第一类节点包括场景维度上的节点；第二类节点包括类别维度上的节点；第三类节点包括位置维度上的节点；第一类节点、第二类节点、第三类节点是根据知识库中的关键词生成的；根据所述关联图谱，分别确定与各个关联节点具有关联关系的第四类节点；所述第四类节点与知识库中的关键词相对应，其中，任意一个所述第四类节点至少与一个所述第一类节点、一个所述第二类节点和一个所述第三类节点存在关联关系；从所述第四类节点中筛选与所述各个关联节点均相匹配的节点，并将筛选得到的节点所对应的关键词作为所述对话记录对应的咨询问题；根据所述咨询问题以及所述沟通情绪，从预设数据库中提取与所述咨询问题和所述沟通情绪相匹配的答案信息；其中所述预设数据库包括预先建立的人口库、法人库、视频库、地理信息库、键值库、图数据库中的至少一种。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~6任一项所述的方法。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现上述权利要求1~6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598195.5A CN115617973B (zh) | 2022-12-14 | 2022-12-14 | 一种基于智能数据处理的信息获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598195.5A CN115617973B (zh) | 2022-12-14 | 2022-12-14 | 一种基于智能数据处理的信息获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115617973A CN115617973A (zh) | 2023-01-17 |
| CN115617973B true CN115617973B (zh) | 2023-03-21 |
Family
ID=84880202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211598195.5A Active CN115617973B (zh) | 2022-12-14 | 2022-12-14 | 一种基于智能数据处理的信息获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115617973B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228252A (zh) * | 2023-02-10 | 2023-06-06 | 广东盛迪嘉电子商务股份有限公司 | 一种后台客服服务终端 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106448670B (zh) * | 2016-10-21 | 2019-11-19 | 竹间智能科技（上海）有限公司 | 基于深度学习和强化学习的自动回复对话系统 |
| CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技（深圳）有限公司 | 智能问答方法及装置 |
| US10424319B2 (en) * | 2017-09-26 | 2019-09-24 | International Business Machines Corporation | Assessing the structural quality of conversations |
| CN109299320B (zh) * | 2018-10-30 | 2020-09-25 | 上海智臻智能网络科技股份有限公司 | 一种信息交互方法、装置、计算机设备和存储介质 |
| CN110990543A (zh) * | 2019-10-18 | 2020-04-10 | 平安科技（深圳）有限公司 | 智能对话的生成方法、装置、计算机设备及计算机存储介质 |
| CN112685551B (zh) * | 2021-01-13 | 2023-09-22 | 腾讯科技（深圳）有限公司 | 语料库构建方法、聊天机器人会话方法及相关装置 |
-
2022
- 2022-12-14 CN CN202211598195.5A patent/CN115617973B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115617973A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9535902B1 (en) | Systems and methods for entity resolution using attributes from structured and unstructured data | |
| CN110019616B (zh) | 一种poi现势状态获取方法及其设备、存储介质、服务器 | |
| CN110765247B (zh) | 一种用于问答机器人的输入提示方法及装置 | |
| US10750005B2 (en) | Selective email narration system | |
| CN111460798A (zh) | 近义词推送方法、装置、电子设备及介质 | |
| CN111782825B (zh) | 知识库构建方法及装置 | |
| CN111382155B (zh) | 一种数据仓库的数据处理方法、电子设备及介质 | |
| US9916158B2 (en) | Cognitive feature analytics | |
| CN115759122A (zh) | 一种意图识别方法、装置、设备及可读存储介质 | |
| US11275777B2 (en) | Methods and systems for generating timelines for entities | |
| CN115617973B (zh) | 一种基于智能数据处理的信息获取方法 | |
| CN110992956A (zh) | 语音转换的信息处理方法、装置、设备和存储介质 | |
| CN112199951A (zh) | 一种事件信息生成的方法及装置 | |
| CN117390293B (zh) | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 | |
| Granell et al. | A scoping review on the use, processing and fusion of geographic data in virtual assistants | |
| CN117252183B (zh) | 一种基于语义的多源表格自动匹配方法、装置及存储介质 | |
| CN117371532A (zh) | 一种知识库管理方法、系统、设备及介质 | |
| Sun et al. | Understanding user’s cross-domain intentions in spoken dialog systems | |
| CN110399431A (zh) | 一种关联关系构建方法、装置及设备 | |
| CN113344197A (zh) | 一种识别模型的训练方法、业务执行的方法以及装置 | |
| Fernandez-Marquez et al. | E 2 mC: Improving Rapid Mapping with Social Network Information | |
| CN118193757B (zh) | 一种任务执行方法、装置、存储介质及电子设备 | |
| Wehnert et al. | Context selection in a heterogeneous legal ontology | |
| CN108804603B (zh) | 人机书面对话方法及系统、服务器、介质 | |
| US20230138741A1 (en) | Social network adapted response |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |