CN116468024A - Ai上下文生成方法 - Google Patents
Ai上下文生成方法 Download PDFInfo
- Publication number
- CN116468024A CN116468024A CN202310393825.3A CN202310393825A CN116468024A CN 116468024 A CN116468024 A CN 116468024A CN 202310393825 A CN202310393825 A CN 202310393825A CN 116468024 A CN116468024 A CN 116468024A
- Authority
- CN
- China
- Prior art keywords
- node
- array
- current node
- child
- current
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims description 14
- 230000009191 jumping Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
Classifications
-
- 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
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- G06F16/9027—Trees
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及计算机技术领域，具体涉及AI上下文生成方法，S1基于当前结点进行递归运算；S2遍历当前结点的父结点的孩子结点，取出未处理的孩子结点；S3判断孩子结点，基于判断结果进行处理；S4基于递归回退条件对当前结点的父结点进行处理；S5若循环遍历当前结点的父结点的孩子结点处理完，将数组temp中的数据合并到数组down的最后位置，并清空数组temp；S6递归回退到孩子结点所在层，继续S2未处理完的孩子结点；S7递归运算结束后，将数组down和数组up按序合并为数组collections，并按数组collections的逆序，根据结点的深度信息构建人工智能系统的数据结构，该方法减少了数据量，帮助人工智能系统快速理解当前对话的上下文以正确理解当前对话的主题和对方的意图。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及AI上下文生成方法。
背景技术
在与人工智能交互过程中，为了使人工智能系统理解当前对话内容的语境，需要为人工智能系统提供上下文，构建这样的语境。普通的人机对话是线性的一问一答的形式。此时，只需要保存整个对话内容并在需要时提供给人工智能系统作为对话的上下文，使人工智能系统能够正确理解对方的意图。形成有效的对话机制，进行合理有效的沟通对话。在基于二维形式组织的知识架构中，例如：思维导图或知识图谱等，人工智能系统基于某个结点获取和此结点相关的上下文，理解当前对话方的意图，才能进一步提供更好的服务，比如：基于当前的上下文，对某个结点的内容提供建议，拓展思维导图或知识图谱。
在这种二维架构下，通常采用将整个思维导图或知识图谱提供给人工智能系统，但这种方式存在人工智能系统不能快速的找到和当前主题的上下文相关的问题。
因此，如何构建高效简洁的上下文，对于基于二维架构的知识体系与人工智能系统具有重要的意义。
发明内容
本发明的目的在于提供AI上下文生成方法，旨在解决二维架构下将整个思维导图或图谱提供给人工智能系统，不能快速的找到和当前主题的上下文相关的问题。
为实现上述目的，本发明提供了AI上下文生成方法，包括以下步骤：
S1基于当前结点进行递归运算；
S2循环遍历当前结点的父结点的孩子结点，依次取出未处理的孩子结点；
S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理；
S4基于递归回退条件对所述当前结点的父结点进行处理；
S5若循环遍历当前结点的父结点的孩子结点处理完，将数组temp中的数据合并到数组down的最后位置，并清空数组temp；
S6递归回退到当前结点的孩子结点所在层，继续S2未处理完的孩子结点；
S7递归运算结束后，将所述数组down和数组up按序合并为数组collections，并所述按数组collections的逆序，根据结点的深度信息构建人工智能系统处理的数据结构。
其中，所述S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理的具体方式：
S31若所述判断结果为取出的孩子结点不是当前结点，将其放到空数组temp中存放，然后进入S2中；
S32若所述判断结果为取出的孩子结点是当前结点，将数组temp中的数据合并到数组up最后位置，并清空数组temp。
其中，所述S4基于所述递归回退条件对所述当前结点的父结点进行处理的具体方式：
S41如果此时不满足递归回退条件，则将所述当前结点的父结点标记为当前结点，跳转到S1进行递归运算；
S42如果此时满足递归回退条件，则将所述当前结点的父结点加入到数组up的最后位置，进入S2。
其中，所述递归回退条件是指所述当前结点的父结点是根结点或所述数组up收集的结点个数到达上限或其他设置的条件。
其中，所述深度信息是指结点的所有孩子结点的深度信息相同，所述结点的深度信息比其孩子结点的深度信息值大或小。
本发明的AI上下文生成方法，S1基于当前结点进行递归运算；S2循环遍历当前结点的父结点的孩子结点，依次取出未处理的孩子结点；S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理；S4基于递归回退条件对所述当前结点的父结点进行处理；S5若循环遍历当前结点的父结点的孩子结点处理完，将数据temp合并到数组down的最后位置，并清空数组temp；S6递归回退到当前结点的孩子结点所在层，继续S2未处理完的孩子结点；S7递归运算结束后，将所述数组down和数组up按序合并为数组collections，并所述按数组collections的逆序，根据结点的深度信息构建人工智能系统处理的数据结构，该方法仅提取二维知识架构中直接相关的结点内容构建上下文，减少需要人工智能系统处理的数据量，但并不影响人工智能系统对上下文内容的理解，避免偏离对话主题，利用相关算法对树结构的知识进行处理构建人工智能需要的上下文信息，上下文信息也用树结构进行构建，便于人工智能系统根据树结构理解知识之间的从属关系，减少了数据量，帮助人工智能系统快速理解当前对话的上下文以正确理解当前对话的主题和对方的意图，其核心思想是从选定的某个树结点出发，有序收集其兄弟结点，然后递归到其父结点，继续收集上述步骤收集结点，直到到达跟结点或设定的某种结束条件，根据收集的结点构建一棵树作为上下文，解决了二维架构下将整个思维导图或图谱提供给人工智能系统，不能快速的找到和当前主题相关的上下文的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的AI上下文生成方法的具体方式流程图。
图2是判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理的流程图。
图3是基于递归回退条件对所述当前结点的父结点进行处理的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
请参阅图1至图3，本发明提供AI上下文生成方法，包括以下步骤：
S1基于当前结点进行递归运算；
S2循环遍历当前结点的父结点的孩子结点，依次取出未处理的孩子结点；
S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理；
具体方式：
S31若所述判断结果为取出的孩子结点不是当前结点，将其放到空数组temp中存放，然后进入S2中；
S32若所述判断结果为取出的孩子结点是当前结点，将数组temp中的数据合并到数组up最后位置，并清空数组temp。
S4基于递归回退条件对所述当前结点的父结点进行处理；
具体方式：
S41如果此时不满足递归回退条件，则将所述当前结点的父结点标记为当前结点，跳转到S1进行递归运算；
S42如果此时满足递归回退条件，则将所述当前结点的父结点加入到数组up的最后位置，进入S2。
S5若循环遍历当前结点的父结点的孩子结点处理完，将数组temp中的数据合并到数组down的最后位置，并清空数组temp；
S6递归回退到当前结点的孩子结点所在层，继续S2未处理完的孩子结点；
S7递归运算结束后，将所述数组down和数组up按序合并为数组collections，并所述按数组collections的逆序，根据结点的深度信息构建人工智能系统处理的数据结构。
本发明AI上下文生成方法的代码如下：
以上所揭露的仅为本发明AI上下文生成方法较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (5)
1.AI上下文生成方法，其特征在于，包括以下步骤：
S1基于当前结点进行递归运算；
S2循环遍历当前结点的父结点的孩子结点，依次取出未处理的孩子结点；
S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理；
S4基于递归回退条件对所述当前结点的父结点进行处理；
S5若循环遍历当前结点的父结点的孩子结点处理完，将数组temp中的数据合并到数组down的最后位置，并清空数组temp；
S6递归回退到当前结点的孩子结点所在层，继续S2未处理完的孩子结点；
S7递归运算结束后，将所述数组down和数组up按序合并为数组collections，并所述按数组collections的逆序，根据结点的深度信息构建人工智能系统处理的数据结构。
2.如权利要求1所述的AI上下文生成方法，其特征在于，
所述S3判断所述孩子结点是否为所述当前结点，得到判断结果，并基于所述判断结果进行处理的具体方式：
S31若所述判断结果为取出的孩子结点不是当前结点，将其放到空数组temp中存放，然后进入S2中；
S32若所述判断结果为取出的孩子结点是当前结点，将数组temp中的数据合并到数组up最后位置，并清空数组temp。
3.如权利要求1所述的AI上下文生成方法，其特征在于，
所述S4基于所述递归回退条件对所述当前结点的父结点进行处理的具体方式：
S41如果此时不满足递归回退条件，则将所述当前结点的父结点标记为当前结点，跳转到S1进行递归运算；
S42如果此时满足递归回退条件，则将所述当前结点的父结点加入到数组up的最后位置，进入S2。
4.如权利要求1所述的AI上下文生成方法，其特征在于，
所述递归回退条件是指所述当前结点的父结点是根结点或所述数组up收集的结点个数到达上限或其他设置的条件。
5.如权利要求1所述的AI上下文生成方法，其特征在于，
所述深度信息是指结点的所有孩子结点的深度信息相同，所述结点的深度信息比其孩子结点的深度信息值大或小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310393825.3A CN116468024B (zh) | 2023-04-13 | 2023-04-13 | Ai上下文生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310393825.3A CN116468024B (zh) | 2023-04-13 | 2023-04-13 | Ai上下文生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116468024A true CN116468024A (zh) | 2023-07-21 |
| CN116468024B CN116468024B (zh) | 2023-09-29 |
Family
ID=87174649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310393825.3A Active CN116468024B (zh) | 2023-04-13 | 2023-04-13 | Ai上下文生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116468024B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106294686A (zh) * | 2016-08-05 | 2017-01-04 | 董涛 | 一种思维导图中快速更新树结点位置坐标的方法 |
| CN109460410A (zh) * | 2018-11-08 | 2019-03-12 | 四川长虹电器股份有限公司 | 将具有父子关系的json数据转换成树形结构数据的方法 |
| CN110096570A (zh) * | 2019-04-09 | 2019-08-06 | 苏宁易购集团股份有限公司 | 一种应用于智能客服机器人的意图识别方法及装置 |
| US20210089624A1 (en) * | 2019-09-24 | 2021-03-25 | ContactEngine Limited | Determining context and intent in omnichannel communications using machine learning based artificial intelligence (ai) techniques |
| WO2022048164A1 (zh) * | 2020-09-03 | 2022-03-10 | 哈尔滨工业大学 | 一种基于粒计算的智能机器人对话策略生成方法 |
| CN114519351A (zh) * | 2022-02-21 | 2022-05-20 | 国家计算机网络与信息安全管理中心上海分中心 | 一种基于用户意图嵌入图谱学习的主题文本快速检测方法 |
-
2023
- 2023-04-13 CN CN202310393825.3A patent/CN116468024B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106294686A (zh) * | 2016-08-05 | 2017-01-04 | 董涛 | 一种思维导图中快速更新树结点位置坐标的方法 |
| CN109460410A (zh) * | 2018-11-08 | 2019-03-12 | 四川长虹电器股份有限公司 | 将具有父子关系的json数据转换成树形结构数据的方法 |
| CN110096570A (zh) * | 2019-04-09 | 2019-08-06 | 苏宁易购集团股份有限公司 | 一种应用于智能客服机器人的意图识别方法及装置 |
| US20210089624A1 (en) * | 2019-09-24 | 2021-03-25 | ContactEngine Limited | Determining context and intent in omnichannel communications using machine learning based artificial intelligence (ai) techniques |
| WO2022048164A1 (zh) * | 2020-09-03 | 2022-03-10 | 哈尔滨工业大学 | 一种基于粒计算的智能机器人对话策略生成方法 |
| CN114519351A (zh) * | 2022-02-21 | 2022-05-20 | 国家计算机网络与信息安全管理中心上海分中心 | 一种基于用户意图嵌入图谱学习的主题文本快速检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116468024B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111209903B (zh) | 一种人脸检测的方法与设备 | |
| CN111126595A (zh) | 一种神经网络的模型压缩的方法和设备 | |
| CN113111889B (zh) | 用于边缘计算端的目标检测网络处理方法 | |
| CN104516921A (zh) | 自动回复方法及装置 | |
| CN116468024B (zh) | Ai上下文生成方法 | |
| CN105632495A (zh) | 语音识别方法和装置 | |
| CN113611329B (zh) | 一种语音异常检测的方法及装置 | |
| CN107147947A (zh) | 关键帧识别方法及装置 | |
| CN117173037B (zh) | 一种针对图像降噪的神经网络结构自动搜索方法 | |
| CN114339403B (zh) | 一种视频动作片段生成方法、系统、设备及可读存储介质 | |
| CN116245765A (zh) | 基于增强型深度扩张卷积神经网络的图像去噪方法及系统 | |
| CN115170807A (zh) | 一种图像分割、模型训练方法、装置、设备及介质 | |
| CN115129882A (zh) | 基于知识图谱的事件脉络分析方法、存储介质及设备 | |
| Wu et al. | When To Grow? A Fitting Risk-Aware Policy for Layer Growing in Deep Neural Networks | |
| CN101887389A (zh) | 一种基于二元结构的脚本生成方法 | |
| CN111310777A (zh) | 一种K-means算法中获取目标类别数的方法和系统 | |
| CN112417184B (zh) | 多场景特征信息存储结构及其比对方法、设备和存储介质 | |
| CN109947996A (zh) | 文档处理方法和装置 | |
| CN108829831B (zh) | 一种数据处理方法、装置、硬件装置及芯片 | |
| CN117896040B (zh) | 下行控制信息检测方法、装置、计算机设备和存储介质 | |
| CN113222934B (zh) | 一种基于设备感知的显著性物体检测方法及系统 | |
| CN111667573B (zh) | 地图切片的生成方法、装置、存储介质及电子设备 | |
| CN112669011B (zh) | 智能对话方法、装置、计算机设备和存储介质 | |
| CN115442660B (zh) | 自监督对抗视频摘要提取方法、装置、设备和存储介质 | |
| CN111104477B (zh) | 事件确认方法、装置及电子设备 |
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 |