CN116610775A - 人机交互方法、装置、设备及存储介质 - Google Patents
人机交互方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116610775A CN116610775A CN202310893553.3A CN202310893553A CN116610775A CN 116610775 A CN116610775 A CN 116610775A CN 202310893553 A CN202310893553 A CN 202310893553A CN 116610775 A CN116610775 A CN 116610775A
- Authority
- CN
- China
- Prior art keywords
- text
- information
- interaction
- interaction information
- fragments
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 279
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000012634 fragment Substances 0.000 claims abstract description 131
- 230000004044 response Effects 0.000 claims abstract description 84
- 238000003058 natural language processing Methods 0.000 claims description 47
- 230000002452 interceptive effect Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 241000157593 Milvus Species 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F16/3331—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
- G06F16/3331—Query processing
-
- 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)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种人机交互方法、装置、设备及存储介质,获得输入的交互信息后,在文本库中查找与交互信息关联的多个文本片段,对交互信息和多个文本片段进行处理,生成交互信息的应答信息,输出应答信息。由于应答信息是基于文本库中与交互信息关联的多个文本片段生成的,因此,应答信息中携带了文本库中多个文本片段中的知识内容,也就是说,本申请提供了一种自动从文本库中提取知识内容的方法,从而提高获得知识内容的效率。
Description
技术领域
本申请涉及人工智能技术领域,更具体地说,涉及一种人机交互方法、装置、设备及存储介质。
背景技术
文档是企业管理知识的主要方式,因而,企业中的各类知识主要是以文档的方式进行存储和管理。用户想要获取这些文档中的知识内容时,只能通过模糊的文档名称搜索,找到可能相关的文档,然后人为对搜索到的文档进行浏览以查找所需要的知识内容,这种方式获取知识内容的效率较低。
发明内容
有鉴于此,本申请提供了一种人机交互方法、装置、设备及存储介质,以提高获得知识内容的效率。
为了实现上述目的,现提出的方案如下:
一种人机交互方法,包括:
获得输入的交互信息;
在文本库中查找与所述交互信息关联的多个文本片段;
对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出所述应答信息。
上述方法,可选的,所述在文本库中查找与所述交互信息关联的多个文本片段,包括:
利用至少两种索引方式在所述文本库中查找与所述交互信息关联的多个文本片段;
其中,基于不同的索引方式在所述文本库中查找到的与所述交互信息关联的文本片段的数量相同或不同。
上述方法,可选的,所述利用至少两种索引方式在所述文本库中查找与所述交互信息关联的多个文本片段,包括:
基于所述交互信息的向量表示,以及所述文本库中的各个文本片段的向量表示,在所述文本库中查找与所述交互信息匹配的第一文本片段集合;所述第一文本片段集合中包含至少一个文本片段;
基于所述交互信息中的关键词,以及所述文本库中的各个文本片段的关键词,在所述文本库中查找与所述交互信息匹配的第二文本片段集合;所述第二文本片段集合中包含至少一个文本片段;
所述第一文本片段集合和所述第二文本片段集合构成所述多个文本片段。
上述方法,可选的,所述对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息,包括:
将回复指示指令、所述多个文本片段和所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
上述方法,可选的,查找所述多个文本片段以及生成所述交互信息的应答信息的过程,包括:
基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息;
基于所述完善后交互信息在所述文本库中查找与所述交互信息关联的多个文本片段;
对所述完善后交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息。
上述方法,可选的,所述基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息,包括:
将意图完善指示指令、所述历史对话信息以及所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述完善后交互信息。
上述方法,可选的,所述对所述完善后交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息,包括:
将回复指示指令、所述多个文本片段和所述完善后交互信息依次拼接后输入所述自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
上述方法,可选的,还包括:
输出所述多个文本片段。
上述方法,可选的,还包括:
获得针对所述多个文本片段中的任一文本片段的原文档查询指令;
响应于所述原文档查询指令,获得并输出所述任一文本片段所属的原文档。
上述方法,可选的,还包括:
基于所述多个文本片段生成多个交互样例;
输出所述交互样例;
如果获得针对任一交互样例的选择指令,在文本库中查找与所述任一交互样例关联的多个文本片段;
对所述任一交互样例以及与所述任一交互样例关联的多个文本片段进行处理,生成所述任一交互样例的应答信息;
输出所述任一交互样例的应答信息。
一种人机交互装置,包括:
获得模块,用于获得输入的交互信息;
查找模块,用于在文本库中查找与所述交互信息关联的多个文本片段;
应答模块,用于对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出模块,用于输出所述应答信息。
一种人机交互设备,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如上任一项所述的人机交互方法的各个步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上任一项所述的人机交互方法的各个步骤。
从上述的技术方案可以看出,本申请实施例提供的人机交互方法、装置、设备及存储介质,获得输入的交互信息后,在文本库中查找与交互信息关联的多个文本片段,对交互信息和多个文本片段进行处理,生成交互信息的应答信息,输出应答信息。由于应答信息是基于文本库中与交互信息关联的多个文本片段生成的,因此,应答信息中携带了文本库中多个文本片段中的知识内容,也就是说,本申请提供了一种自动从文本库中提取知识内容的方法,从而提高获得知识内容的效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的人机交互方法的一种实现流程图;
图2为本申请实施例公开的查找与交互信息关联的文本片段以及生成交互信息的应答信息的一种实现流程图;
图3为本申请实施例公开的基于自然语言处理模型进行人机交互的一种系统架构图;
图4为本申请实施例公开的基于自然语言处理模型进行人机交互的另一种系统架构图;
图5为本申请实施例公开的人机交互装置的一种结构示意图;
图6为本申请实施例公开的人机交互设备的硬件结构框图。
具体实施方式
在对本申请的方案进行阐述前,对相关的概念进行解释说明。
指示指令(Prompt):在与AI(如大语言模型)进行对话时,需要向AI发送的指令,其可以是一段文字描述,比如你和AI对话时输入的“请帮我推荐一首流行音乐”,也可以是按照一定格式的参数描述,比如让AI按照一定格式进行绘图,需要描述相关绘图参数。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了提高在大量文本中获得知识内容的效率,提出本申请。
如图1所示,为本申请实施例提供的人机交互方法的一种实现流程图,可以包括:
步骤S101:获得输入的交互信息。
交互信息也可以称之为用户指令、用户问题或用户提问等。
可选的,交互信息可以是用户通过文本输入装置(比如,键盘、触控屏等)输入到文本编辑框中的,或者,可以是以语音方式输入的。基于此,可以通过文本编辑框获得输入的交互信息,或者,可以通过语音识别装置对采集的语音数据进行语音识别从而获得输入的交互信息。
作为示例,交互信息可以是用户输入的针对企业知识的提问;或者,交互信息可以是针对领域知识的提问。
步骤S102:在文本库中查找与上述输入的交互信息关联的多个文本片段。
本申请中,文本库中存储的是由文档切分得到的文本片段,每个文档可以切分出至少一个文本片段。这里的文档可以是word格式的文档,也可以是PDF格式的文档,或者,可以是其它格式的文档,比如,txt格式的文档等。
文本库中的文本片段可以是由企业内部的文档切分得到的文本片段,或者,文本库中文本片段可以是由同一领域的文档切分得到的文本片段。
对应任一文档,如果该任一文档的内容中存在章节标题,可以将该任一文档按照章节标题进行切分,得到该任一文档的若干文本片段。其中,该任一文档的若干文本片段中,不同的文本片段在所述任一文档中对应的最小级别的标题不同。通过将文档按章节标题进行切分,可以保证文本片段中内容的完整性。
如果该任一文档的内容中不存在章节标题,可以将该任一文档按照段落进行切分,即每个自然段切分为一个文本片段。
另外,还可以将该任一文档以及由该任一文档切分得到的各个文本片段分别关联存储,以便能够对文本片段进行溯源。
在文本库中查找与上述交互信息关联的文本片段时,可以利用一种索引方式在文本库中查找与上述交互信息关联的多个文本片段。该一种索引方式可以是下文提到的两种索引方式中的任一种,也可以是其它的索引方式。
或者,
可以利用至少两种索引方式在文本库中查找与上述交互信息关联的多个文本片段。该至少两种索引方式可以至少包括下文提到的两种索引方式中的至少一种,还可以包括其它的索引方式,或者,该至少两种索引方式中不包括下文提到的两种索引方式中的任一种。
步骤S103:对上述交互信息和上述多个文本片段进行处理,生成上述交互信息的应答信息。
也就是说,本申请是参考文本库中与输入的交互信息关联的多个文本片段对输入的交互信息进行响应,进而得到交互信息的应答信息。
步骤S104:输出应答信息。
可选的,可以仅显示应答信息;或者,可以在显示应答信息的同时,将应答信息转换为语音信息,输出语音信息。
本申请实施例提供的人机交互方法,获得输入的交互信息后,在文本库中查找与交互信息关联的多个文本片段,对交互信息和多个文本片段进行处理,生成交互信息的应答信息,输出应答信息。由于应答信息是基于文本库中与交互信息关联的多个文本片段生成的,因此,应答信息中携带了文本库中多个文本片段中的知识内容,也就是说,本申请提供了一种自动从文本库中提取知识内容的方法,从而提高获得知识内容的效率。
在一可选的实施例中,上述在文本库中查找与上述输入的交互信息关联的多个文本片段的一种实现方式可以为:
利用至少两种索引方式在文本库中查找与上述输入的交互信息关联的文本片段。
其中,基于不同的索引方式在文本库中查找到的与上述输入的交互信息关联的文本片段的数量可以是相同的,也可以是不同的。
作为示例,可以利用如下至少两种索引方式在文本库中查找与上述输入的交互信息关联的文本片段:
索引方式一,基于向量表示进行索引:获得交互信息的向量表示;基于交互信息的向量表示,以及文本库中的各个文本片段的向量表示,在文本库中查找与交互信息匹配的第一文本片段集合;第一文本片段集合中包含一个文本片段或多个文本片段。
其中,文本库中各个文本片段的向量表示是预先获得并存储在数据库中的,文本片段和文本片段的向量表示可以存储在同一数据库中,也可以存储在不同的数据库中。比如,文本片段和文本片段的向量表示均存储在Milvus数据库中;或者,均存储在MongDB数据库中;或者,文本片段存储在Milvus数据库中,文本片段的向量表示均存储在MongDB数据库中;或者,文本片段存储在MongDB数据库中,文本片段的向量表示均存储在Milvus数据库中等。
作为示例,可以获得交互信息的embedding向量,以及各个文本片段的embedding向量,基于交互信息的embedding向量,以及各个文本片段的embedding向量,分别计算每个文本片段与交互信息的相似度;
将与交互信息的相似度大于相似度阈值的文本片段确定为与交互信息匹配的文本片段,基于此,所有与交互信息的相似度大于相似度阈值的文本片段构成第一文本片段集合;或者,
按照各个文本片段与交互信息的相似度,将各个文本片段排序,将排序前N的文本片段确定为与交互信息匹配的文本片段,即排序前N的文本片段构成第一文本片段集合。
其中,任一文本片段与交互信息的相似度可以通过基于交互信息的embedding向量与该任一文本片段的embedding向量间的距离表征,这里的距离可以包括但不限于如下任一种:欧式距离、余弦距离等。
索引方式二,基于关键词进行索引:获得交互信息中的关键词,基于交互信息中的关键词,以及文本库中的各个文本片段的关键词,在文本库中查找与交互信息匹配的第二文本片段集合;第二文本片段集合中包含一个文本片段或多个文本片段。
其中,文本库中各个文本片段中的关键词是预先提取并存储在数据库中的,文本片段和从文本片段中提取的关键词可以存储在不同数据库中。比如,文本片段存储在Milvus数据库或MongDB数据库中,从文本片段中提取的关键词存储在ES(ElasticSearch)索引数据库中等。
作为示例,对于任一文本片段,可以将交互信息中的关键词,以及该任一文本片段中的关键词输入ElasticSearch搜索引擎,得到交互信息与该任一文本片段的关联度。在得到交互信息与各个文本片段的关联度后,可以将与交互信息的关联度大于关联度阈值的文本片段构成第二文本片段集合;或者,可以按照各个文本片段与交互信息的关联度,将各个文本片段排序,将排序前M的文本片段确定为与交互信息匹配的文本片段,即排序前M的文本片段构成第二文本片段集合。
在一可选的实施例中,上述第一文本片段集合中的文本片段的数量多于第二文本片段集合中的文本片段的数量。
作为示例,第一文本片段集合中的文本片段的数量为4,第二文本片段集合中的文本片段的数量为1。
作为示例,第一文本片段集合中的文本片段的数量为3,第二文本片段集合中的文本片段的数量为2。
作为示例,第一文本片段集合中的文本片段的数量为8,第二文本片段集合中的文本片段的数量为2。
在一可选的实施例中,可以利用自然语言处理模型对上述交互信息和多个文本片段进行处理,生成交互信息的应答信息。
本申请中的自然语言处理模型可以是生成式模型,作为示例,生成式模型可以包括但不限于:Transformer架构的模型,比如,可以是GPT(Generative Pre-Training)-3、GPT-4等。生成式模型也可以式其它生成式模型,比如,PaLM(Pathways Language Model)、T5(Text-to-Text Transfer Transformer)等。
可选的,利用自然语言处理模型对上述交互信息和多个文本片段进行处理,生成交互信息的应答信息的一种实现方式可以为:
将预置的回复指示指令、上述多个文本片段和交互信息依次拼接后输入自然语言处理模型,得到自然语言处理模型生成的交互信息的应答信息。
回复指示指令用于指示自然语言处理模型从多个文本片段中提取交互信息对应的应答信息,作为示例,回复指示指令可以为:
你是一个AI助手,从输入的内容中回答我提出的问题,答案必须来自输入的内容,可以对答案进行润色,找不到答案请回答“未查询到结果”。
相应的,将上述回复指示指令、多个文本片段和交互信息依次拼接得到的结果可以为:
你是一个AI助手,从输入的内容中回答我提出的问题,答案必须来自输入的内容,可以对答案进行润色,找不到答案请回答“未查询到结果”。内容是:xxx,问题是:yyy。
上述拼接结果中,xxx处是上述与交互信息关联的多个文本片段。yyy处是上述交互信息。
通过自然语言处理模型对拼接后的信息进行处理,以生成交互信息的应答信息,使得用户不必浏览多个文本片段即可快速、准确地获得交互信息的应答信息。
本申请研究发现,在多轮交互过程中,用户多轮输入的交互信息可能是存在关联关系的,比如:
用户输入的交互信息是:A100078故障码是什么含义。
机器给出的应答信息是:你好,该故障的含义是第2缸点火控制线路不良。
用户再次输入的交互信息是:为什么会引起这个故障。
上述对话中,用户第二次输入的交互信息其实是问为什么会引起A100078故障。如果直接基于“为什么会引起这个故障”去文本库中查找与“为什么会引起这个故障”关联的文本片段,查找到的文本片段可能是与A100078故障无关的文本片段,或者是与A100078故障的关联性很低,影响后续生成应答信息的准确性,降低多轮交互的性能。
基于上述发现,为了提高多轮交互的性能,可以基于历史对话信息对上述输入的交互信息进行意图完善,得到完善后的交互信息,基于完善后的交互信息在文本库中查找与上述输入的交互信息关联的多个文本片段,基于完善后交互信息进行应答。
在一可选地实施例中,本申请实施例提供的查找与交互信息关联的文本片段以及生成交互信息的应答信息的一种实现流程图如图2所示,可以包括:
步骤S201:基于历史对话信息对上述交互信息进行意图完善,得到完善后交互信息。
通过对交互信息进行意图完善,使得机器能够更准确的理解用户意图。
可选的,可以基于自然语言处理模型对上述交互信息进行意图完善。该自然语言处理模型也可以是生成式模型,作为示例,生成式模型可以包括但不限于:Transformer架构的模型,比如,可以是GPT(Generative Pre-Training)-3、GPT-4等。生成式模型也可以式其它生成式模型,比如,PaLM(Pathways Language Model)、T5(Text-to-Text TransferTransformer)等。
可选的,可以将意图完善指示指令、历史对话信息以及上述输入的交互信息依次拼接后输入自然语言处理模型,得到自然语言处理模型生成的完善后交互信息。
意图完善指示指令用于指示自然语言处理模型根据历史对话信息对交互信息进行完善,以便后续自然语言处理模型能够准确理解用户的真实意图。
以前述多轮对话为例,历史对话信息包括:A100078故障码是什么含义,你好,该故障的含义是第2缸点火控制线路不良。相应的,自然语言处理模型生成的完善后交互信息为:为什么会引起A100078这个故障。
步骤S202:基于完善后交互信息在文本库中查找与完善后交互信息关联的多个文本片段。
与完善后交互信息关联的多个文本片段也就是与上述输入的交互信息关联的多个文本片段。
可选的,可以利用一种索引方式在文本库中查找与完善后交互信息关联的多个文本片段。该一种索引方式可以是前述两种索引方式中的任一种,也可以是其它的索引方式。
或者,
可以利用至少两种索引方式在文本库中查找与完善后交互信息关联的多个文本片段。该至少两种索引方式可以至少包括前述两种索引方式中的至少一种,还可以包括其它的索引方式,或者,该至少两种索引方式中不包括前述两种索引方式中的任一种。
在利用至少两种索引方式在文本库中查找与完善后交互信息关联的多个文本片段时,基于不同的索引方式在文本库中查找到的与完善后交互信息关联的文本片段的数量相同或不同。
具体索引方式和索引到的文本片段的数量可以参看前述实施例,这里不在赘述。
步骤S203:对完善后交互信息和查找到的多个文本片段进行处理,生成交互信息的应答信息。
可选的,可以将预置的回复指示指令、与完善后交互信息关联的多个文本片段和完善后交互信息依次拼接后输入自然语言处理模型,得到自然语言处理模型生成的交互信息的应答信息。
以前述的回复指示指令示例,前述的完善后交互信息示例为例,将预置的回复指示指令、与完善后交互信息关联的多个文本片段和完善后交互信息依次拼接的结果的一种示例为:
你是一个AI助手,从输入的内容中回答我提出的问题,答案必须来自输入的内容,可以对答案进行润色,找不到答案请回答“未查询到结果”。内容是:xxx,问题是:为什么会引起A100078这个故障。
上述拼接结果中,xxx处是与完善后交互信息关联的多个文本片段。
基于上述拼接结果,自然语言处理模型生成的交互信息的应答信息的示例为:
该故障是当点火时间低于或高于指定时间,或是根本没有点火情形时产生的。
由上述实施例可知,本申请通过在多轮交互中基于历史对话信息对当前的待应答的交互信息进行意图完善,然后基于完善后交互信息在文本库中查找与完善后交互信息关联的多个文本片段,最后基于完善后交互信息与以及与完善后交互信息关联的多个文本片段生成最终的应答信息,提高了应答信息的准确性,从而提高多轮交互的性能。
在一可选的实施例中,除了输出交互信息的应答信息,还可以输出与交互信息关联的多个文本片段。
通过输出与交互信息关联的多个文本片段,使得用户可以查看应答信息的来源,帮助用户快速溯源,从而从多个文本片段中获得与应答信息相关的内容。
可选的,可以显示各个文本片段。进一步的,在显示每个文本片段时,还可以对应每个文本片段显示一个第一交互控件,任一文本片段对应的第一交互控件用于触发生成针对该任一文本片段的原文档查询指令。
用户可以对任一文本片段对应的第一交互控件进行预设操作,从而触发生成针对该任一文本片段的原文档查询指令。
进一步的,本申请提供的人机交互方法还可以包括:
获得针对输出的多个文本片段中的任一文本片段的原文档查询指令。
响应于原文档查询指令,获得并输出任一文本片段所属的原文档。
如前所述,由于在构建文本库时,任一文本片段是与该任一文本片段所属的原文档关联存储的,因此,根据预置的文本片段与文本片段所属的原文档的关联关系,可以获得该任一文本片段所属的原文档,进而将获得的该任一文本片段所属的原文档输出。
在一可选的实施例中,本申请实施例提供的人机交互方法还可以包括:
基于查找到与交互信息关联的多个文本片段生成多个交互样例;不同的交互样例用于获取与交互信息关联的多个文本片段中的不同内容。
可选的,可以利用前述的自然语言处理模型基于查找到的与交互信息关联的多个文本片段生成多个交互样例。
可选的,可以将预置的样例生成指示指令,以及与交互信息关联的多个文本片段拼接后输入上述自然语言处理模型,得到自然语言处理模型生成的多个交互样例。
作为示例,样例生成指示指令可以为:
你是一个AI助手,从输入的内容中提取5条相关问题,问题必须是在内容中可以找到答案,请输出一个json数组。例如:["问题1","问题2","问题3","问题4","问题5"]。
将上述样例生成指示指令,以及与交互信息关联的多个文本片段进行拼的结果为:
你是一个AI助手,从输入的内容中提取5条相关问题,问题必须是在内容中可以找到答案,请输出一个json数组。例如:["问题1","问题2","问题3","问题4","问题5"]。
内容是:"……","四、长丰县范围内(绿色IV类区)的工业项目用地出让最低价不得低于10.6万元/亩。若由土地使用者自行完成土地前期开发的,工业项目用地出让最低价不得低于6.36万元/亩。","……",
上述拼接结果中,位于“内容是”部分的每个双引号中为一个文本片段,出于本申请文件的篇幅考虑,这里仅示出了一个文本片段的具体内容,即上述“四、长丰县范围内(绿色IV类区)的工业项目用地出让最低价不得低于10.6万元/亩。若由土地使用者自行完成土地前期开发的,工业项目用地出让最低价不得低于6.36万元/亩。”。
基于上述拼接结果,自然语言处理模型生成5个交互样例:
"……","工业项目用地出让最低价不得低于多少?","……","……","……"。
出于本申请文件的篇幅考虑,这里仅示出了一个交互样例的具体内容,即上述的“工业项目用地出让最低价不得低于多少?”。
输出上述多个交互样例。可以显示各个交互样例,并针对每个交互样例设置第二交互控件,任一交互样例对应的第二交互控件用于触发生成针对该任一交互样例的选择指令。
进一步的,如果获得针对任一交互样例的选择指令,在文本库中查找与该任一交互样例关联的多个文本片段。具体实现过程可以参看前述实施例,这里不再赘述。
输出该任一交互样例的应答信息。
本申请每次在查询到与交互信息关联的多个文本片段时,均可以基于查询到的多个文本片段生成多个交互样例,方便用户根据交互样例快速在查询到的多个文本片段中获得更多的相关知识内容。进一步提高在多个文本中获得知识的效率。
如图3所示,为本申请实施例提供的基于自然语言处理模型进行人机交互的一种系统架构图。
首先需要构建文档知识库,文档知识库中的文档可以来自于互联网、数据库,或者,本地上传等。该示例中文档知识库为mongoDB数据库。
文档切片:对于文档知识库中的文档,进行切片处理,得到若干文本片段。该示例中,文本片段也存储在mongoDB数据库中。
知识建模:对各个文本片段分别进行知识建模,比如,利用Embedding模型对各个文本片段分别进行处理,得到各个文本片段的向量表示。将各个文本片段的向量表示存入Milvus数据库中。对于任一文本片段,将该任一文本片段的向量表示与该任一文本片段相关联。
问题建模:在获得到用户问题后,对用户问题进行建模,即获得用户问题的向量表示。
向量索引:基于用户问题的向量表示在Milvus数据库中查找与用户问题的向量表示相似的多个向量表示,作为索引结果。
文本片段召回:根据索引结果中的多个向量表示在mongoDB数据库召回与用户问题关联的多个文本片段。
基于prompt生成模型输入,具体的:将预置的回复指示指令、召回的多个文本片段以及用户提问拼接后输入自然语言处理模型,得到自然语言处理模型生成的应答信息,即针对用户问题给出的答案。
图3所示示例中,利用一种索引方式索引与用户问题关联的多个文本片段。在另一种示例中,可以利用两种索引方式索引与用户问题关联的多个文本片段。如图4所示,为本申请实施例提供的基于自然语言处理模型进行人机交互的另一种系统架构图。
首先需要构建文档知识库,文档知识库中的文档可以来自于互联网、数据库,或者,本地上传等。该示例中文档知识库为mongoDB数据库。
文档切片:对于文档知识库中的文档,进行切片处理,得到若干文本片段。该示例中,文本片段也存储在mongoDB数据库中。
知识建模:对各个文本片段分别进行知识建模,比如,利用Embedding模型对各个文本片段分别进行处理,得到各个文本片段的向量表示。将各个文本片段的向量表示存入Milvus数据库中。对于任一文本片段,将该任一文本片段的向量表示与该任一文本片段相关联。
关键词提取:对各个文本片段分别进行关键词提取,对于任一文本片段,将从该任一文本片段中提取的关键词与该任一文本片段相关。将从各个文本片段中提取的关键词存储至ES索引数据库。
问题建模:在获得到用户问题后,对用户问题进行建模,即获得用户问题的向量表示。
关键词提取:在获得到用户问题后,对用户问题进行关键词提取,得到用户问题中的关键词。
向量索引:基于用户问题的向量表示在Milvus数据库中查找与用户问题的向量表示相似的多个向量表示,作为向量索引结果。
关键词索引:将用户问题中的关键词,以及各个文本片段中的关键词输入ElasticSearch搜索引擎,以确定与用户问题关联度较大的文本片段中的关键词,作为关键词索引结果。
文本片段召回:根据向量索引结果中的多个向量表示在mongoDB数据库召回与用户问题关联的多个文本片段,构成第一文本片段集合;根据关键词索引结果中的多组关键词(每一组关键词对应一个文本片段)在mongoDB数据库召回与用户问题关联的多个文本片段,构成第二文本片段集合。
基于prompt生成模型输入,具体的:将预置的回复指示指令、召回的多个文本片段(即第一文本片段集合和第二文本片段集合)以及用户提问拼接后输入自然语言处理模型,得到自然语言处理模型生成的应答信息,即针对用户问题给出的答案。
与方法实施例相对应,本申请还提供一种人机交互装置,本申请实施例提供的人机交互装置的一种结构示意图如图5所示,可以包括:
获得模块501,查找模块502,应答模块503和输出模块504;其中,
获得模块501用于获得输入的交互信息;
查找模块502用于在文本库中查找与所述交互信息关联的多个文本片段;
应答模块503用于对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出模块504用于输出所述应答信息。
本申请实施例提供的人机交互装置,获得输入的交互信息后,在文本库中查找与交互信息关联的多个文本片段,对交互信息和多个文本片段进行处理,生成交互信息的应答信息,输出应答信息。由于应答信息是基于文本库中与交互信息关联的多个文本片段生成的,因此,应答信息中携带了文本库中多个文本片段中的知识内容,也就是说,本申请提供了一种自动从文本库中提取知识内容的方法,从而提高获得知识内容的效率。
在一可选的实施例中,所述查找模块502用于:
利用至少两种索引方式在所述文本库中查找与所述交互信息关联的多个文本片段;
其中,基于不同的索引方式在所述文本库中查找到的与所述交互信息关联的文本片段的数量相同或不同。
在一可选的实施例中,所述查找模块502用于:
基于所述交互信息的向量表示,以及所述文本库中的各个文本片段的向量表示,在所述文本库中查找与所述交互信息匹配的第一文本片段集合;所述第一文本片段集合中包含至少一个文本片段;
基于所述交互信息中的关键词,以及所述文本库中的各个文本片段的关键词,在所述文本库中查找与所述交互信息匹配的第二文本片段集合;所述第二文本片段集合中包含至少一个文本片段;
所述第一文本片段集合和所述第二文本片段集合构成所述多个文本片段。
在一可选的实施例中,所述应答模块503用于:
将回复指示指令、所述多个文本片段和所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
在一可选的实施例中,所述查找模块502用于:
基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息;基于所述完善后交互信息在所述文本库中查找与所述交互信息关联的多个文本片段;
所述应答模块503用于,对所述完善后交互信息和与所述完善后交互信息关联的多个文本片段进行处理,生成所述交互信息的应答信息。
在一可选的实施例中,所述查找模块502在基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息时用于:
将意图完善指示指令、所述历史对话信息以及所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述完善后交互信息。
在一可选的实施例中,所述应答模块503对所述完善后交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息时,用于:
将回复指示指令、与所述完善后交互信息关联的多个文本片段和所述完善后交互信息依次拼接后输入所述自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
在一可选的实施例中,所述输出模块504还用于:
输出所述多个文本片段。
在一可选的实施例中,所述装置还包括:
溯源模块,用于获得针对所述多个文本片段中的任一文本片段的原文档查询指令;响应于所述原文档查询指令,获得并输出所述任一文本片段所属的原文档。
在一可选的实施例中,所述装置还包括:
样例生成模块,用于基于所述多个文本片段生成多个交互样例;
所述输出模块504还用于:输出所述交互样例;
所述查找模块502还用于:如果获得针对任一交互样例的选择指令,在文本库中查找与所述任一交互样例关联的多个文本片段;
所述应答模块503还拥有对所述任一交互样例以及与所述任一交互样例关联的多个文本片段进行处理,生成所述任一交互样例的应答信息;
所述输出模块504还用于:输出所述任一交互样例的应答信息。
本申请实施例提供的人机交互装置可应用于人机交互设备,如PC终端、移动终端、云平台、服务器及服务器集群等。可选的,图6示出了人机交互设备的硬件结构框图,参照图6,人机交互设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获得输入的交互信息;
在文本库中查找与所述交互信息关联的多个文本片段;
对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出所述应答信息。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于:
获得输入的交互信息;
在文本库中查找与所述交互信息关联的多个文本片段;
对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出所述应答信息。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.一种人机交互方法,其特征在于,包括:
获得输入的交互信息;
在文本库中查找与所述交互信息关联的多个文本片段;
对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出所述应答信息。
2.根据权利要求1所述的方法,其特征在于,所述在文本库中查找与所述交互信息关联的多个文本片段,包括:
利用至少两种索引方式在所述文本库中查找与所述交互信息关联的多个文本片段;
其中,基于不同的索引方式在所述文本库中查找到的与所述交互信息关联的文本片段的数量相同或不同。
3.根据权利要求2所述的方法,其特征在于,所述利用至少两种索引方式在所述文本库中查找与所述交互信息关联的多个文本片段,包括:
基于所述交互信息的向量表示,以及所述文本库中的各个文本片段的向量表示,在所述文本库中查找与所述交互信息匹配的第一文本片段集合;所述第一文本片段集合中包含至少一个文本片段;
基于所述交互信息中的关键词,以及所述文本库中的各个文本片段的关键词,在所述文本库中查找与所述交互信息匹配的第二文本片段集合;所述第二文本片段集合中包含至少一个文本片段;
所述第一文本片段集合和所述第二文本片段集合构成所述多个文本片段。
4.根据权利要求1所述的方法,其特征在于,所述对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息,包括:
将回复指示指令、所述多个文本片段和所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
5.根据权利要求1所述的方法,其特征在于,查找所述多个文本片段以及生成所述交互信息的应答信息的过程,包括:
基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息;
基于所述完善后交互信息在所述文本库中查找与所述交互信息关联的多个文本片段;
对所述完善后交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息。
6.根据权利要求5所述的方法,其特征在于,所述基于历史对话信息对所述交互信息进行意图完善,得到完善后交互信息,包括:
将意图完善指示指令、所述历史对话信息以及所述交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述完善后交互信息。
7.根据权利要求5所述的方法,其特征在于,所述对所述完善后交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息,包括:
将回复指示指令、所述多个文本片段和所述完善后交互信息依次拼接后输入自然语言处理模型,得到所述自然语言处理模型生成的所述交互信息的应答信息。
8.根据权利要求1所述的方法,其特征在于,还包括:
输出所述多个文本片段。
9.根据权利要求8所述的方法,其特征在于,还包括:
获得针对所述多个文本片段中的任一文本片段的原文档查询指令;
响应于所述原文档查询指令,获得并输出所述任一文本片段所属的原文档。
10.根据权利要求1所述的方法,其特征在于,还包括:
基于所述多个文本片段生成多个交互样例;
输出所述交互样例;
如果获得针对任一交互样例的选择指令,在文本库中查找与所述任一交互样例关联的多个文本片段;
对所述任一交互样例以及与所述任一交互样例关联的多个文本片段进行处理,生成所述任一交互样例的应答信息;
输出所述任一交互样例的应答信息。
11.一种人机交互装置,其特征在于,包括:
获得模块,用于获得输入的交互信息;
查找模块,用于在文本库中查找与所述交互信息关联的多个文本片段;
应答模块,用于对所述交互信息和所述多个文本片段进行处理,生成所述交互信息的应答信息;
输出模块,用于输出所述应答信息。
12.一种人机交互设备,其特征在于,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1-10中任一项所述的人机交互方法的各个步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-10中任一项所述的人机交互方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310893553.3A CN116610775A (zh) | 2023-07-20 | 2023-07-20 | 人机交互方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310893553.3A CN116610775A (zh) | 2023-07-20 | 2023-07-20 | 人机交互方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116610775A true CN116610775A (zh) | 2023-08-18 |
Family
ID=87685810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310893553.3A Pending CN116610775A (zh) | 2023-07-20 | 2023-07-20 | 人机交互方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116610775A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243744A1 (en) * | 2007-04-02 | 2008-10-02 | Charlie Isaacs | Adaptive multi-channel answering service for knowledge management systems |
US20160196490A1 (en) * | 2015-01-02 | 2016-07-07 | International Business Machines Corporation | Method for Recommending Content to Ingest as Corpora Based on Interaction History in Natural Language Question and Answering Systems |
CN108920543A (zh) * | 2018-06-13 | 2018-11-30 | 珠海格力电器股份有限公司 | 查询和交互的方法及装置、计算机装置、存储介质 |
CN109829042A (zh) * | 2018-12-28 | 2019-05-31 | 北京科技大学 | 一种基于生物医学文献的知识问答系统及方法 |
CN110019750A (zh) * | 2019-01-04 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 呈现两个以上标准文本问题的方法和装置 |
CN111274483A (zh) * | 2020-01-19 | 2020-06-12 | 托普朗宁(北京)教育科技有限公司 | 关联推荐方法及关联推荐交互方法 |
CN112008723A (zh) * | 2020-08-21 | 2020-12-01 | 北京云迹科技有限公司 | 基于机器人问询的自助机业务办理的方法、装置及系统 |
CN112395420A (zh) * | 2021-01-19 | 2021-02-23 | 平安科技(深圳)有限公司 | 视频内容检索方法、装置、计算机设备及存储介质 |
CN112395385A (zh) * | 2020-11-17 | 2021-02-23 | 中国平安人寿保险股份有限公司 | 基于人工智能的文本生成方法、装置、计算机设备及介质 |
CN113032541A (zh) * | 2021-04-02 | 2021-06-25 | 同方知网(北京)技术有限公司 | 一种基于bert并融合句群检索的答案抽取方法 |
CN113220854A (zh) * | 2021-05-24 | 2021-08-06 | 中国平安人寿保险股份有限公司 | 机器阅读理解的智能对话方法及装置 |
CN114925174A (zh) * | 2022-06-07 | 2022-08-19 | 来也科技(北京)有限公司 | 文档检索方法、装置及电子设备 |
CN116414940A (zh) * | 2021-12-28 | 2023-07-11 | 中国移动通信有限公司研究院 | 标准问题的确定方法、装置及相关设备 |
-
2023
- 2023-07-20 CN CN202310893553.3A patent/CN116610775A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243744A1 (en) * | 2007-04-02 | 2008-10-02 | Charlie Isaacs | Adaptive multi-channel answering service for knowledge management systems |
US20160196490A1 (en) * | 2015-01-02 | 2016-07-07 | International Business Machines Corporation | Method for Recommending Content to Ingest as Corpora Based on Interaction History in Natural Language Question and Answering Systems |
CN108920543A (zh) * | 2018-06-13 | 2018-11-30 | 珠海格力电器股份有限公司 | 查询和交互的方法及装置、计算机装置、存储介质 |
CN109829042A (zh) * | 2018-12-28 | 2019-05-31 | 北京科技大学 | 一种基于生物医学文献的知识问答系统及方法 |
CN110019750A (zh) * | 2019-01-04 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 呈现两个以上标准文本问题的方法和装置 |
CN111274483A (zh) * | 2020-01-19 | 2020-06-12 | 托普朗宁(北京)教育科技有限公司 | 关联推荐方法及关联推荐交互方法 |
CN112008723A (zh) * | 2020-08-21 | 2020-12-01 | 北京云迹科技有限公司 | 基于机器人问询的自助机业务办理的方法、装置及系统 |
CN112395385A (zh) * | 2020-11-17 | 2021-02-23 | 中国平安人寿保险股份有限公司 | 基于人工智能的文本生成方法、装置、计算机设备及介质 |
CN112395420A (zh) * | 2021-01-19 | 2021-02-23 | 平安科技(深圳)有限公司 | 视频内容检索方法、装置、计算机设备及存储介质 |
CN113032541A (zh) * | 2021-04-02 | 2021-06-25 | 同方知网(北京)技术有限公司 | 一种基于bert并融合句群检索的答案抽取方法 |
CN113220854A (zh) * | 2021-05-24 | 2021-08-06 | 中国平安人寿保险股份有限公司 | 机器阅读理解的智能对话方法及装置 |
CN116414940A (zh) * | 2021-12-28 | 2023-07-11 | 中国移动通信有限公司研究院 | 标准问题的确定方法、装置及相关设备 |
CN114925174A (zh) * | 2022-06-07 | 2022-08-19 | 来也科技(北京)有限公司 | 文档检索方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6309644B2 (ja) | スマート質問回答の実現方法、システム、および記憶媒体 | |
Yang et al. | Efficiently answering technical questions—a knowledge graph approach | |
CN109726274B (zh) | 问题生成方法、装置及存储介质 | |
US11163936B2 (en) | Interactive virtual conversation interface systems and methods | |
CN110674271B (zh) | 一种问答处理方法及装置 | |
WO2015143239A1 (en) | Providing search recommendation | |
CN111310440A (zh) | 文本的纠错方法、装置和系统 | |
CN110147494B (zh) | 信息搜索方法、装置,存储介质及电子设备 | |
CN109948154B (zh) | 一种基于邮箱名的人物获取及关系推荐系统和方法 | |
CN113342958B (zh) | 问答匹配方法、文本匹配模型的训练方法和相关设备 | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN103177039A (zh) | 一种数据处理方法及装置 | |
US11379527B2 (en) | Sibling search queries | |
CN112507089A (zh) | 一种基于知识图谱的智能问答引擎及其实现方法 | |
CN110727769A (zh) | 语料库生成方法及装置、人机交互处理方法及装置 | |
CN117251455A (zh) | 一种基于大模型的智能报表生成方法及其系统 | |
CN109684357B (zh) | 信息处理方法及装置、存储介质、终端 | |
CN111488510A (zh) | 小程序相关词的确定方法、装置、处理设备及搜索系统 | |
CN110309258B (zh) | 一种输入检查方法、服务器和计算机可读存储介质 | |
CN103020311A (zh) | 一种用户检索词的处理方法及系统 | |
CN112800314B (zh) | 搜索引擎询问自动补全的方法、系统、存储介质及设备 | |
CN116610775A (zh) | 人机交互方法、装置、设备及存储介质 | |
US20230142351A1 (en) | Methods and systems for searching and retrieving information | |
CN111782958A (zh) | 推荐词确定方法、装置、电子装置及存储介质 | |
CN115600556B (zh) | 一种文档的目录信息推荐方法及系统 |
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 |