CN117726301A - 基于产线管理与Chat联合模型的智能决策系统 - Google Patents
基于产线管理与Chat联合模型的智能决策系统 Download PDFInfo
- Publication number
- CN117726301A CN117726301A CN202311808030.0A CN202311808030A CN117726301A CN 117726301 A CN117726301 A CN 117726301A CN 202311808030 A CN202311808030 A CN 202311808030A CN 117726301 A CN117726301 A CN 117726301A
- Authority
- CN
- China
- Prior art keywords
- decision
- chat
- user
- intention
- input information
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 14
- 239000000463 material Substances 0.000 claims abstract description 5
- 230000008451 emotion Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 10
- 238000000034 method Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术领域，公开了一种基于产线管理与Chat联合模型的智能决策系统，包括意图识别模块、智能决策模块和决策管理模块；意图识别模块用于采集用户的输入信息并根据输入信息获取用户意图；智能决策模块中设有Chat联合模型，Chat联合模型基于用户意图进行疑问解答或流程管理，并向用户反馈决策建议；决策管理模块中设有决策分析单元和修正单元；决策分析单元用于提取Chat联合模型进行疑问解答或流程管理时参考的材料信息形成决策轨迹并为反馈的决策建议附加可靠度标签；修正单元用于采集用户提问时间点前后的工作行为数据，以修正Chat联合模型的决策解答方向。本发明能够辅助员工进行工作决策和流程管理，且决策可靠度和准确度较高。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于产线管理与Chat联合模型的智能决策系统。
背景技术
随着人工智能和机器学习技术的发展，智能系统的应用越来越广泛。例如，许多企业的日常运营中均引入了智能管理系统，如SAP系统、OA系统、SaaS管理平台等。这些系统及平台能够帮助企业实现覆盖员工招聘、入职、薪酬管理、绩效管理等的全生命周期的闭环式数字化管理，为企业的高效运营提供了基础。
但是，上述系统大多聚焦于企业整体的客观事项管理，对于企业员工而言，仍存在许多事项属于系统辅助盲区。例如，企业员工通常会有一些特定的问题需要咨询特定部门或主管上级，这些问题可能是非常细节化的或是需要参照特定工作经验的，并且，由于部门及主管上级负责处理的事项较为繁杂，这些问题的答复耗时往往会比较长，以致于会影响到企业员工的工作效率。此外，企业员工在使用智能管理系统时，可能对许多功能的具体使用方式以及许多项目流程的处理方式存在疑问，需要反复查找、调阅对应的规章文件或是需要等待流程人员确认，工作效率易受影响的同时，较为耗费人力成本。
发明内容
本发明意在提供一种基于产线管理与Chat联合模型的智能决策系统，能够辅助员工进行工作决策和流程管理，且决策可靠度和准确度较高。
本发明提供的基础方案为：基于产线管理与Chat联合模型的智能决策系统，包括意图识别模块、智能决策模块和决策管理模块；
所述意图识别模块用于采集用户的输入信息并根据输入信息获取用户意图；所述用户意图包括工作问答型和流程管理型；所述智能决策模块中设有Chat联合模型，所述Chat联合模型基于用户意图进行疑问解答或流程管理，并向用户反馈决策建议；
所述决策管理模块中设有决策分析单元和修正单元；所述决策分析单元用于提取Chat联合模型进行疑问解答或流程管理时参考的材料信息，并形成决策轨迹，并基于决策轨迹为反馈的决策建议附加可靠度标签；所述修正单元用于采集用户提问时间点前后的工作行为数据，以修正Chat联合模型的决策解答方向。
本发明的工作原理及优点在于：
本发明提供的一种基于产线管理与Chat联合模型的智能决策系统，其中设置有智能决策模块，能够基于用户意图进行疑问解答或流程管理，并向用户反馈决策建议，进而能够辅助用户（例如企业员工）进行工作决策和流程管理，能够及时有效地反馈用户问题，有助于提高用户的工作效率，并能够进一步减少企业日常运营中所需花费的人力成本，减少员工在规章查找、流程确认等琐碎工作上耗费的时间。
此外，本方案中还特别设有决策分析单元和修正单元。其中，前者能够对Chat联合模型的决策轨迹进行监测和识别，并能够通过决策轨迹确认Chat联合模型所给出的决策结果的可靠度。这样设置，便于用户确认该决策建议的可行性、真实性等，避免了Chat联合模型误输出的看似有逻辑性的无依据答案或错误答案影响到用户的工作开展。后者则能够动态地结合用户的实际行为（用户提问时间点前后的工作行为数据）指导Chat联合模型调整决策解答方向，能够提高Chat联合模型的处理精准度，并且能够验证Chat联合模型生成的答案是否准确且有效，给人的使用体验感较好。
附图说明
图1为本发明基于产线管理与Chat联合模型的智能决策系统实施例一的结构示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明：
实施例一
实施例基本如附图1所示：基于产线管理与Chat联合模型的智能决策系统，包括意图识别模块、智能决策模块和决策管理模块。
所述意图识别模块用于采集用户的输入信息并根据输入信息获取用户意图；所述用户意图包括工作问答型和流程管理型。如：“xx表单需要如何填写”、“xx流程需要由哪些人员审批”、“xx合约的截止时间是什么时候”等输入信息均属于工作问答型；“请帮我催促xx流程”、“请将xx审批转由xxx处理”等输入信息均属于流程管理型。
所述获取用户意图包括，对输入信息进行语义识别并基于预设的意图关键词库，与输入信息进行关键词匹配；对输入信息进行依存语法关系识别，并结合匹配得到的关键词，识别得到用户意图。具体地，意图关键词库中存储有常用语义识别词库中的疑问词、介词、代词等常用词，以及，自主题词库中提取的词语。本实施例中，主题词库设定为工作用语词库，该词库中的词语可自企业的历史工作材料中识别提取。
以“xx表单需要如何填写”为例，意图识别模块在获取用户意图时，首先进行语义识别，将整体输入信息划分为数个实体信息（如“xx”、“表单”、“需要”、“如何”、“填写”）并进行词性标注。并基于意图关键词库进行关键词匹配，确认得到关键词为“表单”、“填写”和“如何”，并识别输入信息的依存语法关系为关键词“xx表单”与关键词“填写”之间存在动宾依存关系，进而确认用户意图为填写表单，并根据其余实体信息，将用户意图补足为填写xx表单，并且由于关键词中存在“如何”疑问词，则进一步确定用户意图为工作问答型，且具体意图为获取xx表单的填写方式。
所述意图识别模块在识别用户意图时，还对输入信息进行对话逻辑重构；在进行对话逻辑重构时，所述意图识别模块还采集用户的历史输入信息，并基于当前输入信息对应匹配得到的关键词，进行当前输入信息与历史输入信息的关联性分析，提取关联性大于80%的历史输入信息作为重构参考，对输入信息进行上下文补足及重构。此处以“xx表单需要如何填写”且用户的历史输入信息为“想要申请A项目需要填写什么表单”为例，则可将输入信息的上下文补足并重构为“用于申请A项目的xx表单需要如何填写”，这样设置，能够辅助智能决策模块进行更为精准的决策反馈，在某问题存在多个可能答案时（如存在数个同名的xx表单时），通过预先的输入信息关联与重构，能够更精准地定位用户意图，提高决策准确度。
所述智能决策模块中设有Chat联合模型，具体地，所述Chat联合模型包括由ChatGLM和ChatGPT联合而成的组合模型。所述智能决策模块中还设有训练单元；所述训练单元用于训练Chat联合模型。本实施例中，在训练Chat联合模型时，包括以下步骤：
步骤1，设置任务数据集；本实施例中，任务数据集设定为工作管理数据集，该数据集中包含有自企业内部系统及关联软件中收集的数据。如企业内部流程系统中的数据、钉钉云盘数据、行业报告数据、行业网站数据等。
步骤2，加载初始的Chat联合模型的原始权重；
步骤3，将任务数据集作为输入，以最小化模型在此数据集上的损失函数，并完成对模型的微调。
通过模型训练，可使得Chat联合模型更为贴合实际应用场景，且训练成本较低。
所述Chat联合模型基于用户意图进行疑问解答或流程管理，并向用户反馈决策建议。具体地，所述Chat联合模型还接入联合语料库，所述联合语料库中包括OwnThink知识图谱数据、NLPCC微博对话语料库、预制语料库等。所述预制语料库中包含有自企业内部系统（如ERP系统、MES系统等）和企业通信系统（如钉钉、飞书等）中提取得到的知识点集合、常用问题集合、企业规章制度集合和工作经验集合。优选地，所述常用问题集合中包括标准问题、相似问法、答案和关联问题。Chat联合模型在进行疑问解答时，基于联合语料库进行答案生成。进一步地，Chat联合模型在向用户反馈决策建议时，所述决策建议中包含对答案的附加说明，该附加说明主要从预制语料库的工作经验集合中学习得到。
所述Chat联合模型还基于预制语料库学习流程管理知识，并在接受到流程管理型的输入信息时，对对应流程的实时的流程状态（包括当前任务、已完成任务、未完成任务）、任务状态（包括任务完成状态、执行者、执行时间）和任务执行路径（包括执行路径状态、执行者、执行时间）等信息进行调用，并按输入信息执行流程发起、流程中断、流程催促、流程加急申请、任务分配、任务撤销或任务转移等动作。进一步地，Chat联合模型在向用户反馈决策建议时，所述决策建议中包含对该流程的流程效率、流程瓶颈及流程改进的总结性建议。
并且，所述Chat联合模型在反馈决策建议时，还进行认知引导；所述认知引导包括：基于决策建议生成话题拓展词以供用户选择。
所述决策管理模块中设有决策分析单元、特征分析单元、基础分析单元和修正单元。
所述决策分析单元用于提取Chat联合模型进行疑问解答或流程管理时参考的材料信息，并形成决策轨迹，并基于决策轨迹为反馈的决策建议附加可靠度标签。通过附加可靠度标签，便于用户确认该决策建议的可行性、真实性等，避免Chat联合模型误输出的看似有逻辑性的无依据答案或错误答案影响到用户的工作开展。
所述修正单元用于采集用户提问时间点前后的工作行为数据，以修正Chat联合模型的决策解答方向。具体地，本实施例中，所述修正单元与企业内部系统通信并通过企业内部系统采集用户的工作行为数据。根据提问时间点前的工作行为数据，与输入信息中的关键词进行模糊匹配并输出匹配度高于90%的匹配结果，对应地，在Chat联合模型进行疑问解答或流程管理的过程中，提高匹配结果对应语料的参考比例。根据提问时间点后的工作行为数据，与提问时间点的输入信息及Chat联合模型对应生成的答案进行模糊匹配，若匹配度大于75%，则不做处理；若匹配度小于75%，则基于提问时间点后的工作行为数据，调用与之对应的语料，并对此前Chat联合模型对应生成的答案进行二次生成，并附加在决策建议中用作参考。
本方案这样设置，能够动态地结合用户的实际行为指导Chat联合模型调整答复或流程处理方向，能够提高Chat联合模型的处理精准度，并且能够验证Chat联合模型生成的答案是否准确且有效，并即时给出补充建议，给人的使用体验感较好。
所述特征分析单元用于分析用户意图的情感偏向性，并根据情感偏向性对Chat联合模型生成的决策建议进行调整；当用户意图的情感偏向性显示为负面时，基于预设的积极语模板，对决策建议的文本进行二次生成；当用户意图的情感偏向性显示为正面时，则不做处理。
具体地，在分析用户意图的情感偏向性时，基于预设的负面词汇语料库，对输入信息的文本特征进行匹配识别，进而得到用户意图的情感偏向性。当文本特征与负面词汇语料库的匹配度高于80%时，则判定为用户意图的情感偏向性显示为负面，反之则为正面。
本方案这样设置，系统能够智能分析用户的情感偏向性，并通过对Chat联合模型生成的答案文本进行二次重构，能够使得生成的答案能够具有一定的正向情感导向作用。
所述基础分析单元用于采集用户的基本信息；所述基本信息包括用户的职级和用户所属的业务板块；所述修正单元在修正Chat联合模型的决策解答方向时，还参照用户的基本信息进行修正。具体地，在企业实际运营中，不同职级人员及不同业务板块的人员对应需参照的规章往往存在差别，修正单元在修正Chat联合模型的决策解答方向时，则参照用户的基本信息，即根据用户的职级和用户所属的业务板块，对Chat联合模型参考的语料进行筛选，并优先筛选符合用户的职级和用户所属的业务板块的语料参与Chat联合模型的决策及答案生成。本方案这样设置，能够进一步保证模型生成的答案符合用户的实际需求情况，并能够贴合用户所属企业的实际规章要求，决策可靠度较高。
本实施例提供的一种基于产线管理与Chat联合模型的智能决策系统，能够辅助员工进行工作决策和流程管理，且决策可靠度和准确度较高。
实施例二
基于产线管理与Chat联合模型的智能决策系统，在实施例一的基础上，还包括评价模块。
所述评价模块包括决策评价单元和个人评价单元。所述决策评价单元用于采集用户对Chat联合模型输出的决策结果（包括疑问解答答案、流程管理结果和反馈的决策建议）的评价数据，本实施例中可包括对决策方向、决策细致度、决策准确度、决策可靠度、决策有效度等的打分。
所述个人评价单元用于采集用户的历史输入信息，并统计用户输入信息对应的所属的事项类型，如询问绩效考核规则、询问项目申请规则、调整A项目流程等。优选地，个人评价单元还周期性地（如一月一次、一周一次等）输出用户的提问报告，报告中展示上述事项类型信息。
本实施例提供的一种基于产线管理与Chat联合模型的智能决策系统，能够采集并提供双向的评价数据，包括用户对系统的评价以及系统对用户的评价，并能够基于评价数据为系统的决策性能提升及为用户的工作能力提升提供一定的数据参考。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。
Claims (8)
1.基于产线管理与Chat联合模型的智能决策系统，其特征在于，包括意图识别模块、智能决策模块和决策管理模块；
所述意图识别模块用于采集用户的输入信息并根据输入信息获取用户意图；所述用户意图包括工作问答型和流程管理型；所述智能决策模块中设有Chat联合模型，所述Chat联合模型基于用户意图进行疑问解答或流程管理，并向用户反馈决策建议；
所述决策管理模块中设有决策分析单元和修正单元；所述决策分析单元用于提取Chat联合模型进行疑问解答或流程管理时参考的材料信息，并形成决策轨迹，并基于决策轨迹为反馈的决策建议附加可靠度标签；所述修正单元用于采集用户提问时间点前后的工作行为数据，以修正Chat联合模型的决策解答方向。
2.根据权利要求1所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述获取用户意图包括，对输入信息进行语义识别并基于预设的意图关键词库，与输入信息进行关键词匹配；对输入信息进行依存语法关系识别，并结合匹配得到的关键词，识别得到用户意图。
3.根据权利要求1所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述智能决策模块中还设有训练单元；所述训练单元用于训练Chat联合模型。
4.根据权利要求3所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述Chat联合模型包括由ChatGLM和ChatGPT联合而成的组合模型。
5.根据权利要求1所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述决策管理模块中还设有特征分析单元；所述特征分析单元用于分析用户意图的情感偏向性，并根据情感偏向性对Chat联合模型生成的决策建议进行调整；当用户意图的情感偏向性显示为负面时，基于预设的积极语模板，对决策建议的文本进行二次生成；当用户意图的情感偏向性显示为正面时，则不做处理。
6.根据权利要求1所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述决策管理模块中还设有基础分析单元；所述基础分析单元用于采集用户的基本信息；所述基本信息包括用户的职级和用户所属的业务板块；所述修正单元在修正Chat联合模型的决策解答方向时，还参照用户的基本信息进行修正。
7.根据权利要求2所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述意图识别模块在识别用户意图时，还对输入信息进行对话逻辑重构；在进行对话逻辑重构时，所述意图识别模块还采集用户的历史输入信息，并基于当前输入信息对应匹配得到的关键词，进行当前输入信息与历史输入信息的关联性分析，提取关联性大于80%的历史输入信息作为重构参考，对输入信息进行上下文补足及重构。
8.根据权利要求1所述的基于产线管理与Chat联合模型的智能决策系统，其特征在于，所述Chat联合模型在反馈决策建议时，还进行认知引导；所述认知引导包括：基于决策建议生成话题拓展词以供用户选择。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311808030.0A CN117726301A (zh) | 2023-12-26 | 2023-12-26 | 基于产线管理与Chat联合模型的智能决策系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311808030.0A CN117726301A (zh) | 2023-12-26 | 2023-12-26 | 基于产线管理与Chat联合模型的智能决策系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117726301A true CN117726301A (zh) | 2024-03-19 |
Family
ID=90203335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311808030.0A Pending CN117726301A (zh) | 2023-12-26 | 2023-12-26 | 基于产线管理与Chat联合模型的智能决策系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117726301A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111653262A (zh) * | 2020-08-06 | 2020-09-11 | 上海荣数信息技术有限公司 | 一种智能语音交互系统及方法 |
| WO2021261617A1 (ko) * | 2020-06-25 | 2021-12-30 | 한국과학기술원 | 대화 의도 실시간 분석 방법 |
| CN115186678A (zh) * | 2022-08-08 | 2022-10-14 | 浙江力石科技股份有限公司 | 一种智能问答系统中提问的情感倾向分析方法和系统 |
| CN115238101A (zh) * | 2022-09-23 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种面向多类型知识库的多引擎智能问答系统 |
| CN115691557A (zh) * | 2022-09-07 | 2023-02-03 | 平安付科技服务有限公司 | 一种基于情绪识别的智能客服系统、方法、介质及设备 |
| CN116501873A (zh) * | 2023-04-26 | 2023-07-28 | 程新泉 | 一种基于ChatGpt及其他深度模型建立文本分析框架的方法 |
-
2023
- 2023-12-26 CN CN202311808030.0A patent/CN117726301A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021261617A1 (ko) * | 2020-06-25 | 2021-12-30 | 한국과학기술원 | 대화 의도 실시간 분석 방법 |
| CN111653262A (zh) * | 2020-08-06 | 2020-09-11 | 上海荣数信息技术有限公司 | 一种智能语音交互系统及方法 |
| CN115186678A (zh) * | 2022-08-08 | 2022-10-14 | 浙江力石科技股份有限公司 | 一种智能问答系统中提问的情感倾向分析方法和系统 |
| CN115691557A (zh) * | 2022-09-07 | 2023-02-03 | 平安付科技服务有限公司 | 一种基于情绪识别的智能客服系统、方法、介质及设备 |
| CN115238101A (zh) * | 2022-09-23 | 2022-10-25 | 中国电子科技集团公司第十研究所 | 一种面向多类型知识库的多引擎智能问答系统 |
| CN116501873A (zh) * | 2023-04-26 | 2023-07-28 | 程新泉 | 一种基于ChatGpt及其他深度模型建立文本分析框架的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10839404B2 (en) | Intelligent, interactive, and self-learning robotic process automation system | |
| US8170880B2 (en) | Systems and methods for monitoring speech data labelers | |
| CN111090730B (zh) | 智能语音调度系统及方法 | |
| KR102504562B1 (ko) | Ai에 의한 재난안전지식 통합관리시스템 | |
| CN110287482B (zh) | 半自动化分词语料标注训练装置 | |
| US10810511B2 (en) | Data input in an enterprise system for machine learning | |
| CN108932278B (zh) | 基于语义框架的人机对话方法及系统 | |
| CN113672698B (zh) | 一种基于表达分析的智能面试方法、系统、设备和存储介质 | |
| CN110543951B (zh) | 一种铁路桥梁检养修虚拟助理系统 | |
| CN114186983B (zh) | 视频面试多维评分方法、系统、计算机设备及存储介质 | |
| CN110516057A (zh) | 一种信访问题答复方法及装置 | |
| Ciravegna et al. | LearningPinocchio: Adaptive information extraction for real world applications | |
| CN117709357A (zh) | 一种基于大语言模型的ai智能机器人交互处理方法和装置 | |
| CN111612437A (zh) | 一种审计作业指导方法及装置 | |
| CN117726301A (zh) | 基于产线管理与Chat联合模型的智能决策系统 | |
| CN117931996A (zh) | 一种基于大语言模型开发的b端ai招聘方法 | |
| CN117312521A (zh) | 用于智能客服对话的处理方法及相关产品 | |
| CN110502675A (zh) | 基于数据分析的语音拨叫用户分类方法及相关设备 | |
| CN112035632B (zh) | 一种适用于多对话机器人协作任务的择优分发方法和系统 | |
| CN111309306B (zh) | 人机交互的对话管理系统 | |
| CN114860901A (zh) | 一种基于古籍信息的知识图谱构建方法及问答系统 | |
| CN113673232B (zh) | 文本标注方法、装置、设备及介质 | |
| CN117875921B (zh) | 基于人工智能的人力资源管理方法和系统 | |
| CN117149983B (zh) | 基于高速公路业务智能对话的方法、装置及设备 | |
| CN118245528B (zh) | 应用深度学习算法的智能培训业务数据挖掘方法及系统 |
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 |