JP2023043160A - システム、コンピュータ実装方法およびコンピュータプログラム製品(外部イベントに関連する会話システムコンテンツ) - Google Patents
システム、コンピュータ実装方法およびコンピュータプログラム製品(外部イベントに関連する会話システムコンテンツ) Download PDFInfo
- Publication number
- JP2023043160A JP2023043160A JP2022139462A JP2022139462A JP2023043160A JP 2023043160 A JP2023043160 A JP 2023043160A JP 2022139462 A JP2022139462 A JP 2022139462A JP 2022139462 A JP2022139462 A JP 2022139462A JP 2023043160 A JP2023043160 A JP 2023043160A
- Authority
- JP
- Japan
- Prior art keywords
- chatbot
- logs
- intents
- training
- computer
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/865—Monitoring of software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Saccharide Compounds (AREA)
Abstract
【課題】外部イベントに関連する会話システムコンテンツのためのシステム、コンピュータ実装方法およびコンピュータプログラム製品を提供する。【解決手段】方法は、チャットボットのログを受信することと、チャットボットのログを、潜在的インテントのクラスタにクラスタリング又は分類することと、トレンドトピックを、少なくともソーシャルメディアのコンテンツを分析することによって検出することとと、潜在的インテントとトレンドトピックとの間の意味的類似性を計算することと、計算された意味的類似性に基づいて、トレンドトピックの少なくとも1つに対する潜在的インテントの少なくとも1つを相関させることと、相関付けられた潜在的インテントに関連するチャットボットのログを使用してチャットボットの訓練を開始することと、を実行する。【選択図】図7
Description
本願は、一般にコンピュータおよびコンピュータアプリケーションに関し、より詳細には、会話システム、チャットボット、機械学習および自然言語処理に関するものである。
コンピュータに実装されたプロセスは、例えば人工知能技術を使用して、ユーザとの会話に従事するために実装することができる。例えば、チャットボットは、コンピュータアプリケーションまたはプロセスの一例であり、ユーザ(例えば、人間のユーザ)とライブ会話またはチャットを行うことができる。チャットボットは、知的に会話を行い、質問に対する答えを提供できるように開発することができる。例えば、チャットボットのユーザは、チャットボットを使用して、質問に答えるなどのタスクを実行することができる。インテントとは、チャットボットのユーザが実行したいタスク、動作、目標を表す。チャットボットはインテントを基に訓練され、その目標やタスクを実行するためにチャットボットのユーザと会話することができる。訓練データを作成するためにインテントを探すのは難しい作業で、実行可能なインテントが見落とされることもよくある。
外部イベントに関連する会話システムコンテンツのためのシステム、コンピュータ実装方法およびコンピュータプログラム製品を提供する。
本開示の概要は、自動会話システムを改善するコンピュータシステムおよび方法の理解を助けるために与えられており、本開示または本発明を限定する意図で与えられているのではない。本開示の様々な態様及び特徴は、有利には、ある実施例では別々に、又は他の実施例では本開示の他の態様及び特徴と組み合わせて使用され得ることを理解されたい。したがって、異なる効果を達成するために、コンピュータシステムもしくはその動作方法またはその両方に変形及び修正を加えることができる。
システムは、一態様において、ハードウェアプロセッサと、ハードウェアプロセッサに結合されたメモリデバイスとを含むことができる。ハードウェアプロセッサは、ユーザと会話するチャットボットによって受け取った質問を少なくとも含むチャットボットのログを受信するように構成することができる。ハードウェアプロセッサはまた、チャットボットのログを潜在的インテントのクラスタにクラスタリングするように構成することができる。ハードウェアプロセッサは、少なくともソーシャルメディアのコンテンツを分析することによって、トレンドトピックを検出するように構成することもできる。ハードウェアプロセッサは、潜在的インテントとトレンドトピックとの間の意味的類似性を計算するように構成することもできる。ハードウェアプロセッサは、計算された意味的類似性に基づいて、潜在的インテントの少なくとも1つをトレンドトピックの少なくとも1つに相関付けるように構成することもできる。ハードウェアプロセッサは、相関付けられた潜在的インテントに関連するチャットボットのログを使用してチャットボットの訓練を開始するように構成することもできる。
また、一態様において、方法は、ユーザと会話するチャットボットによって受け取った質問を少なくとも含むチャットボットのログを受信することを含むことができる。本方法はまた、チャットボットのログを潜在的インテントのクラスタにクラスタリングすることを含むことができる。本方法は、少なくともソーシャルメディアのコンテンツを分析することによってトレンドトピックを検出することも含むことができる。本方法は、潜在的インテントとトレンドトピックとの間の意味的類似性を計算することも含むことができる。本方法は、計算された意味的類似性に基づいて、潜在的インテントの少なくとも1つをトレンドトピックの少なくとも1つに相関付けることも含むことができる。本方法は、相関付けられた潜在的インテントに関連するチャットボットのログを使用してチャットボットの訓練を開始することも含むことができる。
本明細書に記載された1つまたは複数の方法を実行するために機械によって実行可能な命令のプログラムを記憶するコンピュータ可読記憶媒体も提供されてよい。
さらなる特徴、ならびに様々な実施形態の構造および動作を、添付の図面を参照して以下に詳細に説明する。図面において、同様の参照番号は、同一または機能的に類似の要素を示す。
ユーザとの会話におけるチャットボットを自動化し、改善することができる、システム、方法、及び技術が開示される。一態様において、システムもしくは方法またはその両方は、例えば、メディアのトレンドトピックと、コンピュータ-ユーザ又はチャットボットの対話ログから集約された質問との組み合わせを使用することによって、チャットボットのインテントの自動作成を提供することがある。例えば、自動インテントは、会話ログとメディアのトレンドトピックとの相関関係に基づいて作成することができる。通話ログにおいて、あるトピックに関する質問の増加がメディア出現の増加と相関する場合、システムもしくは方法またはその両方は、例えば、新しい質問が通話ログに殺到する前に、新しい質問又はそれらのトピックに関連する質問に回答するためにチャットボットを準備する自動インテントを作成することがある。このような自動化は、新しいインテントを作成するプロセスをスピードアップし、ドメイン関連のチャットボットを開発する際に明らかでない外部の知識を取り入れることができる。
チャットボット(ボットとも呼ばれる)は、コンピュータ、例えば、ソフトウェア、ファームウェア、もしくはプログラムされたハードウェアまたはこれらの組み合わせ上で動作する自動コンピュータプロセスであって、人間のユーザ又は別の自動コンピュータプロセスとの会話を行うことができる。チャットボットは、機械学習(ML)及び自然言語処理(NLP)などの人工知能技術を使用してプログラムすることができる。会話は、テキストもしくは音声またはその両方を介して実行することができる。チャットボットは、質問に答える、ある動作を行うためのガイダンス又は指示を提供する、もしくはその他またはその組み合わせなどの会話を行うことによって、ユーザと対話することができる自動化されたコンピュータプロセスであり得る。
チャットボットは、インテントを含むことができる訓練データを用いて、1つまたは複数の機械学習技術を使用して訓練することができる。インテントは、タスク、動作、または目標、例えば、チャットボットのユーザがチャットボットを使用して達成しようとしている目標、例えば、特定の質問に答えるなど、チャットボットのユーザがチャットボットに実行させたい目標を表す。チャットボットは、ユーザが探している結果または情報を提供するために、そのインテント(例えば、人間の意図)を理解するように訓練することができる。チャットボットの開発者は、特定のタスクに対する発話(会話ログ)に基づいてインテントを作成することができる。インテントの大きなセット(例えば、チャットボットが処理できるタスク)は、チャットボットをより堅牢にすることができる。インテントの例としては、特定の健康保険に関する質問に答える、食べ物を注文する、旅行の予約をする、チケットを購入する、ステータスを確認する、もしくはその他またはこれらの組み合せを含むことができるが、これらに限定されない。
1つまたは複数の実施形態において、システムもしくは方法またはその両方は、オープンワールドのコンテキストに対処することができる、チャットボット又は自動化されたコンピュータプロセスを提供することができる。例えば、ユーザは任意の質問をすることができ、チャットボットのコンテンツ(インテント)は、ユーザの質問をカバーするように更新され、例えば、ユーザと会話することができる、より知的なチャットボットを提供し、ユーザ体験をさらに向上させることが可能である。例えば、より一般的になるユーザの質問をカバーするためにチャットボットのインテントは更新され、動的な環境を提供することができる。さらに、外部のイベントやニュースがきっかけとなって、ユーザから尋ねられる質問が記録されることもある。チャットボットの更新は、例えば、ユーザ体験を損なわないように、動的にかつ迅速に行うことができる。
実施形態において、一態様のシステムは、外部イベントに関連するチャットボットのログ投稿を検出することによって、チャットボットの開発者又は内容領域専門家(SME)がチャットボットのコンテンツを更新することを支援することができる。システムは、チャットボットのログから抽出された、どの質問またはメッセージが、所定のイベントまたは外部イベントに関連しているかを、開発者またはSMEに提供または指摘することができる。開発者は、例えば、自動的に作成された新しいインテントを含めるかどうか、もしくはどのメッセージをトレーニング例として使用するかまたはその両方を決定するために、そのようなメッセージを検査するように引き起こされる又は促されることができる。システムは、回答コンテンツを作成するために有用なテキストの編集を支援することもできる。システムは、チャットボットのログと外部イベントに基づいて新しいインテントを提案することにより、チャットボットのコンテンツをキュレーションし、更新するプロセスを加速することができる。
図1は、実施形態におけるシステムフローを示す図である。図示されたコンポーネントは、例えば、1つまたは複数のコンピュータ又はハードウェアプロセッサ上で実装もしくは実行またはその両方がされる、又は1つまたは複数のハードウェアプロセッサと結合される、コンピュータ実装のコンポーネントを含む。1つまたは複数のハードウェアプロセッサは、例えば、プログラマブルロジックデバイス、マイクロコントローラ、メモリデバイス、もしくは他のハードウェアコンポーネントまたはこれらの組み合せなどのコンポーネントを含んでもよく、これらは、本開示において説明されるそれぞれのタスクを実行するように構成されてもよい。結合されたメモリデバイスは、1つまたは複数のハードウェアプロセッサによって実行可能な命令を選択的に格納するように構成されてもよい。
プロセッサは、中央処理装置(CPU)、グラフィックス処理装置(GPU)、フィールドプログラマブルゲートアレイ(FPGA)、特定用途向け集積回路(ASIC)、他の適切な処理コンポーネント又は装置、又はそれらの1つまたは複数の組み合わせであってもよい。プロセッサは、メモリデバイスと結合されてもよい。メモリデバイスは、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)又は別のメモリデバイスを含んでもよく、本明細書に記載される方法もしくはシステムまたはその両方に関連する様々な機能性を実装するためのデータもしくはプロセッサ命令またはその両方を格納してもよい。プロセッサは、メモリに格納された、又は別のコンピュータ装置もしくは媒体から受信したコンピュータ命令を実行してもよい。
実施形態では、検出相関コンポーネント又はモジュール102は、現実世界からのトレンドトピック106に関連付けられたチャットボットのログ104の検出を処理する。1つまたは複数のチャットボットを実行するコンピュータシステム又はチャットボットアプリケーションは、1つまたは複数のチャットボット(仮想アシスタントとも呼ばれる)108と1つまたは複数のエンドユーザ110との間で発生する会話に基づいてチャットボットのログ104を作成又は生成することができる。検出相関コンポーネント102は、トレンドトピック106に関連するチャットボットのログ104を発見する。
チャットボットのログ104と現実世界のトレンドトピック106との相関関係を発見することに応答して、相関するチャットボットのログ及びトレンドトピックは、例えば、キュレーショングラフィカルユーザインターフェース(GUI)114上で開発者又はSME又は別のユーザ112に提示することができる。一態様では、例えば、相関するチャットボットのログ及びトレンドトピックを分析することに基づいて、インテントを自動的に発見することができる。例えば、チャットボットのログ及びトレンドトピックに共通する、共通のテーマ又は主題(例えば、トピック)を発見又は特定することができる。
GUI114を介して、SME112などは、新しいインテントを作成するために使用することができる可能な新しいトピック及び関連するチャットボットのログサンプルを視覚化することがある。GUI114は、ユーザ、例えば、SME112が、結果を修正し、新しいインテントを追加することを可能にすることができる。例えば、116で示すように、GUI114を介してSME112は、モジュール102によって検出され、GUI114を介してユーザに提示された新しいインテントを追加することを決定することができる。新しいインテントを追加する場合、システムは、例えば、リアルタイムでチャットボット(仮想アシスタントとも呼ばれる)108を更新することができる。
実施形態において、システムは、チャットボット108に含まれる回答を形成するのに有用なコンテンツをもたらすことができる。実施形態において、検出相関モジュール102によって解放されたトリガーは、例えば、現在のイベントまたはメディアにおいて相関するチャットボットおよびトレンドトピックを見つけることに応答して、SME112などがアクセスするためのキュレーションGUI114を自動的に開始または実行し、開くことができる。別の態様では、キュレーションGUI114は、例えば、SME等によって手動で実行または開くことができる。
図2は、実施形態における検出相関コンポーネントまたはモジュールの詳細な処理を示す図である。検出相関コンポーネントまたはモジュール(例えば、図1の102)は、1つまたは複数のハードウェアプロセッサ上で、またはそれによって実行される、自動化されたコンピュータプロセスまたはプロセスまたはスレッドを含む。検出相関コンポーネント又はモジュールは、複数のプロセス又はスレッドを有してよく、これらは、例えば、並列処理を実行し、並列に実行されることができる。実施形態において、チャットボットのログ202は、文の埋め込みなどの意味的特徴を用いて、K‐meansもしくはDBSCANまたはその両方などのクラスタリングアルゴリズムを考慮することによって、204において、クラスタリングすることができる。このクラスタリングプロセスの最終結果は、チャットボットのログのクラスタ206のセットであり得る。例えば、チャットボットのログは、共通のインテント、例えば、テーマ、トピック、又は主題に従ってクラスタにクラスタリングすることができる。例えば、同じクラスタ内のチャットボットのログは、同じインテントを有する。
実施形態において、別のコンピュータプロセスまたはスレッドは、現実世界で発生し、ニュースウェブサイト、ソーシャルネットワークなどでコメントされるトピック208を監視し、特定のドメインに関連付けることができるトレンドトピックを検出することができる。例えば、コンピュータプロセスは、ソーシャルメディアの投稿またはフィード、ニュースの投稿またはフィード、もしくはそのような他の現在のイベントのフィードまたはこれらの組み合せを検出することができる。1つまたは複数の分析ツールを使用して、そのような投稿、フィード、もしくは他のコンテンツまたはこれらの組み合せからトレンドトピックを決定又は抽出することができる。そのような分析の結果は、例えば、トピックの視覚化などの情報210を含むことができ、SMEは、どのトピックがより高い増加傾向を有するかを見ることができる。他の測定基準として、例えば、トピックがソーシャルメディアにおいてどのように量が増えているか、例えば、メンションの数を比較することを示すことができる。
実施形態において、モジュールまたはプロセス212は、トレンドトピック208とチャットボットのログのクラスタ206との間の意味的類似性を計算し、所定のクラスタ214に相関するトピックのリストがあれば、それを出力することが可能である。簡単に説明すると、意味的類似性は、アイテム(例えば、トレンドトピック及びチャットボットのログ)間の距離を、それらの意味又は意味的内容の類似性に基づいて計算してもよい。実施形態において、意味的類似性は、例えば、最頻出語又は文埋め込みを考慮することによって計算されることができる。一例として、モジュールまたはプロセス212は、bag of words技術を使用して、チャットボットのログ及び分析された現在のイベント又はメディアコンテンツ210において使用される類似の単語の数を比較することができる。別の例として、モジュール又はプロセス212は、意味的類似性を計算するために、トランスフォーマーによる双方向のエンコード表現(BERT)ベースのモデルなど、ニューラルネットワークベースの機械学習モデルを使用することができる。さらに別の例として、モジュールまたはプロセス212は、オントロジーまたは知識グラフを使用して、意味的類似性を計算することができる。チャットログのコンテンツとトレンドトピックとの間の意味的類似性を決定するために、別の技術を使用することができる。例えば、任意の他の自然言語処理もしくは、機械学習もしくは人工知能技術またはこれらの組み合せを使用することができる。一態様において、グラフィック処理装置(GPU)などのコプロセッサは、1つまたは複数の意味的類似性計算アルゴリズムを実行することができる。
図3は、実施形態におけるチャットボットのログをインテントによってクラスタリングする処理又は方法を示すフロー図である。本方法は、1つまたは複数のハードウェアプロセッサ上に実装され、もしくは1つまたは複数のハードウェアプロセッサによって実行されることができる。例えば、図3もしくは図4またはその両方に示される処理は、図2を参照して説明した検出相関モジュールの機能性であることができる。図3に示される処理は、図4に示される処理と並行して実行することができる。
302において、チャットボットのログを収集することができる。チャットボットのログの収集は、例えば、チャットボットがユーザと会話しているときに、リアルタイムで実行することができる。また、収集されるチャットボットのログは、以前の会話から保存されたものを含むことができる。
304において、クラスタリング方法または技術を選択することができる。実施形態では、分類またはクラスタリングのための1つまたは複数の教師なし機械学習技術を使用または実装することができる。例としては、K‐meansおよびノイズのあるアプリケーションの密度準拠空間クラスタリング(DBScan)が挙げられるが、これらに限定されるものではない。
306において、選択されたクラスタリング方法又は技術は、収集されたチャットボットのログ又はデータに対して適用又は実行することができる。選択されたクラスタリング方法は、チャットボットのログをインテントのグループにクラスタリングする。例えば、同じクラスタ内のチャットボットのログは、同じ又は類似のインテントを有する。
308で、クラスタは、例えば、潜在的インテントのデータベースまたはリポジトリとして、ストレージまたはメモリデバイスに格納される。ログのインテントのクラスタリングの処理は、より多くのチャットボットのログが生成もしくは追加またはその両方がされるにつれて繰り返すことができる。例えば、処理は、追加のチャットボットのログをクラスタリングするために、302に繰り返し戻ることができる。308におけるインテントのデータベースは、蓄積された潜在的インテントを格納することができる。
図4は、実施形態において、インテントを発見する処理又は方法を示すフロー図である。本方法は、1つまたは複数のハードウェアプロセッサ上に実装され、もしくは、1つまたは複数のハードウェアプロセッサによって実行されることができる。図4に示される処理は、図3に示される処理と並行して実行することができる。402において、例えば、現在のイベントに関する情報を含むことができるソーシャルメディア、ニュースもしくは他の文書またはコンテンツ、またはこれらの組み合せは、トレンドトピックを決定又は検出するために分析することができる。このようなソーシャルメディア又は文書からトレンドトピックを抽出するために、1つまたは複数の既知の技術を使用することができる。
404において、増加しているトピックをコンテキストによって検出することができる。トレンドになっているまたは増加しているトピックは、最も重要なトピックである必要はない。例えば、キーワード、ハッシュタグ、メンション、もしくは他のタグまたはこれらの組み合せを、ソーシャルメディア、ニュース、もしくはその他またはこれらの組み合せのような利用可能なオンラインコンテンツにおいて追跡し、人気が増加している又は増加しているトピックを検出することが可能である。例えば、時間(例えば、時間帯)経過とともに、より多くのユーザ、プレーヤまたは人口によってより多く議論されるトピックを検出することができる。例として、人々がソーシャルメディアなどで、ある話題について議論または投稿し始め、その話題が急増し、その後すぐに、例えば数日で消えてしまうことがある。一方、人々が議論又は投稿する他の1つまたは複数のトピックが存在し、そのトピックがソーシャルメディア等で増加し始め、そのようなトピックに関する質問がチャットボットサービスに現れて増加することもあり得る。実施形態では、ソーシャルメディア、ニュースもしくは他のコンテンツまたはこれらの組み合せにおけるトピックのこのような増加は、チャットボットのログにおけるトピックに関する質問の増加と相関させることができる。既知のまたは利用可能な人工知能または他のツールを利用または実装して、1つまたは複数のトレンドまたは増加するトピックを検出することができる。他の方法を利用することも可能である。
406において、トピックは関連性によって分類されることができる。例えば、関連するまたは類似するトピックは、同じ分類に分類されてもよい。一態様において、知識グラフまたはデータベース410は、トピックの関連性および類似性のチェックに使用することができる。知識グラフ410は、例えば、関連する概念のオントロジーのような構造化された知識を格納することができる。知識グラフ410は、例えば、類似性を決定する際に使用するための1つまたは複数の閾値など、意味的類似性を決定する際に使用される情報を含むこともできる。
408において、潜在的インテントのデータベース412が、例えば、図3を参照して説明したように、チャットボットのログをクラスタリングすることによって生成された潜在的インテントを取得するためにアクセスされ得る。インテントと、406で決定されたトピックとの間の意味的類似性が計算される。例えば、チャットボットのログにおけるインテントとトレンドトピックは、例えば、90%類似、80%類似などの類似性の閾値を満たすことに基づいて、意味的に類似すると判定することができる。類似性の閾値は、予め定義されることができ、または設定されることができ、調整可能である。
414において、インテントと類似性閾値を満たしたトピックを相関させる。類似性閾値は、予め定義される、または予め設定されることができる。相関されたインテントが抽出されたチャットボットのログも特定される。相関されたインテント及び関連するチャットボットのログは、提案された新しいインテント及び訓練例として、例えば、記憶装置又はメモリデバイス416に格納することができる。
実施形態において、新しいインテント、例えば、トレンドトピックに相関するが、チャットボットが以前にカバーしていなかったチャットボットのログ内のインテントを発見することは、自動的にGUIを始動させて動作を実行することができる。例えば、GUIまたは別のプログラムを自動的に実行または開き、開発者などが新しいインテントを評価できるようにすることができる。例えば、418において、GUIは、新しいインテントを提示し、開発者が、提案された新しいインテントを分析し、修正し、受け入れ、もしくは拒否またはこれらの組み合せをすることを可能にすることができる。開発者が420において、新しいインテントを受け入れた場合、422において、システム(例えば、図4に示す本方法の論理を実行するコンピュータプロセッサ)は、新しいインテントを処理できるように、チャットボット424を更新することがある。例えば、チャットボット424は、新しいインテントと、チャットボットのログ内の関連する例示的な対話とに基づいて、新しいインテントに関連する質問又はメッセージを処理できるように、さらに訓練することができる。
実施形態において、新しいインテントを発見すると、チャットボットを訓練するための訓練例または訓練データを自動的に更新することができる。これに応じて、チャットボットは、追加または新しい訓練データを使用して自動的に再訓練するように引き起こされることができる。
図5は、実施形態におけるユースケースシナリオの一例を示す図である。このユースケースシナリオでは、ヘルスケアの例について説明する。チャットボット502が、当初、ユーザと会話し、医療費の払い戻し手続きに関連する質問に回答するように訓練されていることを考える。例えば、チャットボットは、「医者への予約の払い戻しを受けるにはどうしたらいいですか」などの質問に答えるように訓練されていると考える。1人または複数人のユーザ504と会話する際に、チャットボットは、「病気Cの検査のための払い戻しを受けるにはどうすればいいですか」、「病気Cの検査をするにはどうすればいいですか」、「Cの新しいワクチンはいつ入手できますか」など、新しいトピック、例えば病気C又は病気Cの検査のための健康保険適用に関連する他の形式の質問を受けることがある。そのような質問はチャットボットのログに記録され、例えば記憶装置506に格納される。チャットボットのログは、分類またはインテントクラスタまたは分類にクラスタリングすることができる。例えば、クラスタは、インテント、例えば、病気Cの医療費に関連する払い戻しの質問に関連付けることができる。分類されたインテント及び関連するチャットボットのログは、例えば、記憶装置506に格納されることができる。チャットボットのログの分析により、そのような質問の数が増加していることを明らかにすることもできる。
ソーシャルメディア、ニュース、およびそのようなコンテンツも分析して、トレンドトピックを明らかにすることができる。例えば、508に示すように、異なるトレンドトピック、例えば、特定の抗議活動に関するニュースが増加、病気Cの検査の健康保険適用に関するニュースが増加、ある種のワクチンに関するニュースが増加することがある。分類されたインテントとトレンドトピックとの間の類似性は計算されることができる。この例では、一致するまたは類似するトレンドトピックが特定され、分類されたインテントに一致する。例えば、病気Cの医療費に関する払い戻しの質問のインテントは、病気Cの検査に対する健康保険の適用が増加していることについてのニュースというトレンドトピックと一致するか、または類似している。その結果、510に示すように、病気Cの保険適用に関する新たなインテントの作成が提案されることができる。一態様において、そのような質問に関連する会話を有するチャットボットのログは、チャットボット502を再訓練するための追加の訓練例又はデータとして使用することができる。
ある態様のシステムは、チャットボットの開発者が、例えば、外部イベントに関連するチャットボットのログの投稿を検出することによって、チャットボットのコンテンツを更新することを支援することができる。システムは、チャットボットから抽出されたどの質問が、所定のイベントに関連しているかを開発者に提供することができる。開発者は、トリガーまたは手動検査の後、自動的に作成された新しいインテントを含めるかどうかを決定し、どのメッセージを訓練例として使用できるかを決定することができる。システムは、回答コンテンツを作成するのに役立つテキストの編集をもたらすこともある。チャットボットのログや外部イベントに基づいて新しいインテントを提案することで、チャットボットのコンテンツのキュレーションと更新のプロセスを加速させることができる。システムは、ユーザから質問されることがより一般的になり、分布のロングテールからチャットボットのコンテンツのコアに移行する可能性が高い質問を検出することができる。確率分布のテールから高密度の領域へ移行する可能性のある質問を予測することができる。メディアのトレンドトピックとユーザとの対話ログから集約した質問を組み合わせてチャットボットのインテントを自動作成することで、プロセスを大幅にスピードアップできるほか、チャットボットやチャットボットアプリケーションの開発において明白ではない外部の知識をもたらすことができる。
図6は、チャットボットアプリケーションなどの会話システムに、外部または現在のトレンドのイベントに関連するコンテンツを組み込むことができる、一実施形態におけるシステムのコンポーネントを示す図である。中央処理装置(CPU)、グラフィックプロセスユニット(GPU)、もしくはフィールドプログラマブルゲートアレイ(FPGA)またはこれらの組み合せ、特定用途向け集積回路(ASIC)、もしくは別のプロセッサまたはこれらの組み合せなどの1つまたは複数のハードウェアプロセッサ602は、メモリデバイス604と結合され、ソーシャルメディア又は会話システムの外側又は外部の他のコンテンツで特定されたトレンドトピックに基づいてチャットボットを訓練するための1つまたは複数の新しいインテントを発見もしくは提案またはその両方をすることがある。例えば、特定または発見された新しいインテントは、新しいインテントに関連する会話または質問を処理できるようにチャットボットを訓練または再訓練するための訓練データに追加することができる。メモリデバイス604は、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、または別のメモリデバイスを含んでもよく、本明細書に記載される方法もしくはシステムまたはその両方に関連する様々な機能を実施するためのデータもしくはプロセッサ命令またはその両方を格納してもよい。1つまたは複数のプロセッサ602は、メモリ604に格納された、または別のコンピュータ装置もしくは媒体から受信したコンピュータ命令を実行してもよい。メモリデバイス604は、例えば、1つまたは複数のハードウェアプロセッサ602を機能させるための命令もしくはデータまたはその両方を格納してもよく、オペレーティングシステム及び他の命令もしくはデータまたはその両方のプログラムを含んでもよい。1つまたは複数のハードウェアプロセッサ602は、入力を受信してもよく、この入力は、チャットボットのログデータを含むことができる。入力はまた、ソーシャルメディアの投稿、コンテンツ、ニュースの投稿もしくは、別のイベントの文書もしくはコンテンツまたはこれらの組み合せを含むことができる。例えば、少なくとも1つのハードウェアプロセッサ602は、ユーザと会話しているチャットボットによって受信された少なくとも質問を含むチャットボットのログを受信してもよい。少なくとも1つのハードウェアプロセッサ602は、チャットボットのログを潜在的インテントのクラスタにクラスタリングしてもよい。少なくとも1つのハードウェアプロセッサ602は、少なくともソーシャルメディアのコンテンツを分析することによって、トレンドトピックを検出してもよい。少なくとも1つのハードウェアプロセッサ602は、潜在的インテントとトレンドトピックとの間の意味的類似性を算出してもよい。少なくとも1つのハードウェアプロセッサ602は、計算された意味的類似性に基づいて、潜在的インテントの少なくとも1つをトレンドトピックの少なくとも1つに相関させてもよい。少なくとも1つのハードウェアプロセッサ602は、相関された潜在的インテントに関連付けられたチャットボットのログを使用してチャットボットの訓練を開始してもよい。一態様では、チャットボットのログは、記憶装置606に格納されてもよく、又は遠隔装置からネットワークインタフェース608を介して受信されてもよく、チャットボット訓練のための新しいインテントを発見もしくは作成またはその両方をするために、メモリデバイス604に一時的にロードされてもよい。1つまたは複数のハードウェアプロセッサ602は、例えばネットワークを介してリモートシステムと通信するためのネットワークインタフェース608、及びキーボード、マウス、ディスプレイ、もしくはその他またはこれらの組み合せのような入力もしくは出力デバイスまたはその両方と通信するための入力/出力インタフェース610などのインタフェース装置と結合されてもよい。実施形態における1つまたは複数のハードウェアプロセッサ602は、現実世界で発生し、ニュースウェブサイト、ソーシャルネットワークなどでコメントされたトピックを監視し、特定のドメインに関連し得るトレンドトピックを検出することができる。1つまたは複数のハードウェアプロセッサ602は、トレンドトピックとチャットボットのログのクラスタとの間の意味的類似性を計算することができる。実施形態において、意味的類似性は、最頻出語もしくは文の埋め込みまたはその両方を考慮することによって計算されることができる。
図7は、実施形態におけるチャットボットを訓練するための新しいインテントを発見する方法を示すフロー図である。本方法は、1つまたは複数のハードウェアプロセッサ上に実装され、もしくは1つまたは複数のハードウェアプロセッサによって実行されることができる。702において、ユーザと会話するチャットボットによって受信された少なくとも質問を含むチャットボットのログを受信することができる。実施形態において、チャットボットのログは、ユーザとのチャットボットの会話が記録されているときにリアルタイムで受信することができる。
704において、チャットボットのログを、潜在的インテントのクラスタにクラスタリングすることができる。実施形態において、教師なし機械学習アルゴリズムを呼び出して、チャットボットのログを潜在的インテントのクラスタにクラスタリングすることができる。706において、少なくともソーシャルメディアコンテンツを分析することによって、トレンドトピックを検出することができる。実施形態において、教師なし機械学習を呼び出してチャットボットのログを潜在的インテントのクラスタにクラスタリングすることと、少なくともソーシャルメディアコンテンツを分析することによってトレンドトピックを検出することは、並行して実行されることができる。
708において、潜在的インテントとトレンドトピックとの間の意味的な類似性を計算することができる。
710において、計算された意味的類似性に基づいて、潜在的インテントの少なくとも1つを、トレンドトピックの少なくとも1つに相関させることができる。
712において、相関する潜在的インテントに関連するチャットボットのログを使用するチャットボットの訓練が開始することができる。実施形態において、チャットボットを訓練するために使用される訓練データは、相関する潜在的インテントを用いて自動的に更新することができる。実施形態において、チャットボットの訓練を開始することは、自動的に実行することができる。別の実施形態において、チャットボットの訓練を開始することは、チャットボットを訓練するための訓練データに相関する潜在的インテントを追加するようにグラフィカルユーザインターフェースを介して促すことと、新しいインテント(相関する潜在的インテント)を追加または受け入れる確認を受け取ることに応答して、本方法はさらに、チャットボットの訓練データに潜在的インテントを追加してチャットボットを再訓練または更新することを含むことができる。また、開発者等は、グラフィカルユーザインターフェースを介して、チャットボットのログにおけるどのメッセージを訓練例として使用できるかを選択できるようにすることができる。再訓練は、自動的または開発者等からの確認の受信に応答して行うことができる。
実施形態において、図7に示す処理は、例えば、チャットボットのログが継続的に更新されるように、例えば、最新のチャットボットのログが処理されるように、継続的又は反復的に実行することができる。
実施形態において、方法は、チャットボットとの複数のユーザの対話ログを発見し、例えば、チャットボットの対話ログと、ソーシャルメディア及びニュースサイト又は他の外部コンテンツにおけるトレンドトピックの両方において一時的ではない傾向を特定することに応答して、1人または複数人の内容領域専門家に新しいインテントを提案してもよい。本方法は、分布のロングテールからチャットボットのコンテンツのコアに移行する可能性が高い、ユーザから尋ねられることがより一般的になる質問を検出することができる。本方法は、チャットボットのコンテンツをキュレーションするプロセスを改善することができる。一態様において、本方法は、チャットボット開発者が、例えば、トレンドになりそうな外部イベントに関連するチャットボットのログを検出することによって、チャットボットのコンテンツを更新することを支援することができる。本方法は、チャットボットのログ及び外部イベントに基づいて新しいインテントを提案することにより、チャットボットのコンテンツをキュレーション及び更新するプロセスを加速させることができる。例えば、実施形態において、本方法は、チャットボットのコアとなり得るインテント認識モジュールを、より自動化された方法で具体的に改善することができる。実施形態における本方法は、例えば、チャットボットのログと外部ソースからのデータとを結びつけることに基づいて、可能な新しいインテントとインテントを作成するための対応する例のセットの情報を、自動化された方法で開発者等に提供することができる。また、本方法は、例えば、チャットボットのログの質問のクラスタと外部のトレンドトピックとの連携から新しいインテントを発見することによって、開発者等が気付かないかもしれない知識をもたらすことができる。
実施形態において、システムもしくは方法またはその両方は、トピックが一時的であるか否かを考慮するための条件を検出することもできる。図8は、実施形態において、チャットボットのログ及び外部コンテンツに現れる関心を時間窓でプロットしたグラフを示す図である。グラフ上の実線はチャットボットのログの関心を表し、点線はソーシャルメディア、ニュース、もしくはその他またはこれらの組み合せのような外部コンテンツで発見したトレンドトピックの関心を表している。
議論の対象となるトピックは多数存在し得るが、全てのトピックが永続するわけではなく、例えば、非常に短い時間だけ継続する一時的なものであってもよい。実施形態では、1つまたは複数の新しいインテントを作成する際に、新しいトピックの出現と、新しいインテントの作成のトリガーとの間に何らかの遅延があり得る。
実施形態では、本システムもしくは方法またはその両方は、新しいインテントを検出するときに過去を検査する、設定可能なスライドウィンドウ(図8に示す「過去ウィンドウ」)を考慮することができる。新しいトレンドトピックが検出されるたびに、システムもしくは方法またはその両方は、ウィンドウ内のそのトピックの増加を観察することができる。ウィンドウ内でボリュームが急激に低下した場合(例えば、設定可能な閾値以上低下した場合)、本システムもしくは方法またはその両方は、このトピックが一時的であるとみなすことができ、したがって、潜在的な新しいインテントのリストからそれを削除することができる。そうでなければ、このトピックは潜在的に考慮されることができる。本システムもしくは方法またはその両方は、スライディングウィンドウを使用して、通話ログ内の新しいトピックの持続性を分析することもできる。本システムもしくは方法またはその両方は、知識グラフを使用してトピックのコンテキストを特定し、履歴データベースを使用して、このトピックが時間の経過とともに持続する傾向があるか否かを予測することができる。トピックが持続する傾向があると予測され、トピックの関心もチャットボットのログにおいて増加する場合、システムもしくは方法またはその両方は、新しいインテントを作成することを通知することができる。
別の実施形態では、トレンドトピックが出現すると、そのライフサイクルを予測する方法を使用することができる。そのような方法は、次のように動作することができる。新しいトピックが出現すると、予測モデルは、トピックがソーシャルメディアにおいてどのように進化するかを予測する(例えば、図8の未来ウィンドウ)。同様に、チャットボットのログで検索を行い、チャットボットのログにおける同じトピックの普及率を特定することができる。トピックが特定された場合、予測モデルを使用して、そのトピックがチャットボットのログでどのように進化するかを予測することができる。予測により、そのトピックがソーシャルメディアやその他(外部コンテンツ)とチャットボットのログ内の両方でトレンドになることが示された場合、その新しいトピックに対して新しいインテントを作成することができる。この実施形態においても、知識グラフを使用して、そのトピックを共有する類似の文書またはコンテンツを特定することができ、履歴データベースを使用して、そのトピックの持続性を確認することができる。さらに別の実施形態において、システムもしくは方法またはその両方は、新しいインテントを予測するために、過去(例えば、過去ウィンドウ)と未来(例えば、未来ウィンドウ)の両方を調べるハイブリッド法を含むことができる。
1つまたは複数の実施形態において、トピックがインテントになるかどうかを決定する閾値(トピック関心評価トリガー)をカットオフ値として使用することができる。実施形態おいて、この値は、SMEが手動で設定することができる。別の実施形態において、この値は、SMEによって検証された、提案されたインテントの受け入れ率に基づいて自動的に最適化することができる。例えば、新しいインテントに関連し、知識グラフに記憶されているトピックの頻度曲線の形状を分析することができる。次に、本システムもしくは方法またはその両方は、時間に沿ったトピック関心度の積分を評価し、このトピックの関連性の総量を計算することができる。次に、本システムもしくは方法またはその両方は、トピックがこのトピックの所定の関連性の総量(例えば、曲線の下の面積の10%)に達する時間を摸索して、トピック関心既定度を推定することができる。次に、この時間は、SMEによって受け入れられた、もしくは拒否されたまたはその両方をされた、提案されたインテントに従って順応して調整されることができる。
図9は、一実施形態におけるシステムを実装し得る例示的なコンピュータ又は処理システムの概略図である。コンピュータシステムは、適切な処理システムの一例に過ぎず、本明細書に記載される方法論の実施形態の使用範囲または機能性に関するいかなる制限も示唆することを意図していない。図示された処理システムは、多数の他の汎用または専用コンピューティングシステム環境または構成で動作可能であってもよい。図9に示された処理システムと共に使用するのに適することがある周知のコンピューティングシステム、環境、もしくは構成またはこれらの組み合わせの例としては、パーソナルコンピュータシステム、サーバコンピュータシステム、シンクライアント、シッククライアント、ハンドヘルドまたはラップトップ装置、マルチプロセッサシステム、マイクロプロセッサベースのシステム、セットトップボックス、プログラマブル家電、ネットワークPC、ミニコンピュータシステム、メインフレームコンピュータシステム、ならびに上記のシステムまたは装置のいずれかを含む分散型クラウドコンピューティング環境などが挙げられるが、これらに限定されない。
コンピュータシステムは、プログラムモジュールなどのコンピュータシステム実行可能命令がコンピュータシステムによって実行されるという一般的な文脈で説明されることがある。一般に、プログラムモジュールは、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、ロジック、データ構造などを含んでもよい。コンピュータシステムは、通信ネットワークを介してリンクされるリモート処理デバイスによってタスクが実行される分散型クラウドコンピューティング環境において実施されてもよい。分散型クラウドコンピューティング環境では、プログラムモジュールは、メモリ記憶装置を含むローカル及びリモートコンピュータシステムの記憶媒体の両方に配置されてもよい。
コンピュータシステムのコンポーネントは、1つまたは複数のプロセッサまたは処理ユニット12、システムメモリ16、およびシステムメモリ16を含む様々なシステムコンポーネントをプロセッサ12に結合するバス14を含んでもよいが、これらに限定されるものではない。プロセッサ12は、本明細書に記載される方法を実行するモジュール30を含んでもよい。モジュール30は、プロセッサ12の集積回路にプログラムされてもよいし、メモリ16、ストレージシステム18、またはネットワーク24、またはそれらの組合せからロードされてもよい。
バス14は、メモリバスまたはメモリコントローラ、周辺バス、加速グラフィックスポート、および様々なバスアーキテクチャのいずれかを使用するプロセッサまたはローカルバスを含む、いくつかのタイプのバス構造のいずれかの1つまたは複数を表すことができる。例として、限定するものではないが、そのようなアーキテクチャには、業界標準アーキテクチャ(ISA)バス、マイクロチャネルアーキテクチャ(MCA)バス、拡張ISA(EISA)バス、ビデオ電子標準協会(VESA)ローカルバス、および周辺コンポーネント相互接続(PCI)バスが含まれる。
コンピュータシステムは、様々なコンピュータシステム可読媒体を含んでもよい。そのような媒体は、コンピュータシステムによってアクセス可能な任意の利用可能な媒体であってよく、揮発性媒体と不揮発性媒体、取り外し可能な媒体と取り外し不可能な媒体の両方を含んでもよい。
システムメモリ16は、ランダムアクセスメモリ(RAM)もしくはキャッシュメモリまたはその両方などの揮発性メモリの形態のコンピュータシステム可読媒体を含むことができる。コンピュータシステムは、他の取り外し可能/取り外し不可能、揮発性/不揮発性のコンピュータシステム記憶媒体をさらに含むことができる。例としてのみ、ストレージシステム18は、取り外し不可能、不揮発性の磁気媒体(例えば、「ハードドライブ」)からの読み取りおよび書き込みのために提供されることができる。図示しないが、取り外し可能、不揮発性の磁気ディスク(例えば、「フロッピーディスク」)からの読み取りおよび書き込みのための磁気ディスクドライブ、および、CD-ROM、DVD-ROMまたは他の光学媒体などの取り外し可能、不揮発性の光ディスクからの読み取りや書き込みのための光ディスクドライブが提供されてもよい。そのような場合、それぞれは、1つまたは複数のデータ媒体インタフェースによってバス14に接続することができる。
コンピュータシステムは、キーボード、ポインティングデバイス、ディスプレイ28などの1つまたは複数の外部装置26、ユーザがコンピュータシステムと対話することを可能にする1つまたは複数の装置、もしくはコンピュータシステムが1つまたは複数の他のコンピュータ装置と通信することを可能にする任意の装置(例えば、ネットワークカード、モデムなど)と通信することもできる。このような通信は、入力/出力(I/O)インタフェース20を介して起こり得る。
また、コンピュータシステムは、ネットワークアダプタ22を介して、ローカルエリアネットワーク(LAN)、一般的なワイドエリアネットワーク(WAN)、もしくは公衆ネットワーク(例えば、インターネット)またはこれらの組み合わせなどの1つまたは複数のネットワーク24と通信することが可能である。描かれているように、ネットワークアダプタ22は、バス14を介してコンピュータシステムの他のコンポーネントと通信する。図示されていないが、他のハードウェアもしくはソフトウェアコンポーネントまたはその組み合わせがコンピュータシステムと共に使用され得ることを理解されたい。例としては、マイクロコード、デバイスドライバ、冗長処理装置、外部ディスクドライブアレイ、RAIDシステム、テープドライブ、およびデータアーカイブストレージシステム等が挙げられるが、これらに限定されるものではない。
本開示は、クラウドコンピューティングに関する詳細な説明を含むが、本明細書に記載された教示の実装は、クラウドコンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在知られている又は後に開発される任意の他のタイプのコンピューティング環境と組み合わせて実施することが可能である。クラウドコンピューティングは、設定可能なコンピューティングリソースの共有プール(例えばネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、記憶装置、アプリケーション、仮想マシンおよびサービス)へ、簡便かつオンデマンドのネットワークアクセスを可能にするためのサービス提供のモデルであり、最小限の管理労力または最小限のサービスプロバイダとのやり取りによって速やかに準備(provision)およびリリースできるものである。このクラウドモデルは、少なくとも5つの特性、少なくとも3つのサービスモデル、および少なくとも4つの展開モデルを含むことがある。
特性は以下の通りである。
オンデマンド・セルフサービス:クラウドの消費者は、サービスプロバイダとの人的な対話を必要することなく、必要に応じて自動的に、サーバ時間やネットワークストレージなどのコンピューティング能力を一方的に準備することができる。
ブロード・ネットワークアクセス:コンピューティング能力はネットワーク経由で利用可能であり、また、標準的なメカニズムを介してアクセスできる。それにより、異種のシンまたはシッククライアントプラットフォーム(例えば、携帯電話、ラップトップ、PDA)による利用が促進される。
リソースプーリング:プロバイダのコンピューティングリソースはプールされ、マルチテナントモデルを利用して複数の消費者に提供される。様々な物理リソースおよび仮想リソースが、需要に応じて動的に割り当ておよび再割り当てされる。一般に消費者は、提供されたリソースの正確な位置を管理または把握していないため、位置非依存(location independence)の感覚がある。ただし消費者は、より高い抽象レベル(例えば、国、州、データセンタ)では場所を特定可能な場合がある。
迅速な柔軟性(elasticity):コンピューティング能力は、迅速かつ柔軟に準備することができるため、場合によっては自動的に、直ちにスケールアウトし、また、速やかにリリースされて直ちにスケールインすることができる。消費者にとって、準備に利用可能なコンピューティング能力は無制限に見える場合が多く、任意の時間に任意の数量で購入することができる。
測定されるサービス:クラウドシステムは、サービスの種類(例えば、ストレージ、処理、帯域幅、アクティブユーザアカウント)に適したある程度の抽象化レベルでの測定機能を活用して、リソースの使用を自動的に制御し最適化する。リソース使用量を監視、制御、および報告して、利用されるサービスのプロバイダおよび消費者の両方に透明性を提供することができる。
サービスモデルは以下の通りである。
サービスとしてのソフトウェア(SaaS):消費者に提供される機能は、クラウドインフラストラクチャ上で動作するプロバイダのアプリケーションを利用できることである。当該そのアプリケーションは、ウェブブラウザ(例えばウェブメール)などのシンクライアントインタフェースを介して、各種のクライアント装置からアクセスできる。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージや、個別のアプリケーション機能さえも含めて、基礎となるクラウドインフラストラクチャの管理や制御は行わない。ただし、ユーザ固有の限られたアプリケーション構成の設定はその限りではない。
サービスとしてのプラットフォーム(PaaS):消費者に提供される機能は、プロバイダによってサポートされるプログラム言語およびツールを用いて、消費者が作成または取得したアプリケーションを、クラウドインフラストラクチャに展開(deploy)することである。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージを含む、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、展開されたアプリケーションを制御でき、かつ場合によってはそのホスティング環境の構成も制御できる。
サービスとしてのインフラストラクチャ(IaaS):消費者に提供される機能は、オペレーティングシステムやアプリケーションを含む任意のソフトウェアを消費者が展開および実行可能な、プロセッサ、ストレージ、ネットワーク、および他の基本的なコンピューティングリソースを準備することである。消費者は、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、オペレーティングシステム、ストレージ、および展開されたアプリケーションを制御でき、かつ場合によっては一部のネットワークコンポーネント(例えばホストファイアウォール)を部分的に制御できる。
展開モデルは以下の通りである。
プライベートクラウド:このクラウドインフラストラクチャは、特定の組織専用で運用される。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
コミュニティクラウド:このクラウドインフラストラクチャは、複数の組織によって共有され、共通の関心事(例えば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンス)を持つ特定のコミュニティをサポートする。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
パブリッククラウド:このクラウドインフラストラクチャは、不特定多数の人々や大規模な業界団体に提供され、クラウドサービスを販売する組織によって所有される。
ハイブリッドクラウド:このクラウドインフラストラクチャは、2つ以上のクラウドモデル(プライベート、コミュニティまたはパブリック)を組み合わせたものとなる。それぞれのモデル固有の実体は保持するが、標準または個別の技術によってバインドされ、データとアプリケーションの可搬性(例えば、クラウド間の負荷分散のためのクラウドバースティング)を実現する。
クラウドコンピューティング環境は、ステートレス性(statelessness)、低結合性(low coupling)、モジュール性(modularity)および意味論的相互運用性(semantic interoperability)に重点を置いたサービス指向型環境である。クラウドコンピューティングの中核にあるのは、相互接続されたノードのネットワークを含むインフラストラクチャである。
ここで、図10に例示的なクラウドコンピューティング環境50を示す。図示するように、クラウドコンピューティング環境50は1つ以上のクラウドコンピューティングノード10を含む。これらに対して、クラウド消費者が使用するローカルコンピュータ装置(例えば、PDAもしくは携帯電話54A、デスクトップコンピュータ54B、ラップトップコンピュータ54C、もしくは自動車コンピュータシステム54Nまたはこれらの組み合わせなど)は通信を行うことができる。ノード10は互いに通信することができる。ノード10は、例えば、上述のプライベート、コミュニティ、パブリックもしくはハイブリッドクラウドまたはこれらの組み合わせなど、1つ以上のネットワークにおいて、物理的または仮想的にグループ化(不図示)することができる。これにより、クラウドコンピューティング環境50は、サービスとしてのインフラストラクチャ、プラットフォームもしくはソフトウェアまたはこれらの組み合わせを提供することができ、クラウド消費者はこれらについて、ローカルコンピュータ装置上にリソースを維持する必要がない。なお、図10に示すコンピュータ装置54A~Nの種類は例示に過ぎず、コンピューティングノード10およびクラウドコンピューティング環境50は、任意の種類のネットワークもしくはネットワークアドレス指定可能接続(例えば、ウェブブラウザの使用)またはその両方を介して、任意の種類の電子装置と通信可能であることを理解されたい。
ここで、クラウドコンピューティング環境50(図10)によって提供される機能的抽象化レイヤのセットを図11に示す。なお、図11に示すコンポーネント、レイヤおよび機能は例示に過ぎず、本発明の実施形態はこれらに限定されないことをあらかじめ理解されたい。図示するように、以下のレイヤおよび対応する機能が提供される。
ハードウェアおよびソフトウェアレイヤ60は、ハードウェアコンポーネントおよびソフトウェアコンポーネントを含む。ハードウェアコンポーネントの例には、メインフレーム61、縮小命令セットコンピュータ(RISC)アーキテクチャベースのサーバ62、サーバ63、ブレードサーバ64、記憶装置65、ならびにネットワークおよびネットワークコンポーネント66が含まれる。いくつかの実施形態において、ソフトウェアコンポーネントは、ネットワークアプリケーションサーバソフトウェア67およびデータベースソフトウェア68を含む。
仮想化レイヤ70は、抽象化レイヤを提供する。当該レイヤから、例えば以下の仮想エンティティを提供することができる:仮想サーバ71、仮想ストレージ72、仮想プライベートネットワークを含む仮想ネットワーク73、仮想アプリケーションおよびオペレーティングシステム74、ならびに仮想クライアント75。
一例として、管理レイヤ80は以下の機能を提供することができる。リソース準備81は、クラウドコンピューティング環境内でタスクを実行するために利用されるコンピューティングリソースおよび他のリソースの動的な調達を可能にする。計量および価格設定82は、クラウドコンピューティング環境内でリソースが利用される際のコスト追跡、およびこれらのリソースの消費に対する請求またはインボイス送付を可能にする。一例として、これらのリソースはアプリケーションソフトウェアのライセンスを含んでよい。セキュリティは、データおよび他のリソースに対する保護のみならず、クラウド消費者およびタスクの識別確認を可能にする。ユーザポータル83は、消費者およびシステム管理者にクラウドコンピューティング環境へのアクセスを提供する。サービスレベル管理84は、要求されたサービスレベルが満たされるように、クラウドコンピューティングリソースの割り当ておよび管理を可能にする。サービス品質保証(SLA)の計画および履行85は、SLAに従って将来必要になると予想されるクラウドコンピューティングリソースの事前手配および調達を可能にする。
ワークロードレイヤ90は、クラウドコンピューティング環境が利用可能な機能の例を提供する。このレイヤから提供可能なワークロードおよび機能の例には、マッピングおよびナビゲーション91、ソフトウェア開発およびライフサイクル管理92、仮想教室教育の配信93、データ分析処理94、取引処理95、チャットボットのインテント処理96が含まれる。
本発明は、任意の可能な技術詳細レベルで統合されたシステム、方法もしくはコンピュータプログラム製品またはそれらの組み合せとすることができる。コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を記憶したコンピュータ可読記憶媒体を含んでよい。
コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し、記憶することができる有形の装置とすることができる。コンピュータ可読記憶媒体は、一例として、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置またはこれらの適切な組み合わせであってよい。コンピュータ可読記憶媒体のより具体的な一例としては、ポータブルコンピュータディスケット、ハードディスク、RAM、ROM、EPROM(またはフラッシュメモリ)、SRAM、CD-ROM、DVD、メモリスティック、フロッピーディスク、パンチカードまたは溝内の隆起構造などに命令を記録した機械的に符号化された装置、およびこれらの適切な組み合せが挙げられる。本明細書で使用されるコンピュータ可読記憶装置は、電波もしくは他の自由に伝播する電磁波、導波管もしくは他の伝送媒体を介して伝播する電磁波(例えば、光ファイバケーブルを通過する光パルス)、またはワイヤを介して送信される電気信号のような、一過性の信号それ自体として解釈されるべきではない。
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピュータ装置/処理装置へダウンロード可能である。あるいは、ネットワーク(例えばインターネット、LAN、WANもしくはワイヤレスネットワークまたはこれらの組み合わせ)を介して、外部コンピュータまたは外部記憶装置へダウンロード可能である。ネットワークは、銅製伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータもしくはエッジサーバまたはこれらの組み合わせを備えることができる。各コンピュータ装置/処理装置内のネットワークアダプタカードまたはネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、当該コンピュータ可読プログラム命令を、各々のコンピュータ装置/処理装置におけるコンピュータ可読記憶媒体に記憶するために転送する。
本発明の動作を実施するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ(ISA)命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路用構成データ、または、スモールトークやC++などのオブジェクト指向プログラミング言語、および「C」プログラミング言語や類似のプログラミング言語などの手続き型プログラミング言語を含む、1つ以上のプログラミング言語の任意の組み合わせで記述されたソースコードもしくはオブジェクトコードのいずれかとすることができる。コンピュータ可読プログラム命令は、スタンドアロン型ソフトウェアパッケージとして完全にユーザのコンピュータ上で、または部分的にユーザのコンピュータ上で実行可能である。あるいは、部分的にユーザのコンピュータ上でかつ部分的にリモートコンピュータ上で、または、完全にリモートコンピュータもしくはサーバ上で実行可能である。後者の場合、リモートコンピュータは、LANやWANを含む任意の種類のネットワークを介してユーザのコンピュータに接続してもよいし、外部コンピュータに(例えば、インターネットサービスプロバイダを使用してインターネットを介して)接続してもよい。いくつかの実施形態において、例えばプログラマブル論理回路、フィールドプログラマブルゲートアレイ(FPGA)、プログラマブル論理アレイ(PLA)を含む電子回路は、本発明の態様を実行する目的で当該電子回路をカスタマイズするために、コンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行することができる。
本発明の実施形態は、本明細書において、本発明の実施形態に係る方法、装置(システム)、およびコンピュータプログラム製品のフローチャートもしくはブロック図またはその両方を参照して説明されている。フローチャートもしくはブロック図またはその両方における各ブロック、および、フローチャートもしくはブロック図またはその両方における複数のブロックの組み合わせは、コンピュータ可読プログラム命令によって実行可能である。
上記のコンピュータ可読プログラム命令は、機械を生産するために、コンピュータ、または他のプログラマブルデータ処理装置のプロセッサに提供してよい。これにより、かかるコンピュータまたは他のプログラマブルデータ処理装置のプロセッサを介して実行されるこれらの命令が、フローチャートもしくはブロック図またはその両方における1つ以上のブロックにて特定される機能/動作を実行するための手段を創出する。上記のコンピュータ可読プログラム命令はさらに、コンピュータ、プログラマブルデータ処理装置もしくは他の装置またはこれらの組み合わせに対して特定の態様で機能するよう命令可能なコンピュータ可読記憶媒体に記憶してよい。これにより、命令が記憶された当該コンピュータ可読記憶媒体は、フローチャートもしくはブロック図またはその両方における1つ以上のブロックにて特定される機能/動作の態様を実行するための命令を含む製品を構成する。
また、コンピュータ可読プログラム命令を、コンピュータ、他のプログラマブル装置、または他の装置にロードし、一連の動作ステップを当該コンピュータ、他のプログラマブル装置、または他の装置上で実行させることにより、コンピュータ実行プロセスを生成してもよい。これにより、当該コンピュータ、他のプログラマブル装置、または他の装置上で実行される命令が、フローチャートもしくはブロック図またはその両方における1つ以上のブロックにて特定される機能/動作を実行する。
本開示の図面におけるフローチャートおよびブロック図は、本発明の種々の実施形態に係るシステム、方法およびコンピュータプログラム製品の可能な実装形態のアーキテクチャ、機能性、および動作を示している。この点に関して、フローチャートまたはブロック図における各ブロックは、特定の論理機能を実行するための1つ以上の実行可能な命令を含む、命令のモジュール、セグメント、または部分を表すことができる。他の一部の実装形態において、ブロック内に示した機能は、各図に示す順序とは異なる順序で実行してもよい。例えば、連続して示される2つのブロックは、実際には、関係する機能に応じて、1つの工程として達成してもよいし、同時もしくは略同時に実行してもよいし、部分的もしくは全体的に時間的に重複した態様で実行してもよいし、場合により逆順で実行してもよい。なお、ブロック図もしくはフローチャートまたはその両方における各ブロック、および、ブロック図もしくはフローチャートまたはその両方における複数のブロックの組み合わせは、特定の機能または動作を行う、または専用ハードウェアとコンピュータ命令との組み合わせを実行する専用ハードウェアベースのシステムによって、実行可能である。
本明細書で使用される用語は、特定の実施形態を説明することのみを目的としており、限定することを意図するものではない。本明細書で使用される場合、単数形「a」、「an」および「the」は、文脈が明確に他のことを示さない限り、複数形も含むことを意図している。本明細書で使用される場合、「または(or)」という用語は包含演算子であり、文脈が明示的または明確にそうでないことを示さない限り、「および/または(and/or)」を意味することができる。本明細書で使用される場合、「含む(comprise)」、「含む(comprises)」、「含む(comprising)」、「含む(include)」、「含む(includes)」、「含む(including)」という用語もしくは「含む(having)」という用語またはその両方は、記載された特徴、整数、ステップ、操作、要素、もしくは構成要素またはその組み合わせの存在を指定するが、1つ以上の他の特徴、整数、ステップ、操作、要素、構成要素、もしくはそれらのグループまたはその組み合わせの存在または追加を排除しないことがさらに理解されたい。本明細書で使用される場合、「実施形態において(in an embodiment)」という表現は、可能性はあるが、必ずしも同じ実施形態を指すわけではない。本明細書で使用される場合、「一実施形態において(in one embodiment)」という表現は、可能性はあるが、必ずしも同じ実施形態を指すわけではない。本明細書で使用される場合、「別の実施形態において(in another embodiment)」という表現は、可能性はあるが、必ずしも異なる実施形態を指すわけではない。さらに、実施形態もしくは実施形態の構成要素またはその両方は、相互に排他的でない限り、互いに自由に組み合わせることができる。
以下の特許請求の範囲におけるすべてのミーンズプラスファンクション要素またはステッププラスファンクション要素の対応する構造、材料、動作、および等価物は、具体的に請求された他の請求項の要素と組み合わせて機能を実行するための任意の構造、材料、または動作を含むことを意図している。本発明の説明は、例示および説明の目的で提示されたが、網羅的であること、または開示された形態の本発明に限定されることを意図していない。多くの修正および変形が、本発明の範囲および精神から逸脱することなく、当業者には明らかであろう。実施形態は、本発明の原理および実用化を最もよく説明するために、また、当業者が、企図される特定の用途に適するように種々の変更を伴う種々の実施形態について本発明を理解できるように、選択および説明されたものである。
Claims (18)
- ハードウェアプロセッサと、
前記ハードウェアプロセッサに結合されたメモリデバイスと、を含み、
前記ハードウェアプロセッサは少なくとも、
ユーザと会話するチャットボットによって受け取った質問を少なくとも含むチャットボットのログを受信し、
チャットボットのログを潜在的インテントのクラスタにクラスタリングし、
少なくともソーシャルメディアのコンテンツを分析することによって、トレンドトピックを検出し、
前記潜在的インテントと前記トレンドトピックの間の意味的類似性を計算し、
前記計算された意味的類似性に基づいて、前記潜在的インテントの少なくとも1つを前記トレンドトピックの少なくとも1つに相関付け、
前記相関付けられた潜在的インテントに関連する前記チャットボットのログを使用して、前記チャットボットの訓練を開始するように構成される、システム。 - 前記ハードウェアプロセッサは、前記ユーザとの前記チャットボットの会話がリアルタイムで記録されるように、前記チャットボットのログを受信するように構成される、請求項1記載のシステム。
- 前記ハードウェアプロセッサは、前記チャットボットを訓練するために使用される訓練データを、前記相関付けられた潜在的インテントを用いて自動的に更新するように構成される、請求項1に記載のシステム。
- 前記ハードウェアプロセッサは、前記チャットボットの前記訓練を自動的に開始するように構成される、請求項1に記載のシステム。
- 前記ハードウェアプロセッサは、前記チャットボットを訓練するための訓練データに前記相関付けられた潜在的インテントを追加するためのプロンプトを、グラフィカルユーザインターフェースを介して提供することによって、前記チャットボットの前記訓練を開始するように構成される、請求項1に記載のシステム。
- 前記ハードウェアプロセッサは、教師なし機械学習を呼び出して、前記チャットボットのログを潜在的インテントのクラスタにクラスタリングし、少なくともソーシャルメディアのコンテンツを並行して分析することによってトレンドトピックを検出するように構成される、請求項1記載のシステム。
- ユーザと会話するチャットボットによって受け取った質問を少なくとも含むチャットボットのログを受信することと、
チャットボットのログを潜在的インテントのクラスタにクラスタリングすることと、
少なくともソーシャルメディアのコンテンツを分析することによって、トレンドトピックを検出することと、
前記潜在的インテントと前記トレンドトピックの間の意味的類似性を計算することと、
前記計算された意味的類似性に基づいて、前記潜在的インテントの少なくとも1つを前記トレンドトピックの少なくとも1つに相関付けることと、
前記相関付けられた潜在的インテントに関連する前記チャットボットのログを使用して、前記チャットボットの訓練を開始することと、を含むコンピュータ実装方法。 - 前記ユーザとの前記チャットボットの会話がリアルタイムで記録されるように、前記チャットボットのログがリアルタイムで受信される、請求項7に記載の方法。
- 前記チャットボットを訓練するために使用される訓練データを、前記相関付けられた潜在的インテントを用いて自動的に更新することをさらに含む、請求項7に記載の方法。
- 前記チャットボットの訓練を開始することは、自動的に行われる、請求項7に記載の方法。
- 前記チャットボットの訓練を開始することは、前記チャットボットを訓練するための訓練データに前記相関付けられた潜在的インテントを追加するためのプロンプトを、グラフィカルユーザインターフェースを介して提供することを含む、請求項7に記載の方法。
- 教師なし機械学習を呼び出して、前記チャットボットのログを潜在的インテントのクラスタにクラスタリングし、少なくともソーシャルメディアのコンテンツを分析することによってトレンドトピックを検出することは、並行して実行される、請求項7に記載の方法。
- プログラム命令を実装したコンピュータ可読記憶媒体を含むコンピュータプログラム製品であって、前記プログラム命令は、装置によって読み取り可能であり、前記装置に、
ユーザと会話するチャットボットによって受け取った質問を少なくとも含むチャットボットのログを受信させ、
チャットボットのログを潜在的インテントのクラスタにクラスタリングさせ、
少なくともソーシャルメディアのコンテンツを分析することによって、トレンドトピックを検出させ、
前記潜在的インテントと前記トレンドトピックの間の意味的類似性を計算させ、
前記計算された意味的類似性に基づいて、前記潜在的インテントの少なくとも1つを前記トレンドトピックの少なくとも1つに相関付けさせ、
前記相関付けられた潜在的インテントに関連する前記チャットボットのログを使用して、前記チャットボットの訓練を開始させる、コンピュータプログラム製品。 - 前記装置は、前記ユーザとの前記チャットボットの会話がリアルタイムで記録されるように、前記チャットボットのログをリアルタイムで受信するようにされる、請求項13に記載のコンピュータプログラム製品。
- 前記装置は、前記チャットボットを訓練するために使用される訓練データを、前記相関付けられた潜在的インテントを用いて自動的に更新するようにされる、請求項13に記載のコンピュータプログラム製品。
- 前記装置は、前記チャットボットの前記訓練を自動的に開始するようにされる、請求項13に記載のコンピュータプログラム製品。
- 前記装置は、前記チャットボットを訓練するための訓練データに前記相関付けられた潜在的インテントを追加するためのプロンプトを、グラフィカルユーザインターフェースを介して提供することによって、前記チャットボットの前記訓練を開始するようにされる、請求項13に記載のコンピュータプログラム製品。
- 前記装置は、教師なし機械学習を呼び出して、前記チャットボットのログを潜在的インテントのクラスタにクラスタリングし、少なくともソーシャルメディアのコンテンツを並行して分析することによってトレンドトピックを検出するようにされる、請求項13に記載のコンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/475,555 | 2021-09-15 | ||
US17/475,555 US11677692B2 (en) | 2021-09-15 | 2021-09-15 | Conversational systems content related to external events |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023043160A true JP2023043160A (ja) | 2023-03-28 |
Family
ID=85478498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022139462A Pending JP2023043160A (ja) | 2021-09-15 | 2022-09-01 | システム、コンピュータ実装方法およびコンピュータプログラム製品(外部イベントに関連する会話システムコンテンツ) |
Country Status (4)
Country | Link |
---|---|
US (1) | US11677692B2 (ja) |
JP (1) | JP2023043160A (ja) |
CN (1) | CN115827832A (ja) |
TW (1) | TWI814394B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11875129B2 (en) * | 2022-04-28 | 2024-01-16 | Theai, Inc. | Observation-based training of artificial intelligence character models |
WO2024145628A1 (en) * | 2022-12-30 | 2024-07-04 | Theai, Inc. | Real-time animation of artificial intelligence characters |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
EP2156652B1 (en) | 2008-02-28 | 2012-04-25 | Leeds, Richard | Method and system for notification and telecommunications management |
US20140279050A1 (en) | 2008-05-21 | 2014-09-18 | The Delfin Project, Inc. | Dynamic chatbot |
US9646604B2 (en) * | 2012-09-15 | 2017-05-09 | Avaya Inc. | System and method for dynamic ASR based on social media |
RU2637874C2 (ru) | 2013-06-27 | 2017-12-07 | Гугл Инк. | Генерирование диалоговых рекомендаций для чатовых информационных систем |
US9275641B1 (en) | 2014-09-14 | 2016-03-01 | Speaktoit, Inc. | Platform for creating customizable dialog system engines |
US20200143265A1 (en) | 2015-01-23 | 2020-05-07 | Conversica, Inc. | Systems and methods for automated conversations with feedback systems, tuning and context driven training |
US20170250930A1 (en) | 2016-02-29 | 2017-08-31 | Outbrain Inc. | Interactive content recommendation personalization assistant |
US10038787B2 (en) | 2016-05-06 | 2018-07-31 | Genesys Telecommunications Laboratories, Inc. | System and method for managing and transitioning automated chat conversations |
US10599644B2 (en) | 2016-09-14 | 2020-03-24 | International Business Machines Corporation | System and method for managing artificial conversational entities enhanced by social knowledge |
US20180322155A1 (en) * | 2017-05-05 | 2018-11-08 | Microsoft Technology Licensing, Llc | Search system for temporally relevant social data |
US10348658B2 (en) | 2017-06-15 | 2019-07-09 | Google Llc | Suggested items for use with embedded applications in chat conversations |
CN111201567A (zh) | 2017-08-10 | 2020-05-26 | 费赛特实验室有限责任公司 | 用于与数字媒体内容交互的口语、面部和姿势通信设备和计算体系架构 |
CN110472021A (zh) | 2018-05-11 | 2019-11-19 | 微软技术许可有限责任公司 | 会话中推荐新闻的技术 |
US11361211B2 (en) | 2018-06-20 | 2022-06-14 | Accenture Global Solutions Limited | Artificial intelligence (AI) based chatbot creation and communication system |
CN109284357B (zh) | 2018-08-29 | 2022-07-19 | 腾讯科技(深圳)有限公司 | 人机对话方法、装置、电子设备及计算机可读介质 |
US11586980B2 (en) * | 2019-01-18 | 2023-02-21 | Verint Americas Inc. | IVA performance dashboard and interactive model and method |
EP3959658B1 (en) | 2019-04-26 | 2024-05-29 | Oracle International Corporation | Insights into performance of a bot system |
US11425059B2 (en) * | 2019-06-18 | 2022-08-23 | Accenture Global Solutions Limited | Chatbot support platform |
-
2021
- 2021-09-15 US US17/475,555 patent/US11677692B2/en active Active
-
2022
- 2022-05-25 TW TW111119371A patent/TWI814394B/zh active
- 2022-08-05 CN CN202210937180.0A patent/CN115827832A/zh active Pending
- 2022-09-01 JP JP2022139462A patent/JP2023043160A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
TWI814394B (zh) | 2023-09-01 |
CN115827832A (zh) | 2023-03-21 |
US11677692B2 (en) | 2023-06-13 |
TW202314582A (zh) | 2023-04-01 |
US20230084688A1 (en) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11568856B2 (en) | Intent authoring using weak supervision and co-training for automated response systems | |
US11501187B2 (en) | Opinion snippet detection for aspect-based sentiment analysis | |
US9736301B2 (en) | Using graphical text analysis to facilitate communication between customers and customer service representatives | |
US11915123B2 (en) | Fusing multimodal data using recurrent neural networks | |
US10943070B2 (en) | Interactively building a topic model employing semantic similarity in a spoken dialog system | |
US9722965B2 (en) | Smartphone indicator for conversation nonproductivity | |
US10067935B2 (en) | Prediction and optimized prevention of bullying and other counterproductive interactions in live and virtual meeting contexts | |
JP2023043160A (ja) | システム、コンピュータ実装方法およびコンピュータプログラム製品(外部イベントに関連する会話システムコンテンツ) | |
US20230092274A1 (en) | Training example generation to create new intents for chatbots | |
AU2020422535B2 (en) | Searching conversation logs of virtual agent dialog system for contrastive temporal patterns | |
US20220414331A1 (en) | Automatically generated question suggestions | |
JP2023539222A (ja) | 決定論的学習映像シーン検出 | |
JP2023508599A (ja) | 会話型エージェント・システム、方法、プログラム | |
US20230080417A1 (en) | Generating workflow representations using reinforced feedback analysis | |
US20230127907A1 (en) | Intention identification in dialogue system | |
US11036925B2 (en) | Managing the distinctiveness of multimedia | |
US10599783B2 (en) | Automatically suggesting a temporal opportunity for and assisting a writer in writing one or more sequel articles via artificial intelligence | |
WO2022194086A1 (en) | A neuro-symbolic approach for entity linking | |
US11526544B2 (en) | System for object identification | |
US11909703B2 (en) | Live chat stream comment management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD16 | Notification of change of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7436 Effective date: 20221222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221222 |