JP2023508599A - 会話型エージェント・システム、方法、プログラム - Google Patents

会話型エージェント・システム、方法、プログラム Download PDF

Info

Publication number
JP2023508599A
JP2023508599A JP2022540930A JP2022540930A JP2023508599A JP 2023508599 A JP2023508599 A JP 2023508599A JP 2022540930 A JP2022540930 A JP 2022540930A JP 2022540930 A JP2022540930 A JP 2022540930A JP 2023508599 A JP2023508599 A JP 2023508599A
Authority
JP
Japan
Prior art keywords
statement
identified
keywords
relationship
intent
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
Application number
JP2022540930A
Other languages
English (en)
Inventor
フォン、ソン
グナセカラ、チュラカ
ファドニス、クシティジ
ポリメナコス、ラザロス
シャシダラ、スニル ダバンゲレ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2023508599A publication Critical patent/JP2023508599A/ja
Pending legal-status Critical Current

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
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Mathematical Physics (AREA)
  • Machine Translation (AREA)

Abstract

ＮＬおよび仮想対話プラットフォームに向けられた会話型エージェント・システムであって、自然言語（ＮＬ）ステートメントが検出および分析され、ステートメント内に表現された１つまたは複数のエンティティが識別され、識別されたエンティティが利用され、ステートメントがキーワードへと解析される。受け取られたステートメントの意図が２つ以上のキーワード間の関係として表現され、２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールに関してステートメントを表現する知識表現が識別される。コンポーネント関係とキーワード関係との位置合わせに基づいて各ステートメント・キーワードが指定されたモジュール・コンポーネントに割り当てられ、キーワード間の関係に基づいてステートメント意図が表現され、ステートメントへの応答が推測され、推測された応答が、仮想対話プラットフォームに伝達される。

Description

本発明は自然言語処理および仮想コミュニケーション・プラットフォームに関する。より詳細には、本発明は、インタラクティブな会話をシミュレートするための、チャットボットなどの人工知能仮想対話プラットフォームに関する。構造化知識を介した目標指向（ｇｏａｌ ｏｒｉｅｎｔｅｄ）の情報検索タスクのための対応する会話型エージェントを開発するための統一されたフレームワークを導入して使用する。
実施形態は、自然言語ステートメントを分析するための統一されたフレームワークを利用するためのシステム、コンピュータ・プログラム製品、および方法を含む。
一態様では、仮想対話プラットフォーム内での自然言語（ＮＬ：ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ）の意図を表現するための人工知能（ＡＩ：ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）プラットフォームと共に使用するためのシステムが提供される。図示のように、メモリに動作可能に結合されるプロセッサなどの処理ユニットを有するシステムが提供される。処理ユニットと通信するＡＩプラットフォームが提供される。ＡＩプラットフォームには、自然言語（ＮＬ）マネージャ、関係マネージャ、コミュニケーション・マネージャの形態のツールが組み込まれる。ＮＬマネージャは、仮想対話プラットフォームで受け取られたＮＬステートメントを検出し、ステートメント内に表現された１つまたは複数のエンティティを識別し、識別されたエンティティを利用してステートメントを１つまたは複数のキーワードへと解析するように機能する。関係マネージャは、受け取られたステートメントの意図を、ステートメント内で識別された２つ以上のキーワード間の関係として表現するように機能する。関係マネージャはさらに、２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとしてステートメントを表現する知識表現を識別する。コンポーネント関係とキーワード関係との位置合わせ（ａｌｉｇｎｍｅｎｔ）に基づいて、各ステートメント・キーワードが指定されたモジュール・コンポーネントに割り当てられる。コミュニケーション・マネージャは、２つ以上のキーワード間の関係に基づいてステートメント意図を表現し、受け取られたステートメントへの応答を推測するように機能する。推測された応答が、仮想対話プラットフォームに伝達される。
他の態様では、仮想対話プラットフォーム内での意図を表現するためのコンピュータ・プログラム製品が提供される。コンピュータ・プログラム製品は、プログラム・コードを具現化するコンピュータ可読記憶媒体を含み、プログラム・コードは、プロセッサにより実行可能であって、仮想対話プラットフォームで受け取られた自然言語（ＮＬ）ステートメントを検出する。ＮＬステートメントが分析されて、ステートメント内に表現された１つまたは複数のエンティティが識別される。識別されたエンティティが利用されて、ステートメントが１つまたは複数のキーワードへと解析される。受け取られたステートメントの意図を、ステートメント内で識別された２つ以上のキーワード間の関係として表現するプログラム・コードが提供される。２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとしてステートメントを表現する知識表現が識別される。コンポーネント関係とキーワード関係との位置合わせに基づいて、各ステートメント・キーワードが指定されたモジュール・コンポーネントに割り当てられる。２つ以上のキーワード間の関係に基づいてステートメント意図を表現し、受け取られたステートメントへの応答を推測するプログラム・コードがさらに提供される。推測された応答が、仮想対話プラットフォームに伝達される。
さらに他の態様では、仮想対話プラットフォーム内での意図を表現するための方法が提供される。自然言語（ＮＬ）ステートメントが検出および分析されて、ステートメント内に表現された１つまたは複数のエンティティが識別される。識別されたエンティティが利用されて、ステートメントが１つまたは複数のキーワードへと解析される。受け取られたステートメントの意図が、ステートメント内で識別された２つ以上のキーワード間の関係として表現される。２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとしてステートメントを表現する知識表現が識別される。コンポーネント関係とキーワード関係との位置合わせに基づいて、各ステートメント・キーワードが指定されたモジュール・コンポーネントに割り当てられる。２つ以上のキーワード間の関係に基づいてステートメント意図が表現され、受け取られたステートメントへの応答が推測される。推測された応答が、仮想対話プラットフォームに伝達される。
これらおよび他の特徴および利点は、添付の図面と併せて、現在例示的な実施形態（複数可）の以下の詳細な説明から明らかになろう。
本明細書で参照する図面は、本明細書の一部を形成し、引用により本明細書に組み込まれる。図面に示す特徴は、特に明記していない限り、全ての実施形態ではなく、いくつかの実施形態のみを例示することを意図している。
対話フレームワークのアーキテクチャの一実施形態を示すためのブロック図である。 ネットワーク環境における人工知能プラットフォーム・コンピューティング・システムの一実施形態を示すコンピュータ・システムの概略図である。 図２で図示および説明した人工知能プラットフォーム・ツールおよびそれらに関連するアプリケーション・プログラム・インターフェースの一実施形態を示すブロック図である。 自然言語ステートメントを処理してステートメント意図を決定し、情報ハンドリング・システムでモジュール構造を選択または作成してステートメントの構造を表現する方法の一実施形態を示すフローチャートである。 識別されたキーワードおよび値に基づくステートメントの例示的な表現の一実施形態を示すブロック図である。 ＮＬステートメントまたはクエリを処理し、ステートメントを対話モジュールにマッピングする方法の一実施形態を示すフローチャートである。 対話プロンプトを生成するためのコンポーネントおよび論理フローの一実施形態を示す流れ図である。 図１～図７に関して上記で説明したシステムおよび処理を実装するための、クラウド・ベースのサポート・システムのコンピュータ・システム／サーバの一例を示すブロック図である。 クラウド・コンピュータ環境を示すブロック図である。 クラウド・コンピューティング環境によって提供される機能的抽象化モデル・レイヤのセットを示すブロック図である。
本明細書で概略的に説明および図示している本実施形態のコンポーネントは、多種多様な異なる構成で配置および設計されることは容易に理解されよう。したがって、図に提示した本実施形態の装置、システム、方法、およびコンピュータ・プログラム製品の実施形態の以下の詳細な説明は、特許請求する実施形態の範囲を限定することを意図したものではなく、選択した実施形態を表すものにすぎない。
本明細書全体を通じた「選択した一実施形態（ａ ｓｅｌｅｃｔ ｅｍｂｏｄｉｍｅｎｔ）」、「１つの実施形態（ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ）」、または「一実施形態（ａｎ ｅｍｂｏｄｉｍｅｎｔ）」への言及は、その実施形態に関連して説明する特定の特徴、構造、または特性が少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書全体における様々な場所での「選択した一実施形態」、「１つの実施形態において」、または「一実施形態において」という句の出現は、必ずしも同じ実施形態を指すとは限らない。
例示した実施形態は、図面を参照することによって十分に理解され、図面全体を通して同様の部分を同様の番号で示す。以下の説明は単なる例を意図しており、本明細書で特許請求する実施形態と一致するデバイス、システム、および処理の特定の選択した実施形態を単に例示している。
人工知能システムの分野では、自然言語処理システム（たとえば、ＩＢＭ（Ｒ）のＷａｔｓｏｎ（Ｒ）人工知能コンピュータ・システムおよび他の自然言語システム）は、システムが獲得した知識に基づいて自然言語を処理する。自然言語を処理するために、システムは知識のデータベースまたはコーパスから得られたデータでトレーニングされるが、得られた結果は様々な理由で誤っており、または不正確になり得る。
人工知能（ＡＩ）のサブセットである機械学習（ＭＬ：ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）は、アルゴリズムを使用して、データから学習し、このデータに基づいて先見性を生み出す。ＡＩは、機械が情報に基づいて意思決定を行うことにより、所与のトピックで成功する可能性を最大化することができる場合の知能を指す。ＭＬは１つまたは複数のニューラル・モデルを用いて入力パターンを識別し、時間の経過と共に進化するアルゴリズムを含む。ニューラル・モデルは、人間の神経系が機能する方法をエミュレートする。基本単位はニューロンと呼ばれ、ニューロンは典型的には層へと編成される。ニューラル・モデルは、ニューロンの抽象的なバージョンのような多数の相互接続された処理ユニットをシミュレートすることによって機能する。ニューラル・モデルには典型的には３つの部分があり、これには、入力フィールドを表すユニットを有する入力層、１つまたは複数の隠れ層、およびターゲット・フィールド（複数可）を表す１つまたは複数のユニットを有する出力層が含まれる。ユニットは様々な接続強度または重みで接続される。入力データは最初の層に提示され、各ニューロンから次の層の全てのニューロンに値が伝播される。出力層から結果が提供される。ニューラル・モデルは、人間の脳の機能の仕方をエミュレートするように設計されるので、最小限に定義された抽象概念および問題をサポートするようにコンピュータをトレーニングすることができる。
ＡＩおよび関連する推論（ｒｅａｓｏｎｉｎｇ）の中核には、類似性の概念がある。自然言語および目的（ｏｂｊｅｃｔｓ）を理解するプロセスは、関係の観点からの推論を必要とし、これは難題であり得る。効率的に目的を識別し、自然言語を理解し、コンテンツ応答を処理するための既存のソリューションは、実用レベルでは非常に困難である。
本明細書ではチャットボットとも呼ぶ仮想会話エージェントは、既存のサービスまたは情報をエンド・ユーザに対してアクセスしやすくする、またはよりアクセスしやすくするために、需要が高まっている。この需要の増大によって、ウェブサイトおよびモバイル・アプリケーションなどの商用の仮想的な場所が会話形式になされている。そのような会話型エージェントを構築するための以前の開発フレームワークは、典型的には、たとえば自然言語理解（ＮＬＵ：ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ）対話管理などの、対話サブタスクのモジュラー・パイプラインを提供していた。これらのフレームワークでは、各モジュールは、独自の適切に設計された注釈付きのデータを必要とする。しかしながら、そのようなデータを入手するタスクは、複雑で労働集約的であり、維持するのが容易ではない。会話エージェントを改善するために、データ収集に関するツールおよびソリューションを提供する必要がある。したがって、本明細書で図示および説明するように、構造化知識を介した目標指向の情報検索タスクのための会話型エージェントを開発するための統一されたフレームワークを実証するためのシステム、コンピュータ・プログラム製品、および方法を提供する。
統一されたフレームワークは、エンドツーエンドでトレーニング可能なモデルによって消費することができるパイプラインを提供する。具体的には、このフレームワークは、複数の対話サブタスクを意味的に根拠付ける（ｓｅｍａｎｔｉｃａｌｌｙ ｇｒｏｕｎｄ）ための中央知識表現を強化するように設計される。本明細書に示すように、パイプラインは、データ主導のエビデンスを収集してモデルを継続的に改善するモジュールと統合される。
対話は、ユーザおよび仮想エージェント間の一連のコミュニケーションで構成される。対話は、本明細書で対話タスクと呼ぶ主要タスクと、本明細書で対話サブタスクとも呼ぶ、主要タスクをサポートする１つまたは複数のサブタスクとで構成されるか、またはそれらによって定義される。仮想エージェントには質問が提示され、質問から回答が提供され、それらの回答は対話データとして対話のフローに統合されることは当技術分野では理解される。本明細書で図示および説明するように、対話サブタスク間で中央知識表現を共有することができる。中央知識表現は、ドメイン・エンティティと、エンティティの対応するプロパティと、エンティティの関係のセットと、をカバーする。対応するプロパティの例には、予想されるデータ・タイプおよび許容可能値が含まれる。中央知識表現は、典型的にはエンド・ユーザがアクセス可能な、データベースまたはアプリケーション・プログラム・インターフェース（ＡＰＩ：ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍ ｉｎｔｅｒｆａｃｅ）の形式の構造化知識に基づいて構築される。図４～図７に示すように、仮想コミュニケーション・プラットフォームにおけるステートメントを評価して、キーと値のペア＜ｋ，ｖ＞を抽出し、ここで、ｋはステートメント・キーワードを表し、ｖはキーワード値（複数可）を表す。商業環境では、値はキーワードに対応する価格または費用であり得る。値をさらに処理して、キーワード・メタ情報、たとえば、データ・タイプ、値の範囲、および値が通知可能（ｉｎｆｏｒｍａｂｌｅ）または要求可能かなどを取得することができる。そのようなメタ情報は＜ｋ，ｒ，ｖ＞として記憶され、ここで、ｋはキーワードまたはエンティティ名であり、ｒは関係またはプロパティ・タイプを表し、ｖはキーワードの値（複数可）を表す。本明細書で使用する場合、キーワードとは、エンティティなど、関連情報を表す用語である。メタ情報は、暗黙的な対話状態および対話行為を決定するために用いられ得る。
会話型コマース（ｃｏｎｖｅｒｓａｔｉｏｎａｌ ｃｏｍｍｅｒｃｅ）としても知られている、チャット・アプリケーションを介した既存の商用サービスへのアクセスの需要が高まっている。これは、自動車保険、不動産賃貸などのドメイン・サービスの基礎となる知識ベースに基づいてエンド・ユーザと情報を交換することに関連する。しかしながら、タスクを遂行するために知識ベースとインタラクションを行うことは、クエリ・ルールを統計的（ｓｔａｔｉｓｔｉｃａｌ）なコンポーネントとドメインごとに繰り返し融合することに関連して難題になり得る。本明細書で図示および説明するように、目標指向の情報探索会話システムのための統一された暗黙的対話フレームワークを提供する。このフレームワークは、明示的にエンコードされたルールに依存するのではなく、基礎となるデータ表現を使用してインタラクションに必要なコンポーネントを構築することによって、ドメイン・データとの対話インタラクションを可能にする。このフレームワークは、ドメインのインタラクティブな検索の、ドメイン非依存のプロトタイピングを容易にし、様々なドメイン間での共通のビルディング・ブロックを識別して共有することを可能にする。
本明細書で図示および説明するように、ドメイン知識ベースは利用可能であるか、または埋め込まれたスキーマを有する対応する商用ウェブ・サイトから入手することができる。ドメイン知識ベースと、知識ベースへの許可されたクエリと、アプリケーション・ロジックとの組み合わせが、対話アクティビティを推測するために適用される。図１～図７で図示および説明するように、知識ベースがスキャンされ、たとえば、意図ラベリング、状態追跡、およびドメイン・データベースへのアプリケーション・プログラム・インターフェース（ＡＰＩ）呼び出しの発行などの複数の対話タスクを意味的に根拠付けることができる中央知識表現が構築される。中央知識表現は、中央表現（ｃｅｎｔｒａｌ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）に基づいて自動的に更新される。これは、会話型システム（複数可）を継続的に改善するために学習モジュールによって直接消費される、ターゲットを絞ったフィードバック・データを収集する。
図１を参照すると、対話フレームワークのアーキテクチャの一実施形態を示すためのブロック図（１００）が提供されている。図示のように、このフレームワークは、自然言語理解（ＮＬＵ）モジュール（１１０）、推測エンジン（１２０）、プロンプト生成器（１３０）、およびデータ収集用の対話環境シミュレータ（１４０）を含むいくつかのコア・モジュールを含む。これらのコンポーネント、たとえば、（１１０）、（１２０）、（１３０）、および（１４０）の入力は全て、中央知識表現（１５０）によって初期化される。より詳細には、中央知識表現は、ドメイン知識ベースに基づいて生成される。中央知識表現は、ドメイン・エンティティと、エンティティ間の意味的関係のセットとをカバーする。たとえば、アパートの賃貸に関して、ドメイン・エンティティは「ａｐａｒｔｍｅｎｔ」であり、意味的関係は「ｈａｓ－ａｔｔｒｉｂｕｔｅ」である。中央知識表現は、エンティティに関連する追加の一般的特性（ａｄｄｉｔｉｏｎａｌ ｇｅｎｅｒｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）と呼ばれるものを提供し、これはドメインにわたって適用可能であり得るコンテンツを識別するのに役立つ。そのような一般的特性の例には、予想されるデータ・タイプ、範囲、および操作が含まれるが、これらに限定されない。中央知識表現は、本明細書では、対話タスクおよびサブタスク間で共有されるように図示および説明する。中央知識表現は、ドメイン・エンティティと、エンティティの対応するプロパティ、たとえば、予想されるデータ・タイプおよび許容可能値と、エンティティの関係のセットとをカバーする。
本明細書にさらに示すように、対話シミュレータ（１４０）は、ユーザ（１６０）およびエージェント（１６２）から入力を受け取る。ユーザ入力は自然言語およびテキストの形式であり、これらはそれぞれ第１のチャネル（１４２）および第２のチャネル（１４４）を介してＮＬＵモジュール（１１０）に伝達されて、ユーザ意図が特定される。１つの実施形態では、ＮＬＵモジュール（１１０）は、自然言語分類器を利用して、受け取った入力（１６０）からユーザ意図を特定する。ＮＬＵモジュール（１１０）は、受け取った入力、たとえば、ステートメントから解析された１つまたは複数のエンティティ間の１つまたは複数の関係として表現されるユーザ意図の基礎となる表現を提供する。ＮＬＵモジュール（１１０）は、通信チャネル（１２２）を介して表現を推測エンジン（１２０）に伝達する。対話シミュレータ（１４０）は、受け取った入力の主題と、１つの実施形態では対応するクエリとに基づいて、可能性のある仮想的な場所、たとえばウェブ・サイトを識別し、場所に埋め込まれたスキーマからデータを抽出し、これは推測エンジン（１２０）に伝達され、次の対話アクションが推測されてプロンプト生成器（１３０）に出力され、これは通信チャネル（１３２）を介して対話シミュレータ（１４０）に伝達されるように示されている。１つの実施形態では、対話シミュレータは、リアルタイムのインタラクション中にユーザ・フィードバックを収集する。このように、対話フレームワーク・アクセスは、特定されたユーザ意図に基づいて情報を要求し、その情報を対話シミュレータ（１４０）用の１つまたは複数の対話プロンプトに変換する。
図２を参照すると、ドメイン構造化知識を介した会話型エージェントの機能をサポートするための人工知能プラットフォームを有するコンピュータ・システム（２００）の概略図が示されている。図示のように、ネットワーク接続、たとえば、コンピュータ・ネットワーク（２０５）を介して複数のコンピューティング・デバイス（２８０）、（２８２）、（２８４）、（２８６）、（２８８）、および（２９０）と通信するサーバ（２１０）が提供される。サーバ（２１０）は、バス（２１４）を介してメモリ（２１６）と通信する処理ユニット（２１２）を有して構成される。サーバ（２１０）は、コンピューティング・デバイス（２８０）、（２８２）、（２８４）、（２８６）、（２８８）、および（２９０）のうちの１つまたは複数からネットワーク（２０５）を介して仮想会話型エージェント機能処理およびコミュニケーション推測をサポートして実現する組み込まれたツールを有する人工知能（ＡＩ）プラットフォーム（２５０）を有するように示している。サーバ（２１０）は、本明細書では、知識ベース（２７０）に動作可能に結合されるように示している。コンピューティング・デバイス（２８０）、（２８２）、（２８４）、（２８６）、（２８８）、および（２９０）のそれぞれは、１つまたは複数の有線または無線あるいはその両方のデータ通信リンクを介して互いに通信し、また、他のデバイスまたはコンポーネントと通信し、各通信リンクは、ワイヤ、ルータ、スイッチ、送信機、受信機などのうちの１つまたは複数を含み得る。さらに、コンピューティング・デバイス（２８０）～（２９０）のそれぞれは、ネットワーク（２０５）を介して知識ベース（２７０）に動作可能に結合される。サーバ（２１０）の他の実施形態は、本明細書に示した以外のコンポーネント、システム、サブシステム、またはデバイス、あるいはそれらの組み合わせと共に使用され得る。
ＡＩプラットフォーム（２５０）は、本明細書では、知識リソースに関するコグニティブ・コンピューティングの適用を管理および促進し、より具体的には、構造化知識を介した目標指向の情報検索タスクのための会話型エージェントを開発するための統一されたフレームワークをサポートするためのツールを有して構成されるように示している。図示のように、知識ベース（２７０）は、ＡＩプラットフォーム（２５０）に動作可能に結合され、知識表現の複数のライブラリを有して構成される。本明細書では、２つのライブラリをライブラリＡ（２７２Ａ）およびライブラリＢ（２７２Ｂ）として示しており、各ライブラリは特定の製品またはサービス・ドメインによって定義される。各ライブラリは、対応する知識表現を有するように示している。より具体的には、ライブラリＡ（２７２Ａ）は知識表現Ａ（２７４Ａ）を有するように示しており、ライブラリＢ（２７２Ｂ）は知識表現Ｂ（２７４Ｂ）を有するように示している。１つの実施形態では、１つまたは複数の知識表現を有する追加のライブラリが提供され、したがって、ライブラリおよび知識表現の数量は限定的であると見なされるべきではない。１つの実施形態では、知識ベースは、複数の知識表現を有する、各知識表現が製品またはサービスのクラスに向けられた単一のライブラリ、たとえば、ライブラリＡ（２７２Ａ）などを有して構成される。したがって、本明細書に示すライブラリおよび知識表現の数量は、説明を目的としたものであり、限定的なものと見なされるべきではない。
ＡＩプラットフォーム（２５０）を構成するツールには、自然言語（ＮＬ）マネージャ（２５２）と、関係マネージャ（２５４）と、コミュニケーション・マネージャ（２５６）と、知識リソースを管理および維持し、チャットボットまたは仮想対話プラットフォームなどの仮想会話エージェント（２６０）の推測機能をサポートするためのエンティティ・マネージャ（２５８）と、が含まれるが、これらに限定されない。図示のように、チャットボット（２６０）は、ＡＩプラットフォーム（２５０）のツールに動作可能に結合される。ＮＬマネージャ（２５２）は、仮想対話プラットフォーム（２６０）で受け取られたＮＬステートメントを検出および分析するように機能する。仮想対話プラットフォーム（２６０）は、ＮＬ形式のデータの受け取りおよび伝達を行うためのプラットフォームを提供する。ユーザは、プラットフォーム（２６０）でステートメントおよびクエリを送り、プラットフォーム（２６０）を介して基礎となる仮想エージェントからＮＬ形式で応答を受け取る。ＮＬマネージャ（２５２）は、受け取ったＮＬステートメント（複数可）を分析するように機能し、これには、ステートメント内に表現された１つまたは複数のエンティティの識別が含まれる。たとえば、１つの実施形態では、分析は、ＮＬマネージャ（２５２）がステートメント内の文法的構成要素、たとえば、主語、名詞、動詞などを識別することを伴い、この識別を使用して、ステートメントを１つまたは複数のキーワードへとさらに解析する。このように、ＮＬマネージャ（２５２）は、受け取ったステートメント（複数可）にＮＬ処理を施して、ステートメント・キーワードを解析する。
キーワードは関係マネージャ（２５４）によって使用されて、ＮＬステートメントがさらに処理される。より具体的には、関係マネージャ（２５４）は、処理対象のステートメント内に表現された意図を、識別および解析されたキーワードのうちの２つ以上の間の関係として識別する。１つの実施形態では、任意の２つのステートメント・キーワード間の関係は、１つまたは複数の数学演算および１つまたは複数の変数として部分的に表現される。以下で詳細に説明するように、ステートメント、より詳細には、ステートメント・コンポーネントは、一般的知識表現（ｇｅｎｅｒｉｃ ｋｎｏｗｌｅｄｇｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）に変換される。図示のように、知識ベースには、たとえば、主題、製品、サービスなどのドメインごとに異なる知識表現が提供される。１つの実施形態では、各知識表現をモジュールと呼ぶ。関係マネージャ（２５４）は、キーワードおよび任意の対応する値を知識表現のコンポーネントに変換するように機能する。図４で図示および説明するように、知識表現（４５０）は、構造的な関係で配置された、本明細書ではスロットとも呼ぶ複数のコンポーネントを有するように示している。１つの実施形態では、各コンポーネントはグラフィカル・ノードとして表現され、ノード間のエッジはノード間の関係を表す。関係マネージャ（２５４）は、識別されたステートメント・キーワードのそれぞれを指定されたコンポーネント、たとえばスロットに割り当て、この割り当ては、コンポーネント関係と、ステートメントの分析から確認されたキーワード関係との位置合わせに基づく。
識別されたステートメント・キーワードと、任意の対応する値とから、ステートメント意図が確認される。コミュニケーション・マネージャ（２５６）は、知識表現に反映されたキーワード間の関係に基づいてステートメント意図を表現し、受け取ったステートメントへの応答を推測するように機能する。本明細書に示すように、推測された応答（２６２）は、チャットボット（２６０）、たとえば、仮想対話プラットフォームに伝達される。
ステートメント・キーワードと、知識構造に入力されたデータとの間には直接的な関係がある。ＮＬマネージャ（２５２）は、ステートメント・キーワードと、知識表現コンポーネントに入力されたデータとの関係を分析するように機能する。分析を実施するために、様々なマッチング・プロトコルがＮＬマネージャによって使用され得る。マッチング・プロトコルには、リテラル・マッチング、ファジー文字列マッチング、意味的類似性、またはこれらのマッチング・プロトコルのうちの２つ以上の組み合わせが含まれる。このように、直接的な関係は、マッチング・プロトコルによってさらに定義される。
仮想対話プラットフォーム（２６０）におけるコミュニケーションを推測することに加えて、適切なまたは関連する応答データを識別するために、知識表現が知識ベースに提示される。本明細書に示すように、コミュニケーション・マネージャ（２５６）に動作可能に結合されるエンティティ・マネージャ（２５８）は、知識表現に反映されたステートメント意図およびキーワード関係を利用して、対応する知識ベースから関連データを識別する。１つの実施形態では、知識ベースは、対応するデータを有する１つまたは複数の仮想的な場所、たとえば、ウェブ・サイトであり得る。エンティティ・マネージャ（２５８）は、入力された知識表現を使用して、ステートメント意図およびキーワード関係に関連する１つまたは複数の知識ドメイン・エンティティ、たとえば、ウェブサイトを識別し、識別されたキーワードごとに知識ドメインの構造化知識を識別し、識別された構造化知識と、入力された知識表現との間に関連付けを作成する。より具体的には、関連付けは、コミュニケーション・マネージャ（２５６）の機能を利用して、構造化知識をスロットなどのモジュール・コンポーネントおよび関連するコンポーネント関係（複数可）に橋渡し（ｂｒｉｄｇｅ）し、これには、１つの実施形態では、ドメイン・エンティティのエンティティ構造化知識からのデータをモジュール・コンポーネントに入力することが含まれる。エンティティ・マネージャ（２５８）はさらに、識別された構造化知識を出力（２６４）として仮想対話プラットフォーム（２６０）に伝達する。このように、エンティティ・マネージャ（２５８）は、構造化知識を識別し、仮想対話プラットフォーム（２６０）を介して受け取ったステートメントへの応答データとして伝達するように機能する。
ネットワーク（２０５）と通信する様々なコンピューティング・デバイス（２８０）、（２８２）、（２８４）、（２８６）、（２８８）、および（２９０）は、知識ベース（２７０）および対応するライブラリへのアクセス・ポイント、ならびに仮想対話プラットフォーム（２６０）へのアクセスを含み得る。ＡＩプラットフォーム（２５０）は、ステートメントの表現と、対話の推測と、構造化知識の識別および出力とに関してＮＬＵを管理するように機能する。
ネットワーク（２０５）は、様々な実施形態では、ローカル・ネットワーク接続およびリモート接続を含み得、それによって、ＡＩプラットフォーム（２５０）は、ローカルおよびグローバル、たとえば、インターネットを含む任意の規模の環境で動作し得る。ＡＩプラットフォーム（２５０）は、ドキュメント、ネットワーク・アクセス可能なソースまたは構造化データ・ソースあるいはその両方から抽出された、またはそれらにおいて表現された様々な知識を利用できるようにするフロントエンド・システムとして機能する。このように、いくつかの処理がＡＩプラットフォーム（２５０）に入力し、ＡＩプラットフォーム（２５０）は、要求を受け取り、それに応じて応答するための入力インターフェースも含む。コンテンツのユーザは、ネットワーク（２０５）へのネットワーク接続またはインターネット接続を介してＡＩプラットフォーム（２５０）にアクセスし得る。仮想対話プラットフォーム（２６０）は、動作可能に結合される視覚ディスプレイ（２３０）によってアクセス可能である。
ＡＩプラットフォーム（２５０）は、本明細書では、仮想対話プラットフォーム（２６０）をサポートし、これとインターフェースをとるためのいくつかのツールを有するように示している。ＮＬマネージャ（２５２）、関係マネージャ（２５４）、コミュニケーション・マネージャ（２５６）、およびエンティティ・マネージャ（２５８）を含むツールは、個別にまたは集合的にソフトウェア・ツールまたはハードウェア・ツールとして機能する。
いくつかの例示的な実施形態では、サーバ（２１０）は、ニューヨーク州アーモンクのインターナショナル・ビジネス・マシーンズ・コーポレーションから利用可能なＩＢＭ（Ｒ）Ｗａｔｓｏｎ（Ｒ）システムを、以下で説明する例示的な実施形態のメカニズムで増強したものであり得る。ＩＢＭ（Ｒ）Ｗａｔｓｏｎ（Ｒ）システムは、ツール（２５２）～（２５８）をサポートして、本明細書で説明する構造化知識の識別およびコミュニケーション応答の推測を含む知識リソース管理および仮想対話機能をサポートし得る。本明細書ではＡＩツールとも呼ぶツール（２５２）～（２５８）は、サーバ（２１０）のＡＩプラットフォーム（２５０）内に具現化または統合されるものとして示している。ＡＩツールは、ネットワーク（２０５）を介してサーバ（２１０）に接続される別個のコンピューティング・システム（たとえば、２９０）に実装され得る。ＡＩツールは、どこで具現化されても、コミュニケーション対話を推測し、構造化ドメイン知識を伝達することに関して仮想対話プラットフォームをサポートし、これを実現するように機能する。
ＡＩプラットフォーム（２５０）を使用することができる情報ハンドリング・システムのタイプは、ハンドヘルド・コンピュータ／携帯電話（２８０）などの小型のハンドヘルド・デバイスから、メインフレーム・コンピュータ（２８２）などの大型のメインフレーム・システムにまで及ぶ。ハンドヘルド・コンピュータ（２８０）の例には、パーソナル・デジタル・アシスタント（ＰＤＡ：ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ）、パーソナル・エンターテインメント・デバイス、たとえば、ＭＰ４プレーヤー、ポータブル・テレビ、およびコンパクト・ディスク・プレーヤーなどが含まれる。情報ハンドリング・システムの他の例には、ペンまたはタブレット・コンピュータ（２８４）、ラップトップまたはノートブック・コンピュータ（２８６）、パーソナル・コンピュータ・システム（２８８）、およびサーバ（２９０）が含まれる。図示のように、様々な情報ハンドリング・システムは、コンピュータ・ネットワーク（２０５）を使用して一緒にネットワーク化することができる。様々な情報ハンドリング・システムを相互接続するために使用することができるコンピュータ・ネットワーク（２０５）のタイプには、ローカル・エリア・ネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、無線ローカル・エリア・ネットワーク（ＷＬＡＮ：Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット、公衆交換電話網（ＰＳＴＮ：Ｐｕｂｌｉｃ Ｓｗｉｔｃｈｅｄ Ｔｅｌｅｐｈｏｎｅ Ｎｅｔｗｏｒｋ）、他の無線ネットワーク、および情報ハンドリング・システムを相互接続するために使用することができる他の任意のネットワーク・トポロジが含まれる。情報ハンドリング・システムの多くは、ハード・ドライブまたは不揮発性メモリあるいはその両方などの不揮発性データ・ストアを含む。情報ハンドリング・システムの一部は、別々の不揮発性データ・ストアし得る（たとえば、サーバ（２９０）は不揮発性データ・ストア（２９０Ａ）を使用し、メインフレーム・コンピュータ（２８２）は不揮発性データ・ストア（２８２Ａ）を使用する）。不揮発性データ・ストア（２８２Ａ）は、様々な情報ハンドリング・システムに外付けするか、情報ハンドリング・システムのうちの１つに内蔵することができるコンポーネントとすることができる。
ＡＩプラットフォーム（２５０）をサポートするために用いられる情報ハンドリング・システムは、多くの形態を取り得、その一部を図２に示す。たとえば、ＡＩプラットフォームは、デスクトップ、サーバ、ポータブル、ラップトップ、ノートブックの形態、または他のフォーム・ファクタのコンピュータまたはデータ処理システムの形態を取り得る。また、ＡＩプラットフォーム（２５０）をサポートするための情報ハンドリング・システムは、パーソナル・デジタル・アシスタント（ＰＤＡ）、ゲーム・デバイス、ＡＴＭ機、携帯電話デバイス、通信デバイス、またはプロセッサおよびメモリを含む他のデバイスなどの他のフォーム・ファクタを取り得る。
アプリケーション・プログラム・インターフェイス（ＡＰＩ）は、２つ以上のアプリケーション間のソフトウェア媒介として当技術分野では理解される。図２で図示および説明したＡＩプラットフォーム（２５０）に関して、ツール（２５２）～（２５８）のうちの１つまたは複数およびそれらに関連する機能をサポートするための１つまたは複数のＡＰＩが使用され得る。図３を参照すると、ツール（３５２）～（３５８）およびそれらに関連するＡＰＩを示すブロック図（３００）が提供されている。図示のように、複数のツールがＡＩプラットフォーム（３０５）に組み込まれ、ツールは、ＡＰＩ０（３１２）に関連付けられたＮＬマネージャ（３５２）と、ＡＰＩ１（３２２）に関連付けられた関係マネージャ（３５４）と、ＡＰＩ２（３３２）に関連付けられたコミュニケーション・マネージャ（３５６）と、ＡＰＩ３（３４２）に関連付けられたエンティティ・マネージャ（３５８）と、を含む。各ＡＰＩは１つまたは複数の言語およびインターフェース規格で実装され得る。ＡＰＩ０（３１２）は、ステートメント・キーワードの識別を含む、自然言語処理のための機能サポートを提供し、ＡＰＩ１（３２２）は、処理されたステートメントに対応する知識表現を識別し、ステートメント・キーワードおよびキーワード関係と、知識表現との間の関係を作成するための機能サポートを提供し、ＡＰＩ２（３３２）は、受け取ったステートメントに対する仮想対話プラットフォームでの応答を推測するための機能サポートを提供し、ＡＰＩ３（３４２）は、構造化知識を識別し、処理されたステートメントへの応答データとして仮想対話プラットフォームに伝達するための機能サポートを提供する。図示のように、ＡＰＩ（３１２）、（３２２）、（３３２）、および（３４２）のそれぞれはＡＰＩオーケストレータ（３６０）に動作可能に結合され、これは別名オーケストレーション層として知られており、別々のＡＰＩを一緒に透過的にスレッド化する抽象化層として機能することが当技術分野で理解される。１つの実施形態では、別々のＡＰＩの機能が結合され、または組み合わせられ得る。そのため、本明細書に示すＡＰＩの構成は限定と見なされるべきではない。このように、本明細書に示すように、ツールの機能は、それぞれのＡＰＩによって具現化またはサポートされ得る。
図４を参照すると、ステートメント意図を決定し、情報ハンドリング・システムでモジュール構造を選択または作成してステートメントの構造を表現する処理を示すフローチャート（４００）が提供されている。図示のように、ステートメントまたはクエリがコンピュータ・デバイスによって受け取られるかまたは検出される（４０２）。１つの実施形態では、ステートメントまたはクエリは、対応する仮想対話プラットフォームにおいて識別される。自然言語理解（ＮＬＵ）を使用してステートメントを文法的構成要素へと解析し、これには、受け取られたステートメント内の１つまたは複数のエンティティを決定することが含まれる（４０４）。ステートメントの文法的構成要素を解析することに加えて、またはその代わりに、ステップ（４０４）での解析は、ステートメントに存在する１つまたは複数のキーワードの識別を伴い得る。キーワードなどの解析されたステートメント・コンポーネントの数量は、変数ＸＴｏｔａｌに割り当てられる（４０６）。識別された各キーワード、たとえば、キーワードＸは評価を受けて、ステートメント内に明示的にまたは内在的に存在するかまたは検出可能であるキーワード値が識別される（４０８）。１つの実施形態では、ＮＬ処理ツールを使用して、ステートメント・キーワードをキャプチャし、キーワード値を識別する。識別されたキーワード（複数可）および値（複数可）は、相互接続されたコンポーネントとして表現される（４１０）。このように、受け取られたステートメントは、ステートメント・コンポーネントを識別するための処理を受け、これを使用して、ステートメントの主題、キーワード、およびキーワード値が識別される。
図５を参照すると、識別されたキーワードおよび値に基づくステートメントの例示的な表現を示すためのブロック図（５００）が提供されている。図示のように、モジュール（５１０）は、複数の相互接続されたコンポーネント（５１２）、（５１４）、（５１６）、および（５１８）から構成される。モジュール（５１０）は、対話シミュレータ（１４０）によって受け取られたクエリまたはステートメントを表現する。キーワードおよび値がコンポーネントに入力されて示されている。この例では、キーワード「ｕｎｄｅｒ」が第１のコンポーネントｈ１（５２０）に割り当てられ、値が第２のコンポーネントｈ２（５２２）に割り当てられ、第２のキーワード「ｉｎ」が第３のコンポーネントｈ３（５２４）に割り当てられ、第３のキーワード「Ｂｒｏｎｘ」が第４のコンポーネントｈ４（５２６）に割り当てられる。この例では、キーワード、たとえば、エンティティは「Ｂｒｏｎｘ」であり、値は「３，０００」であり、キーと値のペアは＜Ｂｒｏｎｘ，３０００＞と表される。値ｈ１、ｈ２、ｈ３、およびｈ４は、ベクトル形式で表された、ＮＬＵプラットフォームから検出された単語の潜在表現である。
中央知識表現（ＣＫＲ：ｃｅｎｔｒａｌｉｚｅｄ ｋｎｏｗｌｅｄｇｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）を用いて、受け取ったステートメントまたはクエリを、対話サブタスク間で共有できる形式で表現する。ＣＫＲは、ドメイン・エンティティと、エンティティの対応するプロパティ、たとえば、予想されるデータ・タイプおよび許容可能値と、エンティティの関係のセットと、をカバーする。ＣＫＲは、典型的にはエンド・ユーザがアクセス可能な、データベースまたはアプリケーションＡＰＩの形式の構造化知識に基づいて構築される。図６を参照すると、ＮＬステートメントまたはクエリを処理し、ステートメントを対話モジュールにマッピングする方法の一実施形態を示すためのフローチャート（６００）が提供されている。図６に示すように、受け取られたまたは検出されたユーザ・ステートメントに初期処理を施して、ステートメントに存在するキーワードおよび値を識別する（６０２）。処理されたユーザ・ステートメントからのデータは、ステートメント意図に基づいて、ＣＫＲの対応するモジュール内に表現される。ステップ（６０２）に続いて、ステートメント意図が、ステートメントに表現された２つ以上のエンティティ間の関係として確認され（６０４）、エンコードされる（６０６）。１つの実施形態では、２つ以上のエンティティ間の関係は、１つまたは複数の数学演算および１つまたは複数の変数として部分的に表現される。ＣＫＲ内に意図の説明ラベルを有するのではなく、意図はエンティティおよび演算の合成として表現される。たとえば、アパートを探すことに関して、「価格帯を上げる」という意図は、＜”ａｐａｒｔｍｅｎｔ”，（ｐｒｉｃｅ，＋，ｎｕｍ＿ｖａｌ）＞と表現される。このように、意図はＣＫＲから直接推測することができ、相対的な生成演算（ｒｅｌａｔｉｖｅｌｙ ｇｅｎｅｒａｔｉｏｎ ｏｐｅｒａｔｉｏｎｓ）に基づいて構成されるので、新しいドメインに適応可能であり得る。１つの実施形態では、ＣＫＲのフレームワークは、カスタマイズされたモジュールのプラグアンドプレイをサポートするように設計される。エンコードされた意図をステートメントの主題と共に使用して、ステートメントを一般的に表現するＣＫＲを識別する（６０８）。図５を参照すると、ＣＫＲは（５５０）に示されており、複数のスロットが本明細書ではｃ１（５６０）、ｃ２（５６２）、ｃ３（５６４）、およびｃ４（５６６）として示されている。ＣＫＲおよび対応するスロットは、入力ステートメントの潜在表現である。この例に示すように、ｃ２（５６２）の値「ｐｒｉｃｅ」はｈ２（５２２）の値（複数可）の潜在表現であり、ｃ４（５６６）の値「ｂｏｒｏｕｇｈ」はｈ４（５２６）の値（複数可）の潜在表現である。
１つの実施形態では、一般的ＣＫＲ表現のライブラリを維持し、検索して以前の一般的表現を識別し、これを本明細書ではウォーム・スタートとも呼ぶ。以前の表現が存在しない場合、新しい表現が作成され、これをコールド・スタートとも呼ぶ。このように、受け取られたステートメントに初期処理およびコンポーネント解析を施して、ステートメント・コンポーネントを識別および表現する。
注釈付きの対話データが存在しないコールド・スタートの場合、ユーザ意図は、意味的に一致するエンティティと、予想されるデータ・タイプによって制約されるＡＤＤおよびＤＥＬＥＴＥなどのエンティティに対する対応する一般的な操作行為とによってエンコードされる。意味マッチングは、リテラル・マッチングと、エンティティ間の近似的な一致を識別するファジー・マッチングと、ベクトル化された単語表現を使用した関連エンティティのマッチングをサポートするベクトル表現マッチングとの３つの連続したステップで、ユーザの発話をＣＫＲの要素にマッピングする。意図の注釈付きの対話データが存在するウォーム状態の場合、トレーニング・モデルを用いて意図を予測する。より具体的には、入力テキストのシーケンスは、シーケンス内の各タイム・ステップで、ＬＳＴＭまたはＧＲＵなどのニューラル・ネットワークによってエンコードされる。ステップ（６０８）に続いて、意図および入力ステートメント表現は、意味フレームを形成し、これは、キーワードおよび値（複数可）を要求されたエンティティ（６１０）の検索制約とするクエリまたはＡＰＩ呼び出しに変換される。クエリまたはＡＰＩ呼び出しが処理され、クエリまたはＡＰＩ呼び出しを満たすドメイン、たとえば、仮想的な場所またはウェブサイトなどが識別される（６１２）。対応するドメイン・スキーマが識別され（６１４）、スキーマからのデータが識別されたＣＫＲに選択的に関連付けられる（６１６）。より具体的には、ＣＫＲ内の潜在表現をスキーマ表現および値とマッチングして、場所の構造化知識と、ステートメントの潜在表現とに間に関連付けを作成し、エンティティ構造化知識から潜在表現内の１つまたは複数のコンポーネントに入力する。
ステップ（６１６）に続いて、次の対話アクティビティ、たとえば、対話プロンプトが推測され、対話シミュレータに対話プロンプトとして伝達される（６１８）。図１に示すように、この推測は推測エンジン（１２０）によってサポートされる。推測エンジンの目標は、受け取ったステートメントまたはクエリの結果の取得を最適化し、次のアクションを推測することである。図５の例と、場所のスキーマからの出力とに基づいて、推測エンジンは場所の指定または価格帯の識別を要求し得る。図７を参照すると、対話プロンプトを生成するためのコンポーネントおよび論理フローの一実施形態を示すための流れ図（７００）が提供されている。図示のように、対話シミュレータ（７１０）は、対話アクティビティなどの対話状態フレーム追跡ユニット（７２０）に動作可能に結合される。図５で図示および説明したように、対話ステートメントが検出および処理され、スキーマとして表現されるドメイン・データベース（７５０）を使用して、ＣＫＲのコンポーネントに入力される。本明細書に示すように、リカレント・ニューラル・ネットワーク（７３０）は、受け取ったステートメントにコンテキストを提供し、対話プロンプト生成器（７４０）の形式で出力を作成するための長短期記憶（ＬＳＴＭ：ｌｏｎｇ ｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ）ブロック（７３２）および（７３４）を有するように示している。リカレント・ニューラル・ネットワークは、ＬＳＴＭブロック（７３２）を使用して、受け取ったステートメントを潜在表現にエンコードし、ＬＳＴＭブロック（７３４）を使用して、ステートメントを対話状態にデコードする。ソフトマックス活性化関数を利用して（７３６）、各対話アクションの確率Ｐを評価および出力し、ここで、ｙは対話状態を表し、ｔ－１は前の対話ステートメントを表し、ｗは重みである。このように、本明細書に示すＬＳＴＭブロックは、ステートメント入力と入力の潜在表現とを使用して出力を作成し、対話シミュレータに伝達する。
ステップ（６１８）での対話プロンプトの推測は、ステートメント意図と、対話ステートメントと、１つの実施形態では以前の検索結果とに基づく。対話シミュレータは、ＣＫＲに基づいてＡＰＩ呼び出しを発行するか、または検索体験を最適化するために最大の情報を要求する。このようにして、ＣＫＲは、構造化知識を介した目標指向の情報検索タスクのための会話型エージェントを開発するための統一されたフレームワークを提供する。
機能ツール（２５２）～（２５８）およびそれらに関連する機能の態様は、単一の場所のコンピュータ・システム／サーバで具現化され、または１つの実施形態では、コンピューティング・リソースを共有するクラウド・ベースのシステムで構成され得る。図８を参照すると、図１～図７に関して上記で説明した処理を実装するための、クラウド・ベースのサポート・システム（８８０）と通信する、以下ホスト（８０２）と呼ぶコンピュータ・システム／サーバ（８０２）の一例を示すブロック図（８００）が提供されている。ホスト（８０２）は、他の多くの汎用または専用の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る。ホスト（８０２）での使用に適し得るよく知られているコンピューティング・システム、環境、または構成、あるいはそれらの組み合わせの例には、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、ハンドヘルドもしくはラップトップ・デバイス、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、プログラム可能な家庭用電化製品、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、および上記のシステム、デバイスのいずれかを含むファイル・システム（たとえば、分散ストレージ環境および分散クラウド・コンピューティング環境）、ならびにこれらの均等物が含まれるが、これらに限定されない。
ホスト（８０２）は、コンピュータ・システムによって実行されるプログラム・モジュールなどのコンピュータ・システム実行可能命令の一般的なコンテキストで説明し得る。一般に、プログラム・モジュールには、特定のタスクを実行するかまたは特定の抽象データ・タイプ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、データ構造などが含まれ得る。ホスト（８０２）は、通信ネットワークを介してリンクされた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クラウド・コンピューティング環境（８８０）において実践され得る。分散クラウド・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・ストレージ・デバイスを含むローカルおよびリモート両方のコンピュータ・システム記憶媒体に配置され得る。
図８に示すように、ホスト（８０２）は、汎用コンピューティング・デバイスの形態で示している。ホスト（８０２）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（８０４）、たとえば、ハードウェア・プロセッサと、システム・メモリ（８０６）と、システム・メモリ（８０６）を含む様々なシステム・コンポーネントをプロセッサ（８０４）に結合するバス（８０８）とを含み得るが、これらに限定されない。バス（８０８）は、メモリ・バスまたはメモリ・コントローラ、ペリフェラル・バス、アクセラレーテッド・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。限定ではなく例として、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：Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、マイクロ・チャネル・アーキテクチャ（ＭＣＡ：Ｍｉｃｒｏ Ｃｈａｎｎｅｌ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、拡張ＩＳＡ（ＥＩＳＡ：Ｅｎｈａｎｃｅｄ ＩＳＡ）バス、ビデオ・エレクトロニクス規格協会（ＶＥＳＡ：Ｖｉｄｅｏ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ）ローカル・バス、および周辺機器相互接続（ＰＣＩ：Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔｓ）バスが含まれる。ホスト（８０２）は、典型的には、様々なコンピュータ・システム可読媒体を含む。そのような媒体は、ホスト（８０２）によってアクセス可能な任意の利用可能な媒体であり得、揮発性および不揮発性の媒体、取り外し可能および取り外し不可能な媒体の両方を含む。
メモリ（８０６）は、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）（８３０）またはキャッシュ・メモリ（８３２）あるいはその両方などの、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。単なる例として、取り外し不可能な不揮発性の磁気媒体（図示しない、典型的には「ハード・ドライブ」と呼ばれるもの）に読み書きするためのストレージ・システム（８３４）を設けることができる。図示していないが、取り外し可能な不揮発性の磁気ディスク（たとえば、「フレキシブル・ディスク」）に読み書きするための磁気ディスク・ドライブと、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、または他の光学媒体などの取り外し可能な不揮発性の光学ディスクに読み書きするための光学ディスク・ドライブと、を設けることができる。そのような例では、それぞれを、１つまたは複数のデータ・メディア・インターフェースによってバス（８０８）に接続することができる。
プログラム・モジュール（８４２）のセット（少なくとも１つ）を有するプログラム／ユーティリティ（８４０）は、限定ではなく例として、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データと同様に、メモリ（８０６）に記憶され得る。オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データまたはそれらの何らかの組み合わせのそれぞれは、ネットワーキング環境の一実装形態を含み得る。プログラム・モジュール（８４２）は一般に、動的なコミュニケーション評価質問識別および処理を行うための実施形態の機能または方法論あるいはその両方を実行する。たとえば、プログラム・モジュール（８４２）のセットは、図２で説明したツール（２５２）～（２５８）を含み得る。
ホスト（８０２）はまた、キーボード、ポインティング・デバイスなどの１つまたは複数の外部デバイス（８１４）、ディスプレイ（８２４）、ユーザがホスト（８０２）とやりとりすることを可能にする１つまたは複数のデバイス、またはホスト（８０２）が１つまたは複数の他のコンピューティング・デバイスと通信することを可能にする任意のデバイス（たとえば、ネットワーク・カード、モデムなど）、あるいはそれらの組み合わせと通信し得る。そのような通信は、入力／出力（Ｉ／Ｏ：Ｉｎｐｕｔ／Ｏｕｔｐｕｔ）インターフェース（複数可）（８２２）を介して行うことができる。またさらに、ホスト（８０２）は、ネットワーク・アダプタ（８２０）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：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、またはパブリック・ネットワーク（たとえば、インターネット）、あるいはそ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と通信することができる。図示のように、ネットワーク・アダプタ（８２０）は、バス（８０８）を介してホスト（８０２）の他のコンポーネントと通信する。１つの実施形態では、分散ファイルシステム（図示せず）の複数のノードは、Ｉ／Ｏインターフェース（８２２）またはネットワーク・アダプタ（８２０）を介してホスト（８０２）と通信する。図示していないが、他のハードウェアまたはソフトウェアあるいはその両方のコンポーネントを、ホスト（８０２）と併用できることを理解されたい。例には、マイクロコード、デバイス・ドライバ、冗長処理ユニット、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・システムなどが含まれるが、これらに限定されない。
本文書では、「コンピュータ・プログラム媒体」、「コンピュータ使用可能媒体」、および「コンピュータ可読媒体」という用語は一般に、ＲＡＭ（８３０）、キャッシュ（８３２）、およびストレージ・システム（８３４）、たとえば、リムーバブル・ストレージ・ドライブおよびハード・ディスク・ドライブに取り付けられたハード・ディスクなどを含むメイン・メモリ（８０６）などの媒体を指すために使用する。
コンピュータ・プログラム（コンピュータ制御ロジックとも呼ばれる）は、メモリ（８０６）に記憶される。コンピュータ・プログラムはまた、ネットワーク・アダプタ（８２０）などの通信インターフェースを介して受信され得る。そのようなコンピュータ・プログラムは、実行された場合に、コンピュータ・システムが本明細書で論じている本実施形態の機能を実行することを可能にする。具体的には、コンピュータ・プログラムは、実行された場合に、処理ユニット（８０４）がコンピュータ・システムの機能を実行することを可能にする。したがって、そのようなコンピュータ・プログラムは、コンピュータ・システムのコントローラを表す。
コンピュータ可読記憶媒体は、命令実行デバイスによる使用のために命令を保持および記憶可能な有形のデバイスとすることができる。コンピュータ可読記憶媒体は、たとえば、限定はしないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組み合わせであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ダイナミックまたはスタティック・ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭ：ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙまたはフラッシュ・メモリ）、磁気ストレージ・デバイス、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ－ＲＯＭ：ｃｏｍｐａｃｔ ｄｉｓｃ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、デジタル・バーサタイル・ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）、メモリー・スティック（Ｒ）、フレキシブル・ディスク、命令が記録されたパンチ・カードまたは溝の隆起構造などの機械的にコード化されたデバイス、およびこれらの任意の適切な組み合わせが含まれる。コンピュータ可読記憶媒体は、本明細書で使用する場合、たとえば、電波または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を伝搬する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または有線で伝送される電気信号などの一過性の信号自体であると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ティング／処理デバイスに、あるいは、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組み合わせなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、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、またはエッジ・サーバ、あるいはそれらの組み合わせを含み得る。各コンピューティング／処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、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、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶する。
本実施形態の動作を実行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：ｉｎｓｔｒｕｃｔｉｏｎ－ｓｅｔ－ａｒｃｈｉｔｅｃｔｕｒｅ）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、あるいは、Ｊａｖａ（Ｒ）、Ｓｍａｌｌｔａｌｋ（Ｒ）、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または類似のプログラミング言語などの従来の手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組み合わせで書かれたソース・コードまたはオブジェクト・コードであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上かつ部分的にリモート・コンピュータ上で、あるいは完全にリモート・コンピュータもしくはサーバまたはサーバのクラスタ上で実行され得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され、または（たとえば、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）外部コンピュータへの接続がなされ得る。いくつかの実施形態では、たとえば、プログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ：ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ａｒｒａｙ）を含む電子回路は、実施形態の態様を実行するために、コンピュータ可読プログラム命令の状態情報を使用してコンピュータ可読プログラム命令を実行することによって、電子回路を個人向けにし得る。
１つの実施形態では、ホスト（８０２）は、クラウド・コンピューティング環境のノードである。当技術分野で知られているように、クラウド・コンピューティングは、最小限の管理労力またはサービスのプロバイダとのやりとりによって迅速にプロビジョニングおよび解放することができる、設定可能なコンピューティング・リソース（たとえば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、およびサービス）の共有プールへの便利な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配信のモデルである。このクラウド・モデルは、少なくとも５つの特徴と、少なくとも３つのサービス・モデルと、少なくとも４つのデプロイメント・モデルとを含み得る。そのような特徴の例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・コンシューマは、サービスのプロバイダとの人的な対話を必要とせずに、必要に応じて自動的に、サーバ時間およびネットワーク・ストレージなどのコンピューティング能力を一方的にプロビジョニングすることができる。
ブロード・ネットワーク・アクセス：能力はネットワークを介して利用可能であり、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（たとえば、携帯電話、ラップトップ、およびＰＤＡ）による使用を促進する標準的なメカニズムを介してアクセスされる。
リソース・プーリング：プロバイダのコンピューティング・リソースをプールして、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マルチ・テナント・モデルを使用して複数のコンシューマにサービス提供する。一般にコンシューマは、提供されるリソースの正確な位置に対して何もできず、知っているわけでもないが、より上位の抽象化レイヤ（たとえば、国、州、またはデータセンターなど）では位置を特定可能であり得るという点で位置非依存の感覚がある。
迅速な弾力性：能力を迅速かつ弾力的に、場合によっては自動的にプロビジョニングして素早くスケール・アウトし、迅速に解放して素早くスケール・インすることができる。コンシューマにとって、プロビジョニング可能な能力は無制限であるように見えることが多く、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、サービスのタイプ（たとえば、ストレージ、処理、帯域幅、およびアクティブ・ユーザ・アカウント）に適したある抽象化レイヤでの計量機能を利用して、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、管理、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コンシューマ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。
ソフトウェア・アズ・ア・サービス（ＳａａＳ）：コンシューマに提供される能力は、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使用することである。アプリケーションは、ウェブ・ブラウザ（たとえば、ウェブ・ベースの電子メール）などのシン・クライアント・インターフェースを介して様々なクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を可能性のある例外として、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、さらには個々のアプリケーション機能を含む、基盤となるクラウド・インフラストラクチャを管理も制御もしない。
プラットフォーム・アズ・ア・サービス（ＰａａＳ）：コンシューマに提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを使用して作成された、コンシューマ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上にデプロイすることである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、デプロイされたアプリケーションおよび場合によってはアプリケーション・ホスティング環境構成を制御する。
インフラストラクチャ・アズ・ア・サービス（ＩａａＳ）：コンシューマに提供される能力は、オペレーティング・システムおよびアプリケーションを含むことができる任意のソフトウェアをコンシューマがデプロイして動作させることが可能な、処理、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・リソースをプロビジョニングすることである。コンシューマは、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、オペレーティング・システム、ストレージ、デプロイされたアプリケーションを制御し、場合によっては選択したネットワーキング・コンポーネント（たとえば、ホスト・ファイアウォール）を限定的に制御する。
デプロイメント・モデルは以下の通りである。
プライベート・クラウド：クラウド・インフラストラクチャは組織専用に運用される。これは組織または第三者によって管理され、構内または構外に存在し得る。
コミュニティ・クラウド：クラウド・インフラストラクチャはいくつかの組織によって共有され、共通の懸念（たとえば、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の考慮事項など）を有する特定のコミュニティをサポートする。これは組織または第三者によって管理され、構内または構外に存在し得る。
パブリック・クラウド：クラウド・インフラストラクチャは、一般大衆または大規模な業界団体に対して利用可能にされ、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：クラウド・インフラストラクチャは、固有のエンティティのままであるが、データおよびアプリケーションの移植性を可能にする標準化技術または独自技術（たとえば、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）によって結合された２つ以上のクラウド（プライベート、コミュニティ、またはパブリック）を合成したものである。
クラウド・コンピューティング環境は、ステートレス性、低結合性、モジュール性、および意味論的相互運用性に重点を置いたサービス指向型である。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９を参照すると、例示的なクラウド・コンピューティング・ネットワーク（９００）が示されている。図示のように、クラウド・コンピューティング・ネットワーク（９００）は、１つまたは複数のクラウド・コンピューティング・ノード（９１０）を有するクラウド・コンピューティング環境（９５０）を含み、これらを使用して、クラウド・コンシューマによって使用されるローカル・コンピューティング・デバイスが通信し得る。これらのローカル・コンピューティング・デバイスの例には、パーソナル・デジタル・アシスタント（ＰＤＡ）もしくは携帯電話（９５４Ａ）、デスクトップ・コンピュータ（９５４Ｂ）、ラップトップ・コンピュータ（９５４Ｃ）、または自動車コンピュータ・システム（９５４Ｎ）、あるいはそれらの組み合わせなどが含まれるが、これらに限定されない。さらに、ノード（９１０）内の個々のノードは相互に通信し得る。これらは、たとえば、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、またはそれらの組み合わせなど、１つまたは複数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され得る（図示せず）。これにより、クラウド・コンピューティング環境（９００）は、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを維持する必要がない、インフラストラクチャ・アズ・ア・サービス、プラットフォーム・アズ・ア・サービス、またはソフトウェア・アズ・ア・サービス、あるいはそれらの組み合わせを提供することが可能になる。図９に示したコンピューティング・デバイス（９５４Ａ～Ｎ）のタイプは例示的なものにすぎないことを意図しており、クラウド・コンピューティング環境（９５０）は、任意のタイプのネットワークまたはネットワーク・アドレス指定可能接続（たとえば、ウェブ・ブラウザを使用）あるいはその両方を介して任意のタイプのコンピュータ化デバイスと通信できることを理解されたい。
ここで図１０を参照すると、図９のクラウド・コンピューティング・ネットワークによって提供される機能的抽象化レイヤ（１０００）のセットが示されている。図１０に示したコンポーネント、レイヤ、および機能は例示的なものにすぎないことを意図しており、実施形態はこれらに限定されないことを事前に理解されたい。図示のように、以下のレイヤ、すなわち、ハードウェアおよびソフトウェア・レイヤ（１０１０）、仮想化レイヤ（１０２０）、管理レイヤ（１０３０）、およびワークロード・レイヤ（１０４０）、ならびに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（１０１０）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、一例では、ＩＢＭ（Ｒ）ｚＳｅｒｉｅｓ（Ｒ）システム、ＲＩＳＣ（縮小命令セット・コンピュータ）アーキテクチャ・ベースのサーバ、一例では、ＩＢＭ（Ｒ）ｐＳｅｒｉｅｓ（Ｒ）システム、ＩＢＭ（Ｒ）ｘＳｅｒｉｅｓ（Ｒ）システム、ＩＢＭ（Ｒ）ＢｌａｄｅＣｅｎｔｅｒ（Ｒ）システム、ストレージ・デバイス、ネットワークおよびネットワーキング・コンポーネントが含まれる。ソフトウェア・コンポーネントの例には、ネットワーク・アプリケーション・サーバ・ソフトウェア、一例では、ＩＢＭ（Ｒ）ＷｅｂＳｐｈｅｒｅ（Ｒ）アプリケーション・サーバ・ソフトウェア、およびデータベース・ソフトウェア、一例では、ＩＢＭ（Ｒ）ＤＢ２（Ｒ）データベース・ソフトウェアが含まれる。（ＩＢＭ（Ｒ）、ｚＳｅｒｉｅｓ（Ｒ）、ｐＳｅｒｉｅｓ（Ｒ）、ｘＳｅｒｉｅｓ（Ｒ）、ＢｌａｄｅＣｅｎｔｅｒ（Ｒ）、ＷｅｂＳｐｈｅｒｅ（Ｒ）、およびＤＢ２（Ｒ）は、世界中の多くの管轄区域で登録されたインターナショナル・ビジネス・マシーンズ・コーポレーションの商標である）。
仮想化レイヤ（１０２０）は抽象化レイヤを提供し、抽象化レイヤから、仮想エンティティの以下の例、すなわち、仮想サーバ、仮想ストレージ、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、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、ならびに仮想クライアントが提供され得る。
一例では、管理レイヤ（１０３０）は、以下の機能、すなわち、リソース・プロビジョニング、計量および価格決定、ユーザ・ポータル、サービス・レイヤ管理、およびＳＬＡ計画および履行を提供し得る。リソース・プロビジョニングは、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使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調達を提供する。計量および価格決定は、クラウド・コンピューティング環境内でリソースが使用されたときの費用追跡と、これらのリソースの消費に対する会計または請求とを提供する。一例では、これらのリソースはアプリケーション・ソフトウェア・ライセンスを含み得る。セキュリティは、クラウド・コンシューマおよびタスクの同一性検証だけでなく、データおよび他のリソースに対する保護も提供する。ユーザ・ポータルは、コンシューマ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・レイヤ管理は、要求されるサービス・レイヤが満たされるような、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提供する。サービス・レイヤ合意（ＳＬＡ：Ｓｅｒｖｉｃｅ Ｌａｙｅｒ Ａｇｒｅｅｍｅｎｔ）の計画および履行は、ＳＬＡによれば将来要求され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提供する。
ワークロード・レイヤ（１０４０）は、クラウド・コンピューティング環境が使用される機能性の例を提供する。このレイヤから提供される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、ソフトウェア開発およびライフサイクル管理、仮想教室教育配信、データ分析処理、取引処理、ならびに仮想対話プラットフォーム管理、が含まれるが、これらに限定されない。
自然言語入力を評価し、対応するコミュニケーションにおける質問を検出し、検出された質問を回答またはサポート・コンテンツあるいはその両方で解決するためのシステム、方法、装置、およびコンピュータ・プログラム製品を本明細書で開示していることは理解されよう。
本実施形態の特定の実施形態を図示および説明してきたが、実施形態およびそのより広い態様から逸脱することなく、本明細書の教示に基づいて変更および修正が行われることは当業者には明らかであろう。したがって、添付の特許請求の範囲は、実施形態の真の範囲および思想内にある全てのそのような変更および修正をその範囲内に包含するものとする。さらに、実施形態が、添付の特許請求の範囲によってのみ定義されることを理解されたい。導入する請求項要素の特定の数を意図する場合、そのような意図はその請求項に明示的に記載し、そのような記載がない場合、そのような制限は存在しないことが当業者によって理解されよう。非限定的な例では、理解を助けるものとして、以下の添付の特許請求の範囲は、請求項要素を導入するための導入語句「少なくとも１つ」および「１つまたは複数」の使用を含む。しかしながら、そのような語句の使用は、同じ請求項が「１つまたは複数」または「少なくとも１つ」という導入語句および「ａ」または「ａｎ」などの不定冠詞を含む場合であっても、不定冠詞「ａ」または「ａｎ」による請求項要素の導入が、そのような導入した請求項要素を含む特定の請求項を、そのような要素をただ１つ含む実施形態に限定することを意味すると解釈されるべきではなく、特許請求の範囲での定冠詞の使用についても同じことが言える。
本実施形態は、システム、方法、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせであり得る。また、本実施形態の選択した態様は、完全にハードウェアの実施形態、完全にソフトウェアの実施形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）、あるいはソフトウェアもしくはハードウェアまたはその両方の態様を組み合わせた実施形態の形を取り得、これらの全てを一般に本明細書では「回路」、「モジュール」、または「システム」と呼び得る。さらに、本実施形態の態様は、本実施形態の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体（または複数の媒体）に具現化されたコンピュータ・プログラム製品の形態を取り得る。開示したシステム、方法、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせは、このように具現化されるので、ＮＬステートメントをモデル化し、モデル化されたステートメントに対応する構造化データを利用し、対応する仮想コミュニケーション・プラットフォームにおける仮想コミュニケーション応答データを推測するように、人工知能プラットフォームの機能および動作を改善するよう動作する。
コンピュータ可読記憶媒体は、命令実行デバイスによる使用のために命令を保持および記憶可能な有形のデバイスとすることができる。コンピュータ可読記憶媒体は、たとえば、限定はしないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組み合わせであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ダイナミックまたはスタティック・ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、磁気ストレージ・デバイス、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリー・スティック（Ｒ）、フレキシブル・ディスク、命令が記録されたパンチ・カードまたは溝の隆起構造などの機械的にコード化されたデバイス、およびこれらの任意の適切な組み合わせが含まれる。コンピュータ可読記憶媒体は、本明細書で使用する場合、たとえば、電波または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を伝搬する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または有線で伝送される電気信号などの一過性の信号自体であると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ティング／処理デバイスに、あるいは、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組み合わせなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、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、またはエッジ・サーバ、あるいはそれらの組み合わせを含み得る。各コンピューティング／処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、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、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶する。
本実施形態の動作を実行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、あるいは、Ｊａｖａ（Ｒ）、Ｓｍａｌｌｔａｌｋ（Ｒ）、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または類似のプログラミング言語などの従来の手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組み合わせで書かれたソース・コードまたはオブジェクト・コードであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上かつ部分的にリモート・コンピュータ上で、あるいは完全にリモート・コンピュータもしくはサーバまたはサーバのクラスタ上で実行され得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され、または（たとえば、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）外部コンピュータへの接続がなされ得る。いくつかの実施形態では、たとえば、プログラマブル・ロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路は、本実施形態の態様を実行するために、コンピュータ可読プログラム命令の状態情報を使用してコンピュータ可読プログラム命令を実行することによって、電子回路を個人向けにし得る。
本実施形態の態様は、実施形態による方法、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図またはブロック図あるいはその両方を参照して本明細書で説明している。フローチャート図またはブロック図あるいはその両方の各ブロック、およびフローチャート図またはブロック図あるいはその両方におけるブロックの組み合わせが、コンピュータ可読プログラム命令によって実装できることは理解されよう。
これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、または他のプログラム可能データ処理装置のプロセッサに提供して、それらの命令がコンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行された場合に、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為を実装するための手段が生成されるようなマシンを生成し得る。また、これらのコンピュータ可読プログラム命令を、コンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはそれらの組み合わせに特定の方法で機能するように指示することが可能なコンピュータ可読記憶媒体に記憶して、命令が記憶されたコンピュータ可読記憶媒体が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為の態様を実装する命令を含む製造品を構成するようにし得る。
また、コンピュータ可読プログラム命令をコンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードして、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実行させることによって、それらの命令がコンピュータ、他のプログラム可能装置、または他のデバイス上で実行された場合に、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為が実装されるようなコンピュータ実装処理を生成し得る。
図中のフローチャートおよびブロック図は、本実施形態の様々な実施形態によるシステム、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、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理的機能（複数可）を実装するための１つまたは複数の実行可能命令を含むモジュール、セグメント、または命令の一部を表し得る。いくつかの代替的実装形態では、ブロックに記載した機能は、図示した順序以外で行われ得る。たとえば、関与する機能に応じて、連続して示した２つのブロックは、実際には実質的に同時に実行され、またはそれらのブロックは、場合により逆の順序で実行され得る。ブロック図またはフローチャート図あるいはその両方の各ブロック、およびブロック図またはフローチャート図あるいはその両方におけるブロックの組み合わせは、指定された機能もしくは行為を実行するか、または専用ハードウェアおよびコンピュータ命令の組み合わせを実行する専用のハードウェア・ベースのシステムによって実装できることにも気付くであろう。
本明細書では特定の実施形態を例示の目的で記載しているが、実施形態の思想および範囲から逸脱することなく様々な修正が行われることは理解されよう。したがって、実施形態の保護の範囲は、以下の特許請求の範囲およびそれらの均等物によってのみ限定される。

Claims (18)

  1. メモリに動作可能に結合されるプロセッサと、
    前記プロセッサと通信し、仮想対話プラットフォーム内での意図を表現する自然言語理解（ＮＬＵ）ツールを有する人工知能（ＡＩ）プラットフォームと、
    を備え、前記ツールは、
    ＮＬステートメントを検出および分析する自然言語（ＮＬ）マネージャであって、前記分析は、前記ステートメント内に表現された１つまたは複数のエンティティを識別し、前記識別されたエンティティを利用して前記ステートメントを前記識別された１つまたは複数のキーワードへと解析する、前記ＮＬマネージャと、
    前記ＮＬマネージャに動作可能に結合され、前記受け取られたステートメントの意図を、前記ステートメント内で識別された２つ以上のキーワード間の関係として表現する関係マネージャであって、前記表現は、２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとして前記ステートメントを表現する知識表現を識別することと、前記コンポーネント関係と前記キーワード関係との位置合わせに基づいて、各ステートメント・キーワードを指定されたモジュール・コンポーネントに割り当てることと、を含む、前記関係マネージャと、
    前記２つ以上のキーワード間の前記関係に基づいて前記ステートメント意図を表現し、前記受け取られたステートメントへの応答を推測するコミュニケーション・マネージャと、
    を含み、
    前記推測された応答は、前記ＡＩプラットフォームに動作可能に結合される前記仮想対話プラットフォームに伝達される、
    コンピュータ・システム。
  2. 前記２つ以上のキーワード間の前記関係は、１つまたは複数の数学演算および１つまたは複数の変数として部分的に表現される、請求項１に記載のシステム。
  3. 前記コミュニケーション・マネージャに動作可能に結合されるエンティティ・マネージャをさらに備え、前記エンティティ・マネージャは、
    前記ステートメント意図および前記キーワード関係に関連する１つまたは複数のエンティティを識別し、
    前記識別された１つまたは複数のキーワードのそれぞれについて構造化知識を識別し、
    前記識別された構造化知識と、前記フォーマットされたモジュールとの間に関連付けを作成し、
    前記識別された構造化知識を出力として前記仮想対話プラットフォームに伝達する、
    請求項１に記載のシステム。
  4. 前記識別された構造化知識と、前記フォーマットされたモジュールとの間の前記作成された関連付けは、前記コミュニケーション・マネージャが前記エンティティ構造化知識を前記モジュール・コンポーネントおよびコンポーネント関係に橋渡しすることをさらに含み、前記橋渡しは、前記エンティティ構造化知識からのデータを１つまたは複数のモジュール・コンポーネントに入力することを含む、請求項３に記載のシステム。
  5. 前記ＮＬマネージャによる前記ステートメントの解析は、前記ＮＬマネージャが、前記ステートメント内に表現された前記２つ以上のキーワードと、前記１つまたは複数のモジュール・コンポーネントに入力された前記データとの間の関係を選択的に分析することを含む、請求項１に記載のシステム。
  6. 前記ＮＬマネージャが前記関係を選択的に分析することは、リテラル・マッチング、ファジー文字列マッチング、意味的類似性分析、またはそれらの組み合わせを含むマッチング・プロトコルを利用する、請求項５に記載のシステム。
  7. 仮想対話プラットフォーム内での意図を表現するためのコンピュータ・プログラム製品であって、前記コンピュータ・プログラム製品はプログラム・コードを具現化するコンピュータ可読記憶媒体を備え、前記プログラム・コードはプロセッサにより実行可能であって、
    ＮＬステートメントを検出および分析し、前記分析は、前記ステートメント内に表現された１つまたは複数のエンティティを識別し、前記識別されたエンティティを利用して前記ステートメントを前記識別された１つまたは複数のキーワードへと解析し、
    前記受け取られたステートメントの意図を、前記ステートメント内で識別された２つ以上のキーワード間の関係として表現し、前記表現は、２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとして前記ステートメントを表現する知識表現を識別することと、前記コンポーネント関係と前記キーワード関係との位置合わせに基づいて、各ステートメント・キーワードを指定されたモジュール・コンポーネントに割り当てることと、を含み、
    前記２つ以上のキーワード間の前記関係に基づいて前記ステートメント意図を表現し、前記受け取られたステートメントへの応答を推測し、
    前記推測された応答は、仮想対話プラットフォームに伝達される、
    コンピュータ・プログラム製品。
  8. 前記２つ以上のキーワード間の前記関係は、１つまたは複数の数学演算および１つまたは複数の変数として部分的に表現される、請求項７に記載のコンピュータ・プログラム製品。
  9. 前記ステートメント意図および前記キーワード関係に関連する１つまたは複数のエンティティを識別し、
    前記識別された１つまたは複数のキーワードのそれぞれについて構造化知識を識別し、
    前記識別された構造化知識と、前記フォーマットされたモジュールとの間に関連付けを作成し、
    前記識別された構造化知識を出力として前記仮想対話プラットフォームに伝達する、
    プログラム・コードをさらに含む、請求項７に記載のコンピュータ・プログラム製品。
  10. 前記識別された構造化知識と、前記フォーマットされたモジュールとの間の前記作成された関連付けは、前記エンティティ構造化知識を前記モジュール・コンポーネントおよびコンポーネント関係に橋渡しするプログラム・コードをさらに含み、前記橋渡しは、前記エンティティ構造化知識からのデータを１つまたは複数のモジュール・コンポーネントに入力することを含む、請求項９に記載のコンピュータ・プログラム製品。
  11. 前記ステートメントを解析する前記プログラム・コードは、前記ステートメント内に表現された前記２つ以上のキーワードと、前記１つまたは複数のモジュール・コンポーネントに入力された前記データとの間の関係を選択的に分析することを含む、請求項７に記載のコンピュータ・プログラム製品。
  12. 前記関係を選択的に分析する前記プログラム・コードは、リテラル・マッチング、ファジー文字列マッチング、意味的類似性分析、またはそれらの組み合わせを含むマッチング・プロトコルを利用する、請求項１１に記載のコンピュータ・プログラム製品。
  13. コンピューティング・デバイスを使用して仮想対話プラットフォーム内での意図を表現する方法であって、
    前記コンピューティング・デバイスによって、ＮＬステートメントを検出および分析することであって、前記分析することは、前記ステートメント内に表現された１つまたは複数のエンティティを識別し、前記識別されたエンティティを利用して前記ステートメントを前記識別された１つまたは複数のキーワードへと解析する、前記検出および分析することと、
    前記コンピューティング・デバイスによって、前記受け取られたステートメントの意図を、前記ステートメント内で識別された２つ以上のキーワード間の関係として表現することであって、前記表現することは、２つ以上のコンポーネントおよびコンポーネント関係構造を有するフォーマットされたモジュールとして前記ステートメントを表現する知識表現を識別することと、前記コンポーネント関係と前記キーワード関係との位置合わせに基づいて、各ステートメント・キーワードを指定されたモジュール・コンポーネントに割り当てることと、を含む、前記表現することと、
    前記コンピューティング・デバイスによって、前記２つ以上のキーワード間の前記関係に基づいて前記ステートメント意図を表現し、前記受け取られたステートメントへの応答を推測することと、
    を含み、
    前記推測された応答は、前記仮想対話プラットフォームに伝達される、
    方法。
  14. 前記２つ以上のキーワード間の前記関係は、１つまたは複数の数学演算および１つまたは複数の変数として部分的に表現される、請求項１３に記載の方法。
  15. 前記ステートメント意図および前記キーワード関係に関連する１つまたは複数のエンティティを識別することと、
    前記識別された１つまたは複数のキーワードのそれぞれについて構造化知識を識別することと、
    前記識別された構造化知識と、前記フォーマットされたモジュールとの間に関連付けを作成することと、
    前記識別された構造化知識を出力として前記仮想対話プラットフォームに伝達することと、
    をさらに含む、請求項１３に記載の方法。
  16. 前記識別された構造化知識と、前記フォーマットされたモジュールとの間の前記作成された関連付けは、前記エンティティ構造化知識を前記モジュール・コンポーネントおよびコンポーネント関係に橋渡しすることをさらに含み、前記橋渡しすることは、前記エンティティ構造化知識からのデータを１つまたは複数のモジュール・コンポーネントに入力することを含む、請求項１５に記載の方法。
  17. 前記ステートメントの解析は、前記ステートメント内に表現された前記２つ以上のキーワードと、前記１つまたは複数のモジュール・コンポーネントに入力された前記データとの間の関係を選択的に分析することを含む、請求項１３に記載の方法。
  18. 前記関係を選択的に分析することは、リテラル・マッチング、ファジー文字列マッチング、意味的類似性分析、またはそれらの組み合わせを含むマッチング・プロトコルを利用する、請求項１７に記載の方法。
JP2022540930A 2020-01-03 2020-12-07 会話型エージェント・システム、方法、プログラム Pending JP2023508599A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/733,267 US11288322B2 (en) 2020-01-03 2020-01-03 Conversational agents over domain structured knowledge
US16/733,267 2020-01-03
PCT/IB2020/061579 WO2021137061A1 (en) 2020-01-03 2020-12-07 Conversational agents over domain structured knowledge

Publications (1)

Publication Number Publication Date
JP2023508599A true JP2023508599A (ja) 2023-03-02

Family

ID=76655244

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022540930A Pending JP2023508599A (ja) 2020-01-03 2020-12-07 会話型エージェント・システム、方法、プログラム

Country Status (4)

Country Link
US (1) US11288322B2 (ja)
JP (1) JP2023508599A (ja)
CN (1) CN114761944A (ja)
WO (1) WO2021137061A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115203689B (zh) * 2022-07-25 2023-05-02 广州正则纬创信息科技有限公司 一种数据安全分享方法及系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7158966B2 (en) 2004-03-09 2007-01-02 Microsoft Corporation User intent discovery
US8082264B2 (en) 2004-04-07 2011-12-20 Inquira, Inc. Automated scheme for identifying user intent in real-time
US8265939B2 (en) 2005-08-31 2012-09-11 Nuance Communications, Inc. Hierarchical methods and apparatus for extracting user intent from spoken utterances
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8700389B2 (en) 2010-12-23 2014-04-15 Sap Ag Systems and methods for model-based processing of linguistic user inputs using annotations
US20140279993A1 (en) 2013-03-14 2014-09-18 Microsoft Corporation Clarifying User Intent of Query Terms of a Search Query
US9875494B2 (en) 2013-04-16 2018-01-23 Sri International Using intents to analyze and personalize a user's dialog experience with a virtual personal assistant
US20190286713A1 (en) * 2015-01-23 2019-09-19 Conversica, Inc. Systems and methods for enhanced natural language processing for machine learning conversations
US20190286711A1 (en) * 2015-01-23 2019-09-19 Conversica, Inc. Systems and methods for message building for machine learning conversations
US20190286712A1 (en) * 2015-01-23 2019-09-19 Conversica, Inc. Systems and methods for phrase selection for machine learning conversations
US20180068031A1 (en) * 2016-08-16 2018-03-08 Ebay Inc. Enhancing user queries using implicit indicators
US20180052842A1 (en) * 2016-08-16 2018-02-22 Ebay Inc. Intelligent online personal assistant with natural language understanding
US10467262B2 (en) 2016-11-29 2019-11-05 Accenture Global Solutions Limited Customized visualization based intelligence augmentation
US10642913B2 (en) * 2016-12-21 2020-05-05 Accenture Global Solutions Limited Intent and bot based query guidance
US10068567B1 (en) 2016-12-29 2018-09-04 Amdocs Development Limited System, method, and computer program for automatic management of intent classification
US20190103111A1 (en) 2017-10-03 2019-04-04 Rupert Labs Inc. ( DBA Passage AI) Natural Language Processing Systems and Methods
US11200506B2 (en) 2017-12-15 2021-12-14 Microsoft Technology Licensing, Llc Chatbot integrating derived user intent

Also Published As

Publication number Publication date
CN114761944A (zh) 2022-07-15
US20210209167A1 (en) 2021-07-08
US11288322B2 (en) 2022-03-29
WO2021137061A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
US11455473B2 (en) Vector representation based on context
US10417581B2 (en) Question answering system-based generation of distractors using machine learning
US11966389B2 (en) Natural language to structured query generation via paraphrasing
US11030402B2 (en) Dictionary expansion using neural language models
US20230092274A1 (en) Training example generation to create new intents for chatbots
TWI814394B (zh) 電子系統、電腦實施方法及電腦程式產品
JP2023510241A (ja) 仮想エージェント対話システムの会話ログの検索方法、システム、プログラム
US11526801B2 (en) Conversational search in content management systems
US11226832B2 (en) Dynamic generation of user interfaces based on dialogue
US11182416B2 (en) Augmentation of a text representation model
US20200110834A1 (en) Dynamic Linguistic Assessment and Measurement
US11443216B2 (en) Corpus gap probability modeling
JP2023508599A (ja) 会話型エージェント・システム、方法、プログラム
US20220327356A1 (en) Transformer-Based Model Knowledge Graph Link Prediction
JP2023002475A (ja) コンピュータシステム、コンピュータプログラムおよびコンピュータで実装される方法（因果関係知識の識別および抽出）
US20220207384A1 (en) Extracting Facts from Unstructured Text
JP2022079430A (ja) 方法、システムおよびコンピュータ・プログラム
US11520783B2 (en) Automated validity evaluation for dynamic amendment
US10902046B2 (en) Breaking down a high-level business problem statement in a natural language and generating a solution from a catalog of assets
US20210157881A1 (en) Object oriented self-discovered cognitive chatbot
US11947536B2 (en) Identifying and processing poly-process natural language queries
US11714855B2 (en) Virtual dialog system performance assessment and enrichment
WO2022194086A1 (en) A neuro-symbolic approach for entity linking
US20230316101A1 (en) Knowledge Graph Driven Content Generation

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220805

RD16 Notification of change of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7436

Effective date: 20220805

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230525

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240620