JP7101706B2 - 自然言語処理方法、装置及び設備 - Google Patents
自然言語処理方法、装置及び設備 Download PDFInfo
- Publication number
- JP7101706B2 JP7101706B2 JP2019564011A JP2019564011A JP7101706B2 JP 7101706 B2 JP7101706 B2 JP 7101706B2 JP 2019564011 A JP2019564011 A JP 2019564011A JP 2019564011 A JP2019564011 A JP 2019564011A JP 7101706 B2 JP7101706 B2 JP 7101706B2
- Authority
- JP
- Japan
- Prior art keywords
- slot tagging
- feedback information
- tagging result
- bilstm
- user
- 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.)
- Active
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
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Description
本願は、2019年07月29日に提出した中国特許出願第201910687763.0号の優先権を主張し、ここで、該中国特許出願の全内容が本願の一部として援用される。
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定することと、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定することと、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うことと、を含む。
前記使用されているBiLSTM-CRFモデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定した後、前記方法は、更に、
前記対話ロボットが前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力することと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得することと、を含み、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる。
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致しないことに応じて、前記一致しないフィードバック情報を負フィードバック情報として確定することと、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致することに応じて、ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定することと、を含む。
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定することと、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定することと、を含み、
前記正方向フィードバック率が所定期間内のユーザーの前記応答結果に対するフィードバック操作によって確定されるものである。
前記CRF層が前記フィードバック情報に基づいてモデル強化訓練を行うことができるように、前記フィードバック情報を前記BiLSTM-CRFモデルにおけるCRF層にフィードバックすることを含む。
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定するように構成されるスロットタギング結果確定モジュールと、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定するように構成されるフィードバック情報確定モジュールと、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うように構成されるモデル強化学習モジュールと、を備える。
前記装置は、更に、
前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力するように構成されるスロットタギング結果出力モジュールと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得するように構成される目標スロットタギング結果確定モジュールと、を備え、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる。
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致しないことに応じて、前記一致しないフィードバック情報を負フィードバック情報として確定するように構成される第1フィードバック情報確定サブモジュールと、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致することに応じて、ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定するように構成される第2フィードバック情報確定サブモジュールと、を含む。
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定し、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定するように構成され、
前記正方向フィードバック率が所定期間内のユーザーの前記応答結果に対するフィードバック操作によって確定されるものである。
前記CRF層が前記フィードバック情報に基づいてモデル強化訓練を行うことができるように、前記フィードバック情報を前記BiLSTM-CRFモデルにおけるCRF層にフィードバックするように構成される。
プロセッサと、
プロセッサ実行可能命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定し、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定し、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うように構成される。
と言ったとき、ユーザーの意図の種類が音楽であると判断でき、従って、音楽ロボット(Bot)を呼び出してユーザーに一曲の歌を推薦して再生し、ユーザーが聞きたくない場合、「曲を変えてください」と言ったと、この音楽ロボットがユーザーにサービスを提供し続け、ユーザーが別の問題を出すまで、他のロボットに切り換えてユーザーにサービスを提供する。
x=(x1,x2,・・・,xn)
と記され、
xiがセンテンスにおけるi番目のワードの辞書でのidを示し、更に各ワードのワンホット(one-hot)ベクトルを取得でき、次元が辞書サイズである。
モデルの第1層がルックアップ層(look-up layer)であり、予め訓練又はランダムに初期化された埋め込み(embedding)マトリクスを利用してセンテンスにおける各ワードをone-hotベクトルから低次元高密度のワードベクトルにマッピングし、次の層に入力する前に、dropout(ドロップアウトは深層構造を有するニューラルネットワークを最適化する方法であって、学習過程において隠れ層の一部の重み又は出力をランダムにゼロにし、ノード間の依存性を低下させることにより、ニューラルネットワークの正規化を実現し、ニューラルネットワークの過学習を防止する)を設定することにより過学習を緩和する。
隠れ状態シーケンスと逆方向LSTMから各位置で出力された
隠れ状態シーケンスとを位置によって組み合わせて、完全な隠れ状態シーケンスを取得する。
B-LOC I-LOC O O」であり、
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定するサブステップS11と、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定するサブステップS12と、を含んでもよい。
スロットタギング結果YであるActionと、
識別対象シーケンスXであるStateと、
p(y|x)、すなわちシーケンスXの条件下で結果Yを生成する確率であるPolicyと、
フィードバック情報であるRewardと、を含んでもよい。
使用されているBiLSTM-CRFモデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定するように構成されるスロットタギング結果確定モジュール401と、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定するように構成されるフィードバック情報確定モジュール402と、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うように構成されるモデル強化学習モジュール403と、を備えてもよい。
前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力するように構成されるスロットタギング結果出力モジュールと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得するように構成される目標スロットタギング結果確定モジュールと、を備え、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる。
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致しないように応答して、前記一致しないフィードバック情報を負フィードバック情報として確定するように構成される第1フィードバック情報確定サブモジュールと、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致するように応答して、ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定するように構成される第2フィードバック情報確定サブモジュールと、を含んでもよい。
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定し、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定するように構成され、
前記正方向フィードバック率が所定期間内のユーザーの前記応答結果に対するフィードバック操作によって確定されるものである。
前記CRF層が前記フィードバック情報に基づいてモデル強化訓練を行うことができるように、前記フィードバック情報を前記BiLSTM-CRFモデルにおけるCRF層にフィードバックするように構成される。
Claims (10)
- 自然言語処理方法であって、マンマシン対話システムにおける対話ロボットに適用され、
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定することと、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定することと、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うことと、を含み、
前記マンマシン対話システムは更に中央制御モジュールを備え、
使用されている前記BiLSTM-CRFモデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定した後、前記方法は、更に、
前記対話ロボットが前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力することと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得することと、を含み、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる、
自然言語処理方法。 - 前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定することは、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致しないことに応じて、前記一致しないフィードバック情報を負フィードバック情報として確定することと、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致することに応じて、ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定することと、を含む
請求項1に記載の方法。 - ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定することは、
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定することと、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定することと、を含み、
前記正方向フィードバック率が所定期間内のユーザーの前記応答結果に対するフィードバック操作によって確定されるものである、
請求項2に記載の方法。 - 前記フィードバック情報に基づいてモデル強化学習を行うことは、
CRF層が前記フィードバック情報に基づいてモデル強化訓練を行うことができるように、前記フィードバック情報を前記BiLSTM-CRFモデルにおける前記CRF層にフィードバックすることを含む
請求項1~3のいずれか1項に記載の方法。 - 自然言語処理装置であって、
マンマシン対話システムにおける対話ロボットに適用され、
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定するように構成されるスロットタギング結果確定モジュールと、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定するように構成されるフィードバック情報確定モジュールと、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うように構成されるモデル強化学習モジュールと、を備え、
前記マンマシン対話システムは更に中央制御モジュールを備え、
前記装置は、更に、
前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力するように構成されるスロットタギング結果出力モジュールと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得するように構成される目標スロットタギング結果確定モジュールと、を備え、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる、
自然言語処理装置。 - 前記フィードバック情報確定モジュールは、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致しないことに応じて、前記一致しないフィードバック情報を負フィードバック情報として確定するように構成される第1フィードバック情報確定サブモジュールと、
前記目標スロットタギング結果と前記BiLSTM-CRFモデルの出力したスロットタギング結果とが一致することに応じて、ユーザーの前記応答結果に対するフィードバック操作によってフィードバック情報を確定するように構成される第2フィードバック情報確定サブモジュールと、を含む
請求項5に記載の装置。 - 前記第2フィードバック情報確定サブモジュールは、具体的に、
ユーザーの正方向フィードバック率が所定閾値以上であることに応じて、該フィードバック情報を正フィードバック情報として確定し、
前記正方向フィードバック率が所定閾値より小さいことに応じて、該フィードバック情報を負フィードバック情報として確定するように構成され、
前記正方向フィードバック率が所定期間内のユーザーの前記応答結果に対するフィードバック操作によって確定されるものである、
請求項6に記載の装置。 - 前記モデル強化学習モジュールは、具体的に、
CRF層が前記フィードバック情報に基づいてモデル強化訓練を行うことができるように、前記フィードバック情報を前記BiLSTM-CRFモデルにおける前記CRF層にフィードバックするように構成される
請求項5~7のいずれか1項に記載の装置。 - 対話ロボットを備えるマンマシン対話装置であって、
プロセッサと、
プロセッサ実行可能命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、
使用されている双方向長期短期記憶ネットワークアルゴリズム及び条件付確率場アルゴリズム(BiLSTM-CRF)モデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定し、
前記スロットタギング結果及びユーザーの前記スロットタギング結果に対するフィードバックに基づいてフィードバック情報を確定し、
前記フィードバック情報に基づいて前記BiLSTM-CRFモデルに対して強化学習を行うように構成され、
前記マンマシン対話装置は更に中央制御モジュールを備え、
使用されている前記BiLSTM-CRFモデルでユーザーの入力した対話データに対してスロットタギングを行った後に出力したスロットタギング結果を確定した後、前記プロセッサは、更に、
前記対話ロボットが前記BiLSTM-CRFモデルの出力したスロットタギング結果を前記中央制御モジュールに出力することと、
受信された前記対話データのスロットタギング結果集合から前記中央制御モジュールにより確定された目標スロットタギング結果を取得することと、を実行するように構成され、
前記スロットタギング結果集合が前記BiLSTM-CRFモデルの出力したスロットタギング結果及び他の対話ロボットの出力したスロットタギング結果を含み、前記目標スロットタギング結果が前記マンマシン対話システムからのユーザーへの応答結果として出力されることに用いられる、
マンマシン対話装置。 - コンピュータ可読記憶媒体であって、
コンピュータプログラムが記憶され、前記プログラムがプロセッサにより実行されるとき、請求項1~4のいずれか1項に記載の方法のステップを実現する、前記コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910687763.0 | 2019-07-29 | ||
CN201910687763.0A CN110413756B (zh) | 2019-07-29 | 2019-07-29 | 自然语言处理的方法、装置及设备 |
PCT/CN2019/110894 WO2021017173A1 (zh) | 2019-07-29 | 2019-10-12 | 自然语言处理的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021535411A JP2021535411A (ja) | 2021-12-16 |
JP7101706B2 true JP7101706B2 (ja) | 2022-07-15 |
Family
ID=68363742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019564011A Active JP7101706B2 (ja) | 2019-07-29 | 2019-10-12 | 自然言語処理方法、装置及び設備 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11501078B2 (ja) |
EP (1) | EP3772012A1 (ja) |
JP (1) | JP7101706B2 (ja) |
KR (1) | KR102330061B1 (ja) |
CN (1) | CN110413756B (ja) |
RU (1) | RU2726739C1 (ja) |
WO (1) | WO2021017173A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909541A (zh) * | 2019-11-08 | 2020-03-24 | 杭州依图医疗技术有限公司 | 指令生成方法、系统、设备和介质 |
CN111198937B (zh) * | 2019-12-02 | 2023-06-30 | 泰康保险集团股份有限公司 | 对话生成及装置、计算机可读存储介质、电子设备 |
CN111597808B (zh) * | 2020-04-24 | 2023-07-25 | 北京百度网讯科技有限公司 | 仪表盘绘制处理方法、装置、电子设备和存储介质 |
CN111681647B (zh) * | 2020-06-10 | 2023-09-05 | 北京百度网讯科技有限公司 | 用于识别词槽的方法、装置、设备以及存储介质 |
CN112507126B (zh) * | 2020-12-07 | 2022-11-15 | 厦门渊亭信息科技有限公司 | 一种基于循环神经网络的实体链接装置和方法 |
CN113515822B (zh) * | 2021-01-28 | 2022-11-29 | 长春工业大学 | 一种基于归零神经网络的张拉整体结构找形方法 |
CN113268995B (zh) * | 2021-07-19 | 2021-11-19 | 北京邮电大学 | 中文学术关键词抽取方法、装置和存储介质 |
US11520815B1 (en) * | 2021-07-30 | 2022-12-06 | Dsilo, Inc. | Database query generation using natural language text |
CN115099224A (zh) * | 2022-07-08 | 2022-09-23 | 江苏理工学院 | 融合BiLSTM+CRF与规则匹配的中文PDF内容抽取方法和装置 |
CN117173491B (zh) * | 2023-10-24 | 2024-02-23 | 广州思德医疗科技有限公司 | 医学图像的标注方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018132754A (ja) | 2017-02-13 | 2018-08-23 | 株式会社東芝 | 対話システム、対話方法、および対話システムを適合させる方法 |
JP2018163641A (ja) | 2017-03-27 | 2018-10-18 | 三角獣(北京)科技有限公司 | 情報処理装置及び情報処理方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070106496A1 (en) * | 2005-11-09 | 2007-05-10 | Microsoft Corporation | Adaptive task framework |
GB2440316A (en) | 2006-07-25 | 2008-01-30 | Optinose As | Nasal inhaler with scrubber |
US9978365B2 (en) * | 2008-10-31 | 2018-05-22 | Nokia Technologies Oy | Method and system for providing a voice interface |
EP2839391A4 (en) | 2012-04-20 | 2016-01-27 | Maluuba Inc | CONVERSATION AGENT |
RU2665239C2 (ru) * | 2014-01-15 | 2018-08-28 | Общество с ограниченной ответственностью "Аби Продакшн" | Автоматическое извлечение именованных сущностей из текста |
RU2595489C2 (ru) * | 2014-06-18 | 2016-08-27 | Самсунг Электроникс Ко., Лтд. | Выделение временных выражений для текстов на естественном языке |
MX2018002346A (es) | 2015-08-28 | 2018-04-11 | Agbiome Inc | Composiciones y metodos para controlar enfermedades de plantas. |
WO2017083504A1 (en) | 2015-11-12 | 2017-05-18 | Semantic Machines, Inc. | Interaction assistant |
CN107305575B (zh) * | 2016-04-25 | 2021-01-26 | 北京京东尚科信息技术有限公司 | 人机智能问答系统的断句识别方法和装置 |
US11783173B2 (en) * | 2016-06-23 | 2023-10-10 | Microsoft Technology Licensing, Llc | Multi-domain joint semantic frame parsing |
CN106445147B (zh) * | 2016-09-28 | 2019-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的对话系统的行为管理方法及装置 |
CN106569998A (zh) * | 2016-10-27 | 2017-04-19 | 浙江大学 | 一种基于Bi‑LSTM、CNN和CRF的文本命名实体识别方法 |
GB2559618B (en) * | 2017-02-13 | 2020-07-08 | Toshiba Kk | A dialogue system, a dialogue method and a method of adapting a dialogue system |
CN106919702B (zh) * | 2017-02-14 | 2020-02-11 | 北京时间股份有限公司 | 基于文档的关键词推送方法及装置 |
JP6851894B2 (ja) * | 2017-04-24 | 2021-03-31 | 株式会社東芝 | 対話システム、対話方法及び対話プログラム |
US11933699B2 (en) | 2017-07-06 | 2024-03-19 | Waters Technologies Corporation | Devices and methods for preparing filtered solutions for lateral flow testing |
US10431219B2 (en) * | 2017-10-03 | 2019-10-01 | Google Llc | User-programmable automated assistant |
JP6894534B2 (ja) | 2017-10-31 | 2021-06-30 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 情報処理方法及び端末、コンピュータ記憶媒体 |
JP6805112B2 (ja) * | 2017-11-08 | 2020-12-23 | 株式会社東芝 | 対話システム、対話方法および対話プログラム |
US11562243B2 (en) * | 2017-11-17 | 2023-01-24 | Meta Platforms, Inc. | Machine-learning models based on non-local neural networks |
CN108108449A (zh) * | 2017-12-27 | 2018-06-01 | 哈尔滨福满科技有限责任公司 | 一种面向医疗领域的基于多源异构数据问答系统及该系统的实现方法 |
CN108363690A (zh) * | 2018-02-08 | 2018-08-03 | 北京十三科技有限公司 | 基于神经网络的对话语义意图预测方法及学习训练方法 |
CN109003605B (zh) * | 2018-07-02 | 2020-04-21 | 北京百度网讯科技有限公司 | 智能语音交互处理方法、装置、设备及存储介质 |
CN109063035B (zh) * | 2018-07-16 | 2021-11-09 | 哈尔滨工业大学 | 一种面向出行领域的人机多轮对话方法 |
CN109697679A (zh) * | 2018-12-27 | 2019-04-30 | 厦门智融合科技有限公司 | 知识产权服务导引方法及系统 |
US20200293874A1 (en) * | 2019-03-12 | 2020-09-17 | Microsoft Technology Licensing, Llc | Matching based intent understanding with transfer learning |
CN109918680B (zh) * | 2019-03-28 | 2023-04-07 | 腾讯科技(上海)有限公司 | 实体识别方法、装置及计算机设备 |
-
2019
- 2019-07-29 CN CN201910687763.0A patent/CN110413756B/zh active Active
- 2019-10-12 KR KR1020197035003A patent/KR102330061B1/ko active IP Right Grant
- 2019-10-12 JP JP2019564011A patent/JP7101706B2/ja active Active
- 2019-10-12 WO PCT/CN2019/110894 patent/WO2021017173A1/zh active Application Filing
- 2019-10-12 RU RU2019141376A patent/RU2726739C1/ru active
- 2019-11-25 US US16/693,689 patent/US11501078B2/en active Active
- 2019-11-29 EP EP19212600.1A patent/EP3772012A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018132754A (ja) | 2017-02-13 | 2018-08-23 | 株式会社東芝 | 対話システム、対話方法、および対話システムを適合させる方法 |
JP2018163641A (ja) | 2017-03-27 | 2018-10-18 | 三角獣(北京)科技有限公司 | 情報処理装置及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110413756A (zh) | 2019-11-05 |
WO2021017173A1 (zh) | 2021-02-04 |
EP3772012A1 (en) | 2021-02-03 |
JP2021535411A (ja) | 2021-12-16 |
RU2726739C1 (ru) | 2020-07-15 |
CN110413756B (zh) | 2022-02-15 |
US11501078B2 (en) | 2022-11-15 |
KR20210016262A (ko) | 2021-02-15 |
KR102330061B1 (ko) | 2021-11-26 |
US20210034966A1 (en) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7101706B2 (ja) | 自然言語処理方法、装置及び設備 | |
CN110364148B (zh) | 自然助理交互 | |
CN111656439B (zh) | 基于延迟控制电子设备的方法、电子设备及存储介质 | |
CN111480134B (zh) | 注意力感知虚拟助理清除 | |
WO2021135577A1 (zh) | 音频信号处理方法、装置、电子设备及存储介质 | |
WO2020147428A1 (zh) | 交互内容生成方法、装置、计算机设备及存储介质 | |
CN112313680A (zh) | 助理系统中手势输入的自动完成 | |
US11436451B2 (en) | Multimodal fine-grained mixing method and system, device, and storage medium | |
US11886542B2 (en) | Model compression using cycle generative adversarial network knowledge distillation | |
CN114041283A (zh) | 利用事件前和事件后输入流来接洽自动化助理 | |
WO2021211200A1 (en) | Natural language processing models for conversational computing | |
CN115221295A (zh) | 个人请求的数字助理处理 | |
JP7488871B2 (ja) | 対話推薦方法、装置、電子機器、記憶媒体ならびにコンピュータプログラム | |
CN111368525A (zh) | 信息搜索方法、装置、设备及存储介质 | |
WO2019212729A1 (en) | Generating response based on user's profile and reasoning on contexts | |
WO2023071562A1 (zh) | 语音识别文本处理方法、装置、设备、存储介质及程序产品 | |
CN111144093A (zh) | 一种智能文本处理方法、装置、电子设备及存储介质 | |
WO2019212760A1 (en) | Enhanced accessibility in mixed reality experience for collaboration tools | |
CN112036174B (zh) | 一种标点标注方法及装置 | |
CN117520498A (zh) | 基于虚拟数字人交互处理方法、系统、终端、设备及介质 | |
CN109154899B (zh) | 用于利用在线服务执行用户指令的交互框架 | |
Liang et al. | Hierarchical hybrid code networks for task-oriented dialogue | |
Zhou et al. | An image captioning model based on bidirectional depth residuals and its application | |
CN112015873A (zh) | 通过设备内置目标定位和个性化实现语音助理可发现性 | |
Li et al. | Conditional joint model for spoken dialogue system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220126 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220705 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7101706 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |