KR20210105288A - 질문 응답 로봇 생성 방법 및 장치 - Google Patents

질문 응답 로봇 생성 방법 및 장치 Download PDF

Info

Publication number
KR20210105288A
KR20210105288A KR1020210012730A KR20210012730A KR20210105288A KR 20210105288 A KR20210105288 A KR 20210105288A KR 1020210012730 A KR1020210012730 A KR 1020210012730A KR 20210012730 A KR20210012730 A KR 20210012730A KR 20210105288 A KR20210105288 A KR 20210105288A
Authority
KR
South Korea
Prior art keywords
question
robot
field
existing
question answering
Prior art date
Application number
KR1020210012730A
Other languages
English (en)
Other versions
KR102490712B1 (ko
Inventor
젠유 지아오
슈키 순
커 순
팅팅 리
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210105288A publication Critical patent/KR20210105288A/ko
Application granted granted Critical
Publication of KR102490712B1 publication Critical patent/KR102490712B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/374—Thesaurus
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • 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
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/043—Distributed expert systems; Blackboards

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Manipulator (AREA)

Abstract

본원 발명은 질문 응답 로봇 생성 방법 및 장치를 개시하는 바, 이는 인공지능 기술분야의 로봇 기술분야에 관한 것이다. 구체적인 실시형태는, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하며; 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하며; 사용자가 입력한, 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하고; 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 대응되는 질문 조합과 함께 질문 응답 쌍을 구성하는 응답에 대응되는 질문 조합을 형성하며; 질문 응답 쌍에 따라 질문 응답 로봇을 생성하는 것이다. 이로써 질문 응답 로봇의 개발자는 하나의 고품질의 분야 질문 응답 로봇을 신속하게 구축할 수 있음으로써 인건비가 감소되고, 로봇의 개발 원가를 절감한다.

Description

질문 응답 로봇 생성 방법 및 장치{METHOD FOR GENERATING QUESTION ANSWERING ROBOT AND COMPUTER DEVICE}
본원 발명은 인공지능 기술분야의 로봇 기술분야에 관한 것으로, 특히 질문 응답 로봇 생성 방법 및 장치에 관한 것이다.
인공 지능 열풍에 따른 인공 지능 기술의 발전에 따라 고객 서비스, 마케팅, 안내 등 다양한 측면의 요구를 만족하기 위해 분야 질문 응답 로봇을 구축하는 것은 많은 기업이 인공 지능 시대에 진출하려고 하는 시도로 되고 있다. 이러한 분야 질문 응답 로봇은 고객과 대화로 소통하므로 고객의 대응되는 질문을 충족할 수 있다. 예를 들어, 출산-유아 시나리오에서, 대응되는 고객은 "임산부가 먹을 수 있는 과일”, "임산부가 아연 보충제로서 먹을 수 있는 해산물” 등을 물어볼 수 있고, 합리적으로 구성된 하나의 분야 질문 응답 로봇을 통해 이러한 질문에 대해 모두 응답해줄 수 있다.
하지만, 실제적으로 분야 질문 응답 로봇을 구축할 경우, 개발자는 상이한 고객의 요구를 만족하도록 많은 질문을 구성해야 한다. 따라서, 개발자가 기능이 통일되고 효과가 비교적 좋은 하나의 분야 질문 응답 로봇을 구축할 경우, 대량의 인건비를 소모해야 한다.
본원 발명은 관련 기술에서 분야 질문 응답 로봇을 구축할 경우, 대량의 인건비를 소모하는 기술적 과제를 해결하는 질문 응답 로봇 생성 방법을 제공한다.
본원 발명의 제1 양태의 실시예에 따르면,
사용자에 의해 입력된 분야 정보를 획득하고, 상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계;
상기 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 상기 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하는 단계;
상기 사용자가 입력한 적어도 하나의 질문 및 상기 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하는 단계;
질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하여 상기 응답에 대응되는 질문 조합을 형성하는 단계 - 상기 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성함 - ; 및
상기 질문 응답 쌍에 따라 상기 질문 응답 로봇을 생성하는 단계; 를 포함하는 질문 응답 로봇 생성 방법을 제공한다.
본원 발명의 실시예에 따른 첫 번째 가능한 실시형태로서, 상기 분야 로봇은,
복수의 이미 존재하는 질문 응답 로봇을 획득하고, 상기 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득하는 단계;
상기 이미 존재하는 질문 응답 쌍에 따라 상기 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성하는 단계; 및
상기 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하는 단계; 를 통해 생성된다.
본원 발명의 실시예에 따른 두 번째 가능한 실시형태로서, 상기 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하는 단계는,
상기 이미 존재하는 질문 응답 쌍의 시맨틱을 결정하는 단계;
상기 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장하는 단계; 및
상기 질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 대응되는 분야 로봇을 형성하는 단계; 를 포함한다.
본원 발명의 실시예에 따른 세 번째 가능한 실시형태로서, 상기 템플릿 리스트에서의 복수의 템플릿은,
상기 이미 존재하는 질문 응답 로봇의 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장하는 단계;
상기 동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정하는 단계; 및
상기 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 상기 이미 존재하는 질문 응답 쌍의 템플릿을 획득하는 단계; 를 통해 생성된다.
본원 발명의 실시예에 따른 네 번째 가능한 실시형태로서, 상기 질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하는 단계는,
사용자에 의해 상기 복수의 템플릿에 입력된 키워드를 결정하는 단계; 및
상기 키워드 및 상기 질문 시맨틱 라이브러리에 저장된 질문 응답 쌍에 따라 상기 입력된 질문을 확장하는 단계; 를 포함한다.
본원 발명의 실시예에 따른 다섯 번째 가능한 실시형태로서, 상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계는,
질문 분류기에 따라 상기 분야 정보에 대응되는 분야를 결정하는 단계; 및
상기 분야 정보에 대응되는 분야에 따라 상기 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계; 를 포함한다.
본원 발명의 제2 양태의 실시예에 따르면,
사용자에 의해 입력된 분야 정보를 획득하고, 상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 제1 획득 모듈;
상기 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 상기 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하는 제2 획득 모듈;
상기 사용자가 입력한 적어도 하나의 질문 및 상기 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하는 수신 모듈;
질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하여 상기 응답에 대응되는 질문 조합을 형성하는 확장 모듈 - 상기 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성함 - ; 및
상기 질문 응답 쌍에 따라 상기 질문 응답 로봇을 생성하는 생성 모듈; 을 포함하는 질문 응답 로봇 생성 장치를 제공한다.
본원 발명의 제3 양태의 실시예에 따르면,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결되는 메모리; 를 포함하는 컴퓨터 기기를 제공하는바,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 제1양태의 실시예에 따른 질문 응답 로봇 생성 방법을 수행한다.
본원 발명의 제4 양태의 실시예에 따르면, 컴퓨터 프로그램이 저장되어 있는 비일시적 컴퓨터 판독 가능한 저장 매체를 제공하는바, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 제1양태의 실시예에 따른 질문 응답 로봇 생성 방법이 수행된다.
본원 발명의 제5 양태의 실시예에 따르면, 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램을 제공하는바, 상기 컴퓨터 프로그램의 명령이 실행될 경우, 제1양태의 실시예에 따른 질문 응답 로봇 생성 방법이 실행된다.
상기 출원의 일 실시예는 하기와 같은 장점 또는 유리한 효과를 구비한다. 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하며; 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하며; 사용자가 입력한, 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하며; 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 대응되는 질문 조합과 함께 질문 응답 쌍을 구성하는 응답에 대응되는 질문 조합을 형성하고; 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다. 이로써 질문 응답 로봇의 개발자는 하나의 고품질의 분야 질문 응답 로봇을 신속하게 구축할 수 있음으로써 인건비가 감소되고, 로봇의 개발 원가를 절감한다.
이하 구체적인 실시예와 결부하여 상기 선택 가능한 방식이 구비하는 기타 효과를 더 설명한다.
도면은 본 해결수단을 더 잘 이해하도록 제공되는 것으로, 본 발명을 한정하기 위한 것이 아니다. 여기서,
도 1은 본원 발명의 실시예 1이 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
도 2는 본원 발명의 실시예 2가 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
도 3은 본원 발명의 실시예 3이 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
도 4는 본원 발명의 실시예 4가 제공하는 질문 응답 로봇 생성 장치의 구성 모식도이다.
도 5는 본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법의 컴퓨터 기기의 블록도이다.
이하 도면과 결부하여 본원 발명의 예시적인 실시예를 설명하되, 여기서 본원 발명의 실시예를 포함하는 여러 가지 세부절차는 이해를 돕기 위한 것으로 이들은 응당 예시적인 것으로 간주해야 한다. 따라서 본 기술분야에서 통상의 지식을 가진 자들은 여기서 설명한 실시예에 대하여 여러 가지 변화와 수정을 진행할 수 있고 이는 본원 발명의 범위와 정신을 벗어나지 않는다는 것을 알 수 있다. 마찬가지로 뚜렷함과 간결함을 위하여 아래의 설명에서는 공지 기능과 구조에 대한 설명을 생략한다.
이하, 도면을 참조하여 본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법, 장치, 컴퓨터 기기 및 저장 매체를 설명한다.
도 1은 본원 발명의 실시예 1이 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
본원 발명의 실시예는 상기 질문 응답 로봇 생성 방법이 질문 응답 로봇 생성 장치에 구성되는 것을 예를 들어 설명하되, 상기 질문 응답 로봇 생성 장치는 임의의 컴퓨터 기기에 응용될 수 있어 상기 컴퓨터 기기가 질문 응답 로봇의 생성 기능을 수행할 수 있도록 한다.
여기서, 컴퓨터 기기는 개인용 컴퓨터(Personal Computer, PC), 클라우드 기기, 모바일 기기 등일 수 있고, 모바일 기기는 예를 들어 핸드폰, 태블릿 PC, 개인용 정보 단말기, 웨어러블 기기, 차량 탑재 기기 등 다양한 운영 체제를 구비하는 하드웨어 기기일 수 있다.
도 1에 도시된 바와 같이, 상기 질문 응답 로봇 생성 방법은 단계 101 내지 단계 105 포함할 수 있다.
단계 101에서, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득한다.
여기서, 로봇 라이브러리는 과거 개발자에 의해 구성된 다양한 기능을 가지는 로봇을 의미한다. 예를 들어, 이해 및 인터랙션 기술 플랫폼(Understanding and Interaction Technology, 아래 "UNIT"로 약칭함)은 바이두에서 주로 중국어 제3자 개발자를 위해 만든 대화 시스템 개발 플랫폼이다. UNIT 플랫폼은 업계 최고의 수요 이해 및 대화 관리 기술을 탑재하고, 바이두가 다년간 쌓아 온 자연 언어 이해 및 인터랙션 기술, 딥 러닝, 빅 데이터 등 핵심 기능을 포함하며, 지능 대화 인터랙션이 제3차 개발자의 제품에 신속하게 능력을 부여할 수 있도록 하고, 미래에 대한 상상력이 더 풍부해지도록 한다. UNIT 플랫폼은 과거 개발자에 의해 구성된 다양한 기술 데이터가 저장되어 있고, 또한, 각각의 기능의 데이터 패킷은 해당 기능 하에 사용자에 의해 구성된 모든 질문 응답 쌍을 포함한다.
본원 발명의 실시예에서, 사용자, 즉 새로운 개발자가 분야 로봇을 구축할 경우, 먼저 사용자에 의해 입력된 분야 정보를 획득함으로써 사용자에 의해 입력된 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득한다.
하나의 가능한 실시형태로서, 질문 분류기에 따라 분야 정보에 대응되는 분야를 결정함으로써 분야 정보에 대응되는 분야에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득한다. 여기서, 질문 분류기는 대량의 질문을 사용하여 미리 트레이닝된 딥 뉴럴 네트워크의 기반의 분류기를 의미한다.
예를 들면, 사용자가 질문 "난징의 재미는 무엇입니까”, "난징의 관광지?", "중산릉의 티켓 가격”이면, 질문 분류기는 사용자에 의해 입력된 질문에 따라 대응되는 분야가 여행 분야임을 결정함으로써 로봇 라이브러리로부터 여행 분야에 대응되는 로봇을 획득할 수 있다.
다른 가능한 실시형태로서, 사용자가 분야 질문 응답 로봇을 구축할 경우, 분야를 선택함으로써 사용자에 의해 선택된 분야에 기반하여 로봇 라이브러리로부터 대응되는 분야 로봇을 획득할 수 있다.
예를 들면, 사용자가 새로운 분야 질문 응답 로봇을 구축할 경우, 사용자에 의해 선택된 분야가 "여행”이라고 가정하면, 사용자의 선택에 기반하여 과거 개발자에 의해 구축된 로봇 라이브러리로부터 여행 분야에 대응되는 로봇을 획득할 수 있다.
단계 102에서, 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 템플릿 리스트를 제공한다.
본원 발명의 실시예에서, 사용자가 구축하고자 하는 질문 응답 로봇의 분야를 결정한 후, 로봇 라이브러리로부터 대응되는 분야 로봇을 획득한 다음, 나아가, 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 상기 분야 로봇에 대응되는 템플릿 리스트를 사용자에게 제공할 수 있다.
예를 들면, 사용자에 의해 입력된 분야 정보에 따라 분야가 "여행”임을 결정하고, 여행 분야 로봇에 대응되는 템플릿 리스트를 획득할 수 있는데, 예를 들어, [ ]이 어디에 있는가, [ ]의 티켓 가격 등을 획득할 수 있다.
단계 103에서, 사용자가 입력한 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신한다.
본원 발명의 실시예에서, 분야 로봇에 대응되는 템플릿 리스트를 획득하여 사용자에게 템플릿 리스트를 제공한 후, 사용자는 템플릿 리스트에 포함된 복수의 템플릿을 대응되는 키워드에 각각 입력하여 대응되는 질문 응답 쌍을 생성할 수 있다.
설명해야 할 것은, 사용자가 입력한 복수의 템플릿은 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함함으로써 질문 응답 쌍으로 조합한다. 사용자가 입력한 복수의 템플릿인 경우, 입력된 키워드가 상이하면, 상이한 질문 응답 쌍을 생성한다.
예를 들면, 템플릿 리스트에서의 템플릿이 "[ ]이 어디에 있는가”라고 가정하면, 사용자가 상기 템플릿을 입력할 경우, 입력된 템플릿은 질문 "중산릉이 어디에 있는가” 및 상기 질문에 대응되는 응답 "난징시 쉬안우구 쯔진산 남록 중산 관광지구 내에 위치한다”를 포함한다.
단계 104에서, 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 응답에 대응되는 질문 조합을 형성하는바, 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성한다.
본원 발명의 실시예에서, 사용자가 입력한 복수의 템플릿을 수신한 후, 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장할 수 있고, 추가적으로 동의 질문을 보충하여 응답에 대응되는 질문 조합을 형성한다. 이로써 분야에서 흔히 보는 질문의 템플릿에 대해 입력하고 입력된 질문을 확장하여 수많은 확장 질문법을 획득함으로써 비교적 높은 수준의 분야 질문 응답 로봇을 구성하고, 인건비를 감소시킬 수 있다.
설명해야 할 것은, 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하고, 형성된 응답에 대응되는 질문 조합과 함께 질문 응답 쌍을 구성한다. 다시 말하면, 질문 응답 쌍은 복수의 동의 질문 및 대응되는 응답을 포함한다.
하나의 가능한 실시형태로서, 사용자가 입력한 복수의 템플릿을 수신한 후, 사용자에 의해 복수의 템플릿에 입력된 키워드를 결정함으로써 사용자가 입력한 키워드, 질문 시맨틱 라이브러리에 저장된 상기 템플릿과 시맨틱이 동일한 질문 응답 쌍에 따라 사용자가 입력한 질문을 확장할 수 있다.
예를 들면, 사용자가 여행 분야를 선택했으면, 추천된 템플릿 "[ ]이 어디에 있는가”에 따라 사용자가 [ ]에 입력한 키워드가 중산릉이면, 이때, 질문 시맨틱 라이브러리 중 입력된 질문을 확장할 경우, {[ ]이 어디에 있는가? [ ]의 위치? [ ]이 어디에 위치하는가? 어디에서 [ ]를 찾을 수 있는가? }는 모두 {중산릉이 어디에 있는가? 중산릉의 위치? 중산릉이 어디에 위치하는가? 어디에서 중산릉을 찾을 수 있는가? }로 입력될 수 있다.
단계 105에서, 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다.
본원 발명의 실시예에서, 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 질문 응답 쌍을 형성한 후, 질문 응답 쌍에 따라 분야에 대응되는 질문 응답 로봇을 생성할 수 있다.
본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법에서, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하며; 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 상기 템플릿 리스트를 제공하며, 여기서, 템플릿 리스트에는 복수의 템플릿이 포함되고; 사용자가 입력한 복수의 템플릿을 수신하며, 여기서, 입력된 템플릿은 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하고; 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 응답에 대응되는 질문 조합을 형성하며, 여기서, 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성하고; 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다. 상기 방법은 분야 로봇의 템플릿 리스트를 획득하여 사용자가 상기 분야에서 흔히 보는 질문 템플릿에서 질문을 확장하도록 함으로써 비교적 높은 수준의 질문 응답 로봇을 구성하고, 인건비를 감소시킬 수 있다.
상기 실시예의 기초에서, 상기 단계 101에서 사용자에 의해 입력된 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 것은, 복수의 이미 존재하는 질문 응답 로봇을 획득하고, 각각의 이미 존재하는 질문 응답 로봇의 이미 존재하는 질문 응답 쌍, 이미 존재하는 질문 응답 로봇의 이미 존재하는 질문 응답 쌍에 따라 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성함으로써 복수의 이미 존재하는 질문 응답 로봇의 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 형성하는 것이다. 아래, 도 2를 결부하여 상기 과정을 상세하게 설명하되, 도 2는 본원 발명의 실시예 2가 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
도 2에 도시된 바와 같이, 상기 질문 응답 로봇 생성 방법은 단계 201 내지 단계 203을 더 포함할 수 있다.
단계 201에서, 복수의 이미 존재하는 질문 응답 로봇을 획득하고, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득한다.
여기서, 이미 존재하는 질문 응답 로봇은 예컨대 의료 분야, 출산-유아 분야, 교육 분야 등 각 분야에 대응되는 이미 존재하는 질문 응답 로봇을 포함한다.
본원 발명의 실시예에서, 기존의 데이터 플랫폼으로부터 복수의 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득할 수 있다. 예를 들어, UNIT 플랫폼으로부터 과거에 개발자에 의해 구성된 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득할 수 있다. 여기서, 이미 존재하는 질문 응답 쌍은 질문 및 당해 질문에 대응되는 응답을 포함한다.
단계 202에서, 이미 존재하는 질문 응답 쌍에 따라 복수의 이미 존재하는 질문 로봇 각각의 분야 태그를 생성한다.
본원 발명의 실시예에서, 복수의 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득할 경우, 질문 분류기에 따라 이미 존재하는 질문 응답 쌍을 인식하여 이미 존재하는 질문 응답 쌍에 대응되는 분야를 결정할 수 있음으로써 이미 존재하는 질문 응답 로봇의 이미 존재하는 질문 응답 쌍에 따라 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성한다.
예를 들면, 이미 존재하는 질문 응답 로봇의 이미 존재하는 질문 응답 쌍이 "임산부가 먹을 수 없는 과일”, "임산부가 아연 보충제로서 먹을 수 있는 해산물” 등이라고 가정하면, 상기 이미 존재하는 질문 응답 로봇에 대응되는 분야가 출산-유아 분야임을 결정할 수 있다.
단계 203에서, 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성한다.
본원 발명의 실시예에서, 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 결정한 후, 복수의 이미 존재하는 질문 응답 로봇의 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성할 수 있다.
하나의 가능한 실시형태로서, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍의 시맨틱을 결정하고, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장할 수 있음으로써 질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 대응되는 분야 로봇을 형성한다.
구체적으로, 복수의 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득한 후, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍에 대해 시맨틱 인식을 수행하여 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 결정할 수 있다. 예를 들어, "고궁이 어디에 있는가” 및 "고궁의 위치”는 동일한 뜻을 나타내므로, 동일한 질문 시맨틱 라이브러리에 저장할 수 있다. 이때, 동일한 질문 응답 쌍의 한 그룹의 동의 질문을 기본 단위로 할 수 있고, 밀도 기반의 클러스터링 방법을 사용하여 이미 존재하는 질문 응답 쌍을 클러스터링하여 밀도 기반의 클러스터링 결과를 획득한 후, 복수의 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장할 수 있다.
설명해야 할 것은, 동일한 질문 시맨틱 라이브러리에 저장된 복수의 이미 존재하는 질문 응답 쌍에 중복된 질문 응답 쌍이 존재할 수 있는데, 이러한 경우, 질문 응답 쌍을 중복 제거 처리해야 한다. 질문 응답 쌍에 대해 중복 제거 동작을 실행한 후, 상이한 질문 시맨틱 라이브러리에 시맨틱이 동일한 질문 응답 쌍이 포함될 수 있는데, 이러한 경우, 상이한 질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 병합된 질문 시맨틱 라이브러리를 형성해야 한다. 질문 시맨틱 라이브러리에서의 질문 개수를 더욱 증가시키기 위해, 사용자 일지 중 이러한 질문 응답 쌍과 높은 유사도를 갖는 질문을 적중(타겟팅)하여 질문 시맨틱 라이브러리에 추가할 수 있음으로써 대응되는 분야 로봇을 형성한다.
예를 들면, 질문 시맨틱 라이브러리에 저장된 시맨틱이 동일한 이미 존재하는 질문 응답 쌍이 예컨대 "고궁이 어디에 있는가? 고궁의 위치?"인 2그룹의 질문 응답 쌍만 포함하는 것으로 결정한 후, 사용자 일지를 통해 동일한 질문 시맨틱 라이브러리를 확장할 수 있고, 이 질문 시맨틱 라이브러리의 질문 응답 쌍을 6그룹의 질문 응답 쌍으로 확장할 수 있는데, 예를 들어, "고궁이 어디에 있는가, 고궁이 어디에 위치하는가? 고궁의 위치, 고궁이 어디인가, 어디에서 고궁을 찾을 수 있는가, 고궁의 지리적 위치”로 확장할 수 있다.
본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법에서, 복수의 이미 존재하는 질문 응답 로봇을 획득하고, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득하며, 이미 존재하는 질문 응답 쌍에 따라 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성하고, 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성한다. 이로써 복수의 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 통해, 각각의 분야에 대응되는 분야 로봇을 생성하므로, 사용자가 질문 응답 로봇을 구축하는데 데이터를 제공함으로써 질문 응답 로봇의 구축 속도를 향상하는데 유리하다.
상기 실시예의 기초에서, 단계 102에서 획득된 분야 로봇에 대응되는 템플릿 리스트에 포함된 복수의 템플릿은, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 클러스터링하고, 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 획득될 수 있다. 아래, 도 3을 결부하여 상기 과정을 상세하게 설명하되, 도 3은 본원 발명의 실시예 3이 제공하는 질문 응답 로봇 생성 방법의 흐름 모식도이다.
도 3에 도시된 바와 같이, 상기 질문 응답 로봇 생성 방법은 단계 301 내지 단계 303을 더 포함할 수 있다.
단계 301에서, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍 중 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장한다.
여기서, 형태가 비슷한 이미 존재하는 질문 응답 쌍은 이미 존재하는 질문 응답 쌍 중 질문의 형태가 비슷함을 의미하는데, 예를 들어, "고궁이 어디에 있는가” 및 "이화원이 어디에 있는가”는 형태가 비슷한 이미 존재하는 질문 응답 쌍이다.
본원 발명의 실시예에서, 복수의 이미 존재하는 질문 응답 로봇 및 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득한 후, 마찬가지로, 밀도 기반의 클러스터링 방법을 사용하여 이미 존재하는 질문 응답 로봇의 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장한다.
단계 302에서, 동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정한다.
여기서, 편집 거리는 2개의 시퀀스의 유사 정도를 평가하기 위한 것으로, 2개의 시퀀스 사이를 의미하되, 하나의 시퀀스를 다른 하나의 시퀀스로 전환하는데 필요한 최소 편집 동작 횟수를 의미한다.
본원 발명의 실시예에서, 동일한 클러스터 중 형태가 비슷한 이미 존재하는 질문 응답 쌍에 대해, 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 산출한다.
단계 303에서, 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 이미 존재하는 질문 응답 쌍의 템플릿을 획득한다.
본원 발명의 실시예에서, 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 한 그룹의 정렬된 질문 응답 쌍을 획득한다. 각 쌍의 정렬된 질문 응답 쌍에 대해, 상기 그룹의 질문 응답 쌍에 대응되는 템플릿을 획득한다.
하나의 가능한 실시형태로서, 동일한 그룹의 질문 응답 쌍의 2개의 질문을 2개의 고리로 볼 수 있고, 이 2개의 고리에서의 가장 긴 공통 부속 문자열을 산출하며, 가장 긴 공통 부속 문자열의 길이 비율이 소정의 임계값에 도달할 경우, 상기 그룹의 질문 응답 쌍의 템플릿을 획득한다.
예를 들면, 동일한 클러스터에서의 이미 존재하는 질문 응답 쌍이 "고궁이 어디에 있는가, 이화원이 어디에 있는가, 고궁이 어느 방향에 있는가, 이화원이 어느 방향에 있는가”를 포함한다고 가정하면, 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리한 후, 각각 "고궁이 어디에 있는가, 이화원이 어디에 있는가” 및 "고궁이 어느 방향에 있는가, 이화원이 어느 방향에 있는가”인 두 그룹의 정렬된 질문 응답 쌍을 획득한다. 이로써 상기 분야의 템플릿 리스트 "[ ]이 어디에 있는가, [ ]이 어느 방향에 있는가”를 생성한다.
본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법에서, 이미 존재하는 질문 응답 로봇의 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장하고, 동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정하며, 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 이미 존재하는 질문 응답 쌍의 템플릿을 획득한다. 이로써 이미 존재하는 질문 응답 로봇의 이미 존재하는 질문 응답 쌍에 따라 상기 이미 존재하는 질문 응답 로봇에 대응되는 분야의 템플릿을 획득함으로써 사용자가 질문 응답 로봇을 구성하는 속도를 향상하는데 유리하다.
상기 실시예를 구현하기 위해, 본원 발명은 질문 응답 로봇 생성 장치를 제공한다.
도 4는 본원 발명의 실시예 4가 제공하는 질문 응답 로봇 생성 장치의 구성 모식도이다.
도 4에 도시된 바와 같이, 상기 질문 응답 로봇 생성 장치(400)는 제1 획득 모듈(410), 제2 획득 모듈(420), 수신 모듈(430), 확장 모듈(440) 및 생성 모듈(450)을 포함할 수 있다.
제1 획득 모듈(410)은, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득한다.
제2 획득 모듈(420)은, 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공한다.
수신 모듈(430)은, 사용자가 입력한, 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신한다.
확장 모듈(440)은, 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 응답에 대응되는 질문 조합을 형성하며, 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성한다.
생성 모듈(450)은, 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다.
하나의 가능한 경우로서, 제1 획득 모듈(410)은,
복수의 이미 존재하는 질문 응답 로봇을 획득하고, 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득하며;
복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍에 따라 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성하고;
복수의 이미 존재하는 질문 응답 로봇의 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하도록 구성될 수 있다.
다른 가능한 경우로서, 제1 획득 모듈(410)은,
복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍의 시맨틱을 결정하고;
복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장하며;
질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 대응되는 분야 로봇을 형성하도록 구성될 수 있다.
다른 가능한 경우로서, 템플릿 리스트에서의 복수의 템플릿은,
복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍 중 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장하는 단계;
동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정하는 단계; 및
동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 이미 존재하는 질문 응답 쌍의 템플릿을 획득하는 단계; 를 통해 생성된다.
다른 가능한 경우로서, 확장 모듈(440)은,
사용자에 의해 복수의 템플릿에 입력된 키워드를 결정하고; 키워드 및 질문 시맨틱 라이브러리에 저장된 질문 응답 쌍에 따라 입력된 질문을 확장하도록 구성된다.
다른 가능한 경우로서, 제1 획득 모듈(410)은,
질문 분류기에 따라 분야 정보에 대응되는 분야를 결정하고;
분야 정보에 대응되는 분야에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하도록 구성될 수 있다.
본원 발명의 실시예에 따른 질문 응답 로봇 생성 장치에서, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하며; 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하며; 사용자가 입력한, 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하고; 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 대응되는 질문 조합과 함께 질문 응답 쌍을 구성하는 응답에 대응되는 질문 조합을 형성하며; 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다. 상기 방법은 분야 로봇의 템플릿 리스트를 획득하여 사용자가 상기 분야에서 흔히 보는 질문 템플릿에서 질문을 확장하도록 함으로써 비교적 높은 수준의 질문 응답 로봇을 구성하고, 인건비를 감소시킬 수 있다.
본원 발명의 실시예에 따르면, 본원 발명은 컴퓨터 기기 및 판독 가능한 저장 매체를 더 제공한다.
도 5에 도시된 바와 같이, 본원 발명의 실시예에 따른 질문 응답 로봇 생성 방법의 컴퓨터 기기의 블록도이다. 컴퓨터 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 벤치, 개인용 정보 단말기, 서버, 블레이드 서버, 메인 프레임 컴퓨터 및 다른 적합한 컴퓨터 등의 다양한 형태의 디지털 컴퓨터를 가리킨다. 컴퓨터 기기는 또한 개인용 정보 단말기, 셀룰러 폰, 스마트 폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수 있다. 본 명세서에 도시된 구성 요소, 그들의 연결 및 관계 및 그 기능은 단지 예시에 불과하며, 본 명세서에 기술되거나 청구된 본원 발명의 구현을 한정하도록 의도되지 않는다.
도 5에 도시된 바와 같이, 상기 컴퓨터 기기는 하나 또는 복수의 프로세서(501), 메모리(502) 및 고속 인터페이스 및 저속 인터페이스를 포함하는 다양한 구성 요소를 연결하기 위한 인터페이스를 포함한다. 다양한 구성 요소는 서로 다른 버스를 사용하여 서로 연결되며 공용 메인 보드에 설치되거나 필요에 따라 다른 방식으로 설치될 수 있다. 프로세서는 외부 입력/출력 장치(예를 들어, 인터페이스에 연결된 디스플레이 기기)에 GUI의 그래픽 정보를 표시하기 위해 메모리에 저장된 명령을 포함하여 컴퓨터 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시형태에서, 필요한 경우, 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용할 수 있다. 마찬가지로, 복수의 컴퓨터 기기를 연결할 수 있고, 각 기기는 단지 일부분의 필요한 동작(예를 들어, 서버 어레이, 블레이드 서버 그룹 또는 다중 프로세서 시스템)을 제공할 수 있다. 도 5는 프로세서(501)가 하나인 경우를 예를 들어 설명한다.
메모리(502)는 본원 발명에 의해 제공된 비일시적 컴퓨터 판독 가능 저장 매체이다. 여기서, 적어도 하나의 프로세서에 의해 본원 발명이 제공하는 질문 응답 로봇 생성 방법을 수행하도록, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장된다. 본원 발명의 비일시적 컴퓨터 판독 가능 저장 매체에는 컴퓨터가 본원 발명이 제공하는 질문 응답 로봇 생성 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(502)는 비일시적 컴퓨터 판독 가능 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능 프로그램, 본원 발명의 실시예의 질문 응답 로봇 생성 방법에 대응하는 프로그램 명령/모듈(예를 들어, 도 4에 도시된 제1 획득 모듈(410), 제2 획득 모듈(420), 수신 모듈(430), 확장 모듈(440) 및 생성 모듈(450))과 같은 모듈을 저장하기 위해 사용될 수 있다. 프로세서(501)는 메모리(502)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행하여 서버의 다양한 기능적 애플리케이션 및 데이터 처리를 실행한다. 다시 말하면, 상기 방법 실시예의 질문 응답 로봇 생성 방법을 구현한다.
메모리(502)는 프로그램을 저장하기 위한 영역 및 데이터를 저장하기 위한 영역을 포함할 수 있고, 여기서 프로그램을 저장하기 위한 영역은 운영 체제 및 적어도 하나의 기능에 필요한 응용 프로그램이 저장될 수 있으며; 데이터를 저장하기 위한 영역에는 컴퓨터 기기를 사용하여 구축된 데이터 등이 저장될 수 있다. 이 밖에, 메모리(502)는 고속 랜덤 액세스 메모리를 포함할 수 있다. 또한 자기 디스크 저장 장치, 플래시 메모리 장치 또는 다른 비일시적 솔리드 스테이트 저장 장치와 같은 적어도 하나의 비일시적 메모리를 포함할 수 있다. 일부 실시예에서, 메모리(502)는 프로세서(501)에 대해 원격으로 설정된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 컴퓨터 기기에 연결될 수 있다. 상기 네트워크의 구현예는 인터넷, 인트라넷, 근거리 네트워크, 이동 통신 네트워크 및 이들의 조합을 포함하지만 이에 한정되지는 않는다.
질문 응답 로봇 생성 방법의 컴퓨터 기기는 입력 장치(503) 및 출력 장치(504)를 더 포함할 수 있다. 프로세서(501), 메모리(502), 입력 장치(503) 및 출력 장치(504)는 버스를 통해 연결되거나 또는 다른 방식으로 연결될 수 있으며, 도 5에서는 버스에 의한 연결을 예로 한다.
입력 장치(503)는 입력된 숫자 또는 문자 정보를 수신할 수 있고, 컴퓨터 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 생성할 수 있으며, 예를 들어 터치 스크린, 키패드, 마우스, 트랙 패드, 터치 패드, 포인팅 스틱, 하나 또는 복수의 마우스 버튼, 트랙볼, 조이스틱 등 입력 장치일 수 있다. 출력 장치(504)는 디스플레이 기기, 보조 조명 장치(예를 들어, LED), 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 디스플레이 기기는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이 및 플라즈마 디스플레이를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시형태에서, 디스플레이 기기는 터치 스크린일 수 있다.
본 출원의 실시예에 따르면, 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램을 더 제공한다. 당해 컴퓨터 프로그램의 명령이 실행될 경우, 본 출원 실시예의 질문 응답 로봇 생성 방법이 실행된다.
여기서 설명된 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 복수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 "기계 판독 가능한 매체” 및 "컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 "기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 상호 작용을 제공하기 위해, 컴퓨터에서 여기에 설명된 시스템 및 기술을 구현할 수 있다. 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공한다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
본 명세서에 설명된 시스템 및 기술은 백엔드 구성 요소(예를 들어, 데이터 서버)를 포함하는 컴퓨팅 시스템 또는 미들웨어 구성 요소(예를 들어, 애플리케이션 서버)를 포함하는 컴퓨팅 시스템 또는 프론트 엔드 구성 요소(예를 들어, 예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 가진 사용자 컴퓨터일 수 있으며, 사용자는 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기에 설명된 시스템 및 기술의 구현과 상호 작용할 수 있음)를 포함하는 컴퓨팅 시스템 또는 이러한 백엔드 구성 요소, 미들웨어 구성 요소 또는 프론트 엔드 구성 요소의 임의의 조합을 포함하는 컴퓨팅 시스템에 의해 구현될 수 있다. 시스템의 구성 요소는 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)에 의해 상호 연결될 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있으며, 일반적으로 통신 네트워크를 통해 상호 작용한다. 클라이언트와 서버 간의 관계는 해당 컴퓨터에서 실행되고 서로 클라이언트-서버 관계가 있는 컴퓨터 프로그램에 의해 발생된다.
본원 발명의 실시예에 따른 기술적 해결수단에서, 사용자에 의해 입력된 분야 정보를 획득하고, 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하며; 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하며; 사용자가 입력한, 적어도 하나의 질문 및 적어도 하나의 질문에 대응되는 응답을 포함하는 복수의 템플릿을 수신하고; 질문 시맨틱 라이브러리에 따라 입력된 질문을 확장하여 대응되는 질문 조합과 함께 질문 응답 쌍을 구성하는 응답에 대응되는 질문 조합을 형성하며; 및 질문 응답 쌍에 따라 질문 응답 로봇을 생성한다. 이로써 질문 응답 로봇의 개발자는 하나의 고품질의 분야 질문 응답 로봇을 신속하게 구축할 수 있음으로써 인건비가 감소되고, 로봇의 개발 원가를 절감시킨다.
상기에 도시된 다양한 형태의 과정을 통해 단계를 재정렬, 추가 또는 삭제할 수 있다는 것을 이해해야 한다. 예를 들어, 본원 발명에 설명된 각 단계들은 병렬, 순차적 또는 상이한 순서로 수행될 수 있으며, 본원 발명에 개시된 기술적 해결책이 원하는 결과를 달성할 수만 있으면, 별도로 한정되지 않는다.
상기 구체적인 실시형태는 본원 발명의 보호 범위를 한정하지 않는다. 본원 발명의 기술분야에서 통상의 지식을 가진 자는 설계 요건 및 다른 요인에 따라 다양한 수정, 조합, 하위 조합 및 대체가 이루어질 수 있다는 것을 이해해야 한다. 본원 발명의 사상과 원칙 내에서 이루어진 모든 수정, 동등한 대체 및 개선은 모두 본원 발명의 보호 범위에 포함되어야 한다.

Claims (15)

  1. 사용자에 의해 입력된 분야 정보를 획득하고, 상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계;
    상기 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 상기 사용자에게 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하는 단계;
    상기 사용자가 입력한, 적어도 하나의 질문 및 상기 적어도 하나의 질문에 대응되는 응답을 포함하는 상기 복수의 템플릿을 수신하는 단계;
    질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하여 상기 응답에 대응되는 질문 조합을 형성하는 단계 - 상기 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성함 - ; 및
    상기 질문 응답 쌍에 따라 질문 응답 로봇을 생성하는 단계; 를 포함하는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  2. 제1항에 있어서,
    상기 분야 로봇은,
    복수의 이미 존재하는 질문 응답 로봇을 획득하고, 상기 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득하는 단계;
    상기 이미 존재하는 질문 응답 쌍에 따라 상기 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성하는 단계; 및
    상기 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하는 단계; 를 통해 생성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  3. 제2항에 있어서,
    상기 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하는 단계는,
    상기 이미 존재하는 질문 응답 쌍의 시맨틱을 결정하는 단계;
    상기 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장하는 단계; 및
    상이한 질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 대응되는 분야 로봇을 형성하는 단계; 를 포함하는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  4. 제2항에 있어서,
    상기 템플릿 리스트에서의 복수의 템플릿은,
    상기 이미 존재하는 질문 응답 쌍 중 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장하는 단계;
    상기 동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정하는 단계; 및
    상기 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 상기 이미 존재하는 질문 응답 쌍의 템플릿을 획득하는 단계; 를 통해 생성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  5. 제1항에 있어서,
    상기 질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하는 단계는,
    사용자에 의해 상기 복수의 템플릿에 입력된 키워드를 결정하는 단계; 및
    상기 키워드 및 상기 질문 시맨틱 라이브러리에 저장된 질문 응답 쌍에 따라 상기 입력된 질문을 확장하는 단계; 를 포함하는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  6. 제1항에 있어서,
    상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계는,
    질문 분류기에 따라 상기 분야 정보에 대응되는 분야를 결정하는 단계; 및
    상기 분야 정보에 대응되는 분야에 따라 상기 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 단계; 를 포함하는,
    것을 특징으로 하는 질문 응답 로봇 생성 방법.
  7. 사용자에 의해 입력된 분야 정보를 획득하고, 상기 분야 정보에 따라 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하는 제1 획득 모듈;
    상기 분야 로봇에 대응되는 템플릿 리스트를 획득하고, 상기 사용자에게, 복수의 템플릿을 포함하는 상기 템플릿 리스트를 제공하는 제2 획득 모듈;
    상기 사용자가 입력한, 적어도 하나의 질문 및 상기 적어도 하나의 질문에 대응되는 응답을 포함하는 상기 복수의 템플릿을 수신하는 수신 모듈;
    질문 시맨틱 라이브러리에 따라 상기 입력된 질문을 확장하여 상기 응답에 대응되는 질문 조합을 형성하는 확장 모듈 - 상기 응답은 대응되는 질문 조합과 함께 질문 응답 쌍을 구성함 - ; 및
    상기 질문 응답 쌍에 따라 질문 응답 로봇을 생성하는 생성 모듈; 을 포함하는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  8. 제7항에 있어서,
    상기 제1 획득 모듈은,
    복수의 이미 존재하는 질문 응답 로봇을 획득하고, 상기 복수의 이미 존재하는 질문 응답 로봇 각각의 이미 존재하는 질문 응답 쌍을 획득하며;
    상기 이미 존재하는 질문 응답 쌍에 따라 상기 복수의 이미 존재하는 질문 응답 로봇 각각의 분야 태그를 생성하고;
    상기 분야 태그에 따라 동일한 분야에 속하는 질문 응답 로봇을 클러스터링하여 각각의 분야에 대응되는 분야 로봇을 형성하도록 구성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  9. 제8항에 있어서,
    상기 제1 획득 모듈은,
    상기 이미 존재하는 질문 응답 쌍의 시맨틱을 결정하고;
    상기 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 동일한 질문 시맨틱 라이브러리에 저장하며;
    상기 질문 시맨틱 라이브러리 중 시맨틱이 동일한 이미 존재하는 질문 응답 쌍을 병합하여 대응되는 분야 로봇을 형성하도록 구성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  10. 제8항에 있어서,
    상기 템플릿 리스트에서의 복수의 템플릿은,
    상기 이미 존재하는 질문 응답 쌍 중 형태가 비슷한 이미 존재하는 질문 응답 쌍을 동일한 클러스터에 저장하는 단계;
    상기 동일한 클러스터에서의 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍의 편집 거리를 결정하는 단계; 및
    상기 동일한 클러스터 중 편집 거리가 가장 작은 임의의 2개의 상이한 시맨틱의 이미 존재하는 질문 응답 쌍을 정렬 처리하여 상기 이미 존재하는 질문 응답 쌍의 템플릿을 획득하는 단계; 를 통해 생성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  11. 제7항에 있어서,
    상기 확장 모듈은,
    사용자에 의해 상기 복수의 템플릿에 입력된 키워드를 결정하고;
    상기 키워드 및 상기 질문 시맨틱 라이브러리에 저장된 질문 응답 쌍에 따라 상기 입력된 질문을 확장하도록 구성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  12. 제7항 내지 제11항 중 어느 한 항에 있어서,
    상기 제1 획득 모듈은,
    질문 분류기에 따라 상기 분야 정보에 대응되는 분야를 결정하고;
    상기 분야 정보에 대응되는 분야에 따라 상기 로봇 라이브러리로부터 대응되는 분야 로봇을 획득하도록 구성되는,
    것을 특징으로 하는 질문 응답 로봇 생성 장치.
  13. 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리; 를 포함하는 컴퓨터 기기에 있어서,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 제1항 내지 제6항 중 어느 한 항에 따른 질문 응답 로봇 생성 방법을 수행하는,
    것을 특징으로 하는 컴퓨터 기기.
  14. 컴퓨터 프로그램이 저장되어 있는 비일시적 컴퓨터 판독 가능한 저장 매체에 있어서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 제1항 내지 제6항 중 어느 한 항에 따른 질문 응답 로봇 생성 방법이 수행되는,
    것을 특징으로 하는 컴퓨터 프로그램이 저장되어 있는 비일시적 컴퓨터 판독 가능한 저장 매체.
  15. 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램의 명령이 실행될 경우, 제1항 내지 제6항 중 어느 한 항에 따른 질문 응답 로봇 생성 방법이 실행되는,
    것을 특징으로 하는 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램.
KR1020210012730A 2020-02-18 2021-01-29 질문 응답 로봇 생성 방법 및 장치 KR102490712B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010098793.0 2020-02-18
CN202010098793.0A CN111324715B (zh) 2020-02-18 2020-02-18 问答机器人的生成方法和装置

Publications (2)

Publication Number Publication Date
KR20210105288A true KR20210105288A (ko) 2021-08-26
KR102490712B1 KR102490712B1 (ko) 2023-01-19

Family

ID=71172152

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210012730A KR102490712B1 (ko) 2020-02-18 2021-01-29 질문 응답 로봇 생성 방법 및 장치

Country Status (5)

Country Link
US (1) US11321370B2 (ko)
EP (1) EP3869359A1 (ko)
JP (1) JP7093397B2 (ko)
KR (1) KR102490712B1 (ko)
CN (1) CN111324715B (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11487948B2 (en) * 2020-02-19 2022-11-01 Conduent Business Services, Llc Method and system for automated autonomous intent mining
CN113095056B (zh) * 2021-03-17 2024-04-12 阿里巴巴创新公司 生成方法、处理方法、装置、电子设备以及介质
CN116450858B (zh) * 2023-06-14 2023-09-05 辰风策划(深圳)有限公司 一种电子产品用销售系统
CN117149985B (zh) * 2023-10-31 2024-03-19 海信集团控股股份有限公司 一种基于大模型的问答方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090162824A1 (en) * 2007-12-21 2009-06-25 Heck Larry P Automated learning from a question and answering network of humans
JP2014056376A (ja) * 2012-09-12 2014-03-27 Nippon Telegr & Teleph Corp <Ntt> グループ生成クエリの作成方法、グループ生成クエリの作成プログラム、及びグループ生成クエリの作成装置
KR20160016887A (ko) * 2013-06-04 2016-02-15 구글 인코포레이티드 의도 쿼리들에 대한 자연어 검색 결과들
JP2017037588A (ja) * 2015-08-14 2017-02-16 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
US20190341021A1 (en) * 2017-01-17 2019-11-07 Huawei Technologies Co., Ltd. Human-Computer Dialogue Method and Apparatus

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912648A (zh) * 2016-04-08 2016-08-31 南京大学 一种基于侧面信息的代码片段编程语言识别方法
EP3528143A1 (en) * 2018-02-19 2019-08-21 Siemens Aktiengesellschaft Bot for a system
CN110209780B (zh) * 2018-08-07 2023-03-10 腾讯科技（深圳）有限公司 一种问题模板生成方法、装置、服务器及存储介质
CN109446387A (zh) * 2018-10-09 2019-03-08 众蚁(上海)信息技术有限公司 一种基于人工智能的业委会智能问答系统
CN109299476B (zh) * 2018-11-28 2023-04-18 出门问问创新科技有限公司 问答方法、装置、电子设备及存储介质
CN109920415A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 基于语音识别的人机问答方法、装置、设备和存储介质
CN110413755A (zh) * 2019-07-25 2019-11-05 腾讯科技（深圳）有限公司 一种问答库的扩充方法、装置及服务器、存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090162824A1 (en) * 2007-12-21 2009-06-25 Heck Larry P Automated learning from a question and answering network of humans
JP2014056376A (ja) * 2012-09-12 2014-03-27 Nippon Telegr & Teleph Corp <Ntt> グループ生成クエリの作成方法、グループ生成クエリの作成プログラム、及びグループ生成クエリの作成装置
KR20160016887A (ko) * 2013-06-04 2016-02-15 구글 인코포레이티드 의도 쿼리들에 대한 자연어 검색 결과들
JP2017037588A (ja) * 2015-08-14 2017-02-16 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
US20190341021A1 (en) * 2017-01-17 2019-11-07 Huawei Technologies Co., Ltd. Human-Computer Dialogue Method and Apparatus

Also Published As

Publication number Publication date
JP7093397B2 (ja) 2022-06-29
US11321370B2 (en) 2022-05-03
CN111324715A (zh) 2020-06-23
JP2021131846A (ja) 2021-09-09
CN111324715B (zh) 2023-07-14
US20210256045A1 (en) 2021-08-19
KR102490712B1 (ko) 2023-01-19
EP3869359A1 (en) 2021-08-25

Similar Documents

Publication Publication Date Title
KR102504699B1 (ko) 엔티티 링킹 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
CN112507715B (zh) 确定实体之间关联关系的方法、装置、设备和存储介质
KR102490712B1 (ko) 질문 응답 로봇 생성 방법 및 장치
JP7283009B2 (ja) 対話理解モデルの訓練方法、装置、デバイス及び記憶媒体
US20220383190A1 (en) Method of training classification model, method of classifying sample, and device
KR20210154069A (ko) 모델을 트레이닝하는 방법, 장치, 기기 및 저장 매체
JP2022018095A (ja) マルチモーダル事前訓練モデル取得方法、装置、電子デバイス及び記憶媒体
KR102521765B1 (ko) 인과 관계의 판별 방법, 장치, 전자 기기 및 저장 매체
KR20210038467A (ko) 이벤트 테마 생성 방법, 장치, 기기 및 저장 매체
JP7395445B2 (ja) 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器
US20210390254A1 (en) Method, Apparatus and Device for Recognizing Word Slot, and Storage Medium
JP2022003537A (ja) 対話意図の認識方法及び装置、電子機器並びに記憶媒体
EP3916579A1 (en) Method for resource sorting, method for training sorting model and corresponding apparatuses
JP7295200B2 (ja) 汎化処理方法、装置、デバイス、コンピュータ記憶媒体及びプログラム
US20220129448A1 (en) Intelligent dialogue method and apparatus, and storage medium
KR102561951B1 (ko) 모델링 매개 변수의 설정 방법, 장치, 전자 기기 및 기록 매체
US20210240983A1 (en) Method and apparatus for building extraction, and storage medium
CN112507090A (zh) 用于输出信息的方法、装置、设备和存储介质
CN112506949A (zh) 结构化查询语言查询语句生成方法、装置及存储介质
CN111984774A (zh) 搜索方法、装置、设备以及存储介质
CN112329429B (zh) 文本相似度学习方法、装置、设备以及存储介质
KR20210042272A (ko) 지능형 응답 방법, 장치, 기기， 저장 매체 및 컴퓨터 프로그램
JP2022054389A (ja) 検索モデルの訓練方法、装置、デバイス、コンピュータ記憶媒体、及びコンピュータプログラム
CN115269862A (zh) 一种基于知识图谱的电力问答与可视化系统
CN111832313A (zh) 文本中情感搭配集合的生成方法、装置、设备和介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant