TWI817106B - 查詢回饋裝置以及方法 - Google Patents

Abstract

本發明提出一種查詢回饋裝置，其包括收發電路、記憶體以及處理器。收發電路用以接收輸入訊息；記憶體用以儲存多個指令以及多個情境資料庫；處理器連接收發電路以及記憶體，並用以執行多個指令：依據輸入訊息、多個情境資料庫分別對應的多個情境意圖以及多個樣本元素，執行辨識與輸入訊息對應的其中一個情境資料庫、至少一輸入元素以及輸入意圖；以及依據對應的其中一個情境資料庫產生與至少一輸入元素對應的回饋訊息，以藉由收發電路輸出回饋訊息。此外，一種查詢回饋方法亦在此揭露。

Description

查詢回饋裝置以及方法

本發明是有關於一種查詢回饋裝置以及方法。

現有的辦公室自動化（Office Automation，OA）系統可在業務上提供公司員工對公司內部資料進行存取、查詢以及管理功能，藉以作為提升員工作效率之輔助工具。然而，當員工需要利用OA系統查詢所需要的資料時，OA系統有可能查詢不到員工所需要的資料，且OA系統所查詢到的資料也不一定是員工所需要的資料。此外，OA系統所查詢到的資料之完整性往往更是不足。因此，要如何準確地查詢到完整的員工所需要的資料是本領域技術人員欲解決的問題。

本發明提供一種查詢回饋裝置，其包括收發電路、記憶體以及處理器。收發電路用以接收輸入訊息；記憶體用以儲存多個指令以及多個情境資料庫，其中多個情境資料庫分別對應於相異的多個情境意圖，其中多個情境資料庫具有多個樣本元素；處理器連接收發電路以及記憶體，並用以執行多個指令：依據輸入訊息、多個情境意圖以及多個樣本元素，執行辨識與輸入訊息對應的其中一個情境資料庫、至少一輸入元素以及輸入意圖；以及依據對應的其中一個情境資料庫產生與至少一輸入元素對應的回饋訊息，以藉由收發電路輸出回饋訊息，其中該其中一個情境資料庫對應於輸入意圖。

本發明提供一種查詢回饋方法。該方法包括：藉由收發電路接收輸入訊息；藉由處理器對多個情境意圖或多個情境意圖搭配多個樣本元素進行機器學習演算，以訓練出辨識模型，其中多個樣本元素儲存於記憶體中的多個情境資料庫，且多個情境資料庫分別對應於多個情境意圖；藉由處理器接收輸入訊息，處理器使用辨識模型執行辨識與輸入訊息對應的至少一輸入元素以及輸入意圖；藉由處理器，依據其中一個情境資料庫產生與至少一輸入元素對應的回饋訊息，其中該其中一個情境資料庫對應於輸入意圖；以及藉由收發電路輸出回饋訊息。

基於上述，本發明的查詢回饋裝置以及方法提供一種彈性的架構，並可依據使用者輸入的文字、影像或語音等判斷出輸入意圖以及輸入元素。藉此，查詢回饋裝置可從與輸入意圖對應的資料庫中搜尋與輸入元素相似的各種元素以產生回饋訊息。如此一來，此全域對話的架構可讓使用者節省針對資訊查詢的時間，可防止使用者因為資訊的不足所造成的資訊落差，或可讓使用者採取事先預防措施。

參照第1圖，查詢回饋裝置100可包括收發電路110、記憶體120以及處理器130。查詢回饋裝置100例如是智慧型手機、平板電腦、筆記型電腦、桌上型電腦、中繼（relay）裝置或伺服器等電子裝置，實際應用中，查詢回饋裝置100是可以自使用者/其他裝置接收輸入訊號，根據輸入訊號進行相應的資料搜尋(例如網路搜尋、資料庫搜尋)並提供相應答覆的各種電子裝置，於一實施例，查詢回饋裝置100可以設置在公司、辦公室、車站等公共空間供不同的使用者自由查詢資訊，於另一實施例，查詢回饋裝置100也可以設置特定使用者擁有的私人手機或電腦。

收發電路110可以無線或有線的方式傳送及接收輸入訊號(此輸入訊號可以包含聲音訊號、文字訊號或影像訊號)，且還可以針對輸入訊號執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。收發電路110可以從使用者接受將輸入訊息，其中輸入訊息可包括文字（例如，數值、句子或單詞等）、影像、語音等各種類型的訊息或上述類型的訊息的組合（例如，使用者可利用使用者裝置的實體鍵盤輸入文字訊息，以將文字訊息傳送至收發電路110）。收發電路110還可以針對輸入訊號執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。

記憶體120可儲存多個指令以及多個情境資料庫，其中這些情境資料庫分別對應於相異的多個情境意圖，且這些情境資料庫具有多個樣本元素。處理器130可連接收發電路110以及記憶體120，進而載入並執行這些指令。

在一些實施例中，多個情境資料庫可分別儲存與不同的情境意圖對應的多個樣本元素以及多個詞句元素，其中情境意圖指示與對應的情境資料庫相關的使用者意圖，樣本元素可以是與對應的情境意圖相關的各種字詞（例如，若是與疫病相關的情境資料，可以是區域、國名、症狀或日期等字詞），以及詞句元素可以是與對應的情境意圖相關的各種詞句（例如，一段與流行性感冒相關的描述）。

舉例而言，以與醫療相關的多個資料庫為例，記憶體120可儲存多個情境資料庫，其中這些情境資料庫包括醫療資訊資料庫、旅遊警示資料庫、謠言辨識資料庫以及疫情分布預測資料庫。這些資料庫可對應於多個情境意圖，其中這些情境意圖可包括醫療查詢、旅遊查詢、謠言查詢以及疫情查詢。換言之，醫療資訊資料庫、旅遊警示資料庫、謠言辨識資料庫以及疫情分布預測資料庫可分別對應於醫療查詢、旅遊查詢、謠言查詢以及疫情查詢。

詳細而言，醫療資訊資料庫可儲存與醫療相關的各種資訊，旅遊警示資料庫可儲存與旅遊警示以及疾病分布等相關的各種資訊，謠言辨識資料庫可儲存與已知謠言資訊相關的各種資訊，以及疫情分布預測資料庫可儲存與流行病傳播預測相關的各種資訊（例如，預先利用全球確診人數統計表、全球飛行航班、出入境統計表與相關新聞等開放資料進行線性迴歸（linear regression）演算，以產生與流行病傳播預測相關的各種資訊）。

進一步而言，醫療資訊資料庫更可儲存與醫療查詢相關的各種樣本元素（例如，生病、醫院或醫生等），旅遊警示資料庫更可儲存與旅遊查詢相關的各種樣本元素（例如，美國、暴動或天氣等），謠言辨識資料庫更可儲存與謠言查詢相關的各種樣本元素（例如，稅金、違法或刑責等），以及疫情分布預測資料庫更可儲存與疫情查詢相關的各種樣本元素（例如，新型冠狀病毒（corona virus）、流行性感冒或流行地區等）。

在另一個例子中，以與企業內部訊息檢索相關的多個資料庫為例，記憶體120可儲存多個情境資料庫，其中這些情境資料庫包括廠務資訊資料庫以及出勤查詢資料庫。這些資料庫可對應於多個情境意圖，其中這些情境意圖可包括廠務查詢以及出勤查詢。換言之，廠務資訊資料庫以及出勤查詢資料庫可分別對應於廠務查詢以及出勤查詢。

廠務資訊資料庫可儲存與公司以及廠房等相關的各種資訊（例如，各種行政資料，其中行政資料可例如包括停車資訊或會議室位置等），且這些資訊（例如，以表格的形式）可以是一種結構化資料，以及出勤查詢資料庫可儲存與員工出勤狀況相關的各種資訊。一般而言，當在廠務資訊資料庫以及出勤查詢資料庫中儲存結構化的資料時，將更有利於進行資料查詢或資料的相似度比對。廠務資訊資料庫更可儲存與廠務查詢相關的各種樣本元素（例如，會議室名稱、會議室位置、分機號碼或會議室所處的區域等），以及出勤查詢資料庫更可儲存與出勤查詢相關的各種樣本元素（例如，員工編號或出勤相關資訊等）。

在另一個例子中，以與工廠相關的多個資料庫為例，記憶體120可儲存多個情境資料庫，其中這些情境資料庫包括工廠資訊資料庫以及機台狀態資料庫。這些資料庫可對應於多個情境意圖，情境意圖可包括工廠資訊查詢以及機台健康狀態查詢。工廠資訊資料庫以及機台狀態資料庫可分別對應於工廠資訊查詢以及機台健康狀態查詢。

工廠資訊資料庫可儲存與廠房內的機台或裝置等相關的各種資訊（例如，各種類型的機台之相關資訊、合法人員出入管理、出勤監控或物料管理等，且這些資訊可以是一種問題語句對應於答案語句的資料結構），以及機台狀態資料庫可儲存與機台的各種量測資料相關的各種資訊（例如，各種類型的機台之運行狀態、例行維修狀態或在機台運行時所診測的各種資料檢測等，其中這些資料可以是所檢測出的波型圖）。

工廠資訊資料庫可儲存與工廠資訊查詢相關的各種樣本元素（例如，機台的機型編號或廠房的位置等），以及機台狀態資料庫可儲存與機台健康狀態查詢相關的各種樣本元素（例如，機台類型或量測資料的類型等）。

在一些實施例中，收發電路110例如是傳送器電路、類比-數位轉換器、數位-類比轉換器、低噪音放大器、混頻器、濾波器、阻抗匹配器、傳輸線、功率放大器、一個或多個天線電路以及本地儲存媒體元件的其中之一或其組合。在一些實施例中，記憶體120可例如是任何型態的固定式或可移動式的記憶體、硬碟或類似元件或上述元件的組合。在一些實施例中，處理器130例如是中央處理單元（central processing unit，CPU），或是其他可程式化之一般用途或特殊用途的微控制單元（micro control unit，MCU）、微處理器（microprocessor）、數位信號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuit，ASIC）或其他類似元件或上述元件的組合。在一些實施例中，處理器130可以有線或無線的方式連接收發電路110與記憶體120。

下述同時參照第1圖至第3圖，以查詢回饋裝置100中各元件之間的作動關係來說明第2圖所示查詢回饋方法的詳細步驟。第2圖所示實施例的方法適用於第1圖以及第3圖的查詢回饋裝置100，但不以此為限。

首先，於步驟S201中，收發電路110可接收輸入訊息。換言之，使用者可藉由查詢回饋裝置100中的收發電路110接收各種類型的輸入訊息。在一些實施例中，使用者可利用使者裝置200（例如，智慧型手機或筆記型電腦）的實體或虛擬的鍵盤、滑鼠、麥克風或觸控面板等輸入文字訊息、影像訊息、語音訊息中的一者或上述類型的輸入訊息之組合，以將輸入訊息傳送至收發電路110。

在一些實施例中，處理器130可將從收發電路110所接收的各種類型的輸入訊息（即，上述的聲音訊號、文字訊號或影像訊號）轉換為文字的僅包含文字內容（text contents）的輸入訊息，以利用所轉換的輸入訊息進行後續的辨識。舉例而言，當輸入訊息為語音訊息時，處理器130可利用語音轉文字（speech to text，STT）演算法等各種音轉文演算法將語音訊息轉換為僅包含文字的輸入訊息。此外，當輸入訊息為影像訊息時，處理器130可利用光學字元辨識（optical character recognition，OCR）演算法等影轉文演算法將影像訊息轉換為僅包含文字的輸入訊息。值得注意的是，並沒有針對上述演算法有特別的限制。

再者，於步驟S203中，處理器130可依據輸入訊息、多個情境意圖以及多個樣本元素，執行辨識與輸入訊息對應的其中一個情境資料庫、至少一輸入元素以及輸入意圖。換言之，處理器130可對輸入訊息、多個情境意圖以及多個樣本元素進行辨識，以產生與輸入訊息對應的其中一個情境資料庫、至少一輸入元素以及輸入意圖。

在一些實施例中，記憶體120可儲存對話處理模組1201以及資料處理模組1203，其中資料處理模組1203可包括資料庫集1203(1)，且資料庫集1203(1)可包括多個情境資料庫。此外，對話處理模組1201可包括意圖辨識模組1201(1)以及資料檢索模組1201(3)。

藉此，處理器130可執行對話處理模組1201中的意圖辨識模組1201(1)，以對多個情境意圖以及多個樣本元素進行機器學習(machine learning)演算，以訓練出辨識模型。藉此，處理器130可使用所訓練出的辨識模型，以執行辨識與輸入訊息對應的資料庫集1203(1)中的其中一個情境資料庫、至少一輸入元素以及輸入意圖。

處理器130可執行意圖辨識模組1201(1)，以預先將多個情境資料庫中的多個情境語句作為訓練樣本，並將與這些情境語句對應的情境意圖以及樣本元素也作為訓練樣本，以利用這些訓練樣本進行機器學習演算，進而訓練出辨識模型，其中機器學習可以是任意用以辨識與分類的機器學習演算，並沒有特別的限制(例如，可將字典匹配(Dictionary matching)演算或命名實體辨識(named entity recognition)演算結合分類(classification)演算，以產生用以辨識詞句的元素以及意圖的辨識模型)。

以上述與醫療相關的多個資料庫為例，處理器130可執行意圖辨識模組1201(1)，以產生一個辨識模型，其且這四個子辨識模組分別對應於醫療資訊資料庫、旅遊警示資料庫、謠言辨識資料庫以及疫情分布預測資料庫。

詳細而言，處理器130可執行意圖辨識模組1201(1)，以將醫療查詢、旅遊查詢、謠言查詢以及疫情查詢作為應變數，並將與醫療查詢相關的多個樣本元素、與旅遊查詢相關的多個樣本元素、與謠言查詢相關的多個樣本元素以及與疫情查詢相關的多個樣本元素作為自變數，進而進行任意的分類演算，以訓練出一個子分類模型。

接著，處理器130可執行意圖辨識模組1201(1)，以將醫療資訊資料庫所儲存的多個詞句元素（即，一段由文字組成的單詞或句子）作為應變數，並將與醫療查詢相關的多個樣本元素作為自變數，進而進行任意的詞句辨識演算（例如，字典匹配演算或命名實體辨識演算等），以訓練出第一子辨識模型。以此類推，處理器130可以上述相同的方法訓練出分別與旅遊警示資料庫、謠言辨識資料庫以及疫情分布預測資料庫對應的第二子辨識模型、第三子辨識模型以及第四子辨識模型。如此一來，處理器130可利用子分類模型進行輸入意圖的辨識，並利用四個子辨識模組進行輸入元素的辨識。

藉此，處理器130可依據輸入訊息以利用上述辨識模型辨識出與輸入訊息對應的至少一輸入元素以及輸入意圖，其中輸入意圖可以是上述多個情境意圖中的其中一者。如此一來，處理器130可執行資料檢索模組1201(3)，以從資料庫集1203(1)中的多個情境資料庫選擇與此輸入意圖對應的其中一者。上述進行的機器學習演算也可僅利用多個情境意圖訓練出辨識模型，以辨識出至少一輸入元素以及輸入意圖。

在進一步的實施例中，對話處理模組1201更可包括對話生成模組1201(4)。當處理器130無法執行意圖辨識模組1201(1)以辨識出與該輸入訊息對應的至少一輸入元素或輸入意圖時，處理器130可執行對話生成模組1201(4)，以藉由收發電路110輸出提示訊息（例如，「請重新再說一次」），以要求使用者提供其他輸入訊息。

在進一步的實施例中，資料處理模組1203更可包括資料收集模組1203(2)。處理器130可執行資料收集模組1203(2)，以藉由該收發電路110週期地從外部網路300更新上述多個情境資料庫中的多個樣本元素。

在進一步的實施例中，處理器130可執行使用者回報接收模組1205，以藉由收發電路110接收從使用者裝置200所產生的即時回報訊息，並判斷是否依據即時回報訊息執行更新上述多個情境資料庫。

在進一步的實施例中，上述多個情境資料庫可儲存多個回報表格，且處理器130可執行使用者回報接收模組1205，以判斷即時回報訊息是否與多個回報表格中的資料格式相匹配。當處理器130判斷即時回報訊息與任意回報表格中的資料格式相匹配時，處理器130便可執行資料收集模組1203(2)，以依據即時回報訊息執行更新上述多個情境資料庫。

於步驟S205中，處理器130可判斷所辨識的至少一輸入元素的數量是否大於與輸入意圖對應的閾值。當所辨識的至少一輸入元素的數量不大於與輸入意圖對應的閾值時，進入步驟S207。反之，則進入步驟S209。換言之，處理器130可依據與輸入意圖對應的閾值以及至少一輸入元素，判斷對應的其中一個情境資料庫中與至少一輸入元素對應的至少一詞句元素是否能組成一個回饋訊息。當處理器130判斷無法組成一個回饋訊息時，處理器130可執行步驟S207，反之，便可執行步驟S209。

在一些實施例中，記憶體120中的資料庫集1203(1)可預先儲存分別與多個輸入意圖對應的多個閾值。藉此，處理器130可從這些閾值選擇與輸入意圖對應的閾值。在進一步的實施例中，對話處理模組1201更可包括對話記憶模組1201(2)。處理器130可將所辨識的至少一輸入元素以及輸入意圖儲存至對話記憶模組1201(2)。藉此，處理器130可執行對話記憶模組1201(2)，以從資料庫集1203(1)中搜尋與輸入意圖對應的閾值，藉以判斷至少一輸入元素的數量是否大於此閾值。

於步驟S207中，處理器130可依據至少一輸入元素和對應的其中一個情境資料庫，產生至少一提示元素，以產生由至少一提示元素組成的提示訊息，並藉由收發電路110輸出提示訊息，以要求使用者依據提示訊息重新輸入提供其他輸入訊息。藉此，可回到步驟S201。換言之，處理器130可從對應的其中一個情境資料庫產生與至少一輸入元素相關的至少一提示元素，以產生由至少一提示元素組成的提示訊息，並藉由收發電路110輸出提示訊息，以要求使用者依據提示訊息提供其他輸入訊息。藉此，處理器130可重新依據其他輸入訊息執行步驟S201。

在一些實施例中，處理器130可執行對話生成模組1201(4)，以依據至少一輸入元素以及對應的其中一個情境資料庫中的詞句元素，辨識所缺少的至少一缺漏元素，並依據至少一輸入元素以及至少一缺漏元素產生包括多個提示元素的提示訊息，以要求使用者依據提示訊息重新輸入提供其他輸入訊息。在進一步的實施例中，資料庫集1203(1)中的多個情境資料庫分別儲存各自對應的多個語句模板（template）。處理器130可執行對話生成模組1201(4)，以依據至少一輸入元素、至少一缺漏元素以及與至少一輸入元素對應的語句模板產生提示訊息。

舉例而言，以上述與醫療相關的多個資料庫為例，當使用者輸入「身體不舒服」的訊息時，處理器130可執行意圖辨識模組1201(1)，以辨識輸入意圖為醫療查詢且輸入元素為「身體」以及「不舒服」（例如，進行任意分類演算以辨識輸入意圖，並進行字典匹配演算或命名實體辨識演算以辨識輸入元素）。接著，當處理器130執行對話生成模組1201(4)，以判斷輸入元素小於與醫療查詢對應的閾值時，處理器130可執行對話處理模組1201中的資訊檢索模組1201(3)，以搜尋醫療資訊資料庫中的與上述兩個輸入元素相關的元素，進而產生「身體部位」以及「不舒服的感覺」的缺漏元素（由於醫療資訊資料庫可儲存各種身體部位以及與「不舒服」相關的各種感覺，故可據此產生上述缺漏元素）。

處理器130執行對話生成模組1201(4)，以依據「身體」的輸入元素、「不舒服」的輸入元素、「身體部位」的缺漏元素、「不舒服的感覺」的缺漏元素以及對應的語句模板（與「身體」的輸入元素以及「不舒服」的輸入元素相對應），產生包括多個提示元素的「哪個身體部位不舒服，且怎麼樣的不舒服」的提示訊息（例如，依據這些輸入元素以及缺漏元素，以利用預先儲存在醫療資訊資料庫中的至少一語句模板進行任意基於相似性學習（similarity-based learning）的演算，進而產生上述提示訊息，其中語句模板對應於這些輸入元素以及缺漏元素）。因此，處理器130可藉由收發電路110輸出此提示訊息，以要求使用者依據提示訊息提供其他輸入訊息。 於步驟S209中，處理器130可從對應的其中一個情境資料庫中搜尋與至少一輸入元素相匹配的至少一詞句元素以及至少一語句模板。換言之，處理器130可在對應的其中一個情境資料庫搜尋與至少一輸入元素相匹配的至少一詞句元素以及至少一語句模板。在一些實施例中，處理器130可執行資訊檢索模組1201(3)，以利用任意基於相似性學習的演算從對應的其中一個情境資料庫中搜尋與至少一輸入元素相匹配的至少一詞句元素以及至少一語句模板，並沒有對基於相似性學習的演算有特別的限制。在另一些實施例中，當處理器130無法搜尋到至少一詞句元素以及至少一語句模板時，處理器130可執行資訊檢索模組1201(3)，以藉由收發電路110從外部網路300搜尋至少一詞句元素以及至少一語句模板。

最後，於步驟S211中，處理器130可依據至少一詞句元素以及至少一語句模板產生回饋訊息，以藉由收發電路110輸出回饋訊息。詳細而言，處理器130可將至少一詞句元素以對應的排列填入至少一語句模板以產生回饋訊息。在一些實施例中，處理器130可執行對話生成模組1201(4)，以將至少一詞句元素填入至少一語句模板中對應的多個區塊，進而產生回饋訊息。

以上述與醫療相關的多個資料庫為例，當輸入意圖為醫療查詢時，處理器130可執行資訊檢索模組1201(3)，以依據至少一輸入元素以及醫療資訊資料庫進行餘弦相似性(cosine similarity)演算、編輯距離（edit distance）演算、曼哈頓距離(Manhattan distance)演算或SimHash演算等，進而從醫療資訊資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。若輸入訊息為「附近最近的醫院」，可辨識出對應的輸入意圖為醫療查詢且輸入元素為「附近」、「最近」以及「醫院」。基於此，可從醫療資訊資料庫搜尋出「台大醫院」的詞句元素以及「最近的醫院為…」的語句模板。藉此，可依據此詞句元素以及此語句模板產生「最近的醫院為台大醫院」的回饋訊息。

當輸入意圖為旅遊查詢時，處理器130可執行資訊檢索模組1201(3)，以依據至少一輸入元素以及旅遊警示資料庫進行自然語言處理（natural language processing，NLP）演算（即，進行語意辨識），進而從旅遊警示資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。若輸入訊息為「本月土耳其旅遊警示」，可辨識出對應的輸入意圖為旅遊查詢且輸入元素為「本月」、「土耳其」以及「旅遊警示」。基於此，可從旅遊警示資料庫搜尋出「政治動亂」的詞句元素以及「本月土耳其存在…的風險」的語句模板，依據此詞句元素以及此語句模板產生「本月土耳其存在政治動亂的風險」的回饋訊息。

當輸入意圖為謠言查詢時，處理器130可以與醫療查詢相同的演算從謠言辨識資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。此外，處理器130更可執行對話生成模組1201(4)，以產生謠言標記的標籤（tag），進而在後續生成回饋訊息時嵌入此標籤（利於使用者依據此標籤判斷是否回復即時回報訊息）。若輸入訊息為「本月美國流感疫情失控的消息是否屬實」，可辨識出對應的輸入意圖為謠言查詢且輸入元素為「本月」、「美國」以及「流感疫情失控」。基於此，可從謠言辨識資料庫搜尋出「流感疫情尚未失控」以及「此消息屬於謠言」的詞句元素以及「本月美國…且…」的語句模板。藉此，可依據此詞句元素以及此語句模板產生「本月美國流感疫情尚未失控且此消息屬於謠言」的回饋訊息，並產生「謠言」的標籤，進而將此標籤嵌入此回饋訊息。

當輸入意圖為疫情查詢時，處理器130也可以與醫療查詢相同的演算從疫情分布預測資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。若輸入訊息為「下個月美國流感疫情預測」，可辨識出對應的輸入意圖為疫情查詢且輸入元素為「下個月」、「美國」以及「疫情預測」。基於此，可從疫情分布預測資料庫搜尋出「紐約確診案例數量上升」的詞句元素以及「下個月…，需要注意」的語句模板，依據這些詞句元素以及此語句模板產生「下個月紐約確診案例數量上升，需要注意」的回饋訊息。

在另一個例子中，以上述與企業內部訊息檢索相關的多個資料庫為例，當在廠務資訊資料庫以及出勤查詢資料庫中儲存表格的形式之資料時，處理器130可執行資訊檢索模組1201(3)，以依據至少一輸入元素以及對應的其中一個情境資料庫進行查表（look-up table）比對，進而從對應的其中一個情境資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。

若輸入訊息為「台北辦公室的9C01會議室的分機號碼」，可辨識出對應的輸入意圖為廠務查詢且輸入元素為「台北辦公室」、「9C01會議室」以及「分機號碼」。基於此，可從廠務資訊資料庫搜尋出「5678」的詞句元素以及「分機號碼為…」的語句模板。藉此，可依據這些詞句元素以及此語句模板產生「分機號碼為5678」的回饋訊息。舉例來說，若輸入訊息為「員工編號1234今日是否出勤」，可辨識出對應的輸入意圖為出勤查詢且輸入元素為「員工編號」、「1234」、「今日」以及「出勤」。基於此，可從出勤查詢資料庫搜尋出「正常」以及「8:30」的詞句元素以及「出席狀況為…，且打卡上班時間為…」的語句模板，依據這些詞句元素以及此語句模板產生「出席狀況為正常，且打卡上班時間為8:30」的回饋訊息。

在另一個例子中，以與工廠相關的多個資料庫為例，工廠資訊資料庫中的資料為問題語句對應於答案語句的資料結構，且機台狀態資料庫的資料微波形圖的資料結構。當輸入意圖為工廠資訊查詢時，處理器130可執行資訊檢索模組1201(3)，以依據至少一輸入元素以及工廠資訊資料庫進行餘弦相似性演算、編輯距離演算、曼哈頓距離演算或SimHash演算等，進而從工廠資訊資料庫搜尋出對應的至少一詞句元素以及至少一語句模板。 若輸入訊息為「查詢儲能系統PCS2000的說明文件」，可辨識出對應的輸入意圖為工廠資訊查詢且輸入元素為「儲能系統」、「PCS2000」以及「說明文件」。基於此，可從工廠資訊資料庫搜尋出「技術文件」的詞句元素、「…如附檔」的語句模板以及對應的技術文件，依據此詞句元素、此語句模板產生「技術文件如附檔」的回饋訊息，並將對應的技術文件嵌入於回饋訊息。若輸入意圖為機台健康狀態查詢時，處理器130可執行資訊檢索模組1201(3)，以依據至少一輸入元素以及從機台狀態資料庫搜尋出對應的波型，進而依據對應的波型從機台狀態資料庫辨識出對應的至少一詞句元素（例如，異常的機台數量）以及至少一語句模板。若輸入訊息為「哪些晶圓製造機台震動量測資料不穩定」，可辨識出對應的輸入意圖為機台健康狀態查詢且輸入元素為「哪些」、「晶圓製造機台」、「震動量測資料」以及「不穩定」。基於此，可從機台狀態資料庫搜尋出對應的波型，進而依據對應的波型從機台狀態資料庫辨識出「1256」以及「1380」的詞句元素以及「不穩定的機台編號為…」的語句模板。藉此，可依據這些詞句元素以及此語句模板產生「不穩定的機台編號為1256以及1380」的回饋訊息。

在一些實施例中，當處理器130無法從對應的其中一個情境資料庫中搜尋與至少一輸入元素相匹配的至少一詞句元素或至少一語句模板時，處理器130可藉由收發電路110輸出提示訊息，要求使用者提供其他輸入訊息。 舉例而言，一旦處理器130無法從其中一個情境資料庫中搜尋與至少一輸入元素相匹配的至少一詞句元素或至少一語句模板，處理器130可執行對話生成模組1201(4)，以產生一個「請重新輸入一次」的提示訊息，進而藉由收發電路110輸出此提示訊息，以要求使用者再次進行輸入。

藉由上述步驟，本發明實施例的查詢回饋裝置100提供一種彈性的架構，並可依據使用者輸入的文字、影像或語音等判斷出輸入意圖以及輸入元素。藉此，查詢回饋裝置100可從與輸入意圖對應的資料庫中搜尋與輸入元素相似的各種元素以產生回饋訊息。

請同時參照第1圖與第4圖，首先於步驟S401中，收發電路110可接收輸入訊息。接著於步驟S403中，處理器130可依據輸入訊息、多個情境意圖以及多個樣本元素，執行辨識與輸入訊息對應的其中一個情境資料庫、至少一輸入元素以及輸入意圖。最後，於步驟S405中，處理器130可依據對應的其中一個情境資料庫產生與至少一輸入元素對應的回饋訊息，以藉由收發電路110輸出回饋訊息，其中該其中一個情境資料庫對應於輸入意圖。

本發明提供的查詢回饋裝置以及方法更可接收使用者的即時回報訊息，以進一步對資料庫進行更新。雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100:查詢回饋裝置 110:收發電路 120:記憶體 130:處理器 1201:對話處理模組 1201(1):意圖辨識模組 1201(2):對話記憶模組 1201(3):資料檢索模組 1201(4):對話生成模組 1203:資料處理模組 1203(1):資料庫集 1203(2):資料收集模組 1205:使用者回報接收模組 200:使用者裝置 300:外部網路 S201~S207、S401~S405:步驟

第1圖繪示一些本發明實施例的查詢回饋裝置的方塊圖。 第2圖繪示一些本發明實施例的查詢回饋方法的流程圖。 第3圖繪示另一些實施例的查詢回饋裝置的示意圖。 第4圖繪示另一實施例的查詢回饋方法的流程圖。

100:查詢回饋裝置

110:收發電路

120:記憶體

130:處理器

Claims (13)

1. 一種查詢回饋裝置，包括：一收發電路，用以接收一輸入訊息；一記憶體，用以儲存多個指令以及多個情境資料庫，其中該些情境資料庫分別對應於相異的多個情境意圖，其中該些情境資料庫具有多個樣本元素，各該些樣本元素是與對應的情境意圖相關的字詞；一處理器，連接該收發電路以及該記憶體，並用以執行該些指令：對該些情境意圖以及該些樣本元素進行機器學習演算，以訓練出一辨識模型，其中該辨識模型包括一子分類模型以及多個子辨識模型，該子分類模型用以對該輸入訊息進行分類，該些子辨識模型分別對應於該些情境資料庫；使用該子分類模型，根據該輸入訊息從該些情境意圖中執行辨識與該輸入訊息對應的一輸入意圖；使用該些子辨識模型，根據該輸入訊息從該些情境資料庫辨識與該輸入訊息對應的其中一個情境資料庫以及至少一輸入元素；以及依據該對應的其中一個情境資料庫產生與該至少一輸入元素對應的一回饋訊息，以藉由該收發電路輸出該回饋訊息，其中該其中一個情境資料庫對應於該輸入意圖，其中該處理器更用以：藉由該收發電路週期地從外部網路更新該些情境資料 庫中的該些樣本元素。
2. 如請求項1所述之查詢回饋裝置，其中該些情境資料庫包括：一第一情境資料庫，儲存與一第一情境意圖對應的多個第一詞句元素以及多個第一語句模板；以及一第二情境資料庫，儲存與一第二情境意圖對應的多個第二詞句元素以及多個第二語句模板。
3. 如請求項1所述之查詢回饋裝置，其中該處理器更用以：當無法辨識出與該輸入訊息對應的該至少一輸入元素或該輸入意圖時，藉由該收發電路輸出一提示訊息，以要求一使用者提供其他輸入訊息。
4. 如請求項1所述之查詢回饋裝置，其中該處理器更用以：當所辨識的該至少一輸入元素的數量不大於與該輸入意圖對應的一閾值時，依據該至少一輸入元素和該對應的其中一個情境資料庫，產生至少一提示元素，以產生由該至少一提示元素組成的一提示訊息；以及藉由該收發電路輸出該提示訊息，以要求一使用者提供其他輸入訊息。
5. 如請求項1所述之查詢回饋裝置，其中該對應的其中一個情境資料庫亦與該輸入意圖對應，其中該處理器更用以：從該對應的其中一個情境資料庫中搜尋與該至少一輸入元素相匹配的至少一詞句元素以及至少一語句模板；以及依據該至少一詞句元素以及至少一語句模板產生該回饋訊息。
6. 如請求項5所述之查詢回饋裝置，其中該處理器更用以：當無法從該其中一個情境資料庫中搜尋與該至少一輸入元素相匹配的至少一詞句元素或至少一語句模板時，藉由該收發電路輸出一提示訊息，以要求一使用者提供其他輸入訊息。
7. 如請求項1所述之查詢回饋裝置，其中該處理器更用以：藉由該收發電路接收一即時回報訊息，並判斷是否依據該即時回報訊息執行更新該些情境資料庫。
8. 一種查詢回饋方法，包括： 藉由一收發電路接收一輸入訊息；藉由一處理器對多個情境意圖或多個情境意圖搭配多個樣本元素進行機器學習演算，以訓練出一辨識模型，其中該些樣本元素儲存於一記憶體中的多個情境資料庫，且該些情境資料庫分別對應於該些情境意圖，其中各該些樣本元素是與對應的情境意圖相關的字詞，其中該辨識模型包括一子分類模型以及多個子辨識模型，該子分類模型用以對該輸入訊息進行分類，該些子辨識模型分別對應於該些情境資料庫；藉由該處理器接收該輸入訊息，該處理器使用該子分類模型，根據該輸入訊息從該些情境意圖中執行辨識與該輸入訊息對應的一輸入意圖，並使用該些子辨識模型，根據該輸入訊息從該些情境資料庫辨識與該輸入訊息對應的其中一個情境資料庫以及至少一輸入元素；藉由該處理器，依據其中一個情境資料庫產生與該至少一輸入元素對應的一回饋訊息，其中該其中一個情境資料庫對應於該輸入意圖；藉由該收發電路輸出該回饋訊息；以及藉由該收發電路週期地從外部網路更新該些情境資料庫中的該些樣本元素。
9. 如請求項8所述之查詢回饋方法，更包括：當無法辨識出與該輸入訊息對應的該至少一輸入元素或該輸入意圖時，藉由該收發電路輸出一提示訊息，以要求 一使用者提供其他輸入訊息。
10. 如請求項8所述之查詢回饋方法，更包括：當所辨識的該至少一輸入元素的數量不大於與該輸入意圖對應的一閾值時，依據該至少一輸入元素和該其中一個情境資料庫產生至少一提示元素；以及藉由該收發電路輸出與該至少一提示元素對應的一提示訊息，以要求一使用者提供其他輸入訊息。
11. 如請求項8所述之查詢回饋方法，其中該依據其中一個情境資料庫產生與該至少一輸入元素對應的該回饋訊息的步驟包括：從該其中一個情境資料庫中搜尋與該至少一輸入元素相匹配的至少一詞句元素以及至少一語句模板；以及依據該至少一詞句元素以及至少一語句模板產生該回饋訊息。
12. 如請求項11所述之查詢回饋方法，更包括：當無法從該其中一個情境資料庫中搜尋與該至少一輸入元素相匹配的至少一詞句元素或至少一語句模板時，藉由該收發電路輸出一提示訊息，以要求一使用者提供其他輸入訊息。
13. 如請求項8所述之查詢回饋方法，更包括： 藉由該收發電路接收一即時回報訊息，並判斷是否依據該即時回報訊息執行更新該些情境資料庫。

Images