CN106202476B - 一种基于知识图谱的人机对话的方法及装置 - Google Patents
一种基于知识图谱的人机对话的方法及装置 Download PDFInfo
- Publication number
- CN106202476B CN106202476B CN201610565229.9A CN201610565229A CN106202476B CN 106202476 B CN106202476 B CN 106202476B CN 201610565229 A CN201610565229 A CN 201610565229A CN 106202476 B CN106202476 B CN 106202476B
- Authority
- CN
- China
- Prior art keywords
- sentence
- classification
- module
- threshold value
- knowledge
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 241000219071 Malvaceae Species 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种基于知识图谱的人机对话的方法及装置，该方法包括以下步骤：S1：接收用户发送的语句，并获取该语句的上文语句类别；S2：确定该语句最终所属类别；S3：通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联；S4：根据聊天对话库对该语句进行对话匹配；S5：对该语句进行正则模式匹配；S6：根据语句的类别进行分析处理并生成回复。本发明在一定程度上控制语句的类别，并且使常识的知识问答和定制的开放领域问答同一在一个流程中，有别于现存的自动问答***中只依靠聊天库和分类模型的进行问题答案的搜索，并且在发明中加入了模板匹配和知识图谱搜索的技术，能够使得人机对话更加的丰富。
Description
技术领域
本发明属于人机问答的数据处理，尤其涉及一种基于知识图谱的人机对话的方法及装置。
背景技术
智能问答***以一问一答形式，精确的定位网站用户所需要的提问知识，通过与网站用户进行交互，为网站用户提供个性化的信息服务。
智能问答***是将积累的无序语料信息，进行有序和科学的整理，并建立基于知识的分类模型；这些分类模型可以指导新增加的语料咨询和服务信息，节约人力资源，提高信息处理的自动性，降低网站运行成本。基于对网站多年积累的关于政府和企业的基本情况常见问题及其解答，整理为规范的问答库形式，以支撑各种形式问题的智能问答。方便了用户，提高了办事效率，提升了企业形象。
现在智能问答***通常会借助于自然语言处理和全文搜索技术对语句进行处理，单一的方式通常在某一些的准确率会比较低。以往的智能问答***只会针对于某一个领域的问答，对于开放域的问答***，现在还没有一种通用的，而且扩展性比较好的处理流程的出现。
问答***主要包括句子分类，信息检索，答案抽取，语义理解，知识图谱等方面的技术。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种基于知识图谱的人机对话的方法，其能对常识和开放领域的问题进行回答。
本发明的目的之二在于提供一种基于知识图谱的人机对话的装置，其能对常识和开放领域的问题进行回答。
本发明的目的之一采用以下技术方案实现：
一种基于知识图谱的人机对话的方法，包括以下步骤：
S1：接收用户发送的语句，并获取该语句的上文语句，并确定该语句和上文语句的类别；
S2：根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；
S3：通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行步骤S4；
S4：根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行步骤S5；
S5：对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行步骤S6；
S6：根据该语句的最终所属类别进行分析处理并生成回复。
优选地，步骤S2具体包括以下子步骤：
S21：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
S22：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别。能够进一步公开步骤S2的实现方式。
优选地，步骤S4具体包括以下子步骤：
S41：根据聊天对话库对该语句进行全文搜索；
S42：通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
S43：判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行步骤S5。其能进一步公开步骤S4的具体实现方式。
优选地，所述阈值为0.7。其能进一步公开阈值数值的设置。
优选地，步骤S6具体包括以下子步骤：
S61：根据该语句的最终所属类别抽取与该语句的最终所属类别相关的属性特征；
S62：根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
S63：根据所得属性生成回复。其能进一步公开步骤S6的实现方式。
本发明的目的之二采用以下技术方案实现：
一种基于知识图谱的人机对话的装置，包括以下模块：
接收模块：用于接收用户发送的语句，并获取该语句的上文语句，并确定该语句和上文语句的类别；
分类模块：用于根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；
知识图谱模块：用于通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行聊天匹配模块；
聊天匹配模块：用于根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行正则匹配模块；
正则匹配模块：用于对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行分析处理模块；
分析处理模块：用于根据该语句的最终所属类别进行分析处理并生成回复。
优选地，分类模块具体包括以下子模块：
等级确定模块：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
第一判断模块：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别。能够进一步确定分类模块所包含的具体子模块。
优选地，聊天匹配模块具体包括以下子模块：
全文搜索模块：用于根据聊天对话库对该语句进行全文搜索；
计算模块：用于通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
第二判断模块：用于判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行正则匹配模块。其能进一步公开聊天匹配模块所包含的具体模块。
优选地，所述阈值为0.7。其能进一步公开阈值的数值。
优选地，分析处理模块具体包括以下子模块：
属性抽取模块：用于根据该语句的最终所属类别抽取与该语句的最终所属类别相关的属性特征；
属性匹配模块：用于根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
回复模块：用于根据所得属性生成回复。其能进一步公开分析处理模块所包含的子模块。
相比现有技术，本发明的有益效果在于：
本发明在一定程度上控制语句的类别，并且使常识的知识问答和定制的开放领域问答同一在一个流程中，有别于现存的自动问答***中只依靠聊天库和分类模型的进行问题答案的搜索，并且在发明中加入了模板匹配和知识图谱搜索的技术，能够使得人机对话更加的丰富。
附图说明
图1为本发明一种基于知识图谱的人机对话的方法的流程图；
图2为本发明一种基于知识图谱的人机对话的装置的结构框图；
图3为本发明的语句分类的分类表。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
如图1所示，本发明提供了一种基于知识图谱的人机对话的方法，包括以下步骤：
S1：接收用户发送的语句，并获取该语句的上文语句，并确定该语句和上文语句的类别；
S2：根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；步骤S2具体包括以下子步骤：
S21：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
S22：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别。在此步骤是为了确定在后续步骤中对该语句以哪种分类来继续进行处理，分类结果的确定需要通过对上下文中的当前分类来比对，然后才确定选用那种分类，比对的方式主要采用而类别的等级比较，以高等级的类别优先，如图3所示，1级为最低等级，46级为最高级别，从1级到46级等级依次上升，例如，用户说“我要导航”的时候，这一句子无疑是“导航”分类的，但是，导航需要有一个目的地，所以，后端会生成“请问您的目的地是哪”以询问用户的目的地，当客户回应是，例如用户说“广州”，“广州”这个短语进入分类时，它可能会被分类为“什么”这个类别，而如果一旦客户回复的短语被分类至其他类别时，导航这个目的就无法完成了，所以需要类别优先级做修正。由于“导航”这个分类在用户的会话中未被关闭，所以当“广州”被分类成“什么”时，需要与“导航”进行等级比较，由于“导航”的等级比“什么”的高，所以"广州"这个短语需要服从"导航"这个分类，如此，多轮对话就得以完成。
但是还有例外的情况，例如上一句话中是为天气分类的，然后下一句话是没有分类的，则该句子当做天气分类的处理；
S3：通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行步骤S4；通过将抽取到的特征词作为知识图谱的搜索的起点，进行知识的关联搜索，如果全部特征词都有关联，则生成答案。
例如，在知识图谱中包含有节点广州，然后有属性市花，属性值为木棉花，则形成三元组(广州，市花，木棉花)。当句子“广州的市花是什么呢？”或者“木棉花是哪里的市花？”进入图谱搜索的时候，由于知识图谱中包含广州、市花和木棉花，则通过对词语的提取，然后找到对应的三元组，生成回复“广州的市花是木棉花。”。
S4：根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行步骤S5；步骤S4具体包括以下子步骤：
S41：根据聊天对话库对该语句进行全文搜索；
S42：通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
S43：判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行步骤S5。所述阈值为0.7。该步骤主要是匹配聊天的语句，例如当对话中出现“你好”之类的日常问候聊天的语句的时候，则可以通过该步骤完成日常的聊天功能。
S5：对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行步骤S6；该步骤主要应用在***功能，敏感词和部分特殊句式的处理，例如，当用户问“你是谁”之类的句子的时候，这个问句相当于app中的about的功能，匹配与***功能相关的信息，生成回复。
S6：根据该语句的最终所属类别进行分析处理并生成回复；步骤S6具体包括以下子步骤：
S61：根据该语句的最终所属类别抽取与该语句的最终所属类别相关的属性特征；
S62：根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
S63：根据所得属性生成回复。在本步骤中主要处理前述步骤处理不了的对话，例如：用户输入“广州今天冷不冷？”，这个句子的类别是天气，对于天气关注的属性主要有四个时间、地点、详细类别和程度，通过为天气语句做的定义属性抽取程序能够提取到三个属性，时间为今天，地点为广州，程度是冷，然后根据时间和城市去查询获取天气数据，再根据天气数据中的气温数据来判断今天是否冷，从而完成对该语句的回答。在该步骤中，通常会需要调用其他的模块来查询相关的信息从而来生成相应的答案。
如图2所示，本发明提供了一种基于知识图谱的人机对话的装置，包括以下模块：
接收模块：用于接收用户发送的语句，并获取该语句的上文语句，并确定该语句和上文语句的类别；
分类模块：用于根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；分类模块具体包括以下子模块：
等级确定模块：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
第一判断模块：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别。
知识图谱模块：用于通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行聊天匹配模块；
聊天匹配模块：用于根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行正则匹配模块；聊天匹配模块具体包括以下子模块：
全文搜索模块：用于根据聊天对话库对该语句进行全文搜索；
计算模块：用于通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
第二判断模块：用于判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行正则匹配模块。所述阈值为0.7。
正则匹配模块：用于对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行分析处理模块；
分析处理模块：用于根据该语句的最终所属类别进行分析处理并生成回复。分析处理模块具体包括以下子模块：
属性抽取模块：用于根据该语句的最终所属类别抽取与该语句类别相关的属性特征；
属性匹配模块：根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
回复模块：根据所得属性生成回复。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (6)
1.一种基于知识图谱的人机对话的方法，其特征在于，包括以下步骤：
S1：接收用户发送的语句，获取该语句的上文语句，并确定该语句和上文语句的类别；
S2：根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；步骤S2具体包括以下子步骤：
S21：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
S22：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别；
S3：通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行步骤S4；
S4：根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行步骤S5；
S5：对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行步骤S6；
S6：根据该语句的最终所属类别进行分析处理并生成回复，步骤S6具体包括以下子步骤：
S61：根据该语句的最终所属类别抽取与该语句的最终所属类别相关的属性特征；
S62：根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
S63：根据所得属性生成回复。
2.如权利要求1所述的基于知识图谱的人机对话的方法，其特征在于，步骤S4具体包括以下子步骤：
S41：根据聊天对话库对该语句进行全文搜索；
S42：通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
S43：判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行步骤S5。
3.如权利要求2所述的基于知识图谱的人机对话的方法，其特征在于，所述阈值为0.7。
4.一种基于知识图谱的人机对话的装置，其特征在于，包括以下模块：
接收模块：用于接收用户发送的语句，并获取该语句的上文语句，并确定该语句和上文语句的类别；
分类模块：用于根据该语句的类别和上文语句的类别来确定该语句的最终所属类别；分类模块具体包括以下子模块：
等级确定模块：根据该语句的类别和上文语句的类别来确定所述语句的类别等级和上文语句的类别等级；
第一判断模块：判断所述语句的类别等级是否大于上文语句的类别等级，如果是，则选用所述语句的类别作为该语句的最终所属类别，如果否，则选用上文语句的类别作为该语句的最终所属类别；
知识图谱模块：用于通过知识图谱抽取该语句中的特征词，并判断所有特征词是否有关联，如果有，则根据特征词的关联生成回复，如果没有，则执行聊天匹配模块；
聊天匹配模块：用于根据聊天对话库对该语句进行对话匹配，如果匹配成功，则生成回复，如果失败，则执行正则匹配模块；
正则匹配模块：用于对该语句进行正则模式匹配，如果匹配成功，则生成相应的回复，如果匹配失败，则执行分析处理模块；
分析处理模块：用于根据该语句的最终所属类别进行分析处理并生成回复，分析处理模块具体包括以下子模块：
属性抽取模块：用于根据该语句的最终所属类别抽取与该语句的最终所属类别相关的属性特征；
属性匹配模块：用于根据所得属性特征的抽取程序，抽取与属性特征对应的属性；
回复模块：用于根据所得属性生成回复。
5.如权利要求4所述的基于知识图谱的人机对话的装置，其特征在于，聊天匹配模块具体包括以下子模块：
全文搜索模块：用于根据聊天对话库对该语句进行全文搜索；
计算模块：用于通过Jaccard Similarity算法计算聊天对话库中候选语句与输入语句的相似度；
第二判断模块：用于判断所得相似度是否大于一阈值，如果大于该阈值，则选择相应语句进行回复，如果小于该阈值，则执行正则匹配模块。
6.如权利要求5所述的基于知识图谱的人机对话的装置，其特征在于，所述阈值为0.7。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610565229.9A CN106202476B (zh) | 2016-07-14 | 2016-07-14 | 一种基于知识图谱的人机对话的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610565229.9A CN106202476B (zh) | 2016-07-14 | 2016-07-14 | 一种基于知识图谱的人机对话的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106202476A CN106202476A (zh) | 2016-12-07 |
| CN106202476B true CN106202476B (zh) | 2017-06-06 |
Family
ID=57493787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610565229.9A Expired - Fee Related CN106202476B (zh) | 2016-07-14 | 2016-07-14 | 一种基于知识图谱的人机对话的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106202476B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106844732B (zh) * | 2017-02-13 | 2020-05-08 | 长沙军鸽软件有限公司 | 针对无法直接采集的会话场景标签进行自动获取的方法 |
| CN106844734B (zh) * | 2017-02-13 | 2023-01-24 | 长沙军鸽软件有限公司 | 一种自动生成会话回复内容的方法 |
| CN106951470B (zh) * | 2017-03-03 | 2019-01-18 | 中兴耀维科技江苏有限公司 | 一种基于业务知识图检索的智能问答*** |
| CN107133305A (zh) * | 2017-04-28 | 2017-09-05 | 上海斐讯数据通信技术有限公司 | 一种聊天机器人知识库自动构建装置及其方法 |
| CN107193948B (zh) * | 2017-05-22 | 2018-04-20 | 邢加和 | 人机对话数据分析方法及装置 |
| CN109726387A (zh) * | 2017-10-31 | 2019-05-07 | 科沃斯商用机器人有限公司 | 人机交互方法和*** |
| CN107818164A (zh) * | 2017-11-02 | 2018-03-20 | 东北师范大学 | 一种智能问答方法及其*** |
| CN107908743B (zh) * | 2017-11-16 | 2021-12-03 | 百度在线网络技术（北京）有限公司 | 人工智能应用构建方法和装置 |
| CN107943998B (zh) * | 2017-12-05 | 2021-05-11 | 竹间智能科技（上海）有限公司 | 一种基于知识图谱的人机对话控制***及方法 |
| CN110019716B (zh) * | 2017-12-15 | 2021-11-12 | 上海智臻智能网络科技股份有限公司 | 多轮问答方法、终端设备以及存储介质 |
| CN108804698A (zh) * | 2018-03-30 | 2018-11-13 | 深圳狗尾草智能科技有限公司 | 基于人物ip的人机交互方法、***、介质及设备 |
| CN110399470B (zh) * | 2018-04-24 | 2023-06-20 | 微软技术许可有限责任公司 | 会话消息处理 |
| CN109002498B (zh) * | 2018-06-29 | 2020-05-05 | 北京百度网讯科技有限公司 | 人机对话方法、装置、设备及存储介质 |
| CN109033223B (zh) * | 2018-06-29 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于跨类型对话的方法、装置、设备以及计算机可读存储介质 |
| CN109597607A (zh) * | 2018-10-31 | 2019-04-09 | 拓科(武汉)智能技术股份有限公司 | 任务型人机对话***及其实现方法、装置与电子设备 |
| CN109543041B (zh) * | 2018-11-30 | 2021-11-26 | 安徽听见科技有限公司 | 一种语言模型得分的生成方法及装置 |
| CN110399457B (zh) * | 2019-07-01 | 2023-02-03 | 吉林大学 | 一种智能问答方法和*** |
| CN110472034B (zh) * | 2019-08-21 | 2022-11-15 | 北京百度网讯科技有限公司 | 问答***的检测方法、装置、设备及计算机可读存储介质 |
| CN113127613B (zh) * | 2020-01-10 | 2024-01-09 | 北京搜狗科技发展有限公司 | 聊天信息处理方法及装置 |
| CN112100353B (zh) * | 2020-09-15 | 2024-06-07 | 京东方科技集团股份有限公司 | 人机对话方法及***、计算机设备及介质 |
| CN113190661B (zh) * | 2021-02-04 | 2023-05-26 | 上海幻引信息技术服务有限公司 | 一种具有自我认知能力的智能对话机器人***和方法 |
| CN113032540B (zh) * | 2021-03-19 | 2023-06-23 | 北京百度网讯科技有限公司 | 人机交互方法、装置、设备和存储介质 |
| CN112989006A (zh) * | 2021-04-19 | 2021-06-18 | 苏州大学 | 基于联合学习的多回合对话回应选择方法 |
| CN113468294A (zh) * | 2021-07-20 | 2021-10-01 | 上海明略人工智能(集团)有限公司 | 用于古诗词问答的方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104471568A (zh) * | 2012-07-02 | 2015-03-25 | 微软公司 | 对自然语言问题的基于学习的处理 |
| CN105677783A (zh) * | 2015-12-31 | 2016-06-15 | 上海智臻智能网络科技股份有限公司 | 智能问答***的信息处理方法及装置 |
| CN105677795A (zh) * | 2015-12-31 | 2016-06-15 | 上海智臻智能网络科技股份有限公司 | 抽象语义的推荐方法、推荐装置及推荐*** |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9092988B2 (en) * | 2012-11-16 | 2015-07-28 | International Business Machines Corporation | Multi-dimensional feature merging for open domain question answering |
| CN103853842B (zh) * | 2014-03-20 | 2017-07-18 | 百度在线网络技术（北京）有限公司 | 一种自动问答方法和*** |
| CN105183848A (zh) * | 2015-09-07 | 2015-12-23 | 百度在线网络技术（北京）有限公司 | 基于人工智能的人机聊天方法和装置 |
-
2016
- 2016-07-14 CN CN201610565229.9A patent/CN106202476B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104471568A (zh) * | 2012-07-02 | 2015-03-25 | 微软公司 | 对自然语言问题的基于学习的处理 |
| CN105677783A (zh) * | 2015-12-31 | 2016-06-15 | 上海智臻智能网络科技股份有限公司 | 智能问答***的信息处理方法及装置 |
| CN105677795A (zh) * | 2015-12-31 | 2016-06-15 | 上海智臻智能网络科技股份有限公司 | 抽象语义的推荐方法、推荐装置及推荐*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106202476A (zh) | 2016-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106202476B (zh) | 一种基于知识图谱的人机对话的方法及装置 | |
| CN108345690B (zh) | 智能问答方法与*** | |
| CN107818781B (zh) | 智能交互方法、设备及存储介质 | |
| US10817527B1 (en) | Systems and methods of using natural language processing for visual analysis of a data set | |
| CN109871446B (zh) | 意图识别中的拒识方法、电子装置及存储介质 | |
| US10431214B2 (en) | System and method of determining a domain and/or an action related to a natural language input | |
| US11315560B2 (en) | Method for conducting dialog between human and computer | |
| WO2019084810A1 (zh) | 一种信息处理方法及终端、计算机存储介质 | |
| WO2018196684A1 (zh) | 对话机器人生成方法及装置 | |
| WO2017181834A1 (zh) | 一种智能问答方法及装置 | |
| CN110262273A (zh) | 一种家居设备控制方法、装置、存储介质及智能家居*** | |
| CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
| CN108388553B (zh) | 对话消除歧义的方法、电子设备及面向厨房的对话*** | |
| CN111708869B (zh) | 人机对话的处理方法及装置 | |
| CN107577755B (zh) | 一种搜索方法 | |
| WO2020233386A1 (zh) | 基于aiml的智能问答方法、装置、计算机设备及存储介质 | |
| CN103593412B (zh) | 一种基于树形结构问题的应答方法及*** | |
| CN108538294B (zh) | 一种语音交互方法及装置 | |
| CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
| CN110825839B (zh) | 一种对文本信息中目标的关联关系分析方法 | |
| CN105956053A (zh) | 一种基于网络信息的搜索方法及装置 | |
| CN113297365B (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
| CN108763355B (zh) | 一种基于用户的智能机器人交互数据处理***及方法 | |
| CN117114112B (zh) | 基于大模型的垂直领域数据整合方法、装置、设备及介质 | |
| CN110674276A (zh) | 机器人自学习方法、机器人终端、装置及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191223 Address after: 518019 2-24 / F, building a, Zhongshe Plaza, No. 1028, Buji Road, Dongxiao street, Luohu District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Softcom Power Information Technology Co.,Ltd. Address before: 510000. Room two, No. 122, sports east road, Guangzhou, Guangdong, Tianhe District 3304, China Patentee before: GUANGZHOU ANWANG INFORMATION TECHNOLOGY CO.,LTD. |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 |