CN109729141B - 对混合bot框架上ai助理的交互进行管理的方法、*** - Google Patents
对混合bot框架上ai助理的交互进行管理的方法、*** Download PDFInfo
- Publication number
- CN109729141B CN109729141B CN201811237211.1A CN201811237211A CN109729141B CN 109729141 B CN109729141 B CN 109729141B CN 201811237211 A CN201811237211 A CN 201811237211A CN 109729141 B CN109729141 B CN 109729141B
- Authority
- CN
- China
- Prior art keywords
- service
- response
- context
- action
- communication data
- 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
- 238000000034 method Methods 0.000 title claims description 29
- 230000003993 interaction Effects 0.000 title claims description 9
- 230000004044 response Effects 0.000 claims abstract description 79
- 230000009471 action Effects 0.000 claims abstract description 60
- 238000004891 communication Methods 0.000 claims abstract description 56
- 230000007704 transition Effects 0.000 claims abstract description 35
- 230000000873 masking effect Effects 0.000 claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 claims description 54
- 238000003058 natural language processing Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008451 emotion Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013524 data verification Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013502 data validation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开的实施例涉及用于企业的混合BOT框架。各实现涉及从设备接收通信数据,该通信数据包括由设备的用户输入的数据;基于定义上下文以及上下文之间的转换的扩展有限状态机来确定上下文;向至少一个云托管服务传送服务请求,该服务请求至少部分地基于掩蔽通信数据中包含的敏感信息而被提供;接收来自至少一个云托管服务的服务响应,该服务响应包括意图和实体中的一个或多个;基于服务响应确定将由至少一个后端源***执行的至少一个动作;至少部分地基于从至少一个后端源***所接收的动作结果来提供响应;以及向设备传送结果数据。
Description
技术领域
本公开的实施例总体涉及BOT框架,更具体地涉及结合了内部部署的组件和云托管组件的平台。
背景技术
企业越来越多地向用户提供自动化服务。示例性自动化服务可以包括处理用户输入以执行动作(例如,路由调用、提供信息)的人工智能。将这种自动化服务集成到企业中可能是有问题的。例如,内部部署的解决方案(例如,安装在由企业操作的硬件上,并使用该硬件来执行的应用)是时间、成本和计算资源密集的(例如,需要建立显著的计算资源,以提供内部部署的解决方案)。基于云的解决方案具有它们自己的问题集,包括例如维护信息的安全性和机密性(例如,个人可标识信息(PII))。
发明内容
本公开的实现总体涉及用于企业的计算机实现的BOT框架。更具体地,本公开的实现涉及提供内部部署的组件并利用云托管组件的混合平台。
在一些实现中,动作包括从设备接收通信数据,通信数据包括由设备的用户输入的数据;基于定义上下文以及上下文之间的转换的扩展有限状态机来确定上下文;向至少一个云托管服务传送服务请求,服务请求至少部分地基于掩蔽通信数据中包含的敏感信息而被提供;接收来自至少一个云托管服务的服务响应,服务响应包括意图和实体中的一个或多个;基于服务响应确定将由至少一个后端源***执行的至少一个动作;至少部分地基于从至少一个后端源***所接收的动作结果来提供响应;以及向设备传送结果数据。该方面的其他实现包括对应的***、装置和计算机程序,被配置为执行被编码在计算机存储设备上的方法的动作。
这些和其他实现可以各自可选地包括以下特征中的一个或多个:至少一个动作通过基于意图和实体中的一个或多个、使用扩展有限状态机来标识从上下文的转换而被确定,转换指示至少一个动作;动作还包括:确定将在服务请求中传送的数据集包括敏感信息,并且作为响应,在向至少一个云托管服务传送服务请求之前,使用内部部署的掩蔽组件从数据集中移除敏感信息;确定上下文包括:向内部部署的会话管理器查询当前上下文,上下文响应于查询而被返回;通信数据通过与多个通道对应的通道连接器从设备被接收,通信数据通过多个通道能够被接收;动作还包括:使用内部部署的数据统一层将通信数据的格式变换为标准格式;混合框架包括内部部署的部分,内部部署的部分选择性地向多个云托管服务传送请求,并从多个云托管服务接收响应;至少一个云托管服务包括以下中的一个或多个:自然语言处理(NLP)服务、情绪分析服务、语音到文本服务、以及翻译服务;至少一个云托管服务被配置为确定意图和实体中的一个或多个;并且扩展有限状态机可由用户基于一个或多个要求来配置。
本公开还提供了一种计算机可读存储介质,其耦合到一个或多个处理器并且其上存储有指令,指令在由一个或多个处理器执行时,使得一个或多个处理器根据本文提供的方法的实现来执行操作。
本公开还提供了一种用于实现本文提供的方法的***。该***包括一个或多个处理器,以及耦合到一个或多个处理器的计算机可读存储介质,其上存储有指令,指令在由一个或多个处理器执行时,使得一个或多个处理器根据本文提供的方法的实现来执行操作。
应理解,根据本公开的方法可以包括本文描述的各方面和特征的任何组合。也就是说,根据本公开的方法不限于本文具体描述的各方面和特征的组合,还包括所提供的各方面和特征的任何组合。
本公开的一个或多个实现的细节在附图和以下描述中阐述。根据说明书和附图以及权利要求,本公开的其他特征和优点将是明显的。
附图说明
图1描绘了根据本公开的实现的示例高级架构。
图2描绘了根据本公开的实现的示例架构。
图3描绘了根据本公开的实现的示例扩展有限状态机。
图4描绘了可以根据本公开的实现而被执行的示例过程。
具体实施方式
本公开的实现总体涉及用于基于人工智能(AI)的数字代理(在本文中也称为BOT框架和/或AI助理)的计算机实现的平台。更具体地,本公开的实现涉及提供内部部署的组件并利用云托管组件的混合平台。总体而言,并且如本文进一步详细描述的,本公开的多语言 BOT框架减轻了BOT解决方案的企业集成的负担,实现了通过多个通道的交互,并利用云托管组件来执行服务,同时维持信息(例如,个人可标识信息(PII))的安全性和机密性。
如本文进一步详细描述的,本公开的实现包括:从设备接收通信数据,通信数据包括由设备的用户输入的数据;基于定义上下文以及上下文之间的转换的扩展有限状态机来确定上下文;向至少一个云托管服务传送服务请求,服务请求至少部分地基于掩蔽通信数据中包含的敏感信息而被提供;接收来自至少一个云托管服务的服务响应,服务响应包括意图和实体中的一个或多个;基于服务响应确定将由至少一个后端源***执行的至少一个动作;至少部分地基于从至少一个后端源***所接收的动作结果来提供响应;以及向设备传送结果数据。
图1描绘了根据本公开的实现的示例高级架构100。示例架构100 包括设备102、后端***108、110以及网络112。在一些示例中,网络112包括局域网(LAN)、广域网(WAN)、因特网、蜂窝电话网络、公共交换电话网(PSTN)、个人分支交换(PBX)或其任何适当的组合,并连接网站、设备(例如,设备102)和后端***(例如,后端***108、110)。在一些示例中,可以通过有线和/或无线通信链路来访问网络112。例如,诸如智能电话的移动设备可以利用蜂窝网络来访问网络112。
在所描绘的示例中,后端***108、110中的每一个包括至少一个服务器***114和数据存储116(例如,数据库)。在一些示例中,一个或多个后端***托管一个或多个计算机实现的服务,用户可以使用设备与该服务交互。例如,并且如本文进一步详细描述的,根据本公开的实现,后端***108、110可以托管混合BOT框架。在一些示例中,设备102可以各自包括任何适当类型的计算设备,诸如台式计算机、膝上型计算机、手持式计算机、平板计算机、个人数字助理 (PDA)、蜂窝电话、网络设备、相机、智能手机、电话、移动电话、增强型通用分组无线电服务(EGPRS)移动电话、媒体播放器、导航设备、电子邮件设备、游戏机控制台或任意两种或更多种这些设备的适当组合,或其他数据处理设备。
在所描绘的示例中,设备102由用户120使用。根据本公开,用户120使用设备102来与本公开的BOT框架交互。在一些示例中,用户120可以包括提供混合BOT框架的企业客户。例如,用户120 可以包括使用设备102通过一个或多个通道与企业通信的客户。根据本公开的实现,并且如本文进一步详细描述的,用户120可以向混合 BOT平台提供口头输入(例如,语音)、文本输入,和/或视觉输入 (例如,图像、视频),其可以处理输入以执行一个或多个动作,和 /或提供一个或多个响应。
这里参考示例上下文来进一步详细描述本公开的实现。示例上下文包括作为实现本公开的混合BOT框架的企业的航空旅行提供商(例如,航空公司)。在示例上下文中,用户(例如,乘客)可以与混合 BOT框架交互以执行与航班相关的任务(例如,预订航班、检查航班状态)。然而,预期可以在任何适当的上下文中实现本公开的实现。如本文所使用的,术语“BOT”可以指代根据本公开的实现的AI助理。
图2描绘了根据本公开的实现的混合BOT框架的示例架构200。在一些示例中,示例架构200的组件可以在一个或多个后端***(例如,图1的后端***108、110)上被托管。在一些示例中,示例架构200的每个组件作为由一个或多个计算设备执行的一个或多个计算机可执行程序而被提供。
在所描绘的示例中,示例架构200包括(例如,本公开的AI助理的)内部部署的部分202和云部分204。在一些示例中,内部部署的部分202在提供BOT框架的企业(例如,航空公司)的后端***上被托管。也就是说例如在企业的内联网中。例如,内部部署的部分 202可以在图1的后端***108上被托管。在一些示例中,云部分204 在相应的基于云的服务提供商的一个或多个后端***上被托管。例如,云部分204的至少一部分可以在图1的后端***110上被托管。
在所描绘的示例中,示例架构200包括通道204,用户(例如,乘客)可以通过该通道与内部部署的部分202通信。示例通道包括语音、聊天、文本(例如,短消息传送服务(SMS))、社交网络等。例如,用户可以使用设备(例如,图1的设备102)向内部部署的部分204发送SMS文本(例如,通过图1的网络112)。作为另一示例,用户可以通过一个或多个社交网络(例如,第一社交网络(SNX)、第二社交网络(SNY))向内部部署的部分204提供输入(例如,通过图1的网络112)。作为另一示例,用户可以通过即时消息传送应用(例如,聊天)来提供输入。
在一些实现中,内部部署的部分202包括通道连接器208、数据统一层210、认证中间件212、人工智能(AI)中间件214、连接器 216、web服务暴露218、后端源***220、数据管理层222以及一个或多个数据库224。通常,并且如本文进一步详细描述的,用户通信通过一个或多个连接器208而被接收,并通过数据统一层210被提供给AI中间件214。提供通信的用户由认证中间件212认证,并且如果经过认证,则会话在用户的设备(例如,图1的设备102)和AI 中间件214之间建立。认证可以以任何适当的方式执行(例如,证书 (用户名/密码)、令牌)。在会话期间,AI中间件214可以通过连接器216利用由云部分204提供的云托管智能服务。
在一些示例中,被包括在内部部署的部分202中的数据统一层210 将传入消息的格式转换为可以由内部部署的部分202的组件处理的标准格式。例如,消息可以以特定于通道的格式被接收(例如,如果通过WebChat接收,则是第一格式;如果通过社交网络接收,则是第二格式),并且数据统一层210将消息转换为标准格式(例如,文本)。在一些示例中,数据统一层210将传出消息从标准格式转换为特定于通道的格式。在一些示例中,通道连接器208从内部部署的部分202 的其余部分提取与用户通信的各种通道206集成的细节。这包括通信细节,以及数据表示的提取。在一些示例中,连接器216从AI助理的其余部分提取与云托管服务集成的细节。这包括通信细节和数据表示。
在一些实现中,AI中间件214包括会话管理器230、PII掩蔽组件232、动作处理器234、通信协调器236、异常处理器238、响应生成器240以及一个或多个数据验证模块242。会话管理器230维护在用户和AI助理之间的交互的状态和上下文。在一些示例中,每次用户发起与AI助理的通信时,新会话都被实例化,并且基于经映射的意图,上下文始终被维持,这在本文中被进一步详细描述。通过这种方式,AI助理能够提供与上下文相关的响应。
在一些示例中,PII掩蔽组件232掩蔽被确定为PII的数据。以这种方式,PII不被传达到云托管服务(例如,不通过公共因特网公开)。在一些示例中,掩蔽包括从待传达到云托管服务的数据集中移除数据 (PII)。在一些示例中,PII的出现可以基于规则和/或正则表达式 (regex)而被确定。在一些示例中,掩蔽可以包括字符替换、单词替换、混洗、数字/日期方差、加密、截断、字符掩蔽和/或部分掩蔽。
可以确定:要求来自云托管服务的信息(例如,需要确定从用户接收到的消息的意图/实体)。因此,包括由云托管服务待处理的数据集的消息被构造。被确定为PII的数据集内的任何实体可以从数据集中被移除。例如,不需要包括PII的实体来从一个或多个云托管服务接收准确的响应(例如,云托管服务不需要用户的帐号来确定消息的意图)。
在一些示例中,动作处理器234协调一个或多个动作的执行。例如,动作处理器234向一个或多个后端源***发送请求以完成动作。示例动作可以包括但不限于:取回所存储的信息、记录信息、执行计算等。例如,可以确定:待执行的动作包括查找特定航班的状态(例如,如本文中进一步详细描述的)。为了执行该动作,动作处理器234 可以传送包括航班号的请求,可以向后端源***(例如,记录航班状态的航班调度***)传送请求,并且可以从后端源***接收响应,其包括动作的结果(例如,指示被分配给航班号的航班的状态的字符串值)。关于动作处理器的额外细节在2017年6月7日提交的共同转让的美国申请No.15/616,007中被进一步详细描述,其公开内容通过引用明确地并入本文。
在一些示例中,通信协调器236协调在AI中间件214内部和AI 中间件214外部的组件之间的通信。例如,通信协调器236接收来自数据统一层210的通信(例如,从用户设备提供的请求),并向数据统一层210提供通信(例如,对用户设备的响应)。作为另一示例,通信协调器236与数据管理层222通信以访问数据库224。作为另一示例,通信协调器236通过连接器216与云托管服务通信(例如,向其发送请求,从其接收响应)。在一些示例中,当接收到消息时,通信协调器236最初向一个或多个数据验证模块242提供消息信息,以确定消息中提供的数据是否是预期格式,如本文所描述的。
在一些示例中,异常处理器238处理可能在数据期间发生的任何异常(例如,错误)。示例异常可以包括但不限于:云托管服务不可访问,后端***没有响应,运行时异常(诸如空指针异常)。在一些示例中,响应生成器240构造响应消息,以传送回用户。在一些示例中,响应消息可以包括动作的结果,以及一个或多个实体。继续本文提供的示例,示例响应消息可以包括“航班No.123是准时的”(例如,对用户请求实体“航班号123”的状态的响应)。在一些示例中,响应消息可以包括请求澄清和/或经修正的信息。继续本文提供的示例,示例响应消息可以包括“ABC123是无效格式。请提供您的6位数字格式的常旅客号码(######)。”
在一些示例中,一个或多个数据验证模块242验证通过(多个) 通道从用户提供的信息。在一些示例中,验证模块242确定接收到的信息是否是预期格式。例如,AI助理可以请求分配给用户的帐号(例如,表示“请提供您的常旅客号码”的聊天消息)。来自用户的响应消息由数据验证模块242处理,以确定响应消息是否包括预期格式的帐号(例如,6位数字)。例如,如果响应消息包括“ABC123”,则数据验证模块242可以确定帐号是不适当的格式。在这种情况下,消息可以被提供回用户,指示帐号不符合预期格式(例如,“ABC123 是无效格式。请提供您的6位数字格式的常旅客号码(######)”)。作为另一示例,如果响应消息包括“123456”,则数据验证模块242 可以确定帐号是适当的格式。在这种情况下,AI助理可以行进通过对话(例如,在上下文之间进行转换,如本文中进一步详细描述的)。
在一些实现中,数据验证模块242确定请求是否被发送到云托管服务中的一个或多个。继续上面的示例,如果响应消息包括“123456”,则数据验证模块242可以确定帐号是适当的格式,并且不需要从云托管服务中取回意图或实体。
在一些实现中,AI中间件214的组件可以被称为对话管理器。对话管理器的示例组件可以包括图2的AI中间件214的会话管理器230 和PII掩蔽组件232。对话管理器的其他组件可以包括对话记录器、域集成组件和对话规则库(图2中未示出)。在一些示例中,对话记录器记录在用户和AI助理之间的所有通信。在一些示例中,所记录的对话的细节可以由企业用于监视AI助理在提供预期用户体验方面的有效性。在一些示例中,域集成组件从AI助理组件的其余部分提取与后端源***220的集成的细节。这包括通信细节和数据表示的提取。在一些示例中,对话规则支持扩展的有限状态机方法,以管理与用户的对话,并且基于多个因素(例如,意图、实体、动作)在不同的上下文之间转换。例如,对用户的响应是上下文、意图、实体和动作的函数。这里参考图3详细描述示例扩展有限状态机。
在一些实现中,云部分204包括一个或多个云托管服务。示例云托管服务包括但不限于:自然语言处理(NLP)(例如、实体提取、意图提取)、情绪分析、语音到文本以及翻译。示例语音到文本服务包括:由Mountain View,CA的Google,Inc.提供的Google CloudSpeech。在一些示例中,Google Cloud Speech通过神经网络模型处理音频数据来将音频数据转换为文本数据。示例NLP服务包括:由 MountainView,CA的Google,Inc.提供的TensorFlow。在一些示例中, TensorFlow可以被描述为用于使用数据流图的数值计算的开源软件库。虽然本文引用了示例云托管服务,但是本公开的实现可以使用任何适当的云托管服务来实现。
在一些实现中,AI中间件214通过web服务暴露218与一个或多个后端源***220通信。示例后端源***包括但不限于:客户关系管理(CRM)***、计费***和企业资源规划(ERP)***。在一些实现中,AI中间件214与数据管理层222通信以访问数据库224。在所描绘的示例中,数据管理层222包括(ETL)组件、数据准备组件、数据变换组件和数据提取组件。
内部部署的部分202还包括管理组件250、报告和仪表板组件252 以及性能评估组件254。
在一些实现中,管理组件250包括智能服务选择器、AI训练组件和AI模型管理组件。在一些示例中,智能服务选择器使管理员能够选择由AI助理使用的云托管服务(例如,用于NLP、情绪分析、翻译)。例如,选择对于所有能力可以是相同的,或者管理员可以选择针对不同能力选择不同的云托管服务(例如,用于NLP的Cortana,用于情绪分析的GoogleML)。在一些示例中,AI训练组件相对云托管服务的AI模型(例如,用于情绪分析的AI模型)运行批量训练数据,从而允许管理员从熟悉的前端访问云托管服务的API特征。在一些示例中,AI管理组件使管理员能够维护要求由云托管服务处理的意图和实体,从而允许管理员从熟悉的前端访问云托管服务的API 特征。
在一些实现中,报告和仪表板组件252包括审计记录管理器、审计记录存储库、报告仪表板以及对话记录存储库。在一些示例中,审计记录管理器使管理员能够查看由各种AI助理组件生成的所有记录 (例如,用于操作监视和维护)。在一些示例中,记录消息存储在审计记录存储库中。在一些示例中,报告仪表板使管理员能够查看在用户和AI助理之间发生的所有对话,并且可以指示例如已成功完成的对话以及被放弃的对话。
在一些实现中,性能评估组件254包括AI准确度报告组件、AI 测试设施和AI模型记录存储库。在一些示例中,AI准确度报告组件测量云托管服务的总体准确度(例如,基于从所提供的输入得出的经训练的意图)。在一些示例中,准确度报告依赖于AI模型记录存储库,其中记录了对云托管服务做出的每个请求和响应。在一些示例中, AI测试设施使管理员能够直接与云托管服务的AI模型交互,以测试 AI模型的相应性能(例如,在基于用户输入得出正确意图的方面)。
图3描绘了根据本公开的实现的示例扩展有限状态机300。出于描述的目的,图3的示例扩展有限状态机300被简化。示例扩展有限状态机300包括状态302、304、306,其表示相应的上下文C1、C2、 C3。在所描绘的示例中,状态302可以表示初始上下文(例如,当用户与AI助理通信时的初始状态)。在航空公司的示例上下文中,上下文C1可以对应于欢迎上下文。在欢迎上下文中,由AI助理提供的示例响应可以包括“我可以怎样帮助您?”
基于一个或多个因素,转换可以发生在状态302、304、306之间。示例因素包括(多个)意图、(多个)实体和(多个)动作。例如,在图2中,如果第一意图I1被提供,并且不与任何实体或动作相关联,则状态保持在状态302。作为另一示例,在图2中,如果第二意图I2、第一实体E1和第一动作A1被提供,则状态从状态302转换到状态304。作为另一示例,在图2中,如果第二意图I2被提供,并且不与任何实体或动作相关联,则状态从状态302转换到状态306。作为另一示例,在图2中,如果第三意图I3、第一实体E1和第一动作A1被提供,则状态从状态306转换到状态304。
在示例上下文中,以下可以被提供:C1=欢迎上下文,C2=执行航班跟踪,C3=航班跟踪;I1=问候,I2=航班状态,I3=提供信息;E1=航班号;A1=调用航班跟踪网络服务。
使用上述示例值,并且在示例上下文中,用户可以与AI助理通信以请求特定航班的状态。例如,用户通过聊天通道(例如,即时消息传送)与AI助理交互,提供输入“你好”。在响应中,初始状态 (状态302)可以利用意图“问候”而被建立。例如,用户输入“你好”可以由云托管的NLP服务处理以返回意图“问候”。因此,AI 助理可以响应“你好。今天我可以怎样帮助您?”用户可以输入“我的姓名是Joe Flyalot,并且我想知道123号航班的状态。”
在该示例中,用户输入可以由AI助理处理,并且可以确定用户输入包括PII,姓名“Joe Flyalot”。因此,PII掩蔽组件可以移除PII,并且向云托管的服务传送剩余的用户输入。来自云托管服务的响应可以包括意图“航班状态”和实体“航班号”。动作处理器可以处理响应以确定动作“调用航班跟踪网络服务”。因此,状态可以从状态302 转换到状态304。
继续该示例,AI助理可以调用(例如,发送请求)航班跟踪服务 (例如,后端源***),该请求包括航班号(例如,航班号123)。 AI助理可以从航班跟踪服务接收响应(例如,状态=准时(或,延迟或取消)),并且可以向用户提供对应的响应。例如,“感谢您的查询,Flyalot先生。航班No.123是准时的。”
图4描绘了可以在本公开的实现中执行的示例过程400。在一些示例中,使用由一个或多个计算设备(例如,图1的后端***108) 执行的一个或多个计算机可执行程序来提供示例过程400。
消息被接收(402)。例如,图2的通信协调器236从数据统一层210接收消息。在一些示例中,并且如本文所述,消息可以源自用户设备,并且通过一个或多个通道206中的通道来向内部部署的部分 202传送,数据统一层210可以将接收到的格式变换为标准化格式。当前上下文被确定(404)。在一些示例中,通信协调器236查询会话管理器230以确定当前上下文。例如,并且如本文所述,会话管理器230可以维护或以其他方式访问扩展有限状态机,以及扩展有限状态机(例如,图3的扩展有限状态机300)的当前状态(上下文)。如果消息是接收到的第一消息(例如,在用户认证之后),则当前上下文可以包括初始上下文(例如,如本文中参考图3所描述的“问候”)。
确定一个或多个云托管服务是否将被查询(406)。例如,可以基于当前上下文确定云托管服务将被查询(例如,需要确定实体、意图和/或动作以转换上下文)。如果确定云托管服务将被查询,则确定将被发送到一个或多个云托管服务的数据是否包括敏感信息(PII) (410)。例如,可以确定将被传送到云托管服务的数据集是否包括 PII(例如,用户的姓名、帐号、生日等)。如果数据包括敏感信息,则敏感数据被掩蔽(412)。例如,PII掩蔽模块232从数据集中移除任何敏感信息。
一个或多个请求被传送到(多个)云托管服务提供商(414),并且相应的响应被接收(416)。例如,通信协调器236通过相应的连接器216传送请求,并通过相应的连接器216从云托管服务接收响应。示例请求可以包括:确定被包含在数据中的一个或多个意图,和 /或一个或多个实体。(多个)云托管服务根据提供响应数据集的请求 (例如,根据请求数据而确定的意图和/或实体的集合)来处理数据。
确定上下文是否被更新(418)。例如,可以确定来自(多个) 云托管服务的(多个)响应数据集是否包括对应于扩展有限状态机中的转换的意图,和/或实体。作为一个示例,如果响应数据集包括意图“航班状态”和实体“航班号”,则因此状态可以转换(例如,从状态302转换到状态304,如上面参考图3所述)。上下文被转换(420)。
确定一个或多个动作是否被执行(422)。例如,鉴于转换,相应的动作可以被确定。继续上面的示例,可以确定转换包括执行动作“调用航班跟踪网络服务”。如果动作将被执行,则请求被传送到相应的后端源服务(424)。例如,动作处理器234向相应的后端***传送动作请求,并且相应的响应被接收(426)。示例响应可以包括在请求中所标识的航班号的状态。
响应被准备(428),并且响应被传送(430)。例如,响应生成器240准备对用户消息的响应,并且响应通过数据统一层210和适当的通道连接器208被传送到用户设备。继续本文的示例,对于示例用户消息“航班123的状态是什么?”的示例响应可以包括“Flyalot 先生,谢谢您的查询。航班No.123是准时的。”
本说明书中描述的实现和所有功能操作可以在数字电子电路中、或者在计算机软件、固件或硬件(包括本说明书中公开的结构及其结构等同物)中、或者在它们中的一个或多个组合中实现。实现可以被实现为一个或多个计算机程序产品,即被编码在计算机可读介质上用于由数据处理设备执行或控制数据处理设备的操作的计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储器设备、影响机器可读传播信号的物质的组合、或它们中的一个或多个的组合。术语“计算***”涵盖用于处理数据的所有装置、设备和机器,包括例如可编程处理器、计算机或者多个处理器或计算机。除了硬件之外,该装置还可以包括为讨论中的计算机程序(例如,构成处理器固件、协议栈、数据库管理***、操作***或其中的一个或多个的任何合适的组合的代码)创建执行环境的代码。传播信号是为了对信息进行编码以传输到合适的接收器装置而生成的人工生成的信号(例如,机器生成的电、光或电磁信号)。
计算机程序(也称为程序、软件、软件应用、脚本或代码)可以以任何适当形式的编程语言来编写,包括编译或解释语言,并且可以以任何适当的形式来部署,包括作为独立程序或作为模块、组件、子程序或适用于计算环境的其他单元。计算机程序不一定对应于文件***中的文件。程序可以存储在保持其他程序或数据(例如,存储在标记语言文档中的一个或多个脚本)的文件的一部分中,存储在专用于所讨论的程序的单个文件中,或者存储在多个协调文件(例如,存储一个或多个模块、子程序或部分代码的文件)中。计算机程序可以被部署为在一个计算机,或者位于一个站点处或者分布在多个站点处并且通过通信网络互连的多个计算机上执行。
本说明书中描述的过程和逻辑流程可以由执行一个或多个计算机程序以通过对输入数据进行操作并且生成输出来执行功能的一个或多个可编程处理器来执行。过程和逻辑流程还可以由专用逻辑电路 (例如,FPGA(现场可编程门阵列)或ASIC(专用集成电路))来执行,并且装置也可以实现为这样的专用逻辑电路。
举例来说,适合于执行计算机程序的处理器包括通用和专用微处理器、以及任何适当类型的数字计算机的任何一个或多个处理器。通常,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的元件可以包括用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘),或者可操作地耦合以从其接收数据或向其传输数据或两者。然而,计算机不一定具有这样的设备。此外,计算机可以嵌入另一设备(例如,移动电话、个人数字助理(PDA)、移动音频播放器、全球定位***(GPS) 接收器)中。适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备,包括例如半导体存储器设备(例如,EPROM、EEPROM和闪存设备);磁盘(例如,内部硬盘或可移动盘);磁光盘;以及CD ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充或并入其中。
为了提供与用户的交互,实现可以在具有用于向用户显示信息的显示设备(例如,CRT(阴极射线管)、LCD(液晶显示)监视器) 以及用户可以用来向计算机提供输入的键盘和指示设备(例如,鼠标、轨迹球、触摸板)的计算机上实现。其他类型的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何适当形式的感觉反馈(例如,视觉反馈、听觉反馈、触觉反馈);并且来自用户的输入可以以任何适当的形式来接收,包括声学、语音或触觉输入。
实现可以在包括后端组件(例如,作为数据服务器)、中间件组件(例如,应用服务器)和/或前端组件(例如,具有用户可以用来与实现交互的图形用户界面或网络浏览器的客户端计算机)、或者一个或多个这样的后端、中间件或前端组件的任何适当组合的计算***中被实现。***的组件可以通过任何适当形式或介质的数字数据通信 (例如,通信网络)来互连。通信网络的示例包括局域网(“LAN”) 和广域网(“WAN”),(例如,因特网)。
计算***可以包括客户端和服务器。客户端和服务器通常彼此远离并且通常通过通信网络进行交互。客户端和服务器之间的关系是通过在各个计算机上运行并且彼此具有客户端服务器关系的计算机程序而产生的。
尽管本说明书包含很多细节,但是这些不应当被解释为对本公开或可能要求保护的范围的限制,而是作为对特定于具体实现的特征的描述。本说明书中在单独实现的上下文中描述的某些特征也可以在单个实现中组合实现。相反,在单个实现的上下文中描述的各种特征也可以在多个实现中单独或以任何合适的子组合来实现。此外,尽管特征可以在上面描述为以某些组合起作用并且甚至最初如此主张,但是来自所要求保护的组合的一个或多个特征可以在一些情况下从组合中删除,并且所要求保护的组合可以涉及子组合或子组合的变型。
类似地,尽管在附图中以特定顺序描绘操作,但是这不应当被理解为要求这样的操作以所示出的特定顺序或按顺序执行,也不应当被理解为要执行所有示出的操作以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,上述实现中的各种***组件的分离不应当被理解为在所有实现中都需要这样的分离,并且应当理解,所描述的程序组件和***通常可以被一起集成在单个软件产品中或者封装到多个软件产品中。
已经描述了很多实现。然而,应当理解,在不脱离本公开的精神和范围的情况下可以进行各种修改。例如,可以使用上面所示的各种形式的流程,其中步骤可以被重新排序、被添加或被删除。因此,其他实现在所附权利要求的范围内。
Claims (30)
1.一种用于对与混合框架上的人工智能AI助理的交互进行管理的计算机实现的方法,所述方法由一个或多个处理器执行并且包括:
接收来自设备的通信数据,所述通信数据包括由所述设备的用户输入的数据;
基于扩展有限状态机确定上下文,所述扩展有限状态机定义上下文以及上下文之间的转换,所述扩展有限状态机的每个状态包括上下文,状态之间的一组转换中的转换包括意图、实体和动作的元组,第一转换包括第一元组,所述第一元组包括第一填充意图、第一填充实体和第一填充动作,并且第二转换包括第二元组,所述第二元组包括第二填充意图、未填充实体和未填充动作;
向至少一个云托管服务传送服务请求,所述服务请求至少部分地基于掩蔽所述通信数据中包含的敏感信息而被提供;
接收来自所述至少一个云托管服务的服务响应,所述服务响应包括意图和实体中的一个或多个;
基于所述服务响应确定将由至少一个后端源***执行的至少一个动作;
至少部分地基于从所述至少一个后端源***所接收的动作结果来提供用户响应;以及
向所述设备传送所述用户响应。
2.根据权利要求1所述的方法,其中所述至少一个动作通过基于所述意图和所述实体中的一个或多个、使用所述扩展有限状态机来标识从所述上下文的转换而被确定,所述转换指示所述至少一个动作。
3.根据权利要求1所述的方法,还包括:确定将在所述服务请求中传送的数据集包括所述敏感信息,并且作为响应,在向所述至少一个云托管服务传送所述服务请求之前,使用内部部署的掩蔽组件从所述数据集中移除所述敏感信息。
4.根据权利要求1所述的方法,其中确定所述上下文包括:向内部部署的会话管理器查询当前上下文,所述上下文响应于所述查询而被返回。
5.根据权利要求1所述的方法,其中所述通信数据通过与通信数据通过其能够被接收的多个通道对应的通道连接器从所述设备被接收。
6.根据权利要求1所述的方法,还包括:使用内部部署的数据统一层将所述通信数据的格式变换为标准格式。
7.根据权利要求1所述的方法,其中所述混合框架包括内部部署的部分,所述内部部署的部分选择性地向多个云托管服务传送请求,并从所述多个云托管服务接收响应。
8.根据权利要求1所述的方法,其中所述至少一个云托管服务包括以下中的一个或多个:自然语言处理(NLP)服务、情绪分析服务、语音到文本服务、以及翻译服务。
9.根据权利要求1所述的方法,其中所述至少一个云托管服务被配置为确定所述意图和所述实体中的一个或多个。
10.根据权利要求1所述的方法,其中所述扩展有限状态机能够由用户基于一个或多个要求来配置。
11.一种或多种非瞬态计算机可读存储介质,被耦合至一个或多个处理器并且其上存储有指令,所述指令在由所述一个或多个处理器执行时,使得所述一个或多个处理器执行用于对与混合框架上的人工智能AI助理的交互进行管理的操作,所述操作包括:
接收来自设备的通信数据,所述通信数据包括由所述设备的用户输入的数据;
基于扩展有限状态机确定上下文,所述扩展有限状态机定义上下文以及上下文之间的转换,所述扩展有限状态机的每个状态包括上下文,状态之间的一组转换中的转换包括意图、实体和动作的元组,第一转换包括第一元组,所述第一元组包括第一填充意图、第一填充实体和第一填充动作,并且第二转换包括第二元组,所述第二元组包括第二填充意图、未填充实体和未填充动作;
向至少一个云托管服务传送服务请求,所述服务请求至少部分地基于掩蔽所述通信数据中包含的敏感信息而被提供;
接收来自所述至少一个云托管服务的服务响应,所述服务响应包括意图和实体中的一个或多个;
基于所述服务响应确定将由至少一个后端源***执行的至少一个动作;
至少部分地基于从所述至少一个后端源***所接收的动作结果来提供用户响应;以及
向所述设备传送所述用户响应。
12.根据权利要求11所述的计算机可读存储介质,其中所述至少一个动作通过基于所述意图和所述实体中的一个或多个、使用所述扩展有限状态机来标识从所述上下文的转换而被确定,所述转换指示所述至少一个动作。
13.根据权利要求11所述的计算机可读存储介质,其中所述操作还包括:确定将在所述服务请求中传送的数据集包括所述敏感信息,并且作为响应,在向所述至少一个云托管服务传送所述服务请求之前,使用内部部署的掩蔽组件从所述数据集中移除所述敏感信息。
14.根据权利要求11所述的计算机可读存储介质,其中确定所述上下文包括:向内部部署的会话管理器查询当前上下文,所述上下文响应于所述查询而被返回。
15.根据权利要求11所述的计算机可读存储介质,其中所述通信数据通过与多个通道对应的通道连接器从所述设备被接收,通信数据通过所述多个通道能够被接收。
16.根据权利要求11所述的计算机可读存储介质,其中所述操作还包括:使用内部部署的数据统一层将所述通信数据的格式变换为标准格式。
17.根据权利要求11所述的计算机可读存储介质,其中所述混合框架包括内部部署的部分,所述内部部署的部分选择性地向多个云托管服务传送请求,并从所述多个云托管服务接收响应。
18.根据权利要求11所述的计算机可读存储介质,其中所述至少一个云托管服务包括以下中的一个或多个:自然语言处理(NLP)服务、情绪分析服务、语音到文本服务、以及翻译服务。
19.根据权利要求11所述的计算机可读存储介质,其中所述至少一个云托管服务被配置为确定所述意图和所述实体中的一个或多个。
20.根据权利要求11所述的计算机可读存储介质,其中所述扩展有限状态机能够由用户基于一个或多个要求来配置。
21.一种***,包括:
一个或多个处理器;以及
计算机可读存储设备,被耦合至所述一个或多个处理器并且其上存储有指令,所述指令在由所述一个或多个处理器执行时,使所述一个或多个处理器执行用于对与在混合框架上的人工智能AI助理的交互的进行管理的操作,所述操作包括:
接收来自设备的通信数据,所述通信数据包括由所述设备的用户输入的数据;
基于扩展有限状态机确定上下文,所述扩展有限状态机定义上下文以及上下文之间的转换,所述扩展有限状态机的每个状态包括上下文,状态之间的一组转换中的转换包括意图、实体和动作的元组,第一转换包括第一元组,所述第一元组包括第一填充意图、第一填充实体和第一填充动作,并且第二转换包括第二元组,所述第二元组包括第二填充意图、未填充实体和未填充动作;
向至少一个云托管服务传送服务请求,所述服务请求至少部分地基于掩蔽所述通信数据中包含的敏感信息而被提供;
接收来自所述至少一个云托管服务的服务响应,所述服务响应包括意图和实体中的一个或多个;
基于所述服务响应确定将由至少一个后端源***执行的至少一个动作;
至少部分地基于从所述至少一个后端源***所接收的动作结果来提供用户响应;以及
向所述设备传送所述用户响应。
22.根据权利要求21所述的***,其中所述至少一个动作通过基于所述意图和所述实体中的一个或多个、使用所述扩展有限状态机来标识从所述上下文的转换而被确定,所述转换指示所述至少一个动作。
23.根据权利要求21所述的***,其中所述操作还包括:确定将在所述服务请求中传送的数据集包括所述敏感信息,并且作为响应,在向所述至少一个云托管服务传送所述服务请求之前,使用内部部署的掩蔽组件从所述数据集中移除所述敏感信息。
24.根据权利要求21所述的***,其中确定所述上下文包括:向内部部署的会话管理器查询当前上下文,所述上下文响应于所述查询而被返回。
25.根据权利要求21所述的***,其中所述通信数据通过与多个通道对应的通道连接器从所述设备被接收,通信数据通过所述多个通道能够被接收。
26.根据权利要求21所述的***,其中所述操作还包括:使用内部部署的数据统一层将所述通信数据的格式变换为标准格式。
27.根据权利要求21所述的***,其中所述混合框架包括内部部署的部分,所述内部部署的部分选择性地向多个云托管服务传送请求,并从所述多个云托管服务接收响应。
28.根据权利要求21所述的***,其中所述至少一个云托管服务包括以下中的一个或多个:自然语言处理(NLP)服务、情绪分析服务、语音到文本服务、以及翻译服务。
29.根据权利要求21所述的***,其中所述至少一个云托管服务被配置为确定所述意图和所述实体中的一个或多个。
30.根据权利要求21所述的***,其中所述扩展有限状态机能够由用户基于一个或多个要求来配置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/797,954 | 2017-10-30 | ||
US15/797,954 US11113608B2 (en) | 2017-10-30 | 2017-10-30 | Hybrid bot framework for enterprises |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109729141A CN109729141A (zh) | 2019-05-07 |
CN109729141B true CN109729141B (zh) | 2021-08-10 |
Family
ID=63517672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811237211.1A Active CN109729141B (zh) | 2017-10-30 | 2018-10-23 | 对混合bot框架上ai助理的交互进行管理的方法、*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US11113608B2 (zh) |
EP (1) | EP3477476B1 (zh) |
CN (1) | CN109729141B (zh) |
AU (1) | AU2018241117B2 (zh) |
SG (1) | SG10201806803TA (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909980B2 (en) * | 2017-02-27 | 2021-02-02 | SKAEL, Inc. | Machine-learning digital assistants |
US11012555B2 (en) | 2017-11-20 | 2021-05-18 | International Business Machines Corporation | Non-verbal sensitive data authentication |
US10762113B2 (en) * | 2018-01-31 | 2020-09-01 | Cisco Technology, Inc. | Conversational knowledge graph powered virtual assistant for application performance management |
US10929601B1 (en) * | 2018-03-23 | 2021-02-23 | Amazon Technologies, Inc. | Question answering for a multi-modal system |
US11568863B1 (en) * | 2018-03-23 | 2023-01-31 | Amazon Technologies, Inc. | Skill shortlister for natural language processing |
USD960177S1 (en) | 2018-05-03 | 2022-08-09 | CACI, Inc.—Federal | Display screen or portion thereof with graphical user interface |
US11256548B2 (en) * | 2018-05-03 | 2022-02-22 | LGS Innovations LLC | Systems and methods for cloud computing data processing |
US10956462B1 (en) * | 2018-06-21 | 2021-03-23 | Amazon Technologies, Inc. | System answering of user inputs |
US11574256B2 (en) * | 2018-12-21 | 2023-02-07 | GolfPay, LLC | Omnichannel golf communications system |
US20230153705A1 (en) * | 2018-12-21 | 2023-05-18 | GolfPay, LLC | Omnichannel golf communications system |
US11458622B2 (en) * | 2019-03-25 | 2022-10-04 | Honeywell International Inc. | System using natural conversation for monitoring a facility |
US11537682B1 (en) * | 2019-07-23 | 2022-12-27 | Intuit Inc. | Experience convergence for multiple platforms |
US11271882B2 (en) * | 2019-12-02 | 2022-03-08 | Sap Se | Message normalization engine for multi-cloud messaging systems |
US11568283B2 (en) * | 2020-06-12 | 2023-01-31 | Paypal, Inc. | Artificial intelligence orchestration layer to facilitate migrations between different artificial intelligence platforms |
US11657811B2 (en) * | 2020-09-21 | 2023-05-23 | International Business Machines Corporation | Modification of voice commands based on sensitivity |
US11516126B2 (en) | 2020-10-14 | 2022-11-29 | Oracle International Corporation | Techniques for high performant virtual routing capabilities |
IT202000032117A1 (it) * | 2020-12-23 | 2022-06-23 | Digital Food S R L | Metodo per la creazione e la gestione di richieste di assistenza |
US11558245B1 (en) | 2021-10-29 | 2023-01-17 | Oracle International Corporation | Secure bi-directional network connectivity system between private networks |
US11736558B2 (en) * | 2021-10-29 | 2023-08-22 | Oracle International Corporation | Transparent mounting of external endpoints between private networks |
CN114470788B (zh) * | 2021-12-23 | 2023-03-24 | 北京达佳互联信息技术有限公司 | 一种异常用户账户识别方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1299105A (zh) * | 2000-12-28 | 2001-06-13 | 英业达集团(南京)电子技术有限公司 | 在个人数字助理机上提供邮件地址目录的方法 |
CN104838354A (zh) * | 2012-11-30 | 2015-08-12 | 惠普发展公司,有限责任合伙企业 | 运行代理以在云***中执行自动化任务 |
CN105794169A (zh) * | 2013-11-25 | 2016-07-20 | 微软技术许可有限责任公司 | 通信***架构 |
CN107003797A (zh) * | 2015-09-08 | 2017-08-01 | 苹果公司 | 媒体环境中的智能自动化助理 |
CN107111725A (zh) * | 2015-01-08 | 2017-08-29 | 微软技术许可有限责任公司 | 在输入理解***中保护私有信息 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8079037B2 (en) | 2005-10-11 | 2011-12-13 | Knoa Software, Inc. | Generic, multi-instance method and GUI detection system for tracking and monitoring computer applications |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8370752B2 (en) * | 2008-09-05 | 2013-02-05 | International Business Machines Corporation | Automatic personalization of user visualization and interaction in a service-oriented architecture interface |
US8892439B2 (en) | 2009-07-15 | 2014-11-18 | Microsoft Corporation | Combination and federation of local and remote speech recognition |
US20120278634A1 (en) | 2011-04-28 | 2012-11-01 | Nokia Corporation | Method and apparatus for secure access to execution context |
FR2983622B1 (fr) | 2011-12-02 | 2014-01-24 | Morpho | Ecriture de donnees dans une memoire non volatile de carte a puce |
US9575963B2 (en) | 2012-04-20 | 2017-02-21 | Maluuba Inc. | Conversational agent |
US9172747B2 (en) | 2013-02-25 | 2015-10-27 | Artificial Solutions Iberia SL | System and methods for virtual assistant networks |
US9922642B2 (en) | 2013-03-15 | 2018-03-20 | Apple Inc. | Training an at least partial voice command system |
US9805718B2 (en) | 2013-04-19 | 2017-10-31 | Sri Internaitonal | Clarifying natural language input using targeted questions |
US10346621B2 (en) * | 2013-05-23 | 2019-07-09 | yTrre, Inc. | End-to-end situation aware operations solution for customer experience centric businesses |
WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
US9436918B2 (en) | 2013-10-07 | 2016-09-06 | Microsoft Technology Licensing, Llc | Smart selection of text spans |
US9189742B2 (en) | 2013-11-20 | 2015-11-17 | Justin London | Adaptive virtual intelligent agent |
US20150179170A1 (en) | 2013-12-20 | 2015-06-25 | Microsoft Corporation | Discriminative Policy Training for Dialog Systems |
EP3127008B1 (en) | 2014-03-31 | 2020-06-03 | Oracle International Corporation | Infrastructure for synchronization of mobile device with mobile cloud service |
KR20160027640A (ko) | 2014-09-02 | 2016-03-10 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서의 개체명 인식 방법 |
SG11201702029PA (en) | 2014-09-14 | 2017-04-27 | Speaktoit Inc | Platform for creating customizable dialog system engines |
JP2016061954A (ja) | 2014-09-18 | 2016-04-25 | 株式会社東芝 | 対話装置、方法およびプログラム |
CN111427534B (zh) | 2014-12-11 | 2023-07-25 | 微软技术许可有限责任公司 | 能够实现可动作的消息传送的虚拟助理*** |
US9836452B2 (en) | 2014-12-30 | 2017-12-05 | Microsoft Technology Licensing, Llc | Discriminating ambiguous expressions to enhance user experience |
CN104615589A (zh) | 2015-02-15 | 2015-05-13 | 百度在线网络技术(北京)有限公司 | 训练命名实体识别模型的方法、命名实体识别方法及装置 |
CN104951077A (zh) | 2015-06-24 | 2015-09-30 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法、装置和终端设备 |
CN105094315B (zh) | 2015-06-25 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
US20160379638A1 (en) | 2015-06-26 | 2016-12-29 | Amazon Technologies, Inc. | Input speech quality matching |
US9959328B2 (en) | 2015-06-30 | 2018-05-01 | Microsoft Technology Licensing, Llc | Analysis of user text |
EP3122001B1 (en) | 2015-07-24 | 2019-10-23 | Facebook, Inc. | Providing personal assistant service via messaging |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10372755B2 (en) | 2015-09-23 | 2019-08-06 | Motorola Solutions, Inc. | Apparatus, system, and method for responding to a user-initiated query with a context-based response |
US9484030B1 (en) | 2015-12-02 | 2016-11-01 | Amazon Technologies, Inc. | Audio triggered commands |
JP2019516167A (ja) | 2016-03-23 | 2019-06-13 | フォグホーン システムズ, インコーポレイテッドFoghorn Systems, Inc. | リアルタイムデータフロープログラミング言語のためのツールおよび方法 |
US10462619B2 (en) * | 2016-06-08 | 2019-10-29 | Google Llc | Providing a personal assistant module with a selectively-traversable state machine |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
CN106407333B (zh) | 2016-09-05 | 2020-03-03 | 北京百度网讯科技有限公司 | 基于人工智能的口语查询识别方法及装置 |
CN106776936B (zh) | 2016-12-01 | 2020-02-18 | 上海智臻智能网络科技股份有限公司 | 智能交互方法和*** |
US10229680B1 (en) | 2016-12-29 | 2019-03-12 | Amazon Technologies, Inc. | Contextual entity resolution |
US20180253638A1 (en) | 2017-03-02 | 2018-09-06 | Accenture Global Solutions Limited | Artificial Intelligence Digital Agent |
US10395658B2 (en) * | 2017-05-22 | 2019-08-27 | International Business Machines Corporation | Pre-processing partial inputs for accelerating automatic dialog response |
US10528228B2 (en) * | 2017-06-21 | 2020-01-07 | Microsoft Technology Licensing, Llc | Interaction with notifications across devices with a digital assistant |
-
2017
- 2017-10-30 US US15/797,954 patent/US11113608B2/en active Active
-
2018
- 2018-08-10 SG SG10201806803TA patent/SG10201806803TA/en unknown
- 2018-09-03 EP EP18192159.4A patent/EP3477476B1/en active Active
- 2018-10-04 AU AU2018241117A patent/AU2018241117B2/en active Active
- 2018-10-23 CN CN201811237211.1A patent/CN109729141B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1299105A (zh) * | 2000-12-28 | 2001-06-13 | 英业达集团(南京)电子技术有限公司 | 在个人数字助理机上提供邮件地址目录的方法 |
CN104838354A (zh) * | 2012-11-30 | 2015-08-12 | 惠普发展公司,有限责任合伙企业 | 运行代理以在云***中执行自动化任务 |
CN105794169A (zh) * | 2013-11-25 | 2016-07-20 | 微软技术许可有限责任公司 | 通信***架构 |
CN107111725A (zh) * | 2015-01-08 | 2017-08-29 | 微软技术许可有限责任公司 | 在输入理解***中保护私有信息 |
CN107003797A (zh) * | 2015-09-08 | 2017-08-01 | 苹果公司 | 媒体环境中的智能自动化助理 |
Also Published As
Publication number | Publication date |
---|---|
SG10201806803TA (en) | 2019-05-30 |
US20190130286A1 (en) | 2019-05-02 |
AU2018241117B2 (en) | 2020-03-12 |
AU2018241117A1 (en) | 2019-05-16 |
EP3477476A1 (en) | 2019-05-01 |
US11113608B2 (en) | 2021-09-07 |
CN109729141A (zh) | 2019-05-07 |
EP3477476B1 (en) | 2023-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729141B (zh) | 对混合bot框架上ai助理的交互进行管理的方法、*** | |
US11546331B2 (en) | Credential and authentication management in scalable data networks | |
US9990591B2 (en) | Automated assistant invocation of appropriate agent | |
US11240179B2 (en) | Internet cloud-hosted natural language interactive messaging system with virtual database | |
CN105900396B (zh) | 移动云服务体系架构 | |
US9529657B2 (en) | Techniques for generating diagnostic identifiers to trace events and identifying related diagnostic information | |
US9529658B2 (en) | Techniques for generating diagnostic identifiers to trace request messages and identifying related diagnostic information | |
US11706173B2 (en) | Method, apparatus and computer program product for metadata search in a group-based communication platform | |
US11153236B2 (en) | Real-time integration of machine intelligence into client messaging platforms | |
US20220408225A1 (en) | Method, apparatus, and computer program product for organizational telemetry discovery within a group based communication system | |
JP2022523914A (ja) | レプリゼンテーショナルステートトランスファ(rest)アプリケーションプログラミングインターフェイス(api)を使用するデータ変換のための方法、システムおよびコンピュータ読取可能媒体 | |
EP4066177A2 (en) | Systems and methods to analyze customer contacts | |
US11263542B2 (en) | Technologies for auto discover and connect to a rest interface | |
US11902041B2 (en) | User account telemetry within a communication platform | |
CN113760674A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
US11082373B1 (en) | Context driven dynamic actions embedded in messages | |
CN114254389A (zh) | 报文脱敏方法、装置、电子设备及介质 | |
US20220353351A1 (en) | Platform for multi-stream sampling and visualization | |
US20190235984A1 (en) | Systems and methods for providing predictive performance forecasting for component-driven, multi-tenant applications | |
US20190188623A1 (en) | Cognitive and dynamic business process generation | |
US20220382665A1 (en) | Model-based biased random system test through rest api | |
US11487510B2 (en) | Dynamic web-based integrated development environment | |
US20160308933A1 (en) | Addressing application program interface format modifications to ensure client compatibility | |
US20140025588A1 (en) | Methods and systems for automated issue resolution | |
US11163960B2 (en) | Automatic semantic analysis and comparison of chatbot capabilities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |