CN111292741B - 智能语音交互机器人 - Google Patents
智能语音交互机器人 Download PDFInfo
- Publication number
- CN111292741B CN111292741B CN201911410485.0A CN201911410485A CN111292741B CN 111292741 B CN111292741 B CN 111292741B CN 201911410485 A CN201911410485 A CN 201911410485A CN 111292741 B CN111292741 B CN 111292741B
- Authority
- CN
- China
- Prior art keywords
- information
- input
- voice
- vector
- fuzzy
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 83
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 7
- 241001672694 Citrus reticulata Species 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000011176 pooling Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
-
- 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
- G10L15/26—Speech to text systems
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种智能语音交互机器人,该机器人包括智能交互***,所述智能交互***包括用户画像模块、数据库模块、语音采集模块、数据处理模块和执行模块。通过对语音交互词库中的指令信息和用户语音输入信息按照词性进行分解成词向量;然后再利用卷积神经网络计算指令信息和输入信息之间的相似度值度值,并根据所述相似度值为用户提供相应的反馈信息;本申请能够对不能成功匹配的输入信息进行模糊音转换处理,然后再将经模糊音转换处理后的输入信息与指令信息进行匹配,能够提高方言语音信息的识别效率。
Description
技术领域
本发明涉及一种智能语音交互机器人。
背景技术
随着科学技术的飞速发展,智能机器人参与到了各行各业中,并给人类的生产生活带来了极大的便利性,使得人们可以从繁重的重复。目前,语音识别技术在智能机器人控制中的应用不断扩大,智能机器人的语音识别***也已经有较高的识别精度。但是由于部分用户因为方言发音差异,容易导致智能机器人的语音识别***的语音识别效率。
发明内容
本发明的目的是提供一种智能语音交互机器人,以解决目前的机器人可能会因为方言发音差异导致语音识别效率低的问题。
为解决上述技术问题,本发明提供一种智能语音交互机器人,该机器人包括智能交互***,所述智能交互***包括:
用户画像模块,用于获取到用户注册信息和声音信息建立用户画像;
数据库模块,用于根据通用的机器人指令信息构建机器人语音交互词库,并在语音交互词库中为各指令信息匹配相应的反馈信息;再将所述语音交互词库中的各条指令信息按照词性分类标准分别进行分词处理得到若干参考词向量;
语音采集模块,用于采集注册用户的语音信息,并对采集到的语音信息进预处理得到标准化语音输入信息;
数据处理模块,用于将所述标准化语音输入信息按照词性分类标准进行分词处理得到若干输入词向量;再根据卷积神经网络计算输入词向量与语音交互词库中的各条指令信息的若干参考词向量之间的相似度值,并根据所述相似度值为用户提供相应的反馈信息;
执行模块,用于根据语音识别模块输出的反馈信息执行反馈任务。
进一步地,所述对采集到的语音信息进标准化处理得到标准化语音信息所采用的方法为:
步骤a:判断所述语音采集模块采集到的输入信息是否包括方言,若是,将输入信息中的方言转换成标准普通话后再将整段输入信息转成文字信息;否则,将输入信息直接转换成文字信息;
步骤b:判断所述标准普通话语言文字中是否包含外语信息,若是,则将标准普通话语言文字中的外语信息翻译成汉语后输出标准化语音输入信息;否则,直接将步骤a中得到的文字信息作为标准化语音输入信息输出。
进一步地,当输入信息与若干指令信息之间的最大相似度值大于且等于最大阈值时,直接输出最大相似度值所对应的指令信息所匹配的反馈信息;当输入信息与若干指令信息之间的最大相似度值小于最大阈值且大于最小阈值时,则提取最大相似度值所对应的指令信息的参考词向量,并对与提取出的参考词向量存在差异的输入词向量进行模糊音转换处理得到由模糊输入词向量构成的模糊输入信息,再计算模糊输入信息的模糊输入词向量与各指令信息的最大模糊相似度值,当所述最大模糊相似度值大于且等于最大阈值时,则输出与最大模糊相似度值所对应的指令信息所匹配的反馈信息;否则,输出输入信息无效反馈信息。
进一步地,当模糊输入信息的模糊输入词向量与指令信息的最大模糊相似度值大于且等于最大阈值时,使当前模糊输入信息替换语音交互词库中与其具有最大模糊相似度值的指令信息。
进一步地,所述语音交互词库中的每条指令包括的若干参考词向量分别构成一段序列X,其中序列X可表示为:
其中,An为名词参考向量,Bv为动词参考向量,Ca为形容词参考向量,Dnum为数词参考向量,Epron为量词参考向量,Fcom为代词参考向量,G emp为虚词参考向量。
进一步地,所述输入信息包括的若干输入词向量分别构成一段序列Y,其中Y可表示为:
本发明的有益效果为:该机器人通过对语音交互词库中的指令信息和用户语音输入信息按照词性进行分解成词向量;然后再利用卷积神经网络计算指令信息和输入信息之间的相似度值度值,并根据所述相似度值为用户提供相应的反馈信息;本申请能够对不能成功匹配的输入信息进行模糊音转换处理,然后再将经模糊音转换处理后的输入信息与指令信息进行匹配,能够提高方言语音信息的识别效率。
附图说明
图1为本发明一个实施例的原理框图。
具体实施方式
如图1所示的智能语音交互机器人,该机器人包括智能交互***,所述智能交互***包括用户画像模块、数据库模块、语音采集模块、数据处理模块和执行模块。
其中,用户画像模块用于获取到用户注册信息和声音信息建立用户画像;数据库模块用于根据通用的机器人指令信息构建机器人语音交互词库,并在语音交互词库中为各指令信息匹配相应的反馈信息;再将所述语音交互词库中的各条指令信息按照词性分类标准分别进行分词处理得到若干参考词向量;语音采集模块用于采集注册用户的语音信息,并对采集到的语音信息进预处理得到标准化语音输入信息;数据处理模块用于将所述标准化语音输入信息按照词性分类标准进行分词处理得到若干输入词向量;再根据卷积神经网络计算输入词向量与语音交互词库中的各条指令信息的若干参考词向量之间的相似度值,并根据所述相似度值为用户提供相应的反馈信息;执行模块用于根据语音识别模块输出的反馈信息执行反馈任务。
该申请人通过对语音交互词库中的指令信息和用户语音输入信息按照词性进行分解成词向量;然后再利用卷积神经网络计算指令信息和输入信息之间的相似度值度值,并根据所述相似度值为用户提供相应的反馈信息;本申请能够对不能成功匹配的输入信息进行模糊音转换处理,然后再将经模糊音转换处理后的输入信息与指令信息进行匹配,能够提高方言语音信息的识别效率。
根据本申请的一个实施例,所述对采集到的语音信息进标准化处理得到标准化语音信息所采用的方法为:
步骤a:判断所述语音采集模块采集的输入信息是否包括方言,若是,将输入信息中的方言转换成标准普通话后再将整段输入信息转成文字信息;否则,将输入信息直接转换成文字信息;
步骤b:判断所述标准普通话语言文字中是否包含外语信息,若是,则将标准普通话语言文字中的外语信息翻译成汉语后输出标准化语音输入信息;否则,直接将步骤a中得到的文字信息作为标准化语音输入信息输出。
根据本申请的一个实施例,当输入信息与若干指令信息之间的最大相似度值大于且等于最大阈值时,直接输出最大相似度值所对应的指令信息所匹配的反馈信息;当输入信息与若干指令信息之间的最大相似度值小于最大阈值且大于最小阈值时,则提取最大相似度值所对应的指令信息的参考词向量,并对与提取出的参考词向量存在差异的输入词向量进行模糊音转换处理得到由模糊输入词向量构成的模糊输入信息,再计算模糊输入信息的模糊输入词向量与各指令信息的最大模糊相似度值,当所述最大模糊相似度值大于且等于最大阈值时,则输出与最大模糊相似度值所对应的指令信息所匹配的反馈信息;否则,输出输入信息无效反馈信息。
根据本申请的一个实施例,当模糊输入信息的模糊输入词向量与指令信息的最大模糊相似度值大于且等于最大阈值时,使当前模糊输入信息替换语音交互词库中与其具有最大模糊相似度值的指令信息。
根据本申请的一个实施例,所述语音交互词库中的每条指令包括的若干参考词向量分别构成一段序列X,其中序列X可表示为:
其中,An为名词参考向量,Bv为动词参考向量,Ca为形容词参考向量,Dnum为数词参考向量,Epron为量词参考向量,Fcom为代词参考向量,G emp为虚词参考向量。
根据本申请的一个实施例,所述输入信息包括的若干输入词向量分别构成一段序列Y,其中Y可表示为:
所述卷积神经网络包括注意力层、卷积层、池化层和输出层;所述注意力层的输入为输入词向量和参考词向量,所述卷积层的输入层为注意力层,对注意力层的输出进行二维卷积,所述池化层为卷积层的池化,所述输出层采用softmax函数产生分类。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种智能语音交互机器人,其特征在于,该机器人包括智能交互***,所述智能交互***包括:
用户画像模块,用于获取到用户注册信息和声音信息建立用户画像;
数据库模块,用于根据通用的机器人指令信息构建机器人语音交互词库,并在语音交互词库中为各指令信息匹配相应的反馈信息;再将所述语音交互词库中的各条指令信息按照词性分类标准分别进行分词处理得到若干参考词向量;
语音采集模块,用于采集注册用户的语音信息,并对采集到的语音信息进预处理得到标准化语音输入信息;
数据处理模块,用于将所述标准化语音输入信息按照词性分类标准进行分词处理得到若干输入词向量;再根据卷积神经网络计算输入词向量与语音交互词库中的各条指令信息的若干参考词向量之间的相似度值,并根据所述相似度值为用户提供相应的反馈信息;
执行模块,用于根据语音识别模块输出的反馈信息执行反馈任务;
所述对采集到的语音信息进标准化处理得到标准化语音信息所采用的方法为:
步骤a:判断所述语音采集模块采集到的输入信息是否包括方言,若是,将输入信息中的方言转换成标准普通话后再将整段输入信息转成文字信息;否则,将输入信息直接转换成文字信息;
步骤b:判断所述标准普通话语言文字中是否包含外语信息,若是,则将标准普通话语言文字中的外语信息翻译成汉语后输出标准化语音输入信息;否则,直接将步骤a中得到的文字信息作为标准化语音输入信息输出;
当输入信息与若干指令信息之间的最大相似度值大于且等于最大阈值时,直接输出最大相似度值所对应的指令信息所匹配的反馈信息;当输入信息与若干指令信息之间的最大相似度值小于最大阈值且大于最小阈值时,则提取最大相似度值所对应的指令信息的参考词向量,并对与提取出的参考词向量存在差异的输入词向量进行模糊音转换处理得到由模糊输入词向量构成的模糊输入信息,再计算模糊输入信息的模糊输入词向量与各指令信息的最大模糊相似度值,当所述最大模糊相似度值大于且等于最大阈值时,则输出与最大模糊相似度值所对应的指令信息所匹配的反馈信息;否则,输出输入信息无效反馈信息。
2.根据权利要求1所述的智能语音交互机器人,其特征在于,当模糊输入信息的模糊输入词向量与指令信息的最大模糊相似度值大于且等于最大阈值时,使当前模糊输入信息替换语音交互词库中与其具有最大模糊相似度值的指令信息。
3.根据权利要求1所述的智能语音交互机器人,其特征在于,所述语音交互词库中的每条指令包括的若干参考词向量分别构成一段序列X,其中序列X可表示为:
其中,An为名词参考向量,Bv为动词参考向量,Ca为形容词参考向量,Dnum为数词参考向量,Epron为量词参考向量,Fcom为代词参考向量,G emp为虚词参考向量。
4.根据权利要求3所述的智能语音交互机器人,其特征在于,所述输入信息包括的若干输入词向量分别构成一段序列Y,其中Y可表示为:
其中,为名词输入向量,为动词输入向量,为形容词输入向量,为数词输入向量,为量词输入向量,为代词输入向量,为虚词输入向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911410485.0A CN111292741B (zh) | 2019-12-31 | 2019-12-31 | 智能语音交互机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911410485.0A CN111292741B (zh) | 2019-12-31 | 2019-12-31 | 智能语音交互机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111292741A CN111292741A (zh) | 2020-06-16 |
CN111292741B true CN111292741B (zh) | 2023-04-18 |
Family
ID=71021549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911410485.0A Active CN111292741B (zh) | 2019-12-31 | 2019-12-31 | 智能语音交互机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111292741B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631753A (zh) * | 2022-12-23 | 2023-01-20 | 无锡迪富智能电子股份有限公司 | 卫生间用智能遥控器及其使用方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464896A (zh) * | 2009-01-23 | 2009-06-24 | 安徽科大讯飞信息科技股份有限公司 | 语音模糊检索方法及装置 |
CN106776545A (zh) * | 2016-11-29 | 2017-05-31 | 西安交通大学 | 一种通过深度卷积神经网络进行短文本间相似度计算的方法 |
CN108595696A (zh) * | 2018-05-09 | 2018-09-28 | 长沙学院 | 一种基于云平台的人机交互智能问答方法和*** |
CN108712366A (zh) * | 2018-03-27 | 2018-10-26 | 西安电子科技大学 | 云环境中支持词形词义模糊检索的可搜索加密方法及*** |
CN108921747A (zh) * | 2018-07-06 | 2018-11-30 | 重庆和贯科技有限公司 | 打造学生沉浸感的智慧教育*** |
CN109545197A (zh) * | 2019-01-02 | 2019-03-29 | 珠海格力电器股份有限公司 | 语音指令的识别方法、装置和智能终端 |
CN109710929A (zh) * | 2018-12-18 | 2019-05-03 | 金蝶软件(中国)有限公司 | 一种语音识别文本的校正方法、装置、计算机设备和存储介质 |
CN110164427A (zh) * | 2018-02-13 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 语音交互方法、装置、设备以及存储介质 |
CN110245216A (zh) * | 2019-06-13 | 2019-09-17 | 出门问问信息科技有限公司 | 用于问答***的语义匹配方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7296011B2 (en) * | 2003-06-20 | 2007-11-13 | Microsoft Corporation | Efficient fuzzy match for evaluating data records |
US10796697B2 (en) * | 2017-01-31 | 2020-10-06 | Microsoft Technology Licensing, Llc | Associating meetings with projects using characteristic keywords |
US20190340503A1 (en) * | 2018-05-07 | 2019-11-07 | Ebay Inc. | Search system for providing free-text problem-solution searching |
-
2019
- 2019-12-31 CN CN201911410485.0A patent/CN111292741B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464896A (zh) * | 2009-01-23 | 2009-06-24 | 安徽科大讯飞信息科技股份有限公司 | 语音模糊检索方法及装置 |
CN106776545A (zh) * | 2016-11-29 | 2017-05-31 | 西安交通大学 | 一种通过深度卷积神经网络进行短文本间相似度计算的方法 |
CN110164427A (zh) * | 2018-02-13 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 语音交互方法、装置、设备以及存储介质 |
CN108712366A (zh) * | 2018-03-27 | 2018-10-26 | 西安电子科技大学 | 云环境中支持词形词义模糊检索的可搜索加密方法及*** |
CN108595696A (zh) * | 2018-05-09 | 2018-09-28 | 长沙学院 | 一种基于云平台的人机交互智能问答方法和*** |
CN108921747A (zh) * | 2018-07-06 | 2018-11-30 | 重庆和贯科技有限公司 | 打造学生沉浸感的智慧教育*** |
CN109710929A (zh) * | 2018-12-18 | 2019-05-03 | 金蝶软件(中国)有限公司 | 一种语音识别文本的校正方法、装置、计算机设备和存储介质 |
CN109545197A (zh) * | 2019-01-02 | 2019-03-29 | 珠海格力电器股份有限公司 | 语音指令的识别方法、装置和智能终端 |
CN110245216A (zh) * | 2019-06-13 | 2019-09-17 | 出门问问信息科技有限公司 | 用于问答***的语义匹配方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Fuzzy Entropy and Its Application for Enhanced Subspace Filtering;Hong-Bo Xie,et al.;《IEEE Transactions on Fuzzy Systems 》;IEEE;20170925;第26卷(第4期);全文 * |
基于音码相似度的拼音模糊查询算法;阎红灿等;《计算机与现代化》;中国知网;20080815(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111292741A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609891A (zh) | 一种基于上下文感知图神经网络的视觉对话生成方法 | |
CN107273913B (zh) | 一种基于多特征融合的短文本相似度计算方法 | |
CN108170848B (zh) | 一种面向***智能客服的对话场景分类方法 | |
CN113268974B (zh) | 多音字发音标注方法、装置、设备及存储介质 | |
CN112101044B (zh) | 一种意图识别方法、装置及电子设备 | |
WO2023030105A1 (zh) | 训练自然语言处理模型和自然语言处理的方法、电子设备 | |
CN115238029A (zh) | 一种电力故障知识图谱的构建方法和装置 | |
CN112988970A (zh) | 一种服务于智能问答***的文本匹配算法 | |
CN115935959A (zh) | 一种低资源黏着语序列标注的方法 | |
CN112349294A (zh) | 语音处理方法及装置、计算机可读介质、电子设备 | |
CN115759071A (zh) | 基于大数据的政务敏感信息识别***和方法 | |
CN115687609A (zh) | 一种基于Prompt多模板融合的零样本关系抽取方法 | |
CN115759119A (zh) | 一种金融文本情感分析方法、***、介质和设备 | |
Zhao et al. | Knowledge-aware bayesian co-attention for multimodal emotion recognition | |
CN111292741B (zh) | 智能语音交互机器人 | |
CN113065352B (zh) | 一种电网调度工作文本的操作内容识别方法 | |
CN112307179A (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN117290478A (zh) | 一种知识图谱问答方法、装置、设备和存储介质 | |
CN112989829A (zh) | 一种命名实体识别方法、装置、设备及存储介质 | |
CN112257432A (zh) | 一种自适应意图识别方法、装置及电子设备 | |
CN111723583A (zh) | 基于意图角色的语句处理方法、装置、设备及存储介质 | |
Kazakova et al. | Analysis of natural language processing technology: Modern problems and approaches | |
CN106682642A (zh) | 多面向语言行为识别方法及*** | |
CN115510230A (zh) | 一种基于多维特征融合与比较增强学习机制的蒙古语情感分析方法 | |
CN116483314A (zh) | 一种自动化智能活动图生成方法 |
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 |