CN112989013A - 一种对话处理方法、装置、电子设备及存储介质 - Google Patents
一种对话处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112989013A CN112989013A CN202110478592.8A CN202110478592A CN112989013A CN 112989013 A CN112989013 A CN 112989013A CN 202110478592 A CN202110478592 A CN 202110478592A CN 112989013 A CN112989013 A CN 112989013A
- Authority
- CN
- China
- Prior art keywords
- time
- sentence
- current
- determining
- time information
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
- G06F16/33—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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例公开一种对话处理方法、装置、电子设备及存储介质,所述方法应用于包含对话功能的电子设备,包括:获取用户的当前对话语句;确定所述当前对话语句中包含的时间信息;从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种对话处理方法、装置、电子设备及存储介质。
背景技术
随着人机交互技术的发展,越来越多的基于人机交互技术的智能产品应运而生,例如聊天机器人(Chatter Bot)等。这些智能产品可以和用户进行聊天交流,并根据用户的问题生成回答信息。但现有的聊天机器人,在聊天时的回答信息通常都是不准确、脱离实际的,这些答复往往没有实际意义,影响用户的使用体验。
发明内容
有鉴于此,本发明的主要目的在于提供一种对话处理方法、装置、电子设备及存储介质,通过对接收的对话语句进行时间信息的检测,然后根据检测的时间信息以及电子设备***中预置的问答模型,获得更为多样且贴合实际的答复,提升用户的应用体验。
为达到上述目的,本发明的技术方案是这样实现的:
第一方面,本发明实施例提供一种对话处理方法,所述方法应用于包含对话功能的电子设备,包括:
获取用户的当前对话语句;
确定所述当前对话语句中包含的时间信息;
从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;
基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
在上述方案中,在所述确定所述当前对话语句中包含的时间信息之前,所述方法还包括:
判断所述当前对话语句的格式;
在判定所述当前对话语句的格式为非文本格式的情况下,按照特定技术将所述当前对话语句的格式转化成文本格式;其中,所述特定技术与所述当前对话语句的格式相关联。
在上述方案中,在所述确定所述当前对话语句中包含的时间信息之前,所述方法还包括:
判断所述当前对话语句中是否包含时间成分;
在判定所述当前对话语句中包含时间成分的情况下,获得所述当前对话语句中包含的时间短语;基于所述包含的时间短语确定所述当前对话语句中包含的时间信息。
在上述方案中,所述判断所述当前对话语句中是否包含时间成分,包括:
对所述当前对话语句进行关键词匹配处理,获得匹配结果;基于所述匹配结果判断所述当前对话语句中是否包含时间成分。
在上述方案中,所述对所述当前对话语句进行关键词匹配处理,获得匹配结果,包括:
确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度;基于每一个所述关联度获得匹配结果;
其中,所述时间资源库用于存储各种标准时间短语;所述标准时间短语用于表征已知形式的时间表述。
在上述方案中,所述基于每一个所述关联度获得匹配结果,包括:
判段每一个所述关联度是否满足预设阈值;
在判定至少一个所述关联度满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;
在判定每一个所述关联度均不满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句没有包含时间成分。
在上述方案中,所述获得所述当前对话语句中包含的时间短语,包括:确定所述关联度满足预设阈值的第一关键词;所述第一关键词为所述当前对话语句中包含的关键词;基于所述第一关键词获得所述当前对话语句中包含的时间短语。
在上述方案中,所述基于所述包含的时间短语确定所述当前对话语句中包含的时间信息,包括:对所述第一关键词进行语义分析,获得分析结果;基于所述分析结果确定所述当前对话语句中包含的时间信息。
在上述方案中,在所述基于所述分析结果确定所述当前对话语句中包含的时间信息之后,所述方法还包括:
判断所述时间信息是否能够反映完整时间;
在判定所述时间信息不能反映完整时间的情况下,获取用户的前次对话语句;确定所述前次对话语句中包含的时间短语;基于所述前次对话语句中包含的时间短语和所述当前对话语句中包含的时间短语对所述时间信息进行补全,以使所述时间信息能够反映完整时间。
在上述方案中,所述从所述电子设备的日历库中确定与所述时间信息对应的日历时间,包括:
识别所述时间信息中包含的表征年的时间短语、表征月的时间短语以及表征日的时间短语;
从所述日历库中确定与基于所述表征年的时间短语、表征月的时间短语以及表征日的时间短语对应的时间组合;所述时间组合为与所述时间信息对应的日历时间。
在上述方案中,在所述问答模型为文本语义匹配模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第一候选答复语句;
基于所述日历时间和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第二候选答复语句;
基于所述第一候选答复语句和所述第二候选答复语句生成所述当前对话语句对应的答复语句;
对应地,在所述问答模型为生成式模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述日历时间获得所述问答模型能够识别的时间序列;
基于所述时间序列和所述当前对话语句通过所述问答模型的答复语句生成网络生成所述当前对话语句对应的答复语句。
第二方面,本发明实施例还提供一种对话处理装置,应用于包含对话功能的电子设备,所述对话处理装置包括获取单元、第一确定单元、第二确定单元和生成单元,其中;
所述获取单元,用于获取用户的当前对话语句;
所述第一确定单元,用于确定所述当前对话语句中包含的时间信息;
所述第二确定单元,用于从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;
所述生成单元,用于基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
在上述方案中,所述对话处理装置还包括第一判断单元,用于判断所述当前对话语句的格式;在判定所述当前对话语句的格式为非文本格式的情况下,按照特定技术将所述当前对话语句的格式转化成文本格式;其中,所述特定技术与所述当前对话语句的格式相关联。
在上述方案中,所述对话处理装置还包括第二判断单元,用于判断所述当前对话语句中是否包含时间成分;在判定所述当前对话语句中包含时间成分的情况下,获得所述当前对话语句中包含的时间短语;基于所述包含的时间短语确定所述当前对话语句中包含的时间信息。
在上述方案中,所述第二判断单元,包括匹配子单元和判断子单元,其中,所述匹配子单元,用于对所述当前对话语句进行关键词匹配处理,获得匹配结果;所述判断子单元,用于基于所述匹配结果判断所述当前对话语句中是否包含时间成分。
在上述方案中,所述匹配子单元,具体用于确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度;基于每一个所述关联度获得匹配结果;其中,所述时间资源库用于存储各种标准时间短语;所述标准时间短语用于表征已知形式的时间表述。
在上述方案中,所述判断子单元,具体用于:判段每一个所述关联度是否满足预设阈值;在判定至少一个所述关联度满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;在判定每一个所述关联度均不满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句没有包含时间成分。
在上述方案中,所述第二判断单元还包括获得子单元,具体用于确定所述关联度满足预设阈值的第一关键词;所述第一关键词为所述当前对话语句中包含的关键词;基于所述第一关键词获得所述当前对话语句中包含的时间短语。
在上述方案中,所述第二判断单元还包括确定子单元,用于对所述第一关键词进行语义分析,获得分析结果;基于所述分析结果确定所述当前对话语句中包含的时间信息。
在上述方案中,所述对话处理装置还包括第三判断单元,用于:判断所述时间信息是否能够反映完整时间;在判定所述时间信息不能反映完整时间的情况下,获取用户的前次对话语句;确定所述前次对话语句中包含的时间短语;基于所述前次对话语句中包含的时间短语和所述当前对话语句中包含的时间短语对所述时间信息进行补全,以使所述时间信息能够反映完整时间。
在上述方案中,所述第二确定单元,具体用于识别所述时间信息中包含的表征年的时间短语、表征月的时间短语以及表征日的时间短语;从所述日历库中确定与基于所述表征年的时间短语、表征月的时间短语以及表征日的时间短语对应的时间组合;所述时间组合为与所述时间信息对应的日历时间。
在上述方案中,所述生成单元,具体用于:在所述问答模型为文本语义匹配模型的情况下,基于所述时间信息和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第一候选答复语句;基于所述日历时间和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第二候选答复语句;基于所述第一候选答复语句和所述第二候选答复语句生成所述当前对话语句对应的答复语句;
或者,所述生成单元,具体用于在所述问答模型为生成式模型的情况下,基于所述时间信息和所述日历时间获得所述问答模型能够识别的时间序列;基于所述时间序列和所述当前对话语句通过所述问答模型的答复语句生成网络生成所述当前对话语句对应的答复语句。
第三方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。
第四方面,本发明实施例还提供了一种电子设备,所述电子设备包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时,执行上述所述方法的步骤。
本发明实施例提供一种对话处理方法、装置、电子设备及存储介质。其中,所述方法应用于包含对话功能的电子设备,包括:获取用户的当前对话语句;确定所述当前对话语句中包含的时间信息;从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。本发明实施例通过对接收的当前对话语句进行时间信息的检测,然后根据检测的时间信息以及电子设备***中预置的问答模型,获得更为多样且贴合实际的答复语句,这样能够使电子设备的答复语句准确、不脱离实际,且能够提升用户的应用体验。
附图说明
图1为本发明实施例提供的一种对话处理方法的流程示意图;
图2为本发明实施例提供的一种对话处理装置的结构示意图;
图3为本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对发明的具体技术方案做进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
下面结合附图及具体实施例对本发明作进一步详细的说明。
图1为本发明实施例提供的一种对话处理方法的流程示意图。如图1所示,所述方法应用于包含对话功能的电子设备,具体步骤包括:
S101:获取用户的当前对话语句。
需要说明的是,这里所说的用户可以是人,也可以是同样具有对话功能的其他电子设备,只要能够向本发明实施例中所述电子设备提供对话语句均可以称之为本发明实施例中的用户。
在实际应用过程中,对于S101,可以包括:所述电子设备通过自身的用户接口获取用户的当前对话语句,其中,所述用户接口可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等;所述电子设备还可以通过语音模块获取用户的当前对话语句。应该理解,所述当前对话语句的格式可以是多种多样,比如,所述当前对话语句可以是文本格式、语音格式、图片格式等等。在本发明实施例提供的对话处理方法中,需要将其他格式的所述当前对话语句转化成文本格式。
在这种情况下,也就是,在所述确定所述当前对话语句中包含的时间信息之前,所述方法还可以包括:
判断所述当前对话语句的格式;
在判定所述当前对话语句的格式为非文本格式的情况下,按照特定技术将所述当前对话语句的格式转化成文本格式;其中,所述特定技术与所述当前对话语句的格式相关联。
需要说明的是,所述当前对话语句的格式可以根基用户的输入方式判断当前对话语句的格式,比如,所述电子设备通过语音模块获取用户的当前对话语句,那么,此时所述当前对话语句的格式就为语音格式,进而需要将其转换成文本格式。
这里,所说的特定技术是与所述当前对话语句的格式相关联,具体来说就是,根据所述当前对话语句的具体格式来确定采用什么的转化技术,比如,当所述当前对话语句的格式为语音时,那么,此时,所述特定技术就是将语音转化成文本的技术,也就是说,利用语音转文本技术将语音格式的所述当前对话语句转化成文本格式的对话语句。应该理解,在判定所述当前对话语句的格式为非文本格式的情况下,不需要进行转化。
S102:确定所述当前对话语句中包含的时间信息。
需要说明的是,本发明实施例的构思是基于对话语句中的时间信息来获得准确、不脱离实际的答复语句,那么,在确定所述当前对话语句包含的时间信息之前,需要判断所述当前对话语句中是否包含时间成分,也即:在所述确定所述当前对话语句中包含的时间信息之前,所述方法还可以包括:
判断所述当前对话语句中是否包含时间成分;
在判定所述当前对话语句中包含时间成分的情况下,获得所述当前对话语句中包含的时间短语;基于所述包含的时间短语确定所述当前对话语句中包含的时间信息。
应该理解的是,在本发明实施例中,在判定所述当前对话语句中包含时间成分的情况下,才需要获取所包含的时间短语,进而根据所包含的时间短语确定所述当前对话语句中包含的时间信息。在判定所述当前对话语句中不包含时间成分的情况下,一种可选的实施方式,按照以往的答复方式,按照电子设备中预设的答复模型进行答复。
在实际应用过程中,对于所述判断所述当前对话语句中是否包含时间成分,可以包括:
对所述当前对话语句进行关键词匹配处理,获得匹配结果;基于所述匹配结果判断所述当前对话语句中是否包含时间成分。
具体地,所述对所述当前对话语句进行关键词匹配处理,获得匹配结果,包括:
确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度;基于每一个所述关联度获得匹配结果;
其中,所述时间资源库用于存储各种标准时间短语;所述标准时间短语用于表征已知形式的时间表述。
需要说明的是,时间资源库可以理解成存储着各种标准时间短语,而所述标准时间短语用于表征已知形式的时间表述,其形式多种多样,比如,节假日(比如,元旦、国庆等);再比如,具体的时间点(比如,上午八点半、下午三点等);又如,常用口语(如,早上、中午、晚上等);又或者,一些单独看并不是完整时间的短语(比如,初五、第三天等)等等。
这里所表述的意思为:要确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度,然后基于每一个所述关联度来确定匹配结果,进而判断所述当前对话语句中是否包含时间成分。
在实际应用过程中,所述基于每一个所述关联度获得匹配结果,包括:
判段每一个所述关联度是否满足预设阈值;
在判定至少一个所述关联度满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;
在判定每一个所述关联度均不满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句没有包含时间成分。
需要说明的是,所述预设阈值可以为一些经验值,其取值范围在0到1之间。所要表述的意思为:只要一个关键词的关联度满足预设阈值,就判定获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;只有所有的关键词均不满足预设阈值的情况下,所述匹配结果才为所述当前对话语句没有包含时间成分。
基于上述描述,对应的,所述获得所述当前对话语句中包含的时间短语,包括:确定所述关联度满足预设阈值的第一关键词;所述第一关键词为所述当前对话语句中包含的关键词;基于所述第一关键词获得所述当前对话语句中包含的时间短语。
对应地,所述基于所述包含的时间短语确定所述当前对话语句中包含的时间信息,包括:
对所述第一关键词进行语义分析,获得分析结果;基于所述分析结果确定所述当前对话语句中包含的时间信息。
这里所要表述的是:从所述当前对话语句中提取关联度满足预设阈值的所有关键词,每一个关联度满足预设阈值的关键词称为第一关键词,实质上,第一关键词即为所述当前对话语句中包含的时间短语,进而基于这些第一关键词确定所述当前对话语句中包含的时间信息。
举例来说,经过上述几个步骤的处理,得到所述当前对话语句包含的所有第一关键词分别为:2020年、国庆、第三天,那么,所述当前对话语句中包含的时间信息为2020年国庆的第三天。再比如,经过上述几个步骤的处理,得到所述当前对话语句包含的所有第一关键词分别为:去年、中秋,那么,所述当前对话语句中包含的时间信息为去年中秋。
在实际应用过程中,所述当前对话语句中包含的时间成分包括显式时间和隐式时间,其中,所述显式时间可以理解为能够完整表述时间的描述,比如,前述的2020年国庆的第三天就为显式时间,再比如,隐式时间词汇还包括新闻、热点事件所具有的时间属性,例如“两会”“美国大选”等,虽然是事件,但具有明显的时间属性,也可以作为时间感知的条件,比如“两会”一般在春季3月左右,不同级别(国家、省级、市级)又有所差异,可根据对话者的具体信息相应采纳;所述隐式时间可以理解为不能完整表述时间的描述,比如,第三天,单独看并不能获得一个准确的时间。
基于前述步骤获取的时间信息也同样分为显式和隐式,基于此,在一些实施例中,在所述基于所述分析结果确定所述当前对话语句中包含的时间信息之后,所述方法还包括:
判断所述时间信息是否能够反映完整时间;
在判定所述时间信息不能反映完整时间的情况下,获取用户的前次对话语句;确定所述前次对话语句中包含的时间短语;基于所述前次对话语句中包含的时间短语和所述当前对话语句中包含的时间短语对所述时间信息进行补全,以使所述时间信息能够反映完整时间。
需要说明的是,这里所表述的是:在经过前述步骤获得的时间信息为隐式时间时,需要结合上文出现的时间短语,将当前对话语句中包含的时间信息进行补全,已达到所述时间信息能够反映完整时间。
举例说明,在获得的所述当前对话语句中包含的时间信息为第三天,而前次对话语句中获得的时间短语为今年国庆,那么,补全后的时间信息为今年国庆第三天。
应该理解的是,若前述的前次对话语句中没有出现时间信息的话,一种可选的实施方式,电子设备主动询问一下,比如,假设所述当前对话语句中包含的时间信息为第三天,而前次对话语句中没有出现时间信息,电子设备可以询问“是什么时候的第三天”,然后,在依据本发明实施例提供的方法提供答复语句;另一种可选的实施方式,按照以往的答复方式,按照电子设备中预设的答复模型进行答复。
S103:从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间。
需要说明的是,这里所说的日历库可以是电子设备中***时间;所述设定格式是预置的电子设备中***时间的格式,比如,该设定格式可以为:xxx年xxx月xxx日,再如,该设定格式可以为xxx(年)-xxx(月)-xxx(日),还可以是其他格式,在此不一一赘述。
基于,对于S103可以包括:
识别所述时间信息中包含的表征年的时间短语、表征月的时间短语以及表征日的时间短语;
从所述日历库中确定与基于所述表征年的时间短语、表征月的时间短语以及表征日的时间短语对应的时间组合;所述时间组合为与所述时间信息对应的日历时间。
这所表述的就是,从所述时间信息识别出来表征年的时间短语、表征月的时间短语以及表征日的时间短语,然后按照日历日库中的设定格式表述该时间信息,从而获得按照设定格式表述的时间信息,也即:日历时间。
举例来说,假设所述时间信息为今年国庆第三天,那么识别出来的表征年的时间短语为今年、表征月的时间短语为国庆以及表征日的时间短语为第三天,在假设电子设备的***时间的设定格式为xxx年xxx月xxx日,那么,获得的日历时间为:2021年10月3日。
S104:基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
这里,对于S104可以包括:
在所述问答模型为文本语义匹配模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第一候选答复语句;
基于所述日历时间和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第二候选答复语句;
基于所述第一候选答复语句和所述第二候选答复语句生成所述当前对话语句对应的答复语句;
对应地,在所述问答模型为生成式模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述日历时间获得所述问答模型能够识别的时间序列;
基于所述时间序列和所述当前对话语句通过所述问答模型的答复语句生成网络生成所述当前对话语句对应的答复语句。
这里所要表述的是,根据电子设备中预置的不同的问答模型,以及获得时间信息生成所述当前对话语句对应的答复语句。
比如,若问答模型为文本语义匹配模型:在QA(Question-Answer)库中进行两次候选答案匹配。第一次将当前对话语句中的隐式时间替换为完整时间短语(显式时间则不用变),然后基于这个完整的时间短语和所述当前对话语句从QA库中选取第一候选答复语句;第二次基于日历时间和所述当前对话语句从QA中找出第二候选答复语句。最后将第一候选答复语句和第二候选答复语句都输入到深度文本匹配网络,选出得分最高的答复语句作为所述当前对话语句对应的答复语句。
再如,若问答模型为生成式问答模型:首先将当前对话语句中的隐式时间词替换为完整时间短语(显式时间则不用变),然后在后面用括号补充出具体年月日,例如正月初五(2021年2月16日)(所述问答模型能够识别的时间序列)。将带有补充时间序列的所述当前对话语句输入到生成回答语句的神经网络模型中,得到当前对话语句中问题的答复语句。
本发明实施例提供的对话处理方法,通过对接收的当前对话语句进行时间信息的检测,然后根据检测的时间信息以及电子设备***中预置的问答模型,获得更为多样且贴合实际的答复语句,这样能够使电子设备的答复语句准确、不脱离实际,且能够提升用户的应用体验。换句话说,本发明意在解决聊天机器人无法感知现实时间节点而导致的回答当前对话语句中的问题不准确的问题。首先对当前对话语句中的时间信息进行匹配和补全,然后根据不同模型采取不同措施得到回答。本发明的优点有两点:第一,使用原文(当前对话语句)的时间信息和补充的***时间信息有提高时间语义权重的作用,获得的回答更为多样贴合实际。第二,不管电子设备的原***是基于语义匹配还是生成式网络,都无需大的修改,可以直接将本文方法嵌入进去,方便快捷。
基于同样的发明构思,本发明实施例还提供一种对话处理装置,应用于包含对话功能的电子设备,所述对话处理装置20包括获取单元201、第一确定单元202、第二确定单元203和生成单元204,其中;
所述获取单元201,用于获取用户的当前对话语句;
所述第一确定单元202,用于确定所述当前对话语句中包含的时间信息;
所述第二确定单元203,用于从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;
所述生成单元204,用于基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
在一些实施例中,所述对话处理装置还包括第一判断单元,用于判断所述当前对话语句的格式;在判定所述当前对话语句的格式为非文本格式的情况下,按照特定技术将所述当前对话语句的格式转化成文本格式;其中,所述特定技术与所述当前对话语句的格式相关联。
在一些实施例中,所述对话处理装置还包括第二判断单元,用于判断所述当前对话语句中是否包含时间成分;在判定所述当前对话语句中包含时间成分的情况下,获得所述当前对话语句中包含的时间短语;基于所述包含的时间短语确定所述当前对话语句中包含的时间信息。
在一些实施例中,所述第二判断单元,包括匹配子单元和判断子单元,其中,所述匹配子单元,用于对所述当前对话语句进行关键词匹配处理,获得匹配结果;所述判断子单元,用于基于所述匹配结果判断所述当前对话语句中是否包含时间成分。
在一些实施例中,所述匹配子单元,具体用于确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度;基于每一个所述关联度获得匹配结果;其中,所述时间资源库用于存储各种标准时间短语;所述标准时间短语用于表征已知形式的时间表述。
在一些实施例中,所述判断子单元,具体用于:判段每一个所述关联度是否满足预设阈值;在判定至少一个所述关联度满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;在判定每一个所述关联度均不满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句没有包含时间成分。
在一些实施例中,所述第二判断单元还包括获得子单元,具体用于确定所述关联度满足预设阈值的第一关键词;所述第一关键词为所述当前对话语句中包含的关键词;基于所述第一关键词获得所述当前对话语句中包含的时间短语。
在一些实施例中,所述第二判断单元还包括确定子单元,用于对所述第一关键词进行语义分析,获得分析结果;基于所述分析结果确定所述当前对话语句中包含的时间信息。
在一些实施例中,所述对话处理装置还包括第三判断单元,用于:判断所述时间信息是否能够反映完整时间;在判定所述时间信息不能反映完整时间的情况下,获取用户的前次对话语句;确定所述前次对话语句中包含的时间短语;基于所述前次对话语句中包含的时间短语和所述当前对话语句中包含的时间短语对所述时间信息进行补全,以使所述时间信息能够反映完整时间。
在一些实施例中,所述第二确定单元203,具体用于识别所述时间信息中包含的表征年的时间短语、表征月的时间短语以及表征日的时间短语;从所述日历库中确定与基于所述表征年的时间短语、表征月的时间短语以及表征日的时间短语对应的时间组合;所述时间组合为与所述时间信息对应的日历时间。
在一些实施例中,所述生成单元204,具体用于:在所述问答模型为文本语义匹配模型的情况下,基于所述时间信息和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第一候选答复语句;基于所述日历时间和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第二候选答复语句;基于所述第一候选答复语句和所述第二候选答复语句生成所述当前对话语句对应的答复语句;
或者,所述生成单元204,具体用于在所述问答模型为生成式模型的情况下,基于所述时间信息和所述日历时间获得所述问答模型能够识别的时间序列;基于所述时间序列和所述当前对话语句通过所述问答模型的答复语句生成网络生成所述当前对话语句对应的答复语句。
本发明实施例提供的对话处理装置与前述的对话处理方法基于同样的发明构思,这里所述出现的名词在前述的方法中已经描述清楚,在此不再赘述。
本发明实施例还提供一种可读存储介质,其上存储有计算机程序,所述计算机程序处理器被处理器执行时实现上述方法实施例的步骤,而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。本发明实施例提供的可读存储介质为一种计算机可读存储介质。
本发明实施例还提供一种电子设备,所述电子设备包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时,执行存储在存储器中的上述方法实施例的步骤。
图3为本发明实施例提供的光模块波长电子设备的一种硬件结构示意图,该电子设备30包括:至少一个处理器301、存储器302和至少一个通信接口303,电子设备30中的各个组件通过总线***304耦合在一起,可理解,总线***304用于实现这些组件之间的连接通信。总线***304除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线***304。其中,所述通信接口303可以包括网络接口和/或用户接口,所述用户接口可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解,存储器302可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM,Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM,ferroMagNetic Random access Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM,Compact Disc Read-Only Memory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM,Random AccessMemory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM,Static Random Access Memory)、同步静态随机存取存储器(SSRAM,Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM,Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM,SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM,Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM,Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM,SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM,Direct Rambus Random Access Memory)。本发明实施例描述的存储器302旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的存储器302用于存储各种类型的数据以支持电子设备30的操作。这些数据的示例包括:用于在电子设备30上操作的任何计算机程序,如基于所述前向判决结果和所述后向判决结果,确定与所述第一比特匹配的判决方式的实现等,实现本发明实施例方法的程序可以包含在存储器302中。
上述本发明实施例揭示的方法可以应用于处理器301中,或者由处理器301实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成前述方法的步骤。
在示例性实施例中,电子设备30可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU,Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现,用于执行上述方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种对话处理方法,其特征在于,应用于包含对话功能的电子设备,所述方法包括:
获取用户的当前对话语句;
确定所述当前对话语句中包含的时间信息;
从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;
基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
2.根据权利要求1所述的方法,其特征在于,在所述确定所述当前对话语句中包含的时间信息之前,所述方法还包括:
判断所述当前对话语句的格式;
在判定所述当前对话语句的格式为非文本格式的情况下,按照特定技术将所述当前对话语句的格式转化成文本格式;其中,所述特定技术与所述当前对话语句的格式相关联。
3.根据权利要求1所述的方法,其特征在于,在所述确定所述当前对话语句中包含的时间信息之前,所述方法还包括:
判断所述当前对话语句中是否包含时间成分;
在判定所述当前对话语句中包含时间成分的情况下,获得所述当前对话语句中包含的时间短语;基于所述包含的时间短语确定所述当前对话语句中包含的时间信息;
其中,所述判断所述当前对话语句中是否包含时间成分,包括:对所述当前对话语句进行关键词匹配处理,获得匹配结果;基于所述匹配结果判断所述当前对话语句中是否包含时间成分。
4.根据权利要求3所述的方法,其特征在于,所述对所述当前对话语句进行关键词匹配处理,获得匹配结果,包括:
确定所述当前对话语句中包含的每一个关键词与时间资源库中的时间短语的关联度;基于每一个所述关联度获得匹配结果;
其中,所述时间资源库用于存储各种标准时间短语;所述标准时间短语用于表征已知形式的时间表述。
5.根据权利要求4所述的方法,其特征在于,所述基于每一个所述关联度获得匹配结果,包括:判段每一个所述关联度是否满足预设阈值;在判定至少一个所述关联度满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句包含时间成分;在判定每一个所述关联度均不满足预设阈值的情况下,获得匹配结果;所述匹配结果为所述当前对话语句没有包含时间成分;
对应的,所述获得所述当前对话语句中包含的时间短语,包括:确定所述关联度满足预设阈值的第一关键词;所述第一关键词为所述当前对话语句中包含的关键词;基于所述第一关键词获得所述当前对话语句中包含的时间短语;
对应的,所述基于所述包含的时间短语确定所述当前对话语句中包含的时间信息,包括:对所述第一关键词进行语义分析,获得分析结果;基于所述分析结果确定所述当前对话语句中包含的时间信息。
6.根据权利要求5所述的方法,其特征在于,在所述基于所述分析结果确定所述当前对话语句中包含的时间信息之后,所述方法还包括:
判断所述时间信息是否能够反映完整时间;
在判定所述时间信息不能反映完整时间的情况下,获取用户的前次对话语句;确定所述前次对话语句中包含的时间短语;基于所述前次对话语句中包含的时间短语和所述当前对话语句中包含的时间短语对所述时间信息进行补全,以使所述时间信息能够反映完整时间。
7.根据权利要求1所述的方法,其特征在于,在所述问答模型为文本语义匹配模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第一候选答复语句;
基于所述日历时间和所述当前对话语句从所述问答模型中确定所述当前对话语句对应的第二候选答复语句;
基于所述第一候选答复语句和所述第二候选答复语句生成所述当前对话语句对应的答复语句;
对应地,在所述问答模型为生成式模型的情况下,所述基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间确定与所述当前对话语句对应的答复语句,包括:
基于所述时间信息和所述日历时间获得所述问答模型能够识别的时间序列;
基于所述时间序列和所述当前对话语句通过所述问答模型的答复语句生成网络生成所述当前对话语句对应的答复语句。
8.一种对话处理装置,其特征在于,应用于包含对话功能的电子设备,所述对话处理装置包括获取单元、第一确定单元、第二确定单元和生成单元,其中;
所述获取单元,用于获取用户的当前对话语句;
所述第一确定单元,用于确定所述当前对话语句中包含的时间信息;
所述第二确定单元,用于从所述电子设备的日历库中确定与所述时间信息对应的日历时间,所述日历库用于存储标准日历时间;所述标准日历时间用于表征所述电子设备中按照设定格式表述的时间;
所述生成单元,用于基于所述电子设备的问答模型、所述当前对话语句、所述时间信息、所述日历时间生成与所述当前对话语句对应的答复语句。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
10.一种电子设备,其特征在于,所述电子设备包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时,执行权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478592.8A CN112989013B (zh) | 2021-04-30 | 2021-04-30 | 一种对话处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478592.8A CN112989013B (zh) | 2021-04-30 | 2021-04-30 | 一种对话处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989013A true CN112989013A (zh) | 2021-06-18 |
CN112989013B CN112989013B (zh) | 2021-08-24 |
Family
ID=76336836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110478592.8A Active CN112989013B (zh) | 2021-04-30 | 2021-04-30 | 一种对话处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989013B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217206A1 (en) * | 2015-01-26 | 2016-07-28 | Panasonic Intellectual Property Management Co., Ltd. | Conversation processing method, conversation processing system, electronic device, and conversation processing apparatus |
US20160328469A1 (en) * | 2015-05-04 | 2016-11-10 | Shanghai Xiaoi Robot Technology Co., Ltd. | Method, Device and Equipment for Acquiring Answer Information |
CN107493353A (zh) * | 2017-10-11 | 2017-12-19 | 宁波感微知著机器人科技有限公司 | 一种基于上下文信息的智能机器人云计算方法 |
CN107612814A (zh) * | 2017-09-08 | 2018-01-19 | 北京百度网讯科技有限公司 | 用于生成候选回复信息的方法和装置 |
CN107885756A (zh) * | 2016-09-30 | 2018-04-06 | 华为技术有限公司 | 基于深度学习的对话方法、装置及设备 |
CN108121799A (zh) * | 2017-12-21 | 2018-06-05 | 广东欧珀移动通信有限公司 | 回复语句的推荐方法、装置、存储介质及移动终端 |
CN109359211A (zh) * | 2018-11-13 | 2019-02-19 | 平安科技(深圳)有限公司 | 语音交互的数据更新方法、装置、计算机设备和存储介质 |
CN110347817A (zh) * | 2019-07-15 | 2019-10-18 | 网易(杭州)网络有限公司 | 智能应答方法及装置、存储介质、电子设备 |
CN110472033A (zh) * | 2019-08-16 | 2019-11-19 | 北京一链数云科技有限公司 | 基于nlp模型的问答方法、装置及服务器 |
CN111813900A (zh) * | 2019-04-10 | 2020-10-23 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN112527962A (zh) * | 2020-12-17 | 2021-03-19 | 云从科技集团股份有限公司 | 基于多模态融合的智能应答方法、装置、机器可读介质及设备 |
-
2021
- 2021-04-30 CN CN202110478592.8A patent/CN112989013B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160217206A1 (en) * | 2015-01-26 | 2016-07-28 | Panasonic Intellectual Property Management Co., Ltd. | Conversation processing method, conversation processing system, electronic device, and conversation processing apparatus |
US20160328469A1 (en) * | 2015-05-04 | 2016-11-10 | Shanghai Xiaoi Robot Technology Co., Ltd. | Method, Device and Equipment for Acquiring Answer Information |
CN107885756A (zh) * | 2016-09-30 | 2018-04-06 | 华为技术有限公司 | 基于深度学习的对话方法、装置及设备 |
CN107612814A (zh) * | 2017-09-08 | 2018-01-19 | 北京百度网讯科技有限公司 | 用于生成候选回复信息的方法和装置 |
CN107493353A (zh) * | 2017-10-11 | 2017-12-19 | 宁波感微知著机器人科技有限公司 | 一种基于上下文信息的智能机器人云计算方法 |
CN108121799A (zh) * | 2017-12-21 | 2018-06-05 | 广东欧珀移动通信有限公司 | 回复语句的推荐方法、装置、存储介质及移动终端 |
CN109359211A (zh) * | 2018-11-13 | 2019-02-19 | 平安科技(深圳)有限公司 | 语音交互的数据更新方法、装置、计算机设备和存储介质 |
CN111813900A (zh) * | 2019-04-10 | 2020-10-23 | 北京猎户星空科技有限公司 | 多轮对话处理方法、装置、电子设备及存储介质 |
CN110347817A (zh) * | 2019-07-15 | 2019-10-18 | 网易(杭州)网络有限公司 | 智能应答方法及装置、存储介质、电子设备 |
CN110472033A (zh) * | 2019-08-16 | 2019-11-19 | 北京一链数云科技有限公司 | 基于nlp模型的问答方法、装置及服务器 |
CN112527962A (zh) * | 2020-12-17 | 2021-03-19 | 云从科技集团股份有限公司 | 基于多模态融合的智能应答方法、装置、机器可读介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112989013B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110462730B (zh) | 促进以多种语言与自动化助理的端到端沟通 | |
CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
US9805718B2 (en) | Clarifying natural language input using targeted questions | |
EP3183728B1 (en) | Orphaned utterance detection system and method | |
CN110223695B (zh) | 一种任务创建方法及移动终端 | |
Bunt et al. | Towards an ISO standard for dialogue act annotation | |
JP6909832B2 (ja) | オーディオにおける重要語句を認識するための方法、装置、機器及び媒体 | |
WO2021000497A1 (zh) | 检索方法、装置、计算机设备和存储介质 | |
CN111026319B (zh) | 一种智能文本处理方法、装置、电子设备及存储介质 | |
CN109343696B (zh) | 一种电子书的评论方法、装置及计算机可读存储介质 | |
CN106570180A (zh) | 基于人工智能的语音搜索方法及装置 | |
CN115769220A (zh) | 经由自动化助理交互的文档创建和编辑 | |
CN111026320B (zh) | 多模态智能文本处理方法、装置、电子设备及存储介质 | |
KR101677859B1 (ko) | 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치 | |
WO2018148441A1 (en) | Natural language content generator | |
CN116796857A (zh) | 一种llm模型训练方法、装置、设备及其存储介质 | |
Gildea et al. | Human languages order information efficiently | |
CN110020429B (zh) | 语义识别方法及设备 | |
JP6095487B2 (ja) | 質問応答装置、及び質問応答方法 | |
CN112989013B (zh) | 一种对话处理方法、装置、电子设备及存储介质 | |
CN113901193A (zh) | 基于动态代码的人机对话处理方法、装置、设备及介质 | |
CN114242047A (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
EP3552114A1 (en) | Natural language content generator | |
CN115408500A (zh) | 问答一致性的评估方法、装置、电子设备及介质 | |
CN113408296A (zh) | 一种文本信息提取方法、装置及设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231212 Address after: 430014 Building 2, Guannan Industrial Park, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee after: WUHAN LONGJIN SCIENCE AND TECHNOLOGY Inc. Patentee after: WUHAN University Address before: 430014 Building 2, Guannan Industrial Park, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee before: WUHAN LONGJIN SCIENCE AND TECHNOLOGY Inc. |
|
TR01 | Transfer of patent right |