CN113515605B - 基于人工智能的智能机器人问答方法和智能机器人 - Google Patents

基于人工智能的智能机器人问答方法和智能机器人 Download PDF

Info

Publication number
CN113515605B
CN113515605B CN202110550212.7A CN202110550212A CN113515605B CN 113515605 B CN113515605 B CN 113515605B CN 202110550212 A CN202110550212 A CN 202110550212A CN 113515605 B CN113515605 B CN 113515605B
Authority
CN
China
Prior art keywords
question
actual
initial
feature
initial standard
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
Application number
CN202110550212.7A
Other languages
English (en)
Other versions
CN113515605A (zh
Inventor
刘天全
李志豪
欧香强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongchen Tianrun Industrial Co ltd
Original Assignee
Zhongchen Tianrun Industrial Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongchen Tianrun Industrial Co ltd filed Critical Zhongchen Tianrun Industrial Co ltd
Priority to CN202110550212.7A priority Critical patent/CN113515605B/zh
Publication of CN113515605A publication Critical patent/CN113515605A/zh
Application granted granted Critical
Publication of CN113515605B publication Critical patent/CN113515605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/211Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于人工智能的智能机器人问答方法和智能机器人,获取用户输入的实际问句,根据实际问句,从问句数据库中获取与实际问句相对应的至少两个初始标准问句,结合特征提取算法以及预设顺序,得到与实际问句相对应的实际问句特征语段,根据实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与实际问句相对应的目标标准问句,根据目标标准问句,从问答数据库中获取与目标标准问句相对应的目标答案,可以准确可靠地获取到与用户输入的实际问句相对应的目标标准问句,准确性得到了很大的提升,使得得到的目标标准问句与实际问题的匹配度较高,进而提升智能机器人的问答结果的准确性。

Description

基于人工智能的智能机器人问答方法和智能机器人
技术领域
本发明涉及一种基于人工智能的智能机器人问答方法和一种智能机器人。
背景技术
目前,能够进行问答操作的智能机器人的应用越来越广泛,比如商场、医院等公共场合的问答机器人,以及各种电商平台中的智能客服机器人。由于不同的人的语言表达方式不同,往往会出现以下情况:对于多个问题,这些问题的含义相同,但是表达方式却不同。智能机器人在进行数据处理时,先根据输入的问题进行解析,匹配到标准问句,然后根据标准问句从数据库中获取到对应的答案并输出。在根据实际问题得到标准问句时,目前通常采用关键字的方式,即获取实际问题中的关键字,然后根据关键字获取到对应的标准问句,这种方式的准确性较低,得到的标准问句容易与实际问题不匹配,进而导致智能机器人的问答结果的准确性低。
发明内容
本发明提供一种基于人工智能的智能机器人问答方法和一种智能机器人,用于解决现有的智能机器人的问答方式的准确性的技术问题。
一种基于人工智能的智能机器人问答方法,包括:
获取用户输入的实际问句;
根据所述实际问句,从问句数据库中获取与所述实际问句相对应的至少两个初始标准问句;
根据预设的特征提取算法,对所述实际问句进行解析,获取所述实际问句中的特征信息;
根据所述实际问句中的各个特征信息,以及预设顺序,对所述各个特征信息进行排序,得到与所述实际问句相对应的实际问句特征语段;
根据所述实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与所述实际问句相对应的目标标准问句;
根据所述目标标准问句,从问答数据库中获取与所述目标标准问句相对应的目标答案。
优选地,所述获取用户输入的实际问句,具体为:
获取用户输入的初始语音信号;
对所述初始语音信号进行语音识别,获取至少两个候选初始问句;
将各个候选初始问句进行显示,并获取用户从各个候选初始问句中选择得到的候选初始问句,得到所述用户输入的实际问句。
优选地,所述根据所述实际问句,从问句数据库中获取与所述实际问句相对应的至少两个初始标准问句,具体为:
根据所述实际问句,获取所述实际问句中的关键字;
获取所述问句数据库中的各个标准问句的关键字;
比对所述实际问句中的关键字以及所述问句数据库中的各个标准问句的关键字,根据比对结果得到所述实际问句与所述问句数据库中的各个标准问句的相似度,其中,相同的关键字越多,相似度越高;
根据各个相似度确定所述与所述实际问句相对应的至少两个初始标准问句。
优选地,所述初始标准问句对应的初始标准问句特征语段的获取过程包括:
根据所述特征提取算法,对所述初始标准问句进行解析,获取所述初始标准问句中的特征信息;
根据所述初始标准问句中的各个特征信息,以及所述预设顺序,对所述初始标准问句中的各个特征信息进行排序,得到所述初始标准问句对应的初始标准问句特征语段。
优选地,所述根据所述实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与所述实际问句相对应的目标标准问句,具体为:
获取所述实际问句和各个初始标准问句之间的相似度;
根据所述实际问句和各个初始标准问句之间的相似度,确定各个初始标准问句的候选顺序;
按照所述候选顺序,依次确定所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配;若匹配,将当前的初始标准问句作为所述目标标准问句。
优选地,所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配的判断过程包括:
对于任意一个初始标准问句,若所述实际问句特征语段与该初始标准问句对应的初始标准问句特征语段的结构相同,则判定所述实际问句特征语段与该初始标准问句对应的初始标准问句特征语段匹配。
优选地,在依次确定所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配过程中,若不匹配,确定所述实际问句特征语段中的各个特征信息的含义与所述当前的初始标准问句的初始标准问句特征语段中的各个特征信息的含义是否对应相同,若相同,将所述当前的初始标准问句作为所述目标标准问句。
优选地,所述根据所述目标标准问句,从问答数据库中获取与所述目标标准问句相对应的目标答案之后,所述基于人工智能的智能机器人问答方法还包括以下步骤:
检测预设范围内的已开启蓝牙的移动终端,并进行蓝牙配对;
蓝牙配对完成之后,将所述目标答案发送至所述移动终端。
一种智能机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于人工智能的智能机器人问答方法的步骤。
本发明的技术效果包括:先根据用户输入的实际问句确定与实际问句相对应的至少两个初始标准问句,接着根据预设的特征提取算法对实际问句进行解析,得到实际问句中的相关特征信息,并根据实际问句中的各个特征信息以及预设顺序,对各个特征信息进行排序,得到与实际问句相对应的实际问句特征语段,然后结合实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与实际问句相对应的目标标准问句,最后根据得到的目标标准问句,从问答数据库中获取与目标标准问句相对应的目标答案。通过本发明提供的智能机器人问答方法,可以准确可靠地获取到与用户输入的实际问句相对应的目标标准问句,相较于传统的仅根据关键字确定标准问句的方式,准确性得到了很大的提升,使得得到的目标标准问句与实际问题的匹配度较高,进而提升智能机器人的问答结果的准确性。
附图说明
图1是本发明提供的一种基于人工智能的智能机器人问答方法的流程图。
具体实施方式
基于人工智能的智能机器人问答方法实施例:
本实施例提供一种基于人工智能的智能机器人问答方法,该基于人工智能的智能机器人问答方法可以应用于各种智能机器人、智能移动终端等等。如图1所示,基于人工智能的智能机器人问答方法包括以下步骤:
步骤1:获取用户输入的实际问句:
智能机器人获取用户输入的实际问句,用户可以手动输入实际问句对应的文字信息,通常情况下,智能机器人设置有麦克风,通过麦克风接收用户说出的语音信号,那么,获取用户输入的实际问句的具体过程包括:
(1)通过麦克风获取用户输入的初始语音信号;
(2)对初始语音信号采用内置的语音识别算法进行语音识别,由于语音识别算法的识别结果并非绝对正确,而且,语音信号可能会被识别为相同读音或者读音高度相似的其他文字信息,那么,对初始语音信号采用内置的语音识别算法进行语音识别就会获取到至少两个候选初始问句,各候选初始问句之间读音相同或者高度相似。
(3)将各个候选初始问句显示在智能机器人的显示屏或者触摸屏上,用户看到各个候选初始问句之后,从中选择一个正确的候选初始问句,比如:通过点击触摸屏上的对应候选初始问句进行选择。确定得到的候选初始问句就为用户输入的实际问句。
步骤2:根据所述实际问句,从问句数据库中获取与所述实际问句相对应的至少两个初始标准问句:
智能机器人中预设有一个问句数据库,问句数据库中包括多个标准问句。通常情况下,智能机器人具有特定的应用场合,比如医院、商场等。因此,为了提升识别准确性,问句数据库中包括与所处应用场合相关的目前已知的所有标准问句。
作为一个具体实施方式,以下给出根据实际问句,从问句数据库中获取与实际问句相对应的至少两个初始标准问句的一种具体实现过程:
(1)根据实际问句,获取实际问句中的关键字。关键字提取过程可以采用目前已有的关键字提取算法进行提取。通常而言,可以从实际问句中提取到多个关键字。相应地,采用相同的关键字提取算法对问句数据库中的各个标准问句进行关键字提取,得到问句数据库中的各个标准问句的关键字。
(2)比对实际问句中的关键字以及问句数据库中的各个标准问句的关键字,对于任意一个标准问句,比对实际问句中的关键字以及该标准问句的关键字,确定实际问句中和该标准问句中的相同的关键字的个数。应当理解,在比对关键字时,无需按照关键字在问句中的顺序进行逐个比对,即无需按照以下比对规则进行比对:实际问句中的第一个关键字与该标准问句中的第一个关键字进行比对,实际问句中的第二个关键字与该标准问句中的第二个关键字进行比对,等等。而是简单地确定实际问句中和该标准问句中的相同的关键字的个数。根据相同的关键字的个数确定实际问句与该标准问句的相似度,其中,相同的关键字越多,相似度越高。而相同的关键字的个数与相似度之间的具体数值关系由实际需要进行设置。
(3)根据各个相似度确定与实际问句相对应的至少两个初始标准问句。其中,可以设置一个相似度阈值,从各个标准问句中获取相似度大于或者等于该相似度阈值的标准问句,得到的标准问句即为所需的初始标准问句。
作为其他的实施方式,对于任意一个标准问句,还可以将实际问句中的各个文字与该标准问句中的各个文字进行逐一比对,具体地:将实际问句中的第一个文字与该标准问句中的第一个文字进行比对,将实际问句中的第二个文字与该标准问句中的第二个文字进行比对,将实际问句中的第三个文字与该标准问句中的第三个文字进行比对,以此类推,直至将实际问句中的最后一个文字与该标准问句中的最后一个文字进行比对。根据相同文字的个数确定相似度,根据相同文字的个数越多,相似度越高。
步骤3:根据预设的特征提取算法,对所述实际问句进行解析,获取所述实际问句中的特征信息:
智能机器人中预设有特征提取算法,该特征提取算法用于对文本中的特征信息进行提取。应当理解,特征提取算法为已有的特征提取算法,比如TF-IDF算法。通过特征提取算法,对实际问句进行解析,获取实际问句中的特征信息。特性信息可以是相关的文字、词语或者短语。特性信息的种类可以有:背景、状况、动作、疑问等等。
本实施例中,特征提取算法可以包括多个特征种类,以及属于每一个特征种类下所包含的各个具体特征信息。那么,将实际问句输入至特征提取算法中,就可以得到实际问句中的各个特征信息,以及各个特征信息所属的特征种类。
步骤4:根据所述实际问句中的各个特征信息,以及预设顺序,对所述各个特征信息进行排序,得到与所述实际问句相对应的实际问句特征语段:
预设顺序可以为指示实际问句特征语段中的各个特征信息的顺序,即指示实际问句特征语段中的各个特征信息对应的特征种类的顺序,预设顺序中各个特征信息对应的特征种类的顺序由实际需要进行具体设置。应当理解,若在对实际问句进行解析之后得到的各个特征信息的顺序与预设顺序不同,则就需要调整各个特征信息的顺序,调整为预设顺序。而且,为了满足不同用户输入的实际问句的需求,预设顺序包括实际问句特征语段中的各个特征信息对应的特征种类的顺序,就有可能还包含实际问句中所没有的特征信息对应的特征种类。
相应地,实际问句特征语段为各个特征信息按照预设顺序进行排列得到的语句,即实际问句中的各个特征信息对应的特征种类按照预设顺序进行排列得到的语句。可以这样理解,实际问句特征语段为去除实际问句中其他无关信息之后剩余的各个特征信息,按照预设顺序进行排序之后得到的语段。例如:若实际问句为:A+a+B+b+C+c,其中,A、B和C为特征信息,a、b和c为无关信息,若预设顺序为特征信息B对应的特征种类名称、特征信息D对应的特征种类名称、特征信息C对应的特征种类名称、特征信息E对应的特征种类名称、特征信息A对应的特征种类名称,则实际问句特征语段为特征信息B、特征信息C、特征信息A。
步骤5:根据所述实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与所述实际问句相对应的目标标准问句:
各个初始标准问句对应的初始标准问句特征语段也可以按照上述实际问句特征语段的获取过程进行获取,具体如下:对于任意一个初始标准语句,根据特征提取算法,对该初始标准问句进行解析,获取该初始标准问句中的特征信息;然后,根据该初始标准问句中的各个特征信息,以及预设顺序,对该初始标准问句中的各个特征信息进行排序,得到该初始标准问句对应的初始标准问句特征语段。进而得到各个初始标准问句对应的初始标准问句特征语段。应当理解,各个初始标准问句对应的初始标准问句特征语段可以在获取到各个初始标准问句之后就可以处理得到,也可以在获取到实际问句特征语段之后处理得到。
根据实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与实际问句相对应的目标标准问句。作为一个具体实施方式,以下给出目标标准问句的一种具体获取过程:
(1)获取实际问句和各个初始标准问句之间的相似度。应当理解,相似度可以按照上文中给出的相似度获取过程进行获取。
(2)根据实际问句和各个初始标准问句之间的相似度,确定各个初始标准问句的候选顺序。其中,相似度越高,在候选顺序中越靠前,那么,候选顺序为对各个初始标准问句按照相似度的高度进行的排序。
(3)按照候选顺序,依次确定实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配。其中,匹配的含义可以为:实际问句特征语段与初始标准问句特征语段的结构相同(即实际问句特征语段中的各个特征信息对应的特征种类与初始标准问句特征语段中的各个特征信息对应的特征种类相同,且各个特征种类的顺序也相同,且两个特征语段中的各个特征信息的具体内容也对应相同),即匹配的含义为:实际问句特征语段与初始标准问句特征语段完全相同。那么,在确定实际问句特征语段与某一个初始标准问句对应的初始标准问句特征语段是否匹配时,若匹配,将当前的初始标准问句(即该某一个初始标准问句)作为目标标准问句。相应地,若不匹配,可以确定实际问句特征语段中的各个特征信息的含义与当前的初始标准问句的初始标准问句特征语段中的各个特征信息的含义是否对应相同,也就是说,当实际问句特征语段与当前的初始标准问句特征语段不完全相同,则退而求其次,确定实际问句特征语段中的各个特征信息的含义与当前的初始标准问句的初始标准问句特征语段中的各个特征信息的含义是否对应相同,比如:虽然两个词语不是相同的词语,但是要判断这两个词语是否是同义词。若相同,将当前的初始标准问句作为目标标准问句。接着确定实际问句特征语段与下一个初始标准问句对应的初始标准问句特征语段是否匹配。
作为其他的实施方式,还可以不进行上述候选顺序的排序过程,而是直接获取实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配,找到其中匹配的初始标准问句特征语段,该初始标准问句特征语段对应的初始标准问句即为所需的目标标准问句。
步骤6:根据所述目标标准问句,从问答数据库中获取与所述目标标准问句相对应的目标答案:
智能机器人中预设有问答数据库,问答数据库中包括至少两个标准问句与对应的答案的对应关系,应当理解,问答数据库中包括足够多的标准问句与对应的答案的对应关系。
根据目标标准问句,从问答数据库中获取与目标标准问句相对应的目标答案。由于根据目标标准问句,从问答数据库中获取与目标标准问句相对应的目标答案,属于智能机器人的常规问答过程,不再赘述。
智能机器人得到目标答案之后,可以通过触摸屏进行显示,或者通过扩音器输出目标答案的语音信号。
本实施例中,智能机器人还设置有蓝牙模块。若用户随身携带移动终端,并且移动终端的蓝牙功能开启。那么,本实施例中,在得到目标答案之后,智能机器人检测以智能机器人作为中心的预设范围内的已开启蓝牙的移动终端,然后与已开启蓝牙的移动终端进行蓝牙配对。
蓝牙配对完成之后,即与移动终端建立蓝牙连接之后,智能机器人将目标答案发送至移动终端。所以,智能机器人得到目标答案之后,还将目标答案发送至用户的移动终端中,提升智能化程度。
智能机器人实施例:
本实施例提供一种智能机器人,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述中的基于人工智能的智能机器人问答方法的步骤。由于该基于人工智能的智能机器人问答方法在上文已给出了详细说明,不再赘述。

Claims (6)

1.一种基于人工智能的智能机器人问答方法,其特征在于,包括:
获取用户输入的实际问句;
根据所述实际问句,从问句数据库中获取与所述实际问句相对应的至少两个初始标准问句;
根据预设的特征提取算法,对所述实际问句进行解析,获取所述实际问句中的特征信息;
根据所述实际问句中的各个特征信息,以及预设顺序,对所述各个特征信息进行排序,得到与所述实际问句相对应的实际问句特征语段;
根据所述实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与所述实际问句相对应的目标标准问句;
根据所述目标标准问句,从问答数据库中获取与所述目标标准问句相对应的目标答案;
所述根据所述实际问句特征语段以及各个初始标准问句对应的初始标准问句特征语段,获取与所述实际问句相对应的目标标准问句,具体为:
获取所述实际问句和各个初始标准问句之间的相似度;
根据所述实际问句和各个初始标准问句之间的相似度,确定各个初始标准问句的候选顺序;
按照所述候选顺序,依次确定所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配;若匹配,将当前的初始标准问句作为所述目标标准问句;
所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配的判断过程包括:
对于任意一个初始标准问句,若所述实际问句特征语段与该初始标准问句对应的初始标准问句特征语段的结构相同,则判定所述实际问句特征语段与该初始标准问句对应的初始标准问句特征语段匹配;
在依次确定所述实际问句特征语段与各个初始标准问句对应的初始标准问句特征语段是否匹配过程中,若不匹配,确定所述实际问句特征语段中的各个特征信息的含义与所述当前的初始标准问句的初始标准问句特征语段中的各个特征信息的含义是否对应相同,若相同,将所述当前的初始标准问句作为所述目标标准问句。
2.根据权利要求1所述的基于人工智能的智能机器人问答方法,其特征在于,所述获取用户输入的实际问句,具体为:
获取用户输入的初始语音信号;
对所述初始语音信号进行语音识别,获取至少两个候选初始问句;
将各个候选初始问句进行显示,并获取用户从各个候选初始问句中选择得到的候选初始问句,得到所述用户输入的实际问句。
3.根据权利要求1所述的基于人工智能的智能机器人问答方法,其特征在于,所述根据所述实际问句,从问句数据库中获取与所述实际问句相对应的至少两个初始标准问句,具体为:
根据所述实际问句,获取所述实际问句中的关键字;
获取所述问句数据库中的各个标准问句的关键字;
比对所述实际问句中的关键字以及所述问句数据库中的各个标准问句的关键字,根据比对结果得到所述实际问句与所述问句数据库中的各个标准问句的相似度,其中,相同的关键字越多,相似度越高;
根据各个相似度确定所述与所述实际问句相对应的至少两个初始标准问句。
4.根据权利要求1所述的基于人工智能的智能机器人问答方法,其特征在于,所述初始标准问句对应的初始标准问句特征语段的获取过程包括:
根据所述特征提取算法,对所述初始标准问句进行解析,获取所述初始标准问句中的特征信息;
根据所述初始标准问句中的各个特征信息,以及所述预设顺序,对所述初始标准问句中的各个特征信息进行排序,得到所述初始标准问句对应的初始标准问句特征语段。
5.根据权利要求1所述的基于人工智能的智能机器人问答方法,其特征在于,所述根据所述目标标准问句,从问答数据库中获取与所述目标标准问句相对应的目标答案之后,所述基于人工智能的智能机器人问答方法还包括以下步骤:
检测预设范围内的已开启蓝牙的移动终端,并进行蓝牙配对;
蓝牙配对完成之后,将所述目标答案发送至所述移动终端。
6.一种智能机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的基于人工智能的智能机器人问答方法的步骤。
CN202110550212.7A 2021-05-20 2021-05-20 基于人工智能的智能机器人问答方法和智能机器人 Active CN113515605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110550212.7A CN113515605B (zh) 2021-05-20 2021-05-20 基于人工智能的智能机器人问答方法和智能机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110550212.7A CN113515605B (zh) 2021-05-20 2021-05-20 基于人工智能的智能机器人问答方法和智能机器人

Publications (2)

Publication Number Publication Date
CN113515605A CN113515605A (zh) 2021-10-19
CN113515605B true CN113515605B (zh) 2023-12-19

Family

ID=78064929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110550212.7A Active CN113515605B (zh) 2021-05-20 2021-05-20 基于人工智能的智能机器人问答方法和智能机器人

Country Status (1)

Country Link
CN (1) CN113515605B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107315766A (zh) * 2017-05-16 2017-11-03 广东电网有限责任公司江门供电局 一种集合智能与人工问答的语音问答方法及其装置
CN108628811A (zh) * 2018-04-10 2018-10-09 北京京东尚科信息技术有限公司 地址文本的匹配方法和装置
CN109035001A (zh) * 2018-06-28 2018-12-18 招联消费金融有限公司 智能语音应答处理方法及***
CN110647614A (zh) * 2019-08-01 2020-01-03 平安科技(深圳)有限公司 智能问答方法、装置、介质及电子设备
CN111444321A (zh) * 2019-01-16 2020-07-24 北京字节跳动网络技术有限公司 问答方法、装置、电子设备和存储介质
CN111597313A (zh) * 2020-04-07 2020-08-28 深圳追一科技有限公司 问答方法、装置、计算机设备和存储介质
CN112052676A (zh) * 2020-08-31 2020-12-08 国网山东省电力公司荣成市供电公司 一种文本内容的处理方法、计算机设备及存储介质
CN112052683A (zh) * 2020-09-03 2020-12-08 平安科技(深圳)有限公司 一种文本匹配方法、装置、计算机设备及存储介质
CN112287069A (zh) * 2020-10-29 2021-01-29 平安科技(深圳)有限公司 基于语音语义的信息检索方法、装置及计算机设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101107760B1 (ko) * 2009-08-24 2012-01-20 송도규 지능형 질의 응답 검색 시스템 및 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107315766A (zh) * 2017-05-16 2017-11-03 广东电网有限责任公司江门供电局 一种集合智能与人工问答的语音问答方法及其装置
CN108628811A (zh) * 2018-04-10 2018-10-09 北京京东尚科信息技术有限公司 地址文本的匹配方法和装置
CN109035001A (zh) * 2018-06-28 2018-12-18 招联消费金融有限公司 智能语音应答处理方法及***
CN111444321A (zh) * 2019-01-16 2020-07-24 北京字节跳动网络技术有限公司 问答方法、装置、电子设备和存储介质
CN110647614A (zh) * 2019-08-01 2020-01-03 平安科技(深圳)有限公司 智能问答方法、装置、介质及电子设备
CN111597313A (zh) * 2020-04-07 2020-08-28 深圳追一科技有限公司 问答方法、装置、计算机设备和存储介质
CN112052676A (zh) * 2020-08-31 2020-12-08 国网山东省电力公司荣成市供电公司 一种文本内容的处理方法、计算机设备及存储介质
CN112052683A (zh) * 2020-09-03 2020-12-08 平安科技(深圳)有限公司 一种文本匹配方法、装置、计算机设备及存储介质
CN112287069A (zh) * 2020-10-29 2021-01-29 平安科技(深圳)有限公司 基于语音语义的信息检索方法、装置及计算机设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
句子相似度计算新方法及在问答***中的应用;周法国;杨炳儒;;计算机工程与应用(第01期);全文 *
多特征融合的中文问答***答案抽取算法;唐朝霞;;贵州大学学报(自然科学版)(第05期);全文 *

Also Published As

Publication number Publication date
CN113515605A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN111046133B (zh) 基于图谱化知识库的问答方法、设备、存储介质及装置
US11062090B2 (en) Method and apparatus for mining general text content, server, and storage medium
CN108829822B (zh) 媒体内容的推荐方法和装置、存储介质、电子装置
CN106875941B (zh) 一种服务机器人的语音语义识别方法
US11494161B2 (en) Coding system and coding method using voice recognition
US7650283B2 (en) Dialogue supporting apparatus
CN110334179B (zh) 问答处理方法、装置、计算机设备和存储介质
CN113168836A (zh) 计算机***、语音识别方法以及程序
EP4109295A1 (en) Knowledge graph-based question answering method and apparatus, computer device, and medium
CN109522397B (zh) 信息处理方法及装置
CN110827803A (zh) 方言发音词典的构建方法、装置、设备及可读存储介质
CN111554276B (zh) 语音识别方法、装置、设备及计算机可读存储介质
CN112232276B (zh) 一种基于语音识别和图像识别的情绪检测方法和装置
CN112632248A (zh) 问答方法、装置、计算机设备和存储介质
CN112256827A (zh) 一种手语翻译方法、装置、计算机设备及存储介质
CN110110066B (zh) 一种交互数据处理方法、装置以及计算机可读存储介质
CN113658690A (zh) 一种智能导医方法、装置、存储介质以及电子设备
CN113220854A (zh) 机器阅读理解的智能对话方法及装置
CN113515605B (zh) 基于人工智能的智能机器人问答方法和智能机器人
CN112417210A (zh) 健身视频的查询方法、装置、终端和存储介质
CN117422067A (zh) 信息处理方法、装置、电子设备及存储介质
CN110263346B (zh) 基于小样本学习的语意分析方法、电子设备及存储介质
CA3131060A1 (en) Speech analysis system
CN115881108A (zh) 语音识别方法、装置、设备及存储介质
CN116303951A (zh) 对话处理方法、装置、电子设备和存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20231121

Address after: No. 1916, 19th Floor, Building 14, Binjiang Coast Phase III, No. 23 Haidian Island East Road, Meilan District, Haikou City, Hainan Province, 570100

Applicant after: Zhongchen Tianrun Industrial Co.,Ltd.

Address before: 450000 No. 33, Zone D, floor 8, building 2, No. 85, Jinshui East Road, Zhengzhou area (Zhengdong), pilot Free Trade Zone, Zhengzhou City, Henan Province

Applicant before: Henan GuangYue Network Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant