CN117496978A - 车辆语音识别方法及*** - Google Patents

车辆语音识别方法及*** Download PDF

Info

Publication number
CN117496978A
CN117496978A CN202311457267.9A CN202311457267A CN117496978A CN 117496978 A CN117496978 A CN 117496978A CN 202311457267 A CN202311457267 A CN 202311457267A CN 117496978 A CN117496978 A CN 117496978A
Authority
CN
China
Prior art keywords
recognition
text
voice
information
recognized
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.)
Pending
Application number
CN202311457267.9A
Other languages
English (en)
Inventor
薛晓栋
卢明
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.)
Shanghai Weibao Automotive Testing Co ltd
Original Assignee
Shanghai Weibao Automotive Testing 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 Shanghai Weibao Automotive Testing Co ltd filed Critical Shanghai Weibao Automotive Testing Co ltd
Priority to CN202311457267.9A priority Critical patent/CN117496978A/zh
Publication of CN117496978A publication Critical patent/CN117496978A/zh
Pending legal-status Critical Current

Links

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
    • G10L15/26—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
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • 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
    • G10L15/005—Language recognition
    • 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
    • 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
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种车辆语音识别方法，包括以下步骤：获取待识别语音：对待识别语音进行语种分析，然后进行关键字识别，得到待识别语音的初始文本信息；文本信息补充：对初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；语音回复：从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报，本申请通过多次识别、阈值比较的方式以至少解决相关技术中仅采用车辆问答服务或知识图谱方式进行语音问答识别，存在的识别准确性低、用户体验感差的技术问题。

Description

车辆语音识别方法及***
技术领域
本发明涉及车辆语音控制领域，尤其涉及一种车辆语音识别方法及***。
背景技术
随着科技的进步，计算机智能算法的不断迭代，语音识别技术从消费电子产品不断推广到汽车工业领域，车载信息娱乐***集成语音识别***，以帮助驾驶员解决行车过程中不方便手动操作的困扰，如接打电话、导航控制和调控天窗等，带来更加快捷和安全的操作方法。
一般情况下，按照语音原理，用户音频输入到***，***需要将音频文件转换为文本格式，然后将文本和本地或者云端数据库进行比对，确定用户的意图，然后进行控制执行，并将执行结果以语音的方式播报出来。按照语音车辆控制功能，车载信息娱乐***需要在收到应用层语音请求后发到中间层和底层，以汽车总线信号的形式发送到整车***，以控制空调、天窗等部件进行动作。但是，智能网联车辆中语音问答服务主要为基于常见问题解答(Frequency AskedQuestions，FAQ)的车辆问答服务，或者是基于知识图谱的车辆问答服务。前者是将历史问答记录以问答对的形式存入数据库中，当用户请求时，提供泛化搜索能力，然而由于问答对(Question Answer)的数量限制，问答精确率不高，问答能力有限；后者是将车辆问答相关的实体、属性、关系以知识图谱的形式存入数据库中，当用户请求时，提供精确搜索能力，然而对于冷启动场景和比较个性化的问题召回效果不好。以上两种方式均存在一定的弊端，容易导致语音问答识别准确性低，用户体验感差。
发明内容
针对上述技术中存在的不足之处，本发明提供一种车辆语音识别方法及***，通过多次识别、阈值比较的方式以至少解决相关技术中仅采用车辆问答服务或知识图谱方式进行语音问答识别，存在的识别准确性低、用户体验感差的技术问题。
为实现上述目的，本发明提供一种车辆语音识别方法，包括以下步骤：
获取待识别语音：对所述待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；
文本信息补充：对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；
语音回复：从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
作为优选，在获取待识别语音前，还需要对触发词进行获取，当且仅当出现触发词后才对后续的语音进行获取，进行识别和回复。
作为优选，在获取待识别语音步骤中，首先针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。
作为优选，在文本信息补充步骤中，根据多次不同的文本识别结果，分析得到识别文本，所述识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。
作为优选，在语音回复步骤中，根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。
本发明还公开了一种车辆语音识别***，包括相互连接获取单元、完善单元和回复单元；
所述获取单元对所述待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；
完善单元对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；
回复单元从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
作为优选，还包括有唤醒单元，所述唤醒单元对触发词进行获取，当且仅当出现触发词后才后续各单元才进行工作。
作为优选，所述获取单元针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。
作为优选，所述完善单元根据多次不同的文本识别结果，分析得到识别文本，所述识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。
作为优选，所述回复单元根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。
本发明的有益效果是：与现有技术相比，本发明提供了一种车辆语音识别方法及***，通过设置有不断识别，不断检测的方式，从而确保所获取的信息与正确的信息之间不会出现较大的误差，从而提高车辆语音识别的准确率，用户体验感更佳。
附图说明
图1为本发明的步骤流程图。
具体实施方式
为了更清楚地表述本发明，下面结合附图和实施例对本发明作进一步地描述，当然本发明的保护范围不仅于此，在不付出创造性劳动的前提下，本领域技术人员所作出的简单置换都属于本申请的保护范围。
请参阅图1，本发明的公开了一种车辆语音识别方法，包括以下步骤：
获取待识别语音：对待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；
文本信息补充：对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；
语音回复：从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
在本实施例中，首先通过语种分析，从而方便在后续进行识别的过程中能够根据不同的语种来进行关键词，然后对关键词进行完善，从而得到本申请的完整文本信息，这样在进行答复的过程中就根据准确。
为了实现上述方案，在获取待识别语音前，还需要对触发词进行获取，当且仅当出现触发词后才对后续的语音进行获取，进行识别和回复。在本实施例中，在进行车辆互动的过程中，一定要设置有触发词，从而能够方便车辆区分是用户在与他人进行聊天还是与车辆进行互动，从而方便进行后续的操作。
在获取待识别语音步骤中，首先针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。在本实施例中，在本实施例中，首先设置有语种分析，从而针对不同的客户，世界上存在各种语言，哪怕是在中国境内也存在大量的外国人员，而不同的人员所掌握的语言是完全不相同的，而在中国境内，也同样存在多种不同的语言或者方言，因此为了使得用户获得更好的体验，给用户亲切感，就需要确定用户的语种信息，在回复阶段采用相同的语种，而对于语种的分析就决定对后续过程中关键词的获取，因为不同的语种在表达过程中语序是不一样的；以中英文为例进行说明，例如在开车的过程中我们需要尽快赶到北京大学，那么采用中文表达时，我们给出的语音为：是否存在一条不堵车的道路至北京大学？如果有，请规划出；而如果采用英文给出的语音为：Is there a way to Peking University without traffic jam? If yes, plan itout；对于这一整段话车辆在获取的过程中，由于驾驶员的语速或者口音问题，车机在进行识别的过程中可能无法对所有的单词/词语都能有效获取，因此就需要获取整个语句中的关键词，对于中文来说，根据句式的表达前后，关键词为“是否存在”、“不堵车”、“北京大学”，而对于英文来说，关键词为“a way”、“Peking University”、“without traffic jam”；对于车机来说，在进行语音识别的过程中，是根据词语出现的前后顺序来进行检索的，因此中文与英文的检索关键词的输入顺序以及词语是不相同的，那么就可能导致最终的结果存在偏差，为了避免这种情况的出现，就需要事先确保了解语种信息，从而对该语种进行分析，使得关键词的筛选更加准确。
在文本信息补充步骤中，根据多次不同的文本识别结果，分析得到识别文本，识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。在本实施例中，在对待识别语音会进行录制，然后进行不间断分析，从而确保最终得到的信息更加准确，更为具体的是，首先对关键词进行获取，然后进行对语音进行不断识别，第一次对初始文本进行补充，得到第一识别文本，于此同时，继续对原待识别语音进行分析，第二次对初始文本进行补充，并且将第一初始文本与第二初始文本进行比较，若两者差距较小，例如有92%的相同，则表示第一识别文本没有问题，则根据第一文本的信息从问答数据库中选择合适答复信息；若第一初始文本与第二初始文本在进行比较时两者差距较大，仅有50%的相同之处，则继续获取第三初始文本，直到相邻两次文本之间的相同率不低于90%。
在语音回复步骤中，根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。在本实施例中，事先构建问答模型，具体过程如下：
对于每个问题，假设给出了Np个段落。由于并非每段文字都与问题相关，训练一个子网络来选择相关的段落。该子网络基于一个预先训练好的BERT模型，使用BERTTokenizer来标记所有的段落和问题，然后是一个具有sigmoid预测的句子分类层；选择器网络以一个查询Q和一个段落作为输入，输出0到1之间的相关分数。一个段落如果至少含有一个支持问答对的句子，则它的训练标签为1。在推理过程中，选择预测分数大于η（如η=0.1）的段落，并将其串联在一起作为上下文C。正确选择η，以确保选择器对相关段落有很高的召回率。Q和C由上层做进一步的处理。使用Stanford core nlp toolkit从上下文C中识别命名实体。提取的实体的数量记为N。实体图是使用实体作为节点并按以下方式构建的边构造的：如果两个实体出现在同一个句子中，则有边相连（句子级别连接）；中心实体节点和其段落中的实体有边相连（段落级别连接）；如果不同段落的不同的位置出现了相同的实体，则它们有边相连（上下文级别连接）。其中中心实体是从每个段落的标题句中提取出来的。上下文级别链接使得跨多个文档的实体以某种方式进行连接；将问题Q与上下文C连接起来，并将结果序列传给预先训练的BERT模型，以获得问题和上下文的表示：Q=[q1,...,qL]∈RL×d和CT=[c1,...,cM]∈RM×d,其中L,M为查询和上下文的长度，d为BERT隐藏状态的大小，因此d为768。将LSTM和动态图注意的所有隐藏单元的退出率分别设置为0.3和0.5。
对于优化，使用初始学习率为1e−4的Adam Optimizer；从Q0和C0开始，找到下一步支持实体；推理过程用于实现以下目的：通过计算来自上下文的实体嵌入，将信息从上下文传递到实体；在实体图上传播信息；将更新后的实体图信息传递到上下文，由于每个实体是通过NER工具识别的，与实体相关的上下文可以被用来计算实体嵌入。为此，我们构造了一个二元矩阵M，如果上下文中的第i个词在第j个实体的范围内，则Mi,j为1。M用于选择与实体关联的上下文。经过M的选择后，得到输入前的上下文嵌入Ct-1的选定列，将其作均值-最大池化计算中，得到实体嵌入Et-1=[ et-1,1,..., et-1,N]。Et-1的大小为d×N，其中N是实体的数量；
框架有四维输出，包括支持句、答案的起始位置、答案的结束位置和答案类型，使用级联结构来解决输出依赖关系，其中四个同构的子网络逐层堆叠，最后一个推理块的上下文表示被传递给到第一个子网络；每个子网络的损失函数logO∈RM×d，计算这些对数的交叉熵损失；共同优化这四个交叉熵损失，每个损失项均由一个系数加权。
经过上述处理得到问答模型，然后将得到的识别文本作为查询，在问答数据库中得到多个回复，然后将识别文本和多个回复代入到该问答模型内，最终得到正确的答案，然后通过同种语言进行播报，并且执行相应的操作。
本发明还公开了一种车辆语音识别***，包括相互连接获取单元、完善单元和回复单元；获取单元对所述待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；完善单元对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；回复单元从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
还包括有唤醒单元，所述唤醒单元对触发词进行获取，当且仅当出现触发词后才后续各单元才进行工作；获取单元针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。完善单元根据多次不同的文本识别结果，分析得到识别文本，所述识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。回复单元根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。在本实施例中，回复单元和完善单元进行上文所述的各个步骤，在这不再重复赘述。
以上公开的仅为本发明的几个具体实施例，但是本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种车辆语音识别方法，其特征在于，包括以下步骤：
获取待识别语音：对所述待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；
文本信息补充：对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；
语音回复：从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
2.根据权利要求1所述的车辆语音识别方法，其特征在于，在获取待识别语音前，还需要对触发词进行获取，当且仅当出现触发词后才对后续的语音进行获取，进行识别和回复。
3.根据权利要求1所述的车辆语音识别方法，其特征在于，在获取待识别语音步骤中，首先针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。
4.根据权利要求1所述的车辆语音识别方法，其特征在于，在文本信息补充步骤中，根据多次不同的文本识别结果，分析得到识别文本，所述识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。
5.根据权利要求1所述的车辆语音识别方法，其特征在于，在语音回复步骤中，根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。
6.一种车辆语音识别***，其特征在于，包括相互连接获取单元、完善单元和回复单元；
所述获取单元对所述待识别语音进行语种分析，然后进行关键字识别，得到所述待识别语音的初始文本信息；
完善单元对所述初始文本信息进行补充，从语音识别的过程中选择相关信息对关键词进行文本完善，得到完整文本信息；
回复单元从问答数据库中获得完整文本信息的回复信息，并且进行语音转化，采用同语种信息进行播报。
7.根据权利要求6所述的车辆语音识别***，其特征在于，还包括有唤醒单元，所述唤醒单元对触发词进行获取，当且仅当出现触发词后才后续各单元才进行工作。
8.根据权利要求6所述的车辆语音识别***，其特征在于，所述获取单元针对语种进行分析，分析出当前的语种，然后根据语种信息对关键词进行识别，获取整个语音片段中最为关键的信息；同时还对所获取的语音进行录制，经过多次识别分析后得到不同文本识别结果。
9.根据权利要求6所述的车辆语音识别***，其特征在于，所述完善单元根据多次不同的文本识别结果，分析得到识别文本，所述识别文本包括第一识别文本、第二识别文本、第三识别文本和第N识别文本，将第一识别文本与关键词进行识别，判断两者的匹配阈值，若匹配阈值低于设定值，则采用第二识别文本进行二次适配，若第二识别文本的的匹配阈值高于设定值，则采用第二识别文本作为准确文本进行后续步骤，同时不再进行后续识别分析。
10.根据权利要求6所述的车辆语音识别***，其特征在于，所述回复单元根据所获得识别文本，从问答数据库中选择回复信息，并且根据在先的语种信息进行相应的语种转化，然后进行播报。
CN202311457267.9A 2023-11-03 2023-11-03 车辆语音识别方法及*** Pending CN117496978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311457267.9A CN117496978A (zh) 2023-11-03 2023-11-03 车辆语音识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311457267.9A CN117496978A (zh) 2023-11-03 2023-11-03 车辆语音识别方法及***

Publications (1)

Publication Number Publication Date
CN117496978A true CN117496978A (zh) 2024-02-02

Family

ID=89684203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311457267.9A Pending CN117496978A (zh) 2023-11-03 2023-11-03 车辆语音识别方法及***

Country Status (1)

Country Link
CN (1) CN117496978A (zh)

Similar Documents

Publication Publication Date Title
CN110196901B (zh) 对话***的构建方法、装置、计算机设备和存储介质
CN110795543B (zh) 基于深度学习的非结构化数据抽取方法、装置及存储介质
CN109344237B (zh) 一种用于人机交互的信息处理的方法及装置
WO2021073298A1 (zh) 一种语音信息的处理方法、装置、智能终端以及存储介质
CN111933127B (zh) 一种具备自学习能力的意图识别方法及意图识别***
CN111897941A (zh) 对话生成方法、网络训练方法、装置、存储介质及设备
CN111191450B (zh) 语料清洗方法、语料录入设备及计算机可读存储介质
US11720759B2 (en) Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium
WO2021147041A1 (zh) 语义分析方法、装置、设备及存储介质
CN110415679A (zh) 语音纠错方法、装置、设备和存储介质
CN113326702B (zh) 语义识别方法、装置、电子设备及存储介质
CN113239178A (zh) 意图生成方法、服务器、语音控制***和可读存储介质
CN113672708A (zh) 语言模型训练方法、问答对生成方法、装置及设备
CN117271753B (zh) 智慧物业问答方法及相关产品
CN108763355B (zh) 一种基于用户的智能机器人交互数据处理***及方法
CN116610815A (zh) 一种知识图谱的关系预测方法、装置、设备及存储介质
CN110263345B (zh) 关键词提取方法、装置及存储介质
CN116450799B (zh) 一种应用于交通管理服务的智能对话方法及设备
CN113157887A (zh) 知识问答意图识别方法、装置、及计算机设备
CN117496978A (zh) 车辆语音识别方法及***
CN115689603A (zh) 用户反馈信息收集方法、装置及用户反馈***
CN111753071B (zh) 基于人工智能的法律咨询交互方法及装置
CN114036268A (zh) 基于意图门的任务型多轮对话方法及***
CN114239565A (zh) 一种基于深度学习的情绪原因识别方法及***
CN113688333B (zh) 导航信息生成方法、装置、电子设备以及存储介质

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