-
公开(公告)号：CN111177359A
公开(公告)日：2020-05-19
申请号：CN202010276697.0
申请日：2020-04-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/335 , G06F16/35
Abstract: 本说明书实施例提供一种多轮对话方法和装置，方法包括：在机器和用户的多轮对话过程中，获取用户当前输入的当前用户文本和对话前文；至少把当前用户文本输入检索模型，通过检索模型输出M条候选回复；检索模型从历史人工问答记录中，检索并输出与当前用户文本匹配的M条人工答复作为M条候选回复；把当前用户文本和对话前文输入预先训练的生成模型，通过生成模型生成N条候选回复；将M和N条候选回复分别输入预先训练的分类打分模型，通过分类打分模型分别输出各条候选回复对应的与当前用户文本的匹配得分；选择最高匹配得分对应的候选回复输出给用户，以作为当前用户文本的实际回复。能够实现机器与人进行多轮对话，并准确地解答用户问题。
-
公开(公告)号：CN110990547A
公开(公告)日：2020-04-10
申请号：CN201911204119.X
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33
Abstract: 本说明书实施例公开了话术生成方法。所述方法可以包括：获取对话上文，以及与所述对话上文相关的至少一个意图；分别获取与每一个意图相关的历史话术；基于话术生成模型，确定所述历史话术与所述对话上文的关联编码表示，所述话术生成模型为编码解码模型；基于所述话术生成模型，基于所述关联编码表示进行解码，生成目标话术。本说明书所披露的话术生成方法中采用了具有明确意图的历史话术，使得生成的话术具备多样性及针对性。
-
公开(公告)号：CN110955755A
公开(公告)日：2020-04-03
申请号：CN201911210000.3
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F16/332 , G06N3/04 , G06N20/00
Abstract: 本说明书一个或多个实施例涉及一种确定目标标准信息的方法及系统。所述确定目标标准信息的方法包括：获取用户问题及其对应的一个或多个候选标准信息；基于所述用户问题和所述一个或多个候选标准信息确定候选文本信息；至少基于机器学习模型和所述候选文本信息，从所述一个或多个候选标准信息中确定目标标准信息。
-
公开(公告)号：CN110909885A
公开(公告)日：2020-03-24
申请号：CN201911139061.5
申请日：2019-11-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例公开了一种平衡多个任务的方法。所述方法包括：获取第一任务的第一损失函数和至少一个第二任务的第二损失函数，所述第一损失函数对应主任务，所述至少一个第二损失函数对应至少一个辅任务；根据所述第一损失函数得到第一损失函数对应的第一损失函数值；根据所述第二损失函数得到第二损失函数对应的第二损失函数值；根据所述第一损失函数值和所述至少一个第二损失函数值之间的大小关系，确定至少一个平衡参数；所述至少一个平衡参数用于将所述至少一个第二损失函数和所述第一损失函数调整至同一量级；使用所述至少一个平衡参数，确定第一损失函数和至少一个第二损失函数对应的联合损失函数。
-
公开(公告)号：CN110750977A
公开(公告)日：2020-02-04
申请号：CN201911009970.7
申请日：2019-10-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/205 , G06F16/33 , G06K9/62 , G06N3/04
Abstract: 本说明书实施例公开了一种文本相似度计算方法及系统。所述方法包括：获取第一文本和第二文本；所述第一文本和所述第二文本存在第一编辑距离，所述第一编辑距离小于预设第一编辑距离阈值；根据所述第一文本和所述第二文本之间的差异，提取第一差异文本和第二差异文本；至少根据所述第一文本和所述第二文本提取对应的第一特征向量；至少根据所述第一差异文本和所述第二差异文本提取对应的第二特征向量；基于所述第一特征向量和所述第二特征向量，获得第三特征向量；并基于所述第三特征向量，确定所述第一文本和所述第二文本之间的相似度。
-
Patent Agency Ranking
公开(公告)号：CN110647621A
公开(公告)日：2020-01-03
申请号：CN201910922999.8
申请日：2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332
Abstract: 本说明书实施例提供一种机器人客服引导对话中选择话术的方法和装置，方法包括：获取机器人客服与目标用户之间的已进行对话的第一对话文本；将所述第一对话文本作为对话上文，以及将第一候选话术集合中的各话术分别作为所述对话上文的对话下文，依次输入基于用户和人工客服的历史对话预先训练的策略模型，通过所述策略模型输出所述第一候选话术集合中的各话术与所述第一对话文本的各匹配得分；从所述第一候选话术集合中选择所述各匹配得分中的最大匹配得分对应的话术，将该话术作为机器人客服下一步输出的话术。能够避免对话流程的梳理、配置和维护。
-
公开(公告)号：CN112052323B
公开(公告)日：2024-07-16
申请号：CN202010952296.2
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F16/335 , H04L51/02 , H04L51/046
Abstract: 本说明书提供的群聊机器人自主应答的方法和系统，在接收到所述目标通讯群中的目标用户发送的输入语句后，基于输入语句和预设的知识库生成一个与输入语句匹配的目标，并将所述目标答案发送给目标客户端或包括目标客户端在内的第二组客户端，以降低对其他用户的影响。所述方法不仅可以主动对用户提出的问题进行回答，同时又不会对群聊中的其他用户造成干扰，在提升工作效率的同时，又可以提升用户体验。
-
公开(公告)号：CN111522937B
公开(公告)日：2023-04-28
申请号：CN202010409704.X
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F40/284 , G06F40/126 , G06F40/30 , G06F40/205 , G06Q30/01
Abstract: 本说明书实施例提出了一种话术推荐方法、装置和电子设备，其中，上述话术推荐方法中，获取当前对话中用户输入的对话上文之后，可以对上述对话上文进行词编码，获得上述对话上文对应的词向量；然后通过神经网络对上述词向量进行特征表示，获得上述词向量对应的特征向量，通过预先训练的话术推荐模型对上述特征向量进行分类，获得上述特征向量分类到每个种子话术的置信度；最后，根据上述置信度选择种子话术，并在当前对话中推荐所选择的种子话术。
-
公开(公告)号：CN111309887B
公开(公告)日：2023-04-14
申请号：CN202010114332.8
申请日：2020-02-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06Q30/015
Abstract: 本说明书实施例公开了一种训练文本关键内容提取模型的方法及系统，所述方法包括：获取多个问题答案对，所述问题答案对包括问题和所述问题对应的答案；从所述多个问题答案对中选取目标问题答案对，并选取其他与所述目标问题答案对不同的问题答案对中的答案作为干扰答案；拼接所述目标问题答案对中的目标答案与所述干扰答案得到拼接答案，将所述拼接答案与所述目标问题答案对中的目标问题作为一组训练样本；所述目标答案为与所述目标问题对应的文本关键内容；所述训练样本的标识为所述目标答案在所述拼接答案中的起点和终点位置；基于多组所述训练样本训练得到文本关键内容提取模型。
-
公开(公告)号：CN111353033B
公开(公告)日：2023-04-07
申请号：CN202010126357.X
申请日：2020-02-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本说明书实施例公开了一种训练文本相似度模型的方法及系统，该方法包括：获取多组训练数据，多组训练数据中的一组包括：第一文本、第二文本和第三文本，第二文本和第三文本为用户输入的询问内容，第一文本为知识库中对应于第二文本和第三文本的问题；其中，第二文本为与第一文本匹配的用户反馈好评的文本，第三文本为与第一文本不匹配的用户反馈差评的文本；基于多组训练数据调整文本相似度模型的参数进而优化损失函数，得到训练后的文本相似度模型；其中，损失函数基于第一相似度和第二相似度的相对关系确定；第一相似度为文本相似度模型基于第一文本和第二文本计算的相似度，第二相似度为文本相似度模型基于第一文本与第三文本计算的相似度。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.056 seconds)
