-
公开(公告)号:CN109313666B
公开(公告)日:2022-12-09
申请号:CN201780037452.9
申请日:2017-06-08
Applicant: 微软技术许可有限责任公司
Abstract: 计算机系统可以利用计算机代理消息机器人来与多个计算机可读的简档进行对应的自然语言对话。例如,可以经由计算机消息代理机器人从计算机可读的第一简档接收第一组自然语言指令。可以经由代理机器人分析第一组自然语言指令。此外,可以经由代理机器人,使用第一组自然语言指令的分析的结果,来生成第一自然语言对话脚本和第二自然语言对话脚本,其中第二自然语言对话脚本包括从第一组自然语言指令导出的自然语言数据。第一自然语言对话脚本可以经由代理机器人被发送到第一简档,并且第二自然语言对话脚本可以经由代理机器人被发送到计算机可读的第二简档,这两个动作均响应于第一组指令。
-
公开(公告)号:CN109313666A
公开(公告)日:2019-02-05
申请号:CN201780037452.9
申请日:2017-06-08
Applicant: 微软技术许可有限责任公司
Abstract: 计算机系统可以利用计算机代理消息机器人来与多个计算机可读的简档进行对应的自然语言对话。例如,可以经由计算机消息代理机器人从计算机可读的第一简档接收第一组自然语言指令。可以经由代理机器人分析第一组自然语言指令。此外,可以经由代理机器人,使用第一组自然语言指令的分析的结果,来生成第一自然语言对话脚本和第二自然语言对话脚本,其中第二自然语言对话脚本包括从第一组自然语言指令导出的自然语言数据。第一自然语言对话脚本可以经由代理机器人被发送到第一简档,并且第二自然语言对话脚本可以经由代理机器人被发送到计算机可读的第二简档,这两个动作均响应于第一组指令。
-
公开(公告)号:CN109313665A
公开(公告)日:2019-02-05
申请号:CN201780036853.2
申请日:2017-06-08
Applicant: 微软技术许可有限责任公司
Abstract: 可以从计算机可读开发者简档接收创建数据,其中创建数据包括用于创建消息机器人的指令。可以使用该指令生成消息机器人定义,并且可以使用该定义来执行消息机器人。指令可以包括定义一个或多个消息机器人特征的自然语言指令。自然语言指令可以与一个或多个命令匹配以在消息机器人中包括一个或多个特征,并且这些特征的指令可以被包括在消息机器人定义中。指令可以是非计算机编程语言的指令,并且它们可以是用于创建一个或多个通用的消息机器人特征的指令,一个或多个通用的消息机器人特征被配置成利用定义一个或多个特定自然语言对话脚本的特定对话结构来实施。
-
公开(公告)号:CN118511166A
公开(公告)日:2024-08-16
申请号:CN202280087757.1
申请日:2022-10-31
Applicant: 微软技术许可有限责任公司
IPC: G06F13/42
Abstract: 公开了涉及处置连接硬件设备的互连上的噪声干扰的示例。一种示例提供了一种计算系统,包括:第一硬件设备、第二硬件设备、连接该第一硬件设备和该第二硬件设备的互连、逻辑系统、以及存储系统。该存储系统包括能由该逻辑系统执行以进行以下操作的指令:以间歇活跃模式操作该互连,检测该互连上的噪声干扰场景,以及作为响应,为该互连设置持久活跃模式。
-
公开(公告)号:CN109313665B
公开(公告)日:2023-06-16
申请号:CN201780036853.2
申请日:2017-06-08
Applicant: 微软技术许可有限责任公司
Abstract: 可以从计算机可读开发者简档接收创建数据,其中创建数据包括用于创建消息机器人的指令。可以使用该指令生成消息机器人定义,并且可以使用该定义来执行消息机器人。指令可以包括定义一个或多个消息机器人特征的自然语言指令。自然语言指令可以与一个或多个命令匹配以在消息机器人中包括一个或多个特征,并且这些特征的指令可以被包括在消息机器人定义中。指令可以是非计算机编程语言的指令,并且它们可以是用于创建一个或多个通用的消息机器人特征的指令,一个或多个通用的消息机器人特征被配置成利用定义一个或多个特定自然语言对话脚本的特定对话结构来实施。
-
公开(公告)号:CN109154509A
公开(公告)日:2019-01-04
申请号:CN201780029034.5
申请日:2017-05-04
Applicant: 微软技术许可有限责任公司
IPC: G01C21/34
CPC classification number: G01C21/3484 , G01C21/3438 , G01C21/3461 , G01C21/3492
Abstract: 在各种实现中,基于与用户相关联的路线制订请求来标识路线制订因子,其中路线制订因子包括用户的路线偏好。基于路线制订请求生成路线。为路线偏好确定偏好权重,其中偏好权重对应于机器学习模型,机器学习模型基于由一个或多个传感器与用户相关联地提供的传感器数据。基于偏好权重为路线确定路线得分。向与用户相关联的用户设备提供建议路线,其中建议路线对应于路线中的所选择的路线,并且基于所选择的路线的路线得分而被提供。
-
-
-
-
-