-
公开(公告)号：CN111400479B
公开(公告)日：2023-05-23
申请号：CN202010288411.0
申请日：2020-04-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06N3/04 , G06N3/092
Abstract: 本说明书实施例提供一种针对多轮对话的问题识别方法和装置，方法基于预先建立的知识图谱进行问题识别，知识图谱包括多个类型的节点，节点之间通过对应类型的连接边进行连接，方法包括：获取当前多轮对话的当前用户文本；通过要素预测模型输出当前用户文本中包括的第一业务要素和/或第一诉求要素；确定知识图谱中对应于当前用户文本的第一文本节点，对应于第一业务要素的第一业务节点和/或对应于第一诉求要素的第一诉求节点；在知识图谱中，以第一文本节点作为初始的当前节点，搜索下一跳节点，直到搜索到标准问句节点，返回对应的标准问句，作为当前用户文本的问题识别结果。能够使得针对多轮对话的问题识别结果具有可解释性。
-
公开(公告)号：CN111680148A
公开(公告)日：2020-09-18
申请号：CN202010819216.6
申请日：2020-08-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F40/279 , G06F40/216 , G06Q30/00 , G06N20/00
Abstract: 本说明书实施例提供一种针对用户问句进行智能应答的方法和装置，方法包括：获取当前多轮对话中的用户问句；将所述用户问句输入预先训练的模糊分类模型，通过所述模糊分类模型输出目标类别；所述目标类别选自第一类别和第二类别，所述第一类别表明所述用户问句描述清晰，所述第二类别表明所述用户问句描述模糊；当所述目标类别为所述第一类别时，识别所述用户问句对应的第一标准问句，并根据所述第一标准问句确定针对所述用户问句的第一应答语句；当所述目标类别为所述第二类别时，识别所述用户问句包含的第一要素，并根据所述第一要素确定针对所述用户问句的第二应答语句。在针对用户问句进行智能应答时，能够灵活应对，提升用户体验。
-
公开(公告)号：CN111369080B
公开(公告)日：2020-08-28
申请号：CN202010461703.X
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种智能客服解决率预测方法，该方法包括：获取请求平台内某业务领域客服的请求者的身份标识；基于所述请求者的身份标识提取与所述请求者相关的业务因子、共性因子以及行为序列；基于多业务预测模型处理所述业务因子、共性因子以及行为序列得到与所述请求者在所述某业务领域对应的智能客服解决概率。
-
公开(公告)号：CN111369080A
公开(公告)日：2020-07-03
申请号：CN202010461703.X
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种智能客服解决率预测方法，该方法包括：获取请求平台内某业务领域客服的请求者的身份标识；基于所述请求者的身份标识提取与所述请求者相关的业务因子、共性因子以及行为序列；基于多业务预测模型处理所述业务因子、共性因子以及行为序列得到与所述请求者在所述某业务领域对应的智能客服解决概率。
-
公开(公告)号：CN111310847B
公开(公告)日：2023-06-23
申请号：CN202010130636.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例提供一种训练要素分类模型的方法和装置，要素分类模型用于针对句子进行要素识别，方法包括：将第一句子输入待训练的要素分类模型，通过所述要素分类模型输出第一要素；将所述第一要素输入待训练的标问生成模型，通过所述标问生成模型输出第二句子；其中，所述要素分类模型和所述标问生成模型互为对偶模型；以所述第一句子和所述第二句子之间的差异最小化为目标，基于对偶学习的方式训练所述要素分类模型和所述标问生成模型。能够在标注数据量不足的情况下训练要素分类模型，并提高要素识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111309914B
公开(公告)日：2023-05-09
申请号：CN202010138218.9
申请日：2020-03-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F16/332 , G06F40/279
Abstract: 本说明书实施例提供一种基于多个模型结果对多轮对话的分类方法和装置，方法包括：针对目标用户与机器人客服的多轮对话，提取各单轮用户文本；将各单轮用户文本和对应的第一组预测结果输入第一融合模型，得到多轮对话对应的第一融合结果，第一组预测结果通过若干分类模型和若干匹配模型得到，第一组预测结果和第一融合结果属于第一候选标签集合；获取对第二组预测结果进行融合处理得到的第二融合结果，第二组预测结果通过若干匹配模型得到；第二组预测结果和第二融合结果属于第二候选标签集合；根据第一融合结果和第二融合结果，综合确定多轮对话对应的目标分类。能够保证基于多个模型结果对多轮对话的分类效果。
-
公开(公告)号：CN111738781A
公开(公告)日：2020-10-02
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N-1个时间段对应的N-1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N-1个状态向量以及N-1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN110969208A
公开(公告)日：2020-04-07
申请号：CN201911203422.8
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 王雅芳
IPC: G06K9/62
Abstract: 本说明书实施例提供一种多个模型结果的融合方法和装置。方法包括：获取各个分类模型分别输出的针对第一候选标签集合的第一输出结果；获取各个匹配模型分别输出的针对第二候选标签集合的第二输出结果；其中，第一子集是第二候选标签集合与第一候选标签集合的交集；针对第一候选标签集合，对各第一输出结果和各第二输出结果进行初步融合；针对第二候选标签集合，对各第二输出结果进行初步融合；对两种初步融合的结果进行综合融合，得到所述第二候选标签集合中的各分类标签分别对应的各综合融合分数。在标签不一致的情况下，实现对分类模型和匹配模型的结果进行融合。
-
公开(公告)号：CN111738781B
公开(公告)日：2021-01-05
申请号：CN202010762405.4
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例中提供了一种深度学习模型及其预测流量数据的方法。该深度学习模型可以包括输入层、编码器、解码器和预测层。可通过输入层获取按照时间顺序排列的N个时间段对应的N个原始特征集，前N‑1个时间段对应的N‑1个流量数据；单个原始特征集中包括影响流量数据的M项属性特征。接着通过包含编码注意力层和递归编码层的编码器，在编码器的输入阶段增加注意力机制，自适应的修正N个原始特征集以得到N个修正特征集，并对N个修正特征集进行递归处理以得到N个状态向量。接着由解码器对前N‑1个状态向量以及N‑1个流量数据进行递归处理，得到目标解码向量。最后通过预测层处理目标解码向量以及第N个状态向量，获得第N个时间段对应的流量数据。
-
公开(公告)号：CN111400480A
公开(公告)日：2020-07-10
申请号：CN202010316438.6
申请日：2020-04-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供一种针对多轮对话的用户意图识别方法和装置，基于预先建立的知识图谱进行用户意图识别，该知识图谱将各知识点要素与各标准问句关联起来，方法包括：获取当前多轮对话的至少一轮的用户文本；对至少一轮的用户文本进行编码，得到上下文嵌入向量；在知识图谱中，根据上下文嵌入向量，从根节点开始迭代搜索下一跳节点；在预定次数的迭代之后，选取目标节点；确定所述目标节点对应的要素或标准问句为用户意图识别结果。能够保证稳定的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.032 seconds)
