CN101356525A - 自适应语义推理引擎 - Google Patents
自适应语义推理引擎 Download PDFInfo
- Publication number
- CN101356525A CN101356525A CNA2006800448134A CN200680044813A CN101356525A CN 101356525 A CN101356525 A CN 101356525A CN A2006800448134 A CNA2006800448134 A CN A2006800448134A CN 200680044813 A CN200680044813 A CN 200680044813A CN 101356525 A CN101356525 A CN 101356525A
- Authority
- CN
- China
- Prior art keywords
- task
- action
- groove
- user
- inference engine
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
Abstract
所提供的是接收自然语言查询的自适应语义推理引擎,该查询可包含一个或多个上下文。该查询可被分解成句元或句元集。可对该句元或句元集执行任务搜索以对特定查询和/或上下文进行分类并检索一个或多个任务。该句元或句元集可被映射到槽以检索一个或多个任务结果。可确定槽填充优度,这可包括对每一任务搜索结果评分和/或以与检索任务的次序不同的次序对结果排序。句元或句元集、检索的任务、槽填充优度、自然语言查询、上下文、搜索结果得分和/或结果排序可被反馈给推理引擎以供进一步的处理和/或机器学习。
Description
背景
人类语言是丰富且复杂的,并且包括数以百计的具有复杂语法和上下文含义的词汇表。相同的问题、想法、意义等可以用多种方式来表达。由此,对人类语言的机器解释是极其复杂的任务,并且通常,所产生的结果或动作不能准确地映射或对应于用户意图。
机器或软件应用程序或语言一般需要输入遵循一特定格式或规则的数据。期望与机器交互的人通常由于这些严格规则以及对这些规则的不熟悉或缺乏了解而感到沮丧或无法有效地通信。向用户提供在不需要学习机器专用语言或语法的情况下与自动化系统有效地通信的能力能提高系统可用性。然而,当自动化系统和机器无法正确地解释用户输入,从而可能产生非预期的结果、不合需要的结果和/或完全不产生结果时,用户可能迅速变得感到沮丧。
自然语言输入对于各种各样的应用程序可能是有用的,这包括实际上人类与其交互的每一软件应用程序。通常,在自然语言处理期间,自然语言输入被分隔成句元(token),并被映射到由软件应用程序提供的一个或多个动作。每一软件应用程序可具有本质上受某种程度的限制的一组独特的动作。结果,对软件开发者而言,起草解释自然语言输入并将该输入映射到对每一应用程序适当的动作的代码是耗时且重复性的。
因此,为克服上述缺陷,需要一种能容易地用于允许用户和机器系统之间的自然交互的自适应共享基础结构。还需要产生准确的意向-动作映射的交互式技术。另外,需要一种基于一个或多个用户输入、动作和/或状态来学习和/或自适应的自然语言接口。
概述
以下提出了一个或多个实施例的简化概述以便提供这些实施例的某些方面的基本理解。本概述并不是一个或多个实施例的广泛综述,且并不旨在确定各实施例的关键或重要要素,也不旨在勾画这些实施例的范围。其唯一的目的是以简化的形式提出所描述的实施例的某些概念,作为在以后提出的更详细描述的序言。
根据一个或多个实施例及其相应的公开内容,结合一自适应语义推理引擎描述了各方面。所公开的是一种用于在许多层次上利用反馈来产生更准确的意向-动作映射的技术。该自适应语义推理引擎可以是一目标平台的子组件,并且可提供用于试图结合自然用户界面和理解的现有的和新的应用程序的可扩展自适应数据驱动框架。
根据某些实施例的是一种支持可用于构造准确且自适应的引擎的反馈友好技术的组合的体系结构。这些技术可包括统计学习模型(例如,用于语义槽填充的隐马尔可夫模型(HMM)、用于信息检索(IR)的单纯贝叶斯模型、用于排名和/或查询以及上下文-资产映射的最大熵最小发散(MEMD))。可利用传统的IR技术来构造准确且自适应的推理引擎。
某些实施例采用了允许槽(slot)匹配和填充的排名算法。这些算法还可用自适应的方式来组合特征评分组件。还可支持排名和分量化(componentized)槽填充体系结构和技术实验。作为替换或除此之外,可提供集成并支持分布式断字、分层命名实体识别器以及任务框架的体系结构来允许将用户意向和反馈映射到动作。某些实施例可采用反馈和训练流程体系结构来支持训练可使用推理引擎将意向映射到动作的各种组件和/或模型。
为实现上述和相关目的,一个或多个实施例包括以下完整描述并在权利要求书中特别指出的特征。以下描述和附图详细阐明了一个或多个实施例的某些说明性方面。然而,这些方面仅指示了可采用各实施例的原理的各种方式中的几种,并且所描述的实施例旨在包括所有这些方面及其等效方面。当结合附图考虑时,其它优点和新颖特征将从以下详细描述中变得显而易见。
附图简述
图1示出了用于将用户意向映射到动作的自动化系统。
图2示出了用于将输入映射到推荐的或自动实现的动作的自动化系统。
图3示出了用于基于自然语言询问或请求来确定动作的系统。
图4示出了被配置成通过反馈机制来请求或接收信息的系统。
图5示出了所公开的实施例所利用的反馈技术的流程图。
图6示出了可用于所公开的实施例的搜索任务用户交互模型和反馈。
图7示出了采用便于自动化一个或多个根据此处所公开的实施例的特征的人工智能(AI)的系统。
图8示出了用于确定从自然语言请求中推断的动作的方法。
图9示出了用于将自然语言句元分配给任务槽以便执行所需动作的方法。
图10示出了用于接收自然语言动作请求并确定适当的动作以及执行或推荐该动作的方法。
图11示出了可用于执行所公开的实施例的计算机的框图。
图12示出了可用于执行所公开的实施例的示例性计算环境的示意性框图。
详细描述
现在参考附图来描述各实施例,在全部附图中,相同的标号表示相同或相应的要素。在以下描述中,出于解释的目的,阐明了众多具体细节以便于提供对一个或多个方面的全面理解。然而,很明显,各实施例可在没有这些具体细节的情况下实施。在其它情况下,以框图形式示出了公知的结构和设备,以便于描述这些实施例。
如本申请中所使用的,术语“组件”、“模块”、“系统”等指的是计算机相关的实体,无论其是硬件、硬件和软件的组合、软件还是执行中的软件。例如,组件可以是,但不限于,运行在处理器上的进程、处理器、对象、可执行码、执行的线程、程序和/或计算机。作为说明,运行在服务器上的应用程序和服务器都可以是组件。一个或多个组件可驻留在进程和/或执行的线程中,并且组件可位于一个计算机上和/或分布在两个或多个计算机之间。
此处使用的词语“示例性”意味着用作示例、实例或说明。此处被描述为“示例性”的任何方面或设计不一定要被解释为相对于其它方面或设计是优选或有利的。
如此处所使用的,术语“推断”或“推论”一般指从一组通过事件和/或数据捕捉的观察中推出或推断系统、环境和/或用户的状态的过程。例如,推断可用于标识特定的上下文或动作,或可生成状态的概率分布。推断可以是概率性的-即,基于数据和事件的考虑计算感兴趣的状态的概率分布。推断也可以指用于从一组事件和/或数据组成更高级事件的技术。这类推断导致从一组观察的事件和/或储存的事件数据构造新的事件或动作,无论事件是否在相邻的时间上相关,也无论事件是来自一个还是若干个事件和数据源。
此外,一个或多个实施例可使用标准编程和/或工程技术而被实现为方法、装置或制品,这些技术产生控制计算机实现所公开的实施例的软件、固件、硬件或其任何组合。如此处所使用的术语“制品”(或称为“计算机程序产品”)旨在包含可从任何计算机可读设备、载波或介质访问的计算机程序。例如,计算机可读介质可包括但不限于,磁存储设备(例如,硬盘、软盘、磁带……)、光盘(例如,紧致盘(CD)、数字多功能盘(DVD)……)、智能卡、以及闪存设备(例如,卡、棒)。另外,应当理解,载波可用于承载诸如在发送和接收电子邮件或访问诸如因特网或局域网(LAN)等网络时使用的那些计算机可读电子数据。当然,本领域的技术人员将认识到,可对此配置作出许多修改而不背离所公开的实施例的范围或精神。
最初参考图1,所示是用于将用户意向映射到动作的自动化系统100。系统100包括从用户和/或实体(例如,因特网、另一系统、计算机……)接收输入的接口组件102、将输入映射到动作的自适应推理引擎104。推理引擎104可包括支持对该推理引擎用于将用户意向映射到所执行的动作的各种组件/模块的训练的反馈和训练流程和体系结构。系统100还包括将动作传送到用户和/或实体(称为“用户”)的输出组件106。可以理解,此处所公开的系统可包括另外的组件,和/或可以不包括所讨论和示出的全部组件。另外,也可使用所公开的方法的组合。
输入组件102被配置成接收或接受多种形式的用户输入(例如,语句、查询、上下文……),诸如键入、书写、选择、说话或其它交互式技术。用户交互涉及理解用户意向然后采取适当的动作。输入组件102可提供各种类型的用户界面。图形用户界面(GUI)允许用户通过直接操纵图形对象来表达其意向。语音用户界面(VUI)允许用户通过直接操纵语音动作来表达其意向。GUI和VUI是用于以最有助于用户映射、操纵、交互和实现其意向的形式来构造和呈现“应用程序语义空间”的技术。
例如,可呈现向用户提供对查询、语句、请求等进行加载、导入、输入等的区域或装置的GUI,并且该GUI可包括呈现这些查询等的结果的区域。这些区域可包括由对话框、静态控件、下拉菜单、列表框、弹出菜单、以及编辑控件、组合框、单选按钮、复选框、按钮和图形框组成的已知的文本和/或图形区域。另外,可提供包括用于导航的垂直和/或水平滚动条的便于呈现结果或动作的工具,并且可采用确定一区域是否可被查看的工具栏按钮。用户可以通过向编辑控件输入查询或信息来与接口组件102交互。
用户也可例如通过诸如鼠标、滚球、键区、键盘、笔和/或语音激活等各种设备与接口组件102交互来选择和提供信息。通常,诸如按钮或键盘上的回车键等机制可随后用于输入信息以便启动搜索。然而,可以理解,各实施例不限于此。例如,仅突出显示一复选框可启动信息传送。在另一示例中,可采用命令行界面。例如,命令行界面可通过提供文本消息来提示(例如,通过显示器上的文本消息和/或音频音调)用户输入信息。用户然后可提供合适的信息,诸如对应于界面提示中所提供的选项或对提示中所提出的问题的答复的字母数字输入。可以理解,该命令行界面可以结合GUI和/或应用程序接口(API)一起使用。另外,该命令行界面可结合具有有限图形支持和/或低带宽通信信道的硬件(例如,视频卡)和/或显示器(例如,黑白以及EGA)来使用。
系统100可受这样的原理的指导:识别用户意向是一个自适应模式识别问题,其中要识别的模式是域实体和任务,因为表示最终应指向在应用程序中要完成的事情。系统100还可以受这样的原理的指导:高级模式识别应用程序很少以单步完成,而是以涉及多个处理阶段的方式来完成。
推理引擎104被配置成接收输入,并利用多种类型和来源的信息来实现推理、呈现和/或动作。推理引擎104可采用包括信息检索(IR)、槽填充和学习(关于资产和槽等级的反馈)或其组合在内的各种技术来将用户意向映射到动作。推理引擎104提供了易于使用且允许用户与机器(例如,计算机、计算设备、电子设备等)之间的自然交互的自适应共享基础结构。例如,用户可向接口组件102输入意向、查询、语句等,诸如“我想要找到从波士顿到西雅图的航班。”推理引擎104将该语句映射到某一动作(例如,任务集),结果是“出发地是波士顿”以及“到达地是西雅图”。由此,系统100允许通过推理从自然语言查询到基础语义表示的转换,并且可通过输出组件106智能地呈现结果或采取动作。
此外,借助于利用通过测量和/或学习技术的反馈,推理引擎104被配置成自适应的。例如,参考以上示例,另一用户可通过输入“我想要去往波士顿的航班”来发起相同的查询,而再一用户可输入“我想要朝向波士顿的航班。”系统100可接受这些输入中的每一个,并获知不同的用户如何用短语来表达相同的意向或期望动作。推理引擎104可将该反馈应用于各种统计模型。
图2示出了用于将输入映射到推荐的或自动实现的动作的自动化系统200。系统200包括用户用于输入或请求意向或期望动作的输入组件202、将该意向映射到期望动作的推理引擎204、以及执行该动作或显示该动作和/或该动作的结果的输出组件206。
推理引擎204可被配置成分析输入、搜索并确定适当的任务映射、以及对映射结果排序。为执行这些动作,推理引擎204可包括词汇处理器组件208、任务搜索组件210、槽填充器组件212、以及排序器组件214,或与这些组件接口。
词汇处理器组件208可被配置成通过接口组件202接收可以是自然语言格式的用户输入(例如,语句、查询、请求等),并将该输入分解或划分成句元或句元集。句元是一字符串。除此之外或作为替代,用户输入可包括上下文。上下文可以是最近的用户动作(例如,点击项目、在某处插入输入……)、用户计算机上活动的软件应用程序(例如,打开了表格、运行了某些应用程序……)或指示用户的状态的其它信息的表示。描述应用程序状态或用户执行了什么动作的任何内容都可以是上下文。例如,对于一给定输入,用户可能趋向于点击某一文档,并且该输入中包括的词语可以随着时间改变,取决于用户点击或选择了什么。该用户上下文信息可以被连续或周期性地反馈给推理引擎204。
为了将输入划分成句元或句元集,词汇处理组件208可取语句“I want tofind a flight from Boston to Seattle(我希望找到从波士顿到西雅图的航班)”,并将该语句划分成句元,其中每一句元表示一个单词(例如,“I”、“want”、“to”、“find”……)或短语(“I want to find”、“a flight”……)。词汇处理器组件208可被配置成识别关键单词、术语、短语等,这可被称为命名实体识别。词汇处理可以通过利用断字和/或命名实体识别体系结构来实现。例如,词汇处理器组件208可被配置成根据查询输入以及要执行的特定映射来识别城市名称、州、日期、时间或其它词语。系统200也可利用其它技术。例如,系统200可集成并支持分布式断字技术、分层命名实体识别器技术、和/或映射用户意向、执行动作和/或提供反馈的任务框架技术。
任务搜索组件210可被配置成利用句元和/或上下文来找到或返回最佳任务或文档,并且确定要利用的适当数据库。存在可被任务搜索组件210检索的众多任务,并且这些任务应被编辑或缩减为可管理数量的任务。为执行其各种功能,任务搜索组件210可采用各种技术,包括查询分类、信息检索、和/或上下文分类器来找出并确定哪一个是最佳数据库。例如,这可通过在给定一查询和一组上下文时检索前N个资产来实现,其中N是大于或等于0的整数。一个示例是通过创建可包括内容、图片或其它信息的表来检索多个结果,诸如:
结果#1:创建表
结果#2:创建内容表
结果#3:创建图片表……
一旦选择了一个或多个数据库,槽填充器组件或引擎212可填充与该数据库相关联的槽。槽提供了关于如何进行任务或其它动作的信息,并且是用于可从自然语言输入中检索的各段数据和/或信息的保持器。槽填充器组件212可填入用于潜在任务的参数。槽填充可利用多种算法方法和/或技术在结构化资产上执行。可利用统一排序来组合资产检索和槽填充。
例如,航线保留系统可包括“预订航班(Book Flight)”任务,该任务包括用于到达城市、出发城市、到达日期/时间、出发日期/时间、乘客数等的槽。要插入到每一槽中的信息可从自然语言输入(例如,“I want a flight from NewYork to San Diego with 2 passengers leaving on February 5,2006,and returning onFebruary 21,2006(我想要从纽约到圣地亚哥的、2006年2月5日出发、2006年2月21日返回的航班,有两个乘客”))中检索。在另一示例中,文字处理应用程序可包括“创建表(Create Table)”任务,该任务具有用于行数、列数、线样式等的槽。槽可接收来自自然语言输入(例如,“Insert a 4 by 7 tablewith dashed lines(插入4乘7的虚线表)”)的值。确定从自然语言输入到适当任务槽的可能映射可例如利用诸如隐马尔可夫模型(HMM)等各种不同的数学或统计学习技术来求解。
排序组件214可被配置成分析槽填充安排或槽填充优度。该分析可通过各种算法(例如,最终排序算法)、方法和/或技术来实现。结果可以取决于包括槽填充优度在内的各种因素来不同地(重新)排序。可利用组合了资产检索和槽填充、信息检索(IR)、查询分类器、槽填充排序器等统一(全局)排序。
槽填充优度将参考以下示例来描述。一查询被输入到系统200中,并且例如找到形式(IR部分)。确定要以已排序形式来呈现哪一形式(查询分类器部分)。生成两个得分,一个得分用于IR部分,另一个得分用于查询分类器部分。接着,审阅该结构,并且对该结构执行排序,从而产生另一得分。每一部分产生其认为与初始查询相关的得分。在该过程的结束,系统200组合这些得分,并且基于每一部分的输入确定一最终得分。该最终排序或得分可被反馈以改善该用户以及其它用户的将来查询的性能。最终排序可组合来自传统IR、查询分类器和槽填充的排序得分。可利用若干选项,包括使用MEMD模型来学习各个得分的权重、交错、和/或简单的相加/相乘。
系统200还可利用用户交互流程方法来进行反馈启动和学习。可提供用于获取用户显式和/或隐式反馈的机制(例如,接口、流程……)。显式反馈例如可以通过诸如用户分级、形式和/或对话等用户界面来提供。隐式反馈可通过点进(click-through)或用户选择来提供。隐式反馈的示例包括用户是否点击(例如,选择)前一或下一任务列表标记,或用户是否点击最可能的任务/语义解。其它示例可包括对提示(例如,“所有相关的任务槽都被填充了吗?”)的响应、用户是否填入了缺失的槽、用户是否选择“ok”来执行任务或取消任务等。
系统200可通过机器学习、人工智能等来从该反馈(显式和/或隐式的)中学习以改进系统200的性能和能力。从所收集的反馈中,还可确定系统200的准确性、经度和查全率。由此,系统200包括用于获取用户反馈以及从反馈中学习的机制(接口)。
现在参考图3,所示的用于基于自然语言询问或请求来确定动作的系统300。系统300包括接受或接收自然语言询问的接口组件302,以及处理该查询并将输入映射到动作的推理引擎304,该映射通过输出组件306来输出或实现。应当理解,尽管接口组件302和输出组件306被示为与推理引擎304分开,但是根据各实施例,组件302和306中的任一个或两者可以是推理引擎304的组件。
推理引擎304可包括从自然语言询问中确定句元或句元集的词汇处理器组件308。任务搜索组件310可被配置成利用该句元和/或上下文对最佳任务或文档进行寻找、搜索、检索等,并确定要利用的适当数据库。任务搜索组件310可从数据库或其它存储装置316中对信息进行接收、请求、搜索、获得等,该数据库或其它存储装置可包括任务索引318和/或查询模块320。也搜索或参考任务特性322,它可包括关于特定任务、数据库等的信息。任务搜索组件310被配置成检索与查询或请求相关的任务,而无需首先考虑或匹配槽。它还可缩小用于槽匹配的候选列表。可对任务搜索和发现利用各种技术,诸如IR系统、查询分类器、上下文分类器和/或这些技术的组合。存在可由这些技术利用的各种排序系统。例如,IR系统可利用基于Okapi的排序系统,查询分类器(查询-资产映射)可利用单纯贝叶斯模型,而组合的查询和上下文可利用最大熵最小发散(线性辨别)模型。
推理引擎304还可包括可填充与数据库相关联的槽的槽或任务填充器组件或引擎312。槽填充器组件312可从与数据库存储316相关联的槽模块324中对信息进行接收、请求、搜索、获取等。槽填充器组件312可利用各种算法、方法、技术等来便于槽填充判定。槽填充器组件312可由诸如注释和/或样本查询等已创作数据来引导。它然后可使用反馈数据来改进其自身。槽填充器组件312可包括,例如映射器和点阵构建器技术、解码器组件、以及评分器组件。例如,可利用诸如HMM等统计学习模块来进行语义槽填充。槽填充器组件312可取一组句元,并构造表示输入查询到某一预先指定的结构的最佳映射的语义解。例如,槽填充器组件312可将查询“I want a flight on XYZ Airline leavingtomorrow morning from Boston or Manchester and arriving in Seattle or Portland(我想要明天早上从波士顿或曼彻斯特出发并到达西雅图或波特兰的XYZ航空公司的航班)”转换成诸如以下的语义表示:
BookFlight[airline=“American”,DepartureTime=Tomorrow-Morning,
DepartureCity=(“Boston”or“Manchester”),ArrivalCity=(“Seattle”or“Portland”)]
槽由排序器组件314排序,该组件能够以与推理引擎304最初排序的不同次序对槽进行排序或重新排序,以实现类似于如在自然语言询问中传达的期望意向的动作或输出。排序器组件314可利用各种算法、方法、技术(例如,用于总体排序的MEMD)等来执行排序功能。用户意向的映射可作为自适应模式识别问题来对待,并且可施加推理模型(生成/辨别)来实现正确的映射和/或自适应。对于一特定任务,可利用多种排序机制(例如,IR、查询和上下文分类器、结构化槽填充等)。管理来自各个特征的得分的组合以产生单个排序可由全局排序器技术来解决。
除此之外或作为替代,系统300可对查询加上下文利用MEMD来执行资产或意向-动作映射。可利用允许槽匹配和填充的排序算法、方法和/或技术。这些排序算法还可用一自适应方法(例如,全局排序)来组合特征评分组件。槽填充和排序是可涉及IR、点进查询分类器(CTM)、点进上下文分类器(CXM)和/或槽填充系统的多级系统。
图4示出了被配置成通过反馈机制来请求或接收信息的系统400。该系统类似于参考上述各图所示和描述的系统100、200和300。系统400的输出组件406可包括结果呈现模块426和/或任务执行模块428。
结果呈现模块426可向用户呈现映射的动作的结果,并且在某些实施例中,可以作为推理引擎404的一部分而被包括。任务执行模块428可自动地或通过用户交互来执行任务。例如,任务执行模块428可自动执行任务,并通过结果呈现模块426向用户呈现任务的结果。根据其它实施例,输出组件406可通过结果呈现模块426向用户呈现结果,并通过接口组件402提示用户,例如用户是否希望该任务被执行。如果用户希望该任务被执行,则任务执行模块428可实现该动作。如果用户不希望该任务被执行,则用户可取消该任务,并输入另一询问或执行其它动作。
结果呈现模块426可通过授权/分析组件430向推理引擎404传送或反馈信息。与授权/分析组件430相关联的是创作(任务编辑器)432和训练(模型构建器)434。
图5示出了所公开的实施例所利用的反馈技术的流程图500。流程图500描绘了到达最终实例(执行)的两个层次以及每一层次所生成的反馈。任务定义利用该流程图500,而搜索任务利用将参考图6讨论的流程图。
接收可包括查询和上下文的信号502。基于所接收的信号502,确定预测的经槽填充的任务的排序次序504。可以有从1到N个预测任务(例如,预测任务#1、预测任务#2、……、预测任务#N),其中N是大于或等于1的整数。在这一层(502)上,每一预测任务是最高语义解(例如,最佳槽填充解)。预测的次序(排序)以及每一预测的相关性与其它候选预测进行比较。
对任务集的反馈506被包括在包含信号502的输入中。该反馈可以通过点进作为最佳槽填充解(如由用户确定和/或由系统自主确定的)预测任务(例如,所选任务)来提供。用户可基于相关标题、概述或其它准则来点进。可向任务映射预测次序提供关于用户对于输入信号502的满意水平的分级、比较和/或反馈。
一旦选择了一个任务,就对每一任务排序经槽填充的语义解的次序。该排序可包括数量从1到N个的预测的槽填充解(例如,预测的槽填充解#1、预测的槽填充解#2、……、预测的槽填充解#N),其中N是大于或等于1的整数。每一预测的语义解的次序可被排序。对每一槽填充解的预测次序(排序)及其与其它候选预测相比的准确度进行评估。
关于语义集的反馈510被发送并被包括在包含信号502的输入中。用户可在确定了语义解的重述的相关性之后点进。基于可视化和/或执行提供关于对语义解预测的输入的满意水平的分级和/或比较反馈。
此时,执行语义解,并执行对话、规划和/或动作作为经槽填充的任务动作512。可以有部分到完整的槽填充(如果是部分对话到完整槽填充)。如果任务被部分地槽填充,则它仍应具有话语。如果任务被完整地槽填充,则它已经准备好执行。对槽填充准确性和/或所选语义解的准确性进行评估,并将其与其它槽填充进行比较。
对动作的反馈514被发送并被包括在包含信号502的输入中。该反馈通过槽重新填充或执行反馈来提供。例如,用户可基于槽填充重述的相关性来点进。分级和/或比较基于对来自语义解的执行的结果对比其它语义解的满意水平。
图6示出了可用于所公开的实施例的搜索任务用户交互模型和反馈600。“搜索任务”包括作为执行结果的附加间接层,这是结果项目。可接收可包括自然语言查询、语句、请求等和/或上下文的信号602,或可将其输入到自适应推理引擎中。创建包括预测的经槽填充的任务的已排序次序的已排序动作列表604。可以有从1到N个(例如预测任务#1、预测任务#2、……、预测任务#N),其中N是大于或等于1的整数。每一预测任务可以是最高语义解(例如,最佳槽填充解)。
将预测次序(排序)以及每一预测的相关性与其它候选预测进行比较。对任务集的反馈606通过点进预测任务来提供,该任务是用户点进的最佳槽填充解。该点进可基于标题、概述或其它准则的相关性。比较对任务映射预测次序的满意水平,并对其提供反馈。
选择该所选的任务,并执行重述“搜索任务”608,并将所选任务结合到每一任务的经槽填充的语义解的已排序次序中。可以有数量从1到N个预测的槽填充解(例如,预测的槽填充解#1、预测的槽填充解#2、……、预测的槽填充解#N),其中N是大于或等于1的整数。预测的次序或排序可以基于每一槽填充解及其与其它候选预测相比的准确度来评估。
反馈610借助点进已排序槽填充解来提供。反馈或点进可通过将对输入的满意水平与基于可视化和/或执行的语义解预测进行比较来提供。这导致已执行的语义解。
提供包括结果列表的已排序次序的搜索结果列表(集)612,该列表包括数量从1到N个实例(例如,实例#1、实例#2、……、实例#N),其中N是大于或等于1的整数。任务被槽填充,并准备好搜索执行。评估包括槽填充准确性以及所选语义解相比其它语义解的准确性。
对结果集的反馈614通过槽重新填充或完整的结果集反馈(例如,执行反馈)来提供。用户可基于例如结果的相关标题、概述等来点进实例。对从执行该语义解所得的作为结果的整个结果集的满意水平与其它结果集进行比较。结果集反馈可以包括任务的预执行和后执行。构造后执行的逻辑被应用于整个结果集(语义解执行的输出)。当用户点进时,导致选择搜索结果616。
搜索结果616可包括包含内容信息的项目(例如,项目#1),该内容信息包括结果的内容。对内容以及相对于输入602的相关度进行评估。发送对结果的显式和/或隐式满意度618,以及对结果的满意水平与其它结果的比较。
可利用结果满意度来对结果集满意度进行分级,这便于比较其它语义解结果集。这是增加的间接层。例如,关于特定查询的映像,系统尝试将搜索结果的质量与由另一系统、程序等执行的搜索结果进行比较。该比较可在后执行状态期间执行。用户可通过粗看结果的标题、概述等来对结果集进行审阅并分级。用户可更深度地审阅信息,并且可在需要时判断结果集的相关性。应当注意,反馈后向传播,以帮助比较和对比每一级的输出。
图7示出了采用便于自动化根据此处所公开的实施例的一个或多个特征的人工智能(AI)的系统700。AI可通过所示的AI组件706来实现,或者作为替代或补充,可通过基于规则的逻辑组件来实现。
各实施例(例如,结合将自然语言请求映射到执行的动作)可采用各种基于AI的方案来实现其各方面。例如,用于确定特定用户是否作出相似的请求或其它用户是否作出相似的请求的过程可通过自动分类器系统和过程来促进。此外,在采用具有相同或相似资源的多个数据库的情况下,可采用分类器来确定在特定情形中要采用哪一数据库。
分类器是将输入属性矢量x=(x1,x2,x3,x4,xn)映射到该输入属于一个类的置信度的函数,即f(x)=confidence(class)。这一分类可采用基于概率和/或基于统计的分析(例如,分解成分析效用和成本)来预测或推断用户期望自动执行的动作。例如,在自然语言系统的情况下,属性可以是单词或短语,或从单词中导出的其它数据专用属性(例如,数据库表、关键项的存在),而类是感兴趣的类别或区域(例如,优先级别)。
支持矢量机(SVM)是可采用的分类器的一个示例。SVM通过找出可能输入空间中的超曲面(hypersurface)来操作,其中,超曲面试图将触发准则从非触发事件中分离出来。直观上,这使得分类对于接近但不等同于训练数据的测试数据正确。可采用其它有向和非有向模型分类方法包括,例如,单纯贝叶斯、贝叶斯网络、决策树、神经网络、模糊逻辑模型以及提供不同独立性模式的概率分类模型。此处所使用的分类也包括用于开发优先级模型的统计回归。
如可以从本说明书中容易地理解的,所公开的实施例可采用显式训练的(例如,通过通用训练数据)以及隐式训练的(例如,通过观察用户行为、接收外来信息)的分类器。例如,SVM可通过分类器构造器和特征选择模块中的学习或训练阶段来配置。由此,分类器可用于自动学习并执行多个功能,包括但不限于,根据预订准则来确定何时授予访问、要执行哪一存储过程等。准则可包括,但不限于,要通过调用访问的数据或资源的量、数据的类型、数据的重要性等等。
鉴于以上所示并描述的示例性系统,参考图8-10的图示可以更好地理解可根据所公开的实施例的一个或多个方面来实现的方法。尽管出于简化解释的目的,方法被示出并描述为一系列动作(或功能框),但是可以理解和明白,方法不受动作次序的限制,因为根据这些方法,某些动作可以按不同次序和/或与此处所示并描述的其它动作同时发生。此外,并非所有示出的动作都是实现根据所公开的实施例的一个或多个方面的方法所必需的。可以理解,各种动作可以由软件、硬件、其组合或用于执行与这些动作相关联的功能的任何其它适当的装置(例如,设备、系统、进程、组件)来实现。还可以理解,这些动作仅仅以简化形式示出了此处所提出的某些方面,并且这些方面可以通过更少和/或更多的动作来示出。本领域的技术人员将理解和明白,方法可被替换地表示为诸如状态图中的一系列相互关连的状态或事件。
最初参考图8,所示是用于确定从自然语言请求中推断的动作的方法800。在802处,接收查询、语句、请求等。该查询可以采用多种形式(例如,书写的、键入的、口述的……),并且可以采用自然语言的形式。输入可以包括上下文或用户状态、用户动作、或包括来自先前的查询的信息反馈的其它准则。该自然语言查询被分解成句元或字符串。在804处,将句元分配给任务槽。槽填充确定来自自然语言输入的句元列表与任务参数的最佳匹配。槽填充还被配置成用各种映射、解码和评分算法来方便实验。
在806处,确定槽填充优度,并且该确定可以基于方法800的不同部分的评分的累积。槽填充优度可以考虑在槽填充期间的槽的排序或次序以及槽次序的重新排序或改变。在808处,可通过例如用户可接受然后要执行的动作的提示将推荐的动作输出给用户。在其它实施例中,自动执行动作而无需进一步的用户交互。
现在参考图9,所示的是用于将自然语言句元分配给任务槽以便执行所需动作的方法900。在902处,从用户接收查询(例如,问题、期望动作、语句……)和/或上下文,并且该查询可以是自然语言格式。在904处,将该自然语言输入划分成句元或句元集。在906处执行任务搜索,并检索一个或多个任务列表。任务列表可以从数据存储、存储器或其它存储组件中检索。在908处,将每一任务分配给一个槽。在901处,可对任务-槽分配的结果排序,以确定槽填充优度(例如,该方法有多好地分配任务以实现用户期望的动作)。该信息可被反馈到902并连同下一查询一起接收。
现在参考图10,所示是用于接收自然语言动作请求并确定适当的动作且执行或推荐该动作的方法1000。在1002处,接收自然语言查询和/或上下文。自然语言查询可以是对特定动作的请求(例如,“我希望从达拉斯飞到底特律”)。连同该自然语言查询一起,可接收上下文。该上下文可以包括用户状态、用户动作和/或与用户状态和/或用户动作有关的其它准则。
在1004处,将该查询划分成句元或字符串。该查询可被划分成关键术语、单词、短语等。在1006处执行任务搜索。任务搜索可以导致检索到大量任务列表。在1008处,将这些任务列表缩减到可管理数量的任务列表。在1010处用句元或句元集填充该任务列表中包括的槽。
在1012处对任务搜索评分,以确定该搜索是否导致提供所请求的动作。评分可包括累积对每一过程的各个评分。在1014处,可按与槽填充过程所确定的次序不同的次序对结果重新排序或排序。在1016处,可将结果或动作输出给用户或执行该结果或动作。例如,可向用户发送或提示推荐的动作。用户可取决于所推荐的动作是否匹配用户请求来接受或取消该动作。该信息可在1002处作为上下文反馈。上下文可以是用户是否接受该动作或用户是否拒绝该动作和/或与用户相关联的其它动作、请求、状态等。在其它实施例中,在1016处,系统自动执行任务或动作。在这一情况下,对1002的上下文反馈将是在执行任务之后发生的用户动作、状态等(例如,用户接下来做什么?)
现在参考图11,示出了可用于执行所公开的体系结构的计算机的框图。为了提供用于此处所公开的各方面的附加上下文,图11和以下讨论旨在提供其中可实现各方面的合适的计算环境1100的简要、概括描述。尽管以上在可在一个或多个计算机上执行的计算机可执行指令的一般上下文中描述了一个或多个实施例,但是本领域的技术人员将认识到,各实施例也可结合其它程序模块和/或作为硬件和软件的组合来实现。
一般而言,程序模块包括执行特定的任务或实现特定的抽象数据类型的例程、程序、组件、数据结构等等。此外,本领域的技术人员可以理解,本发明的方法可以用其它计算机系统配置来实施,包括单处理器或多处理器计算机系统、小型机、大型计算机、以及个人计算机、手持式计算设备、基于微处理器的或可编程消费电子产品等等,其各自都可以操作上耦合到一个或多个相关联的设备。
所示的各方面还可以在其中某些任务由通过通信网络链接的远程处理设备来执行的分布式计算环境中实施。在分布式计算环境中,程序模块可以位于本地和远程存储器存储设备中。
计算机通常包括各种计算机可读介质。计算机可读介质可以是可由计算机访问的任一可用介质,包括易失性和非易失性介质、可移动和不可移动介质。作为示例而非局限,计算机可读介质包括计算机存储介质和通信介质。计算机存储介质包括以用于储存诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任一方法或技术实现的易失性和非易失性,可移动和不可移动介质。计算机存储介质包括但不限于,RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字视频盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储设备、或可以用来储存所期望的信息并可由计算机访问的任一其它介质。
通信介质通常以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并包括任一信息传送介质。术语“已调制数据信号”指以对信号中的信息进行编码的方式设置或改变其一个或多个特征的信号。作为示例而非局限,通信介质包括有线介质,如有线网络或直接连线连接,以及无线介质,如声学、RF、红外和其它无线介质。上述任一的组合也应当包括在计算机可读介质的范围之内。
参考图11,用于实现本发明的各方面的示例性环境1100包括计算机1102,计算机1102包括处理单元1104、系统存储器1106和系统总线1108。系统总线1108将包括但不限于系统存储器1106的系统组件耦合至处理单元1104。处理单元1104可以是各种市场上可购买的处理器的任一种。双微处理器和其它多处理器体系结构也可用作处理单元1104。
系统总线1108可以是若干种总线结构类型的任一种,它可进一步互连到存储器总线(带有或不带存储器控制器)、外围总线、以及使用各类市场上可购买的总线体系结构的任一种的局部总线。系统存储器1106包括只读存储器(ROM)1110和随机存取存储器(RAM)1112。基本输入/输出系统(BIOS)储存在诸如ROM、EPROM、EEPROM等非易失性存储器1110中,该BOIS包括如在启动时帮助在计算机1102内的元件之间传输信息的基本例程。RAM1112也可包括诸如静态RAM等高速RAM,用于高速缓存数据。
计算机1102还包括内部硬盘驱动器(HDD)1114(例如,EIDE、SATA),该内部硬盘驱动器1114也可被配置成在合适的机壳(未示出)中供外部使用;磁软盘驱动器(FDD)1116(例如,对可移动磁盘1118进行读写);以及光盘驱动器1120(例如,读CD-ROM盘1122或对诸如DVD等其它高容量光学介质进行读写)。硬盘驱动器1114、磁盘驱动器1116和光盘驱动器1120可以分别通过硬盘驱动器接口1124、磁盘驱动器接口1126和光驱接口1128连接到系统总线1108。用于外部驱动器实现的接口1124包括通用串行总线(USB)和IEEE 1394接口技术中的至少一个或两者。其它外部驱动器连接技术也在一个或多个实施例的预想之内。
驱动器及其相关联的计算机可读介质提供了对数据、数据结构、计算机可执行指令等的非易失性存储。对于计算机1102,驱动器和介质容纳合适数字格式的任何数据的存储。尽管以上对计算机可读介质的描述涉及HDD、可移动磁盘以及诸如CD或DVD等可移动光学介质,然而本领域的技术人员可以理解,计算机可读的其它类型的介质,诸如zip驱动器、磁带盒、闪存卡、盒式磁带等,也可用于示例性操作环境中,并且此外,任何这类介质可包含用于执行本发明的方法的计算机可执行指令。
多个程序模块可储存在驱动器和RAM 1112中,包括操作系统1130、一个或多个应用程序1132、其它程序模块1134和程序数据1136。操作系统、应用程序、模块和/或数据的全部或部分可被高速缓存在RAM 1112中。可以理解,各实施例可以用各种市场上可购买的操作系统或操作系统的组合来实现。
用户可通过一个或多个有线和/或无线输入设备,例如键盘1138和诸如鼠标1140等定位设备将命令和信息输入到计算机1102中。其它输入设备(未示出)可包括话筒、遥控器、操纵杆、游戏手柄、输入笔、触摸屏等等。这些和其它输入设备通常通过耦合到系统总线1108的输入设备接口1142连接到处理单元1104,但也可通过其它接口连接,如并行端口、IEEE 1394串行端口、游戏端口、USB端口、接口等等。
监视器1144或其它类型的显示设备也通过诸如视频适配器1146等接口连接到系统总线1108。除监视器1144之外,计算机通常包括其它外围输出设备(未示出),诸如扬声器、打印机等等。
计算机1102可以使用通过有线和/或无线通信到一个或多个远程计算机,如远程计算机1148的逻辑连接在网络化环境中操作。远程计算机1148可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设备、对等设备或其它普通网络节点,并通常包括相对于计算机1102所描述的许多或所有元件,尽管为简明性目的,仅示出了存储器存储设备1150。所描绘的的逻辑连接包括到局域网(LAN)1152和/或更大的网络,如广域网(WAN)1154的有线/无线连接。该LAN和WAN联网环境常见于办公室和公司,并促进了诸如内联网等企业范围的计算机网络,所有这些都可连接到全球通信网络,如因特网。
当在LAN联网环境中使用时,计算机1102通过有线和/或无线通信网络接口或适配器1156连接到局域网1152。适配器1156可促进与LAN 1152的有线或无线通信,它也可包括布置在其上的无线接入点,用于与无线适配器1156通信。
当在WAN联网环境中使用时,计算机1102可包括调制解调器1158,或连接到WAN 1154上的通信服务器,或具有用于通过WAN 1154,如通过因特网建立通信的其它装置。调制解调器1158可以是内置或外置、有线或无线的设备,它通过串行端口接口1142连接到系统总线1108。在联网环境中,相对于计算机1102或其各部分描述的程序模块可储存在远程存储器/存储设备1150中。可以理解,所示的网络连接是示例性的,可以使用在计算机之间建立通信链路的其它手段。
计算机1102用于操作上布置在无线通信中的任何无线设备或实体通信,如打印机、扫描仪、台式和/或便携式计算机、便携式数据助理、通信卫星、与无线可检测标签相关联的任何一个设备或位置(例如,电话亭、报亭、休息室)以及电话。这至少包括Wi-Fi和BluetoothTM(蓝牙)无线技术。由此,通信可以是如同常规网络一样的预定义结构,或简单地为至少两个设备之间的特别通信。
Wi-Fi,即无线保真,允许从家里、酒店房间的床上或工作的会议室连接到因特网而不需要线缆。Wi-Fi是一种类似蜂窝电话的无线技术,它使得诸如计算机等这类设备能够在室内和室外,在基站范围内的任何地方发送和接收数据。Wi-Fi网络使用称为IEEE 802.11(a、b、g等等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络可用于将计算机彼此连接、连接到因特网以及连接到有线网络(使用IEEE 802.3或以太网)。Wi-Fi网络在未许可的2.4和5GHz无线电波段内操作,例如以11Mbps(802.11a)或54Mbps(802.11b)数据速率操作,或者具有包含两个波段(双波段)的产品,因此该网络可提供类似于许多办公室中使用的基本10BaseT有线以太网的真实性能。
现在参考图12,示出了根据各实施例的示例性计算环境1200的示意框图。系统1200包括一个或多个客户机1202。客户机1202可以是硬件和/或软件(如,线程、进程、计算设备)。客户机1202例如可以通过采用各实施例来容纳cookie和/或相关联的上下文信息。
系统1200还包括一个或多个服务器1204。服务器1204也可以是硬件和/或软件(如,线程、进程、计算设备)。例如,服务器1230可通过使用本发明容纳执行变换的线程。客户机1202和服务器1204之间的一个可能的通信可以是适用于在两个或多个计算机进程之间传输的数据分组的形式。数据分组可包括例如cookie和/或相关联的上下文信息。系统1200包括可用于便于在客户机1202和服务器1204之间通信的通信框架1206(例如,诸如因特网等全球通信网络)。
通信可通过有线(包括光纤)和/或无线技术来促进。客户机1202操作上连接至可用于储存对客户机1202本地的信息(例如,cookie和/或相关联的上下文信息)的一个或多个客户机数据存储1208。类似地,服务器1204操作上连接至可用于储存对服务器1204本地的信息的一个或多个服务器数据存储1210。
以上所描述的包括各实施例的示例。当然,不可能为了描述各实施例而描述组件或方法的每一可想到的组合,但是本领域的普通技术人员可以认识到,许多其它的组合和置换都是可能的。因此,本说明书旨在包含落入所附权利要求书的精神和范围内的所有这些更改、修改和变型。
特别地,关于上述组件、设备、电路、系统等执行的各种功能,除非另外指明,否则用于描述这些组件的术语(包括对“装置”的叙述)旨在对应于执行所描述的执行此处所示的示例性方面中的功能的组件的指定功能(例如,功能上等效)的任何组件,即使结构上不等效于所公开的结构。在这一点上,还将认识到,各方面包括系统以及具有用于执行各种方法的动作和/或事件的计算机可执行指令的计算机可读介质。
另外,尽管仅参考若干实现中的一种公开了一具体特征,但是这一特征可以在需要时且在对任何给定或特定应用有利时与其它实现的一个或多个其它特征相结合。此外,就在说明书或权利要求书中使用术语“包括”和“含有”及其变体而言,这些术语旨在以类似于术语“包含”类似的方式是包含性的。
Claims (20)
1.一种促进意向-动作映射的系统,包括:
接收自然语言输入和上下文的接口组件;
处理所接收的输入并至少部分地基于所述自然语言输入和所述上下文将所述输入映射到一动作的推理引擎;以及
输出所映射的动作的输出组件,所映射的动作被反馈给所述推理引擎。
2.如权利要求1所述的系统,其特征在于,所述推理引擎包括:
将所述输入分解成至少一个句元集的词汇处理组件;以及
对所述至少一个句元集执行任务搜索以检索多个任务列表的任务搜索组件。
3.如权利要求2所述的系统,其特征在于,所述任务搜索组件将所述多个任务列表缩减为可管理数目的任务列表。
4.如权利要求2所述的系统,其特征在于,所述推理引擎还包括用所述任务列表信息填充槽的槽填充组件。
5.如权利要求4所述的系统,其特征在于,所述槽填充组件利用排序算法来实现槽匹配和填充。
6.如权利要求1所述的系统,其特征在于,所述推理引擎还包括评出任务得分或对任务列表信息排序的排序组件。
7.如权利要求1所述的系统,其特征在于,所述推理引擎利用隐马尔可夫模型(HMM)、最大熵最小发散(MEMD)和IR技术中的一种。
8.如权利要求1所述的系统,其特征在于,还包括训练所述推理引擎来映射动作的反馈和训练流程。
9.一种用于基于自然语言输入来推理动作的方法,包括:
接收查询;
将与所述查询相关联的句元分配给槽;
确定所分配的槽的合适度;以及
输出所分配的槽结果。
10.如权利要求9所述的方法,其特征在于,在接收查询之后,还包括:
将所述查询划分成至少两个句元;
检索任务列表;以及
缩减所述任务列表。
11.如权利要求9所述的方法,其特征在于,确定所分配的槽的合适度还包括:
从所分配的句元中检索任务搜索结果;以及
对所述任务搜索结果评分。
12.如权利要求9所述的方法,其特征在于,确定所分配的槽的合适度还包括查明所述搜索结果的原始排序的合适度。
13.如权利要求12所述的方法,其特征在于,还包括在所述原始排序不合适的情况下对所述搜索结果进行不同的排序。
14.如权利要求9所述的方法,其特征在于,还包括在输出所述结果之后接收与用户动作相关联的上下文。
15.如权利要求9所述的方法,其特征在于,还包括在下一查询接收期间反馈所述用户动作。
16.如权利要求9所述的方法,其特征在于,还包括利用隐马尔可夫模型、单纯贝叶斯模型、最大熵最小发散以及IR技术中的一种来构造自适应推理引擎。
17.一种将自然语言输入转换成执行的动作的系统,包括:
用于接收自然语言询问以及与所述询问相关联的上下文的装置;
用于填充槽的装置;
用于查明所填充的槽的总体排序的装置;
用于确定资产映射的装置;以及
用于执行所述动作的装置。
18.如权利要求17所述的系统,其特征在于,还包括用于将所述询问划分成至少一个句元的装置。
19.如权利要求17所述的系统,其特征在于,还包括:
用于获取用户反馈的装置;以及
用于从所述用户反馈中学习的装置。
20.如权利要求17所述的系统,其特征在于,还包括:
用于利用反馈技术来构造准确且自适应的推理引擎的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/290,076 US7822699B2 (en) | 2005-11-30 | 2005-11-30 | Adaptive semantic reasoning engine |
US11/290,076 | 2005-11-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101356525A true CN101356525A (zh) | 2009-01-28 |
Family
ID=38088702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800448134A Pending CN101356525A (zh) | 2005-11-30 | 2006-11-15 | 自适应语义推理引擎 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7822699B2 (zh) |
KR (1) | KR101343281B1 (zh) |
CN (1) | CN101356525A (zh) |
WO (1) | WO2007064482A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360346A (zh) * | 2011-10-31 | 2012-02-22 | 武汉大学 | 基于受限的语义依存分析的文本推理方法 |
CN102725757A (zh) * | 2010-02-05 | 2012-10-10 | 微软公司 | 上下文查询 |
US8903794B2 (en) | 2010-02-05 | 2014-12-02 | Microsoft Corporation | Generating and presenting lateral concepts |
CN107122154A (zh) * | 2016-02-24 | 2017-09-01 | 谷歌公司 | 资源受限设备中离线语义处理的便利化 |
CN107209781A (zh) * | 2015-01-21 | 2017-09-26 | 微软技术许可有限责任公司 | 使用自然语言的上下文搜索 |
CN108369596A (zh) * | 2015-12-11 | 2018-08-03 | 微软技术许可有限责任公司 | 个性化自然语言理解系统 |
CN108780445A (zh) * | 2016-03-16 | 2018-11-09 | 马鲁巴公司 | 用于对小数据的机器理解的并行分层模型 |
CN109863721A (zh) * | 2016-10-10 | 2019-06-07 | 微软技术许可有限责任公司 | 数字助理扩展自动排名和选择 |
CN110110952A (zh) * | 2011-06-03 | 2019-08-09 | 苹果公司 | 生成和处理代表待执行任务的任务项目 |
CN110574023A (zh) * | 2017-05-11 | 2019-12-13 | 苹果公司 | 脱机个人助理 |
CN111694932A (zh) * | 2019-03-13 | 2020-09-22 | 百度在线网络技术(北京)有限公司 | 对话方法和装置 |
Families Citing this family (114)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060242130A1 (en) * | 2005-04-23 | 2006-10-26 | Clenova, Llc | Information retrieval using conjunctive search and link discovery |
US20070106496A1 (en) * | 2005-11-09 | 2007-05-10 | Microsoft Corporation | Adaptive task framework |
US7606700B2 (en) * | 2005-11-09 | 2009-10-20 | Microsoft Corporation | Adaptive task framework |
US7831585B2 (en) * | 2005-12-05 | 2010-11-09 | Microsoft Corporation | Employment of task framework for advertising |
US7933914B2 (en) * | 2005-12-05 | 2011-04-26 | Microsoft Corporation | Automatic task creation and execution using browser helper objects |
US20070130134A1 (en) * | 2005-12-05 | 2007-06-07 | Microsoft Corporation | Natural-language enabling arbitrary web forms |
US7644074B2 (en) * | 2005-12-22 | 2010-01-05 | Microsoft Corporation | Search by document type and relevance |
US7996783B2 (en) * | 2006-03-02 | 2011-08-09 | Microsoft Corporation | Widget searching utilizing task framework |
US9524355B2 (en) * | 2007-01-22 | 2016-12-20 | Mozy, Inc. | Methods for delivering task-related digital content based on task-oriented user activity |
US8706748B2 (en) * | 2007-12-12 | 2014-04-22 | Decho Corporation | Methods for enhancing digital search query techniques based on task-oriented user activity |
US8117198B2 (en) * | 2007-12-12 | 2012-02-14 | Decho Corporation | Methods for generating search engine index enhanced with task-related metadata |
US8126888B2 (en) * | 2007-12-12 | 2012-02-28 | DECHO, Corporation | Methods for enhancing digital search results based on task-oriented user activity |
US20090276414A1 (en) * | 2008-04-30 | 2009-11-05 | Microsoft Corporation | Ranking model adaptation for searching |
US9978365B2 (en) * | 2008-10-31 | 2018-05-22 | Nokia Technologies Oy | Method and system for providing a voice interface |
US20100211894A1 (en) * | 2009-02-18 | 2010-08-19 | Google Inc. | Identifying Object Using Generative Model |
US9672478B2 (en) | 2009-02-26 | 2017-06-06 | Oracle International Corporation | Techniques for semantic business policy composition |
KR101577607B1 (ko) | 2009-05-22 | 2015-12-15 | 삼성전자주식회사 | 상황 및 의도인지 기반의 언어 표현 장치 및 그 방법 |
US8423568B2 (en) * | 2009-09-16 | 2013-04-16 | Microsoft Corporation | Query classification using implicit labels |
US8527443B2 (en) * | 2009-10-08 | 2013-09-03 | Oracle International Corporation | Techniques for processing ontologies |
US8560491B2 (en) * | 2009-10-19 | 2013-10-15 | Oracle International Corporation | Massively scalable reasoning architecture |
US20110145823A1 (en) * | 2009-12-10 | 2011-06-16 | The Go Daddy Group, Inc. | Task management engine |
US20110145822A1 (en) * | 2009-12-10 | 2011-06-16 | The Go Daddy Group, Inc. | Generating and recommending task solutions |
CA2836700C (en) | 2010-05-25 | 2017-05-30 | Mark F. Mclellan | Active search results page ranking technology |
US7921156B1 (en) | 2010-08-05 | 2011-04-05 | Solariat, Inc. | Methods and apparatus for inserting content into conversations in on-line and digital environments |
US10957002B2 (en) | 2010-08-06 | 2021-03-23 | Google Llc | Sequence dependent or location based operation processing of protocol based data message transmissions |
US10013978B1 (en) * | 2016-12-30 | 2018-07-03 | Google Llc | Sequence dependent operation processing of packet based data message transmissions |
DE102010040641A1 (de) * | 2010-09-13 | 2012-03-15 | Siemens Aktiengesellschaft | Vorrichtung zur Verarbeitung von Daten in einem rechnergestützten Logiksystem sowie entsprechendes Verfahren |
US8729502B1 (en) | 2010-10-28 | 2014-05-20 | The Research Foundation For The State University Of New York | Simultaneous, single-detector fluorescence detection of multiple analytes with frequency-specific lock-in detection |
US8521672B2 (en) * | 2010-11-22 | 2013-08-27 | Microsoft Corporation | Dependency-based query expansion alteration candidate scoring |
US9015140B2 (en) * | 2010-12-30 | 2015-04-21 | Yahoo! Inc. | System and method for providing contextual actions on a search results page |
US10642934B2 (en) | 2011-03-31 | 2020-05-05 | Microsoft Technology Licensing, Llc | Augmented conversational understanding architecture |
US9760566B2 (en) | 2011-03-31 | 2017-09-12 | Microsoft Technology Licensing, Llc | Augmented conversational understanding agent to identify conversation context between two humans and taking an agent action thereof |
US9298287B2 (en) | 2011-03-31 | 2016-03-29 | Microsoft Technology Licensing, Llc | Combined activation for natural user interface systems |
US9858343B2 (en) | 2011-03-31 | 2018-01-02 | Microsoft Technology Licensing Llc | Personalization of queries, conversations, and searches |
US9244984B2 (en) | 2011-03-31 | 2016-01-26 | Microsoft Technology Licensing, Llc | Location based conversational understanding |
EP2691870A4 (en) * | 2011-03-31 | 2015-05-20 | Microsoft Technology Licensing Llc | USER INTENTIONS ORIENTED ON TASKS |
US9842168B2 (en) | 2011-03-31 | 2017-12-12 | Microsoft Technology Licensing, Llc | Task driven user intents |
US9064006B2 (en) | 2012-08-23 | 2015-06-23 | Microsoft Technology Licensing, Llc | Translating natural language utterances to keyword search queries |
US9454962B2 (en) | 2011-05-12 | 2016-09-27 | Microsoft Technology Licensing, Llc | Sentence simplification for spoken language understanding |
US8712931B1 (en) * | 2011-06-29 | 2014-04-29 | Amazon Technologies, Inc. | Adaptive input interface |
US9298816B2 (en) | 2011-07-22 | 2016-03-29 | Open Text S.A. | Methods, systems, and computer-readable media for semantically enriching content and for semantic navigation |
US20130074076A1 (en) * | 2011-09-19 | 2013-03-21 | Any.Do Inc. | Automatic task management and resolution systems and methods |
US8751422B2 (en) | 2011-10-11 | 2014-06-10 | International Business Machines Corporation | Using a heuristically-generated policy to dynamically select string analysis algorithms for client queries |
US9117194B2 (en) | 2011-12-06 | 2015-08-25 | Nuance Communications, Inc. | Method and apparatus for operating a frequently asked questions (FAQ)-based system |
US20130226906A1 (en) * | 2012-02-15 | 2013-08-29 | Nuance Communications, Inc. | System And Method For A Self-Configuring Question Answering System |
CN102651014B (zh) * | 2012-03-29 | 2014-10-22 | 华侨大学 | 基于概念关系的领域数据语义的检索方法 |
US10614801B2 (en) | 2012-06-25 | 2020-04-07 | Google Llc | Protocol based computer network exposure interval content item transmission |
US9767479B2 (en) | 2012-06-25 | 2017-09-19 | Google Inc. | System and method for deploying ads based on a content exposure interval |
US8938438B2 (en) | 2012-10-11 | 2015-01-20 | Go Daddy Operating Company, LLC | Optimizing search engine ranking by recommending content including frequently searched questions |
US9330176B2 (en) * | 2012-11-14 | 2016-05-03 | Sap Se | Task-oriented search engine output |
US20140156623A1 (en) * | 2012-12-05 | 2014-06-05 | Google Inc. | Generating and displaying tasks |
US9015097B2 (en) | 2012-12-19 | 2015-04-21 | Nuance Communications, Inc. | System and method for learning answers to frequently asked questions from a semi-structured data source |
US20140201629A1 (en) * | 2013-01-17 | 2014-07-17 | Microsoft Corporation | Collaborative learning through user generated knowledge |
US9064001B2 (en) | 2013-03-15 | 2015-06-23 | Nuance Communications, Inc. | Method and apparatus for a frequently-asked questions portal workflow |
US9122745B2 (en) | 2013-05-09 | 2015-09-01 | International Business Machines Corporation | Interactive acquisition of remote services |
US11218434B2 (en) | 2013-06-12 | 2022-01-04 | Google Llc | Audio data packet status determination |
US9798976B2 (en) | 2013-07-15 | 2017-10-24 | Senscio Systems | Systems and methods for semantic reasoning |
US10339216B2 (en) * | 2013-07-26 | 2019-07-02 | Nuance Communications, Inc. | Method and apparatus for selecting among competing models in a tool for building natural language understanding models |
US9519859B2 (en) | 2013-09-06 | 2016-12-13 | Microsoft Technology Licensing, Llc | Deep structured semantic model produced using click-through data |
US20160246777A1 (en) * | 2013-09-18 | 2016-08-25 | Mihnea Calin MOLDOVEANU | System and method for providing a communication platform with guided dialogical functions |
US9996588B2 (en) * | 2013-12-09 | 2018-06-12 | International Business Machines Corporation | Managing a search |
US10181322B2 (en) * | 2013-12-20 | 2019-01-15 | Microsoft Technology Licensing, Llc | Multi-user, multi-domain dialog system |
US20150286486A1 (en) * | 2014-01-16 | 2015-10-08 | Symmpl, Inc. | System and method of guiding a user in utilizing functions and features of a computer-based device |
US10846112B2 (en) | 2014-01-16 | 2020-11-24 | Symmpl, Inc. | System and method of guiding a user in utilizing functions and features of a computer based device |
US20150278370A1 (en) * | 2014-04-01 | 2015-10-01 | Microsoft Corporation | Task completion for natural language input |
US9477654B2 (en) | 2014-04-01 | 2016-10-25 | Microsoft Corporation | Convolutional latent semantic models and their applications |
US9535960B2 (en) | 2014-04-14 | 2017-01-03 | Microsoft Corporation | Context-sensitive search using a deep learning model |
US10353545B2 (en) | 2014-04-22 | 2019-07-16 | Entit Software Llc | Flow autocomplete |
US10089580B2 (en) | 2014-08-11 | 2018-10-02 | Microsoft Technology Licensing, Llc | Generating and using a knowledge-enhanced model |
US9892192B2 (en) | 2014-09-30 | 2018-02-13 | International Business Machines Corporation | Information handling system and computer program product for dynamically assigning question priority based on question extraction and domain dictionary |
KR101581816B1 (ko) * | 2014-10-14 | 2016-01-05 | 서강대학교산학협력단 | 기계학습을 이용한 음성인식방법 |
US20160140216A1 (en) | 2014-11-19 | 2016-05-19 | International Business Machines Corporation | Adjusting Fact-Based Answers to Consider Outcomes |
US10409909B2 (en) * | 2014-12-12 | 2019-09-10 | Omni Ai, Inc. | Lexical analyzer for a neuro-linguistic behavior recognition system |
US10437835B2 (en) | 2014-12-18 | 2019-10-08 | International Business Machines Corporation | Scoring attributes in a deep question answering system based on syntactic or semantic guidelines |
US10153992B2 (en) * | 2015-04-28 | 2018-12-11 | Unisys Corporation | Identification of progress towards complete message system integration using automation degree of implementation metrics |
US9667573B2 (en) * | 2015-04-28 | 2017-05-30 | Unisys Corporation | Identification of automation candidates using automation degree of implementation metrics |
US9686220B2 (en) * | 2015-04-28 | 2017-06-20 | Unisys Corporation | Debug and verify execution modes for computing systems calculating automation degree of implementation metrics |
US10631057B2 (en) | 2015-07-24 | 2020-04-21 | Nuance Communications, Inc. | System and method for natural language driven search and discovery in large data sources |
US10847175B2 (en) | 2015-07-24 | 2020-11-24 | Nuance Communications, Inc. | System and method for natural language driven search and discovery in large data sources |
US10042619B2 (en) | 2015-08-25 | 2018-08-07 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for efficiently managing enterprise architecture using resource description framework |
US10140101B2 (en) | 2015-08-26 | 2018-11-27 | International Business Machines Corporation | Aligning natural language to linking code snippets to perform a complicated task |
US10268756B2 (en) * | 2015-12-18 | 2019-04-23 | Here Global B.V. | Method and apparatus for providing natural language input in a cartographic system |
US10789539B2 (en) * | 2015-12-31 | 2020-09-29 | Nuance Communications, Inc. | Probabilistic ranking for natural language understanding |
US10909450B2 (en) | 2016-03-29 | 2021-02-02 | Microsoft Technology Licensing, Llc | Multiple-action computational model training and operation |
WO2018200979A1 (en) | 2017-04-29 | 2018-11-01 | Google Llc | Generating query variants using a trained generative model |
US10387515B2 (en) * | 2017-06-08 | 2019-08-20 | International Business Machines Corporation | Network search query |
US10380211B2 (en) | 2017-06-16 | 2019-08-13 | International Business Machines Corporation | Network search mapping and execution |
KR102366282B1 (ko) | 2017-07-25 | 2022-02-23 | 주식회사 마인드에이아이 | 인공 지능을 이용한 데이터 처리 방법 및 장치 |
US11372862B2 (en) | 2017-10-16 | 2022-06-28 | Nuance Communications, Inc. | System and method for intelligent knowledge access |
US10769186B2 (en) | 2017-10-16 | 2020-09-08 | Nuance Communications, Inc. | System and method for contextual reasoning |
WO2019079172A1 (en) * | 2017-10-16 | 2019-04-25 | Nuance Communications, Inc. | SYSTEM AND METHOD FOR CONTEXTUAL REASONING |
US10546003B2 (en) * | 2017-11-09 | 2020-01-28 | Adobe Inc. | Intelligent analytics interface |
US11307880B2 (en) | 2018-04-20 | 2022-04-19 | Meta Platforms, Inc. | Assisting users with personalized and contextual communication content |
US11715042B1 (en) | 2018-04-20 | 2023-08-01 | Meta Platforms Technologies, Llc | Interpretability of deep reinforcement learning models in assistant systems |
US11886473B2 (en) | 2018-04-20 | 2024-01-30 | Meta Platforms, Inc. | Intent identification for agent matching by assistant systems |
US10978056B1 (en) * | 2018-04-20 | 2021-04-13 | Facebook, Inc. | Grammaticality classification for natural language generation in assistant systems |
US20190327330A1 (en) | 2018-04-20 | 2019-10-24 | Facebook, Inc. | Building Customized User Profiles Based on Conversational Data |
US11676220B2 (en) | 2018-04-20 | 2023-06-13 | Meta Platforms, Inc. | Processing multimodal user input for assistant systems |
US10698707B2 (en) | 2018-04-24 | 2020-06-30 | Facebook, Inc. | Using salience rankings of entities and tasks to aid computer interpretation of natural language input |
US10498688B2 (en) * | 2018-04-25 | 2019-12-03 | International Business Machines Corporation | Prioritizing notifications on a mobile communications device |
KR102648815B1 (ko) * | 2018-04-30 | 2024-03-19 | 현대자동차주식회사 | 음성 언어 이해 장치 및 이 장치를 이용한 음성 언어 이해 방법 |
US10719661B2 (en) | 2018-05-16 | 2020-07-21 | United States Of America As Represented By Secretary Of The Navy | Method, device, and system for computer-based cyber-secure natural language learning |
US10929456B2 (en) * | 2018-05-21 | 2021-02-23 | Microsoft Technology Licensing, Llc | Indexing refined output of artificial intelligence models |
US10885081B2 (en) | 2018-07-02 | 2021-01-05 | Optum Technology, Inc. | Systems and methods for contextual ranking of search results |
US10482181B1 (en) | 2018-08-01 | 2019-11-19 | United States Of America As Represented By The Secretary Of The Navy | Device, method, and system for expert case-based natural language learning |
CN110321418B (zh) * | 2019-06-06 | 2021-06-15 | 华中师范大学 | 一种基于深度学习的领域、意图识别和槽填充方法 |
US11354504B2 (en) * | 2019-07-10 | 2022-06-07 | International Business Machines Corporation | Multi-lingual action identification |
KR20210016739A (ko) | 2019-08-05 | 2021-02-17 | 삼성전자주식회사 | 전자 장치 및 전자 장치의 입력 방법 |
US11379738B2 (en) | 2019-09-18 | 2022-07-05 | International Business Machines Corporation | Using higher order actions to annotate a syntax tree with real data for concepts used to generate an answer to a question |
CN111680527B (zh) * | 2020-06-09 | 2023-09-19 | 语联网(武汉)信息技术有限公司 | 基于专属机翻引擎训练的人机共译系统与方法 |
KR102425276B1 (ko) * | 2020-08-24 | 2022-07-26 | 에스케이플래닛 주식회사 | 챗봇 서비스 제공 방법 및 장치 |
US20220230000A1 (en) * | 2021-01-20 | 2022-07-21 | Oracle International Corporation | Multi-factor modelling for natural language processing |
US11409800B1 (en) | 2021-07-23 | 2022-08-09 | Bank Of America Corporation | Generating search queries for database searching |
KR20230060719A (ko) * | 2021-10-28 | 2023-05-08 | 주식회사 스켈터랩스 | 대화 시스템에서, 슬롯을 추출하기 위한 장치, 방법, 시스템 및 컴퓨터 판독가능 저장 매체 |
Family Cites Families (120)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4736296A (en) * | 1983-12-26 | 1988-04-05 | Hitachi, Ltd. | Method and apparatus of intelligent guidance in natural language |
EP0347419B1 (en) * | 1987-02-27 | 1994-11-09 | Logicblend Limited | Improvements in interactive video systems |
US4965763A (en) * | 1987-03-03 | 1990-10-23 | International Business Machines Corporation | Computer method for automatic extraction of commonly specified information from business correspondence |
US4974191A (en) * | 1987-07-31 | 1990-11-27 | Syntellect Software Inc. | Adaptive natural language computer interface system |
US5208816A (en) * | 1989-08-18 | 1993-05-04 | At&T Bell Laboratories | Generalized viterbi decoding algorithms |
US5477451A (en) * | 1991-07-25 | 1995-12-19 | International Business Machines Corp. | Method and system for natural language translation |
US6850252B1 (en) * | 1999-10-05 | 2005-02-01 | Steven M. Hoffberg | Intelligent electronic appliance system and method |
US5434777A (en) * | 1992-05-27 | 1995-07-18 | Apple Computer, Inc. | Method and apparatus for processing natural language |
US5754174A (en) * | 1992-08-27 | 1998-05-19 | Starfish Software, Inc. | User interface with individually configurable panel interfaces for use in a computer system |
JPH0756933A (ja) * | 1993-06-24 | 1995-03-03 | Xerox Corp | 文書検索方法 |
US5592378A (en) * | 1994-08-19 | 1997-01-07 | Andersen Consulting Llp | Computerized order entry system and method |
US5799268A (en) * | 1994-09-28 | 1998-08-25 | Apple Computer, Inc. | Method for extracting knowledge from online documentation and creating a glossary, index, help database or the like |
US5577241A (en) * | 1994-12-07 | 1996-11-19 | Excite, Inc. | Information retrieval system and method with implementation extensible query architecture |
US5748974A (en) * | 1994-12-13 | 1998-05-05 | International Business Machines Corporation | Multimodal natural language interface for cross-application tasks |
US5892900A (en) * | 1996-08-30 | 1999-04-06 | Intertrust Technologies Corp. | Systems and methods for secure transaction management and electronic rights protection |
US5855015A (en) * | 1995-03-20 | 1998-12-29 | Interval Research Corporation | System and method for retrieval of hyperlinked information resources |
US6567778B1 (en) * | 1995-12-21 | 2003-05-20 | Nuance Communications | Natural language speech recognition using slot semantic confidence scores related to their word recognition confidence scores |
US5754173A (en) * | 1996-02-28 | 1998-05-19 | Sun Microsystems, Inc. | Method and system for creating user interface independent programs with a user interface provider |
US5778157A (en) * | 1996-06-17 | 1998-07-07 | Yy Software Corporation | System and method for expert system analysis using quiescent and parallel reasoning and set structured knowledge representation |
US5752244A (en) * | 1996-07-15 | 1998-05-12 | Andersen Consulting Llp | Computerized multimedia asset management system |
US5794259A (en) * | 1996-07-25 | 1998-08-11 | Lextron Systems, Inc | Apparatus and methods to enhance web browsing on the internet |
US6278996B1 (en) * | 1997-03-31 | 2001-08-21 | Brightware, Inc. | System and method for message process and response |
US5933822A (en) * | 1997-07-22 | 1999-08-03 | Microsoft Corporation | Apparatus and methods for an information retrieval system that employs natural language processing of search results to improve overall precision |
US5999948A (en) * | 1997-09-03 | 1999-12-07 | 3Com Corporation | Dynamic configuration forms in network management software |
US6118939A (en) * | 1998-01-22 | 2000-09-12 | International Business Machines Corporation | Method and system for a replaceable application interface at the user task level |
US6366916B1 (en) * | 1998-05-22 | 2002-04-02 | International Business Machines Corporation | Configurable and extensible system for deploying asset management functions to client applications |
US6751606B1 (en) * | 1998-12-23 | 2004-06-15 | Microsoft Corporation | System for enhancing a query interface |
US6570555B1 (en) * | 1998-12-30 | 2003-05-27 | Fuji Xerox Co., Ltd. | Method and apparatus for embodied conversational characters with multimodal input/output in an interface device |
US6314398B1 (en) * | 1999-03-01 | 2001-11-06 | Matsushita Electric Industrial Co., Ltd. | Apparatus and method using speech understanding for automatic channel selection in interactive television |
US6643620B1 (en) * | 1999-03-15 | 2003-11-04 | Matsushita Electric Industrial Co., Ltd. | Voice activated controller for recording and retrieving audio/video programs |
US6560633B1 (en) * | 1999-06-10 | 2003-05-06 | Bow Street Software, Inc. | Method for creating network services by transforming an XML runtime model in response to an iterative input process |
US6088700A (en) * | 1999-08-06 | 2000-07-11 | Larsen; Kenneth N. | Automated forms completion for global information network applications |
US6513006B2 (en) * | 1999-08-26 | 2003-01-28 | Matsushita Electronic Industrial Co., Ltd. | Automatic control of household activity using speech recognition and natural language |
US6601026B2 (en) | 1999-09-17 | 2003-07-29 | Discern Communications, Inc. | Information retrieval by natural language querying |
US6816857B1 (en) * | 1999-11-01 | 2004-11-09 | Applied Semantics, Inc. | Meaning-based advertising and document relevance determination |
KR100812109B1 (ko) | 1999-10-19 | 2008-03-12 | 소니 일렉트로닉스 인코포레이티드 | 자연어 인터페이스 제어 시스템 |
US6724403B1 (en) * | 1999-10-29 | 2004-04-20 | Surfcast, Inc. | System and method for simultaneous display of multiple information sources |
US6904402B1 (en) * | 1999-11-05 | 2005-06-07 | Microsoft Corporation | System and iterative method for lexicon, segmentation and language model joint optimization |
US7392185B2 (en) * | 1999-11-12 | 2008-06-24 | Phoenix Solutions, Inc. | Speech based learning/training system using semantic decoding |
US7725307B2 (en) | 1999-11-12 | 2010-05-25 | Phoenix Solutions, Inc. | Query engine for processing voice based queries including semantic decoding |
US9076448B2 (en) * | 1999-11-12 | 2015-07-07 | Nuance Communications, Inc. | Distributed real time speech recognition system |
US20040006473A1 (en) * | 2002-07-02 | 2004-01-08 | Sbc Technology Resources, Inc. | Method and system for automated categorization of statements |
US20020049750A1 (en) * | 2000-04-10 | 2002-04-25 | Srinivas Venkatram | Concept mapping based knowledge acquisition system and methods |
US7020658B1 (en) * | 2000-06-02 | 2006-03-28 | Charles E. Hill & Associates | Data file management system and method for browsers |
JP2002023783A (ja) | 2000-07-13 | 2002-01-25 | Fujitsu Ltd | 対話処理システム |
US6687696B2 (en) * | 2000-07-26 | 2004-02-03 | Recommind Inc. | System and method for personalized search, information filtering, and for generating recommendations utilizing statistical latent class models |
US6675159B1 (en) * | 2000-07-27 | 2004-01-06 | Science Applic Int Corp | Concept-based search and retrieval system |
KR100426382B1 (ko) * | 2000-08-23 | 2004-04-08 | 학교법인 김포대학 | 엔트로피 정보와 베이지안 에스오엠을 이용한 문서군집기반의 순위조정 방법 |
KR100446289B1 (ko) * | 2000-10-13 | 2004-09-01 | 삼성전자주식회사 | 역 히든 마르코브 모델(ihmm)을 이용한 정보 탐색방법및 장치 |
US7277732B2 (en) * | 2000-10-13 | 2007-10-02 | Microsoft Corporation | Language input system for mobile devices |
US6690390B1 (en) * | 2000-10-24 | 2004-02-10 | National Instruments Corporation | Interactive on-line help for completing a task |
US6678694B1 (en) * | 2000-11-08 | 2004-01-13 | Frank Meik | Indexed, extensible, interactive document retrieval system |
GB0027685D0 (en) * | 2000-11-13 | 2000-12-27 | Canon Kk | Filter based authoring tool |
AU2002219926A1 (en) * | 2000-11-29 | 2002-06-11 | Fourbit Group, Inc. | Generating a declarative user interface |
KR20020045343A (ko) | 2000-12-08 | 2002-06-19 | 오길록 | 표준화된 문장 구문구조 및 의미구조에 기반한 정보생성/검색 장치 및 그 방법 |
US7340446B2 (en) | 2000-12-11 | 2008-03-04 | Microsoft Corporation | Method and system for query-based management of multiple network resources |
US6678677B2 (en) * | 2000-12-19 | 2004-01-13 | Xerox Corporation | Apparatus and method for information retrieval using self-appending semantic lattice |
US6643639B2 (en) * | 2001-02-07 | 2003-11-04 | International Business Machines Corporation | Customer self service subsystem for adaptive indexing of resource solutions and resource lookup |
US20040030710A1 (en) * | 2001-05-21 | 2004-02-12 | Thomas Shadle | Rules-based task browser for engineering systems |
MXPA03011976A (es) | 2001-06-22 | 2005-07-01 | Nervana Inc | Sistema y metodo para la recuperacion, manejo, entrega y presentacion de conocimientos. |
US20030084035A1 (en) * | 2001-07-23 | 2003-05-01 | Emerick Charles L. | Integrated search and information discovery system |
US20030023598A1 (en) * | 2001-07-26 | 2003-01-30 | International Business Machines Corporation | Dynamic composite advertisements for distribution via computer networks |
US7165256B2 (en) * | 2001-09-11 | 2007-01-16 | Sun Microsystems, Inc. | Task grouping in a distributed processing framework system and methods for implementing the same |
CA2474716A1 (en) * | 2002-02-01 | 2003-08-07 | The Cleveland Clinic Foundation | Adjustable stimulation device and method of using same |
US20070038614A1 (en) * | 2005-08-10 | 2007-02-15 | Guha Ramanathan V | Generating and presenting advertisements based on context data for programmable search engines |
US20040030697A1 (en) * | 2002-07-31 | 2004-02-12 | American Management Systems, Inc. | System and method for online feedback |
EP1540528A1 (en) | 2002-08-16 | 2005-06-15 | Teamware Group Oy | System and method for a context-independent framework for management and execution of xml processing tasks |
US7266559B2 (en) * | 2002-12-05 | 2007-09-04 | Microsoft Corporation | Method and apparatus for adapting a search classifier based on user queries |
US7447667B2 (en) * | 2002-12-11 | 2008-11-04 | International Business Machines Corporation | Method and knowledge structures for reasoning about concepts, relations, and rules |
US7890324B2 (en) * | 2002-12-19 | 2011-02-15 | At&T Intellectual Property Ii, L.P. | Context-sensitive interface widgets for multi-modal dialog systems |
US20040130572A1 (en) * | 2003-01-07 | 2004-07-08 | Aravind Bala | Active content wizard: execution of tasks and structured content |
US8335683B2 (en) * | 2003-01-23 | 2012-12-18 | Microsoft Corporation | System for using statistical classifiers for spoken language understanding |
US7305129B2 (en) * | 2003-01-29 | 2007-12-04 | Microsoft Corporation | Methods and apparatus for populating electronic forms from scanned documents |
US7373633B2 (en) * | 2003-06-03 | 2008-05-13 | Sap Ag | Analytical application framework |
US7409336B2 (en) * | 2003-06-19 | 2008-08-05 | Siebel Systems, Inc. | Method and system for searching data based on identified subset of categories and relevance-scored text representation-category combinations |
US20050027666A1 (en) | 2003-07-15 | 2005-02-03 | Vente, Inc | Interactive online research system and method |
US7185272B2 (en) * | 2003-07-30 | 2007-02-27 | William M Pearce | Method for automatically filling in web forms |
US20050028133A1 (en) * | 2003-08-02 | 2005-02-03 | Viswanath Ananth | System and method for rapid design, prototyping, and implementation of distributed scalable architecture for task control and automation |
US8645420B2 (en) * | 2003-08-05 | 2014-02-04 | Accenture Global Services Limited | Methodology framework and delivery vehicle |
US7669140B2 (en) | 2003-08-21 | 2010-02-23 | Microsoft Corporation | System and method for providing rich minimized applications |
US7349845B2 (en) * | 2003-09-03 | 2008-03-25 | International Business Machines Corporation | Method and apparatus for dynamic modification of command weights in a natural language understanding system |
US7475010B2 (en) * | 2003-09-03 | 2009-01-06 | Lingospot, Inc. | Adaptive and scalable method for resolving natural language ambiguities |
US20050065995A1 (en) * | 2003-09-23 | 2005-03-24 | Microsoft Corporation | Content and task-execution services provided through dialog-based interfaces |
US7386440B2 (en) * | 2003-10-01 | 2008-06-10 | International Business Machines Corporation | Method, system, and apparatus for natural language mixed-initiative dialogue processing |
US7593845B2 (en) * | 2003-10-06 | 2009-09-22 | Microsoflt Corporation | Method and apparatus for identifying semantic structures from text |
US7231375B2 (en) * | 2003-10-10 | 2007-06-12 | Microsoft Corporation | Computer aided query to task mapping |
CA2542330A1 (en) | 2003-10-10 | 2005-04-21 | Accenture Global Services Gmbh | Tool for synchronization of business information |
US8104043B2 (en) * | 2003-11-24 | 2012-01-24 | Microsoft Corporation | System and method for dynamic cooperative distributed execution of computer tasks without a centralized controller |
US20050132380A1 (en) * | 2003-12-11 | 2005-06-16 | International Business Machines Corporation | Method for hiding latency in a task-based library framework for a multiprocessor environment |
US7761885B2 (en) * | 2004-04-28 | 2010-07-20 | Fujitsu Limited | Task computing |
US7412388B2 (en) * | 2003-12-12 | 2008-08-12 | International Business Machines Corporation | Language-enhanced programming tools |
US20050144065A1 (en) | 2003-12-19 | 2005-06-30 | Palo Alto Research Center Incorporated | Keyword advertisement management with coordinated bidding among advertisers |
US20050144064A1 (en) | 2003-12-19 | 2005-06-30 | Palo Alto Research Center Incorporated | Keyword advertisement management |
US20050137939A1 (en) | 2003-12-19 | 2005-06-23 | Palo Alto Research Center Incorporated | Server-based keyword advertisement management |
US20050187818A1 (en) | 2004-02-20 | 2005-08-25 | Zito David D. | Computerized advertising offer exchange |
US20050193055A1 (en) | 2004-02-26 | 2005-09-01 | Mark Angel | Context sensitive dynamic user interface for customer service agent |
US7496500B2 (en) * | 2004-03-01 | 2009-02-24 | Microsoft Corporation | Systems and methods that determine intent of data and respond to the data based on the intent |
US7660779B2 (en) * | 2004-05-12 | 2010-02-09 | Microsoft Corporation | Intelligent autofill |
US20060107219A1 (en) | 2004-05-26 | 2006-05-18 | Motorola, Inc. | Method to enhance user interface and target applications based on context awareness |
US20050283473A1 (en) | 2004-06-17 | 2005-12-22 | Armand Rousso | Apparatus, method and system of artificial intelligence for data searching applications |
US7546543B2 (en) | 2004-06-25 | 2009-06-09 | Apple Inc. | Widget authoring and editing environment |
US7490295B2 (en) * | 2004-06-25 | 2009-02-10 | Apple Inc. | Layer for accessing user interface elements |
US8839090B2 (en) | 2004-09-16 | 2014-09-16 | International Business Machines Corporation | System and method to capture and manage input values for automatic form fill |
US7739117B2 (en) * | 2004-09-20 | 2010-06-15 | International Business Machines Corporation | Method and system for voice-enabled autofill |
US7523099B1 (en) * | 2004-12-30 | 2009-04-21 | Google Inc. | Category suggestions relating to a search |
US20060179404A1 (en) * | 2005-02-08 | 2006-08-10 | Microsoft Corporation | Method for a browser auto form fill |
US20070027850A1 (en) * | 2005-08-01 | 2007-02-01 | Reprise Media, Llc | Methods and systems for developing and managing a computer-based marketing campaign |
US8924869B2 (en) | 2005-08-12 | 2014-12-30 | Barry Fellman | Service for generation of customizable display widgets |
US20070067217A1 (en) * | 2005-09-20 | 2007-03-22 | Joshua Schachter | System and method for selecting advertising |
US7328199B2 (en) * | 2005-10-07 | 2008-02-05 | Microsoft Corporation | Componentized slot-filling architecture |
US7954064B2 (en) | 2005-10-27 | 2011-05-31 | Apple Inc. | Multiple dashboards |
US20070101279A1 (en) * | 2005-10-27 | 2007-05-03 | Chaudhri Imran A | Selection of user interface elements for unified display in a display environment |
US8914301B2 (en) * | 2005-10-28 | 2014-12-16 | Joyce A. Book | Method and apparatus for dynamic ad creation |
US20070106496A1 (en) * | 2005-11-09 | 2007-05-10 | Microsoft Corporation | Adaptive task framework |
US7606700B2 (en) | 2005-11-09 | 2009-10-20 | Microsoft Corporation | Adaptive task framework |
US7933914B2 (en) * | 2005-12-05 | 2011-04-26 | Microsoft Corporation | Automatic task creation and execution using browser helper objects |
US7831585B2 (en) * | 2005-12-05 | 2010-11-09 | Microsoft Corporation | Employment of task framework for advertising |
US20070130134A1 (en) * | 2005-12-05 | 2007-06-07 | Microsoft Corporation | Natural-language enabling arbitrary web forms |
US20070192179A1 (en) | 2006-02-15 | 2007-08-16 | Van Luchene Andrew S | Survey-Based Qualification of Keyword Searches |
US7996783B2 (en) * | 2006-03-02 | 2011-08-09 | Microsoft Corporation | Widget searching utilizing task framework |
-
2005
- 2005-11-30 US US11/290,076 patent/US7822699B2/en not_active Expired - Fee Related
-
2006
- 2006-11-15 CN CNA2006800448134A patent/CN101356525A/zh active Pending
- 2006-11-15 WO PCT/US2006/044418 patent/WO2007064482A1/en active Application Filing
-
2008
- 2008-05-22 KR KR1020087012230A patent/KR101343281B1/ko not_active IP Right Cessation
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8983989B2 (en) | 2010-02-05 | 2015-03-17 | Microsoft Technology Licensing, Llc | Contextual queries |
CN102725757A (zh) * | 2010-02-05 | 2012-10-10 | 微软公司 | 上下文查询 |
CN102725757B (zh) * | 2010-02-05 | 2015-12-16 | 微软技术许可有限责任公司 | 上下文查询 |
US8903794B2 (en) | 2010-02-05 | 2014-12-02 | Microsoft Corporation | Generating and presenting lateral concepts |
CN110232489A (zh) * | 2011-06-03 | 2019-09-13 | 苹果公司 | 生成和处理代表待执行任务的任务项目 |
CN110110952A (zh) * | 2011-06-03 | 2019-08-09 | 苹果公司 | 生成和处理代表待执行任务的任务项目 |
CN102360346B (zh) * | 2011-10-31 | 2014-05-21 | 武汉大学 | 基于受限的语义依存分析的文本推理方法 |
CN102360346A (zh) * | 2011-10-31 | 2012-02-22 | 武汉大学 | 基于受限的语义依存分析的文本推理方法 |
CN107209781B (zh) * | 2015-01-21 | 2021-01-01 | 微软技术许可有限责任公司 | 使用自然语言的上下文搜索 |
CN107209781A (zh) * | 2015-01-21 | 2017-09-26 | 微软技术许可有限责任公司 | 使用自然语言的上下文搜索 |
CN108369596A (zh) * | 2015-12-11 | 2018-08-03 | 微软技术许可有限责任公司 | 个性化自然语言理解系统 |
CN107122154A (zh) * | 2016-02-24 | 2017-09-01 | 谷歌公司 | 资源受限设备中离线语义处理的便利化 |
CN108780445A (zh) * | 2016-03-16 | 2018-11-09 | 马鲁巴公司 | 用于对小数据的机器理解的并行分层模型 |
CN108780445B (zh) * | 2016-03-16 | 2022-10-04 | 微软技术许可有限责任公司 | 用于对小数据的机器理解的并行分层模型 |
US11507834B2 (en) | 2016-03-16 | 2022-11-22 | Microsoft Technology Licensing, Llc | Parallel-hierarchical model for machine comprehension on small data |
CN109863721A (zh) * | 2016-10-10 | 2019-06-07 | 微软技术许可有限责任公司 | 数字助理扩展自动排名和选择 |
US11379489B2 (en) | 2016-10-10 | 2022-07-05 | Microsoft Technology Licensing, Llc | Digital assistant extension automatic ranking and selection |
CN110574023A (zh) * | 2017-05-11 | 2019-12-13 | 苹果公司 | 脱机个人助理 |
CN111694932A (zh) * | 2019-03-13 | 2020-09-22 | 百度在线网络技术(北京)有限公司 | 对话方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20070124263A1 (en) | 2007-05-31 |
KR20080072673A (ko) | 2008-08-06 |
US7822699B2 (en) | 2010-10-26 |
WO2007064482A1 (en) | 2007-06-07 |
KR101343281B1 (ko) | 2013-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101356525A (zh) | 自适应语义推理引擎 | |
US7606700B2 (en) | Adaptive task framework | |
US7627466B2 (en) | Natural language interface for driving adaptive scenarios | |
US20190272269A1 (en) | Method and system of classification in a natural language user interface | |
US10515104B2 (en) | Updating natural language interfaces by processing usage data | |
US20070106496A1 (en) | Adaptive task framework | |
US20190311036A1 (en) | System and method for chatbot conversation construction and management | |
CN101395600A (zh) | 自适应语义平台体系结构 | |
CN1841380B (zh) | 用于改进搜索引擎相关性的数据挖掘技术 | |
US20200065342A1 (en) | Leveraging Analytics Across Disparate Computing Devices | |
US20170337261A1 (en) | Decision Making and Planning/Prediction System for Human Intention Resolution | |
CN109408622B (zh) | 语句处理方法及其装置、设备和存储介质 | |
CN114503115A (zh) | 生成丰富的动作项目 | |
US20160062985A1 (en) | Clustering Classes in Language Modeling | |
CN112189229A (zh) | 针对计算机化个人助手的技能发现 | |
WO2001067225A2 (en) | A system and method for providing an intelligent multi-step dialog with a user | |
US11881209B2 (en) | Electronic device and control method | |
CN103177039A (zh) | 一种数据处理方法及装置 | |
CN109508441A (zh) | 数据分析方法、装置及电子设备 | |
US11200264B2 (en) | Systems and methods for identifying dynamic types in voice queries | |
US10896034B2 (en) | Methods and systems for automated screen display generation and configuration | |
US20210216287A1 (en) | Methods and systems for automated screen display generation and configuration | |
KR20150044706A (ko) | 콘텐츠 검색을 위한 추상적 메타데이터 할당 방법 및 장치 | |
US20230351257A1 (en) | Method and system for training virtual agents through fallback analysis | |
CN114860883A (zh) | 一种智能问答方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090128 |