-
公开(公告)号：CN107924679B
公开(公告)日：2021-11-05
申请号：CN201680041199.X
申请日：2016-07-12
Applicant: 微软技术许可有限责任公司
IPC: G10L15/22 , G10L15/183 , G10L15/32 , G10L15/18
Abstract: 本公开内容的示例描述输入理解系统/服务的处理。接收的输入被处理以生成用于识别接收的输入的备选的集合。备选的集合被过滤。过滤包括对备选的集合排名并且传播多个排名的备选以用于附加处理。传播的备选被处理以基于接收的输入来生成用于潜在假设的备选的扩展的集合。备选的扩展的集合被过滤。过滤包括对扩展的集合的备选排名并且传播扩展的集合的多个排名的备选以用于附加处理。扩展的集合的传播的备选基于对从外部资源取读的知识数据的应用被评估。对接收的输入的响应被生成。响应的生成包括对评估的备选排名并且基于排名并且评估的备选来选择响应。
-
公开(公告)号：CN107251011B
公开(公告)日：2021-10-22
申请号：CN201680010623.4
申请日：2016-02-03
Applicant: 微软技术许可有限责任公司
IPC: G06F40/205 , G06F40/30 , G06F16/9532 , G06N20/00 , G06N7/00
Abstract: 用于比如条件随机场模型之类的序列标签器或者训练该序列标签器的系统和方法。更具体地，系统和方法利用用于具体应用的来自众包的数据的部分地标注的数据和来自搜索日志的部分地标注的数据来训练序列标签器。另外，在此公开的系统和方法通过利用受约束格构仅利用部分地标注的数据来训练序列标签器，其中受约束格构内的每个输入值可以具有多个候选标签，该多个候选标签具有置信分数。因而，系统和方法与利用至少一些完全地标注的训练数据而被训练的序列标签器相比，提供更准确的序列加标签系统、更可靠的序列加标签系统和更高效的序列加标签系统。
-
公开(公告)号：CN107251060B
公开(公告)日：2021-07-09
申请号：CN201680011089.9
申请日：2016-02-03
Applicant: 微软技术许可有限责任公司
Abstract: 提供了使用未经标记的数据预训练序列标签器的系统和方法，诸如隐藏分层条件随机场模型。附加地，提供用于迁移学习的系统和方法。因而，系统和方法构建比先前利用的未经过未经标记的数据预训练和/或无法进行迁移学习/训练的序列标签器更准确，更可靠和/或更有效的序列标签器。
-
公开(公告)号：CN107533542B
公开(公告)日：2020-08-28
申请号：CN201680005437.1
申请日：2016-01-22
Applicant: 微软技术许可有限责任公司
IPC: G06F40/274 , G06F40/216 , G06F40/279 , G10L15/18
Abstract: 使用n元分析和上下文信息来对不完整的自然语言表达的分析允许一个或多个域预测。对于每个域而言，使用n元分析和上下文信息来确定用户的可能意图。意图可以与域应用的功能相对应。在这样的情况中，可以使用n元分析和/或上下文信息来填充对于执行应用的功能所需要的信息。应用可以然后被呈现给用户以用于对意图的确认。对意图的确认连同不完整的自然语言表达和上下文信息一起可以然后被用于训练用于基于不完整的自然语言表达来预测用户意图的一个或多个模型。
-
公开(公告)号：CN110263327A
公开(公告)日：2019-09-20
申请号：CN201910428922.5
申请日：2014-06-05
Applicant: 微软技术许可有限责任公司
Abstract: 一种用于使用CU服务中的资源使能实现用于会话理解(CU)的应用的方法，其包括：确定所述应用将使用的领域；接收对关联于将在所述应用中使用的领域的应用编程接口(API)的选择；基于对API的选择和所确定的领域，自动更新对于所述CU服务的模型；以及使所述模型对所述CU服务可用。
-
Patent Agency Ranking
公开(公告)号：CN109313667A
公开(公告)日：2019-02-05
申请号：CN201780037738.7
申请日：2017-06-12
Applicant: 微软技术许可有限责任公司
IPC: G06F17/27
Abstract: 提供了用于构建特定于对话状态的多轮上下文语言理解系统的系统和方法。更具体地，这样的系统和方法从形成的单槽语言理解模型和/或单槽规则集推断或被配置为从形成的单槽语言理解模型和/或单槽规则集推断特定于状态的模式和/或特定于状态的规则。由此，系统和方法仅需要来自构建方的、对形成单槽语言理解模型和/或单槽规则集必要的信息，来形成或构建特定于对话状态的多轮上下文语言理解系统。相应地，与需要来自构建方的、比构建单槽语言理解系统所必要的进一步输入的系统和方法相比，用于构建特定于对话状态的多轮上下文语言理解系统的系统和方法减少了构建针对应用的特定于对话状态的多轮上下文语言理解系统必要的专家知识、时间和资源。
-
公开(公告)号：CN108701128A
公开(公告)日：2018-10-23
申请号：CN201780013907.3
申请日：2017-02-24
Applicant: 微软技术许可有限责任公司
Inventor： R·萨里卡亚
IPC: G06F17/27
CPC classification number: G06F16/24522 , G06F16/24565 , G06F17/279 , G06N5/02 , G06Q10/1093
Abstract: 提供了解释和解析包含条件的自然语言查询的技术。可以标识条件部分和动作部分的域、意图和槽。所标识的域、意图和槽可以被递送到另一设备或应用以供进一步处理。
-
公开(公告)号：CN107924679A
公开(公告)日：2018-04-17
申请号：CN201680041199.X
申请日：2016-07-12
Applicant: 微软技术许可有限责任公司
CPC classification number: G10L15/183 , G10L15/08 , G10L15/14 , G10L15/18 , G10L15/1822 , G10L15/22 , G10L15/24 , G10L15/32 , G10L2015/228
Abstract: 本公开内容的示例描述输入理解系统/服务的处理。接收的输入被处理以生成用于识别接收的输入的备选的集合。备选的集合被过滤。过滤包括对备选的集合排名并且传播多个排名的备选以用于附加处理。传播的备选被处理以基于接收的输入来生成用于潜在假设的备选的扩展的集合。备选的扩展的集合被过滤。过滤包括对扩展的集合的备选排名并且传播扩展的集合的多个排名的备选以用于附加处理。扩展的集合的传播的备选基于对从外部资源取读的知识数据的应用被评估。对接收的输入的响应被生成。响应的生成包括对评估的备选排名并且基于排名并且评估的备选来选择响应。
-
公开(公告)号：CN107111611A
公开(公告)日：2017-08-29
申请号：CN201580070449.8
申请日：2015-12-22
Applicant: 微软技术许可有限责任公司
CPC classification number: G06F17/278 , G06F17/279 , G06F17/30646 , G06F17/30654 , G06F17/30657 , G06F17/30663 , G06F17/30666 , G06F17/30684 , G06F17/30693 , G10L15/22
Abstract: 提供了用于区分歧义表达以增强用户体验的方法和系统。例如，可以由语音识别组件接收自然语言表达(402)。自然语言表达可以包括文本的单词、术语和短语中的至少一项。可以通过使用上下文信息来创建来自自然语言表达的对话假设集(404)。在一些情况下，对话假设集具有至少两个对话假设。可以为对话假设集生成多个对话响应(406)。可以基于对多个对话响应的分析来对对话假设集评级(408)。可以基于对对话假设集评级来执行动作(410)。
-
公开(公告)号：CN107111475A
公开(公告)日：2017-08-29
申请号：CN201680005172.5
申请日：2016-01-06
Applicant: 微软技术许可有限责任公司
Abstract: 本公开的示例改进针对输入理解做出的决策，以辅助确定如何对输入最好地进行响应。使用输入识别组件、输入理解组件以及输入上下文组件来分析接收到的输入。确定潜在的响应选项。如果存在关于对接收到的输入进行响应的不确定性，则针对潜在的响应选项，生成不确定性值和误分类成本，以辅助做出关于如何对接收到的输入最好地进行响应的决策。针对潜在响应和与潜在响应相关联的参数来确定不确定性值，并且如果潜在响应证明是不正确的，则误分类成本是与寻求潜在响应相关联的成本。基于分析针对潜在响应的所生成的不确定性值和所生成的误分类成本，响应被选择以传输到用户。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.046 seconds)
