-
公开(公告)号：CN106558309B
公开(公告)日：2019-07-09
申请号：CN201510629197.X
申请日：2015-09-28
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
Abstract: 本发明提供了一种口语对话策略生成方法，所述方法包括：步骤S1)使用人替代机器方式收集真实的人机对话数据样本；步骤S2)基于Agenda模拟用户模型，根据对话数据样本构建一个虚拟用户，用于模拟真实用户行为；步骤S3)为虚拟用户的语义信息添加噪声，构建噪声信道；步骤S4)根据虚拟用户的语义信息构建对话策略模板；步骤S5)提取对话策略模板中所有条件语句包含的自由参数构成参数向量，输入遗传算法中进行优化得到最优解；步骤S6)将最优解赋予对话策略模板得到对话策略。本发明的口语策略生成方法与现有的纯手工制定的对话策略相比具有更好的噪声鲁棒性；而且本发明定义的口语策略语言易于人工编辑和维护，更适合对系统行为有严格要求的商业环境。
-
公开(公告)号：CN105845137A
公开(公告)日：2016-08-10
申请号：CN201610158818.5
申请日：2016-03-18
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G10L15/22
Abstract: 本发明涉及一种语音对话管理系统，包括：对话管理器，用于存储和维护当前所有有效的对话进程，以及接收用户语义信息，并通过状态机给出相应的回复。状态机模型，用于保存对话领域结构的全部信息，是对对话领域的静态描述文档，在运行过程中需根据状态机模型所描述的领域规则进行状态维护并生成系统回复。状态机，用于在运行时跟踪对话进程的状态信息，在用户产生输入动作时对对话状态进行更新；以及根据当前对话状态动态地产生相应的回复，所述状态机涉及到的具体的领域信息由状态机模型指定。本发明实施例提供的语音对话管理系统，可内嵌JavaScript代码对特定的对话流程进行定制化，实现更灵活的对话管理。
-
公开(公告)号：CN105809186A
公开(公告)日：2016-07-27
申请号：CN201610102204.5
申请日：2016-02-25
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6268
Abstract: 本发明涉及一种情感分类的方法及系统，该情感分类的方法包括：根据社交网络平台提供的数据流接口，获取带有情感符的数据，以及根据情感符将数据进行标记；根据CBOW?情感词典训练模型，将标记后的数据作为输入，构建情感词向量词典；根据提供的训练数据查询情感词向量词典，将训练数据转换为第一数学向量，并将第一数学向量送入分类器中，训练分类模型；根据分类模型对社交网络数据进行情感分类。本发明使用情感词矢量来表征文本，由词到向量的过程无需人工干预，降低了传统方法中手动构建和挑选特征的成本，且分类效果优于传统分类方法。
-
公开(公告)号：CN110866403A
公开(公告)日：2020-03-06
申请号：CN201810916744.6
申请日：2018-08-13
Applicant: 中国科学院声学研究所
IPC: G06F40/30 , G06F40/284 , G06N3/04
Abstract: 本发明提出了基于卷积循环实体网络的端对端对话状态跟踪方法和系统，包括：步骤1)将对话表示成多个句子矩阵集合D＝{S1,...St}，Si,1≤i≤t为第i个由若干词向量组成的句子矩阵；步骤2)该矩阵集合D经过一个可训练的卷积神经网络模块，最大池化后得到固定长度的句子向量；步骤3)使用动态记忆将各个固定长度的句子向量进行编码，使用动态记忆的最后一个隐层ht表示整个对话；步骤4)对于每个预先定义的语义槽，建立一层从ht到该语义槽所有可能值的全连接的神经网络，得到各个语义槽在各个值上的概率分布；步骤5)取最大概率所在的值作为该语义槽的预测结果，得到该对话当前的对话状态。本发明可自动学习和语义槽相关的文本表示，提高了对话状态跟踪的性能。
-
公开(公告)号：CN105845137B
公开(公告)日：2019-08-23
申请号：CN201610158818.5
申请日：2016-03-18
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G10L15/22
Abstract: 本发明涉及一种语音对话管理系统，包括：对话管理器，用于存储和维护当前所有有效的对话进程，以及接收用户语义信息，并通过状态机给出相应的回复。状态机模型，用于保存对话领域结构的全部信息，是对对话领域的静态描述文档，在运行过程中需根据状态机模型所描述的领域规则进行状态维护并生成系统回复。状态机，用于在运行时跟踪对话进程的状态信息，在用户产生输入动作时对对话状态进行更新；以及根据当前对话状态动态地产生相应的回复，所述状态机涉及到的具体的领域信息由状态机模型指定。本发明实施例提供的语音对话管理系统，可内嵌JavaScript代码对特定的对话流程进行定制化，实现更灵活的对话管理。
-
Patent Agency Ranking
公开(公告)号：CN107577666A
公开(公告)日：2018-01-12
申请号：CN201710827271.8
申请日：2017-09-14
Applicant: 中国科学院声学研究所
IPC: G06F17/27
Abstract: 本发明涉及一种自由定制的中文预处理方法，包括：步骤1)从配置文件中读取参数列表并记录；步骤2)判断输入是否为一个文件夹；步骤3)经过处理后，生成分词后的结果和带词频的结果，分别保存在用户指定的seg文件夹、tf文件夹；生成一个全局词典，保存在outputdir文件夹下的df文件夹中；步骤4)根据df文件夹中的全局词典和dfTheshold阈值，生成全局停用词词典，将其保存在df文件夹中；判断每个文件或子文件中的每个词是否在停用词词典中，将滤除后的文件或子文件保存到remove_words文件夹中；步骤5)判断步骤2)的输入是否为单文件且多进程；当步骤2)输入为单个文件且多进程时，合并remove_words文件夹中的子文件成一个大文件,并将这些子文件删除；否则，程序结束。
-
公开(公告)号：CN105788593A
公开(公告)日：2016-07-20
申请号：CN201610112563.9
申请日：2016-02-29
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G10L15/14 , G10L15/183 , G10L15/187
Abstract: 本发明涉及一种对话策略生成的方法及系统。生成对话策略的方法：从语音对话系统中获取人机对话语料，定义并抽取出对话状态和对话动作；制定立即奖赏函数，通过判断对话动作对整体对话任务的有利程度，输出立即奖赏值；进而，将输出的立即奖赏值结合对话动作和对话任务组成批量式强化学习算法的输入样本集合；初始化累积奖赏值，并根据当前迭代的值函数，运用贝尔曼迭代更新各个样本的累积奖赏值；将对话动作和对话状态作为高斯过程的输入，更新后的累积奖赏值作为输出，进而更新值函数；当迭代次数达到预定的迭代次数，输出对话策略。本发明直接在真实的人机语料库进行批量式强化学习，避免了虚拟用户的构建和由此带来的用户行为误差。
-
公开(公告)号：CN102074240B
公开(公告)日：2012-03-14
申请号：CN201010621150.6
申请日：2010-12-24
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G10L19/00
Abstract: 本发明涉及一种用数字音频水印进行版权管理的方法，该方法将水印信号嵌入到音频信号能量的对数域中使解码与幅度无关；通过对嵌入的水印信息的帧结构进行合理设计，使得解嵌结果的时长统计精度达到秒级，并且在各种剪切、拼接、插入其他音频信号等操作下解码时间精度和解码正确率不受影响；嵌入的信息采用RSA数字签名算法进行加密，使得嵌入信息具有保密性；嵌入算法有效地利用了音频的短时平稳具有的相关性减少了载体音频对水印信息的干扰，从而显著地改善了水印解出的成功率和准确率。本方法通过引入数字水印技术对入媒资库的音频素材进行标识，之后通过对播出流或音频文件的解码分析得到素材的使用情况，从而获得版权付费信息。
-
公开(公告)号：CN102074240A
公开(公告)日：2011-05-25
申请号：CN201010621150.6
申请日：2010-12-24
Applicant: 中国科学院声学研究所 , 北京中科信利技术有限公司
IPC: G10L19/00
Abstract: 本发明涉及一种用数字音频水印进行版权管理的方法，该方法将水印信号嵌入到音频信号能量的对数域中使解码与幅度无关；通过对嵌入的水印信息的帧结构进行合理设计，使得解嵌结果的时长统计精度达到秒级，并且在各种剪切、拼接、插入其他音频信号等操作下解码时间精度和解码正确率不受影响；嵌入的信息采用RSA数字签名算法进行加密，使得嵌入信息具有保密性；嵌入算法有效地利用了音频的短时平稳具有的相关性减少了载体音频对水印信息的干扰，从而显著地改善了水印解出的成功率和准确率。本方法通过引入数字水印技术对入媒资库的音频素材进行标识，之后通过对播出流或音频文件的解码分析得到素材的使用情况，从而获得版权付费信息。
-
公开(公告)号：CN110866403B
公开(公告)日：2021-06-08
申请号：CN201810916744.6
申请日：2018-08-13
Applicant: 中国科学院声学研究所
IPC: G06F40/30 , G06F40/284 , G06N3/04
Abstract: 本发明提出了基于卷积循环实体网络的端对端对话状态跟踪方法和系统，包括：步骤1)将对话表示成多个句子矩阵集合D＝{S1,...St}，Si,1≤i≤t为第i个由若干词向量组成的句子矩阵；步骤2)该矩阵集合D经过一个可训练的卷积神经网络模块，最大池化后得到固定长度的句子向量；步骤3)使用动态记忆将各个固定长度的句子向量进行编码，使用动态记忆的最后一个隐层ht表示整个对话；步骤4)对于每个预先定义的语义槽，建立一层从ht到该语义槽所有可能值的全连接的神经网络，得到各个语义槽在各个值上的概率分布；步骤5)取最大概率所在的值作为该语义槽的预测结果，得到该对话当前的对话状态。本发明可自动学习和语义槽相关的文本表示，提高了对话状态跟踪的性能。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
