-
公开(公告)号:CN109753658B
公开(公告)日:2023-09-19
申请号:CN201811645088.7
申请日:2018-12-29
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/35 , G06F40/30 , G06F40/253 , G06F16/332
Abstract: 本申请实施例公开了交互方法和装置。该方法的一具体实施方式包括:基于查询语句的成分关键词,生成查询语句对应的查询逻辑语句;基于查询语句对应的查询逻辑语句,获取用于生成答案语句的信息;基于用于生成答案语句的信息,生答案语句,将答案语句反馈给用户。查询逻辑语句可以同时指示多个查询逻辑,查询逻辑语句与具体的领域无关,查询逻辑语句可以适用于用于查询多个不同的领域的查询语句对应的答案语句。每一步为了获取生成答案所需的信息进行的转换得到的表达式也可适用于用于查询多个不同的领域的查询语句对应的答案语句。从而,可对诸如包含多个查询逻辑的复杂的查询语句进行分析而生成答案语句,同时,减少了生成答案语句的开销。
-
公开(公告)号:CN112861548B
公开(公告)日:2023-06-23
申请号:CN202110184842.7
申请日:2021-02-10
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本公开公开了一种自然语言生成及模型的训练方法、装置、设备和存储介质,涉及计算机技术领域,具体涉及自然语言处理、深度学习等人工智能技术领域。自然语言生成模型的训练方法包括:采用自然语言生成模型,根据用户文本对第一生成文本进行更新,以得到第二生成文本,所述第一生成文本的初始值采用所述自然语言生成模型,对所述用户文本进行处理后得到;在未达到预设的第一更新结束条件时,将所述第二生成文本作为新的第一生成文本,采用所述自然语言生成模型,根据用户文本对所述新的第一生成文本进行更新,直至达到所述第一更新结束条件;将达到所述第一更新结束条件时的第二生成文本,确定为所述用户文本对应的自然语言生成文本。本公开可以提高自然语言生成文本的质量。
-
公开(公告)号:CN109753658A
公开(公告)日:2019-05-14
申请号:CN201811645088.7
申请日:2018-12-29
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F17/27 , G06F16/332 , G06F16/35
Abstract: 本申请实施例公开了交互方法和装置。该方法的一具体实施方式包括:基于查询语句的成分关键词,生成查询语句对应的查询逻辑语句;基于查询语句对应的查询逻辑语句,获取用于生成答案语句的信息;基于用于生成答案语句的信息,生答案语句,将答案语句反馈给用户。查询逻辑语句可以同时指示多个查询逻辑,查询逻辑语句与具体的领域无关,查询逻辑语句可以适用于用于查询多个不同的领域的查询语句对应的答案语句。每一步为了获取生成答案所需的信息进行的转换得到的表达式也可适用于用于查询多个不同的领域的查询语句对应的答案语句。从而,可对诸如包含多个查询逻辑的复杂的查询语句进行分析而生成答案语句,同时,减少了生成答案语句的开销。
-
公开(公告)号:CN112861548A
公开(公告)日:2021-05-28
申请号:CN202110184842.7
申请日:2021-02-10
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本公开公开了一种自然语言生成及模型的训练方法、装置、设备和存储介质,涉及计算机技术领域,具体涉及自然语言处理、深度学习等人工智能技术领域。自然语言生成模型的训练方法包括:采用自然语言生成模型,根据用户文本对第一生成文本进行更新,以得到第二生成文本,所述第一生成文本的初始值采用所述自然语言生成模型,对所述用户文本进行处理后得到;在未达到预设的第一更新结束条件时,将所述第二生成文本作为新的第一生成文本,采用所述自然语言生成模型,根据用户文本对所述新的第一生成文本进行更新,直至达到所述第一更新结束条件;将达到所述第一更新结束条件时的第二生成文本,确定为所述用户文本对应的自然语言生成文本。本公开可以提高自然语言生成文本的质量。
-
公开(公告)号:CN110413736A
公开(公告)日:2019-11-05
申请号:CN201910678829.X
申请日:2019-07-25
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种跨语言文本表示方法和装置,其中,方法包括:获取第一语种对应的第一训练文本和第一跨语言表示模型,其中,第一跨语言表示模型包括第一通用向量子模型和文本表示子模型;获取待处理文本对应的目标语种的第二训练文本;根据第一训练文本和第二训练文本训练第一通用向量子模型得到第二通用向量子模型;根据第二通用向量子模型和文本表示子模型获取目标语种的第二跨语言表示模型。由此,基于语义对齐处理挖掘不同语种之间的通用向量,基于通用向量进行跨语言文本处理,保证了跨语言处理模型的表示效果。解决了现有技术中,跨语言处理模型难以跨越语种不同的障碍导致的表示效果较差的技术问题。
-
-
-
-
-