-
公开(公告)号:CN116028616A
公开(公告)日:2023-04-28
申请号:CN202211288538.8
申请日:2022-10-20
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06F16/335 , G06F16/332 , G06F16/35
Abstract: 本发明公开了一种基于个性扩展的对话生成方法,该方法包括以下步骤:1)根据用户查询和预定义个性信息进行对话个性扩展;2)基于先后验网络构建个性集合的重要性分布模型,获得个性重要性分布;3)根据基于后验网络预测的个性重要性分布,使用加权后的个性信息进行响应解码;4)响应推断,生成查询的对话文本。本发明提出的方法基于自然语言推断和先后验网络,能够更加准确地扩展出符合预定义个性的新个性信息,并且更加有效地学习到响应生成过程中个性集合的利用方式,从而提高对话生成的个性一致性。
-
公开(公告)号:CN110427490A
公开(公告)日:2019-11-08
申请号:CN201910596166.7
申请日:2019-07-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于自注意力机制的情感对话生成方法与装置,该方法包括以下步骤:1)接收用户Post的输入语句以及对应的情感标签Ep;2)根据接收语句的情感信息和语义信息,获得回复情感Er;3)根据回复情感Er和接收语句的语义信息,生成对应的回复。本发明能够自动感知上文语义和情感信息并生成带有合适情感的回复。
-
公开(公告)号:CN110427490B
公开(公告)日:2021-11-09
申请号:CN201910596166.7
申请日:2019-07-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于自注意力机制的情感对话生成方法与装置,该方法包括以下步骤:1)接收用户Post的输入语句以及对应的情感标签Ep;2)根据接收语句的情感信息和语义信息,获得回复情感Er;3)根据回复情感Er和接收语句的语义信息,生成对应的回复。本发明能够自动感知上文语义和情感信息并生成带有合适情感的回复。
-
公开(公告)号:CN113515613A
公开(公告)日:2021-10-19
申请号:CN202110711655.X
申请日:2021-06-25
Applicant: 华中科技大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06N3/04 , B25J11/00
Abstract: 本发明公开了一种集成闲聊、知识和任务问答的智能机器人,包括:系统交互模块,用于提供可视化的交互界面,接收用户的输入信息作为问题输入;对话管理模块,用于处理对话逻辑,所述对话管理模块包括问题重写子模块、意图识别子模块和问题响应子模块;对话引擎模块,用于实现各子系统内部逻辑,包含闲聊问答、知识问答和任务问答,为问答提供算法支持;对话数据模块,用于存储和管理各子引擎所涉及的模型和语料,为问答系统提供数据支持;系统支持模块,对配置文件和日志进行管理,支持模块化部署和测试。本发明通过判断用户意图和处理对话逻辑,经对话引擎模块、对话数据模块处理后得到问题答案。
-
公开(公告)号:CN110442798A
公开(公告)日:2019-11-12
申请号:CN201910601396.8
申请日:2019-07-03
Applicant: 华中科技大学
IPC: G06F16/9536 , G06Q50/00 , G06N20/00
Abstract: 本发明公开了一种基于网络表示学习的垃圾评论用户群组检测方法,该方法包括以下步骤:1)采集用户对商品的评论并存储;2)垃圾评论活动信息建模,获得用户之间的共谋一致性;3)根据用户之间的共谋一致性,构造用户关系网络;4)根据用户关系网络估计用户之间的低阶关联性和高阶关联性;5)基于低阶关联性和高阶关联性,获得一个完整的模型 来对用户的表示进行学习;6)根据学习到包含用户行为关系信息和网络拓扑结构信息的用户低维表示,从而计算两个用户的共谋可能性得分,通过计算ScoreF(ui,*)中最大的n个分数的平均值来获得用户ui的分数,并根据用户分数的排序获得最终的检测结果。本发明能有效提升垃圾评论群组检测的准确率。
-
公开(公告)号:CN110442798B
公开(公告)日:2021-10-08
申请号:CN201910601396.8
申请日:2019-07-03
Applicant: 华中科技大学
IPC: G06F16/9536 , G06Q50/00 , G06N20/00
Abstract: 本发明公开了一种基于网络表示学习的垃圾评论用户群组检测方法,该方法包括以下步骤:1)采集用户对商品的评论并存储;2)垃圾评论活动信息建模,获得用户之间的共谋一致性;3)根据用户之间的共谋一致性,构造用户关系网络;4)根据用户关系网络估计用户之间的低阶关联性和高阶关联性;5)基于低阶关联性和高阶关联性,获得一个完整的模型来对用户的表示进行学习;6)根据学习到包含用户行为关系信息和网络拓扑结构信息的用户低维表示,从而计算两个用户的共谋可能性得分,通过计算ScoreF(ui,*)中最大的n个分数的平均值来获得用户ui的分数,并根据用户分数的排序获得最终的检测结果。本发明能有效提升垃圾评论群组检测的准确率。
-
-
-
-
-