【CN110175227A】一种基于组队学习和层级推理的对话辅助系统【专利】

合集下载

一种基于人工智能的学生实验辅助指导系统及其方法[发明专利]

专利名称：一种基于人工智能的学生实验辅助指导系统及其方法
专利类型：发明专利
发明人：张开生,秦博,武子宁
申请号：CN202110160638.1
申请日：20210205
公开号：CN112767750A
公开日：
20210507
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于人工智能的学生实验辅助指导系统，包括微处理器，所述微处理器上连接有键盘、读卡器、麦克风、显示器、扬声器、人脸识别及指纹识别，所述微处理器和外设安装在实验箱上，微处理器设置在实验箱内部，实验箱左前方设置麦克风和扬声器。

本发明可以支持同一学生对某个实验的重复操作和学习，进而不断改错进步。

此外，通过大数据还可以针对同一个实验、同一个班级、不同学生的整体实验操作技能进行分析评价，为提高实验教学质量助力。

申请人：陕西科技大学
地址：710021 陕西省西安市未央区大学园区陕西科技大学
国籍：CN
代理机构：西安智大知识产权代理事务所
代理人：王晶
更多信息请下载全文后查看。

【CN109977217A】一种智能辅助沟通的方法、系统及存储介质【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910281378.6(22)申请日 2019.04.09(71)申请人莫雨潜地址 400064 重庆市南岸区风临路花湖汀A区9栋申请人杨纪才(72)发明人莫雨潜　杨纪才　(74)专利代理机构北京知呱呱知识产权代理有限公司 11577代理人丁彦峰　贺亚明(51)Int.Cl.G06F 16/332(2019.01)G06F 16/335(2019.01)G06F 16/9535(2019.01)(54)发明名称一种智能辅助沟通的方法、系统及存储介质(57)摘要本发明实施例公开了一种智能辅助沟通的方法、系统及存储介质，涉及人工智能技术领域。

所述方法包括：为每一个用户建立单独的个人数据库；对所述个人数据库中的资料进行分析学习，建立人格分析档案；基于所述人格分析档案对双方用户的沟通内容进行分析类比，得出多种回复方案，并预测每一个回复方案将得到的反馈效果；用户选择任一所述回复方案与对方进行沟通。

本发明实施例能够解决现有人工智能对话机器不具有针对性，不能真正的提高用户情商的问题。

权利要求书2页说明书5页附图3页CN 109977217 A 2019.07.05C N 109977217A权　利　要　求　书1/2页CN 109977217 A1.一种智能辅助沟通的方法，其特征在于，所述方法包括：为每一个用户建立单独的个人数据库；对所述个人数据库中的资料进行分析学习，建立人格分析档案；基于所述人格分析档案对双方用户的沟通内容进行分析类比，得出多种回复方案，并预测每一个回复方案将得到的反馈效果；用户选择任一所述回复方案与对方进行沟通。

2.如权利要求1所述的一种智能辅助沟通的方法，其特征在于，所述为每一个用户建立单独的个人数据库的方法包括：用户对智能辅助沟通系统开放自己的私人聊天应用程序账号，智能辅助沟通系统通过所述私人聊天应用程序账号获取所述用户与对方用户的所有沟通内容，并将所述沟通内容存储在所述个人数据库中。

一种智能化的英语辅助学习系统[发明专利]

专利名称：一种智能化的英语辅助学习系统专利类型：发明专利
发明人：王洪冬,王建勋,张艳萍
申请号：CN201810771559.2
申请日：20180713
公开号：CN108665744A
公开日：
20181016
专利内容由知识产权出版社提供
摘要：本发明涉及一种智能化的英语辅助学习系统，包括：计时器、AR眼镜(1)、图像采集器(2)、微型投影仪(3)、发声器、时间安排录入机构(5)、显示器(6)和中央控制器；本发明将AR技术应用到英语学习系统中，通过对现实物体的图像采集，并将采集的图像与系统存储的物体图像进行对比，在匹配成功后能够辨识出当前物体的信息，然后在系统内存中提取该物体信息所对应的物体汉语名称和英文单词，将物体汉语名称和英文单词进行图像转化，获得虚拟显示对象，结合真实场景将虚拟显示对象直接显示在AR眼镜上；由此实现了图形与英语单词的关联，同时通过收听英文单词的发音，进一步加深单词的记忆深度，同时提高了学习效率及时间的有效利用率。

申请人：王洪冬,王建勋,张艳萍
地址：253000 山东省德州市德城区黄河涯镇纪南村25号
国籍：CN
更多信息请下载全文后查看。

【CN110111797A】基于高斯超矢量和深度神经网络的说话人识别方法【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910271166.X(22)申请日 2019.04.04(71)申请人湖北工业大学地址 430068 湖北省武汉市洪山区李纸路(72)发明人曾春艳　马超峰　武明虎　朱栋梁　赵楠　朱莉　王娟　(74)专利代理机构北京科家知识产权代理事务所(普通合伙) 11427代理人陈娟(51)Int.Cl.G10L 17/02(2013.01)G10L 17/08(2013.01)G10L 17/18(2013.01)(54)发明名称基于高斯超矢量和深度神经网络的说话人识别方法(57)摘要本发明公开了一种基于高斯超矢量和深度神经网络的说话人识别方法，包括说话人特征提取阶段，深度神经网络设计阶段，说话人识别与决策阶段，本发明通过深度神经网络与说话人识别系统模型相融合，结合高斯超矢量和深度神经网络的多层结构在提高评价模型的表征能力方面的显著效果，并且本发明提出的说话人识别方法在背景噪声的环境下能够有效提升系统的识别性能，在降低噪声对系统性能影响、提高系统噪声鲁棒性的同时，优化系统结构，提高了相应说话人识别产品的竞争力。

权利要求书3页说明书9页附图1页CN 110111797 A 2019.08.09C N 110111797A1.一种基于高斯超矢量和深度神经网络的说话人识别方法，应用于说话人识别，其特征在于，所述基于高斯超矢量和深度神经网络的说话人识别方法包括：S1：说话人特征提取；1-1)采集原始语音信号并依次预加重、分帧、加窗，快速傅里叶变换(FFT)、三角窗滤波、求对数、离散傅里叶变换(DCT)、差分参数、倒谱均值和方差归一化(CMVN)；1-11)预加重：为了消除发声过程中，声带和嘴唇造成的效应，来补偿语音信号受到发音系统所压抑的高频部分y＝x(n)-a*x(n -1)，0.95＜a＜0.97 (1)式中x(n)表示输入信号；1-12)分帧：将N个采样点集合成一个观测单位，称为帧；1-13)加窗：将每一帧乘以汉明窗，以增加帧左端和右端的连续性,x(n)表示分帧之后的信号1-14)快速傅里叶变换(FFT)：将时域信号转化到频域进行后续的频率分析式中s(n)表示输入的语音信号，N表示傅里叶变换的帧数；1-15)将能量谱通过一组Mel尺度的三角形滤波器组，定义为一个有M个三角滤波器的滤波器组，中心频率为f(m)，m＝1,2,…,M；各f(m)之间的间隔与m值成正比；1-16)经离散余弦变换(DCT)得到MFCC系数：将上述的对数能量带入离散余弦变换，式中M为三角滤波器的个数；L是MFCC系数的阶数；1-17)差分：为了使特征更能体现时域连续性，可以在特征维度增加前后帧信息的维度，常用的是一阶差分和二阶差分；1-18)倒谱均值和方差归一化可以消除平稳信道影响，提升特征的鲁棒性；1-2)给出一组训练按步骤1-1)提取出MFCC特征，训练通用背景模型(Universal Background Model，UBM)；1-21)若某条语音数据对应的特征为X，其中X＝{x 1,x 2,…x T }，且假设其维度为D，用于计算其似然函数的公式为：式中该密度函数由K个单高斯密度函数p k (X t )加权得到，其中每一个高斯分量的均值μk 和协方差∑k 的大小分别为：1×D和D ×D；权　利　要　求　书1/3页2CN 110111797 A。

一种基于学习辅助知识图谱的对话管理方法[发明专利]

专利名称：一种基于学习辅助知识图谱的对话管理方法专利类型：发明专利
发明人：胡方霞,卢羚芸,黄伟,张鑫
申请号：CN202010965549.X
申请日：20200915
公开号：CN112015919A
公开日：
20201201
专利内容由知识产权出版社提供
摘要：本发明公开一种基于学习辅助知识图谱的对话管理方法，包括获取学习者输入的语言数据,通过解析获得语言识别数据；对所获得的语言识别数据进行信息分类，获得知识类词语和意图类词语；利用知识类词语从学习辅助知识图谱中返回的相应学习信息，生成相关问题答案；再利用意图类词语对相关问题答案进行精确关联提取，获得精准问题答案；将所获得的精准问题答案通过自然语言生成技术，生成语言输出数据反馈给学习者。

本发明能够为用户提供更加准确、更加人性化的回答，进而更好地与用户进行互动。

申请人：重庆广播电视大学重庆工商职业学院
地址：400000 重庆市九龙坡区九龙科技园华龙大道1号
国籍：CN
代理机构：成都帝鹏知识产权代理事务所(普通合伙)
代理人：黎照西
更多信息请下载全文后查看。

一种对话系统回答生成方法及系统[发明专利]

专利名称：一种对话系统回答生成方法及系统专利类型：发明专利
发明人：何峻青,赵学敏,颜永红
申请号：CN201711481699.8
申请日：20171229
公开号：CN110020015A
公开日：
20190716
专利内容由知识产权出版社提供
摘要：本发明涉及一种对话系统回答生成方法及系统，包括以下步骤：步骤S1)将多轮对话数据按照每一轮进行切割，每一轮对话表示为(U,Y)；步骤S2)对U中的每个词进行词性标注和命名实体识别，找到词序列中的关键词序列；步骤S3)使用数据库查询或者神经网络自动生成的方法，得到目标关键词序列。

然后对每个目标关键词，查找得到该关键词的词向量；步骤S4)模型训练，对训练集中所有轮次的对话，使用seq2seq模型获得预测的词序列Y’；步骤S5)训练完成后，对测试样本中的任意一个用户输入样本，进行步骤S4)的操作，获得预测的词序列Y’。

本发明不仅可有效控制生成的回答的内容，还提高了回答的质量。

申请人：中国科学院声学研究所
地址：100190 北京市海淀区北四环西路21号
国籍：CN
代理机构：北京方安思达知识产权代理有限公司
更多信息请下载全文后查看。

一种基于爬虫技术和机器学习的语音自动问答方法及系统[发明专利]

专利名称：一种基于爬虫技术和机器学习的语音自动问答方法及系统
专利类型：发明专利
发明人：王月超,彭剑,陈灏
申请号：CN201811619723.4
申请日：20181227
公开号：CN109657047A
公开日：
20190419
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于爬虫技术和机器学习的语音自动问答方法及系统，属于语音识别、机器学习和网络爬虫技术领域。

本发明对获取的提问语音进行解析，得到问题关键字集合；基于提升树算法，对问题关键字集合进行过滤检索，再从过滤检索后的结果中得到最终答案集合；在最终答案集合中选择最终答案，并根据最终答案对过滤检索后的结果进行处理，处理后过滤检索后的结果，用于下一次选择，对应方法还有相应的系统，系统包括语音识别模块、处理模块和选择处理模块。

本发明用于语音自动问答。

申请人：四川新网银行股份有限公司
地址：610094 四川省成都市成都高新区吉泰三路8号1栋1单元26楼1-8号
国籍：CN
代理机构：成都智言知识产权代理有限公司
更多信息请下载全文后查看。

一种解题辅助方法及解题辅助客户端[发明专利]

专利名称：一种解题辅助方法及解题辅助客户端专利类型：发明专利
发明人：韦肖莹
申请号：CN201811559960.6
申请日：20181220
公开号：CN109446315A
公开日：
20190308
专利内容由知识产权出版社提供
摘要：本发明实施例涉及教育技术领域，公开了一种解题辅助方法及解题辅助客户端，该方法包括：在检测到用户进入某一题目的解题界面时，记录用户的解题时长；在解题时长大于或等于预设时长时，输出语音询问信息，该语音询问信息用于询问用户是否需要提供解题思路；接收用户输入的语音答复信息，根据语音答复信息识别用户意图；在用户意图指示需要提供解题思路时，获取用户在解题界面的解题过程，检测在解题过程中停留的解题步骤，并输出解题步骤对应的解题思路。

实施本发明实施例，能够培养用户的解题思维和自主思考能力，提高学习效率。

申请人：广东小天才科技有限公司
地址：528850 广东省东莞市长安镇霄边社区东门中路168号
国籍：CN
代理机构：广州德科知识产权代理有限公司
更多信息请下载全文后查看。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910386688.4
(22)申请日 2019.05.10
(71)申请人神思电子技术股份有限公司
地址 250000 山东省济南市市辖区高新区
舜华西路699号神思科技园
(72)发明人王太浩　朱锦雷　井焜　张传锋　
申冲　
(74)专利代理机构济南泉城专利商标事务所
37218
代理人赵玉凤
(51)Int.Cl.
G06F 16/332(2019.01)
G06N 5/04(2006.01)
G06F 16/36(2019.01)
(54)发明名称
一种基于组队学习和层级推理的对话辅助
系统
(57)摘要
本发明公开一种组队学习和层级推理的对
话辅助系统，本方法先爬取生成泛行业知识图
谱，包含了在行业之外的通用实体和属性条目，
可以方便地满足用户通用性知识查询的需要，同
时也有利于实现行业间知识库的快速迁移；其
次，本发明提出的多级推理网络可以实现复杂的
语义推理能力，能够实现基于推理过程的人机对
话，同时能够通过推理网络进行精准的业务推荐
和产品营销；最后，基于强化学习的策略学习网
络可以利用积累的历史交互经验学习排序策略，
持续地提升用户体验。

通过部署该系统可以实现
原有对话系统的功能扩展和效果升级，提升用户
体验。

权利要求书2页说明书6页附图4页CN 110175227 A 2019.08.27
C N 110175227
A
权　利　要　求　书1/2页CN 110175227 A
1.一种基于组队学习和层级推理的对话辅助系统，其特征在于：包括泛行业知识图谱、多级贝叶斯推理引擎、深度对话评估模型和对话策略学习网络，泛行业知识图谱和多级贝叶斯推理引擎用于进行常识性问答和推理性对话，将获取的涵盖多个行业的结构化知识通过图形数据库生成泛行业知识图谱，泛行业知识图谱用于支持常识性问答，然后通过多级贝叶斯推理引擎推理产生常识问答和推理性对话的答案；深度对话评估模型通过用户情感参数、交互轮数和用户满意度三个参数评估单话题下人机交互过程的对话质量，为排序策略学习提供数据，对话策略学习网络从各个机器人日志中获取由深度对话评估模型生成的各种评估参数，各个机器人的评估参数共享，然后分别使用各个机器人的实时对话日志依次对共享参数进行训练，实现从对话历史中学习最优排序策略。

2.根据权利要求1所述的基于组队学习和层级推理的对话辅助系统，其特征在于：泛行业知识图谱的构建过程为：S01）、通过网络爬虫从通用百科网站和各行业百科网站爬取结构化和半结构化的文本内容，将其中的实体-属性和实体-实体关系转化为标准的json数据，然后将其存储到数据库中；S02）、使用预先标注的少量数据训练BiLSTM-CRF模型，识别在线爬取非结构化文本的实体和实体、属性关系，转化为json格式的结构化知识，将其存储到数据库中；S03）、根据实体之间的依赖和层次归属关系，为各个实体增加层级属性，标识其所属层级；S04）、使用图形数据库软件将结构化的知识生产泛行业的知识图谱，使用分布式云端存储模式对知识图谱进行存储，用以支持在线的常识性问答和知识推理。

3.根据权利要求2所述的基于组队学习和层级推理的对话辅助系统，其特征在于：将非结构化文本转化成结构化文本的过程为：首先选取一部分具有代表性的样本，对这些样本进行手动标注，优先标注实体词和属性词的起止位置标签以及实体与属性关系的标签；然后构建一个基于序列标注任务的实体识别模型BiLSTM-CRF，该模型使用双向长短时记忆网络后接条件随机给出词序列的标签分布概率，进而实现对成段文本的实体标注与识别，再对BiLSTM-CRF模型进行训练，训练数据为手动标注数据；最后基于BiLSTM的分类器实现实体和属性之间关系的分类，关系类型包括归属关系、并列关系、递进关系、矛盾关系，之后利用训练好的模型对海量的非结构化文本中提取实体和属性以及各种相关关系，将其转化为标准的json格式数据。

4.根据权利要求1所述的基于组队学习和层级推理的对话辅助系统，其特征在于：多级贝叶斯推理引擎推理产生常识性问答和推理性对话的答案的过程为：如果是常识性问答，首先对问答文本进行语义角色解析，提取出关注实体和属性，然后使用实体的语义编码表示去匹配知识图谱中的对应实体，提取出所需要的属性知识反馈给用户；如果是简单推理过程，直接使用单一的贝叶斯网络进行判定；如果是复杂推理过程，则使用多级贝叶斯网络进行推理决策，首先根据高等级的实体参数判别次一级的贝叶斯先验分布，然后利用次一级的先验概率结合实体的属性值递归地推断相应的决策。

5.根据权利要求4所述的基于组队学习和层级推理的对话辅助系统，其特征在于：多级贝叶斯网络采用三层的网络架构，以默认的正态先验分布从自变量进行最大后验估计，得到该级实体的后验分布，然后将该后验分布作为次一级实体的先验分布，通过次级贝叶斯网络得到次级实体的后验分布，递归地进行此过程，直到得到目标实体地后验分布为止。

6.根据权利要求1所述的基于组队学习和层级推理的对话辅助系统，其特征在于：深度对话评估模型评估对话质量的过程为：在对话过程中，每次回复答案之后会得到用户的下
2。