[發明專利]推動多語言、多輪次、多領域虛擬助理的并行假設推理

在審

• 申請號: 202180034482.0
• 申請日: 2021-03-10
• 公開（公告）號: CN115668206A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: J.卡普蘭
• 申請（專利權）人: 梅特凱股份有限公司
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06N5/04;G10L15/18;G10L15/22
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 陳芳

一種虛擬助理系統，包括被配置為接收用戶輸入并向用戶提供響應的接口以及被配置為運行機器可執行代碼的處理器。存儲非暫時性機器可執行代碼的存儲器，該代碼被配置為處理用戶輸入以生成兩個或更多個初級解釋以及基于兩個或更多個初級解釋中的一個或多個的一個或多個次級解釋。該代碼還被配置為處理初級解釋和替代解釋以生成導致兩個或更多個終端狀態的結果，然后對兩個或更多個終端狀態進行評分以對兩個或更多個終端狀態進行排序，使得排序最高的終端狀態是呈現給用戶的最高結果。收發器可以通過網絡與第二設備進行通信，第二設備被配置為輔助虛擬助理系統為用戶生成最高結果。

相關申請的交叉引用

本申請要求2020年03月10日提交的美國臨時申請第62/987814號的優先權，并且通過引用將其并入。

技術領域

本發明涉及一種用于提供能夠在對話(conversation)中跨多個領域操作任意數量的輪次的數字禮賓助理的方法。

背景技術

圖1示出了現有技術的虛擬助理操作及其由于在線性的和基于孤立任務的方法上運行而導致的限制。通常以語音命令形式的用戶輸入發起操作過程。語音輸入被記錄為音頻100，然后被轉換成文本表示105。文本表示被遞送給云輔助服務以確定用戶意圖110?；谒_定的用戶意圖，選擇115并執行120動作。最后，所執行的動作的結果被呈現給用戶125。

這種類型的過程有幾個限制。第一，圖1的過程僅考慮了用戶執行意圖的一個解釋。如果對來自用戶的語音輸入的這種初始解釋(諸如由于用戶糟糕的發音、麥克風定位、背景噪聲或任何其他因素)被不正確地解釋，則解釋可能是不正確的，這將產生提供給用戶的次優結果。此外，可能存在多個有效的競爭解釋，但是由于現有技術的單路徑性質，僅追求一個解釋。結果，沒有為用戶輸入的附加的上下文或不同的解釋留有空間。

第二，每個任務僅考慮最高(top)文本表示。例如，僅最高文本表示被選擇105并被傳遞到下一個任務，其中僅最高用戶意圖110被確定并被傳遞到下一個任務。然后，僅選擇最高動作115，依此類推。因此，沒有為任務之間的協作留有空間。

第三，這個過程不允許回溯，并且每個任務不能被存儲為用戶歷史的獨立部分。因此，該過程不能很好地執行諸如“但不是(but not)”功能之類的排他命令(因為這些命令需要回溯)，并且沒有為多輪次用戶交互留有空間。例如，如果第一音頻100包括用以執行互聯網搜索的命令，并且在遞送結果125時，用戶希望使用第二音頻命令來修改搜索，則用戶將不得不手動地將先前的結果125合并到他們的第二音頻命令100中?，F有技術的另一缺點是，圖1所示的每個任務不允許任務之間的協作。

發明內容

為了克服現有技術的缺點并提供附加的好處，公開了一種用于提供虛擬輔助的方法。在一個實施例中，該方法包括：接收包括對動作或信息的用戶請求的用戶輸入，然后通過處理用戶輸入來為用戶輸入生成兩個或更多個初級解釋。兩個或更多個初級解釋是針對用戶輸入的唯一可能轉錄。該方法還通過處理初級解釋中的一個或多個以形成替代解釋來為該兩個或更多個初級解釋中的一個或多個生成一個或多個次級解釋。該方法還響應于兩個或更多個初級解釋和一個或多個次級解釋來確定一個或多個初級動作，準備由執行一個或多個初級動作而得的一個或多個結果，并且還響應于一個或多個初級動作中的至少一個初級動作確定是否存在一個或多個次級動作。如果存在一個或多個次級動作，則繼續處理初級解釋、一個或多個次級解釋、一個或多個初級動作和一個或多個次級動作中的兩個或更多個以生成附加動作。當一個或多個附加動作不存在時，將沒有對其預測附加動作的一個或多個結果指定為一個或多個終端結果，并且對一個或多個終端結果進行評分。該方法將具有最高得分的終端結果指定為最高結果，并且向用戶至少輸出最高結果，或者采取由最高結果定義的動作。