技術

讓機器真正理解人類語言。

  • 深度語義分析

    在我們所選擇的表示學習方法中,其特征的選擇不再由人工選擇,只要有大量的數據,層數比較深時,就可以把特征自動選擇出來。此外它還解決了One-Hot表示的數據稀疏和語義關系丟失問題。因此在自然語言處理中一些基本問題比如分詞,詞性標注,命名實體識別,文本分類等都比傳統的方法表現出更好的效果測評指標。

  • 知識圖譜

    在知識表示中,我們主要使用本體來進行知識表示。知識圖譜的構建主要通過從客觀世界和互聯網的各種數據資源中獲取客觀世界知識構建知識圖譜。知識圖譜應用于答案生成的語義檢索方面。

  • 多輪對話

    多輪對話在單輪對話的基礎上引入了上下文,因此當前的狀態不僅取決于上文,而且可能取決于上上文或者更遠的上文。我們使用了深度學習來解決多輪對話問題,其關鍵在于將上下文信息引入encoder-decoder中,context引入到encoder中??蓪⑸舷挛男畔⒃趀ncoder端建立模型。

  • 免喚醒

    我們主要通過語音錄入自動截取和垃圾信息過濾兩項技術來實現免喚醒。語音錄入自動截取根據語音輸入的停頓時長自動截取連續內容的信息作為有效信息;垃圾信息過濾建立垃圾信息分類器,自動過濾掉垃圾信息。

  • 個性化服務

    我們依靠聲紋識別技術,在語音交互場景中能夠準確的將用戶區分出來,并將他與系統之間的語音交互行為記錄下來。當用戶再次與系統進行交互時,我們會根據用戶之前的行為,結合當時的時間,用戶的心情,通過特定的算法,為用戶提供貼心的服務。

陕西快乐十分