回复

摘要： 自治区人大代表,自治区应急厅党委书记、厅长许建忠在自治区十三届人大五次会议期间,以高度的政治责任感、饱满的政治热情参加大会各项活动,认真审议《政府工作报告》《自治区人大常委会工作报告》等,并结合自身工作实际和会前走访调研情况,聚焦经济社会高质量发展和人民群众关心关切的热点、难点问题,积极提出了多条意见和建议,得到了有关单位回复办理。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。请勿一稿多投,不涉及保密、署名无争议,请作者自留底稿,恕不退稿。

摘要： 随着网络的普及,如今越来越多的人喜欢在网上向医生咨询疾病的诊治问题。那你是不是遇到过咨询问题后医生并没有回复的情况?是不是还为此抱怨过?其实,从医生的角度出发,他们要看那么多的评论或私信,肯定不会一一回答。那么,应该怎么问才能让医生回复你的咨询呢?今天笔者就来和大家分享一下网上咨询病情的技巧。

摘要： 1、本刊所刊载内容未经书面许可,任何部分不得以任何形式翻印、转载、复制,及存储于检索系统,提供给公众或私人使用。2、来稿在15个工作日内给予回复录用与否,若未收到回复信息,请来信来电咨询稿件进展。来稿正常刊登周期为3个月内,未录用者可自行处理。

摘要： 本发明实施例提供了一种快捷回复方法和装置、一种用于快捷回复的方法和装置，其中的方法具体包括：获取智能终端接收的待回复信息；通过智能终端的处于运行状态的应用程序，获取当前的用户状态信息；依据所述当前的用户状态信息，生成所述待回复信息对应的快捷回复候选。本发明实施例能够使得快捷回复候选契合用户的精确回复意图，进而提高快捷回复候选的精确度和丰富度。

摘要： 本公开涉及确定电子通信回复中包括的非文本回复内容的方法和装置。关于确定用于对电子通信的回复的非文本回复内容，并且提供该非文本回复内容用于包括在回复中的方法和装置。这些实现中的一些涉及基于发送给用户的电子通信来确定响应于电子通信的一个或多个电子文档，并且提供那些电子文档中的一个或多个以包括在用户对电子通信的回复中。例如，电子文档可以被自动附加到回复和/或到回复中自动提供的电子文档的链接。

摘要： 本发明提供一种候选回复评价装置和问询回复设备及其方法、存储介质。所述候选回复评价装置获得用户输入的问询的语义信息和针对用户问询的候选回复的语义信息；基于问询的语义信息和候选回复的语义信息，利用预期表现网络方法对候选回复的未来价值进行估算，以生成未来价值的估算值，所述未来价值表示候选回复相对于问询的质量，其中，所述预期表现网络方法利用问询和候选回复的上下文信息、候选回复的长度向量和表示候选回复与问询匹配度的预测概率中的至少一者来进行估算。利用包括所述候选回复评价装置的问询回复设备，能够提高回复的质量和多样性，同时维持推理效率。

摘要： 本公开公开了负向回复识别模型获取及负向回复识别方法和装置，涉及自然语言处理、深度学习以及智能语音等人工智能领域，其中的负向回复识别模型获取方法可包括：通过预训练获取语义表示模型；利用获取到的弱监督语料对语义表示模型进行训练，得到第一识别模型；利用获取到的监督语料对第一识别模型进行训练，得到第二识别模型；将第二识别模型作为所需的负向回复识别模型，以便利用负向回复识别模型对待处理的回复进行负向回复识别。应用本公开所述方案，可提升识别结果的准确性及提升负向回复的召回率等。

摘要： 本申请公开了回复模型的获取方法、回复语句的获取方法、装置及设备，属于人工智能技术领域。其中，回复模型的获取方法包括：获取第一训练样本，第一训练样本基于参考发言语句、参考回复语句和参考发言语句中的各个第一词汇对应的第一知识语句生成。基于第一训练样本训练得到回复模型，回复模型包括编码子模型和解码子模型，编码子模型用于将输入的目标发言语句编码为目标向量，解码子模型用于根据目标向量输出目标回复语句。在使用本申请训练得到的回复模型输出回复语句时，无需检索知识并输入回复模型，获取回复语句的效率较高。所获取的回复语句考虑了细粒度的知识，具有较高的质量。本申请能够应用于地图领域。

摘要： 本发明公开一种提升回复生成模型抗噪性能的方法，包括获取无噪声的训练样本，并生成无噪声输入序列；根据无噪声输入序列生成相应的有噪声输入序列；基于所述无噪声输入序列和所述相应的有噪声输入序列输入至编码器进行噪声预测训练；根据所述编码器的输出和所述训练样本对解码器进行回复生成训练。训练过程中，噪声预测训练和回复生成训练同时进行，共用相同的学习率。这个网络使得Transformer编码层除了正常的学习语言特征表示外，同时强化编码层对噪声字符的表示性能。最终，输入序列在经过编码端的特征表示后，参与解码，使得解码模型逐渐学习到处理噪声的性能。

摘要： 本发明涉及一种对话回复生成方法，其包括步骤：S11：根据外部知识构建知识图谱；S12：对知识图谱进行编码获得保留时间维度特征的知识表征向量；S13：对对话历史进行编码获得对话历史隐藏状态向量；S21：根据对话历史隐藏状态向量和上一时刻的生成词解码得到当前时刻的对话回复隐藏状态向量；S22：根据该对话回复隐藏状态向量计算当前时刻的词表生成概率；S31：计算该对话回复隐藏状态向量对知识表征向量的注意力权重；S32：根据该注意力权重计算当前时刻的知识选择概率；S40：根据知识表征向量、该注意力权重和该对话回复隐藏状态向量计算当前时刻的生成指针；S50：利用该生成指针平衡知识选择概率和词表生成概率，获得当前时刻的最终生成概率。

摘要： 本发明涉及一种对话回复生成方法，其包括步骤：S12：根据历史选择知识向量计算选择感知向量；S13：根据选择感知向量和历史选择知识向量计算知识流趋势向量；S14：将选择感知向量和候选知识向量进行比较，获得比较信息；S15：对上下文语句进行编码，获得上下文向量；S20：根据候选知识向量、知识流趋势向量、比较信息和上下文向量计算知识选择分布；S30：根据知识选择分布计算每个候选知识向量的注意力得分，并将注意力得分最高的候选知识向量作为当前选择知识向量；S40：根据上下文向量和当前选择知识向量计算历史解码状态向量，并根据历史解码状态向量和历史生成词计算当前时刻的解码状态向量；S50：计算当前时刻的目标生成概率。

摘要： 本申请公开了一种回复对话评分模型训练方法、对话回复方法及其装置，该回复对话评分模型训练方法包括：在获取到对话训练样本之后，先根据该对话训练样本，生成模型训练数据和对话重要度，以使对话重要度能够用于描述该对话训练样本中样本对话内容的信息重要程度；再根据该模型训练数据和对话重要度，对回复对话评分模型进行训练。其中，因对话重要度能够准确地描述该对话训练样本中样本对话内容的信息重要程度，使得基于对话重要度对回复对话评分模型进行训练时参考了不同样本对话内容之间的信息重要程度差异，从而使得回复对话评分模型能够更准确全面地理解对话内容，如此能够提高回复对话评分模型的预测准确性，从而有利于实现针对用户输入的对话内容进行准确地回复。

摘要： 本公开公开了负向回复识别模型获取及负向回复识别方法和装置，涉及自然语言处理、深度学习以及智能语音等人工智能领域，其中的负向回复识别模型获取方法可包括：通过预训练获取语义表示模型；利用获取到的弱监督语料对语义表示模型进行训练，得到第一识别模型；利用获取到的监督语料对第一识别模型进行训练，得到第二识别模型；将第二识别模型作为所需的负向回复识别模型，以便利用负向回复识别模型对待处理的回复进行负向回复识别。应用本公开所述方案，可提升识别结果的准确性及提升负向回复的召回率等。