特許 7395445 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-12-01

(45)【発行日】2023-12-11

(54)【発明の名称】検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器

(51)【国際特許分類】

   G06F 16/90 20190101AFI20231204BHJP

   G06F 16/28 20190101ALI20231204BHJP

   G06F 16/903 20190101ALI20231204BHJP

【ＦＩ】

G06F16/90 100

G06F16/28

G06F16/903

【請求項の数】 13

(21)【出願番号】P 2020150476

(22)【出願日】2020-09-08

(65)【公開番号】P2021111334

(43)【公開日】2021-08-02

【審査請求日】2020-09-08

【審判番号】

【審判請求日】2023-05-23

(31)【優先権主張番号】201911403103.1

(32)【優先日】2019-12-30

(33)【優先権主張国・地域又は機関】CN

(73)【特許権者】

【識別番号】514322098

【氏名又は名称】ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド

【氏名又は名称原語表記】Ｂｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ．

【住所又は居所原語表記】２／Ｆ Ｂａｉｄｕ Ｃａｍｐｕｓ， Ｎｏ．１０， Ｓｈａｎｇｄｉ １０ｔｈ Ｓｔｒｅｅｔ， Ｈａｉｄｉａｎ Ｄｉｓｔｒｉｃｔ， Ｂｅｉｊｉｎｇ １０００８５， Ｃｈｉｎａ

(74)【代理人】

【識別番号】100118913

【弁理士】

【氏名又は名称】上田 邦生

(72)【発明者】

【氏名】シュ， ジュン

(72)【発明者】

【氏名】レイ， ゼイヤン

(72)【発明者】

【氏名】ニュー， ヂョンユー

(72)【発明者】

【氏名】ウー， ファ

(72)【発明者】

【氏名】ワン， ハイフォン

【合議体】

【審判長】須田 勝巳

【審判官】山崎 慎一

【審判官】打出 義尚

(56)【参考文献】

【文献】特開２０１０－２７７５５３（ＪＰ，Ａ）

【文献】村山 友理 外４名，自然言語のＳＰＡＲＱＬクエリ変換に基づく大規模知識へのアクセス手法の基礎的検討，言語処理学会第２４回年次大会 発表論文集［ｏｎｌｉｎｅ］，日本，言語処理学会，２０１８年０３月０５日，ｐｐ．６１５－６１８，Ｉｎｔｅｒｎｅｔ＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ａｎｌｐ．ｊｐ／ｐｒｏｃｅｅｄｉｎｇｓ／ａｎｎｕａｌ＿ｍｅｅｔｉｎｇ／２０１８／ｐｄｆ＿ｄｉｒ／Ｐ６－１．ｐｄｆ＞

(58)【調査した分野】(Int.Cl.，ＤＢ名)

G06F16/90

G06F16/28

G06F16/903

(57)【特許請求の範囲】

【請求項1】

ユーザによって入力された対話ステートメントを取得するステップと、
前記対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいて前記クエリステートメントに対応する複数の関連クエリステートメントを取得するステップと、
予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定するステップと、
予め設定された応答生成モデルに基づいて前記目標クエリステートメントを処理して、応答ステートメントを生成し、前記ユーザに提供するステップと、
を含み、
前記クエリステートメントと前記関連クエリステートメントとの間の関係はインタネットユーザの検索ログに基づいて確立され、前記クエリステートメントと前記関連クエリステートメントとの関係は、１つの検索意図又は意味テーマをめぐる関係、又は１つの検索意図又は意味テーマをめぐらない関係を含む、検索データに基づくヒューマンコンピュータ対話型インタラクションの方法。

【請求項2】

前記対話ステートメントとマッチングするクエリステートメントを取得する前に、
複数の検索クエリログを取得するステップと、
前記複数の検索クエリログに基づいて、複数のクエリステートメントサンプル及び前記各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得するステップと、
前記複数のクエリステートメントサンプル及び前記各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、予め設定されたクエリ単語グラフを構築するステップと、
を含む請求項１に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法。

【請求項3】

前記対話ステートメントとマッチングするクエリステートメントを取得することが、
前記対話ステートメントを単語分割して、複数の検索単語を取得するステップと、
前記複数の検索単語と前記予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出するステップと、
複数の類似度に対して重みつけ処理して、前記対話ステートメントと前記各クエリステートメントとの間の類似度スコアを取得するステップと、
前記類似度スコアに基づいて、前記各クエリステートメントから前記対話ステートメントとマッチングするクエリステートメントを決定するステップと、
を含む請求項１に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法。

【請求項4】

前記複数のクエリステートメントサンプル及び前記各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、予め設定されたクエリ単語グラフを構築した後、
予め設定されたニューラルネットワークにより、前記予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶するステップを含む請求項２に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法。

【請求項5】

前記予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定することが、
前記対話ステートメントに対応するコンテキストステートメントを取得し、前記コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得するステップと、
前記予め設定されたデータベースから前記複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得するステップと、
強化学習に基づく類似度計算モデルにより、前記コンテキストステートメントベクトルと前記複数の関連クエリベクトルを算出して前記対話ステートメントと前記複数の関連クエリステートメントとの間の関連スコア値を取得するステップと、
前記関連スコア値により前記複数の関連クエリステートメントから目標クエリステートメントを決定するステップと、
を含む請求項１に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法。

【請求項6】

ユーザによって入力された対話ステートメントを取得する第一の取得モジュールと、
前記対話ステートメントとマッチングするクエリステートメントを取得する第二の取得モジュールと、
予め設定されたクエリ単語グラフに基づいて前記クエリステートメントに対応する複数の関連クエリステートメントを取得する第三の取得モジュールと、
予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定する処理モジュールと、
予め設定された応答生成モデルに基づいて前記目標クエリステートメントを処理して、応答ステートメントを生成し、前記ユーザに提供する生成モジュールと、
を備え、
前記クエリステートメントと前記関連クエリステートメントとの間の関係はインタネットユーザの検索ログに基づいて確立され、前記クエリステートメントと前記関連クエリステートメントとの関係は、１つの検索意図又は意味テーマをめぐる関係、又は１つの検索意図又は意味テーマをめぐらない関係を含む、検索データに基づくヒューマンコンピュータ対話型インタラクションの装置。

【請求項7】

複数の検索クエリログを取得する第四の取得モジュールと、
前記複数の検索クエリログに基づいて、複数のクエリステートメントサンプル及び各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得する第五の取得モジュールと、
前記複数のクエリステートメントサンプル及び前記各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、前記予め設定されたクエリ単語グラフを構築する構築モジュールと、
を備える請求項６に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置。

【請求項8】

第二の取得モジュールが、
前記対話ステートメントを単語分割して、複数の検索単語を取得し、
前記複数の検索単語と前記予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出し、
複数の類似度に対して重みつけ処理して、前記対話ステートメントと前記各クエリステートメントとの間の類似度スコアを取得し、
前記類似度スコアに基づいて、前記各クエリステートメントから前記対話ステートメントとマッチングするクエリステートメントを決定する請求項６に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置。

【請求項9】

予め設定されたニューラルネットワークにより、前記予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶する記憶モジュールを備える請求項７に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置。

【請求項10】

前記処理モジュールが、
前記対話ステートメントに対応するコンテキストステートメントを取得し、前記コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、
予め設定されたデータベースから前記複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、
強化学習に基づく類似度計算モデルにより、前記コンテキストステートメントベクトルと前記複数の関連クエリベクトルを算出して前記対話ステートメントと前記複数の関連クエリステートメントとの間の関連スコア値を取得し、
前記関連スコア値により前記複数の関連クエリステートメントから目標クエリステートメントを決定する請求項６に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置。

【請求項11】

少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を備え、
前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが請求項１から５のいずれか一項に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を実行する電子機器。

【請求項12】

コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令が実行される場合に、請求項１から５のいずれか一項に記載の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法が実行される非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項13】

コンピュータプログラムであって、
該コンピュータプログラムにおける命令が実行された場合に、請求項１から５のいずれか一項に記載の方法が実行されるコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、コンピュータ技術における人工知能技術分野に関し、特に、検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器に関する。

【背景技術】

【0002】

人工知能の技術の絶えず発展に伴い、スマート機器と対話することによって、ユーザのニーズを満足させることは、ユーザの生活においてよりよく見られるインタラクション方式である。

【0003】

関連技術では、ヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くない。

【発明の概要】

【発明が解決しようとする課題】

【0004】

本出願の第一の目的は、検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を提供することである。

【0005】

本出願の第二の目的は、検索データに基づくヒューマンコンピュータ対話型インタラクションの装置を提供することである。

【0006】

本出願の第三の目的は、電子機器を提供することである。

【0007】

本出願の第四の目的は、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体を提供することである。

【課題を解決するための手段】

【0008】

上記目的を達成するために、本出願の第１側面の実施例によって提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの方法は、ユーザによって入力された対話ステートメントを取得するステップと、前記対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいて前記クエリステートメントに対応する複数の関連クエリステートメントを取得するステップと、予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定するステップと、予め設定された応答生成モデルに基づいて前記目標クエリステートメントを処理して、応答ステートメントを生成し、前記ユーザに提供するステップと、を含む。

【0009】

上記目的を達成するために、本出願の第２側面の実施例によって提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの装置は、ユーザによって入力された対話ステートメントを取得する第一の取得モジュールと、
前記対話ステートメントとマッチングするクエリステートメントを取得する第二の取得モジュールと、予め設定されたクエリ単語グラフに基づいて前記クエリステートメントに対応する複数の関連クエリステートメントを取得する第三の取得モジュールと、予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定する処理モジュールと、予め設定された応答生成モデルに基づいて前記目標クエリステートメントを処理して、応答ステートメントを生成し、前記ユーザに提供する生成モジュールと、を備える。

【0010】

上記目的を達成するために、本出願の第３側面の実施例によって提供される電子機器は、少なくとも一つのプロセッサと、前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を備え、前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが上記実施例の説明した検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を実行する。

【0011】

上記目的を達成するために、本出願の第４側面の実施例によってコンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体を提供し、前記コンピュータ命令が実行される場合に、上記実施例で説明した検索データに基づくヒューマンコンピュータ対話型インタラクションの方法が実行される。
上記目的を達成するために、本出願の第５側面の実施例によってコンピュータ読み取り可能な記憶媒体に記憶されているコンピュータプログラムを提供し、前記コンピュータプログラムにおける命令が実行された場合に、上記実施例で説明したに検索データに基づくヒューマンコンピュータ対話型インタラクションの方法が実行される。

【発明の効果】

【0012】

上記の出願における一つの実施例は、ユーザによって入力された対話ステートメントを取得し、対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得し、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。それにより、ヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くないとの技術問題を解決し、クエリ単語グラフ中のクエリステートメントの関連性により、高品質の応答コンテンツ候補リストを提供することによって、より豊かでユーザの興味を反応できる内容を提供する利点又は有益な効果を有する。

【0013】

上記の選択可能な方式が有する他の効果については、以下、具体的な実施例を組み合わせて説明する。

【図面の簡単な説明】

【0014】

図面は、本技術案をよりよく理解するために使用されており、本願を限定するものではない。

【図1】本願の第１実施例により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの方法のフローチャートである。

【図2】本願の第１実施例により提供されるクエリ単語グラフの例示図である。

【図3】本願の第２実施例により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの方法のフローチャートである。

【図4】本願の第３実施例により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの装置の概略構成図である。

【図5】本願の第４実施例により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの装置の概略構成図である。

【図6】本願の第５実施例により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの装置の概略構成図である。

【図7】本願の実施例を実施する検索データに基づくヒューマンコンピュータ対話型インタラクションの方法の電子機器のブロック図である。

【発明を実施するための形態】

【0015】

以下、図面を組み合わせて本願の例示的な実施例を説明し、理解を容易にするためにその中には本願の実施例の様々な詳細事項を含んでおり、それらは単なる例示的なものと見なされるべきである。したがって、当業者は、本願の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確及び簡潔するために、以下の説明では、周知の機能及び構造の説明を省略する。

【0016】

以下では図面を参照しながら、本願の実施例における検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器を説明する。

【0017】

現在の技術でヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くないとの技術問題を解決するために、本願はユーザによって入力された対話ステートメントを取得し、対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得し、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供することによって、クエリ単語グラフ中のクエリステートメントの関連性により、高品質の応答コンテンツ候補リストを提供し、より豊かでユーザの興味を反応できる内容を提供することが実現される。

【0018】

具体的に、図１は、本願の第１実施例により検索データに基づくヒューマンコンピュータ対話型インタラクションの方法のフローチャートである。

【0019】

図１に示すように、当該方法は、以下のステップ１０１と、ステップ１０２と、ステップ１０３と、ステップ１０４と、を含む。

【0020】

ステップ１０１において、ユーザによって入力された対話ステートメントを取得する。

【0021】

ステップ１０２において、対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得する。

【0022】

実際の応用では、ユーザは文字又は音声などの方式により、知能機器と対話型インタラクションすることによって、知能機器はユーザによって入力された対話ステートメント（即ち、対話チャットステートメント）を取得する。例えば、「最近ボーイング機が事故にあったと聞いた」、「華為Ｐ３０携帯電話がいい」、「私は普段ヨガをすることが好きだ」等を取得する。ここで、対話ステートメントはユーザのニーズと表現の習慣などのユーザの個人化の特徴によって入力することができる。

【0023】

さらに、データベースで対話ステートメントとマッチングするクエリステートメントをクエリすることができ、又は、サーバで対話ステートメントとマッチングするクエリステートメントをクエリすることができる。なお、このクエリステートメントは予め設定されたクエリ単語グラフで対応的なステートメントノードを探すことができ、対話ステートメントとクエリステートメントが同じである場合、対話ステートメントも予め設定されたクエリ単語グラフで対応的なステートメントノードを探すことができる。

【0024】

これによって、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得することができる。なお、クエリステートメントと関連クエリステートメントとの間の関係はインタネットユーザの検索ログに基づいて確立されるため、彼らは１つの検索意図又は意味テーマをめぐる可能性が高い。その後、クエリステートメント１に対応する複数のクエリステートメントＡ、Ｂ、Ｃの間の関連性に基づいて予め設定されたクエリ単語グラフを構築することによって、直接に複数の検索クエリログから関連データを抽出して予め設定されたクエリ単語グラフを分析し構築することができる。

【0025】

例えば、図２に示すように、対話ステートメント「最近ボーイング機が事故にあったと聞いた」とマッチングするクエリステートメントは「ボーイング副社長が謝罪した」であり、クエリステートメントは予め設定されたクエリ単語グラフから対応的なステートメントノード「ボーイング副社長が謝罪した」を探す。また、ステートメントノード「ボーイング副社長が謝罪した」により、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得することができ、例えば、「ボーイング機が墜落した」、「ボーイングＣＥＯが謝罪した」、「インドネシアでボーイング７３７型機が墜落した」などを取得することができる。

【0026】

ステップ１０３において、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0027】

ステップ１０４において、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。

【0028】

具体的には、複数の関連クエリステートメントを取得した後、複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供することができる。

【0029】

より具体的には、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定する方式は様々であり、例えば、分類モデルと強化学習などの方式により、処理して目標クエリステートメントを取得する。

【0030】

一つの例として、対話ステートメントに対応するコンテキストステートメントを取得し、コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、予め設定されたデータベースから複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、強化学習に基づく類似度計算モデルにより、コンテキストステートメントベクトルと複数の関連クエリベクトルを算出して対話ステートメントと複数の関連クエリステートメントとの間の関連スコア値を取得し、関連スコア値により複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0031】

もう一つの例として、対話ステートメントに対応する検索ベクトルを取得し、予め設定されたデータベースから複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、分類モデルにより検索ベクトルを各関連クエリベクトルと順次に処理して、対話ステートメントとそれぞれの関連クエリステートメントに対応する複数の分類カテゴリを取得し、複数の分類カテゴリから目標カテゴリを決定し、目標カテゴリにより目標クエリステートメントを決定する。

【0032】

なお、予め設定されたニューラルネットワーク、例えば、グラフニューラルネットワークと畳み込みニューラルネットワークなどにより、予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶する。

【0033】

図２を例として、複数の関連クエリステートメント、例えば、「ボーイング機が墜落した」、「ボーイングＣＥＯが謝罪した」と「インドネシアでボーイング７３７型機が墜落した」を決定した後、目標クエリステートメントとして「インドネシアでボーイング７３７型機が墜落した」を取得する。そして、対話の流暢さを確保するために、取得した目標クエリステートメントを直接に応答ステートメントとしてユーザに提供することではなく、予め設定された応答生成モデルにより、関連表現の仕方を処理して、応答ステートメントを生成し、「ボーイングＣＥＯがインドネシアでボーイング７３７型機の墜落事故を謝罪した」をユーザに提供する。

【0034】

以上説明したように、本開示の実施例の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法は、ユーザによって入力された対話ステートメントを取得し、対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得し、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。それにより、ヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くないとの技術問題を解決し、クエリ単語グラフ中のクエリステートメントの関連性により、高品質の応答コンテンツ候補リストを提供することによって、より豊かでユーザの興味を反応できる内容を提供する。

【0035】

以上の実施例を実現するために、図３は本願の第２実施例により検索データに基づくヒューマンコンピュータ対話型インタラクションの方法のフローチャートである。

【0036】

ステップ２０１において、複数の検索クエリログを取得し、複数の検索クエリログに基づいて複数のクエリステートメントサンプル及び各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得する。

【0037】

ステップ２０２において、複数のクエリステートメントサンプル及び各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、予め設定されたクエリ単語グラフを構築する。

【0038】

ステップ２０３において、予め設定されたニューラルネットワークにより、予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶する。

【0039】

具体的には、本願は検索データに基づいてクエリ単語グラフを予め確立し、ユーザの標識及びクエリ時間内の検索クエリステートメントに基づいてリアルタイムに構築することができ、検索クエリログから関連のデータを抽出して分析することができる。

【0040】

具体的には、複数の検索クエリログを取得し、複数の検索クエリログに基づいて複数のクエリステートメントサンプル及び各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得し、複数のクエリステートメントサンプル及び各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、予め設定されたクエリ単語グラフを構築する。

【0041】

例えば、クエリステートメントサンプル「ボーイング副社長が謝罪した」に対応する複数の関連クエリステートメントサンプル「ボーイングＣＥＯが謝罪した」、「ボーイング機が墜落した」、「ボーイング会長」と「インドネシアでボーイング７３７型機が墜落した」などを取得する。クエリステートメントサンプル「ボーイング副社長が謝罪した」に対応する複数の関連クエリステートメントサンプル「ボーイングＣＥＯが謝罪した」、「ボーイング機が墜落した」、「ボーイング会長」と「インドネシアでボーイング７３７型機が墜落した」などにより、予め設定されたクエリ単語グラフを構築する。

【0042】

なお、以上は単なる一つの例であり、複数のクエリステートメントサンプル及び各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、クエリ単語グラフを構築する。したがって、検索データに基づいてクエリ単語グラフが確立され、各クエリステートメントの関連性のクエリはすごく正確な答えを取得することができる。それによって、対話の効果を向上させることができる。

【0043】

処理の効率のために、予め設定されたニューラルネットワーク、例えば、グラフニューラルネットワークと畳み込みニューラルネットワークなどにより、予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶する。

【0044】

ステップ２０４において、ユーザによって入力された対話ステートメントを取得し、対話ステートメントを単語分割して、複数の検索単語を取得し、複数の検索単語と予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出する。

【0045】

ステップ２０５において、複数の類似度に対して重みつけ処理して、対話ステートメントと各クエリステートメントとの間の類似性スコアを取得し、類似度スコアに基づいて、各クエリステートメントから対話ステートメントとマッチングするクエリステートメントを決定する。

【0046】

具体的には、ユーザは文字又は音声などの方式により、知能機器と対話型インタラクションをすることができる。したがって、知能機器はユーザによって入力された対話ステートメントを取得する。例えば、「最近ボーイング機が事故にあったと聞いた」、「華為Ｐ３０携帯電話がいい」、「私は普段ヨガをするのが好きだ」等を取得する。ここで、対話ステートメントはユーザのニーズと表現の習慣などのユーザの個人化の特徴によって入力されることができる。

【0047】

さらに、対話ステートメントを単語分割して、複数の検索単語を取得し、複数の検索単語と予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出し、複数の類似度に対して重みつけ処理して、対話ステートメントと各クエリステートメントとの間の類似度スコアを取得し、類似度スコアに基づいて、各クエリステートメントから対話ステートメントとマッチングするクエリステートメントを決定する。つまり、類似度スコアが高いほど、このクエリステートメントと対話ステートメントとのマッチングの程度が高くなる。すなわち、対話ステートメントをクエリ単語グラフにおけるステートメントノードトにマッピングする精度が高くなる。

【0048】

ステップ２０６において、対話ステートメントに対応するコンテキストステートメントを取得し、コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、予め設定されたデータベースから複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得する。

【0049】

ステップ２０７において、強化学習に基づく類似度計算モデルにより、コンテキストステートメントベクトルと複数の関連クエリベクトルを算出して対話ステートメントと複数の関連クエリステートメントとの間の関連スコア値を取得し、関連スコア値により複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0050】

なお、対話ステートメントは初めて入力されたステートメントではない可能性がある。したがって、応答の正確度を向上させるために、対話ステートメントに対応するコンテキストステートメントを取得し、コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、予め設定されたデータベースから複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、最後に強化学習のアルゴリズムにより、コンテキストステートメントベクトルと複数の関連クエリベクトルを算出して対話ステートメントと複数の関連クエリステートメントとの間の関連スコア値を取得し、関連スコア値により複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0051】

なお、関連スコアが高いほど、対話ステートメントと関連クエリステートメントとの間の関連性が強くなる。それで、最高の関連スコアに対応する関連クエリステートメントを目標クエリステートメントになる。

【0052】

例えば、対話ステートメントは「なぜ彼が謝罪した」であり、この時、対話ステートメントに対応するコンテキストステートメントを取得して処理することによって取得された目標クエリステートメントは「インドネシアでボーイング７３７型機が墜落した」であり、ユーザのニーズを満足し、対話の効果を向上させる。

【0053】

ステップ２０８において、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。

【0054】

対話の流暢さを確保するために、受信する目標クエリステートメントを直接に応答ステートメントとしてユーザに提供することができない。予め設定された応答生成モデルにより、関連表現の仕方を処理して、応答ステートメントを生成し、「インドネシアでボーイング７３７型機の墜落事故のためだ」をユーザに提供する。

【0055】

以上説明したように、本開示の実施例の検索データに基づくヒューマンコンピュータ対話型インタラクションの方法は、複数の検索クエリログを取得し、複数の検索クエリログに基づいて複数のクエリステートメントサンプル及び各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得し、複数のクエリステートメントサンプル及び各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、予め設定されたクエリ単語グラフを構築し、予め設定されたニューラルネットワークにより、予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶し、ユーザによって入力された対話ステートメントを取得し、対話ステートメントとマッチングするクエリステートメントを取得し、対話ステートメントを単語分割して、複数の検索単語を取得し、複数の検索単語と予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出し、複数の類似度に対して重みつけ処理して、対話ステートメントと各クエリステートメントとの間の類似度スコアを取得し、類似度スコアに基づいて、各クエリステートメントから対話ステートメントとマッチングするクエリステートメントを決定し、対話ステートメントに対応するコンテキストステートメントを取得し、コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、予め設定されたデータベースから複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、強化学習のアルゴリズムにより、コンテキストステートメントベクトルと複数の関連クエリベクトルを算出して対話ステートメントと複数の関連クエリステートメントとの間の関連スコア値を取得し、関連スコア値により複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。それにより、ヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くないとの技術問題を解決し、クエリ単語グラフ中のクエリステートメントの関連性により、高品質の応答コンテンツ候補リストを提供することによって、より豊かでユーザの興味を反応できる内容を提供する。

【0056】

以上の実施例を実現されるために、本出願は検索データに基づくヒューマンコンピュータ対話型インタラクションの装置を提供する。図４は本願の第三実施例により検索データに基づくヒューマンコンピュータ対話型インタラクションの装置の概略構成図である。図４に示すように、当該検索データに基づくヒューマンコンピュータ対話型インタラクションの装置は第一の取得モジュール４０１と、第二の取得モジュール４０２と、第三の取得モジュール４０３と、処理モジュール４０４と、生成モジュール４０５と、を備える。

【0057】

第一の取得モジュール４０１は、ユーザによって入力された対話ステートメントを取得する。

【0058】

第二の取得モジュール４０２は、前記対話ステートメントとマッチングするクエリステートメントを取得する。

【0059】

第三の取得モジュール４０３は、予め設定されたクエリ単語グラフに基づいて前記クエリステートメントに対応する複数の関連クエリステートメントを取得する。

【0060】

処理モジュール４０４は、予め設定されたアルゴリズムにより、前記対話ステートメント及び前記複数の関連クエリステートメントを処理して、前記複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0061】

生成モジュール４０５は、予め設定された応答生成モデルに基づいて前記目標クエリステートメントを処理して、応答ステートメントを生成し、前記ユーザに提供する。

【0062】

本出願の一つの実施例において、図５に示すように、図４を基に、第四の取得モジュール４０６と、第五の取得モジュール４０７と、構築モジュール４０８と、をさらに備える。

【0063】

第四の取得モジュール４０６は、複数の検索クエリログを取得する。

【0064】

第五の取得モジュール４０７は、前記複数の検索クエリログに基づいて、複数のクエリステートメントサンプル及び各クエリステートメントサンプルにそれぞれ対応する複数の関連クエリステートメントサンプルを取得する。

【0065】

構築モジュール４０８は、前記複数のクエリステートメントサンプル及び前記各クエリステートメントサンプルとそれぞれ対応する複数の関連クエリステートメントサンプルとの関連性に基づいて、前記予め設定されたクエリ単語グラフを構築する。

【0066】

本出願の一つの実施例において、第二の取得モジュール４０２は、具体的には、前記対話ステートメントを単語分割して、複数の検索単語を取得し、前記複数の検索単語と前記予め設定されたクエリ単語グラフ中のそれぞれクエリ語との間の類似度を算出し、複数の類似度に対して重みつけ処理して、前記対話ステートメントと前記各クエリステートメントとの間の類似度スコアを取得し、前記類似度スコアに基づいて、前記各クエリステートメントから前記対話ステートメントとマッチングするクエリステートメントを決定する。

【0067】

本出願の一つの実施例において、図６に示すように、図５を基に、記憶モジュール４０９をさらに備える。

【0068】

記憶モジュール４０９は、予め設定されたニューラルネットワークにより、前記予め設定されたクエリ単語グラフ中の各クエリステートメントを予め処理して、各クエリステートメントベクトルを生成し、予め設定されたデータベースに記憶する。

【0069】

本出願の一つの実施例において、処理モジュール４０４は、具体的には、前記対話ステートメントに対応するコンテキストステートメントを取得し、前記コンテキストステートメントに対してエンコード処理してコンテキストステートメントベクトルを取得し、予め設定されたデータベースから前記複数の関連クエリステートメントに対応する複数の関連クエリベクトルを取得し、強化学習のアルゴリズムにより、前記コンテキストステートメントベクトルと前記複数の関連クエリベクトルを算出して前記対話ステートメントと前記複数の関連クエリステートメントとの間の関連スコア値を取得し、前記関連スコア値により前記複数の関連クエリステートメントから目標クエリステートメントを決定する。

【0070】

なお、検索データに基づくヒューマンコンピュータ対話型インタラクションの方法についての前記説明は、本出願の実施例の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置にも適用され、実現原理は似ており、具体的な詳細に説明しないことを理解されたい。

【0071】

以上説明したように、本開示の実施例の検索データに基づくヒューマンコンピュータ対話型インタラクションの装置は、ユーザによって入力された対話ステートメントを取得し、対話ステートメントとマッチングするクエリステートメントを取得し、予め設定されたクエリ単語グラフに基づいてクエリステートメントに対応する複数の関連クエリステートメントを取得し、予め設定されたアルゴリズムにより、対話ステートメント及び複数の関連クエリステートメントを処理して、複数の関連クエリステートメントから目標クエリステートメントを決定し、予め設定された応答生成モデルに基づいて目標クエリステートメントを処理して、応答ステートメントを生成し、ユーザに提供する。それにより、ヒューマンコンピュータ対話中の応答コンテンツが豊かでなく、会話の効果も良くないとの技術問題を解決し、クエリ単語グラフ中のクエリステートメントの関連性により、高品質の応答コンテンツ候補リストを提供することによって、より豊かでユーザの興味を反応できる内容を提供する。

【0072】

本願の実施例によれば、本願は、電子機器及び読み取り可能な記憶媒体をさらに提供する。

【0073】

図７に示すように、図７は、本願の実施例を実施できる検索データに基づくヒューマンコンピュータ対話型インタラクションの方法の電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、及び他の適切なコンピュータなどの様々な形式のデジタルコンピュータを表すことを目的とする。電子機器は、任意の車載デバイスを表すことができ、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブルデバイス、他の同様のコンピューティングデバイスなどの様々な形式のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び／又は要求される本願の実施例の実現を制限することを意図したものではない。

【0074】

図７に示すように、当該電子機器は、一つ又は複数のプロセッサ７０１と、メモリ７０２と、高速インターフェースと低速インターフェースを含む各コンポーネントを接続するためのインターフェースと、を備える。各コンポーネントは、異なるバスで相互に接続され、共通のマザーボードに取り付けられるか、又は必要に応じて他の方式で取り付けることができる。プロセッサは、外部入力／出力装置（インターフェースに結合されたディスプレイデバイスなど）にＧＵＩの図形情報をディスプレイするためにメモリに記憶されている命令を含む、電子機器内に実行される命令を処理することができる。他の実施方式では、必要であれば、複数のプロセッサ及び／又は複数のバスを、複数のメモリと複数のメモリとともに使用することができる。同様に、複数の電子機器を接続することができ、各機器は、部分的な必要な操作を提供することができる（例えば、サーバアレイ、ブレードサーバ、又はマルチプロセッサシステムなど）。図７では、一つのプロセッサ７０１を例とする。

【0075】

メモリ７０２は、本願の実施例により提供される非一時的なコンピュータ読み取り可能な記憶媒体である。その中、前記メモリには、少なくとも一つのプロセッサによって実行される命令を記憶して、前記少なくとも一つのプロセッサが本願の実施例により提供される方法を実行することができるようにする。本願の非一時的なコンピュータ読み取り可能な記憶媒体は、コンピュータが本願により提供される検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を実行するためのコンピュータ命令を記憶する。

【0076】

メモリ７０２は、非一時的なコンピュータ読み取り可能な記憶媒体として、本願の実施例における検索データに基づくヒューマンコンピュータ対話型インタラクションの方法に対応するプログラム命令／モジュール、非一時的なソフトウェアプログラム、非一時的なコンピュータ実行可能なプログラム及びモジュールを記憶するために用いられる（例えば、図４に示す第一の取得モジュール４０１、第二の取得モジュール４０２、第三の取得モジュール４０３、処理モジュール４０４及び生成モジュール４０５である）。プロセッサ７０１は、メモリ７０２に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することによって、サーバの様々な機能アプリケーション及びデータ処理を実行し、すなわち上記の方法の実施例における検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を実現する。

【0077】

メモリ７０２は、ストレージプログラム領域とストレージデータ領域とを含むことができ、その中、ストレージプログラム領域は、オペレーティングシステム、少なくとも一つの機能に必要なアプリケーションプログラムを記憶することができ、ストレージデータ領域は、電子機器の使用によって作成されたデータなどを記憶することができる。また、メモリ７０２は、高速ランダム存取メモリを含むことができ、非一時的なメモリをさらに含むことができ、例えば、少なくとも一つのディスクストレージデバイス、フラッシュメモリデバイス、又は他の非一時的なソリッドステートストレージデバイスである。いくつかの実施例では、メモリ７０２は、プロセッサ７０１に対して遠隔に設置されたメモリを備えることができ、これらの遠隔メモリは、ネットワークを介して電子機器に接続されることができる。上記のネットワークの例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、及びその組み合わせを含むが、これらに限定しない。

【0078】

検索データに基づくヒューマンコンピュータ対話型インタラクションの方法を実施するための電子機器は、入力装置７０３と出力装置７０４とをさらに備えることができる。プロセッサ７０１、メモリ７０２、入力装置７０３、及び出力装置７０４は、バス又は他の方式を介して接続することができ、図７では、バスを介して接続することを例とする。

【0079】

入力装置７０３は、入力された数字又は文字情報を受信することができ、及び電子機器のユーザ設置及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、指示杆、一つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置７０４は、ディスプレイデバイス、補助照明デバイス（例えば、ＬＥＤ）、及び触覚フィードバックデバイス（例えば、振動モータ）などを含むことができる。当該ディスプレイデバイスは、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、及びプラズマディスプレイを含むことができるが、これらに限定しない。いくつかの実施方式では、ディスプレイデバイスは、タッチスクリーンであってもよい。
本出願の実施例によれば、コンピュータ読み取り可能な記憶媒体に記憶されているコンピュータプログラムが提供される。当該コンピュータプログラムのおける命令が実行された場合に、上記検索データに基づくヒューマンコンピュータ対話型インタラクションの方法が実行される。

【0080】

本明細書で説明されるシステムと技術の様々な実施方式は、デジタル電子回路システム、集積回路システム、特定用途向けＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な実施方式は、一つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該一つ又は複数のコンピュータプログラムは、少なくとも一つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び／又は解釈されることができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも一つの入力装置、及び当該少なくとも一つの出力装置に伝送することができる。

【0081】

これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとも呼ばれる）は、プログラマブルプロセッサの機械命令、高レベルのプロセス及び／又はオブジェクト指向プログラミング言語、及び／又はアセンブリ／機械言語でこれらのコンピューティングプログラムを実施することを含む。本明細書に使用されるように、用語「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するために使用される任意のコンピュータプログラム製品、機器、及び／又は装置（例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械読み取り可能な信号である機械命令を受信する機械読み取り可能な媒体を含む。用語「機械読み取り可能な信号」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号を指す。

【0082】

ユーザとのインタラクションを提供するために、コンピュータ上でここで説明されているシステム及び技術を実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置は、ユーザとのインタラクションを提供するために用いられることもでき、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式でユーザからの入力（音響入力と、音声入力と、触覚入力とを含む）を受信することができる。

【0083】

ここで説明されるシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバとする）で実施することができ、又はミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）で実施することができ、又はフロントエンドコンポーネントを含むコンピューティングシステムで実施することができ（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータであり、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施方式とインタラクションする）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムで実施することができる。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続されることができる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）と、ワイドエリアネットワーク（ＷＡＮ）と、インターネットとを含む。

【0084】

コンピュータシステムは、クライアントとサーバとを備えることができる。クライアントとサーバは、一般に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント-サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。

【0085】

上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本願に記載されている各ステップは、並列に実行されてもよいし、順次的に実行されてもよいし、異なる順序で実行されてもよいが、本願で開示されている技術案が所望の結果を実現することができれば、本明細書では限定されない。

【0086】

上記の具体的な実施方式は、本願に対する保護範囲の制限を構成するものではない。当業者は、設計要求と他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができる。任意の本願の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本願の保護範囲内に含まれなければならない。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】