[发明专利]推动多语言、多轮次、多领域虚拟助理的并行假设推理

说明书

一种虚拟助理系统，包括被配置为接收用户输入并向用户提供响应的接口以及被配置为运行机器可执行代码的处理器。存储非暂时性机器可执行代码的存储器，该代码被配置为处理用户输入以生成两个或更多个初级解释以及基于两个或更多个初级解释中的一个或多个的一个或多个次级解释。该代码还被配置为处理初级解释和替代解释以生成导致两个或更多个终端状态的结果，然后对两个或更多个终端状态进行评分以对两个或更多个终端状态进行排序，使得排序最高的终端状态是呈现给用户的最高结果。收发器可以通过网络与第二设备进行通信，第二设备被配置为辅助虚拟助理系统为用户生成最高结果。

相关申请的交叉引用

本申请要求2020年03月10日提交的美国临时申请第62/987814号的优先权，并且通过引用将其并入。

技术领域

本发明涉及一种用于提供能够在对话(conversation)中跨多个领域操作任意数量的轮次的数字礼宾助理的方法。

背景技术

图1示出了现有技术的虚拟助理操作及其由于在线性的和基于孤立任务的方法上运行而导致的限制。通常以语音命令形式的用户输入发起操作过程。语音输入被记录为音频100，然后被转换成文本表示105。文本表示被递送给云辅助服务以确定用户意图110。基于所确定的用户意图，选择115并执行120动作。最后，所执行的动作的结果被呈现给用户125。

这种类型的过程有几个限制。第一，图1的过程仅考虑了用户执行意图的一个解释。如果对来自用户的语音输入的这种初始解释(诸如由于用户糟糕的发音、麦克风定位、背景噪声或任何其他因素)被不正确地解释，则解释可能是不正确的，这将产生提供给用户的次优结果。此外，可能存在多个有效的竞争解释，但是由于现有技术的单路径性质，仅追求一个解释。结果，没有为用户输入的附加的上下文或不同的解释留有空间。

第二，每个任务仅考虑最高(top)文本表示。例如，仅最高文本表示被选择105并被传递到下一个任务，其中仅最高用户意图110被确定并被传递到下一个任务。然后，仅选择最高动作115，依此类推。因此，没有为任务之间的协作留有空间。

第三，这个过程不允许回溯，并且每个任务不能被存储为用户历史的独立部分。因此，该过程不能很好地执行诸如“但不是(but not)”功能之类的排他命令(因为这些命令需要回溯)，并且没有为多轮次用户交互留有空间。例如，如果第一音频100包括用以执行互联网搜索的命令，并且在递送结果125时，用户希望使用第二音频命令来修改搜索，则用户将不得不手动地将先前的结果125合并到他们的第二音频命令100中。现有技术的另一缺点是，图1所示的每个任务不允许任务之间的协作。

发明内容

为了克服现有技术的缺点并提供附加的好处，公开了一种用于提供虚拟辅助的方法。在一个实施例中，该方法包括：接收包括对动作或信息的用户请求的用户输入，然后通过处理用户输入来为用户输入生成两个或更多个初级解释。两个或更多个初级解释是针对用户输入的唯一可能转录。该方法还通过处理初级解释中的一个或多个以形成替代解释来为该两个或更多个初级解释中的一个或多个生成一个或多个次级解释。该方法还响应于两个或更多个初级解释和一个或多个次级解释来确定一个或多个初级动作，准备由执行一个或多个初级动作而得的一个或多个结果，并且还响应于一个或多个初级动作中的至少一个初级动作确定是否存在一个或多个次级动作。如果存在一个或多个次级动作，则继续处理初级解释、一个或多个次级解释、一个或多个初级动作和一个或多个次级动作中的两个或更多个以生成附加动作。当一个或多个附加动作不存在时，将没有对其预测附加动作的一个或多个结果指定为一个或多个终端结果，并且对一个或多个终端结果进行评分。该方法将具有最高得分的终端结果指定为最高结果，并且向用户至少输出最高结果，或者采取由最高结果定义的动作。