OPPO小布助手-CSDN博客

原创 OPPO小布推出预训练大模型OBERT，晋升KgCLUE榜首

在行业对比评测中，OBERT跃居中文语言理解测评基准CLUE1.1总榜第五名、大规模知识图谱问答KgCLUE1.0排行榜第一名。

2022-07-04 15:39:28 502 1

原创零代码技能平台技术实践探索

OPPO小布助手在对话系统技能平台建设中的落地实践。

2022-02-10 15:58:14 1446

1 问题背景精准直达的知识问答能力对营造小布“懂知识、更懂你”的形象非常重要。在语音助手场景，经常会出现一词多义或者口语化表达等问题。例如:李白出装，李白的诗，播放李白。第一李白是指游戏角色，第二个是指诗人李白，第三个是指歌曲李白。如何精确识别用户所指、给出正确的答案是小布助手面临的挑战。知识图谱是让机器理解客观世界的基石,拥有极强的表达能力和建模灵活性。目前OPPO自建知识图谱OGraph已经积累了数亿实体和数十亿关系。接下来让我们看看小布和Ograph将如何碰撞，通过实体链接技术解决实体歧义

2021-10-14 17:53:25 396

原创小布助手在面向中文短文本的实体链指比赛中的实践应用

背景介绍实体链指是指对于给定的一个文本（如搜索Query、微博、对话内容、文章、视频、图片的标题等），将其中的实体与给定知识库中对应的实体进行关联。实体链指一般有两种任务设计方式：Pipeline式和端到端式。任务抽象方式赛题说明百度飞桨举办的千言数据集：面向中文短文本的实体链指任务给出了中文短文本、短文本中的mention以及对应位置，需要预测文本中mention对应实体在给定知识库中的id，如果在知识库中没有对应实体即NIL，需要再给出实体类别。训练集数据共7W条，query..

2021-08-24 16:01:21 297

原创零代码上线小布对话技能：技能平台的实践与思考

前不久，OPPO旗下的人工智能助手“小布助手”月度活跃用户数突破一亿，成为国内首个月活用户数破亿的手机语音助手。经过2年多的成长，小布助手在能力上实现大幅升级，也融入了我们身边便捷的服务功能。小布团队亦克服了诸多技术难点，为用户带来了更智能的服务。为此，小布团队撰写了一系列文章，详细介绍小布助手背后的技术支撑，本文是揭秘小布背后技术的第四篇，主要介绍技能平台的实践与思考。第一篇：对话系统简介与OPPO小布助手的工程实践第二篇：小布助手算法系统的探索、实践与思考第三篇：对话交互：封闭域任务型与

2021-08-11 17:04:48 418

原创对话交互：封闭域任务型与开放域闲聊算法技术

前不久，OPPO 旗下的人工智能助手“小布助手”月度活跃用户数突破一亿，成为国内首个月活用户数破亿的手机语音助手。经过 2 年多的成长，小布助手在能力上实现大幅升级，也融入了我们身边便捷的服务功能。小布团队亦克服了诸多技术难点，为用户带来了更智能的服务。为此，小布团队撰写了一系列文章，详细介绍小布助手背后的技术支撑，本文是揭秘小布背后技术的第三篇。第一篇：对话系统简介与OPPO小布助手的工程实践第二篇：小布助手算法系统的探索、实践与思考1. 对话系统的基本架构智能对话交互已逐步成为新一代

2021-07-30 18:45:10 1015

原创 OPPO小布助手算法系统的探索、实践与思考

对话交互是继传统PC、PC互联网及移动互联网之后，下一个时代非常有想象力的关键技术方向，无论是学术界还是工业界都有极高的关注度，同时作为OPPO万物互融战略的关键节点之一，承载着伟大而艰巨的使命。算法是对话交互的核心能力之一，决定了语音助手能达到的智能化水平，具有极高的技术价值。本文将主要从对话交互的目标、算法要解决的关键问题，行业现状与趋势、OPPO小布助手主要实践与进展，以及挑战与未来几个方面做个介绍。【OPPO小布助手技术实践】第一篇：对话系统简介与OPPO小布助手的工程实践1. 对话交互

2021-07-22 15:54:13 824 1

原创对话系统简介与OPPO小布助手的工程实践

前不久，OPPO旗下的人工智能助手“小布助手”月度活跃用户数突破一亿，成为国内首个月活用户数破亿的手机语音助手。经过2年多的成长，小布助手在能力上实现大幅升级，也融入了我们身边便捷的服务功能。小布团队亦克服了诸多技术难点，为用户带来了更智能的服务。为此，小布团队撰写了一系列文章，详细介绍小布助手背后的技术支撑。本文是揭秘小布背后技术的第一篇，主要介绍系统架构设计和演进。1. 行业价值1.1 前言对话系统是一项接近30年研究历史的技术，代表人机交互的未来。近十年来随着语音、NLP领域的阶段性突

2021-07-19 19:29:22 1306

原创基于深度学习的短文本相似度学习与行业测评

文本相似度计算作为NLP的热点研究方向之一，在搜索推荐、智能客服、闲聊等领域得到的广泛的应用。在不同的应用领域，也存在着一定的差异，例如在搜索领域大多是计算query与document的相似度；而在智能客服、聊天领域更注重的是query与query之间的匹配，即短文本之间的相似度计算。不同的文本长度，相似度的计算方案也存在差异，长文本匹配更多注重文本的关键词或者主题的匹配，业界使用的较多的算法如：TF-IDF、LSA、LDA；而短文本匹配更多的是句子整体的语义一致性，业界较为主流的算法有：word2v.

2021-07-08 18:37:19 1140

m0_59407274的博客