WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2017168252) METHOD AND SYSTEM FOR PROCESSING AN INPUT QUERY
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.:    WO/2017/168252    International Application No.:    PCT/IB2017/000457
Publication Date: 05.10.2017 International Filing Date: 31.03.2017
IPC:
G06F 17/30 (2006.01), G06F 17/27 (2006.01), G06N 3/02 (2006.01)
Applicants: MALUUBA INC. [CA/CA]; 100 King Street West, Suite 6200 1 First Canadian Place Toronto, On, M5X 1B8 (CA)
Inventors: HE, Jing; (CA).
MERHEB-HARB, Jean; (CA).
YE, Zheng; (CA).
SULEMAN, Kaheer; (CA)
Agent: SMART & BIGGAR; 900 - 55 Metcalfe Street Ottawa, Ontario K1P 5Y6 (CA)
Priority Data:
62/316,208 31.03.2016 US
Title (EN) METHOD AND SYSTEM FOR PROCESSING AN INPUT QUERY
(FR) PROCÉDÉ ET SYSTÈME DE TRAITEMENT D'UNE REQUÊTE D'ENTRÉE
Abstract: front page image
(EN)Disclosed embodiments include systems and methods relevant to improvements to natural language processing used to determine an intent and one or more associated parameters from a given input string. In an example, an input string is received and first and second different n-grams are applied to the input string. Recurrent neural network models are then used to generate output data based in part on the first and second different n-grams. Intent detection and semantic labeling are applied to the output of the recurrent neural network models.
(FR)L'invention concerne, dans les modes de réalisation décrits, systèmes et procédés se rapportant à des améliorations dans le traitement du langage naturel utilisés pour déterminer un intention et un ou plusieurs paramètres associés à partir d'une chaîne d'entrée donnée. Dans un exemple, une chaîne d'entrée est reçue et des premier et deuxième n-grammes différents sont appliqués à la chaîne d'entrée. Des modèles de réseau neuronal récurrent (RNN) sont alors utilisés pour générer des données de sortie en se basant en partie sur les premier et deuxième n-grammes différents. Une détection d'intentions et un étiquetage sémantique sont appliqués à la sortie des modèles de réseau neuronal récurrent.
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Publication Language: English (EN)
Filing Language: English (EN)