[发明专利]用于确定可动作意图的AI系统

权利要求书

1.一种方法，包括：

接收被寻址到收件人用户的电子邮件；

使用重新参数化的递归神经网络模型处理接收的所述电子邮件以基于接收的所述电子邮件来标识动作；并且

其中所述重新参数化的递归神经网络模型已经：

在用收件人对应动作注释的电子邮件数据集上被训练；以及

在具有与电子邮件数据相似结构的未注释的会话数据上被重新参数化。

2.根据权利要求1所述的方法，其中所述模型根据共享分量和域特定分量被重新参数化以提供多域多任务学习。

3.根据权利要求2所述的方法，其中所述重新参数化功能将所述共享分量和所述域特定分量相加，其中域特定分量的权重对于每个域是不同的。

4.根据权利要求2所述的方法，其中所述重新参数化功能将所述共享分量和所述域特定分量相加和相乘，其中域特定分量的权重对于用于相加的每个域以及单独的乘法分量是不同的以引入非线性。

5.根据权利要求1至4中的任一项所述的方法，还包括生成与标识的所述动作对应的一个或多个动作。

6.根据权利要求5所述的方法，还包括响应于对至少生成的所述一个或多个动作中的用户选择而执行生成的所述一个或多个的动作中的至少一个动作。

7.根据权利要求6所述的方法，其中生成的所述动作包括电子邮件响应，其中所述电子邮件响应的文本响应于接收的所述电子邮件中的标识的问题，并且其中执行生成的所述动作包括发送所述电子邮件响应。

8.根据权利要求6所述的方法，其中生成的所述动作包括日历约会响应，其中所述日历约会的时间、日期和参与者是，所述日历约会响应于接收的所述电子邮件，并且其中执行生成的所述动作包括向所述参与者发送所述日历约会。

9.根据权利要求1至4中的任一项所述的方法，其中注释的所述电子邮件用选自类别组的所述注释中的一个或多个注释而被注释，所述类别组包括消息发送、软件交互和共享内容。

10.根据权利要求1至4中的任一项所述的方法，其中所述未注释的会话数据用与对应于类似于电子邮件结构的结构的线程的转弯和结束对应的标签而被标记。

11.根据权利要求1至4中的任一项所述的方法，其中通过使用递归注意力神经词袋模型(RAINBOW)作为基线模型对用收件人对应动作而被注释的电子邮件数据集进行编码来在注释的所述电子邮件数据集上训练所述重新参数化的递归神经网络模型，其中两个编码层包括：

将每个电子邮件编码为消息嵌入；以及

根据先前线程嵌入将每个线程编码为线程嵌入。

12.一种机器可读存储设备，具有用于由机器的处理器执行以引起所述处理器执行操作以执行生成模型的方法的指令，所述方法包括：

接收被寻址到收件人用户的通信；

使用重新参数化的递归神经网络模型处理接收的所述通信以基于接收的所述电子邮件来标识动作；以及

其中所述重新参数化的递归神经网络模型已经：

在用收件人对应动作注释的通信数据集上被训练；以及

在具有与所述通信数据集数据相似结构的未注释的会话数据上被重新参数化。

13.根据权利要求12所述的机器可读存储设备，其中所述模型根据共享分量和域特定分量被重新参数化以提供多域多任务学习，并且其中所述重新参数化功能将所述共享分量和所述域特定分量相加，其中域特定分量的权重对于每个域是不同的，并且所述重新参数化功能将所述共享分量和所述域特定分量相加和相乘，其中域特定分量的权重对于用于相加的每个域以及单独的乘法分量是不同的以引入非线性。