CN107229616B - 语言识别方法、装置及系统 - Google Patents
语言识别方法、装置及系统 Download PDFInfo
- Publication number
- CN107229616B CN107229616B CN201610179961.2A CN201610179961A CN107229616B CN 107229616 B CN107229616 B CN 107229616B CN 201610179961 A CN201610179961 A CN 201610179961A CN 107229616 B CN107229616 B CN 107229616B
- Authority
- CN
- China
- Prior art keywords
- data structure
- information
- grammar
- grammar rule
- service data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000013519 translation Methods 0.000 claims abstract description 76
- 238000009795 derivation Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 23
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/43—Checking; Contextual analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/005—Language recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明公开了一种语言识别方法、装置及系统,涉及信息技术领域,可以通过用户输入的数据结构映射得到对应的文法规则,可以提高语言识别的处理效率。本发明的主要技术方案为:首先接收客户端发送的业务数据结构信息;再从所述业务数据结构信息中获取文法规则;当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。本发明主要用于语言识别。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种语言识别方法、装置及系统。
背景技术
随着信息技术的不断发展,语言识别技术越来越成熟。语言识别一直是计算机科学中非常重要的一部分,广泛应用于编译、脚本解释、自然语言处理等方面。所谓语言识别,即可以利用计算机识别特定语言。语言识别的目标在于将用户输入的字母序列转化成计算机能够识别和处理的数据结构。
目前,当需要识别用户输入的一种语言的语句信息时,可以通过一些语言识别工具来实现语言识别,例如,ANTLR(Another Tool for Language Recognition)、YACC(YetAnother Compiler Complier)、LEX(Lexical Compiler)等语言识别工具。具体地,首先用户需要预先定义该语言对应的文法规则;再将该文法规则转化为语言识别工具支持的文法格式并输入到该语言识别工具当中,进而生成能够识别该语言的翻译器;然后通过生成的翻译器去翻译输入的字母序列;由于翻译后的结果存储在语言识别工具生成的数据结构中,此数据结构通常与业务数据结构存在差异,所以需要用户将翻译后的结果重新格式化,以便存入该业务数据结构中,进而变成业务处理所需要的数据结构数据。
然而,上述定义文法规则的步骤需要用户对形式语言处理及编译原理有较深理解,对于完全不懂得编译原理或没有任何文法知识的人而言,会增加用户额外的学习负担;另外,上述将翻译后的结果存入业务数据结构的过程,由于需要通过人工方式来完成,当批量进行输入语句的语言识别时,会影响处理的效率。
发明内容
有鉴于此,本发明实施例提供了一种语言识别方法、装置及系统,主要目的是解决上述由于需要用户自己定义文法规则,会增加用户额外学习负担的问题,以及通过人工方式将翻译后的结果存入业务数据结构的过程,会影响语言识别处理效率的问题。
为达到上述目的,本发明提供如下技术方案:
一方面,本发明提供了一种语言识别方法,包括:
接收客户端发送的业务数据结构信息;
从所述业务数据结构信息中获取文法规则;
当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;
将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。
另一方面,本发明提供了另一种语言识别方法,包括:
当接收到用户输入的业务数据结构信息时,向服务器发送所述业务数据结构信息,以使得所述服务器从所述业务数据结构信息中获取文法规则;
当接收到用户输入的待识别语句信息时,向所述服务器发送所述待识别语句信息,以使得所述服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;
接收所述服务器发送的所述业务数据结构中的所述翻译结果并进行显示。
又一方面,本发明提供了一种服务器,包括:
接收单元,用于接收客户端发送的业务数据结构信息;
获取单元,用于从所述接收单元接收的业务数据结构信息中获取文法规则;
翻译单元,用于当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译;
存储单元,用于将所述翻译单元的翻译结果存储至业务数据结构中;
发送单元,用于将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。
再一方面,本发明提供了一种客户端,包括:
发送单元,用于当接收到用户输入的业务数据结构信息时,向服务器发送所述业务数据结构信息,以使得所述服务器从所述业务数据结构信息中获取文法规则;
所述发送单元,用于当接收到用户输入的待识别语句信息时,向所述服务器发送所述待识别语句信息,以使得所述服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;
接收单元,用于接收所述服务器发送的所述业务数据结构中的所述翻译结果;
显示单元,用于将所述接收单元接收的翻译结果进行显示。
再一方面,本发明提供了一种语言识别系统,包括:服务器和客户端;
所述客户端,用于当接收到用户输入的业务数据结构信息时,向所述服务器发送所述业务数据结构信息;
所述服务器,用于接收所述客户端发送的业务数据结构信息;从所述业务数据结构信息中获取文法规则;
所述客户端,还用于当接收到用户输入的待识别语句信息时,向所述服务器发送所述待识别语句信息;
所述服务器,还用于当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;将所述业务数据结构中的所述翻译结果发送给所述客户端;
所述客户端,还用于接收所述服务器发送的所述业务数据结构中的所述翻译结果并进行显示。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明实施例提供的一种语言识别方法、装置及系统,首先接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种语言识别方法的流程图;
图2示出了本发明实施例提供的另一种语言识别方法的流程图;
图3示出了本发明实施例提供的又一种语言识别方法的流程图;
图4示出了本发明实施例提供的一种服务器的结构示意图;
图5示出了本发明实施例提供的另一种服务器的结构示意图;
图6示出了本发明实施例提供的一种客户端的结构示意图;
图7示出了本发明实施例提供的一种语言识别系统的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种语言识别方法,可以应用于服务器,如图1所示,所述方法包括:
101、接收客户端发送的业务数据结构信息。
其中,所述业务数据结构信息中包含业务处理所需要的业务数据结构。
对于本发明实施例,用户可以根据业务需求,定义业务数据结构,并将定义好的业务数据结构输入到客户端中,并由客户端发送给服务器,而服务器接收包含业务数据结构的这些业务数据结构信息,触发获取文法规则的操作。
102、从业务数据结构信息中获取文法规则。
其中,所述文法规则可以为一种语言的句子一般满足的特定规则。所述文法规则可以由四个部分组成,这四个部分分别为起始符、终结符、非终结符、推导规则。具体地,文法是一个四元组:文法G={VT,VN,S,P},其中,VT是一个非空有限的符号集合,它的每个元素为终结符。VN也是一个非空有限的符号集合,它的每个元素为非终结符,并且VT与VN的交集为空集。S∈VN,即S属于VN,为文法G的起始符。P是一个非空有限集合,它的元素成为产生式,即推导规则,而产生式的形式可以定义为α→β,α称为产生式的左部,β称为产生式的右部,符号“→”表示“定义为”,并且α、β∈(VT∪VN),即α、β是由终结符和非终结符组成的符号串。开始符S必须至少在某一产生式的左部出现一次。
具体地,上述文法规则的四个部分可以从业务数据结构中映射得到。例如,用户输入的业务数据结构为JAVA数据结构,起始符可以为该业务数据结构的根对应的标识,终结符可以为JAVA类中原子类型属性的标识,非终结符可以为业务数据结构中涉及的所有的非原子类型的类名,而推导关系可以通过类与类之间的包含关系确定。
103、当接收到客户端发送的待识别语句信息时,通过文法规则对待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。
其中,所述待识别语句信息可以为用户输入的字母序列,所述字母序列包括且不局限于自然语言的字符,可以为任何要解析的序列中不可分割的实体,例如,摩斯码的字母为点和短线。
104、将业务数据结构中的翻译结果发送给客户端。
进一步地,以使得所述客户端对所述翻译结果进行显示。
对于本发明实施例,当接收到客户端发送的待识别语句信息时,触发执行语言识别的操作。通过调用步骤102中获取得到的文法规则,对输入的待识别语句信息进行翻译。翻译的过程同步将翻译的结果存储至用户输入的数据结构中,因为该数据结构是实际的业务数据结构,可以被直接使用。需要说明的是,与现有技术相比,本发明实施例从业务数据结构信息中得到的文法规则与业务数据结构之间不存在信息冗余,每次更新时不需要同步修改,可以提高更新效率,便于程序的移植、升级等。并且由于翻译过程高度自动化,可以用此方法来实现自动的数据序列化与反序列化。
本发明实施例提供的一种语言识别方法,首先接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,本发明实施例提供了另一种语言识别方法,可以应用于服务器,如图2所示,所述方法包括:
201、接收客户端发送的业务数据结构信息。
其中,所述业务数据结构信息中包含业务数据结构对应的数据类型的自解释信息。所述自解释信息可以为通过自解释机制获取得到数据结构的注解信息,所谓自解释机制可以为自动获取数据结构的数据类型特征的过程,包含且不限于面向对象语言的反射机制,凡是能让计算机自动描述自己数据结构、数据关系的机制,均为自解释过程。
对于本发明实施例,当接收到客户端发送的业务数据结构信息时,会触发获取相应文法规则的操作。
202、根据自解释信息,从业务数据结构信息中获取业务数据结构对应的数据类型信息。
其中,所述数据类型信息中包含数据类型对应的属性信息以及类与类之间的包含关系。
具体地,本地根据数据类型的自解释信息,获取得到全部数据类型及关系,并将数据结构映射成对应的文法元素。例如,可以根据自解释信息,从业务数据结构信息中获取原子类型属性的名称、非原子类型的类名以及类与类之间的包含关系等。
需要说明的是,自解释信息可以帮助更好地理解用户定义好的数据结构,因此有自解释信息并能通过自解释机制获取得到注解内容的计算机语言,例如,JAVA、C#等计算机语言,更适合本发明实施例中语言识别的实现过程。
203、通过数据类型信息生成文法规则。
其中,所述文法规则的概念解释可以参考步骤102中相应描述,在此不再赘述。
具体地,所述步骤203具体包括:根据所述数据类型对应的属性信息,确定所述文法规则对应的起始符、终结符、非终结符;通过所述类与类之间的包含关系,确定所述文法规则对应的推导规则;通过所述起始符、所述终结符、所述非终结符以及所述推导规则,生成所述文法规则。
例如,以比较典型的JAVA数据结构与文法规则的映射过程为例,起始符可以为该数据结构的根对应的标识,终结符可以为JAVA类中原子类型属性的标识,并可以根据数据类型系统自动转换标识对应的值,非终结符可以为数据结构中涉及的所有的非原子类型的类名,而推导关系可以通过类与类之间的包含关系确定,具体地,如类A有二属性a与b,其数据类型分别是Str i ng类和类B,则可以抽取出推导规则为A→aB。
204、当接收到客户端发送的待识别语句信息时,通过文法规则对待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。
需要说明的是,通过本发明实施例提供的实现方式,用户不需要定义文法规则或理解语言本身,也不需要学习语言识别工具的文法定义格式,增加额外的学习负担,只需要将目标数据结构输入,即可通过输入的数据结构映射得到对应的文法规则,并可以开始识别语言,方便用户进行使用。
对于本发明实施例,所述步骤204之前还可以包括:检测所述文法规则中是否存在文法错误;若是,则对所述文法规则进行调整。所述步骤204具体可以包括:通过调整后的文法规则对所述待识别语句信息进行翻译。进一步地,若文法规则中不存在文法错误,说明该文法规则可以直接被调用进行待识别语句信息的翻译。
具体地,当业务数据结构信息中获取的文法规则不够规整,如存在左递归、歧义等文法错误时,需要对该文法规则进行调整,例如,变换规则内部排序等,以适应后续解释过程。变换的过程需要记录文法规则的起始来源,从而能够将识别结果存储至正确的位置。需要说明的是,当文法规则中存在文法错误时,通过对文法规则进行调整,并利用调整后的文法规则对接收到的待识别语句信息进行翻译,可以更好的进行语句信息的翻译,可以提高翻译的准确性。
对于本发明实施例,所述步骤204之前还可以包括:根据所述文法规则生成翻译器。所述步骤204具体可以包括:通过所述翻译器对所述待识别语句信息进行翻译。
具体地,根据获取得到的文法规则生成翻译器,通过翻译器翻译需要翻译的字母序列,翻译的过程同步将翻译的结果存储至用户输入的业务数据结构中。需要说明的是,通过生成的翻译器进行待识别语句信息的翻译,用户可以通过客户端将需要翻译的字母序列直接输入到翻译器中进行翻译,便于用户的操作。
对于本发明实施例,所述步骤204之前还可以包括:将所述文法规则对应的文法格式转化为预设语言识别工具支持的文法格式;将转化后文法格式的文法规则输入到所述预设语言识别工具中,以便通过所述预设语言识别工具生成所述文法规则对应的翻译器;所述步骤204具体可以包括:通过所述翻译器对所述待识别语句信息进行翻译。其中,所述预设语言识别工具可以为现有的语言识别工具,例如,ANTLR、YACC、LEX等语言识别工具。所述预设语言识别工具可以由技术人员根据实际需求进行预先配置。
例如,可以将获取得到的文法规则对应的文法格式转化为ANTLR支持的文法格式,并将转化后文法格式的文法规则输入到ANTLR中,通过调用ANTLR生成对应的翻译器,并最终通过这个生成的翻译器翻译输入的字母序列。
需要说明的是,对于本发明实施例的翻译步骤,可以由本地根据获取得到的文法规则自身以翻译器的方式来翻译输入的字母序列,也可以预先根据文法规则生成翻译器并通过翻译器来实现翻译过程,而翻译器可以由本地根据获取得到的文法规则来创建生成,还可以调用预设语言识别工具来创建生成,具体可以根据用户的实际需求而定,本发明实施例不做限定。
205、将业务数据结构中的翻译结果发送给客户端。
进一步地,以使得所述客户端对所述翻译结果进行显示。
本发明实施例提供的另一种语言识别方法,首先接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,本发明实施例提供了又一种语言识别方法,可以应用于客户端,如图3所示,所述方法包括:
301、当接收到用户输入的业务数据结构信息时,向服务器发送业务数据结构信息。
进一步地,以使得所述服务器从所述业务数据结构信息中获取文法规则。其中,所述业务数据结构信息以及文法规则的概念解释可以参考步骤101至102中相应描述,在此不再赘述。
对于本发明实施例,用户可以根据实际的业务需求,定义业务数据结构,并将定义好的业务数据结构信息输入到客户端中,客户端接收到该业务数据结构信息后发送给服务器,以使得服务器触发从该业务数据结构信息中获取文法规则的操作。
302、当接收到用户输入的待识别语句信息时,向服务器发送待识别语句信息。
进一步地,以使得所述服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中,并将所述业务数据结构中的所述翻译结果返回给客户端。其中,所述待识别语句信息的概念解释可以参考步骤103中相应描述,在此不再赘述。
303、接收服务器发送的业务数据结构中的翻译结果并进行显示。
本发明实施例提供的又一种语言识别方法,首先向服务器发送的用户输入的业务数据结构信息,以使得服务器从所述业务数据结构信息中获取文法规则;然后向服务器发送待识别语句信息,以使得服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,作为图1所示方法的具体实现,本发明实施例提供了一种服务器,如图4所示,所述服务器可以包括:接收单元41、获取单元42、翻译单元43、存储单元44、发送单元45。
所述接收单元41,可以用于接收客户端发送的业务数据结构信息。所述接收单元41面向客户端,接收客户端发送的信息。
所述获取单元42,可以用于从所述接收单元41接收的业务数据结构信息中获取文法规则。所述获取单元42可以为本服务器中获取文法规则的主要功能模块。
所述翻译单元43,可以用于当接收到所述客户端发送的待识别语句信息时,通过所述获取单元42获取的文法规则对所述待识别语句信息进行翻译。所述翻译单元43为本服务器中对待识别语句信息进行翻译的主要功能模块。
所述存储单元44,可以用于将所述翻译单元43的翻译结果存储至业务数据结构中。所述存储单元44可以自动实现将翻译结果存储至业务数据结构中,可以提高语言识别的处理效率。
所述发送单元45,可以用于将所述业务数据结构中的所述翻译结果发送给所述客户端。
进一步地,以使得所述客户端对所述翻译结果进行显示。所述发送单元45面向客户端,用于向客户端返回处理信息。
需要说明的是,该装置实施例与前述方法实施例对应,具体可以参考图1中的对应描述,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的一种服务器,首先接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,作为图2所示方法的具体实现,本发明实施例提供了另一种服务器,如图5所示,所述服务器可以包括:接收单元51、获取单元52、翻译单元53、存储单元54、发送单元55。
所述接收单元51,可以用于接收客户端发送的业务数据结构信息。所述接收单元51面向用户,接收客户端发送的信息。
所述获取单元52,可以用于从所述接收单元51接收的业务数据结构信息中获取文法规则。所述获取单元52可以为本服务器中获取文法规则的主要功能模块。
所述翻译单元53,可以用于当接收到所述客户端发送的待识别语句信息时,通过所述获取单元52获取的文法规则对所述待识别语句信息进行翻译。所述翻译单元53为本服务器中对待识别语句信息进行翻译的主要功能模块。
所述存储单元54,可以用于将所述翻译单元53的翻译结果存储至业务数据结构中。所述存储单元54可以自动实现将翻译结果存储至业务数据结构中,可以提高语言识别的处理效率。
所述发送单元55,可以用于将所述业务数据结构中的所述翻译结果发送给所述客户端。
进一步地,以使得所述客户端对所述翻译结果进行显示。所述发送单元55面向客户端,用于向客户端返回处理信息。
可选地,所述业务数据结构信息中包含所述业务数据结构对应的数据类型的自解释信息。
进一步地,所述获取单元52包括:获取模块521、生成模块522。
所述获取模块521,可以用于根据所述自解释信息,从所述业务数据结构信息中获取所述业务数据结构对应的数据类型信息。
所述生成模块522,可以用于通过所述获取模块521获取的数据类型信息生成文法规则。
可选地,所述数据类型信息中包含数据类型对应的属性信息以及类与类之间的包含关系。
所述生成模块522,具体可以用于根据所述数据类型对应的属性信息,确定所述文法规则对应的起始符、终结符、非终结符。
所述生成模块522,具体还可以用于通过所述类与类之间的包含关系,确定所述文法规则对应的推导规则。
所述生成模块522,具体还可以用于通过所述起始符、所述终结符、所述非终结符以及所述推导规则,生成所述文法规则。
进一步地,所述装置还包括:检测单元56、调整单元57。
所述检测单元56,可以用于检测所述文法规则中是否存在文法错误。
所述调整单元57,可以用于若所述检测单元56检测出所述文法规则中存在文法错误,则对所述文法规则进行调整。
所述翻译单元53,具体可以用于通过所述调整单元57调整后的文法规则对所述待识别语句信息进行翻译。
进一步地,所述装置还包括:生成单元58。
所述生成单元58,可以用于根据所述获取单元52获取的文法规则生成翻译器。
所述翻译单元53,具体可以用于通过所述生成单元58生成的翻译器对所述待识别语句信息进行翻译。
进一步地,所述装置还包括:转化单元59、输入单元510。
所述转化单元59,可以用于将所述文法规则对应的文法格式转化为预设语言识别工具支持的文法格式。
所述输入单元510,可以用于将所述转化单元59转化后文法格式的文法规则输入到所述预设语言识别工具中。
进一步地,以便于通过所述预设语言识别工具生成所述文法规则对应的翻译器。
所述翻译单元53,具体可以用于通过所述翻译器对所述待识别语句信息进行翻译。
需要说明的是,该装置实施例与前述方法实施例对应,具体可以参考图2中的对应描述,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。
所述服务器包括处理器和存储器,上述接收单元、获取单元、翻译单元、存储单元、发送单元、检测单元、调整单元、生成单元、转化单元、输入单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决在对图表中被选中的图形进行显示时存在显示卡顿的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM),存储器包括至少一个存储芯片。
本发明实施例提供的另一种服务器,首先接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,作为图3所示方法的具体实现,本发明实施例提供了一种客户端,如图6所示,所述客户端可以包括:发送单元61、接收单元62、显示单元63。
所述发送单元61,可以用于当接收到用户输入的业务数据结构信息时,向服务器发送所述业务数据结构信息。
进一步地,以使得所述服务器从所述业务数据结构信息中获取文法规则。
所述发送单元61,还可以用于当接收到用户输入的待识别语句信息时,向所述服务器发送所述待识别语句信息。
进一步地,以使得所述服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。
所述接收单元62,可以用于接收所述服务器发送的所述业务数据结构中的所述翻译结果。
所述显示单元63,可以用于将所述接收单元62接收的翻译结果进行显示。
需要说明的是,本发明实施例提供的一种客户端所涉及各功能单元的其他相应描述,可以参考图3中的对应描述,在此不再赘述。
本发明实施例提供的一种客户端,首先向服务器发送的用户输入的业务数据结构信息,以使得服务器从所述业务数据结构信息中获取文法规则;然后向服务器发送待识别语句信息,以使得服务器通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
进一步地,本发明实施例提供了一种语言识别系统,如图7所示,包括:服务器71、客户端72。
所述客户端72,可以用于当接收到用户输入的业务数据结构信息时,向所述服务器71发送所述业务数据结构信息。
所述服务器71,可以用于接收所述客户端72发送的业务数据结构信息;从所述业务数据结构信息中获取文法规则。
所述客户端72,还可以用于当接收到用户输入的待识别语句信息时,向所述服务器71发送所述待识别语句信息。
所述服务器71,还可以用于当接收到所述客户端72发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;将所述业务数据结构中的所述翻译结果发送给所述客户端72。
所述客户端72,还可以用于接收所述服务器71发送的所述业务数据结构中的所述翻译结果并进行显示。
本发明实施例提供的一种语言识别系统,首先服务器接收客户端发送的用户输入的业务数据结构信息;然后从所述业务数据结构信息中获取文法规则;当接收到客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中。与目前需要用户自己定义文法规则相比,本发明可以通过用户输入的业务数据结构信息中获取文法规则,以便通过该文法规则对输入的语句信息进行翻译,无需用户自己抽象出语言的文法规则,减轻了用户学习负担,简化了语言识别的过程,便于用户操作。另外,与目前需要通过人工方式将翻译后的结果存入业务数据结构的过程相比,本发明通过从业务数据结构信息中获取的文法规则进行翻译,翻译后存入结果的数据结构正是需要存入的业务数据结构,可以实现自动将翻译后的结果存入业务数据结构的过程,可以提高语言识别的处理效率。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序代码:接收客户端发送的业务数据结构信息;从所述业务数据结构信息中获取文法规则;当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的图表中图形的显示方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种语言识别方法,其特征在于,包括:
接收客户端发送的业务数据结构信息;
从所述业务数据结构信息中获取文法规则;
将所述文法规则对应的文法格式转化为预设语言识别工具支持的文法格式;
将转化后文法格式的文法规则输入到所述预设语言识别工具中,以便通过所述预设语言识别工具生成所述文法规则对应的翻译器;
当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中;
将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。
2.根据权利要求1所述的语言识别方法,其特征在于,所述业务数据结构信息中包含业务数据结构对应的数据类型的自解释信息,所述从所述业务数据结构信息中获取文法规则包括:
根据所述自解释信息,从所述业务数据结构信息中获取所述业务数据结构对应的数据类型信息;
通过所述数据类型信息生成文法规则。
3.根据权利要求2所述的语言识别方法,其特征在于,所述数据类型信息中包含数据类型对应的属性信息以及类与类之间的包含关系,所述通过所述数据类型信息生成文法规则包括:
根据所述数据类型对应的属性信息,确定所述文法规则对应的起始符、终结符、非终结符;
通过所述类与类之间的包含关系,确定所述文法规则对应的推导规则;
通过所述起始符、所述终结符、所述非终结符以及所述推导规则,生成所述文法规则。
4.根据权利要求1所述的语言识别方法,其特征在于,所述通过所述文法规则对所述待识别语句信息进行翻译并将翻译结果存储至业务数据结构中之前,所述方法还包括:
检测所述文法规则中是否存在文法错误;
若是,则对所述文法规则进行调整;
所述通过所述文法规则对所述待识别语句信息进行翻译包括:
通过调整后的文法规则对所述待识别语句信息进行翻译。
5.根据权利要求1所述的语言识别方法,其特征在于,所述通过所述文法规则对所述待识别语句信息进行翻译包括:
通过所述翻译器对所述待识别语句信息进行翻译。
6.一种服务器,其特征在于,包括:
接收单元,用于接收客户端发送的业务数据结构信息;
获取单元,用于从所述接收单元接收的业务数据结构信息中获取文法规则;
转化单元,用于将所述文法规则对应的文法格式转化为预设语言识别工具支持的文法格式;
输入单元,用于将所述转化单元转化后文法格式的文法规则输入到所述预设语言识别工具中,以便通过所述预设语言识别工具生成所述文法规则对应的翻译器;
翻译单元,用于当接收到所述客户端发送的待识别语句信息时,通过所述文法规则对所述待识别语句信息进行翻译;
存储单元,用于将所述翻译单元的翻译结果存储至业务数据结构中;
发送单元,用于将所述业务数据结构中的所述翻译结果发送给所述客户端,以使得所述客户端对所述翻译结果进行显示。
7.根据权利要求6所述的服务器,其特征在于,所述业务数据结构信息中包含业务数据结构对应的数据类型的自解释信息,所述获取单元包括:
获取模块,用于根据所述自解释信息,从所述业务数据结构信息中获取所述业务数据结构对应的数据类型信息;
生成模块,用于通过所述获取模块获取的数据类型信息生成文法规则。
8.根据权利要求7所述的服务器,其特征在于,所述数据类型信息中包含数据类型对应的属性信息以及类与类之间的包含关系,
所述生成模块,具体用于根据所述数据类型对应的属性信息,确定所述文法规则对应的起始符、终结符、非终结符;
所述生成模块,具体还用于通过所述类与类之间的包含关系,确定所述文法规则对应的推导规则;
所述生成模块,具体还用于通过所述起始符、所述终结符、所述非终结符以及所述推导规则,生成所述文法规则。
9.根据权利要求6所述的服务器,其特征在于,所述服务器还包括:检测单元和调整单元;
所述检测单元,用于检测所述文法规则中是否存在文法错误;
所述调整单元,用于若所述检测单元检测出所述文法规则中存在文法错误,则对所述文法规则进行调整;
所述翻译单元,具体用于通过所述调整单元调整后的文法规则对所述待识别语句信息进行翻译。
10.根据权利要求6所述的服务器,其特征在于,所述翻译单元,具体用于通过所述翻译器对所述待识别语句信息进行翻译。
11.一种语言识别系统,其特征在于,包括:权利要求6-10任一项所述的服务器。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179961.2A CN107229616B (zh) | 2016-03-25 | 2016-03-25 | 语言识别方法、装置及系统 |
TW106105361A TWI713015B (zh) | 2016-03-25 | 2017-02-17 | 語言識別方法及裝置 |
KR1020187026985A KR20180126479A (ko) | 2016-03-25 | 2017-03-16 | 언어 인식 방법, 디바이스 및 시스템 |
JP2018545582A JP2019512776A (ja) | 2016-03-25 | 2017-03-16 | 言語認識方法、装置、及びシステム |
PCT/CN2017/076873 WO2017162082A1 (zh) | 2016-03-25 | 2017-03-16 | 语言识别方法、装置及系统 |
EP17769359.5A EP3435227A4 (en) | 2016-03-25 | 2017-03-16 | METHOD, DEVICE, AND LANGUAGE RECOGNITION SYSTEM |
US16/079,188 US10755055B2 (en) | 2016-03-25 | 2017-03-16 | Language recognition method, apparatus, and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179961.2A CN107229616B (zh) | 2016-03-25 | 2016-03-25 | 语言识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107229616A CN107229616A (zh) | 2017-10-03 |
CN107229616B true CN107229616B (zh) | 2020-10-16 |
Family
ID=59899371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610179961.2A Active CN107229616B (zh) | 2016-03-25 | 2016-03-25 | 语言识别方法、装置及系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10755055B2 (zh) |
EP (1) | EP3435227A4 (zh) |
JP (1) | JP2019512776A (zh) |
KR (1) | KR20180126479A (zh) |
CN (1) | CN107229616B (zh) |
TW (1) | TWI713015B (zh) |
WO (1) | WO2017162082A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427671B (zh) * | 2018-01-25 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 信息转换方法和装置、存储介质及电子装置 |
CN108021559B (zh) * | 2018-02-05 | 2022-05-03 | 威盛电子股份有限公司 | 自然语言理解系统以及语意分析方法 |
CN108984536A (zh) * | 2018-07-02 | 2018-12-11 | 北京分音塔科技有限公司 | 店铺识别翻译机、方法、装置及存储介质 |
US11393463B2 (en) * | 2019-04-19 | 2022-07-19 | Soundhound, Inc. | System and method for controlling an application using natural language communication |
CN113160827A (zh) * | 2021-04-07 | 2021-07-23 | 深圳鱼亮科技有限公司 | 一种基于多语言模型的语音转写系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201750A (zh) * | 2006-12-13 | 2008-06-18 | 西安大唐电信有限公司 | 利用语法词法分析工具为编解码提供数据的方法 |
CN104252510A (zh) * | 2013-11-05 | 2014-12-31 | 深圳市华傲数据技术有限公司 | 一种sql语言翻译方法和装置 |
CN104899147A (zh) * | 2015-06-19 | 2015-09-09 | 北京理工大学 | 一种面向安全检查的代码静态分析方法 |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63305463A (ja) | 1987-06-05 | 1988-12-13 | Hitachi Ltd | 自然言語処理方式 |
JPH02165378A (ja) | 1988-12-20 | 1990-06-26 | Csk Corp | 機械翻訳システム |
US20020032564A1 (en) | 2000-04-19 | 2002-03-14 | Farzad Ehsani | Phrase-based dialogue modeling with particular application to creating a recognition grammar for a voice-controlled user interface |
US6681383B1 (en) * | 2000-04-04 | 2004-01-20 | Sosy, Inc. | Automatic software production system |
US6957184B2 (en) * | 2000-07-20 | 2005-10-18 | Microsoft Corporation | Context free grammar engine for speech recognition system |
WO2002044887A2 (en) | 2000-12-01 | 2002-06-06 | The Trustees Of Columbia University In The City Of New York | A method and system for voice activating web pages |
US6973429B2 (en) | 2000-12-04 | 2005-12-06 | A9.Com, Inc. | Grammar generation for voice-based searches |
JP2003006255A (ja) * | 2001-06-22 | 2003-01-10 | Fujitsu Ltd | Hdl自動修正装置およびhdl自動修正プログラム並びに同プログラムを記録したコンピュータ読取可能な記録媒体 |
WO2003005166A2 (en) | 2001-07-03 | 2003-01-16 | University Of Southern California | A syntax-based statistical translation model |
US7185276B2 (en) | 2001-08-09 | 2007-02-27 | Voxera Corporation | System and method for dynamically translating HTML to VoiceXML intelligently |
US7010779B2 (en) * | 2001-08-16 | 2006-03-07 | Knowledge Dynamics, Inc. | Parser, code generator, and data calculation and transformation engine for spreadsheet calculations |
US7080004B2 (en) | 2001-12-05 | 2006-07-18 | Microsoft Corporation | Grammar authoring system |
US7529658B2 (en) | 2002-07-26 | 2009-05-05 | Sankhya Technologies Private Limited | Method for specifying equivalence of language grammars and automatically translating sentences in one language to sentences in another language in a computer environment |
US7302383B2 (en) * | 2002-09-12 | 2007-11-27 | Luis Calixto Valles | Apparatus and methods for developing conversational applications |
US20050091424A1 (en) * | 2003-10-24 | 2005-04-28 | Snover Jeffrey P. | Mechanism for analyzing partially unresolved input |
GB2407657B (en) | 2003-10-30 | 2006-08-23 | Vox Generation Ltd | Automated grammar generator (AGG) |
US8666725B2 (en) | 2004-04-16 | 2014-03-04 | University Of Southern California | Selection and use of nonstatistical translation components in a statistical machine translation framework |
US8397157B2 (en) | 2006-10-20 | 2013-03-12 | Adobe Systems Incorporated | Context-free grammar |
US8041697B2 (en) | 2007-08-31 | 2011-10-18 | Microsoft Corporation | Semi-automatic example-based induction of semantic translation rules to support natural language search |
IL186505A0 (en) * | 2007-10-08 | 2008-01-20 | Excelang Ltd | Grammar checker |
CN101446895B (zh) * | 2008-12-18 | 2011-03-23 | 浙江大学 | 基于语法重构的代码级构件组装方法 |
US20100332217A1 (en) * | 2009-06-29 | 2010-12-30 | Shalom Wintner | Method for text improvement via linguistic abstractions |
US20120191446A1 (en) * | 2009-07-15 | 2012-07-26 | Proviciel - Mlstate | System and method for creating a parser generator and associated computer program |
US9002700B2 (en) * | 2010-05-13 | 2015-04-07 | Grammarly, Inc. | Systems and methods for advanced grammar checking |
US8543374B2 (en) | 2010-08-12 | 2013-09-24 | Xerox Corporation | Translation system combining hierarchical and phrase-based models |
CN103092669A (zh) * | 2011-11-01 | 2013-05-08 | 镇江华扬信息科技有限公司 | 一种基于Java的CUP构造编译器的实现方法 |
CN102629213B (zh) * | 2012-02-21 | 2015-02-04 | 北京经纬恒润科技有限公司 | 一种c语言仿真模型的剖析及监控方法 |
US9292271B2 (en) | 2013-05-24 | 2016-03-22 | Medidata Solutions, Inc. | Apparatus and method for managing software translation |
US20150057994A1 (en) * | 2013-08-20 | 2015-02-26 | Eric Hong Fang | Unified Mobile Learning Platform |
CA3092699C (en) * | 2013-12-06 | 2023-07-25 | Ab Initio Technology Llc | Source code translation |
US10176256B1 (en) * | 2013-12-23 | 2019-01-08 | BroadbandTV, Corp | Title rating and improvement process and system |
US9535904B2 (en) | 2014-03-26 | 2017-01-03 | Microsoft Technology Licensing, Llc | Temporal translation grammar for language translation |
-
2016
- 2016-03-25 CN CN201610179961.2A patent/CN107229616B/zh active Active
-
2017
- 2017-02-17 TW TW106105361A patent/TWI713015B/zh active
- 2017-03-16 EP EP17769359.5A patent/EP3435227A4/en not_active Ceased
- 2017-03-16 WO PCT/CN2017/076873 patent/WO2017162082A1/zh active Application Filing
- 2017-03-16 KR KR1020187026985A patent/KR20180126479A/ko not_active Application Discontinuation
- 2017-03-16 US US16/079,188 patent/US10755055B2/en active Active
- 2017-03-16 JP JP2018545582A patent/JP2019512776A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201750A (zh) * | 2006-12-13 | 2008-06-18 | 西安大唐电信有限公司 | 利用语法词法分析工具为编解码提供数据的方法 |
CN104252510A (zh) * | 2013-11-05 | 2014-12-31 | 深圳市华傲数据技术有限公司 | 一种sql语言翻译方法和装置 |
CN104899147A (zh) * | 2015-06-19 | 2015-09-09 | 北京理工大学 | 一种面向安全检查的代码静态分析方法 |
Non-Patent Citations (1)
Title |
---|
一种监控探针描述语言及其编译器的设计与实现;王涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215(第S2期);I138-789 * |
Also Published As
Publication number | Publication date |
---|---|
EP3435227A4 (en) | 2019-11-06 |
TWI713015B (zh) | 2020-12-11 |
JP2019512776A (ja) | 2019-05-16 |
KR20180126479A (ko) | 2018-11-27 |
WO2017162082A1 (zh) | 2017-09-28 |
US10755055B2 (en) | 2020-08-25 |
EP3435227A1 (en) | 2019-01-30 |
CN107229616A (zh) | 2017-10-03 |
TW201737241A (zh) | 2017-10-16 |
US20190065479A1 (en) | 2019-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229616B (zh) | 语言识别方法、装置及系统 | |
CN106970820B (zh) | 代码存储方法及代码存储装置 | |
KR102111373B1 (ko) | 수출입 신고 방법 및 장치 | |
CN111144210A (zh) | 图像的结构化处理方法及装置、存储介质及电子设备 | |
CN112420145A (zh) | 电子病历文书数据处理方法、装置及计算机可读存储介质 | |
CN113076167A (zh) | 一种代码处理方法及相关设备 | |
CN111563380A (zh) | 一种命名实体识别方法及其装置 | |
CN106776779B (zh) | 基于Mac平台的JSON数据生成实体文件的方法 | |
CN116166236A (zh) | 代码推荐方法、装置、计算机设备及存储介质 | |
US11531814B2 (en) | Method and device for generating modified statement | |
CN110008807B (zh) | 一种合同内容识别模型的训练方法、装置及设备 | |
US10678514B2 (en) | Method and device for generating code assistance information | |
CN112582073B (zh) | 医疗信息获取方法、装置、电子设备和介质 | |
CN110941655A (zh) | 一种数据格式转换方法及装置 | |
CN114090619B (zh) | 自然语言的查询处理方法及装置 | |
CN109032582A (zh) | 一种生成服务器运维脚本的方法及装置 | |
CN111125154B (zh) | 用于输出结构化查询语句的方法和装置 | |
CN111539200A (zh) | 一种生成富文本的方法、装置、介质和电子设备 | |
US20230334069A1 (en) | Cross-platform content management | |
CN115358186B (zh) | 一种槽位标签的生成方法、装置及存储介质 | |
CN117573140B (zh) | 一种通过扫描代码生成文档的方法、系统及装置 | |
CN110837896B (zh) | 机器学习模型的存储和调用方法、装置 | |
CN114168189A (zh) | 一种Vue项目代码的翻译方法、设备及介质 | |
CN114138310A (zh) | 软件系统更新方法、装置及计算机存储介质 | |
JP6267971B2 (ja) | ソースコード解析支援装置、ソースコード解析支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |