CN107590130A - 场景确定方法及装置、存储介质和电子设备 - Google Patents

Abstract

本发明公开了一种场景确定方法及装置、存储介质和电子设备，涉及计算机技术领域。该场景确定方法包括：获取自然语句并对所述自然语句进行分词处理以得到各关键词；根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。本公开可以实现自然语句与场景的精确匹配。

Description

场景确定方法及装置、存储介质和电子设备

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种场景确定方法、场景确定装置、存储介质和电子设备。

背景技术

在O2O(Online To Offline，线上到线下)行业中，为了使计算机理解用户所表达的自然语言，需要将自然语言对应的自然语句与场景进行匹配。例如，“查一下附近人均200元左右的日料店”可以被匹配为门店搜索场景；“我要叫一份黄焖鸡米饭，微辣的”可以被匹配为外卖的场景。

目前，根据自然语句确定场景的方法可以包括：首先，定义场景以及与场景对应的关键词；然后，对用户自然语句进行解析，具体步骤如图1所示，在步骤S12中，对自然语句进行分词处理以得到关键词；在步骤S14中，在预定义库中搜索核心关键词得到场景，其中，预定义库为预先定义的关键词与场景的对应关系的库；在步骤S16中，用户确认步骤S14中得到的场景是否为期望的场景，如果是，则步骤跳转为步骤S18，即，场景确定过程结束，如果不是，则步骤跳转至步骤S14，以确定另一场景供用户进行判断，也就是说，如果步骤S14得到的场景非用户所期望的场景，则将不断搜索场景直到用户确认场景正确。

上述方法的缺点在于：一方面，在确定与场景对应的关键词的过程中，可能存在即便投入大量人力，关键词仍不能覆盖所有场景的情况；另一方面，上述过程需要用户不断确认来达到最终的匹配，这可能需要花费相当长的时间，大多数用户可能不会有耐心进行多次判断的过程，这将导致用户体验较差；再一方面，仅仅通过搜索核心关键词来匹配场景，无法覆盖自然语句中的所有成分，另外，关键词可能存在于多个场景中，上述方法无法最终确定关键词究竟属于哪个场景；又一方面，上述方法无法识别未定义的关键词。

鉴于此，需要一种场景确定方法、场景确定装置、存储介质和电子设备。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种场景确定方法、场景确定装置、存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种场景确定方法，包括：

获取自然语句并对所述自然语句进行分词处理以得到各关键词；

根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

在本公开的一种示例性实施例中，所述场景确定方法还包括：

对各所述关键词进行成分分析以确定各所述关键词的成分属性。

在本公开的一种示例性实施例中，所述场景确定方法还包括：

根据所述关键词及所述关键词在自然语句中的顺序对所述自然语句进行句法分析以构建所述自然语句的句法树；

根据所述句法树确定各所述关键词之间的所述依赖关系。

在本公开的一种示例性实施例中，所述场景确定方法还包括：

根据所述句法树的句法树节点对应的关键词的成分属性确定所述自然语句的核心成分；

将所述核心成分与预定场景的核心词进行匹配；

如果所述核心成分与所述预定场景的核心词匹配成功，则根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

在本公开的一种示例性实施例中，所述核心成分与所述预定场景的核心词匹配成功包括：

所述核心成分与所述预定场景的核心词相同；或者

所述核心成分与所述预定场景的核心词满足一预设相似度要求。

在本公开的一种示例性实施例中，所述场景确定方法还包括：

在所述核心成分与所述预定场景的核心词满足所述预设相似度要求时，将所述核心成分作为所述预定场景的核心词并保存。

根据本公开的一个方面，提供一种场景确定装置，包括：

分词处理模块，用于获取自然语句并对所述自然语句进行分词处理以得到各关键词；

场景确定模块，用于根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

在本公开的一种示例性实施例中，所述场景确定装置还包括：

成分分析模块，用于对各所述关键词进行成分分析以确定各所述关键词的成分属性。

在本公开的一种示例性实施例中，所述场景确定装置还包括：

句法分析模块，用于根据所述关键词及所述关键词在自然语句中的顺序对所述自然语句进行句法分析以构建所述自然语句的句法树；

依赖关系确定模块，用于根据所述句法树确定各所述关键词之间的所述依赖关系。

在本公开的一种示例性实施例中，所述场景确定装置还包括：

核心成分确定模块，用于根据所述句法树的句法树节点对应的关键词的成分属性确定所述自然语句的核心成分；

核心成分匹配模块，用于将所述核心成分与预定场景的核心词进行匹配；

其中，如果所述核心成分与所述预定场景的核心词匹配成功，则根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

在本公开的一种示例性实施例中，所述核心成分与所述预定场景的核心词匹配成功包括：

所述核心成分与所述预定场景的核心词相同；或者

所述核心成分与所述预定场景的核心词满足一预设相似度要求。

在本公开的一种示例性实施例中，所述场景确定装置还包括：

核心成分保存模块，用于在所述核心成分与所述预定场景的核心词满足所述预设相似度要求时，将所述核心成分作为所述预定场景的核心词并保存。

根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的场景确定方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的场景确定方法。

在本公开的一些实施例所提供的技术方案中，对自然语句进行分词处理得到各关键词，根据各关键词之间的依赖关系和各关键词的成分属性确定与该自然语句对应的场景，一方面，相比于仅通过匹配关键词来确定场景的方案，本公开通过各关键词之间的依赖关系和各关键词的成分属性确定出的场景能够与自然语句描述的场景精确匹配；另一方面，由于本公开确定出的场景能够与自然语句描述的场景精确匹配，可以减少用户不断确定场景的过程，在减少了确定场景所花费的时间的同时，可以提高用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了一些技术的确定场景的方法的流程图；

图2示意性示出了根据本公开的示例性实施方式的场景确定方法的流程图；

图3示出了根据本公开的实施例的句法树结构的示意图；

图4示意性示出了根据本公开的第一实施方式的场景确定装置的方框图；

图5示意性示出了根据本公开的第二实施方式的场景确定装置的方框图；

图6示意性示出了根据本公开的第三实施方式的场景确定装置的方框图；

图7示意性示出了根据本公开的第四实施方式的场景确定装置的方框图；

图8示意性示出了根据本公开的第五实施方式的场景确定装置的方框图；

图9示出了根据本公开的示例性实施方式的存储介质的示意图；以及

图10示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

下面将以餐饮外卖场景为例对本公开所述的场景确定方法进行描述。然而，应当理解的是，本公开所述的场景可以为任意需要进行自然语句匹配的场景，这些场景可以包括但不限于：播放音乐的场景，例如，用户的自然语句可以是“播放一首80年代的摇滚音乐”；交通导航的场景，例如，用户的自然语句可以是“去离家最近的游乐场”；购物或预订的场景，例如，用户的自然语句可以是“订两张下午2点到4点的电影票”；等等。

例如，用户的自然语句为：“我想要一份20块左右的黄焖鸡米饭，微辣的”。针对该自然语句，在一些技术中，首先，服务器可以对该自然语句进行分词处理，得到各关键词，具体的，得到的关键词可以包括：“我”、“想”、“要”、“一”、“份”、“20”、“块”、“左右”、“的”、“黄焖鸡米饭”、“微辣”、“的”；接下来，服务器可以确定出各关键词中核心关键词为“黄焖鸡米饭”；随后，服务器可以向用户确认“是要左右黄焖鸡米饭吗？”，用户的反馈“否”；然后，服务器再次向用户确认“是要20份黄焖鸡米饭吗？”，用户的反馈“否”。如此不断向用户发送确认信息直至用户的反馈结果为“是”时结束。由此可以看出，在这些技术中，一方面，用户需要不断确认以达到最终的匹配，这可能需要花费相当长的时间；另一方面，仅通过核心关键词来匹配场景，无法覆盖自然语句中所有成分，例如上例中可能遗漏“微辣”这一约束条件，导致匹配结果不精确。

鉴于此，需要一种新的场景确定方法。

图2示意性示出了本公开的示例性实施方式的场景确定方法。参考图2，所述场景确定方法可以包括以下步骤：

S22.获取自然语句并对所述自然语句进行分词处理以得到各关键词；

S24.根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

根据本公开的示例性实施方式的场景确定方法，一方面，相比于仅通过匹配关键词来确定场景的方案，本公开通过各关键词之间的依赖关系和各关键词的成分属性确定出的场景能够与自然语句描述的场景精确匹配；另一方面，由于本公开确定出的场景能够与自然语句描述的场景精确匹配，可以减少用户不断确定场景的过程，在减少了确定场景所花费的时间的同时，可以提高用户体验。

下面将对本公开的场景确定方法进行详细说明。

首先，用户可以向一终端设备(例如，手机等)发出一自然语句，该终端设备可以将该自然语句上传至服务器。本公开对自然语句的内容不做特殊限定，另外，虽然下面将自然语句默认为汉语，然而，应当理解是，本公开所述的自然语句还可以包括其他国家或地区的语言，例如，英语、法语等。

具体的，用户可以例如向手机的餐饮APP发出“找家附近100块左右的火锅”的自然语句，其中，该餐饮APP可以具有语音接收功能，并在获取该自然语句后，可以将该自然语句上传至该餐饮APP对应的服务器。另外，用户可以控制手机接收自然语句的开始时刻和结束时刻，以便使接收到的自然语句能够完整反映出用户的需求。

接下来，服务器可以对自然语句进行分词处理。根据本公开的一些实施例，可以采用词典结合语料的方式对自然语句进行分析处理，其中，词典主要包含词语，语料主要包含文本。具体的，可以计算语料中各词语之间前后出现的概率以得到自然语句的最佳的词语组合。此外，还可以通过目前的一些分词处理方法对自然语句进行分词处理，例如，基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法中的一种或多种。本示例性实施方式中对自然语句进行分词处理的具体过程不做特殊限定。

在对自然语句进行分词处理后，可以得到与该自然语句对应的各关键词。以上述自然语句“找家附近100块左右的火锅”为例，经历分词处理后得到的关键词可以包括：“找”、“家”、“附近”、“100”、“块”、“左右”、“的”、“火锅”。

接下来，可以对各关键词进行成分分析以确定出各关键词的成分属性。其中，成分分析可以包含但不限于对关键词的词性的分析以及关键词的类型的分析。例如，针对“火锅”这一关键词，一方面，可以确定出“火锅”为一名词；另一方面，可以确定出“火锅”是一种餐饮类型。另外，可以根据成分分析的分析结果确定出关键词的成分属性，例如，“火锅”为餐饮类名词，“块”为“100”的量词、“黄焖鸡米饭”为一菜品的名词，等等。此外，还可以预先配置关键词与成分属性的映射关系，并且根据该映射关系并基于计算机查询手段可以确定出各关键词的成分属性。

在本公开的示例性实施方式中，服务器还可以根据所述关键词及所述关键词在自然语句中的顺序对自然语句进行句法分析以构建自然语句的句法树，并根据句法树确定出各关键词之间的依赖关系。其中，本公开所述的依赖关系可以包括主语与谓语、名词与修饰词的关系等。然而，不限于此，本公开的依赖关系还可以包括谓语与宾语的关系以及其他修饰关系等。

根据本公开的一些实施例，可以采用依存句法分析的方式对本公开的自然语句进行句法分析以构建与自然语句对应的句法树。具体的，可以采用基于规则的依存句法分析和基于统计的依存句法分析中的一种或它们的结合来构建自然语句对应的句法树。另外，也可以通过现有的句法分析工具实现本公开的句法分析过程，例如，该工具为FudanNLP(一款由复旦大学推出的自然语言处理工具)，其提供有依存句法分析功能。

仍以自然语句“找家附近100块左右的火锅”为例，图3示出了该语句对应的句法树结构的示意图。具体的，在根节点下，首先确定的是节点“找”，可以看出，“火锅”依赖“找”，是“找”的宾语。另外，其他词语之间存在不同的依赖关系。根据本公开的一些实施例，例如，可以将“找”与“火锅”之间的依赖关系记为dobj，表示直接宾语关系；可以将“火锅”与“100”之间的依赖关系记为nmod，表示复合名词修饰关系；可以将“100”与“块”之间的依赖关系记为clf，表示类别修饰关系；可以将“附近”与“家”之间的依赖关系记为nn，表示名词组合关系，等等。

在确定出各关键词的成分属性和各关键词之间的依赖关系后，可以根据各关键词的成分属性和各关键词之间的依赖关系确定出与自然语句对应的场景。

根据本公开的一些实施例，首先，可以根据句法树中节点对应的关键词的成分属性确定出自然语句中的核心成分。此处所述的核心成分可以是用户提供的着重需要关注的关键词。具体的，在一些实施例中，所关注的核心成分主要包括谓语和形容词，然而，在另一些实施例中，所关注的核心成分还可以包括主语、名词宾语等。基于图3示出的实施例，该核心成分可以为关键词“找”。

接下来，可以将该核心成分是否与预定场景的核心词进行匹配。其中，开发人员可以预先定义核心词，例如，外卖订餐场景的核心词可以包括“点”、“订”、“买”等；电影购票场景的核心词可以包括“买”、“订”、“购”等；搜索场景的核心词可以包括“找”、“有没有”等；距离500米内场景的核心词可以包括“附近”、“边上”等；地标词附近的核心词可以包括所有的地标词汇；均价的核心词可以包括“人均”，等等。

根据本公开的一些实施例，如果确定出核心成分与预定场景的核心词匹配成功，则服务器可以根据各关键词之间的依赖关系和各关键词的成分属性确定自然语句对应的场景。

一方面，核心成分与预定场景的核心词匹配成功可以包括核心成分与预定场景的核心词相同，例如，确定出的核心成分与预定场景的核心词均为“预订”。另一方面，核心成分与预定场景的核心词匹配成功还可以包括核心成分与预定场景的核心词满足一预设相似度要求。其中，预设相似度要求可以由开发人员根据实际场景自行设置的相似度要求，例如，可以将“预订”与“订”确定为满足预设相似度要求。另外，可以通过将关键词转换为向量并计算向量之间的余弦夹角等方法来确定核心成分与预定场景的核心词之间的相似度，具体可以通过word2vec工具包来确定它们之间的相似度。对确定核心成分与预定场景的核心词之间的相似度的方式，本示例性实施方式不做特殊限定。

此外，在核心成分与预定场景的核心词满足预设相似度要求时，可以将核心成分作为预定场景的核心词并保存。例如，核心成分为“预订”，但预定场景的核心词中未包括“预订”而仅包括“订”，在确定出“预订”与“订”满足预设相似度要求时，可以将“预订”保存为预定场景的核心词，以便在之后的场景确定过程中当确定出核心成分为“预订”时，直接得到核心成分与预定场景的核心词匹配的结论，避免了相似度判断的过程。

在判断出核心成分为关键词“找”之后，可以根据“找”的宾语来确定出场景。因为“找”的宾语“火锅”为餐饮类名词，则可以确定出场景为“餐饮门店的搜索”。接下来，可以继续参考图3示出的句法树，“火锅”依赖于“附近”和“100”，若预先定义“附近”对应的场景为“距离500米以内”，则“附近”匹配的场景为“距离500米以内”的查询条件；“100”依赖于“块”，而“块”的成分属性为量词，则可以确定“100”表示的是价格条件。由此，综合所有的匹配结果，针对自然语句“找家附近100块左右的火锅”，可以确定出的场景为“搜索距离500米内的餐饮门店，价格区间为100”。

随后，服务器可以根据匹配出的场景进行搜索，并将搜索结果发送至终端设备以便用户查看。

此外，在确定出核心成分与预定场景的核心词未匹配成功或者服务器未搜索到对应场景时，服务器可以向终端设备发送一提示信息，以将根据用户提供的自然语句未确定出对应场景的结果告知用户。另外，还可以提示用户更换自然语句。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种场景确定装置。

图4示意性示出了本公开的示例性实施方式的场景确定装置的方框图。参考图4，根据本公开的示例性实施方式的场景确定装置4可以包括分词处理模块41和场景确定模块43，其中：

分词处理模块41，可以用于获取自然语句并对所述自然语句进行分词处理以得到各关键词；

场景确定模块43，可以用于根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

根据本公开所述的场景确定装置，一方面，相比于仅通过匹配关键词来确定场景的方案，本公开通过各关键词之间的依赖关系和各关键词的成分属性确定出的场景能够与自然语句描述的场景精确匹配；另一方面，由于本公开确定出的场景能够与自然语句描述的场景精确匹配，可以减少用户不断确定场景的过程，在减少了确定场景所花费的时间的同时，可以提高用户体验。

根据本公开的示例性实施例，参考图5，场景确定装置5相对于场景确定装置4，除包括分词处理模块41和场景确定模块43外，还可以包括成分分析模块51，其中：

成分分析模块51，可以用于对各所述关键词进行成分分析以确定各所述关键词的成分属性。

根据本公开的示例性实施例，参考图6，场景确定装置6相对于场景确定装置4，除包括分词处理模块41和场景确定模块43外，还可以包括句法分析模块61和依赖关系确定模块63，其中：

句法分析模块61，可以用于根据所述关键词及所述关键词在自然语句中的顺序对所述自然语句进行句法分析以构建所述自然语句的句法树；

依赖关系确定模块63，可以用于根据所述句法树确定各所述关键词之间的所述依赖关系。

根据本公开的示例性实施例，参考图7，场景确定装置7相对于场景确定装置6，除包括分词处理模块41、场景确定模块43、句法分析模块61和依赖关系确定模块63外，还可以包括核心成分确定模块71和核心成分匹配模块73，其中：

核心成分确定模块71，可以用于根据所述句法树的句法树节点对应的关键词的成分属性确定所述自然语句的核心成分；

核心成分匹配模块73，可以用于将所述核心成分与预定场景的核心词进行匹配；

其中，如果所述核心成分与所述预定场景的核心词匹配成功，则根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

根据本公开的示例性实施例，所述核心成分与所述预定场景的核心词匹配成功包括：

所述核心成分与所述预定场景的核心词相同；或者

所述核心成分与所述预定场景的核心词满足一预设相似度要求。

根据本公开的示例性实施例，参考图8，场景确定装置8相对于场景确定装置7，除包括分词处理模块41、场景确定模块43、句法分析模块61、依赖关系确定模块63、核心成分确定模块71和核心成分匹配模块73外，还可以包括核心成分保存模块81，其中：

核心成分保存模块81，可以用于在所述核心成分与所述预定场景的核心词满足所述预设相似度要求时，将所述核心成分作为所述预定场景的核心词并保存。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图2中所示的步骤S22：获取自然语句并对所述自然语句进行分词处理以得到各关键词；步骤S24：根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。

存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (14)

1.一种场景确定方法，其特征在于，包括：

获取自然语句并对所述自然语句进行分词处理以得到各关键词；

根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

2.根据权利要求1所述的场景确定方法，其特征在于，所述场景确定方法还包括：

对各所述关键词进行成分分析以确定各所述关键词的成分属性。

3.根据权利要求1所述的场景确定方法，其特征在于，所述场景确定方法还包括：

根据所述关键词及所述关键词在自然语句中的顺序对所述自然语句进行句法分析以构建所述自然语句的句法树；

根据所述句法树确定各所述关键词之间的所述依赖关系。

4.根据权利要求3所述的场景确定方法，其特征在于，所述场景确定方法还包括：

根据所述句法树的句法树节点对应的关键词的成分属性确定所述自然语句的核心成分；

将所述核心成分与预定场景的核心词进行匹配；

如果所述核心成分与所述预定场景的核心词匹配成功，则根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

5.根据权利要求4所述的场景确定方法，其特征在于，所述核心成分与所述预定场景的核心词匹配成功包括：

所述核心成分与所述预定场景的核心词相同；或者

所述核心成分与所述预定场景的核心词满足一预设相似度要求。

6.根据权利要求5所述的场景确定方法，其特征在于，所述场景确定方法还包括：

在所述核心成分与所述预定场景的核心词满足所述预设相似度要求时，将所述核心成分作为所述预定场景的核心词并保存。

7.一种场景确定装置，其特征在于，包括：

分词处理模块，用于获取自然语句并对所述自然语句进行分词处理以得到各关键词；

场景确定模块，用于根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

8.根据权利要求7所述的场景确定装置，其特征在于，所述场景确定装置还包括：

成分分析模块，用于对各所述关键词进行成分分析以确定各所述关键词的成分属性。

9.根据权利要求7所述的场景确定装置，其特征在于，所述场景确定装置还包括：

句法分析模块，用于根据所述关键词及所述关键词在自然语句中的顺序对所述自然语句进行句法分析以构建所述自然语句的句法树；

依赖关系确定模块，用于根据所述句法树确定各所述关键词之间的所述依赖关系。

10.根据权利要求9所述的场景确定装置，其特征在于，所述场景确定装置还包括：

核心成分确定模块，用于根据所述句法树的句法树节点对应的关键词的成分属性确定所述自然语句的核心成分；

核心成分匹配模块，用于将所述核心成分与预定场景的核心词进行匹配；

其中，如果所述核心成分与所述预定场景的核心词匹配成功，则根据各所述关键词之间的依赖关系和各所述关键词的成分属性确定与所述自然语句对应的场景。

11.根据权利要求10所述的场景确定装置，其特征在于，所述核心成分与所述预定场景的核心词匹配成功包括：

所述核心成分与所述预定场景的核心词相同；或者

所述核心成分与所述预定场景的核心词满足一预设相似度要求。

12.根据权利要求11所述的场景确定装置，其特征在于，所述场景确定装置还包括：

核心成分保存模块，用于在所述核心成分与所述预定场景的核心词满足所述预设相似度要求时，将所述核心成分作为所述预定场景的核心词并保存。

13.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的场景确定方法。

14.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任一项所述的场景确定方法。