CN108021556A - 用于获取信息的方法及装置 - Google Patents

Abstract

本申请实施例公开了用于获取信息的方法及装置。该方法的一具体实施方式包括：对获取的待处理查询信息进行语义识别，得到查询语义信息，上述查询语义信息包括用于查询信息的至少一个查询关键词；从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放；响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。该实施方式提高了获取信息的主动性和效率。

Description

用于获取信息的方法及装置

技术领域

本申请实施例涉及数据处理技术领域，具体涉及数据挖掘技术领域，尤其涉及用于获取信息的方法及装置。

背景技术

随着科技的发展，人工智能在众多领域起到了越来越重要的作用。智能交互是人工智能的一个重要的领域。用户可以与具有智能交互功能的智能设备进行语音对话，智能设备对接收的用户的语音信息进行数据处理，然后从数据库中查找到用户需要的应答信息，并将应答信息以语音或文字等形式反馈给用户。

发明内容

本申请实施例的目的在于提出了用于获取信息的方法及装置。

第一方面，本申请实施例提供了一种用于获取信息的方法，该方法包括：对获取的待处理查询信息进行语义识别，得到查询语义信息，上述查询语义信息包括用于查询信息的至少一个查询关键词；从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放；响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。

在一些实施例中，上述通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息包括：将上述查询语义信息导入预先训练的类型判定模型得到应答类型，上述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，上述应答类型包括确定性应答和非确定性应答；响应于得到的上述应答类型为确定性应答，查找与上述查询语义信息对应的信息提问格式，上述信息提问格式包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式；从上述查询关键词集合中提取与上述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应上述查询语义信息的提问信息。

在一些实施例中，上述方法还包括构建类型判定模型的步骤，上述构建类型判定模型的步骤包括：对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型；利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

在一些实施例中，上述响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息包括：对应答信息进行语义识别，得到应答语义信息，上述应答语义信息包括与查询关键词对应的应答关键词；从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

在一些实施例中，上述响应于接收到的对应上述提问信息的应答信息，通过上述提问信息应答信息建立的问答对信息还包括：获取与同一查询关键词集合对应的至少一个应答关键词集合；按照词条类型将上述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合，上述词条类型包括人名、地名、行业名称；对于上述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词；将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将上述更新应答关键词集合作为与上述查询关键词集合对应的目标应答关键词集合。

第二方面，本申请实施例提供了一种用于获取信息的装置，该装置包括：查询语义信息获取单元，用于对获取的待处理查询信息进行语义识别，得到查询语义信息，上述查询语义信息包括用于查询信息的至少一个查询关键词；提问信息构建单元，用于从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放；信息获取单元，用于响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。

在一些实施例中，上述提问信息构建单元包括：应答类型确定子单元，用于将上述查询语义信息导入预先训练的类型判定模型得到应答类型，上述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，上述应答类型包括确定性应答和非确定性应答；信息提问格式查找子单元，用于响应于得到的上述应答类型为确定性应答，查找与上述查询语义信息对应的信息提问格式，上述信息提问格式包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式；提问信息构建子单元，用于从上述查询关键词集合中提取与上述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应上述查询语义信息的提问信息。

在一些实施例中，上述装置还包括类型判定模型构建单元，用于构建类型判定模型，上述类型判定模型构建单元包括：应答类型确定子单元，用于对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型；类型判定模型构建子单元，用于利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

在一些实施例中，上述信息获取单元包括：应答语义信息获取子单元，用于对应答信息进行语义识别，得到应答语义信息，上述应答语义信息包括与查询关键词对应的应答关键词；问答对信息获取子单元，用于从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

在一些实施例中，上述信息获取单元还包括：应答关键词集合获取子单元，用于获取与同一查询关键词集合对应的至少一个应答关键词集合；应答关键词子集合划分子单元，用于按照词条类型将上述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合，上述词条类型包括人名、地名、行业名称；目标应答关键词确定子单元，用于对于上述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词；目标应答关键词集合获取子单元，用于将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将上述更新应答关键词集合作为与上述查询关键词集合对应的目标应答关键词集合。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于获取信息的方法。

本申请实施例提供的用于获取信息的方法及装置，对获取的待处理查询信息进行语义识别，得到查询语义信息；然后从查询语义信息中获取到查询关键词，并通过查询关键词构建提问信息，提高了获取信息的主动性；最后通过提问信息和应答信息建立问答对信息，并将问答对应信息保存值信息库，具有较好的学习能力，提高了获取信息的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于获取信息的方法的一个实施例的流程图；

图3是根据本申请的用于获取信息的方法的一个应用场景的示意图；

图4是根据本申请的用于获取信息的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于获取信息的方法或用于获取信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以通过语音或文字等形式向终端设备101、102、103发送待处理查询信息；终端设备101、102、103可以通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种数据处理应用，例如音频录入应用、语音分析应用、语义识别应用、信息查询应用、音频播放应用、信息识别应用等。

终端设备101、102、103可以是具有显示屏并且支持音频信息处理的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如根据终端设备101、102、103发来的查询关键词集合进行信息查询的服务器。服务器可以根据终端设备101、102、103发来的查询关键词集合进行数据查询，并将查询到的应答信息反馈给终端设备101、102、103。

需要说明的是，本申请实施例所提供的用于获取信息的方法一般由终端设备101、102、103执行，相应地，用于获取信息的装置一般设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于获取信息的方法的一个实施例的流程200。该用于获取信息的方法包括以下步骤：

步骤201，对获取的待处理查询信息进行语义识别，得到查询语义信息。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过接收语音信息等方式，接收用户发来的待处理查询信息。其中，上述查询语义信息包括用于查询信息的至少一个查询关键词。查询关键词可以是：“在哪儿”、“是谁”、“什么时间”或“是什么”等。

当用户向终端设备101、102、103发送待处理查询信息时，终端设备101、102、103可以对接收到的待处理查询信息进行语义识别等操作，得到对应的查询语义信息。当待处理查询信息为音频信息时，还可以首先对待处理查询信息进行语音识别等操作，得到对应的文字信息，然后再对文字信息进行语义识别。例如，用户可以向终端设备101、102、103发送语音信息“xx同学的大学所在的城市在哪儿？”，终端设备101、102、103先通过语音识别将语音信息转换为文字信息，然后再进行语义识别，得到的查询语义信息可以是：“查询xx的大学所在的城市”。

步骤202，从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放。

得到查询语义信息后，可以从查询语义信息中提取查询关键词。还以上述的查询语义信息“查询xx的大学所在的城市”为例，得到的查询关键词可以是：“xx”、“大学”和“城市”。将这些查询关键词组合起来得到查询关键词集合{“xx”、“大学”和“城市”}。如果终端设备101、102、103有现有的知识库，并且知识库中有对应查询关键词集合的应答信息，则可以从信息库中获取应答信息，并直接向用户反馈应答信息；当终端设备101、102、103上没有信息库，或信息库里没有对应查询关键词集合的应答信息时，终端设备101、102、103可以通过查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息。之后，终端设备101、102、103可以将提问信息转换为音频信息并播放给用户，提高了终端设备101、102、103的学习能力和获取信息的主动性。此外，还可以通过文字等形式将提问信息显示在终端设备101、102、103的屏幕上，以便用户获取到提问信息。

其中，信息库可以位于终端设备101、102、103上，也可以位于服务器105上，终端设备101、102、103可以通过有线或无线的方式与服务器105进行数据传输。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

在本实施例的一些可选的实现方式中，上述通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息可以包括以下步骤：

第一步，将上述查询语义信息导入预先训练的类型判定模型得到应答类型。

用户可以向终端设备101、102、103发出各种类型的待处理查询信息。这些待处理查询信息中，有些需要给出确定性的回答，例如上述的待处理查询信息“xx同学的大学所在的城市在哪儿？”，这类待处理查询信息需要给出一个确切的回答，对应的应答信息可以是：“xx的大学在x省x市”；有些可以不给出确定性的回答，例如待处理查询信息可以是“今天天气怎么样？”，对应该待处理查询信息的应答信息可以是：“还好”、“不错”、“挺好的”。为此，可以先对与查询语义信息对应的应答类型进行判定。本实施例的方法为：将上述查询语义信息导入预先训练的类型判定模型得到应答类型。其中，上述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，上述应答类型可以包括确定性应答和非确定性应答。

第二步，响应于得到的上述应答类型为确定性应答，查找与上述查询语义信息对应的信息提问格式。

如果应答类型为非确定性应答，则给出对应的非确定性应答信息即可。非确定性应答信息例如可以是：“还好”、“不错”等；如果应答类型为确定性应答，则从信息库查找对应的应答信息，如果信息库没有对应的应答信息，则可以通过向用户提问的方式向用户询问应答信息。如此，提高了获取信息的主动性，避免了现有技术中终端设备101、102、103只能进行被动的信息查询。此外，当终端设备101、102、103面向海量的用户进行提问时，获取到的应答信息也是海量的，提高了获取信息的效率。

对应不同的查询语义信息，信息提问格式可以有多种类型。例如，信息提问格式可以包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式，还可以是其他类型的信息提问格式，此处不再一一赘述。其中，当查询语义信息为：“查询他/她的名字”、“查询他/她的父母是谁”时，与该查询语义信息对应的用于查询人的信息提问格式可以是：“你知道他/她叫什么名字么？”、“你知道他/她的父母是谁么？”等；当查询语义信息为：“查询xx的成立时间”、“查询他/她的生日时间”时，与该查询语义信息对应的用于查询时间的信息提问格式可以是：“你知道xx成立的时间是什么时候？”、“你知道他/她的生日是什么时间？”等；当查询语义信息为：“查询xx的大学所在的城市”、“查询他/她的家庭住址”时，与该查询语义信息对应的用于查询地址的信息提问格式可以是：“你知道xx的大学在哪个城市么？”、“你知道他/她的家庭地址在哪儿么？”等；当查询语义信息为：“查询他/她送我的生日礼物是什么”、“查询我过年买的东西是什么”时，与该查询语义信息对应的用于查询物体的信息提问格式可以是：“你知道他/她送你的生日礼物是什么？”、“你过年买了什么？”等，即，信息提问格式为用于表达询问含义的句子。

第三步，从上述查询关键词集合中提取与上述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应上述查询语义信息的提问信息。

信息提问格式包含有词槽，词槽需要根据查询语义信息填入对应的词条(查询关键词)。例如，查询语义信息“查询xx的大学所在的城市”，信息提问格式可以是“你知道xx的大学在哪个城市么？”。其中，“xx”、“大学”和“城市”在应答信息中的位置就可以是词槽所在的位置。而由查询语义信息“查询xx的大学所在的城市”的查询关键词集合{“xx”、“大学”和“城市”}可知，“xx”、“大学”和“城市”为查询关键词集合内的查询关键词。可见，将查询关键词集合内的查询关键词填入信息提问格式的词槽可以构建提问信息。

在本实施例的一些可选的实现方式中，上述方法还可以包括构建类型判定模型的步骤，上述构建类型判定模型的步骤可以包括以下步骤：

第一步，对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型。

由上述描述可知，查询语义信息对应的应答信息可以分为确定性应答和非确定性应答。其中，确定性应答和非确定性应答又分别有各自的查询关键词。例如，当查询语义信息为“查询今天的天气”时，该查询语义信息对应的查询关键词可以是：“天气”。由对查询关键词的语义识别可知，通常情况下，人们之间谈论“天气”时，并不是要求对方给出“天气”具体的温度、湿度或风力等明确的结果，而是进行寒暄或为了后续说其他事情做铺垫。因此，当查询语义信息包含了“天气”这类的词条时，可以认为不需要给出一个明确的结果，对应查询语义信息的应答类型就可以是非确定性的应答信息；当查询语义信息为“查询xx的大学所在的城市”时，该查询语义信息对应的查询关键词可以是：“xx”、“大学”和“城市”。而由“xx”、“大学”和“城市”的语义可知，“xx”、“大学”和“城市”都是含义明确的词条。因此，可以认为查询语义信息“查询xx的大学所在的城市”需要给出确定性的应答信息。按照上述对查询关键词的分类方法，可以确定对应的查询语义信息的应答类型。

第二步，利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

类型判定模型用于根据查询语义信息的查询关键词确定对应查询语义信息的应答类型。作为示例，类型判定模型可以是技术人员基于对大量查询关键词和应答类型的统计而预先制定的、存储有多个查询关键词和应答类型的对应关系的对应关系表。

步骤203，响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。

当将提问信息通过音频或文字等形式反馈给用户时，用户可以根据提问信息给出对应的应答信息。这样，就可以通过提问信息和应答信息建立问答对信息。之后，将问答对信息保存至信息库，以便后续进行信息查询。

在本实施例的一些可选的实现方式中，上述响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息可以包括以下步骤：

第一步，对应答信息进行语义识别，得到应答语义信息。

获取到用户提供的应答信息后，可以对应答信息进行语义识别，得到应答语义信息。应答信息与提问信息对应，用于回答提问信息提出的问题。对应的，上述应答语义信息也可以包括与查询关键词对应的应答关键词。

第二步，从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

应答信息虽然包含了应答关键词，但是，对于同一个提问信息，应答信息可以通过多种文字形式表达同一个含义。为了获取到有用信息，可以从应答语义信息中提取应答关键词得到应答关键词集合。由于待处理查询信息与查询语义信息对应，而查询语义信息的查询关键词集合又用于构建提问信息。因此，可以将查询语义信息对应的查询关键词集合和应答信息对应的应答关键词集合组合成问答对信息。本实施例的实现过程可以是：用户向终端设备101、102、103提问；终端设备101、102、103无法找到对应的应答信息，通过用户提供的待处理查询信息构建提问信息，并将提问信息反馈给用户；用户对提问信息进行回答；终端设备101、102、103通过提问信息和应答信息构建问答对信息，并将问答对信息保存至信息库。

实际中，对于终端设备101、102、103反馈给用户的同一个提问信息，不同的用户可能会给出不同的应答信息，而正确的答案可能只有一个。为此，还需要对获得的应答信息进行判定。

在本实施例的一些可选的实现方式中，上述响应于接收到的对应上述提问信息的应答信息，通过上述提问信息应答信息建立的问答对信息还可以包括以下步骤：

第一步，获取与同一查询关键词集合对应的至少一个应答关键词集合。

对每个与同一提问信息对应的应答信息进行信息提取，得到对应每个应答信息的应答关键词集合。即，可以获取到与该提问信息对应至少一个应答信息，一个查询关键词集合对应至少一个应答关键词集合。

第二步，按照词条类型将上述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合。

应答关键词集合内通常含有数量有限的应答关键词。可以按照词条类型将上述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合。即，每个应答关键词集合都包含了至少一个应答关键词子集合。其中，上述词条类型可以包括人名、地名、行业名称等。例如，同一查询关键词集合对应有10个应答关键词集合。每个应答关键词集合包含一个人名应答关键词和一个地名应答关键词，则每个应答关键词集合可以包含有1个与人名对应的应答关键词子集合(包含1个人名应答关键词)和1个与地名对应的应答关键词子集合(包含1个地名应答关键词)。则对于全部的应答关键词集合包含的应答关键词来说，可以分为1个与人名对应的应答关键词子集合(包含10个人名应答关键词)和1个与地名对应的应答关键词子集合(包含10个地名应答关键词)。除了按照词条类型对应答关键词进行划分外，还可以通过其他方式(例如可以是性别、工作类型等)对应答关键词进行划分，此处不再一一赘述。

第三步，对于上述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词。

还以上述的10个应答关键词集合为例，每个应答关键词集合可以包含有1个与人名对应的应答关键词子集合(包含1个人名应答关键词)和1个与地名对应的应答关键词子集合(包含1个地名应答关键词)，则与人名对应的应答关键词子集合包含有10个应答关键词，与地名对应的应答关键词子集合也包含有10个应答关键词。由于上述的10个应答关键词集合与同一个查询关键词集对应，因此，与人名对应的应答关键词子集合包含的10个应答关键词可能都相同，也可能都不同(例如可以是，有8个应答关键词相同，2个应答关键词不同)。通常情况下，当应答关键词足够多的情况下，应答关键词具有统计规律性。此时，就可以将数量最多的应答关键词确认为对应该应答关键词子集合的目标应答关键词。

第四步，将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将上述更新应答关键词集合作为与上述查询关键词集合对应的目标应答关键词集合。

当确定了每个应答关键词子集合的目标应答关键词后，可以将目标应答关键词组合起来得到更新应答关键词集合。即，更新应答关键词集合为对应答关键词更新后的集合，也是应答关键词准确性最高的集合。然后，将更新应答关键词集合作为与查询关键词集合对应的目标应答关键词集合。

需要说明的是，在得到目标应答关键词集合后，之前的应答关键词(例如上述10个应答关键词集合包含的应答关键词)可以不删除，并在后续重新确定目标应答关键词时再次使用，以提高对获取的目标应答关键词统计的准确性。

由上述描述可知，本实施例的技术方案，可以在没有信息库的前提下，通过向用户反馈提问信息的方式向用户学习，并获取到对应的信息，提高了终端设备101、102、103的自学习能力和获取信息的准确率和效率。

在本实施例的一些可选的实现方式中，通过上述提问信息和应答信息建立问答对信息还可以包括对应答信息和提问信息进行匹配的步骤，所述对应答信息和提问信息进行匹配的步骤可以包括：通过匹配条件对提问信息包含的查询关键词和应答信息中的应答关键词进行匹配，响应于查询关键词与应答关键词匹配成功，确定应答信息和提问信息匹配成功。其中，匹配条件包括地址匹配、家庭关系匹配、时间匹配。

例如，查询关键词可以包括：“河北”和“城市”，应答关键词可以包括：“石家庄”和“邯郸”。由上述地址匹配可知，“石家庄”和“邯郸”属于“河北”的“城市”，因此，可以判定应答信息和提问信息匹配成功。同理，当应答关键词可以包括：“太原”或“长春”等时，无法通过地址匹配的方式或其他匹配条件建立“河北”、“城市”、“太原”或“长春”之间的对应关系。则此时的应答信息和提问信息匹配不成功，可以放弃应答信息。根据实际需要，匹配条件还可以包括其他匹配条件，此处不再一一赘述。

继续参见图3，图3是根据本实施例的用于获取信息的方法的应用场景的一个示意图。在图3的应用场景中，用户向终端设备102发送待处理查询信息“xx同学的大学所在的城市在哪儿？”；终端设备102接收到待处理查询信息后，对待处理查询信息进行语义识别，得到查询语义信息“查询xx的大学所在的城市”，并进一步得到查询关键词集合{“xx”、“大学”和“城市”}；之后，通过查询关键词集合构建提问信息“你知道xx的大学在哪个城市么？”，并通过音频的方式将提问信息反馈给用户；用户发送对应的应答信息“我知道，x省x市”；之后，终端设备102通过提问信息和应答信息建立问答对信息，并将问答对信息保存至信息库。

本申请的上述实施例提供的方法，对获取的待处理查询信息进行语义识别，得到查询语义信息；然后从查询语义信息中获取到查询关键词，并通过查询关键词构建提问信息，提高了获取信息的主动性；最后通过提问信息和应答信息建立问答对信息，并将问答对应信息保存值信息库，具有较好的学习能力，提高了获取信息的效率。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于获取信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于获取信息的装置400可以包括：查询语义信息获取单元401、提问信息构建单元402和信息获取单元403。其中，查询语义信息获取单元401用于对获取的待处理查询信息进行语义识别，得到查询语义信息，上述查询语义信息包括用于查询信息的至少一个查询关键词；提问信息构建单元402用于从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放；信息获取单元403用于响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。

在本实施例的一些可选的实现方式中，上述提问信息构建单元402可以包括：应答类型确定子单元(图中未示出)、信息提问格式查找子单元(图中未示出)和提问信息构建子单元(图中未示出)。其中，应答类型确定子单元用于将上述查询语义信息导入预先训练的类型判定模型得到应答类型，上述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，上述应答类型包括确定性应答和非确定性应答；信息提问格式查找子单元用于响应于得到的上述应答类型为确定性应答，查找与上述查询语义信息对应的信息提问格式，上述信息提问格式包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式；提问信息构建子单元用于从上述查询关键词集合中提取与上述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应上述查询语义信息的提问信息。

在本实施例的一些可选的实现方式中，用于获取信息的装置400还可以包括类型判定模型构建单元(图中未示出)，用于构建类型判定模型，上述类型判定模型构建单元还可以包括：应答类型确定子单元(图中未示出)和类型判定模型构建子单元(图中未示出)。其中，应答类型确定子单元用于对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型；类型判定模型构建子单元用于利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

在本实施例的一些可选的实现方式中，上述信息获取单元403可以包括：应答语义信息获取子单元(图中未示出)和问答对信息获取子单元(图中未示出)。其中，应答语义信息获取子单元用于对应答信息进行语义识别，得到应答语义信息，上述应答语义信息包括与查询关键词对应的应答关键词；问答对信息获取子单元用于从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

在本实施例的一些可选的实现方式中，上述信息获取单元403还可以包括：应答关键词集合获取子单元(图中未示出)、应答关键词子集合划分子单元(图中未示出)、目标应答关键词确定子单元(图中未示出)和目标应答关键词集合获取子单元(图中未示出)。其中，应答关键词集合获取子单元用于获取与同一查询关键词集合对应的至少一个应答关键词集合；应答关键词子集合划分子单元用于按照词条类型将上述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合，上述词条类型包括人名、地名、行业名称；目标应答关键词确定子单元用于对于上述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词；目标应答关键词集合获取子单元用于将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将上述更新应答关键词集合作为与上述查询关键词集合对应的目标应答关键词集合。

在本实施例的一些可选的实现方式中，信息获取单元403还可以包括：匹配子单元(图中未示出)，对应答信息和提问信息进行匹配，上述匹配子单元通过匹配条件对提问信息包含的查询关键词和应答信息中的应答关键词进行匹配，响应于查询关键词与应答关键词匹配成功，确定应答信息和提问信息匹配成功。其中，匹配条件包括地址匹配、家庭关系匹配、时间匹配。

本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于获取信息的方法。

本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于获取信息的方法。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机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。而在本申请中，计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括查询语义信息获取单元、提问信息构建单元和信息获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，信息获取单元还可以被描述为“用于获取问答对信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：对获取的待处理查询信息进行语义识别，得到查询语义信息，上述查询语义信息包括用于查询信息的至少一个查询关键词；从上述查询语义信息中提取查询关键词得到查询关键词集合，通过上述查询关键词集合包含的查询关键词构建对应上述查询语义信息的提问信息，将上述提问信息转换为音频信息并播放；响应于接收到的对应上述提问信息的应答信息，通过上述提问信息和应答信息建立问答对信息，并将上述问答对信息保存至信息库。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于获取信息的方法，其特征在于，所述方法包括：

对获取的待处理查询信息进行语义识别，得到查询语义信息，所述查询语义信息包括用于查询信息的至少一个查询关键词；

从所述查询语义信息中提取查询关键词得到查询关键词集合，通过所述查询关键词集合包含的查询关键词构建对应所述查询语义信息的提问信息，将所述提问信息转换为音频信息并播放；

响应于接收到的对应所述提问信息的应答信息，通过所述提问信息和应答信息建立问答对信息，并将所述问答对信息保存至信息库。

2.根据权利要求1所述的方法，其特征在于，所述通过所述查询关键词集合包含的查询关键词构建对应所述查询语义信息的提问信息包括：

将所述查询语义信息导入预先训练的类型判定模型得到应答类型，所述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，所述应答类型包括确定性应答和非确定性应答；

响应于得到的所述应答类型为确定性应答，查找与所述查询语义信息对应的信息提问格式，所述信息提问格式包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式；

从所述查询关键词集合中提取与所述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应所述查询语义信息的提问信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括构建类型判定模型的步骤，所述构建类型判定模型的步骤包括：

对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型；

利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

4.根据权利要求1所述的方法，其特征在于，所述响应于接收到的对应所述提问信息的应答信息，通过所述提问信息和应答信息建立问答对信息包括：

对应答信息进行语义识别，得到应答语义信息，所述应答语义信息包括与查询关键词对应的应答关键词；

从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

5.根据权利要求1所述的方法，其特征在于，所述响应于接收到的对应所述提问信息的应答信息，通过所述提问信息应答信息建立的问答对信息还包括：

获取与同一查询关键词集合对应的至少一个应答关键词集合；

按照词条类型将所述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合，所述词条类型包括人名、地名、行业名称；

对于所述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词；

将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将所述更新应答关键词集合作为与所述查询关键词集合对应的目标应答关键词集合。

6.一种用于获取信息的装置，其特征在于，所述装置包括：

查询语义信息获取单元，用于对获取的待处理查询信息进行语义识别，得到查询语义信息，所述查询语义信息包括用于查询信息的至少一个查询关键词；

提问信息构建单元，用于从所述查询语义信息中提取查询关键词得到查询关键词集合，通过所述查询关键词集合包含的查询关键词构建对应所述查询语义信息的提问信息，将所述提问信息转换为音频信息并播放；

信息获取单元，用于响应于接收到的对应所述提问信息的应答信息，通过所述提问信息和应答信息建立问答对信息，并将所述问答对信息保存至信息库。

7.根据权利要求6所述的装置，其特征在于，所述提问信息构建单元包括：

应答类型确定子单元，用于将所述查询语义信息导入预先训练的类型判定模型得到应答类型，所述类型判定模型用于根据查询语义信息包含的查询关键词确定对应查询语义信息的应答信息的应答类型，所述应答类型包括确定性应答和非确定性应答；

信息提问格式查找子单元，用于响应于得到的所述应答类型为确定性应答，查找与所述查询语义信息对应的信息提问格式，所述信息提问格式包括用于查询人的信息提问格式、用于查询时间的信息提问格式、用于查询地址的信息提问格式、用于查询物体的信息提问格式；

提问信息构建子单元，用于从所述查询关键词集合中提取与所述信息提问格式对应的查询关键词，并将查询关键词填入信息提问格式的词槽，构建对应所述查询语义信息的提问信息。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括类型判定模型构建单元，用于构建类型判定模型，所述类型判定模型构建单元包括：

应答类型确定子单元，用于对于查询语义信息集合中的每个查询语义信息，对查询语义信息包含的查询关键词进行语义识别，通过语义识别结果确定对应查询语义信息的应答类型；

类型判定模型构建子单元，用于利用机器学习方法，将查询语义信息作为输入，将对应查询语义信息的应答类型作为输出，训练得到类型判定模型。

9.根据权利要求6所述的装置，其特征在于，所述信息获取单元包括：

应答语义信息获取子单元，用于对应答信息进行语义识别，得到应答语义信息，所述应答语义信息包括与查询关键词对应的应答关键词；

问答对信息获取子单元，用于从应答语义信息中提取应答关键词得到应答关键词集合，并将查询关键词集合和应答关键词集合组合成问答对信息。

10.根据权利要求6所述的装置，其特征在于，所述信息获取单元还包括：

应答关键词集合获取子单元，用于获取与同一查询关键词集合对应的至少一个应答关键词集合；

应答关键词子集合划分子单元，用于按照词条类型将所述至少一个应答关键词集合包含的应答关键词划分为至少一个应答关键词子集合，所述词条类型包括人名、地名、行业名称；

目标应答关键词确定子单元，用于对于所述至少一个应答关键词子集合中的每个应答关键词子集合，将数量最多的应答关键词确定为该应答关键词子集合的目标应答关键词；

目标应答关键词集合获取子单元，用于将每个应答关键词子集合的目标应答关键词组合起来得到更新应答关键词集合，将所述更新应答关键词集合作为与所述查询关键词集合对应的目标应答关键词集合。

11.一种服务器，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一所述的方法。