CN109359295A - 自然语言的语义解析方法、装置、计算机设备和存储介质 - Google Patents
自然语言的语义解析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109359295A CN109359295A CN201811089544.4A CN201811089544A CN109359295A CN 109359295 A CN109359295 A CN 109359295A CN 201811089544 A CN201811089544 A CN 201811089544A CN 109359295 A CN109359295 A CN 109359295A
- Authority
- CN
- China
- Prior art keywords
- semantic
- natural language
- parsing result
- language information
- initial
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 94
- 238000012216 screening Methods 0.000 claims abstract description 180
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 244000141353 Prunus domestica Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
本申请涉及一种基于数据资源的自然语言的语义解析方法、装置、计算机设备和存储介质。所述方法包括:接收终端发送的对自然语言信息的语义解析请求,并获取自然语言信息对应的语义场景。在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果,并根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。采用本方法能够在将语义解析结果发送至终端之前,通过利用筛选值实现对语义解析结果的进一步筛选,提高了语义解析结果的准确率,避免反复进行语义解析,节约了资源,降低了消耗。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种自然语言的语义解析方法、装置、计算机设备和存储介质。
背景技术
随着计算机科学技术的快速发展,出现了通过利用自然语言处理,以实现人与计算机之间进行有效通信的方式。实现人机间自然语言通信,需要使得计算机既能理解自然语言文本的意义,还能以自然语言表达给定的意图和思想。但由于自然语言文本在不同的场景或不同的语境下,存在各式的歧义性和多义性,将自然语言存储至计算机系统内之前,还需对其进行整理和分析,根据相应的场景和语境消除其所具有的歧义,并转化成符合计算机内部存储要求的格式。
传统的自然语言的语义分析,通过接收用户输入的自然语言信息,并根据所接收的自然语言信息确定语义场景类型,在所确定的语义场景类型下,利用预设的语义解析方式对自然语言进行语义解析,获得解析结果。由于自然语言本身存在的歧义,当语义场景类型的确定出现失误时,容易得到完全错误的语义解析结果,降低了用户理解的偏差,需要反复进行操作,导致浪费大量资源。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低资源消耗的自然语言的语义解析方法、装置、计算机设备和存储介质。
一种自然语言的语义解析方法,所述方法包括:
接收终端发送的对自然语言信息的语义解析请求;
获取所述自然语言信息对应的语义场景;
在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
在其中一个实施例中,所述获取所述自然语言信息对应的语义场景,包括:
分别计算自然语言信息和不同语义场景之间的关联度值;
根据所述关联度值的大小对所述语义场景进行排序,并获取最大关联度值对应的语义场景。
在其中一个实施例中,所述在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果,包括:
获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与所述最大关联度值对应的语义场景对应的语义解析方式;
根据所述语义解析方式对所述自然语言信息进行解析,获得原始语义解析结果;
利用预设的检验规则对所述原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;
根据所述符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
在其中一个实施例中,所述根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值,包括:
获取与所述关键字对应的筛选机制;
根据预设的筛选机制和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值。
在其中一个实施例中,所述利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端,包括:
获取与所述初始语义解析结果对应的初始解析数据;
利用与所述关键字对应的筛选值,对所述初始解析数据进行筛选操作;
获取通过所述筛选操作的初始解析数据,并获取与通过所述筛选操作的初始解析数据对应的初始语义解析结果;
根据通过所述筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将所述语义解析结果发送至终端。
在其中一个实施例中,所述获取所述自然语言信息的语义场景,包括:
提取所述自然语言信息中的关键字,并获取不同所述关键字对应的关键字属性;
获取预设的关键字类别,并获取所述关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将所述自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同所述关键字类别对应的语义场景。
一种自然语言的语义解析装置,所述装置包括:
接收模块,用于接收终端发送的对自然语言信息的语义解析请求;
语义场景获取模块,用于获取所述自然语言信息对应的语义场景;
初始语义解析结果获取模块,用于在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
筛选值获取模块,用于根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
语义解析结果获取模块,用于利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
在其中一个实施例中,所述语义场景获取模块,还用于:
提取所述自然语言信息中的关键字,并获取不同所述关键字对应的关键字属性;
获取预设的关键字类别,并获取所述关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将所述自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同所述关键字类别对应的语义场景。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收终端发送的对自然语言信息的语义解析请求;
获取所述自然语言信息对应的语义场景;
在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
一种计算机可读存储介质,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以下步骤:
接收终端发送的对自然语言信息的语义解析请求;
获取所述自然语言信息对应的语义场景;
在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
上述自然语言的语义解析方法、装置、计算机设备和存储介质,服务器通过接收终端发送的对自然语言信息的语义解析请求,并取自然语言信息的语义场景。在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值,利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。从而可在将语义解析结果发送至终端之前,通过利用筛选值实现对语义解析结果的进一步筛选,提高了语义解析结果的准确率,避免反复进行语义解析,节约了资源,降低了消耗。
附图说明
图1为一个实施例中自然语言的语义解析方法的应用场景图;
图2为一个实施例中自然语言的语义解析方法的流程示意图;
图3为一个实施例中获取自然语言信息的语义场景的流程示意图;
图4为一个实施例中自然语言的语义解析装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的自然语言的语义解析方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。服务器104接收终端102发送的对自然语言信息的语义解析请求,并获取自然语言信息对应的语义场景。在对应的语义场景下,服务器104利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值,并利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,将语义解析结果发送至终端102。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种自然语言的语义解析方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,服务器接收终端发送的对自然语言信息的语义解析请求。
其中,相对于计算机应用的人工语言,比如程序设计语言、机器语言、受控检索语言等而言,自然语言表示人们日常使用的口头语言以及书面语言。语义解析请求表示对于用户输入的自然语言信息进行语义解析的请求,服务器获取到用户在终端输入的自然语言信息,并根据终端发送的语义解析请求,对对应的自然语言信息进行语义解析。
具体地,服务器接收用户在终端输入的自然语言信息,并接收终端发送的对自然语言信息的语义解析请求,根据语义解析请求对接收到的自然语言信息进行语义解析。但由于自然语言信息在不同的场景或不同的语境下,存在各式的歧义性和多义性,对自然语言信息进行语义解析之前,还需对其进行整理和分析,根据相应的场景和语境消除其所具有的歧义,并转化成符合计算机内部存储要求的格式,在计算机内部对符合预设要求的自然语言信息进行语义解析。
进一步地,以用户输入的自然语言信息为“深圳大学生的贷款分布”为例。用户在终端输入“深圳大学生的贷款分布”,终端向服务器发送对“深圳大学生的贷款分布”进行语义解析的语义解析请求,服务器接收语义解析请求,并根据语义解析请求对“深圳大学生的贷款分布”进行语义解析。而针对不同的场景或语境,自然语言信息“深圳大学生的贷款分布”可表示的语义包括:“深圳贷款大学生的教育机构分布”、“深圳大学生贷款与否的情况”、“深圳大学生的贷款数额分布”以及“深圳大学生贷款种类分布”等多种情况。针对多种可能的情况,在一定的语境和应用场景下,对自然语言信息进行分析和整理,获得不同语境或应用场景下,对应的自然语言信息表示的语义。
S204,服务器获取自然语言信息对应的语义场景。
具体地,服务器分别计算自然语言信息和不同语义场景之间的关联度值,根据关联度值的大小对语义场景进行排序,并获取最大关联度值对应的语义场景。
其中,关联度值用于判断用户输入的自然语言信息与多个语义场景之间的关联程度。服务器通过计算用户输入的自然语言信息和不同语义场景之间的关联度值,获得自然语言信息和语义场景之间的关联程度。进而将计算得到的关联度值按照从大至小的方式进行排序,获取最大的关联度值对应的语义场景,作为与用户输入的自然语言信息最相关的语义场景,即关联程度最高的语义场景。
进一步地,以用户输入的自然语言信息为“深圳小额借款人区域分布”,可选的语义场景包括:小额借贷、贷款以及大额借贷等,分别计算“深圳小额借款人区域分布”,与小额借贷、贷款以及大额借贷之间的关联度值,并将语义场景按照关联度值的大小进行排序,获得的最大关联度值对应的语义场景为小额借贷。
S206,服务器在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。
其中,不同的语义场景对应不同的语义解析方式,服务器可获取预先设置的语义场景和语义解析方式之间的对应关系,并根据所获取的预先设置的语义场景和语义解析方式之间的对应关系,获取与语义场景对应的语义解析方式。服务器在对应的语义场景下,利用与语义场景对应的语义解析方式,对用户输入的自然语言信息进行语义解析。
具体地,服务器根据最大关联度值对应的语义场景和语义解析方式之间的对应关系,来获取与最大关联度值对应的语义场景对应的语义解析方式。根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果。利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果,并根据符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
其中,预设的检验规则用于对原始语义解析结果进行初始检验,包括对原始语义解析结果的完整性和有效性进行检验,判断原始语义解析结果是否完整及有效。若原始语义解析结果,包括对用户输入的自然语言信息的所有关键字的语义解析,表示该原始语义解析结果通过检验规则所进行的完整性检验。若原始语义解析结果对自然语言信息的关键字的语义解析,可有效表达自然语言信息的原始输入,表示该原始语义解析结果通过检验规则所进行的有效性检验。
进一步地,以用户的自然语言信息对应的语义场景为借贷场景时为例。服务器获取用户输入的自然语言信息“深圳大学生小额借贷分布”,并根据用户输入的自然语言信息中的关键字所属的关键字类别,获取对应的语义场景为“小额借贷”,根据预设的语义场景和语义解析方式之间的对应关系,获取与语义场景为“小额借贷”对应的语义解析方式,对自然语言信息“深圳大学生小额借贷分布”进行语义解析,获得的初始语义解析结果可包括如下情形:“深圳大学生小额借贷的数额分布”、“深圳大学生小额借贷的区域分布”以及“深圳大学生是否进行小额借贷”等。
S208,服务器根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
具体地,服务器通过获取与关键字对应的筛选机制,并根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
其中,关键字和筛选机制之间存在对应关系,不同的关键字对应不同的筛选机制。筛选机制和筛选值之间存在预设的对应关系,可根据筛选机制和筛选值之间存在的对应关系,获取与筛选机制对应的筛选值。同时,由于不同的自然语言信息和关键字之间存在对应关系,可根据关键字和筛选机制之间的对应关系,以及筛选机制和筛选值之间的对应关系,获取与关键字对应的筛选值,进而,所获取得到的筛选值即为与自然语言信息对应的筛选值。
进一步地,以服务器获取到用户输入的自然语言信息为“深圳大学生小额借贷分布”为例。服务器获取用户输入的自然语言信息,并提取自然语言信息中的关键字“小额借贷”,获取与关键字“小额借贷”对应的筛选机制“借贷筛选”,并根据筛选机制和筛选值之间的预设对应关系,获取与筛选机制“借贷筛选”对应的筛选值“数额”。
S210,服务器利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。
具体地,服务器获取与初始语义解析结果对应的初始解析数据,并利用与关键字对应的筛选值,对初始解析数据进行筛选操作,获取通过筛选操作的初始解析数据。服务器获取与通过筛选操作的初始解析数据,对应的初始语义解析结果,并根据通过筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将语义解析结果发送至终端。
其中,筛选值用于对于初始语义解析结果对应的初始解析数据进行筛选,不同自然语言信息对应不同的筛选值,通过利用筛选值可筛选得到与自然语言信息符合的语义解析结果。初始语义解析结果对应的初始解析数据,包括对自然语言信息进行解析的初始数据。
进一步地,以服务器获取用户输入的自然语言信息为“深圳大学生小额借贷分布”为例。服务器根据针对小额借贷语义场景下的语义解析方式,对自然语言信息“深圳大学生小额借贷分布”进行语义解析,获得的初始语义解析结果可包括如下情形:“深圳大学生小额借贷的数额分布”、“深圳大学生小额借贷的区域分布”以及“深圳大学生是否进行小额借贷”等。
服务器利用获取的筛选值,对多个可能的初始语义解析结果进行筛选,获取符合筛选值的初始语义结果。在本实施例中,可获得的与自然语言信息对应的筛选值为“数额”,即针对自然语言信息“深圳大学生小额借贷分布”,利用筛选值“数额”对多个可能的初始语义解析结果进行筛选,获得的符合筛选值“数额”的初始语义解析结果即为“深圳大学生小额借贷的数额分布”。
上述自然语言的语义解析方法中,服务器通过接收终端发送的对自然语言信息的语义解析请求,并取自然语言信息对应的语义场景。在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值,利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。从而可在将语义解析结果发送至终端之前,通过利用筛选值实现对语义解析结果的进一步筛选,提高了语义解析结果的准确率,避免反复进行语义解析,节约了资源,降低了消耗。
在一个实施例中,如图3所示提供了一种获取自然语言信息的语义场景的步骤,包括:
S302,服务器提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性。
具体地,服务器可在接收到终端发送的语义解析请求后,获取用户在终端输入的自然语言信息,并提取自然语言信息中的关键字。由于自然语言信息中的关键字对应不同的关键字属性,服务器可通过获取关键字和关键字属性之间的对应关系,进而根据键字和关键字属性之间的对应关系,获取与关键字对应的关键字属性。
S304,服务器获取预设的关键字类别,并获取关键字类别对应的类别属性。
S306,服务器根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类。
具体地,服务器预先设置多个关键字类别,并分别为多个关键字类别设置对应的类别属性。由于关键字属性和关键字类别对应的类别属性之间,存在对应关系,可根据预设的类别属性和关键字属性之间的对应关系,获得各个关键字所属的关键字类别,并将各个关键字按照对应类别进行分类。
S308,服务器根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。
具体地,不同的关键字类别对应不同的语义场景,服务器可根据预设的关键字类别和语义场景之间的对应关系,获取与自然语言信息中不同关键字所属的关键字类别对应的语义场景。
进一步地,以用户在终端输入的自然语言信息为“上海男性借款人学历分布如何”为例。服务器获取用户在终端输入的自然语言信息,并接收终端发送的对自然语言信息的语义解析请求,根据自然语言信息“上海男性借款人学历分布如何”,获取其中的关键字“上海”、“男性借款人”以及“学历分布”,获取各个关键字所属关键字类别,其中,“上海”表示地域的类别,用于对执行主体的地域限制,“男性借款人”属于行为主语的类别,用于限定执行自然语言信息中的操作的主体,“学历分布”表示对于所需要检索的问题的进一步限定。服务器将自然语言信息中的各个关键字按照关键字类别进行分类后,获取与关键字类别对应的语义场景。在本实施例中,针对用户输入的自然语言信息“上海男性借款人学历分布如何”,获得的与关键字类别对应的语义场景为借贷场景。
上述获取自然语言信息的语义场景的步骤中,服务器通过提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性。获取预设的关键字类别,并获取关键字类别对应的类别属性。进而根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类,根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。可通过获取到与自然语言信息中关键字对应的语义场景,实现对应语义场景下的针对性的语义解析,进一步提高了语义解析的准确性。
在一个实施例中,提供了一种获取自然语言信息对应的语义场景的步骤,包括:
服务器分别计算自然语言信息和不同语义场景之间的关联度值;根据关联度值的大小对语义场景进行排序,并获取最大关联度值对应的语义场景。
其中,关联度值用于判断用户输入的自然语言信息与多个语义场景之间的关联程度。服务器通过计算用户输入的自然语言信息和不同语义场景之间的关联度值,获得自然语言信息和语义场景之间的关联程度。进而将计算得到的关联度值按照从大至小的方式进行排序,获取最大的关联度值对应的语义场景,作为与用户输入的自然语言信息最相关的语义场景,即关联程度最高的语义场景。
进一步地,以用户输入的自然语言信息为“深圳小额借款人区域分布”,可选的语义场景包括:小额借贷、贷款以及大额借贷等,分别计算“深圳小额借款人区域分布”,与小额借贷、贷款以及大额借贷之间的关联度值,并将语义场景按照关联度值的大小进行排序,获得的最大关联度值对应的语义场景为小额借贷。
上述获取自然语言信息的语义场景的步骤,服务器通过分别计算自然语言信息和不同语义场景之间的关联度值,并根据关联度值的大小对语义场景进行排序,进而可获取最大关联度值对应的语义场景。由于获取到与自然语言信息关联程度最高的语义场景,可在进行语义解析之前,判断语义场景是否符合对应的自然语言信息的要求,进一步提高语义解析的准确性。
在一个实施例中,提供了一种在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果的步骤,包括:
服务器获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与最大关联度值对应的语义场景对应的语义解析方式;根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果;利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;根据符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
具体地,预设的检验规则用于对原始语义解析结果进行初始检验,包括对原始语义解析结果的完整性和有效性进行检验,判断原始语义解析结果是否完整及有效。若原始语义解析结果,包括对用户输入的自然语言信息的所有关键字的语义解析,表示该原始语义解析结果通过检验规则所进行的完整性检验。若原始语义解析结果对自然语言信息的关键字的语义解析,可有效表达自然语言信息的原始输入,表示该原始语义解析结果通过检验规则所进行的有效性检验。
进一步地,以用户的自然语言信息对应的语义场景为借贷场景时为例。服务器获取用户输入的自然语言信息“深圳大学生小额借贷分布”,并根据用户输入的自然语言信息中的关键字所属的关键字类别,获取对应的语义场景为“小额借贷”,根据预设的语义场景和语义解析方式之间的对应关系,获取与语义场景为“小额借贷”对应的语义解析方式,对自然语言信息“深圳大学生小额借贷分布”进行语义解析。
上述获得初始语义解析结果的步骤,服务器通过获取与最大关联度值对应的语义场景对应的语义解析方式,并根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果。进而利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的初始语义解析结果。可实现对原始语义解析结果的完整性和有效性检验,获得符合预设要求的初始语义解析结果,进一步实现了初始语义解析结果的多方面的检测,提高了初始语义解析结果的准确度。
在一个实施例中,提供了一种根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值的步骤,包括:
服务器获取与关键字对应的筛选机制;根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
其中,关键字和筛选机制之间存在对应关系,不同的关键字对应不同的筛选机制。筛选机制和筛选值之间存在预设的对应关系,可根据筛选机制和筛选值之间存在的对应关系,获取与筛选机制对应的筛选值。同时,由于不同的自然语言信息和关键字之间存在对应关系,可根据关键字和筛选机制之间的对应关系,以及筛选机制和筛选值之间的对应关系,获取与关键字对应的筛选值,进而,所获取得到的筛选值即为与自然语言信息对应的筛选值。
上述获取与自然语言信息对应的筛选值的步骤,服务器通过获取与关键字对应的筛选机制,并根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。可实现对关键字和筛选值之间的关联关系的进一步确定,保证所获得的筛选值与用户输入的自然语言信息对应,提高工作效率。
在一个实施例中,提供了一种利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端的步骤,包括:
服务器获取与初始语义解析结果对应的初始解析数据;利用与关键字对应的筛选值,对初始解析数据进行筛选操作;获取通过筛选操作的初始解析数据,并获取与通过筛选操作的初始解析数据对应的初始语义解析结果;根据通过筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将语义解析结果发送至终端。
其中,筛选值用于对于初始语义解析结果对应的初始解析数据进行筛选,不同自然语言信息对应不同的筛选值,通过利用筛选值可筛选得到与自然语言信息符合的语义解析结果。初始语义解析结果对应的初始解析数据,包括对自然语言信息进行解析的初始数据。
上述得到符合筛选值的语义解析结果的步骤,服务器通过获取与初始语义解析结果对应的初始解析数据,并利用与关键字对应的筛选值,对初始解析数据进行筛选操作。从而可通过实现对于初始语义解析结果的筛选,符合筛选值的初始语义解析结果,并根据符合筛选值的初始语义解析结果生成语义解析结果,进一步保证了语义解析结果的准确性。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种自然语言的语义解析装置,包括:接收模块402、语义场景获取模块404、初始语义解析结果获取模块406、筛选值获取模块408和语义解析结果获取模块410,其中:
接收模块402,用于接收终端发送的对自然语言信息的语义解析请求。
语义场景获取模块404,用于获取自然语言信息对应的语义场景。
初始语义解析结果获取模块406,用于在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。
筛选值获取模块408,用于根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
语义解析结果获取模块410,用于利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。
上述自然语言的语义解析装置中,服务器通过接收终端发送的对自然语言信息的语义解析请求,并取自然语言信息的语义场景。在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果。根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值,利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。从而可在将语义解析结果发送至终端之前,通过利用筛选值实现对语义解析结果的进一步筛选,提高了语义解析结果的准确率,避免反复进行语义解析,节约了资源,降低了消耗。
在一个实施例中,提供了一种语义场景获取模块,用于:
提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性;获取预设的关键字类别,并获取关键字类别对应的类别属性;根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类;根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。
上述语义场景获取模块,服务器通过提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性。获取预设的关键字类别,并获取关键字类别对应的类别属性。进而根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类,根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。可通过获取到与自然语言信息中关键字对应的语义场景,实现对应语义场景下的针对性的语义解析,进一步提高了语义解析的准确性。
在一个实施例中,提供了一种语义场景获取模块,还用于:
分别计算自然语言信息和不同语义场景之间的关联度值;根据关联度值的大小对语义场景进行排序,并获取最大关联度值对应的语义场景。
上述语义场景获取模块,服务器通过分别计算自然语言信息和不同语义场景之间的关联度值,并根据关联度值的大小对语义场景进行排序,进而可获取最大关联度值对应的语义场景。由于获取到与自然语言信息关联程度最高的语义场景,可在进行语义解析之前,判断语义场景是否符合对应的自然语言信息的要求,进一步提高语义解析的准确性。
在一个实施例中,提供了一种初始语义解析结果获取模块,用于:
获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与最大关联度值对应的语义场景对应的语义解析方式;根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果;利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;根据符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
上述初始语义解析结果获取模块,服务器通过获取与最大关联度值对应的语义场景对应的语义解析方式,并根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果。进而利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的初始语义解析结果。可实现对原始语义解析结果的完整性和有效性检验,获得符合预设要求的初始语义解析结果,进一步实现了初始语义解析结果的多方面的检测,提高了初始语义解析结果的准确度。
在一个实施例中,提供了一种筛选值获取模块,用于:
获取与关键字对应的筛选机制;据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
上述筛选值获取模块,服务器通过获取与关键字对应的筛选机制,并根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。可实现对关键字和筛选值之间的关联关系的进一步确定,保证所获得的筛选值与用户输入的自然语言信息对应,提高工作效率。
在一个实施例中,提供了一种语义解析结果获取模块,用于:
获取与初始语义解析结果对应的初始解析数据;利用与关键字对应的筛选值,对初始解析数据进行筛选操作;获取通过筛选操作的初始解析数据,并获取与通过筛选操作的初始解析数据对应的初始语义解析结果;根据通过筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将语义解析结果发送至终端。
上述语义解析结果获取模块,服务器通过获取与初始语义解析结果对应的初始解析数据,并利用与关键字对应的筛选值,对初始解析数据进行筛选操作。从而可通过实现对于初始语义解析结果的筛选,符合筛选值的初始语义解析结果,并根据符合筛选值的初始语义解析结果生成语义解析结果,进一步保证了语义解析结果的准确性。
关于自然语言的语义解析装置的具体限定可以参见上文中对于自然语言的语义解析方法的限定,在此不再赘述。上述自然语言的语义解析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储自然语言的语义解析数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自然语言的语义解析方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收终端发送的对自然语言信息的语义解析请求;
获取自然语言信息对应的语义场景;
在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值;
利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分别计算自然语言信息和不同语义场景之间的关联度值;
根据关联度值的大小对语义场景进行排序,并获取最大关联度值对应的语义场景。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与最大关联度值对应的语义场景对应的语义解析方式;
根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果;
利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;
根据符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取与关键字对应的筛选机制;
根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取与初始语义解析结果对应的初始解析数据;
利用与关键字对应的筛选值,对初始解析数据进行筛选操作;
获取通过筛选操作的初始解析数据,并获取与通过筛选操作的初始解析数据对应的初始语义解析结果;
根据通过筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将语义解析结果发送至终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性;
获取预设的关键字类别,并获取关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收终端发送的对自然语言信息的语义解析请求;
获取自然语言信息对应的语义场景;
在对应的语义场景下,利用预设的语义解析方式对自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与自然语言信息对应的筛选值;
利用筛选值对初始语义解析结果进行筛选,得到符合筛选值的语义解析结果,并将语义解析结果发送至终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分别计算自然语言信息和不同语义场景之间的关联度值;
根据关联度值的大小对语义场景进行排序,并获取最大关联度值对应的语义场景。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与最大关联度值对应的语义场景对应的语义解析方式;
根据语义解析方式对自然语言信息进行解析,获得原始语义解析结果;
利用预设的检验规则对原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;
根据符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取与关键字对应的筛选机制;
根据预设的筛选机制和筛选值之间的对应关系,获取与自然语言信息对应的筛选值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取与初始语义解析结果对应的初始解析数据;
利用与关键字对应的筛选值,对初始解析数据进行筛选操作;
获取通过筛选操作的初始解析数据,并获取与通过筛选操作的初始解析数据对应的初始语义解析结果;
根据通过筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将语义解析结果发送至终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
提取自然语言信息中的关键字,并获取不同关键字对应的关键字属性;
获取预设的关键字类别,并获取关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同关键字类别对应的语义场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种自然语言的语义解析方法,所述方法包括:
接收终端发送的对自然语言信息的语义解析请求;
获取所述自然语言信息对应的语义场景;
在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
2.根据权利要求1所述的方法,其特征在于,所述获取所述自然语言信息对应的语义场景,包括:
分别计算自然语言信息和不同语义场景之间的关联度值;
根据所述关联度值的大小对所述语义场景进行排序,并获取最大关联度值对应的语义场景。
3.根据权利要求2所述的方法,其特征在于,所述在所述对应的语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果,包括:
获取最大关联度值对应的语义场景和语义解析方式之间的对应关系,并获取与所述最大关联度值对应的语义场景对应的语义解析方式;
根据所述语义解析方式对所述自然语言信息进行解析,获得原始语义解析结果;
利用预设的检验规则对所述原始语义解析结果进行初始检验,获取符合预设的检验规则的原始语义解析结果;
根据所述符合预设的检验规则的原始语义解析结果,得到初始语义解析结果。
4.根据权利要求1至2任意一项所述的方法,其特征在于,所述根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值,包括:
获取与所述关键字对应的筛选机制;
根据预设的筛选机制和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值。
5.根据权利要求1至2任意一项所述的方法,其特征在于,所述利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端,包括:
获取与所述初始语义解析结果对应的初始解析数据;
利用与所述关键字对应的筛选值,对所述初始解析数据进行筛选操作;
获取通过所述筛选操作的初始解析数据,并获取与通过所述筛选操作的初始解析数据对应的初始语义解析结果;
根据通过所述筛选操作的初始解析数据对应的初始语义解析结果,得到语义解析结果,并将所述语义解析结果发送至终端。
6.根据权利要求1所述的方法,其特征在于,所述获取所述自然语言信息的语义场景,包括:
提取所述自然语言信息中的关键字,并获取不同所述关键字对应的关键字属性;
获取预设的关键字类别,并获取所述关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将所述自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同所述关键字类别对应的语义场景。
7.一种自然语言的语义解析装置,其特征在于,所述装置包括:
接收模块,用于接收终端发送的对自然语言信息的语义解析请求;
语义场景获取模块,用于获取所述自然语言信息的语义场景;
初始语义解析结果获取模块,用于在对应的所述语义场景下,利用预设的语义解析方式对所述自然语言信息进行解析,获得初始语义解析结果;
筛选值获取模块,用于根据预设的关键字和筛选值之间的对应关系,获取与所述自然语言信息对应的筛选值;
语义解析结果获取模块,用于利用所述筛选值对所述初始语义解析结果进行筛选,得到符合所述筛选值的语义解析结果,并将所述语义解析结果发送至终端。
8.根据权利要求7所述的自然语言的语义解析装置,其特征在于,所述语义场景获取模块,还用于:
提取所述自然语言信息中的关键字,并获取不同所述关键字对应的关键字属性;
获取预设的关键字类别,并获取所述关键字类别对应的类别属性;
根据预设的类别属性和关键字属性之间的对应关系,将所述自然语言信息中的关键字按照类别属性进行分类;
根据预设的关键字类别和语义场景之间的对应关系,获取与不同所述关键字类别对应的语义场景。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089544.4A CN109359295A (zh) | 2018-09-18 | 2018-09-18 | 自然语言的语义解析方法、装置、计算机设备和存储介质 |
PCT/CN2019/071251 WO2020057023A1 (zh) | 2018-09-18 | 2019-01-11 | 自然语言的语义解析方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811089544.4A CN109359295A (zh) | 2018-09-18 | 2018-09-18 | 自然语言的语义解析方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359295A true CN109359295A (zh) | 2019-02-19 |
Family
ID=65351120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811089544.4A Pending CN109359295A (zh) | 2018-09-18 | 2018-09-18 | 自然语言的语义解析方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109359295A (zh) |
WO (1) | WO2020057023A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232189A (zh) * | 2019-06-11 | 2019-09-13 | 上海证大喜马拉雅网络科技有限公司 | 语义解析方法、装置、设备和存储介质 |
CN110969007A (zh) * | 2019-11-26 | 2020-04-07 | 北京声智科技有限公司 | 一种信息解析方法、平台及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968987A (zh) * | 2012-11-19 | 2013-03-13 | 百度在线网络技术(北京)有限公司 | 一种语音识别方法及系统 |
CN103020047A (zh) * | 2012-12-31 | 2013-04-03 | 威盛电子股份有限公司 | 修正语音应答的方法及自然语言对话系统 |
CN104199810A (zh) * | 2014-08-29 | 2014-12-10 | 科大讯飞股份有限公司 | 一种基于自然语言交互的智能服务方法及系统 |
CN107644642A (zh) * | 2017-09-20 | 2018-01-30 | 广东欧珀移动通信有限公司 | 语义识别方法、装置、存储介质及电子设备 |
CN107798032A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技(深圳)有限公司 | 自助语音会话中的应答消息处理方法和装置 |
CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360994A (zh) * | 2014-12-04 | 2015-02-18 | 科大讯飞股份有限公司 | 自然语言理解方法及系统 |
CN108345610A (zh) * | 2017-01-24 | 2018-07-31 | 北京搜狗科技发展有限公司 | 一种获取数据资源的方法和装置、用于获取数据资源的装置 |
-
2018
- 2018-09-18 CN CN201811089544.4A patent/CN109359295A/zh active Pending
-
2019
- 2019-01-11 WO PCT/CN2019/071251 patent/WO2020057023A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968987A (zh) * | 2012-11-19 | 2013-03-13 | 百度在线网络技术(北京)有限公司 | 一种语音识别方法及系统 |
CN103020047A (zh) * | 2012-12-31 | 2013-04-03 | 威盛电子股份有限公司 | 修正语音应答的方法及自然语言对话系统 |
CN104199810A (zh) * | 2014-08-29 | 2014-12-10 | 科大讯飞股份有限公司 | 一种基于自然语言交互的智能服务方法及系统 |
CN107798032A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技(深圳)有限公司 | 自助语音会话中的应答消息处理方法和装置 |
CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
CN107644642A (zh) * | 2017-09-20 | 2018-01-30 | 广东欧珀移动通信有限公司 | 语义识别方法、装置、存储介质及电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232189A (zh) * | 2019-06-11 | 2019-09-13 | 上海证大喜马拉雅网络科技有限公司 | 语义解析方法、装置、设备和存储介质 |
CN110232189B (zh) * | 2019-06-11 | 2023-06-02 | 上海喜马拉雅科技有限公司 | 语义解析方法、装置、设备和存储介质 |
CN110969007A (zh) * | 2019-11-26 | 2020-04-07 | 北京声智科技有限公司 | 一种信息解析方法、平台及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020057023A1 (zh) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636607B (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
CN108595695B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
WO2017084586A1 (zh) | 基于深度学习方法推断恶意代码规则的方法、系统及设备 | |
CN104683386B (zh) | 可定制响应的桩服务实现方法及装置 | |
CN109800258B (zh) | 数据文件部署方法、装置、计算机设备及存储介质 | |
CN109446407A (zh) | 关联推荐方法、装置、计算机设备和存储介质 | |
CN109597618B (zh) | 程序开发方法、装置、计算机设备及存储介质 | |
US20170116521A1 (en) | Tag processing method and device | |
CN109325118A (zh) | 不平衡样本数据预处理方法、装置和计算机设备 | |
CN109815489A (zh) | 催收信息生成方法、装置、计算机设备和存储介质 | |
CN109523117A (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
CN109543925A (zh) | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 | |
CN111552633A (zh) | 接口的异常调用测试方法、装置、计算机设备及存储介质 | |
CN113268243B (zh) | 内存预测方法及装置、存储介质、电子设备 | |
CN109783788A (zh) | 数据表填补方法、装置、计算机设备和存储介质 | |
CN110955608A (zh) | 测试数据处理方法、装置、计算机设备和存储介质 | |
CN109447412A (zh) | 构建企业关系图谱的方法、装置、计算机设备和存储介质 | |
CN109359295A (zh) | 自然语言的语义解析方法、装置、计算机设备和存储介质 | |
CN110377516A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN110609618B (zh) | 一种人机对话方法、装置、计算机设备及存储介质 | |
CN110362798A (zh) | 裁决信息检索分析方法、装置、计算机设备和存储介质 | |
CN109359176A (zh) | 数据提取方法、装置、计算机设备和存储介质 | |
CN109446496A (zh) | 一种测试语言文件的转换方法、装置、设备及存储介质 | |
CN116069324A (zh) | 一种基于Vue的动态表单构建方法及装置 | |
CN109670534A (zh) | 政策热点预测的方法、装置、计算机设备和存储介质 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231208 |
|
AD01 | Patent right deemed abandoned |