CN110321559A - 自然语言问题的答案生成方法、装置及存储介质 - Google Patents

Abstract

本申请实施例公开了一种自然语言问题的答案生成方法、装置及存储介质，其中自然语言问题的答案生成方法包括：对自然语言问题进行解析，得到目标意图和命名实体；根据目标意图获取对应的节点答案框架；根据目标意图和命名实体获取对应的节点答案参数；基于命名实体、节点答案参数和节点答案框架，生成自然语言问题的答案。本申请方案通过从自然语言问题中抽取意图和命名实体，并基于此从配置好的节点答案中匹配到对应的节点答案参数，结合匹配到的节点答案框架等相关信息，根据设定的答案逻辑自动生成对应实体的完整答案，提升了答案生成效率。

Description

自然语言问题的答案生成方法、装置及存储介质

技术领域

本申请涉及信息处理技术领域，具体涉及一种自然语言问题的答案生成方法、装置及存储介质。

背景技术

自然语言处理(NLP,Natural Language Processing)是使用自然语言同计算机进行通讯的技术。因为处理自然语言的关键是要让计算机理解自然语言，所以自然语言处理又叫做自然语言理解(NLU，Natural Language Understanding)。

相关技术中，针对多实体的自然语言问题中，由于每个实体对应的答案不一定相同，因此在答案配置时需要将不同实体对应的问题均列出来，并逐一为每一不同实体配置不同的答案，使得答案配置的效率低下。

发明内容

本申请实施例提供一种自然语言问题的答案生成方法、装置及存储介质，可提升答案的生成效率及数据资源的利用率。

本申请实施例提供了一种自然语言问题的答案生成方法，包括：

对自然语言问题进行解析，得到目标意图和命名实体；

根据所述目标意图获取对应的节点答案框架；

根据所述目标意图和所述命名实体获取对应的节点答案参数；

基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

在一些实施例中，对所述自然语言问题进行意图识别，得到目标意图，包括：

对所述自然语言问题进行分词处理，得到多个候选词；

基于预设知识库对多个候选词进行检索，得到检索结果；

根据所述检索结果对所述多个候选词进行更新；

基于更新后的候选词生成目标意图。

相应的，本申请实施例还提供了一种自然语言问题的答案生成装置，包括：

解析单元，用于对自然语言问题进行解析，得到目标意图和命名实体；

获取单元，用于根据所述目标意图获取对应的节点答案框架；

确定单元，用于根据所述目标意图和所述命名实体获取对应的节点答案参数；

生成单元，用于基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

相应的，本申请实施例还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述自然语言问题的答案生成方法中的步骤。

相应的，本申请实施例还提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述自然语言问题的答案生成方法中的步骤。

本申请实施例中，通过从自然语言问题中抽取意图和命名实体，并基于此从配置好的节点答案中匹配到对应的节点答案参数，结合匹配到的节点答案框架等相关信息，根据设定的答案逻辑自动生成对应实体的完整答案，提升了答案生成效率；另外，通过将自然语言问题分割成成多实体和多意图组合的形式来选择需要的节点答案，一定程度上增加了节点答案被复用的概率，从而提升了数据资源的利用率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。

图1是本申请实施例提供的自然语言问题的答案生成方法的一流程示意图。

图2是本申请实施例提供的自然语言问题的答案生成方法的另一流程示意图。

图3是本申请实施例提供的自然语言问题的答案构建的流程示意图。

图4是本申请实施例提供的自然语言问题的答案生成装置的结构示意图。

图5是本申请实施例提供的终端的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种自然语言问题的答案生成方法、装置及存储介质，可提升自然语言识别的准确性、及运维时解决问题的效率。以下分别进行详细说明。需说明的是，以下实施例的顺序不作为对实施例优选顺序的限定。

在一实施例中，将以该第一自然语言问题的答案生成装置集成在终端中的角度进行描述。

请参阅图1，图1为本申请实施例提供的自然语言问题的答案生成方法的一种流程示意图。该自然语言问题的答案生成方法的具体流程可以如下：

101、对自然语言问题进行解析，得到目标意图和命名实体。

其中，自然语言指一种自然地随文化演化的语言，是人类交流和沟通的主要工具、及人机交互的工具。例如，英语、汉语、日语等都属于自然语言。

命名实体可以是人名、机构名、地名以及其他所有以名称为标识的实体。在一些实施例中，该命名实体还包括数字、日期、货币、地址等等。

而意图指的是该自然语言问题的目的，例如查天气、订机票等等。

在本实施例中，该待识别的自然语言问题可以是用户通过终端输入的问题信息。具体实施时，用户可通过终端设备的信息输入接口输入自然语言信息。例如，该终端设备可展示一信息输入界面，该信息输入界面设置有信息输入控件，用户可通过该信息输入控件输入自然语言信息，以实现与设备之间的人机交互。

实际应用中，用户在输入该待识别的自然语言信息时，可以多种输入方式例如，可以文本信息的方式输入，也可以语音信息的方式输入。相应的，设备接收到的可以是以文本信息形式呈现的自然语言问题，也可以是以语音信息形式呈现的自然语言问题。

在一些实施例中，步骤“对自然语言问题进行解析，得到目标意图和命名实体”，可以包括以下流程：

(11)、对自然语言问题进行实体识别，得到命名实体；

(12)、对自然语言问题进行意图识别，得到目标意图。

具体的，在本申请实施例中，在对自然语言问题进行解析时，需从中抽取命名实体、及识别意图，以便后续基于命名实体与意图，按照设定好的逻辑选择相应的节点答案生成该自然语言问题的答案。

在一些实施例中，步骤“对自然语言问题进行意图识别，得到目标意图”，可以包括以下流程：

(121)对自然语言问题进行分词处理，得到多个候选词；

(122)基于预设知识库对多个候选词进行检索，得到检索结果；

(123)根据检索结果对多个候选词进行更新；

(124)基于更新后的候选词生成目标意图。

具体的，在进行分词处理时可以是基于统计的分词，统计的样本内容来自于标准的语料库。具体实施时，可利用语料库建立的统计概率，对于一个新的句子，可以通过计算各种分词方法对应的联合分布概率，找到最大概率对应的分词方法，即为最优分词，从而得到多个候选词。

在一些实施方式中，该检索结果可以包括：与每一候选词匹配的样本词、及候选词与样本词之间的匹配度，其中，该样本词可以存储在上述预设知识库中。那么，在根据检索结果对多个候选词进行更新时，可以从样本词中确定对应匹配度低于第一阈值的第一样本词，然后将第一样本词替换所述多个候选词中与其匹配的候选词，再从样本词中确定对应匹配度低于第二阈值的第二样本词，最后将多个候选词中与第二样本词匹配的候选词删除。

需要说明的是，第一阈值大于第二阈值。也即，对于错词(如错别字)，可认为是与预设知识库中存在一定匹配度但匹配度又不是很高的词，故可基于匹配度高低筛选出这一类候选词，并用预设知识库中匹配到的样本词对该候选词进行替换，以实现词语的纠错操作。另外，在进行词语检索时，可将匹配度相当低的候选词认为是停用词，故可将该候选词删除以提升数据的有效性。

实际应用中，用户在一定时间段内输入信息之间通常是具体关联性的，因此可基于整体语境来进行度目标意图进行识别。也即，可基于当前待识别语句(即待识别的自然语言问题)的上下文对该待识别语句进行调整、修改，使得当前语句想要表达的意图更加清晰，然后再执行问题的意图识别。

102、根据目标意图获取对应的节点答案框架。

具体的，该节点答案框架可包括针对该目标而言所需要的节点答案，且该节点答案并未包括有答案值。例如，该答案框架中包括的节点答案有A车的最高时速和价格，但并未包括具体的速度值和具体的价格，只是表明该目标意图需要速度信息和价格信息。参考图2，在一些实施例中，步骤“根据目标意图获取对应的节点答案框架”可以包括以下流程：

1021、从目标意图中提取意图词；

1022、获取意图词对应的描述信息；

1023、从指定的自然语言模板库中确定目标意图对应的自然语言模板；

1024、根据描述信息和自然语言模板生成节点答案框架。

具体的，描述信息用于对意图词在该目标意图中所代表的意义进行描述。具体可根据一定的规则和标准意图词在该目标意图中的形式特征和内容特征进行描述。例如，意图词为“速度”，则对应的，描述信息可以为“它的速度是#速度#”、“它的时速是#速度#”等等。

在本实施例中，需要预设设定自然语言模板库，以供为目标意图匹配相应的自然语言模板。其中，该自然语言模板可以为预先编辑好的引导性的话语。例如，针对意图为某车的时速而言，其对应的自然语言模板可设置为“小J现在给你介绍下#赛车介绍#。是不是很棒呢！快去驾驶它吧”。

在一些实施例中，步骤“获取意图词对应的描述信息”可以包括以下流程：

(21)将意图词与样本词集合中的多个样本词进行匹配；

(22)从样本词集合中确定与意图词匹配度最高的目标样本词；

(23)获取目标样本词的描述信息，作为意图词对应的描述信息。

其中，该样本词集合中包括有多个预设的样本词，每一样本词对应配置有相应的描述信息。其中，该描述信息用于对样本词进行延伸拓展，描述该样本词具体目的是什么。例如，样本词为“速度”，则对应的描述信息可以为“速度是#速度#”“速度大小是#速度#”等等。

为了便于统一管理，本实施例中将根据意图词的语义，在样本词集合中识别出对应的同义词、近义词等，并基于原始语义为意图词匹配相关度(即匹配度)最高的样本词。例如，意图词为“时速”“速率”，则可以将样本词集合中的样本词“速度”匹配为该意图词的目标样本词。然后，将该目标样本词对应的描述信息，作为该意图词的描述信息。

103、根据目标意图和命名实体获取对应的节点答案参数。

其中，节点答案参数为该目标意图和命名实体共同构建成意图句时对应的答案值。

在本实施例中，需要预先构建意图节点和实体节点。接着，将不同的意图节点和不同的实体节点任意组合可生成不同的意图句。然后，会对每一意图句配置对应的答案，以作为相应意图节点和实体节点对应的节点答案。需要说明的是，本实施例中所配置的节点答案为解析领域下的最小粒度的答案。例如，赛车的介绍下面有价格、速度、型号、启动时间等更小的粒度。实际应用中，可构建该意图节点、实体节点和节点答案相互之间的对应关系，并可以表格的形式存储在终端或云端服务器内。

例如，参考下表1，表1为本申请实施例提供的节点答案配置表的示意图：

表1

如表3所示，给命名实体节点为“A级车”、意图节点为“速度”构建的意图句，配置的答案为“300km/h”；给命名实体为“B级车”、意图节点为“速度”构建的意图句，配置的答案为“200km/h”；给命名实体节点为“A级车”、意图节点为“价格”构建的意图句，配置的节点答案为“5000￥”；给命名实体节点为“B级车”、意图节点为“价格”构建的意图句，配置的节点答案为“2000￥”。

继续参考图2，在一些实施例中，步骤“根据目标意图和所述命名实体获取对应的节点答案参数”，可以包括以下流程：

1031、基于预设的第一映射关系，确定命名实体对应的多个候选节点答案参数，所述第一映射关系包括：命名实体与候选节点答案参数之间的映射关系；

1032、从多个候选节点答案参数中确定与目标意图对应的节点答案参数。

具体的，本实施例中需预先构建命名实体与候选节点答案参数之间的映射关系，以便后续基于该映射关系为相应的命名实体匹配对应的节点答案参数。

在一些实施例中，步骤“从多个候选节点答案参数中确定与目标意图匹配的节点答案参数”，可以包括以下流程：

(31)从目标意图中提取意图词；

(32)将意图词与样本词集合中的多个样本词进行匹配，以从样本词集合中确定与意图词匹配度最高的目标样本词；

(33)基于预设的第二映射关系，从多个候选节点答案参数中确定目标样本词对应的候选节点答案参数，作为与目标意图对应的节点答案参数，所述预设第二映射关系包括：样本词与候选节点答案参数之间的映射关系。

其中，该样本词集合为预先构建的词集，其中包括多个样本词。

为了便于统一管理，本实施例中将根据意图词的语义，在样本词集合中识别出对应的同义词、近义词等，并基于原始语义为意图词匹配相关度(即匹配度)最高的样本词。例如，意图词为“时速”“速率”，则可以将样本词集合中的样本词“速度”匹配为该意图词的目标样本词。

另外，本实施例中需预先构建样本词与候选节点答案参数之间的映射关系，以便后续基于该映射关系为相应的样本词匹配对应的节点答案参数。

104、基于命名实体、节点答案参数和节点答案框架，生成自然语言问题的答案。

在本实施例中，在基于命名实体、所述节点答案参数和节点答案框架，生成自然语言问题的答案时，具体可以将命名实体和节点答案参数填充到节点答案框架中的相应位置，以生成自然语言问题的答案。

在一些实施例中，在将节点答案参数填充到所述节点答案框架中的相应位置时，可以包括多种方式。例如，在本实施例中，填充节点答案参数时可以包括以下流程：

(41)确定节点答案参数对应的节点信息；

(42)在节点答案框架中确定与节点信息相关的相关字段；

(43)根据相关字段在节点答案框架中的位置，确定节点答案参数对应在所述节点答案框架中的目标位置；

(44)将节点答案参数填充到目标位置中。

其中，节点信息可以包括有实体节点、意图节点等信息。

在本实施例中，可通过已确定的节点答案参数，以及预先构建的意图节点、实体节点和节点答案相互之间的对应关系，查找出对应的实体节点信息和意图节点信息。然后，从节点答案框架中分别识别出与该实体节点信息和意图节点信相关信息，并基于相关信息所在字段确定节点答案参数应当放置的位置。实际应用中，该节点答案参数通常是放置在意图节点信息之前或之后。

例如，节点答案框架为“它的速度是#价格#”，匹配到的节点答案参数为“30km/h”，则基于该节点答案答案参数对该节点答案框架进行填充后，得到的节点答案为“它的速度是30km/h”。

本申请方案中，采用构建最多实体节点和多意图节点的进行任意组合，配置最小粒度节点答案的方式进行FAQ(Frequently Asked Questions，问题解答)编辑，使人机对话在FAQ的编辑方法之上的意图实体编辑知识的方法效率和智能性大大提高。通过不断创建和维护的最小颗粒度节点答案，能够在整个场景对话的编辑过程中，不断被引用、不断被重组，使得FAQ对的编辑效率大大提高。具体应用过程中，通过从自然语言问题中抽取意图和命名实体，并基于此从配置好的节点答案中匹配到对应的节点答案参数，结合匹配到的节点答案框架等相关信息，根据设定的答案逻辑自动生成对应实体的完整答案，提升了答案生成效率；另外，通过将自然语言问题分割成成多实体和多意图组合的形式来选择需要的节点答案，一定程度上增加了节点答案被复用的概率，从而提升了数据资源的利用率。

下面，将该自然语言问题的答案生成方法应用于终端的赛车游戏为例，对本方案展开描述。具体以实体节点为赛车、意图节点为赛车相关属性为例，对本申请方案进行详细说明。

在本实施例中，需预先创建最小粒度的节点答案列表，参考下表2：

表2

其中，最佳喷射技巧中“WW”、“WSS”及“SRR”指的是触发赛车喷射技能的快捷键，该快捷键也可以由用户自定义设置。例如，“WW”可表示“双喷”，“WSS”可表示“单喷+氮气喷射+单喷”。

参考图3，图3为本申请实施例提供的自然语言问题的答案构建的流程示意图。首先需构建实体节点。实体就是一些名词，它会有一些别名，如“赛车”实体，里面包含了A级车、B级车、C级车，同时每个车有它的别名，比如“A级车”也可以叫做“A级别车、顶级车”之类。

在实体节点构建完成后，需构建意图节点。在构建意图时，会用到之前侯建的实体节点，同时意图节点对应的答案中也会用到构建的实体和之前创建维护好的最小粒度的节点答案。

具体的，在配置了意图“#赛车#的介绍”后，配置答案，在答案中选择，针对该意图的答案需要哪些节点答案，并搭配文案组合成即可。通过引入实体和最小粒度答案，可以组合成想要的答案，如“#赛车#的价格是#价格#，最高时速是#最高时速#，启动时间只要“启动时间”哦，是不是很棒呢！快去驾驶它吧！”。以A级车为例，“A级车介绍”的答案则为是“A级车的价格是5000￥，最高时速的300km/h，启动时间只要0.5S哦，是不是很棒呢！快去驾驶它吧！”

本申请方案主要需要解决在意图和答案两项内容中实体分别的对应关系，并能将答案通过实体、节点答案和自然语言组合成新的完整的答案，并对应到每一个实体的答案即可。配置了以上的答案后，不同的实体对应的答案均可在上表中的节点答案进行调用组合，且以上节点答案并不是单单这一次被使用，节点颗粒度越仔细，在未来被用到自由组合、被复用的概率就越大，使得资源得到合理利用。

在具体应用时，通过现有自然语言处理技术对用户输入的自然与眼问题进行准确解析。在解析过程中，可以将自然语言问题与意图、实体生成后的FAQ进行匹配，同时也可以直接利用原始的组合模板进行意图、实体的抽取。当从自然语言问题中抽取到对应的意图和实体后，通过意图、实体的一一对应映射表，即可映射到对应的答案。且答案可通过关键字段进行组合生成，并直接传达给用户。整个过程较现有自然语言理解和答案生成模式更为流畅高效，实现了在意图实体配置知识的情况下，多实体对应多答案自动生成的配置方案。

为便于更好的实施本申请实施例提供的自然语言问题的答案生成方法，本申请实施例还提供一种基于上述自然语言问题的答案生成方法的装置。其中名词的含义与上述自然语言问题的答案生成方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图4，图4为本申请实施例提供的一种自然语言问题的答案生成装置的结构示意图。其中，该自然语言问题的答案生成装置400可以集成在终端中。该自然语言问题的答案生成装置400可以包括解析单元401、第一获取单元402、第二获取单元403、及生成单元404，具体可以如下：

解析单元401，用于对自然语言问题进行解析，得到目标意图和命名实体；

第一获取单元402，用于根据所述目标意图获取对应的节点答案框架；

第二获取单元403，用于根据所述目标意图和所述命名实体获取对应的节点答案参数；

生成单元404，用于基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

在一些实施例中，第一获取单元402可以用于：

从目标意图中提取意图词；

获取意图词对应的描述信息；

从指定的自然语言模板库中确定目标意图对应的自然语言模板；

根据描述信息和所述自然语言模板生成节点答案框架。

在一些实施例中，在获取意图词对应的描述信息时，第一获取单元402具体可以用于：

将所述意图词与样本词集合中的多个样本词进行匹配；

从所述样本词集合中确定与所述意图词匹配度最高的目标样本词；

获取所述目标样本词的描述信息，作为所述意图词对应的描述信息。

在一些实施例中，第二获取单元403可以用于：

基于预设的第一映射关系，确定所述命名实体对应的多个候选节点答案参数，所述第一映射关系包括：命名实体与候选节点答案参数之间的映射关系；

从所述多个候选节点答案参数中确定与所述目标意图对应的节点答案参数。

在一些实施例中，在从多个候选节点答案参数中确定与目标意图匹配的节点答案参数时，第二获取单元403具体可以用于：

从所述目标意图中提取意图词；

将所述意图词与样本词集合中的多个样本词进行匹配，以从所述样本词集合中确定与所述意图词匹配度最高的目标样本词；

基于预设的第二映射关系，从所述多个候选节点答案参数中确定所述目标样本词对应的候选节点答案参数，作为与所述目标意图对应的节点答案参数，所述预设第二映射关系包括：样本词与候选节点答案参数之间的映射关系。

在一些实施例中，生成单元404可以用于：

将所述命名实体和所述节点答案参数填充到所述节点答案框架中的相应位置，以生成所述自然语言问题的答案。

在一些实施例中，生成单元404进一步可以用于：

确定所述节点答案参数对应的节点信息；

在所述节点答案框架中确定与所述节点信息相关的相关字段；

根据所述相关字段在所述节点答案框架中的位置，确定所述节点答案参数对应在所述节点答案框架中的目标位置；

将所述节点答案参数填充到所述目标位置中。

在一些实施例中，解析单元401可以用于：

对所述自然语言问题进行实体识别，得到命名实体；

对所述自然语言问题进行意图识别，得到目标意图。

在一些实施例中，在对所述自然语言问题进行意图识别，得到目标意图时，解析单元401具体可以用于：

对所述自然语言问题进行分词处理，得到多个候选词；

基于预设知识库对多个候选词进行检索，得到检索结果；

根据所述检索结果对所述多个候选词进行更新；

基于更新后的候选词生成目标意图。

本申请实施例提供的自然语言问题的答案生成装置，通过对自然语言问题进行解析，得到目标意图和命名实体；根据目标意图获取对应的节点答案框架；根据目标意图和命名实体获取对应的节点答案参数；基于命名实体、节点答案参数和节点答案框架，生成自然语言问题的答案。该方案通过从自然语言问题中抽取意图和命名实体，并基于此从配置好的节点答案中匹配到对应的节点答案参数，结合匹配到的节点答案框架等相关信息，根据设定的答案逻辑自动生成对应实体的完整答案，提升了答案生成效率；另外，通过将自然语言问题分割成成多实体和多意图组合的形式来选择需要的节点答案，一定程度上增加了节点答案被复用的概率，从而提升了数据资源的利用率。

本申请实施例还提供一种终端。如图5所示，该终端可以包括射频(RF，RadioFrequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、传感器605、音频电路606、无线保真(WiFi，Wireless Fidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图5中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路601可用于收发信息过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。通常，RF电路601包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，LowNoise Amplifier)、双工器等。此外，RF电路601还可以通过无线通信与网络和其他设备通信。

存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。

输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元604可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

终端还可包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和或或背光。

音频电路606、扬声器，传声器可提供用户与终端之间的音频接口。音频电路606可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路606接收后转换为音频数据，再将音频数据输出处理器608处理后，经RF电路601以发送给比如终端，或者将音频数据输出至存储器602以便进一步处理。音频电路606还可能包括耳塞插孔，以提供外设耳机与终端的通信。

WiFi属于短距离无线传输技术，终端通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块607，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器608是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和或或模块，以及调用存储在存储器602内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。

终端还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理系统与处理器608逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

具体在本实施例中，终端中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现各种功能：

获取待识别的自然语言信息；

根据相关信息对待识别的自然语言信息进行修整，其中，所述相关信息为待识别的自然语言信息的上文信息和/或下文信息；

对修整后的自然语言信息进行意图识别，得到意图识别结果；

基于所述意图识别结果从指定的应答信息库中获取对应的应答信息，并根据所述应答信息执行相应操作。

本申请实施例提供的终端，通过结合上下文环境对用户输入的自然语言信息进行意图识别，提升了自然语言识别的准确性；另外，通过自然语言的识别进行任务的分解分发，能够准确地对用户输入进行提取并执行，提升了运维时解决问题的效率。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种自然语言问题的答案生成方法中的步骤。例如，该指令可以执行如下步骤：

对自然语言问题进行解析，得到目标意图和命名实体；

根据所述目标意图获取对应的节点答案框架；

根据所述目标意图和所述命名实体获取对应的节点答案参数；

基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本申请实施例提供的终端，可通过从自然语言问题中抽取意图和命名实体，并基于此从配置好的节点答案中匹配到对应的节点答案参数，结合匹配到的节点答案框架等相关信息，根据设定的答案逻辑自动生成对应实体的完整答案，提升了答案生成效率。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种自然语言问题的答案生成方法中的步骤，因此，可以实现本申请实施例所提供的任一种自然语言问题的答案生成方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的自然语言问题的答案生成方法、装置及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种自然语言问题的答案生成方法，其特征在于，包括：

对自然语言问题进行解析，得到目标意图和命名实体；

根据所述目标意图获取对应的节点答案框架；

根据所述目标意图和所述命名实体获取对应的节点答案参数；

基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

2.根据权利要求1所述的自然语言问题的答案生成方法，其特征在于，所述根据所述目标意图获取对应的节点答案框架，包括：

从所述目标意图中提取意图词；

获取所述意图词对应的描述信息；

从指定的自然语言模板库中确定所述目标意图对应的自然语言模板；

根据所述描述信息和所述自然语言模板生成所述节点答案框架。

3.根据权利要求2所述的自然语言问题的答案生成方法，其特征在于，所述获取所述意图词对应的描述信息，包括：

将所述意图词与样本词集合中的多个样本词进行匹配；

从所述样本词集合中确定与所述意图词匹配度最高的目标样本词；

获取所述目标样本词的描述信息，作为所述意图词对应的描述信息。

4.根据权利要求1所述的自然语言问题的答案生成方法，其特征在于，所述根据所述目标意图和所述命名实体获取对应的节点答案参数，包括：

基于预设的第一映射关系，确定所述命名实体对应的多个候选节点答案参数，所述第一映射关系包括：命名实体与候选节点答案参数之间的映射关系；

从所述多个候选节点答案参数中确定与所述目标意图对应的节点答案参数。

5.根据权利要求4所述的自然语言问题的答案生成方法，其特征在于，所述从所述多个候选节点答案参数中确定与所述目标意图匹配的节点答案参数，包括：

从所述目标意图中提取意图词；

将所述意图词与样本词集合中的多个样本词进行匹配，以从所述样本词集合中确定与所述意图词匹配度最高的目标样本词；

基于预设的第二映射关系，从所述多个候选节点答案参数中确定所述目标样本词对应的候选节点答案参数，作为与所述目标意图对应的节点答案参数，所述预设第二映射关系包括：样本词与候选节点答案参数之间的映射关系。

6.根据权利要求1-5任一项所述的自然语言问题的答案生成方法，其特征在于，所述基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案，包括：

将所述命名实体和所述节点答案参数填充到所述节点答案框架中的相应位置，以生成所述自然语言问题的答案。

7.根据权利要求6所述的自然语言问题的答案生成方法，其特征在于，所述将所述节点答案参数填充到所述节点答案框架中的相应位置，包括：

确定所述节点答案参数对应的节点信息；

在所述节点答案框架中确定与所述节点信息相关的相关字段；

根据所述相关字段在所述节点答案框架中的位置，确定所述节点答案参数对应在所述节点答案框架中的目标位置；

将所述节点答案参数填充到所述目标位置中。

8.根据权利要求1所述的自然语言问题的答案生成方法，其特征在于，所述对自然语言问题进行解析，得到目标意图和命名实体，包括：

对所述自然语言问题进行实体识别，得到命名实体；

对所述自然语言问题进行意图识别，得到目标意图。

9.一种自然语言问题的答案生成装置，其特征在于，包括：

解析单元，用于对自然语言问题进行解析，得到目标意图和命名实体；

第一获取单元，用于根据所述目标意图获取对应的节点答案框架；

第二获取单元，用于根据所述目标意图和所述命名实体获取对应的节点答案参数；

生成单元，用于基于所述命名实体、所述节点答案参数和所述节点答案框架，生成所述自然语言问题的答案。

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1-8任一项所述的基于自然语言识别的信息处理方法的步骤。