CN110427470B - 问答处理方法、装置及电子设备 - Google Patents
问答处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110427470B CN110427470B CN201910675675.9A CN201910675675A CN110427470B CN 110427470 B CN110427470 B CN 110427470B CN 201910675675 A CN201910675675 A CN 201910675675A CN 110427470 B CN110427470 B CN 110427470B
- Authority
- CN
- China
- Prior art keywords
- relation
- entity
- expression
- value
- expressions
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 230000014509 gene expression Effects 0.000 claims abstract description 336
- 238000000034 method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种问答处理方法、装置及电子设备。问答处理方法包括:获取目标问题语句;解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式;填充所述一个或多个单一关系表达式的实体空位和关系值空位;根据填充后的单一关系表达式生成与所述目标问题语句对应的目标答案语句。这样先解析目标问题语句中的多重关系和多步关系得到多个单一关系表达式,再填充每个单一关系表达式,可以较好地理解目标问题语句的语意,可以提高自动问答时回复的答案语句的准确性。
Description
技术领域
本申请涉及自动问答技术领域,尤其涉及了一种问答处理方法、装置及电子设备。
背景技术
相关技术中,自动问答系统通常只能根据用户当前输入的问题,从问答库中搜索相关的答案,一般仅考虑到了当前输入的问题,而不能结合之前的历史对话,而且,也无法准确地理解用户输入的问题中的复杂逻辑,这种问答系统的处理模式通常只能回答一些简单的问题。
发明内容
本申请实施例提供一种问答处理方法、装置及电子设备。
第一方面,本申请实施例提供了一种问答处理方法,包括:
获取目标问题语句;
解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,所述单一关系表达式包括实体空位、实体关系和关系值空位;
填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式,每个填充后的单一关系表达式包括实体值、实体关系和关系值;
根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与所述目标问题语句对应的目标答案语句。
在某些实施例中,所述解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式包括:
根据所述目标问题语句中的实体关系,解析所述目标问题语句中的多重关系,将所述目标问题语句处理为一个或多个待处理问题语句,所述待处理问题语句为多步关系语句或单一关系语句;
根据所述待处理语句中的实体关系,解析所述待处理问题语句中的多步关系,得到与每个所述待处理问题语句对应的一个或多个单一关系表达式,其中,每个单一关系表达式与所述待处理语句中的一个实体关系对应。
在某些实施例中,所述根据所述待处理语句中的实体关系,解析所述待处理问题语句中的多步关系,得到与每个所述待处理问题语句对应的一个或多个单一关系表达式包括:
分析每个待处理问题语句中的实体关系,得到每个待处理问题语句对应的多个待定关系表达式组,每个所述待定关系表达式组中包含排列有序的一个或多个待定单一关系表达式,每个待定单一关系表达式与对应的所述待处理问题语句中的一个实体关系相关;
根据每个待处理问题语句与对应的多个待定关系表达式组的匹配度,得到与每个待处理问题语句匹配度最高的第一关系表达式组,并将每个待处理问题语句对应的所述第一关系表达式组中的一个或多个待定单一关系表达式,作为与所述待处理问题语句对应的一个或多个单一关系表达式。
在某些实施例中,所述填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式包括:
当所述待处理问题语句为多个时,并行地填充每个所述待处理问题语句对应的一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式。
在某些实施例中,所述填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式包括:
根据每个待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,针对每个单一关系表达式依次执行填充步骤,以填充每个待处理问题语句对应的一个或多个单一关系表达式;
所述填充步骤为:填充单一关系表达式的实体空位和关系值空位,得到填充后的单一关系表达式,并将填充后的单一关系表达式保存至所述待继承数据库。
在某些实施例中,所述填充单一关系表达式的实体空位和关系值空位,得到填充后的单一关系表达式,并将填充后的单一关系表达式保存至所述待继承数据库包括:
当所述目标问题语句存在与所述单一关系表达式的实体关系匹配的实体值时,从所述目标问题语句中获取所述实体值并填充至所述单一关系表达式的实体空位;
当所述目标问题语句中不存在与所述单一关系表达式的实体关系匹配的实体值时,从所述待继承数据库中获取所述实体值并填充至所述单一关系表达式的实体空位;
从所述知识图谱数据库中获取与所述实体值和所述单一关系表达式的实体关系匹配的关系值并填充至所述单一关系表达式的关系值空位;
将填充后的单一关系表达式保存至所述待继承数据库。
在某些实施例中,所述将填充后的单一关系表达式保存至所述待继承数据库包括:
将所述填充后的单一关系表达式的实体值进行实体泛化处理,得到与所述实体值有关的一个多个相关实体属性,将所述单一关系表达式及对应的所述一个或多个相关实体属性保存至所述待继承数据库。
在某些实施例中,所述解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,所述单一关系表达式包括实体空位、实体关系和关系值空位还包括步骤:
当所述目标问题语句中不包含实体关系时,从待继承数据库获取所述目标问题语句对应的实体关系,并生成与所述目标问题语句对应的一个或多个关系表达式,其中,所述待继承数据库中存储有历史问答形成的一个或多个填充后的单一关系表达式。
第二方面,本申请实施例还提供一种问答处理装置,包括:
问题获取模块,用于获取目标问题语句;
问题解析模块,用于解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,所述单一关系表达式包括实体空位、实体关系和关系值空位;
填充模块,用于填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式,每个填充后的单一关系表达式包括实体值、实体关系和关系值;
答案生成模块,用于根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与所述目标问题语句对应的目标答案语句。
第三方面,本申请还提供一种电子设备,包括处理器、存储器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行上述任一实施例所述的方法中的步骤的指令。
第四方面,本申请还提供一种计算机可读存储介质,存储用于问答处理的计算机程序,其中,所述计算机程序使得计算机执行上述任一实施例所述的方法。
本申请实施例技术方案中,获取目标问题语句,解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,单一关系表达式包括实体空位、实体关系和关系值空位,填充一个或多个单一关系表达式的实体空位和关系值空位;根据填充后的单一关系表达式生成与目标问题语句对应的目标答案语句。这样先解析目标问题语句中的多重关系和多步关系得到多个单一关系表达式,再填充每个单一关系表达式,可以较好地理解目标问题语句的语意,可以提高自动问答时回复的答案语句的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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。
图1为本申请实施例的电子设备的硬件结构示意图;
图2为本申请实施例的问答处理方法的流程示意图;
图3为本申请实施例的问答处理方法的应用场景示意图;
图4为本申请实施例的问答处理方法的另一应用场景示意图;
图5为本申请实施例的问答处理方法的另一流程示意图;
图6为本申请实施例的问答处理方法的另一流程示意图;
图7为本申请实施例的问答处理方法的另一流程示意图;
图8为本申请实施例的问答处理方法的另一流程示意图;
图9为本申请实施例的问答处理方法的另一应用场景示意图;
图10为本申请实施例的问答处理方法的另一流程示意图;
图11为本申请实施例的问答处理方法的另一流程示意图;
图12为本申请实施例的问答处理装置的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1是本申请实施例提供的电子设备100的硬件结构示意图。电子设备100包括处理器101、存储器102,以及一个或多个程序,一个或多个程序被存储在存储器102中,并且被配置由处理器101执行,程序包括用以下任一实施例的处理方法的步骤的指令。电子设备100可以是终端也可以是服务器,电子设备100是终端时,可以是但不限于手机、智能手环、平板电脑、笔记本电脑等。存储器102可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器102可选的还可以是独立于前述处理器101的存储装置。终端还可以包括输入输出接口103。输入输出接口103可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
请参阅图2,图2是本申请实施例提供的一种问答处理方法的流程示意图,该问答处理方法可由本申请实施例的电子设备或本申请实施例的问答处理装置实现。这种方法可包括但不限于如下步骤:
21、获取目标问题语句。
目标问题语句例如可以是但不限于用户在自动问答的聊天对话框中,在终端通过自行输入或选择的方式发送的目标问题语句。如图3所示,当电子设备100为终端时,可由电子设备100根据用户输入获得目标问题语句;如图4所示,当电子设备100为服务器时,电子设备100通过接收终端200发送的目标问题语句获得目标问题语句。
例如,如图3所示,用户可以在终端的自动问答界面通过直接输入问题“刘德华唱过什么歌”,那么电子设备获取到的目标问题语句则为“刘德华唱过什么歌”,其中,目标问题语句的输入形式可以是但不限于是语音输入、文字输入或者手势输入。
22、解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,单一关系表达式包括实体空位、实体关系和关系值空位。
由于人类语言的较多变且灵活,目标问题语句并不是一个固定的格式,那么则需要分析目标问题语句的逻辑关系。
单一关系表达式为仅对应一个实体关系的关系表达式,例如当目标问题语句为“小明的年龄是多少岁”时,这句话仅包含“人-年龄”这一个实体关系,对应的单一关系表达式为(实体空位,人-年龄,关系值空位),实体空位和关系值空位是待填充的空位。也可以根据该实体关系确定实体空位和/或关系值空位的属性,那么单一关系表达式则可为(人,人-年龄,年龄值),其中,“人”为实体关系“人-年龄”对应的实体值的属性,“年龄值”为实体关系“人-年龄”对应的关系值的属性。需要说明指的是,即使确定了实体空位的实体值和关系值空位的关系值的属性,但是该实体空位和该关系值空位仍然是待填充的。
多步关系为所述目标语句中包含的具有依赖关系的至少两个实体关系构成的关系。例如,当目标问题语句为“刘德华的老婆是什么时候嫁给他的”时,则包含“人-配偶”、“人-结婚时间”这两个实体关系,但是后一个实体关系“人-结婚时间”是与前一个实体关系“人-配偶”有依赖关系的实体关系,那么这个目标问题语句中则包含多步关系。
多重关系为所述目标语句中包含的互相没有依赖关系的至少两个实体关系构成的关系,例如,当目标问题语句为“刘德华唱过什么歌,他老婆是什么时候嫁给他的”时,这个目标问题语句包含“歌手-演唱”、“人-配偶”、“人-结婚时间”这三个实体关系,但是“人-配偶”和“人-结婚时间”是存在依赖关系的,“歌手-演唱”与另外两个实体关系没有依赖关系,那么这个目标问题语句中包含多重关系。
进一步地,当目标问题语句为“刘德华唱过什么歌,他老婆是什么时候嫁给他的”时,则可以解析出该目标问题中的多重关系和多步关系,得到(实体空位,歌手-演唱,关系值空位)、(实体空位,人-配偶,关系值空位)、(实体空位、人-结婚时间,关系值空位)这三个单一关系表达式。还可以根据每个单一关系表达式的实体关系确定实体空位和/或关系值空位的属性,根据实体关系“歌手-演唱”得到该实体空位的属性为“歌手”,根据实体关系“歌手-演唱”得到该关系值空位的属性为“歌曲”,那么得到的与实体关系“歌手-演唱”对应的单一关系表达式可以为(歌手,歌手-演唱,歌曲);类似的,与“人-配偶”对应的单一关系表达式可以为(人,人-配偶,人),与“人-结婚时间”对应的单一关系表达式可以为(人、人-结婚时间,时间值)。
23、填充一个或多个单一关系表达式的实体空位和关系值空位。
其中,单一关系表达式的实体空位是根据目标问题语句或待继承数据库填充的,单一关系表达式的关系值空位是根据单一关系表达式的实体关系和知识图谱数据库填充的;可以理解,待继承数据库中存储有历史问答形成的一个或多个填充后的单一关系表达式。
填充单一关系表达式的实体空位和关系值空位时,可以先从目标问题语句中获取与单一关系表达式的实体关系匹配的实体值,将实体值填充至该单一关系表达式的实体空位,然后将根据该实体值和该实体关系,从知识图谱数据库中获得对应的关系值。例如,当单一关系表达式为(歌手,歌手-演唱,歌曲)时,可以从目标问题语句中获得属性为歌手的实体值,得到实体值为刘德华,然后再根据(刘德华,歌手-演唱,歌曲),从知识图谱数据库中查找与“刘德华,歌手-演唱”匹配的关系值,那么可以从知识图谱中获得刘德华演唱过的歌曲“冰雨”,将获取到的歌曲名“冰雨”作为关系值填充至(刘德华,歌手-演唱,歌曲)这个单一关系表达式中,得到填充后的单一关系表达式(刘德华,歌手-演唱,冰雨)。
当目标问题语句为“他唱过什么歌”时,得到的单一问题表达式为(歌手,歌手-演唱,歌曲),由于该语句中的“他”为代词,无法从该目标问题语句中获得实体值,但是,这种情况,通常是由于用户在之前的问答对话中输入了包含实体值的问题语句,则在本轮问答对话中中,可以继承之前用户输入的问题语句中的实体值,例如用户在之前的对话中,有输入过“华仔是谁”这个问题语句,待继承数据库中存储有根据问题语句“华仔是谁”得到的(昵称,昵称-人,刘德华)这一单一关系表达式,由于歌手是人的下位概念,那么则可以根据待继承数据库中的(昵称,昵称-人,刘德华)这一单一关系表达式得到实体值为“刘德华”,并将该实体值“刘德华”填充至目标问题语句“他唱过什么歌”对应的单一问题表达式(歌手,歌手-演唱,歌曲)中,得到(刘德华,歌手-演唱,歌曲),再从知识图谱数据库中获得与“刘德华,歌手-演唱”匹配的关系值,这样可以从知识图谱中获得刘德华唱过的歌,并将刘德华配偶的名字作为关系值填充至(刘德华,歌手-演唱,人)中,例如知识图谱数据库中存储刘德华唱过冰雨的信息,则可以将冰雨作为关系值填充至(刘德华,歌手-演唱,人)得到填充后的单一关系表达式(刘德华,歌手-演唱,冰雨)。
将填充后的单一关系表达式均保存在待继承数据库中,这样填充后续的单一关系表达式时,可以从待继承数据库中获得本次填充后的单一关系表达式的数据。可以理解,待继承数据库中存储有历史问答形成的一个或多个填充后的单一关系表达式。
24、根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与目标问题语句对应的目标答案语句。
得到一个或多个填充后的单一关系表达式之后,可以根据多个填充后的单一关系表达式中的每个单一关系表达式的实体值、实体关系及关系值,并结合目标问题语句和常见词生成符合自然语言语法要求的目标答案语句。例如,当目标问题语句为“他唱过什么歌,他老婆是什么时候嫁给他的”,填充后的单一关系表达式为(刘德华,歌手-演唱,冰雨)、(刘德华,人-配偶,小朱)、(刘德华、人-结婚时间,2008),时,则生成的目标答案语句可以为“刘德华唱过冰雨、他的老婆是小朱,他们是2008年结婚的”。
本申请实施例的问答处理方法,获取目标问题语句,解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,单一关系表达式包括实体空位、实体关系和关系值空位,填充一个或多个单一关系表达式的实体空位和关系值空位;根据填充后的单一关系表达式生成与目标问题语句对应的目标答案语句。这样先解析目标问题语句中的多重关系和多步关系得到多个单一关系表达式,再填充每个单一关系表达式,可以较好地理解目标问题语句的语意,可以提高自动问答时回复的答案语句的准确性。
具体地,可以根据目标问题语句或待继承数据库填充单一关系表达式的实体空位,在得到填充后的单一关系表达式之后,可将填充后的单一关系表达式保存至待集成数据库中。其中,待继承数据库中保存有历史问答形成的一个或多个填充后的单一关系表达式。如此,在填充单一关系表达式时,可以结合待继承数据库,这样可以较好地得到历史对话的信息,并在目标问题语句不完整时,从待继承数据库获取目标问题语句缺失的部分。这样可以实现结合上下文理解目标问题语句,从而可以进一步地提高自动问答时回复的答案语句的准确性。
请参阅图5,在某些实施例中,解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式具体包括以下步骤:
221、根据目标问题语句中的实体关系,解析目标问题语句中的多重关系,将目标问题语句处理为一个或多个待处理问题语句,待处理问题语句为多步关系语句或单一关系语句;
具体地,可以利用多重关系提取模型,解析目标问题语句中的多重关系,得到多个不包含多重关系的待处理问题语句,也即是说,待处理问题语句为仅包含单一关系的单一关系语句或包含多步关系的多步关系语句。
例如当目标问题语句为“他唱过什么歌,他老婆是什么时候嫁给他的”时,利用多重关系提取模型解析该目标问题语句中的多重关系可以得到“他唱过什么歌”和“他老婆是什么时候嫁给他的”这两个待处理问题语句。
更具体地,可以多重关系提取模型在目标问题语句中标记出一个或多个待处理问题语句的起止位置输出多重关系标记信息。例如目标问题语句“他唱过什么歌,他老婆是什么时候嫁给他的”中的第一个“他”和“,”为待处理问题语句“他唱过什么歌”的起始位置和结束位置,第二个“他”和“的”为待处理问题语句“他老婆是什么时候嫁个他的”的起始位置和结束位置,则可以将第一个“他”、“,”、第二个“他”和“的”标记为出来得到多重关系切分信息,例如将“他”、“,”、第二个“他”和“的”标记为1,其余的字符标记为0。
多重关系提取模型可以利用多组多重关系训练数据进行训练得到。多重关系训练数据包括多个样本问题语句及每个样本问题语句对应的待处理语句,将多个样本问题语句作为输入,将每个样本问题语句对应的待处理语句作为目标输出,对待训练的初始模型进行训练,得到该多种关系提取模型。多重关系提取模型可以是但不限于序列标注模型(crf模型)、循环神经网络-序列标注模型(rnn-crf模型)或bert模型(Bidirectional EncoderRepresentations from Transformers模型)。
222、根据待处理语句中的实体关系,解析待处理问题语句中的多步关系,得到与每个待处理问题语句对应的一个或多个单一关系表达式,其中,每个单一关系表达式与待处理语句中的一个实体关系对应。
例如待处理语句为“他老婆是什么时候嫁给他的”时,可根据“老婆”和“什么时候嫁”,识别出该待处理语句中的实体关系包括“人-配偶”、“人-结婚时间”这两个实体关系,那么则可以得到(实体空位,人-配偶,关系值)、(实体空位、人-结婚时间,关系值)这两个单一关系表达式。根据实体关系确定各单一关系表达式的实体空位及关系值的属性,则得到的单一关系表达式为(人,人-配偶,人)和(人、人-结婚时间,时间值)。
其中,单一关系表达式(实体空位,人-配偶,关系值)对应实体关系“人-配偶”,单一关系表达式(实体空位、人-结婚时间,关系值)对应实体关系“人-结婚时间”。
步骤222可以由多步关系解析模型实现,可以将多重关系提取模型输出的多重关系标记信息和目标问题语句输入多步关系解析模型,然后由多步关系解析模型输出多个单一关系表达式。多步关系解析模型可以由多组多步关系训练数据对待训练的多步解析模型进行训练得到,每组多步关系训练数据包括多个样本问题语句、每个样本问题语句对应的多重关系标记和每个样本问题语句对应的单一关系表达式,将多个样本问题语句、每个样本问题语句对应的多重关系标记作为输入,将每个样本问题语句对应的单一关系表达式作为目标输出,对待训练的多步解析模型进行训练得到多步关系解析模型。
如此,根据目标问题语句中的实体关系,先解析出出目标问题语句中的多重关系,再解析出多步关系,从而可以准确地理解问题语句的语意,使得自动问答时回复的答案语句更加准确,从而使得自动问答的过程更加智能。
请参阅图6,基于上述实施例,在进一步地实施例中,根据待处理语句的实体关系,解析待处理问题语句中的多步关系,得到与每个待处理问题语句对应的一个或多个单一关系表达式包括:
2221、分析每个待处理问题语句中的实体关系,得到每个待处理问题语句对应的多个待定关系表达式组,每个待定关系表达式组中包含排列有序的一个或多个待定单一关系表达式,每个待定单一关系表达式与对应的待处理问题语句中的一个实体关系相关;
由于人类语言是灵活且多变的,所以分析得到而每个待处理问题语句的实体关系会有多种情况。通常无法直接准确地识别出每个实体关系并得到最匹配的单一关系表达式。例如,待处理问题语句为“他老婆是什么时候嫁给他的”,分析待处理问题得到的实体关系可能是“人-配偶”和“人-结婚时间”,那么可能会得到(实体空位,人-配偶,关系值空位)和(实体空位,人-结婚时间,关系值空位)这两个待定单一关系表达式;分析待处理问题得到的实体关系也可能是“人-配偶”和“人-结婚时间”,那么可能得到(实体空位,人-配偶,关系值空位)和(实体空位,人-出生时间,关系值空位)这两个待定单一关系表达式。可将(实体空位,人-配偶,关系值空位)和(实体空位,人-结婚时间,关系值空位)作为一组待定关系表达式组[(实体空位,人-配偶,关系值空位),(实体空位,人-结婚时间,关系值空位)],将(实体空位,人-配偶,关系值空位)和(人,人-出生时间,时间值)作为一组待定关系表达式组[(人,人-配偶,人),(实体空位,人-出生时间,关系值空位)],这两组待定关系表达式组仅用于举例说明,还可能得到更多的待定关系表达式组。
需要说明的是,每组待定关系表达式组中的待定单一关系表达式是排列有序的,也即是说,可能存在包含有相同的待定单一关系表达式、但是待定单一关系表达式的顺序不同的多组待定关系表达式组。
2222、根据每个待处理问题语句与对应的多个待定关系表达式组的匹配度,得到与每个待处理问题语句匹配度最高的第一关系表达式组,并将每个待处理问题语句对应的第一关系表达式组中的一个或多个待定单一关系表达式,作为与待处理问题语句对应的一个或多个单一关系表达式。
可利用排序模型获取各个待处理问题语句与对应的多个待定关系标识组的匹配度,并进行匹配度的排序,得到匹配度最高的第一关系表达式组。
例如,待定关系表达式组[(实体空位,人-配偶,关系值空位),(实体空位,人-结婚时间,关系值空位)]比待定关系表达式组[(人,人-配偶,人),(实体空位,人-出生时间,关系值空位)]的匹配度更高,根据排序模型的输出结果,[(实体空位,人-配偶,关系值空位),(实体空位,人-结婚时间,关系值空位)]为第一单一关系表达式组。
排序模型可以利用训练数据对待训练的初始排序模型进行训练得到。训练数据包括多个样本待处理问题语句、与每个样本待处理问题语句对应的多个待定关系标识组和每个样本待处理问题语句对应的第一关系表达式组,可将多个样本待处理问题语句和与每个样本待处理问题语句对应的多个待定关系标识组作为输入,将每个样本待处理问题语句对应的第一关系表达式组作为目标输出,对待训练的初始排序模型进行训练得到该排序模型。
如此,将与待处理问题语句匹配度最高的待定关系表达式组作为第一关系表达式组,可以得到与待处理问题语句最匹配的关系表达式组,从而可以使得得到的单一关系表达式更准确。
请参阅图7,基于上述实施例,在某些实施例中,步骤23包括:
231、当待处理问题语句为多个时,并行地填充每个待处理问题语句对应的一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式。
例如,当根据目标问题语句得到了“他唱过什么歌”和“他老婆是什么时候嫁给他的”这两个待处理问题语句时,可以在填充“他唱过什么歌”对应的单一关系表达式时,并行地填充“他老婆是什么时候嫁给他的”对应的单一关系表达式。如此,可以加快关系解析的速度,更快速的得到与该目标问题语句对应的单一关系表达式,从而可以提升自动问答时的回答速度。
请参阅图8,基于上述实施例,在某些实施例中,步骤23包括:
232、根据每个待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,针对每个单一关系表达式依次执行填充步骤,以填充每个待处理问题语句对应的一个或多个单一关系表达式。填充步骤为:填充单一关系表达式的实体空位和关系值空位,得到填充后的单一关系表达式,并将填充后的单一关系表达式保存至待继承数据库。
进一步地,填充步骤具体包括:
当目标问题语句存在与单一关系表达式的实体关系匹配的实体值时,从目标问题语句中获取实体值并填充至单一关系表达式的实体空位;
当目标问题语句中不存在与单一关系表达式的实体关系匹配的实体值时,从待继承数据库中获取实体值并填充至单一关系表达式的实体空位;
从知识图谱数据库中获取与实体值和单一关系表达式的实体关系匹配的关系值并填充至单一关系表达式的关系值空位;
将填充后的单一关系表达式保存至待继承数据库。
例如在图9所示的示例中,当目标问题语句为“他唱过什么歌,他老婆是什么时候嫁给他的”,解析得到的待处理问题语句为“他唱过什么歌”和“他老婆是什么时候嫁给他的”时,待处理问题语句“他唱过什么歌”对应的第一单一关系表达式组为[(实体空位,歌手-演唱,关系值空位)],该第一单一关系表达式组中仅包含一个单一关系表达式,则填充该单一关系表达式。目标问题语句中没有与实体关系“歌手-演唱”对应的实体属性“歌手”匹配的实体值,但是,用户在之前的对话中,有输入过“华仔是谁”这个问题语句,待继承数据库中存储有根据问题语句“华仔是谁”得到的(昵称,昵称-人,刘德华)这一单一关系表达式,由于歌手是人的下位概念,那么则可以根据待继承数据库中的(昵称,昵称-人,刘德华)这一单一关系表达式得到实体值为“刘德华”,并将“刘德华”填充至(实体空位,歌手-演唱,关系值空位)中的实体空位,得到(刘德华,歌手-演唱,关系值空位),然后再从知识图谱数据库中获取与“刘德华”和“歌手-演唱”匹配的关系值,得到关系值为“冰雨”,将“冰雨”填充至关系值空位得到填充后的单一关系表达式(刘德华,歌手-演唱,冰雨)。
在填充“他唱过什么歌”对应的第一单一关系表达式组中的单一关系表达式的同时,并行地填充“他老婆是什么时候嫁给他的”对应的第一单一关系表达式组中的单一关系表达式。“他老婆是什么时候嫁给他的”对应的第一单一关系表达式组为[(实体空位,人-配偶,关系值空位),(实体空位,人-结婚时间,关系值空位)],按照该第一单一关系表达式组中,单一关系表达式的排列顺序,先填充(实体空位,人-配偶,关系值空位),目标问题语句中没有与实体关系“人-配偶”对应的实体属性“人”匹配的实体值,但是,用户在之前的对话中,有输入过“华仔是谁”这个问题语句,待继承数据库中存储有根据问题语句“华仔是谁”得到的(昵称,昵称-人,刘德华)这一单一关系表达式,由于昵称是人的下位概念,那么则可以根据待继承数据库中的(昵称,昵称-人,刘德华)这一单一关系表达式得到实体值为“刘德华”,并将“刘德华”填充至(实体空位,人-配偶,关系值空位)中的实体空位,得到(刘德华,人-配偶,关系值空位),再从知识图谱数据库中获取与“刘德华”和“人-配偶”匹配的关系值,得到刘德华的配偶为“小朱”,将“小朱”作为关系值并填充至关系值空位得到填充后的单一关系表达式(刘德华,人-配偶,小朱),并将填充后的单一关系表达式(刘德华,人-配偶,小朱)保存至待继承数据库中。然后再填充单一关系表达式(实体空位,人-结婚时间,关系值空位),同样的,由于目标问题语句中没有与实体关系“人-结婚时间”对应的实体属性“人”匹配的实体值,但是在待继承数据库中保存有上一轮填充后的单一关系表达式(刘德华,人-配偶,小朱),则可以从待继承数据库中获得实体值“刘德华”,并将该实体值填充至单一关系表示的实体空位中得到(刘德华,人-结婚时间,关系值空位),然后再从知识图谱数据库中获取与“刘德华”和“人-结婚时间”匹配的关系值,得到刘德华的结婚时间为“2008年”,将“2008年”作为关系值并填充至关系值空位得到填充后的单一关系表达式(刘德华,人-结婚时间,2008年),并将该填充后的单一关系表达式保存至待继承数据库。
得到填充后的单一关系表达式之后,再根据填充后的单一关系表达式,生成与目标问题语句对应的目标答案语句。例如,可根据(刘德华,歌手-演唱,冰雨)、(刘德华,人-配偶,小朱)和(刘德华,人-结婚时间,2008年)生成目标答案语句“刘德华唱过冰雨,他老婆是小朱,他老婆是2008年嫁给他的”。
在从目标问题语句中获取与单一关系表达式的实体关系匹配的实体值时,可根据单一关系表达式的实体关系先确定实体值的实体属性,然后根据从目标问题语句中获取与该实体属性匹配的实体值,具体可以将目标问题语句与该实体属性对应的词库进行比对,将目标问题语句中与该实体属性对应的词库中的实体词相同或相似的词作为实体值。当然,上述获取实体值的方式仅用于举例说明,不构成对本申请的限定,在其他实施例中,从目标问题语句中获取实体值的方式也可以为其他方式。
如此,按照待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,依次填充各个单一关系表达式,并将填充后的单一关系表达式保存至待继承数据库,也即是说,填充完一个单一关系表达式,并将这个填充后的单一关系表达式保存至待继承数据库之后,再填充下一个单一关系表达式,并将下一个填充后的单一关系表达式保存至待继承数据库……依此类推,直到填充完该第一关系表达式组中所有的单一关系表达式。这样,由于多步关系语句中常常需要继承实体值和实体关系,在本实施例中填充下一个单一关系表达式时,可以从待继承数据库获得之前填充的单一关系表达式,从而可以实现继承之前填充的单一关系表达式的实体值或实体关系。
需要说明的是,从待继承数据库中获取与实体关系的匹配的实体值时,优先获得上一轮填充得到的单一关系表达式中的实体值,由于人类的语言习惯,通常是基于上一轮问答中的问题语句的实体而省略本轮问答的问题语句的实体,这样可以更准确地获得实体值,从而可以更准确地理解问题语句的语意。
在一个可选实施例中,将填充后的目标关系表达式保存至待继承数据库包括:将填充后的目标关系表达式的实体值进行实体泛化处理,得到与实体值有关的一个多个相关实体属性,将目标关系表达式及对应的一个或多个相关实体属性保存至待继承数据库。
例如,填充后的单一关系表达式为(刘德华,人-配偶,小朱),实体关系“人-配偶”对应的实体值的属性为“人”,“歌手”是人的下位概念,那么可以泛化得到刘德华的相关实体属性包括“歌手”,再后轮对话中如果有实体关系对应的实体值的属性为“歌手”,则可以从待继承数据库中获得该实体关系对应的实体值为“刘德华”。
这样可以在后续从问答数据库获取实体值或实体关系时,得到更多可能的结果,从而可以在自动问答时更准确、跟灵活地结合历史对话的信息,使得自动问答过程更加智能化。
请参阅图10,在一个可选地实施例中,上述步骤231和步骤232可以合并为步骤230,当待处理问题语句为多个时,通过执行填充步骤并行地填充多个待处理问题语句对应的一个或多个单一关系表达式,根据每个待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,依次填充每个待处理问题语句对应的多个单一关系表达式。
例如,当根据目标问题语句得到了“他唱过什么歌”和“他老婆是什么时候嫁给他的”这两个待处理问题语句时,可以在填充“他唱过什么歌”对应的单一关系表达式时,并行地填充“他老婆是什么时候嫁给他的”对应的单一关系表达式。填充“他老婆是什么时候嫁给他的”对应的单一关系表达式的具体过程请参上述实施例,为避免冗余,在此不再赘述。
这样可以加快关系解析的速度,更快速的得到与该目标问题语句对应的单一关系表达式,从而可以提升自动问答时的回答速度。
请参阅图11,基于上述实施例,在某些实施例中,解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,单一关系表达式包括实体空位、实体关系和关系值空位还包括步骤:
223、当目标问题语句中不包含实体关系时,从待继承数据库获取目标问题语句对应的实体关系,并生成与目标问题语句对应的一个或多个关系表达式。
例如,用户先输入了问题语句“刘德华唱过什么歌”,电子设备将该问题语句作为目标问题语句,执行步骤221、222和23得到了填充后的单一关系表达式(刘德华,歌手-演唱,冰雨),将该单一关系表达式保存在了待继承数据库中,并执行步骤24给出了答案语句“冰雨”,用户接着输入了问题语句“还唱过啥”,电子设备那么这个问题语句中则不包含实体关系,电子设备则将“还唱过啥”作为目标问题语句,从待继承数据库中获得实体关系“歌手-演唱”,生成关系表达式(歌手,歌手-演唱,歌曲),然后再执行步骤23。
如此,本申请实施例的问答处理方法,不仅能够根据历史问答目标问题语句中缺少的目标实体,还能补充目标问题语句中缺少的实体关系,从而可以更准确地理解问题语句的语意,并提供更符合用户需求的目标答案语句。
请参阅图12,本申请实施例还提供一种问答处理装置300,包括:
问题获取模块301,用于获取目标问题语句;
问题解析模块302,用于解析所述目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,所述单一关系表达式包括实体空位、实体关系和关系值空位;
填充模块303,用于填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式,每个填充后的单一关系表达式包括实体值、实体关系和关系值;
答案生成模块304,用于根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与所述目标问题语句对应的目标答案语句。
本申请实施例的问答处理装置,获取目标问题语句;解析目标问题语句中的多重关系和多步关系,得到一个或多个单一关系表达式,单一关系表达式包括实体空位、实体关系和关系值空位;填充一个或多个单一关系表达式的实体空位和关系值空位;根据填充后的单一关系表达式生成与目标问题语句对应的目标答案语句。这样先解析目标问题语句中的多重关系和多步关系得到多个单一关系表达式,再填充每个单一关系表达式,可以较好地理解目标问题语句的语意,可以提高自动问答时回复的答案语句的准确性。
需要说明的是,上述实施例中对问答处理方法各步骤的补充说明及技术效果也适用于上述各实施例的问答处理装置,为避免冗余,在此不再赘述。
在某些实施例中,所述问题解析模块包括:
多重关系解析单元,用于根据所述目标问题语句中的实体关系,解析所述目标问题语句中的多重关系,将所述目标问题语句处理为一个或多个待处理问题语句,所述待处理问题语句为多步关系语句或单一关系语句;
多步关系解析单元,用于根据所述待处理语句中的实体关系,解析所述待处理问题语句中的多步关系,得到与每个所述待处理问题语句对应的一个或多个单一关系表达式,其中,每个单一关系表达式与所述待处理语句中的一个实体关系对应。
在某些实施例中,所述多重关系解析单元语句用于:
分析每个待处理问题语句中的实体关系,得到每个待处理问题语句对应的多个待定关系表达式组,每个所述待定关系表达式组中包含排列有序的一个或多个待定单一关系表达式,每个待定单一关系表达式与对应的所述待处理问题语句中的一个实体关系相关;
根据每个待处理问题语句与对应的多个待定关系表达式组的匹配度,得到与每个待处理问题语句匹配度最高的第一关系表达式组,并将每个待处理问题语句对应的所述第一关系表达式组中的一个或多个待定单一关系表达式,作为与所述待处理问题语句对应的一个或多个单一关系表达式。
在某些实施例中,所述填充模块具体用于当所述待处理问题语句为多个时,并行地填充每个所述待处理问题语句对应的一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式。
在某些实施例中,所述填充模块具体用于:
根据每个待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,针对每个单一关系表达式依次执行填充步骤,以填充每个待处理问题语句对应的一个或多个单一关系表达式。
在某些实施例中,所述填充步骤包括:
当所述目标问题语句存在与所述单一关系表达式的实体关系匹配的实体值时,从所述目标问题语句中获取所述实体值并填充至所述单一关系表达式的实体空位;
当所述目标问题语句中不存在与所述单一关系表达式的实体关系匹配的实体值时,从所述待继承数据库中获取所述实体值并填充至所述单一关系表达式的实体空位;
从所述知识图谱数据库中获取与所述实体值和所述单一关系表达式的实体关系匹配的关系值并填充至所述单一关系表达式的关系值空位;
将填充后的单一关系表达式保存至所述待继承数据库。
在某些实施例中,关于将填充后的单一关系表达式保存至所述待继承数据库方面,所述填充模块具体用于:将所述填充后的单一关系表达式的实体值进行实体泛化处理,得到与所述实体值有关的一个多个相关实体属性,将所述单一关系表达式及对应的所述一个或多个相关实体属性保存至所述待继承数据库。
在某些实施例中,所述解析模块还包括:
关系继承单元,用于当所述目标问题语句中不包含实体关系时,从待继承数据库获取所述目标问题语句对应的实体关系,并生成与所述目标问题语句对应的一个或多个关系表达式,其中,所述待继承数据库中存储有历史问答形成的一个或多个填充后的单一关系表达式。
需要说明的是,上述实施例中对问答处理方法各步骤的补充说明及技术效果也适用于上述各实施例的问答处理装置,为避免冗余,在此不再赘述。
本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有问答处理程序,其中问答处理程序被处理器执行时,实现上述任一实施例的问答处理方法的步骤。
其中,问答处理程序被执行时所实现的方法及对应的技术效果可参照本申请问答处理方法的各个实施例,此处不再赘述。
在上述实施例中,可全部或部分地通过软件、硬件、固件、或其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如光盘)、或者半导体介质(例如固态硬盘)等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,也可以通过其它的方式实现。例如以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可结合或者可以集成到另一个系统,或一些特征可以忽略或不执行。另一点,所显示或讨论的相互之间的间接耦合或者直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例的方案的目的。
另外,在本申请各实施例中的各功能单元可集成在一个处理单元中,也可以是各单元单独物理存在,也可两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,或者也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质例如可包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或光盘等各种可存储程序代码的介质。
可以理解的是,凡是被控制或者被配置以用于执行本申请所描述的卡数据处理方法的产品,如上述卡数据处理装置、终端,均属于本申请所描述的相关产品的范畴。
Claims (9)
1.一种问答处理方法,其特征在于,包括:
获取目标问题语句;
根据所述目标问题语句中的实体关系,解析所述目标问题语句中的多重关系,将所述目标问题语句处理为一个或多个待处理问题语句,所述待处理问题语句为多步关系语句或单一关系语句;
分析每个待处理问题语句中的实体关系,得到每个待处理问题语句对应的多个待定关系表达式组,每个所述待定关系表达式组中包含排列有序的一个或多个待定单一关系表达式,每个待定单一关系表达式与对应的所述待处理问题语句中的一个实体关系相关;
根据每个待处理问题语句与对应的多个待定关系表达式组的匹配度,得到与每个待处理问题语句匹配度最高的第一关系表达式组,并将每个待处理问题语句对应的所述第一关系表达式组中的一个或多个待定单一关系表达式,作为与所述待处理问题语句对应的一个或多个单一关系表达式,其中,每个单一关系表达式与所述待处理问题语句中的一个实体关系对应,所述单一关系表达式包括实体空位、实体关系和关系值空位;
填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式,每个填充后的单一关系表达式包括实体值、实体关系和关系值;
根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与所述目标问题语句对应的目标答案语句。
2.根据权利要求1所述的问答处理方法,其特征在于,所述填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式包括:
当所述待处理问题语句为多个时,并行地填充每个所述待处理问题语句对应的一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式。
3.根据权利要求1所述的问答处理方法,其特征在于,所述填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式包括:
根据每个待处理问题语句对应的第一关系表达式组中,单一关系表达式的表达式排列顺序,针对每个单一关系表达式依次执行填充步骤,以填充每个待处理问题语句对应的一个或多个单一关系表达式;
所述填充步骤为:填充单一关系表达式的实体空位和关系值空位,得到填充后的单一关系表达式,并将填充后的单一关系表达式保存至待继承数据库。
4.根据权利要求3所述的问答处理方法,其特征在于,所述填充单一关系表达式的实体空位和关系值空位,得到填充后的单一关系表达式,并将填充后的单一关系表达式保存至待继承数据库包括:
当所述目标问题语句存在与所述单一关系表达式的实体关系匹配的实体值时,从所述目标问题语句中获取所述实体值并填充至所述单一关系表达式的实体空位;
当所述目标问题语句中不存在与所述单一关系表达式的实体关系匹配的实体值时,从所述待继承数据库中获取所述实体值并填充至所述单一关系表达式的实体空位;
从知识图谱数据库中获取与所述实体值和所述单一关系表达式的实体关系匹配的关系值并填充至所述单一关系表达式的关系值空位;
将填充后的单一关系表达式保存至所述待继承数据库。
5.根据权利要求4所述的问答处理方法,其特征在于,所述将填充后的单一关系表达式保存至所述待继承数据库包括:
将所述填充后的单一关系表达式的实体值进行实体泛化处理,得到与所述实体值有关的一个多个相关实体属性,将所述单一关系表达式及对应的所述一个或多个相关实体属性保存至所述待继承数据库。
6.根据权利要求1-5任一项所述的问答处理方法,其特征在于,所述方法还包括:
当所述目标问题语句中不包含实体关系时,从待继承数据库获取所述目标问题语句对应的实体关系,并生成与所述目标问题语句对应的一个或多个关系表达式,其中,所述待继承数据库中存储有历史问答形成的一个或多个填充后的单一关系表达式。
7.一种问答处理装置,其特征在于,包括:
问题获取模块,用于获取目标问题语句;
问题解析模块,用于根据所述目标问题语句中的实体关系,解析所述目标问题语句中的多重关系,将所述目标问题语句处理为一个或多个待处理问题语句,所述待处理问题语句为多步关系语句或单一关系语句;分析每个待处理问题语句中的实体关系,得到每个待处理问题语句对应的多个待定关系表达式组,每个所述待定关系表达式组中包含排列有序的一个或多个待定单一关系表达式,每个待定单一关系表达式与对应的所述待处理问题语句中的一个实体关系相关;根据每个待处理问题语句与对应的多个待定关系表达式组的匹配度,得到与每个待处理问题语句匹配度最高的第一关系表达式组,并将每个待处理问题语句对应的所述第一关系表达式组中的一个或多个待定单一关系表达式,作为与所述待处理问题语句对应的一个或多个单一关系表达式,其中,每个单一关系表达式与所述待处理问题语句中的一个实体关系对应,所述单一关系表达式包括实体空位、实体关系和关系值空位;
填充模块,用于填充所述一个或多个单一关系表达式的实体空位和关系值空位,得到一个或多个填充后的单一关系表达式,每个填充后的单一关系表达式包括实体值、实体关系和关系值;
答案生成模块,用于根据每个填充后的单一关系表达式的实体值、实体关系和关系值生成与所述目标问题语句对应的目标答案语句。
8.一种电子设备,其特征在于,包括处理器、存储器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675675.9A CN110427470B (zh) | 2019-07-25 | 2019-07-25 | 问答处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675675.9A CN110427470B (zh) | 2019-07-25 | 2019-07-25 | 问答处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427470A CN110427470A (zh) | 2019-11-08 |
CN110427470B true CN110427470B (zh) | 2024-05-28 |
Family
ID=68412394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910675675.9A Active CN110427470B (zh) | 2019-07-25 | 2019-07-25 | 问答处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427470B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836023A (zh) * | 2019-11-22 | 2021-05-25 | 华为技术有限公司 | 一种基于知识图谱的问答方法及装置 |
CN111930913A (zh) * | 2020-08-14 | 2020-11-13 | 上海茂声智能科技有限公司 | 一种基于知识图谱的问答方法、系统、装置、设备及介质 |
CN114757208B (zh) * | 2022-06-10 | 2022-10-21 | 荣耀终端有限公司 | 一种问答匹配方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932278A (zh) * | 2018-04-28 | 2018-12-04 | 厦门快商通信息技术有限公司 | 基于语义框架的人机对话方法及系统 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通(北京)科技有限公司 | 基于知识图谱的石化领域问答方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167875A1 (en) * | 2003-02-20 | 2004-08-26 | Eriks Sneiders | Information processing method and system |
-
2019
- 2019-07-25 CN CN201910675675.9A patent/CN110427470B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932278A (zh) * | 2018-04-28 | 2018-12-04 | 厦门快商通信息技术有限公司 | 基于语义框架的人机对话方法及系统 |
CN109492077A (zh) * | 2018-09-29 | 2019-03-19 | 北明智通(北京)科技有限公司 | 基于知识图谱的石化领域问答方法及系统 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110427470A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200301954A1 (en) | Reply information obtaining method and apparatus | |
CN109726274B (zh) | 问题生成方法、装置及存储介质 | |
CN106776544B (zh) | 人物关系识别方法及装置和分词方法 | |
CN110427470B (zh) | 问答处理方法、装置及电子设备 | |
US20140351228A1 (en) | Dialog system, redundant message removal method and redundant message removal program | |
CN111310440B (zh) | 文本的纠错方法、装置和系统 | |
CN110795913B (zh) | 一种文本编码方法、装置、存储介质及终端 | |
EP4322009A1 (en) | Test case generation method, apparatus and device | |
CN107844470B (zh) | 一种语音数据处理方法及其设备 | |
CN103246690A (zh) | 标签继承 | |
CN110874528B (zh) | 文本相似度的获取方法及装置 | |
CN104169912A (zh) | 信息处理终端和方法,以及信息管理设备和方法 | |
CN109582954A (zh) | 用于输出信息的方法和装置 | |
CN109299289B (zh) | 一种查询图构建方法、装置、电子设备及计算机存储介质 | |
CN110890088A (zh) | 语音信息反馈方法、装置、计算机设备和存储介质 | |
US11263396B2 (en) | System and method for document conversion to a template | |
CN112667796A (zh) | 一种对话回复方法、装置、电子设备及可读存储介质 | |
CN112036164A (zh) | 样本生成方法及装置、计算机可读存储介质和电子设备 | |
CN109033082B (zh) | 语义模型的学习训练方法、装置及计算机可读存储介质 | |
JP7047380B2 (ja) | 生成プログラム、生成方法及び情報処理装置 | |
CN117370190A (zh) | 测试用例生成方法、装置、电子设备和存储介质 | |
CN113569017A (zh) | 一种模型处理方法、装置、电子设备及存储介质 | |
CN112818693A (zh) | 一种电子元器件型号词的自动提取方法及系统 | |
JP6942759B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
CN111506740A (zh) | 词单的添加方法及装置、存储介质、电子装置 |
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 |