CN110569507B - 语义识别方法、装置、设备及存储介质 - Google Patents
语义识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110569507B CN110569507B CN201910850419.9A CN201910850419A CN110569507B CN 110569507 B CN110569507 B CN 110569507B CN 201910850419 A CN201910850419 A CN 201910850419A CN 110569507 B CN110569507 B CN 110569507B
- Authority
- CN
- China
- Prior art keywords
- node
- word
- nodes
- path
- semantic recognition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000011218 segmentation Effects 0.000 claims abstract description 129
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及语义识别技术领域，公开了一种语义识别方法、装置、设备及存储介质，所述方法包括：获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径并选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
Description
技术领域
本发明涉及语义识别技术领域，尤其涉及一种语义识别方法、装置、设备及存储介质。
背景技术
现有技术中的语义识别方法，是根据切词和砌词技术将语句进行切词，对切词后的分词进行以中心分词为基础叠加其他分词，然后用叠加的结果去匹配问句，将匹配度最高的分词规则调用，并显示规则关联的答案给对话者。例如，“李四是一个很好说话的人”，现有技术中的语义识别方法会将该语句切词为“李四”、“是”、“一个”、“很”、“好说话”、“的”、“人”，砌词后的规则为“李四”&“是”&“一个”&“很”&“好说话”&“的”&“人”，但是这种切词、砌词的语义识别方法存在如下问题：
1、人力成本很高，重复劳动多
如果按照现有技术中的语义识别方法，需要制作大量的分词和依靠&来连接分词的规则。比如，规则：“李四”&“是”&“一个”&“很”&“好说话”&“的”&“人”，如果“李四”改为“王五”，就要新作一个规则：“王五”&“是”&“一个”&“很”&“好说话”&“的”&“人”，人力成本太高，重复劳动多，可行性差。
2、操作复杂
现有技术中的语义识别方法，任何一个分词的改变都需要重新做一套规则，会导致操作非常复杂，而且人力操作很容易出现失误。
3、中心意思模糊，容易错误匹配
现有技术中的语义识别方法的砌词方式很容易出现漏洞，或叠加了多余的词，影响中心意思和规则进行匹配，比如，“李四是不是一个不好说话的人”，其中心意思其实就是“李四是不是不好说话”，那么按照现有技术中的语义识别方法的切词和砌词模式，就非常容易出错，比如会切词为“李四”、“好”、“说话”，砌词为“李四”&“好”&“说话”，中心意思就会歪曲为“李四好说话”。
所以，本质存在着如何简化语义识别过程并提高语义识别准确率的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提出一种语义识别方法、装置、设备及存储介质，旨在解决如何简化语义识别过程并提高语义识别准确率的技术问题。
为实现上述目的，本发明提供一种语义识别方法，所述语义识别方法包括以下步骤：
获取待识别语句；
对所述待识别语句进行分词处理，获得待处理分词；
将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语；
从所述待选路径中选取目标路径；
将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果。
优选地，所述将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，具体包括：
将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；
对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；
将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
优选地，所述将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径，具体包括：
将所述当前节点的父节点对应的词语与所述待处理分词进行匹配；
在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点；
若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径。
优选地，所述在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点之后，还包括：
若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤。
优选地，所述在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点之后，还包括：
在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
优选地，所述从所述待选路径中选取目标路径，具体包括：
获取所述待选路径中的节点数量；
根据所述节点数量对所述待选路径进行排序；
根据排序结果，将所述节点数量最多的待选路径作为目标路径。
优选地，所述将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，具体包括：
将所述目标路径中各节点分别对应的词语作为目标词语；
根据预设排序规则对所述目标词语进行词语组合；
将词语组合结果作为所述待识别语句的语义识别结果。
此外，为实现上述目的，本发明还提出一种语义识别装置，所述语义识别装置包括：
语句获取模块，用于获取待识别语句；
分词处理模块，用于对所述待识别语句进行分词处理，获得待处理分词；
分词匹配模块，用于将所述待处理分词在预设分词树中从叶子节点向根节点依次进行分词匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语；
路径选取模块，用于从所述待选路径中选取目标路径；
语义识别模块，用于将所述目标路径中各节点分别对应的词语进行组合，并将词语组合结果作为所述待识别语句的语义识别结果。
此外，为实现上述目的，本发明还提出一种语义识别设备，所述语义识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的语义识别程序，所述语义识别程序配置有实现如上所述的语义识别方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有语义识别程序，所述语义识别程序被处理器执行时实现如上文所述的语义识别方法的步骤。
本发明提出的语义识别方法，通过获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径，从中选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的语义识别设备结构示意图；
图2为本发明语义识别方法第一实施例的流程示意图；
图3为本发明语义识别方法第一实施例的例图；
图4为本发明语义识别方法第二实施例的流程示意图；
图5为本发明语义识别方法第三实施例的流程示意图；
图6为本发明语义识别装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的语义识别设备结构示意图。
如图1所示，该语义识别设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速随机存取存储器(Random Access Memory，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1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对语义识别设备的限定，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。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及语义识别程序。
在图1所示的语义识别设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与所述用户设备进行数据通信；本发明设备通过处理器1001调用存储器1005中存储的语义识别程序，并执行以下操作：
获取待识别语句；
对所述待识别语句进行分词处理，获得待处理分词；
将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语；
从所述待选路径中选取目标路径；
将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；
对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；
将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
将所述当前节点的父节点对应的词语与所述待处理分词进行匹配；
在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点；
若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
获取所述待选路径中的节点数量；
根据所述节点数量对所述待选路径进行排序；
根据排序结果，将所述节点数量最多的待选路径作为目标路径。
进一步地，处理器1001可以调用存储器1005中存储的语义识别程序，还执行以下操作：
将所述目标路径中各节点分别对应的词语作为目标词语；
根据预设排序规则对所述目标词语进行词语组合；
将词语组合结果作为所述待识别语句的语义识别结果。
本实施例中通过获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径，从中选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
基于上述硬件结构，提出本发明语义识别方法实施例。
参照图2，图2为本发明语义识别方法第一实施例的流程示意图。
在第一实施例中，所述语义识别方法包括以下步骤：
步骤S10，获取待识别语句。
需要说明的是，本实施例的执行主体可为语义识别设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以语义识别设备为例进行说明。获取待识别语句的方式可为通过语音获取，也可为通过文字获取，可为现场获取，也可为远程获取，还可为其他方式，本市实施例对此不作限制。
可以理解的是，所述待识别语句可为问句、陈述句、感叹句或其他句式，本实施例对此不作限制。
步骤S20，对所述待识别语句进行分词处理，获得待处理分词。
可以理解的是，对所述待识别语句进行分词处理，将一个完整的语句拆分成一个个词语，将这些拆分成的词语作为待处理分词。
在具体实现中，例如，“你叫什么名字”可以分词为“你”、“叫”、“什么”、“名字”等四个词语，将这个四个词语作为待处理分词。
步骤S30，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语。
需要说明的是，预设分词树为树状结构，具体可为路径图谱，为技术人员通过大数据分析提前设置好的，如图3所示，路径图谱是从一个奇点开始(所述奇点即为根节点)，进行扇形展开，扇形中包含有关键节点和目录节点，关键节点用于存储词语与答案，并参与路径砌词，目录节点只是分类标记用，并不参与路径砌词，通过路径节点的逐级增加，形成从奇点开始的扇形图谱，从奇点开始将每个分支上的关键节点和目录节点串联在一起就可以形成路径。
可以理解的是，所述叶子节点为预设分词树中没有子节点的节点，如图3所示，节点1为根节点，节点1.1.1.1、节点1.1.1.2、节点1.2.1、节点1.1.2.1、节点1.1.2.2、节点1.3.1.1、节点1.3.2.1、节点1.3.2.2为叶子节点，节点1.1.1为节点1.1.1.1、节点1.1.1.2的父节点，节点1.1.2为节点1.1.2.1、节点1.1.2.2的父节点，节点1.2为节点1.2.1的父节点，节点1.3.1为节点1.3.1.1的父节点，节点1.3.2为节点1.3.2.1、节点1.3.2.2的父节点，节点1.1为节点1.1.1、节点1.1.2的父节点，节点1.3为节点1.3.1、节点1.3.2的父节点，其中，图3中除了节点1为根节点、节点1.1.2、节点1.3.1为目录节点外，其他节点均为关键节点，预设分词树中还可以包含更多或更少的节点，本实施例对此不作限制，本实施例以此为例进行说明。
可以理解的是，如图3所示，将两个节点即为连线，根据多个连线可以生成路径，路径也可为单个连线。例如，图3中的1.1&1.1.1、1.2&1.2.1为连线，1&1.1&1.1.1&1.1.1.1、1&1.1&1.1.1&1.1.1.2、1&1.1&1.1.2&1.1.2.1、1&1.1&1.1.2&1.1.2.2这些都为路径。
步骤S40，从所述待选路径中选取目标路径。
可以理解的是，从所述待选路径中选取目标路径，具体为，获取所述待选路径中的节点数量，根据所述节点数量对所述待选路径进行排序，根据排序结果，将所述节点数量最多的待选路径作为目标路径。
需要说明的是，因为目录节点没有对应的词语，因此，最终进行排序的节点数量不含有目录节点，即上述步骤之前还包括，检测各待选路径中是否含有目录节点，在含有目录节点时，获取各待选路径中的节点总数和目录节点数量，根据所述节点总数和目录节点数量计算得出各待选路径中的节点数量，即用节点总数减去目录节点数量就可以得到各待选路径中的节点数量。
在具体实现中，例如，待选路径有3条，分别为路径1：1&1.1&1.1.1&1.1.1.1，路径2：1&1.1&1.1.1，路径3：1&1.1，可见，路径1中包含4个节点，路径2中包含3个节点，路径3中包含2个节点，根据节点数量对待选路径从大到小进行排序得到的排序结果为：路径1、路径2、路径3，可见，节点数量最多的路径为路径1，因此，将路径1作为目标路径。
在具体实现中，又例如，待选路径有3条，分别为路径1：1&1.1&1.1.1&1.1.1.1，路径2：1&1.1&1.1.2&1.1.2.1，路径3：1&1.1，可以理解的是，此时可检测到待选路径中含有目录节点1.1.2，因此，先获取各待选路径的节点总数和目录节点数量，即路径1的节点总数为4，目录节点数量为0，路径2的节点总数为4，目录节点数量为1，路径3的节点总数为2，目录节点数量为0，可计算得出路径1的节点数量为4，路径2的节点数量为3，路径3的节点数量为2，根据节点数量对待选路径从大到小进行排序得到的排序结果为：路径1、路径2、路径3，可见，节点数量最多的路径为路径1，因此，将路径1作为目标路径。
步骤S50，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果。
可以理解的是，每个节点都有对应的词语，将根节点和目录节点的词语设置为空，将目标路径中的关键节点对应的词语作为目标词语，将目标词语根据预设排序规则对所述目标词语进行词语组合，将词语组合结果作为待识别语句的语义识别结果。
可以理解的是，预设排序规则可为从根节点到子节点对应的词语进行排序，也可为从子节点到根节点对应的词语进行排序，本实施例对此不作限制，本实施例以从根节点到子节点对应的词语进行排序。
在具体实现中，例如，目标路径为1&1.1&1.1.1&1.1.1.1，其中，节点1为根节点，不参与词语组合过程，节点1.1对应的词语为“我”、节点1.1.1对应的词语为“介绍”、节点1.1.1.1对应的词语为“爱好”，根据从根节点到子节点对应的词语进行排序得到的词语组合结果为“我”&“介绍”&“爱好”，因此，将“我介绍爱好”作为语义识别结果。
本实施例中通过获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径，从中选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
在一实施例中，如图4所示，基于第一实施例提出本发明语义识别方法第二实施例，所述步骤S20，包括：
步骤S201，将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点。
需要说明的是，在获得待处理分词之后，将待处理分词依次与预设分词树中叶子节点对应的词语进行匹配，将对应的词语与待处理分词相同的叶子节点作为待选节点。
在具体实现中，例如，图3为预设分词树，如图3所示，可为图3中的各节点设定对应的词语，例如，节点1.1对应的词语为“我”、节点1.2对应的词语为“你”、节点1.3对应的词语为“她”、节点1.1.1对应的词语为“介绍”、节点1.2.1对应的词语为“名字”、节点1.3.2对应的词语为“是不是”、节点1.1.1.1对应的词语为“爱好”、节点1.1.1.2对应的词语为“工作”、节点1.1.2.1对应的词语为“父亲”，节点1.1.2.2对应的词语为“叫什么”、节点1.3.1.1对应的词语为“女人”、节点1.3.2.2对应的词语为“男人”，还可以为预设分词树中的节点设定其他对应的词语，本实施例对此不作限制，本实施例以此为例进行说明。
在具体实现中，例如，待处理分词为“我”、“介绍”、“爱好”，将上述待处理分词依次与预设分词中叶子节点对应的词语进行匹配，匹配成功的叶子节点为节点1.1.1.1，即将节点1.1.1.1作为待选节点。
步骤S202，对所述待选节点进行遍历，将遍历到的待选节点作为当前节点。
可以理解的是，在进行匹配的过程中，可能有多个叶子节点匹配成功，即获得到多个待选节点，因此，需在预设分词树中对所述待选节点进行遍历，将遍历到的待选节点作为当前节点，如上述例子所述，将节点1.1.1.1作为当前节点。
在具体实现中，又例如，待处理分词为“我”、“介绍”、“爱好”、“父亲”，将上述待处理分词依次与预设分词中叶子节点对应的词语进行匹配，匹配成功的叶子节点为节点1.1.1.1、节点1.1.2.1，即将节点1.1.1.1及节点1.1..2.1作为待选节点，此时对待选节点进行遍历可以遍历到2个待选节点，将这2个待选节点作为当前节点。
步骤S203，将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
需要说明的是，将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径，具体为，将所述当前节点的父节点对应的词语与所述待处理分词进行匹配，在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点，若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径，若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤，在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
应当理解的是，每次生成待选路径时，都将连线集合清空，再进行下一条待选路径的生成，从而避免连线集合中的连线混淆。
可以理解的是，由当前节点向根节点进行匹配，只要紧邻的下一关键节点，即当前节点的父节点也包含有待处理分词时，则继续向下进行匹配，否则匹配中止，即在匹配的过程中有两种方式中止匹配，一种是当前节点的父节点不包含待处理分词，另一种是当前节点为根节点，在这两种情况下都会退出匹配，根据连线集合中的连线生成待选路径。
本实施例中通过将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径，从而通过将带处理分词在预设分词树中进行匹配获得多条待选路径。
在一实施例中，如图5所示，基于第一实施例或第二实施例提出本发明语义识别方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤S50，包括：
步骤S501，将所述目标路径中各节点分别对应的词语作为目标词语。
需要说明的是，目标路径中包含的节点有根节点、目录节点和关键节点，因为根节点和目录节点没有对应的词语，因此将目标路径中关键节点对应的词语作为目标词语。
在具体实现中，例如，如图3所示，在目标路径为1&1.1&1.1.1&1.1.1.1时，其中的关键节点为节点1.1、节点1.1.1、节点1.1.1.1，节点1.1对应的词语为“我”、节点1.1.1对应的词语为“介绍”、节点1.1.1.1对应的词语为“爱好”，因此，将“我”、“介绍”、“爱好”作为目标词语。
步骤S502，根据预设排序规则对所述目标词语进行词语组合。
需要说明的是，预设排序规则可为从根节点到子节点对应的词语进行排序，也可为从子节点到根节点对应的词语进行排序，本实施例对此不作限制，本实施例以从根节点到子节点对应的词语进行排序。
步骤S503，将词语组合结果作为所述待识别语句的语义识别结果。
可以理解的是，词语组合结果即为待识别语句的语义识别结果，还可以获取词语组合结果中的最后一个目标词语，该目标词语为待识别语句的语义重点，可根据该目标词语对待识别语句进行回复。
在具体实现中，例如，对目标路径1&1.1&1.1.1&1.1.1.1中的目标词语进行词语组合后得到的词语组合结果为“我”&“介绍”&“爱好”，该词语组合的最后一个目标词语为“爱好”，因此，可见“爱好”作为该待识别语句的语义重点，可根据“爱好”对待识别语句进行回复。
应当理解的是，所述预设分词树，即路径图谱还可以是可视化维护图谱，可视化维护图谱比逐条维护语义规则要更封边，从奇点可以逐级扇形打开，方便查找和管理路径，通过关键节点的分词关联更多下级分词，可以避免重复录入规则。
在具体实现中，例如，几个问句：“你父亲多大”、“你父亲叫啥”、“你父亲是哪里人”、“你父亲是公务员”、“你父亲是不是”。按照传统模式要做成多条规则：“你父亲”&“多大”、“你父亲”&“叫啥”、“你父亲”&“哪里人”、“你父亲”&“是公务员”。“你父亲”这个分词，需要在多个规则里和其他分词组合形成调用规则，非常浪费时间，但是若果用图谱模式，将“你父亲”作为节点1.1对应的词语，将“多大”作为节点1.1.1对应的词语，将“叫啥”作为节点1.1.2对应的词语，将“是哪里人作为”节点1.1.3对应的词语，将“是公务员”作为节点1.1.4对应的词语，这样便可以根据路径词语组合，很方便的得到上述四个问句，可以有效的节约人力。
本实施例中通过将所述目标路径中各节点分别对应的词语作为目标词语，根据预设排序规则对所述目标词语进行词语组合，将词语组合结果作为所述待识别语句的语义识别结果，从而通过将目标词语进行词语组合将词语组合结果作为待识别语句的语义识别结果。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有语义识别程序，所述语义识别程序被处理器执行时实现如下操作：
获取待识别语句；
对所述待识别语句进行分词处理，获得待处理分词；
将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语；
从所述待选路径中选取目标路径；
将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；
对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；
将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
将所述当前节点的父节点对应的词语与所述待处理分词进行匹配；
在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点；
若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
获取所述待选路径中的节点数量；
根据所述节点数量对所述待选路径进行排序；
根据排序结果，将所述节点数量最多的待选路径作为目标路径。
进一步地，所述语义识别程序被处理器执行时还实现如下操作：
将所述目标路径中各节点分别对应的词语作为目标词语；
根据预设排序规则对所述目标词语进行词语组合；
将词语组合结果作为所述待识别语句的语义识别结果。
本实施例中通过获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径，从中选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
此外，参照图6，本发明实施例还提出一种语义识别装置，所述语义识别装置包括：
语句获取模块10，用于获取待识别语句。
需要说明的是，获取待识别语句的方式可为通过语音获取，也可为通过文字获取，可为现场获取，也可为远程获取，还可为其他方式，本市实施例对此不作限制。
可以理解的是，所述待识别语句可为问句、陈述句、感叹句或其他句式，本实施例对此不作限制。
分词处理模块20，用于对所述待识别语句进行分词处理，获得待处理分词。
可以理解的是，对所述待识别语句进行分词处理，将一个完整的语句拆分成一个个词语，将这些拆分成的词语作为待处理分词。
在具体实现中，例如，“你叫什么名字”可以分词为“你”、“叫”、“什么”、“名字”等四个词语，将这个四个词语作为待处理分词。
分词匹配模块30，用于将所述待处理分词在预设分词树中从叶子节点向根节点依次进行分词匹配，获得多条待选路径，所述预设分词树中各节点分别对应一个词语。
需要说明的是，预设分词树为树状结构，具体可为路径图谱，为技术人员通过大数据分析提前设置好的，如图3所示，路径图谱是从一个奇点开始(所述奇点即为根节点)，进行扇形展开，扇形中包含有关键节点和目录节点，关键节点用于存储词语与答案，并参与路径砌词，目录节点只是分类标记用，并不参与路径砌词，通过路径节点的逐级增加，形成从奇点开始的扇形图谱，从奇点开始将每个分支上的关键节点和目录节点串联在一起就可以形成路径。
可以理解的是，所述叶子节点为树中没有子节点的节点，如图3所示，节点1为根节点，节点1.1.1.1、节点1.1.1.2、节点1.2.1、节点1.1.2.1、节点1.1.2.2、节点1.3.1.1、节点1.3.2.1、节点1.3.2.2为叶子节点，节点1.1.1为节点1.1.1.1、节点1.1.1.2的父节点，节点1.1.2为节点1.1.2.1、节点1.1.2.2的父节点，节点1.2为节点1.2.1的父节点，节点1.3.1为节点1.3.1.1的父节点，节点1.3.2为节点1.3.2.1、节点1.3.2.2的父节点，节点1.1为节点1.1.1、节点1.1.2的父节点，节点1.3为节点1.3.1、节点1.3.2的父节点，其中，图3中除了节点1为根节点、节点1.1.2、节点1.3.1为目录节点外，其他节点均为关键节点，预设分词树中还可以包含更多或更少的节点，本实施例对此不作限制，本实施例以此为例进行说明。
可以理解的是，如图3所示，将两个节点即为连线，根据多个连线可以生成路径，路径也可为单个连线。例如，图3中的1.1&1.1.1、1.2&1.2.1为连线，1&1.1&1.1.1&1.1.1.1、1&1.1&1.1.1&1.1.1.2、1&1.1&1.1.2&1.1.2.1、1&1.1&1.1.2&1.1.2.2这些都为路径。
路径选取模块40，用于从所述待选路径中选取目标路径。
可以理解的是，从所述待选路径中选取目标路径，具体为，获取所述待选路径中的节点数量，根据所述节点数量对所述待选路径进行排序，根据排序结果，将所述节点数量最多的待选路径作为目标路径。
需要说明的是，因为目录节点没有对应的词语，因此，最终进行排序的节点数量不含有目录节点，即上述步骤之前还包括，检测各待选路径中是否含有目录节点，在含有目录节点时，获取各待选路径中的节点总数和目录节点数量，根据所述节点总数和目录节点数量计算得出各待选路径中的节点数量，即用节点总数减去目录节点数量就可以得到各待选路径中的节点数量。
在具体实现中，例如，待选路径有3条，分别为路径1：1&1.1&1.1.1&1.1.1.1，路径2：1&1.1&1.1.1，路径3：1&1.1，可见，路径1中包含4个节点，路径2中包含3个节点，路径3中包含2个节点，根据节点数量对待选路径从大到小进行排序得到的排序结果为：路径1、路径2、路径3，可见，节点数量最多的路径为路径1，因此，将路径1作为目标路径。
在具体实现中，又例如，待选路径有3条，分别为路径1：1&1.1&1.1.1&1.1.1.1，路径2：1&1.1&1.1.2&1.1.2.1，路径3：1&1.1，可以理解的是，此时可检测到待选路径中含有目录节点1.1.2，因此，先获取各待选路径的节点总数和目录节点数量，即路径1的节点总数为4，目录节点数量为0，路径2的节点总数为4，目录节点数量为1，路径3的节点总数为2，目录节点数量为0，可计算得出路径1的节点数量为4，路径2的节点数量为3，路径3的节点数量为2，根据节点数量对待选路径从大到小进行排序得到的排序结果为：路径1、路径2、路径3，可见，节点数量最多的路径为路径1，因此，将路径1作为目标路径。
语义识别模块50，用于将所述目标路径中各节点分别对应的词语进行组合，并将词语组合结果作为所述待识别语句的语义识别结果。
可以理解的是，每个节点都有对应的词语，将根节点和目录节点的词语设置为空，将目标路径中的关键节点对应的词语作为目标词语，将目标词语根据预设排序规则对所述目标词语进行词语组合，将词语组合结果作为待识别语句的语义识别结果。
可以理解的是，预设排序规则可为从根节点到子节点对应的词语进行排序，也可为从子节点到根节点对应的词语进行排序，本实施例对此不作限制，本实施例以从根节点到子节点对应的词语进行排序。
在具体实现中，例如，目标路径为1&1.1&1.1.1&1.1.1.1，其中，节点1为根节点，不参与词语组合过程，节点1.1对应的词语为“我”、节点1.1.1对应的词语为“介绍”、节点1.1.1.1对应的词语为“爱好”，根据从根节点到子节点对应的词语进行排序得到的词语组合结果为“我”&“介绍”&“爱好”，因此，将“我介绍爱好”作为语义识别结果。
本实施例中通过获取待识别语句，对所述待识别语句进行分词处理，获得待处理分词，将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，从所述待选路径中选取目标路径，将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，从而通过将待识别语句分词得到的待处理分词在预设分词树中进行匹配，得到多条待选路径，从中选出目标路径，将目标路径中各节点对应的词语组合，将词语组合结果作为待识别语句的语义识别结果，解决了如何简化语义识别过程并提高语义识别准确率的技术问题。
在一实施例中，所述分词匹配模块30，还用于将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
在一实施例中，所述分词匹配模块30，还用于将所述当前节点的父节点对应的词语与所述待处理分词进行匹配；在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点；若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径。
在一实施例中，所述分词匹配模块30，还用于若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤。
在一实施例中，所述分词匹配模块30，还用于在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
在一实施例中，所述路径选取模块40，还用于获取所述待选路径中的节点数量；根据所述节点数量对所述待选路径进行排序；根据排序结果，将所述节点数量最多的待选路径作为目标路径。
在一实施例中，所述语义识别模块50，还用于将所述目标路径中各节点分别对应的词语作为目标词语；根据预设排序规则对所述目标词语进行词语组合；将词语组合结果作为所述待识别语句的语义识别结果。
在本发明所述语义识别装置的其他实施例或具体实现方法可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能终端设备(可以是手机，计算机，终端设备，空调器，或者网络终端设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种语义识别方法，其特征在于，所述语义识别方法包括以下步骤：
获取待识别语句；
对所述待识别语句进行分词处理，获得待处理分词；
将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，所述预设分词树为树状结构，从一个奇点开始，所述奇点即为根节点，进行扇形展开，扇形中包含有关键节点和目录节点，关键节点用于存储词语与答案，并参与路径砌词，目录节点只是分类标记用，并不参与路径砌词，通过路径节点的逐级增加，形成从奇点开始的扇形图谱，从奇点开始将每个分支上的关键节点和目录节点进行串联得到所述预设分词树，所述预设分词树为可视化维护图谱，从奇点逐级扇形打开，通过关键节点的分词关联更多下级分词，以方便查找和管理路径，避免重复录入规则；
从所述待选路径中选取目标路径，所述目标路径为节点数量最多的所述待选路径，所述节点数量为所述待选路径中的节点总数与目录节点数量的差值；
将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果。
2.如权利要求1所述的语义识别方法，其特征在于，所述将所述待处理分词在预设分词树中从叶子节点向根节点依次进行匹配，获得多条待选路径，具体包括：
将所述待处理分词依次与所述预设分词树中叶子节点对应的词语进行匹配，将匹配成功的叶子节点作为待选节点；
对所述待选节点进行遍历，将遍历到的待选节点作为当前节点；
将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径。
3.如权利要求2所述的语义识别方法，其特征在于，所述将所述待处理分词在预设分词树中从所述当前节点向根节点依次进行匹配，获得多条待选路径，具体包括：
将所述当前节点的父节点对应的词语与所述待处理分词进行匹配；
在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点；
若所述当前节点为根节点，则根据所述连线集合中的连线生成待选路径。
4.如权利要求3所述的语义识别方法，其特征在于，所述在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点之后，还包括：
若所述当前节点不为根节点，则返回所述将所述当前节点的父节点对应的词语与所述待处理分词进行匹配的步骤。
5.如权利要求3所述的语义识别方法，其特征在于，所述在所述当前节点的父节点对应的词语与所述待处理分词匹配成功时，将所述当前节点与所述父节点的连线添加至连线集合中，将所述父节点作为新的当前节点，判断所述当前节点是否为根节点之后，还包括：
在所述当前节点的父节点对应的词语与所述待处理分词匹配不成功时，根据所述连线集合中的连线生成待选路径。
6.如权利要求1所述的语义识别方法，其特征在于，所述从所述待选路径中选取目标路径，具体包括：
获取所述待选路径中的节点数量；
根据所述节点数量对所述待选路径进行排序；
根据排序结果，将所述节点数量最多的待选路径作为目标路径。
7.如权利要求1～6中任一项所述的语义识别方法，其特征在于，所述将所述目标路径中各节点分别对应的词语进行词语组合，并将词语组合结果作为所述待识别语句的语义识别结果，具体包括：
将所述目标路径中各节点分别对应的词语作为目标词语；
根据预设排序规则对所述目标词语进行词语组合；
将词语组合结果作为所述待识别语句的语义识别结果。
8.一种语义识别装置，其特征在于，所述语义识别装置包括：
语句获取模块，用于获取待识别语句；
分词处理模块，用于对所述待识别语句进行分词处理，获得待处理分词；
分词匹配模块，用于将所述待处理分词在预设分词树中从叶子节点向根节点依次进行分词匹配，获得多条待选路径，所述预设分词树为树状结构，从一个奇点开始，所述奇点即为根节点，进行扇形展开，扇形中包含有关键节点和目录节点，关键节点用于存储词语与答案，并参与路径砌词，目录节点只是分类标记用，并不参与路径砌词，通过路径节点的逐级增加，形成从奇点开始的扇形图谱，从奇点开始将每个分支上的关键节点和目录节点进行串联得到所述预设分词树，所述预设分词树为可视化维护图谱，从奇点逐级扇形打开，通过关键节点的分词关联更多下级分词，以方便查找和管理路径，避免重复录入规则；
路径选取模块，用于从所述待选路径中选取目标路径，所述目标路径为节点数量最多的所述待选路径，所述节点数量为所述待选路径中的节点总数与目录节点数量的差值；
语义识别模块，用于将所述目标路径中各节点分别对应的词语进行组合，并将词语组合结果作为所述待识别语句的语义识别结果。
9.一种语义识别设备，其特征在于，所述语义识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的语义识别程序，所述语义识别程序配置为实现如权利要求1至7中任一项所述的语义识别方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有语义识别程序，所述语义识别程序被处理器执行时实现如权利要求1至7中任一项所述的语义识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910850419.9A CN110569507B (zh) | 2019-09-09 | 2019-09-09 | 语义识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910850419.9A CN110569507B (zh) | 2019-09-09 | 2019-09-09 | 语义识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110569507A CN110569507A (zh) | 2019-12-13 |
| CN110569507B true CN110569507B (zh) | 2024-04-09 |
Family
ID=68778787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910850419.9A Active CN110569507B (zh) | 2019-09-09 | 2019-09-09 | 语义识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110569507B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163082B (zh) * | 2020-10-16 | 2023-09-12 | 泰康保险集团股份有限公司 | 一种意图识别方法、装置、电子设备及存储介质 |
| CN112699348A (zh) * | 2020-12-25 | 2021-04-23 | 中国平安人寿保险股份有限公司 | 核身信息校验的方法、装置、计算机设备及存储介质 |
| CN112632991B (zh) * | 2020-12-30 | 2024-05-14 | 北京久其软件股份有限公司 | 一种中文语言的特征信息提取方法及装置 |
| CN112784133B (zh) * | 2021-01-22 | 2024-05-17 | 中信银行股份有限公司 | 链路可视化方法、装置、设备及存储介质 |
| CN114492457B (zh) * | 2022-02-16 | 2023-07-07 | 平安科技（深圳）有限公司 | 语义识别方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015018241A1 (zh) * | 2013-08-04 | 2015-02-12 | Xu Hua | 一种语音识别系统和构建方法 |
| CN104796334A (zh) * | 2015-04-30 | 2015-07-22 | 无锡市崇安区科技创业服务中心 | 一种数据传输路径选择方法 |
| CN108053873A (zh) * | 2017-12-29 | 2018-05-18 | 安徽方正医疗信息技术有限公司 | 一种基于全院通用业务的公共控件节点树的设计方法 |
| CN108549631A (zh) * | 2018-03-30 | 2018-09-18 | 北京智慧正安科技有限公司 | 名词词库提取方法、电子装置及计算机可读存储介质 |
| CN110162780A (zh) * | 2019-04-08 | 2019-08-23 | 深圳市金微蓝技术有限公司 | 用户意图的识别方法和装置 |
| CN110209829A (zh) * | 2018-02-12 | 2019-09-06 | 百度在线网络技术（北京）有限公司 | 信息处理方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2601166C2 (ru) * | 2015-03-19 | 2016-10-27 | Общество с ограниченной ответственностью "Аби ИнфоПоиск" | Разрешение анафоры на основе технологии глубинного анализа |
-
2019
- 2019-09-09 CN CN201910850419.9A patent/CN110569507B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015018241A1 (zh) * | 2013-08-04 | 2015-02-12 | Xu Hua | 一种语音识别系统和构建方法 |
| CN104796334A (zh) * | 2015-04-30 | 2015-07-22 | 无锡市崇安区科技创业服务中心 | 一种数据传输路径选择方法 |
| CN108053873A (zh) * | 2017-12-29 | 2018-05-18 | 安徽方正医疗信息技术有限公司 | 一种基于全院通用业务的公共控件节点树的设计方法 |
| CN110209829A (zh) * | 2018-02-12 | 2019-09-06 | 百度在线网络技术（北京）有限公司 | 信息处理方法和装置 |
| CN108549631A (zh) * | 2018-03-30 | 2018-09-18 | 北京智慧正安科技有限公司 | 名词词库提取方法、电子装置及计算机可读存储介质 |
| CN110162780A (zh) * | 2019-04-08 | 2019-08-23 | 深圳市金微蓝技术有限公司 | 用户意图的识别方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| AI行业应用场景浅析;孙杰平;通信世界;20180905(第24期);34 * |
| Lotfi Abdi.Semantic recognition: unified framework for joint object detection and semantic segmentation.SAC '17: Proceedings of the Symposium on Applied Computing.2017,83–88. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110569507A (zh) | 2019-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110569507B (zh) | 语义识别方法、装置、设备及存储介质 | |
| CN105975530B (zh) | 基于聊天大数据知识库的机器人对话控制方法和系统 | |
| WO2021082836A1 (zh) | 机器人对话方法、装置、设备及计算机可读存储介质 | |
| CN107239450B (zh) | 基于交互上下文处理自然语言方法 | |
| CN106407178A (zh) | 一种会话摘要生成方法及装置 | |
| WO2022134421A1 (zh) | 基于多知识图谱的智能答复方法、装置、计算机设备及存储介质 | |
| CN110633960A (zh) | 一种基于大数据的人力资源智能匹配、推荐的方法 | |
| CN110489198A (zh) | 一种工单处理的方法和系统 | |
| CN103593412B (zh) | 一种基于树形结构问题的应答方法及系统 | |
| AU2017268599B2 (en) | Method, device, server and storage medium of searching a group based on social network | |
| CN116737908A (zh) | 知识问答方法、装置、设备和存储介质 | |
| CN112182186A (zh) | 智能客服的运行方法、装置以及系统 | |
| CN109241247A (zh) | 多方协作项目的问题处理方法、系统及服务器 | |
| CN110427470A (zh) | 问答处理方法、装置及电子设备 | |
| CN111400479B (zh) | 针对多轮对话的问题识别方法和装置 | |
| CN112966076A (zh) | 智能问答问题的生成方法、装置、计算机设备及存储介质 | |
| CN109189897B (zh) | 一种基于数据内容匹配的聊天方法及聊天装置 | |
| CN114722171B (zh) | 多轮对话处理方法、装置、电子设备及存储介质 | |
| CN108491506A (zh) | 用于推送问题答案组合的方法 | |
| JP2022059725A (ja) | 情報処理装置、情報処理システムおよびプログラム | |
| CN113468306A (zh) | 语音对话方法、装置、电子设备及存储介质 | |
| WO2020124444A1 (zh) | 一种信息处理的方法及相关装置 | |
| CN112182195A (zh) | 自动问答方法、装置、可读存储介质及电子设备 | |
| CN110232115A (zh) | 问题处理方法、设备、装置和计算机可读存储介质 | |
| CN117453372B (zh) | 一种任务规划方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200519 Address after: 100089 208-408, floor 2, building 6, yard 1, shangdishi street, Haidian District, Beijing Applicant after: Beijing tuanli Advertising Co.,Ltd. Address before: 100020 1116, floor 11, No. 102, Dongsanhuan South Road, Chaoyang District, Beijing Applicant before: Beijing Jinxin Magic Cube Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |