CN111008309B - 查询方法及装置 - Google Patents
查询方法及装置 Download PDFInfo
- Publication number
- CN111008309B CN111008309B CN201911241293.1A CN201911241293A CN111008309B CN 111008309 B CN111008309 B CN 111008309B CN 201911241293 A CN201911241293 A CN 201911241293A CN 111008309 B CN111008309 B CN 111008309B
- Authority
- CN
- China
- Prior art keywords
- query
- keywords
- intention
- tree model
- statement
- 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
- 230000015654 memory Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了查询方法及装置,涉及智能搜索领域。具体实现方案为:接收终端设备发送的查询语句,查询语句为自然语言语句;确定查询语句中多个关键词之间的依赖关系;根据多个关键词之间的依赖关系,确定查询语句的查询意图;根据多个关键词和查询意图,生成图数据库查询语句;根据数据库查询语句,向终端设备发送查询结果。通过该方案,由于根据多个关键词之间的依赖关系确定查询意图,可以适用于不同的语言场景下,灵活性更高,从而可以提高意图识别的成功率,进而提高查询的准确率。
Description
技术领域
本申请涉及信息处理领域,尤其涉及智能搜索技术,公开了一种查询方法及装置。
背景技术
图数据库是非关系型数据库(not only structured query language,NoSQL)的一种类型,通过应用图形理论来存储实体之间的关系信息。相比于传统的关系型数据库,图数据库的查询速度大大提高。然而,通过图数据库进行信息查询,需要将自然语言转化为图数据库语言。
现有技术中,主要基于句法规则来将自然语言转化为图数据库语言转换。该方法在每一个场景设置对应的句法规则,针对每个自然语言的查询语句,首先基于对应场景的句法规则来判断查询语句的查询意图,再根据查询意图将自然语言转化为图数据库语言。
然而,基于句法规则的意图匹配,往往较为死板,灵活性不高,只有当查询语句和句法规则完成一致时才可以成功匹配,同时,单纯地依靠句法规则来确定匹配意图,需要对每一个语言场景设置海量的规则,然而,在实际应用中往往无法全面的设置每一个场景的句法规则,导致了意图匹配的成功率较低,进而导致查询结果的准确性较低。
发明内容
本申请提供一种查询方法及装置,以解决现有技术中查询结果的准确性较低的问题。
本申请实施例的第一个方面提供一种查询方法,包括:
接收终端设备发送的查询语句,所述查询语句为自然语言语句;
确定所述查询语句中多个关键词之间的依赖关系;
根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
根据所述多个关键词和所述查询意图,生成图数据库查询语句;
根据所述图数据库查询语句,向所述终端设备发送查询结果。
通过该方式,由于根据多个关键词之间的依赖关系确定查询意图,可以适用于不同的语言场景下,灵活性更高,从而可以提高意图识别的成功率,进而提高查询的准确率。
在一种可选的实施方式中,所述根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图,包括:
根据所述多个关键词之间的依赖关系,建立所述查询语句对应的关系树模型,所述关系树模型包含有多个节点和节点之间的规则,所述节点为所述关键词,所述节点之间的规则为所述关键词之间的依赖关系;
将所述查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定所述查询语句的查询意图,所述关系树模型集合中的各关系树模型所表征的查询意图不同。
通过该可选的实施方式,可以通过关键词之间的依赖关系建立关系树模型,并根据关系树模型确定查询意图,从而可以提高意图查询的准确率。
在一种可选的实施方式中,所述根据所述多个关键词和所述查询意图,生成图数据库查询语句,包括:
将所述多个关键词填入所述查询意图对应的图数据库查询模板中,生成图数据库查询语句。
通过该可选的实施方式,通过将自然语言的查询语句转化为图数据库查询语句来进行图数据库查询,可以提高查询结果的准确性。
在一种可选的实施方式中,在所述生成图数据库查询语句之前,还包括:
从所述关键词中提取所述关键词的意图属性;
所述将所述多个关键词填入所述查询意图对应的图数据库查询模板中,生成图数据库查询语句,还包括:
在所述图数据库查询模板中添加与所述查询意图关联的所述关键词的意图属性,所述关键词的意图属性用于缩小所述查询语句的查询范围;
根据添加所述关键词的意图属性的图数据库查询模板,生成所述图数据库查询语句。
通过该可选的实施方式,可以基于关键词的意图属性,在图数据库查询模板中添加与查询意图关联的关键词的意图属性,进而可以使生成的图数据库查询语句更加准确,提高了查询结果的准确率。
在一种可选的实施方式中,所述从所述关键词中提取所述关键词的意图属性,包括:
根据所述查询语句对应的关系树模型,从所述关键词中提取所述关键词的意图属性。
通过该可选的实施方式,可以根据查询语句对应的关系树模型,从所述关键词中提取关键词的意图属性,进而可以使生成的图数据库查询语句更加准确,提高了查询结果的准确率。
在一种可选的实施方式中,所述确定所述查询语句中多个关键词之间的依赖关系,包括:
将所述查询语句切分为所述多个关键词;
根据所述自然语言的语法对所述关键词的词性进行分析,确定所述多个关键词之间的依赖关系。
通过该可选的实施方式,通过对查询语句进行切词,并根据自然语言的语法对关键词的词性进行分析,可以准确确定出多个关键词之间的依赖关系。
本申请实施例的第二个方面提供一种查询装置,包括:
接收模块,用于接收终端设备发送的查询语句,所述查询语句为自然语言语句;
关系确定模块,用于确定所述查询语句中多个关键词之间的依赖关系;
意图确定模块,用于根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
生成模块,用于根据所述多个关键词和所述查询意图,生成图数据库查询语句;
发送模块,用于根据所述图数据库查询语句,向所述终端设备发送查询结果。
在一种可选的实施方式中,所述意图确定模块具体用于根据所述多个关键词之间的依赖关系,建立所述查询语句对应的关系树模型,所述关系树模型包含有多个节点和节点之间的规则,所述节点为所述关键词,所述节点之间的规则为所述关键词之间的依赖关系;将所述查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定所述查询语句的查询意图,所述关系树模型集合中的各关系树模型所表征的查询意图不同。
在一种可选的实施方式中,所述生成模块具体用于将所述多个关键词填入所述查询意图对应的图数据库查询模板中,生成图数据库查询语句。
在一种可选的实施方式中,所述装置还包括:
提取模块,用于从所述关键词中提取所述关键词的意图属性;
所述生成模块还用于在所述图数据库查询模板中添加与所述查询意图关联的所述关键词的意图属性,所述关键词的意图属性用于缩小所述查询语句的查询范围;根据添加所述关键词的意图属性的图数据库查询模板,生成所述图数据库查询语句。
在一种可选的实施方式中,所述提取模块具体用于根据所述查询语句对应的关系树模型,从所述关键词中提取所述关键词的意图属性。
在一种可选的实施方式中,所述关系确定模块具体用于将所述查询语句切分为所述多个关键词;根据所述自然语言的语法对所述关键词的词性进行分析,确定所述多个关键词之间的依赖关系。
本申请实施例的第三个方面提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
本申请实施例的第四个方面提供一种非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面所述的方法。
本申请实施例的第五个方面提供一种查询方法,包括:
接收终端设备发送的查询语句,所述查询语句为自然语言语句;
确定所述查询语句中多个关键词之间的依赖关系;
根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
根据所述多个关键词和所述查询意图,生成图数据库查询语句。
上述申请中的一个实施例具有如下优点或有益效果:由于根据多个关键词之间的依赖关系确定查询意图,可以适用于不同的语言场景下,灵活性更高,从而可以提高意图识别的成功率,进而提高查询的准确率。因为采用根据多个关键词之间的依赖关系确定查询语句的查询意图的技术手段,所以克服了基于句法规则的意图匹配的成功率较低进而导致查询结果的准确性较低的技术问题,进而达到提高查询的准确率的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例提供的一种的查询方法的场景示意图;
图2为本申请实施例提供的一种查询方法的流程示意图;
图3为本申请实施例提供的另一种查询方法的流程示意图
图4为本申请实施例提供的一种关系树模型的示意图;
图5为本申请实施例提供的另一种关系树模型的示意图;
图6为本申请实施例提供的再一种查询方法的流程示意图;
图7为本申请实施例提供的再一种关系树模型的示意图;
图8为本申请实施例提供的又一种查询方法的流程示意图;
图9为本申请实施例提供的一种查询装置的结构示意图
图10为本申请实施例提供的一种电子设备示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
现有技术中,主要基于句法规则来将自然语言转化为图数据库语言转换。该方法在每一个场景设置对应的句法规则,针对每个自然语言的查询语句,首先基于对应场景的句法规则来判断查询语句的查询意图,再根据查询意图将自然语言转化为图数据库语言。
然而,基于句法规则的意图匹配,往往较为死板,灵活性不高,只有当查询语句和句法规则完成一致时才可以成功匹配,同时,单纯地依靠句法规则来确定匹配意图,需要对每一个语言场景设置海量的规则,然而,在实际应用中往往无法全面的设置每一个场景的句法规则,导致了意图匹配的成功率较低,进而导致查询结果的准确性较低。
考虑到上述问题,本申请实施例提供一种查询方法及装置,以提高查询结果的准确性。
图1为本申请实施例提供的一种的查询方法的场景示意图。请参照图1,终端设备101和服务器102交互。当进行信息查询时,终端设备101可以向服务器发送查询语句,服务器102接收到终端设备101发送的查询语句后,首先可以将查询语句中的自然语言转换为图数据库语言,其次,服务器102再根据图数据库语言的查询语句进行图数据库查询,获取查询结果。最后,服务器102将查询结果发送给终端设备101。
其中,终端设备101可以为任意需要进行信息查询的设备,可以是但不限于计算机,数字广播终端,移动电话、消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等用户设备。
服务器102可以是一台服务器,或者是一个云服务平台。服务器102可以接收终端设备101发送的查询语句,再向终端设备101发送查询结果。
需要说明的是,本申请技术方案的应用场景可以是图1中的应用场景,但并不限于此,还可以应用于其他需要将自然语言转换为图数据库语言的场景。
可以理解,该查询方法可以通过本申请实施例提供的查询装置执行,查询装置可以是某个设备的部分或全部,例如可以是上述的服务器。
下面以集成或安装有相关执行代码的服务器为例,以具体地实施例对本申请实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请实施例提供的一种查询方法的流程示意图,本实施例涉及的是服务器如何将自然语言的查询语句转化为图数据库查询语句的过程。如图2所示,该方法包括:
S201、接收终端设备发送的查询语句,查询语句为自然语言语句。
在本步骤中,当需要进行查询时,终端设备可以向服务器发送查询语句,服务器接收终端设备发送的查询语句。
其中,自然语言可以为自然地随文化演进的语言,例如汉语、英语、日语等。本申请实施例中的自然语言语句可以为文字语句,也可以为语音语句,本申请在此不做限制。
示例性的,想要查询某次行程的同行人,可以通过终端设备向服务器发送“和小明在6月18日乘坐火车的人”的自然语言语句,该自然语言语句可以是文字形式,也可以是语音形式。
S202、确定查询语句中多个关键词之间的依赖关系。
在本步骤中,当服务器接收到终端设备发送的查询语句后,可以确定查询语句中多个关键词之间的依赖关系。
其中,关键词可以包括核心词和辅助词,核心词可以为查询语句中的名词或动词,辅助词可以为查询语句中的形容词、介词等。关键词之间的依赖关系可以理解为关键词之间的语法和/或语义上的联系。
示例性的,若查询语句为“和小明在6月18日乘坐火车的人”,该查询语句包括的关键词有“和”、“小明”、“在”、“6月18日”、“乘坐”、“火车”、“的”、“人”。其中,“小明”、“和”之间存在依赖关系;“乘坐”、“的”、“人”之间存在依赖关系;“乘坐”、“火车”之间存在依赖关系;“6月18日”、“在”、“乘坐”之间存在依赖关系。
S203、根据多个关键词之间的依赖关系,确定查询语句的查询意图。
在本步骤中,当服务器确定查询语句中的多个关键词之间的依赖关系后,可以根据多个关键词之间的依赖关系分析出查询语句的查询意图。
本申请实施例对于查询意图的类型不做限制,示例性的,查询意图可以为查找同行人、查找航班、查找某个作家的书、查找某个演员的电影、查找某天的天气等。
在一种可选的实施方式中,当确定出多个关键词之间的依赖关系,可以基于多个关键词之间的依赖关系建立查询语句对应的关系树模型,再将关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定查询语句的查询意图。
在另一种可选的实施方式中,也可以直接将关键词之间的依赖关系和预设的依赖关系规则进行匹配,并将其中任意匹配成功的依赖关系规则对应的查询意图均作为该查询语句对应的查询意图。
S204、根据多个关键词和查询意图,生成图数据库查询语句。
在本步骤中,在服务器确定查询语句对应的查询意图后,可以根据多个关键词和查询意图,生成图数据库查询语句。
在一些实施例中,服务器可以先将关键词填入查询意图对应的图数据库查询模板中,再基于图数据库查询模板生成图数据库查询语句。
示例性的,若查询语句的查询意图为查找同行的人,则相应的,服务器可以获取查找同行的人对应的图数据库查询模板,再将与图数据库查询模板对应的关键词填入图数据库查询模板中,从而生成图数据库查询语句。
在另一些实施例中,服务器可以基于查询意图从查询语句中筛选可用的关键词,再根据可用的关键词生成图数据库查询语句。
结合图1,作为一种可选的应用场景,在生成图数据库查询语句后,服务器还可以根据图数据库查询语句,向终端设备发送查询结果。
需要说明的是,本申请实施例对于如何在图数据库中进行查询不做限制。
本申请实施例提供的查询方法,服务器接收终端设备发送的查询语句,该查询语句为自然语言语句,随后,服务器确定查询语句中多个关键词之间的依赖关系,并根据多个关键词之间的依赖关系,确定查询语句的查询意图。然后,根据多个关键词和查询意图,服务器生成图数据库查询语句,并根据数据库查询语句,向终端设备发送查询结果。通过该方案,根据多个关键词之间的依赖关系确定查询意图,可以适用于不同的语言场景下,灵活性更高,从而可以提高意图识别的成功率,进而提高查询的准确率。
在上述实施例的基础上,下面对于服务器如何确定查询语句的查询意图以及如何生成图数据库查询语句进行说明。图3为本申请实施例提供的另一种查询方法的流程示意图,如图3所示,该方法包括:
S301、接收终端设备发送的查询语句,查询语句为自然语言语句。
S302、确定查询语句中多个关键词之间的依赖关系。
步骤S301-S302的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201-S202理解,对于重复的内容,在此不再累述。
S303、根据多个关键词之间的依赖关系,建立查询语句对应的关系树模型。
在本步骤中,在服务器确定出多个关键词之间的依赖关系后,可以将多个关键词之间的依赖关系建立为关系树模型。
其中,关系树模型包含有多个节点和节点之间的规则,节点为关键词,节点之间的规则为关键词之间的依赖关系。
S304、将查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定查询语句的查询意图。
其中,关系树模型集合中的各关系树模型所表征的查询意图不同。
在本步骤中,服务器在建立好关系树模型后,可以将关系树模型和预设的关系树模型集合中的关系树模型进行匹配,若匹配成功,则可以将匹配成功的关系树模型集合中的关系树模型所表征的意图作为查询语句的查询意图。
其中,对于某查询意图,可以配置多个节点和节点之间的规则来对输入查询语句的关系树进行匹配。节点和节点之间的规则描述了一个核心的依赖关系结构,若关系树模型具备这个依赖关系结构的查询语句,就判定该查询语句为符合这个查询意图。
S305、将多个关键词填入查询意图对应的图数据库查询模板中,生成图数据库查询语句。
在本步骤中,针对每一个查询意图均可以提前固化图数据库查询模板,服务器可以将多个关键词填入查询意图对应的图数据库查询模板中,生成图数据库查询语句。
示例性的,对于查找“同行人”的查询意图,可以提前固化了图数据库查询模版,将伴随人的人名和交通工具等关键词填入图数据库查询模版,生成图数据库查询语句。相应的,在查询过程中,可以从伴随人出发,通过“人-地”出行关系找到目的地,然后再次通过具有相同属性的“人-地”出现关系找到另一个出行人。
图4为本申请实施例提供的一种关系树模型的示意图,如图4所示,图4中的关系树模型对应的查询语句为“和小明在6月18日乘坐火车的人”。其中,图4中的关系树模型包括有节点“和”、“小明”、“在”、“6月18日”、“乘坐”、“火车”、“的”、“人”。此外,该关系树模型还包括有四组节点和节点之间的规则,分别为“小明”、“和”之间存在的依赖关系,“乘坐”、“的”、“人”之间存在的依赖关系,“乘坐”、“火车”之间存在的依赖关系,以及“6月18日”、“在”、“乘坐”之间存在的依赖关系。
图5为本申请实施例提供的另一种关系树模型的示意图,示例性的,图5中的关系树模型可以为预设的关系树模型集合中的关系树模型。如图5所示的关系树模型包括有三条节点和节点之间的规则,四个定项节点,以及两个不定项节点N。不定项节点N为抽象描述节点,可以匹配多个词。示例性的,“乘坐”的下级节点,是一个名词节点,该名词节点会额外配置一个交通工具的词典;“和”的下级节点,是一个“人名”实体节点,该名词节点会额外配置一个人名实体的词典。在匹配过程中,若两个关系树模型中某条规则的定项节点中的关键词一致,不定项节点的关键词符合字典内容,那么这个输入语句就匹配上这条规则。
示例性的,图4的关系树模型包含了图5的关系树模型中的所以规则,同时“乘坐”的下级节点“火车”符合交通工具字典,“和”的下级节点“小明”符合人名实体的词典,则两个关系树模型成功匹配,查询语句的查询意图即为图5的关系树所表征的查询意图“查找同行人”。
本申请实施例提供的查询方法,根据多个关键词之间的依赖关系,建立查询语句对应的关系树模型,并将查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定查询语句的查询意图,提高了查询意图匹配的准确性,进而提高了查询结果的准确性。
在上述实施例的基础上,在生成图数据库查询模板还可以添加额外的限制信息。下面对于服务器如何提取关键词的意图属性以及如何在图数据库查询模板添加额外的限制信息进行说明。图6为本申请实施例提供的再一种查询方法的流程示意图,如图6所示,该方法包括:
S401、接收终端设备发送的查询语句,查询语句为自然语言语句。
S402、确定查询语句中多个关键词之间的依赖关系。
S403、根据多个关键词之间的依赖关系,确定查询语句的查询意图。
步骤S401-S403的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201-S203理解,对于重复的内容,在此不再累述。
S404、从关键词中提取关键词的意图属性。
在本步骤中,在确定查询语句的查询意图后,还可以从关键词中提取关键词的意图属性。
在一种可选的实施方式中,根据查询语句对应的关系树模型,从关键词中提取关键词的意图属性。在确定查询语句的查询意图的过程中,可以将关系树模型中的节点和预设的需求信息进行匹配,需求信息不会影响查询意图的判定,但是如果查询语句的关系树模型存在符合需求信息的节点,则这些节点需求就可以提取出相关的意图属性信息。其中,需求信息可以包括时间需求、人名需求和地点需求等。
S405、将多个关键词填入查询意图对应的图数据库查询模板中。
S406、在图数据库查询模板中添加与查询意图关联的关键词的意图属性,关键词的意图属性用于缩小所述查询语句的查询范围。
在本步骤中,在提取出关键词的意图属性后,还可以在图数据库查询模板中添加与查询意图关联的关键词的意图属性。
其中,关键词的意图属性可以对地点、时间、人物等进行限制,可以更加准确地缩小查询语句的查询范围。
示例性的,若服务器判定为一个“同行人”查询,且提取到“同行”的伴随人意图属性,则可以在图数据库查询模版中添加该伴随人意图属性,如果有额外提取到“出现”方式和出行时间,也可以在图数据库查询模版中添加相应的意图属性,作为“人-地”出现关系的属性限制。
S407、根据添加关键词的意图属性的图数据库查询模板,生成图数据库查询语句。
图7为本申请实施例提供的再一种关系树模型的示意图。如图7所示,节点N满足同行人需求信息和交通工具需求信息,节点TIME满足时间需求信息。节点N可以提取出“同行”的伴随人的意图属性,以及“同行”的交通方式的意图属性。“TIME”是一个时间需求节点,表示输入语句这里是一个时间的意图属性。而“P”是介词节点,不能直接提取意图属性,但是它和它的下级节点“TIME”,可以一起提取出时间的意图属性。
本申请实施例提供的查询方法,可以从关键词中提取关键词的意图属性,并在图数据库查询模板中添加关键词的意图属性,进而可以对查询范围进一步限定,提高查询结果的准确性。
在上述实施例的基础上,下面对于服务器如何确定查询语句中多个关键词之间的依赖关系进行说明。图8为本申请实施例提供的又一种查询方法的流程示意图,如图8所示,该方法包括:
S501、接收终端设备发送的查询语句,查询语句为自然语言语句。
步骤S501的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201理解,对于重复的内容,在此不再累述。
S502、将查询语句切分为多个关键词。
在本步骤中,当服务器接收到终端设备发送的查询语句后,可以首先对查询语句进行切词。
本申请实施例对于如何对查询语句进行切词不做限制,可以采用任意一种切词方式对查询语句进行切词。
S503、根据自然语言的语法对关键词的词性进行分析,确定多个关键词之间的依赖关系。
在本步骤中,在完成切词后,服务器可以根据自然语言的语法对关键词的词性进行分析,利用关键词的词性和语序关系,确定多个关键词之间的依赖关系。
在一些实施例中,可以首先确定查询语句中的名词和动词,在确定出的名词和动词前后紧邻的词中根据自然语言的语法确定相关词,往下分别使各种介词、动词等来修饰名词或者对核心词进行相关的动作,依次确定介词、动词等于名词之间的依赖关系。
S504、根据多个关键词之间的依赖关系,确定查询语句的查询意图。
S505、根据多个关键词和查询意图,生成图数据库查询语句。
步骤S504-S505的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S203-S204理解,对于重复的内容,在此不再累述。
本申请实施例提供的查询方法,通过将查询语句切分为多个关键词,并根据自然语言的语法对关键词的词性进行分析,使得服务器可以准确识别出多个关键词之间的依赖关系,提高了意图属性的识别准确率,进而提高了查询准确率。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图9为本申请实施例提供的一种查询装置的结构示意图。该查询装置可以通过软件、硬件或者两者的结合实现,可以为前述所说的服务器。
如图9所示,该查询装置包括:
接收模块601,用于接收终端设备发送的查询语句,查询语句为自然语言语句;
关系确定模块602,用于确定查询语句中多个关键词之间的依赖关系;
意图确定模块603,用于根据多个关键词之间的依赖关系,确定查询语句的查询意图;
生成模块604,用于根据多个关键词和查询意图,生成图数据库查询语句;
发送模块605,用于根据图数据库查询语句,向终端设备发送查询结果。
一种可选的实施方式中,意图确定模块603具体用于根据多个关键词之间的依赖关系,建立查询语句对应的关系树模型,关系树模型包含有多个节点和节点之间的规则,节点为关键词,节点之间的规则为关键词之间的依赖关系;将查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定查询语句的查询意图,关系树模型集合中的各关系树模型所表征的查询意图不同。
一种可选的实施方式中,生成模块604具体用于将多个关键词填入查询意图对应的图数据库查询模板中,生成图数据库查询语句。
一种可选的实施方式中,装置还包括:
提取模块606,用于从关键词中提取关键词的意图属性;
生成模块604具体用于将多个关键词填入查询意图对应的图数据库查询模板中;在图数据库查询模板中添加与查询意图关联的关键词的意图属性,关键词的意图属性用于缩小所述查询语句的查询范围;根据添加关键词的意图属性的图数据库查询模板,生成图数据库查询语句。
一种可选的实施方式中,提取模块606具体用于根据查询语句对应的关系树模型,从关键词中提取关键词的意图属性。
一种可选的实施方式中,关系确定模块602具体用于将查询语句切分为多个关键词;根据自然语言的语法对关键词的词性进行分析,确定多个关键词之间的依赖关系。
本申请实施例提供的查询装置,可以执行上述方法实施例中服务器的动作,其实现原理和技术效果类似,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
图10为本申请实施例提供的一种电子设备示意图。如图10所示,是根据本申请实施例的查询方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的查询方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的查询方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的查询方法对应的程序指令/模块(例如,附图9所示的接收模块601、关系确定模块602、意图确定模块603、生成模块604、发送模块605和提取模块607)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的查询方法。
存储器702可以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、至少一个功能所需要的应用程序;存储数据区可存储根据查询的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至查询的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
查询方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与查询的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,由于根据多个关键词之间的依赖关系确定查询意图,可以适用于不同的语言场景下,灵活性更高,从而可以提高意图识别的成功率,进而提高查询的准确率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (7)
1.一种查询方法,其特征在于,包括:
接收终端设备发送的查询语句,所述查询语句为自然语言语句;
确定所述查询语句中多个关键词之间的依赖关系;
根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
从关键词中提取关键词的意图属性;
将所述多个关键词填入所述查询意图对应的图数据库查询模板中;
在图数据库查询模板中添加与所述查询意图关联的所述关键词的意图属性,所述关键词的意图属性用于缩小所述查询语句的查询范围;
根据添加所述关键词的意图属性的图数据库查询模板,生成所述图数据库查询语句;
根据所述图数据库查询语句,向所述终端设备发送查询结果;
所述确定所述查询语句中多个关键词之间的依赖关系,包括:
将所述查询语句切分为所述多个关键词;
根据所述自然语言的语法对所述关键词的词性进行分析,确定查询语句中的核心词和辅助词;
在确定出的核心词前后紧邻的词中,利用关键词的词性和语序关系,往下分别使各种辅助词来修饰核心词或者对核心词相关的动作,依次确定核心词和辅助词之间的依赖关系;
所述根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图,包括:
根据所述多个关键词之间的依赖关系,建立所述查询语句对应的关系树模型,所述关系树模型包含有多个节点和节点之间的规则,所述节点为所述关键词,所述节点之间的规则为所述关键词之间的依赖关系;
将所述查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定所述查询语句的查询意图,所述关系树模型集合中的各关系树模型所表征的查询意图不同。
2.根据权利要求1所述的方法,其特征在于,从所述关键词中提取所述关键词的意图属性,包括:
根据所述查询语句对应的关系树模型,从所述关键词中提取所述关键词的意图属性。
3.一种查询装置,其特征在于,包括:
接收模块,用于接收终端设备发送的查询语句,所述查询语句为自然语言语句;
关系确定模块,用于确定所述查询语句中多个关键词之间的依赖关系;
意图确定模块,用于根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
生成模块,用于根据所述多个关键词和所述查询意图,生成图数据库查询语句;
发送模块,用于根据所述图数据库查询语句,向所述终端设备发送查询结果;
所述生成模块具体用于将所述多个关键词填入所述查询意图对应的图数据库查询模板中,生成图数据库查询语句;
所述装置还包括:
提取模块,用于从所述关键词中提取所述关键词的意图属性;
所述生成模块具体还用于在所述图数据库查询模板中添加与所述查询意图关联的所述关键词的意图属性,所述关键词的意图属性用于缩小所述查询语句的查询范围;根据添加所述关键词的意图属性的图数据库查询模板,生成所述图数据库查询语句;
所述关系确定模块,具体用于:
将所述查询语句切分为所述多个关键词;
根据所述自然语言的语法对所述关键词的词性进行分析,确定查询语句中的核心词和辅助词;
在确定出的核心词前后紧邻的词中,利用关键词的词性和语序关系,往下分别使各种辅助词来修饰核心词或者对核心词相关的动作,依次确定核心词和辅助词之间的依赖关系;
所述意图确定模块具体用于根据所述多个关键词之间的依赖关系,建立所述查询语句对应的关系树模型,所述关系树模型包含有多个节点和节点之间的规则,所述节点为所述关键词,所述节点之间的规则为所述关键词之间的依赖关系;将所述查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定所述查询语句的查询意图,所述关系树模型集合中的各关系树模型所表征的查询意图不同。
4.根据权利要求3所述的装置,其特征在于,所述提取模块具体用于根据所述查询语句对应的关系树模型,从所述关键词中提取所述关键词的意图属性。
5.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1或2任一项所述的方法。
6.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1或2所述的方法。
7.一种查询方法,其特征在于,包括:
接收终端设备发送的查询语句,所述查询语句为自然语言语句;
确定所述查询语句中多个关键词之间的依赖关系;
根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图;
从关键词中提取关键词的意图属性;
将所述多个关键词填入所述查询意图对应的图数据库查询模板中;
在图数据库查询模板中添加与所述查询意图关联的所述关键词的意图属性,所述关键词的意图属性用于缩小所述查询语句的查询范围;
根据添加所述关键词的意图属性的图数据库查询模板,生成所述图数据库查询语句;
所述确定所述查询语句中多个关键词之间的依赖关系,包括:
将所述查询语句切分为所述多个关键词;
根据所述自然语言的语法对所述关键词的词性进行分析,确定查询语句中的核心词和辅助词;
在确定出的核心词前后紧邻的词中,利用关键词的词性和语序关系,往下分别使各种辅助词来修饰核心词或者对核心词相关的动作,依次确定核心词和辅助词之间的依赖关系;
所述根据所述多个关键词之间的依赖关系,确定所述查询语句的查询意图,包括:
根据所述多个关键词之间的依赖关系,建立所述查询语句对应的关系树模型,所述关系树模型包含有多个节点和节点之间的规则,所述节点为所述关键词,所述节点之间的规则为所述关键词之间的依赖关系;
将所述查询语句对应的关系树模型和预设的关系树模型集合中的关系树模型进行匹配,确定所述查询语句的查询意图,所述关系树模型集合中的各关系树模型所表征的查询意图不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241293.1A CN111008309B (zh) | 2019-12-06 | 2019-12-06 | 查询方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241293.1A CN111008309B (zh) | 2019-12-06 | 2019-12-06 | 查询方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008309A CN111008309A (zh) | 2020-04-14 |
CN111008309B true CN111008309B (zh) | 2023-08-08 |
Family
ID=70115032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911241293.1A Active CN111008309B (zh) | 2019-12-06 | 2019-12-06 | 查询方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008309B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111966781B (zh) * | 2020-06-28 | 2024-02-20 | 北京百度网讯科技有限公司 | 数据查询的交互方法及装置、电子设备和存储介质 |
CN114253990A (zh) * | 2021-11-08 | 2022-03-29 | 广州广电运通信息科技有限公司 | 数据库查询方法、装置、计算机设备和存储介质 |
CN114461665B (zh) * | 2022-01-26 | 2023-01-24 | 北京百度网讯科技有限公司 | 用于生成语句转换模型的方法、装置及计算机程序产品 |
CN116628004B (zh) * | 2023-05-19 | 2023-12-08 | 北京百度网讯科技有限公司 | 信息查询方法、装置、电子设备及存储介质 |
CN117112806B (zh) * | 2023-10-12 | 2024-01-26 | 北京大学深圳研究生院 | 一种基于知识图谱的信息结构化方法和装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081774A (en) * | 1997-08-22 | 2000-06-27 | Novell, Inc. | Natural language information retrieval system and method |
CN1928864A (zh) * | 2006-09-22 | 2007-03-14 | 浙江大学 | 一种基于问答库的中文自然语言问答方法 |
CA2668306A1 (en) * | 2009-06-08 | 2010-12-08 | Stephen R. Germann | Method and system for applying metadata to data sets of file objects |
CN102693310A (zh) * | 2012-05-28 | 2012-09-26 | 无锡成电科大科技发展有限公司 | 一种基于关系数据库的资源描述框架查询方法和系统 |
EP2559030A1 (en) * | 2010-03-19 | 2013-02-20 | Digimarc Corporation | Intuitive computing methods and systems |
CN103646032A (zh) * | 2013-11-11 | 2014-03-19 | 漆桂林 | 一种基于本体和受限自然语言处理的数据库查询方法 |
CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
CN106528531A (zh) * | 2016-10-31 | 2017-03-22 | 北京百度网讯科技有限公司 | 基于人工智能的意图分析方法及装置 |
CN107679039A (zh) * | 2017-10-17 | 2018-02-09 | 北京百度网讯科技有限公司 | 用于确定语句意图的方法和装置 |
CN108345608A (zh) * | 2017-01-24 | 2018-07-31 | 北京搜狗科技发展有限公司 | 一种搜索方法、装置及设备 |
CN109800284A (zh) * | 2018-12-19 | 2019-05-24 | 中国电子科技集团公司第二十八研究所 | 一种面向任务的非结构化信息智能问答系统构建方法 |
CN109815492A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 一种基于识别模型的意图识别方法、识别设备及介质 |
CN109947794A (zh) * | 2019-02-21 | 2019-06-28 | 东华大学 | 一种交互式自然语言查询转换方法 |
CN110069709A (zh) * | 2019-04-10 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 意图识别方法、装置、计算机可读介质及电子设备 |
CN110147437A (zh) * | 2019-05-23 | 2019-08-20 | 北京金山数字娱乐科技有限公司 | 一种基于知识图谱的搜索方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9519693B2 (en) * | 2012-06-11 | 2016-12-13 | 9224-5489 Quebec Inc. | Method and apparatus for displaying data element axes |
-
2019
- 2019-12-06 CN CN201911241293.1A patent/CN111008309B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081774A (en) * | 1997-08-22 | 2000-06-27 | Novell, Inc. | Natural language information retrieval system and method |
CN1928864A (zh) * | 2006-09-22 | 2007-03-14 | 浙江大学 | 一种基于问答库的中文自然语言问答方法 |
CA2668306A1 (en) * | 2009-06-08 | 2010-12-08 | Stephen R. Germann | Method and system for applying metadata to data sets of file objects |
EP2559030A1 (en) * | 2010-03-19 | 2013-02-20 | Digimarc Corporation | Intuitive computing methods and systems |
CN102693310A (zh) * | 2012-05-28 | 2012-09-26 | 无锡成电科大科技发展有限公司 | 一种基于关系数据库的资源描述框架查询方法和系统 |
CN103646032A (zh) * | 2013-11-11 | 2014-03-19 | 漆桂林 | 一种基于本体和受限自然语言处理的数据库查询方法 |
CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
CN106528531A (zh) * | 2016-10-31 | 2017-03-22 | 北京百度网讯科技有限公司 | 基于人工智能的意图分析方法及装置 |
CN108345608A (zh) * | 2017-01-24 | 2018-07-31 | 北京搜狗科技发展有限公司 | 一种搜索方法、装置及设备 |
CN107679039A (zh) * | 2017-10-17 | 2018-02-09 | 北京百度网讯科技有限公司 | 用于确定语句意图的方法和装置 |
CN109800284A (zh) * | 2018-12-19 | 2019-05-24 | 中国电子科技集团公司第二十八研究所 | 一种面向任务的非结构化信息智能问答系统构建方法 |
CN109815492A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 一种基于识别模型的意图识别方法、识别设备及介质 |
CN109947794A (zh) * | 2019-02-21 | 2019-06-28 | 东华大学 | 一种交互式自然语言查询转换方法 |
CN110069709A (zh) * | 2019-04-10 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 意图识别方法、装置、计算机可读介质及电子设备 |
CN110147437A (zh) * | 2019-05-23 | 2019-08-20 | 北京金山数字娱乐科技有限公司 | 一种基于知识图谱的搜索方法及装置 |
Non-Patent Citations (1)
Title |
---|
Kaitlyn Fulford ; .Mobile natural language database interface for accessing relational data.2017 International Conference on Information Society (i-Society).2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111008309A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008309B (zh) | 查询方法及装置 | |
CN111221984B (zh) | 多模态内容处理方法、装置、设备及存储介质 | |
JP7398402B2 (ja) | 実体リンキング方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
KR102451496B1 (ko) | 텍스트 주제 생성 방법, 장치 및 전자기기 | |
CN111460083B (zh) | 文档标题树的构建方法、装置、电子设备及存储介质 | |
JP7108675B2 (ja) | 意味マッチング方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
AU2017408800B2 (en) | Method and system of mining information, electronic device and readable storable medium | |
CN111259671B (zh) | 文本实体的语义描述处理方法、装置及设备 | |
US10909415B2 (en) | Method, device and computer program product for generating image tag | |
US20210200813A1 (en) | Human-machine interaction method, electronic device, and storage medium | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
KR20210038467A (ko) | 이벤트 테마 생성 방법, 장치, 기기 및 저장 매체 | |
JP7397903B2 (ja) | インテリジェント対話方法、装置、電子機器及び記憶媒体 | |
KR20210081309A (ko) | 시멘틱 표현 모델의 생성 방법, 장치, 전자 기기 및 저장 매체 | |
CN112528001B (zh) | 一种信息查询方法、装置及电子设备 | |
EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
EP3916579A1 (en) | Method for resource sorting, method for training sorting model and corresponding apparatuses | |
CN111177462B (zh) | 视频分发时效的确定方法和装置 | |
CN111966781B (zh) | 数据查询的交互方法及装置、电子设备和存储介质 | |
CN111738015B (zh) | 文章情感极性分析方法、装置、电子设备及存储介质 | |
US20230094730A1 (en) | Model training method and method for human-machine interaction | |
CN111666372B (zh) | 解析查询词query的方法、装置、电子设备和可读存储介质 | |
JP7223112B2 (ja) | ナビゲーション放送の管理方法、装置および装置 | |
CN111984774A (zh) | 搜索方法、装置、设备以及存储介质 | |
CN112597288B (zh) | 人机交互方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |