CN111177358B - 意图识别方法、服务器及存储介质 - Google Patents
意图识别方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN111177358B CN111177358B CN201911417222.2A CN201911417222A CN111177358B CN 111177358 B CN111177358 B CN 111177358B CN 201911417222 A CN201911417222 A CN 201911417222A CN 111177358 B CN111177358 B CN 111177358B
- Authority
- CN
- China
- Prior art keywords
- named entity
- original sentence
- sentence information
- shared
- shared named
- 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
Images
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)
- Machine Translation (AREA)
Abstract
本申请适用于人工智能技术领域,提供了一种意图识别方法、服务器及存储介质,其中,意图识别方法包括:获取用户的原始语句信息;将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果;若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话;若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。本申请提供的意图识别方法能够降低意图识别的错误率,提高意图识别的准确性。
Description
技术领域
本申请属于人工智能技术领域,尤其涉及一种意图识别方法、服务器及存储介质。
背景技术
随着人工智能技术的快速发展,人机对话技术在日常生活中的应用也越来越广泛,人机对话技术中最关键的是用户意图的识别,即识别用户输入的语音数据所表达的意图。现有的意图识别方法通常先将用户输入的语音数据转换为相应的原始语句信息,再将原始语句信息输入至训练好的意图识别模型中,即获得用户的意图类别。然而,当首轮人机对话过程中的原始语句信息中仅包含共享命名实体时,由于共享命名实体通常被应用在至少两类用户意图中,因此,直接通过意图识别模型确定出的意图类别不一定是用户想要表达的真正意图。可见,现有的意图识别方法在识别首轮人机对话过程中仅包含共享命名实体的原始语句信息时,存在意图识别错误率较高,意图识别准确性较低的问题。
发明内容
本申请实施例提供了一种意图识别方法、服务器及存储介质,能够降低意图识别的错误率,提高意图识别的准确性。
第一方面,本申请实施例提供了一种意图识别方法,包括:
获取用户的原始语句信息;
将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果;
若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话;
若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
在第一方面的一种可能的实现方式中,所述将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果,包括:
识别所述原始语句信息中包含的命名实体;
根据预设的共享命名实体类别列表,识别所述命名实体中的共享命名实体,并确定所述共享命名实体所属的共享命名实体类别;
确定所述共享命名实体在所述原始语句信息中的起始位置和结束位置;
根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果。
在第一方面的一种可能的实现方式中,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,包括:
将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体;
若有一个所述候选共享命名实体的结束位置为所述原始语句信息的末位置,则判定所述原始语句信息中仅包含共享命名实体。
在第一方面的一种可能的实现方式中,在将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体之后,还包括:
若所有所述候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则循环执行将起始位置为任一所述候选共享命名实体的结束位置的后一位置的所述共享命名实体确定为新的候选共享命名实体,并检测所述新的候选共享命名实体的结束位置是否为所述原始语句信息的末位置的步骤;
在遍历完所有所述共享命名实体后,若所有所述新的候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则判定所述原始语句信息中不是仅包含共享命名实体。
在第一方面的一种可能的实现方式中,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,包括:
定义一长度与所述原始语句信息的长度相同的标志位数组,并将所述标志位数组中的各个标志位的值置为第一预设值;
将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为第一目标共享命名实体,并将所述第一目标共享命名实体的结束位置对应的标志位的值更新为第二预设值;
将起始位置不是所述原始语句信息的首位置的所述共享命名实体确定为第二目标共享命名实体,并检测各个所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值是否为所述第二预设值;
若所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值为所述第二预设值,则将所述第二目标共享命名实体的结束位置对应的标志位的值更新为所述第二预设值;
在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第二预设值,则判定所述原始语句信息中仅包含共享命名实体;
在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第一预设值,则判定所述原始语句信息中不是仅包含共享命名实体。
在第一方面的一种可能的实现方式中,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,还包括:
若所述共享命名实体中不存在起始位置为所述原始语句信息的首位置的共享命名实体,则判定所述原始语句信息中不是仅包含共享命名实体。
在第一方面的一种可能的实现方式中,在检测所述原始语句信息对应的目标对话轮次是否是首轮对话之后,还包括:
若所述目标对话轮次不是首轮对话,则获取所述目标对话轮次之前的历史对话轮次中所述用户的历史原始语句信息;
根据所述历史原始语句信息,确定所述原始语句信息对应的目标意图类别。
第二方面,本申请实施例提供了一种服务器,包括:
第一获取单元,用于获取用户的原始语句信息;
第二获取单元,用于将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果;
第一检测单元,用于若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话;
第一确定单元,用于若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
第三方面,本申请实施例提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的意图识别方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的意图识别方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在服务器上运行时,使得服务器执行上述第一方面中任一项所述的意图识别方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例提供的一种意图识别方法,在获取到用户的原始语句信息后,不是直接将该原始语句信息输入至传统的意图识别模型中来确定用户所表达的意图类别,而是将该原始语句信息输入至预设的共享命名实体分析引擎中,通过该共享命名实体分析引擎来分析原始语句信息中是否仅包含共享命名实体,在原始语句信息中仅包含共享命名实体,且原始语句信息对应的目标对话轮次是首轮对话时,通过输出与共享命名实体所属的共享命名实体类别对应的意图类别,使用户能够从所述意图类别中选择其所表达的目标意图类别,由于目标意图类别是通过用户的进一步确认得到的,因此能够降低意图识别的错误率,提高意图识别的准确性。
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性的前提下,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一种意图识别方法所适用的人机对话系统的示意性架构图;
图2是本申请实施例提供的一种意图识别方法的示意性流程图;
图3是本申请实施例提供的一种意图识别方法中S22的具体示意性流程图;
图4是本申请实施例提供的一种意图识别方法中S224的具体示意性流程图;
图5是本申请另一实施例提供的一种意图识别方法中S224的具体示意性流程图;
图6是本申请又一实施例提供的一种意图识别方法的示意性流程图;
图7是本申请实施例提供的一种服务器的结构框图;
图8是本申请另一实施例提供的一种服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
请参阅图1,图1是本申请实施例提供的一种意图识别方法所适用的人机对话系统的示意性架构图。如图1所示,本实施例提供的人机对话系统100包括人机对话终端110和人机对话服务器120。其中,人机对话终端110包括但不限于手机、平板电脑、智能电视、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等移动终端,本申请实施例不对人机对话终端110的具体类型作任何限制。
在本实施例中,当用户与人机对话系统100进行人机对话时,人机对话系统100中的人机对话终端110可以与人机对话服务器120建立无线通信连接或有线通信连接,进而实现人机对话终端110与人机对话服务器120之间的无线通信或有线通信。具体的,在进行人机对话时,人机对话终端110可以通过其语音采集模块采集来自用户的语音数据。人机对话终端110可以将来自用户的语音数据转换为相应的原始语句信息,再将原始语句信息通过无线通信方式或有线通信方式发送至人机对话服务器120;或者,人机对话终端110可以直接将来自用户的语音数据通过无线通信方式或有线通信方式发送至人机对话服务器120,人机对话服务器120将来自用户的语音数据转换为相应的原始语句信息。人机对话服务器120在得到用户的原始语句信息后,识别原始语句信息的目标意图类别,并将目标意图类别通过无线通信方式或有线通信方式反馈给人机对话终端110。
请参阅图2,图2是本申请实施例提供的一种意图识别方法的示意性流程图,本实施例中,流程的执行主体为服务器,服务器具体可以是人机对话系统中的人机对话服务器。如图 2所示,本实施例提供的一种意图识别方法包括S21~S24,详述如下:
S21:获取用户的原始语句信息。
在本实施例中,用户的原始语句信息指对人机对话过程中来自用户的语音数据进行音转文处理得到的文本信息。在具体应用中,为了准确识别出人机对话过程中用户想要表达的意图类别,通常需要进行至少一轮人机对话,而每轮人机对话都需要将来自用户的语音数据转换为相应的原始语句信息,并对该轮人机对话过程中的原始语句信息进行意图识别。
在具体应用中,在进行人机对话时,人机对话系统中的人机对话终端可以通过其语音采集模块采集用户的语音数据。在本实施例一种可能的实现方式中,人机对话终端可以对采集到的用户的语音数据进行音转文处理,得到与用户的语音数据相对应的原始语句信息,并将与用户的语音数据相对应的原始语句信息发送至人机对话系统中的人机对话服务器,人机对话服务器接收人机对话终端发送的用户的原始语句信息。在本实施例另一种可能的实现方式中,人机对话终端可以将采集到的用户的语音数据直接发送至人机对话服务器,由人机对话服务器对用户的语音数据进行音转文处理,得到与用户的语音数据相对应的原始语句信息。
作为示例而非限定,人机对话终端或人机对话服务器可以基于自动语音识别(Automatic Speech Recognition,ASR)技术将来自用户的语音数据转换为相应的原始语句信息。
S22:将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果。
在本实施例中,预设的共享命名实体分析引擎中预先配置有用于分析语句信息中是否仅包含共享命名实体的分析算法,即预设的共享命名实体分析引擎能够分析出语句信息中是否仅包含共享命名实体。
需要说明的是,命名实体指以名称为标识的对象,其可以是任一名词所表示的对象。通常,可以将命名实体分划为人名、地名、机构名以及歌曲名等不同类别,每一命名实体类别下通常会包括多个同类别的命名实体,例如,“地名”这一命名实体类别下可以包括北京、上海、广州等多个属于地名的命名实体。
共享命名实体指可以同时包含在至少两类意图中,被至少两类意图共享的命名实体。示例性的,由于打车意图和导航意图通常都需要获知出发地和/或目的地,而出发点和目的地属于“地名”类命名实体,即“地名”这一类别的命名实体通常会被包含在打车意图和导航意图中,因此,“地名”这一类别的命名实体是共享命名实体。
在本实施例中,人机对话服务器在获取到用户的原始语句信息后,将用户的原始语句信息输入至预设的共享命名实体分析引擎中,以通过共享命名实体分析引擎分析出原始语句信息中是否仅包含共享命名实体,进而得到共享命名实体分析引擎输出的分析结果。
在本申请一具体实施例中,共享命名实体分析引擎可以通过如图3所示的S221~S224来分析原始语句信息中是否仅包含共享命名实体,详述如下:
S221:识别所述原始语句信息中包含的命名实体。
在本实施例中,人机对话服务器在通过共享命名实体分析引擎分析原始语句中是否仅包含共享命名实体时,需要先识别出原始语句信息中包含的命名实体。
在本实施例一种可能的实现方式中,人机对话服务器可以基于预设的命名实体识别工具对原始语句信息进行命名实体识别(Named Entity Recognition,NER)操作。其中,预设的命名实体识别工具可以识别出原始语句信息中包含的所有命名实体,且能够得到各个命名实体的信息。可以理解的是,原始语句信息中包含的命名实体可以为一个,也可以为至少两个,具体根据实际情况确定,此处不做限制。
其中,命名实体的信息可以包括但不限于命名实体所属的命名实体类别以及命名实体在原始语句信息中的起始位置和结束位置。其中,起始位置指命名实体中的第一个字符在原始语句信息中的位置,结束位置指命名实体中的最后一个字符在原始语句信息中的位置,命名实体中的字符在原始语句信息中的位置可以通过该字符在原始语句信息中的次序来标识。示例性的,假设原始语句信息为“打车去北京植物园”,则原始语句信息中从左到右的各个字符在原始语句信息中的次序依次可以为0、1、2、3、4、5、6及7,因此,原始语句信息中从左到右的各个字符的位置可以分别通过0、1、2、3、4、5、6及7来标识。若采用预设的命名实体识别工具对“打车去北京植物园”这一原始语句信息进行命名实体识别操作,则可以识别出该原始语句信息中包含“北京”、“植物园”及“北京植物园”这三个命名实体,且能够得到“北京”这一命名实体所属的命名实体类别为“地名”,其在原始语句信息的起始位置为3,结束位置为4;“植物园”这一命名实体所属的命名实体类别为“地名”,其在原始语句信息的起始位置为5,结束位置为7;“北京植物园”这一命名实体所属的命名实体类别为“地名”,其在原始语句信息的起始位置为3,结束位置为7。
S222:根据预设的共享命名实体类别列表,识别所述命名实体中的共享命名实体,并确定所述共享命名实体所属的共享命名实体类别。
在识别出原始语句信息中包含的命名实体后,需要进一步识别这些命名实体中是否存在共享命名实体。在本实施例中,人机对话服务器可以根据预设的共享命名实体类别列表,来识别所述命名实体中的共享命名实体。其中,预设的共享命名实体类别列表用于存储预先配置的共享命名实体类别以及各个共享命名实体类别对应的意图类别。
在本实施例一种可能的实现方式中,预设的共享命名实体类别列表可以根据预设的命名实体类别配置文件得到。具体的,在识别原始语句信息中包含的共享命名实体之前,可以根据人机对话系统所能实现的功能为人机对话系统配置相应的意图类别,其中,不同的功能对应不同的意图类别。示例性的,假设人机对话系统可以实现导航或打车等功能,则用户在与人机对话系统进行对话时,可能会向人机对话系统表达打车或导航等意图,因此,可以为人机对话系统配置打车意图或导航意图等。由于每一类别的意图通常必须包括至少一种类别的命名实体,例如,打车意图和导航意图通常必须包括“地名”这一类别的命名实体,因此,可以根据各个意图类别所需包含的必要信息,为各个意图类别配置相应的命名实体类别,人机对话服务器可以将为每个意图类别配置的命名实体类别存储在预设的命名实体类别配置文件中,即命名实体类别配置文件用于存储预先为各个意图类别配置的命名实体类别,示例性的,请参阅表1,表1示出了命名实体类别配置文件中存储的部分内容,其中,由于命名实体类别2同时被配置在意图A和意图B中,因此,命名实体类别2为共享命名实体类别。
表1
人机对话服务器在得到预先配置的命名实体类别配置文件后,可以对命名实体类别配置文件进行共享命名实体检测,即检测命名实体类别配置文件中是否至少有一个命名实体类别被配置在至少两个意图类别中,若检测出至少有一个命名实体类别被配置在至少两个意图类别中,则确定该至少一个命名实体类别为共享命名实体类别,例如,表1中的命名实体类别 2被同时配置在意图A和意图B中,因此,表1中的命名实体类别2为共享命名实体类别。人机对话服务器可以将检测出的每一共享命名实体类别与其对应的至少两个意图类别关联存储在预设的共享命名实体类别列表中,即共享命名实体类别列表用于存储各个共享命名实体类别与其相对应的意图类别。示例性的,请参阅表2,表2示出了共享命名实体类别列表中存储的部分内容,其中,共享命名实体类别2对应的意图类别包括意图A和意图B。在具体应用中,人机对话服务器可以将预设的共享命名实体类别列表存储在其存储器中。
表2
在本实施例中,人机对话服务器在识别原始语句信息包含的命名实体中的共享命名实体时,可以从其存储器中获取预设的共享命名实体类别列表,再根据预设的共享命名实体类别列表中包含的共享命名实体类别,识别原始语句信息包含的命名实体中的共享命名实体,并确定各个共享命名实体所属的共享命名实体类别。具体的,若原始语句信息中包含的第一命名实体属于共享命名实体类别列表中的第一共享命名实体类别,则将第一命名实体识别为共享命名实体,且确定该共享命名实体所属的共享命名实体类别为第一共享命名实体类别。需要说明的是,原始语句信息中包含的共享命名实体可以为一个,也可为至少两个。示例性的,假设原始语句信息为“打车去北京植物园”,该原始语句信息中包含的命名实体包括“北京”、“植物园”及“北京植物园”,假设共享命名实体类别列表中包含“地名”这一共享命名实体类别,由于“北京”、“植物园”及“北京植物园”均属于“地名”这一类别的命名实体,因此,人机对话服务器将“北京”、“植物园”及“北京植物园”这三个命名实体均识别为共享命名实体,且确定“北京”、“植物园”及“北京植物园”这三个共享命名实体所属的共享命名实体类别为“地名”。
S223:确定所述共享命名实体在所述原始语句信息中的起始位置和结束位置。
由于在S221中,通过对原始语句信息进行命名实体识别操作后,已经获得原始语句信息中包含的各个命名实体在原始语句信息中的起始位置和结束位置,因此,本实施例在S222 中确定出命名实体中的共享命名实体后,即可以直接得到各个共享命名实体在原始语句信息中的起始位置和结束位置。
S224:根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果。
在本实施例中,人机对话服务器在确定出原始语句信息中包含的各个共享命名实体在原始语句信息中的起始位置和结束位置后,可以根据各个共享命名实体在原始语句信息中的起始位置和结束位置,来检测原始语句信息中是否仅包含共享命名实体。
在本申请一实施例中,S224具体可以通过如图4所示的S2241~S2244实现,详述如下:
S2241:将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体。
在本实施例中,人机对话服务器在基于各个共享命名实体在原始语句信息中的起始位置和结束位置来检测原始语句信息中是否仅包含共享命名实体时,可以先检测原始语句信息包含的共享命名实体中是否存在起始位置为原始语句信息的首位置的共享命名实体。其中,原始语句信息的首位置指原始语句信息中的首个字符所在的位置,原始语句信息的末位置指原始语句信息中的最后一个字符所在的位置。示例性的,原始语句信息“打车去北京植物园”的首位置即为第一个字符“打”所在的位置,即原始语句信息“打车去北京植物园”的首位置的标识为0;原始语句信息“打车去北京植物园”的末位置即为最后一个字符“门”所在的位置,即原始语句信息“打车去北京植物园”的末位置的标识为7。
人机对话服务器在检测到原始语句信息包含的共享命名实体中存在起始位置为原始语句信息的首位置的共享命名实体时,将所有起始位置为原始语句信息的首位置的共享命名实体确定为候选共享命名实体,并检测各个候选共享命名实体的结束位置是否为原始语句信息的末位置。示例性的,假设原始语句信息为“北京植物园”,由于其包含的共享命名实体“北京”和“北京植物园”在原始语句信息中的起始位置均为原始语句信息的首位置,因此,将共享命名实体“北京”和“北京植物园”均确定为候选共享命名实体。进一步的,人机对话服务器分别检测“北京”和“北京植物园”在原始语句信息中的结束位置是否为原始语句信息的末位置。在该示例中,“北京”在原始语句信息中的结束位置不是原始语句信息的末位置,而“北京植物园”在原始语句信息中的结束位置为原始语句信息的末位置。
在本实施中,人机对话服务器若检测到有一个候选共享命名实体的结束位置为原始语句信息的末位置,则执行S2242;人机对话服务器若检测到所有候选共享命名实体的结束位置均不是原始语句信息的末位置,则执行S2243~2244。需要说明的是,本实施例中,S2242与 S2243~S2244为并列的步骤,即人机对话服务器执行S2242时,不执行S2243~S2244;即人机对话服务器执行S2243~S2244时,不执行S2242。
S2242:若有一个所述候选共享命名实体的结束位置为所述原始语句信息的末位置,则判定所述原始语句信息中仅包含共享命名实体。
在本实施中,人机对话服务器在检测到有一个候选共享命名实体在原始语句信息中的结束位置为原始语句信息的末位置时,由于该候选共享命名实体在原始语句信息中的起始位置为原始语句信息的首位置,因此说明原始语句信息中的所有字符构成了该候选共享命名实体,即说明原始语句信息中仅包含共享命名实体,而不包含其他的信息,此时,人机对话服务器判定原始语句信息中仅包含共享命名实体。示例性的,结合S2241中的示例,由于候选共享命名实体“北京植物园”在原始语句信息“北京植物园”中的结束位置为原始语句信息的末位置,因此判定原始语句信息“北京植物园”中仅包含共享命名实体。
S2243:若所有所述候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则循环执行将起始位置为任一所述候选共享命名实体的结束位置的后一位置的所述共享命名实体确定为新的候选共享命名实体,并检测所述新的候选共享命名实体的结束位置是否为所述原始语句信息的末位置的步骤。
在本实施例中,人机对话服务器在检测到所有候选共享命名实体的结束位置均不是原始语句信息的末位置时,说明没有一个候选共享命名实体是从原始语句信息的首位置开始至原始语句信息的末位置结束,此时,人机对话服务器针对每一候选共享命名实体,检测原始语句信息中是否存在位于该候选共享命名实体之后,且与该候选共享命名实体相邻的共享命名实体,即检测原始语句信息中是否存在起始位置为任一候选共享命名实体的结束位置的后一位置的共享命名实体。人机对话服务器若检测到原始语句信息中存在至少一个起始位置为任一候选共享命名实体的结束位置的后一位置的共享命名实体,则将该至少一个共享命名实体确定为新的候选共享命名实体。人机对话服务器检测各个新的候选共享命名实体的结束位置是否为原始语句信息的末位置。
具体的,人机对话服务器若检测到新的候选共享命名实体中至少有一个候选共享命名实体的结束位置为原始语句信息的末位置,则说明原始语句信息仅由该新的候选共享命名实体以及与该新的候选共享命名实体相邻且位于该新的候选共享命名实体之前的候选共享命名实体构成,即说明原始语句信息中仅包含共享命名实体。示例性的,若原始语句信息为“植物园动物园”,由于共享命名实体“动物园”的起始位置为候选共享命名实体“植物园”的结束位置的后一位置,因此,将共享命名实体“动物园”确定为新的候选共享命名实体,进一步的,由于新的候选共享命名实体“动物园”的结束位置为原始语句信息的末位置,因此,判定原始语句信息“植物园动物园”仅包含共享命名实体。
人机对话服务器若检测到所有新的候选共享命名实体的结束位置均不是原始语句信息的末位置,则继续循环,检测原始语句信息中是否存在起始位置为任一候选共享命名实体的结束位置的后一位置的共享命名实体,若存在,则将起始位置为任一候选共享命名实体的结束位置的后一位置的共享命名实体确定为新的候选共享命名实体,以及检测各个新的候选共享命名实体的结束位置是否为原始语句信息的末位置的步骤,直至遍历完原始语句信息中的所有共享命名实体为止,若在遍历完原始语句信息中的所有共享命名实体后,没有一个候选共享命名实体的结束位置是原始语句信息的末位置,则人机对话服务器执行S2244。
S2244:在遍历完所有所述共享命名实体后,若所有所述新的候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则判定所述原始语句信息中不是仅包含共享命名实体。
在本实施中,人机对话服务器在遍历完原始语句信息中的所有共享命名实体后,若检测到没有一个候选共享命名实体的结束位置是原始语句信息的末位置时,说明原始语句信息中除了包含共享命名实体外,还包含其他信息,此时,人机对话服务器判定原始语句信息中不是仅包含共享命名实体。示例性的,假设原始语句信息为“北京植物园怎么去”,则根据S2241 可确定共享命名实体“北京”为候选共享命名实体,根据S2243可确定共享命名实体“植物园”为新的候选共享命名实体,且该新的共享命名实体“植物园”的结束位置不是原始语句信息“北京植物园怎么去”的末位置,由于此时已遍历完原始语句信息“北京植物园怎么去”中的所有共享命名实体,且没有一个候选共享命名实体的结束位置是原始语句信息的末位置“北京植物园怎么去”的末位置,因此,判定原始语句信息的末位置“北京植物园怎么去”不是仅包含共享命名实体。
在本申请另一实施例中,人机对话服务器若检测到原始语句信息中不存在起始位置为任一候选共享命名实体的结束位置的后一位置的共享命名实体,则说明原始语句信息中不存在与各个候选共享命名实体相邻的共享命名实体,即说明原始语句信息中有至少两个共享命名实体之间存在其他信息,此时,人机对话服务器判定原始语句信息中不是仅包含共享命名实体。示例性的,假设原始语句信息为“植物园到动物园怎么走”,由于候选共享命名实体“植物园”的结束位置的后一位置为“到”所在的位置,而共享命名实体“动物园”的起始位置为“长”所在的位置,因此,原始语句信息“植物园到动物园怎么走”中不存在起始位置为候选共享命名实体“植物园”的结束位置的后一位置的共享命名实体,此时,判定原始语句信息为“植物园到动物园怎么走”中不是仅包含共享命名实体。
在本申请另一实施例中,S224具体还可以通过如图5所示的S2245~S2240实现,详述如下:
S2245:定义一长度与所述原始语句信息的长度相同的标志位数组,并将所述标志位数组中的各个标志位的值置为第一预设值。
在本实施例中,人机对话服务器在检测原始语句信息中是否仅包含共享命名实体时,可以先定义一长度与原始语句信息的长度相同的标志位数组,其中,标志位数组中的各个标志位分别与原始语句信息中的各个字符所在的位置相对应。示例性的,若原始语句信息为“北京植物园”,则可以定义一长度为5的标志位数组,标志位数组中的第一个标志位与原始语句信息“北京植物园”中的首字符“北”所在的位置相对应,标志位数组中的第二个标志位与原始语句信息“北京植物园”中的第二个字符“京”所在的位置相对应。
在本实施例中,人机对话服务器在定义了标志位数组后,可以先将标志位数组中的各个标志位的值置为第一预设值。其中,第一预设值可以是布尔逻辑值中的任一值,例如,第一预设值可以是布尔逻辑值中的0,也可以是布尔逻辑值中的1。需要说明的是,本实施例还会涉及到第二预设值,第二预设值也可以是布尔逻辑值中的任一值,但第二预设值不同于第一预设值,当第一预设值为0时,第二预设值为1;当第一预设值为1时,第二预设值为0。
在本实施例中,人机对话服务器还检测原始语句信息中是否包含起始位置为原始语句信息的首位置的共享命名实体。人机对话服务器若检测到原始语句信息中包含至少一个起始位置为原始语句信息的首位置的共享命名实体,则执行S2246~S2240。
S2246:将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为第一目标共享命名实体,并将所述第一目标共享命名实体的结束位置对应的标志位的值更新为第二预设值。
在本实施例中,人机对话服务器若检测到原始语句信息中包含至少一个起始位置为原始语句信息的首位置的共享命名实体,则将所有起始位置为原始语句信息的首位置的共享命名实体确定为第一目标共享命名实体,并将所有第一目标共享命名实体的结束位置对应的标志位的值更新为第二预设值。示例性的,假设原始语句信息为“北京植物园怎么走”,由于共享命名实体“北京”和“北京植物园”的起始位置为原始语句信息的首位置,因此,将共享命名实体“北京”和“北京植物园”均确定为第一目标共享命名实体,且将“北京”的结束位置(即“京”所在位置)对应的标志位的值更新为第二预设值,将“北京植物园”的结束位置(即“门”所在位置)对应的标志位的值更新为第二预设值。
S2247:将起始位置不是所述原始语句信息的首位置的所述共享命名实体确定为第二目标共享命名实体,并检测各个所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值是否为所述第二预设值。
S2248:若所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值为所述第二预设值,则将所述第二目标共享命名实体的结束位置对应的标志位的值更新为所述第二预设值。
在本实施例中,人机对话服务器还将起始位置不是原始语句信息的首位置的共享命名实体确定为第二目标共享命名实体。示例性的,结合S2246中的示例,由于原始语句信息“北京植物园怎么走”中的共享命名实体“植物园”的起始位置不是原始语句信息的首位置,因此,将共享命名实体“植物园”确定为第二目标共享命名实体。
人机对话服务器确定出第二目标共享命名实体后,检测各个第二目标共享命名实体的起始位置的前一位置对应的标志位的值是否为第二预设值。人机对话服务器若检测到某第二目标共享命名实体的起始位置的前一位置对应的标志位的值为第二预设值,则说明该第二目标共享命名实体的起始位置的前一位置为某第一目标共享命名实体的结束位置,即说明该第二目标共享命名实体与原始语句信息中的某第一目标共享命名实体相邻,此时,人机对话服务器将该第二目标共享命名实体的结束位置对应的标志位的值更新为第二预设值。
在本实施例中,人机对话服务器遍历完所有的第二目标共享命名实体后,检测原始语句信息的末位置对应的标志位在更新后的值是否为第二预设值。人机对话服务器若检测到原始语句信息的末位置对应的标志位在更新后的值为第二预设值,则执行S2249;人机对话服务器若检测到原始语句信息的末位置对应的标志位在更新后的值为第一预设值,则执行S2240。
在本申请另一实施例中,人机对话服务器若检测到某第二目标共享命名实体的起始位置的前一位置对应的标志位的值为第一预设值,则说明该第二目标共享命名实体没有与原始语句信息中的任一第一目标共享命名实体相邻,此时,人机对话服务器不对该第二目标共享命名实体的结束位置对应的标志位的值进行更新。
S2249:在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第二预设值,则判定所述原始语句信息中仅包含共享命名实体。
在本实施例中,人机对话服务器在遍历完所有共享命名实体后,若检测到原始语句信息的末位置对应的标志位在更新后的值为第二预设值,则说明从原始语句信息的首位置开始到原始语句信息的末位置结束,是由至少一个共享命名实体首尾相邻构成的,即原始语句信息中不包含除了共享命名实体之外的其他信息,此时,人机对话服务器判定原始语句信息中仅包含共享命名实体。
S2240:在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第一预设值,则判定所述原始语句信息中不是仅包含共享命名实体。
在本实施例中,人机对话服务器在遍历完所有共享命名实体后,若检测到原始语句信息的末位置对应的标志位在更新后的值为第一预设值,则说明从原始语句信息的首位置开始到原始语句信息的末位置结束,并不是由至少一个共享命名实体首尾相邻构成的,即原始语句信息中除了包含共享命名实体外,还包含其他信息,此时,人机对话服务器判定原始语句信息中不是仅包含共享命名实体。
在本实施例另一种可能的实现方式中,S224还可以包括以下步骤:
若所述共享命名实体中不存在起始位置为所述原始语句信息的首位置的共享命名实体,则判定所述原始语句信息中不是仅包含共享命名实体。
本实施例中,人机对话服务器在检测到原始语句信息包含的共享命名实体中不存在起始位置为原始语句信息的首位置的共享命名实体时,说明原始语句信息中的第一个字符未包含在共享命名实体中,即说明原始语句信息中还包含除了共享命名实体之外的其他信息,此时,人机对话服务器判定原始语句信息中不是仅包含共享命名实体。
S23:若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话。
通常,当首轮人机对话过程中的原始语句信息中仅包含共享命名实体时,由于没有更多的参考信息,因此难以准确识别出用户的真正意图类别,此时需要进行更多轮的人机对话来获取更多的参考信息再进一步识别用户的真正意图。而当非首轮人机对话过程中的原始语句信息中仅包含共享命名实体时,通常可以参考其他轮人机对话中已获得的信息来识别出用户的真正意图类别,从而无需再进行更多轮次的人机对话。基于此,在具体应用中,人机对话终端每次将每轮人机对话过程中来自用户的语音数据转换为相应的原始语句信息后,还记录每轮人机对话过程中的原始语句信息对应的对话轮次,其中,对话轮次包括首轮对话和非首轮对话,即除了首轮对话之外的其他轮对话均为非首轮对话。
在本实施中,当共享命名实体分析引擎输出的分析结果指示原始语句信息中仅包含共享命名实体时,人机对话服务器还进一步检测该原始语句信息对应的目标对话轮次是否是首轮对话。人机对话服务器若检测到原始语句信息对应的目标对话轮次是首轮对话,则S24。
S24:若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
在本实施例中,人机对话服务器在检测到原始语句信息中仅包含共享命名实体,且原始语句信息对应的目标对话轮次是首轮对话时,可以基于原始语句信息包含的各个共享命名实体所属的共享命名实体类别,从共享命名实体类别列表中获取与各个共享命名实体所属的共享命名实体类别对应的意图类别。人机对话服务器在获取到与原始语句信息中包含的各个共享命名实体所属的共享命名实体类别对应的意图类别后,输出这些意图类别,以使用户在这些意图类别中选择其想要表达的目标意图类别。
具体的,人机对话服务器可以将与原始语句信息中包含的各个共享命名实体所属的共享命名实体类别对应的意图类别发送至人机对话终端,人机对话终端可以基于这些意图类别生成并输出相应的语音询问信息,以询问用户在这些意图类别中选择的目标意图类别,人机对话终端将用户在这些意图类别中选择的目标意图类别发送至人机对话服务器,人机对话服务器即获取到用户在这些意图类别中选择的目标意图类别。
在本申请一实施例中,人机对话服务器确定出目标意图类别后,还可以进一步获取原始语句信息对应的槽位信息,进而根据目标意图类别、原始语句信息以及原始语句信息对应的槽位信息,确定出明确的用户指令。其中,槽位信息指原始语句信息中包含的共享命名实体在目标意图类别下所属的必要信息类型。示例性的,假设目标意图类别为“打车”,而“打车”这一意图类别通常需要包含“出发地”和“目的地”这两类的必要信息,假设原始语句信息中包含的共享命名实体为“北京植物园”,且“北京植物园”在“打车”这一目标意图类别下所属的必要信息类型为目的地,则该原始语句信息对应的槽位信息即为目的地,基于此,人机对话服务器基于目标意图类别“打车”、原始语句信息“北京植物园”以及原始语句信息对应的槽位信息“目的地”,确定出的明确的用户指令可以是“打车去北京植物园”。
在本实施例一种可能的实现方式中,人机对话系统中的人机对话终端可以通过询问用户的方式来获取原始语句信息中包含的共享命名实体在目标意图类别下所属的必要信息类型,进而得到原始语句信息对应的槽位信息,人机对话终端可以将原始语句信息对应的槽位信息发送至人机对话服务器。
在本实施例另一种可能的实现方式中,当原始语句信息中包含的共享命名实体所属的共享命名实体类别为“地名”时,人机对话系统中的人机对话终端可以在采集原始语句信息对应的语音数据时,获取其当前所处位置的地理位置信息,并将其当前所处位置的地理位置信息发送至人机对话服务器,人机对话服务器可以根据人机对话终端当前所处位置的地理位置信息以及原始语句信息中包含的共享命名实体对应的地理位置信息,来确定原始语句信息对应的槽位信息。具体的,当人机对话终端当前所处位置的地理位置信息与原始语句信息中包含的共享命名实体对应的地理位置信息相匹配时,确定原始语句信息对应的槽位信息为出发地;当人机对话终端当前所处位置的地理位置信息与原始语句信息中包含的共享命名实体对应的地理位置信息不匹配时,确定原始语句信息对应的槽位信息为目的地。需要说明的是,人机对话终端当前所处位置的地理位置信息与原始语句信息中包含的共享命名实体对应的地理位置信息相匹配具体指,人机对话终端当前所处的地理位置与原始语句信息中包含的共享命名实体对应的地理位置之间的位置偏差在预设范围内;人机对话终端当前所处位置的地理位置信息与原始语句信息中包含的共享命名实体对应的地理位置信息不匹配具体指,人机对话终端当前所处的地理位置与原始语句信息中包含的共享命名实体对应的地理位置之间的位置偏差不在预设范围内。
以上可以看出,本申请实施例提供的一种意图识别方法,在获取到用户的原始语句信息后,不是直接将该原始语句信息输入至传统的意图识别模型中来确定用户所表达的意图类别,而是将该原始语句信息输入至预设的共享命名实体分析引擎中,通过该共享命名实体分析引擎来分析原始语句信息中是否仅包含共享命名实体,在原始语句信息中仅包含共享命名实体,且原始语句信息对应的目标对话轮次是首轮对话时,通过输出与共享命名实体所属的共享命名实体类别对应的意图类别,使用户能够从所述意图类别中选择其所表达的目标意图类别,由于目标意图类别是通过用户的进一步确认得到的,因此能够降低意图识别的错误率,提高意图识别的准确性。
请参阅图6,图6是本申请又一实施例提供的一种意图识别方法的示意性流程图。如图 6所示,相对于图3至图5对应的各实施例,本实施例提供的一种意图识别方法在S23之后,还可以包括S25~S26,详述如下:
S25:若所述目标对话轮次不是首轮对话,则获取所述目标对话轮次之前的历史对话轮次中所述用户的历史原始语句信息。
S26:根据所述历史原始语句信息,确定所述原始语句信息对应的目标意图类别。
在本实施例中,当原始语句信息对应的目标对话轮次为非首轮对话时,由于目标对话轮次之前的历史对话轮次中的用户的历史原始语句信息中可能会包含能够表达用户意图的必要信息,例如包含原始语句信息所表达的目标意图类别,因此,人机对话服务器在检测到原始语句信息中仅包含共享命名实体,且原始语句信息对应的目标对话轮次为非首轮对话时,获取目标对话轮次之前的历史对话轮次中的用户的历史原始语句信息,并基于历史原始语句信确定原始语句信息所表达的目标意图类别。
在本申请一实施例中,人机对话服务器确定出目标意图类别后,还可以进一步获取原始语句信息对应的槽位信息,进而根据目标意图类别、原始语句信息以及原始语句信息对应的槽位信息,确定出明确的用户指令。需要说明的是,本实施例中,人机对话服务器根据目标意图类别、原始语句信息以及原始语句信息对应的槽位信息,确定明确的用户指令的具体方式可以参照S24中的相关描述,此处不再赘述。
示例性的,假设第一轮人机对话过程中的原始语句信息为“我要打车”,第二轮人机对话过程中的原始语句信息为“北京植物园”,由于第二轮人机对话过程中的原始语句信息中仅包含共享命名实体,则可以根据第一轮对话过程中的原始语句信息“我要打车”确定原始语句信息“北京植物园”所表达的目标意图类别为打车意图。进一步的,假设通过询问用户的方式获取到原始语句信息“北京植物园”的槽位信息为“目的地”,则可以进一步确定出明确的用户指令为“打车去北京植物园”。
以上可以看出,本实施例提供的一种意图识别方法,当原始语句信息中仅包含共享命名实体,但原始语句信息对应的目标对话轮次为非首轮对话时,由于目标对话轮次之前的历史对话轮次中的历史原始语句信息中可能会包含能够表达用户意图的必要信息,例如包含原始语句信息所表达的目标意图类别,因此,直接通过目标轮次之前的历史对话轮次中的历史原始语句信息来确定原始语句信息所表达的目标意图类别,而无需再通过用户意图识别模型来确定用户的目标意图类别,从而能提高用户意图识别的效率。
在本申请另一实施例中,人机对话服务器若检测到原始语句信息中不是仅包含共享命名实体,则可以执行以下步骤:
若所述原始语句信息中不是仅包含共享命名实体,则将所述原始语句信息输入至预设的意图识别模型中,获得所述原始语句信息所表达的目标意图类别。
在本实施例中,当原始语句信息中不是仅包含共享命名实体,即原始语句信息中除了包含共享命名实体还包含其他的信息时,人机对话服务器可以将原始语句信息直接输入至预设的意图识别模型中,进而得到原始语句信息所表达的目标意图类别。需要说明的是,本实施例中的用户意图识别模型可以是基于神经网络的意图识别模型,也可以是基于统计学的意图识别模型,或者还可以是其他类别的意图识别模型,具体可以根据实际需求设置。用户意图识别模型在输入端接收到原始语句信息对应的特征向量时,可以输出原始语句信息所表达的目标意图类别。
在本申请一实施例中,人机对话服务器在确定出原始语句信息所表达的目标意图类别后,可以基于目标意图类别所需包含的必要信息,获取目标意图类别对应的槽位信息,并基于目标意图类别以及目标意图类别对应的槽位信息,得到明确的用户指令。
以上可以看出,本实施例提供的一种意图识别方法,在原始语句信息中不是仅包含共享命名实体时,才通过用户意图识别模型来确定原始语句信息所表达的目标意图类,从而能够提高用户意图识别的准确性。
可以理解的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上述实施例所述的意图识别方法,图7示出了本申请实施例提供的一种服务器的结构框图,该服务器具体可以是人机对话系统中的人机对话服务器,该服务器包括的各单元用于执行上述实施例中的各步骤,具体请参阅上述实施例中的相关描述,为了便于说明,仅示出了与本申请实施例相关的部分。请参阅图7,该服务器70包括第一获取单元71、第二获取单元72、第一检测单元73及第一确定单元74。其中:
第一获取单元71用于获取用户的原始语句信息。
第二获取单元72用于将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果。
第一检测单元73用于若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话。
第一确定单元74用于若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
在本实施例一种可能的实现方式中,第二获取单元72具体包括命名实体识别单元、共享命名实体识别单元、位置确定单元及分析单元。其中:
命名实体识别单元用于识别所述原始语句信息中包含的命名实体。
共享命名实体识别单元用于根据预设的共享命名实体类别列表,识别所述命名实体中的共享命名实体,并确定所述共享命名实体所属的共享命名实体类别
位置确定单元用于确定所述共享命名实体在所述原始语句信息中的起始位置和结束位置。
分析单元用于根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果。
在本实施例一种可能的实现方式中,分析单元具体包括:第二确定单元和第一判定单元。
其中:
第二确定单元用于将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体。
第一判定单元用于若有一个所述候选共享命名实体的结束位置为所述原始语句信息的末位置,则判定所述原始语句信息中仅包含共享命名实体。
在本实施例一种可能的实现方式中,分析单元具体还包括:第三确定单元及第二判定单元。其中:
第三确定单元用于若所有所述候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则循环执行将起始位置为任一所述候选共享命名实体的结束位置的后一位置的所述共享命名实体确定为新的候选共享命名实体,并检测所述新的候选共享命名实体的结束位置是否为所述原始语句信息的末位置的步骤。
第二判定单元用于在遍历完所有所述共享命名实体后,若所有所述新的候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则判定所述原始语句信息中不是仅包含共享命名实体。
在本实施例另一种可能的实现方式中,分析单元具体包括:第一定义单元、第一更新单元、第一检测单元、第二更新单元、第三判定单元及第四判定单元。其中:
第一定义单元用于定义一长度与所述原始语句信息的长度相同的标志位数组,并将所述标志位数组中的各个标志位的值置为第一预设值。
第一更新单元用于将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为第一目标共享命名实体,并将所述第一目标共享命名实体的结束位置对应的标志位的值更新为第二预设值。
第一检测单元用于将起始位置不是所述原始语句信息的首位置的所述共享命名实体确定为第二目标共享命名实体,并检测各个所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值是否为所述第二预设值。
第二更新单元用于若所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值为所述第二预设值,则将所述第二目标共享命名实体的结束位置对应的标志位的值更新为所述第二预设值。
第三判定单元用于在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第二预设值,则判定所述原始语句信息中仅包含共享命名实体。
第四判定单元用于在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第一预设值,则判定所述原始语句信息中不是仅包含共享命名实体。
在本实施例一种可能的实现方式中,分析单元还包括第五判定单元。
第五判定单元用于若所述共享命名实体中不存在起始位置为所述原始语句信息的首位置的共享命名实体,则判定所述原始语句信息中不是仅包含共享命名实体。
在本申请又一实施例中,服务器70还包括:第三获取单元和第四确定单元。其中:
第三获取单元用于若所述目标对话轮次不是首轮对话,则获取所述目标对话轮次之前的历史对话轮次中所述用户的历史原始语句信息。
第四确定单元用于根据所述历史原始语句信息,确定所述原始语句信息对应的目标意图类别。
以上可以看出,本申请实施例提供的一种服务器,在获取到用户的原始语句信息后,不是直接将该原始语句信息输入至传统的意图识别模型中来确定用户所表达的意图类别,而是将该原始语句信息输入至预设的共享命名实体分析引擎中,通过该共享命名实体分析引擎来分析原始语句信息中是否仅包含共享命名实体,在原始语句信息中仅包含共享命名实体,且原始语句信息对应的目标对话轮次是首轮对话时,通过输出与共享命名实体所属的共享命名实体类别对应的意图类别,使用户能够从所述意图类别中选择其所表达的目标意图类别,由于目标意图类别是通过用户的进一步确认得到的,因此能够降低意图识别的错误率,提高意图识别的准确性。
请参阅图8,图8是本申请另一实施例提供的服务器的结构示意图。如图8所示,该实施例的服务器800包括:至少一个处理器80(图8中仅示出一个)处理器、存储器81以及存储在所述存储器81中并可在所述至少一个处理器80上运行的计算机程序82,所述处理器80执行所述计算机程序82时实现上述任意各个意图识别方法实施例中的步骤。
所述服务器800可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该服务器可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是服务器800的举例,并不构成对服务器800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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),该处理器80还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81在一些实施例中可以是所述服务器800的内部存储单元,例如服务器800 的硬盘或内存。所述存储器81在另一些实施例中也可以是所述服务器800的外部存储设备,例如所述服务器800上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述服务器800的内部存储单元也包括外部存储设备。所述存储器81用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述意图识别方法中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时可实现上述意图识别方法中的步骤。
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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到服务器的任何实体或装置、记录介质、计算机存储器、只读存储器 (ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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以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耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,或者也可以分别到多个网络单元上。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方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种意图识别方法,其特征在于,包括:
获取用户的原始语句信息;
将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果;
若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话;
若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
2.如权利要求1所述的意图识别方法,其特征在于,所述将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果,包括:
识别所述原始语句信息中包含的命名实体;
根据预设的共享命名实体类别列表,识别所述命名实体中的共享命名实体,并确定所述共享命名实体所属的共享命名实体类别;
确定所述共享命名实体在所述原始语句信息中的起始位置和结束位置;
根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果。
3.如权利要求2所述的意图识别方法,其特征在于,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,包括:
将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体;
若有一个所述候选共享命名实体的结束位置为所述原始语句信息的末位置,则判定所述原始语句信息中仅包含共享命名实体。
4.如权利要求3所述的意图识别方法,其特征在于,在将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为候选共享命名实体之后,还包括:
若所有所述候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则循环执行将起始位置为任一所述候选共享命名实体的结束位置的后一位置的所述共享命名实体确定为新的候选共享命名实体,并检测所述新的候选共享命名实体的结束位置是否为所述原始语句信息的末位置的步骤;
在遍历完所有所述共享命名实体后,若所有所述新的候选共享命名实体的结束位置均不是所述原始语句信息的末位置,则判定所述原始语句信息中不是仅包含共享命名实体。
5.如权利要求2所述的意图识别方法,其特征在于,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,包括:
定义一长度与所述原始语句信息的长度相同的标志位数组,并将所述标志位数组中的各个标志位的值置为第一预设值;
将起始位置为所述原始语句信息的首位置的所述共享命名实体确定为第一目标共享命名实体,并将所述第一目标共享命名实体的结束位置对应的标志位的值更新为第二预设值;
将起始位置不是所述原始语句信息的首位置的所述共享命名实体确定为第二目标共享命名实体,并检测各个所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值是否为所述第二预设值;
若所述第二目标共享命名实体的起始位置的前一位置对应的标志位的值为所述第二预设值,则将所述第二目标共享命名实体的结束位置对应的标志位的值更新为所述第二预设值;
在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第二预设值,则判定所述原始语句信息中仅包含共享命名实体;
在遍历完所有所述共享命名实体后,若检测到所述原始语句信息的末位置对应的标志位的值为所述第一预设值,则判定所述原始语句信息中不是仅包含共享命名实体。
6.如权利要求2所述的意图识别方法,其特征在于,所述根据各个所述共享命名实体的所述起始位置和所述结束位置,分析所述原始语句信息中是否仅包含共享命名实体,得到所述分析结果,还包括:
若所述共享命名实体中不存在起始位置为所述原始语句信息的首位置的共享命名实体,则判定所述原始语句信息中不是仅包含共享命名实体。
7.如权利要求1至6任一项所述的意图识别方法,其特征在于,在检测所述原始语句信息对应的目标对话轮次是否是首轮对话之后,还包括:
若所述目标对话轮次不是首轮对话,则获取所述目标对话轮次之前的历史对话轮次中所述用户的历史原始语句信息;
根据所述历史原始语句信息,确定所述原始语句信息对应的目标意图类别。
8.一种服务器,其特征在于,包括:
第一获取单元,用于获取用户的原始语句信息;
第二获取单元,用于将所述原始语句信息输入至预设的共享命名实体分析引擎中,获得所述共享命名实体分析引擎输出的分析结果;
第一检测单元,用于若所述分析结果指示所述原始语句信息中仅包含共享命名实体,则检测所述原始语句信息对应的目标对话轮次是否是首轮对话;
第一确定单元,用于若所述目标对话轮次是首轮对话,则输出与所述共享命名实体所属的共享命名实体类别对应的意图类别,并确定所述用户在所述意图类别中选择的目标意图类别。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的意图识别方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的意图识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417222.2A CN111177358B (zh) | 2019-12-31 | 2019-12-31 | 意图识别方法、服务器及存储介质 |
PCT/CN2020/125213 WO2021135603A1 (zh) | 2019-12-31 | 2020-10-30 | 意图识别方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911417222.2A CN111177358B (zh) | 2019-12-31 | 2019-12-31 | 意图识别方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177358A CN111177358A (zh) | 2020-05-19 |
CN111177358B true CN111177358B (zh) | 2023-05-12 |
Family
ID=70623964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911417222.2A Active CN111177358B (zh) | 2019-12-31 | 2019-12-31 | 意图识别方法、服务器及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111177358B (zh) |
WO (1) | WO2021135603A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177358B (zh) * | 2019-12-31 | 2023-05-12 | 华为技术有限公司 | 意图识别方法、服务器及存储介质 |
CN111767372B (zh) * | 2020-06-30 | 2023-08-01 | 北京百度网讯科技有限公司 | 语音查询的解析方法、解析模型的训练方法、装置、设备 |
CN113609266A (zh) * | 2021-07-09 | 2021-11-05 | 阿里巴巴新加坡控股有限公司 | 资源处理方法以及装置 |
CN117275471A (zh) * | 2022-06-13 | 2023-12-22 | 华为技术有限公司 | 处理语音数据的方法及终端设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377186A (zh) * | 2012-04-26 | 2013-10-30 | 富士通株式会社 | 基于命名实体识别的Web服务整合装置、方法以及设备 |
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
CN107633042A (zh) * | 2012-07-20 | 2018-01-26 | 韦韦欧股份有限公司 | 在对话交互系统中推断搜索输入中的用户意图的方法和系统 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN109388795A (zh) * | 2017-08-07 | 2019-02-26 | 芋头科技(杭州)有限公司 | 一种命名实体识别方法、语言识别方法及系统 |
CN109461039A (zh) * | 2018-08-28 | 2019-03-12 | 厦门快商通信息技术有限公司 | 一种文本处理方法及智能客服方法 |
CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
CN110111787A (zh) * | 2019-04-30 | 2019-08-09 | 华为技术有限公司 | 一种语义解析方法及服务器 |
CN110276075A (zh) * | 2019-06-21 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 模型训练方法、命名实体识别方法、装置、设备及介质 |
CN110287283A (zh) * | 2019-05-22 | 2019-09-27 | 中国平安财产保险股份有限公司 | 意图模型训练方法、意图识别方法、装置、设备及介质 |
CN110309514A (zh) * | 2019-07-09 | 2019-10-08 | 北京金山数字娱乐科技有限公司 | 一种语义识别方法及装置 |
CN110502740A (zh) * | 2019-07-03 | 2019-11-26 | 平安科技(深圳)有限公司 | 问句实体识别与链接方法、装置、计算机设备及存储介质 |
CN110502738A (zh) * | 2018-05-18 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 中文命名实体识别方法、装置、设备和查询系统 |
CN110516247A (zh) * | 2019-08-27 | 2019-11-29 | 湖北亿咖通科技有限公司 | 基于神经网络的命名实体识别方法及计算机存储介质 |
CN110619050A (zh) * | 2018-06-20 | 2019-12-27 | 华为技术有限公司 | 意图识别方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9971763B2 (en) * | 2014-04-08 | 2018-05-15 | Microsoft Technology Licensing, Llc | Named entity recognition |
KR20160027640A (ko) * | 2014-09-02 | 2016-03-10 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서의 개체명 인식 방법 |
WO2019133698A1 (en) * | 2017-12-29 | 2019-07-04 | DMAI, Inc. | System and method for personalizing dialogue based on user's appearances |
CN109063035B (zh) * | 2018-07-16 | 2021-11-09 | 哈尔滨工业大学 | 一种面向出行领域的人机多轮对话方法 |
CN110597958B (zh) * | 2019-09-12 | 2022-03-25 | 思必驰科技股份有限公司 | 文本分类模型训练和使用方法及装置 |
CN111177358B (zh) * | 2019-12-31 | 2023-05-12 | 华为技术有限公司 | 意图识别方法、服务器及存储介质 |
-
2019
- 2019-12-31 CN CN201911417222.2A patent/CN111177358B/zh active Active
-
2020
- 2020-10-30 WO PCT/CN2020/125213 patent/WO2021135603A1/zh active Application Filing
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377186A (zh) * | 2012-04-26 | 2013-10-30 | 富士通株式会社 | 基于命名实体识别的Web服务整合装置、方法以及设备 |
CN107633042A (zh) * | 2012-07-20 | 2018-01-26 | 韦韦欧股份有限公司 | 在对话交互系统中推断搜索输入中的用户意图的方法和系统 |
CN107193978A (zh) * | 2017-05-26 | 2017-09-22 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的多轮自动聊天对话方法及系统 |
CN109388795A (zh) * | 2017-08-07 | 2019-02-26 | 芋头科技(杭州)有限公司 | 一种命名实体识别方法、语言识别方法及系统 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN110502738A (zh) * | 2018-05-18 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 中文命名实体识别方法、装置、设备和查询系统 |
CN110619050A (zh) * | 2018-06-20 | 2019-12-27 | 华为技术有限公司 | 意图识别方法及设备 |
CN109461039A (zh) * | 2018-08-28 | 2019-03-12 | 厦门快商通信息技术有限公司 | 一种文本处理方法及智能客服方法 |
CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
CN110111787A (zh) * | 2019-04-30 | 2019-08-09 | 华为技术有限公司 | 一种语义解析方法及服务器 |
CN110287283A (zh) * | 2019-05-22 | 2019-09-27 | 中国平安财产保险股份有限公司 | 意图模型训练方法、意图识别方法、装置、设备及介质 |
CN110276075A (zh) * | 2019-06-21 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 模型训练方法、命名实体识别方法、装置、设备及介质 |
CN110502740A (zh) * | 2019-07-03 | 2019-11-26 | 平安科技(深圳)有限公司 | 问句实体识别与链接方法、装置、计算机设备及存储介质 |
CN110309514A (zh) * | 2019-07-09 | 2019-10-08 | 北京金山数字娱乐科技有限公司 | 一种语义识别方法及装置 |
CN110516247A (zh) * | 2019-08-27 | 2019-11-29 | 湖北亿咖通科技有限公司 | 基于神经网络的命名实体识别方法及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
刘非凡 ; 赵军 ; 徐波 ; .实体提及的多层嵌套识别方法研究.中文信息学报.2007,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
WO2021135603A1 (zh) | 2021-07-08 |
CN111177358A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177358B (zh) | 意图识别方法、服务器及存储介质 | |
CN108170859B (zh) | 语音查询的方法、装置、存储介质及终端设备 | |
EP2869298A1 (en) | Information identification method and apparatus | |
CN108682421B (zh) | 一种语音识别方法、终端设备及计算机可读存储介质 | |
CN111737670B (zh) | 多模态数据协同人机交互的方法、系统及车载多媒体装置 | |
CN111104426B (zh) | 一种数据查询方法及系统 | |
CN112988753B (zh) | 一种数据搜索方法和装置 | |
CN104978045A (zh) | 一种汉字输入方法及装置 | |
CN113010661A (zh) | 解析语句的方法、装置、设备及存储介质 | |
CN111460098A (zh) | 文本匹配方法、装置及终端设备 | |
CN110888969A (zh) | 一种对话响应方法及装置 | |
CN113408660B (zh) | 图书聚类方法、装置、设备和存储介质 | |
CN111949793B (zh) | 用户意图识别方法、装置及终端设备 | |
CN107680598B (zh) | 基于好友声纹通讯录的信息交互方法、装置及其设备 | |
CN115793869B (zh) | 一种按键状态的识别方法及装置 | |
US10803861B2 (en) | Method and apparatus for identifying information | |
CN113987202A (zh) | 一种基于知识图谱的交互电话呼入方法及装置 | |
CN113869046A (zh) | 一种自然语言文本的处理方法、装置、设备及存储介质 | |
CN112765963A (zh) | 语句分词方法、装置、计算机设备及存储介质 | |
CN111785259A (zh) | 信息处理方法、装置及电子设备 | |
CN116578874B (zh) | 一种基于网络协议的卫星信号属性判证方法及装置 | |
CN111556097B (zh) | 一种数据传输方法、采集站、采集终端及数据采集系统 | |
CN117235137B (zh) | 一种基于向量数据库的职业信息查询方法及装置 | |
CN113766545B (zh) | 无线网络的身份识别方法和装置 | |
CN116244413B (zh) | 新意图确定方法、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |