CN111339770A - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN111339770A CN111339770A CN202010099068.5A CN202010099068A CN111339770A CN 111339770 A CN111339770 A CN 111339770A CN 202010099068 A CN202010099068 A CN 202010099068A CN 111339770 A CN111339770 A CN 111339770A
- Authority
- CN
- China
- Prior art keywords
- slot
- result
- candidate path
- score
- scoring
- 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.)
- Granted
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括:响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合;根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径;对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;输出槽位得分最高的候选路径所包括的槽位结果。该实施方式能有效的组合多种槽位识别方法,得到综合基于知识与模型的槽位识别策略的结果,提高槽位识别准确度与泛化能力。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于输出信息的方法和装置。
背景技术
槽位填充(slot filling)技术是指为了让用户意图转化为用户明确的指令而补全信息的过程。在当今槽位识别方法中,主要有基于知识的槽位识别与基于模型的槽位识别两种方法。由于两种方法各有各的优劣,基于知识的槽位识别方法,准确度高但是泛化能力较弱,基于模型的方法正好相反。
槽位填充目前普遍采用如下两种方案来解决:
(1)基于知识的槽位识别方法。这种方案使用人工构建的知识库,通过一定的规则匹配进行槽位识别。
(2)基于模型的槽位识别方法。这种方案将槽位填充问题转换为序列标注问题,使用统计机器学习模型进行槽位识别。
上述两种方案使用场景有所不同,所带来的问题和不足也有所不同:
方案(1)槽位识别实现比较简单,且准确度高,但是泛化能力较弱。
方案(2)槽位识别需要大量的标注数据支持,泛化能力较强,但是识别的准确度不如基于知识的槽位置识别方法。
发明内容
本公开的实施例提出了用于输出信息的方法和装置。
第一方面,本公开的实施例提供了一种用于输出信息的方法,包括:响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合;根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径;对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;输出槽位得分最高的候选路径所包括的槽位结果。
在一些实施例中,为该候选路径中的每个槽位结果打分,包括:对于该候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分为该槽位结果打分。
在一些实施例中,为该候选路径中的每个槽位结果打分,包括:对于该候选路径中的每个槽位结果,根据槽位结果的长度为槽位结果打分。
在一些实施例中,根据槽位结果的长度为槽位结果打分,包括:将槽位结果中词的个数除以问题中词的个数作为该槽位结果的分数。
在一些实施例中,该方法还包括:根据识别算法的优先级为每个槽位结果设置权重;通过已经设置的权重修正该候选路径中的每个槽位结果的分数。
在一些实施例中,为该候选路径中的每个槽位结果打分,包括:对于该候选路径中的每个槽位结果,执行如下操作:参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数;根据槽位结果的长度,得到该槽位结果的第二分数;根据识别算法的优先级为该槽位结果设置权重;将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
在一些实施例中,识别算法包括基于知识的槽位识别算法和基于模型的槽位识别算法。
第二方面,本公开的实施例提供了一种用于输出信息的装置,包括:识别单元,被配置成响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合;构建单元,被配置成根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径;打分单元,被配置成对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;输出单元,被配置成输出槽位得分最高的候选路径所包括的槽位结果。
在一些实施例中,打分单元进一步被配置成:对于该候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分为该槽位结果打分。
在一些实施例中,打分单元进一步被配置成:对于该候选路径中的每个槽位结果,根据槽位结果的长度为槽位结果打分。
在一些实施例中,打分单元进一步被配置成:将槽位结果中词的个数除以问题中词的个数作为该槽位结果的分数。
在一些实施例中,该装置还包括修正单元,被配置成:根据识别算法的优先级为每个槽位结果设置权重;通过已经设置的权重修正该候选路径中的每个槽位结果的分数。
在一些实施例中,打分单元进一步被配置成:对于该候选路径中的每个槽位结果,执行如下操作:参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数;根据槽位结果的长度,得到该槽位结果的第二分数;根据识别算法的优先级为该槽位结果设置权重;将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
在一些实施例中,识别算法包括基于知识的槽位识别算法和基于模型的槽位识别算法。
第三方面,本公开的实施例提供了一种用于输出信息的电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于输出信息的方法和装置,将基于知识的槽位识别与基于模型的槽位识别有机组合,多维度识别槽位,并进一步利用点击搜索满意特征,进行冲突槽位的取舍,得到结合知识与模型的槽位填充结果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3a-3c是根据本公开的用于输出信息的方法的一个应用场景的示意图;
图4是根据本公开的用于输出信息的方法的又一个实施例的流程图;
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如人机交互类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有麦克风和扬声器并且支持人机对话的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio LayerIII,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上提出的问题提供解答的人机对话服务器。人机对话服务器可以对接收到的人机对话请求等数据进行分析等处理,并将处理结果(例如答案)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于输出信息的方法一般由服务器105执行,相应地,用于输出信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法,包括以下步骤:
步骤201,响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合。
在本实施例中,用于输出信息的方法的执行主体(例如图1所示的服务器)可通过有线连接方式或者无线连接方式从用户利用其进行人机对话的终端接收待识别的问题。然后将问题分别使用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合。识别算法分为2大类,基于知识的槽位识别算法和基于模型的槽位识别算法。其中,基于知识的槽位识别算法是基于已知条件进行模板匹配的算法,例如知识图谱(knowledge graph,简称KG)、语法(grammar)、lexparser等。基于模型的槽位识别算法是通过神经网络模型来识别槽位,例如,CRF(conditional random field,条件随机场)、NN-CRF等。不同的识别算法会得到不同的槽位结果。如图3a所示,query代表问题,每个小格代表切词后的词。槽位识别结果可包括至少一个词。通过KG算法识别可得到槽位结果A和B。通过grammar算法识别可得到槽位结果C和D。通过lexparser算法识别可得到槽位结果E和F。通过CRF算法识别可得到槽位结果G、H和I。通过NN-CRF算法识别可得到槽位结果J和K。
步骤202,根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径。
在本实施例中,可根据粒度树将问题(query)切词后根据切词结果构建路径。
■示例query:提醒我明天打电话给刘德华
■切term:提醒/我/明天/打/电话/给/刘德华
生成粒度树如图3c所示。
可能的路径:
1.(提醒)(我明天)(打电话给)(刘德华)
2.(提醒我)(明天)(打电话给)(刘德华)
3.(提醒)(我明天)(打电话)(给)(刘德华)
4.(提醒)(我明天)(打)(电话)(给)(刘德华)
5........
上例中,不是所有的切词结果都是槽位结果。可参照粒度树的方法,将不同槽位结果集合中的槽位结果打散组合,只要槽位结果在query中的位置不冲突,即可组成一条候选路径。如图3b所示的ABF、ABI、ADF等。冲突的槽位结果不能在一条候选路径中,例如A、C、E、G、J就不能共存。候选路径还可以是同一算法的结果,例如,A和B,C和D等。也可以是多个算法的组合,例如A、H、K。
步骤203,对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分。
在本实施例中,打分策略引入粒度树作为衡量槽位效果的指标。对于槽位候选在粒度树中的槽位,可参照粒度树中的用户搜索满意得分、槽位长度、策略优先集中任一方法打分,也可将它们任意组合构建打分项,路径上的槽位得分依次相加得到最终得分。可根据实际情况选择打分算法,例如,如果没有用户搜索满意得分的情况下,直接使用槽位长度、策略优先集之一或二者结合。
用户搜索满意得分是大数据搜索的指标,表示一个搜索query结果的满足程度。在本申请中指的是槽位结果的搜索满意度,即将槽位结果作为query搜索的满意度。例如统计大量用户对某一个槽位结果的搜索结果的行为(翻页、点击、停留时间等),如果点击则说明用户对该槽位结果满意。如果用户没有点击,而是更改了槽位结果重新搜索,则说明用户不满意。可统计海量用户对某个槽位结果搜索满意的比例作为该槽位的搜索满意度得分。
槽位长度得分,可以直接用绝对长度,也可使用相对长度。槽位长度值越大则分数越高。绝对长度指的是槽位结果所包括的词的数量。相对长度指的是槽位结果中词的个数/query中词的个数。
策略优先集指的是根据经验设置不同算法的权重。准确率越高的算法的权重越高。
如图3b所示,score_1到score_n为第一条路径ABF至第n条路径JHK的分数。
步骤204,输出槽位得分最高的候选路径所包括的槽位结果。
在本实施例中,每条候选路径都有自己的槽位得分,将槽位得分最高的候选路径作为最终结果输出,其所包括的槽位结果即为最优的识别结果。
本技术能有效的组合多种槽位识别方法,得到综合基于知识与模型的槽位识别策略的结果,提高槽位识别准确度与泛化能力。
进一步参考图4,其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400,包括以下步骤:
步骤401,响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合。
步骤402,根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径。
步骤401-402与步骤201-202基本相同,因此不再赘述。
步骤403,对于每条候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数。
在本实施例中,可统计海量用户对每个槽位结果搜索满意的比例作为搜索满意度得分,得到每槽位结果的第一分数,可记为x。所有槽位结果采用统一的满意度得分标准来打分。不同路径中同样的槽位结果的分数不需要重复计算。因此可以构建路径前就为各槽位结果打分。只是计算总分时按路径统计。
步骤404,对于每条候选路径中的每个槽位结果,根据该槽位结果的长度,得到该槽位结果的第二分数。
在本实施例中,可统一采用相对槽位长度或绝对槽位长度计算槽位结果的第二分数,可记为y。总得来说相对槽位长度会更合理些。也可根据query本身的长度来自适应的选择计算方法。例如,query特别长,超过预定阈值的情况下,直接采用绝对槽位长度。
步骤405,对于每条候选路径中的每个槽位结果,根据识别算法的优先级为该槽位结果设置权重,将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
在本实施例中,优先级越高则权重值越大,权重可记为w。这样每个槽位结果的分数为w*(x+y)。
步骤406,对于每条候选路径,计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分。
在本实施例中,同一条路径中由不同算法识别出的槽位结果的权重不同。如图3a所示,KG到NN-CRF算法的权重依次可设为w1-w5。则图3b中第一条路径ABF的分数为w1*(xA+yA)+w1*(xB+yB)+w3*(xF+yF)。
步骤407,输出槽位得分最高的候选路径所包括的槽位结果。
在本实施例中,每条候选路径都有个槽位得分,将槽位得分最高的候选路径作为最终结果输出,其所包括的槽位结果即为最优的识别结果。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于输出信息的方法的流程400体现了三种计分方法结合的步骤。由此,本实施例描述的方案可以从多个角度来衡量槽位识别的质量,从而进一步提高识别准确率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:识别单元501、构建单元502、打分单元503和输出单元504。其中,识别单元501,被配置成响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合;构建单元502,被配置成根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径;打分单元503,被配置成对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;输出单元504,被配置成输出槽位得分最高的候选路径所包括的槽位结果。
在本实施例中,用于输出信息的装置500的识别单元501、构建单元502、打分单元503和输出单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,打分单元503进一步被配置成:对于该候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分为该槽位结果打分。
在本实施例的一些可选的实现方式中,打分单元503进一步被配置成:对于该候选路径中的每个槽位结果,根据槽位结果的长度为槽位结果打分。
在本实施例的一些可选的实现方式中,打分单元503进一步被配置成:将槽位结果中词的个数除以问题中词的个数作为该槽位结果的分数。
在本实施例的一些可选的实现方式中,装置500还包括修正单元(附图中未示出),被配置成:根据识别算法的优先级为每个槽位结果设置权重;通过已经设置的权重修正该候选路径中的每个槽位结果的分数。
在本实施例的一些可选的实现方式中,打分单元503进一步被配置成:对于该候选路径中的每个槽位结果,执行如下操作:参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数;根据该槽位结果的长度,得到该槽位结果的第二分数;根据识别算法的优先级为该槽位结果设置权重;将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
在本实施例的一些可选的实现方式中,识别算法包括基于知识的槽位识别算法和基于模型的槽位识别算法。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到待识别的问题,采用至少2种识别算法识别问题中的槽位,得到至少2个槽位结果集合;根据至少2个槽位结果集合中各槽位结果在问题中的位置冲突关系,构建至少2条候选路径;对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;输出槽位得分最高的候选路径所包括的槽位结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括识别单元、构建单元、打分单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,识别单元还可以被描述为“响应于接收到待识别的问题,采用至少2种识别算法识别所述问题中的槽位,得到至少2个槽位结果集合的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于输出信息的方法,包括:
响应于接收到待识别的问题,采用至少2种识别算法识别所述问题中的槽位,得到至少2个槽位结果集合;
根据所述至少2个槽位结果集合中各槽位结果在所述问题中的位置冲突关系,构建至少2条候选路径;
对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;
输出槽位得分最高的候选路径所包括的槽位结果。
2.根据权利要求1所述的方法,其中,所述为该候选路径中的每个槽位结果打分,包括:
对于该候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分为该槽位结果打分。
3.根据权利要求1所述的方法,其中,所述为该候选路径中的每个槽位结果打分,包括:
对于该候选路径中的每个槽位结果,根据槽位结果的长度为槽位结果打分。
4.根据权利要求3所述的方法,其中,所述根据槽位结果的长度为槽位结果打分,包括:
将槽位结果中词的个数除以所述问题中词的个数作为该槽位结果的分数。
5.根据权利要求1所述的方法,其中,所述方法还包括:
根据识别算法的优先级为每个槽位结果设置权重;
通过已经设置的权重修正该候选路径中的每个槽位结果的分数。
6.根据权利要求1所述的方法,其中,所述为该候选路径中的每个槽位结果打分,包括:
对于该候选路径中的每个槽位结果,执行如下操作:
参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数;
根据该槽位结果的长度,得到该槽位结果的第二分数;
根据识别算法的优先级为该槽位结果设置权重;
将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
7.根据权利要求1-6之一所述的方法,其中,识别算法包括基于知识的槽位识别算法和基于模型的槽位识别算法。
8.一种用于输出信息的装置,包括:
识别单元,被配置成响应于接收到待识别的问题,采用至少2种识别算法识别所述问题中的槽位,得到至少2个槽位结果集合;
构建单元,被配置成根据所述至少2个槽位结果集合中各槽位结果在所述问题中的位置冲突关系,构建至少2条候选路径;
打分单元,被配置成对于每条候选路径,为该候选路径中的每个槽位结果打分,并计算该候选路径中各槽位结果的分数之和作为该候选路径的槽位得分;
输出单元,被配置成输出槽位得分最高的候选路径所包括的槽位结果。
9.根据权利要求8所述的装置,其中,所述打分单元进一步被配置成:
对于该候选路径中的每个槽位结果,参照粒度树中的用户搜索满意得分为该槽位结果打分。
10.根据权利要求8所述的装置,其中,所述打分单元进一步被配置成:
对于该候选路径中的每个槽位结果,根据槽位结果的长度为槽位结果打分。
11.根据权利要求10所述的装置,其中,所述打分单元进一步被配置成:
将槽位结果中词的个数除以所述问题中词的个数作为该槽位结果的分数。
12.根据权利要求8所述的装置,其中,所述装置还包括修正单元,被配置成:
根据识别算法的优先级为每个槽位结果设置权重;
通过已经设置的权重修正该候选路径中的每个槽位结果的分数。
13.根据权利要求8所述的装置,其中,所述打分单元进一步被配置成:
对于该候选路径中的每个槽位结果,执行如下操作:
参照粒度树中的用户搜索满意得分,得到该槽位结果的第一分数;
根据该槽位结果的长度,得到该槽位结果的第二分数;
根据识别算法的优先级为该槽位结果设置权重;
将该槽位结果的第一分数与第二分数之和再与权重相乘作为该槽位结果的分数。
14.根据权利要求8-13之一所述的装置,其中,识别算法包括基于知识的槽位识别算法和基于模型的槽位识别算法。
15.一种用于输出信息的电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099068.5A CN111339770B (zh) | 2020-02-18 | 2020-02-18 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099068.5A CN111339770B (zh) | 2020-02-18 | 2020-02-18 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339770A true CN111339770A (zh) | 2020-06-26 |
CN111339770B CN111339770B (zh) | 2023-07-21 |
Family
ID=71181704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099068.5A Active CN111339770B (zh) | 2020-02-18 | 2020-02-18 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339770B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949787A (zh) * | 2020-08-21 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的自动问答方法、装置、设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128462A (zh) * | 2016-06-21 | 2016-11-16 | 东莞酷派软件技术有限公司 | 语音识别方法及系统 |
JP2017097317A (ja) * | 2015-11-18 | 2017-06-01 | 本田技研工業株式会社 | 識別装置、ロボットおよび識別方法 |
CN109255014A (zh) * | 2018-10-17 | 2019-01-22 | 北京京航计算通讯研究所 | 基于多种算法提升文件关键词准确度的识别方法 |
CN109408622A (zh) * | 2018-10-31 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 语句处理方法及其装置、设备和存储介质 |
CN109785833A (zh) * | 2019-01-02 | 2019-05-21 | 苏宁易购集团股份有限公司 | 用于智能设备的人机交互语音识别方法及系统 |
CN109918680A (zh) * | 2019-03-28 | 2019-06-21 | 腾讯科技(上海)有限公司 | 实体识别方法、装置及计算机设备 |
US10366690B1 (en) * | 2017-05-15 | 2019-07-30 | Amazon Technologies, Inc. | Speech recognition entity resolution |
CN110288985A (zh) * | 2019-06-28 | 2019-09-27 | 北京猎户星空科技有限公司 | 语音数据处理方法、装置、电子设备及存储介质 |
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 |
US20190318220A1 (en) * | 2018-04-13 | 2019-10-17 | International Business Machines Corporation | Dispersed template-based batch interaction with a question answering system |
CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
CN110389667A (zh) * | 2018-04-17 | 2019-10-29 | 北京搜狗科技发展有限公司 | 一种输入方法及装置 |
CN110502608A (zh) * | 2019-07-05 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于知识图谱的人机对话方法及人机对话装置 |
CN110659366A (zh) * | 2019-09-24 | 2020-01-07 | Oppo广东移动通信有限公司 | 语义解析方法、装置、电子设备以及存储介质 |
-
2020
- 2020-02-18 CN CN202010099068.5A patent/CN111339770B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017097317A (ja) * | 2015-11-18 | 2017-06-01 | 本田技研工業株式会社 | 識別装置、ロボットおよび識別方法 |
CN106128462A (zh) * | 2016-06-21 | 2016-11-16 | 东莞酷派软件技术有限公司 | 语音识别方法及系统 |
US10366690B1 (en) * | 2017-05-15 | 2019-07-30 | Amazon Technologies, Inc. | Speech recognition entity resolution |
US20190318220A1 (en) * | 2018-04-13 | 2019-10-17 | International Business Machines Corporation | Dispersed template-based batch interaction with a question answering system |
CN110389667A (zh) * | 2018-04-17 | 2019-10-29 | 北京搜狗科技发展有限公司 | 一种输入方法及装置 |
CN109255014A (zh) * | 2018-10-17 | 2019-01-22 | 北京京航计算通讯研究所 | 基于多种算法提升文件关键词准确度的识别方法 |
CN109408622A (zh) * | 2018-10-31 | 2019-03-01 | 腾讯科技(深圳)有限公司 | 语句处理方法及其装置、设备和存储介质 |
CN109785833A (zh) * | 2019-01-02 | 2019-05-21 | 苏宁易购集团股份有限公司 | 用于智能设备的人机交互语音识别方法及系统 |
CN109918680A (zh) * | 2019-03-28 | 2019-06-21 | 腾讯科技(上海)有限公司 | 实体识别方法、装置及计算机设备 |
CN110288985A (zh) * | 2019-06-28 | 2019-09-27 | 北京猎户星空科技有限公司 | 语音数据处理方法、装置、电子设备及存储介质 |
CN110502608A (zh) * | 2019-07-05 | 2019-11-26 | 平安科技(深圳)有限公司 | 基于知识图谱的人机对话方法及人机对话装置 |
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 |
CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
CN110659366A (zh) * | 2019-09-24 | 2020-01-07 | Oppo广东移动通信有限公司 | 语义解析方法、装置、电子设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
马远浩等: "基于加权词向量和LSTM-CNN的微博文本分类研究", 《现代计算机(专业版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949787A (zh) * | 2020-08-21 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱的自动问答方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111339770B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872242B (zh) | 信息推送方法和装置 | |
CN112364860B (zh) | 字符识别模型的训练方法、装置和电子设备 | |
CN111414543B (zh) | 用于生成评论信息序列的方法、装置、电子设备和介质 | |
CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN110990598B (zh) | 资源检索方法、装置、电子设备及计算机可读存储介质 | |
CN111324700A (zh) | 资源召回方法、装置、电子设备及计算机可读存储介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
WO2021068493A1 (zh) | 用于处理信息的方法和装置 | |
CN116894188A (zh) | 业务标签集更新方法、装置、介质及电子设备 | |
WO2022001397A1 (zh) | 交互资格等级确定方法、装置、设备及存储介质 | |
CN111782933B (zh) | 用于推荐书单的方法和装置 | |
CN111339770B (zh) | 用于输出信息的方法和装置 | |
CN113191257A (zh) | 笔顺检测方法、装置和电子设备 | |
CN111382365A (zh) | 用于输出信息的方法和装置 | |
CN112734462B (zh) | 一种信息推荐方法、装置、设备及介质 | |
CN114926234A (zh) | 物品信息推送方法、装置、电子设备和计算机可读介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN111597441B (zh) | 信息处理方法、装置和电子设备 | |
CN113177174B (zh) | 特征构建方法、内容显示方法及相关装置 | |
CN113283115B (zh) | 图像模型生成方法、装置和电子设备 | |
CN111581381B (zh) | 文本分类模型的训练集合的生成方法、装置和电子设备 | |
CN114443897B (zh) | 一种视频推荐方法、装置、电子设备和存储介质 | |
CN116974684B (zh) | 地图页面布局方法、装置、电子设备与计算机可读介质 | |
CN114374738B (zh) | 信息推送方法、装置、存储介质及电子设备 |
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: 20210513 Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Applicant after: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. Applicant after: Shanghai Xiaodu Technology Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |