CN111460116B - 问答方法、问答系统、电子设备和存储介质 - Google Patents
问答方法、问答系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111460116B CN111460116B CN202010198155.6A CN202010198155A CN111460116B CN 111460116 B CN111460116 B CN 111460116B CN 202010198155 A CN202010198155 A CN 202010198155A CN 111460116 B CN111460116 B CN 111460116B
- Authority
- CN
- China
- Prior art keywords
- question
- candidate list
- keywords
- keyword
- answer
- 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 71
- 238000012216 screening Methods 0.000 claims abstract description 73
- 238000011835 investigation Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008030 elimination Effects 0.000 abstract description 6
- 238000003379 elimination reaction Methods 0.000 abstract description 6
- 239000003814 drug Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000717 retained effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001225 therapeutic effect Effects 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
- G06F16/30—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
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/338—Presentation of query results
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种问答方法、系统、电子设备和存储介质，涉及知识图谱技术领域。具体实现方案为：接收输入的问题信息；对问题信息进行解析，以得到问题信息中的多个关键词；根据多个关键词，获取关键词属性列表；其中，关键词属性列表中具有各个关键词所对应的目标属性；获取问题信息的候选列表，其中，候选列表中具有多个答案选项；根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。本申请可通过参照排除法的思路依据关键词属性对答案选项进行决策筛选，使得基于决策筛选的知识库问答方法可以简化复杂知识推理类型的选择题问题解答，保证了准确率，并提高了正确答案的召回率。
Description
技术领域
本申请涉及知识图谱技术领域，尤其涉及一种问答方法、问答系统、电子设备和存储介质。
背景技术
相关技术中，在构建医疗领域的基于知识库的问答系统时，常用方法是基于知识查询的KBQA(Knowledge Base Question Answering，知识库问答)方法，基于概率推理的KBQA方法。
但是，目前存在的问题是：基于知识查询的KBQA方法仅适用于单属性约束的问题，当问题较长涉及多个属性时查询召回较低，触发较少；基于概率推理的KBQA方法需要构建带概率的知识图谱型数据，知识库构建成本较大，且当问题涉及多个属性时需要进行多级推理，由于推理关系较多，策略比较复杂，且准确率会随着推理层级增多而下降。
发明内容
本申请的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本申请的第一个目的在于提出一种问答方法。该方法可以简化复杂知识推理类型的选择题问题解答，保证了准确率，并提高了正确答案的召回率。
本申请的第二个目的在于提出一种问答系统。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达到上述目的，本申请第一方面实施例提出的问答方法，包括：接收输入的问题信息；对所述问题信息进行解析，以得到所述问题信息中的多个关键词；根据所述多个关键词，获取关键词属性列表；其中，所述关键词属性列表中具有各个关键词所对应的目标属性；获取所述问题信息的候选列表，其中，所述候选列表中具有多个答案选项；根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案。
根据本申请的一个实施例，根据所述多个关键词，获取关键词属性列表，包括：确定各个关键词的属性类别；确定所述问题信息的题目考察类型；根据所述题目考察类型和所述各个关键词的属性类别，确定出所述各个关键词的目标属性，其中，所述各个关键词的目标属性的类别符合所述问题信息的题目考察类型；将所述多个关键词的目标属性添加到列表中以形成所述关键词属性列表。
根据本申请的一个实施例，确定所述问题信息的题目考察类型，包括：基于模式匹配方式，确定所述问题信息的题目考察类型。
根据本申请的一个实施例，根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案，包括：确定所述多个答案选项所对应的知识信息；将所述各个关键词所对应的目标属性，按照目标顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表；将最终保留在所述候选列表中的答案选项，确定为所述正确答案。
根据本申请的一个实施例，根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案，包括：将所述关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式；针对所述各排列组合方式，根据所述候选列表中的多个答案选项和所述各个关键词所对应的目标属性进行多次决策筛选；对每次决策筛选到的答案选项进行统计，将统计次数最高的答案选项确定为所述正确答案。
根据本申请的一个实施例，针对当前排列组合方式，根据所述候选列表中的多个答案选项和所述各个关键词所对应的目标属性进行一次决策筛选，包括：确定所述多个答案选项所对应的知识信息；将所述各个关键词所对应的目标属性，按照所述当前排列组合方式中的顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表。
根据本申请的一个实施例，所述对每次决策筛选到的答案选项进行统计，包括：获取所述多个决策筛选中筛选成功的筛选结果，其中，所述筛选成功的筛选结果是指本次决策筛选后得到的候选列表中最终保留一个答案选项；对每个筛选成功的筛选结果中的答案选项进行统计。
本申请第二方面实施例提出的问答系统，包括：问题接收模块，用于接收输入的问题信息；问题解析模块，用于对所述问题信息进行解析，以得到所述问题信息中的多个关键词；关键词属性列表获取模块，用于根据所述多个关键词，获取关键词属性列表；其中，所述关键词属性列表中具有各个关键词所对应的目标属性；候选列表获取模块，用于获取所述问题信息的候选列表，其中，所述候选列表中具有多个答案选项；答案选项筛选模块，用于根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案。
本申请第三方面实施例提出的电子设备，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本申请第一方面实施例所述的问答方法。
本申请第四方面实施例提出的存储有计算机指令的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本申请第一方面实施例所述的问答方法。
本申请实施例的实现方案，可接收输入的问题信息，并对问题信息进行解析，以得到问题信息中的多个关键词，之后，根据多个关键词，获取关键词属性列表，其中，关键词属性列表中具有各个关键词所对应的目标属性，获取问题信息的候选列表，其中，候选列表中具有多个答案选项，然后，根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。由此，可通过参照排除法的思路依据关键词属性对答案选项进行决策筛选，使得基于决策筛选的知识库问答方法可以简化复杂知识推理类型的选择题问题解答，保证了准确率，并提高了正确答案的召回率。
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是根据本申请一个实施例的问答方法的流程图；
图2是根据本申请另一个实施例的问答方法的流程图；
图3是根据本申请又一个实施例的问答方法的流程图；
图4是根据本申请一个实施例的问答系统的结构示意图；
图5是根据本申请一个实施例的答案选项筛选模块的结构示意图；
图6是用来实现本申请实施例的用以实现问答方法的电子设备的框图。
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。
下面参考附图描述本申请实施例的问答方法、问答系统、电子设备和存储介质。
图1是根据本申请一个实施例的问答方法的流程图。需要说明的是，本申请实施例的问答方法可应用于本申请实施例的问答系统。作为一种示例，本申请实施例的问答方法适用于医疗领域的问答系统的问答场景。
如图1所示，该问答方法可以包括：
步骤101，接收输入的问题信息。
步骤102，对问题信息进行解析，以得到问题信息中的多个关键词。
需要说明的是，在本申请的实施例中，可预先构建医疗知识图谱及知识库。也就是说，作为应用功能的基石，需要根据医学权威站点数据和权威教材预先构建医疗知识图谱，从互联网中的海量信息中挖掘并构建所需要的医学领域知识。构建知识图谱可包括但不限于建立疾病、症状、药品、检查、检验、手术等类型实体，以及各实体相关属性，构建的知识图谱数据可采用SPO(Subject-Predication-Object，主语-谓语-宾语)三元组形式存储，以构建知识库。
在本步骤中，在接收到用户输入的问题信息时，可采用NLU(Natural LanguageUnderstanding，自然语言理解)工具及自定义词抽取该问题信息中的各关键词。例如，可采用NLU工具对问题信息的文本内容进行分词处理，并基于预先建立的知识库中的SPO三元组，从分词处理得到的分词中确定出具有实体含义的各关键词。
步骤103，根据多个关键词，获取关键词属性列表；其中，关键词属性列表中具有各个关键词所对应的目标属性。
也就是说，每个关键词都会具有相应的属性，为此，在获得问题信息中的各个关键词之后，可确定该各个关键词分别对应的属性，以得到关键词属性列表。
需要说明的是，关键词的属性可能有多种类别，比如，某个关键词药品名，其既可以治疗疾病A，又可以疾病B，也就是说，该关键词药品名的属性可能有两种类别，因此，为了能够保证召回率，可从该多个类别的属性中确定出最符合当前场景的属性。作为一种示例，可确定各个关键词的属性类别，并确定问题信息的题目考察类型，根据题目考察类型和各个关键词的属性类别，确定出各个关键词的目标属性，其中，各个关键词的目标属性的类别符合该问题信息的题目考察类型；将多个关键词的目标属性添加到列表中以形成所述关键词属性列表。
也就是说，在得到问题信息中的各个关键词之后，可确定各个关键词的属性类别，并确定问题信息的题目考察类型，该题目考察类型是指该问题题目是要询问的是哪种类型或哪种方面的问题；这样，可根据该问题信息的题目考察类型和各个关键词的属性类别，确定出符合该问题信息的题目考察类型的各关键词目标属性，从而得到关键词属性列表。
在本申请的一个实施例中，可基于模式匹配方式，确定问题信息的题目考察类型。也就是说，可采用Pattern匹配方式对该问题信息进行题目类型解析，以获得该问题信息的题目考察类型。
步骤104，获取问题信息的候选列表，其中，候选列表中具有多个答案选项。
在本申请的实施例中，可从预先建立的知识库中获取该问题信息的多个答案选项，将这些答案选项添加至列表中以形成候选列表。可以理解，问题和答案的形式就像选择题类型，为此，本申请在构建医疗领域的问答系统时，基于选择题类型的形式，构建结构化的知识库。这样，在实际应用时，可根据用户输入的问题信息，从该预先建立的结构化知识库中获得该问题信息的多个答案选项，以便后续基于选择题问题的特殊性，参照排除法的思路依据关键词属性对该问题信息的多个答案选项进行决策筛选，以得到最佳答案选项。
步骤105，根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。
也就是说，本申请在构建医疗领域的问答系统时，对于选择题类型的问答问题，依托预先构建的结构化知识库，可根据题目解析后得到各个关键词所对应的目标属性通过决策筛选的思路选出最佳答案选项。
在本申请的一个实施例中，如图2所示，所述根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案的具体实现过程可包括以下步骤：
步骤201，确定多个答案选项所对应的知识信息。
作为一种示例，从预先建立的知识图谱及知识库中确定出各个答案选项所对应的知识信息。例如，以某个答案选项为药品A为例，则可从预先建立的知识图谱及知识库中，找出药品A所对应的知识信息，该知识信息可为该药品A的治疗作用等。
可以理解，问题题目中可能会含有答案选项所对应的知识信息，因此，在本申请的实施例中，还可从问题信息中确定出各个答案选项所对应的知识信息。例如，可先从问题信息中确定答案选项所对应的知识信息，若某个或某些答案选项所对应的知识信息不能从问题信息中获得，则从预先建立的知识图谱及知识库中确定出剩余答案选项所对应的知识信息。
步骤202，将各个关键词所对应的目标属性，按照目标顺序依次分别与候选列表中的答案选项所对应的知识信息进行匹配。
在本申请的实施例中，所述目标顺序可以是预设顺序，即可以是按照预设筛选策略而预先设定的顺序。也就是说，在对候选列表中的多个答案选项进行筛选时，可将各个关键词所对应的目标属性，按照某种顺序依次分别与候选列表中的答案选项所对应的知识信息进行匹配，并根据匹配结果判定答案选项是保留在候选列表中还是移出候选列表。例如，假设关键词属性列表中有3个关键词的目标属性，即属性1、属性2和属性3，候选列表中的答案选项有3个，即答案选项A、答案选项B和答案选项C，则将属性1、属性2和属性3按照顺序依次分别与候选列表中的答案选项A所对应的知识信息、答案选项B所对应的知识信息和答案选项C所对应的知识信息进行匹配，比如该顺序可为：属性1先分别与答案选项A所对应的知识信息、答案选项B所对应的知识信息和答案选项C所对应的知识信息进行匹配，然后属性2分别与候选列表中剩余答案选项所对应的知识信息进行匹配，最后，属性3分别与候选列表中剩余答案选项所对应的知识信息进行匹配。
需要说明的是，在本申请的实施例中，关键词所对应的目标属性与候选列表中的答案选项所对应的知识信息进行匹配的方式可以是精准匹配方式，或者，模糊匹配方式，或者别名匹配方式。其中，该别名匹配是指关键词的目标属性与答案选项所对应的知识是否为别名关系。
步骤203，若匹配结果符合预设条件，则将符合预设条件的答案选项保留在候选列表中。
需要说明的是，本申请中关键词所对应的目标属性与候选列表中的答案选项所对应的知识信息进行匹配时，所使用的匹配方式不同，则判断匹配结果的预设条件也会不同，即每种匹配方式会对应相应的判断匹配结果的预设条件。例如，假设所使用的匹配方式是精准匹配，则需判断关键词所对应的目标属性与候选列表中的答案选项所对应的知识信息进行匹配时，所得到的匹配结果是否符合该精准匹配的预设条件，若符合，则将该符合预设条件的答案选项保留在候选列表中，并进入下一轮筛选，即继续用当前关键词所对应的目标属性与下一个答案选项的知识信息进行匹配。
步骤204，若匹配结果未符合预设条件，则将未符合预设条件的答案选项移出候选列表。
例如，假设所使用的匹配方式是精准匹配，则需判断关键词所对应的目标属性与候选列表中的答案选项所对应的知识信息进行匹配时，所得到的匹配结果是否符合该精准匹配的预设条件，若不符合，则将该不符合预设条件的答案选项移出候选列表，并进入下一轮筛选，即继续用当前关键词所对应的目标属性与下一个答案选项的知识信息进行匹配。若当前关键词所对应的目标属性与候选列表中的每个答案选项的知识信息均进行了匹配，则会按照顺序从关键词属性列表中选取下一个关键词的目标属性，将该下一个关键词的目标属性与候选列表中的答案选项所对应的知识信息进行匹配，以此类推，直至关键词属性列表中的目标属性均被遍历完毕。
步骤205，将最终保留在候选列表中的答案选项，确定为正确答案。
也就是说，对于复杂知识推理类问题，可鉴于选择题问题的特殊性，参照排除法的思路依据关键词属性对候选列表中的答案选项进行决策筛选，比如，将不符合条件的答案选项移出候选列表，将符合条件的答案选项保留在候选列表中，这样，最终保留在候选列表中的答案选项可确定为该问题信息的正确答案。
举例而言，假设关键词属性列表中有3个关键词的目标属性，即属性1、属性2和属性3，候选列表中的答案选项有3个，即答案选项A、答案选项B和答案选项C，则将属性1、属性2和属性3按照顺序依次分别与候选列表中的答案选项A所对应的知识信息、答案选项B所对应的知识信息和答案选项C所对应的知识信息进行匹配，比如该顺序可为：先属性1、属性2和属性3。则当属性1先与答案选项A所对应的知识信息进行匹配，假设匹配结果满足预设条件，则将答案选项A保留在候选列表中；属性1继续与答案选项B所对应的知识信息进行匹配，假设匹配结果不满足预设条件，则将答案选项B移出候选列表；属性2继续与答案选项C所对应的知识信息进行匹配，假设匹配结果满足预设条件，则将答案选项B保留在候选列表；然后属性2再分别与候选列表中剩余答案选项(即此时剩余的答案选项为选项A和选项C)所对应的知识信息进行匹配，假设属性2分别与答案选项A和答案选项C所对应的知识信息进行匹配后，得到的候选列表中剩余答案选项为选项A；最后，属性3与候选列表中剩余答案选项(此时剩余的答案选项为选项A)所对应的知识信息进行匹配，假设匹配结果满足预设条件，则此时将答案选项A确定为该问题信息的正确答案。
可以理解，给定个关键词属性列表时，由于知识库完备性不能保证，当问题信息太长，存在多个关键词时，则也会对应存在多个属性，即关键词属性列表中的属性会有多个，此时若仅随机选取一种顺序进行决策筛选，可能在第一轮结束即筛选失败，使得召回率不能得到保证。其中，该筛选失败可表现为：关键词属性列表中的属性未遍历完毕之前，候选列表已为空；或者，关键词属性列表中的属性遍历完毕之后，候选列表长度仍大于1。当关键词属性列表中的属性遍历完毕，候选列表长度为1，即表明只剩一个答案选项保留，则可将该候选列表中的答案选项确定为正确答案。
为了能够提高召回率，在本申请的一个实施例中，如图3所示，所述根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案的具体实现过程可包括以下步骤：
步骤301，将关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式。
步骤302，针对各排列组合方式，根据候选列表中的多个答案选项和各个关键词所对应的目标属性进行多次决策筛选。
在本申请的实施例中，针对当前排列组合方式，根据候选列表中的多个答案选项和各个关键词所对应的目标属性进行一次决策筛选的实现过程可如下：确定多个答案选项所对应的知识信息；将各个关键词所对应的目标属性，按照当前排列组合方式中的顺序依次分别与候选列表中的答案选项所对应的知识信息进行匹配；若匹配结果符合预设条件，则将符合预设条件的答案选项保留在候选列表中；若匹配结果未符合预设条件，则将未符合预设条件的答案选项移出候选列表。
步骤303，对每次决策筛选到的答案选项进行统计，将统计次数最高的答案选项确定为正确答案。
在本申请的实施例中，获取多个决策筛选中筛选成功的筛选结果，其中，筛选成功的筛选结果是指本次决策筛选后得到的候选列表中最终保留一个答案选项，并对每个筛选成功的筛选结果中的答案选项进行统计。
也就是说，可将关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式，对每个排列组合方式均进行一次决策筛选，最后对筛选结果进行统计，若某答案选项被保留到最后的次数最高且不为0，则可将该某答案选项确定为正确答案。
根据本申请实施例的问答方法，可接收输入的问题信息，并对问题信息进行解析，以得到问题信息中的多个关键词，之后，根据多个关键词，获取关键词属性列表，其中，关键词属性列表中具有各个关键词所对应的目标属性，获取问题信息的候选列表，其中，候选列表中具有多个答案选项，然后，根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。由此，可通过参照排除法的思路依据关键词属性对答案选项进行决策筛选，使得基于决策筛选的知识库问答方法可以简化复杂知识推理类型的选择题问题解答，保证了准确率，并提高了正确答案的召回率。
与上述几种实施例提供的问答方法相对应，本申请的一种实施例还提供一种问答系统，由于本申请实施例提供的问答系统与上述几种实施例提供的问答方法相对应，因此在问答方法的实施方式也适用于本实施例提供的问答系统，在本实施例中不再详细描述。图4是根据本申请一个实施例的问答系统的结构示意图。如图4所示，该问答系统400可以包括：问题接收模块410、问题解析模块420、关键词属性列表获取模块430、候选列表获取模块440和答案选项筛选模块450。
具体地，问题接收模块410用于接收输入的问题信息。
问题解析模块420用于对问题信息进行解析，以得到问题信息中的多个关键词。
关键词属性列表获取模块430用于根据多个关键词，获取关键词属性列表；其中，关键词属性列表中具有各个关键词所对应的目标属性。作为一种示例，关键词属性列表获取模块430具体用于：确定各个关键词的属性类别；确定问题信息的题目考察类型；根据题目考察类型和各个关键词的属性类别，确定出各个关键词的目标属性，其中，各个关键词的目标属性的类别符合问题信息的题目考察类型；将多个关键词的目标属性添加到列表中以形成关键词属性列表。
在本申请的实施例中，关键词属性列表获取模块430确定问题信息的题目考察类型的具体实现过程可如下：基于模式匹配方式，确定所述问题信息的题目考察类型。
候选列表获取模块440用于获取问题信息的候选列表，其中，候选列表中具有多个答案选项。
答案选项筛选模块450用于根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。
在本申请的一个实施例中，答案选项筛选模块450具体用于：确定多个答案选项所对应的知识信息；将各个关键词所对应的目标属性，按照目标顺序依次分别与候选列表中的答案选项所对应的知识信息进行匹配；若匹配结果符合预设条件，则将符合预设条件的答案选项保留在候选列表中；若匹配结果未符合预设条件，则将未符合预设条件的答案选项移出候选列表；将最终保留在候选列表中的答案选项，确定为正确答案。
为了能够提高召回率，在本申请的另一个实施例中，如图5所示，答案选项筛选模块450可以包括：排列单元451、决策筛选单元452、统计单元453和确定单元454。其中，排列单元451用于将关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式；决策筛选单元452用于针对各排列组合方式，根据候选列表中的多个答案选项和各个关键词所对应的目标属性进行多次决策筛选；统计单元453用于对每次决策筛选到的答案选项进行统计；确定单元454用于将统计次数最高的答案选项确定为正确答案。
在本申请的实施例中，决策筛选单元452针对当前排列组合方式，根据候选列表中的多个答案选项和各个关键词所对应的目标属性进行一次决策筛选的实现过程可如下：确定多个答案选项所对应的知识信息；将各个关键词所对应的目标属性，按照当前排列组合方式中的顺序依次分别与候选列表中的答案选项所对应的知识信息进行匹配；若匹配结果符合预设条件，则将符合预设条件的答案选项保留在候选列表中；若匹配结果未符合预设条件，则将未符合预设条件的答案选项移出候选列表。
在本申请的实施例中，统计单元453具体用于：获取多个决策筛选中筛选成功的筛选结果，其中，筛选成功的筛选结果是指本次决策筛选后得到的候选列表中最终保留一个答案选项；对每个筛选成功的筛选结果中的答案选项进行统计。
根据本申请实施例的问答系统，可通过问题接收模块接收输入的问题信息，问题解析模块对问题信息进行解析，以得到问题信息中的多个关键词，关键词属性列表获取模块根据多个关键词，获取关键词属性列表，其中，关键词属性列表中具有各个关键词所对应的目标属性，候选列表获取模块获取问题信息的候选列表，其中，候选列表中具有多个答案选项，答案选项筛选模块根据关键词属性列表中各个关键词所对应的目标属性，对候选列表中的多个答案选项进行筛选，以得到正确答案。由此，可通过参照排除法的思路依据关键词属性对答案选项进行决策筛选，使得基于决策筛选的知识库问答方法可以简化复杂知识推理类型的选择题问题解答，保证了准确率，并提高了正确答案的召回率。
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。
如图6所示，是根据本申请实施例的用于实现问答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6所示，该电子设备包括：一个或多个处理器601、存储器602，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6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的问答方法。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问答方法。
存储器602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问答方法对应的程序指令/模块(例如，附图4所示的问题接收模块410、问题解析模块420、关键词属性列表获取模块430、候选列表获取模块440和答案选项筛选模块450)。处理器601通过运行存储在存储器602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问答方法。
存储器602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用以实现问答方法的电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至用以实现问答方法的电子设备。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。
用以实现问答方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与用以实现问答方法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604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。
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 (14)
1.一种问答方法，其特征在于，包括：
接收输入的问题信息；
对所述问题信息进行解析，以得到所述问题信息中的多个关键词；
根据所述多个关键词，确定各个关键词分别对应的属性，根据所述各个关键词分别对应的属性，获取关键词属性列表；其中，所述关键词属性列表中具有各个关键词所对应的目标属性；
获取所述问题信息的候选列表，其中，所述候选列表中具有多个答案选项；
根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案；
根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案，包括：
将所述关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式；
针对所述各排列组合方式，根据所述候选列表中的多个答案选项和所述各个关键词所对应的目标属性进行多次决策筛选；
对每次决策筛选到的答案选项进行统计，将统计次数最高的答案选项确定为所述正确答案。
2.根据权利要求1所述的问答方法，其特征在于，根据所述多个关键词，确定各个关键词分别对应的属性，根据所述各个关键词分别对应的属性，获取关键词属性列表，包括：
确定各个关键词的属性类别；
确定所述问题信息的题目考察类型；
根据所述题目考察类型和所述各个关键词的属性类别，确定出所述各个关键词的目标属性，其中，所述各个关键词的目标属性的类别符合所述问题信息的题目考察类型；
将所述多个关键词的目标属性添加到列表中以形成所述关键词属性列表。
3.根据权利要求2所述的问答方法，其特征在于，确定所述问题信息的题目考察类型，包括：
基于模式匹配方式，确定所述问题信息的题目考察类型。
4.根据权利要求1至3中任一项所述的问答方法，其特征在于，根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案，包括：
确定所述多个答案选项所对应的知识信息；
将所述各个关键词所对应的目标属性，按照目标顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；
若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；
若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表；
将最终保留在所述候选列表中的答案选项，确定为所述正确答案。
5.根据权利要求1所述的问答方法，其特征在于，针对当前排列组合方式，根据所述候选列表中的多个答案选项和所述各个关键词所对应的目标属性进行一次决策筛选，包括：
确定所述多个答案选项所对应的知识信息；
将所述各个关键词所对应的目标属性，按照所述当前排列组合方式中的顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；
若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；
若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表。
6.根据权利要求5所述的问答方法，其特征在于，所述对每次决策筛选到的答案选项进行统计，包括：
获取所述多个决策筛选中筛选成功的筛选结果，其中，所述筛选成功的筛选结果是指本次决策筛选后得到的候选列表中最终保留一个答案选项；
对每个筛选成功的筛选结果中的答案选项进行统计。
7.一种问答系统，其特征在于，包括：
问题接收模块，用于接收输入的问题信息；
问题解析模块，用于对所述问题信息进行解析，以得到所述问题信息中的多个关键词；
关键词属性列表获取模块，用于根据所述多个关键词，确定各个关键词分别对应的属性，根据所述各个关键词分别对应的属性，获取关键词属性列表；其中，所述关键词属性列表中具有各个关键词所对应的目标属性；
候选列表获取模块，用于获取所述问题信息的候选列表，其中，所述候选列表中具有多个答案选项；
答案选项筛选模块，用于根据所述关键词属性列表中各个关键词所对应的目标属性，对所述候选列表中的多个答案选项进行筛选，以得到正确答案；
所述答案选项筛选模块包括：
排列单元，用于将所述关键词属性列表中各个关键词所对应的目标属性进行全排列，以得到所有目标属性的各排列组合方式；
决策筛选单元，用于针对所述各排列组合方式，根据所述候选列表中的多个答案选项和所述各个关键词所对应的目标属性进行多次决策筛选；
统计单元，用于对每次决策筛选到的答案选项进行统计；
确定单元，用于将统计次数最高的答案选项确定为所述正确答案。
8.根据权利要求7所述的问答系统，其特征在于，所述关键词属性列表获取模块具体用于：
确定各个关键词的属性类别；
确定所述问题信息的题目考察类型；
根据所述题目考察类型和所述各个关键词的属性类别，确定出所述各个关键词的目标属性，其中，所述各个关键词的目标属性的类别符合所述问题信息的题目考察类型；
将所述多个关键词的目标属性添加到列表中以形成所述关键词属性列表。
9.根据权利要求8所述的问答系统，其特征在于，所述关键词属性列表获取模块具体用于：
基于模式匹配方式，确定所述问题信息的题目考察类型。
10.根据权利要求7至9中任一项所述的问答系统，其特征在于，所述答案选项筛选模块具体用于：
确定所述多个答案选项所对应的知识信息；
将所述各个关键词所对应的目标属性，按照目标顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；
若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；
若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表；
将最终保留在所述候选列表中的答案选项，确定为所述正确答案。
11.根据权利要求7所述的问答系统，其特征在于，所述决策筛选单元具体用于：
确定所述多个答案选项所对应的知识信息；
将所述各个关键词所对应的目标属性，按照当前排列组合方式中的顺序依次分别与所述候选列表中的答案选项所对应的知识信息进行匹配；
若匹配结果符合预设条件，则将所述符合预设条件的答案选项保留在所述候选列表中；
若匹配结果未符合所述预设条件，则将所述未符合预设条件的答案选项移出所述候选列表。
12.根据权利要求11所述的问答系统，其特征在于，所述统计单元具体用于：
获取所述多个决策筛选中筛选成功的筛选结果，其中，所述筛选成功的筛选结果是指本次决策筛选后得到的候选列表中最终保留一个答案选项；
对每个筛选成功的筛选结果中的答案选项进行统计。
13.一种电子设备，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至6中任一项所述的问答方法。
14.一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至6中任一项所述的问答方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010198155.6A CN111460116B (zh) | 2020-03-19 | 2020-03-19 | 问答方法、问答系统、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010198155.6A CN111460116B (zh) | 2020-03-19 | 2020-03-19 | 问答方法、问答系统、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111460116A CN111460116A (zh) | 2020-07-28 |
| CN111460116B true CN111460116B (zh) | 2023-07-25 |
Family
ID=71682912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010198155.6A Active CN111460116B (zh) | 2020-03-19 | 2020-03-19 | 问答方法、问答系统、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111460116B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116249B (zh) * | 2020-09-18 | 2024-04-30 | 青岛海信网络科技股份有限公司 | 交通信息处理方法及电子设备 |
| CN112446214B (zh) * | 2020-12-09 | 2024-02-02 | 北京有竹居网络技术有限公司 | 广告关键词的生成方法、装置、设备及存储介质 |
| CN113971216B (zh) * | 2021-10-22 | 2023-02-03 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和存储器 |
| CN116775819B (zh) * | 2023-04-25 | 2024-03-19 | 广东源恒软件科技有限公司 | 一种税务信息咨询管理系统 |
| CN117131934A (zh) * | 2023-10-23 | 2023-11-28 | 成都卓拙科技有限公司 | 一种问题解答方法、解题引擎、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345690A (zh) * | 2018-03-09 | 2018-07-31 | 广州杰赛科技股份有限公司 | 智能问答方法与系统 |
| CN109933653A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技（深圳）有限公司 | 问答系统的问答查询方法、系统及计算机设备 |
| CN110750633A (zh) * | 2019-10-22 | 2020-02-04 | 苏州思必驰信息科技有限公司 | 用于确定问题的答案的方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150186528A1 (en) * | 2013-12-26 | 2015-07-02 | Iac Search & Media, Inc. | Request type detection for answer mode selection in an online system of a question and answer search engine |
| CN107908803B (zh) * | 2017-12-26 | 2020-10-27 | 上海智臻智能网络科技股份有限公司 | 问答交互的响应方法及装置、存储介质、终端 |
| CN109271506A (zh) * | 2018-11-29 | 2019-01-25 | 武汉大学 | 一种基于深度学习的电力通信领域知识图谱问答系统的构建方法 |
| CN110390003A (zh) * | 2019-06-19 | 2019-10-29 | 北京百度网讯科技有限公司 | 基于医疗的问答处理方法及系统、计算机设备及可读介质 |
| CN110717019A (zh) * | 2019-08-28 | 2020-01-21 | 厦门快商通科技股份有限公司 | 问答处理方法、问答系统、电子设备及介质 |
-
2020
- 2020-03-19 CN CN202010198155.6A patent/CN111460116B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345690A (zh) * | 2018-03-09 | 2018-07-31 | 广州杰赛科技股份有限公司 | 智能问答方法与系统 |
| CN109933653A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技（深圳）有限公司 | 问答系统的问答查询方法、系统及计算机设备 |
| CN110750633A (zh) * | 2019-10-22 | 2020-02-04 | 苏州思必驰信息科技有限公司 | 用于确定问题的答案的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于语法规律的相关材料标记模型;吴锐帆;;韩山师范学院学报(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111460116A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111460116B (zh) | 问答方法、问答系统、电子设备和存储介质 | |
| JP2021527260A (ja) | 陽性パターンマッチング例および陰性パターンマッチング例に基づく正規表現生成 | |
| CN111967538B (zh) | 应用于小目标检测的特征融合方法、装置、设备以及存储介质 | |
| EP3869403A2 (en) | Image recognition method, apparatus, electronic device, storage medium and program product | |
| US20190034540A1 (en) | Natural language search with semantic mapping and classification | |
| US10810600B2 (en) | Using multi-factor context for resolving customer service issues | |
| US11361068B2 (en) | Securing passwords by using dummy characters | |
| CN111582477B (zh) | 神经网络模型的训练方法和装置 | |
| US10846293B1 (en) | Factual query pattern learning | |
| CN104036004B (zh) | 搜索纠错方法和搜索纠错装置 | |
| CN111860769A (zh) | 预训练图神经网络的方法以及装置 | |
| CN111738014A (zh) | 一种药物分类方法、装置、设备及存储介质 | |
| CN112509690A (zh) | 用于控制质量的方法、装置、设备和存储介质 | |
| US9706005B2 (en) | Providing automatable units for infrastructure support | |
| CN112115313A (zh) | 正则表达式的生成、数据提取方法、装置、设备及介质 | |
| CN110472034B (zh) | 问答系统的检测方法、装置、设备及计算机可读存储介质 | |
| EP3819853A2 (en) | Document type recommendation method and apparatus, electronic device and readable storage medium | |
| CN112509691B (zh) | 鉴别诊断的提示方法、装置、电子设备及存储介质 | |
| CN114065765A (zh) | 结合ai和rpa的武器装备文本处理方法、装置及电子设备 | |
| CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
| CN111462894B (zh) | 一种医疗冲突的检测方法、装置、电子设备及存储介质 | |
| CN110825951B (zh) | 网页处理方法、装置和电子设备 | |
| WO2023045752A1 (zh) | 知识库构建、生成应答语句的方法和装置 | |
| CN112559808B (zh) | 数据处理方法、装置以及电子设备 | |
| CN113628758A (zh) | 基于ai和rpa的信息处理方法及其装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |