CN111666372B - 解析查询词query的方法、装置、电子设备和可读存储介质 - Google Patents

解析查询词query的方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111666372B
CN111666372B CN202010358793.XA CN202010358793A CN111666372B CN 111666372 B CN111666372 B CN 111666372B CN 202010358793 A CN202010358793 A CN 202010358793A CN 111666372 B CN111666372 B CN 111666372B
Authority
CN
China
Prior art keywords
query
tree
template
dependency tree
syntax
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
Application number
CN202010358793.XA
Other languages
English (en)
Other versions
CN111666372A (zh
Inventor
何晓楠
鞠强
谢剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd, Shanghai Xiaodu Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010358793.XA priority Critical patent/CN111666372B/zh
Publication of CN111666372A publication Critical patent/CN111666372A/zh
Priority to US16/950,066 priority patent/US20210342348A1/en
Priority to JP2020193890A priority patent/JP2021174511A/ja
Application granted granted Critical
Publication of CN111666372B publication Critical patent/CN111666372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2452—Query translation
    • G06F16/24522—Translation of natural language queries to structured queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2246—Trees, e.g. B+trees
    • 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
    • G06F16/3331—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/243—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship 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)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

本申请公开了一种解析查询词query的方法、装置、电子设备和可读存储介质，涉及自然语言处理技术领域。本申请在解析查询词query时所采用的实现方案为：获取用户输入的查询词query；构建所述query的句法依存树；将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系。本申请能够获取施加于query中槽位的逻辑关系，从而提升query的解析准确性。

Description

解析查询词query的方法、装置、电子设备和可读存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及自然语言处理技术领域中的一种解析查询词query的方法、装置、电子设备和可读存储介质。
背景技术
在语音对话场景中，对话系统解析一个查询词query的过程为：首先对用户的query进行语义解析，识别为NLU(Natural Language Understanding，自然语言理解)结果，然后根据NLU结果进行查询之后将查询结果返回给用户。
在通常情况下，用户输入的query是完整的，即通过query本身即可准确理解query的语义，这类query叫作“单轮query”。但是在一些语音对话场景中，当用户已经与智能语音设备进行了对话之后，其在接下来的表述中经常使用省略表达的方式来输入query。由于该类query因缺少句子成分而不完整，导致通过所输入的query只本身无法确定用户的意图，这类query叫作“多轮query”。
目前，现有技术仍然采用解析单轮query的方法来对多轮query进行解析，但由于多轮query通常是不完整的，导致使用解析单轮query的方法来解析多轮query时的解析错误率较高。
例如，若query为“普通版的不要只要高清版”，使用现有技术仅能够获取“普通版”和“高清版”两个槽位，但无法获取施加于槽位的逻辑关系，即无法确定哪个槽位是否定的，哪个槽位是肯定的，进而导致无法准确地获取查询结果，降低了用户的语音交互体验。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种解析查询词query的方法，所述方法包括：获取用户输入的查询词query；构建所述query的句法依存树；将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系。本申请能够获取施加于query中槽位的逻辑关系，提升了query解析的准确性。
本申请为解决现有技术问题所采用的技术方案是提供一种解析查询词query的装置，包括：获取单元，用于获取用户输入的查询词query；构建单元，用于构建所述query的句法依存树；匹配单元，用于将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；解析单元，用于利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系。
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上述方法。
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上述方法。
一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述方法。
上述申请中的一个实施例具有如下优点或有益效果：本申请能够获取施加于query中槽位的逻辑关系，从而提升了query的解析准确性。因为采用了通过对query以及预设模板的句法依存树进行匹配之后，利用所确定的目标模板来对query中槽位的槽位操作符进行标记的技术手段，所以克服了现有技术中无法对query中槽位所施加的逻辑关系进行解析的技术问题，实现了提升query的解析准确性的技术效果。
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是根据本申请第一实施例提供的示意图；
图2是根据本申请第二实施例提供的示意图；
图3是根据本申请第三实施例提供的示意图；
图4是根据本申请第四实施例提供的示意图；
图5是用来实现本申请实施例的解析查询词query的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。
图1是根据本申请第一实施例的示意图。如图1所示，本实施例的解析查询词query的方法，具体可以包括如下步骤：
S101、获取用户输入的查询词query；
S102、构建所述query的句法依存树；
S103、将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；
S104、利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系。
本实施例的解析查询词query的方法，首先根据query以及预设模板的句法依存树来确定目标模板，然后再利用所确定的目标模板对query中槽位的槽位操作符进行标记，能够获取施加于query中槽位的逻辑关系，实现了对用户输入的query，尤其是对用户输入的多轮query进行准确解析的目的，从而提升了获取对应query的查询结果的准确率以及召回率。
本实施例中所获取的查询词query，为用户与智能设备进行语音交互过程中所输入的query，智能设备在对用户输入的query进行解析之后，根据query的解析结果来获取查询结果以向用户进行展示。
在通常情况下，用户所输入的query能够表达比较完整的需求，例如“我想听王力宏的歌”的query，该query的主谓宾等句子成分齐全，通过query本身即可准确理解该query的语义，这类query称作“单轮query”。
而在一些应用场景中，例如用户已经说过要听音乐，或者智能设备正在播放音乐，用户在接下来的表述中经常会使用省略表达的方式来输入query。省略表达表示所输入的query中缺少宾语或者其他句子成分，导致通过query本身无法准确理解该query的语义，这类query称作“多轮query”，例如“换个周杰伦的”、“要英文的”等有省略形态的表述。
本实施例中S101所获取的query优选地为多轮query，即语义表达不完整的query。对于单轮query来说，使用现有的NLU(Natural Language Understanding，自然语言理解)方法，例如意图分类模型或者槽位识别模型，即可解析得到query的语义。
本实施例在获取用户输入的查询词query之后，根据所获取的query来构建该query的句法依存树，所构建的句法依存树中包含有query的句法信息。本实施例所构建的句法依存树是一种树形结构，包括多个节点以及节点之间的边，其中每个节点表示一个词语，节点之间的边则表示词语与词语之间的依存关系，例如核心关系(HED)、主谓关系(SBV)、动宾关系(VOB)、定中关系(ATT)等。
本实施例的S102在构建query的句法依存树之前，还可以包含以下内容：确定所获取的query是否满足预设要求；若是，则继续执行构建query的句法依存树的操作，否则直接对query进行解析。也就是说，本实施例能够对用户所输入的query进行筛选，从而仅对满足预设要求的query来使用分析句法依存树的方式进行解析，进一步提升了query解析的准确性。
其中，本实施例中的预设要求可以为所获取的query没有召回结果，即S102对无法获取查询结果的query构建句法依存树；也可以为所获取的query中缺少句子成分，即S102对表述不完整的query构建句法依存树；还可以为所获取的query是特定的表述形式，即S102对表述为“不要xx的”、“xx的不要”、“来个xx的”等形式的query构建句法依存树。
具体地，本实施例的S102在构建所获取的query的句法依存树时，可以采用以下方式：将所获取的query进行切词，获取query中的词语以及各词语的词性；对query中的词语进行句法依存分析，确定词语与词语之间的依存关系；根据query中的词语、各词语的词性以及词语与词语之间的依存关系，构建query的句法依存树。
举例来说，若所获取的query为“普通版的不要”，对该query进行切词之后，获得了“普通版|n”、“的|u”以及“不要|v”三个切词结果，其中n(名称)、u(助词)、v(动词)分别为各词语对应的词性。通过句法依存分析，获取词语与词语之间的依存关系可以包括DE(的|u-2，普通版|n-1)、HED(Root-0，的|u-2)以及IC(的|u-2，不要|v-3)；括号中的第一个词语表示句法依存树中的父节点词语，第二个词语表示句法依存树中的子节点词语；每个词语后的数字表示词语在query中的位置，例如“普通版|n-1”表示“普通版”在query中的位置为1，即第一个词；Root表示句法依存树的根节点，其为虚节点。在获取了词语与词语之间的依存关系之后，根据各词语及其词性(普通版|n、的|u、不要|v)以及各词语之间的依存关系(DE、HED、IC)来构建该query的句法依存树。
本实施例在构建得到query的句法依存树之后，将所构建的query的句法依存树与预设模板的句法依存树进行匹配，从而根据匹配结果来从预设模板中选取目标模板，所选取的目标模板用于对query进行解析，从而获取query中槽位的槽位操作符。
本实施例中预先设置了多个模板，每个模板由模板名称、模板置信度以及模板的句法依存树所构成。其中，模板名称对应于该模板解析query后的处理方法，例如模板名称为“[P:negate]”的模板表示解析query后的处理方法为negate(否定)操作；由于会存在对应同一模板名称的多个模板，通过模板置信度能够对具有相同名称的多个模板进行排序；模板的句法依存树中包含有n个非Root节点，句法依存树中限定了该模板中包含的节点、各节点的位置、各节点的父节点的位置、各节点与父节点之间的依存关系、各节点的词性、各节点的词语内容以及各节点对应的操作符等。
举例来说，对应negate(否定)操作的一个模板样式为“[P:negate]-90.0-1|0|null|null|[D:negate]|negate-2|1|VOB|null|null|null-3|2|DE|null|null|null”，该模板中包含3个非Root节点(分别用数字1、2、3来表示)，其中[P:negate]为该模板的模板名称，90.0为该模板的置信度，句法依存树中的“1|0|null|null|[D:negate]|negate”对应于该模板所限定的第一个节点，其限定了该节点的父节点为Root节点0、该节点与父节点之间的依存关系为“null”、该节点的词性为“null”、该节点的词语内容为[D:negate]词典中的一个词语(该词典中可以包含别、不、不想、不要、不想看等对应否定的词语)、该节点对应的操作符为“negate”。
本实施例在将query的句法依存树与预设模板的句法依存树进行匹配，并根据匹配结果确定目标模板时，可以通过匹配句法依存树的树形图的方式来确定目标模板；也可以通过构建分类模型的方式，将query的句法依存树与各预设模板的句法依存树输入到分类模型，根据分类模型的输出结果来确定目标模板。
可以理解的是，本实施例所确定的目标模板可以为一个，也可以为多个。当本实施例确定了多个目标模板之后，还可以包含以下内容：根据各目标模板的置信度对具有相同名称的目标模板进行排序；根据排序结果，保留不同名称下排在第一位的目标模板。也就是说，本实施例能够避免出现名称相同的多个目标模板，确保了所获取的多个目标模均对应于不同的模板名称，从而提升了使用目标模板对query解析的准确性。
本实施例在确定了目标模板之后，利用所确定的目标模板对query中槽位的槽位操作符进行标记，所标记的槽位操作符表示施加于query中槽位的逻辑关系。其中，槽位操作符对应于数据查询中的增、删、改等操作，即槽位操作符用于描述query中用户对特定槽位所施加的逻辑关系。
举例来说，若query为“不要周杰伦唱的”，槽位为“singer＝周杰伦”，若利用目标模板将该槽位的槽位操作符标记为“negate(否定)”，即表明该query中对“周杰伦”所施加的逻辑关系为否定，表示用户不想听周杰伦的歌曲。
可以理解的是，本实施例可以根据实际的应用场景来对槽位操作符的类型进行修改，也可以根据用户的实际需求来添加不同类型的槽位操作符。其中，槽位操作符的类型可以包含否定识别、替换识别、only识别、普通指代词识别、其他指代词识别、相似关系识别、补充槽位识别等。
具体地，本实施例在利用目标模板来标记query中槽位的槽位操作符时，可以采用以下方式：将目标模板的句法依存树与query的句法依存树中的节点以及节点之间的边分别对应；获取目标模板的句法依存树中节点的操作符，作为query的句法依存树中同一节点对应槽位的槽位操作符。因此，本实施例利用目标模板来标记query中槽位的槽位操作符的方式，能够提升query的解析速度以及解析效率。
另外，本实施例在利用目标模板来标记query中槽位的槽位操作符时，还可以直接将目标模板的名称作为query中槽位的槽位操作符。
本实施例的解析查询词query的方法，通过对query以及预设模板的句法依存树进行匹配之后，利用所确定的目标模板来对query中槽位的槽位操作符进行标记，能够获取施加于query中槽位的逻辑关系，从而提升了query的解析准确性，并在解析得到query中槽位的槽位操作符之后，再结合前次query的内容，对本次query进行查询，从而获取更加准确的查询结果返回给用户。
图2是根据本申请第二实施例的示意图。如图2所示，本实施例在执行S103将query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板时，具体可以包括如下步骤：
S201、根据query的句法依存树获取query树形图，并根据各预设模板的句法依存树获取各模板的模板树形图；
本实施例所获取的query树形图中，包括对应query的句法依存树的整体树形图以及对应query的句法依存树中子树的子树树形图中的至少一种，所获取的树形图中包含句法依存树的树形结构、句法依存树中的节点以及各节点所对应的内容。也就是说，本实施例通过对句法依存树的树形图进行匹配的方式，来从预设模板中选取目标模板。
S202、确定与query树形图相同的模板树形图之后，将对应所确定的模板树形图的预设模板作为目标模板。
本实施例在获取了对应query的query树形图以及对应预设模板的模板树形图之后，通过比较树形图的方式，首先确定与所获取的query树形图相同的模板树形图，然后在将对应所确定的模板树形图的预设模板作为目标模板。
而由于所获取的query树形图包括query的句法依存树的整体树形图以及子树树形图，因此本实施例能够实现树形图的完全匹配以及部分匹配，从而能够提升目标模板的匹配准确性。其中，树形图的完全匹配为query的整体树形图与预设模板的模板树形图相同；而树形图的部分匹配为预设模板的模板树形图与query的子树树形图相同。
另外，由于在预设模板的句法依存树中还对各节点的词性、各节点的词语内容、各节点与父节点之间的依存关系等各节点对应的内容进行了限定，因此本实施例在确定与query树形图相同的模板树形图时，可以通过上述内容进行更细化地确定，从而进一步提高所获取目标模板的准确性。
图3是根据本申请第三实施例的示意图。如图3所示，该图表示了“普通版的不要只要高清版的”query的句法依存树及其解析结果，其中“不要|v”对应的“NEGATE”、“普通版|n”对应的“NEGATE_TARGATE”、“只要|c”对应的“ONLY”以及“高清|a，版|n”对应的“ONLY_TARGATE”即为利用目标模板对该query中槽位所标记的槽位操作符。
在这里，对与该query对应的目标模板进行举例说明：1)完全匹配模板为“[P:FULL_MATCHED]-99.0-1|2DE|n|[D:HD_TYPE]|null-2|0|HED|u|的|null-3|2|IC|v|[D:NEGATE]|negate-4|3|VOB|c|[D:ONLY]|only-5|6|ATT|a|[D:HD_TYPE]|null-6|4|VOB|n|版|null-7|4|MT|u|的|null”，该模板的树形图与上述query的整体树形图完全匹配；
部分匹配模板可以包含否定模板以及only模板；
其中否定模板为“[P:negate]-95.0-1|2|DE|n|null|negate_target-2|0|HED|u|的|null-3|2|null|v|[D:NEGATE]|negate”，该模板的树形图与上述query中一个子树(普通版的不要)的树形图匹配；
only模板为“[P:only]-88.0-1|0|null|c|[D:ONLY]|only-2|3|null|null|高清版|null-3|1|MT|u|的|null”，该模板的树形图与上述query中的一个子树(只要高清版)的树形图匹配。
图4是根据本申请第四实施例的示意图。如图4所示，本实施例的解析查询词query的装置，具体可以包括：
获取单元401、用于获取用户输入的查询词query；
构建单元402、用于构建所述query的句法依存树；
匹配单元403、用于将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；
解析单元404、用于利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系。
本实施例中获取单元401所获取的查询词query，为用户与智能设备进行语音交互过程中所输入的query，智能设备在对用户输入的query进行解析之后，根据query的解析结果来获取查询结果以向用户进行展示。
本实施例中获取单元401所获取的query优选地为多轮query，即语义表达不完整的query。对于单轮query来说，使用现有的NLU(Natural Language Understanding，自然语言理解)方法，例如意图分类模型或者槽位识别模型，即可解析得到query的语义。
本实施例在获取用户输入的查询词query之后，由构建单元402根据所获取的query来构建该query的句法依存树，所构建的句法依存树中包含有query的句法信息。本实施例所构建的句法依存树是一种树形结构，包括多个节点以及节点之间的边，其中每个节点表示一个词语，节点之间的边则表示词语与词语之间的依存关系，例如核心关系(HED)、主谓关系(SBV)、动宾关系(VOB)、定中关系(ATT)等。
本实施例的构建单元402在构建query的句法依存树之前，还可以包含以下内容：确定所获取的query是否满足预设要求；若是，则继续执行构建query的句法依存树的操作，否则直接对query进行解析。也就是说，本实施例能够对用户所输入的query进行筛选，从而仅对满足预设要求的query来使用分析句法依存树的方式进行解析，进一步提升了query解析的准确性。
其中，本实施例中构建单元402的预设要求可以为所获取的query没有召回结果，即构建单元402对无法获取查询结果的query构建句法依存树；也可以为所获取的query中缺少句子成分，即构建单元402对表述不完整的query构建句法依存树；还可以为所获取的query是特定的表述形式，即构建单元402对表述为“不要xx的”、“xx的不要”、“来个xx的”等形式的query构建句法依存树。
具体地，本实施例的构建单元402在构建所获取的query的句法依存树时，可以采用以下方式：将所获取的query进行切词，获取query中的词语以及各词语的词性；对query中的词语进行句法依存分析，确定词语与词语之间的依存关系；根据query中的词语、各词语的词性以及词语与词语之间的依存关系，构建query的句法依存树。
本实施例在构建得到query的句法依存树之后，由匹配单元403将所构建的query的句法依存树与预设模板的句法依存树进行匹配，从而根据匹配结果来从预设模板中选取目标模板，所选取的目标模板用于对query进行解析，从而获取query中槽位的槽位操作符。
本实施例中的匹配单元403预先设置了多个模板，每个模板由模板名称、模板置信度以及模板的句法依存树所构成。其中，模板名称对应于该模板解析query后的处理方法，例如模板名称为“[P:negate]”的模板表示解析query后的处理方法为negate(否定)操作；由于会存在对应同一模板名称的多个模板，通过模板置信度能够对具有相同名称的多个模板进行排序；模板的句法依存树中包含有n个非Root节点，句法依存树中限定了该模板中包含的节点、各节点的位置、各节点的父节点的位置、各节点与父节点之间的依存关系、各节点的词性、各节点的词语内容以及各节点对应的操作符等。
本实施例的匹配单元403在将query的句法依存树与预设模板的句法依存树进行匹配，并根据匹配结果确定目标模板时，可以通过匹配句法依存树的树形图的方式来确定目标模板；也可以通过构建分类模型的方式，将query的句法依存树与各预设模板的句法依存树输入到分类模型，根据分类模型的输出结果来确定目标模板。
可选地，本实施例的匹配单元403在将query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板时，可以采用以下方式：根据query的句法依存树获取query树形图，并根据各预设模板的句法依存树获取各模板的模板树形图；确定与query树形图相同的模板树形图之后，将对应所确定的模板树形图的预设模板作为目标模板。也就是说，本实施例的匹配单元403通过对句法依存树的树形图进行匹配的方式，来从预设模板中选取目标模板。
其中，本实施例的匹配单元403所获取的query树形图中，包括对应query的句法依存树的整体树形图以及对应query的句法依存树中子树的子树树形图中的至少一种，所获取的树形图中包含句法依存树的树形结构、句法依存树中的节点以及各节点所对应的内容。
而由于所获取的query树形图包括query的句法依存树的整体树形图以及子树树形图，因此本实施例的匹配单元403能够实现树形图的完全匹配以及部分匹配。其中，树形图的完全匹配为query的整体树形图与预设模板的模板树形图相同；而树形图的部分匹配为预设模板的模板树形图与query的子树树形图相同。
另外，由于在预设模板的句法依存树中还对各节点的词性、各节点的词语内容、各节点与父节点之间的依存关系等节点所对应的内容进行了限定，因此本实施例的匹配单元403在确定与query的树形图相同的模板树形图时，可以通过上述内容进行更细化地确定，进一步提高所获取目标模板的准确性。
可以理解的是，本实施例的匹配单元403所确定的目标模板可以为一个，也可以为多个。当本实施例的匹配单元403确定了多个目标模板之后，还可以包含以下内容：根据各目标模板的置信度对具有相同名称的目标模板进行排序；根据排序结果，保留不同名称下排在第一位的目标模板。也就是说，本实施例的匹配单元403能够避免出现名称相同的多个目标模板，确保了所获取的多个目标模均对应于不同的模板名称，从而提升了使用目标模板对query解析的准确性。
本实施例在确定了目标模板之后，由解析单元404利用所确定的目标模板对query中槽位的槽位操作符进行标记，所标记的槽位操作符表示施加于query中槽位的逻辑关系。其中，槽位操作符对应于数据查询中的增、删、改等操作，即槽位操作符用于描述query中用户对特定槽位所施加的逻辑关系。
具体地，本实施例的解析单元404在利用目标模板来标记query中槽位的槽位操作符时，可以采用以下方式：将目标模板的句法依存树与query的句法依存树中的节点以及节点之间的边分别对应；获取目标模板的句法依存树中节点的操作符，作为query的句法依存树中同一节点对应槽位的槽位操作符。
另外，本实施例的解析单元404在利用目标模板来标记query中槽位的槽位操作符时，还可以直接将目标模板的名称作为query中槽位的槽位操作符。
根据本申请的实施例，本申请还提供了一种电子设备、一种计算机可读存储介质以及一种计算机程序产品。
如图5所示，是根据本申请实施例的解析查询词query的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5所示，该电子设备包括：一个或多个处理器501、存储器502，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5中以一个处理器501为例。
存储器502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解析查询词query的方法。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解析查询词query的方法。
存储器502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解析查询词query的方法对应的程序指令/模块(例如，附图4所示的获取单元401、构建单元402、匹配单元403以及解析单元404)。处理器501通过运行存储在存储器502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解析查询词query的方法。
存储器502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的电子设备的使用所创建的数据等。此外，存储器502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502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至解析查询词query的方法的电子设备。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。
解析查询词query的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与解析查询词query的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504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，通过对query以及预设模板的句法依存树进行匹配之后，利用所确定的目标模板来对query中槽位的槽位操作符进行标记，能够获取施加于query中槽位的逻辑关系，从而提升了query的解析准确性，并在解析得到query中槽位的槽位操作符之后，再结合前次query的内容，对本次query进行查询，从而获取更加准确的查询结果返回给用户。
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)

1.一种解析查询词query的方法，其特征在于，包括：
获取用户输入的查询词query，所述query为语义表达不完整的query；
构建所述query的句法依存树，所述句法依存树中包含的节点之间的边表示词语之间的依存关系；
将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；
利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系；
其中，所述利用所述目标模板来标记所述query中槽位的槽位操作符包括：
将所述目标模板的句法依存树与所述query的句法依存树中的节点以及节点之间的边分别对应；
获取所述目标模板的句法依存树中节点的操作符，作为所述query的句法依存树中同一节点对应槽位的槽位操作符。
2.根据权利要求1所述的方法，其特征在于，在构建所述query的句法依存树之前，还包括：
确定所述query是否满足预设要求；
若是，则继续执行构建所述query的句法依存树的操作，否则直接对所述query进行解析。
3.根据权利要求1所述的方法，其特征在于，所述构建所述query的句法依存树包括：
将所述query进行切词，获取所述query中的词语以及各词语的词性；
对所述query中的词语进行句法依存分析，确定词语与词语之间的依存关系；
根据所述query中的词语、各词语的词性以及词语与词语之间的依存关系，构建所述query的句法依存树。
4.根据权利要求1所述的方法，其特征在于，所述将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板包括：
根据所述query的句法依存树获取query树形图，并根据各预设模板的句法依存树获取各模板的模板树形图；
确定与所述query树形图相同的模板树形图之后，将对应所确定的模板树形图的预设模板作为目标模板。
5.根据权利要求4所述的方法，其特征在于，所获取的query树形图包括对应所述query的句法依存树的整体树形图以及对应所述query的句法依存树中子树的子树树形图中的至少一种。
6.根据权利要求1所述的方法，其特征在于，在根据匹配结果确定目标模板之后，还包括：
根据各目标模板的置信度，对具有相同名称的目标模板进行排序；
根据排序结果，保留不同名称下排在第一位的目标模板。
7.一种解析查询词query的装置，其特征在于，包括：
获取单元，用于获取用户输入的查询词query，所述query为语义表达不完整的query；
构建单元，用于构建所述query的句法依存树，所述句法依存树中包含的节点之间的边表示词语之间的依存关系；
匹配单元，用于将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板；
解析单元，用于利用所述目标模板来标记所述query中槽位的槽位操作符，所标记的槽位操作符表示施加于所述query中槽位的逻辑关系；
其中，所述解析单元在利用所述目标模板来标记所述query中槽位的槽位操作符时，具体执行：
将所述目标模板的句法依存树与所述query的句法依存树中的节点以及节点之间的边分别对应；
获取所述目标模板的句法依存树中节点的操作符，作为所述query的句法依存树中同一节点对应槽位的槽位操作符。
8.根据权利要求7所述的装置，其特征在于，所述构建单元在构建所述query的句法依存树之前，还执行：
确定所述query是否满足预设要求；
若是，则继续执行构建所述query的句法依存树的操作，否则直接对所述query进行解析。
9.根据权利要求7所述的装置，其特征在于，所述构建单元在构建所述query的句法依存树时，具体执行：
将所述query进行切词，获取所述query中的词语以及各词语的词性；
对所述query中的词语进行句法依存分析，确定词语与词语之间的依存关系；
根据所述query中的词语、各词语的词性以及词语与词语之间的依存关系，构建所述query的句法依存树。
10.根据权利要求7所述的装置，其特征在于，所述匹配单元在将所述query的句法依存树与预设模板的句法依存树进行匹配，根据匹配结果确定目标模板时，具体执行：
根据所述query的句法依存树获取query树形图，并根据各预设模板的句法依存树获取各模板的模板树形图；
确定与所述query树形图相同的模板树形图之后，将对应所确定的模板树形图的预设模板作为目标模板。
11.根据权利要求10所述的装置，其特征在于，所述匹配单元所获取的query树形图包括对应所述query的句法依存树的整体树形图以及对应所述query的句法依存树中子树的子树树形图中的至少一种。
12.根据权利要求7所述的装置，其特征在于，所述匹配单元在根据匹配结果确定目标模板之后，还执行：
根据各目标模板的置信度，对具有相同名称的目标模板进行排序；
根据排序结果，保留不同名称下排在第一位的目标模板。
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1-6中任一项所述的方法。
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1-6中任一项所述的方法。
CN202010358793.XA 2020-04-29 2020-04-29 解析查询词query的方法、装置、电子设备和可读存储介质 Active CN111666372B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010358793.XA CN111666372B (zh) 2020-04-29 2020-04-29 解析查询词query的方法、装置、电子设备和可读存储介质
US16/950,066 US20210342348A1 (en) 2020-04-29 2020-11-17 Method for parsing query, electronic device and readable storage medium
JP2020193890A JP2021174511A (ja) 2020-04-29 2020-11-20 クエリを解析する方法、装置、電子機器、プログラム及び可読記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010358793.XA CN111666372B (zh) 2020-04-29 2020-04-29 解析查询词query的方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN111666372A CN111666372A (zh) 2020-09-15
CN111666372B true CN111666372B (zh) 2023-08-18

Family

ID=72382926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010358793.XA Active CN111666372B (zh) 2020-04-29 2020-04-29 解析查询词query的方法、装置、电子设备和可读存储介质

Country Status (3)

Country Link
US (1) US20210342348A1 (zh)
JP (1) JP2021174511A (zh)
CN (1) CN111666372B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11741308B2 (en) * 2020-05-14 2023-08-29 Oracle International Corporation Method and system for constructing data queries from conversational input
CN112528001B (zh) * 2020-12-23 2023-07-25 北京百度网讯科技有限公司 一种信息查询方法、装置及电子设备
CN114372082B (zh) * 2022-01-13 2024-06-28 平安科技（深圳）有限公司 基于人工智能的数据查询方法、装置、电子设备及介质
CN114661875A (zh) * 2022-03-09 2022-06-24 平安科技（深圳）有限公司 医疗领域搜索信息处理方法、装置、设备和存储介质
CN117453899B (zh) * 2023-12-26 2024-03-29 浙江智港通科技有限公司 一种基于大模型的智能对话系统、方法与电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391969A (zh) * 2014-12-04 2015-03-04 百度在线网络技术（北京）有限公司 确定用户查询语句句法结构的方法及装置
CN106649778A (zh) * 2016-12-27 2017-05-10 北京百度网讯科技有限公司 基于深度问答的交互方法和装置
CN107783960A (zh) * 2017-10-23 2018-03-09 百度在线网络技术（北京）有限公司 用于抽取信息的方法、装置和设备
CN108268441A (zh) * 2017-01-04 2018-07-10 科大讯飞股份有限公司 句子相似度计算方法和装置及系统
KR20180093157A (ko) * 2017-02-09 2018-08-21 서울대학교산학협력단 의존구문 분석 기술 및 의미 표현 기술을 활용한 질문 번역 시스템 및 방법
WO2019011356A1 (de) * 2017-07-14 2019-01-17 Cognigy Gmbh Verfahren zur dialogführung zwischen mensch und computer
CN109522418A (zh) * 2018-11-08 2019-03-26 杭州费尔斯通科技有限公司 一种半自动的知识图谱构建方法
CN110555205A (zh) * 2018-05-31 2019-12-10 北京京东尚科信息技术有限公司 否定语义识别方法及装置、电子设备、存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8676732B2 (en) * 2008-05-01 2014-03-18 Primal Fusion Inc. Methods and apparatus for providing information of interest to one or more users
US10133728B2 (en) * 2015-03-20 2018-11-20 Microsoft Technology Licensing, Llc Semantic parsing for complex knowledge extraction
US10049152B2 (en) * 2015-09-24 2018-08-14 International Business Machines Corporation Generating natural language dialog using a questions corpus
US10437833B1 (en) * 2016-10-05 2019-10-08 Ontocord, LLC Scalable natural language processing for large and dynamic text environments
US11055353B2 (en) * 2018-01-31 2021-07-06 Salesforce.Com, Inc. Typeahead and autocomplete for natural language queries
WO2020023787A1 (en) * 2018-07-25 2020-01-30 Oracle International Corporation Natural language interfaces for databases using autonomous agents and thesauri

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391969A (zh) * 2014-12-04 2015-03-04 百度在线网络技术（北京）有限公司 确定用户查询语句句法结构的方法及装置
CN106649778A (zh) * 2016-12-27 2017-05-10 北京百度网讯科技有限公司 基于深度问答的交互方法和装置
CN108268441A (zh) * 2017-01-04 2018-07-10 科大讯飞股份有限公司 句子相似度计算方法和装置及系统
KR20180093157A (ko) * 2017-02-09 2018-08-21 서울대학교산학협력단 의존구문 분석 기술 및 의미 표현 기술을 활용한 질문 번역 시스템 및 방법
WO2019011356A1 (de) * 2017-07-14 2019-01-17 Cognigy Gmbh Verfahren zur dialogführung zwischen mensch und computer
CN107783960A (zh) * 2017-10-23 2018-03-09 百度在线网络技术（北京）有限公司 用于抽取信息的方法、装置和设备
CN110555205A (zh) * 2018-05-31 2019-12-10 北京京东尚科信息技术有限公司 否定语义识别方法及装置、电子设备、存储介质
CN109522418A (zh) * 2018-11-08 2019-03-26 杭州费尔斯通科技有限公司 一种半自动的知识图谱构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汉语框架网络问答系统问句处理研究;贾君枝;毛海飞;;图书情报工作(第10期);全文 *

Also Published As

Publication number Publication date
JP2021174511A (ja) 2021-11-01
US20210342348A1 (en) 2021-11-04
CN111666372A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN111666372B (zh) 解析查询词query的方法、装置、电子设备和可读存储介质
JP7223785B2 (ja) 時系列ナレッジグラフ生成方法、装置、デバイス及び媒体
CN111221984B (zh) 多模态内容处理方法、装置、设备及存储介质
CN111967262B (zh) 实体标签的确定方法和装置
US20210209309A1 (en) Semantics processing method, electronic device, and medium
US11983640B2 (en) Generating question templates in a knowledge-graph based question and answer system
US20150169544A1 (en) Generating a Superset of Question/Answer Action Paths Based on Dynamically Generated Type Sets
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
JP2021131528A (ja) ユーザ意図認識方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム
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
CN112528001B (zh) 一种信息查询方法、装置及电子设备
CN110532487B (zh) 标签的生成方法及装置
JP7197542B2 (ja) テキストワードセグメンテーションの方法、装置、デバイスおよび媒体
JP2022003509A (ja) エンティティ関係マイニング方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム
CN112115313B (zh) 正则表达式的生成、数据提取方法、装置、设备及介质
CN111708800A (zh) 查询方法、装置及电子设备
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CN111309872B (zh) 搜索处理方法、装置及设备
CN110473551B (zh) 一种语音识别方法、装置、电子设备及存储介质
CN108170661B (zh) 一种规则文本的管理方法及系统
CN112015866B (zh) 用于生成同义文本的方法、装置、电子设备及存储介质
CN111026916B (zh) 文本描述的转换方法、装置、电子设备及存储介质
CN110990569B (zh) 文本聚类方法、装置及相关设备
CN111400451B (zh) 信息抽取方法、信息抽取装置和电子设备

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: 20210512

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