CN111814484B - 语义识别方法、装置、电子设备及可读存储介质 - Google Patents
语义识别方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111814484B CN111814484B CN202010630029.3A CN202010630029A CN111814484B CN 111814484 B CN111814484 B CN 111814484B CN 202010630029 A CN202010630029 A CN 202010630029A CN 111814484 B CN111814484 B CN 111814484B
- Authority
- CN
- China
- Prior art keywords
- semantic recognition
- recognition result
- semantic
- information
- determining
- 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 69
- 238000003066 decision tree Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 abstract description 26
- 230000003993 interaction Effects 0.000 description 30
- 238000013461 design Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例提供一种语义识别方法、装置、电子设备及可读存储介质,先确定待识别信息对应的决策树,然后将待识别信息输入该决策树的非叶子节点,基于该非叶子节点执行语义识别操作,包括将待识别信息分发至该非叶子节点对应的语义识别系统,基于该非叶子节点对应的语义识别系统反馈的识别结果,确定待识别信息的语义识别结果,以及基于该语义识别结果的可信度将该语义识别结果输入至上述非叶子节点的子节点,当该子节点为叶子节点时,将上述语义识别结果确定为待识别信息的目标语义识别结果,当为非叶子节点时,基于该子节点继续执行上述语义识别操作。本申请可以有效降低对第三方语义识别系统的访问量,节省成本与语义识别过程的时间。
Description
技术领域
本发明实施例涉及语音交互技术领域,尤其涉及一种语义识别方法、装置、电子设备及可读存储介质。
背景技术
随着语音识别技术的发展,越来越多的电子设备配置了语音助手,用户可以通过语音助手与电子设备进行语音交互,解决日常生活中遇到的各类问题。
语义识别作为语音交互的核心技术,受到各大科技企业的追捧,目前已经有不少科技企业推出了各自的语义识别系统,并作为第三方语义识别系统对外提供服务。一些电子设备为了保障自身语音助手的语义识别准确率,提升语音交互过程的用户体验,通常会在语义识别过程中,由中控系统将待识别信息分发给多个第三方语义识别系统,然后等待所有的第三方语义识别系统反馈识别结果后,基于所有识别结果进行综合决策,得到语义识别结果。
然而,由于在上述语义识别过程中,各个第三方语义识别系统通常都是按照流量计费,因此将待识别信息发送至所有的第三方语义识别系统的方式不利于控制成本;另外,中控系统需要等待所有的第三方语义识别系统反馈识别结果后才能进行综合决策,因此还会导致语义识别过程耗时较长。
发明内容
本申请实施例提供一种语义识别方法、装置、电子设备及可读存储介质,可以解决目前的语义识别过程成本较高、且耗时较长的技术问题。
第一方面,本申请实施例提供一种语义识别方法,该方法包括:
确定待识别信息对应的决策树,所述决策树包括至少一个非叶子节点与至少一个叶子节点;
将所述待识别信息输入所述决策树的非叶子节点,基于所述非叶子节点执行语义识别操作;所述语义识别操作包括将所述待识别信息分发至所述非叶子节点对应的一个或多个语义识别系统,基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,并基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点;
当所述子节点为非叶子节点时,基于所述子节点继续执行所述语义识别操作;
当所述子节点为叶子节点时,将所述语义识别结果确定为所述待识别信息对应的目标语义识别结果。
在一种可能的设计方式中,所述基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点,包括:
当所述语义识别结果的可信度大于预设的可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第一子节点,所述第一子节点为叶子节点;
当所述语义识别结果的可信度小于或等于所述可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第二子节点,所述第二子节点为非叶子节点。
在一种可能的设计方式中,所述基于所述子节点继续执行所述语义识别操作,包括:
将所述待识别信息分发至所述子节点对应的一个或多个语义识别系统,并基于所述子节点对应的语义识别系统反馈的识别结果,更新所述语义识别结果;
基于更新后的语义识别结果的可信度将所述更新后的语义识别结果输入至所述子节点的子节点。
在一种可能的设计方式中,当所述非叶子节点对应至少两个语义识别系统时,所述基于非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,包括:
每当接收到所述至少两个语义识别系统中的指定语义识别系统或任意一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果;
判断所述第一语义识别结果的可信度是否大于预设的可信度阈值;
当所述第一语义识别结果的可信度大于所述可信度阈值时,将所述第一语义识别结果确定为所述待识别信息对应的语义识别结果;
当所述第一语义识别结果的可信度小于或等于所述可信度阈值,且所述至少两个语义识别系统均已反馈识别结果时,将最后一次确定的第一语义识别结果确定为所述待识别信息对应的语义识别结果。
在一种可能的设计方式中,所述基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,包括:
将所述非叶子节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;
基于所述指定标准的识别结果,确定所述语义识别结果。
在一种可能的设计方式中,所述确定待识别信息对应的决策树,包括:
确定生成所述待识别信息的电子设备或应用程序的类型;
根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成所述待识别信息的电子设备或应用程序对应的目标决策树;
将所述目标决策树确定为所述待识别信息对应的决策树。
第二方面,本申请实施例提供一种语义识别装置,该装置包括:
确定模块,用于确定待识别信息对应的决策树,所述决策树包括至少一个非叶子节点与至少一个叶子节点;
处理模块,用于将所述待识别信息输入所述决策树的非叶子节点,基于所述非叶子节点执行语义识别操作;所述语义识别操作包括将所述待识别信息分发至所述非叶子节点对应的一个或多个语义识别系统,基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,并基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点;
所述处理模块,还用于当所述子节点为非叶子节点时,基于所述子节点继续执行所述语义识别操作;当所述子节点为叶子节点时,将所述语义识别结果确定为所述待识别信息对应的目标语义识别结果。
在一种可能的设计方式中,所述处理模块具体用于:
当所述语义识别结果的可信度大于预设的可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第一子节点,所述第一子节点为叶子节点;
当所述语义识别结果的可信度小于或等于所述可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第二子节点,所述第二子节点为非叶子节点。
在一种可能的设计方式中,所述处理模块具体还用于:
将所述待识别信息分发至所述子节点对应的一个或多个语义识别系统,并基于所述子节点对应的语义识别系统反馈的识别结果,更新所述语义识别结果;
基于更新后的语义识别结果的可信度将所述更新后的语义识别结果输入至所述子节点的子节点。
在一种可能的设计方式中,当所述非叶子节点对应至少两个语义识别系统时,所述处理模块具体还用于:
每当接收到所述至少两个语义识别系统中的指定语义识别系统或任意一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果;
判断所述第一语义识别结果的可信度是否大于预设的可信度阈值;
当所述第一语义识别结果的可信度大于所述可信度阈值时,将所述第一语义识别结果确定为所述待识别信息对应的语义识别结果;
当所述第一语义识别结果的可信度小于或等于所述可信度阈值,且所述至少两个语义识别系统均已反馈识别结果时,将最后一次确定的第一语义识别结果确定为所述待识别信息对应的语义识别结果。
在一种可能的设计方式中,所述处理模块具体还用于:
将所述非叶子节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;
基于所述指定标准的识别结果,确定所述语义识别结果。
在一种可能的设计方式中,所述确定模块具体用于:
确定生成所述待识别信息的电子设备或应用程序的类型;
根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成所述待识别信息的电子设备或应用程序对应的目标决策树;
将所述目标决策树确定为所述待识别信息对应的决策树。
第三方面,本申请实施例提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面提供的语义识别方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面提供的语义识别方法。
本申请实施例所提供的语义识别方法、装置、电子设备及可读存储介质,先确定待识别信息对应的决策树,然后将待识别信息输入该决策树的非叶子节点,基于非叶子节点执行语义识别操作,包括将待识别信息分发至与非叶子节点对应的语义识别系统,基于非叶子节点对应的语义识别系统反馈的识别结果,确定待识别信息的语义识别结果,以及基于该语义识别结果的可信度将该语义识别结果输入至上述非叶子节点的子节点,当该子节点为叶子节点时,将上述语义识别结果确定为待识别信息对应的目标语义识别结果,当该子节点为非叶子节点时,基于该子节点继续执行上述语义识别操作。在本申请实施例中,通过采用决策树中的各个节点来逐步对待识别信息进行语义识别,不需要一次性将待识别信息发送至所有的语义识别系统,也不需要等待所有的语义识别系统反馈识别结果后才进行综合决策,可以有效降低对第三方语义识别系统的访问量,节省成本与语义识别过程的时间。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本申请实施例中提供的一种语音交互系统的架构示意图;
图2为本申请实施例中提供的一种语义识别方法的流程示意图一;
图3为本申请实施例中提供的一种决策树的结构示意图;
图4为本申请实施例中提供的一种语义识别方法的流程示意图二;
图5为本申请实施例中基于决策树的语义识别过程的流程示意图;
图6为本申请实施例中非叶子节点执行语义识别过程的流程示意图;
图7为本申请实施例中提供的一种语义识别装置的程序模块示意图;
图8为本申请实施例中提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,以下所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非另外定义,本申请实施例使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请实施例中的术语“第一”、“第二”等,是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的名称在适当情况下可以互换,以便于描述本申请的实施例。
参照图1,图1为本申请实施例中提供的一种语音交互系统的架构示意图。如图1所示,本实施例提供的系统包括语音交互终端101和服务器102。其中,语音交互终端101可以为儿童故事机、手机、平板电脑、车载终端、电视机、智能音响、可穿戴智能设备、智能家电等。本实施例对语音交互终端101的实现方式不做特别限制,只要该语音交互终端101能够与用户进行语音交互即可。
语音交互(Speech Interaction),是基于语音识别、自然语言理解、语音合成等技术,在多种实际应用场景下,赋予终端“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中,包括智能问答、智能播放、智能查找等场景。
其中,自然语言理解也称为语义识别,旨在使语音交互终端能够“理解”用户的自然语言,并分析出该自然语言所含有的用户意图。
在本申请实施例中,用户可以通过语音向语音交互终端101输入询问语句,该语音交互终端101可以根据该询问语句获取问答结果并向用户进行反馈。具体地,该语音交互终端101可以根据自身存储的语料库,在本地获取问答结果;也可以将该询问语句发送给服务器102,由服务器102从预置的数据库获取问答结果,然后反馈给语音交互终端101。本实施例对具体的实现方式不做特别限制,语音交互终端101从本地获取问答结果以及由服务器102根据询问语句获取问答结果皆可。
在现有的语音交互过程中,为了保障语义识别准确率,提升语音交互过程的用户体验,通常会在语义识别过程中,由语音交互终端101对应的中控系统将待识别信息分发给多个第三方语义识别系统,然后等待所有的第三方语义识别系统反馈识别结果后,基于接收到的所有识别结果进行综合决策,最终得到语义识别结果。这种方式虽然可以有效保障语义识别的准确率,但是由于中控系统需要等待所有的第三方语义识别系统反馈识别结果后才能进行综合决策,因此难免会导致语义识别过程耗时较长;另外,将待识别信息分发给多个第三方语义识别系统的方式,也不利于控制成本。
为了解决上述技术问题,本申请提供了一种语义识别方法,通过采用决策树中的各个节点来逐步对待识别信息进行语义识别,不需要一次性将待识别信息发送至所有的语义识别系统,也不需要等待所有的语义识别系统反馈识别结果后才进行综合决策,可以有效降低对第三方语义识别系统的访问量,节省成本与语义识别过程的时间。
下面采用详细的实施例进行详细说明。
参照图2,图2为本申请实施例中提供的一种语义识别方法的流程示意图一,本申请实施例的执行主体可以为图1所示实施例中的语音交互终端,也可以为图1所示实施例中的服务器,本实施例此处不做特别限制。如图2所示,该语义识别方法包括:
S201、确定待识别信息对应的决策树,该决策树包括至少一个非叶子节点与至少一个叶子节点。
本申请实施例中,可以预先根据语音交互终端或语音交互程序的类型、应用场景、用途等,训练与该语音交互终端或语音交互程序对应的决策树(也可称为融合树或者分类树),该决策树包括至少一个非叶子节点与至少一个叶子节点。
其中,上述决策树的叶子节点可以用于表示明确的分类结果,例如音乐、电影、导航、天气等;非叶子节点用于表示分类决策节点,用于对待识别信息进行语义识别。
为了更好的理解本申请实施例,参照图3,图3为本申请实施例中提供的一种决策树的结构示意图。
S202、将待识别信息输入决策树的非叶子节点,基于该非叶子节点执行语义识别操作;该语义识别操作包括将待识别信息分发至上述非叶子节点对应的一个或多个语义识别系统,基于上述非叶子节点对应的语义识别系统反馈的识别结果,确定待识别信息对应的语义识别结果,并基于该语义识别结果的可信度将该语义识别结果输入至所述非叶子节点的子节点。
本申请实施例中,在确定待识别信息对应的决策树之后,先将待识别信息输入决策树的任一非叶子节点,例如首次输入时可以输入至决策树的根节点,然后基于该根节点,将待识别信息分发至与该根节点对应的一个或多个语义识别系统。
其中,决策树的每个非叶子节点只对应所有语音识别系统中的其中一部分语义识别系统,且各个非叶子节点对应的语义识别系统不完全相同。例如,第一个非叶子节点可以对应语义识别系统1和语义识别系统2,第二个非叶子节点可以对应语义识别系统3和语义识别系统4。
可选的,上述待识别信息可以为语音交互过程中采集到的语音信息,也可以为由语音交互过程中采集到的语音信息转化成的文本信息。
在将待识别信息分发至与根节点对应的各个语义识别系统之后,即可等待接收该根节点对应的各个语义识别系统反馈的识别结果,然后基于接收到的识别结果,确定出语义识别结果,并将该语义识别结果输入该根节点的子节点。
S203、当上述子节点为非叶子节点时,基于上述子节点继续执行上述语义识别操作。
S204、当上述子节点为叶子节点时,将上述语义识别结果确定为待识别信息对应的目标语义识别结果。
可选的,在确定出上述语义识别结果之后,可以确定该语义识别结果的可信度;当该语义识别结果的可信度大于预设的可信度阈值时,将该语义识别结果输入至上述根节点的叶子节点;当该语义识别结果的可信度小于或等于上述可信度阈值时,将该语义识别结果输入至上述根节点的非叶子节点。
其中,上述可信度可以理解为是语义识别系统的执行度或者准确度。例如待识别信息为“今天会下雨吗?”时,语义识别结果中可以包括识别结果“天气预报”与可信度a,待识别信息为“我想听一首欢快的歌”时,语义识别结果中可以包括识别结果“音乐”与可信度b。
当语义识别结果中的可信度较高时,说明当前已经识别出来待识别信息中含有的用户意图,因此可以不需要再继续进行识别;相反,当语义识别结果中的可信度较低时,说明当前还未完全识别出待识别信息中的用户意图,因此需要将待识别信息输入另一个非叶子节点,继续进行语义识别。
可以理解的是,本申请实施例中在进行语义识别时,不会一次性将待识别信息发送至所有的语义识别系统进行识别,而是先将待识别信息发送至其中一个非叶子节点对应的一个或多个语义识别系统进行识别,然后如果这部分语义识别系统能够识别出用户意图,则无需再发送至其它非叶子节点对应的语义识别系统进行识别,如果这部分语义识别系统未能够识别出用户意图,则再将待识别信息发送至其它非叶子节点对应的另一部分语义识别系统进行识别,以此类推。
即本申请实施例所提供的语义识别方法,通过采用决策树中的各个节点来逐步对待识别信息进行语义识别,不需要一次性将待识别信息发送至所有的语义识别系统,也不需要等待所有的语义识别系统反馈识别结果后才进行综合决策,因此可以有效缩短语义识别过程的时长,降低对第三方语义识别系统的访问量与依赖度,同时也有利于保护用户隐私。另外,由于目前大多数语义识别系统采用流量进行计费,由此,本申请实施例还能够有助于降低成本。
基于上述实施例中所描述的内容,在本申请一种可行的实施例中,上述根节点对应至少两个语义识别系统,即可以理解为上述每个非叶子节点可以对应至少两个语义识别系统。上述步骤S202中基于非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,包括:
步骤a、每当接收到上述至少两个语义识别系统中的指定语义识别系统或任一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果。
本申请实施例中,每个非叶子节点对应两个或两个以上语义识别系统时,可以在这些语义识别系统中指定若干个比较重要或者特殊的语义识别系统(例如语音用户设备自带的语义识别系统)作为必等语义识别系统,即非叶子节点可以在等待必等语义识别系统反馈识别结果之后,根据已接收到的识别结果,确定第一语义识别结果。
其中,为保证执行效率,各个语义识别系统执行异步识别过程,相互之间互不影响。
可选的,为了控制语义识别时长,还可以设置一个识别超时阈值(例如5毫秒),当任意语义识别系统在该识别超时阈值内未反馈识别结果,则可以不用等待该语义识别系统反馈识别结果,直接根据已经接收到的识别结果,确定第一语义识别结果。
步骤b、判断第一语义识别结果的可信度是否大于预设的可信度阈值。
步骤c、当第一语义识别结果的可信度大于可信度阈值时,将第一语义识别结果确定为待识别信息对应的语义识别结果。
本申请实施例中,当第一语义识别结果的可信度大于上述可信度阈值时,可以直接将第一语义识别结果确定为语义识别结果,而无需再等待其它语义识别系统反馈识别结果。
步骤d、当第一语义识别结果的可信度小于或等于上述可信度阈值,且上述至少两个语义识别系统均反馈识别结果时,将最后一次确定的第一语义识别结果确定为待识别信息对应的语义识别结果。
可选的,可以将根节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;然后基于指定标准的识别结果,再确定上述语义识别结果。
可以理解的是,各个语义识别系统输出的结果有时候会存在一些差距,例如用户输入“我想听一首欢快的歌”时,各个语义识别系统可能会输出“音乐”、“歌曲”、“听歌”等不同识别结果。本申请实施例中,为了方便后续进行分类决策,可以将各个语义识别系统反馈的设备结果转换为统一标准的识别结果,例如将上述“音乐”、“歌曲”、“听歌”等不同的识别结果统一为“音乐”。
可选的,本申请实施例中,在接收到多个语义识别系统反馈的设备结果之后,可以采用线性回归等统计方法来确定出语义识别结果。
例如,假设上述根节点对应两个语义识别系统,那么将待识别信息分发至这两个语义识别系统之后,如果接收到任意一个语义识别系统反馈的识别结果,则先根据该识别结果确定上述待识别信息对应的语义识别结果,然后确定该语义识别结果的可信度是否大于预设的可信度阈值。
如果上述语义识别结果的可信度大于该可信度阈值,则可以认为当前已经获得明确的识别结果,此时即可将该语义识别结果输入到上述根节点的一个叶子节点,不需要再等待另一个语义识别系统反馈识别结果。
如果上述语义识别结果的可信度小于或等于该可信度阈值,则可以认为当前还未获得明确的识别结果,此时需要等待另一个语义识别系统反馈识别结果,然后基于该识别结果与上一个语义识别系统反馈的识别结果进行综合决策,确定出一个新的语义识别结果;然后再确定该新的语义识别结果的可信度是否大于预设的可信度阈值。
如果该新的语义识别结果的可信度大于上述可信度阈值,则可以认为当前得到了明确的识别结果,并将该新的语义识别结果输入到上述根节点的一个叶子节点输出;如果该新的语义识别结果的可信度小于或等于上述可信度阈值,则认为当前仍旧未得到明确的识别结果,此时可以将上述新的语义识别结果与上述待识别信息一起输入根节点的其中一个非叶子节点,由该非叶子节点对应的语义识别系统继续进行识别。
基于上述实施例中所描述的内容,参照图4,图4为本申请实施例中提供的一种语义识别方法的流程示意图二,在另一种可行的实施方式中,上述语义识别方法包括:
S401、确定待识别信息对应的决策树,该决策树包括至少一个非叶子节点与至少一个叶子节点。
可选的,可以确定生成上述待识别信息的电子设备或应用程序的类型,然后根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成上述待识别信息的电子设备或应用程序对应的目标决策树,并将该目标决策树确定为上述待识别信息对应的决策树。
S402、将待识别信息输入决策树的非叶子节点,基于该非叶子节点执行语义识别操作;该语义识别操作包括将待识别信息分发至上述非叶子节点对应的一个或多个语义识别系统,基于上述非叶子节点对应的语义识别系统反馈的识别结果,确定待识别信息对应的语义识别结果,并基于该语义识别结果的可信度将该语义识别结果输入至所述非叶子节点的子节点。
S403、判断当前子节点是否为叶子节点。若是,则继续执行S404,否则执行S405与S406。
S404、将上述语义识别结果确定为待识别信息对应的目标语义识别结果。
S405、将待识别信息分发至上述子节点对应的一个或多个语义识别系统,并基于该子节点对应的语义识别系统反馈的识别结果,更新语义识别结果。
S406、基于更新后的语义识别结果的可信度将更新后的语义识别结果输入至上述子节点的子节点。返回执行上述步骤S403。
即本申请实施例所提供的语义识别方法,当非叶子节点输出的语义识别结果的可信度较低时,会继续将待识别信息分发至其它非叶子节点对应的语义识别系统进行语义识别,直至语义识别结果的可信度高于可信度阈值时,将语义识别结果从叶子节点输出。
具体的,在又一种可行的实施方式中,本申请实施例所提供的语义识别方法的实现过程具体可以包括:
一、接收语义识别请求
二、融合树确定
每类终端或产品类型定义一棵决策树,用于用户意图的识别。当接收到语义识别请求时,判断发出该语义识别请求的终端或产品类型,从而确定基于哪棵决策树进行语义识别。其中,决策树由多个节点组成,其中叶子节点表示可明确的用户意图类别;非叶子节点为分类决策节点,用于进行用户意图类别判断过程。
三、基于决策树的语义识别
参照图5,图5为本申请实施例中基于决策树的语义识别过程的流程示意图,图5中,上述基于决策树的语义识别过程包括:
接收语义识别请求:根据语义识别请求确定待识别信息。
非叶子节点分发:根据当前循环轮次以及上一轮非叶子节点的语义识别结果,确定后续要进行语义识别的非叶子节点。
非叶子节点执行:基于非叶子节点执行语义识别操作。包括将待识别信息分发至非叶子节点对应的一个或多个语义识别系统,基于非叶子节点对应的语义识别系统反馈的识别结果,确定待识别信息对应的语义识别结果。
是否明确用户意图:语义识别结果的可信度大于预设的可信度阈值时,即可认为已明确用户意图,由叶子节点输出语义识别结果;否则,认为未明确用户意图,重新进行非叶子节点分发。
其中,非叶子节点执行时,为保证执行效率,各个语义识别系统之间执行异步过程。
其中,将待识别信息分发至非叶子节点对应的一个或多个语义识别系统之后,每当接收到一个语义识别系统反馈的识别结果时,便根据已接收到的识别结果,执行一次语义识别。
参照图6,图6为本申请实施例中非叶子节点执行语义识别过程的流程示意图,图6中,上述非叶子节点执行语义识别过程包括:
一、接收语义识别系统反馈的识别结果;
二、根据已接收到的识别结果,确定语义识别结果;
三、判断语义识别结果是否明确,即判断语义识别结果的可信度是否大于预设的可信度阈值,若是,在将语义识别结果输入叶子节点;若否,则确定所有语义识别系统是否均已反馈识别结果,若是,则将语义识别结果输入非叶子节点,若否,则继续等待接收其它语义识别系统反馈的识别结果。
基于上述实施例中所描述的内容,本申请实施例中还提供一种语义识别装置,参照图7,图7为本申请实施例中提供的一种语义识别装置的程序模块示意图,上述语义识别装置70包括确定模块701与处理模块702,其中:
确定模块701,用于确定待识别信息对应的决策树,所述决策树包括至少一个非叶子节点与至少一个叶子节点。
处理模块702,用于将所述待识别信息输入所述决策树的非叶子节点,基于所述非叶子节点执行语义识别操作;所述语义识别操作包括将所述待识别信息分发至所述非叶子节点对应的一个或多个语义识别系统,基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,并基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点;
当所述子节点为非叶子节点时,基于所述子节点继续执行所述语义识别操作;当所述子节点为叶子节点时,将所述语义识别结果确定为所述待识别信息对应的目标语义识别结果。
本申请实施例所提供的语义识别装置70,通过采用决策树中的各个节点来逐步对待识别信息进行语义识别,不需要一次性将待识别信息发送至所有的语义识别系统,也不需要等待所有的语义识别系统反馈识别结果后才进行综合决策,因此可以有效缩短语义识别过程的时长,降低对第三方语义识别系统的访问量与依赖度,同时也有利于保护用户隐私。另外,由于目前大多数语义识别系统采用流量进行计费,由此,本申请实施例还能够有助于降低成本。
在一种可行的实施方式中,处理模块702具体用于:
当所述语义识别结果的可信度大于预设的可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第一子节点,所述第一子节点为叶子节点;
当所述语义识别结果的可信度小于或等于所述可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第二子节点,所述第二子节点为非叶子节点。
在一种可行的实施方式中,当所述子节点为非叶子节点时,处理模块702具体还用于:
将所述待识别信息分发至所述子节点对应的一个或多个语义识别系统,并基于所述子节点对应的语义识别系统反馈的识别结果,更新所述语义识别结果;
基于更新后的语义识别结果的可信度将所述更新后的语义识别结果输入至所述子节点的子节点。
在一种可行的实施方式中,当所述非叶子节点对应至少两个语义识别系统时,处理模块702具体还用于:
每当接收到所述至少两个语义识别系统中的指定语义识别系统或任意一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果;
判断所述第一语义识别结果的可信度是否大于预设的可信度阈值;
当所述第一语义识别结果的可信度大于所述可信度阈值时,将所述第一语义识别结果确定为所述待识别信息对应的语义识别结果;
当所述第一语义识别结果的可信度小于或等于所述可信度阈值,且所述至少两个语义识别系统均已反馈识别结果时,将最后一次确定的第一语义识别结果确定为所述待识别信息对应的语义识别结果。
在一种可行的实施方式中,处理模块702具体还用于:
将所述非叶子节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;
基于所述指定标准的识别结果,确定所述语义识别结果。
在一种可行的实施方式中,确定模块701具体用于:
确定生成所述待识别信息的电子设备或应用程序的类型;
根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成所述待识别信息的电子设备或应用程序对应的目标决策树;
将所述目标决策树确定为所述待识别信息对应的决策树。
需要说明的是,本申请实施例中上述确定模块701与处理模块702具体执行的内容可以参阅图2至图6所示实施例中相关内容,此处不做赘述。
进一步的,基于上述实施例中所描述的内容,本申请实施例中还提供了一种电子设备,该电子设备包括至少一个处理器和存储器;其中,存储器存储计算机执行指令;上述至少一个处理器执行存储器存储的计算机执行指令,以实现如上述语义识别方法中各实施例描述的内容。
应当理解的是,本实施例提供的用户设备可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,因此本实施例此处不再赘述。
为了更好的理解本申请实施例,参照图8,图8为本申请实施例提供的一种电子设备的硬件结构示意图。
如图8所示,本实施例的电子设备80包括:处理器801以及存储器802;其中
存储器802,用于存储计算机执行指令;
处理器801,用于执行存储器存储的计算机执行指令,以实现上述实施例中语义识别方法中的各个步骤。
具体可以参见前述方法实施例中的相关描述。
可选地,存储器802既可以是独立的,也可以跟处理器801集成在一起。
当存储器802独立设置时,该设备还包括总线803,用于连接所述存储器802和处理器801。
基于上述实施例中的内容,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上实施例中语义识别方法中的各个步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)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。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (14)
1.一种语义识别方法,其特征在于,所述方法包括:
确定待识别信息对应的决策树,所述决策树包括至少一个非叶子节点与至少一个叶子节点;
将所述待识别信息输入所述决策树的非叶子节点,基于所述非叶子节点执行语义识别操作;所述语义识别操作包括将所述待识别信息分发至所述非叶子节点对应的一个或多个语义识别系统,基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,并基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点;
当所述子节点为非叶子节点时,基于所述子节点继续执行所述语义识别操作;
当所述子节点为叶子节点时,将所述语义识别结果确定为所述待识别信息对应的目标语义识别结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点,包括:
当所述语义识别结果的可信度大于预设的可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第一子节点,所述第一子节点为叶子节点;
当所述语义识别结果的可信度小于或等于所述可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第二子节点,所述第二子节点为非叶子节点。
3.根据权利要求1所述的方法,其特征在于,所述基于所述子节点继续执行所述语义识别操作,包括:
将所述待识别信息分发至所述子节点对应的一个或多个语义识别系统,并基于所述子节点对应的语义识别系统反馈的识别结果,更新所述语义识别结果;
基于更新后的语义识别结果的可信度将所述更新后的语义识别结果输入至所述子节点的子节点。
4.根据权利要求1所述的方法,其特征在于,当所述非叶子节点对应至少两个语义识别系统时,所述基于非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,包括:
每当接收到所述至少两个语义识别系统中的指定语义识别系统或任意一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果;
判断所述第一语义识别结果的可信度是否大于预设的可信度阈值;
当所述第一语义识别结果的可信度大于所述可信度阈值时,将所述第一语义识别结果确定为所述待识别信息对应的语义识别结果;
当所述第一语义识别结果的可信度小于或等于所述可信度阈值,且所述至少两个语义识别系统均已反馈识别结果时,将最后一次确定的第一语义识别结果确定为所述待识别信息对应的语义识别结果。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,包括:
将所述非叶子节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;
基于所述指定标准的识别结果,确定所述语义识别结果。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述确定待识别信息对应的决策树,包括:
确定生成所述待识别信息的电子设备或应用程序的类型;
根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成所述待识别信息的电子设备或应用程序对应的目标决策树;
将所述目标决策树确定为所述待识别信息对应的决策树。
7.一种语义识别装置,其特征在于,所述装置包括:
确定模块,用于确定待识别信息对应的决策树,所述决策树包括至少一个非叶子节点与至少一个叶子节点;
处理模块,用于将所述待识别信息输入所述决策树的非叶子节点,基于所述非叶子节点执行语义识别操作;所述语义识别操作包括将所述待识别信息分发至所述非叶子节点对应的一个或多个语义识别系统,基于所述非叶子节点对应的语义识别系统反馈的识别结果,确定所述待识别信息对应的语义识别结果,并基于所述语义识别结果的可信度将所述语义识别结果输入至所述非叶子节点的子节点;
所述处理模块,还用于当所述子节点为非叶子节点时,基于所述子节点继续执行所述语义识别操作;当所述子节点为叶子节点时,将所述语义识别结果确定为所述待识别信息对应的目标语义识别结果。
8.根据权利要求7所述的装置,其特征在于,所述处理模块具体用于:
当所述语义识别结果的可信度大于预设的可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第一子节点,所述第一子节点为叶子节点;
当所述语义识别结果的可信度小于或等于所述可信度阈值时,将所述语义识别结果输入至所述非叶子节点的第二子节点,所述第二子节点为非叶子节点。
9.根据权利要求7所述的装置,其特征在于,所述处理模块具体还用于:
将所述待识别信息分发至所述子节点对应的一个或多个语义识别系统,并基于所述子节点对应的语义识别系统反馈的识别结果,更新所述语义识别结果;
基于更新后的语义识别结果的可信度将所述更新后的语义识别结果输入至所述子节点的子节点。
10.根据权利要求7所述的装置,其特征在于,当所述非叶子节点对应至少两个语义识别系统时,所述处理模块具体还用于:
每当接收到所述至少两个语义识别系统中的指定语义识别系统或任意一个语义识别系统反馈的识别结果时,根据已接收到的识别结果,确定第一语义识别结果;
判断所述第一语义识别结果的可信度是否大于预设的可信度阈值;
当所述第一语义识别结果的可信度大于所述可信度阈值时,将所述第一语义识别结果确定为所述待识别信息对应的语义识别结果;
当所述第一语义识别结果的可信度小于或等于所述可信度阈值,且所述至少两个语义识别系统均已反馈识别结果时,将最后一次确定的第一语义识别结果确定为所述待识别信息对应的语义识别结果。
11.根据权利要求7至10任一项所述的装置,其特征在于,所述处理模块具体还用于:
将所述非叶子节点对应的语义识别系统反馈的识别结果转换为指定标准的识别结果;
基于所述指定标准的识别结果,确定所述语义识别结果。
12.根据权利要求7至10任一项所述的装置,其特征在于,所述确定模块具体用于:
确定生成所述待识别信息的电子设备或应用程序的类型;
根据各个电子设备或应用程序的类型与各个决策树之间的对应关系,确定生成所述待识别信息的电子设备或应用程序对应的目标决策树;
将所述目标决策树确定为所述待识别信息对应的决策树。
13.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至6任一项所述的语义识别方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至6任一项所述的语义识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630029.3A CN111814484B (zh) | 2020-07-03 | 2020-07-03 | 语义识别方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630029.3A CN111814484B (zh) | 2020-07-03 | 2020-07-03 | 语义识别方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814484A CN111814484A (zh) | 2020-10-23 |
CN111814484B true CN111814484B (zh) | 2024-01-26 |
Family
ID=72856116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010630029.3A Active CN111814484B (zh) | 2020-07-03 | 2020-07-03 | 语义识别方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814484B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7669147B1 (en) * | 2009-01-02 | 2010-02-23 | International Business Machines Corporation | Reorienting navigation trees based on semantic grouping of repeating tree nodes |
CN110442725A (zh) * | 2019-08-14 | 2019-11-12 | 科大讯飞股份有限公司 | 实体关系抽取方法及装置 |
WO2020019686A1 (zh) * | 2018-07-27 | 2020-01-30 | 众安信息技术服务有限公司 | 一种会话交互方法及装置 |
CN111241245A (zh) * | 2020-01-14 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 人机交互处理方法、装置及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10192165B2 (en) * | 2015-03-31 | 2019-01-29 | Vmware, Inc. | System and method for navigating multi-dimensional decision trees using acceptable alternate nodes |
US9990361B2 (en) * | 2015-10-08 | 2018-06-05 | Facebook, Inc. | Language independent representations |
US10331788B2 (en) * | 2016-06-22 | 2019-06-25 | International Business Machines Corporation | Latent ambiguity handling in natural language processing |
US10216832B2 (en) * | 2016-12-19 | 2019-02-26 | Interactions Llc | Underspecification of intents in a natural language processing system |
-
2020
- 2020-07-03 CN CN202010630029.3A patent/CN111814484B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7669147B1 (en) * | 2009-01-02 | 2010-02-23 | International Business Machines Corporation | Reorienting navigation trees based on semantic grouping of repeating tree nodes |
WO2020019686A1 (zh) * | 2018-07-27 | 2020-01-30 | 众安信息技术服务有限公司 | 一种会话交互方法及装置 |
CN110442725A (zh) * | 2019-08-14 | 2019-11-12 | 科大讯飞股份有限公司 | 实体关系抽取方法及装置 |
CN111241245A (zh) * | 2020-01-14 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 人机交互处理方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
一种基于语义树的三维模型检索方法;俞扬信;;情报理论与实践(第01期);全文 * |
基于四层树状语义模型的场景语义识别方法;李敏等;电子设计工程;第25卷(第23期);全文 * |
语义网中基于本体的语义信任计算研究;张波;向阳;;计算机应用(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111814484A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
US10168800B2 (en) | Synchronization of text data among a plurality of devices | |
JP2021018797A (ja) | 対話の交互方法、装置、コンピュータ可読記憶媒体、及びプログラム | |
CN111566638B (zh) | 向应用编程接口添加描述性元数据以供智能代理使用 | |
CN105469789A (zh) | 一种语音信息的处理方法及终端 | |
AU2017216520A1 (en) | Common data repository for improving transactional efficiencies of user interactions with a computing device | |
US10853564B2 (en) | Operation for copied content | |
US20200265843A1 (en) | Speech broadcast method, device and terminal | |
CN109785845B (zh) | 语音处理方法、装置及设备 | |
CN109325180B (zh) | 文章摘要推送方法、装置、终端设备、服务器及存储介质 | |
JP2020004382A (ja) | 音声対話方法及び装置 | |
CN112149419B (zh) | 字段的规范化自动命名方法、装置及系统 | |
CN109859747B (zh) | 语音交互方法、设备以及存储介质 | |
CN111309857A (zh) | 一种处理方法及处理装置 | |
CN112131885A (zh) | 语义识别方法、装置、电子设备及存储介质 | |
CN108153875B (zh) | 语料处理方法、装置、智能音箱和存储介质 | |
CN112652302B (zh) | 语音控制方法、装置、终端及存储介质 | |
CN110020429B (zh) | 语义识别方法及设备 | |
CN108763202A (zh) | 识别敏感文本的方法、装置、设备及可读存储介质 | |
CN107506407B (zh) | 一种文件分类、调用的方法及装置 | |
WO2021063089A1 (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
US9361289B1 (en) | Retrieval and management of spoken language understanding personalization data | |
CN111814484B (zh) | 语义识别方法、装置、电子设备及可读存储介质 | |
CN108509059B (zh) | 一种信息处理方法、电子设备和计算机存储介质 | |
CN114299955B (zh) | 语音交互的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |