CN112395392A - 一种意图识别方法及装置、可读存储介质 - Google Patents

一种意图识别方法及装置、可读存储介质 Download PDF

Info

Publication number
CN112395392A
CN112395392A CN202011359123.6A CN202011359123A CN112395392A CN 112395392 A CN112395392 A CN 112395392A CN 202011359123 A CN202011359123 A CN 202011359123A CN 112395392 A CN112395392 A CN 112395392A
Authority
CN
China
Prior art keywords
data
template
recognized
identified
intention
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.)
Pending
Application number
CN202011359123.6A
Other languages
English (en)
Inventor
潘心冰
孙兴艳
李明明
高传集
张晖
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.)
Inspur Cloud Information Technology Co Ltd
Original Assignee
Inspur Cloud Information 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 Inspur Cloud Information Technology Co Ltd filed Critical Inspur Cloud Information Technology Co Ltd
Priority to CN202011359123.6A priority Critical patent/CN112395392A/zh
Publication of CN112395392A publication Critical patent/CN112395392A/zh
Pending legal-status Critical Current

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
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
    • 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
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开了一种意图识别方法及装置、可读存储介质，首先获取待识别数据，根据待识别数据，检索与待识别数据的文本特征相匹配的模板，若检索出了匹配的模板，则根据得到的模板从待识别数据抽取词槽以及获得待识别数据包含的意图，若没有检索出与待识别数据匹配的模板，则对待识别数据深度学习，从待识别数据抽取词槽以及获得待识别数据包含的意图。本发明结合了模板匹配以及深度学习的方法来识别数据包含的意图，与现有技术相比，能够提高意图识别的准确性。

Description

一种意图识别方法及装置、可读存储介质
技术领域
本发明涉及人工智能技术领域，特别是涉及一种意图识别方法及装置。本发明还涉及一种计算机可读存储介质。
背景技术
意图识别是通过分类的方法，将句子或者问题分到相应的意图种类。比如一个句子：今天的天气怎么样，这个问句的意图属于天气查询。又比如：定一个今晚八点的闹钟，这属于一个定闹钟的意图。
而词槽抽取是指获取句子或者问句中的关键要素。比如上述天气查询意图，关键要素信息即为“今天”，但在问句中它缺少地点这个关键信息，如果同时具有时间、地点这两个关键信息，我们可以通过调用第三方服务，获取当前的时间及地点下的天气情况。同理对于上述定闹钟的意图，其关键要素也为时间，当确定时间后，就可以指定定闹钟的这个动作。
现有技术中，采用Bag-of-words模型、汉语语言模型(N-Gram)或者TF-IDF(termfrequency–inverse document frequency)技术等基于词频统计的手段，用于句子的向量表示，再通过某些分类算法对句子进行分类，实现意图识别或者意图分类。但是这种手段最大的问题是忽视了词语间的关联和词语本身的理解，无法做到零失误的意图识别，在部分情况下可能将句子的意图识别错误。
发明内容
本发明的目的是提供一种意图识别方法及装置，能够提高意图识别的准确性。本发明还提供一种计算机可读存储介质。
为实现上述目的，本发明提供如下技术方案：
一种意图识别方法，包括：
获取待识别数据；
根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板；
若检索出与所述待识别数据匹配的模板，则根据得到的所述模板从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图；
若没有检索出与所述待识别数据匹配的模板，则对所述待识别数据深度学习，从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
优选的，所述模板包括一个或者多个模板片段，所述模板片段设定了词槽、特征词或者通配符中的一个或者任意多个，与所述待识别数据匹配的模板包含至少一个与所述待识别数据的文本特征匹配的模板片段。
优选的，所述模板片段至少设定词槽的位置、词槽的通配符以及词槽对应的内容。
优选的，根据得到的所述模板从所述待识别数据抽取词槽包括：根据所述模板包括的各个所述模板片段的定义，分别从所述待识别数据抽取词槽。
优选的，根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板包括：根据所述待识别数据，检索出与所述待识别数据匹配的多个模板。
优选的，根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板包括：从所有模板包括的模板片段中取出所述待识别数据中未出现的模板片段，根据该未出现的模板片段从所有模板中筛选出不符合条件的模板并排除掉。
优选的，具体包括：根据该未出现的模板片段，从所有模板中筛选出包含该未出现的模板片段的模板并排除掉。
优选的，获取待识别数据包括：对获取到的待识别数据预处理，预处理包括对待识别数据指代消解、纠错、问句改写、分词或者停用词处理。
一种意图识别装置，用于执行以上所述的意图识别方法。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的意图识别方法的步骤。
由上述技术方案可知，本发明所提供的一种意图识别方法及装置，首先获取待识别数据，根据待识别数据，检索与待识别数据的文本特征相匹配的模板，若检索出了匹配的模板，则根据得到的模板从待识别数据抽取词槽以及获得待识别数据包含的意图，若没有检索出与待识别数据匹配的模板，则对待识别数据深度学习，从待识别数据抽取词槽以及获得待识别数据包含的意图。本发明的意图识别方法及装置结合了模板匹配以及深度学习的方法来识别数据包含的意图，与现有技术相比，能够提高意图识别的准确性。
本发明提供的一种计算机可读存储介质，能够达到上述有益效果。
附图说明
为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种意图识别方法的流程图；
图2为本发明实施例中根据待识别数据检索与待识别数据的文本特征匹配的模板的方法流程图；
图3为本发明实施例提供的一种意图识别装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请参考图1，图1为本发明实施例提供的一种意图识别方法的流程图，由图可知，所述意图识别方法包括以下步骤：
S10：获取待识别数据。
可选的，待识别数据可以是用户输入的文本格式的数据，比如在页面中输入的一个句子。或者，待识别数据也可以是通过获取用户发出的语音，将语音转换得到的文本数据，比如智能助理会话中获取的用户语音。
优选的，对于获得的待识别数据可以先对数据进行预处理，预处理包括但不限于对待识别数据指代消解、纠错、问句改写、分词或者停用词处理。指代消解又称指代消除，是指将句子中的代词替换为真实所指代的词。比如“小明今天穿着蓝颜色的衣服上学，在路上，他遇到了小红。”，句中的“他”会被替换成“小明”。纠错是指纠正文本中出现的错字、错词。问句改写包括将长句压缩成短句或者修正句子的语序等。分词是指将句子切分成词语的形式，比如“今天天气怎么样”会转化为“今天”“天气”“怎么样”。通过对待识别数据进行预处理，有助于将待识别数据更好地匹配模板或者进行深度学习，提高意图识别的准确性和效率。
S11：根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板。
数据的文本特征包括文本结构、文本语义。建立的模板设定了文本结构、文本各区段的语义。优选的，模板包括一个或者多个模板片段，由模板片段构成模板，模板片段设定了词槽、特征词或者通配符中的一个或者任意多个。对于检索出的与待识别数据匹配的模板，其包括至少一个与待识别数据的文本特征匹配的模板片段。
模板片段设定了词槽、特征词或者通配符中的一个或者任意多个。其中模板片段至少设定了词槽、词槽的通配符以及词槽对应的内容，词槽是指用户需要从文本抽取的内容，词槽的通配符是指词槽在模板中占位的位数。示例性的，设定的一个模板片段表示为“[S:time][S:start][F:to][W:0-4][S:end][S:version:U(1-4)]有哪些”，其中，S开头表示词槽，表示要从用户的语句中抽取的内容，[S:time]表示要抽取的内容是时间，[S:start]表示要抽取的内容是起始地，[S:end]表示抽取的内容是结束地。[F:to]中F表示特征词，特征词需要在用户输入的语句中匹配，但是与词槽不同是，不需要对其内容抽取，比如“去”、“到”之类的。[W:0-4]中W表示通配符，在模板中起占位的作用，在该模板中表示在[F:to]和[S:end]之间可以有任意0-4个字符。[S:version:U(1-4)]表示词槽通配符，与词槽不同的是，词槽通配符可以获取词槽中未曾出现的词语。
S12：若检索出与所述待识别数据匹配的模板，则根据得到的所述模板从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
若检索出了与待识别数据匹配的模板，则根据得到的模板从待识别数据抽取词槽，并获得待识别数据包含的意图。具体的，根据模板包括的各个模板片段的定义，分别从待识别数据抽取文本要素数据。比如，对于上述实例中采用的模板片段
“[S:time][S:start][F:to][W:0-4][S:end][S:version:U(1-4)]有哪些”，根据该模板片段从输入语句中抽取出关于“时间”、“起始地”、“结束地”以及特征词等文本要素数据。
S13：若没有检索出与所述待识别数据匹配的模板，则对所述待识别数据深度学习，从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
若没有检索出与待识别数据匹配的模板，则对待识别数据深度学习，从待识别数据抽取词槽并获得待识别数据包含的意图。可选的，可使用长短期记忆网络(Long Short-Term Memory，LSTM)和softmax逻辑回归模型相结合的深度学习方法对数据进行学习，获得待识别数据包含的意图。或者也可以采用其它深度学习方法对待识别数据进行学习而识别意图。
本实施例的意图识别方法，结合了模板匹配以及深度学习的方法来识别数据包含的意图，其中利用模板匹配对包含规则的文本特征的数据进行抽取词槽和识别意图，对于包含不规则文本特征的数据通过深度学习来理解意图和识别意图，能够提高意图识别的准确性，能够提高意图识别的效率。
进一步优选的，在步骤S11中根据待识别数据检索与待识别数据的文本特征匹配的模板，可以根据待识别数据，检索出与待识别数据匹配的多个模板。检索出的与待识别数据匹配的模板，其包括至少一个与待识别数据的文本特征匹配的模板片段，比如一个模板片段设定的词槽或者特征词与待识别数据包含的词槽或者特征词一致，那么该模板片段与待识别数据匹配。根据待识别数据，检索出多个模板，每一模板至少包括一个与待识别数据匹配的模板片段，实现了多模式匹配。
进一步优选的，在步骤S11中根据待识别数据检索与待识别数据的文本特征匹配的模板，可以从所有模板包括的模板片段中取出待识别数据中未出现的模板片段，根据该未出现的模板片段从所有模板中筛选出不符合条件的模板并排除掉。
根据所有模板包括的模板片段，从各个模板包括的所有模板片段中取出待识别数据中未出现的模板片段，进一步根据该未出现的模板片段，从所有模板中筛选出不符合条件的模板并排除掉，留下的模板为候选模板。从所有模板中找出包含该未出现模板片段的模板，可以将这些模板片段建立索引目录，比如表示为：
片段A：doc1，doc2，…
片段B：doc3，doc5，…
片段C：doc2，doc3，…
片段D：doc4，doc7，…
片段E：doc1，doc9，…
具体可以根据该未出现的模板片段，从所有模板中筛选出包含该未出现的模板片段的模板，从而排除掉。进而可以使用留下的候选模板与待识别数据进行更精确地匹配。本实施例的意图识别方法，根据各模板中待识别数据未出现的模板片段将一些模板排除，这样减少最终与数据比对匹配的模板数量，加快模板匹配，有助于提高意图识别的效率。
进一步优选的，在步骤S11中根据待识别数据检索与待识别数据的文本特征匹配的模板，可根据以下过程进行，请参考图2，具体包括步骤：
S110：根据所述待识别数据，检索出与所述待识别数据匹配的多个模板。
S111：从所有模板包括的模板片段中取出所述待识别数据中未出现的模板片段，根据该未出现的模板片段从检索出的模板中筛选出不符合条件的模板并排除掉。
根据所有模板包括的模板片段，从各个模板包括的所有模板片段中取出待识别数据中未出现的模板片段，进一步根据该未出现的模板片段，从检索出的模板中筛选出不符合条件的模板并排除掉，留下的模板为候选模板。具体可以根据该未出现的模板片段，从检索出的模板中筛选出包含该未出现的模板片段的模板，排除掉。进而可以使用留下的候选模板与待识别数据进行更精确地匹配。
本实施例的意图识别方法，在将数据与模板匹配过程中先检索出多个匹配模板实现了多模式匹配，进而根据各模板中待识别数据未出现的模板片段将一些模板排除，这样减少最终与数据比对匹配的模板数量，加快模板匹配，有助于提高意图识别的效率。
本发明实施例还提供一种意图识别装置，用于执行以上所述的意图识别方法。
本实施例的意图识别装置首先获取待识别数据，根据待识别数据，检索与待识别数据的文本特征相匹配的模板，若检索出了匹配的模板，则根据得到的模板从待识别数据抽取词槽以及获得待识别数据包含的意图，若没有检索出与待识别数据匹配的模板，则对待识别数据深度学习，从待识别数据抽取词槽以及获得待识别数据包含的意图。本意图识别装置结合了模板匹配以及深度学习的方法来识别数据包含的意图，与现有技术相比，能够提高意图识别的准确性。
可选的请参考图3，图3为一实施例提供的意图识别装置的示意图，本实施例装置包括：
模板匹配模块21，用于根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板。
第一识别模块22，用于若检索出与所述待识别数据匹配的模板，则根据得到的所述模板从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
第二识别模块23，用于若没有检索出与所述待识别数据匹配的模板，则对所述待识别数据深度学习，从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
其中，模板匹配模块21包括：
多模式匹配单元210，用于根据所述待识别数据，检索出与所述待识别数据匹配的多个模板。
倒排筛选单元211，用于从所有模板包括的模板片段中取出所述待识别数据中未出现的模板片段，根据该未出现的模板片段从所有模板中筛选出不符合条件的模板并排除掉。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的意图识别方法的步骤。
本实施例的计算机可读存储介质上存储的计算机程序被执行时能够实现首先获取待识别数据，根据待识别数据，检索与待识别数据的文本特征相匹配的模板，若检索出了匹配的模板，则根据得到的模板从待识别数据抽取词槽以及获得待识别数据包含的意图，若没有检索出与待识别数据匹配的模板，则对待识别数据深度学习，从待识别数据抽取词槽以及获得待识别数据包含的意图，能够提高意图识别的准确性。
以上对本发明所提供的一种意图识别方法及装置、可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种意图识别方法，其特征在于，包括：
获取待识别数据；
根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板；
若检索出与所述待识别数据匹配的模板，则根据得到的所述模板从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图；
若没有检索出与所述待识别数据匹配的模板，则对所述待识别数据深度学习，从所述待识别数据抽取词槽以及获得所述待识别数据包含的意图。
2.根据权利要求1所述的意图识别方法，其特征在于，所述模板包括一个或者多个模板片段，所述模板片段设定了词槽、特征词或者通配符中的一个或者任意多个，与所述待识别数据匹配的模板包含至少一个与所述待识别数据的文本特征匹配的模板片段。
3.根据权利要求2所述的意图识别方法，其特征在于，所述模板片段至少设定词槽的位置、词槽的通配符以及词槽对应的内容。
4.根据权利要求2所述的意图识别方法，其特征在于，根据得到的所述模板从所述待识别数据抽取词槽包括：根据所述模板包括的各个所述模板片段的定义，分别从所述待识别数据抽取词槽。
5.根据权利要求2所述的意图识别方法，其特征在于，根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板包括：根据所述待识别数据，检索出与所述待识别数据匹配的多个模板。
6.根据权利要求2所述的意图识别方法，其特征在于，根据所述待识别数据，检索与所述待识别数据的文本特征匹配的模板包括：从所有模板包括的模板片段中取出所述待识别数据中未出现的模板片段，根据该未出现的模板片段从所有模板中筛选出不符合条件的模板并排除掉。
7.根据权利要求6所述的意图识别方法，其特征在于，具体包括：根据该未出现的模板片段，从所有模板中筛选出包含该未出现的模板片段的模板并排除掉。
8.根据权利要求1所述的意图识别方法，其特征在于，获取待识别数据包括：对获取到的待识别数据预处理，预处理包括对待识别数据指代消解、纠错、问句改写、分词或者停用词处理。
9.一种意图识别装置，其特征在于，用于执行权利要求1-8任一项所述的意图识别方法。
10.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的意图识别方法的步骤。
CN202011359123.6A 2020-11-27 2020-11-27 一种意图识别方法及装置、可读存储介质 Pending CN112395392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359123.6A CN112395392A (zh) 2020-11-27 2020-11-27 一种意图识别方法及装置、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359123.6A CN112395392A (zh) 2020-11-27 2020-11-27 一种意图识别方法及装置、可读存储介质

Publications (1)

Publication Number Publication Date
CN112395392A true CN112395392A (zh) 2021-02-23

Family

ID=74604620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359123.6A Pending CN112395392A (zh) 2020-11-27 2020-11-27 一种意图识别方法及装置、可读存储介质

Country Status (1)

Country Link
CN (1) CN112395392A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239197A (zh) * 2021-05-12 2021-08-10 首都师范大学 基于tf-idf算法对句子分类的方法、装置及计算机存储介质
CN113449089A (zh) * 2021-06-11 2021-09-28 车智互联（北京）科技有限公司 一种查询语句的意图识别方法、问答方法及计算设备
CN113571145A (zh) * 2021-08-11 2021-10-29 四川医枢科技有限责任公司 一种用于健康管理决策的信息匹配方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649612A (zh) * 2016-11-29 2017-05-10 中国银联股份有限公司 一种自动问答模板匹配的方法及装置
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
CN111274371A (zh) * 2020-01-14 2020-06-12 东莞证券股份有限公司 一种基于知识图谱的智能人机对话方法及设备
CN111523311A (zh) * 2020-04-21 2020-08-11 上海优扬新媒信息技术有限公司 一种搜索意图识别方法及装置
CN111625634A (zh) * 2020-05-25 2020-09-04 泰康保险集团股份有限公司 词槽识别方法及装置、计算机可读存储介质、电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649612A (zh) * 2016-11-29 2017-05-10 中国银联股份有限公司 一种自动问答模板匹配的方法及装置
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
CN111274371A (zh) * 2020-01-14 2020-06-12 东莞证券股份有限公司 一种基于知识图谱的智能人机对话方法及设备
CN111523311A (zh) * 2020-04-21 2020-08-11 上海优扬新媒信息技术有限公司 一种搜索意图识别方法及装置
CN111625634A (zh) * 2020-05-25 2020-09-04 泰康保险集团股份有限公司 词槽识别方法及装置、计算机可读存储介质、电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239197A (zh) * 2021-05-12 2021-08-10 首都师范大学 基于tf-idf算法对句子分类的方法、装置及计算机存储介质
CN113449089A (zh) * 2021-06-11 2021-09-28 车智互联（北京）科技有限公司 一种查询语句的意图识别方法、问答方法及计算设备
CN113449089B (zh) * 2021-06-11 2023-12-01 车智互联（北京）科技有限公司 一种查询语句的意图识别方法、问答方法及计算设备
CN113571145A (zh) * 2021-08-11 2021-10-29 四川医枢科技有限责任公司 一种用于健康管理决策的信息匹配方法及系统

Similar Documents

Publication Publication Date Title
CN108304372B (zh) 实体提取方法和装置、计算机设备和存储介质
CN111639177B (zh) 文本提取方法和装置
CN106095753B (zh) 一种基于信息熵和术语可信度的金融领域术语识别方法
CN110175334B (zh) 基于自定义的知识槽结构的文本知识抽取系统和方法
CN110413787B (zh) 文本聚类方法、装置、终端和存储介质
CN112395392A (zh) 一种意图识别方法及装置、可读存储介质
CN110457689B (zh) 语义处理方法及相关装置
CN104503998B (zh) 针对用户查询句的类型识别方法及装置
CN111291566B (zh) 一种事件主体识别方法、装置、存储介质
CN110363194A (zh) 基于nlp的智能阅卷方法、装置、设备及存储介质
CN111444723A (zh) 信息抽取模型训练方法、装置、计算机设备和存储介质
CN112101027A (zh) 基于阅读理解的中文命名实体识别方法
CN110555206A (zh) 一种命名实体识别方法、装置、设备及存储介质
CN113704444B (zh) 基于自然语言处理的问答方法、系统、设备及存储介质
CN109858626B (zh) 一种知识库构建方法及装置
CN111274804A (zh) 基于命名实体识别的案件信息提取方法
CN108038099B (zh) 基于词聚类的低频关键词识别方法
CN114416979A (zh) 一种文本查询方法、设备和存储介质
CN115168345B (zh) 数据库分级分类方法、系统、装置及存储介质
CN115618883A (zh) 一种业务语义识别方法及装置
CN116127015A (zh) 基于人工智能自适应的nlp大模型分析系统
CN108475265B (zh) 获取未登录词的方法与装置
CN111291535A (zh) 剧本处理方法、装置、电子设备及计算机可读存储介质
CN116719840A (zh) 一种基于病历后结构化处理的医疗信息推送方法
CN114842982B (zh) 一种面向医疗信息系统的知识表达方法、装置及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210223

RJ01 Rejection of invention patent application after publication