CN112541109B - 答案摘要抽取方法及装置、电子设备、可读介质、产品 - Google Patents
答案摘要抽取方法及装置、电子设备、可读介质、产品 Download PDFInfo
- Publication number
- CN112541109B CN112541109B CN202011528810.6A CN202011528810A CN112541109B CN 112541109 B CN112541109 B CN 112541109B CN 202011528810 A CN202011528810 A CN 202011528810A CN 112541109 B CN112541109 B CN 112541109B
- Authority
- CN
- China
- Prior art keywords
- answer
- information
- method step
- text
- abstract
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 297
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims 3
- 230000003993 interaction Effects 0.000 abstract description 15
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 12
- 230000002452 interceptive effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000009191 jumping Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种答案摘要抽取方法,涉及信息交互、信息处理、知识图谱等人工智能技术领域。该答案摘要抽取方法包括:响应于问题信息输入,获取与输入的问题信息对应的答案信息;至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案;响应于判断出所述答案信息为方法步骤类答案,将从所述答案信息中抽取出的关键方法步骤信息作为所述答案信息的目标摘要信息;响应于判断出所述答案信息为非方法步骤类答案,从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息。本公开还提供了一种答案摘要抽取装置、电子设备、计算机可读介质及计算机程序产品。
Description
技术领域
本公开涉及信息交互、信息处理、知识图谱等人工智能领域,特别涉及一种答案摘要抽取方法及装置、电子设备、计算机可读介质、计算机程序产品。
背景技术
随着互联网快速发展,用户越来越多地通过互联网获取所需的信息,面对不断丰富的海量互联网知识,以百度知道为首的各类问答系统为用户在互联网上获取信息提供了极大的便利。在问答系统中,为了使得用户能够快速获取信息,以提高用户获取信息的效率和体验,通常采用摘要抽取技术从针对用户的提问所反馈的答案中抽取出摘要呈现给用户。
但目前问答系统抽取的摘要,通常因摘要没有结构化、存在冗余字符和口语化表达等噪声信息等问题,而导致抽取的摘要包含的信息不全,甚至答非所问,从而降低了抽取的摘要准确性,影响了用户获取信息的效率和体验。
发明内容
本公开旨在至少解决现有技术中存在的技术问题之一,提供一种答案摘要抽取方法及装置、电子设备、计算机可读介质、计算机程序产品。
第一方面,本公开提供了一种答案摘要抽取方法,该答案摘要抽取方法包括:响应于问题信息输入,获取与输入的问题信息对应的答案信息;至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案;响应于判断出所述答案信息为方法步骤类答案,将从所述答案信息中抽取出的关键方法步骤信息作为所述答案信息的目标摘要信息;响应于判断出所述答案信息为非方法步骤类答案,从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息。
第二方面,本公开提供了一种答案摘要抽取装置,该答案摘要抽取装置包括:答案获取模块,用于响应于问题信息输入,获取与输入的问题信息对应的答案信息;答案识别模块,用于至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案;第一摘要抽取模块,用于响应于所述答案识别模块判断出所述答案信息为方法步骤类答案,将从所述答案信息中抽取出的关键方法步骤信息作为所述答案信息的目标摘要信息;第二摘要抽取模块,用于响应于所述答案识别模块判断出所述答案信息为非方法步骤类答案,从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息。
第三方面,本公开提供了一种电子设备,该电子设备包括: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一个或多个指令,一个或多个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任一所述的答案摘要抽取方法。
第四方面,本公开提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被执行时实现如上述任一所述的答案摘要抽取方法。
第五方面,本公开提供了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的答案摘要抽取方法。
根据本公开实施例提供的技术方案,通过识别对于用户输入的问题的答案是否为方法步骤类答案,对于方法步骤类答案,从答案中抽取出关键方法步骤作为答案的目标摘要,对于非方法步骤类答案,从答案的至少一个候选摘要中确定出一个候选摘要作为答案的目标摘要,从而提高了答案的摘要抽取的准确性,实现了结构化的摘要抽取,提升了用户获取信息的效率和体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用来提供对本公开的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开,并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述,以上和其他特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1为本公开实施例提供的一种答案摘要抽取方法的流程图;
图2为本公开实施例提供的另一种答案摘要抽取方法的流程图;
图3为图2中步骤2021的一种具体实现方式的流程图;
图4为图2中步骤2021的另一种具体实现方式的流程图;
图5为图2中步骤2021的又一种具体实现方式的流程图;
图6为图2中步骤2023的一种具体实现方式的流程图;
图7为图2中步骤204的一种具体实现方式的流程图;
图8为图7中步骤702的一种具体实现方式的流程图;
图9为图7中步骤702的另一种具体实现方式的流程图;
图10为本公开实施例提供的一种答案摘要抽取装置的组成框图;
图11为本公开实施例提供的一种电子设备的组成框图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案,以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
在不冲突的情况下,本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
图1为本公开实施例提供的一种答案摘要抽取方法的流程图。
参照图1,本公开实施例提供一种答案摘要抽取方法,该方法可以由答案摘要抽取装置来执行,该装置可以通过软件和/或硬件的方式实现,该装置可以集成在如服务器等电子设备中。该答案摘要抽取方法包括:
步骤101、响应于问题信息输入,获取与输入的问题信息对应的答案信息。
步骤102、至少根据答案信息,判断答案信息是否为方法步骤类答案,若是,执行步骤103,否则执行步骤104。
步骤103、响应于判断出答案信息为方法步骤类答案,将从答案信息中抽取出的关键方法步骤信息作为答案信息的目标摘要信息。
其中,方法步骤类答案是指实际包含方法步骤的描述信息的答案,非方法步骤类答案是指实际不包含方法步骤的描述信息的答案。
步骤104、响应于判断出答案信息为非方法步骤类答案,从预先获取的答案信息中的至少一个候选摘要中,确定出答案信息的目标摘要信息。
本公开实施例所提供的答案摘要抽取方法,通过识别对于用户输入的问题的答案是否为方法步骤类答案,对于方法步骤类答案,从答案中抽取出关键方法步骤作为答案的目标摘要,对于非方法步骤类答案,从答案的至少一个候选摘要中确定出一个候选摘要作为答案的目标摘要,从而提高了答案的摘要抽取的准确性,实现了结构化的摘要抽取,提升了用户获取信息的效率和体验。
在本公开实施例中,在步骤101之前,获取用户在交互系统上输入的问题信息。其中,交互系统可以是能够为用户提供智能交互服务的智能终端、平台、应用、客户端等智能交互系统,例如,智能音响、智能视频音箱、智能故事机、智能交互平台、智能交互应用、搜索引擎、问答系统等。本公开实施例对于交互系统的实现方式不作特别限制,只要该交互系统能够与用户进行交互即可。
在本公开实施例中,前述“交互”可以包括语音交互和文字交互,其中,语音交互是基于语音识别、语音合成、自然语言理解等技术实现,在多种实际应用场景下,赋予交互系统“能听、会说、懂你”式的智能人机交互体验,语音交互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。文字交互基于文字识别、提取、自然语言理解等技术实现,同样可以适用于多个前述的应用场景。
在一些实施例中,在步骤101中,用户可以通过语音交互方式输入问题信息,在获取用户输入的语音信息后,可以将该语音信息进行语音识别、语音转换文字等操作,从而获得问题信息的文本。
在一些实施例中,在步骤101中,用户还可以通过文字交互方式输入问题信息,当用户输入的是文字信息时,可以直接获取用户输入的文字信息,该文字信息即为问题信息的文本。其中,文字信息是指自然语言类的文字。
在一些实施例中,在获取用户输入的问题信息后,在步骤101中,通过预设的问答库(例如百度知道问答库)进行问答匹配,以获得与问题信息的匹配度最高(Top1)的问题和答案,并将该答案作为与用户输入的问题信息对应的答案信息。
在一些实施例中,在步骤101中,通过预设的问答库进行问答匹配,以获得与用户输入的问题信息的匹配度大于匹配度阈值的多个问题和答案,并将各答案分别作为与用户输入的问题信息对应的一个答案信息。此种情形下,针对与用户输入的问题信息对应的每个答案信息,均可以分别执行后续步骤,以分别获取各答案信息对应的目标摘要信息。
在一些实施例中,在步骤102之前,还包括对答案信息进行基础过滤处理的步骤,具体包括对答案信息中包含的噪声信息进行过滤处理的步骤,其中噪声信息具体可以包括:超文本标记语言(html)标签、乱码文字和标点、口语化词句中的一者或多者,还可以包括其他形式的噪声信息,此处不再一一列举。在抽取答案摘要之前,通过对答案信息进行基础过滤处理,能够有效提高抽取的摘要的准确性。在对答案信息进行基础过滤处理的步骤之后,基于过滤处理后的答案信息执行后续步骤。
图2为本公开实施例提供的另一种答案摘要抽取方法的流程图,该答案摘要抽取方法与上述图1所示的答案摘要抽取方法的区别在于:该答案摘要抽取方法中进一步限定了一种至少根据答案信息,判断答案信息是否为方法步骤类答案的步骤的具体实现方式。下面仅针对至少根据答案信息,判断答案信息是否为方法步骤类答案的步骤的具体实现方式进行描述,关于其他步骤的描述此处不再赘述。
如图2所示,该答案摘要抽取方法包括步骤201~步骤204,其中步骤201、203、204分别对应上述的步骤101、103、104,步骤202包括至少根据答案信息,判断答案信息是否为方法步骤类答案的步骤的具体实现方式。在一些实施例中,为了提高识别答案所属类别的准确性,在步骤202中,首先进行初步判断答案信息是否为疑似方法步骤类答案,在初步判断答案信息为疑似方法步骤类答案的情形下,再进一步判断答案信息是否为方法步骤类答案。具体地,在步骤202中,至少根据答案信息,判断答案信息是否为方法步骤类答案,可以进一步包括:步骤2021~步骤2023。
步骤2021、至少根据答案信息,初步判断答案信息是否为疑似方法步骤类答案,若是执行步骤2022,否则判断出答案信息为非方法步骤类答案并跳转至步骤204。
步骤2022、在判断出答案信息为疑似方法步骤类答案的情形下,从答案信息中抽取出疑似方法步骤信息。
其中,疑似方法步骤信息可以是答案信息中包含连续的多个步骤标识的疑似方法步骤信息。
步骤2023、根据疑似方法步骤信息的文本结构,进一步判断答案信息是否为方法步骤类答案,若是,执行步骤203,否则执行步骤204。
图3为图2中步骤2021的一种具体实现方式的流程图,在一些实施例中,在步骤2021中,根据答案信息,初步判断答案信息是否为疑似方法步骤类答案。具体地,如图3所示,步骤2021可以进一步包括:步骤301~步骤303。
步骤301、根据答案信息,识别答案信息中是否包含连续的多个步骤标识,若是,执行步骤302,否则执行步骤303。
具体地,在步骤301中,可以根据文本语义识别技术,识别答案信息的文本中是否包含连续的多个步骤标识,步骤标识可以是步骤序号或者能够用于表示步骤的执行先后顺序的文字,连续的多个步骤标识是指表示步骤的执行先后顺序的标识,例如连续的多个步骤标识可以是1、2、3、……,一、二、三、……,1)、2)、3)、……,(1)、(2)、(3)、……,Ⅰ、Ⅱ、Ⅲ、……,A、B、C、……,①、②、③、……,或者,首先、其次、然后、……等。
在步骤301中,若识别出答案信息中包含连续的多个步骤标识,表明答案信息中可能包含方法步骤的描述,因此可以初步确定答案信息为疑似方法步骤类答案,执行步骤302;若识别出答案信息中不包含连续的多个步骤标识,表明答案信息中大概率不包含方法步骤的描述,因此可以确定答案信息为非方法步骤类答案,执行步骤303。
步骤302、在识别出答案信息中包含连续的多个步骤标识的情形下,判断出答案信息为疑似方法步骤类答案,并跳转至步骤2022。
如前所述,若识别出答案信息中包含连续的多个步骤标识,表明答案信息中可能包含方法步骤的描述,因此可以初步确定答案信息为疑似方法步骤类答案,并跳转至步骤2022。
具体而言,若判断出答案信息为疑似方法步骤类答案,则在步骤2022中,可以从答案信息中抽取出各步骤标识及各步骤标识分别对应的方法步骤的描述信息,以作为疑似方法步骤信息,例如答案信息中包含连续的5个步骤标识,则将该5个步骤标识及该5个步骤标识分别对应的方法步骤的描述信息从答案信息中抽取出,以作为疑似方法步骤信息。或者,若判断出答案信息为疑似方法步骤类答案,则在步骤2022中,可以从答案信息中抽取出前多个(例如3个)步骤标识及该前多个步骤标识分别对应的方法步骤的描述信息,以作为疑似方法步骤信息,例如答案信息中包含连续的5个步骤标识,则将前3个步骤标识及前3个步骤标识分别对应的方法步骤的描述信息从答案信息中抽取出,以作为疑似方法步骤信息。其中,前多个步骤标识是指在位置最靠前的多个步骤标识,例如,答案信息中包含5个步骤标识,分别为1、2、3、4、5,则前多个步骤标识例如可以是1、2、3。
步骤303、在识别出答案信息中不包含连续的多个步骤标识的情形下,判断出答案信息为非方法步骤类答案,并跳转至步骤204。
如前所述,若识别出答案信息中不包含连续的多个步骤标识,表明答案信息中大概率不包含方法步骤的描述,因此可以确定答案信息为非方法步骤类答案,并跳转至步骤204。
图4为图2中步骤2021的另一种具体实现方式的流程图,在一些实施例中,为了进一步提高识别答案所属类别的准确性,在步骤2021中,根据问题信息和答案信息,判断答案信息是否为疑似方法步骤类答案。具体地,如图4所示,步骤2021还可以进一步包括步骤401~405。
步骤401、根据问题信息,识别问题信息的类别是否为预设类别,若是则执行步骤402,否则执行步骤403。
具体地,在步骤401中,可以根据文本语义识别技术或者预设的问题分类模型,识别问题信息的类别是否为预设类别,其中预设类别包括是否类、判断类、数字需求类中的任一者,也即在步骤401中,识别问题信息的类别是否为是否类、判断类、数字需求类中的任一者。
作为示例,通过识别问题信息的文本语义是否包含预设的是非词,判断问题信息的类别是否为是否类,例如是非词为“是不是”、“是否”、“有没有”、“能不能”等。若识别出问题信息包含预设的是非词,则判断出问题信息的类别为是否类,否则判断出问题信息的类别不是是否类。
作为示例,通过识别问题信息的文本语义是否包含预设的判断词和疑问词,判断问题信息的类别是否为判断类,例如判断词可以为“是”、“否”、“不是”、“对”、“不对”、“有”、“没有”、“为”等,疑问词可以是“吗”、“么”、“呢”等。若识别出问题信息包含预设的判断词和疑问词,则判断出问题信息的类别为判断类,否则判断出问题信息的类别不是判断类。
作为示例,通过识别问题信息的文本语义是否包含预设的数量询问词和量词,判断问题信息的类别是否为数字需求类,例如数量询问词可以为“几”、“多少”等,量词可以是“个”、“条”、“匹”、“张”、“颗”、“根”等。若识别出问题信息包含预设的数量询问词和量词,则判断出问题信息的类别为数字需求类,否则判断出问题信息的类别不是数字需求类。
在步骤401中,若识别出问题信息的类别为预设类别,表明答案信息的核心内容不会涉及方法步骤的描述,由此可以执行步骤402,判断出答案信息为非方法步骤类答案。例如,若识别出问题信息的类别为是否类或者判断类,则表明回答信息的核心内容以判断结果为主,并不会涉及方法步骤的描述,由此可以判断出答案信息为非方法步骤类答案。若识别出问题信息的类别为数字需求类,则表明回答信息的核心内容以数字为主,并不会涉及方法步骤的描述,由此可以判断出答案信息为非方法步骤类答案。
在步骤401中,若识别出问题信息的类别为非预设类别,表明答案信息的核心内容可能涉及方法步骤的描述,为了进一步识别判断,因此执行步骤403。
步骤402、响应于识别出问题信息的类别为预设类别,判断出答案信息为非方法步骤类答案,并跳转至步骤204。
如前所述,若识别出问题信息的类别为预设类别,表明答案信息的核心内容不会涉及方法步骤的描述,由此可以判断出答案信息为非方法步骤类答案。例如,若识别出问题信息的类别为是否类或者判断类,则表明回答信息的核心内容以判断结果为主,并不会涉及方法步骤的描述,由此可以判断出答案信息为非方法步骤类答案。若识别出问题信息的类别为数字需求类,则表明回答信息的核心内容以数字为主,并不会涉及方法步骤的描述,由此可以判断出答案信息为非方法步骤类答案。
步骤403、响应于识别出问题信息的类别为非预设类别,根据答案信息,识别答案信息中是否包含连续的多个步骤标识,若是,执行步骤404,否则执行步骤405。
关于步骤403的描述可以参见上述步骤301的描述,此处不再赘述。
步骤404、在识别出答案信息中包含连续的多个步骤标识的情形下,判断出答案信息为疑似方法步骤类答案,并跳转至步骤2022。
关于步骤404的描述可以参见上述步骤302的描述,此处不再赘述。
步骤405、在识别出答案信息中不包含连续的多个步骤标识的情形下,判断出答案信息为非方法步骤类答案,并跳转至步骤204。
关于步骤405的描述可以参见上述步骤303的描述,此处不再赘述。
图5为图2中步骤2021的又一种具体实现方式的流程图,如图5所示,该步骤2021的具体实现方式与上述图3或图4所示的步骤2021的具体实现方式的区别在于,在图3所示的步骤302或图4所示的步骤404中,在识别出答案信息中包含连续的多个步骤标识的情形下,判断出答案信息为疑似方法步骤类答案之前,还包括步骤501~步骤503,下面仅针对步骤501~步骤503进行描述,关于其他步骤的描述可参见上述对图3或图4所示的步骤2021的具体实施方式的描述,此处不再赘述。
步骤501、在识别出答案信息中包含连续的多个步骤标识的情形下,识别连续的多个步骤标识对应的文本的数据格式是否为预设数据格式,若是则执行步骤502,否则执行步骤503。
其中,连续的多个步骤标识对应的文本为包括各步骤标识及位于步骤标识之后的描述信息的文本,预设数据格式可以包括时间格式、数组格式、字典格式中的任一者,也即在步骤501中,识别连续的多个步骤标识对应的文本的数据格式是否为时间格式、数组格式、字典格式中的任一者。
作为示例,在步骤501中,识别连续的多个步骤标识对应的文本的数据格式是否为时间格式,例如连续的多个步骤标识对应的文本为“11:22:33”,则表明连续的多个步骤标识及分别对应的描述信息并非是方法步骤的描述信息,而是时间格式的文本,由此判断出答案信息为非方法步骤类答案,并跳转至步骤502。
作为示例,在步骤501中,识别连续的多个步骤标识对应的文本的数据格式是否为数组格式,例如连续的多个步骤标识对应的文本为“[1、2、3、4、5]”,则表明连续的多个步骤标识及分别对应的描述信息并非是方法步骤的描述信息,而是数组格式的文本,由此判断出答案信息为非方法步骤类答案,并跳转至步骤502。
作为示例,在步骤501中,识别连续的多个步骤标识对应的文本的数据格式是否为字典格式,例如连续的多个步骤标识对应的文本为“dict={‘name’:‘runoob’,‘likes’:‘123’,‘url’:‘www.runoob.com’}”,则表明连续的多个步骤标识及分别对应的描述信息并非是方法步骤的描述信息,而是字典格式的文本,由此判断出答案信息为非方法步骤类答案,并跳转至步骤502。
在步骤501中,若识别出连续的多个步骤标识对应的文本的数据格式不是时间格式、数组格式、字典格式中的任一者,则表明该包含连续的多个步骤标识的答案信息可能是方法步骤类答案,因此跳转至步骤503。步骤502、响应于识别出连续的多个步骤标识对应的文本的数据格式为预设数据格式,判断出答案信息为非方法步骤类答案,并跳转至步骤204。
如前所述,若识别出连续的多个步骤标识对应的文本的数据格式是时间格式、数组格式、字典格式中的任一者,表明连续的多个步骤标识及分别对应的描述信息并非是方法步骤的描述信息,而是时间格式、数组格式、字典格式中的任一者的文本,由此判断出答案信息为非方法步骤类答案。
步骤503、响应于识别出连续的多个步骤标识对应的文本的数据格式为非预设数据格式,判断出答案信息为疑似方法步骤类答案,并跳转至步骤2022。
如前所述,若识别出连续的多个步骤标识对应的文本的数据格式不是时间格式、数组格式、字典格式中的任一者,则表明该包含连续的多个步骤标识的答案信息可能是方法步骤类答案,即判断出答案信息为疑似方法步骤类答案。
在一些实施例中,在步骤2022之后,获取疑似方法步骤信息的文本长度,并计算疑似方法步骤信息的文本长度与答案信息的文本长度的比值(即疑似方法步骤信息的文本长度占比),同时获取疑似方法步骤信息的文本开头在答案信息中的位置、疑似方法步骤信息中的前N(N大于或等于2)个疑似方法步骤的文本总字数以及疑似方法步骤信息中每相邻两个疑似方法步骤的步骤标识之间的间距。
在一些实施例中,在步骤2023中,疑似方法步骤信息的文本结构包括疑似方法步骤信息的文本长度、疑似方法步骤信息的文本长度与答案信息的文本长度的比值、疑似方法步骤信息的文本开头在答案信息中的位置、疑似方法步骤信息中的前N(N大于或等于2)个疑似方法步骤的文本总字数、以及疑似方法步骤信息中每相邻两个疑似方法步骤的步骤标识之间的间距。其中,前N(N大于或等于2)个疑似方法步骤是指在疑似方法步骤信息中前N个步骤标识及前N个步骤标识中每个步骤标识分别对应的描述信息,该描述信息可能为空白内容、标点符号或者文字语言描述,具体根据实际情况确定。其中,前N个步骤标识是指在连续的多个步骤标识中基于出现先后顺序的第1个步骤标识至第N个步骤标识。
图6为图2中步骤2023的一种具体实现方式的流程图,如图6所示,在一些实施例中,步骤2023可以进一步包括:步骤601~步骤607。
步骤601、判断疑似方法步骤信息的文本长度与答案信息的文本长度的比值是否小于预设占比阈值,若是则执行步骤607,否则执行步骤602。
其中,预设占比阈值可以根据需要设置,例如预设占比阈值为0.3。
在步骤601中,若疑似方法步骤信息的文本长度与答案信息的文本长度的比值小于预设占比阈值,表明疑似方法步骤信息的文本长度占比较小,疑似方法步骤信息大概率不属于方法步骤信息,也即答案信息大概率不属于方法步骤类答案,故执行步骤607。若疑似方法步骤信息的文本长度与答案信息的文本长度的比值大于或等于预设占比阈值,表明答案信息可能是方法步骤类答案,为了提高答案类别的识别准确率,执行步骤602,以作进一步判断。
步骤602、响应于判断出上述比值大于或等于预设占比阈值,判断疑似方法步骤信息的文本开头在答案信息中的位置是否位于答案信息中的预设位置之后,若是则执行步骤607,否则执行步骤603。
其中,预设位置可以根据需要设置,例如将答案信息划分为第一部分和位于第一部分之后的第二部分,预设位置可以为答案信息的第一部分的结尾位置。其中,第一部分可以是答案信息的前半部分,则第二部分为答案信息的后半部分,即第一部分的字符数量与答案信息的字符数量的比值为50%;在一些实施例中,第一部分的字符数量和答案信息的字符数量的比值还可以是60%或70%等,具体可以根据实际需要设置,本公开实施例对此不作限制。其中字符可以包含中文字符、英文字符、其他字符。
在步骤602中,在判断出疑似方法步骤信息的文本长度占比大于或等于预设占比阈值的情形下,若疑似方法步骤信息的文本开头在答案信息中的位置位于答案信息中的预设位置之后,表明疑似方法步骤信息的位置较靠后,疑似方法步骤信息大概率不属于方法步骤信息,也即答案信息大概率不属于方法步骤类答案,故执行步骤607。若疑似方法步骤信息的文本开头在答案信息中的位置位于答案信息中的预设位置之前,表明答案信息可能是方法步骤类答案,为了提高答案类别的识别准确率,执行步骤603,以作进一步判断。
步骤603、响应于判断出上述位置位于答案信息中的预设位置之前,判断疑似方法步骤信息的文本长度是否小于预设长度阈值,若是则执行步骤607,否则执行步骤604。
其中,预设长度阈值可以根据需要设置,例如预设长度阈值为70。
在步骤603中,在判断出疑似方法步骤信息的文本开头在答案信息中的位置位于答案信息中的预设位置之前的情形下,若判断出疑似方法步骤信息的文本长度小于预设长度阈值,表明疑似方法步骤信息的文本长度较短,疑似方法步骤信息大概率不属于方法步骤信息,也即答案信息大概率不属于方法步骤类答案,故执行步骤607。若判断出疑似方法步骤信息的文本长度大于或等于预设长度阈值,表明答案信息可能是方法步骤类答案,为了提高答案类别的识别准确率,执行步骤604,以作进一步判断。
步骤604、响应于判断出疑似方法步骤信息的文本长度大于或等于预设长度阈值,判断上述文本总字数是否小于预设字数阈值,若是则执行步骤607,否则执行步骤605。
其中,预设字数阈值可以根据需要设置,例如前N个疑似方法步骤中的N为2,预设字数阈值为30,N越大,预设字数阈值相应设置越大。
在步骤604中,在判断出疑似方法步骤信息的文本长度大于或等于预设长度阈值的情形下,若判断出疑似方法步骤信息中的前N个疑似方法步骤的文本总字数小于预设字数阈值,表明疑似方法步骤信息的前N个疑似方法步骤的字数较少,疑似方法步骤信息大概率不属于方法步骤信息,也即答案信息大概率不属于方法步骤类答案,故执行步骤607。若判断出疑似方法步骤信息中的前N个疑似方法步骤的文本总字数大于或等于预设字数阈值,表明答案信息可能是方法步骤类答案,为了提高答案类别的识别准确率,执行步骤605,以作进一步判断。
步骤605、响应于判断出上述文本总字数大于或等于预设字数阈值,依次判断疑似方法步骤信息中每相邻两个疑似方法步骤的步骤标识之间的间距是否小于预设间距阈值,若不存在相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,则执行步骤606,若存在至少一相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,执行步骤607。
其中,预设间距阈值可以根据需要设置,例如预设间距阈值为3。
在步骤605中,在判断出上述前N个疑似方法步骤的文本总字数大于或等于预设字数阈值的情形下,若存在至少一相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,表明存在相连两个疑似方法步骤的步骤标识之间的间距较短,甚至可能间距为0,因此疑似方法步骤信息大概率不属于方法步骤信息,也即答案信息大概率不属于方法步骤类答案,故执行步骤607。
若不存在相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,也即每相邻两个疑似方法步骤的步骤标识之间的间距均大于或等于预设间距阈值,表明每相邻两个疑似方法步骤的步骤标识之间的间距均正常,且前N个疑似方法步骤的文本总字数大于或等于预设字数阈值,且疑似方法步骤信息的文本长度大于或等于预设长度阈值,且疑似方法步骤信息的文本开头在答案信息中的位置位于答案信息中的预设位置之前,且疑似方法步骤信息的文本长度占比大于或等于预设占比阈值,由此可知答案信息极大概率属于方法步骤类答案,故执行步骤606。
步骤606、判断出答案信息为方法步骤类答案,并跳转至步骤203。
如前所述,在每相邻两个疑似方法步骤的步骤标识之间的间距均正常,且前N个疑似方法步骤的文本总字数大于或等于预设字数阈值,且疑似方法步骤信息的文本长度大于或等于预设长度阈值,且疑似方法步骤信息的文本开头在答案信息中的位置位于答案信息中的预设位置之前,且疑似方法步骤信息的文本长度占比大于或等于预设占比阈值的情形下,判断出答案信息为方法步骤类答案,并跳转至步骤203。
具体而言,若判断出答案信息为方法步骤类答案,则在步骤203中,可以将答案信息中抽取出各步骤标识及各步骤标识分别对应的方法步骤的描述信息,以作为关键方法步骤信息,并将关键方法步骤信息作为目标摘要信息,例如答案信息中包含连续的5个步骤标识,则该5个步骤标识及该5个步骤标识分别对应的方法步骤的描述信息从答案信息中抽取出,以作为关键方法步骤信息。或者,若判断出答案信息为方法步骤类答案,则在步骤203中,将答案信息中抽取出前多个(例如3个)步骤标识及该前多个步骤标识分别对应的方法步骤的描述信息,以作为关键方法步骤信息,例如答案信息中包含连续的5个步骤标识,则将前3个步骤标识及前3个步骤标识分别对应的方法步骤的描述信息从答案信息中抽取出,以作为关键方法步骤信息,并将关键方法步骤信息作为目标摘要信息。
步骤607、判断出答案信息为非方法步骤类答案,并跳转至步骤204。
如前所述,在步骤204中,响应于判断出答案信息为非方法步骤类答案,从预先获取的答案信息中的至少一个候选摘要中,确定出答案信息的目标摘要信息。在一些实施例中,在步骤204中,从预先获取的答案信息中的至少一个候选摘要中,确定出答案信息的目标摘要信息之前,还包括步骤2040,在步骤2040中,从答案信息中获取至少一个候选摘要。
在一些实施例中,步骤2040可以进一步包括:从答案信息的文本中获取第一文字片段和/或至少一个第二文字片段,每个文字片段作为一个候选摘要。
在一些实施例中,在步骤2040中,从答案信息的文本中获取第一文字片段,第一文字片段作为候选摘要。在一些实施例中,从答案信息的文本中获取至少一个第二文字片段,每个第二文字片段作为一个候选摘要。在一些实施例中,从答案信息的文本中获取第一文字片段和至少一个第二文字片段。
其中,第一文字片段包括:答案信息的文本中前多个文字。第二文字片段包括:答案信息的文本中每一个段落的前多个文字,或者,答案信息的文本中每两个段落的前多个文字,或者,答案信息的文本中每三个段落的前多个文字。其中,在第一文字片段中,假设前多个文字的文字数量为m(m大于或等于2)个,则前多个文字是指从答案信息的文本的开头第1个字至第m个字;同理,在第二文字片段中,假设前多个文字的文字数量为m(m大于或等于2)个,则前多个文字是指从每个段落或者每两个段落或者每三个段落的开头的第一个字至第m个字。
在一些实施例中,候选摘要的数量为多个,多个候选摘要包括第一文字片段和至少一个第二文字片段,预先配置各候选摘要分别对应的优先级。其中,第一文字片段的优先级大于第二文字片段的优先级。在交互场景(如问答交互场景)中,答案中的首句或前多个字对用户输入的问题直接进行回答的可能性较大,因此,将第一文字片段的优先级设置为大于第二文字片段的优先级。此种情形下,若第二文字片段的数量为多个,则多个第二文字片段的优先级相同,或者,多个第二文字片段的优先级按照对应答案信息的段落的先后顺序确定,例如对于的段落的位置较靠前的第二文字片段的优先级大于对应的段落的位置较靠后的第二文字片段的优先级。
在一些实施例中,候选摘要的数量为多个,多个候选摘要包括多个第二文字片段,预先配置各候选摘要分别对应的优先级。其中,对应段落的位置较靠前的第二文字片段的优先级大于对应段落的位置较靠后第二文字片段的优先级,或者将位于答案信息开头的第二文字片段的优先级设置为最大,剩余第二文字片段的优先级设置为相同。
例如,每个第二文字片段为答案信息中一个段落的前多个字,则将第一个段落对应的第二文字片段的优先级设置为大于第二个段落对应的第二文字片段,第二个段落对应的第二文字片段的优先级大于第三个段落对应的第二文字片段的优先级,依此类推。又例如,将第一个段落对应的第二文字片段的优先级设置为大于剩余第二文字片段的优先级,剩余第二文字片段的优先级设置为相同。
图7为图2中步骤204的一种具体实现方式的流程图,在一些实施例中,如图7所示,为了有效提高摘要抽取的准确性,步骤204可以进一步包括:步骤701和步骤702。
步骤701、获取每个候选摘要与问题信息之间的文本相似度。
在一些实施例中,可以利用预设的文本相似度预测模型,以候选摘要和问题信息的文本作为输入,预测出候选摘要和问题信息之间的文本相似度。其中,预设的文本相似度预测模型为预先基于机器学习算法训练得到的模型,模型的输入为问题信息的文本和候选摘要的文本,输出为文本相似度。
步骤702、根据至少一个候选摘要对应的文本相似度,从至少一个候选摘要中确定出一个候选摘要,以作为答案信息的目标摘要信息。
图8为图7中步骤702的一种具体实现方式的流程图,在一些实施例中,候选摘要的数量为1个,该1个候选摘要可以是第一文字片段或者任一个第二文字片段(例如答案信息中的第一个段落的前多个字),此种情形下,为了进一步提高抽取的摘要的准确性,如图8所示,步骤702可以进一步包括步骤801和步骤802。
步骤801、判断候选摘要的文本相似度是否大于或等于预设相似度阈值,若是则执行步骤802,否则不作进一步处理。
其中,预设相似度阈值可以根据实际需要设置,例如预设相似度阈值可以为60%。
步骤802、响应于判断出候选摘要的文本相似度大于或等于预设相似度阈值,将该候选摘要确定为答案信息的目标摘要信息。
在候选摘要的数量为1个的情形下,响应于判断出候选摘要的文本相似度小于预设相似度阈值,则不作进一步处理或者认为没有适合的摘要,不进行召回。
图9为图7中步骤702的另一种具体实现方式的流程图,在一些实施例中,候选摘要的数量为多个,此种情形下,为了进一步提高抽取的摘要的准确性,如图9所示,步骤702可以进一步包括步骤901~步骤903。
步骤901、按照预先确定的多个候选摘要的优先级从高至低的顺序,依次判断各优先级分别对应的候选摘要的文本相似度是否大于或等于预设相似度阈值。
例如,多个候选摘要包括第一文字片段和至少一个第二文字片段。由于第一文字片段的优先级高于第二文字片段的优先级,因此在步骤901中,先判断优先级最高的第一文字片段(候选摘要)对应的文本相似度是否大于或等于预设相似度阈值,如果优先级最高的第一文字片段(候选摘要)对应的文本相似度小于预设相似度阈值,则继续判断下一个优先级的第二文字片段对应的文本相似度是否大于或等于预设相似度阈值,依此类推。
步骤902、响应于判断出当前优先级对应的候选摘要的文本相似度大于或等于预设相似度阈值,将当前优先级对应的候选摘要确定为目标摘要信息。
例如,多个候选摘要包括第一文字片段和至少一个第二文字片段。由于第一文字片段的优先级高于第二文字片段的优先级,因此在步骤901中,先判断优先级最高的第一文字片段(候选摘要)对应的文本相似度是否大于或等于预设相似度阈值,如果优先级最高的第一文字片段(候选摘要)对应的文本相似度大于或等于预设相似度阈值,则将第一文字片段(候选摘要)确定为目标摘要信息。如果优先级最高的第一文字片段(候选摘要)对应的文本相似度小于预设相似度阈值,则继续判断下一个优先级的第二文字片段对应的文本相似度是否大于或等于预设相似度阈值,如果下一个优先级的第二文字片段对应的文本相似度大于或等于预设相似度阈值,则将下一个优先级的第二文字片段确定为目标摘要信息,依此类推。
步骤903、若当前优先级对应的候选摘要的数量为多个,且该多个候选摘要的文本相似度均大于或等于预设相似度阈值,则将当前优先级对应的该多个候选摘要中,文本相似度最高的候选摘要作为目标摘要信息。
例如,多个候选摘要包括第一文字片段和多个第二文字片段,且多个第二文字片段的优先级相同,如果优先级最高的第一文字片段对应的文本相似度小于预设相似度阈值,且存在优先级相同的多个第二文字片段的文本相似度均大于或等于预设相似度阈值,则该多个第二文字片段中,对应的文本相似度最高的第二文字片段确定为目标摘要信息。可以理解的时,步骤903中当前优先级对应的候选摘要的数量为多个,即指该多个候选摘要的优先级相同。
在候选摘要的数量为多个的情形下,若每个候选摘要的文本相似度均小于预设相似度阈值,则不作进一步处理或者认为没有适合的摘要,不进行召回。
在本公开实施例中,在确定答案信息的目标摘要信息之后,将目标摘要信息呈现给用户,从而有效提高了用户获取信息的效率,针对用户提出的明确的问题,用足够优质权威的内容,以丰富且清晰的形式,用最简单最高效的方式直接满足用户的问题需求,对于方法步骤类答案,将关键方法步骤信息进行抽取作为摘要展现给用户,实现了摘要的结构化抽取和展现。
图10为本公开实施例提供的一种答案摘要抽取装置的组成框图。
参照图10,本公开实施例提供了一种答案摘要抽取装置1000,该答案摘要抽取装置1000包括:答案获取模块1001、答案识别模块1002、第一摘要抽取模块1003和第二摘要抽取模块1004。
其中,答案获取模块1001用于响应于问题信息输入,获取与输入的问题信息对应的答案信息;答案识别模块1002用于至少根据答案信息,判断答案信息是否为方法步骤类答案;第一摘要抽取模块1003用于响应于答案识别模块1002判断出答案信息为方法步骤类答案,将从答案信息中抽取出的关键方法步骤信息作为答案信息的目标摘要信息;第二摘要抽取模块1004用于响应于答案识别模块1002判断出答案信息为非方法步骤类答案,从预先获取的答案信息中的至少一个候选摘要中,确定出答案信息的目标摘要信息。
此外,本公开实施例所提供的答案摘要抽取装置1000,其中各个模块具体用于实现上述任一实施例所提供的答案摘要抽取方法,具体描述可参见上述对于答案摘要抽取方法的描述,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种计算机可读介质和一种计算机程序产品。
图11为本公开实施例提供的一种电子设备的组成框图。
图11示出了可以用来实施本公开的实施例的电子设备1100的示意性框图。该电子设备1100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/或者要求的本公开的实现。
参照图11,该电子设备包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
该电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如答案摘要抽取方法。例如,在一些实施例中,上文描述的答案摘要抽取方法可被实现为计算机软件程序或指令,其被有形地包含于机器(计算机)可读介质,例如存储单元1108。在一些实施例中,计算机程序或指令的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序或指令加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的答案摘要抽取方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上文描述的答案摘要抽取方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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或指令中,该一个或者多个计算机程序或指令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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器(计算机)可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
本公开还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述答案摘要抽取方法中任一项答案摘要抽取方法。
根据本公开实施例的技术方案,通过识别对于用户输入的问题的答案是否为方法步骤类答案,对于方法步骤类答案,从答案中抽取出关键方法步骤作为答案的目标摘要,对于非方法步骤类答案,从答案的至少一个候选摘要中确定出一个候选摘要作为答案的目标摘要,从而提高了答案的摘要抽取的准确性,实现了结构化的摘要抽取,提升了用户获取信息的效率和体验。
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,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,上述具体实施方式并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种答案摘要抽取方法,包括:
响应于问题信息输入,获取与输入的问题信息对应的答案信息;
至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案;
响应于判断出所述答案信息为方法步骤类答案,将从所述答案信息中抽取出的关键方法步骤信息作为所述答案信息的目标摘要信息;
响应于判断出所述答案信息为非方法步骤类答案,从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息;
所述至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案,包括:至少根据所述答案信息,初步判断所述答案信息是否为疑似方法步骤类答案;在判断出所述答案信息为疑似方法步骤类答案的情形下,从所述答案信息中抽取出疑似方法步骤信息;根据所述疑似方法步骤信息的文本结构,进一步判断所述答案信息是否为方法步骤类答案;
所述至少根据所述答案信息,初步判断所述答案信息是否为疑似方法步骤类答案,包括:根据所述答案信息,识别所述答案信息中是否包含连续的多个步骤标识;在识别出所述答案信息中包含连续的多个步骤标识的情形下,判断出所述答案信息为疑似方法步骤类答案;在识别出所述答案信息中不包含连续的多个步骤标识的情形下,判断出所述答案信息为非方法步骤类答案;
或者,所述至少根据所述答案信息,判断所述答案信息是否为疑似方法步骤类答案,包括:根据所述问题信息和所述答案信息,判断所述答案信息是否为疑似方法步骤类答案;所述根据所述问题信息和所述答案信息,判断所述答案信息是否为疑似方法步骤类答案,包括:根据所述问题信息,识别所述问题信息的类别是否为预设类别;响应于识别出所述问题信息的类别为预设类别,判断出所述答案信息为非方法步骤类答案;响应于识别出所述问题信息的类别为非预设类别,根据所述答案信息,识别所述答案信息中是否包含连续的多个步骤标识;在识别出所述答案信息中包含连续的多个步骤标识的情形下,判断出所述答案信息为疑似方法步骤类答案;
所述从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息之前,还包括:从所述答案信息中获取至少一个所述候选摘要;
所述从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息,包括:获取每个所述候选摘要与所述问题信息之间的文本相似度;根据至少一个所述候选摘要对应的所述文本相似度,从至少一个所述候选摘要中确定出一个候选摘要,以作为所述目标摘要信息。
2.根据权利要求1所述的答案摘要抽取方法,其中所述至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案之前,还包括:
对所述答案信息中包含的噪声信息进行过滤处理,所述噪声信息包括超文本标记语言标签、乱码文字和标点、口语化词句中的任一者或多者。
3.根据权利要求1所述的答案摘要抽取方法,其中所述预设类别包括是否类、判断类、数字需求类中的任一者。
4.根据权利要求1所述的答案摘要抽取方法,其中所述在识别出所述答案信息中包含连续的多个步骤标识的情形下,判断出所述答案信息为疑似方法步骤类答案之前,还包括:
在识别出所述答案信息中包含连续的多个步骤标识的情形下,识别连续的多个步骤标识对应的文本的数据格式是否为预设数据格式;
响应于识别出连续的多个步骤标识对应的文本的数据格式为非预设数据格式,判断出所述答案信息为疑似方法步骤类答案;
响应于识别出连续的多个步骤标识对应的文本的数据格式为预设数据格式,判断出所述答案信息为非方法步骤类答案。
5.根据权利要求4所述的答案摘要抽取方法,其中所述预设数据格式包括时间格式、数组格式、字典格式中的任一者。
6.根据权利要求1所述的答案摘要抽取方法,其中所述文本结构包括所述疑似方法步骤信息的文本长度与所述答案信息的文本长度的比值;所述根据所述疑似方法步骤信息的文本结构,判断所述答案信息是否为方法步骤类答案,包括:
判断所述疑似方法步骤信息的文本长度与所述答案信息的文本长度的比值是否小于预设占比阈值;
响应于判断出所述比值小于预设占比阈值,判断出所述答案信息为非方法步骤类答案。
7.根据权利要求6所述的答案摘要抽取方法,其中所述文本结构包括所述疑似方法步骤信息的文本开头在所述答案信息中的位置;所述根据所述疑似方法步骤信息的文本结构,判断所述答案信息是否为方法步骤类答案,还包括:
响应于判断出所述比值大于或等于预设占比阈值,判断所述疑似方法步骤信息的文本开头在所述答案信息中的位置是否位于所述答案信息中的预设位置之后;
响应于判断出所述位置位于所述答案信息中的预设位置之后,判断出所述答案信息为非方法步骤类答案。
8.根据权利要求7所述的答案摘要抽取方法,其中所述文本结构包括所述疑似方法步骤信息的文本长度;所述根据所述疑似方法步骤信息的文本结构,判断所述答案信息是否为方法步骤类答案,还包括:
响应于判断出所述位置位于所述答案信息中的预设位置之前,判断所述疑似方法步骤信息的文本长度是否小于预设长度阈值;
响应于判断出所述疑似方法步骤信息的文本长度小于预设长度阈值,判断出所述答案信息为非方法步骤类答案。
9.根据权利要求8所述的答案摘要抽取方法,其中所述文本结构包括所述疑似方法步骤信息中的前N个疑似方法步骤的文本总字数,N大于或等于2;所述根据所述疑似方法步骤信息的文本结构,判断所述答案信息是否为方法步骤类答案,还包括:
响应于判断出所述疑似方法步骤信息的文本长度大于或等于预设长度阈值,判断所述文本总字数是否小于预设字数阈值;
响应于判断出所述文本总字数小于预设字数阈值,判断出所述答案信息为非方法步骤类答案。
10.根据权利要求9所述的答案摘要抽取方法,其中所述文本结构包括所述疑似方法步骤信息中每相邻两个疑似方法步骤的步骤标识之间的间距;所述根据所述疑似方法步骤信息的文本结构,判断所述答案信息是否为方法步骤类答案,还包括:
响应于判断出所述文本总字数大于或等于预设字数阈值,针对所述疑似方法步骤信息中的每相邻两个疑似方法步骤,判断该相邻两个疑似方法步骤的步骤标识之间的间距是否小于预设间距阈值;
若存在至少一相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,判断出所述答案信息为非方法步骤类答案;
若不存在相邻两个疑似方法步骤的步骤标识之间的间距小于预设间距阈值,则判断出所述答案信息为方法步骤类答案。
11.根据权利要求1所述的答案摘要抽取方法,其中所述候选摘要的数量为1个;所述根据至少一个所述候选摘要对应的所述文本相似度,从至少一个所述候选摘要中确定出一个候选摘要,以作为所述目标摘要信息,包括:
判断所述候选摘要的文本相似度是否大于或等于预设相似度阈值;
响应于判断出所述候选摘要的文本相似度大于或等于预设相似度阈值,将所述候选摘要确定为所述目标摘要信息。
12.根据权利要求1所述的答案摘要抽取方法,其中所述候选摘要的数量为多个;所述根据至少一个所述候选摘要对应的所述文本相似度,从至少一个所述候选摘要中确定出一个候选摘要,以作为所述目标摘要信息,包括:
按照预先确定的多个所述候选摘要的优先级从高至低的顺序,依次判断各优先级分别对应的所述候选摘要的文本相似度是否大于或等于预设相似度阈值;
响应于判断出当前优先级对应的所述候选摘要的文本相似度大于或等于预设相似度阈值,将当前优先级对应的所述候选摘要确定为所述目标摘要信息;
若当前优先级对应的所述候选摘要的数量为多个,且该多个所述候选摘要的文本相似度均大于或等于预设相似度阈值,则将当前优先级对应的该多个所述候选摘要中,文本相似度最高的所述候选摘要作为所述目标摘要信息。
13.根据权利要求1、11或12所述的答案摘要抽取方法,其中所述从所述答案信息中获取至少一个所述候选摘要,包括:
从所述答案信息的文本中获取第一文字片段和/或至少一个第二文字片段,每个文字片段作为所述候选摘要;
其中,所述第一文字片段包括:所述答案信息的文本中前多个文字;所述第二文字片段包括:所述答案信息的文本中每一个段落的前多个文字,或者,所述答案信息的文本中每两个段落的前多个文字,或者,所述答案信息的文本中每三个段落的前多个文字。
14.根据权利要求13所述的答案摘要抽取方法,其中所述候选摘要的数量为多个,多个所述候选摘要包括所述第一文字片段和至少一个所述第二文字片段,所述第一文字片段的优先级大于所述第二文字片段的优先级;
在所述第二文字片段的数量为多个的情形下,多个所述第二文字片段的优先级相同,或者,多个所述第二文字片段的优先级按照对应所述答案信息的段落的先后顺序确定。
15.一种答案摘要抽取装置,包括:
答案获取模块,用于响应于问题信息输入,获取与输入的问题信息对应的答案信息;
答案识别模块,用于至少根据所述答案信息,判断所述答案信息是否为方法步骤类答案;
第一摘要抽取模块,用于响应于所述答案识别模块判断出所述答案信息为方法步骤类答案,将从所述答案信息中抽取出的关键方法步骤信息作为所述答案信息的目标摘要信息;
第二摘要抽取模块,用于响应于所述答案识别模块判断出所述答案信息为非方法步骤类答案,从预先获取的所述答案信息中的至少一个候选摘要中,确定出所述答案信息的目标摘要信息;
所述答案识别模块,用于:至少根据所述答案信息,初步判断所述答案信息是否为疑似方法步骤类答案;在判断出所述答案信息为疑似方法步骤类答案的情形下,从所述答案信息中抽取出疑似方法步骤信息;根据所述疑似方法步骤信息的文本结构,进一步判断所述答案信息是否为方法步骤类答案;
所述答案识别模块,用于:根据所述答案信息,识别所述答案信息中是否包含连续的多个步骤标识;在识别出所述答案信息中包含连续的多个步骤标识的情形下,判断出所述答案信息为疑似方法步骤类答案;在识别出所述答案信息中不包含连续的多个步骤标识的情形下,判断出所述答案信息为非方法步骤类答案;
或者,所述答案识别模块,用于:根据所述问题信息和所述答案信息,判断所述答案信息是否为疑似方法步骤类答案;所述根据所述问题信息和所述答案信息,判断所述答案信息是否为疑似方法步骤类答案,包括:根据所述问题信息,识别所述问题信息的类别是否为预设类别;响应于识别出所述问题信息的类别为预设类别,判断出所述答案信息为非方法步骤类答案;响应于识别出所述问题信息的类别为非预设类别,根据所述答案信息,识别所述答案信息中是否包含连续的多个步骤标识;在识别出所述答案信息中包含连续的多个步骤标识的情形下,判断出所述答案信息为疑似方法步骤类答案;
所述第二摘要抽取模块,还用于从所述答案信息中获取至少一个所述候选摘要;
所述第二摘要抽取模块,用于:获取每个所述候选摘要与所述问题信息之间的文本相似度;根据至少一个所述候选摘要对应的所述文本相似度,从至少一个所述候选摘要中确定出一个候选摘要,以作为所述目标摘要信息。
16.一种电子设备,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一个或多个指令,一个或多个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1-14中任一项所述的答案摘要抽取方法。
17.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被执行时实现如权利要求1-14中任一项所述的答案摘要抽取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011528810.6A CN112541109B (zh) | 2020-12-22 | 2020-12-22 | 答案摘要抽取方法及装置、电子设备、可读介质、产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011528810.6A CN112541109B (zh) | 2020-12-22 | 2020-12-22 | 答案摘要抽取方法及装置、电子设备、可读介质、产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541109A CN112541109A (zh) | 2021-03-23 |
CN112541109B true CN112541109B (zh) | 2023-10-24 |
Family
ID=75019625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011528810.6A Active CN112541109B (zh) | 2020-12-22 | 2020-12-22 | 答案摘要抽取方法及装置、电子设备、可读介质、产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541109B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688231A (zh) * | 2021-08-02 | 2021-11-23 | 北京小米移动软件有限公司 | 一种答案文本的摘要提取方法及装置、电子设备及介质 |
CN114547270B (zh) * | 2022-02-25 | 2023-04-21 | 北京百度网讯科技有限公司 | 文本处理方法、文本处理模型的训练方法、装置和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902652A (zh) * | 2014-02-27 | 2014-07-02 | 深圳市智搜信息技术有限公司 | 自动问答系统 |
CN104636465A (zh) * | 2015-02-10 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 网页摘要生成方法、展示方法及相应装置 |
CN105447191A (zh) * | 2015-12-21 | 2016-03-30 | 北京奇虎科技有限公司 | 提供图文引导步骤的智能摘要方法及相应装置 |
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN109960790A (zh) * | 2017-12-25 | 2019-07-02 | 北京国双科技有限公司 | 摘要生成方法及装置 |
CN111095234A (zh) * | 2017-09-15 | 2020-05-01 | 国际商业机器公司 | 训练数据更新 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7966316B2 (en) * | 2008-04-15 | 2011-06-21 | Microsoft Corporation | Question type-sensitive answer summarization |
-
2020
- 2020-12-22 CN CN202011528810.6A patent/CN112541109B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902652A (zh) * | 2014-02-27 | 2014-07-02 | 深圳市智搜信息技术有限公司 | 自动问答系统 |
CN104636465A (zh) * | 2015-02-10 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 网页摘要生成方法、展示方法及相应装置 |
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105447191A (zh) * | 2015-12-21 | 2016-03-30 | 北京奇虎科技有限公司 | 提供图文引导步骤的智能摘要方法及相应装置 |
CN111095234A (zh) * | 2017-09-15 | 2020-05-01 | 国际商业机器公司 | 训练数据更新 |
CN109960790A (zh) * | 2017-12-25 | 2019-07-02 | 北京国双科技有限公司 | 摘要生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112541109A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726057B2 (en) | Method and device for clarifying questions on deep question and answer | |
CN109388795B (zh) | 一种命名实体识别方法、语言识别方法及系统 | |
CN111459977B (zh) | 自然语言查询的转换 | |
US11790174B2 (en) | Entity recognition method and apparatus | |
CN103019407B (zh) | 输入法应用方法、自动问答处理方法及电子设备、服务器 | |
CN109271524B (zh) | 知识库问答系统中的实体链接方法 | |
CN111160007B (zh) | 基于bert语言模型的搜索方法、装置、计算机设备及存储介质 | |
CN112541109B (zh) | 答案摘要抽取方法及装置、电子设备、可读介质、产品 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN112925883B (zh) | 搜索请求处理方法、装置、电子设备及可读存储介质 | |
CN112686051A (zh) | 语义识别模型训练方法、识别方法、电子设备、存储介质 | |
CN111985212A (zh) | 文本关键字识别方法、装置、计算机设备及可读存储介质 | |
CN111199151A (zh) | 数据处理方法、及数据处理装置 | |
CN109033082B (zh) | 语义模型的学习训练方法、装置及计算机可读存储介质 | |
CN112417875B (zh) | 配置信息的更新方法、装置、计算机设备及介质 | |
CN113850291A (zh) | 文本处理及模型训练方法、装置、设备和存储介质 | |
CN113919424A (zh) | 文本处理模型的训练、文本处理方法、装置、设备和介质 | |
CN113779364A (zh) | 一种基于标签提取的搜索方法及其相关设备 | |
CN113434631A (zh) | 基于事件的情感分析方法、装置、计算机设备及存储介质 | |
CN112560425A (zh) | 模板生成方法、装置、电子设备及存储介质 | |
CN116881446A (zh) | 一种语义分类方法、装置、设备及其存储介质 | |
CN114818736B (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN110276001B (zh) | 盘点页识别方法、装置、计算设备和介质 | |
CN112784052A (zh) | 文本分类方法、装置、设备及计算机可读存储介质 | |
CN110866390A (zh) | 中文语法错误的识别方法、装置、计算机设备和存储介质 |
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 |