CN112650858B - 应急协助信息的获取方法、装置、计算机设备及介质 - Google Patents
应急协助信息的获取方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN112650858B CN112650858B CN202011590909.9A CN202011590909A CN112650858B CN 112650858 B CN112650858 B CN 112650858B CN 202011590909 A CN202011590909 A CN 202011590909A CN 112650858 B CN112650858 B CN 112650858B
- Authority
- CN
- China
- Prior art keywords
- node
- knowledge graph
- data
- graph
- assistance information
- 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
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
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)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明数据处理领域,公开了一种应急协助信息的获取方法、装置、计算机设备及介质,所述方法包括:通过从业务数据表中联合查询的方式,获取每个用户标识对应的用户基本数据,基于自然语言语义识别的方式,确定用户基本数据之间的实体关系,并根据实体关系构建个体知识图谱,获取预设的元节点清单,将个体知识图谱中的每个节点,与预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为目标节点,基于目标节点,对个体知识图谱进行关联,生成关系图谱,在接收到客户端发送的应急协助跟进请求时,从关系图谱中查询与应急待协助标识关联的目标知识图谱,并获取目标知识图谱中包含的用户基本数据,作为协助信息,提高协助信息获取效率。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种应急协助信息的获取方法、装置、计算机设备及介质。
背景技术
在一些领域,用户办理业务之后,企业经常需要对业务进行售后跟踪服务,以便提高服务质量,一般是通过对用户进行业务登记时的个人基础数据进行查询,获取用户的跟进方式,进而进行跟进,由于用户变更了信息后没有及时做客户信息变更登记,使得数据不准确,导致在一些紧急情况下,无法快速进行联系,这给后续跟进带来了一些不便。
现有的处理方式,主要是通过对用户的社交数据进行分析,进而获取关系较为亲密的联系人协助沟通,但这种处理方式,容易导致用户隐私泄露,同时,在获取到的用户社交数据较少的情况下,获取到的协助人员数据不够准确。
发明内容
本发明实施例提供一种应急协助信息的获取方法、装置、计算机设备和存储介质,以提高应急协助信息的获取效率。
为了解决上述技术问题,本申请实施例提供一种应急协助信息的获取方法,包括:
从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从所述业务数据表中获取每个用户标识对应的用户基本信息,其中,每个所述用户基本信息至少包括两条基本数据;
针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系,并根据所述实体关系构建所述用户标识对应的个体知识图谱;
针对每个个体知识图谱,获取预设的元节点清单,并将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点作为所述个体知识图谱对应的目标节点;
基于所述各目标节点,对所述各个体知识图谱进行关联,生成关系图谱;
在接收到客户端发送的应急协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识;
从所述关系图谱中查询与所述待协助标识关联的个体知识图谱,作为目标知识图谱,并获取所述目标知识图谱中包含的用户基本信息,作为协助信息,将所述协助信息发送给所述客户端。
可选地,所述针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系包括:
对每条所述基本数据进行数据预处理,得到初始数据;
并采用N元语言模型N-gram模型对所述初始数据进行分类,得到分类数据;
针对每类分类数据,通过计算相似度的方式,确定每类所述分类数据中实体和实体间的关系,作为所述基本数据之间的实体关系。
可选地,所述根据所述实体关系构建每个用户标识对应的个体知识图谱包括:
针对每类所述分类数据,根据所述分类数据中的实体关系,构建所述分类数据对应的知识图谱,得到每类所述分类数据对应的初始图谱;
将每个所述分类数据对应的初始图谱进行融合,得到所述个体知识图谱。
可选地,所述针对每类分类数据,通过计算相似度的方式,确定每类所述分类数据中实体和实体间的关系包括:
对每类所述分类数据的实体进行独热编码,得到实体特征编码;
将所述实体特征编码投射至同一空间后,计算所述实体特征编码投射的向量距离,并将所述向量距离作为实体的相似度值;
根据所述相似度值,确定实体和实体间的关系。
可选地,所述基于所述目标节点,对所述个体知识图谱进行关联,生成关系图谱包括:
将具有相同目标节点的个体知识图谱,作为一组图谱组;
针对每组所述图谱组,采用tarjan算法,判断所述图谱组中的目标节点对应的内容能否构成强连通图,得到判断结果;
获取所述判断结果为构成强连通图的图谱组,作为关联组,并对所述关联组中构成强连接图的目标节点进行连接,得到所述关系图谱。
可选地,所述将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配包括:
判断所述个体至少图谱中的节点中,是否包含网络连接方式节点或通信地址节点中的至少一项,得到判断结果;
若所述判断结果为包括网络连接方式节点或通信地址节点中的至少一项,则将所述个体知识图谱作为有效知识图谱;
若所述判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将所述个体知识图谱作为无效知识图谱;
将所述有效知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将所述无效知识图谱发送至管理端。
可选地,所述应急协助信息的获取方法还包括:将所述个体知识图谱和所述关系图谱存储至区块链中。
为了解决上述技术问题,本申请实施例还提供一种应急协助信息的获取装置,包括:
基本数据查询模块,用于从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从所述业务数据表中获取每个用户标识对应的用户基本信息,其中,每个所述用户基本信息至少包括两条基本数据;
知识图谱构建模块,用于针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系,并根据所述实体关系构建所述用户标识对应的个体知识图谱;
目标节点确定模块,用于针对每个个体知识图谱,获取预设的元节点清单,并将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点作为所述个体知识图谱对应的目标节点;
关系图谱生成模块,用于基于所述各目标节点,对所述各个体知识图谱进行关联,生成关系图谱;
协助请求解析模块,用于在接收到客户端发送的应急协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识;
协助信息反馈模块,用于从所述关系图谱中查询与所述待协助标识关联的个体知识图谱,作为目标知识图谱,并获取所述目标知识图谱中包含的用户基本信息,作为协助信息,将所述协助信息发送给所述客户端。
可选地,所述知识图谱构建模块包括:
数据预处理单元,用于对每条所述基本数据进行数据预处理,得到初始数据;
数据分类单元,用于并采用N元语言模型N-gram模型对所述初始数据进行分类,得到分类数据;
实体关系确定单元,用于针对每类分类数据,通过计算相似度的方式,确定每类所述分类数据中实体和实体间的关系,作为所述基本数据之间的实体关系。
可选地,所述知识图谱构建模块还包括:
初始图谱生成单元,用于针对每类所述分类数据,根据所述分类数据中的实体关系,构建所述分类数据对应的知识图谱,得到每类所述分类数据对应的初始图谱;
图谱融合单元,用于将每个所述分类数据对应的初始图谱进行融合,得到所述个体知识图谱。
可选地,所述实体关系确定单元包括:
编码子单元,用于对每类所述分类数据的实体进行独热编码,得到实体特征编码;
距离计算子单元,用于将所述实体特征编码投射至同一空间后,计算所述实体特征编码投射的向量距离,并将所述向量距离作为实体的相似度值;
实体关系判断子单元,用于根据所述相似度值,确定实体和实体间的关系。
可选地,所述关系图谱生成模块包括:
图谱组确定单元,用于将具有相同目标节点的个体知识图谱,作为一组图谱组;
连通判断单元,用于针对每组所述图谱组,采用tarjan算法,判断所述图谱组中的目标节点对应的内容能否构成强连通图,得到判断结果;
节点连接单元,用于获取所述判断结果为构成强连通图的图谱组,作为关联组,并对所述关联组中构成强连接图的目标节点进行连接,得到所述关系图谱。
可选地,所述目标节点确定模块包括:
判断单元,用于判断所述个体至少图谱中的节点中,是否包含网络连接方式节点或通信地址节点中的至少一项,得到判断结果;
第一筛选单元,用于若所述判断结果为包括网络连接方式节点或通信地址节点中的至少一项,则将所述个体知识图谱作为有效知识图谱;
第二筛选单元,用于若所述判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将所述个体知识图谱作为无效知识图谱;
节点处理单元,用于将所述有效知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将所述无效知识图谱发送至管理端。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述应急协助信息的获取方法的步骤。
为了解决上述技术问题,本申请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存储有计算机程序,所述计算机程序被处理器执行时实现上述应急协助信息的获取方法的步骤。
本发明实施例提供的应急协助信息的获取方法、装置、计算机设备及存储介质,通过从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从所述业务数据表中获取每个用户标识对应的用户基本信息,其中,每个所述用户基本信息至少包括两条基本数据,针对每个用户标识对应的用户基本信息,基于自然语言语义识别的方式,确定基本数据之间的实体关系,并根据实体关系构建用户标识对应的个体知识图谱,进而针对每个个体知识图谱,获取预设的元节点清单,并将个体知识图谱中的每个节点,与预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为个体知识图谱对应的目标节点,基于所述各目标节点,对所述各个体知识图谱进行关联,生成关系图谱,由于每个用户数据均为真实数据,使得构建的关系图谱的可靠性较强,在后续通过关系图谱进行查询时,能够实现获取较为准确的协助信息,同时,在接收到客户端发送的应急协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识,从关系图谱中查询与所述待协助标识关联的个体知识图谱,作为目标知识图谱,并获取目标知识图谱中包含的用户基本数据,作为协助信息,将协助信息发送给所述客户端,实现通过查询关系图谱,快速获取协助信息,提高协助信息获取效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是本申请的应急协助信息的获取方法的一个实施例的流程图;
图3是根据本申请的应急协助信息的获取装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
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,都属于本发明保护的范围。
请参阅图1,如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture E界面显示perts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureE界面显示perts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的应急协助信息的获取方法由服务器执行,相应地,应急协助信息的获取装置设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器,本申请实施例中的终端设备101、102、103具体可以对应的是实际生产中的应用系统。
请参阅图2,图2示出本发明实施例提供的一种应急协助信息的获取方法,以该方法应用在图1中的服务端为例进行说明,详述如下:
S201:从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从业务数据表中获取每个用户标识对应的用户基本信息,其中,每个用户基本信息至少包括两条基本数据。
具体地,每个用户可能存在一个或多个业务,在预设的业务数据库中的每个业务表中,存储的用户信息维度不尽相同,为获取较为全面的用户信息,通过在预设的业务数据表中,进行用户标识对应的字段查询通过联合查询的方式,从各个业务数据表中,将每个用户标识对应的用户信息进行汇聚,得到用户基本数据。
其中,用户基本数据具体包括但不限于:用户资料、资产状况、联系方式、涉及业务等,需要说明的是,此处的用户基本数据包括的范围仅为示例性的,也可以根据实际需求进行调整,此处不应理解为对其限定。
在本实施例中,用户基本数据至少包括联系方式,例如,通讯号码、邮箱地址、第三方通讯工具账号和使用的网络环境参数等,用户标识为业务数据表中对用户进行唯一标识的字符串,具体可以是由字母、数字、汉字和符号等一种或多种组合而成。
其中,联合查询是可合并多个相似的选择查询的结果集。等同于将一个表追加到另一个表,从而实现将两个表的查询组合到一起,使用谓词为UNION或UNION ALL。
S202:针对每个用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定基本数据之间的实体关系,并根据实体关系构建用户标识对应的个体知识图谱。
具体地,每个用户标识对应的用户基本数据中,存在一些属于同一类别的实体,以及同一实体不同表达等,需要对这些实体之间的关系进行识别确认,进而根据实体关系来构建个体知识图谱。
其中,个体知识图谱是指每个用户标识对应的知识图谱,知识图谱是显示用户基本数据之间关联关系的一系列各种不同的图形,用可视化技术描述数据。及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
其中,知识图谱构建算法包括但不限于:基于Wikipedia infoboxes等结构化数据的构建方法、基于开放文档构建(Schemaless)、基于Fixed ontology/schema的构建方法、基于层次化本体(Ontology)的构建方法等。
其中,构建知识图谱的第三方工具包括但不限于:Knowledge Works、思知(OwnThink)、自然语言处理工具包HanLP和MIT知识图谱embedding工具包等。
优选的,在进行实体关系之前,本实施例中还通过语义识别进行近义词同义词识别,将近义词同义词确定为同一实体,减少冗余数据,提高后续实体关系确定的效率。
S203:针对每个个体知识图谱,获取预设的元节点清单,并将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为个体知识图谱对应的目标节点。
具体地,根据实际业务需求,将业务需求的节点作为元节点存入到预设的元节点清单中,在得到个体知识图谱后,从每个个体知识图谱中,获取包含预设的元节点清单中的节点,作为该个体知识图谱对应的目标节点。
元节点可以根据实际需求进行选取,在一具体实施方式中,设置网络连接方式(有线连接、蓝牙连接、wife连接等)作为一个元节点,在另一具体实施方式中,设置通信地址(工作单位地址、居住地址等)作为一个元节点等。
需要说明的是,存在一些个体知识图谱中不包含任一预设的元节点,此时,向客户端反馈该用户基本数据,以使客户端对该用户基本数据进行补充完善。
S204:基于各目标节点,对个个体知识图谱进行关联,生成关系图谱。
具体地,将具有相同目标节点的个体知识图谱作为同组知识图谱,在针对同组知识图谱,判断包含目标节点的内容的相关程度,根据相关程度来确定是否进行连接,进而生成关系图谱。
基于目标节点,对个体知识图谱进行关联,生成关系图谱的具体实现过程,也可参考后续实施例的描述,为避免重复,此处不再赘述。
S205:在接收到客户端发送的应急协助跟进请求时,获取应急协助跟进请求中包含的用户标识,作为待协助标识。
具体地,在某个用户标识对应的用户基本数据中,不存在需求的数据内容时,或者,使用用户基本数据中需求的数据内容,不能达到预期效果时,客户端通过获取该用户标识,并生成协助跟进请求发送给服务端,服务端接收该请求,并将请求中包含的用户标识作为待协助标识。
例如,在一具体实施方式中,一用户标识为SC203,在对其进行业务回访时,通过用户标识SC203对应的用户基本数据中的联系方式进行联络,无法实现有效联络,此时,生成用户标识SC203对应的协助跟进请求,服务端接收该请求并将用户标识SC203作为待协助标识。
S206:从关系图谱中查询与待协助标识关联的个体知识图谱,作为目标知识图谱,并获取目标知识图谱中包含的用户基本信息,作为协助信息,将协助信息发送给客户端。
具体地,通过对关系图谱进行查询,得到关系图谱中与待协助标识存在关联的个体知识图谱,将这些存在关联的个体知识图谱作为目标知识图谱,进而获取目标知识图谱中包含的用户基本数据,作为协助数据,将协助数据发送给客户端,以使客户端可以根据协助数据进行业务跟进处理。
本实施例中,通过从业务数据表中联合查询的方式,获取每个用户标识对应的用户基本数据,基于自然语言语义识别的方式,确定用户基本数据之间的实体关系,并根据实体关系构建每个用户标识对应的个体知识图谱,进而获取预设的元节点清单,并将个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为个体知识图谱对应的目标节点,基于目标节点,对个体知识图谱进行关联,生成关系图谱,由于每个用户数据均为真实数据,使得构建的关系图谱的可靠性较强,在后续通过关系图谱进行查询时,能够实现获取较为准确的协助信息,同时,在接收到客户端发送的协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识,从关系图谱中查询与待协助标识关联的个体知识图谱,作为目标知识图谱,并获取目标知识图谱中包含的用户基本数据,作为协助信息,将协助信息发送给客户端,实现通过查询关系图谱,快速获取协助信息,提高协助信息获取效率。
在本实施例的一些可选的实现方式中,步骤S202中,针对每个用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定基本数据之间的实体关系包括:
对用户基本数据进行数据预处理,得到初始数据;
并采用N元语言模型N-gram模型对初始数据进行分类,得到分类数据;
针对每类分类数据,通过计算相似度的方式,确定每类分类数据中实体和实体间的关系,作为基本数据之间的实体关系。
具体的,数据预处理包括对用户基本数据进行标准化检查和数据清洗等等,数据预处理过后,按照数据类型,得到结构化数据和非结构化数据,对初始数据进行分类具体可采用根据维度进行分类、采用类别进行分类等,在本实施例中,协助信息包含文本内容和非结构化数据,作为一种优选方式,本实施例采用N元语言模型N-gram模型对初始数据进行分类,得到分类数据,进而通过计算相似度值,来确定每类分类数据中,实体之间的关系。
其中,其中,N-gram模型是大词汇连续文字语义识别中常用的一种语言模型,利用上下文中相邻词间的搭配信息,在需要把连续无空格的文字转换成汉字串(即句子)时,可以计算出具有最大概率的句子,从而实现到汉字的自动转换,无需用户手动选择,提高了词序列确定的准确性。
在本实施例中,通过N-gram模型对结构化数据进行识别,得到关键分词,进而根据关键分词与预设类别进行匹配,确定初始数据的类别。
其中,相似度值的计算方法包括但不限于:欧几里得距离(Eucledian Distance)、曼哈顿距离(Manhattan Distance)、明可夫斯基距离(Minkowski Distance)、余弦相似度(Cosine Similarity)和皮尔森相关系数(Pearson Correlation Coefficient)等。
本实施例中,通过对用户基本数据进行数据清洗,再通过N-gram模型进行分类,进而计算相似度值来确定实体之间关系,提高了实体关系确定的准确性。
在本实施例的一些可选的实现方式中,步骤S202中,根据实体关系构建每个用户标识对应的个体知识图谱包括:
针对每类分类数据,根据分类数据中的实体关系,构建分类数据对应的知识图谱,得到每类分类数据对应的初始图谱;
将每个分类数据对应的初始图谱进行融合,得到个体知识图谱。
具体地,针对每一类分类数据,将分类数据的实体作为节点,将分类数据的实体间的关联关系作为连接线,将节点进行互连,构建图谱,最终得到每一类分类数据的初始图谱,进而将每个类别的初始图谱进行融合,得到个体知识图谱,通过先分类在构建个体知识图谱的方式,提高了个体知识图谱结构的合理性,在后续进行查询协助信息时,有利于提高查询效率。
需要说明的是,本实施例描述的为构建个体知识图谱的过程,再实际应用中,也可以是将所有用户数据集中处理,进而在分别构建个体知识图谱,提高整体效率。
在本实施例的一些可选的实现方式中,针对每类分类数据,通过计算相似度的方式,确定每类分类数据中实体和实体间的关系包括:
对每类分类数据的实体进行独热编码,得到实体特征编码;
将实体特征编码投射至同一空间后,计算实体特征编码投射的向量距离,并将向量距离作为实体的相似度值;
根据相似度值,确定实体和实体间的关系。
具体地,独热编码即One-Hot编码,又称一位有效编码,其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效,本实施例采用独热编码的方式来进行特征编码,进而将实体特征编码投射至同一空间后,计算实体特征编码投射的向量距离,并将向量距离作为实体的相似度值,根据相似度值确定实体与实体之间的关系。
其中,实体与实体之间的关系包括但不限于相似、关联和不关联,本实施例中,将相似度值高于预设阈值的实体,作为同一实体,并保留同一实体其中一个实体,进而减少实体冗余,有利于提高后续构建图谱的准确性和效率。
其中,预设阈值根据实际情况而设定,此处不做限定,作为一种优选方式,在一具体实施例中,预设阈值为0.85。
本实施例中,通过对分类数据中每个实体进行编码和相似度计算,快速确定实体之间的关系,后续根据实体关系进行知识图谱的构建,实现更好的分类,有利于提高知识图谱构建的稳健性。
在本实施例的一些可选的实现方式中,步骤S204中,基于目标节点,对个体知识图谱进行关联,生成关系图谱包括:
将具有相同目标节点的个体知识图谱,作为一组图谱组;
针对每组图谱组,采用tarjan算法,判断图谱组中的目标节点对应的内容能否构成强连通图,得到判断结果;
获取判断结果为构成强连通图的图谱组,作为关联组,并对关联组中构成强连接图的目标节点进行连接,得到关系图谱。
具体地,采用tarjan算法,判断目标节点之间能否构成强连通图,能构成强连通图,则确定目标节点具有关联,进而根据具有关联性的目标节点生成关系图谱。
其中,tarjan算法是一种由Robert Tarjan提出的求解有向图强连通分量的线性时间的算法,是基于对图深度优先搜索的算法,每个强连通分量为搜索树中的一棵子树。搜索时,把当前搜索树中未处理的节点加入一个堆栈,回溯时可以判断栈顶到栈中的节点是否为一个强连通分量在运行Tarjan算法的过程中,每个顶点都被访问了一次,且只进出了一次堆栈,每条边也只被访问了一次,所以该算法的时间复杂度为O(N+M),因而,使用tarjan算法进行基础关键字能否构成强连通图判断,有利于提高判断效率。
其中,强连通图(Strongly Connected Graph)是指在有向图G中,如果对于每一对因子之间都存在路径,则称G是强连通图。在本实施例中,通过是否构成强连通图来检测随机获取到的同一类目标节点之间关联性,并在目标节点之间存在关联性时,获取到关联顺序。
本实施例中,通过tarjan算法对同一图谱组中每个目标节点的关系进行判断,将构成强连通图的图谱组,通过构成强连接图的目标节点进行连接,得到关系图谱,提高关系图谱的准确性,也有利于提高后续根据关系图谱进行查询相关协助信息的速度和可靠性。
在本实施例的一些可选的实现方式中,步骤S203中,将个体知识图谱中的每个节点,与预设的元节点清单中的节点进行匹配包括:
判断个体至少图谱中的节点中,是否包含网络连接方式节点或通信地址节点中的至少一项,得到判断结果;
若判断结果为包括网络连接方式节点或通信地址节点中的至少一项,则将个体知识图谱作为有效知识图谱;
若判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将个体知识图谱作为无效知识图谱;
将有效知识图谱中的每个节点,与预设的元节点清单中的节点进行匹配,将无效知识图谱发送至管理端。
其中,网络连接方式节点是指用于记载网络连接方式的节点,网络连接方式具体包括但不限于:有线连接、蓝牙连接、wife连接等,通信地址节点是指用于记载通信地址的节点,网络连接方式具体包括但不限于:工作单位地址、居住地址和邮寄地址等。应理解,网络连接方式和通信地址具有较高关联度的不同用户,往往存在关联关系,可以作为应急联系人的候选,在一具体示例中,用户标识A对应的网络连接方式为wife连接,且连接的wife标识为“ds55f45”,用户标识B对应的网络连接方式为wife连接,且连接的wife标识也为“ds55f45”,即可确定用户标识A和用户标识B具有紧密联系,可以将用户标识A和用户标识B作为彼此紧急联系人的候选。
需要说明的是,由于本实施例中的每个网络连接方式和通信地址关联度越高,用户标识对应的关系越为紧密。
进一步地,在判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将个体知识图谱作为无效知识图谱,并将该无效知识图谱发送给管理端,以使管理端对该无效知识图谱中的用户基本信息进行修改更新。
本实施例中,通过网络连接方式和通信地址,对构建关系图谱的个体知识图谱进一步进行筛选,将符合要求的个体知识图谱中的节点,作为目标节点,有利于后续获取到更为准确的协助信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图3示出与上述实施例应急协助信息的获取方法一一对应的应急协助信息的获取装置的原理框图。如图3所示,该应急协助信息的获取装置包括基本数据查询模块31、知识图谱构建模块32、目标节点确定模块33、关系图谱生成模块34、协助请求解析模块35和协助信息反馈模块36。各功能模块详细说明如下:
基本数据查询模块31,用于从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从业务数据表中获取每个用户标识对应的用户基本信息,其中,每个用户基本信息至少包括两条基本数据;
知识图谱构建模块32,用于针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定基本数据之间的实体关系,并根据实体关系构建用户标识对应的个体知识图谱;
目标节点确定模块33,用于针对每个个体知识图谱,获取预设的元节点清单,并将个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为个体知识图谱对应的目标节点;
关系图谱生成模块34,用于基于各目标节点,对各个体知识图谱进行关联,生成关系图谱;
协助请求解析模块35,用于在接收到客户端发送的应急协助跟进请求时,获取应急协助跟进请求中包含的用户标识,作为待协助标识;
协助信息反馈模块36,用于从关系图谱中查询与待协助标识关联的个体知识图谱,作为目标知识图谱,并获取目标知识图谱中包含的用户基本信息,作为协助信息,将协助信息发送给客户端。
可选地,知识图谱构建模块32包括:
数据预处理单元,用于对每条基本数据进行数据预处理,得到初始数据;
数据分类单元,用于并采用N元语言模型N-gram模型对初始数据进行分类,得到分类数据;
实体关系确定单元,用于针对每类分类数据,通过计算相似度的方式,确定每类分类数据中实体和实体间的关系。
可选地,知识图谱构建模块32还包括:
初始图谱生成单元,用于针对每类分类数据,根据分类数据中的实体关系,构建分类数据对应的知识图谱,得到每一分类数据对应的初始图谱;
图谱融合单元,用于将每个分类数据对应的初始图谱进行融合,得到个体知识图谱。
可选地,实体关系确定单元包括:
编码子单元,用于对每类分类数据的实体进行独热编码,得到实体特征编码;
距离计算子单元,用于将实体特征编码投射至同一空间后,计算实体特征编码投射的向量距离,并将向量距离作为实体的相似度值;
实体关系判断子单元,用于根据相似度值,确定实体和实体间的关系。
可选地,目标节点确定模块33包括:
判断单元,用于判断个体至少图谱中的节点中,是否包含网络连接方式节点或通信地址节点中的至少一项,得到判断结果;
第一筛选单元,用于若判断结果为包括网络连接方式节点或通信地址节点中的至少一项,则将个体知识图谱作为有效知识图谱;
第二筛选单元,用于若判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将个体知识图谱作为无效知识图谱;
节点处理单元,用于将有效知识图谱中的每个节点,与预设的元节点清单中的节点进行匹配,将无效知识图谱发送至管理端。
可选地,关系图谱生成模块34包括:
图谱组确定单元,用于将具有相同目标节点的个体知识图谱,作为一组图谱组;
连通判断单元,用于针对每组图谱组,采用tarjan算法,判断图谱组中的目标节点对应的内容能否构成强连通图,得到判断结果;
节点连接单元,用于获取判断结果为构成强连通图的图谱组,作为关联组,并对关联组中构成强连接图的目标节点进行连接,得到关系图谱。
关于应急协助信息的获取装置的具体限定可以参见上文中对于应急协助信息的获取方法的限定,在此不再赘述。上述应急协助信息的获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或D界面显示存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如电子文件的控制的程序代码等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据,例如运行电子文件的控制的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有界面显示程序,所述界面显示程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的应急协助信息的获取方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式,区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性和生成下一个区块,区块链可以包括区块链底层平台、平台产品服务层一级应用服务层。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种应急协助信息的获取方法,其特征在于,包括:
从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从所述业务数据表中获取每个用户标识对应的用户基本信息,其中,每个所述用户基本信息至少包括两条基本数据;
针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系,并根据所述实体关系构建所述用户标识对应的个体知识图谱;
针对每个个体知识图谱,获取预设的元节点清单,并将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点作为所述个体知识图谱对应的目标节点;
基于所述各目标节点,对所述各个体知识图谱进行关联,生成关系图谱;
在接收到客户端发送的应急协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识;
从所述关系图谱中查询与所述待协助标识关联的个体知识图谱,作为目标知识图谱,并获取所述目标知识图谱中包含的用户基本信息,作为协助信息,将所述协助信息发送给所述客户端。
2.如权利要求1所述的应急协助信息的获取方法,其特征在于,所述针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系包括:
对每条所述基本数据进行数据预处理,得到初始数据;
并采用N元语言模型N-gram模型对所述初始数据进行分类,得到分类数据;
针对每类分类数据,通过计算相似度的方式,确定每类所述分类数据中实体和实体间的关系,作为所述基本数据之间的实体关系。
3.如权利要求2所述的应急协助信息的获取方法,其特征在于,所述根据所述实体关系构建每个用户标识对应的个体知识图谱包括:
针对每类所述分类数据,根据所述分类数据中的实体关系,构建所述分类数据对应的知识图谱,得到每类所述分类数据对应的初始图谱;
将每个所述分类数据对应的初始图谱进行融合,得到所述个体知识图谱。
4.如权利要求2所述的应急协助信息的获取方法,其特征在于,所述针对每类分类数据,通过计算相似度的方式,确定每类所述分类数据中实体和实体间的关系包括:
对每类所述分类数据的实体进行独热编码,得到实体特征编码;
将所述实体特征编码投射至同一空间后,计算所述实体特征编码投射的向量距离,并将所述向量距离作为实体的相似度值;
根据所述相似度值,确定实体和实体间的关系。
5.如权利要求1所述的应急协助信息的获取方法,其特征在于,所述基于所述目标节点,对所述个体知识图谱进行关联,生成关系图谱包括:
将具有相同目标节点的个体知识图谱,作为一组图谱组;
针对每组所述图谱组,采用tarjan算法,判断所述图谱组中的目标节点对应的内容能否构成强连通图,得到判断结果;
获取所述判断结果为构成强连通图的图谱组,作为关联组,并对所述关联组中构成强连接图的目标节点进行连接,得到所述关系图谱。
6.如权利要求1至5任一项所述的应急协助信息的获取方法,其特征在于,所述将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配包括:
判断所述个体至少图谱中的节点中,是否包含网络连接方式节点或通信地址节点中的至少一项,得到判断结果;
若所述判断结果为包括网络连接方式节点或通信地址节点中的至少一项,则将所述个体知识图谱作为有效知识图谱;
若所述判断结果为不包括网络连接方式节点或通信地址节点中的任意一项,则将所述个体知识图谱作为无效知识图谱;
将所述有效知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将所述无效知识图谱发送至管理端。
7.如权利要求1所述的应急协助信息的获取方法,其特征在于,将所述个体知识图谱和所述关系图谱存储至区块链中。
8.一种应急协助信息的获取装置,其特征在于,包括:
基本数据查询模块,用于从预设的业务数据库中,获取包含用户标识的每个数据表,作为业务数据表,通过联合查询的方式,从所述业务数据表中获取每个用户标识对应的用户基本信息,其中,每个所述用户基本信息至少包括两条基本数据;
知识图谱构建模块,用于针对每个所述用户标识对应的用户基本信息,通过自然语言语义识别的方式,确定所述基本数据之间的实体关系,并根据所述实体关系构建所述用户标识对应的个体知识图谱;
目标节点确定模块,用于针对每个个体知识图谱,获取预设的元节点清单,并将所述个体知识图谱中的每个节点,与所述预设的元节点清单中的节点进行匹配,将匹配成功的节点,作为所述个体知识图谱对应的目标节点;
关系图谱生成模块,用于基于所述各目标节点,对所述各个体知识图谱进行关联,生成关系图谱;
协助请求解析模块,用于在接收到客户端发送的应急协助跟进请求时,获取所述应急协助跟进请求中包含的用户标识,作为待协助标识;
协助信息反馈模块,用于从所述关系图谱中查询与所述待协助标识关联的个体知识图谱,作为目标知识图谱,并获取所述目标知识图谱中包含的用户基本信息,作为协助信息,将所述协助信息发送给所述客户端。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的应急协助信息的获取方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的应急协助信息的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590909.9A CN112650858B (zh) | 2020-12-29 | 2020-12-29 | 应急协助信息的获取方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590909.9A CN112650858B (zh) | 2020-12-29 | 2020-12-29 | 应急协助信息的获取方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650858A CN112650858A (zh) | 2021-04-13 |
CN112650858B true CN112650858B (zh) | 2023-09-26 |
Family
ID=75363685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011590909.9A Active CN112650858B (zh) | 2020-12-29 | 2020-12-29 | 应急协助信息的获取方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112650858B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806556A (zh) * | 2021-09-14 | 2021-12-17 | 广东电网有限责任公司 | 基于电网数据的知识图谱的构建方法、装置、设备及介质 |
CN113919699B (zh) * | 2021-10-13 | 2024-07-19 | 平安国际智慧城市科技股份有限公司 | 资源调配方案生成方法、装置、设备和存储介质 |
CN114357198B (zh) * | 2022-03-15 | 2022-06-28 | 支付宝(杭州)信息技术有限公司 | 一种针对多个知识图谱的实体融合方法及装置 |
CN116431104A (zh) * | 2022-12-02 | 2023-07-14 | 东莞盟大集团有限公司 | 基于区块链技术标识解析应用的低代码开发方法 |
CN115994577B (zh) * | 2023-03-22 | 2024-02-06 | 北京企元界科技有限公司 | 一种基于知识图谱的数据处理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110609888A (zh) * | 2019-09-24 | 2019-12-24 | 北京明略软件系统有限公司 | 基于关系网络的图谱查证方法、装置、服务器和存储介质 |
CN110750654A (zh) * | 2019-10-28 | 2020-02-04 | 中国建设银行股份有限公司 | 知识图谱获取方法、装置、设备和介质 |
WO2020143326A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 知识数据存储方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-29 CN CN202011590909.9A patent/CN112650858B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020143326A1 (zh) * | 2019-01-11 | 2020-07-16 | 平安科技(深圳)有限公司 | 知识数据存储方法、装置、计算机设备和存储介质 |
CN110609888A (zh) * | 2019-09-24 | 2019-12-24 | 北京明略软件系统有限公司 | 基于关系网络的图谱查证方法、装置、服务器和存储介质 |
CN110750654A (zh) * | 2019-10-28 | 2020-02-04 | 中国建设银行股份有限公司 | 知识图谱获取方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112650858A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112650858B (zh) | 应急协助信息的获取方法、装置、计算机设备及介质 | |
EP3320490B1 (en) | Transfer learning techniques for disparate label sets | |
US9064006B2 (en) | Translating natural language utterances to keyword search queries | |
WO2021135469A1 (zh) | 基于机器学习的信息抽取方法、装置、计算机设备及介质 | |
CN110929125B (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN113312461A (zh) | 基于自然语言处理的智能问答方法、装置、设备及介质 | |
CN110134780B (zh) | 文档摘要的生成方法、装置、设备、计算机可读存储介质 | |
CN112115232A (zh) | 一种数据纠错方法、装置及服务器 | |
CN112989055A (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
CN110162637B (zh) | 信息图谱构建方法、装置及设备 | |
CN110019712A (zh) | 多意图查询方法和装置、计算机设备及计算机可读存储介质 | |
CN106202440B (zh) | 数据处理方法、装置及设备 | |
CN112395391A (zh) | 概念图谱构建方法、装置、计算机设备及存储介质 | |
CN111309305A (zh) | 面向智能合约的代码自动推荐方法、系统、计算机设备和存储介质 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN114579882A (zh) | 地址查询方法、获取地理编码预测模型的方法及对应装置 | |
CN112446209A (zh) | 一种意图标签的设置方法、设备、装置及存储介质 | |
CN107480197B (zh) | 实体词识别方法及装置 | |
CN110019714A (zh) | 基于历史结果的多意图查询方法、装置、设备及存储介质 | |
CN113326363B (zh) | 搜索方法及装置、预测模型训练方法及装置、电子设备 | |
CN113505595A (zh) | 文本短语抽取方法、装置、计算机设备及存储介质 | |
CN113177407A (zh) | 数据字典的构建方法、装置、计算机设备及存储介质 | |
WO2021199052A1 (en) | Methods and systems for searching and retrieving information | |
CN113065354B (zh) | 语料中地理位置的识别方法及其相关设备 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |