CN112925889B - 自然语言处理方法、装置、电子设备和存储介质 - Google Patents
自然语言处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112925889B CN112925889B CN202110216915.6A CN202110216915A CN112925889B CN 112925889 B CN112925889 B CN 112925889B CN 202110216915 A CN202110216915 A CN 202110216915A CN 112925889 B CN112925889 B CN 112925889B
- Authority
- CN
- China
- Prior art keywords
- sentence
- length
- information
- semantic
- sentences
- 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 55
- 238000003058 natural language processing Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001502 supplementing 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种自然语言处理方法、装置、电子设备和存储介质。用于解决相关技术中FAQ和KBQA的应用场景中信息冗余导致的资源浪费的问题。本申请实施例中，首先基于查询语句进行搜索粗筛获取多条候选语句，然后确定上述各条语句的长度，并根据该语句的长度确定输入给语义识别模型的信息长度；获取语义识别模型输出的各条语句的语义信息，并根据各条语句的语义信息动态地确定查询语句与候选语句的语义相似度，最后基于相似度对用户的问题进行应答处理。
Description
技术领域
本申请涉及智能问答系统技术领域，尤其涉及一种自然语言处理方法、装置、电子设备和存储介质。
背景技术
在智能问答系统中，通常采用语音识别、自然语言处理(Natural LanguageProcessing，NLP)等技术，以对话的方式自动理解用户的语音或文字，在无需人工干预的情况下，分析用户输入的语音或文字并向用户返回合适的答案。作为人工智能的重要落地场景，智能问答系统广泛应用于智能音箱、智能客服等领域，可以极大的降低人工成本，并带来更加友好、丰富的用户体验。
相关技术中，为了实现智能问答，通常将基于知识库问答(Question Answeringover Knowledge Base，KBQA)与常见问题解答(Frequently Asked Questions，FAQ)的技术方案进行结合，前者覆盖结构性比较强的场景，后者则覆盖更加通用的场景。
相关技术中，采用神经网络来计算不同句子之间的相似度。例如，计算用户语句和多个已知语句的相似度，然后挑选与用户语句的相似度最高的已知语句对应的“答案”来回答用户语句。为了计算不同句子之间的相似度，需要补充大量的pad字符到用户语句和已知语句中才能进入神经网络来确定不同语句的相似度，故此无论是训练还是预测过程，都带来了一些计算资源的浪费。
发明内容
本申请的目的是提供一种自然语言处理方法、装置、电子设备和存储介质，用于解决相关技术中FAQ和KBQA的应用场景中信息冗余导致的资源浪费的问题。
第一方面，本申请实施例提供了一种自然语言处理方法，包括：
获取查询语句的多条候选语句；
确定所述查询语句和所述多条候选语句中各条语句的长度；
根据所述各条语句的长度，确定输入给语义识别模型的信息长度；
基于确定的所述信息长度对所述各条语句分别进行处理后，输入给所述语义识别模型得到所述查询语句和所述多条候选语句各自的语义信息；
基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度。
在一个实施例中，所述根据所述各条语句的长度，确定输入给语义识别模型的信息长度，包括：
确定所述各条语句的最大长度；
将所述最大长度与预设长度进行比较；
若所述最大长度大于或等于所述预设长度，则所述信息长度为所述预设长度；
若所述最大长度小于所述预设长度，则所述信息长度为所述最大长度。
在一个实施例中，所述基于确定的所述信息长度对所述各条语句分别进行处理，包括：
对语句长度大于所述信息长度的语句，从所述语句中截取所述信息长度的语句内容；
对语句长度小于所述信息长度的语句，对所述语句进行填充处理得到所述信息长度的语句。
在一个实施例中，所述语句中依序包括起始位、语句、结束位，所述以在句末补填充位的方式对所述语句进行填充处理，包括：
在语句的结束位后以补填充位的方式对所述语句进行填充处理。
在一个实施例中，所述语义识别模型为bert模型。
在一个实施例中，所述获取查询语句的多条候选语句，包括：
从所述查询语句中提取关键词；
基于所述关键词在预存的语句集合中筛选与所述查询语句匹配的所述多条候选语句。
在一个实施例中，所述基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，所述方法还包括：
筛选出语义相似度最高的候选语句；
获取语义相似度最高的候选语句对应的应答语句，对所述查询语句进行应答处理。
第二方面本申请还提供了一种自然语言处理装置，所述装置包括：
获取模块，用于获取查询语句的多条候选语句；
语句长度确定模块，用于确定所述查询语句和所述多条候选语句中各条语句的长度；
信息长度确定模块，用于根据所述各条语句的长度，确定输入给语义识别模型的信息长度；
语义信息获取模块，用于处理模块执行基于确定的所述信息长度对所述各条语句分别进行处理后，输入给所述语义识别模型得到所述查询语句和所述多条候选语句各自的语义信息；
相似度确定模块，用于基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度。
在一个实施例中，所述信息长度确定模块，包括：
最大长度确定单元，用于确定所述各条语句的最大长度；
比较单元，用于将所述最大长度与预设长度进行比较；
第一长度确定单元，用于若所述最大长度大于或等于所述预设长度，则所述信息长度为所述预设长度；
第二长度确定单元，用于若所述最大长度小于所述预设长度，则所述信息长度为所述最大长度。
在一个实施例中，所述处理模块，包括：
截取单元，用于对语句长度大于所述信息长度的语句，从所述语句中截取所述信息长度的语句内容；
填充单元，用于对语句长度小于所述信息长度的语句，对所述语句进行填充处理得到所述信息长度的语句。
在一个实施例中，所述语句中依序包括由起始位、语句、结束位，所述填充单元，包括：
在语句的结束位后以补填充位的方式对所述语句进行填充处理。
在一个实施例中，所述语义识别模型为bert模型。
在一个实施例中，所述获取模块，包括：
关键字提取单元，用于从所述查询语句中提取关键词；
匹配单元，用于基于所述关键词在预存的语句集合中筛选与所述查询语句匹配的所述多条候选语句。
在一个实施例中，所述基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，所述装置还包括：
筛选模块，用于相似度确定模块执行基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，筛选出语义相似度最高的候选语句；
应答模块，用于获取语义相似度最高的候选语句对应的应答语句，对所述查询语句进行应答处理。
第三方面，本申请另一实施例还提供了一种电子设备，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指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例提供的自然语言处理方法。
第四方面，本申请另一实施例还提供了一种计算机存储介质，其中，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行本申请实施例中的自然语言处理方法。
本申请实施例中，采用语义识别模型对查询语句与候选语句进行分析，确定各条语句的信息长度，并根据信息长度得到语义信息，然后根据语义信息确定查询语句与候选语句的相似度，避免了相关技术中信息冗余和计算量大的问题。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅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为本申请实施例提供的自然语言处理方法的应用场景图；
图2为本申请实施例提供的自然语言处理方法的整体流程图；
图3为本申请实施例提供的自然语言处理方法的确定信息长度的示意图；
图4为本申请实施例提供的自然语言处理方法的语句处理示意图；
图5为本申请实施例提供的自然语言处理方法的装置示意图；
图6为本申请实施例提供的自然语言处理方法的电子设备示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书的术语“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数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
发明人研究发现，在智能问答系统中，采用语音识别、NLP等技术，以对话的方式自动理解用户的语音或文字，在无需人工干预的情况下，分析用户输入的语音或文字并向用户返回合适的答案。作为人工智能的重要落地场景，智能问答系统广泛应用于智能音箱、智能客服等领域，可以极大的降低人工成本，并带来更加友好、丰富的用户体验。相关技术中，为了实现智能问答，通常将基于知识库问答KBQA与常见问题解答FAQ的技术方案进行结合。
发明人研究发现，在FAQ场景下，通用采用的解决方案是粗筛+文本语义相似度匹配的技术方法。粗筛主要使用搜索技术，例如基于搜索引擎(Lucene)或者搜索服务器(Elastic Search)进行实现；其中，Lucene是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎；Lucene是一套用于全文检索和搜寻的开源程式库，提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。Elastic Search是一个分布式可扩展的实时搜索和分析引擎,建立在Lucene基础上的搜索引擎，Elasticsearch不仅包括了全文搜索功能，还可以进行分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索；实时分析的分布式搜索引擎。相比之下文本语义相似度(Semantic Textual Similarity，STS)计算技术更加丰富，上述方法都可以归结为将两个待计算文本通过一定网络结构量化为一个0到1之间的相似度数值的思路。
发明人研究发现，NLP业界已经对STS相关技术研究已久，形如寻找两个句子的公共词汇的占比、或者将句子中的各个词汇分别向量化后，再采用词汇粒度计算两个句子的相似度并做某种程度的加权。近年来，随着深度学习的价值逐渐被NLP从业者认可并应用，以Transform/Bert为代表的预训练思路已经逐渐成为了业界通用准则。为了照顾比较长的句子，保障网络的兼容性，语句的最大长度通常取的比较长，然而在口语对话场景中，用户说的句子大部分很短，长句的比例很低。因此会在句子后面填充大量的pad字符，导致很容冗余信息进入神经网络进行处理，导致处理资源的浪费。
有鉴于此，本申请提出了一种自然语言处理方法、装置、电子设备和存储介质，用于解决上述问题。本申请的发明构思可概括为：首先获取查询语句与多条候选语句，然后确定上述各条语句的长度，并根据各条语句的长度动态地确定输入给语义识别模型的信息长度；获取语义识别模型输出的各条语句的语义信息，并根据各条语句的语义信息确定查询语句与候选语句的语义相似度，最后基于相似度对用户的问题进行应答处理。
为了便于理解，下面对本申请实施例提供的自然语言处理方法进行详细说明。
如图1所示，为本申请实施例中的自然语言处理方法的应用场景图。图中包括：网络10、服务器20、存储器30、终端设备40；其中：
本申请实施例中采用的语义识别模型可以安装在终端设备中，也可以安装在服务器中，下面以语义识别模型安装在服务器中进行说明。用户在终端设备中输入语句，服务器通过网络获取该语句并将该语句作为查询语句，并获取预先存储在存储器中的多条候选语句；服务器对查询语句和候选语句根据语句长度进行处理后，输入给语义识别模型；语义识别模型输出多条语句的语义信息，最后服务器基于语义信息确定查询语句与多条候选语句的语义相似度。
应当理解的是，示出的终端设备40、服务器20和存储器30旨在表示本申请的技术方案涉及的终端设备、服务器以及存储器的操作。对单个服务器和存储器加以详述至少为了说明方便，而非暗示对终端设备和服务器的数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本申请的示例实施例的底层概念。另外，虽然为了方便说明而在图1中示出了从存储器30到服务器20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是需要通过网络10实现的。
需要说明的是，本申请实施例中的存储器例如可以是缓存系统、也可以是硬盘存储、内存存储等等。此外，本申请提出的自然语言处理方法不仅适用于图1所示的应用场景，还适用于任何有自然语言处理需求的装置。
需要知道的是，本申请实施例中采用的语义识别模型可以为各种语义识别模型，下面以bert模型为例进行说明。
如图2所示，本申请实施例提供的一种自然语言处理方法的整体流程为：
在步骤201中：获取查询语句的多条候选语句；
为了保证对查询语句处理的准确性，本申请中采用关键字的方式获取候选语句，具体实施为：获取查询语句的多条候选语句的方式为：从查询语句中提取关键词；基于关键词在预存的语句集合中筛选与查询语句匹配的多条候选语句。
在步骤202中：确定查询语句和多条候选语句中各条语句的长度；
在步骤203中：根据各条语句的长度，确定输入给语义识别模型的信息长度；
相关技术中，为了照顾比较长的句子，保障网络的兼容性，语句的最大长度通常取的比较长，多为32到128之间，然而在口语对话场景中，用户说的句子大部分很短，长句的比例很低。因此会在句子后面补充大量的pad字符，再进入网络，无论是训练还是预测过程，都带来了一些计算浪费。
因此，在本申请实施例中，首先根据经验选取合适的长度作为预设长度，并将语句的最大长度与预设长度进行比较，从而确定信息长度。具体可实施为如图3所示的步骤：
在步骤301中：确定各条语句的最大长度；
在步骤302中：将最大长度与预设长度进行比较；
在步骤303中：若最大长度大于或等于预设长度，则信息长度为预设长度；
在步骤304中：若最大长度小于预设长度，则信息长度为最大长度。
在本申请实施例中，采用上述方法，有效的减少了计算量。
在步骤204中：基于确定的信息长度对各条语句分别进行处理后，输入给语义识别模型得到查询语句和多条候选语句各自的语义信息；
在本申请实施例中，为了保障网络的兼容性，因此要对各条语句进行处理。对语句长度大于信息长度的语句，从语句中截取信息长度的语句内容；对语句长度小于信息长度的语句，对语句进行填充处理得到信息长度的语句。
在一个实施例中，可采用在句末补填充位(PAD)的方式对语句进行填充处理。
在bert模型中，语句的格式为：起始位+完整语句+结束位，在本申请实施例中采用CLS表示起始位，SEP表示结束位。如图4所示，语句C为语句的信息长度的语句，对语句A“你真的好可爱呀”进行截取，在语句B“你真可爱”的结束位后采用补PAD的方式进行填充，将语句A和语句B均处理成同样的长度。采用补PAD的方式有效的减少了模型的计算量，避免了资源的浪费。
在步骤205中：基于语义信息确定各候选语句与查询语句的语义相似度；
在步骤206中：筛选出语义相似度最高的候选语句；
在步骤207中：获取语义相似度最高的候选语句对应的应答语句，对查询语句进行应答处理。
如图5所示，基于相同的发明构思，提出一种自然语言处理装置500，包括：
获取模块5001，用于获取查询语句的多条候选语句；
语句长度确定模块5002，用于确定所述查询语句和所述多条候选语句中各条语句的长度；
信息长度确定模块5003，用于根据所述各条语句的长度，确定输入给语义识别模型的信息长度；
语义信息获取模块5004，用于处理模块5005执行基于确定的所述信息长度对所述各条语句分别进行处理后，输入给所述语义识别模型得到所述查询语句和所述多条候选语句各自的语义信息；
相似度确定模块5006，用于基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度。
在一个实施例中，所述信息长度确定模块，包括：
最大长度确定单元，用于确定所述各条语句的最大长度；
比较单元，用于将所述最大长度与预设长度进行比较；
第一长度确定单元，用于若所述最大长度大于或等于所述预设长度，则所述信息长度为所述预设长度；
第二长度确定单元，用于若所述最大长度小于所述预设长度，则所述信息长度为所述最大长度。
在一个实施例中，所述处理模块，包括：
截取单元，用于对语句长度大于所述信息长度的语句，从所述语句中截取所述信息长度的语句内容；
填充单元，用于对语句长度小于所述信息长度的语句，对所述语句进行填充处理得到所述信息长度的语句。
在一个实施例中，所述填充单元，用于：
以在句末补填充位的方式对所述语句进行填充处理。
在一个实施例中，所述语义识别模型为bert模型。
在一个实施例中，所述获取模块，包括：
关键字提取单元，用于从所述查询语句中提取关键词；
匹配单元，用于基于所述关键词在预存的语句集合中筛选与所述查询语句匹配的所述多条候选语句。
在一个实施例中，所述基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，所述装置还包括：
筛选模块，用于相似度确定模块执行基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，筛选出语义相似度最高的候选语句；
应答模块，用于获取语义相似度最高的候选语句对应的应答语句，对所述查询语句进行应答处理。
在介绍了本申请示例性实施方式的自然语言处理方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的自然语言处理方法中的步骤。
下面参照图6来描述根据本申请的这种实施方式的电子设备130。图6显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的一种自然语言处理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种自然语言处理方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于自然语言处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种自然语言处理方法，其特征在于，所述方法包括：
获取查询语句的多条候选语句；
确定所述查询语句和所述多条候选语句中各条语句的长度；
确定所述各条语句长度中的最大长度；将所述最大长度与预设长度进行比较；若所述最大长度大于或等于所述预设长度，则将所述预设长度作为信息长度，若所述最大长度小于所述预设长度，则将所述最大长度作为信息长度；
基于确定的所述信息长度对所述各条语句分别进行处理后，输入给语义识别模型得到所述查询语句和所述多条候选语句各自的语义信息，其中，若任意一条语句的长度大于所述信息长度，则从所述任意一条语句中截取所述信息长度的语句内容；
基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度。
2.根据权利要求1所述的方法，其特征在于，所述基于确定的所述信息长度对所述各条语句分别进行处理，包括：
对语句长度小于所述信息长度的语句，对所述语句进行填充处理得到所述信息长度的语句。
3.根据权利要求2所述的方法，其特征在于，所述对所述语句进行填充处理，包括：
以在句末补填充位的方式对所述语句进行填充处理。
4.根据权利要求1-3中任一所述的方法，其特征在于，语义识别模型为bert模型。
5.根据权利要求3所述的方法，其特征在于，所述语句中依序包括起始位、语句、结束位，所述以在句末补填充位的方式对所述语句进行填充处理，包括：
在语句的结束位后以补填充位的方式对所述语句进行填充处理。
6.根据权利要求1-3中任一所述的方法，其特征在于，所述基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度之后，所述方法还包括：
筛选出语义相似度最高的候选语句；
获取语义相似度最高的候选语句对应的应答语句，对所述查询语句进行应答处理。
7.一种自然语言处理装置，其特征在于，所述装置包括：
获取模块，用于获取查询语句的多条候选语句；
语句长度确定模块，用于确定所述查询语句和所述多条候选语句中各条语句的长度；
信息长度确定模块，用于确定各条语句长度中的最大长度；将所述最大长度与预设长度进行比较；若所述最大长度大于或等于所述预设长度，则将所述预设长度作为信息长度，若所述最大长度小于所述预设长度，则将所述最大长度作为信息长度；
语义信息获取模块，用于处理模块执行基于确定的所述信息长度对各条语句分别进行处理后，输入给语义识别模型得到所述查询语句和所述多条候选语句各自的语义信息，其中，若任意一条语句的长度大于所述信息长度，则从所述任意一条语句中截取所述信息长度的语句内容；
相似度确定模块，用于基于所述语义信息确定各所述候选语句与所述查询语句的语义相似度。
8.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任何一项所述的方法。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行权利要求1-6任何一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216915.6A CN112925889B (zh) | 2021-02-26 | 2021-02-26 | 自然语言处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216915.6A CN112925889B (zh) | 2021-02-26 | 2021-02-26 | 自然语言处理方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112925889A CN112925889A (zh) | 2021-06-08 |
| CN112925889B true CN112925889B (zh) | 2024-04-30 |
Family
ID=76172204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110216915.6A Active CN112925889B (zh) | 2021-02-26 | 2021-02-26 | 自然语言处理方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112925889B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113887224B (zh) * | 2021-10-19 | 2024-10-18 | 京东科技信息技术有限公司 | 语句意图识别方法、语句应答方法、装置和电子设备 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682194A (zh) * | 2016-12-29 | 2017-05-17 | 北京百度网讯科技有限公司 | 基于深度问答的答案定位方法及装置 |
| CN107526826A (zh) * | 2017-08-31 | 2017-12-29 | 百度在线网络技术（北京）有限公司 | 语音搜索处理方法、装置及服务器 |
| GB201804892D0 (en) * | 2018-03-27 | 2018-05-09 | Innoplexus Ag | System and method for parsing user query |
| CN110008322A (zh) * | 2019-03-25 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 多轮对话场景下的话术推荐方法和装置 |
| CN110196901A (zh) * | 2019-06-28 | 2019-09-03 | 北京百度网讯科技有限公司 | 对话系统的构建方法、装置、计算机设备和存储介质 |
| CN110413755A (zh) * | 2019-07-25 | 2019-11-05 | 腾讯科技（深圳）有限公司 | 一种问答库的扩充方法、装置及服务器、存储介质 |
| CN111198937A (zh) * | 2019-12-02 | 2020-05-26 | 泰康保险集团股份有限公司 | 对话生成及装置、计算机可读存储介质、电子设备 |
| CN111339268A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 实体词识别方法和装置 |
| JP2020140628A (ja) * | 2019-03-01 | 2020-09-03 | 日本電信電話株式会社 | 文生成装置、文生成方法、文生成学習装置、文生成学習方法及びプログラム |
| 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 |
| CN111753054A (zh) * | 2020-06-22 | 2020-10-09 | 神思电子技术股份有限公司 | 一种基于图神经网络的机器阅读推断方法 |
| CN111797214A (zh) * | 2020-06-24 | 2020-10-20 | 深圳壹账通智能科技有限公司 | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 |
| CN112185358A (zh) * | 2020-08-24 | 2021-01-05 | 维知科技张家口有限责任公司 | 意图识别方法、模型的训练方法及其装置、设备、介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10318633B2 (en) * | 2017-01-02 | 2019-06-11 | International Business Machines Corporation | Using multilingual lexical resources to improve lexical simplification |
-
2021
- 2021-02-26 CN CN202110216915.6A patent/CN112925889B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682194A (zh) * | 2016-12-29 | 2017-05-17 | 北京百度网讯科技有限公司 | 基于深度问答的答案定位方法及装置 |
| CN107526826A (zh) * | 2017-08-31 | 2017-12-29 | 百度在线网络技术（北京）有限公司 | 语音搜索处理方法、装置及服务器 |
| GB201804892D0 (en) * | 2018-03-27 | 2018-05-09 | Innoplexus Ag | System and method for parsing user query |
| JP2020140628A (ja) * | 2019-03-01 | 2020-09-03 | 日本電信電話株式会社 | 文生成装置、文生成方法、文生成学習装置、文生成学習方法及びプログラム |
| CN110008322A (zh) * | 2019-03-25 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 多轮对话场景下的话术推荐方法和装置 |
| CN110196901A (zh) * | 2019-06-28 | 2019-09-03 | 北京百度网讯科技有限公司 | 对话系统的构建方法、装置、计算机设备和存储介质 |
| CN110413755A (zh) * | 2019-07-25 | 2019-11-05 | 腾讯科技（深圳）有限公司 | 一种问答库的扩充方法、装置及服务器、存储介质 |
| CN111198937A (zh) * | 2019-12-02 | 2020-05-26 | 泰康保险集团股份有限公司 | 对话生成及装置、计算机可读存储介质、电子设备 |
| CN111339268A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 实体词识别方法和装置 |
| 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 |
| CN111753054A (zh) * | 2020-06-22 | 2020-10-09 | 神思电子技术股份有限公司 | 一种基于图神经网络的机器阅读推断方法 |
| CN111797214A (zh) * | 2020-06-24 | 2020-10-20 | 深圳壹账通智能科技有限公司 | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 |
| CN112185358A (zh) * | 2020-08-24 | 2021-01-05 | 维知科技张家口有限责任公司 | 意图识别方法、模型的训练方法及其装置、设备、介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于相似度算法的英语智能问答系统设计与实现;王文辉等;计算机应用与软件;20170630;第34卷(第6期);62-68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112925889A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106919655B (zh) | 一种答案提供方法和装置 | |
| CN111858859B (zh) | 自动问答处理方法、装置、计算机设备及存储介质 | |
| CN107491534B (zh) | 信息处理方法和装置 | |
| CN109002510B (zh) | 一种对话处理方法、装置、设备和介质 | |
| CN110795532A (zh) | 一种语音信息的处理方法、装置、智能终端以及存储介质 | |
| US11966389B2 (en) | Natural language to structured query generation via paraphrasing | |
| CN113672708B (zh) | 语言模型训练方法、问答对生成方法、装置及设备 | |
| CN104573099A (zh) | 题目的搜索方法及装置 | |
| CN113239169A (zh) | 基于人工智能的回答生成方法、装置、设备及存储介质 | |
| US20190155942A1 (en) | Searching multilingual documents based on document structure extraction | |
| US9953027B2 (en) | System and method for automatic, unsupervised paraphrase generation using a novel framework that learns syntactic construct while retaining semantic meaning | |
| CN117370373A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN109582954A (zh) | 用于输出信息的方法和装置 | |
| CN113779062A (zh) | Sql语句生成方法、装置、存储介质及电子设备 | |
| CN115238045B (zh) | 一种生成式事件论元抽取方法、系统及存储介质 | |
| CN116974554A (zh) | 代码数据处理方法、装置、计算机设备和存储介质 | |
| CN111831624A (zh) | 数据表创建方法、装置、计算机设备及存储介质 | |
| US9984063B2 (en) | System and method for automatic, unsupervised paraphrase generation using a novel framework that learns syntactic construct while retaining semantic meaning | |
| CN112925889B (zh) | 自然语言处理方法、装置、电子设备和存储介质 | |
| CN113239698A (zh) | 基于rpa及ai的信息提取方法、装置、设备及介质 | |
| AU2019290658B2 (en) | Systems and methods for identifying and linking events in structured proceedings | |
| CN110717316B (zh) | 字幕对话流的主题分割方法及装置 | |
| CN116644180A (zh) | 文本匹配模型的训练方法、训练系统和文本标签确定方法 | |
| CN115221284A (zh) | 文本相似度的计算方法、装置、电子设备及存储介质 | |
| CN118070925B (zh) | 模型训练方法、装置、电子设备、存储介质及程序产品 |
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 |