CN113761206A - 基于意图识别的信息智能查询方法、装置、设备及介质 - Google Patents

基于意图识别的信息智能查询方法、装置、设备及介质 Download PDF

Info

Publication number
CN113761206A
CN113761206A CN202111060715.2A CN202111060715A CN113761206A CN 113761206 A CN113761206 A CN 113761206A CN 202111060715 A CN202111060715 A CN 202111060715A CN 113761206 A CN113761206 A CN 113761206A
Authority
CN
China
Prior art keywords
information
query
intention
query request
target text
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
CN202111060715.2A
Other languages
English (en)
Inventor
舒畅
陈又新
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202111060715.2A priority Critical patent/CN113761206A/zh
Publication of CN113761206A publication Critical patent/CN113761206A/zh
Priority to PCT/CN2022/071789 priority patent/WO2023035529A1/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
    • G06F16/35—Clustering; Classification
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3343—Query execution using phonetics
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了基于意图识别的信息智能查询方法、装置、设备及介质，方法包括：从用户输入的查询请求信息中提取得到对应的目标文字信息，根据文本意图解析模型对目标文本信息进行解析得到意图类型，并根据意图类型及关系识别网络识别目标文本信息中特征词之间的关联关系得到特征词关联信息，根据意图类型及特征词关联信息查询信息数据库得到信息查询结果。本发明属于信息查询技术领域，可通过对目标文本信息进行解析得到准确的意图类型，并识别目标文本信息中特征词之间进行关联关系，基于意图类型及特征词之间的关联关系得到信息查询结果，可大幅增加进行信息查询的准确性，同时提高进行信息查询的效率。

Description

基于意图识别的信息智能查询方法、装置、设备及介质
技术领域
本发明涉及数据查询技术领域，属于智慧教育中基于意图识别进行信息智能化查询的应用场景，尤其涉及一种基于意图识别的信息智能查询方法、装置、设备及介质。
背景技术
随着互联网技术的快速发展，信息处理的智能化程度也越来越高。企业在答复客户的信息时，通常会基于用户的提问进行语义分析，并根据语义分析确定对应的关键词，基于关键词对数据库中所包含的数据信息进行查询以获取对应的查询结果。然而发明人发现，同一关键词可在多个意图下获取到各不相同的多个查询结果，当查询意图不明确时则会导致基于关键词查询得到的结果不准确，导致难以从多个查询结果中获取与查询意图相对应的准确查询结果进行反馈，极大影响了信息查询的准确性。
发明内容
本发明实施例提供了一种基于意图识别的信息智能查询方法、装置、设备及介质，旨在解决现有技术方法中所存在的对信息进行查询的准确性较低的问题。
第一方面，本发明实施例提供了一种基于意图识别的信息智能查询方法，其包括：
若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息；
根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型；
根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息；
根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
第二方面，本发明实施例提供了一种基于意图识别的信息智能查询装置，其包括：
目标文字信息获取单元，用于若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息；
意图类型识别单元，用于根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型；
特征词关联信息获取单元，用于根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息；
信息查询结果获取单元，用于根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上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第一方面所述的基于意图识别的信息智能查询方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于意图识别的信息智能查询方法。
本发明实施例提供了一种基于意图识别的信息智能查询方法、装置、设备及介质。从用户输入的查询请求信息中提取得到对应的目标文字信息，根据文本意图解析模型对目标文本信息进行解析得到意图类型，并根据意图类型及关系识别网络识别目标文本信息中特征词之间的关联关系得到特征词关联信息，根据意图类型及特征词关联信息查询信息数据库得到信息查询结果。通过上述方法，可通过对目标文本信息进行解析得到准确的意图类型，并识别目标文本信息中特征词之间进行关联关系，基于意图类型及特征词之间的关联关系得到信息查询结果，可大幅增加进行信息查询的准确性，同时提高进行信息查询的效率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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基于意图识别的信息智能查询方法的流程示意图；
图2为本发明实施例提供的基于意图识别的信息智能查询方法的子流程示意图；
图3为本发明实施例提供的基于意图识别的信息智能查询方法的另一子流程示意图；
图4为本发明实施例提供的基于意图识别的信息智能查询方法的另一子流程示意图；
图5为本发明实施例提供的基于意图识别的信息智能查询方法的另一子流程示意图；
图6为本发明实施例提供的基于意图识别的信息智能查询方法的另一子流程示意图；
图7为本发明实施例提供的基于意图识别的信息智能查询方法的另一流程示意图；
图8为本发明实施例提供的基于意图识别的信息智能查询装置的示意性框图；
图9为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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做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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1是本发明实施例提供的基于意图识别的信息智能查询方法的流程示意图；该基于意图识别的信息智能查询方法应用于用户终端或管理服务器中，该基于意图识别的信息智能查询方法通过安装于用户终端或管理服务器中的应用软件进行执行，用户终端即是可用于接收用户输入的查询请求信息并进行信息查询获取查询结果的终端设备，如台式电脑、笔记本电脑、平板电脑或手机等，管理服务器即是可用于接收来自用户终端的查询请求信息进行信息查询获取信息查询结果并进行反馈的服务器端，如企业或政府部门所构建的服务器。如图1所示，该方法包括步骤S110～S140。
S110、若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息。
查询请求信息可以由用户终端的使用者通过用户终端发送至管理服务器，也可以是由使用者输入用户终端，查询请求信息可以是文字、语音或短视频，需从查询请求信息中获取对应的目标文字信息，并基于目标文字信息获取使用者真实的信息查询意图。
在一实施例中，如图2所示，步骤S110包括子步骤S111、S112和S113。
S111、判断所述查询请求信息的信息类型。
其中，所述信息类型包括文字信息类型和语音信息类型。具体的，查询请求信息中包含对应的格式标识信息，格式标识信息即是用于对查询请求信息的格式进行标识的信息，通过查询请求信息的格式标识信息即可判断查询请求信息的信息类型。
例如，若格式标识信息为txt、xml或string，则对应的查询请求信息为文字信息类型；若格式标识信息为wav、mp3、wma、avi、flv、rmvb，则该对应的查询请求信息为语音信息类型(包括音频信息类型及视频信息类型)。
例如，用户终端的使用者在终端页面的问题框中输入文字并点击确认按钮，则用户终端接收该文字信息得到查询请求信息，或将该文字作为查询请求信息发送至管理服务器；使用者点击终端页面的语音录入按钮，说出自己的问题并点击确认按钮，则用户终端接收语音得到查询请求信息，或将所录得的语音作为查询请求信息发送至管理服务器；使用者点击终端页面的视频录入按钮，正对用户终端的视频采集设备说出自己的问题并点击确认按钮，则用户终端接收所录入的段视频得到查询请求信息，或将所录得的短视频作为查询请求信息发送至管理服务器。
S112、若所述查询请求信息的信息类型为语音信息类型，则根据预存的语音识别模型对所述查询请求信息包含的语音信息进行识别以得到与所述查询请求信息对应的目标文字信息。
若查询请求信息为语音信息类型，则该查询请求信息可以是音频信息类型或视频信息类型，音频信息或视频信息中均包含语音信息。语音识别模型即是对音频信息或视频信息中所包含的语音信息进行识别及转换的模型，其中，所述语音识别模型包括噪音判断规则及文字信息获取模型。噪音判断规则即为对语音信息中是否包含噪音进行判断的规则，文字信息获取模型即为从语音信息中获取对应文字信息的模型，若语音信息中包含噪音，则会影响从语音信息中获取到的目标文字信息的精确度，因此在从语音信息中获取对应的目标文字信息之前，可通过噪音判断规则对语音信息中是否包含噪音进行判断，以确保从无噪音的语音信息中获取更加准确的目标文字信息。
在一实施例中，如图3所示，步骤S112包括子步骤S1121、S1122和S1123。
S1121、根据所述噪音判断规则对所述查询请求信息中的语音信息是否包含噪音进行判断。
根据所述噪音判断规则对所述查询请求信息中的语音信息是否包含噪音进行判断。具体的，由于人类说话时发出声音的频率处于一个固定频率区间(85Hz～1100Hz)，可基于语音信息中声纹信号的频率对语音信息进行采样，采样频率可以是5-50Hz，采样频率即为每秒钟从语音信息获取声纹信号响度值的次数，响度值的单位为分贝(decibel，dB)。例如，若采样频率为10Hz，则每秒钟从语音信息中获取10次处于声纹信号对应频率区间的响度值。可基于上述采样方法从语音信息中获取处于上述固定频率区间的多个响度值的平均值作为目标声音信号强度，采用上述采样方法从语音信息中获取未处于上述固定频率区间的其他声音信号的多个响度值的平均值作为背景噪声信号强度，判断背景噪声信号强度与目标声音信号强度之间的比值是否大于噪音判断规则中所预设的比例阈值，若比值大于比例阈值则判断该查询请求信息中的语音信息包含噪音；若比值不大于比例阈值则判断该查询请求信息中的语音信息不包含噪音。
S1122、若所述查询请求信息中的语音信息不包含噪音，根据所述文字信息获取模型对所述查询请求信息中的语音信息进行识别，以得到与所述查询请求信息对应的目标文字信息。
若所述查询请求信息中的语音信息不包含噪音，根据所述文字信息获取模型对所述查询请求信息中的语音信息进行识别，以得到与所述查询请求信息对应的目标文字信息。若查询请求信息中的语音信息不包含噪音，则可根据文字信息获取模型对语音信息进行识别以获取对应的目标文字信息，具体的，文字信息获取模型包括声学模型、语音特征词典及语义解析词典。
在一实施例中，步骤S1122包括子步骤：根据所述文字信息获取模型中的声学模型对所述查询请求信息中的语音信息进行切分以得到所述语音信息中所包含的多个音素；根据所述文字信息获取模型中的语音特征词典对所述音素进行匹配以将所述音素转换为拼音信息；根据所述文字信息获取模型中的语义解析词典对所述拼音信息进行语义解析以得到与所述查询请求信息对应的目标文字信息。
根据所述文字信息获取模型中的声学模型对所述查询请求信息中的语音信息进行切分以得到所述语音信息中所包含的多个音素。具体的，音频信息或视频信息中所包含的语音信息由多个字符发音的音素而组成，一个字符的音素包括该字符发音的频率和音色。声学模型中包含所有字符发音的音素，通过将语音信息与声学模型中所有的音素进行匹配，即可对语音信息中单个字符的音素进行切分，通过切分最终得到查询请求信息的语音信息中所包含的多个音素。
根据所述文字信息获取模型中的语音特征词典对所述音素进行匹配以将所述音素转换为拼音信息。语音特征词典中包含所有字符拼音对应的音素信息，通过将所得到的音素与字符拼音对应的音素信息进行匹配，即可将单个字符的音素转换为语音特征词典中与该音素相匹配的字符拼音，以实现将语音信息中所包含的所有音素转换为拼音信息。
根据所述文字信息获取模型中的语义解析词典对所述拼音信息进行语义解析以得到与所述查询请求信息对应的目标文字信息。语义解析词典中包含单个拼音信息或多个拼音词组与文字信息之间的映射关系，通过语义解析词典中所包含的映射关系即可对所得到的拼音信息进行语义解析以将拼音信息转换为对应的目标文字信息。
S1123、若所述查询请求信息中的语音信息包含噪音，反馈重新输入的提示信息以提示再次输入所述查询请求信息。
若查询请求信息中的语音信息包含噪音，则会影响所获取到的目标文字信息的精确度，此时可反馈重新输入的提示信息，以提示用户在低噪声环境下重新输入查询请求信息。
S113、若所述查询请求信息的信息类型为文字信息类型，将所述查询请求信息确定为目标文字信息。
若所述查询请求信息为文字信息类型，将所述查询请求信息作为目标文字信息。若查询请求信息为文字信息类型，则无需对该查询请求信息进行处理，可将查询请求信息直接作为目标文字信息进行后续处理。
S120、根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型。
根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型。所述文本意图解析模型包括分词处理规则及分类神经网络。可通过文本意图解析模型对目标文本信息进行解析，得到目标文本信息的意图类型。
在更具体的实施例中，如图4所示，步骤S120包括子步骤S121和S122。
S121、根据所述分词处理规则对所述目标文本信息进行分词处理得到分词结果。
根据所述分词处理规则对所述目标文本信息进行分词处理得到分词结果。可根据分词处理规则对目标文本信息进行分词处理，得到对应的分词结果，分词结果中包含由一个或多个字符组成的特征词，以及每一特征词的属性信息。所述分词处理规则包括向量转换数据库及词性标注网络。
在更具体的实施例中，如图5所示，步骤S121包括子步骤S1211、S1212和S1213。
S1211、根据所述向量转换数据库从所述目标文本信息中获取对应的文字特征向量。
向量转换数据库即为对字符与单位特征向量之间关联关系进行存储的数据表，向量转换数据库中包含每一字符对应的一个单位特征向量，单位特征向量可用于对字符的特征进行量化表示。根据目标文本信息即可从向量转换数据库中获取该目标文本信息中每一字符对应的一个单位特征向量，将该目标文本信息中包含的多个字符所对应的单位特征向量进行组合，即可得到对应的一个文字特征向量，也即是将目标文本信息转换为对应的文字特征向量。
例如，目标文本信息为“明天下午是否有英语课？”，对应得到的文字特征向量为[101,9251,3151,7821,6215,4152,3324,3620,8512,4831,8514,0635,102]。其中“101”为句首单位特征向量，“102”为句尾单位特征向量。
S1212、根据所述词性标注网络对所述文字特征向量进行词性标注，得到所述目标文本信息中每一字符对应的词性标注信息。
可通过词性标注网络对文字特征向量进行词性标注，得到目标文本信息中每一字符对应的词性标注信息。具体的，词性标注网络可基于BERT(Bidirectional EncoderRepresentations from Transformers)神经网络与CRF(Intro2 Conditional RandomField)神经网络进行组合得到。BERT神经网络可将文字特征向量进行特征计算得到文字特征向量对应的特征数组，若文字特征向量为1×H维的向量，则所得到的特征数组包含L×H(L行H列)个特征值的数组，每一特征值均属于[0，1]这一取值范围。CRF神经网络为一个序列化标注算法网络，将特征数组输入CRF神经网络，即可得到特征数组中每一行特征序列对应的标注值，除去句首单位特征向量及句尾单位特征向量对应的标注值，剩余的多个标注值即与目标文本信息中所包含的字符相对应，也即是得到与目标文本信息对应的词性标注信息。
S1213、根据每一字符对应的词性标注信息对所述目标文本信息进行分词处理，得到对应的分词结果。
根据字符标注信息即可对目标文本信息中包含的字符进行分词处理，判断相邻两个字符的标注值是否相同，若相同则将相邻连个字符进行组合，若不相同则将相邻两个字符进行分词处理。通过上述方法，即可对目标文本信息包含的所有字符进行分词处理，得到分词结果。
例如，“明”的标注值“203：名词-时间”，“天”的标注值为“203：名词-时间”，两个字符同时包含“名词-时间”，则可将两个字符进行组合，并将共同的标注值作为组合后所得到的词组的标注值。
S122、将所述分词结果及所述文字特征向量输入所述分类神经网络，以获取与所述目标文本信息对应的意图类型。
将分词结果中每一字符或词组的标注值与文字特征向量进行组合得到组合特征，并输入分类神经网络以获取对应的意图类型。分类神经网络可由一个输入层、多个中间层及一个输出层组成，输入层与首个中间层之间、中间层与前后相邻的其他中间层之间、末尾中间层与输出层之间均通过关联公式进行关联，例如某一关联公式可表示为y＝r×x+t，r和t即为该关联公式中的参数值。输入层中包含的输入节点的数量不小于组合特征中包含的特征值相等，输出层中包含多个输出节点，每一输出节点对应一个分类类型，将组合特征输入分类神经网络进行计算，即可从输出层中获取对应的输出结果，输出结果中包含与每一输出节点对应的匹配概率，可获取匹配概率最大的一个输出节点对应的分类类型作为与目标文本信息对应的意图类型。
如，“明”的标注值为“203”，其在文字特征向量中对应的单位特征向量为“9251”，则将该标注值与该单位特征向量进行组合作为与“明”对应的组合特征，获取目标文本信息中每一字符对应的组合特征并输入分类神经网络，即可得到对应的意图分类。
S130、根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息。
对目标文本信息进行分词处理后得到分词结果，分词结果中包含分词得到的单个字符或词组，将单个字符或词组作为目标文本信息包含的特征词，并基于关系识别网络及所得到的意图类型对特征词进行关联关系识别，得到特征词之间是否存在关联关系的特征词关联信息。
具体的，基于目标文本信息中包含的特征词构建语义矩阵，并通过一个全连接网络对特征词之间的关联关系进行识别，首先将意图类型转换为意图特征向量，并将特征词中每一字符在文字特征向量中的单位特征向量与字符的标注值进行组合，得到每一特征词的特征词向量，将两个特征词对应的特征词向量及意图特征向量同时输入全连接网络，并基于归一化函数Softmax(f(a，b))对全连接网络的输出结果进行归一化处理，得到归一化数值，判断归一化数值是否大于预置阈值，即可对两个特征词之间是否存在关联关系进行识别，若归一化数值大于预置阈值，则两个特征词之间存在关联关系；若归一化数值不大于预置阈值，则两个特征词之间不存在关联关系。
例如，基于“明天下午是否有英语课？”中包含的特征词构建得到的语义矩阵如表1所示。
Figure BDA0003256408960000101
表1
若“明天下午/N-Time”这一特征词与“英语课/OBJ-Course”这一特征词存在关联关系，则可在语义矩阵中对相应关联关系进行标识。
S140、根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
可根据意图类型及特征词关联关系，在预存的信息数据库进行数据查询，以从信息数据库中获取与查询请求对应的信息查询结果。其中，信息数据库即为管理服务器或用户终端中预先存储的用于记载各种信息的结构化数据库。例如对于在线教育这一场景，信息数据库中可包含与课程时间安排、课程费用相关的信息，还可包含课程习题、文章或知识点相关的信息。
在更具体的实施例中，如图6所示，步骤S140包括子步骤S141、S142和S143。
S141、根据所述特征词关联信息中存在关联关系的多个特征词及所述意图类型生成对应的关联查询语句。
若特征词关联信息中两个特征词或多个特征词之间存在关联关系，可基于存在关联关系的多个特征词及意图类型生成对应的关联查询语句，关联查询语句可以是SQL查询语句。
例如，意图类型为“排课”、特征词“明天下午/N-Time”与“英语课/OBJ-Course”之间存在关联关系，则可基于上述信息生成对应的关联查询语句，关联查询语句即可用于体现：在“排课信息(课程时间安排信息)”中查询“明天下午/N-Time”的“英语课/OBJ-Course”。
S142、根据所述特征词关联关系中不存在关联关系的特征词及所述意图类型生成单独查询语句。
若关联特征信息中包含不存在关联关系的特征词，则可基于该特征词与意图类型生成单独查询语句，所生成的单独查询语句也可以是SQL查询语句。
例如，意图类型为“购买-付费”，特征词为“写作课/OBJ-Course”，则可根据上述信息生成对应的单独查询语句，单独查询语句即可用于体现：在“付费信息(课程费用)”中查询“写作课/OBJ-Course”。
基于意图类型及特征词关联信息对应生成的查询语句中，可仅包含关联查询语句，也可仅包含单独查询语句，还可同时包含关联查询语句与单独查询语句。
S143、根据所述关联查询语句和/或所述单独查询语句，对所述信息数据库进行查询，以获取对应的信息查询结果。
可根据所得到的查询语句对信息数据库进行查询，每一条查询语句可实现对信息数据库进行一次查询，则每一条查询语句均可得到一个查询结果，基于所生成的一条或多条查询语句对信息数据库进行查询，并将所得到的查询结果进行综合，即可获取得到与查询请求信息对应的信息查询结果
在一实施例中，如图7所示，步骤S140之后还包括步骤S150。
S150、将所述信息查询结果上传至区块链中。
将所述信息查询结果上传至区块链中。基于信息查询结果得到对应的摘要信息，具体来说，摘要信息由信息查询结果进行散列处理得到，比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证信息查询结果是否被篡改。本示例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(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可应用于智慧教育等基于意图识别进行信息智能化查询的场景中，从而推动智慧教育的建设。
在本发明实施例所提供的基于意图识别的信息智能查询方法中，从用户输入的查询请求信息中提取得到对应的目标文字信息，根据文本意图解析模型对目标文本信息进行解析得到意图类型，并根据意图类型及关系识别网络识别目标文本信息中特征词之间的关联关系得到特征词关联信息，根据意图类型及特征词关联信息查询信息数据库得到信息查询结果。通过上述方法，可通过对目标文本信息进行解析得到准确的意图类型，并识别目标文本信息中特征词之间进行关联关系，基于意图类型及特征词之间的关联关系得到信息查询结果，可大幅增加进行信息查询的准确性，同时提高进行信息查询的效率。
本发明实施例还提供一种基于意图识别的信息智能查询装置，该基于意图识别的信息智能查询装置用于执行前述的基于意图识别的信息智能查询方法的任一实施例，具体地，请参阅图8，图8为本发明实施例提供的基于意图识别的信息智能查询装置的示意性框图。
如图8所示，基于意图识别的信息智能查询装置100包括目标文字信息获取单元110、意图类型识别单元120、特征词关联信息获取单元130和信息查询结果获取单元140。
目标文字信息获取单元110，用于若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息。
在一实施例中，所述目标文字信息获取单元110包括子单元：类型判断单元、语音信息识别单元和目标文字信息确定单元。
类型判断单元，用于判断所述查询请求信息的信息类型。
语音信息识别单元，用于若所述查询请求信息不为文字信息，根据预存的语音识别模型对所述查询请求信息包含的语音信息进行识别以得到与所述查询请求信息对应的目标文字信息。
在一实施例中，所述指标数据集获取单元包括子单元：噪声判断单元，用于根据所述噪音判断规则对所述查询请求信息中的语音信息是否包含噪音进行判断；语音识别单元，用于若所述查询请求信息中的语音信息不包含噪音，根据所述文字信息获取模型对所述查询请求信息中的语音信息进行识别，以得到与所述查询请求信息对应的目标文字信息；提示信息反馈单元，用于若所述查询请求信息中的语音信息包含噪音，反馈重新输入的提示信息以提示再次输入所述查询请求信息。
目标文字信息确定单元，用于若所述查询请求信息的信息类型为文字信息类型，将所述查询请求信息确定为目标文字信息。
意图类型识别单元120，用于根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型。
在一实施例中，所述意图类型识别单元120包括子单元：分词处理单元，用于根据所述分词处理规则对所述目标文本信息进行分词处理得到分词结果；分类单元，用于将所述分词结果及所述文字特征向量输入所述分类神经网络，以获取与所述目标文本信息对应的意图类型。
在一实施例中，所述分词处理单元包括子单元：文字特征向量获取单元，用于根据所述向量转换数据库从所述目标文本信息中获取对应的文字特征向量；词性标注信息获取单元，用于根据所述词性标注网络对所述文字特征向量进行词性标注，得到所述目标文本信息中每一字符对应的词性标注信息；分词结果获取单元，用于根据每一字符对应的词性标注信息对所述目标文本信息进行分词处理，得到对应的分词结果。
特征词关联信息获取单元130，用于根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息。
信息查询结果获取单元140，用于根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
在一实施例中，所述信息查询结果获取单元140包括子单元：关联查询语句生成单元，用于根据所述特征词关联信息中存在关联关系的多个特征词及所述意图类型生成对应的关联查询语句；单独查询语句生成单元，用于根据所述特征词关联关系中不存在关联关系的特征词及所述意图类型生成单独查询语句；信息查询单元，用于根据所述关联查询语句和/或所述单独查询语句，对所述信息数据库进行查询，以获取对应的信息查询结果。
在一实施例中，所述基于意图识别的信息智能查询装置100还包括子单元：信息查询结果存储单元，用于将所述信息查询结果上传至区块链中。
在本发明实施例所提供的基于意图识别的信息智能查询装置应用上述基于意图识别的信息智能查询方法，从用户输入的查询请求信息中提取得到对应的目标文字信息，根据文本意图解析模型对目标文本信息进行解析得到意图类型，并根据意图类型及关系识别网络识别目标文本信息中特征词之间的关联关系得到特征词关联信息，根据意图类型及特征词关联信息查询信息数据库得到信息查询结果。通过上述方法，可通过对目标文本信息进行解析得到准确的意图类型，并识别目标文本信息中特征词之间进行关联关系，基于意图类型及特征词之间的关联关系得到信息查询结果，可大幅增加进行信息查询的准确性，同时提高进行信息查询的效率。
上述基于意图识别的信息智能查询装置可以实现为计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9，图9是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于意图识别的信息智能查询方法以基于意图识别进行信息智能化查询的的用户终端或管理服务器。
参阅图9，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于意图识别的信息智能查询方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于意图识别的信息智能查询方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的基于意图识别的信息智能查询方法中对应的功能。
本领域技术人员可以理解，图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图9所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的基于意图识别的信息智能查询方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，管理服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于意图识别的信息智能查询方法，其特征在于，包括：
若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息；
根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型；
根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息；
根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
2.根据权利要求1所述的基于意图识别的信息智能查询方法，其特征在于，所述从所述查询请求信息中提取对应的目标文字信息，包括：
判断所述查询请求信息的信息类型；
若所述查询请求信息的信息类型为语音信息类型，则根据预存的语音识别模型对所述查询请求信息包含的语音信息进行识别以得到与所述查询请求信息对应的目标文字信息；
若所述查询请求信息的信息类型为文字信息类型，将所述查询请求信息确定为目标文字信息。
3.根据权利要求2所述的基于意图识别的信息智能查询方法，其特征在于，所述语音识别模型包括噪音判断规则及文字信息获取模型，所述根据预存的语音识别模型对所述查询请求信息包含的语音信息进行识别以得到与所述查询请求信息对应的目标文字信息，包括：
根据所述噪音判断规则对所述查询请求信息中的语音信息是否包含噪音进行判断；
若所述查询请求信息中的语音信息不包含噪音，根据所述文字信息获取模型对所述查询请求信息中的语音信息进行识别，以得到与所述查询请求信息对应的目标文字信息；
若所述查询请求信息中的语音信息包含噪音，反馈重新输入的提示信息以提示再次输入所述查询请求信息。
4.根据权利要求1所述的基于意图识别的信息智能查询方法，其特征在于，所述文本意图解析模型包括分词处理规则及分类神经网络，所述根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型，包括：
根据所述分词处理规则对所述目标文本信息进行分词处理得到分词结果；
将所述分词结果及所述文字特征向量输入所述分类神经网络，以获取与所述目标文本信息对应的意图类型。
5.根据权利要求4所述的基于意图识别的信息智能查询方法，其特征在于，所述分词处理规则包括向量转换数据库及词性标注网络，所述根据所述分词处理规则对所述目标文本信息进行分词处理得到分词结果，包括：
根据所述向量转换数据库从所述目标文本信息中获取对应的文字特征向量；
根据所述词性标注网络对所述文字特征向量进行词性标注，得到所述目标文本信息中每一字符对应的词性标注信息；
根据每一字符对应的词性标注信息对所述目标文本信息进行分词处理，得到对应的分词结果。
6.根据权利要求1所述的基于意图识别的信息智能查询方法，其特征在于，所述根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果，包括：
根据所述特征词关联信息中存在关联关系的多个特征词及所述意图类型生成对应的关联查询语句；
根据所述特征词关联关系中不存在关联关系的特征词及所述意图类型生成单独查询语句；
根据所述关联查询语句和/或所述单独查询语句，对所述信息数据库进行查询，以获取对应的信息查询结果。
7.根据权利要求1所述的基于意图识别的信息智能查询方法，其特征在于，还包括：
将所述信息查询结果上传至区块链中。
8.一种基于意图识别的信息智能查询装置，其特征在于，包括：
目标文字信息获取单元，用于若接收到所输入的查询请求信息，从所述查询请求信息中提取对应的目标文字信息；
意图类型识别单元，用于根据预置的文本意图解析模型对所述目标文本信息进行解析得到对应的意图类型；
特征词关联信息获取单元，用于根据预置的关系识别网络及所述意图类型对所述目标文本信息中特征词之间进行关联关系识别，得到与所述目标文本信息对应的特征词关联信息；
信息查询结果获取单元，用于根据所述意图类型及所述特征词关联信息对预存的信息数据库进行查询，以获取与所述查询请求信息对应的信息查询结果。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上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中任一项所述的基于意图识别的信息智能查询方法。
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存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于意图识别的信息智能查询方法。
CN202111060715.2A 2021-09-10 2021-09-10 基于意图识别的信息智能查询方法、装置、设备及介质 Pending CN113761206A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111060715.2A CN113761206A (zh) 2021-09-10 2021-09-10 基于意图识别的信息智能查询方法、装置、设备及介质
PCT/CN2022/071789 WO2023035529A1 (zh) 2021-09-10 2022-01-13 基于意图识别的信息智能查询方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111060715.2A CN113761206A (zh) 2021-09-10 2021-09-10 基于意图识别的信息智能查询方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113761206A true CN113761206A (zh) 2021-12-07

Family

ID=78794688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111060715.2A Pending CN113761206A (zh) 2021-09-10 2021-09-10 基于意图识别的信息智能查询方法、装置、设备及介质

Country Status (2)

Country Link
CN (1) CN113761206A (zh)
WO (1) WO2023035529A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023035529A1 (zh) * 2021-09-10 2023-03-16 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522393A (zh) * 2018-10-11 2019-03-26 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备和存储介质
CN110046231A (zh) * 2018-12-21 2019-07-23 阿里巴巴集团控股有限公司 一种客服信息处理方法、服务器和系统
CN111026921A (zh) * 2019-12-26 2020-04-17 深圳前海环融联易信息科技服务有限公司 基于图的关联关系获取方法、装置及计算机设备
CN111694938A (zh) * 2020-04-27 2020-09-22 平安科技（深圳）有限公司 基于情绪识别的答复方法、装置、计算机设备及存储介质
CN112115252A (zh) * 2020-08-26 2020-12-22 罗彤 智能辅助写作处理方法、装置、电子设备及存储介质
CN112380421A (zh) * 2020-11-11 2021-02-19 北京希瑞亚斯科技有限公司 简历的搜索方法、装置、电子设备及计算机存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3531303A1 (en) * 2018-02-27 2019-08-28 Micware Co., Ltd. Information retrieval apparatus, information retrieval system, information retrieval method, and program
CN113076431B (zh) * 2021-04-28 2022-09-02 平安科技（深圳）有限公司 机器阅读理解的问答方法、装置、计算机设备及存储介质
CN113761206A (zh) * 2021-09-10 2021-12-07 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109522393A (zh) * 2018-10-11 2019-03-26 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备和存储介质
CN110046231A (zh) * 2018-12-21 2019-07-23 阿里巴巴集团控股有限公司 一种客服信息处理方法、服务器和系统
CN111026921A (zh) * 2019-12-26 2020-04-17 深圳前海环融联易信息科技服务有限公司 基于图的关联关系获取方法、装置及计算机设备
CN111694938A (zh) * 2020-04-27 2020-09-22 平安科技（深圳）有限公司 基于情绪识别的答复方法、装置、计算机设备及存储介质
CN112115252A (zh) * 2020-08-26 2020-12-22 罗彤 智能辅助写作处理方法、装置、电子设备及存储介质
CN112380421A (zh) * 2020-11-11 2021-02-19 北京希瑞亚斯科技有限公司 简历的搜索方法、装置、电子设备及计算机存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023035529A1 (zh) * 2021-09-10 2023-03-16 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质

Also Published As

Publication number Publication date
WO2023035529A1 (zh) 2023-03-16

Similar Documents

Publication Publication Date Title
CN106782560B (zh) 确定目标识别文本的方法及装置
US9324323B1 (en) Speech recognition using topic-specific language models
CN109087670B (zh) 情绪分析方法、系统、服务器及存储介质
JP6909832B2 (ja) オーディオにおける重要語句を認識するための方法、装置、機器及び媒体
US11494434B2 (en) Systems and methods for managing voice queries using pronunciation information
CN113836277A (zh) 用于数字助理的机器学习系统
US20040024598A1 (en) Thematic segmentation of speech
CN108027814B (zh) 停用词识别方法与装置
WO2021114841A1 (zh) 一种用户报告的生成方法及终端设备
US9652991B2 (en) Systems and methods for content scoring of spoken responses
US20190385610A1 (en) Methods and systems for transcription
US20200286485A1 (en) Methods and systems for transcription
CN112487824A (zh) 客服语音情感识别方法、装置、设备及存储介质
KR101677859B1 (ko) 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치
Dyriv et al. The user's psychological state identification based on Big Data analysis for person's electronic diary
WO2022022049A1 (zh) 文本长难句的压缩方法、装置、计算机设备及存储介质
CN113761206A (zh) 基于意图识别的信息智能查询方法、装置、设备及介质
US11410656B2 (en) Systems and methods for managing voice queries using pronunciation information
CN111401069A (zh) 会话文本的意图识别方法、意图识别装置及终端
CN112071304B (zh) 一种语意分析方法及装置
CN114242047A (zh) 一种语音处理方法、装置、电子设备及存储介质
CN111401034B (zh) 文本的语义分析方法、语义分析装置及终端
CN110895938B (zh) 语音校正系统及语音校正方法
Tetariy et al. An efficient lattice-based phonetic search method for accelerating keyword spotting in large speech databases
CN114117034B (zh) 一种基于智能模型推送不同风格文本的方法和装置

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