CN115269810B - 对话语料的检索方法及装置 - Google Patents

Abstract

本公开涉及检索技术领域，提供了对话语料的检索方法及装置。该方法包括：获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计检索文本中所有检索词在每条对话语料中出现的总次数；计算检索文本中所有检索词在每条对话语料中的总距离；根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。采用上述技术手段，解决现有技术中，现有的检索对话记录的方法，存在效率低和准确率低的问题。

Description

对话语料的检索方法及装置

技术领域

本公开涉及检索技术领域，尤其涉及一种对话语料的检索方法及装置。

背景技术

随着数字化和智能化技术在各个领域的深入发展，更多的智能化设备在生活中发挥作用。各种智能的语音设备，如智能音箱、智能手机、智能机器人等设备都已经支持语音的对话。对话记录会不停的增长，面对千万甚至上亿级的对话记录，如何能快速、准确的获得需要的信息，是一个急需解决的问题。

对话记录的检索区别于普通文档的检索，有如下的特点：检索文本的内容都比较简单，是一系列的单词的集合，信息精简；对话记录的内容则一般不同于普通文档，对话记录的内容都比较简短，基本是单句构成。目前的检索方法都是针对普通文档的，并没有针对对话记录的检索方法，使用现有的检索方法检索对话记录，效率低以及准确率低。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：现有的检索对话记录的方法，存在效率低和准确率低的问题。

发明内容

有鉴于此，本公开实施例提供了一种对话语料的检索方法、装置、电子设备和计算机可读的存储介质，以解决现有技术中，现有的检索对话记录的方法，存在效率低和准确率低的问题。

本公开实施例的第一方面，提供了一种对话语料的检索方法，包括：获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计检索文本中所有检索词在每条对话语料中出现的总次数；计算检索文本中所有检索词在每条对话语料中的总距离；根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。

本公开实施例的第二方面，提供了一种对话语料的检索装置，包括：获取模块，被配置为获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计模块，被配置为统计检索文本中所有检索词在每条对话语料中出现的总次数；计算模块，被配置为计算检索文本中所有检索词在每条对话语料中的总距离；第一确定模块，被配置为根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；第二确定模块，被配置为根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种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，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计检索文本中所有检索词在每条对话语料中出现的总次数；计算检索文本中所有检索词在每条对话语料中的总距离；根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。采用上述技术手段，可以解决现有技术中，现有的检索对话记录的方法，存在效率低和准确率低的问题，进而提供一种针对于对话记录的检索方法，提高检索对话记录的效率和准确率。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。

图1是本公开实施例的应用场景的场景示意图；

图2是本公开实施例提供的一种对话语料的检索方法的流程示意图；

图3是本公开实施例提供的一种对话语料的检索装置的结构示意图；

图4是本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

下面将结合附图详细说明根据本公开实施例的一种对话语料的检索方法和装置。

图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。

终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备101、102和103为软件时，其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。

服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。

需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。

网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙（Bluetooth）、近场通信（Near FieldCommunication，NFC）、红外（Infrared）等，本公开实施例对此不作限制。

用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。

图2是本公开实施例提供的一种对话语料的检索方法的流程示意图。图2的对话语料的检索方法可以由图1的终端设备或服务器执行。如图2所示，该对话语料的检索方法包括：

S201，获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；

S202，统计检索文本中所有检索词在每条对话语料中出现的总次数；

S203，计算检索文本中所有检索词在每条对话语料中的总距离；

S204，根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；

S205，根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。

检索文本可以是用户输入的一条用于检索的检索式，检索文本限定了检索的条件；待检索的对话语料集是一个数据集，用户在该数据集中进行检索，找到自己需要的信息。根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果，可以是将得分最高的一条或多条对话语料作为检索结果。

根据本公开实施例提供的技术方案，获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计检索文本中所有检索词在每条对话语料中出现的总次数；计算检索文本中所有检索词在每条对话语料中的总距离；根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。采用上述技术手段，可以解决现有技术中，现有的检索对话记录的方法，存在效率低和准确率低的问题，进而提供一种针对于对话记录的检索方法，提高检索对话记录的效率和准确率。

在执行步骤S201之前，也就是获取检索文本和待检索的对话语料集之前，方法还包括：获取历史对话记录；以标点符号为分割依据，对历史对话记录进行分割，得到多条对话语料；根据分割得到的多条对话语料构建对话语料集。

一段连续的对话，包含了若干轮交互，每次交互中用户都会进行咨询或者问答的句子。例如一段进行中国的对话可以为：机器人：您好，我是机器人格格，有什么可以帮您的。用户：最近的好吃的麦当劳。机器人：您能再细说一下么。用户：就是吃饭的那个麦当劳啊，快餐。

标点符号，包括：句号、分号、问号和叹号等。对历史对话记录进行分割，得到四条对话语料，如{“您好，我是机器人格格，有什么可以帮您的”，“最近的好吃的麦当劳”，“您能再细说一下么”，“就是吃饭的那个麦当劳啊，快餐”}。

在步骤S203中，计算检索文本中所有检索词在每条对话语料中的总距离，包括：计算检索文本中每两个检索词在每条对话语料中的距离；根据检索文本中每两个检索词在每条对话语料中的距离，确定检索文本中所有检索词在每条对话语料中的总距离。

计算检索文本中每两个检索词在每条对话语料中的距离，包括：对每条对话语料进行语法分析，得到每条对话语料对应的分析结果；基于每条对话语料对应的分析结果，构建检索文本中每两个检索词在每条对话语料中的依存关系；根据检索文本中每两个检索词在每条对话语料中的依存关系，计算检索文本中每两个检索词在每条对话语料中的距离。

对每条对话语料进行语法分析，可以使用语法分析器，例如Zpar等工具。分析结果是每条对话语料内部词语或者字之间在语法上的关系。依存关系是基于分析结果建立的，用于表明每条对话语料内部词语或者字之间的依赖关系。例如，在一个形容词短语片段中，形容词就会依赖于名词。“好吃的饭馆”，“好吃的”就依赖于“饭馆”。本公开认为一个词语被依赖的越多，这个词就越重要，两个检索词在同一个句子中产生依存关系，说明这个句子就越和检索文本的意图相关。

根据检索文本中每两个检索词在每条对话语料中的依存关系，计算检索文本中每两个检索词在每条对话语料中的距离，包括：对每条对话语料进行分词处理，得到每条对话语料对应的分词结果，其中，分词结果包括多个词语；根据检索文本中每两个检索词在每条对话语料中的依存关系和每条对话语料对应的分词结果，计算检索文本中每两个检索词在每条对话语料中的距离。

分词处理是将一段话分为多个词语，常见于自然语言处理技术中。

一条对话语料中临近的词语或字之间存在依存关系，修饰名词的形容词和该名词具有依存关系，存在依存关系的词语或字之间的距离为1，如果两个词语或字之间通过n个词语或字可以建立依存关系，那么这两个词语或字之间的距离为n，如果没有依存关系，可以将距离记为10。

比如，一条对话语料为“最近的好吃的麦当劳”，检索文本为{最近，快餐，麦当劳}，该条对话语料对应的分词结果为{最近，的，好吃，的，麦当劳}。那么在该条对话语料最近用于修饰麦当劳，所以最近和麦当劳有依存关系，好吃用于修饰麦当劳，好吃和麦当劳有依存关系，除此之外，临近的词语或字之间也存在依存关系，如的和好吃之间有依存关系，那么最近和麦当劳在该条对话语料中的距离为1；最近和快餐之间没有依存关系，那么最近和快餐在该条对话语料中的距离为10；麦当劳和快餐之间没有依存关系，那么麦当劳和快餐在该条对话语料中的距离为10。

通过如下公式，计算所述检索文本q中所有检索词在对话语料s中的总距离

：

其中，x和y为q中的任意两个检索词，k为q中以每两个检索词为一组而得到的所有组的组数，

为x和y在s中的距离，

是对q中以每两个检索词为一组而得到的所有组对应的距离求和。

比如，一条对话语料为“最近的好吃的麦当劳”，检索文本为{最近，快餐，麦当劳}，该条对话语料对应的分词结果为{最近，的，好吃，的，麦当劳}。检索文本有3个检索词，那么可以组成3组x和y，所以k为3；最近和麦当劳在该条对话语料中的距离为1；最近和快餐在该条对话语料中的距离为10；麦当劳和快餐在该条对话语料中的距离为10；

为21；

为21/（3*3）=7/3。

通过如下公式，计算每条对话语料s对应的匹配得分

：

其中，q为所述检索文本，α和β均为预设的系数，

为q中所有检索词在s中的总距离，

为q中所有检索词在s中出现的总次数。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3是本公开实施例提供的一种对话语料的检索装置的示意图。如图3所示，该对话语料的检索装置包括：

获取模块301，被配置为获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；

统计模块302，被配置为统计检索文本中所有检索词在每条对话语料中出现的总次数；

计算模块303，被配置为计算检索文本中所有检索词在每条对话语料中的总距离；

第一确定模块304，被配置为根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；

第二确定模块305，被配置为根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。

检索文本可以是用户输入的一条用于检索的检索式，检索文本限定了检索的条件；待检索的对话语料集是一个数据集，用户在该数据集中进行检索，找到自己需要的信息。根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果，可以是将得分最高的一条或多条对话语料作为检索结果。

根据本公开实施例提供的技术方案，获取检索文本和待检索的对话语料集，其中，检索文本包括多个检索词，对话语料集包括多条对话语料；统计检索文本中所有检索词在每条对话语料中出现的总次数；计算检索文本中所有检索词在每条对话语料中的总距离；根据检索文本中所有检索词在每条对话语料中出现的总次数和检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；根据每条对话语料对应的匹配得分，从对话语料集中确定出检索结果。采用上述技术手段，可以解决现有技术中，现有的检索对话记录的方法，存在效率低和准确率低的问题，进而提供一种针对于对话记录的检索方法，提高检索对话记录的效率和准确率。

可选地，获取模块301还被配置为获取历史对话记录；以标点符号为分割依据，对历史对话记录进行分割，得到多条对话语料；根据分割得到的多条对话语料构建对话语料集。

一段连续的对话，包含了若干轮交互，每次交互中用户都会进行咨询或者问答的句子。例如一段进行中国的对话可以为：机器人：您好，我是机器人格格，有什么可以帮您的。用户：最近的好吃的麦当劳。机器人：您能再细说一下么。用户：就是吃饭的那个麦当劳啊，快餐。

标点符号，包括：句号、分号、问号和叹号等。对历史对话记录进行分割，得到四条对话语料，如{“您好，我是机器人格格，有什么可以帮您的”，“最近的好吃的麦当劳”，“您能再细说一下么”，“就是吃饭的那个麦当劳啊，快餐”}。

可选地，计算模块303还被配置为计算检索文本中每两个检索词在每条对话语料中的距离；根据检索文本中每两个检索词在每条对话语料中的距离，确定检索文本中所有检索词在每条对话语料中的总距离。

计算检索文本中每两个检索词在每条对话语料中的距离，包括：对每条对话语料进行语法分析，得到每条对话语料对应的分析结果；基于每条对话语料对应的分析结果，构建检索文本中每两个检索词在每条对话语料中的依存关系；根据检索文本中每两个检索词在每条对话语料中的依存关系，计算检索文本中每两个检索词在每条对话语料中的距离。

对每条对话语料进行语法分析，可以使用语法分析器，例如Zpar等工具。分析结果是每条对话语料内部词语或者字之间在语法上的关系。依存关系是基于分析结果建立的，用于表明每条对话语料内部词语或者字之间的依赖关系。例如，在一个形容词短语片段中，形容词就会依赖于名词。“好吃的饭馆”，“好吃的”就依赖于“饭馆”。本公开认为一个词语被依赖的越多，这个词就越重要，两个检索词在同一个句子中产生依存关系，说明这个句子就越和检索文本的意图相关。

可选地，计算模块303还被配置为对每条对话语料进行分词处理，得到每条对话语料对应的分词结果，其中，分词结果包括多个词语；根据检索文本中每两个检索词在每条对话语料中的依存关系和每条对话语料对应的分词结果，计算检索文本中每两个检索词在每条对话语料中的距离。

分词处理是将一段话分为多个词语，常见于自然语言处理技术中。

一条对话语料中临近的词语或字之间存在依存关系，修饰名词的形容词和该名词具有依存关系，存在依存关系的词语或字之间的距离为1，如果两个词语或字之间通过n个词语或字可以建立依存关系，那么这两个词语或字之间的距离为n，如果没有依存关系，可以将距离记为10。

比如，一条对话语料为“最近的好吃的麦当劳”，检索文本为{最近，快餐，麦当劳}，该条对话语料对应的分词结果为{最近，的，好吃，的，麦当劳}。那么在该条对话语料最近用于修饰麦当劳，所以最近和麦当劳有依存关系，好吃用于修饰麦当劳，好吃和麦当劳有依存关系，除此之外，临近的词语或字之间也存在依存关系，如的和好吃之间有依存关系，那么最近和麦当劳在该条对话语料中的距离为1；最近和快餐之间没有依存关系，那么最近和快餐在该条对话语料中的距离为10；麦当劳和快餐之间没有依存关系，那么麦当劳和快餐在该条对话语料中的距离为10。

可选地，计算模块303还被配置为通过如下公式，计算所述检索文本q中所有检索词在对话语料s中的总距离

：

其中，x和y为q中的任意两个检索词，k为q中以每两个检索词为一组而得到的所有组的组数，

为x和y在s中的距离，

是对q中以每两个检索词为一组而得到的所有组对应的距离求和。

比如，一条对话语料为“最近的好吃的麦当劳”，检索文本为{最近，快餐，麦当劳}，该条对话语料对应的分词结果为{最近，的，好吃，的，麦当劳}。检索文本有3个检索词，那么可以组成3组x和y，所以k为3；最近和麦当劳在该条对话语料中的距离为1；最近和快餐在该条对话语料中的距离为10；麦当劳和快餐在该条对话语料中的距离为10；

为21；

为21/（3*3）=7/3。

可选地，第一确定模块304还被配置为计通过如下公式，计算每条对话语料s对应的匹配得分

：

其中，q为所述检索文本，α和β均为预设的系数，

为q中所有检索词在s中的总距离，

为q中所有检索词在s中出现的总次数。

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，而不应对本公开实施例的实施过程构成任何限定。

图4是本公开实施例提供的电子设备4的示意图。如图4所示，该实施例的电子设备4包括：处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序403可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在电子设备4中的执行过程。

电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，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，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器401可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。

存储器402可以是电子设备4的内部存储单元，例如，电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备，例如，电子设备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。进一步地，存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。

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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

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、或者计算机软件和电子硬件的结合来实现。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公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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实施例方案的目的。

另外，在本公开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。

集成的模块/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，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (7)

1.一种对话语料的检索方法，其特征在于，包括：

获取检索文本和待检索的对话语料集，其中，所述检索文本包括多个检索词，所述对话语料集包括多条对话语料；

统计所述检索文本中所有检索词在每条对话语料中出现的总次数；

计算所述检索文本中所有检索词在每条对话语料中的总距离；

根据所述检索文本中所有检索词在每条对话语料中出现的总次数和所述检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；

根据每条对话语料对应的匹配得分，从所述对话语料集中确定出检索结果；

其中，计算所述检索文本中所有检索词在每条对话语料中的总距离，包括：计算所述检索文本中每两个检索词在每条对话语料中的距离；根据所述检索文本中每两个检索词在每条对话语料中的距离，确定所述检索文本中所有检索词在每条对话语料中的总距离；

其中，计算所述检索文本中每两个检索词在每条对话语料中的距离，包括：对每条对话语料进行语法分析，得到每条对话语料对应的分析结果；基于每条对话语料对应的分析结果，构建所述检索文本中每两个检索词在每条对话语料中的依存关系；根据所述检索文本中每两个检索词在每条对话语料中的依存关系，计算所述检索文本中每两个检索词在每条对话语料中的距离；

其中，通过如下公式，计算所述检索文本q中所有检索词在对话语料s中的总距离

：

其中，x和y为q中的任意两个检索词，k为q中以每两个检索词为一组而得到的所有组的组数，

为x和y在s中的距离，

是对q中以每两个检索词为一组而得到的所有组对应的距离求和。

2.根据权利要求1所述的方法，其特征在于，获取检索文本和待检索的对话语料集之前，所述方法还包括：

获取历史对话记录；

以标点符号为分割依据，对所述历史对话记录进行分割，得到多条对话语料；

根据分割得到的多条对话语料构建所述对话语料集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述检索文本中每两个检索词在每条对话语料中的依存关系，计算所述检索文本中每两个检索词在每条对话语料中的距离，包括：

对每条对话语料进行分词处理，得到每条对话语料对应的分词结果，其中，分词结果包括多个词语；

根据所述检索文本中每两个检索词在每条对话语料中的依存关系和每条对话语料对应的分词结果，计算所述检索文本中每两个检索词在每条对话语料中的距离。

4.根据权利要求1所述的方法，其特征在于，通过如下公式，计算每条对话语料s对应的匹配得分

：

其中，q为所述检索文本，α和β均为预设的系数，

为q中所有检索词在s中的总距离，

为q中所有检索词在s中出现的总次数。

5.一种对话语料的检索装置，其特征在于，包括：

获取模块，被配置为获取检索文本和待检索的对话语料集，其中，所述检索文本包括多个检索词，所述对话语料集包括多条对话语料；

统计模块，被配置为统计所述检索文本中所有检索词在每条对话语料中出现的总次数；

计算模块，被配置为计算所述检索文本中所有检索词在每条对话语料中的总距离；

第一确定模块，被配置为根据所述检索文本中所有检索词在每条对话语料中出现的总次数和所述检索文本中所有检索词在每条对话语料中的总距离，计算每条对话语料对应的匹配得分；

第二确定模块，被配置为根据每条对话语料对应的匹配得分，从所述对话语料集中确定出检索结果；

所述计算模块还被配置为计算所述检索文本中每两个检索词在每条对话语料中的距离；根据所述检索文本中每两个检索词在每条对话语料中的距离，确定所述检索文本中所有检索词在每条对话语料中的总距离；

所述计算模块还被配置为对每条对话语料进行语法分析，得到每条对话语料对应的分析结果；基于每条对话语料对应的分析结果，构建所述检索文本中每两个检索词在每条对话语料中的依存关系；根据所述检索文本中每两个检索词在每条对话语料中的依存关系，计算所述检索文本中每两个检索词在每条对话语料中的距离；

所述计算模块还被配置为通过如下公式，计算所述检索文本q中所有检索词在对话语料s中的总距离

：

其中，x和y为q中的任意两个检索词，k为q中以每两个检索词为一组而得到的所有组的组数，

为x和y在s中的距离，

是对q中以每两个检索词为一组而得到的所有组对应的距离求和。

6.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且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4中任一项所述方法的步骤。

7.一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4中任一项所述方法的步骤。

Images