CN115840510B - 用于民航智能问答的输入联想方法、电子设备及存储介质 - Google Patents
用于民航智能问答的输入联想方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115840510B CN115840510B CN202310141654.5A CN202310141654A CN115840510B CN 115840510 B CN115840510 B CN 115840510B CN 202310141654 A CN202310141654 A CN 202310141654A CN 115840510 B CN115840510 B CN 115840510B
- Authority
- CN
- China
- Prior art keywords
- output result
- sentences
- word
- target
- output
- 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
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明提供了一种用于民航智能问答的输入联想方法,包括:获取输入的目标字符串和其长度,如果长度大于设定长度,遍历目标实体词库,对于当前目标实体词库,如果目标字符串中包含当前目标实体词库中的任一实体词,则从当前库中获取与对应的固定语句作为当前输出结果;如果小于设定长度,从第一设定语料库中获取以所述目标字符串开头的语句,如果获取到对应的目标语句,则将获取到的目标语句作为输出结果;对所述目标字符串进行分词处理,得到分词集;从第二设定语料库中获取对应的语句,得到对应的语句集;如果语句集存在交集,将交集得到的语句作为输出结果;输出结果。本发明还提供一种电子设备和存储介质。本发明能够输出尽可能丰富的联想词。
Description
技术领域
本发明涉及智能检索领域,特别是涉及一种用于民航智能问答的输入联想方法、电子设备及存储介质。
背景技术
随着互联网技术的大力发展,人们越来越依赖于从互联网获取所需信息。在用户使用搜索框搜索内容时,通常在搜索框内每输入一个字,搜索框都会在预先构建好的输入联想词库中查找与输入的字匹配的联想词,并搜索框下面呈现的输入联想词列表中进行显示,以便用户可以直接点击推荐的输入联想词,进而不需要继续输入文字就可以直接搜索到想要查看的内容。然而,现有的输入联想方式,需要用户输入意思相对完整的字符,才能给出对应的联想词,或者,由于语料有限,可能会存在无法匹配,从而提供不了联想词的情况。在用户输入的字符比较模糊或者字符数过短时,例如仅输入一个字时,将无法给出对应的联想词,从而导致适用性差,用户体验差。
发明内容
针对上述技术问题,本发明采用的技术方案为:
本发明实施例提供一种用于民航智能问答的输入联想方法,所述方法包括如下步骤:
S100,获取目标字符串的长度L,如果L>L0,执行S200;否则,执行S400;L0为设定长度;
S200,获取n个目标实体词库;每一目标实体词库中均包含若干实体词和对应的固定语句,任意两个目标实体词库对应的实体词类别不同,同一目标实体词词库中的实体词,均对应同一实体词类别;
S300,遍历n个目标实体词库,对于第i个目标实体词库,如果目标字符串中包含第i个目标实体词库中的任一实体词,则从第i个目标实体词库中获取与该实体词对应的固定语句作为ki个输出结果,i的取值为1到n;将k1+k2+…+ki+…+kn个输出结果作为第一输出结果;执行S400;
S400,从第一设定语料库中获取以所述目标字符串开头的语句,如果获取到对应的目标语句,则将获取到的目标语句作为第二输出结果,并执行S500;否则,执行S500;
S500,对所述目标字符串进行分词处理,得到分词集P=(P1,P2,…,Pj,…,Pm),Pj为P中的第j个分词,j的取值为1到m,m为P中的分词数量;如果m>1,执行S600;否则,执行S700;
S600,基于P,从第二设定语料库中获取对应的语句作为第三输出结果;执行S710;
S700,将第一输出结果和第二输出结果中的至少部分作为输出结果,并输出;
S710,将第一输出结果、第二输出结果和第三输出结果中的至少部分作为输出结果,并输出。
本发明至少具有以下有益效果:
本发明实施例提供的用于民航智能问答的输入联想方法,对输入的字符串,如果字符串长度大于设定长度,首先会进行固定语句匹配,接着会使用第一设定语料库进行匹配,在没有匹配到合适的联想词的情况下,会对字符串进行分词处理之后使用第二设定语料库进行匹配,如果还没有匹配到合适的联想词,则会对字符串进行同义词替换和/或关键词提取,基于同义词替换和/或关键词提取的结果再从第二设定语料库中进行匹配,以通过多种方式进行匹配,从而能够使得提供的联想词尽可能的丰富和准确,用户体验好。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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用于民航智能问答的输入联想方法的流程图。
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,所描述的实施例仅仅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。
图1为本发明实施例提供的用于民航智能问答的输入联想方法的流程图。
本发明一实施例提供一种用于民航智能问答的输入联想方法,如图1所示,所述方法可包括如下步骤:
S100,获取目标字符串的长度L,如果L>L0,执行S200;否则,执行S400;L0为设定长度。在本发明实施例中,目标字符串可为用户在设定信息提供网站的输入框内输入的所有字符组成的字符串,例如,用户输入的字符为“南方航空 延误”,则目标字符串为“南方航空 延误”。又例如,用户输入的字符为“我想去北京”,则目标字符串为“我想去北京”。
L0为设定长度,可基于实际需要进行设置,在一个示意性实施例中,L0为2个字符或者3个字符,优选为3个字符。
S200,获取n个目标实体词库;每一目标实体词库中均包含若干实体词和对应的固定语句,任意两个目标实体词库对应的实体词类别不同,同一目标实体词词库中的实体词,均对应同一实体词类别。
在本发明实施例中,n个目标实体词库可预先存储在服务器中,该服务器为与设定信息提供网站通信连接的服务器。在一个示例中,每个目标实体词库可包括存储有若干实体词的实体词表和与实体词表关联的固定语句表。在另一个示例中,每个目标实体词库可包括存储有若干实体词的实体词表和与若干个实体词关联的若干个固定语句表。优选,为减少存储资源,所有固定语句可存储在同一个表中。
目标实体词库的类别和数量可基于实际需求进行设置,在一个示意性实施例中,目标实体词库可为与航空相关联的词库,例如,可包括航司、机场和安检等实体词类别的实体词库。本领域技术人员知晓,任何构建目标实体词库的方法均属于本发明的保护范围。
S300,遍历n个目标实体词库,对于第i个目标实体词库,如果目标字符串中包含第i个目标实体词库中的任一实体词,则从第i个目标实体词库中获取与该实体词对应的固定语句作为ki个输出结果,i的取值为1到n;将k1+k2+…+ki+…+kn个输出结果作为第一输出结果;执行S400。
具体地,对于每个目标实体词库,可将该目标实体词库中的每个实体词均与目标字符串进行比较,如果目标字符串中包含该目标实体词库中的任一实体词,则从该目标实体词库中获取对应的固定语句作为本次的第一输出结果。本领域技术人员,可能存在所有的目标实体词库中的实体词均不包含在目标字符串中的情况,即第一输出结果中的固定语句可能为Null。
S400,从第一设定语料库中获取以所述目标字符串开头的语句,如果获取到对应的目标语句,则将获取到的目标语句作为第二输出结果,并执行S500;否则,直接执行S500。
在本发明实施例中,第一设定语料库可为前缀树语料库,可为现有的前缀树语料库。
在本发明实施例中,获取的目标语句为意图为与目标字符串的意图相同或者相接近的语句。
S500,对所述目标字符串进行分词处理,得到分词集P=(P1,P2,…,Pj,…,Pm),Pj为P中的第j个分词,j的取值为1到m,m为P中的分词数量;如果m>1,执行S600;否则,即m≤1,则执行S800。
S600,基于P,从第二设定语料库中获取对应的语句作为第三输出结果;执行S710。
进一步地,S600可具体包括:
S610,从第二设定语料库中获取包括Pj的语句,得到Pj的语句集Wj=(wj1,wj2,…,wjr,…,wjh(j)),wjr为Wj中的第r个语句,r的取值为1到h(j),h(j)为Wj中的语句数量。
在本发明实施例中,第二设定语料库中的语料可与第一设定语料库中存储的语料相同,不同的是存储语料的方式不同,为现有的语料库。
S620,如果W1∩W2∩…∩Wj∩…∩Wm≠Null,即m个语句集W1、W2、…、Wj、…、Wm中存在交集,即包括相同的语句,则将W1∩W2∩…∩Wj∩…∩Wm得到的语句作为第三输出结果,并执行S710。
S700,将第一输出结果和第二输出结果中的至少部分作为输出结果,并输出;
S710,将第一输出结果、第二输出结果和第三输出结果中的至少部分作为输出结果,并输出。
在本发明实施例中,输出结果可在用户的显示屏上进行显示。
如果输出结果仅包括第二输出结果,则可从S400中获取的目标语句中选择例如随机选择N条语句作为输出结果,N为设定的输出语句数量,可基于实际需要进行设置。本领域技术人员知晓,如果从S400中获取的目标语句小于N,则将获取到的全部目标语句作为输出结果即可。
如果输出结果包括第一输出结果和第二输出结果,则第一输出结果包括A1条固定语句,第二输出结果包括A2条语句,A1+A2=N,N为设定的输出结果数量,A1和A2可基于实际需要进行设置。其中,A1条固定语句可为从对k1+k2+…+ki+…+kn个输出结果进行去重处理后的输出结果中选择例如随机选择得到。A2条语句可从S400中获取的目标语句中选择例如随机选择得到。本领域技术人员知晓,如果第一输出结果和第二输出结果中的语句总数小于N,则可将第一输出结果和第二输出结果作为输出结果即可。
如果输出结果包括第一输出结果、第二输出结果和第三输出结果,则第一输出结果可包括B1条固定语句,第二输出结果包括B2条语句,第三输出结果包括B3条语句,B1+B2+B3 =N。B1、B2和B3可基于实际需要进行设置。本领域技术人员知晓,如果第一输出结果、第二输出结果和第三输出结果中的语句总数小于N,则可将第一输出结果、第二输出结果和第二输出结果全部作为输出结果即可。
本实施例提供的用于民航智能问答的输入联想方法,通过使用目标实体词库、第一设定语料库和第二设定语料库三个库进行联想词匹配,能够匹配出尽可能丰富的联想词。此外,本实施例中,在目标字符串长度大于L0时才进行固定语句匹配,与前述实施例相比,能够节约匹配时间,提高匹配效率。
在本发明另一实施例中,S620还包括:如果W1∩W2∩…∩Wj∩…∩Wm=Null,即m个语句集W1、W2、…、Wj、…、Wm中不存在交集,即不包括相同的语句,则则执行S621。
S621,获取Pj的替代词,基于Pj和对应的替代词,形成Pj的词组合PBj=(Pj,Pj1,Pj2,…,Pjx,…, Pjf(j)),Pjx为Pj的第x个替代词,x的取值为1到f(j),f(j)为Pj的替代词数量。
在本发明实施例中,Pj的替代词为与Pj意思相似的词,例如,晚点的替代词为延误,南方航空的替代词为南航、东方航空等。Pj的替代词可基于预设的替代词表获取。
S622,基于PB1,PB2,…,PBj,…,PBm,获取H个组合分词集组PC=(PC1,PC2,…,PCs,…,PCH),第s个组合分词集PCs=(PCs1,PCs2,…,PCsj,…,PCsm),PCsj为PCs中的第j个分词,PCsj∈PBj,并且PCs≠P,即任一组合分词集包括PB1,PB2,…,PBj,…,PBm中每一个词组合中的一个词,并且任一两个组合分词集不同,且PC中不包括P;执行S623;s的取值为1到H。
在本发明实施例中,基于PB1,PB2,…,PBj,…,PBm,获取H个组合分词集组可基于现有的排列组合方式得到,即H=f(1)*f(2)*…*f(j)*…*f(m)-1。
S623,从第二设定语料库中获取包括PCsj的语句,得到PCsj的语句集WCsj=(wc1 sj,wc2 sj,…,wcu sj,…,wcf(sj) sj),wcu sj为WCsj中的第u个语句,u的取值为1到f(sj),f(sj)为WCsj中的语句数量。
S624,获取目标语句结果集T=(T1,T2,…,Ts,…,TH),第s个目标语句结果Ts=(WCs1∩WCs2∩…∩WCsj∩…WCsm);如果T中存在至少一个目标语句结果不为Null,即存在至少一个目标语句结果包括语句,则将不为Null的目标语句结果作为第四输出结果,执行S800。
在本发明一优选实施例中,从将不为Null的目标语句结果作为第四输出结果可包括:
如果T中不为Null的目标语句结果对应的组合分词集包括P中的分词,则从包括P中的分词的组合分词集对应的组合分词集中获取语句作为第四输出结果,即优先从包含P中的分词的组合分词集中获取语句作为第四输出结果。更优选的,从包含P中的分词最多的组合分词集中获取语句作为第四输出结果。
S800,将第一输出结果、第二输出结果和第四输出结果中的至少部分作为输出结果,并输出。
在该实施例中,如果输出结果包括第一输出结果、第二输出结果和第四输出结果,则第一输出结果可包括C1条固定语句,第二输出结果包括C2条语句,第四输出结果包括C3条语句,C1+C2+C3 =N。C1、C2和C3可基于实际需要进行设置。本领域技术人员知晓,如果第一输出结果、第二输出结果和第四输出结果中的语句总数小于N,则可将第一输出结果、第二输出结果和第四输出结果全部作为输出结果即可。
本实施例提供的用于民航智能问答的输入联想方法,首先通过使用目标实体词库和第一设定语料库进行联想词匹配,然后,对目标字符串进行分词处理,并使用第二设定语料库进行联想词匹配,在按照分词匹配不到联想词时,会对目标字符串中的词进行替代词替换处理,并基于替换后的词使用第二设定语料库进行匹配,与前述实施例相比,能够进一步匹配出尽可能丰富的联想词。
在本发明另一实施例中,S624还包括:如果T为Null,即任一目标语句结果均为Null,不包括语句,则执行S625。
S625,获取P中的关键词。
在本发明实施例中,所述关键词为按照预设规则从P中的分词获取得到的词。在一示意性实施例中,可基于现有的词重要度来获取P中的关键词,例如,可基于信息熵的方式获取P中的关键词。本领域技术人员知晓,通过信息熵获取关键词可为现有技术。
S626,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第五输出结果,执行S900。
S900,将第一输出结果、第二输出结果和第五输出结果中的至少部分作为输出结果,并输出。
在本发明另一实施例中,S624还包括:如果T为Null,执行S627。
S627,基于设定关键词表,获取P中的关键词;执行S628。
设定关键词表可为现有的关键词表,事先存储在服务器中。
在本发明实施例中,如果P中包括设定关键词表中的一个词,则将该词作为P的关键词。如果P中包括设定关键词表中的两个及其以上的词,在一个示例中,可随机选择一个词作为P的关键词,在另一个示例中,可选择具有最高信息熵的词作为P的关键词。
S628,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第五输出结果,执行S910。
S910,将第一输出结果、第二输出结果和第五输出结果中的至少部分作为最终输出结果,并输出。
在本发明一实施例中,S627中,如果P中不包括设定关键词表中的任一个关键词,则可直接执行S91,只是此时的第五输出结果为Null。
在本发明另一实施例中,S627中,如果P中不包括设定关键词表中的任一个关键词,则可执行S629:
S629,基于词重要度获取P中的关键词,执行S628。
在该实施例中,如果输出结果包括第一输出结果、第二输出结果和第五输出结果,则第一输出结果可包括D1条固定语句,第二输出结果包括D2条语句,第五输出结果包括D3条语句,D1+D2+D3 =N。D1、D2和D3可基于实际需要进行设置。本领域技术人员知晓,如果第一输出结果、第二输出结果和第四输出结果中的语句总数小于N,则可将第一输出结果、第二输出结果和第五输出结果全部作为输出结果即可。
本实施例提供的用于民航智能问答的输入联想方法,首先通过使用目标实体词库和第一设定语料库进行联想词匹配,然后,对目标字符串进行分词处理,并使用第二设定语料库进行联想词匹配,在按照分词匹配不到联想词时,会对目标字符串中的词进行替代词替换处理,并基于替换后的词使用第二设定语料库进行匹配,如果匹配不到联想词,则会基于目标字符串中的关键词进行匹配,与前述实施例相比,能够更进一步匹配出尽可能丰富的联想词。
在本发明另一实施例中,S600还包括:如果W1∩W2∩…∩Wj∩…∩Wm=Null,则执行S61。
S61,获取P中的关键词。
在本发明实施例中,可基于现有的词重要度来获取P中的关键词,例如,可基于信息熵的方式获取P中的关键词。本领域技术人员知晓,通过信息熵获取关键词可为现有技术。
S62,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第四输出结果,执行S810。
S810,将第一输出结果、第二输出结果和第四输出结果中的至少部分作为输出结果,并输出。
在本发明另一实施例中,S600还包括:如果W1∩W2∩…∩Wj∩…∩Wm=Null,则执行S63。
S63,基于设定关键词表,获取P中的关键词,执行S64。
设定关键词表可为现有的关键词表,事先存储在服务器中。
在本发明实施例中,如果P中包括设定关键词表中的一个词,则将该词作为P的关键词。如果P中包括设定关键词表中的两个及其以上的词,在一个示例中,可随机选择一个词作为P的关键词,在另一个示例中,可选择具有最高信息熵的词作为P的关键词。
S64,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第四输出结果,执行S820;
S820,将第一输出结果、第二输出结果和第四输出结果中的至少部分作为输出结果,并输出。
在本发明一实施例中,S63中,如果P中不包括设定关键词表中的任一个关键词,则可直接执行S820,只是此时的第五输出结果为Null。
在本发明另一实施例中,S63中,如果P中不包括设定关键词表中的任一个关键词,则可执行S65:
S65,基于词重要度获取P中的关键词,执行S64。
在该实施例中,如果输出结果包括第一输出结果、第二输出结果和第四输出结果,则第一输出结果可包括C1条固定语句,第二输出结果包括C2条语句,第四输出结果包括C3条语句,C1+C2+C3 =N。C1、C2和C3可基于实际需要进行设置。本领域技术人员知晓,如果第一输出结果、第二输出结果和第四输出结果中的语句总数小于N,则可将第一输出结果、第二输出结果和第四输出结果全部作为输出结果即可。
在该实施例中,如果W1∩W2∩…∩Wj∩…∩Wm=Null,则利用关键词进行匹配,与前述利用替代词进行匹配的实施例的作用相同,能够进一步匹配出尽可能丰富的联想词。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明公开的范围由所附权利要求来限定。
Claims (10)
1.一种用于民航智能问答的输入联想方法,其特征在于,所述方法包括如下步骤:
S100,获取目标字符串的长度L,如果L>L0,执行S200;否则,执行S400;L0为设定长度;
S200,获取n个目标实体词库;每一目标实体词库中均包含若干实体词和对应的固定语句,任意两个目标实体词库对应的实体词类别不同,同一目标实体词词库中的实体词,均对应同一实体词类别;
S300,遍历n个目标实体词库,对于第i个目标实体词库,如果目标字符串中包含第i个目标实体词库中的任一实体词,则从第i个目标实体词库中获取与该实体词对应的固定语句作为ki个输出结果,i的取值为1到n;将(k1+k2+…+ki+…+kn)个输出结果作为第一输出结果;执行S400;
S400,从第一设定语料库中获取以所述目标字符串开头的语句,如果获取到对应的目标语句,则将获取到的目标语句作为第二输出结果,并执行S500;否则,执行S500;
S500,对所述目标字符串进行分词处理,得到分词集P=(P1,P2,…,Pj,…,Pm),Pj为P中的第j个分词,j的取值为1到m,m为P中的分词数量;如果m>1,执行S600;否则,执行S700;
S600,基于P,从第二设定语料库中获取对应的语句作为第三输出结果;执行S710;
S700,将第一输出结果和第二输出结果中的至少部分作为最终输出结果,并输出;
S710,将第一输出结果、第二输出结果和第三输出结果中的至少部分作为最终输出结果,并输出。
2.根据权利要求1所述的方法,其特征在于,S600具体包括:
S610,从第二设定语料库中获取包括Pj的语句,得到Pj的语句集Wj=(wj1,wj2,…,wjr,…,wjh(j)),wjr为Wj中的第r个语句,r的取值为1到h(j),h(j)为Wj中的语句数量;
S620,如果W1∩W2∩…∩Wj∩…∩Wm≠Null,将W1∩W2∩…∩Wj∩…∩Wm得到的语句作为第三输出结果,并执行S700。
3.根据权利要求2所述的方法,其特征在于,S620还包括:如果W1∩W2∩…∩Wj∩…∩Wm=Null,则执行S621;
S621,获取Pj的替代词,基于Pj和对应的替代词,形成Pj的词组合PBj=(Pj,Pj1,Pj2,…,Pjx,…, Pjf(j)),Pjx为Pj的第x个替代词,x的取值为1到f(j),f(j)为Pj的替代词数量;
S622,基于PB1,PB2,…,PBj,…,PBm,获取H个组合分词集组PC=(PC1,PC2,…,PCs,…,PCH),第s个组合分词集PCs=(PCs1,PCs2,…,PCsj,…,PCsm),PCsj为PCs中的第j个分词,PCsj∈PBj,并且PCs≠P;执行S623;s的取值为1到H;
S623,从第二设定语料库中获取包括PCsj的语句,得到PCsj的语句集WCsj=(wc1 sj,wc2 sj,…,wcu sj,…,wcf(sj) sj),wcu sj为WCsj中的第u个语句,u的取值为1到f(sj),f(sj)为WCsj中的语句数量;
S624,获取目标语句结果集T=(T1,T2,…,Ts,…,TH),第s个目标语句结果Ts=(WCs1∩WCs2∩…∩WCsj∩…∩WCsm);如果T中存在至少一个目标语句结果不为Null,则将不为Null的目标语句结果作为第四输出结果,执行S800;
S800,将第一输出结果、第二输出结果和第四输出结果中的至少部分作为输出结果,并输出。
4.根据权利要求3所述的方法,其特征在于,S624还包括:如果T为Null,执行S625;
S625,获取P中的关键词;所述关键词为按照预设规则从P中的分词获取得到的词;S626,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第五输出结果,执行S900;
S900,将第一输出结果、第二输出结果和第五输出结果中的至少部分作为输出结果,并输出。
5.根据权利要求3所述的方法,其特征在于,S624还包括:如果T为Null,执行S627;
S627,基于设定关键词表,获取P中的关键词;执行S628;
S628,从第二设定语料库中获取与P中的关键词对应的语句,并将获取的语句作为第五输出结果,执行S900;
S900,将第一输出结果、第二输出结果和第五输出结果中的至少部分作为输出结果,并输出。
6.根据权利要求2所述的方法,其特征在于,S600还包括:如果W1∩W2∩…∩Wj∩…∩Wm=Null,则执行S61;
S61,获取P中的关键词;所述关键词为按照预设规则从P中的分词获取得到的词;
S62,从第二设定语料库中获取与关键词对应的语句,并将获取的语句作为第四输出结果,执行S810;
S810,将第一输出结果、第二输出结果和第四输出结果中的至少部分作为输出结果,并输出。
7.根据权利要求1所述的方法,其特征在于,在S700中,第一输出结果包括A1条固定语句,第二输出结果包括A2条语句,A1+A2=N,N为设定的输出语句数量;
在S710中,第一输出结果包括B1条固定语句,第二输出结果包括B2条语句,第三输出结果包括B3条语句,B1+B2+B3=N。
8.根据权利要求1所述的方法,其特征在于,所述第一设定语料库为前缀树语料库。
9.一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,其特征在于,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项的所述方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141654.5A CN115840510B (zh) | 2023-02-21 | 2023-02-21 | 用于民航智能问答的输入联想方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141654.5A CN115840510B (zh) | 2023-02-21 | 2023-02-21 | 用于民航智能问答的输入联想方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115840510A CN115840510A (zh) | 2023-03-24 |
CN115840510B true CN115840510B (zh) | 2023-04-28 |
Family
ID=85579958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310141654.5A Active CN115840510B (zh) | 2023-02-21 | 2023-02-21 | 用于民航智能问答的输入联想方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840510B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968684A (zh) * | 2019-12-18 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970988A (zh) * | 2017-03-30 | 2017-07-21 | 联想(北京)有限公司 | 数据处理方法、装置及电子设备 |
CN109255117A (zh) * | 2017-07-13 | 2019-01-22 | 普天信息技术有限公司 | 中文分词方法及装置 |
CN110489538B (zh) * | 2019-08-27 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 基于人工智能的语句应答方法、装置及电子设备 |
CN111400584A (zh) * | 2020-03-16 | 2020-07-10 | 南方科技大学 | 联想词的推荐方法、装置、计算机设备和存储介质 |
CN113325959A (zh) * | 2021-05-26 | 2021-08-31 | 北京沃东天骏信息技术有限公司 | 一种输入语料的推荐方法和装置 |
CN114186061A (zh) * | 2021-12-13 | 2022-03-15 | 深圳壹账通智能科技有限公司 | 语句意图预测方法、装置、存储介质及计算机设备 |
-
2023
- 2023-02-21 CN CN202310141654.5A patent/CN115840510B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968684A (zh) * | 2019-12-18 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115840510A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162768B (zh) | 实体关系的获取方法、装置、计算机可读介质及电子设备 | |
US10157203B2 (en) | Question transformation in question answer systems | |
US11556573B2 (en) | Semantic cluster formation in deep learning intelligent assistants | |
KR102090237B1 (ko) | 시맨틱 트리플 기반의 지식 확장 시스템, 방법 및 컴퓨터 프로그램 | |
US9720982B2 (en) | Method and apparatus for natural language search for variables | |
CN110147494B (zh) | 信息搜索方法、装置,存储介质及电子设备 | |
Alromima et al. | Ontology-based query expansion for Arabic text retrieval | |
KR102088357B1 (ko) | 기계독해기반 질의응답방법 및 기기 | |
JP6973255B2 (ja) | 単語ベクトル変更装置、方法、及びプログラム | |
CN111813993A (zh) | 视频内容的拓展方法、装置、终端设备及存储介质 | |
CN116069174A (zh) | 一种输入联想方法、电子设备及存储介质 | |
Alqahtani et al. | Evaluation criteria for computational Quran search | |
CN115840510B (zh) | 用于民航智能问答的输入联想方法、电子设备及存储介质 | |
US20210149900A1 (en) | Method, system and computer program for semantic triple-based knowledge extension | |
CN111625640A (zh) | 问答处理方法、装置及存储介质 | |
CN116383340A (zh) | 信息搜索方法、装置、电子设备和存储介质 | |
CN113342944B (zh) | 一种语料泛化方法、装置、设备及存储介质 | |
CN112948561B (zh) | 一种问答知识库自动扩建的方法和装置 | |
Panchenko et al. | Large-scale parallel matching of social network profiles | |
CN114328820A (zh) | 信息搜索方法以及相关设备 | |
EP3822817A1 (en) | Method, system and computer program for semantic triple-based knowledge extension | |
CN111581326A (zh) | 一种基于异构外部知识源图结构抽取答案信息的方法 | |
JP2005056125A (ja) | 自然文検索装置、自然文検索方法、自然文検索プログラム及び自然文検索プログラム記憶媒体 | |
Crijns et al. | Have a chat with BERT; passage re-ranking using conversational context | |
Kia et al. | Open-domain question classification and completion in conversational information search |
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 |