CN116911297A - 车型识别和问答处理方法、装置、设备、车辆及存储介质 - Google Patents

车型识别和问答处理方法、装置、设备、车辆及存储介质 Download PDF

Info

Publication number
CN116911297A
CN116911297A CN202211679123.3A CN202211679123A CN116911297A CN 116911297 A CN116911297 A CN 116911297A CN 202211679123 A CN202211679123 A CN 202211679123A CN 116911297 A CN116911297 A CN 116911297A
Authority
CN
China
Prior art keywords
information
vehicle type
question
model
entity
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
CN202211679123.3A
Other languages
English (en)
Inventor
黄海涛
王松怡
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.)
Beijing Co Wheels Technology Co Ltd
Original Assignee
Beijing Co Wheels Technology 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 Beijing Co Wheels Technology Co Ltd filed Critical Beijing Co Wheels Technology Co Ltd
Priority to CN202211679123.3A priority Critical patent/CN116911297A/zh
Publication of CN116911297A publication Critical patent/CN116911297A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F40/295—Named entity recognition
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G10L13/047—Architecture of speech synthesisers
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及一种车型识别方法、装置、设备及存储介质，所述方法包括：接收用户输入的提问信息；将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息；判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。本公开提供的技术方案通过命名实体识别模型来对车型信息进行识别，解决了如ASR识别错误、车型近义词的问题，从而提升车型识别精准度。

Description

车型识别和问答处理方法、装置、设备、车辆及存储介质
技术领域
本公开涉及车辆智能化技术领域，尤其涉及一种车型识别和问答处理方法、装置、设备、车辆及存储介质。
背景技术
目前，随着计算机互联网技术发展，各种智能技术应用广泛。用户利用问答系统精确的获取所需的车联网行业知识已成为一个获取信息的重要途径。
现有的问答系统多是通过获取用户输入的音频信息，对音频信息进行识别，得到文本信息，采用语义相似性的方式从预设问答数据路中查询到文本信息对应的答复信息，将所述答复信息反馈给用户。通常采用自动语音识别技术(Automatic SpeechRecognition)对音频进行识别，即采用的基本都是车型匹配的方案。
但是，在车辆领域中，由于车型都是一些表述比较相近的词语，导致采用车型匹配方案时，得到的车型信息是错误的。例如：用户的问题是“AA品牌BB型号”，采用车型匹配方案，得到的车型可能是“AA品牌CC型号”，或者匹配出一个完全不存在的车型，进而导致识别出的问题不够精准。
发明内容
本公开提供了一种车型识别方法、装置、设备及存储介质，通过命名实体识别模型对提问信息进行识别处理，根据模型输出信息确定车型信息，精准定位汽车领域中的关键信息，提高车型的识别精度。
第一方面，本公开实施例提供一种车型识别方法，包括：
接收用户输入的提问信息；
将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；
判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
第二方面，本公开实施例提供一种问答处理方法，包括：
接收用户输入的提问信息；
采用如上述第一方面中任一项所述的车型识别方法，从所述提问信息中提取目标车型信息；
从所述提问信息中提取目标意图信息；
基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系；
基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
第三方面，本公开实施例提供一种车型识别装置，包括：
第一提问信息接收模块，用于接收用户输入的提问信息；
模型输出信息确定模块，用于将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；
目标车型信息确定模块，用于判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
第四方面，本公开实施例中提供一种问答处理装置，所述装置包括：
第二提问信息接收模块，用于接收用户输入的提问信息；
目标车型信息提取模块，用于采用如上述第一方面中任一项所述的车型识别方法，从所述提问信息中提取目标车型信息；
目标意图信息提取模块，用于从所述提问信息中提取目标意图信息；
问题信息确定模块，用于基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系；
答复信息确定模块，用于基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
第五方面，本公开实施例提供一种电子设备，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的车型识别或者如第二方面中所述的问答处理方法。
第六方面，本公开实施例提供一种车辆，所述车辆采用以实现如第一方面所述的车型识别方法或者如第二方面中所述的问答处理方法。
第七方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的车型识别方法或者如第二方面中所述的问答处理方法。
本公开实施例提供的车型识别方法、装置、设备及存储介质，所述方法包括：接收用户输入的提问信息；将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息；判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。本公开提供的技术方案通过由经过实体位置标注的车型实体进行训练得到的命名实体模型，对提问信息进行处理，使得命名实体识别模型可以准确识别出车型信息，解决了如ASR识别错误、车型近义词的问题，从而提升车型识别精准度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，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，对于本领域普通技术人员而言，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为本公开实施例提供的一种车型识别方法的流程示意图；
图2为本公开实施例提供的一种命名实体识别模型训练方法的流程图；
图3为本公开实施例提供的一种问答处理方法的流程图；
图4为本公开实施例提供的一种知识图谱的示意图；
图5为本公开实施例提供的一种问答处理方法的流程图；
图6为本公开实施例提供的一种问答处理方法的结构框图；
图7是本公开实施例提供的一种车型识别装置的结构示意图；
图8是本公开实施例提供的一种问答处理装置的结构示意图；
图9为本公开实施例提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交换的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面对本公开实施例中涉及到的专业名词进行简单介绍。
目前，随着计算机互联网技术发展，各种智能技术应用广泛。用户利用问答系统精确的获取所需的车联网行业知识已成为一个获取信息的重要途径。
现有的问答系统多是通过获取用户输入的音频信息，对音频信息进行识别，得到文本信息，采用语义相似性的方式从预设问答数据路中查询到文本信息对应的答复信息，将所述答复信息反馈给用户。通常采用自动语音识别技术(Automatic SpeechRecognition)对音频进行识别，即采用的基本都是车型匹配的方案。但是，在车辆领域中，由于车型都是一些表述比较相近的词语，导致采用车型匹配方案时，得到的车型信息是错误的。例如：用户的问题是“AA品牌BB型号”，采用采用车型匹配方案，得到的车型可能是“AA品牌CC型号”，或者匹配出一个完全不存在的车型。
为解决上述技术问题，本公开实施例提供一种车型识别方法，主要包括：将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；如果所述模型输出信息是识别出的车型信息，则将识别出的车型信息作为目标车型信息。本公开提供的技术方案通过由经过实体位置标注的车型实体进行训练得到的命名实体模型，对提问信息进行处理，使得命名实体识别模型可以准确识别出车型信息，解决了如ASR识别错误、车型近义词的问题，从而提升车型识别精准度。
下面结合具体实施例和附图对本公开提供的车型识别方法进行详细介绍。
实施例一
图1为本公开实施例中的一种车型识别方法的流程图，本实施例可适用于智能语音问答的情况，该车型识别方法可以由车型识别装置执行，该车型识别装置可以采用软件和/或硬件的方式实现，该车型识别装置可配置于电子设备中。所述电子设备可以配置于车辆终端中。进一步的，所述电子设备可以是任意一种具备语音采集功能的设备。该电子设备可以部署在汽车销售店铺、商场、汽车展会等场所，以帮助用户查询车辆的相关信息。
具体的，如图1所示，本公开实施例提供的车型识别方法主要包括步骤S101-S103。
S101、接收用户输入的提问信息。
其中，所述提问信息是指用户输入的想要询问的问题。进一步的，接收用户输入的提问音频，对所述提问音频进行语音识别，得到提问信息。其中，所述提问音频是指上述电子设备的音频采集装置采集到的音频信息。
在本公开实施例中，电子设备的音频采集装置采集用户输入的提问音频，并发送至问答处理装置，所述问答处理装置接收到提问音频之后，对提问音频进行处理，得到提问信息。
在本公开的一个实施方式中，对提问音频进行处理，得到提问信息，包括：采用自动语音识别技术(Automatic Speech Recognition，ASR)将提问音频转换为其对应的文本信息。
S102、将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到。
在本公开实施例中，预训练的命名实体识别模型，可以是IDCNN-CRF、BiLSTM、TextCNN等中的任意一种，本公开实施例中不具体限定。
在本公开实施例中，车型信息主要指包括车辆品牌和车型型号的信息。目标车型信息是指用户想要查询相关信息的车型信息。
在本公开的一个实施方式中，将提问信息输入至预先训练的命名实体识别模型，该命名实体识别模型对提问信息进行识别后，输出一个模型输出信息，该模型输出信息，可以是车型信息，也可以不是车型信息。
在本公开实施例中，命名实体识别模型主要用于识别文本信息中具有特定意义的实体，而本公开实施例中，使用经过实体位置标注的车型实体训练得到的命名实体识别模型，可以识别出提问信息的车型实体。
S103、判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
在本公开实施例中，将提问信息输入至预训练的命名实体识别模型后，判断预训练的命名实体识别模型的输出信息若为识别出车型信息，则将识别出的车型信息作为目标车型信息。
在本公开的一个实施方式中，将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息之后，所述方法还包括：判断所述模型输出信息若为未识别出车型信息，则生成提示信息，所述提示信息用于提示所述用户输入车型信息；接收所述用户输入的车型信息，并将所述输入的车型信息作为目标车型信息。
在本公开实施例中，由于用户提问音频中存在口音，或者采集过程中，提问音频不特别清晰，或者音频转文本的过程中使用的音频识别模型精度不够，导致提问信息中的车型信息错误。
为了解决上述问题，在本公开实施例中，判断出预训练的命名实体识别模型不能识别出车型信息，那么自动生成一个提示信息，该提示信息用于提示用户重新输入车型信息。接收用户重新输入的车型信息，并将上述输入的车型信息作为目标车型信息。
在本公开实施例中，生成提示信息之后，将该提示信息展示给用户。具体的，利用TTS技术将提示信转换成提示音频，并播放该提示音频。例如：提示音频可以是“未能识别出车型，请重新输入”，或者“未能识别出车型，请您再说一遍”。
在本公开的一个实施方式中，将提示信息转换成文本的形式，通过电子设备的显示屏将提示信息进行显示。
在本公开的一个实施方式中，所述接收所述用户输入的车型信息包括：接收所述用户输入的车型音频，对所述车型音频进行识别，得到文本信息，将所述文本信息输入至所述预训练的命名实体识别模型，得到目标车型信息。
在本公开实施例中，如果接收到的是车型音频，则将该车型音频转换成文本信息，将文本信息输入至预训练的命名实体识别模型，命名实体识别模型输出目标车型信息。如果判断出命名实体识别模型仍然未能识别出车型信息，则返回执行生成提示信息的步骤，直到判断出命名实体识别模型能够识别出车型信息。
在本公开的一个实施方式中，所述接收所述用户输入的车型信息包括：接收所述用户输入的车型文本，将所述车型文本作为目标车型信息。
由于音频识别可能存在识别错误的问题，在本公开实施例中提供一种文本的输入形式。具体的，用户可以通过电子设备输入装置输入想要查询的车型。其中，所述输入装置可以是外接输入键盘，也可以是在电子设备的触摸显示屏上显示的虚拟键盘，本公开实施例不再具体限定。
在本公开的一个实施方式中，上述提示信息中也可以包括供用户选择车型信息，即提高2-3个车型信息进行显示，以供用户进行选择。响应于用户对车型信息对应控件的触发操作，获取该触发操作对应的车型信息，并将该车型信息作为目标车型信息。
需要说明的是，本公开实施例中提供了多种目标车型信息的获取方式，可以选择其中任意一种或者多种。
本公开实施例提供的车型识别方法，包括：接收用户输入的提问信息；将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息；判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。本公开提供的技术方案通过由经过实体位置标注的车型实体进行训练得到的命名实体模型，对提问信息进行处理，使得命名实体识别模型可以准确识别出车型信息，解决了如ASR识别错误、车型近义词的问题，从而提升车型识别精准度。
实施例二
在上述实施例的基础上，本公开实实施例提供了一种命名实体识别模型的训练方法，如图2所示，本公开实施例中提供的命名实体识别模型主要包括步骤S201-S203。
S201、创建车型实体。
在本公开实施例中，创新自定义车型实体，用于命名实体识别模型训练，其中，车型实体是现有的包括车辆品牌和车辆型号的信息。
S202、对所述车型实体进行实体位置序列标注，得到序列标注结果。
在本公开实施例中，对车型实体进行实体位置序列标注。
具体的，对所述车型实体进行实体位置序列标注，包括：将所述车型实体中的第一个字符标注为车辆品牌实体的第一个位置将所述车型实体中的第二个字符标注为车辆品牌实体的其他位置；将所述车型实体中的第三个字符标注为车辆型号实体的第一个位置；将所述车型实体中的第四个字符标注为车辆型号实体的其他位置；将非车型实体中的字符标注为非目标元素。具体的，如表1所示。
表1
S203、利用所述序列标注结果对命名实体识别模型进行训练，得到预训练的命名实体识别模型。
在本公开实施例中，利用序列标注结果进行命名实体识别模型进行训练，当前采用IDCNN-CRF进行训练，计算逻辑为：
对于给定一句话，共有n个字，假定其为一个序列X＝(x1，x2，……，xn)，表示真实的标注序列,x表示所有可能的标注序列.命名实体模型后得到最大分数的输出标注序列，根据序列结果提取品牌车型标签，进而完成实体获取。
在本公开实施例中，在车型识别上，并有没有直接考虑采用车型匹配方案，而是使用命名识别模型来实现，解决了如自动语音识别错误、车型近义词的问题，如“AA品牌BB型号”用户可能在提问中会提问的是“AA品牌XX”，XX表示其他识别出的与车型信息无关的信息。从而出现硬匹配无法识别的问题。当前采用IDCNN-CRF(不仅限于此，也可使BiLSTM、TextCNN等)考虑语境进行实体命名识别，可以识别出具体车型数据，提高车型识别精度。
实施例三
在上述实施例的基础上，提供一种问答处理方法，如如3所示，本公开实施例中提供的问答处理方式主要包括步骤S301-S305。
S301、接收用户输入的提问信息。
S302、从所述提问信息中提取目标车型信息。
本公开实施例中提供的步骤S301-S302可以由上述实施例中提供的任意一种车型识别方式来实现，具体可参照上述实施例中的描述，本公开实施例中不再具体限定。
S303、从所述提问信息中提取目标意图信息。
其中，所述意图信息是指用户想要询问的意图，例如：车辆领域中的意图信息可以包括：销售价格、购车贷款、车辆保养、车辆续航、质保期限等等各类与车辆相关的信息。目标意图信息是指从文本信息中提取中的与车辆相关的意图信息。
在本公开实施例中，可以对所述提问信息进行语义理解处理，得到目标意图信息。其中，所述语义理解是指将文本信息并转换成机器可读的信息。例如：提问信息是“AA品牌CC型号的裸车是多少钱”，进行处理之后，得到的目标意图是“价格”。
在本公开的一个实施方式中，对提问信息进行特征提取之后，得到句子向量，将所述句子向量输入至预先训练的意图识别模型，上述意图识别模型对句子向量进行处理之后，得到一个意图信息，直接将意图识别模型输出的意图信息作为目标意图信息。
利用预先训练的意图识别模型对所述提问信息进行处理，得到多个初始意图信息以及各个初始意图信息对应的概率值，将最大概率值对应的初始意图信息确定为目标意图信息。
在本公开的一个实施方式中，对文本信息进行特征提取之后，得到句子向量，将所述句子向量输入至预先训练的意图识别模型，上述意图识别模型对句子向量进行处理之后，得到多个初始意图信息，以及各个意图信息对应的概率值。其中，多个初始意图信息对应的概率值的总和等于1。
在本公开的一个实施方式中，得到多个初始意图信息以及对应的概率值之后，直接将最大概率值对应的初始意图信息作为目标意图信息。
在本公开的一个实施方式中，将所述最大概率值与预设概率阈值进行比较；如果所述最大概率值大于所述概率阈值，则将最大概率值对应的初始意图信息确定为目标意图信息。
其中，所述预设概率阈值可以根据实际情况进行设定，可选的，预设概率阈值可以是0.5-1之间的任意数值，本公开实施例中不再具体限定。
在本公开实施例中，将多个概率值进行比较，得到最大概率值后，将最大概率值与预设概率阈值进行比较，如果最大概率值大于预设概率阈值，则将最大概率值对应的初始意图信息作为目标意图信息。
在本公开实施例中，在最大概率值大于预设概率阈值的情况下，将最大概率值对应的初始意图信息作为目标意图信息，进一步提高意图信息的准确度。
S304、基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系。
在本公开实施例中，预设对应关系可以包括车型信息、意图信息和提问信息三者之间的对应关系。例如：预设对应关系包括：车型信息是AA品牌BB型号，意图信息是价钱，提问信息是AA品牌BB型号目前价格是多少钱？
在本公开实施例中，根据采集到的多个提问信息之后，从提问信息中提取出车型信息和意图信息，并构建三者之间的对应关系。
在本公开的一个实施方式中，基于目标车型信息和目标意图信息，在预设的对应关系中进行查询，将查询得到的问题信息作为提问信息对应的问题信息。
在本公开的一个实施方式中，所述车型信息、意图信息和问题信息三者之间的对应关系以知识图谱的形式存储在预设图数据库中，基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，包括：
基于所述目标车型信息和所述目标意图信息在所述预设图数据库中进行查询，得到所述提问信息对应的问题信息。
在本公开实施例中，所述图数据库可以是Neo4j图数据库、FlockDB图数据库、AllegroGraph图数据库、GraphDB图数据库、InfiniteGraph图数据库中的任意一种或多种。可选的，本公开实施例中的图数据库是Neo4j图数据库。
其中，Neo4j图数据库是一个流行的图形数据库，是开源的。Neo4j的社区版已经由遵循AGPL许可协议转向了遵循GPL许可协议。Neo4j基于Java实现，兼容ACID特性，也支持其他编程语言，如Ruby和Python。
在本公开实施例中，将所述车型信息、意图信息和问题信息三者之间的对应关系，形成如图2所示的知识图谱。如图2所示，如果目标车辆信息是车型1，目标意图信息是意图1，那么可以确定对应的问题信息是问题3。即根据图数据库中预先存储的知识图谱，确定问题信息。
在本公开实施例中，结合汽车领域场景特点，采用图数据库进行提问数据存储，基于关键图节点车型和意图将提问数据关联起来，从而使得汽车领域问答检索模型逻辑更加清晰，识别问答准确率更高。
在本公开的一个实施方式中，所述方法还包括：采集样本问题信息；从所述样本问题信息中获取车型信息和意图信息；基于所述车型信息、意图信息和所述样本问题信息创建问题三元组结构，其中，所述问题三元组结构用于表示所述车型信息、意图信息和问题信息三者之间的对应关系。
具体的，目标车辆信息、意图信息以及问题信息的对应关系以数据三元组的形式存储，例如：{AA品牌BB型号，AA品牌BB型号目前价格是多少钱？，价格}。
在本公开的一个实施方式中，收集不同场景用户录音数据(在获得用户同意的前提下)，将用户的录音数据转换为问题信息，并存储与Hive数据库中，获取问题信息中的车型与意图，创新性抽象数学三元组结构，其表示(车型、问题、意图)。例如：用户提问:AA品牌BB车型的价格是多少，(AA品牌BB车型,AA品牌BB车型的价格是多少,价格)。最后基于节点共性关系形成如图4所示知识图谱。
S305、基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
在本公开的一个实施方式中，确定与提问信息对应的问题信息之后，计算问题信息与提问信息之间的相似性，在确定所述相似性大于或等于预设相似性阈值之后，基于所述问题信息在预设答案图谱中进行查询，得到与所述提问信息匹配的答复信息。如果所述相似性小于预设相似性阈值，则从兜底数据库中获取兜底话术，将兜底话术作为答复信息反馈给用户。
在本公开的一个实施方式中，得到答复信息之后，所述方法还包括：将所述答复信息反馈给用户。
具体的，利用文本合成语音技术(Text To Speech，TTS)将所述答复信息转换成音频信号，利用电子设备中的音频播放装置播放所述音频信号，以使用户可以听到对应的答案。
具体的，将所述答复信息以文本的形式在电子设备的显示屏中进行展示，以使用户可以观看到提问音频对应的答复文本。
在本公开的一个实施方式中，本公开实施例中提供一种问答处理方法，如图5所示，本公开实施例中提供的问答处理方法主要包括如下步骤：
具体的，S501、接收用户输入的提问音频，S502、对上述提问音频进行ASR处理，得到提问信息。S503，将提问信息输入至NER模型，得到模型输出信息。S504、判断模型输出信息是否为识别出目标车型信息，如果是，则执行步骤S505，如果不是，则执行步骤S506，S505、将模型输出信息作为目标车型信息，S506、生成提示信息，S507、接收所述用户输入的车型信息，并将所述输入的车型信息作为目标车型信息。S508、将文本信息输入至意图识别模型，得到多个初始意图信息以及各个初始意图信息对应的概率值。S509、判断最大概率值是否大于预设概率阈值，如果最大概率值大于预设概率阈值，则执行步骤S510；S510、将最大概率阈值对应的初始意图信息作为目标意图信息。如果最大概率值小于或等于预设概率阈值，则执行步骤S511，S511、将概率值按照从大到小的顺序进行排序，将排序在前3的概率值对应的初始意图信息作为目标意图信息。S512、基于所述目标车辆信息和所述目标意图信息在预设问题图谱中进行查询，得到多个与提问信息匹配的问题信息。S513、计算问题信息与提问信息之间的相似度。S514、将最大相似度与预设相似度阈值进行比较，如果最大相似度大于或等于相似度阈值，则执行步骤S515，S515、将最大相似度对应的问题信息作为目标问题信息。S516、基于所述目标问题信息在预设答案图谱中进行查询，得到与所述目标问题信息匹配的答复信息，S517、利用TTS技术将答复信息转换为答复音频，进行播放。如果最大相似度小于相似度阈值，则执行步骤S518，S518、获取兜底话术，并播放。
本公开实施例中，相较于采用机器学习概率统计方法意图识别，分别采用深度学习语言模型实体命名识别与意图识别确定汽车领域问答关键点，之后基于图数据库检索，从语义层面解决了答案匹配的模型泛化能力较低与机器学习模型精准度过低的问题。相较于采用语义相似直接全问答进行检索，本公开实施例先通过语义分析确定车型和意图，之后在图数据库召回结果后再进行语义计算，极大的减少了语义相似计算次数，提升了服务性能。检索效率与精准度更高。在车型定位上采用交互方式，站在用户角度，避免无意义回答，通过先召回、在排序确定最佳答案，使得问答逻辑更加精准。提升用户体验。
在本公开实施例中，提供一种问答处理方法的结构框图，如图6所示，主要包括智能设备61、语音识别模块62、语义分析模块63、对话管理模块64和语音合成模块65。其中，智能设备61用于获取用户输入的提问音频，将提问音频传输给语音识别模块62，语音识别模块62,用于接收提问音频，并将提问音频转换为文本信息，并将所述文本信息传输给语义分析模块63，语义分析模块63用于对接收到的文本信息进行语义分析，得到问题信息，并将问题信息传输给对话管理模块64，对话管理模块64用于接收问题信息，并从图数据库中匹配出与问题信息匹配的答复信息，或者得到兜底话术，将答复信息或者兜底话术传输给语音合成模块65，语音合成模块65接收到答复信息或者兜底话术之后，利用TTS技术转换为答复音频，将所述答复音频传输给智能设备61，智能设备61将答复音频进行播放。此外，该包括：人机交互模块66，用于语音识别模块与用户进行交互。
图7为本公开实施例中的一种车型识别装置的结构示意图，本实施例可适用于智能语音问答的情况，该车型识别装置可以采用软件和/或硬件的方式实现，该车型识别装置可配置于电子设备中。所述电子设备可以配置于车辆终端中。进一步的，所述电子设备可以是任意一种具备语音采集功能的设备。该电子设备可以部署在汽车销售店铺、商场、汽车展会等场所，以帮助用户查询车辆的相关信息。
如图7所示，本公开实施例提供的车型识别装置主要包括：提问信息接收模块71，模型输出信息确定模块72和目标车型信息确定模块73。
具体的，提问信息接收模块71，用于接收用户输入的提问信息；模型输出信息确定模块72，用于将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；目标车型信息确定模块73，用于判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
在在本公开实施例中，目标车型信息确定模块73包括：提示信息生成单元，用于判断所述模型输出信息若为未识别出车型信息，则生成提示信息，所述提示信息用于提示用户输入车型信息；目标车型信息确定单元，还用于接收所述用户输入的车型信息，并将所述输入的车型信息作为目标车型信息。
在本公开的一个实施方式中，所述接收所述用户输入的车型信息包括如下至少一种：接收所述用户输入的车型音频，对所述车型音频进行识别，得到文本信息，将所述文本信息输入至所述预训练的命名实体识别模型，得到目标车型信息；或者，接收所述用户输入的车型文本，将所述车型文本作为目标车型信息。
在本公开的一个实施方式中，所述装置还包括：车型实体创建模块，用于创建车型实体；序列标注模块，用于对所述车型实体进行实体位置序列标注，得到序列标注结果；模型训练模块，用于利用所述序列标注结果对命名实体识别模型进行训练，得到预训练的命名实体识别模型。
在本公开的一个实施方式中，序列标注模块，具体用于将所述车型实体中的第一个字符标注为车辆品牌实体的第一个位置；将所述车型实体中的第二个字符标注为车辆品牌实体的其他位置；将所述车型实体中的第三个字符标注为车辆型号实体的第一个位置；将所述车型实体中的第四个字符标注为车辆型号实体的其他位置；将非车型实体中的字符标注为非目标元素。
图7所示实施例的车型识别装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图8为本公开实施例中的一种问答处理装置的结构示意图，如图8所示，本公开实施例提供的问答处理装置主要包括：第二提问信息接收模块81，目标车型信息提取模块82、目标意图信息提取模块83、问题信息确定模块84和答复信息确定模块85。
第二提问信息接收模块81，用于接收用户输入的提问信息；
目标车型信息提取模块82，用于从所述提问信息中提取目标车型信息；
目标意图信息提取模块83，用于从所述提问信息中提取目标意图信息；
问题信息确定模块84，用于基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系；
答复信息确定模块85，用于基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
在本公开的一个实施方式中，所述车型信息、意图信息和问题信息三者之间的对应关系以知识图谱的形式存储在预设图数据库中，问题信息确定模块84，具体用于基于所述目标车型信息和所述目标意图信息在所述预设图数据库中进行查询，得到所述提问信息对应的问题信息。
在本公开的一个实施方式中，所述装置还包括：样本提问信息采集模块，用于采集样本问题信息；信息提取模块，用于从所述样本问题信息中获取车型信息和意图信息；对应关系创建模块，用于基于所述车型信息、意图信息和所述样本问题信息创建提问三元组结构，其中，所述提问三元组结构用于表示所述车型信息、意图信息和问题信息三者之间的对应关系。
图8所示实施例的问答处理装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
在本公开的一个实施方式中，提供一种车辆，该车辆采用以实现如上述任一实施例中所述的车型识别方法，其实现原理和技术效果类似，此处不再赘述。
图9为本公开实施例中的一种电子设备的结构示意图。下面具体参考图9，其示出了适于用来实现本公开实施例中的电子设备900的结构示意图。本公开实施例中的电子设备900可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴终端设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图9示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的车型识别方法。在RAM 903中，还存储有终端设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线909彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置904。通信装置909可以允许终端设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的终端设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的车型识别方法。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM 902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，计算机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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备实现如任一实施例中所述的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (13)

1.一种车型识别方法，其特征在于，包括：
接收用户输入的提问信息；
将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；
判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
2.根据权利要求1所述的方法，其特征在于，将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息之后，所述方法还包括：
判断所述模型输出信息若为未识别出车型信息，则生成提示信息，所述提示信息用于提示所述用户输入车型信息；
接收所述用户输入的车型信息，并将所述输入的车型信息作为目标车型信息。
3.根据权利要求2所述的方法，其特征在于，所述接收所述用户输入的车型信息包括如下至少一种：
接收所述用户输入的车型音频，对所述车型音频进行识别，得到文本信息，将所述文本信息输入至所述预训练的命名实体识别模型，得到目标车型信息；
接收所述用户输入的车型文本，将所述车型文本作为目标车型信息。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
创建车型实体；
对所述车型实体进行实体位置序列标注，得到序列标注结果；
利用所述序列标注结果对命名实体识别模型进行训练，得到预训练的命名实体识别模型。
5.根据权利要求4所述的方法，其特征在于，对所述车型实体进行实体位置序列标注，包括：
将所述车型实体中的第一个字符标注为车辆品牌实体的第一个位置；
将所述车型实体中的第二个字符标注为车辆品牌实体的其他位置；
将所述车型实体中的第三个字符标注为车辆型号实体的第一个位置；
将所述车型实体中的第四个字符标注为车辆型号实体的其他位置；
将非车型实体中的字符标注为非目标元素。
6.一种问答处理方法，其特征在于，所述方法包括：
接收用户输入的提问信息；
采用如权利要求1-5中任一项所述的车型识别方法，从所述提问信息中提取目标车型信息；
从所述提问信息中提取目标意图信息；
基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系；
基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
7.根据权利要求6所述的方法，其特征在于，所述车型信息、意图信息和问题信息三者之间的对应关系以知识图谱的形式存储在预设图数据库中，
基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，包括：
基于所述目标车型信息和所述目标意图信息在所述预设图数据库中进行查询，得到所述提问信息对应的问题信息。
8.根据权利要求6所述的方法，其特征在于，所述方法还包括：
采集样本问题信息；
从所述样本问题信息中获取车型信息和意图信息；
基于所述车型信息、意图信息和所述样本问题信息创建问题三元组结构，其中，所述问题三元组结构用于表示所述车型信息、意图信息和问题信息三者之间的对应关系。
9.一种车型识别装置，其特征在于，包括：
第一提问信息接收模块，用于接收用户输入的提问信息；
模型输出信息确定模块，用于将所述提问信息输入至预训练的命名实体识别模型，得到模型输出信息，其中，所述命名实体识别模型由经过实体位置标注的车型实体进行训练得到；
目标车型信息确定模块，用于判断所述模型输出信息若为识别出的车型信息，则将识别出的车型信息作为目标车型信息。
10.一种问答处理装置，其特征在于，所述装置包括：
第二提问信息接收模块，用于接收用户输入的提问信息；
目标车型信息提取模块，用于采用如权利要求1-5中任意所述的车型识别方法，从所述提问信息中提取目标车型信息；
目标意图信息提取模块，用于从所述提问信息中提取目标意图信息；
问题信息确定模块，用于基于所述目标车型信息和所述目标意图信息在预设对应关系中进行查询，得到所述提问信息对应的问题信息，其中，所述预设对应关系包括车型信息、意图信息和问题信息三者之间的对应关系；
答复信息确定模块，用于基于所述问题信息在预设数据库中查询，确定与所述提问信息匹配的答复信息。
11.一种电子设备，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-8中任一所述的方法。
12.一种车辆，其特征在于，所述车辆采用权利要求1-8中任一项所述的方法或包括权利要求10所述的电子设备。
13.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
CN202211679123.3A 2022-12-26 2022-12-26 车型识别和问答处理方法、装置、设备、车辆及存储介质 Pending CN116911297A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211679123.3A CN116911297A (zh) 2022-12-26 2022-12-26 车型识别和问答处理方法、装置、设备、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211679123.3A CN116911297A (zh) 2022-12-26 2022-12-26 车型识别和问答处理方法、装置、设备、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN116911297A true CN116911297A (zh) 2023-10-20

Family

ID=88349878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211679123.3A Pending CN116911297A (zh) 2022-12-26 2022-12-26 车型识别和问答处理方法、装置、设备、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN116911297A (zh)

Similar Documents

Publication Publication Date Title
CN107657017B (zh) 用于提供语音服务的方法和装置
CN111767740B (zh) 音效添加方法和装置、存储介质和电子设备
CN112509562B (zh) 用于文本后处理的方法、装置、电子设备和介质
CN111951782A (zh) 语音问答方法及装置、计算机可读存储介质和电子设备
CN112906381B (zh) 对话归属的识别方法、装置、可读介质和电子设备
CN116863935B (zh) 语音识别方法、装置、电子设备与计算机可读介质
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
CN112883966A (zh) 图像字符识别方法、装置、介质及电子设备
CN111667810A (zh) 多音字语料的获取方法、装置、可读介质和电子设备
CN113823282B (zh) 语音处理方法、系统和装置
CN112242143B (zh) 一种语音交互方法、装置、终端设备及存储介质
CN115270717A (zh) 一种立场检测方法、装置、设备及介质
CN111899718B (zh) 用于识别合成语音的方法、装置、设备和介质
CN111859970B (zh) 用于处理信息的方法、装置、设备和介质
CN112309389A (zh) 信息交互方法和装置
CN110263135B (zh) 一种数据交换匹配方法、装置、介质和电子设备
CN112309387A (zh) 用于处理信息的方法和装置
CN116629236A (zh) 一种待办事项提取方法、装置、设备及存储介质
CN111462548A (zh) 一种段落点读方法、装置、设备和可读介质
US20240096347A1 (en) Method and apparatus for determining speech similarity, and program product
WO2021170094A1 (zh) 用于信息交互的方法和装置
CN116911297A (zh) 车型识别和问答处理方法、装置、设备、车辆及存储介质
CN113223496A (zh) 一种语音技能测试方法、装置及设备
CN112309390B (zh) 信息交互方法和装置
CN116911317A (zh) 问答处理方法、装置、设备、车辆及存储介质

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