CN117521667A - 语义信息处理方法、装置、计算机设备、存储介质和产品 - Google Patents
语义信息处理方法、装置、计算机设备、存储介质和产品 Download PDFInfo
- Publication number
- CN117521667A CN117521667A CN202311474827.1A CN202311474827A CN117521667A CN 117521667 A CN117521667 A CN 117521667A CN 202311474827 A CN202311474827 A CN 202311474827A CN 117521667 A CN117521667 A CN 117521667A
- Authority
- CN
- China
- Prior art keywords
- information
- semantic
- error reporting
- target
- reporting information
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 30
- 238000003672 processing method Methods 0.000 title claims description 16
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06F16/3344—Query execution using natural language analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/42—Mailbox-related aspects, e.g. synchronisation of mailboxes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Debugging And Monitoring (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及一种语义信息处理方法、装置、计算机设备、存储介质和计算机程序产品，通过在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息，从报错信息标识库中，获取与报错信息相对应的目标报错标识，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端，能够自动对错误信息进行修正，保证修正后语义信息的准确性，从而提高报错信息处理效率。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种语义数据信息方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在金融领域中，每日有大量数据需要向有关监管部门进行报送，这就对银行托管业务的报送处理能力提出了较高要求。目前，在进行报送处理时，通常是由托管系统监管报送中的报错信息，并由业务人员对报错信息进行判断、修改。然而，随着监管报送的范围逐渐增到，使得业务人员的工作量也越来越大，导致报错处理的效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高报错信息处理效率的语义信息处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种语义信息处方法，包括：
在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息；
从报错信息标识库中，获取与报错信息相对应的目标报错标识；
在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息；
在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在其中一个实施例中，从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，包括：
根据报错信息对语义信息进行解析，得到对应的字段属性标识；
从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在其中一个实施例中，语义识别模型的训练过程，包括：
获取历史报错信息和历史报错信息对应的标准语义信息；
通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；
根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；
更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在其中一个实施例中，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息的步骤，包括：
通过语义识别模型对报错信息进行语义分析，得到目标语义向量；
从语义数据库中，获取与目标语义向量对应的标准语义向量；
根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在其中一个实施例中，该方法还包括：
在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在其中一个实施例中，该方法还包括：
在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
第二方面，本申请还提供了一种语义信息处装置，包括：
报错生成模块，用于在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息；
标识获取模块，用于从报错信息标识库中，获取与报错信息相对应的目标报错标识；
语义修正模块，用于在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息；
邮件上报模块，用于在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任意一项的方法步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
上述语义信息处理方法、装置、计算机设备、存储介质和计算机程序产品，通过在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息，从报错信息标识库中，获取与报错信息相对应的目标报错标识，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端，能够自动对错误信息进行修正，保证修正后语义信息的准确性，从而提高报错信息处理效率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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为一个实施例中语义信息处理方法的应用环境图；
图2为一个实施例中语义信息处理方法的流程示意图；
图3为一个实施例中语义信息处理方法的流程示意图；
图4为一个实施例中语义信息处理装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的语义信息处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与云端104进行通信。数据存储系统可以存储云端104需要处理的数据。数据存储系统可以集成在云端104上，也可以放在云上或其他网络云端上。其中，终端102用于在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息，从报错信息标识库中，获取与报错信息相对应的目标报错标识，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端104。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。云端104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种语义信息处理方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤202至步骤208。
其中：
S202：在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息。
其中，语义信息是指用于文本内容的信息，通过语义信息可以将文本转换为机器可以理解的形式，在进行报送的过程中，为了避免邮件内容出现错误，需要对报送的信息进行校验，具体地，可以通过自然语言处理技术，识别本文内容，转换为机器可以识别的语义信息，并对语义信息进行校验，在校验不通过的情况下，表示此时报送的信息出现错误，终端根据错误的信息生成报错信息，报错信息用于指示后续对错误信息进行修正。
S204：从报错信息标识库中，获取与报错信息相对应的目标报错标识。
其中，终端根据错误信息的内容，从报错信息标识库中，查找与当前错误信息对应的目标报错标识，其中，报错信息标识库由历史报错信息确定，在每一次报送出现错误的情况下，可以由业务人员对报错的信息进行校验，通过对多条历史报错信息进行处理，汇总生成报错信息标识库。进一步地，在对当前的报错信息进行处理时，通过提取报错信息的报错标识，根据报错标识进一步确定是否需要对报错信息进行修正，以排除误报的干扰。
S206：在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息。
其中，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过预先训练好的语义识别模型对报错信息进行处理，具体地，通过语义识别模型对报错信息进行分析和处理，纠正其中存在的语义错误或不准确的表达，使得纠正后的语义信息更加准确和清晰，得到目标语义信息。
S208：在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
其中，为了进一步保证报错信息的准确性，在通过语音识别模型修正后，需要对目标语义信息再次进行校验，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并发送至云端，以指示业务人员根据云端接收到的上报邮件，对报送内容进行处理，实时监管业务流程。
上述语义信息处理方法中，通过在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息，从报错信息标识库中，获取与报错信息相对应的目标报错标识，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端，能够自动对错误信息进行修正，保证修正后语义信息的准确性，从而提高报错信息处理效率。
在一个示例性的实施例中，从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，包括：根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
其中，终端根据报错信息对语义信息进行解析，获取当前语义信息的字段属性标识，其中，字段属性标识是用来标识和描述数据字段的特性和属性的标记或标签，通常可以包括字段间的关联关系等。根据字段属性标识可以对语义信息进行分类，从而从报错信息标识库中，获取到与字段属性标识相对应的目标报错标识。
本实施例中，通过根据报错信息对语义信息进行解析，得到对应的字段属性标识，从报错信息标识库中，获取与字段属性标识相对应的目标报错标识，能够准确获取报错标识，从而准确对报错信息进行修正。
在一个示例性的实施例中，语义识别模型的训练过程，包括：获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
其中，语义识别模型是根据历史报错信息训练得到，其中，语义识别模型用于识别和理解文本中的语义信息，可以将自然语言文本映射到对应的语义表示，以便后续对语义进行分析。通过历史报错信息对应和标准语义信息，以及语义识别模型输出的报错信息间的差异程度，对语义识别模型的模型参数进行修改，直至语义识别模型的损失函数达到收敛，则语义识别模型训练完成。
本实施例中，通过根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改，能够提高语义识别模型的模型精度，从而准确对报错信息进行修正。
在一个示例性的实施例中，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息的步骤，包括：通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
其中，在通过语义识别模型对报错信息进行修正时，首先需要对输入的报错信息进行转换，得到机器更容易理解的向量形式，即目标语义向量，将目标语义向量与语义数据库中的语义信息进行匹配，确定输入的报错信息所表达的意思，并根据语义比较的结果，对报错信息进行修正，将语义错误或不准确的表达进行修正，以使其更加准确和清晰，最后将修正后的文本转化为自然语言，得到最终目标语义信息。
本实施例中，通过语义识别模型对报错信息进行修正，能够保证报错信息的准确性，从而提高报错信息处理效率。
在一个示例性的实施例中，该方法还包括：在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
其中，在对语义信息校验通过的情况下，则表示不需要对语义信息进行修正，此时可以直接根据初始的语义信息生成上报文件，并发送至云端，以指示业务人员根据云端接收到的上报邮件，对报送内容进行处理，实时监管业务流程。
本实施例中，通过在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端，能够提高上报效率。
在一个示例性的实施例中，该方法还包括：在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
其中，为了进一步保证报错信息的准确性，在通过语音识别模型修正后，需要对目标语义信息再次进行校验，若此时对目标语义信息校验还是不通过，则返回再次对目标语义信息进行修正，直至最后得到的目标语义信息校验通过时，上报目标语义信息。
本实施例中，通过在对目标语义信息校验不通过的情况下，重新对目标语义信息进行修正，能够保证目标语义信息的准确性，从而提高报错信息处理效率。
在一个示例性的实施例中，如图3所示，提供了一种语义信息处理方法，该方法包括以下步骤：
获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息。
根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
本实施例中，通过在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息，从报错信息标识库中，获取与报错信息相对应的目标报错标识，在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端，能够自动对错误信息进行修正，保证修正后语义信息的准确性，从而提高报错信息处理效率。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的语义信息处理方法的语义信息处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个语义信息处理装置实施例中的具体限定可以参见上文中对于语义信息处理方法的限定，在此不再赘述。
在一个示例性的实施例中，如图4所示，提供了一种语义信息处理装置，包括：报错生成模块10、标识获取模块20、语义修正模块30和邮件上报模块40，其中：
报错生成模块10，用于在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息。
标识获取模块20，用于从报错信息标识库中，获取与报错信息相对应的目标报错标识。
语义修正模块30，用于在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息。
邮件上报模块40，用于在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在一个示例性的实施例中，标识获取模块20还用于根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在一个示例性的实施例中，语义修正模块30还用于获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在一个示例性的实施例中，语义修正模块30还用于通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在一个示例性的实施例中，报错生成模块10还用于在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在一个示例性的实施例中，邮件上报模块40还用于在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
上述语义信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种语义信息处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备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。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息；从报错信息标识库中，获取与报错信息相对应的目标报错标识；在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息；在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，处理器执行计算机程序时涉及的从报错信息标识库中，获取与报错信息相对应的目标报错标识，包括：根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在一个实施例中，处理器执行计算机程序时涉及的语义识别模型的训练过程，包括：获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在一个实施例中，处理器执行计算机程序时涉及的通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，包括：通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息；从报错信息标识库中，获取与报错信息相对应的目标报错标识；在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息；在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，计算机程序被处理器执行时涉及的从报错信息标识库中，获取与报错信息相对应的目标报错标识，包括：根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在一个实施例中，计算机程序被处理器执行时涉及的语义识别模型的训练过程，包括：获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在一个实施例中，计算机程序被处理器执行时涉及的通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，包括：通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：在对获取到的语义信息校验不通过的情况下，根据语义信息生成报错信息；从报错信息标识库中，获取与报错信息相对应的目标报错标识；在根据目标报错标识确定需要对报错信息进行修正的情况下，通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息；在对目标语义信息校验通过的情况下，根据目标语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，计算机程序被处理器执行时涉及的从报错信息标识库中，获取与报错信息相对应的目标报错标识，包括：根据报错信息对语义信息进行解析，得到对应的字段属性标识；从报错信息标识库中，获取与字段属性标识相对应的目标报错标识。
在一个实施例中，计算机程序被处理器执行时涉及的语义识别模型的训练过程，包括：获取历史报错信息和历史报错信息对应的标准语义信息；通过语义识别模型对历史报错信息进行纠错处理，得到处理后的历史报错信息；根据处理后的历史报错信息和标准语义信息间的差异程度，对语义识别模型的模型参数进行修改；更新语义识别模型，返回通过语义识别模型对历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至语义识别模型的损失函数达到收敛。
在一个实施例中，计算机程序被处理器执行时涉及的通过语义识别模型对报错信息进行处理，得到修正后的目标语义信息，包括：通过语义识别模型对报错信息进行语义分析，得到目标语义向量；从语义数据库中，获取与目标语义向量对应的标准语义向量；根据目标语义向量与标准语义向量间的差异程度，对报错信息进行修正，得到修正后的目标语义信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在对语义信息校验通过的情况下，根据语义信息生成上报邮件，并将上报邮件发送至云端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在对目标语义信息校验不通过的情况下，根据目标语义信息生成报错信息，返回从报错信息标识库中，获取与报错信息相对应的目标报错标识的步骤，并继续执行，直至对目标语义信息校验通过。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种语义信息处理方法，其特征在于，所述方法包括：
在对获取到的语义信息校验不通过的情况下，根据所述语义信息生成报错信息；
从所述报错信息标识库中，获取与所述报错信息相对应的目标报错标识；
在根据所述目标报错标识确定需要对所述报错信息进行修正的情况下，通过语义识别模型对所述报错信息进行处理，得到修正后的目标语义信息；
在对所述目标语义信息校验通过的情况下，根据所述目标语义信息生成上报邮件，并将所述上报邮件发送至云端。
2.根据权利要求1所述的方法，其特征在于，所述从所述报错信息标识库中，获取与所述报错信息相对应的目标报错标识，包括：
根据所述报错信息对所述语义信息进行解析，得到对应的字段属性标识；
从所述报错信息标识库中，获取与所述字段属性标识相对应的目标报错标识。
3.根据权利要求1所述的方法，其特征在于，所述语义识别模型的训练过程，包括：
获取历史报错信息和所述历史报错信息对应的标准语义信息；
通过所述语义识别模型对所述历史报错信息进行纠错处理，得到处理后的历史报错信息；
根据所述处理后的历史报错信息和所述标准语义信息间的差异程度，对所述语义识别模型的模型参数进行修改；
更新所述语义识别模型，返回所述通过所述语义识别模型对所述历史报错信息进行处理，得到处理后的历史报错信息的步骤并继续执行，直至所述语义识别模型的损失函数达到收敛。
4.根据权利要求1所述的方法，其特征在于，所述通过语义识别模型对所述报错信息进行处理，得到修正后的目标语义信息，包括：
通过语义识别模型对所述报错信息进行语义分析，得到目标语义向量；
从语义数据库中，获取与所述目标语义向量对应的标准语义向量；
根据所述目标语义向量与所述标准语义向量间的差异程度，对所述报错信息进行修正，得到修正后的目标语义信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在对所述语义信息校验通过的情况下，根据所述语义信息生成上报邮件，并将所述上报邮件发送至云端。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在对所述目标语义信息校验不通过的情况下，根据所述目标语义信息生成报错信息，返回所述从所述报错信息标识库中，获取与所述报错信息相对应的目标报错标识的步骤，并继续执行，直至对所述目标语义信息校验通过。
7.一种语义信息处理装置，其特征在于，所述装置包括：
报错生成模块，用于在对获取到的语义信息校验不通过的情况下，根据所述语义信息生成报错信息；
标识获取模块，用于从所述报错信息标识库中，获取与所述报错信息相对应的目标报错标识；
语义修正模块，用于在根据所述目标报错标识确定需要对所述报错信息进行修正的情况下，通过语义识别模型对所述报错信息进行处理，得到修正后的目标语义信息；
邮件上报模块，用于在对所述目标语义信息校验通过的情况下，根据所述目标语义信息生成上报邮件，并将所述上报邮件发送至云端。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311474827.1A CN117521667A (zh) | 2023-11-07 | 2023-11-07 | 语义信息处理方法、装置、计算机设备、存储介质和产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311474827.1A CN117521667A (zh) | 2023-11-07 | 2023-11-07 | 语义信息处理方法、装置、计算机设备、存储介质和产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117521667A true CN117521667A (zh) | 2024-02-06 |
Family
ID=89759987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311474827.1A Pending CN117521667A (zh) | 2023-11-07 | 2023-11-07 | 语义信息处理方法、装置、计算机设备、存储介质和产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117521667A (zh) |
-
2023
- 2023-11-07 CN CN202311474827.1A patent/CN117521667A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110109656B (zh) | 接口模拟方法、装置、计算机设备和存储介质 | |
| CN107862425B (zh) | 风控数据采集方法、设备、系统及可读存储介质 | |
| CN115795000A (zh) | 基于联合相似度算法对比的围标识别方法和装置 | |
| CN117217172B (zh) | 表格信息获取方法、装置、计算机设备、存储介质 | |
| CN116155628B (zh) | 网络安全检测方法、训练方法、装置、电子设备和介质 | |
| CN117540915A (zh) | 基于大数据技术的选型方案生成方法、装置、设备和介质 | |
| CN117473130A (zh) | 业务处理方法、装置、设备、介质和程序产品 | |
| CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
| CN111597336A (zh) | 训练文本的处理方法、装置、电子设备及可读存储介质 | |
| CN116861107A (zh) | 业务内容展示方法、装置、设备、介质和产品 | |
| CN116304251A (zh) | 标签处理方法、装置、计算机设备和存储介质 | |
| CN117521667A (zh) | 语义信息处理方法、装置、计算机设备、存储介质和产品 | |
| US9471569B1 (en) | Integrating information sources to create context-specific documents | |
| CN112418260A (zh) | 模型训练方法、信息提示方法、装置、设备及介质 | |
| CN113468280B (zh) | 一种数据认知方法、装置、设备及存储介质 | |
| CN117370160A (zh) | 代码审核方法、装置、计算机设备、存储介质和程序产品 | |
| CN118394308A (zh) | 目标基座模型获取方法、装置、计算机设备和存储介质 | |
| CN118070772A (zh) | 凭证生成方法、装置、计算机设备、可读存储介质和产品 | |
| CN116909875A (zh) | 实时测试数据生成方法、装置、计算机设备和存储介质 | |
| CN117455664A (zh) | 资源数据的处理方法、装置、计算机设备和存储介质 | |
| CN117391490A (zh) | 金融业务的评价信息处理方法、装置和计算机设备 | |
| CN117171672A (zh) | 产品数据处理方法、装置、计算机设备和存储介质 | |
| CN116149750A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN117370339A (zh) | 报表血缘关系处理方法、装置、计算机设备和存储介质 | |
| CN117610557A (zh) | 文本检测方法、装置、设备和存储介质 |
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 |