JP2021082306A - 目標内容の確定方法、装置、機器及びコンピュータ可読記憶媒体 - Google Patents

Abstract

【課題】文章から有用な情報だけを確定する目標内容の確定方法、装置、機器及びコンピュータ可読記憶媒体を提供する。【解決手段】目標内容の確定方法は、検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、文の属性に基づいて文間の関係を確定するステップ２０１と、文間の関係に基づいて文ごとに対応する文表現を確定するステップ２０２と、文の文表現や検索情報に基づいて目標文を確定し、そして、目標文に基づいて目標内容を確定するステップ２０３と、を含む。【選択図】図２

Description

本開示は、データ処理技術に関し、特に、文字内容の分析技術に関する。

情報検索（Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ）は、ユーザが情報を調査する及び取得する主な方式であり、情報を探す方法と手段であると同時に、情報検索は、サーチエンジンのコアタスクでもあり、サーチエンジンは、ユーザによって入力される内容に基づいて情報を提供する必要がある。

ペースが速まっていく現代の社会生活に従って、情報の内容が増々多くなり、情報を読む時間が増々短くなっている。一般的に、文章が大量の内容で充満されており、例えば、ユーザがある映画の主役を演じる役者を知りたいが、その文章の大半は、映画の紹介、そして、出演陣の紹介や、出演陣の紹介に係る段落に記載可能な役者の紹介でいっぱいになっている反面、ユーザからの質問を真に回答する内容は、ただ数文で済む。質問でも、一文で回答できる質問もあれば、数文の内容を組み合わせてから回答できる質問もある。

よって、いかにして文章で有用な情報だけを確定し、ユーザへ有用な情報をフィードバックするかは、当業者が早急に解決しなければならない課題になっている。

本開示は、文章から有用な情報だけを確定する目標内容の確定方法、装置、機器及びコンピュータ可読記憶媒体を提供する。

第１の態様では、本開示は、目標内容の確定方法を提供し、前記方法は、
検索情報に基づいて確定される文章の段落を複数の文に分割し、前記文の属性に基づいて文間の関係を確定することと、
前記文間の関係に基づいて前記文ごとに対応する文表現を確定することと、
前記文の文表現及び前記検索情報に基づいて目標文を確定し、そして、前記目標文に基づいて目標内容を確定することと、を含む。

選択的に、前記文の属性に基づいて文間の関係を確定することは、
文に含まれているエンティティを取得することと、
前記文間の対応するエンティティの重畳度に基づき、前記文間の第１の関係を確定することと、を含む。

本実施例で提供される方法により、文に含まれているエンティティの次元により、文間の関係を確定することができる。

選択的に、前記文の属性に基づいて文間の関係を確定することは、
前記文章の段落における前記文の位置番号を確定し、そして、前記位置番号に基づいて前記文間の第２の関係を確定することを含む。

本実施例で提供される方法により、段落における文の位置の次元により、文間の関係を確定することができる。

選択的に、前記文の属性に基づいて文間の関係を確定することは、
前記文ごとに対応する文ベクトルを確定し、そして、前記文ベクトルに基づいて文間の第３の関係を確定することを含む。

本実施例で提供される方法により、文のセマンティクスの次元により、文間の関係を確定することができる。

選択的に、前記文の属性に基づいて文間の関係を確定することは、
プリセットのルールに基づいて前記文間の影響重みを確定し、そして、前記文に対応する前記影響重みに基づいて前記文に対する他の文の注意力を確定することを含む。

本実施例で提供される方法により、文間の影響の次元により、文間の関係を確定することができる。

選択的に、前記文間の関係に基づいて前記文ごとに対応する文表現を確定することは、
前記文間の関係に基づいて前記関係に対応する関係図を確定することと、
プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定することと、を含む。

本実施例で提供される方法により、文間の関係の文表現を含む文表現を確定することができる。

選択的に、前記関係図の数が１よりも大きい場合、
プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定した後に、前記方法は、
前記文に対応する文表現を接ぎ合わせ、前記文に対応する完全な表現を得ることをさらに含む。

本実施例で提供される方法により、複数の次元から確定される文関係を含む文表現を得ることができ、これにより、文表現に含まれる文間の関係がより豊富であるようになる。

選択的に、前記文の文表現や前記検索情報に基づいて目標文を確定することは、
前記文表現や前記検索情報に基づいてマッチング度を確定することと、
マッチング度合いが上位である、プリセットの数の文を目標文として確定することと、を含む。

本実施例で提供される方法により、文間の関係と合わせて、段落において検索情報にマッチングする目標文を確定することができる。

第２の態様では、本開示は、目標内容の確定装置を提供し、前記装置は、
検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、前記文の属性に基づいて文間の関係を確定するための分割モジュールと、
前記文間の関係に基づいて前記文ごとに対応する文表現を確定するための表現確定モジュールと、
前記文の文表現や前記検索情報に基づいて目標文を確定し、そして、前記目標文に基づいて目標内容を確定するための目標確定モジュールと、を含む。

第３の態様では、本開示は、電子機器を提供し、前記電子機器は、
少なくとも１つのプロセッサ、および
前記少なくとも１つのプロセッサと通信的に接続されるメモリを含み、
前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行されることにより、前記少なくとも１つのプロセッサに、上記のいずれか１つの目標内容の確定方法を実行させることができる。

第４の態様では、本開示は、コンピュータ命令を記憶している非一時的なコンピュータ可読記憶媒体を提供し、前記コンピュータ命令は、前記コンピュータに上記のいずれか１つの目標内容の確定方法を実行させるためのものである。

第５の態様では、本開示は、コンピュータプログラムを提供し、前記コンピュータプログラムは、可読記憶媒体に記憶され、電子機器の少なくとも１つのプロセッサは、前記可読記憶媒体から前記コンピュータプログラムを読み取ることができ、前記少なくとも１つのプロセッサは、前記コンピュータプログラムを実行することによって、前記電子機器に上記のいずれか１つの目標内容の確定方法を実行させる。

本開示は目標内容の確定方法、装置、機器及びコンピュータ可読記憶媒体を提供し、前記方法は、検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、文の属性に基づいて文間の関係を確定することと、文間の関係に基づいて文ごとに対応する文表現を確定することと、文の文表現や検索情報に基づいて目標文を確定し、そして、目標文に基づいて目標内容を確定することと、を含む。本開示によって提供される方法、装置、機器及びコンピュータ可読記憶媒体では、文間の関係を確定し、そして、文間の関係に基づいて文の文表現を再確定し、さらに、文表現に基づいて文の中から目標文を確定することで、本開示によって提供される方法、装置、機器及びコンピュータ可読記憶媒体により、文間の関係と合わせて句ごとに分析することにより、検索情報に一層マッチングする目標内容を確定することができる。

図面は、本解決手段をよりよく理解するためのものであり、本願に対する限定を構成しない。
本願の一例示的な実施例によって示されるシステム構造図である。 本願の一例示的な実施例によって示されるインターフェース図である。 本願の一例示的な実施例によって示される目標内容の確定方法のフローチャートである。 本願の他の例示的な実施例によって示される目標内容の確定方法のフローチャートである。 本願の一例示的な実施例によって示される目標内容の確定装置の構造図である。 本願の他の例示的な実施例によって示される目標内容の確定装置の構造図である。 本願の一例示的な実施例によって示される電子機器を実現するためのブロック図である。

以下、本願の模範的な実施例を図面と合わせて説明し、本願の実施例の様々な、理解のための詳細が含まれるが、これらは模範的なものにすぎないと考えるべきである。よって、当業者は、ここに記載の実施例に対して行われる様々な変化や修正が可能であり、本願の範囲や趣旨から逸脱しないと認識すべきである。同様に、明確や簡潔のため、以下の説明では、周知の機能や構造に関する記載を省略している。

現在、ユーザは、サーチエンジンで検索情報を入力することができ、サーチエンジンは、検索情報に対応する検索内容をフィードバックすることができる一方、一般的に、ネットワークで検索される内容は多いため、ユーザは大量の内容を読まなければ必要な内容を得ることができない。

例えば、ユーザが入力する検索情報は、「ＮＢＡ２０１８−２０１９シーズンのｍｖｐは誰ですか」である場合、一段落で
「ＮＢＡ２０１８−２０１９シーズンの個人賞結果は発表されました」、
「今シーズンで大活躍したハーデンは、チームを率いてリーグ一位を勝ち取りました」、
「圧倒的な大活躍を見せた彼は、今シーズンのＭＶＰに輝きました」、という３文をともに組み合わせて回答する必要がある。

上記３文でのいずれか１文でも該質問を単独で回答することができないため、段落内容での文を分析しなければ、有用な情報を得ることができない。

本願の実施例で提供される解決手段により、段落中の個々の文間の関係に基づいて文の内容を分析し、即ち、一文自体および他の文の内容をともに組み合わせて、検索情報にマッチングする内容を共同で確定する。

図１Ａは、本願の一例示的な実施例によって示されるシステム構造図である。

図１Ａに示すように、該システムでは、ユーザ端末１１を含んでもよく、ユーザ端末１１は、コンピュータであってもよく、スマートフォーンなどの電子機器であってもよい。該システムでは、サーバ１２をさらに含んでもよい。サーバ１２とユーザ端末１１とは、ネットワークによって接続されることができる。

ユーザは、ユーザ端末１１に検索情報を入力することができ、ユーザ端末１１は、ネットワークによって検索情報をサーバ１２に送信し、サーバ１２は、検索情報に基づいて検索結果を確定し、そして、検索結果をユーザ端末１１へフィードバックすることができる。

具体的に、サーバ１２は、さらに検索結果に基づいて検索情報にマッチングする目標内容を確定し、そして、ユーザ端末１１へ目標内容をフィードバックすることができ、これにより、ユーザは、大量の内容を読まなくても、有用な情報を得ることができる。

図１Ｂは、本願の一例示的な実施例によって示されるインターフェース図である。

図１Ｂに示すように、ユーザ端末１１のインターフェースで１つの入力ボックスをディスプレイすることができ、ユーザは、入力ボックスで検索情報を入力してサーチボターンをクリックすることで、ユーザ端末１１が検索情報をサーバ１２へ送信するようにトリガーすることができる。

例えば、ユーザ端末１１に配置されたサーチエンジンを始動することで、ユーザ端末１１が図１Ｂに示すような入力ボックスをディスプレイすることができる。

図２は、本願の一例示的な実施例によって示される目標内容の確定方法のフローチャートである。

図２に示すように、本実施例で提供される目標内容の確定方法は、以下のステップを含む。

ステップ２０１において、検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、文の属性に基づいて文間の関係を確定する。

本実施例で提供される方法により、コンピューティング能力を備えた電子機器によって実行されることができ、該機器は、例えば、図１Ａに示すようなサーバであってもよい。

具体的に、電子機器は、検索情報に基づいて対応する検索結果を確定することができる。例えば、１つのニュースレポートであってもよく、１つの文章などであってもよい。電子機器は、本実施例で提供される方法に基づいて検索結果を分析し、検索情報に対応する目標内容、つまり、有用な情報を得ることができる。

さらに、本実施例で提供される方法をソフトウェアにパッケージングしてから、該ソフトウェアを電子機器にインストールすることにより、電子機器に、本実施例で提供される方法を実行させることができる。

実際に応用する際、検索結果中の段落に対し、段落を分割して複数の文を得ることができる。例えば、検索結果中の文章は、一段落を含む場合、該一段落を処理することができ、検索結果の文章に含まれる段落数が１つよりも大きい場合、段落ごとに処理することができる。

段落の中の句読点に基づいて文章の段落を分割することができる。段落の開始位置から１つ目の句読点までは１文であり、段落で２つずつの句読点の間は１文であると考えられることができる。

具体的に、さらに文の属性に基づいて文間の関係を確定してもよい。本実施例で提供される方法において、文間の関係と合わせて文章の段落を分析することにより、文間の関係と合わせて文ごとに含まれる情報をより正確的に識別する。

さらに、文の属性は、文に含まれている内容、段落における文の位置などの情報であってもよい。これらの情報に基づいて文間の関係を確定することができる。

実際に応用する際、例えば、文に含まれているエンティティ語彙に基づいて文間の関係を確定することができる。２つの文に含まれているエンティティ語彙の重畳度が高い場合、この２つの文の関連性が比較的に強いと考えることができ、関連性を文間の一関係とすることができる。さらに、例えば、２つの文の位置が比較的に近い場合、例えば、連続する２文である場合、この２つの文の相関性が比較的に強いと考えることができる。文章の段落に対して、近寄っている文の相関性がより強いため、文の位置に基づいて文間の関係を確定することができる。

ステップ２０２において、文間の関係に基づいて文ごとに対応する文表現を確定する。

本実施例で提供される方法は、文ごとの表現を再確定することもできる。オリジナルな文章では、一文の表現は文の内容であると考えることができる。例えば、一文の内容は、「圧倒的な大活躍を見せた彼は、今シーズンのＭＶＰに輝きました」である場合、該句の内容はこの文の文表現であり、この文のみで検索情報に対するフィードバック内容を得ることができない。よって、本実施例で提供される方法により、文間の関係と合わせて文表現を再確定することで、新たな文表現に文間の関係が含まれるようになる。

具体的に、文間の関係に基づいて関係図を構築することができ、各文関係に対して、種類別に対応する関係図が確定され得る。例えば、４種類の文関係を確定する場合、４つの関係図を構築することができ、関係図には各文間の関係が含まれている。

関係図には複数のノードが含まれることができ、ノードごとに一文を代表することができる。文間の関係は、例えば、辺で表すことができ、辺には、該辺によって連結される２つのノード間の関係を表すための関係値があってもよい。

さらに、ＧＣＮ（Ｇｒａｐｈ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｔｗｏｒｋｓ、グラフ畳み込みニューラルネットワーク）を用いて関係図を処理することができる。例えば、関係図をＧＣＮに入力し、図でのノードごとの表現、即ち、文表現をＧＣＮによって出力することができる。

実際に応用する際、文間の関係に基づいて複数の関係図を確定した場合、関係図ごとに基づいて個々の文の文表現をすべて出力することができる。このような場合では、同一文の文表現を接ぎ合わせることにより、該文の完全な表現を得ることもできる。

得られる文表現には文間の関係が含まれることにより、文間の関係を帯びている文表現に基づいて文の中から目標内容を確定することができる。

ステップ２０３において、文の文表現や検索情報に基づいて目標文を確定し、そして、目標文に基づいて目標内容を確定する。

具体的に、文ごとの文表現や検索情報のマッチング度合いを確定することができる。マッチング度合いが高い場合、対応する文は目標文であると考えることができる。

さらに、文表現をベクトル式に転換して、検索情報をもベクトル式で表すことにより、２つのベクトルの距離を計算し、そして、該距離に基づいて両者のマッチング度合いを確定することができる。

実際に応用する際、マッチング度合いが上位である、前からｎの文を目標文として確定することができる。マッチング度合いの閾値を確定し、マッチング度合いが該閾値よりも大きい文を目標文として確定することもできる。

目標文に含まれている内容を目標内容とすることができ、目標内容をユーザ端末にフィードバックすることにより、ユーザが大量の内容を読まないままで検索情報に対応する有用な情報を取得できる。

本実施例で提供される方法は、目標内容を確定するためのものであり、該方法は、本実施例で提供される方法が配置されている機器によって実行され、該機器は、通常ハードウェア及び／又はソフトウェアの形で実現される。

本実施例で提供される目標内容の確定方法は、検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、文の属性に基づいて文間の関係を確定することと、文間の関係に基づいて文ごとに対応する文表現を確定することと、文の文表現や検索情報に基づいて目標文を確定し、そして、目標文に基づいて目標内容を確定することと、を含む。本実施例で提供される方法において、文間の関係を確定し、そして、文間の関係に基づいて文の文表現を再確定し、さらに、文表現に基づいて文の中から目標文を確定することで、本実施例で提供される方法により、文間の関係と合わせて文ごとに分析し、これにより、検索情報に一層マッチングする目標内容を確定することができる。

図３は、本願の他の例示的な実施例によって示される目標内容の確定方法のフローチャートである。

図３に示すように、本実施例で提供される目標内容の確定方法は、以下のステップを含む。

ステップ３０１において、検索情報に基づいて確定される文章の段落を複数の文に分割する。

ステップ３０１やステップ２０１において段落分割の具体的な原理や実現形態は類似し、ここでは繰り返して説明しないようにする。

ステップ３０２において、文に含まれているエンティティを取得し、文間の対応するエンティティの重畳度に基づき、文間の第１の関係を確定する。

ある場合では、文の属性は、文に含まれているエンティティであってもよい。文ごとに処理し、個々の文に含まれているエンティティを取得することができる。

エンティティ語彙のコーパスを設置することができる。文を分割することにより、複数の文に含まれている語彙を得てから、エンティティ語彙のコーパスに含まれるエンティティ語彙に基づいて文の語彙を識別し、文の語彙からエンティティを確定することができる。例えば、エンティティ語彙のコーパスで文の語彙を調べることができ、対応する単語を調べることができると、該文の語彙はエンティティであると証明される。

具体的に、含まれているエンティティを文の中から識別するための識別アルゴリズムを設置することもできる。

さらに、文間の対応するエンティティの重畳度に基づき、文間の第１の関係を確定することができる。具体的に、２つずつの文間の第１の関係を確定することができる。

実際に応用する際、２つの文に含まれているエンティティの重畳度が比較的に高い場合、２つの文の関連性が比較的に高いと考えることができるため、文の重畳度を第１の関係の指標とすることができる。

文間の重畳されるエンティティの数ｄ_１、即ち、２つの文での重複されるエンティティの数を確定してから、ｄ_１と、文に含まれているエンティティの数ｄ_２と、の比の値を文の重畳度とすることができる。例えば、文Ｓ１と文Ｓ２との重畳度を確定するとき、２つの重畳度を得ることができる。１つ目の重畳度は、重畳されるエンティティの数ｄ_１と、文Ｓ１に含まれているエンティティの数ｄ_２と、の比の値であり、２つ目の重畳度は、重畳されるエンティティの数ｄ_１と、文Ｓ２に含まれているエンティティの数ｄ_２と、の比の値であり、重畳度がより高いほうを２つの文間の重畳度とすることができる。

ステップ３０３において、文章の段落における文の位置番号を確定し、そして、位置番号に基づいて文間の第２の関係を確定する。

ある場合では、文の属性は、位置番号であってもよい。文章の段落における文の位置に基づいて文の位置番号を確定することができる。例えば、１つ目の文の番号は１で、２つ目の文の番号は２であってもよいなどが挙げられる。

具体的に、段落における文は、上文を承けて下文にうまくつなげる作用があるため、位置が近寄るほど、文間の関連性が高まる。例えば、一般的に、連続する２文は、関連性が比較的に強い可能性がある。本実施例で提供される方法により、位置番号によって文の位置属性を表すことができ、ひいては、個々の文の位置番号に基づいて第２の関係を確定することができる。

さらに、２つずつの文間の第２の関係を確定することができる。

実際に応用する際、対応する文の番号の差の絶対値の逆数で第２の関係を表すことができる。例えば、１つ目の文Ｓ１と２つ目の文Ｓ２との第２の関係は１／｜１−２｜＝１であり、２つ目の文Ｓ２と４つ目の文Ｓ４との関係値は、１／｜２−４｜＝０．５である。

ステップ３０４において、文ごとに対応する文ベクトルを確定し、そして、文ベクトルに基づいて文間の第３の関係を確定する。

ある場合では、文の属性は、文ベクトルであってもよい。

文に含まれている語彙に基づいて文ベクトルを確定することができる。文ベクトルを確定するためのモデルをプリセットすることもできる。

例えば、Ｄｏｃ２ｖｅｃやＢＥＲＴによって文ベクトルを確定することができる。

具体的に、文ベクトルは、文に含まれている内容、例えば、含まれている語彙、語彙の順序などを具現化することができるため、文ベクトルに基づいて文間の語義的関連、即ち、第３の関係を確定することができる。

さらに、２つの文間の第３の関係を確定することができる。具体的に、２つの文に対応する文ベクトルの余弦値を計算して第３の関係とすることができる。例えば、文Ｓ１、文Ｓ２に対し、Ｓ１に対応するベクトルＨ１とＳ１に対応するベクトルＨ２とを確定し、そして、この２つのベクトルの余弦値を計算して文Ｓ１とＳ２との語義的関係の強弱を表すことができる。

ステップ３０５において、プリセットのルールに基づいて文間の影響重みを確定し、そして、文に対応する影響重みに基づいて文に対する他の文の注意力を確定する。

実際に応用する際、文の属性は、該文に対する他の文の影響を含むこともできる。そのうち、文に対する文の影響重みを確定するためのルールをプリセットすることができる。例えば、文Ｓ２に対する文Ｓ１の影響を確定する。

文の間の相関性を確定して他の文に対する一文の影響を表すことができる。例えば、Ｓ_ｍに対するＳ_ｎの影響重みを表すためのｓｉｍｉｌａｒｉｔｙ（Ｓ_ｍ、Ｓ_ｎ）を確定することができる。

具体的に、相関性は、文間の余弦値で表すことができ、例えば、ｓｉｍｉｌａｒｉｔｙ（Ｓ_ｍ、Ｓ_ｎ）＝ｃｏｓ（Ｓ_ｍ、Ｓ_ｎ）である。対応する文表現で余弦値を確定することができる。

さらに、このような方式で一文に対する文ごとの影響重みを確定することができ、例えば、Ｓ１に対する文Ｓ２、文Ｓ３、文Ｓ４の影響重みをそれぞれ確定する。また、一文に対応する影響重みに基づいて該文に対する他の文の注意力を確定し、即ち、一文に対する他の文の影響に基づいて該文に対する他の文の注意力を確定することができる。

より明確に説明するために、影響される文を目標文として確定し、他の文を影響文として確定することができる。目標文を確定する影響重み値と対応する影響文との相乗積の和を目標文の注意力、即ち、影響文が目標文に影響を与える注意力の値とすることができる。

例えば、Ｓ１、Ｓ２、Ｓ３、Ｓ４の４文が含まれる場合、Ｓ１の注意力は、
ｓｉｍｉｌａｒｉｔｙ（Ｓ_１、Ｓ_２）＊Ｓ_２＋ｓｉｍｉｌａｒｉｔｙ（Ｓ_１、Ｓ_３）＊Ｓ_３＋ｓｉｍｉｌａｒｉｔｙ（Ｓ_１、Ｓ_４）＊Ｓ_４である。

実際に応用する際、文を計算するとき、文表現に基づいて計算することができる。例えば、ｓｉｍｉｌａｒｉｔｙ（Ｓ_１、Ｓ_４）では、文Ｓ_１の文表現や文Ｓ_４の文表現に基づいて計算することができる。文表現は、例えば、文ベクトルであってもよい。

モデルによって文の注意力を確定することができる。該モデルを訓練することができ、毎回の反復プロセスでは、モデルの更新につれて、確定される注意力の結果も変わり、これにより、最終に出力される結果は変わる。

ステップ３０２〜ステップ３０５は、文間の関係を確定する４種類の方式であり、この４種類の方式を同時に設置することもできれば、そのうちのいずれか１種又は数種類を設置することもでき、これに対し、本実施例は、何の制限もしないと同時に、ステップ３０２〜ステップ３０５の実行手順に対しても何の制限もしない。

ステップ３０６において、文間の関係に基づいて関係に対応する関係図を確定する。

具体的に、文間の関係を確定した後に、文間の関係に基づいて対応する関係図を確定することができる。

さらに、複数種類の文間の関係を確定した場合、各関係の種類別に対応する関係図を確定することができる。図には、複数のノードが含まれることができ、１つのノードが一文を代表する。ノードの間には、辺があってもよく、辺の値は、即ち、ノード間の関係であってもよい。例えば、第１の関係に対応する関係図において、個々のノードの辺は、文間の重畳度であってもよい。

ステップ３０７において、プリセットのニューラルネットワークによって関係図において文ごとの文表現を確定する。

実際に応用する際、関係図において個々のノードの情報を抽出するための、プリセットのニューラルネットワークを予め訓練することができる。例えば、グラフ畳み込みニューラルネットワークを設置することができる。

グラフ畳み込みニューラルネットワーク（Ｇｒａｐｈ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ、ＧＣＮ）は、グラフデータを深く学習する方法である。グラフデータをＧＣＮに入力し、ＧＣＮは、図の中の各ノード間の関係に基づいてノード情報、つまり文ごとの文表現を抽出することができる。

具体的に、ＧＣＮによって出力される文表現には、文間の関係の情報が含まれている。

ステップ３０８において、文に対応する文表現を接ぎ合わせ、文に対応する完全な表現を得る。

さらに、確定される関係図の数が１よりも大きい場合、文ごとに対しては、いずれも１よりも大きい数の文表現を得ることができる。例えば、第１の関係、第２の関係、第３の関係、注意力に基づいて第１の関係図、第２の関係図、第３の関係図、注意力図をそれぞれ確定することができ、同一文に対しては、これらの関係図に基づいて第１の表現、第２の表現、第３の表現、注意力表現をそれぞれ確定することができる。

実際に応用する際、異なる関係図は、異なる次元から文間の関係を説明しているため、異なる関係図に基づいて得られる文表現を接ぎ合わせ、完全な文表現を得ることができ、これにより、文間の関係がより豊富に含まれる文表現を得ることができる。

個々の文の文表現を接ぎ合わせるとき、同じ順序に従って接ぎ合わせることができる。例えば、文ごとに対しては、いずれも第１の表現、第２の表現、第３の表現、注意力表現の順序に従って接ぎ合わせる。

ステップ３０９において、文表現や検索情報に基づいてマッチング度を確定し、マッチング度合いが上位である、プリセットの数の文を目標文として確定する。

具体的に、関係図を１つしか確定しない場合、該関係図に対応する文表現に基づいて本ステップを直接に実行することができる。関係図を複数確定した場合、完全な文表現に基づいて本ステップを実行することができる。

さらに、一文の文表現や検索情報の距離を計算し、該距離を文のマッチング度として確定することができる。例えば、一文表現Ｈと検索情報Ｑとの余弦値を計算し、該余弦値を両者の距離とすることができる。

実際に応用する際、余弦値を確定するとき、文表現をベクトル式に転換してもよく、検索情報をベクトル式に転換してもよい。これにより、２つのベクトルの余弦値を確定し、即ち、文と検索情報とのマッチング度を得ることができる。

マッチング度合いが高い文を目標文として確定することができる。例えば、数の値Ｎをプリセットし、マッチング度合いが上位であるＮ個の文を選出して目標文とすることができる。さらに、例えば、比率の値Ｍを設置することができ、文の数と比率の値との相乗積を数の値Ｎとして確定することができる。

具体的に、検索した文章が、複数の文章の段落を含む場合、段落ごとの文の文表現を処理し、マッチング度合いが高い目標文を確定することができる。

ステップ３１０において、目標文に基づいて目標内容を確定する。

ステップ３１０とステップ２０３とでは、目標内容を確定する具体的な原理や実現形態が類似し、ここでは繰り返して説明しないようにする。

図４は、本願の一例示的な実施例によって示される目標内容の確定装置の構造図である。

図４に示すように、本実施例で提供される目標内容の確定装置は、
検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、前記文の属性に基づいて文間の関係を確定するための分割モジュール４１と、
前記文間の関係に基づいて前記文ごとに対応する文表現を確定するための表現確定モジュール４２と、
前記文の文表現や前記検索情報に基づいて目標文を確定し、そして、前記目標文に基づいて目標内容を確定するための目標確定モジュール４３と、を含む。

本実施例で提供される目標内容の確定装置は、検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、文の属性に基づいて文間の関係を確定するための分割モジュールと、文間の関係に基づいて文ごとに対応する文表現を確定するための表現確定モジュールと、文の文表現や検索情報に基づいて目標文を確定し、そして、目標文に基づいて目標内容を確定するための目標確定モジュールと、を含む。本実施例で提供される装置では、文間の関係を確定し、そして、文間の関係に基づいて文の文表現を再確定し、さらに、文表現に基づいて文の中から目標文を確定することで、本実施例で提供される装置により、文間の関係と合わせて句ごとに分析することによって、検索情報に一層マッチングする目標内容を確定することができる。

本実施例で提供される目標内容の確定装置の具体的な原理や実現形態は、いずれも図２に示すような実施例に類似し、ここでは繰り返して説明しないようにする。

図５は、本願の他の例示的な実施例によって示される目標内容の確定装置の構造図である。

図５に示すように、本実施例で提供される目標内容の確定装置は、上記実施例を基礎として、前記分割モジュール４１は、
文に含まれているエンティティを取得すること、及び
前記文間の対応するエンティティの重畳度に基づき、前記文間の第１の関係を確定すること、に用いられる第１の関係確定ユニット４１１を含む。

前記分割モジュール４１は、前記文章の段落における前記文の位置番号を確定し、そして、前記位置番号に基づいて前記文間の第２の関係を確定するための第２の関係確定ユニット４１２を含む。

前記分割モジュール４１は、前記文ごとに対応する文ベクトルを確定し、そして、前記文ベクトルに基づいて文間の第３の関係を確定するための第３の関係確定ユニット４１３を含む。

前記分割モジュール４１は、プリセットのルールに基づいて前記文間の影響重みを確定し、そして、前記文に対応する前記影響重みに基づいて前記文に対する他の文の注意力を確定するための第４の関係確定ユニット４１４を含む。

前記表現確定モジュール４２は、
前記文間の関係に基づいて前記関係に対応する関係図を確定するためのグラフ確定ユニット４２１と、
プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定するための表現確定ユニット４２２と、を含む。

前記関係図の数が１よりも大きい場合、
前記表現確定モジュール４２は、表現確定ユニット４２２がプリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定した後に、
前記文に対応する文表現を接ぎ合わせ、前記文に対応する完全な表現を得るための接ぎ合わせユニット４２３をさらに含む。

前記目標確定モジュール４３は、具体的に、
前記文表現や前記検索情報に基づいてマッチング度を確定すること、及び
マッチング度合いが上位である、プリセットの数の文を目標文として確定すること、に用いられる。

本願の実施例により、本願は、さらに、電子機器と可読記憶媒体とを提供する。

本願の実施例により、本願は、コンピュータプログラム製品を提供し、前記プログラム製品は、コンピュータプログラムを含み、前記コンピュータプログラムは、可読記憶媒体に記憶され、電子機器の少なくとも１つのプロセッサは、前記可読記憶媒体から前記コンピュータプログラムを読み取ることができ、前記少なくとも１つのプロセッサは、前記コンピュータプログラムを実行することによって、前記電子機器に上記のいずれか１つの実施例による手段を実行させる。

本願の実施例により、本願は、コンピュータプログラムを提供し、前記コンピュータプログラムは、可読記憶媒体に記憶され、電子機器の少なくとも１つのプロセッサは、前記可読記憶媒体から前記コンピュータプログラムを読み取ることができ、前記少なくとも１つのプロセッサは、前記コンピュータプログラムを実行することによって、前記電子機器に上記のいずれか１つの実施例による手段を実行させる。

図６に示すように、本願の実施例に係る目標内容の確定方法に基づく電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、作業台、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、及びその他の適切なコンピュータなどのような、様々な形のデジタルコンピュータを表すことを旨とする。電子機器はまた、パーソナルデジタルアシスタント、セルラーテレフォン、スマートフォーン、ウェアラブルデバイス及びその他の類似するコンピューティングデバイスなどのような、様々な形のモバイル装置を表すこともできる。本文に示すコンポーネント、それらの連結や関係、及び、それらの機能は、あくまで例示的なものであり、本文に記載の及び／又は本文が求める本願の実現を制限することを意図しない。

図６に示すように、該電子機器は、１つ又は複数のプロセッサ６０１、メモリ６０２、及び各コンポーネントを連結するためのインターフェースを含み、該インターフェースは、高速インターフェースと低速インターフェースとを含む。個々のコンポーネントは、異なるバスを使用して互いに接続され、パブリックメインボードにインストールされるか、又は、ニーズに応じて他の方式でインストールされることができる。プロセッサは、電子機器内で実行される命令を処理することができ、外部の入力／出力装置（インターフェースにカップリングされたディスプレイデバイスなど）でグラフィカル・ユーザー・インターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＧＵＩ）のグラフィクス情報をディスプレイするための、メモリ内又はメモリ上に記憶されている命令が含まれている。他の実施形態では、ニーズに応じて、複数のプロセッサ及び／又は複数のバスを複数のメモリと一緒に使用することができる。同様に、複数の電子機器に接続することができ、個々の機器は、必要な操作（例えば、サーバアレイ、一揃いのブレードサーバ、または、マルチプロセッサシステムとする）を一部提供する。図６には、１つのプロセッサ６０１を例としている。

メモリ６０２は、本願で提供される非一時的なコンピュータ可読記憶媒体である。前記メモリには、少なくとも１つのプロセッサによって実行可能な命令が記憶されることにより、前記少なくとも１つのプロセッサに本願で提供される目標内容の確定方法を実行させる。本願に係る非一時的なコンピュータ可読記憶媒体には、コンピュータ命令が記憶されており、該コンピュータ命令は、コンピュータに本願で提供される目標内容の確定方法を実行させるためのものである。

メモリ６０２は、非一時的なコンピュータ可読記憶媒体として、非一時的なソフトウェアプログラム、非一時的なコンピュータによる実行可能なプログラム及びモジュール、例えば、本願の実施例における目標内容の確定方法に対応するプログラム命令／モジュール（例えば、図４に示すような分割モジュール４１、表現確定モジュール４２や目標確定モジュール４３）を記憶するために使用することができる。プロセッサ６０１は、メモリ６０２に記憶されている非一時的なソフトウェアプログラム、命令およびモジュールを実行することにより、サーバの様々な機能アプリケーションおよびデータ処理を実行し、即ち、上記の方法の実施例における目標内容の確定方法を実現する。

メモリ６０２は、プログラム記憶エリアとデータ記憶エリアとを含むことができ、そのうち、プログラム記憶エリアは、操作システム、少なくとも１つの機能に必要なアプリケーションプログラムを記憶することができ、データ記憶エリアは、目標内容の確定及び電子機器の使用によって作成されるデータなどを記憶することができる。また、メモリ６０２は、高速ランダムアクセスメモリを含むことができ、また、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリデバイス、又はその他の非一時的なソリッドステートストレージデバイスなどの非一時的なメモリを含むこともできる。いくつかの実施例において、メモリ６０２は、プロセッサ６０１に対して遠隔に設置されているメモリを選択的に含むことができ、それらの遠隔メモリは、ネットワークを介して目標内容の確定用電子機器に接続されることができる。上記のネットワークの実例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、及びそれらの組み合わせを含むが、これらに限定されない。

目標内容の確定方法の電子機器はまた、入力装置６０３と出力装置６０４とを含んでもよい。プロセッサ６０１、メモリ６０２、入力装置６０３及び出力装置６０４は、バス又はその他の方式によって接続されることができ、図６では、バスによって接続される方式を例としている。

入力装置６０３は、入力される数字又はキャラクタ情報を受信し、目標内容の確定用電子機器のユーザ設定、および機能制御に関連するキーシグナルの入力が発生することができ、例えばタッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、インディケータロッド、１つ又は複数のマウスボタン、トラックボール、操縦ハンドルなどの入力装置が挙げられる。出力装置６０４は、ディスプレイデバイス、補助照明装置（ＬＥＤなど）や触感フィードバック装置（振動モータなど）などを含むことができる。該ディスプレイデバイスは、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイやプラズマディスプレイを含むことができるが、それらに限定されない。いくつかの実施形態では、ディスプレイデバイスはタッチスクリーンであってもよい。

ここに記載のシステムや技術の様々な実施形態は、デジタル電子回路、集積回路システム、特定用途向けＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現されてよい。それらの様々な実施形態は、１つ又は複数のコンピュータプログラムに実施される形態を含むことができ、該１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステムで実行及び／又は解釈されることができ、該プログラマブルプロセッサは、特定用途向け、または、汎用プログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置から、データや命令を受信し、そして、データや命令を該記憶システム、該少なくとも１つの入力装置や、該少なくとも１つの出力装置に伝送することができる。

これらのコンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、または、コードとも呼ばれる）は、プログラマブルプロセッサの機械命令を含み、アドバンスプロセス及び／又はオブジェクト指向型プログラミング言語、及び／又はアセンブリ言語／機械言語を利用してこれらのコンピュータプログラムを実施することができる。例えば、本文で使用する用語「機械可読媒体」や「コンピュータ可読媒体」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意のコンピュータプログラム製品、デバイス、及び／又は装置（磁気ディスク、光ディスク、メモリ、プログラマブルロジック装置（ＰＬＤ）など）のことを指し、機械可読信号としての機械命令を受信する機械可読媒体を含む。用語「機械可読信号」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号のことを指す。

ユーザとのインタラクションを提供するために、ここに記載のシステムや技術をコンピュータで実施することができ、該コンピュータは、ユーザへ情報をディスプレイするためのディスプレイ装置（ＣＲＴ（陰極線管）またはＬＣＤ（液晶ディスプレイ）モニターなど）、及びキーボードやポインティングデバイス（マウス又はトラックボールなど）があり、ユーザは、該キーボードや該ポインティングデバイスを通じ、入力をコンピュータに提供することができる。その他の種類の装置は、ユーザとのインタラクションを提供するために使用されることができ、例えば、ユーザに提供されるフィードバックは、任意の形の感覚フィードバック（視覚フィードバック、聴覚フィードバック、または触感フィードバックなど）であってもよく、ユーザからの入力を任意の形（音入力、音声入力又は触感入力を含む）で受信することができる。

ここに記載のシステムや技術は、バックグランドコンポーネントを含むコンピューティングシステム（データサーバとして作用するなど）に、または、ミドルウェアコンポーネントを含むコンピューティングシステム（アプリケーションサーバなど）に、または、フロントエンドコンポーネントを含むコンピューティングシステム（図形ユーザインターフェース、またはネットワークブラウザを備えるユーザコンピュータなど、ユーザは、該図形ユーザインターフェース、または該ネットワークブラウザを通じてここに記載のシステムや技術に係る実施形態とイントラクションをすることができる）に、またはこのようなバックグランドコンポーネント、ミドルウェアコンポーネント、またはフロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムに実施されてもよい。任意の形、または媒体のデジタルデータ通信（通信ネットワークなど）を通じてシステムのコンポーネントを互いに接続することができる。通信ネットワークは、例示的に、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）やインターネットを含む。

コンピューティングシステムは、クライアントやサーバを含んでもよい。クライアントやサーバは、一般的に、互いに遠く離れており、通信ネットワークを通じてイントラクションをしている。対応するコンピュータでの実行、および、互いにクライアント・サーバという関係を有するコンピュータプログラムにより、クライアントとサーバとの関係を築き上げる。

理解すべきものとして、上記に示した様々な形のフローを使用し、ステップを改めて並べ替えたり、増加したり、又は削除したりすることができる。例えば、本願に記載の各ステップは、本願に開示された技術的解決手段による所望の結果さえ実現されれば、並行して実行されてもよく、順に沿って実行されてもよく、又は順番を乱して実行されてもよいから、本文は、ここで限定しない。

上記の具体的な実施形態は、本願の保護範囲に対する制限を構成しない。当業者であれば、設計要件やその他の要素に基づいた修正、組み合わせ、下位組み合わせや代替が可能であると理解するべきである。本願の精神や原則の範囲内に行われるすべての修正、同等置換や改善は、いずれも本願の保護範囲に含まれるべきである。

Claims (19)

1. 目標内容の確定方法であって、
   検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、前記文の属性に基づいて文間の関係を確定することと、
   前記文間の関係に基づいて前記文ごとに対応する文表現を確定することと、
   前記文の文表現及び前記検索情報に基づいて目標文を確定し、そして、前記目標文に基づいて目標内容を確定することと、を含むことを特徴とする、目標内容の確定方法。
2. 前記文の属性に基づいて文間の関係を確定することは、
   文に含まれているエンティティを取得することと、
   前記文間の対応するエンティティの重畳度に基づき、前記文間の第１の関係を確定することと、を含むことを特徴とする、請求項１に記載の方法。
3. 前記文の属性に基づいて文間の関係を確定することは、
   前記文章の段落における前記文の位置番号を確定し、そして、前記位置番号に基づいて前記文間の第２の関係を確定することを含むことを特徴とする、請求項１に記載の方法。
4. 前記文の属性に基づいて文間の関係を確定することは、
   前記文ごとに対応する文ベクトルを確定し、そして、前記文ベクトルに基づいて文間の第３の関係を確定することを含むことを特徴とする、請求項１に記載の方法。
5. 前記文の属性に基づいて文間の関係を確定することは、
   プリセットのルールに基づいて前記文間の影響重みを確定し、そして、前記文に対応する前記影響重みに基づいて前記文に対する他の文の注意力を確定することを含むことを特徴とする、請求項１に記載の方法。
6. 前記文間の関係に基づいて前記文ごとに対応する文表現を確定することは、
   前記文間の関係に基づいて前記関係に対応する関係図を確定することと、
   プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定することと、を含むことを特徴とする、請求項１〜請求項５のいずれか１項に記載の方法。
7. 前記関係図の数が１よりも大きい場合、
   プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定した後に、前記方法は、
   前記文に対応する文表現を接ぎ合わせ、前記文に対応する完全な表現を得ることをさらに含むことを特徴とする、請求項６に記載の方法。
8. 前記文の文表現や前記検索情報に基づいて目標文を確定することは、
   前記文表現や前記検索情報に基づいてマッチング度を確定することと、
   マッチング度合いが上位である、プリセットの数の文を目標文として確定することと、を含むことを特徴とする、請求項１に記載の方法。
9. 目標内容の確定装置であって、
   検索情報に基づいて確定される文章の段落を複数の文に分割し、そして、前記文の属性に基づいて文間の関係を確定するための分割モジュールと、
   前記文間の関係に基づいて前記文ごとに対応する文表現を確定するための表現確定モジュールと、
   前記文の文表現や前記検索情報に基づいて目標文を確定し、そして、前記目標文に基づいて目標内容を確定するための目標確定モジュールと、を含むことを特徴とする、目標内容の確定装置。
10. 前記分割モジュールは、
    文に含まれているエンティティを取得すること、及び
    前記文間の対応するエンティティの重畳度に基づき、前記文間の第１の関係を確定すること、に用いられる第１の関係確定ユニットを含むことを特徴とする、請求項９に記載の装置。
11. 前記分割モジュールは、
    前記文章の段落における前記文の位置番号を確定し、そして、前記位置番号に基づいて前記文間の第２の関係を確定するための第２の関係確定ユニットを含むことを特徴とする、請求項９に記載の装置。
12. 前記分割モジュールは、
    前記文ごとに対応する文ベクトルを確定し、そして、前記文ベクトルに基づいて文間の第３の関係を確定するための第３の関係確定ユニットを含むことを特徴とする、請求項９に記載の装置。
13. 前記分割モジュールは、
    プリセットのルールに基づいて前記文間の影響重みを確定し、そして、前記文に対応する前記影響重みに基づいて前記文に対する他の文の注意力を確定するための第４の関係確定ユニットを含むことを特徴とする、請求項９に記載の装置。
14. 前記表現確定モジュールは、
    前記文間の関係に基づいて前記関係に対応する関係図を確定するためのグラフ確定ユニットと、
    プリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定するための表現確定ユニットと、を含むことを特徴とする、請求項９〜請求項１３のいずれか１項に記載の装置。
15. 前記関係図の数が１よりも大きい場合、
    前記表現確定モジュールは、表現確定ユニットがプリセットのニューラルネットワークによって前記関係図において前記文ごとの文表現を確定した後に、
    前記文に対応する文表現を接ぎ合わせ、前記文に対応する完全な表現を得るための接ぎ合わせユニットをさらに含むことを特徴とする、請求項１４に記載の装置。
16. 前記目標確定モジュールは、
    前記文表現や前記検索情報に基づいてマッチング度を確定すること、及び
    マッチング度合いが上位である、プリセットの数の文を目標文として確定すること、に用いられることを特徴とする、請求項９に記載の装置。
17. 電子機器であって、
    少なくとも１つのプロセッサ、および
    前記少なくとも１つのプロセッサと通信的に接続されるメモリを含み、
    前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行されることにより、前記少なくとも１つのプロセッサに、請求項１〜請求項８のいずれか１項に記載の方法を実行させることができることを特徴とする、電子機器。
18. コンピュータ命令を記憶している非一時的なコンピュータ可読記憶媒体であって、前記コンピュータ命令は、コンピュータに請求項１〜請求項８のいずれか１項に記載の方法を実行させるためのものであることを特徴とする、非一時的なコンピュータ可読記憶媒体。
19. コンピュータプログラムであって、前記コンピュータプログラムがプロセッサで実行されると、請求項１〜請求項８のいずれか１項に記載の方法を実行させることを特徴とする、コンピュータプログラム。

Images