JP2021103569A - セマンティック処理方法、装置、電子機器及び媒体 - Google Patents

Abstract

【課題】解析対象テキスト内の複雑な問題の解析効率及び解析精度を効果的に向上させることができるセマンティック処理方法、装置、電子機器及び媒体を提供する。【解決手段】方法は、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、ターゲットセマンティック要素ルールを採用して解析対象テキストを解析し、セマンティック要素解析結果を取得し、ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用してセマンティック要素解析結果に基づいてセマンティックツリーを生成し、セマンティックツリーに基づいて解析対象テキストのセマンティック理解を行うことを含む。【選択図】図１

Description

本出願は、データ処理の分野に関する。具体的には、知識グラフの技術分野に関し、特にセマンティック処理方法、装置、電子機器及び媒体に関する。

自然言語処理は、人間とコンピュータの間で自然言語を用いて効果的な通信を行うことを研究する。自然言語のセマンティック情報を正確に理解することで、人々は、不自然で慣れない様々なコンピュータ言語を学ぶために多くの時間と労力を費やす必要がなくなり、自分の最も慣れている言語でコンピュータを使用できるようになる。このように、自然言語処理技術を用いることで、人間の言語能力とインテリジェントなメカニズムを更に理解することができる。

しかしながら、自然言語のセマンティックを正確に理解することは非常に困難であるので、自然言語のセマンティックを理解する過程では、自然言語のセマンティック解析の精度が低いという問題があり、処理効率が大幅に低下する。

本出願は、セマンティック処理方法、装置、電子機器及び媒体を提供する。

第１の態様では、本出願の実施例は、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するステップと、前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するステップと、前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うステップと、を含むセマンティック処理方法を提供する。

第２の態様では、本出願の実施例は、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するように構成されるルール決定モジュールと、前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するように構成されるセマンティックツリー生成モジュールと、前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うように構成されるセマンティック理解モジュールと、を含むセマンティック処理装置を提供する。

第３の態様では、本出願の実施例は、少なくとも１つのプロセッサと、前記少なくとも１つのプロセッサと通信可能に接続されるメモリと、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場合、前記少なくとも１つのプロセッサが本出願のいずれかの実施例に係るセマンティック処理方法を実行可能である電子機器を提供する。

第４の態様では、本出願の実施例は、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、前記コンピュータ命令は、前記コンピュータに本出願のいずれかの実施例に係るセマンティック処理方法を実行させるコンピュータ読み取り可能な記憶媒体を提供する。
第５の態様では、本出願の実施例は、コンピュータに本出願のいずれかの実施例に係るセマンティック処理方法を実行させるコンピュータプログラムを提供する。

本出願の技術により、セマンティック処理の精度及び効率を向上させることができる。

この概要部分に記載された内容は、本開示の実施例の肝心で重要な特徴を限定することを意図しておらず、本開示の範囲を限定することを意図しない。本開示の他の特徴は、以下の説明によって容易に理解されやすくなる。

図面は、本技術案をよりよく理解するために使用され、本出願を限定しない。
本出願の実施例に係るセマンティック処理方法の概略フローチャートである。 本出願の実施例に係る別のセマンティック処理方法の概略フローチャートである。 本出願の実施例に係るターゲット構造化ルールのツリー構造の概略図である。 本出願の実施例に係るセマンティックツリーの概略構造図である。 本出願の実施例に係る別のセマンティックツリーの概略構造図である。 本出願の実施例に係るセマンティック処理装置の概略構成図である。 本出願の実施例のセマンティック処理方法を実現するための電子機器のブロック図である。

以下、図面を参照して本出願の例示的な実施例を説明する。理解を容易にするため、その中には本出願の実施例の様々な詳細事項を含んでいるが、それらは単なる例示と見なされるべきである。したがって、当業者は、本出願の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確かつ簡潔のため、以下の説明では、周知の機能及び構造の説明を省略する。

図１は、本出願の実施例に係るセマンティック処理方法の概略フローチャートである。本出願の実施例は、構築された音声ツリーに基づいて解析対象テキストのセマンティック理解を行う場合に適用できる。当該方法は、セマンティック処理装置によって実行でき、当該装置は、ソフトウェアおよび／またはハードウェアの形態で実現でき、電子機器に配置できる。当該方法は、具体的には、以下のステップＳ１１０〜ステップＳ１３０を含む。

Ｓ１１０、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、ターゲットセマンティック要素ルールを採用して解析対象テキストを解析し、セマンティック要素解析結果を取得する。

本出願の実施例において、解析対象テキストは、ユーザがオンライン検索や業界質問応答を行う際に入力する自然言語であり、音声や文字などの形式で入力できる。セマンティック要素ルールは、セマンティック要素の構文に基づいて作成された要素抽出ルールであり、事前に生成されてもよいし、ユーザによってカスタマイズされてもよい。例えば、セマンティック要素の構文ルール及びユーザのパーソナライズニーズに基づいて、セマンティック要素ルールを生成してもよい。セマンティック要素ルールは複数存在してもよく、すなわち複数の候補セマンティック要素ルールが存在してもよい。解析対象テキストとマッチングする候補セマンティック要素ルールは、ターゲットセマンティック要素ルールである。

解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定するプロセスでは、解析対象テキストとマッチングするターゲットセマンティック要素ルールが存在しない場合、セマンティック要素ルール内のキーワードを音声で入力するようにユーザに注意し、システムがユーザから入力されたキーワードに基づいてセマンティック要素ルールを自動的に生成して、新しい候補セマンティック要素ルールとしてルールデータベースに記憶する。または、解析対象テキストに基づいて、解析対象テキストとのマッチング度が大きい候補セマンティック要素ルールをユーザに推薦し、ユーザに当該候補セマンティック要素ルールを適応的に修正させて、新しい候補セマンティック要素ルールを取得し、決定された新しい候補セマンティック要素ルールをルールデータベースに記憶し、当該候補セマンティック要素ルールを、当該解析対象テキストとマッチングするターゲットセマンティック要素ルールとする。セマンティック要素ルールを追加及び修正することで、ルールデータベース内のセマンティック要素ルールを効果的に更新し、ルールデータベース内のセマンティック要素ルールの実用性を向上させることができる。もちろん、解析対象テキストとマッチングするターゲットセマンティック要素ルールが存在しない場合には、ユーザに応答することを拒否し、操作を終了することもできる。

Ｓ１２０、ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用し、セマンティック要素解析結果に基づいてセマンティックツリーを生成する。

従来の解析方式で自然言語を解析する際には、解析されたセマンティック要素のみに基づいてセマンティックツリーを構築して自然言語を理解するため、従来の方式では、簡単な問題に対して良好な処理を得ることができるものの、特に複雑な問題に対しては、セマンティック要素のみに基づいて構築されたセマンティックツリーでは正確に解析することが困難であり、解析効率が低くなる。

本出願の実施例では、ターゲット構造化ルールに基づいて解析対象テキスト内の問題をツリー構造に変換した後、セマンティック要素解析結果内のセマンティック要素を、ターゲット構造化ルールに従ってツリー構造に埋め込んでセマンティックツリーを生成するため、セマンティックツリーの汎用性が効果的に向上する。

ルールデータベースでは、決定されたターゲットセマンティック要素ルールに基づいて関連付けられたターゲット構造化ルールを迅速かつ正確に検索できるように、各セマンティック要素ルールと構造化ルールとの関連付けを事前に確立する必要がある。構造化ルールは事前に生成されてもよいし、ニーズに応じてユーザによってカスタマイズされてもよい。これにより、構造化ルールの最大の適用性を実現し、構築されたセマンティックツリーの精度を効果的に向上させることができる。

Ｓ１３０、セマンティックツリーに基づいて解析対象テキストのセマンティック理解を行う。

本出願の実施例において、セマンティックツリーは、ターゲット構造化及びセマンティック要素に基づいて生成されたものであるので、解析対象テキストに現れた複雑な問題を正確かつ効果的に理解でき、セマンティック要素のみに基づいて複雑な問題を解析すること場合には解析効率及び精度が低くなるという問題が解決される。異なるシーンでの質問応答において、セマンティックツリーに基づいて回答クエリ文を生成することで、解析対象テキスト内の問題の迅速なクエリに使用することができる。

本実施例の技術案は、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、ターゲットセマンティック要素ルールを採用して解析対象テキストを解析してセマンティック要素解析結果を取得し、ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用してセマンティック要素解析結果に基づいてセマンティックツリーを生成し、セマンティックツリーに基づいて、解析対象テキストのセマンティック理解を行う。本実施例は、ターゲット構造化ルール及びセマンティック要素に基づいてセマンティックツリーを生成することで、解析対象テキスト内の複雑な問題の解析効率及び解析精度を効率的に向上させることができる。

本出願の実施例は、セマンティック要素のターゲット構造化ルールに基づいて、セマンティックツリーを迅速かつ簡単に生成できるセマンティック処理方法の好ましい一実施形態をさらに提供する。図２は、本出願の実施例に係る別のセマンティック処理方法の概略フローチャートである。具体的には、以下のステップＳ２１０〜ステップＳ２４０を含む。

Ｓ２１０、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、ターゲットセマンティック要素ルールを採用して、解析対象テキストを解析してセマンティック要素解析結果を取得する。

本出願の実施例において、ルールデータベースに記憶されたすべての候補セマンティック要素ルールから、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定する必要がある。決定された解析対象テキストとマッチングするターゲットセマンティック要素ルールの正確性を保証するため、予め設定されたカスタマイズルールにより、ターゲットセマンティック要素ルールを効果的に決定することができる。

選択可能に、スロット辞書に基づいて、候補セマンティック要素ルールから解析対象テキストとマッチングするターゲットセマンティック要素ルールを選択し、ターゲットセマンティック要素ルールを採用して、解析対象テキストを解析して、セマンティック要素解析結果を取得する。

本出願の実施例において、スロット辞書は、候補品詞の候補単語を提供でき、ユーザがニーズに応じてカスタマイズ及び追加できる。スロットタイプは、ユーザのニーズに応じて追加することもでき、各スロットのコンテンツも動的に追加できる。例えば、「張三の奥さん」の場合、スロット辞書を採用して、「張三」の品詞をｓｕｂｊｅｃｔ（主語）として決定し、最初の単語の品詞がｓｕｂｊｅｃｔであるものを候補セマンティックルールとし、他のものを除外し、同様に繰り返し、マッチングに成功したターゲットセマンティック要素ルールを得る。予め設定されたスロット辞書に基づいて、解析対象テキストとマッチングするターゲットセマンティック要素ルールを選択する精度を効果的に向上させ、比較的複雑な解析対象テキストから解析されたセマンティック要素の有効性を向上させることができる。

選択可能に、セマンティック要素解析結果は、解析対象テキスト内の少なくとも１つのカテゴリのセマンティック要素、及び当該カテゴリ内の要素シーケンスを含む。比較的複雑な解析対象テキストに対して、解析されたセマンティック要素には複数のカテゴリがある可能性があり、各カテゴリの下のセマンティック要素を順番に並べることで、解析対象テキストのセマンティック構造を効果的に決定し、解析プロセスの下の解析テキストの複雑さを低減することができる。

Ｓ２２０、ターゲット構造化ルール内のカテゴリ識別子及びカテゴリ識別子の下の要素シーケンス識別子に従って、セマンティック要素解析結果内のセマンティック要素をターゲット構造化ルールに追加する。

本出願の実施例において、ターゲット構造化ルール内のカテゴリ識別子は、ｓｕｂｊｅｃｔ、ｐｒｅｄｉｃａｔｅ及びｃｏｍｐ＿ｗｏｒｄｓであってもよい。ｓｕｂｊｅｃｔは、解析対象テキストの主語であり、ｐｒｅｄｉｃａｔｅは、解析対象テキストの述語であり、ｃｏｍｐ＿ｗｏｒｄｓは、解析対象テキスト内の比較ワードである。具体的には、ターゲット構造化ルール内のカテゴリ識別子は、上記の３つのカテゴリに限定されず、ユーザの拡張をサポートする。カテゴリ識別子の下の要素シーケンス識別子は、当該セマンティック要素が解析対象テキストに出現するシーケンスを正確に反映するためのものである。

Ｓ２３０、セマンティック要素を含むターゲット構造化ルールに基づいて、セマンティックツリーを生成する。

本出願の実施例において、ターゲット構造化ルール内のセマンティック要素シーケンスが解析対象テキスト内の当該セマンティック要素の出現のシーケンスと一致し、ターゲット構造化ルール内のカテゴリ識別子及びカテゴリ識別子の下の要素シーケンス識別子に基づいて、解析対象テキストのセマンティックツリーを構築する。これにより、セマンティックツリーの構築効率及び適用性を効果的に向上させることができる。

Ｓ２４０、セマンティックツリーに基づいて、解析対象テキストのセマンティック理解を行う。

選択可能に、Ｓ２４０は、セマンティックツリー内のセマンティックルール関数及びセマンティック要素に基づいて、解析対象テキストのセマンティック理解を行うステップを含む。

本出願の実施例において、セマンティックルール関数は、ユーザのカスタマイズによって取得でき、異なるシーンのニーズを満足できる。例えば、比較類の問題については、一般に数値が大きいほど、シーケンスが上位になるが、数値が大きいほど、シーケンスが下位になるシーンもあり、例えばＰＶ（Ｐａｇｅ Ｖｉｅｗ，ページ閲覧量）シーケンスの数値が大きいほど、シーケンスが下位になる。予め設定されたセマンティックルール関数を採用して、セマンティック関数と組み合わせることで、解析テキストのセマンティック理解を行うので、解析対象テキスト内のセマンティックコンテンツを迅速かつ正確に認識でき、認識結果に基づいて検索結果または回答文を生成し、検索結果または回答文をユーザにフィードバックすることができる。

選択可能に、セマンティックツリー内の非リーフノードは、予め設定されたセマンティックルール関数であり、リーフノードは、セマンティックルール関数のパラメータであり、非リーフノードのサブノードは、他の非リーフノードまたはリーフノードである。

本出願の実施例において、非リーフノードで表されるセマンティックルール関数を、カスタマイズすることができ、セマンティックルール関数が入れ子関数を有するため、本実施例におけるセマンティックツリーは、複雑な任意の解析対象テキストに対して迅速かつ正確な解析を行うことができる。

選択可能に、ユーザのインタラクション情報に基づいて、ユーザによってカスタマイズされたセマンティック要素ルール、構造化ルール、及びセマンティックルール関数の少なくとも１つを生成するステップをさらに含む。

本出願の実施例において、ユーザは、異なるニーズに応じてセマンティック要素ルール、構造化ルールまたはセマンティックルール関数をカスタマイズすることができる。例えば、ビジュアルインターフェースを介してセマンティック要素ルール、構造化ルールまたはセマンティックルール関数をカスタマイズできるので、解析ルール内の情報を迅速に修正でき、強力な解釈可能性及び介入可能性を有する。

以下の例と組み合わせて、本出願の実施例に係るセマンティックツリーを構築する及び解析結果を決定するプロセスについて説明する。

例１
解析対象テキスト「張三は李四より身長がどのくらい高いか？」のセマンティック理解を行うプロセスでは、まず、当該解析対象テキストに関連付けられたスロット辞書を取得する。

関連付けられたスロット辞書は、ｓｕｂｊｅｃｔ、ｐｒｅｄｉｃａｔｅ及びｃｏｍｐ＿ｗｏｒｄｓ品詞に属する候補単語を含むことができる。具体的には、ｓｕｂｊｅｃｔ品詞に属する候補単語は「張三、李四、王五、趙六」であり、ｐｒｅｄｉｃａｔｅ品詞に属する候補単語は「体重、身長、年齢」であり、ｃｏｍｐ＿ｗｏｒｄｓ品詞に属する候補単語は｛どのくらい大きいか、どのくらい小さいか、どのくらい高いか、どのくらい低いか、どのくらい太っているか、どのくらい痩せているか｝である。

関連付けられたスロット辞書に基づいて、解析対象テキストとマッチングするターゲットセマンティック要素ルールを、［ｓｕｂｊｅｃｔ］は［ｓｕｂｊｅｃｔ］より［ｐｒｅｄｉｃａｔｅ］［ｃｏｍｐ＿ｗｏｒｄｓ］として決定する。

ターゲットセマンティック要素ルールを採用して解析対象テキストを解析し、解析対象テキストのｓｕｂｊｅｃｔ品詞に属する単語が［張三、李四］であり、ｐｒｅｄｉｃａｔｅ品詞に属する単語が［身長］であり、ｃｏｍｐ＿ｗｏｒｄｓ品詞に属する単語が［どのくらい高いか］である、という、セマンティック要素解析結果を得る。

ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルール：ｓｕｂｔｒａｃｔｉｏｎ（ｇｅｔ＿ｏ＿ｂｙ＿ｓｐ（Ｄ１：ｓｕｂｊｅｃｔ，ｐｒｅｄｉｃａｔｅ），ｇｅｔ＿ｏ＿ｂｙ＿ｓｐ（Ｄ２：ｓｕｂｊｅｃｔ，ｐｒｅｄｉｃａｔｅ））を取得する。Ｄ１：ｓｕｂｊｅｃｔは、解析結果におけるｓｕｂｊｅｃｔ品詞に属する１番目の単語であり、Ｄ２：ｓｕｂｊｅｃｔは、解析結果におけるｓｕｂｊｅｃｔ品詞に属する２番目の単語であり、ｐｒｅｄｉｃａｔｅは、解析結果におけるｐｒｅｄｉｃａｔｅに属する単語である。

図３は、ターゲット構造化ルールのツリー構造の概略図である。図４は、解析対象テキストのセマンティックツリーである。図３と図４とを参照して、セマンティック要素解析結果内の単語をターゲット構造化ルールに追加する。すなわち、図３に示すツリー構造におけるＤ１：ｓｕｂｊｅｃｔを張三に置き換え、Ｄ２：ｓｕｂｊｅｃｔを李四に置き換え、ｐｒｅｄｉｃａｔｅを身長に置き換えて、解析対象テキストのセマンティックツリーを得る。

ターゲットセマンティック要素ルールは、さらに、ｘ１とｘ２との差を計算するためのｓｕｂｔｒａｃｔｉｏｎ（ｘ１，ｘ２）と、主語及び述語によって目的語を取得するためのｇｅｔ＿ｏ＿ｂｙ＿ｓｐ(ｓｕｂｊｅｃｔ，ｐｒｅｄｉｃａｔｅ)との２つのセマンティックルール関数に関連付けられている。

図４を参照して、解析対象テキストのセマンティックツリー及びセマンティックルール関数に基づいて、解析対象テキストの理解を行う。

例２
解析対象テキスト「子供が３５歳の俳優のスターのうち誰の奥さんが張三の友達であるか？」に対してセマンティック理解を行うプロセスでは、まず、当該解析対象テキストに関連付けられたスロット辞書を取得する。

関連付けられたスロット辞書は、ｐｒｅｄｉｃａｔｅ、ｏｂｊｅｃｔ（目的語）及びｃａｔｅｇｏｒｙ（カテゴリ）品詞に属する候補単語を含む。具体的には、ｐｒｅｄｉｃａｔｅ品詞に属する候補単語は｛子供、奥さん、友達、父さん、母さん、体重、身長、年齢｝であり、ｏｂｊｅｃｔ品詞に属する候補単語は｛３５歳、１８０ｃｍ、７０ｋｇ、張三｝であり、ｃａｔｅｇｏｒｙ品詞に属する候補単語は｛俳優、スター、教師、医者｝である。

関連付けられたスロット辞書に基づいて、解析対象テキストとマッチングするターゲットセマンティック要素ルールを、［ｐｒｅｄｉｃａｔｅ］［ｐｒｅｄｉｃａｔｅ］が［ｏｂｊｅｃｔ］［ｃａｔｅｇｏｒｙ］の［ｃａｔｅｇｏｒｙ］のうち誰の［ｐｒｅｄｉｃａｔｅ］が［ｏｂｊｅｃｔ］の［ｐｒｅｄｉｃａｔｅ］であるか、として決定する。

ターゲットセマンティック要素ルールを採用して、解析対象テキストを解析し、解析対象テキストにおけるｐｒｅｄｉｃａｔｅ品詞に属する単語は［サブ、年齢、奥さん、友達］であり、ｏｂｊｅｃｔ品詞に属する単語は［３５歳、張三］であり、ｃａｔｅｇｏｒｙ品詞に属する単語は［俳優、スター］である、というセマンティック要素解析結果を得る。

ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルール：ｆｉｌｔｅｒ（ｆｉｌｔｅｒ（ｆｉｌｔｅｒ（ａｌｌ，ｔｙｐｅ，Ｄ２：ｃａｔｅｇｏｒｙ，ｉｓ＿ｅｑｕａｌ），Ｄ１：ｐｒｅｄｉｃａｔｅ，ｆｉｌｔｅｒ（ｆｉｌｔｅｒ（ａｌｌ，ｔｙｐｅ，Ｄ１：ｃａｔｅｇｏｒｙ，ｉｓ＿ｅｑｕａｌ），Ｄ２：ｐｒｅｄｉｃａｔｅ，Ｄ１：ｏｂｊｅｃｔ，ｉｓ＿ｅｑｕａｌ），ｉｓ＿ｉｎ），Ｄ３：ｐｒｅｄｉｃａｔｅ，ｇｅｔ＿ｏ＿ｂｙ＿ｓｐ（Ｄ２：ｏｂｊｅｃｔ，Ｄ４：ｐｒｅｄｉｃａｔｅ），ｉｓ＿ｉｎ）を取得する。ｉｓ＿ｅｑｕａｌ（ｘ１，ｘ２）は、ｘ１がｘ２に等しいか否かを判定するためのものでる。戻り値は、ｙｅｓまたはｎｏであり、ｉｓ＿ｉｎ(ｘ１，ｃａｎｄ＿ｌｉｓｔ)は、ｘ１がセットｃａｎｄ＿ｌｉｓｔにあるか否かを判定するためのものである。戻り値がｙｅｓまたはｎｏであり、ａｌｌとはすべてのセットを指し、ｔｙｐｅとはすべてのカテゴリを指す。Ｄ１：ｐｒｅｄｉｃａｔｅ、Ｄ２：ｐｒｅｄｉｃａｔｅ、Ｄ３：ｐｒｅｄｉｃａｔｅ及びＤ４：ｐｒｅｄｉｃａｔｅは、それぞれ、解析結果におけるｐｒｅｄｉｃａｔｅ品詞に属する１番目、２番目、３番目及び４番目の単語を指し、Ｄ１：ｃａｔｅｇｏｒｙ及びＤ２：ｃａｔｅｇｏｒｙは、それぞれ、解析結果におけるｃａｔｅｇｏｒｙ品詞に属する１番目及び２番目の単語を指し、Ｄ１：ｏｂｊｅｃｔ及びＤ２：ｏｂｊｅｃｔは、それぞれ、解析結果におけるｏｂｊｅｃｔ品詞に属する１番目及び２番目の単語を指す。

図５を参照して、セマンティック要素解析結果内の単語をターゲット構造化ルールに追加する。すなわち、ターゲット構造化ルール内のＤ２：ｃａｔｅｇｏｒｙをスターに置き換え、Ｄ１：ｐｒｅｄｉｃａｔｅを子供に置き換え、Ｄ１：ｃａｔｅｇｏｒｙを俳優に置き換え、Ｄ２：ｐｒｅｄｉｃａｔｅを年齢に置き換え、Ｄ１：ｏｂｊｅｃｔを３５歳に置き換え、Ｄ３：ｐｒｅｄｉｃａｔｅを奥さんに置き換え、Ｄ２：ｏｂｊｅｃｔを張三に置き換え、Ｄ４：ｐｒｅｄｉｃａｔｅを友達に置き換えて、解析対象テキストのセマンティックツリーを得る。

ターゲットセマンティック要素ルールは、属性に基づいて要件を満たすサブセットをスクリーニングするためのｆｉｌｔｅｒ（ｃａｎｄ＿ｌｉｓｔ、ｐｒｏｐｅｒｔｙ、ｖａｌｕｅ、ｆｕｎｃ）であるセマンティックルール関数をさらに関連付けられる。ｃａｎｄ＿ｌｉｓｔとはフィルタリング対象セットを指し、ｐｒｏｐｅｒｔｙとはフィルタリング属性を指し、ｖａｌｕｅとはフィルタリング属性値を指し、ｆｕｎｃとは、ｐｒｏｐｅｒｔｙ及びｖａｌｕｅをパラメータとして、戻り値がｙｅｓまたはｎｏである任意の関数を指すｆｉｌｔｅｒ（ｃａｎｄ＿ｌｉｓｔ、ｐｒｏｐｅｒｔｙ、ｖａｌｕｅ、ｆｕｎｃ）である。

図５を参照して、解析対象テキストのセマンティックツリー及びセマンティックルール関数に基づいて、解析対象テキストの理解を行う。

本実施例は、ターゲット構造化ルール内のカテゴリ識別子及びカテゴリ識別子の下の要素シーケンス識別子に基づいて、解析対象テキストのセマンティックツリーを構築することができ、セマンティックツリーの構築効率及び適用性を効果的に向上させることができる。

図６は、本出願の実施例に係るセマンティック処理装置の概略構成図である。本実施例は、構築された音声ツリーに基づいて、解析対象テキストのセマンティック理解を行う場合に適用できる。当該装置は電子機器に配置され、本出願のいずれかの実施例に記載のセマンティック処理方法を実現することができる。
セマンティック処理装置６００は、具体的には、解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析して、セマンティック要素解析結果を取得するように構成されるルール決定モジュール６１０と、前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するように構成されるセマンティックツリー生成モジュール６２０と、前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うように構成されるセマンティック理解モジュール６３０と、を含む。

選択可能に、セマンティック要素解析結果は、解析対象テキスト内の少なくとも１つのカテゴリのセマンティック要素、及び当該カテゴリ内の要素シーケンスを含む。

選択可能に、セマンティックツリー生成モジュール６２０は、具体的には、前記ターゲット構造化ルール内のカテゴリ識別子及び前記カテゴリ識別子の下の要素シーケンス識別子に従って、前記セマンティック要素解析結果内のセマンティック要素を前記ターゲット構造化ルールに追加し、セマンティック要素を含むターゲット構造化ルールに基づいて、セマンティックツリーを生成するように構成される。

選択可能に、セマンティックツリー内の非リーフノードは、予め設定されたセマンティックルール関数であり、リーフノードは、前記セマンティックルール関数のパラメータであり、前記非リーフノードのサブノードは、他の非リーフノードまたはリーフノードである。

選択可能に、ルール決定モジュール６１０は、具体的には、スロット辞書に基づいて候補セマンティック要素ルールから解析対象テキストとマッチングするターゲットセマンティック要素ルールを選択し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析しセマンティック要素解析結果を取得するように構成される。

選択可能に、セマンティック理解モジュール６３０は、具体的には、前記セマンティックツリー内のセマンティックルール関数及びセマンティック要素に基づいて前記解析対象テキストのセマンティック理解を行うように構成される。

選択可能に、前記装置は、ユーザのインタラクション情報に基づいて、ユーザよってカスタマイズされた、セマンティック要素ルール、構造化ルール、及びセマンティックルール関数の少なくとも１つを生成するように構成されるユーザカスタマイズ生成モジュールをさらに含む。

本実施例の技術案は、ターゲット構造化ルール及びセマンティック要素に基づいてセマンティックツリーを生成し、解析対象テキスト内の複雑な問題の解析効率及び解析精度を効果的に向上させることができる。

本出願の実施例によれば、本出願は、電子機器及び読み取り可能な記憶媒体をさらに提供する。

図７は、本出願の実施例に係るセマンティック処理方法を実現するための電子機器のブロック図である。図７に示すように、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、ワークステーション、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、大型コンピュータ、及び他の適切なコンピュータなどの様々な形式のデジタルコンピュータを表す。電子機器は、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブルデバイス、他の同様のコンピューティングデバイスなどの様々な形式のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び／又は要求される本出願の実現を制限することを意図しない。

図７に示すように、当該電子機器は、一つ又は複数のプロセッサ７０１と、メモリ７０２と、高速インターフェースと低速インターフェースを含む各コンポーネントを接続するためのインターフェースと、を含む。各コンポーネントは、異なるバスで相互に接続され、共通のマザーボードに取り付けられるか、又は必要に応じて他の方式で取り付けることができる。プロセッサは、外部入力／出力装置（インターフェースに結合されたディスプレイデバイスなど）にＧＵＩの図形情報をディスプレイするためにメモリに記憶されている命令を含む、電子機器内に実行される命令を処理することができる。他の実施方式では、必要に応じて、複数のプロセッサ及び／又は複数のバスを、複数のメモリと複数のメモリとともに使用することができる。同様に、複数の電子機器を接続することができ、各電子機器は、部分的な必要な操作（例えば、サーバアレイ、ブレードサーバ、又はマルチプロセッサシステムとする）を提供することができる。図７では、一つのプロセッサ７０１を例とする。

メモリ７０２は、本出願に係る非一時的なコンピュータ読み取り可能な記憶媒体である。前記メモリには、少なくとも一つのプロセッサによって実行される命令を記憶して、前記少なくとも一つのプロセッサが本出願に係るセマンティック処理方法を実行することができる。本出願の非一時的なコンピュータ読み取り可能な記憶媒体には、コンピュータが本出願に係るセマンティック処理方法を実行するためのコンピュータ命令を記憶する。

メモリ７０２は、非一時的なコンピュータ読み取り可能な記憶媒体として、本出願の実施例におけるセマンティック処理方法に対応するプログラム命令／モジュールのような、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実行可能なプログラム及びモジュールを記憶するために用いられる。プロセッサ７０１は、メモリ７０２に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することによって、上記の方法の実施例に係るセマンティック処理方法を実現する。

メモリ７０２は、プログラム記憶領域とデータ記憶領域とを含むことができる。プログラム記憶領域は、オペレーティングシステム、少なくとも一つの機能に必要なアプリケーションを記憶することができ、データ記憶領域は、セマンティック処理方法を実現するための電子機器の使用によって作成されたデータなどを記憶することができる。メモリ７０２は、高速ランダム存取メモリを含むことができ、非一時的なメモリをさらに含むことができ、例えば、少なくとも一つのディスクストレージデバイス、フラッシュメモリデバイス、又は他の非一時的なソリッドステートストレージデバイスである。いくつかの実施例では、メモリ７０２は、プロセッサ７０１に対して遠隔設定されたメモリを含むことができ、これらの遠隔メモリは、ネットワークを介してテストを実行する電子機器に接続することができる。上記のネットワークの例は、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、及びその組み合わせを含むが、これらに限定しない。

セマンティック処理方法を実現するための電子機器は、入力装置７０３と出力装置７０４とをさらに含むことができる。プロセッサ７０１、メモリ７０２、入力装置７０３、及び出力装置７０４は、バス又は他の方式を介して接続することができ、図７では、バスを介して接続することを例とする。

入力装置７０３は、入力された数字又は文字情報を受信することができ、及びテストを実行する電子機器のユーザ設定及び機能制御に関するキー信号入力を生成することができる。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、ポインティングスティック、一つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置７０４は、ディスプレイデバイス、補助照明デバイス（例えば、ＬＥＤ）、及び触覚フィードバックデバイス（例えば、振動モータ）などを含むことができる。当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、及びプラズマディスプレイを含むことができるが、これらに限定しない。いくつかの実施方式では、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。

本明細書で説明されるシステムと技術の様々な実施方式は、デジタル電子回路システム、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することができる。これらの様々な実施方式は、一つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該一つ又は複数のコンピュータプログラムは、少なくとも一つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び／又は解釈することができる。当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも一つの入力装置、及び当該少なくとも一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ティングプログラム（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、又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、高レベルのプロセス及び／又は対象指向プログラミング言語、及び／又はアセンブリ／機械言語でこれらのコンピューティングプログラムを実施する。本明細書に使用される、「機械読み取り可能な媒体」、「コンピュータ読み取り可能な媒体」という用語は、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に使用される任意のコンピュータプログラム製品、機器、及び／又は装置（例えば、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デバイス（ＰＬＤ））を指し、機械読み取り可能な信号である機械命令を受信する機械読み取り可能な媒体を含む。「機械読み取り可能な信号」という用語は、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を指す。

ユーザとのインタラクションを提供するために、コンピュータ上で、ここで説明されたシステム及び技術を実施することができる。当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有する。ユーザは、当該キーボード及び当該ポインティングデバイスによってコンピュータ入力することができる。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用いられることもでき、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式（音響入力と、音声入力と、触覚入力とを含む）でユーザからの入力を受信することができる。

ここで説明されるシステム及び技術は、バック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（例えば、データサーバとする）、又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（例えば、アプリケーションサーバー）、又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（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施方式とインタラクションする）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、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で実施することができる。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続することができる。通信ネットワークは、ローカルエリアネットワーク（ＬＡＮ）と、ワイドエリアネットワーク（ＷＡＮ）と、ブロックチェーンネットワークと、インターネットとを含むことができる。

コンピュータシステムは、クライアントとサーバとを含むことができる。クライアントとサーバは、一般に、互いに離れており、通常、通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント−サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。

本出願の実施例の技術案によれば、ターゲット構造化ルール及びセマンティック要素に基づいてセマンティックツリーを生成し、解析対象テキスト内の複雑な問題の解析効率及び解析精度を効果的に向上させることができる。

上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本出願に記載されている各ステップは、並列に実行されてもよいし、順次実行されてもよいし、異なるシーケンスで実行されてもよいが、本出願で開示されている技術案が所望の結果を実現することができれば、本明細書では限定されない。

上記の具体的な実施形態は、本出願に対する保護範囲を制限するものではない。当業者は、設計要求と他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション及び置換を行うことができる。任意の本出願の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本出願の保護範囲内に含まれるべきである。

Claims (17)

1. 解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するステップと、
   前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するステップと、
   前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うステップと、を含むことを特徴とする、セマンティック処理方法。
2. 前記セマンティック要素解析結果は、前記解析対象テキスト内の少なくとも１つのカテゴリのセマンティック要素、及び当該カテゴリ内の要素シーケンスを含むことを特徴とする、請求項１に記載の方法。
3. 前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するステップは、
   前記ターゲット構造化ルール内のカテゴリ識別子及び前記カテゴリ識別子の下の要素シーケンス識別子に従って前記セマンティック要素解析結果内のセマンティック要素を前記ターゲット構造化ルールに追加するステップと、
   セマンティック要素を含むターゲット構造化ルールに基づいてセマンティックツリーを生成するステップと、を含むことを特徴とする、請求項２に記載の方法。
4. 前記セマンティックツリー内の非リーフノードは、予め設定されたセマンティックルール関数であり、リーフノードは、前記セマンティックルール関数のパラメータであり、前記非リーフノードのサブノードは、他の非リーフノードまたはリーフノードであることを特徴とする、請求項１から３のいずれかに記載の方法。
5. 解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するステップは、
   スロット辞書に基づいて候補セマンティック要素ルールから解析対象テキストとマッチングするターゲットセマンティック要素ルールを選択し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するステップを含むことを特徴とする、請求項１から３のいずれかに記載の方法。
6. 前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うステップは、
   前記セマンティックツリー内のセマンティックルール関数及びセマンティック要素に基づいて前記解析対象テキストのセマンティック理解を行うステップを含むことを特徴とする、請求項４に記載の方法。
7. ユーザのインタラクション情報に基づいて、ユーザによってカスタマイズされた、前記セマンティック要素ルール、前記構造化ルール、及び前記セマンティックルール関数の少なくとも１つを生成するステップ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. 解析対象テキストとマッチングするターゲットセマンティック要素ルールを決定し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するように構成されるルール決定モジュールと、
   前記ターゲットセマンティック要素ルールに関連付けられたターゲット構造化ルールを採用して前記セマンティック要素解析結果に基づいてセマンティックツリーを生成するように構成されるセマンティックツリー生成モジュールと、
   前記セマンティックツリーに基づいて前記解析対象テキストのセマンティック理解を行うように構成されるセマンティック理解モジュールと、を含むことを特徴とする、セマンティック処理装置。
9. 前記セマンティック要素解析結果は、前記解析対象テキスト内の少なくとも１つのカテゴリのセマンティック要素、及び当該カテゴリ内の要素のシーケンスを含むことを特徴とする、請求項８に記載の装置。
10. 前記セマンティックツリー生成モジュールは、具体的には、
    前記ターゲット構造化ルール内のカテゴリ識別子及び前記カテゴリ識別子の下の要素シーケンス識別子に従って、前記セマンティック要素解析結果内のセマンティック要素を前記ターゲット構造化ルールに追加し、
    セマンティック要素を含むターゲット構造化ルールに基づいて、セマンティックツリーを生成するように構成されることを特徴とする、請求項９に記載の装置。
11. 前記セマンティックツリー内の非リーフノードは、予め設定されたセマンティックルール関数であり、リーフノードは、前記セマンティックルール関数のパラメータであり、前記非リーフノードのサブノードは、他の非リーフノードまたはリーフノードであることを特徴とする、請求項８から１０のいずれかに記載の装置。
12. 前記ルール決定モジュールは、具体的には、
    スロット辞書に基づいて候補セマンティック要素ルールから解析対象テキストとマッチングするターゲットセマンティック要素ルールを選択し、前記ターゲットセマンティック要素ルールを採用して前記解析対象テキストを解析してセマンティック要素解析結果を取得するように構成されることを特徴とする、請求項８から１０のいずれかに記載の装置。
13. 前記セマンティック理解モジュールは、具体的には、
    前記セマンティックツリー内のセマンティックルール関数及びセマンティック要素に基づいて、前記解析対象テキストのセマンティック理解を行うように構成されることを特徴とする、請求項１１に記載の装置。
14. ユーザのインタラクション情報に基づいて、ユーザよってカスタマイズされた、前記セマンティック要素ルール、前記構造化ルール、及び前記セマンティックルール関数の少なくとも１つを生成するように構成されるユーザカスタマイズ生成モジュールをさらに含むことを特徴とする、請求項１３に記載の装置。
15. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信可能に接続されるメモリと、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場合、前記少なくとも１つのプロセッサが請求項１から７のいずれかに記載の方法を実行可能であることを特徴とする、電子機器。
16. コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータ命令は、前記コンピュータに請求項１から７のいずれかに記載の方法を実行させることを特徴とする、非一時的なコンピュータ読み取り可能な記憶媒体。
17. コンピュータに請求項１から７のいずれか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