KR20210035784A - 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 - Google Patents

단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 Download PDF

Info

Publication number
KR20210035784A
KR20210035784A KR1020210032499A KR20210032499A KR20210035784A KR 20210035784 A KR20210035784 A KR 20210035784A KR 1020210032499 A KR1020210032499 A KR 1020210032499A KR 20210032499 A KR20210032499 A KR 20210032499A KR 20210035784 A KR20210035784 A KR 20210035784A
Authority
KR
South Korea
Prior art keywords
word slot
recognition result
slot recognition
entity
word
Prior art date
Application number
KR1020210032499A
Other languages
English (en)
Inventor
신제 딩
후이펭 선
슈취 선
커 선
팅팅 리
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210035784A publication Critical patent/KR20210035784A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3344Query execution using natural language analysis
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/237Lexical tools
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/06Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063Training
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/1822Parsing for meaning understanding
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L2015/088Word spotting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Machine Translation (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 출원은 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램을 개시하는바, 자연어 처리, 심층학습 기술분야에 관한 것이다. 구체적인 구현방안으로는, 목표 문구를 수신하고; 목표 문구 및 사전설정된 엔티티 집합에 따라 목표 문구의 제1 단어 슬롯 인식 결과를 결정하고; 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정하고 - 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화함 - ; 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하는 것이다. 본 구현방식은 사용자가 설정한 새로운 엔티티 단어를 즉시 인식할 수 있는데, 대량의 데이터 수집이 필요 없고 모델 훈련이 필요 없고 모델 효과에 대한 최적화가 필요 없이, 사용자 맞춤화된 새로운 단어를 인식할 수 있는바, 즉시적이며 정확하고 사용이 편이한 특성이 있다.

Description

단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램{METHOD AND APPARATUS FOR RECOGNIZING WORD SLOT, ELECTRONIC DEVICE, STORAGE MEDIUM AND PROGRAM}
본 출원은 컴퓨터 기술분야에 관한 것으로, 구체적으로 자연어 처리, 심층학습 기술분야에 관한 것이고, 특히, 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램에 관한 것이다.
스마트 토크 기술이 발전함에 따라, 쿼리 이해(QU, Query Understanding, Query 이해로도 지칭됨)가 점점 더 많은 주목을 받게 되었다. Query이해는 사용자의 검색 스트링을 분석하고 사용자 의도를 이해하는 과정을 가리키는바, 하나의 표준적인 자연어 처리의 태스크이다. Query이해는 일반적으로 2개의 주요한 태스크인 의도 인식과 단어 슬롯 해석으로 나뉜다. 여기서, 의도 인식은 하나의 분류 태스크로 볼 수 있고, 하나의 query가 사용자의 어떠한 의도를 표현하는지 판단한다. 단어 슬롯 해석은 또한 의도 인식의 기초가 되기도 하며, 의도에 대한 인식을 보조한다. 슬롯 해석은 하나의 시퀀스 레이블링 태스크로 볼 수 있고, query에서의 구체적인 슬롯 정보를 레이블링한다. 예를 들면, 하나의 Query "저한테 XX빌딩으로 가면서 YY거리를 경유하는, 차가 안막히는 노선을 내비게이트해줘요"에 대하여, 그 의도는 "Navigate(내비게이트)"이고 동시에 여기에는 3개 슬롯: "YY거리: user_passby(경유점)", "XX빌딩: user_destination(목적지)", "차가 안막히는: user_route_type(노선 타입)"이 포함된다는 것을 판단할 수 있다.
Query이해의 핵심 중 하나가 바로 슬롯 해석이라는 것은 자명하나, 슬롯 데이터는 매일 폭발적으로 증가하고 있고, 또한 사용자 맞춤화 슬롯 정보는 점점 더 많아지고 있다. 사용자 슬롯 정보의 인식은 기계학습 모델을 사용하지만, 사용자 맞춤화 정보 - 예를 들면, 사용자가 집에서의 스마트 기기에 대해 명명하는 것 - 는 제각기 다양한바, 모델의 인식에만 의존해서는 전혀 충족될 수 없다. 그리고 모델의 인식은 대량의 데이터를 축적하여 부단히 훈련하고 튜닝한 후에야 사용할 수 있는데, 이는 기나긴 과정이다.
단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램을 제공한다.
첫 번째 측면으로, 단어 슬롯을 인식하는 방법을 제공하는데, 목표 문구를 수신하는 단계; 목표 문구 및 사전설정된 엔티티 집합에 따라 목표 문구의 제1 단어 슬롯 인식 결과를 결정하는 단계; 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정하는 단계 - 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화함 - ; 및 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하는 단계가 포함된다.
두 번째 측면으로, 단어 슬롯을 인식하는 장치를 제공하는데, 목표 문구를 수신하도록 구성되는 목표 문구 수신 유닛; 목표 문구 및 사전설정된 엔티티 집합에 따라 목표 문구의 제1 단어 슬롯 인식 결과를 결정하도록 구성되는 제1 단어 슬롯 인식 유닛; 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정하도록 구성되는 제2 단어 슬롯 인식 유닛 - 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화함 - ; 및 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하도록 구성되는 인식 결과 결정 유닛이 포함된다.
세 번째 측면으로, 단어 슬롯을 인식하는 전자 기기를 제공하는데, 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서에 통신적으로 연결되는 메모리를 포함하고, 메모리에는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어 있고, 상기 명령은 적어도 하나의 프로세서에 의해 실행됨으로써 적어도 하나의 프로세서가 첫 번째 측면에 따른 방법을 실행 가능하도록 한다.
네 번째 측면으로, 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독가능 저장 매체를 제공하는바, 상술한 컴퓨터 명령은 컴퓨터가 첫 번째 측면에 따른 방법을 수행하도록 한다.
다섯 번째 측면으로, 매체에 저장된 컴퓨터 프로그램을 제공하는바, 상술한 프로그램이 프로세서에 의해 실행되는 경우, 상술한 컴퓨터 명령은 컴퓨터가 첫 번째 측면에 따른 방법이 수행된다.
본 출원의 기술에 따르면, 사용자가 설정한 새로운 엔티티 단어를 즉시 인식할 수 있는데, 대량의 데이터 수집이 필요 없고 모델 훈련이 필요 없고 모델 효과에 대한 최적화가 필요 없이, 사용자 맞춤화된 새로운 단어를 인식할 수 있는바, 즉시적이며 정확하고 사용이 편이한 특성이 있다.
본 부분에서 서술하는 내용은 본 개시의 실시예의 핵심적인 또는 중요한 특징을 표기하고자 하는 것이 아니고 본 개시의 범위를 한정하기 위한 것도 아님을 이해하여야 한다. 본 개시의 다른 특징은 하기의 발명의 상세한 내용에 의해 이해하기 수월해질 것이다.
첨부 도면은 본 방안을 더 잘 이해하기 위한 것으로, 본 출원을 한정하지 않는다.
도 1은 본 출원의 일 실시예가 응용될 수 있는 예시적인 시스템 아키텍처 도면이다.
도 2는 본 출원에 따른 단어 슬롯을 인식하는 방법의 일 실시예의 흐름도이다.
도 3은 본 출원에 따른 단어 슬롯을 인식하는 방법의 일 응용 시나리오의 개략도이다.
도 4는 본 출원에 따른 단어 슬롯을 인식하는 방법의 다른 실시예의 흐름도이다.
도 5는 본 출원에 따른 단어 슬롯을 인식하는 장치의 일 실시예의 구조 개략도이다.
도 6은 본 출원의 실시예의 단어 슬롯을 인식하는 방법을 구현하는 전자 기기의 블록도이다.
아래 첨부 도면을 결부하여 본 출원의 시범적 실시예를 설명하고자 하는데, 여기서는 이해를 돕고자 본 출원의 실시예의 다양한 세부사항을 포함하나 이를 단지 시범적인 것으로 간주하여야 한다. 따라서, 당업자라면, 여기서 서술한 실시예는 본 출원의 범위 및 사상에 위배되지 않으면서 다양한 변경 및 수정이 가능하다는 것을 인지하여야 한다. 마찬가지로, 명확함과 간결함을 위해, 아래 서술에서는 공지된 기능 및 구조에 대한 서술을 생략하기로 한다.
부연하면, 상충되지 않은 한, 본 출원의 실시예 및 실시예의 특징은 상호 조합될 수 있다. 아래 첨부도면을 참조하면서 실시예를 결부하여 본 출원을 상세히 설명하고자 한다.
도 1은 본 출원의 단어 슬롯을 인식하는 방법 또는 단어 슬롯을 인식하는 장치의 실시예가 응용될 수 있는 예시적인 시스템 아키텍처(100)를 도시한다.
도 1에 도시한 바와 같이, 시스템 아키텍처(100)는 단말기기(101, 102, 103), 네트워크(104) 및 서버(105)를 포함할 수 있다. 네트워크(104)는 단말기기(101, 102, 103)와 서버(105) 사이에서 통신 링크를 제공하는 매체로 사용된다. 네트워크(104)는 다양한 연결 유형, 예를 들면 유선, 무선 통신 링크 또는 광섬유 케이블 등을 포함할 수 있다.
사용자는 단말기기(101, 102, 103)를 사용하여 네트워크(104)를 통해 서버(105)와 인터랙션함으로써 메세지 등을 수신 또는 송신할 수 있다. 단말기기(101, 102, 103)에는 다양한 통신 클라이언트 애플리케이션, 예를 들면 음성 인식 애플리케이션 등이 설치되어 있을 수 있다. 단말기기(101, 102, 103)에는 또한 마이크로폰 어레이 등이 설치되어 있을 수 있다.
단말기기(101, 102, 103)는 하드웨어일 수도 있고 소프트웨어일 수도 있다. 단말기기(101, 102, 103)가 하드웨어인 경우에는 다양한 전자 기기일 수 있는바, 스마트폰, 태블릿 컴퓨터, 전자책 뷰어 기기, 차량용 컴퓨터, 휴대용 랩톱 컴퓨터 및 데스크톱 컴퓨터 등을 포함하나 이에 한정되지 않는다. 단말기기(101, 102, 103)가 소프트웨어인 경우에는 이상 나열한 전자 기기에 설치될 수 있다. 이는 복수의 소프트웨어 또는 소프트웨어 모듈(예를 들면 분산 서비스를 제공하는)로 구현될 수도 있고 단일 소프트웨어 또는 소프트웨어 모듈로 구현될 수도 있다. 여기서는 구체적으로 한정하지 않는다.
서버(105)는 다양한 서비스를 제공하는 서버일 수 있는바, 예를 들면 단말기기(101, 102, 103)에 송신되는 목표 문구를 처리하는 백스테이지 서버가 있다. 백스테이지 서버는 단어 슬롯 인식 모델 또는 새로운 단어 집합을 이용하여 목표 문구 중의, 사용자가 설정한 맞춤화 단어를 결정하고 맞춤화 단어에 기반하여 단말기기(101, 102, 103)에 피드백할 수 있다.
부연하면, 서버(105)는 하드웨어일 수도 있고 소프트웨어일 수도 있다. 서버(105)가 하드웨어인 경우에는 복수의 서버로 구성되는 분산 서버 클러스터로 구현될 수도 있고 단일 서버로 구현될 수도 있다. 서버(105)가 소프트웨어인 경우에는 복수의 소프트웨어 또는 소프트웨어 모듈(예를 들면 분산 서비스를 제공하는)로 구현될 수도 있고 단일 소프트웨어 또는 소프트웨어 모듈로 구현될 수도 있다. 여기서는 구체적으로 한정하지 않는다.
부연하면, 본 출원의 실시예에 의해 제공되는 단어 슬롯을 인식하는 방법은 일반적으로 서버(105)에 의해 수행된다. 상응하게, 단어 슬롯을 인식하는 장치는 일반적으로 서버(105)에 설치된다.
도 1에서의 단말기기, 네트워크 및 서버의 수는 단지 예시적인 것임을 이해하여야 한다. 구현의 필요에 따라, 임의 수의 단말기기, 네트워크 및 서버를 가질 수 있다.
계속하여 도 2를 참조하면, 이는 본 출원에 따른 단어 슬롯을 인식하는 방법의 일 실시예의 흐름(200)을 도시한다. 본 실시예의 단어 슬롯을 인식하는 방법은 하기 단계를 포함한다.
단계(201)에서, 목표 문구를 수신한다.
본 실시예에서, 단어 슬롯을 인식하는 방법의 수행 주체(예를 들면 도 1에 도시한 서버(105))는 다양한 유선 또는 무선 연결 방식으로 목표 문구를 수신할 수 있다. 상술한 목표 문구는 사용자가 단말을 통해 송신한 것일 수도 있고 수행 주체가 음성, 영상 또는 이미지를 처리하여 얻은 것일 수도 있다. 예를 들면, 사용자가 단말을 통해 수행 주체에 음성을 송신하면, 수행 주체는 상술한 음성에 대해 음성 인식을 수행하여 목표 문구를 얻을 수 있다.
단계(202)에서, 목표 문구 및 사전설정된 엔티티 집합에 따라 목표 문구의 제1 단어 슬롯 인식 결과를 결정한다.
본 실시예에서, 목표 문구를 사전설정된 엔티티 집합과 비교하여 목표 문구 중에 엔티티 집합 중의 엔티티가 포함되는지 여부를 결정할 수 있다. 포함되는 경우, 목표 문구에 포함되는, 엔티티 집합 중의 엔티티에 따라 제1 단어 슬롯 인식 결과를 생성할 수 있다. 포함되지 않는 경우, 제1 단어 슬롯 인식 결과를 빈(empty)으로 결정할 수 있다. 상술한 엔티티 집합은 복수의 엔티티를 포함할 수 있고, 이러한 엔티티는 사용자가 자체정의한 엔티티일 수 도 있고 상술한 자체정의한 엔티티에 따라 생성된 연관 엔티티일 수도 있다. 예를 들면, 자체정의한 엔티티가 "객실의 그 귀여운 램프"이면, 연관 엔티티는 "객실의 램프", "귀여운 램프"일 수 있다.
단계(203)에서, 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정한다.
본 실시예에서, 또한, 목표 문구를 사전훈련된 단어 슬롯 인식 모델에 입력할 수 있다. 상술한 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화할 수 있다. 상술한 단어 슬롯 인식 모델은 대량의 레이블링된 데이터를 훈련하여 얻은 신경망일 수 있다. 단어 슬롯 인식 모델은 목표 문구의 단어 슬롯 인식 결과를 출력할 수 있다, 여기서, 당해 단어 슬롯 인식 결과를 제2 단어 슬롯 인식 결과로 기록한다.
단계(204)에서, 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정한다.
본 실시예에서, 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정할 수 있다. 목표 인식 결과는 제1 단어 슬롯 인식 결과, 제2 단어 슬롯 인식 결과 또는 양자의 결합일 수 있다.
도 3을 참조하면, 이는 본 출원에 따른 단어 슬롯을 인식하는 방법의 일 응용 시나리오의 개략도를 도시한다. 도 3에 도시한 시나리오에서, 사용자는 스마트 전등(301)과의 대화를 통해 스마트 전등(301)에 대한 제어를 구현할 수 있다. 상술한 제어는 턴온, 턴오프, 불빛 컬러, 명암의 조정 등을 포함할 수 있다. 사용자는 자체정의 설정을 통해 당해 스마트 전등(301)의 엔티티를 "객실의 그 귀여운 램프"로 설정한다. 그러면 사용자가 스마트 전등(301)에 음성 "객실의 그 귀여운 램프를 턴온하세요"를 발화하는 경우, 스마트 전등(301)은 당해 음성을 서버(302)에 업로드할 수 있고, 서버(302)는 음성에 대해 음성 인식을 수행한 후, 얻은 목표 문구에 대해 단어 슬롯 인식을 수행하여 단어 슬롯 인식 결과가 "객실의 그 귀여운 램프"라고 얻을 수 있다.
본 출원의 상술한 실시예에 의해 제공되는 단어 슬롯을 인식하는 방법에 따르면, 사용자가 설정한 새로운 엔티티 단어를 즉시 인식할 수 있는데, 대량의 데이터 수집이 필요 없고 모델 훈련이 필요 없고 모델 효과에 대한 최적화가 필요 없이, 사용자 맞춤화된 새로운 단어를 인식할 수 있는바, 즉시적이며 정확하고 사용이 편이한 특성이 있다.
계속하여 도 4를 참조하면, 이는 본 출원에 따른 단어 슬롯을 인식하는 방법의 다른 실시예의 흐름(400)을 도시한다. 도 4에 도시한 바와 같이, 본 실시예의 단어 슬롯을 인식하는 방법은 하기 단계를 포함할 수 있다.
단계(401)에서, 엔티티 업데이트 요청을 수신한다.
본 실시예에서, 수행 주체는 엔티티 업데이트 요청을 수신할 수 있다. 상술한 엔티티 업데이트 요청은 사용자가 단말을 통해 송신할 수 있다. 상술한 엔티티 업데이트 요청은 업데이트 엔티티를 포함할 수 있다. 여기서, 업데이트 엔티티는 사용자가 새로 추가한 엔티티 단어를 가리킨다.
단계(402)에서, 업데이트 엔티티를 엔티티 집합에 즉시 동기화한다.
수행 주체는 엔티티 업데이트 요청을 수신한 후, 이에 포함되는 업데이트 엔티티를 데이터 즉시 동기화 서비스를 통해 엔티티 집합에 즉시 동기화할 수 있다. 데이터 즉시 동기화 서비스는 엔티티 업데이트 요청이 수신되는 경우, 업데이트 엔티티를 엔티티 집합에 바로 저장할 수 있다. 이의 처리 속도는 초(second) 레벨에 달할 수 있는바, 이로써 즉시, 사용자가 설정한 새로운 엔티티에 대한 업데이트를 구현한다. 데이터 즉시 동기화 서비스는 사용자의 업데이트 기록을 더 포함할 수 있다.
여기서 엔티티 집합은 수행 주체의 메모리에 저장될 수 있다. 실제 응용에서는, 데이터 안전을 보장하고자, 수행 주체가 또한, 엔티티 집합 중의 데이터를 정기적으로 하드디스크에 써넣을 수 있다. 이에 따라, 정전 시, 데이터 즉시 동기화 서비스를 통해 하드디스크를 복구할 수 있다.
단계(403)에서, 목표 문구를 수신한다.
단계(404)에서, 목표 문구에서의 엔티티 언급을 결정한다.
본 실시예에서, 수행 주체는 목표 문구에서의 엔티티 언급을 결정할 수 있다. 구체적으로, 수행 주체는 목표 문구에 대해 토큰화 처리를 수행할 수 있다. 얻은 각 단어에서의 명사를 엔티티 언급으로 한다. 목표 문구는 하나의 엔티티 언급을 포함할 수도 있고 복수의 엔티티 언급을 포함할 수도 있다는 것을 이해할 수 있다.
단계(405)에서, 엔티티 집합이 엔티티 언급을 포함한다고 결정된 것에 응답하여, 엔티티 언급을 제1 단어 슬롯 인식 결과로 한다.
본 실시예에서, 수행 주체는 엔티티 집합에서 상술한 엔티티 언급을 검색할 수 있는바, 엔티티 집합이 엔티티 언급을 포함하는 경우, 엔티티 언급을 제1 단어 슬롯 인식 결과로 하고 엔티티 집합이 엔티티 언급을 포함하지 않는 경우, 제1 단어 슬롯 인식 결과를 빈(empty)으로 할 수 있다.
본 실시예의 일부 대안적인 구현방식에서, 상술한 엔티티 집합은 복수의 엔티티 서브집합을 포함할 수 있고, 각 엔티티 서브집합은 하나의 사용자 라벨에 대응된다. 각 엔티티 서브집합은 적어도 하나의 엔티티를 포함한다. 수행 주체는 또한 하기 단계를 통해 제1 단어 슬롯 인식 결과를 결정하고, 목표 문구에 대응되는 목표 사용자 라벨을 결정하고, 목표 사용자 라벨에 대응되는 엔티티 서브집합이 엔티티 언급을 포함한다고 결정된 것에 응답하여, 엔티티 언급을 제1 단어 슬롯 인식 결과로 할 수 있다.
본 구현방식에서, 수행 주체는 우선, 목표 문구에 대응되는 목표 사용자 라벨을 결정할 수 있다. 구체적으로, 수행 주체는 목표 문구를 송신하는 전자 기기로부터 목표 사용자 라벨을 취득할 수 있다. 다음, 수행 주체는 우선, 목표 사용자 라벨에 대응되는 엔티티 서브집합을 결정하고, 당해 엔티티 서브집합이 상술한 엔티티 언급을 포함하는지 여부를 결정할 수 있다. 포함하는 경우, 엔티티 언급을 제1 단어 슬롯 인식 결과로 한다. 포함하지 않는 경우, 제1 단어 슬롯 인식 결과를 빈(empty)으로 결정할 수 있다.
본 실시예의 일부 대안적인 구현방식에서, 수행 주체는 또한 사용자의, 엔티티 집합 중의 엔티티에 대한 수정 요청을 수신할 수 있다. 상술한 수정 요청은 수정 전의 엔티티, 수정된 엔티티를 포함할 수 있다. 수행 주체는 상술한 요청을 수신한 후, 엔티티 집합 중의 엔티티를 수정할 수 있다.
본 실시예의 일부 대안적인 구현방식에서, 수행 주체는 또한 사용자의 요청에 응답하여, 사용자한테 이의 사용자 라벨에 대응되는 엔티티 리스트를 송신할 수 있다.
단계(406)에서, 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정한다.
단계(407)에서, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과는 중첩되지 않는다고 결정된 것에 응답하여, 제1 단어 슬롯 인식 결과를 목표 단어 슬롯 인식 결과로 한다.
본 실시예에서, 수행 주체는 우선, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과가 중첩되는지 여부를 판단할 수 있다. 중첩의 의미로는 제1 단어 슬롯 인식 결과 중의 적어도 하나의 단어가 제2 단어 슬롯 인식 결과 중의 적어도 하나의 단어와 적어도 하나의 글자를 공유하는 것을 가리킨다. 예를 들면, 제1 단어 슬롯 인식 결과는 단어A, B를 포함하고 제2 단어 슬롯 인식 결과는 단어C, D를 포함한다. A와 C, A와 D, B와 C, B와 D 간에 모두 같은 글자를 가지지 않는 경우, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과는 중첩되지 않는다.
단계(408)에서, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과가 중첩된다고 결정된 것에 응답하여, 중첩 부분에 대응되는 2개의 단어를 결정한다.
A와 C, A와 D, B와 C, B와 D 간의 어느 한 쌍이 같은 글자를 가지는 경우, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과가 중첩된다고 간주한다. 이때, 상술한 중첩 부분에 대응되는 2개의 단어를 결정할 수 있다.
단계(409)에서, 2개의 단어 중 글자수가 많은 하나를 목표 단어로 한다.
수행 주체는 상술한 2개의 단어 중에서 글자 수 가 보다 많은 한 단어를 목표 단어로 할 수 있다. 이에 따라, 복수의 목표 단어를 얻을 수 있다.
단계(410)에서, 얻은 적어도 하나의 목표 단어에 따라 목표 단어 슬롯 인식 결과를 결정한다.
수행 주체는 얻은 각 목표 단어를 목표 단어 슬롯 인식 결과로 할 수 있다.
본 출원의 상술한 실시예에 의해 제공되는 단어 슬롯을 인식하는 방법은, 즉시(즉 초(second) 레벨의 시간 내에) 사용자에 의해 제공되는 새로운 엔티티 단어를 저장하고 인식할수 있는데, 대량의 데이터 수집이 필요 없고 모델 훈련이 필요 없고 모델 효과에 대한 최적화가 필요 없이, 사용자 맞춤화된 새로운 단어를 인식할 수 있는바, 즉시적이며 정확하고 사용이 편이한 특성이 있다.
나아가 도 5를 참조하면, 상술한 각 도면에 도시한 방법에 대한 구현으로, 본 출원은 단어 슬롯을 인식하는 장치의 일 실시예를 제공하는바, 당해 장치 실시예는 도 2에 도시한 방법 실시예에 대응되고, 당해 장치는 구체적으로 다양한 전자 기기에 응용될 수 있다.
도 5에 도시한 바와 같이, 본 실시예의 단어 슬롯을 인식장치(500)는 목표 문구 수신 유닛(501), 제1 단어 슬롯 인식 유닛(502), 제2 단어 슬롯 인식 유닛(503) 및 인식 결과 결정 유닛(504)을 포함한다.
목표 문구 수신 유닛(501)은, 목표 문구를 수신하도록 구성된다.
제1 단어 슬롯 인식 유닛(502)은, 목표 문구 및 사전설정된 엔티티 집합에 따라 목표 문구의 제1 단어 슬롯 인식 결과를 결정하도록 구성된다.
제2 단어 슬롯 인식 유닛(503)은, 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 목표 문구의 제2 단어 슬롯 인식 결과를 결정하도록 구성된다. 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화한다.
인식 결과 결정 유닛(504)은, 제1 단어 슬롯 인식 결과 및 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하도록 구성된다.
본 실시예의 일부 대안적인 구현방식에서, 제1 단어 슬롯 인식 유닛(502)은 나아가, 도 5에 도시하지 않은, 엔티티 언급 결정 모듈 및 제1 단어 슬롯 인식 모듈을 포함할 수 있다.
엔티티 언급 결정 모듈은, 목표 문구에서의 엔티티 언급을 결정하도록 구성된다.
제1 단어 슬롯 인식 모듈은, 엔티티 집합이 엔티티 언급을 포함한다고 결정된 것에 응답하여, 엔티티 언급을 제1 단어 슬롯 인식 결과로 하도록 구성된다.
본 실시예의 일부 대안적인 구현방식에서, 엔티티 집합은 복수의 엔티티 서브집합을 포함하고, 단일 엔티티 서브집합 중의 엔티티는 동일한 사용자 라벨에 대응된다. 제1 단어 슬롯 인식 모듈은 나아가, 목표 문구에 대응되는 목표 사용자 라벨을 결정하고, 목표 사용자 라벨에 대응되는 엔티티 서브집합이 엔티티 언급을 포함한다고 결정된 것에 응답하여, 엔티티 언급을 제1 단어 슬롯 인식 결과로 하도록 구성된다.
본 실시예의 일부 대안적인 구현방식에서, 인식 결과 결정 유닛(504)은 나아가, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과는 중첩되지 않는다고 결정된 것에 응답하여, 제1 단어 슬롯 인식 결과를 목표 단어 슬롯 인식 결과로 하도록 구성될 수 있다.
본 실시예의 일부 대안적인 구현방식에서, 제1 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함하고, 제2 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함한다. 인식 결과 결정 유닛(504)은 나아가, 제1 단어 슬롯 인식 결과와 제2 단어 슬롯 인식 결과가 중첩된다고 결정된 것에 응답하여, 중첩 부분에 대응되는 2개의 단어를 결정하고, 2개의 단어 중 글자수가 많은 하나를 목표 단어로 하고, 얻은 적어도 하나의 목표 단어에 따라 목표 단어 슬롯 인식 결과를 결정하도록 구성될 수 있다.
본 실시예의 일부 대안적인 구현방식에서, 장치(500)는 나아가, 도 5에 도시하지 않은, 엔티티 업데이트 요청을 수신하고 - 엔티티 업데이트 요청은 업데이트 엔티티를 포함함 - , 업데이트 엔티티를 엔티티 집합에 즉시 동기화하도록 구성되는 즉시 동기화 유닛을 더 포함할 수 있다.
단어 슬롯을 인식하는 장치(500)에 관해 기재한 유닛(501) 내지 유닛(504)는 각각 도 2를 참조하여 서술한 방법에서의 각 단계에 대응된다는 것을 이해하여야 한다. 이에 따라, 상기 단어 슬롯을 인식하는 방법에 대해 서술한 조작 및 특징은 마찬가지로 장치(500) 및 이에 포함되는 유닛에 적용되는바, 이에 대한 상세한 설명은 생략하기로 한다.
본 출원의 실시예에 따르면, 본 출원은 전자 기기 및 판독가능 저장 매체를 더 제공한다.
도 6에 도시한 바는, 본 출원의 실시예에 따른 단어 슬롯을 인식하는 방법을 수행하는 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크벤치, 개인용 디지털 보조기, 서버, 블레이드 서버, 대형 컴퓨터 및 다른 적합한 컴퓨터와 같은 다양한 형식의 디지털 컴퓨터를 가리키고자 하는 것이다. 전자 기기는 또한, 개인용 디지털 보조기, 셀룰러 폰, 스마트폰, 웨어러블 기기 및 다른 이와 유사한 컴퓨팅 기기와 같은 다양한 형식의 이동 장치를 가리킬 수 있다. 본 명세서에서 제시하는 부품, 이들의 연결과 관계 및 이들의 기능은 단지 예시일 뿐, 본 명세서에서 서술한 및/또는 청구하는 본 출원의 구현을 한정하고자 하는 것이 아니다.
도 6에 도시한 바와 같이, 당해 전자 기기는 하나 또는 복수의 프로세서(601), 메모리(602)를 포함하고, 각 부품을 연결하는 인터페이스는 고속 인터페이스와 저속 인터페이스를 포함한다. 각 부품은 서로 다른 버스를 이용하여 서로 연결되고 공통 메인보드에 장착되거나 또는 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는 전자 기기 내에서 실행되는 명령을 처리할 수 있는바, 메모리에 저장되어 외부 입력/출력 장치(인터페이스에 커플링된 표시 기기와 같은)에 GUI의 그래픽 정보를 표시하기 위한 명령이 포함된다. 다른 실시 방식에서, 필요하다면 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용할 수 있다. 마찬가지로, 복수의 전자 기기를 연결할 수 있고, 각 기기는(예를 들어 서버 어레이, 한 그룹의 블레이드 서버 또는 멀티프로세서 시스템으로서) 일부 필요한 조작을 제공할 수 있다. 도 6은 프로세서(601)를 예시한다.
메모리(602)가 바로 본 출원에 의해 제공되는 비일시적 컴퓨터 판독가능 저장 매체이다. 상기 메모리에는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어 있는바, 상기 적어도 하나의 프로세서에 의해 본 출원에 의해 제공되는 단어 슬롯을 인식하는 방법이 수행되도록 한다. 본 출원의 비일시적 컴퓨터 판독가능 저장 매체는 컴퓨터 명령을 저장하고, 당해 컴퓨터 명령은 컴퓨터에 의해 본 출원에 의해 제공되는 단어 슬롯을 인식하는 방법이 수행되도록 한다.
메모리(602)는 비일시적 컴퓨터 판독 가능 저장 매체로서, 본 출원의 실시예의 수행 단어 슬롯을 인식하는 방법에 대응되는 프로그램 명령/모듈(예를 들면, 첨부 도면5에 도시한 목표 문구 수신 유닛(501), 제1 단어 슬롯 인식 유닛(502), 제2 단어 슬롯 인식 유닛(503) 및 인식 결과 결정 유닛(504))과 같은 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행가능 프로그램 및 모듈을 저장할 수 있다. 프로세서(601)는 메모리(602)에 저장되는 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써 서버의 다양한 기능 응용 및 데이터 처리를 실행하는바, 즉 상술한 방법 실시예에서의 수행 단어 슬롯을 인식하는 방법을 구현한다.
메모리(602)는 프로그램 저장 영역과 데이터 저장 영역을 포함할 수 있는바, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 있어서 필요한 응용 프로그램을 저장할 수 있고, 데이터 저장 영역은 수행 단어 슬롯을 인식하는 전자 기기의 사용에 따라 생성되는 데이터 등을 저장할 수 있다. 이 외에도, 메모리(602)는 고속 랜덤 액세스 메모리를 포함할 수도 있고, 비일시적 메모리, 예를 들어 적어도 하나의 자기 디스크 저장 디바이스, 플래시 메모리 디바이스 또는 다른 비일시적 고체 상태 저장 디바이스를 더 포함할 수도 있다. 일부 실시에서, 메모리(602)는 대안적으로 프로세서(601) 대비 원격 설치되는 메모리를 포함하는바, 이러한 원격 메모리는 네트워크를 통해 수행 단어 슬롯을 인식하는 전자 기기에 연결된다. 상술한 네트워크의 실제 예는 인터넷, 기업 내부 네트워크, 근거리 통신망, 이동 통신 네트워크 및 이들의 조합을 포함하나 이에 한정되지 않는다.
수행 단어 슬롯을 인식하는 방법의 전자 기기는 입력 장치(603)와 출력 장치(604)를 더 포함할 수 있다. 프로세서(601), 메모리(602), 입력 장치(603) 및 출력 장치(604)는 버스 또는 다른 방식으로 연결될 수 있고, 도 6은 버스에 의한 연결을 예시한다.
입력 장치(603)는 입력되는 숫자 또는 문자(character) 정보를 수신하고, 수행 단어 슬롯을 인식하는 전자 기기의 사용자 설정 및 기능 제어에 관련되는 키 신호 입력을 발생시킬 수 있는바, 예를 들면 터치 스크린, 숫자 키패드, 마우스, 트랙패드, 터치패드, 포인팅 스틱, 하나 또는 복수의 마우스 버튼, 트랙볼, 조이스틱 등의 입력 장치가 있다. 출력 장치(604)는 표시 기기, 보조 조명장치(예를 들어 LED) 및 촉각 피드백 장치(예를 들어 진동 모터) 등을 포함할 수 있다. 당해 표시 기기는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이 및 플라즈마 디스플레이를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시 방식에서 표시 기기는 터치 스크린일 수 있다.
여기서 서술하는 시스템과 기술의 다양한 실시 방식은 디지털 전자회로 시스템, 집적회로 시스템, 주문형ASIC(주문형 집적회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 방식은 하나 또는 복수의 컴퓨터 프로그램에서 실시되는 것을 포함할 수 있고, 당해 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램가능 프로세서를 포함하는 프로그램가능 시스템에서 실행되거나 및/또는 해석될 수 있고, 당해 프로그램가능 프로세서는 전용의 또는 범용의 프로그램가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터와 명령을 수신하고 데이터와 명령을 당해 저장 시스템, 당해 적어도 하나의 입력 장치 및 당해 적어도 하나의 출력 장치로 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션 또는 코드로 지칭되기도 함)은 프로그램가능 프로세서의 기계 명령을 포함하며, 고급 절차 프로그래밍 언어 및/또는 객체지향 프로그래밍 언어, 및/또는 어셈블리어/기계어를 이용하여 이러한 컴퓨팅 프로그램을 실시할 수 있다. 본 명세서에서 사용한 바와 같이, 용어 '기계 판독가능 매체'와 '컴퓨터 판독가능 매체'는 기계 명령 및/또는 데이터를 프로그램가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들면 자기 디스크, 광 디스크, 메모리, 프로그램가능 논리 장치(PLD))를 가리키는바, 이는 기계 판독가능 신호로서의 기계 명령을 수신하는 기계 판독가능 매체를 포함한다. 용어 '기계 판독가능 신호'는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 가리킨다.
사용자와의 인터랙션을 제공하기 위해, 여기서 서술하는 시스템과 기술을 컴퓨터에서 실시할 수 있는바, 당해 컴퓨터는 사용자한테 정보를 표시하기 위한 표시 장치(예를 들면 음극선관(CRT) 또는 액정 디스플레이(LCD) 모니터) 및 키보드와 포인팅 장치(예를 들면 마우스 또는 트랙볼)를 구비하고, 사용자는 당해 키보드와 당해 포인팅 장치를 통해 입력을 컴퓨터에 제공할 수 있다. 다른 종류의 장치 또한 사용자와의 인터랙션을 제공하는 데 사용될 수 있는바, 예를 들면 사용자한테 제공되는 피드백은 임의 형식의 감각 피드백(예를 들어 시각 피드백, 청각 피드백 또는 촉각 피드백)일 수 있고, 임의 형식(소리 입력, 음성 입력 또는 촉각 입력을 포함함)으로 사용자로부터의 입력이 수신될 수 있다.
여기서 서술하는 시스템과 기술을 백스테이지 부품을 포함하는 컴퓨팅 시스템(예를 들면 데이터 서버로서), 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들면 애플리케이션 서버), 프론트엔드 부품을 포함하는 컴퓨팅 시스템(예를 들면 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 구비하는 사용자 컴퓨터가 있고, 사용자는 당해 그래픽 사용자 인터페이스 또는 당해 네트워크 브라우저를 통해 여기서 서술하는 시스템 및 기술의 실시 방식과 인터랙션할 수 있음), 또는 이러한 백그라운드 부품, 미들웨어 부품 또는 프런트 엔드 부품의 임의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의 형식 또는 매체의 디지털 데이터 통신(예를 들면 통신 네트워크)으로 시스템의 부품을 서로 연결시킬 수 있다. 통신 네트워크의 예시는 근거리 통신망(LAN), 광대역 통신망(WAN) 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트와 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있고, 통상적으로 통신 네트워크를 통해 인터랙션한다. 상응한 컴퓨터에서 실행되고 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램에 의해 클라이언트와 서버의 관계가 발생한다.
본 출원의 실시예에 따른 기술 방안은, 사용자가 설정한 새로운 엔티티 단어를 즉시 인식할 수 있는데, 대량의 데이터 수집이 필요 없고 모델 훈련이 필요 없고 모델 효과에 대한 최적화가 필요 없이, 사용자 맞춤화된 새로운 단어를 인식할 수 있는바, 즉시적이며 정확하고 사용이 편이한 특성이 있다.
위에서 제시한 다양한 형식의 흐름을 적용하여 단계를 재정렬, 증가 또는 삭제할 수 있음을 이해하여야 한다. 예를 들면, 본 출원에 기재된 각 단계는 병렬로 수행될 수도 있고, 순차로 수행될 수도 있고, 서로 다른 순서로 실행될 수도 있는바, 본 출원에서 개시하는 기술 방안에 대한 기대 결과를 구현할 수 있기만 하면 되는 것으로, 본 명세서는 이에 대해 한정하지 않는다.
상술한 구체적인 실시 방식은 본 출원의 보호 범위를 한정하지 않는다. 당업자라면, 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 치환이 가능하다는 것을 알아야 할 것이다. 본 출원의 사상과 원칙 내에서 행하는 임의의 수정, 등가적 치환 및 개량 등은 모두 본 출원의 보호 범위에 포함되어야 한다.

Claims (15)

  1. 단어 슬롯을 인식하는 방법으로서,
    목표 문구를 수신하는 단계;
    상기 목표 문구 및 사전설정된 엔티티 집합에 따라 상기 목표 문구의 제1 단어 슬롯 인식 결과를 결정하는 단계;
    상기 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 상기 목표 문구의 제2 단어 슬롯 인식 결과를 결정하는 단계 - 상기 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화함 - ; 및
    상기 제1 단어 슬롯 인식 결과 및 상기 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하는 단계를 포함하는, 단어 슬롯을 인식하는 방법.
  2. 제1항에 있어서,
    상술한 상기 목표 문구 및 사전설정된 엔티티 집합에 따라 상기 목표 문구의 제1 단어 슬롯 인식 결과를 결정하는 단계는,
    상기 목표 문구에서의 엔티티 언급을 결정하는 단계; 및
    상기 엔티티 집합이 상기 엔티티 언급을 포함한다고 결정된 것에 응답하여, 상기 엔티티 언급을 상기 제1 단어 슬롯 인식 결과로 하는 단계를 포함하는, 단어 슬롯을 인식하는 방법.
  3. 제2항에 있어서,
    상기 엔티티 집합은 복수의 엔티티 서브집합을 포함하고, 단일 엔티티 서브집합 중의 엔티티는 동일한 사용자 라벨에 대응되며,
    상술한 상기 엔티티 집합이 상기 엔티티 언급을 포함한다고 결정된 것에 응답하여, 상기 엔티티 언급을 상기 제1 단어 슬롯 인식 결과로 하는 단계는,
    상기 목표 문구에 대응되는 목표 사용자 라벨을 결정하는 단계; 및
    상기 목표 사용자 라벨에 대응되는 엔티티 서브집합이 상기 엔티티 언급을 포함한다고 결정된 것에 응답하여, 상기 엔티티 언급을 상기 제1 단어 슬롯 인식 결과로 하는 단계를 포함하는, 단어 슬롯을 인식하는 방법.
  4. 제1항에 있어서,
    상술한 상기 제1 단어 슬롯 인식 결과 및 상기 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하는 단계는,
    상기 제1 단어 슬롯 인식 결과와 상기 제2 단어 슬롯 인식 결과는 중첩되지 않는다고 결정된 것에 응답하여, 상기 제1 단어 슬롯 인식 결과를 상기 목표 단어 슬롯 인식 결과로 하는 단계를 포함하는, 단어 슬롯을 인식하는 방법.
  5. 제1항에 있어서,
    상기 제1 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함하고, 상기 제2 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함하며,
    상술한 상기 제1 단어 슬롯 인식 결과 및 상기 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하는 단계는,
    상기 제1 단어 슬롯 인식 결과와 상기 제2 단어 슬롯 인식 결과가 중첩된다고 결정된 것에 응답하여, 상기 중첩 부분에 대응되는 2개의 단어를 결정하는 단계;
    상기 2개의 단어 중 글자수가 많은 하나를 목표 단어로 하는 단계; 및
    얻은 적어도 하나의 목표 단어에 따라 목표 단어 슬롯 인식 결과를 결정하는 단계를 포함하는, 단어 슬롯을 인식하는 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 방법은
    엔티티 업데이트 요청을 수신하는 단계 - 상기 엔티티 업데이트 요청은 업데이트 엔티티를 포함함 - ; 및
    상기 업데이트 엔티티를 상기 엔티티 집합에 즉시 동기화하는 단계를 더 포함하는, 단어 슬롯을 인식하는 방법.
  7. 단어 슬롯을 인식하는 장치로서,
    목표 문구를 수신하도록 구성되는 목표 문구 수신 유닛;
    상기 목표 문구 및 사전설정된 엔티티 집합에 따라 상기 목표 문구의 제1 단어 슬롯 인식 결과를 결정하도록 구성되는 제1 단어 슬롯 인식 유닛;
    상기 목표 문구 및 사전훈련된 단어 슬롯 인식 모델에 따라 상기 목표 문구의 제2 단어 슬롯 인식 결과를 결정하도록 구성되는 제2 단어 슬롯 인식 유닛 - 상기 단어 슬롯 인식 모델은 문구와 단어 슬롯 인식 결과의 대응관계를 특성화함 - ; 및
    상기 제1 단어 슬롯 인식 결과 및 상기 제2 단어 슬롯 인식 결과에 따라 목표 단어 슬롯 인식 결과를 결정하도록 구성되는 인식 결과 결정 유닛을 포함하는, 단어 슬롯을 인식하는 장치.
  8. 제7항에 있어서,
    상기 제1 단어 슬롯 인식 유닛은
    상기 목표 문구에서의 엔티티 언급을 결정하도록 구성되는 엔티티 언급 결정 모듈; 및
    상기 엔티티 집합이 상기 엔티티 언급을 포함한다고 결정된 것에 응답하여, 상기 엔티티 언급을 상기 제1 단어 슬롯 인식 결과로 하도록 구성되는 제1 단어 슬롯 인식 모듈을 포함하는, 단어 슬롯을 인식하는 장치.
  9. 제8항에 있어서,
    상기 엔티티 집합은 복수의 엔티티 서브집합을 포함하고, 단일 엔티티 서브집합 중의 엔티티는 동일한 사용자 라벨에 대응되며,
    상기 제1 단어 슬롯 인식 모듈은 나아가,
    상기 목표 문구에 대응되는 목표 사용자 라벨을 결정하고;
    상기 목표 사용자 라벨에 대응되는 엔티티 서브집합이 상기 엔티티 언급을 포함한다고 결정된 것에 응답하여, 상기 엔티티 언급을 상기 제1 단어 슬롯 인식 결과로 하도록 구성되는, 단어 슬롯을 인식하는 장치.
  10. 제7항에 있어서,
    상기 인식 결과 결정 유닛은 나아가,
    상기 제1 단어 슬롯 인식 결과와 상기 제2 단어 슬롯 인식 결과는 중첩되지 않는다고 결정된 것에 응답하여, 상기 제1 단어 슬롯 인식 결과를 상기 목표 단어 슬롯 인식 결과로 하도록 구성되는, 단어 슬롯을 인식하는 장치.
  11. 제7항에 있어서,
    상기 제1 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함하고, 상기 제2 단어 슬롯 인식 결과는 적어도 하나의 단어를 포함하며,
    상기 인식 결과 결정 유닛은 나아가,
    상기 제1 단어 슬롯 인식 결과와 상기 제2 단어 슬롯 인식 결과가 중첩된다고 결정된 것에 응답하여, 상기 중첩 부분에 대응되는 2개의 단어를 결정하고;
    상기 2개의 단어 중 글자수가 많은 하나를 목표 단어로 하고;
    얻은 적어도 하나의 목표 단어에 따라 목표 단어 슬롯 인식 결과를 결정하도록 구성되는, 단어 슬롯을 인식하는 장치.
  12. 제7항 내지 제11항 중 어느 한 항에 있어서,
    상기 장치는,
    엔티티 업데이트 요청을 수신하고 - 상기 엔티티 업데이트 요청은 업데이트 엔티티를 포함함 - , 상기 업데이트 엔티티를 상기 엔티티 집합에 즉시 동기화하도록 구성되는 즉시 동기화 유닛을 더 포함하는, 단어 슬롯을 인식하는 장치.
  13. 단어 슬롯을 인식하는 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 통신적으로 연결되는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행됨으로써 상기 적어도 하나의 프로세서가 제1항 내지 제6항 중 어느 한 항의 방법을 실행하도록 하는, 전자 기기.
  14. 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독가능 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터에 의해 제1항 내지 제6항 중 어느 한 항의 방법이 수행되도록 하는, 비일시적 컴퓨터 판독가능 저장 매체.
  15. 매체에 저장된 컴퓨터 프로그램으로서,
    상기 프로그램이 프로세서에 의해 실행되는 경우, 제1항 내지 제6항 중 어느 한 항의 방법이 수행되는, 매체에 저장된 컴퓨터 프로그램.
KR1020210032499A 2020-06-10 2021-03-12 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 KR20210035784A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010523633.6 2020-06-10
CN202010523633.6A CN111681647B (zh) 2020-06-10 2020-06-10 用于识别词槽的方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
KR20210035784A true KR20210035784A (ko) 2021-04-01

Family

ID=72435431

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210032499A KR20210035784A (ko) 2020-06-10 2021-03-12 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램

Country Status (5)

Country Link
US (1) US20210390254A1 (ko)
EP (1) EP3822812A1 (ko)
JP (1) JP7200277B2 (ko)
KR (1) KR20210035784A (ko)
CN (1) CN111681647B (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112507712B (zh) * 2020-12-11 2024-01-26 北京百度网讯科技有限公司 建立槽位识别模型与槽位识别的方法、装置
CN113657110A (zh) * 2021-08-10 2021-11-16 阿波罗智联(北京)科技有限公司 信息处理方法、装置和电子设备
CN113869046B (zh) * 2021-09-29 2022-10-04 阿波罗智联(北京)科技有限公司 一种自然语言文本的处理方法、装置、设备及存储介质
CN117275471A (zh) * 2022-06-13 2023-12-22 华为技术有限公司 处理语音数据的方法及终端设备
CN115965018B (zh) * 2023-01-04 2024-04-26 北京百度网讯科技有限公司 信息生成模型的训练方法、信息生成方法和装置

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02165388A (ja) * 1988-12-20 1990-06-26 Toshiba Corp パターン認識方式
US5685000A (en) * 1995-01-04 1997-11-04 U S West Technologies, Inc. Method for providing a linguistically competent dialogue with a computerized service representative
JP4790956B2 (ja) * 1999-09-29 2011-10-12 ニュアンス コミュニケーションズ オーストリア ゲーエムベーハー 音声認識器における綴りモード
US7299180B2 (en) * 2002-12-10 2007-11-20 International Business Machines Corporation Name entity extraction using language models
US8364481B2 (en) * 2008-07-02 2013-01-29 Google Inc. Speech recognition with parallel recognition tasks
US7933777B2 (en) * 2008-08-29 2011-04-26 Multimodal Technologies, Inc. Hybrid speech recognition
JP6085149B2 (ja) * 2012-11-16 2017-02-22 株式会社Nttドコモ 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム
KR20140080089A (ko) * 2012-12-20 2014-06-30 삼성전자주식회사 음성인식장치 및 음성인식방법, 음성인식장치용 데이터 베이스 및 음성인식장치용 데이터 베이스의 구축방법
CN103077714B (zh) * 2013-01-29 2015-07-08 华为终端有限公司 信息的识别方法和装置
US10224030B1 (en) * 2013-03-14 2019-03-05 Amazon Technologies, Inc. Dynamic gazetteers for personalized entity recognition
JP2015049254A (ja) * 2013-08-29 2015-03-16 株式会社日立製作所 音声データ認識システム及び音声データ認識方法
US9690776B2 (en) 2014-12-01 2017-06-27 Microsoft Technology Licensing, Llc Contextual language understanding for multi-turn language tasks
US10180937B2 (en) * 2017-02-16 2019-01-15 International Business Machines Corporation Cognitive entity reference recognition
KR102289917B1 (ko) * 2017-06-30 2021-08-12 삼성에스디에스 주식회사 화행 정보를 이용한 대화 처리 방법 및 그 장치
CN108257593B (zh) * 2017-12-29 2020-11-13 深圳和而泰数据资源与云技术有限公司 一种语音识别方法、装置、电子设备及存储介质
JP2019179116A (ja) * 2018-03-30 2019-10-17 富士通株式会社 音声理解プログラム、音声理解装置および音声理解方法
US11094317B2 (en) * 2018-07-31 2021-08-17 Samsung Electronics Co., Ltd. System and method for personalized natural language understanding
US11132509B1 (en) * 2018-12-03 2021-09-28 Amazon Technologies, Inc. Utilization of natural language understanding (NLU) models
CN110020429B (zh) * 2019-02-27 2023-05-23 阿波罗智联(北京)科技有限公司 语义识别方法及设备
US11789945B2 (en) * 2019-04-18 2023-10-17 Sap Se Clause-wise text-to-SQL generation
CN110111787B (zh) * 2019-04-30 2021-07-09 华为技术有限公司 一种语义解析方法及服务器
CN110413756B (zh) * 2019-07-29 2022-02-15 北京小米智能科技有限公司 自然语言处理的方法、装置及设备
KR20190098928A (ko) * 2019-08-05 2019-08-23 엘지전자 주식회사 음성 인식 방법 및 장치
US11183194B2 (en) * 2019-09-13 2021-11-23 International Business Machines Corporation Detecting and recovering out-of-vocabulary words in voice-to-text transcription systems
CN110704592B (zh) * 2019-09-27 2021-06-04 北京百度网讯科技有限公司 语句分析处理方法、装置、计算机设备和存储介质
KR20190118995A (ko) * 2019-10-01 2019-10-21 엘지전자 주식회사 음성 처리 방법 및 음성 처리 장치
CN111178077B (zh) * 2019-12-26 2024-02-02 深圳市优必选科技股份有限公司 一种语料生成方法、语料生成装置及智能设备
CN111222323B (zh) * 2019-12-30 2024-05-03 深圳市优必选科技股份有限公司 一种词槽抽取方法、词槽抽取装置及电子设备
CN111241826B (zh) * 2020-01-09 2023-07-25 深圳前海微众银行股份有限公司 实体名称识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20210390254A1 (en) 2021-12-16
JP7200277B2 (ja) 2023-01-06
JP2021197153A (ja) 2021-12-27
CN111681647B (zh) 2023-09-05
CN111681647A (zh) 2020-09-18
EP3822812A1 (en) 2021-05-19

Similar Documents

Publication Publication Date Title
KR20210035784A (ko) 단어 슬롯을 인식하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
US20210390428A1 (en) Method, apparatus, device and storage medium for training model
EP3828719A2 (en) Method and apparatus for generating model for representing heterogeneous graph node, electronic device, storage medium, and computer program product
US20210200947A1 (en) Event argument extraction method and apparatus and electronic device
US20210192141A1 (en) Method and apparatus for generating vector representation of text, and related computer device
WO2019225837A1 (en) Method for learning cross domain personalized vocabulary and electronic device thereof
KR20210154705A (ko) 시맨틱 매칭 방법, 장치, 기기 및 저장 매체
WO2020204367A1 (en) Method and system for semantic intelligent task learning and adaptive execution
JP2021196599A (ja) 情報を出力するための方法および装置
US11200382B2 (en) Prosodic pause prediction method, prosodic pause prediction device and electronic device
KR20210090576A (ko) 품질을 관리하는 방법, 장치, 기기, 저장매체 및 프로그램
US11437036B2 (en) Smart speaker wake-up method and device, smart speaker and storage medium
KR102600018B1 (ko) 엔티티 관계 마이닝 방법, 장치, 전자 기기, 저장 매체 및 프로그램
KR102358012B1 (ko) 음성 제어 방법, 장치, 전자 기기 및 판독 가능 저장 매체
KR20210036875A (ko) 사전훈련된 시맨틱 모델에 기반하는 모델 개량 방법, 장치, 전자 기기, 저장 매체 및 프로그램
KR20210039354A (ko) 음성 인터렉션 방법, 음성 인터렉션 기기 및 전자 기기
KR20210042272A (ko) 지능형 응답 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
US20220303260A1 (en) Method for synchronizing verificaion code, electronic device
CN110245334B (zh) 用于输出信息的方法和装置
KR102595664B1 (ko) 이미지 처리 방법, 장치, 전자 기기 및 판독 가능한 기록매체
US11977850B2 (en) Method for dialogue processing, electronic device and storage medium
US20210311492A1 (en) Method and apparatus for outputting signal light information
KR20210044747A (ko) 태그 마이닝 방법, 장치, 전자 기기, 저장 매체 및 프로그램
US11750689B2 (en) Speech processing method and apparatus, device, storage medium and program
US20230359818A1 (en) On-device grammar checking

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application