KR20210038471A - 텍스트 쿼리 방법, 장치, 기기 및 저장 매체 - Google Patents

텍스트 쿼리 방법, 장치, 기기 및 저장 매체 Download PDF

Info

Publication number
KR20210038471A
KR20210038471A KR1020210035691A KR20210035691A KR20210038471A KR 20210038471 A KR20210038471 A KR 20210038471A KR 1020210035691 A KR1020210035691 A KR 1020210035691A KR 20210035691 A KR20210035691 A KR 20210035691A KR 20210038471 A KR20210038471 A KR 20210038471A
Authority
KR
South Korea
Prior art keywords
information
query
intention
time
intent
Prior art date
Application number
KR1020210035691A
Other languages
English (en)
Inventor
창 리우
솽콴 왕
양 장
이 시에
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 KR20210038471A publication Critical patent/KR20210038471A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition

Abstract

본 개시는 스마트 검색 기술분야에 관한, 텍스트 쿼리 방법, 장치, 기기 및 저장 매체를 공개한다. 구체적은 구현 수단은 하기와 같다. 쿼리 텍스트의 의도 정보 및 특징 정보를 식별하고, 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타내며, 의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하고, 상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리한다. 본 개시는 텍스트 쿼리의 쿼리 호율을 향상시킬 수 있다.

Description

텍스트 쿼리 방법, 장치, 기기 및 저장 매체 {TEXT QUERY METHOD AND APPARATUS, DEVICE AND STORAGE MEDIUM}
본 개시는 컴퓨터 기술분야 중의 스마트 검색 기술분야에 관한 것으로, 특히 텍스트 쿼리 방법, 장치, 기기 및 저장 매체에 관한 것이다.
현재 텍스트 쿼리 방식은 주로 사용자에 의해 수동으로 쿼리하는 방식이고, 구체적으로 사용자가 페이지, 입력 박스 등 컴포넌트에서 일련의 클릭, 드래그 및 문자 입력 등 조작을 진행해야만 대응되는 쿼리 기능을 찾을 수 있고 이를 통해 상응한 쿼리를 수행한다. 따라서 텍스트 쿼리의 쿼리 호율이 비교적 낮음을 알 수 있다.
본 개시는 텍스트 쿼리 방법, 장치, 기기 및 저장 매체를 제공하여, 텍스트 쿼리의 쿼리 효율이 비교적 낮은 문제를 해결한다.
제1 측면에 따르면,
쿼리 텍스트의 의도 정보 및 특징 정보를 식별하는 단계 - 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타냄 - ;
의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하는 단계; 및
상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계를 포함하는 텍스트 쿼리 방법을 제공한다.
제2 측면에 따르면,
쿼리 텍스트의 의도 정보 및 특징 정보를 식별하는 식별 모듈 - 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타냄 - ;
의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하는 결정 모듈; 및
상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 쿼리 모듈을 포함하는 텍스트 쿼리 장치를 제공한다.
제3 측면에 따르면,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 본 개시에서 제공되는 텍스트 쿼리 방법을 수행할 수 있도록 하는 것을 특징으로 하는 전자 기기를 제공한다.
제4 측면에 따르면, 컴퓨터 명령이 저장된 비일시적 판독 가능한 저장 매체로서, 상기 컴퓨터 명령은 상기 컴퓨터가 본 개시에서 제공되는 텍스트 쿼리 방법을 수행하도록 하는 것을 특징으로 하는, 컴퓨터 명령이 저장된 비일시적 판독 가능한 저장 매체를 제공한다.
본 개시의 기술적 해결수단에 따르면, 텍스트 쿼리의 쿼리 효율을 향상시킨다.
본 부분에서 설명되는 내용은 본 개시의 실시예의 핵심적이거나 중요한 특징을 식별하기 위한 것이 아니며, 본 개시의 범위를 제한하려는 의도도 아님을 이해해야 한다. 본 개시의 기타 특징은 하기의 명세서에 의해 쉽게 이해될 것이다.
도면은 본 수단을 더욱 잘 이해하도록 하기 위한 것이고, 본 개시를 한정하기 위함이 아니다. 여기서:
도 1은 본 개시에서 제공되는 텍스트 쿼리 방법의 흐름도이다.
도 2는 본 개시에서 제공되는 언어 모델의 모식도이다.
도 3은 본 개시에서 제공되는 시간 정보 해석의 모식도이다.
도 4는 몬 개시에서 제공되는 텍스트 쿼리 장치의 구조도이다.
도 5는 본 개시의 실시예의 멀티미디어 내용 검색 방법을 구현하는데 사용되는 전자 기기의 블록도이다.
아래아래 도면과 결부시켜 본 개시의 예시적 실시예를 설명하되, 여기에 이해를 돕기 위한 본 개시의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 개시의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
도 1을 참조하면, 도 1은 본 개시에서 제공되는 텍스트 쿼리 방법의 흐름도이고, 도 1에 도시된 바와 같이, 하기와 같은 단계를 포함한다.
단계 S101: 쿼리 텍스트의 의도 정보 및 특징 정보를 식별하고, 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타낸다.
여기서, 상기 의도는 상기 쿼리 텍스트의 쿼리 의도를 나타낼 수 있고, 상기 의도 정보는 쿼리 텍스트로부터 추출된 의도 정보일 수 있으며, 예를 들어, 쿼리 텍스트 "지난주 리스의 출행 기록"에서, 의도 정보는 출행, 사람, 기록 등 의도 정보를 포함할 수 있고, 또 예를 들어, 쿼리 텍스트 "지난주 숙박 조건은 어떤가요"에서, 의도 정보는 숙박 등 의도 정보를 포함할 수 있다. 또한, 상기 의도 정보는 쿼리 텍스트로부터 분석해낸 의도 정보를 포함할 수도 있는데, 예를 들어, 쿼리 텍스트 "지난주 숙박 조건은 어떤가요"에서, 상기 쿼리 텍스트의 의도 정보에 호텔이 포함될 수 있다고 식별할 수 있다.
상기 특징 정보는 쿼리 텍스트의 시간, 엔티티 등 정보를 포함할 수 있다.
이 밖에, 상기 쿼리 텍스트는 자유 텍스트 쿼리 스테이트먼트, 자연 텍스트 쿼리 스테이트먼트 또는 규칙 쿼리 스테이트먼트일 수 있다.
또한, 상기 쿼리 텍스트는 입력 음성을 변환시켜 획득한 텍스트이거나, 또는 입력된 텍스트일 수 있다.
단계 S102: 의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정한다.
본 개시에서, 복수 개의 쿼리 인터페이스를 미리 구성할 수 있고, 상이한 쿼리 인터페이스는 상이한 의도의 쿼리 결과를 쿼리하는데 사용된다.
본 개시의 쿼리 인터페이스는 응용 프로그램 인터페이스(Application Programming Interface, API)일 수 있다.
단계 S103: 상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리한다.
상기 의도에 대응되는 정보는 상기 의도와 관련된 정보일 수 있고, 예를 들어, 출행 의도를 예로 들면, 상기 의도에 대응되는 정보는 노선, 날씨, 항공편 등 정보와 같이 출행과 관련된 정보를 포함할 수 있다.
상기 특징 정보에 매칭되는 상기 쿼리 결과는 텍스트, 이미지 또는 동영상 등 정보와 같이, 상기 의도에 대응되는 정보와 상기 특징 정보에서 획득한 정보일 수 있고, 물론 이러한 정보의 조합일 수 있다. 또한, 상기 특징 정보는 상기 인터페이스의 쿼리 파라미터로 이해할 수도 있다.
본 개시에서, 상기 단계를 통해, 직접 의도에 대응되는 쿼리 결과를 통해 특징 정보에 매칭되는 쿼리 결과를 쿼리하여, 텍스트 쿼리의 효율을 향상시킬 수 있다.
예를 들어, 하기와 같은 쿼리 텍스트에 대하여:
최근 장산의 동행인은？
지난주 리스의 출행 기록은？
쇼장의 아버지는 누구？
쿼리 결과는 구체적인 기록 정보, 관련자의 기본 정보, 관련 문장의 전문 검색 정보, 관계 도보, 행위 궤적 등을 포함할 수 있다.
또한, 본 개시는 쿼리 결과에 대해 쿼리 텍스트와의 유사도 득점에 따라 쿼리 결과를 배열할 수도 있다.
설명해야 할 것은, 본 개시에서 제공되는 텍스트 쿼리 방법은 서버, 컴퓨터, 휴대폰 등 전자 기기와 같은 전자 기기에 응용될 수 있다.
일 선택 가능한 실시 형태로서, 상기 특징 정보는 엔티티 정보 및 시간 정보 중의 적어도 하나를 포함한다.
여기서, 상기 엔티티 정보는 상기 쿼리 텍스트 중의 엔티티를 나타낼 수 있고, 이러한 엔티티는 사람, 이벤트, 장소, 물체, 사건 등 엔티티 타입일 수 있다.
상기 시간 정보는 시간 포인트 또는 시간 프레임과 같은 상기 쿼리 텍스트에 대응되는 시간을 나타낼 수 있다.
상기 실시 형태에서, 상기 의도에 대응되는 정보에서 엔티티 정보 및 시간 정보 중 적어도 하나에 매칭되는 쿼리 결과를 쿼리할 수 있어, 쿼리 결과의 정확도를 향상시킬 수 있다.
선택 가능하게, 상기 엔티티 정보는 언어 모델을 통해 식별된 상기 쿼리 텍스트의 엔티티 정보이다.
여기서, 상기 언어 모델은 딥 러닝 신경망 모델, 순환 신경망 모델일 수 있다. 예를 들어, 도 2에 도시된 네트워크 모델이고, 물론 도 2는 예시적인 것일 뿐, 본 개시는 언어 모델에 대하여 제한하지 않는다.
이 밖에, 상기 언어 모델은 딥 러닝 또는 조건 랜덤 필드(crf) 방식을 통해 구축된 언어 모델일 수 있다.
딥 러닝으로 구축된 언어 모델을 예로 들면, 트레이닝 과정에서 스테이트먼트의 매 글자나 단어에 모두 대응되는 태그가 있을 수 있고, 구체적으로 시퀀스-투-시퀀스(sequence to sequence) 모델을 사용할 수 있다.
장단기 메모리(Long Short-Term Memory, LSTM) 언어 모델을 예로 들면, 트레이닝은 감독하는 말뭉치가 존재할 수 있다.
예를 들어, "지난주 리스의 출행 기록"에 대하여, 지난주->"시간"; 리스->"인명"; 출행->"행위 타입"; 기록->"default"이다.
해당 예는 감독이 있는 하나의 태그 데이터이고, LSTM언어 모델은 단어 분할 후의 말뭉치에 대해 직접 언어 모델을 구축할 수 있고, 단어 분할없이 캐릭터 벡터(character vector)를 직접 사용하여 언어 모델을 구축할 수도 있다.
조건 랜덤 필드의 방법의 경우, 단어 분할 후의 말뭉치를 사용하여 언어 모델을 구축할 수 있다.
상기 실시 형태에서, 언어 모델에서 엔티티 정보를 식별하기에, 엔티티 정보의 정확성을 향상시킬 수 있고, 엔티티 정보를 신속하게 식별해낼 수도 있다.
설명해야 할 것은, 본 개시는 언어 모델을 통해 엔티티 정보를 식별하는 것을 제한하지 않고, 다른 방식을 사용하여 엔티티 정보를 식별할 수도 있으며, 예를 들어, 의미(Semantic) 식별 기술을 통해 쿼리 텍스트의 엔티티 정보를 식별한다.
선택 가능하게, 상기 시간 정보는 시간 포인트 정보 및 시간 프레임 정보 중의 적어도 하나를 포함하고, 여기서, 상기 시간 포인트 정보는 시간 기술 정보(description information)로부터 해석하여 획득한 것이며, 상기 시간 프레임 정보는 상기 시간 포인트 정보에 의거하여 상기 시간 기술 정보로부터 해석하여 획득한 것이고, 상기 시간 기술 정보는 상기 쿼리 텍스트로부터 추출된 시간 기술 정보이다.
여기서, 상기 시간 포인트 정보 해석은 사전 설정된 시간 입상도(Time Granularity)에 따라 해석될 수 있고, 여기서 시간 입상도는 하기 표 1에 도시된 바와 같을 수 있다.
시간 입상도 예시
시간 X월 x일 x시, x월 x일 오전x시(시)
반일 어제 오전/그저께 오후/오늘 저녁
반일 X년 x월 x일(호) 오전, x월 x일(호) 저녁
일 어제/그저께/오늘/내일
일 X년 x월 x일(호), x월 x일(호)
일 최근x일, 지난x일, 엊그저께
반주 상반주
주 최근x주, 지난x주、지난주、x월 x번째 주
반월 X월 초순, 이번달 중순
월 최근x월, 지난x월, 지난달
월 x월, x년 x월
반년 상반년, 하반년, 18년 상반년
년 2019년, 19년, 금년, 작년
상기 시간 프레임 정보는 상기 시간 포인트 정보에 의거하여 시간 포인트를 결정하고, 다시 시간 기술 정보 키포인트 글자(예컨대 내지, 부터등)에 의거하여 구체적인 시간 프레임 정보를 결정할 수 있으며, 상기 시간 프레임 정보 해석은 하나의 시간 포인트, 두 개의 동일한 타입의 시간 포인트 또는 두 개의 상이한 타입의 시간 포인트 등 방식에 따라 해석을 진행할 수 있으며, 예를 들어, 도 2에 도시된 바와 같다.
타입
하나의　시간 포인트 X월 x일, 최근x일, 지난달
두개의 동일한 타입의 시간 포인트 2018년5월부터　2019년1월
두개의 상이한 타입의 시간 포인트 4월 하순부터 7월, 그저께 오전부터 어제
상기 시간 기술 정보는 상기 쿼리 텍스트로부터 추출된 시간에 관련된 정보일 수 있다. 예를 들어, 언어 모델을 통해 추출되거나 의미 분석 방식을 통해 추출될 수 있는 등이며, 이에 제한되지 않는다.상기 실시 형태에서, 시간 포인트 정보와 시간 프레임 정보 중의 적어도 하나를 해석하여 획득할 수 있기에, 시간 정보의 정확성을 향상시킬 수 있어 쿼리 결과의 정확성을 향상시킨다.
선택 가능하게, 상기 시간 포인트 정보는,
상기 시간 기술 정보에 대해 정규화를 진행하여, 시간 정규화 정보를 획득하는 방식;
상기 시간 정규화 정보에 매칭되는 시간 해석 규칙을 쿼리하는 방식;
상기 시간 정규화 정보에 매칭되는 복수 개의 시간 해석 규칙이 존재할 경우, 사전 설정된 충돌 해결 책략을 사용하여 타깃 시간 해석 규칙을 선택하고 상기 시간 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하고; 상기 시간 정규화 정보에 매칭되는 시간 해석 규칙이 하나만 존재할 경우, 상기 시간 해석 규칙을 사용하여 상기 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하는 방식을 통해 획득된다.
상기 시간 기술 정보에 대해 정규화를 진행하여, 시간 정규화 정보를 획득하는 방식은 시간 정보를 동일한 타입의 시간 정보로 정규화시키는 것일 수 있고, 예를 들어, 대문자로 된 시간 정보를 숫자로 표시된 시간 정보로 정규화하는 것이다.
상기 실시 형태에서, 복수 개의 시간 해석 규칙, 예를 들어 상이한 시간 입상도의 시간 해석 규칙을 미리 구성할 수 있고, 물론 동일한 시간 입상도에 대해 다양한 시간 해석 규칙을 구성할 수도 있으며 이에 제한되지 않는다. 이 밖에, 상이한 시간 해석 규칙에 의해 해석된 시간 포인트 정보의 타입은 상이할 수 있고, 예를 들어, 일부 시간 해석 규칙은 년, 월, 일, 시간을 해석해낼 수 있으며, 다른 일부 시간 해석 규칙은 월, 일, 시간 등을 해석해낼 수 있다.
상기 시간 정규화 정보에 매칭되는 시간 해석 규칙을 쿼리하는 방식은 미리 구성된 복수 개의 시간 해석 규칙에서 상기 시간 정규화 정보를 해석해낼 수 있는 시간 해석 규칙을 쿼리하는 것일 수 있다.
상기 시간 정규화 정보에 매칭되는 복수 개의 시간 해석 규칙이 존재할 경우, 사전 설정된 충돌 해결 책략을 사용하여 타깃 시간 해석 규칙을 선택하여 상기 정규화 정보를 해석하는 것은, 복수 개의 시간 해석 규칙에서 해석 시간 입상도가 가장 작은 시간 해석 규칙을 타깃 시간 해석 규칙으로 선택하는 것일 수 있고, 물론 이에 대해 제한하지 않으며, 예를 들어, 해석 시간 입상도가 두 번째로 작은 시간 해석 규칙을 타깃 시간 해석 규칙으로 선택할 수 도 있으며, 구체적으로, 상기 충돌 해결 책략은 미리 구성된 것일 수 있다.
상기 실시 형태에서, 상기 충돌 해결 책략을 통해 타깃 시간 해석 규칙을 선택하여 정규화 정보를 해석함으로써, 시간 정보 충돌로 인한 시간 정보가 정확하지 않는 문제를 해결할 수 있다.
예를 들어, 도 3에 도시된 바와 같이, 시간 포인트 정보와 시간 프레임 정보는, 시간 기술 추출, 정규화, 규칙 매칭, 충돌 해결, 시간 포인트해석 및 시간 프레임 해석 이러한 과정을 통해 정확한 시간 정보를 획득할 수 있다.
또한, 상기 실시 형태에서, 시간 기술 정보를 정규화시키므로, 시간 정보 해석의 정확성을 향상시킬 수 있다.
일 선택 가능한 실시 형태로, 상기 의도 정보는 다수 레벨의 의도 정보를 포함하고, 상기 쿼리 인터페이스는 타깃 의도 정보가 나타내는 타깃 의도를 쿼리하기 위한 쿼리 인터페이스이며, 상기 타깃 의도 정보는 상기 다수 레벨의 의도 정보 중의 레벨 1 의도 정보이고;
상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계는,
상기 쿼리 인터페이스를 통해, 상기 타깃 의도에 대응되는 타깃 타입 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계를 포함하며, 여기서, 상기 타깃 타입 정보의 정보 타입은 다른 의도 정보가 나타내는 의도에 매칭되고, 상기 타깃 타입 정보는 상기 타깃 의도에 대응되는 정보이며, 상기 다른 의도 정보는 상기 다수 레벨의 의도 정보 중 상기 타깃 의도 정보를 제외한 의도 정보이다.
여기서, 상기 다수 레벨의 의도 정보는 쿼리 텍스트를 식별하는 의도 및 구체적인 조건을 나타낸다. 이 밖에, 상기 다수 레벨의 의도 정보는 3개 레벨의 의도 정보를 포함할 수 있고, 예를 들어 하기와 같다.
레벨 1 의도 타입 ：사람, 물체, 기록 등;
레벨 2 의도 타입 ：사회 배경, 관련 관계 등;
레벨 3 의도 타입 ：출행, 숙박 등.
상기 타깃 의도 정보는 출행, 숙박, 날씨 등 의도와 같은 레벨 3 의도일 수 있다.
또한, 상이한 레벨의 의도 정보는 동일하거나 상이한 방식을 통해 식별될 수 있고, 예를 들어 레벨 1 의도 정보는 언어 모델을 통해 식별될 수 있으며, 예를 들어 svm/lstm 언어 모델을 통해 식별되고, 레벨 2 또는 레벨 3 의도는 키워드 정규 매칭 방식을 통해 식별될 수 있으며, 물론 이에 제한되지 않는다.
상기 타깃 의도 정보가 출행이고, 기타 의도 정보가 사람, 사회 배경을 포함하는 것을 예로 들면, 출행에 대응되는 정보에서 정보 타입이 사람이고 사회 배경인 관련 정보를 쿼리할 수 있다.
상기 실시 형태에서, 쿼리 인터페이스는 내부 인터페이스일 수 있고, 이러한 내부 인터페이스는 drools 또는 다른 규칙 파일과 같은 일부 규칙 파일에 정의될 수 있다.
상기 타깃 의도 정보(예를 들어 레벨 3 의도)의 타입이 어느 한 조건을 만족할 경우, 대응되는 내부 인터페이스를 트리거하고, 자동 호출을 완료하여 상응한 쿼리 결과를 쿼리한다.
상기 실시 형태에서, 다수 레벨의 의도 정보를 획득하기에, 대응되는 타입 정보에서만 쿼리할 수 있으므로, 텍스트 쿼리 효율을 더욱 향상시킨다.
아래에서 정의하고자 하는 것은 하나의 "출행(chuxing)"타입의 쿼리 규칙이다. 쿼리 텍스트(query)가 제1 타입 의도를 만족하는 것이 사람이고, 제3 타입 의도를 만족하는 것이 출행이면, 지정된 내부 api를 수행한다. 쿼리 요소(query Element)는 엔티티 식별, 시간 해석의 결과를 포함한다. 이렇게 이러한 의도에 대응되는 인터페이스를 호출하고, 상기 인터페이스를 통해 출행에 대응되는 정보에서 타입이 사람에 매칭되고, 특징 정보에 매칭되는 쿼리 결과를 쿼리한다.
이 밖에, 복수 개의 쿼리 인터페이스가 동시에 트리거되거나 수행되는 경우에 대하여, 속성(예를 들어, salience속성)을 설정하여 우선 순위를 지정할 수 있다.
본 개시에서, 상기 방법을 통해, 직접 의도에 대응되는 쿼리 결과를 통해 특징 정보에 매칭되는 쿼리 결과를 쿼리하여, 텍스트 쿼리의 효울을 향상시킨다.
도 4를 참조하면, 도 4는 본 개시에서 제공되는 텍스트 쿼리 장치의 구조도이고, 도 4에 도시된 바와 같이, 텍스트 쿼리 장치(400)는,
쿼리 텍스트의 의도 정보 및 특징 정보를 식별하되, 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타내는 식별 모듈(401);
의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하는 결정 모듈(402); 및
상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 쿼리 모듈(403)을 포함한다.
선택 가능하게, 상기 특징 정보는 엔티티 정보와 시간 정보 중의 적어도 하나를 포함한다.
선택 가능하게, 상기 엔티티 정보는 언어 모델을 통해 식별된 상기 쿼리 텍스트의 엔티티 정보이고; 및/또는
상기 시간 정보는 시간 포인트 정보 및 시간 프레임 정보 중의 적어도 하나를 포함하며, 여기서, 상기 시간 포인트 정보는 시간 기술 정보로부터 해석하여 획득한 것이고, 상기 시간 프레임 정보는 상기 시간 포인트 정보에 의거하여 상기 시간 기술 정보로부터 해석하여 획득한 것이며, 상기 시간 기술 정보는 상기 쿼리 텍스트로부터 추출된 시간 기술 정보이다.
선택 가능하게, 상기 시간 포인트 정보는,
상기 시간 기술 정보에 대해 정규화를 진행하여, 시간 정규화 정보를 획득하는 방식;
상기 시간 정규화 정보에 매칭되는 시간 해석 규칙을 쿼리하는 방식;
상기 시간 정규화 정보에 매칭되는 복수 개의 시간 해석 규칙이 존재할 경우, 사전 설정된 충돌 해결 책략을 사용하여 타깃 시간 해석 규칙을 선택하고 상기 시간 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하고; 상기 시간 정규화 정보에 매칭되는 시간 해석 규칙이 하나만 존재할 경우, 상기 시간 해석 규칙을 사용하여 상기 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하는 방식을 통해 획득된다.
선택 가능하게, 상기 의도 정보는 다수 레벨의 의도 정보를 포함하고, 상기 쿼리 인터페이스는 타깃 의도 정보가 나타내는 타깃 의도를 쿼리하기 위한 쿼리 인터페이스이며, 상기 타깃 의도 정보는 상기 다수 레벨의 의도 정보 중의 레벨 1 의도 정보이고;
상기 쿼리 모듈(403)은, 상기 쿼리 인터페이스를 통해, 상기 타깃 의도에 대응되는 타깃 타입 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하며, 여기서, 상기 타깃 타입 정보의 정보 타입은 다른 의도 정보가 나타내는 의도에 매칭되고, 상기 타깃 타입 정보는 상기 타깃 의도에 대응되는 정보이며, 상기 다른 의도 정보는 상기 다수 레벨의 의도 정보 중 상기 타깃 의도 정보를 제외한 의도 정보이다.
본 실시예에서 제공되는 장치는 본 개시의 방법 실시예에서 구현되는 각 과정을 구현할 수 있고, 동일한 유익한 효과를 달성할 수 있으므로, 중복 설명을 피하기 위해 여기서 더이상 설명하지 않는다.
본 개시의 실시예에 따르면, 본 개시는 전자 기기 및 판독 가능한 저장 매체를 더 제공한다.
도 5에 도시된 바와 같이, 이는 본 개시의 실시예에 따른 텍스트 쿼리 방법의 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 개시의 구현을 한정하지 않는다.
도 5에 도시된 바와 같이, 상기 전자 기기는 하나 또는 다수의 프로세서(501), 메모리(502), 및 고속 인터페이스 및 저속 인터페이스를 포함하는, 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는, 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시 형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중 프로세서 시스템)을 제공한다. 도 5에서 하나의 프로세서(501)를 예로 든다.
메모리(502)는 본 개시에서 제공되는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 개시에서 제공되는 텍스트 쿼리 방법을 수행되도록 한다. 본 개시의 비일시적 컴퓨터 판독 가능한 저장 매체에는 상기 컴퓨터가 본 개시에서 제공되는 텍스트 쿼리 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(502)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램 및 본 개시의 실시예의 텍스트 쿼리 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 4에 도시된 식별 모듈(401), 결정 모듈(402) 및 쿼리 모듈(403))과 같은 모듈을 저장할 수 있다. 프로세서(501)는 메모리(502)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 텍스트 쿼리 방법을 구현한다.
메모리(502)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 텍스트 쿼리 방법의 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(502)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(502)는 프로세서(501)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 속도 예측 방법의 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
텍스트 쿼리 방법의 전자 기기는 입력 장치(503) 및 출력 장치(504)를 더 포함할 수 있다. 프로세서(501), 메모리(502), 입력 장치(503) 및 출력 장치(504)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 5에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(503)는 입력된 디지털 또는 문자 정보를 수신할 수 있고, 텍스트 쿼리 방법의 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(504)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시 형태에서, 표시 기기는 터치스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 “기계 판독 가능한 매체” 및 “컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 “기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수도 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시 형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.
본 개시의 실시예의 기술적 해결수단에 따르면, 직접 의도에 대응되는 쿼리 결과를 통해, 특징 정보에 매칭되는 쿼리 결과를 쿼리할 수 있어, 텍스트 쿼리의 효율을 향상시킨다.
위에서 설명한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 개시에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 개시에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시 형태는 본 개시의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 이해해야 한다. 본 개시의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 개시의 보호 범위 내에 속해야 한다.

Claims (13)

  1. 텍스트 쿼리 방법으로서,
    쿼리 텍스트의 의도 정보 및 특징 정보를 식별하는 단계 - 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타냄 - ;
    의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하는 단계; 및
    상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계를 포함하는 것을 특징으로 하는 텍스트 쿼리 방법.
  2. 제1항에 있어서,
    상기 특징 정보는 엔티티 정보 및 시간 정보 중의 적어도 하나를 포함하는 것을 특징으로 하는 텍스트 쿼리 방법.
  3. 제2항에 있어서,
    상기 엔티티 정보는 언어 모델을 통해 식별된 상기 쿼리 텍스트의 엔티티 정보이고; 및/또는
    상기 시간 정보는 시간 포인트 정보 및 시간 프레임 정보 중의 적어도 하나를 포함하며, 상기 시간 포인트 정보는 시간 기술 정보로부터 해석하여 획득한 것이고, 상기 시간 프레임 정보는 상기 시간 포인트 정보에 의거하여 상기 시간 기술 정보로부터 해석하여 획득한 것이며, 상기 시간 기술 정보는 상기 쿼리 텍스트로부터 추출된 시간 기술 정보인 것을 특징으로 하는 텍스트 쿼리 방법.
  4. 제3항에 있어서,
    상기 시간 포인트 정보는,
    상기 시간 기술 정보에 대해 정규화를 진행하여, 시간 정규화 정보를 획득하는 방식;
    상기 시간 정규화 정보에 매칭되는 시간 해석 규칙을 쿼리하는 방식; 및
    상기 시간 정규화 정보에 매칭되는 복수 개의 시간 해석 규칙이 존재할 경우, 사전 설정된 충돌 해결 책략을 사용하여 타깃 시간 해석 규칙을 선택하고 상기 시간 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하고; 상기 시간 정규화 정보에 매칭되는 시간 해석 규칙이 하나만 존재할 경우, 상기 시간 해석 규칙을 사용하여 상기 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하는 방식을 통해 획득되는 것을 특징으로 하는 텍스트 쿼리 방법.
  5. 제1항에 있어서,
    상기 의도 정보는 다수 레벨의 의도 정보를 포함하고, 상기 쿼리 인터페이스는 타깃 의도 정보가 나타내는 타깃 의도를 쿼리하기 위한 쿼리 인터페이스이며, 상기 타깃 의도 정보는 상기 다수 레벨의 의도 정보 중의 레벨 1 의도 정보이고;
    상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계는,
    상기 쿼리 인터페이스를 통해, 상기 타깃 의도에 대응되는 타깃 타입 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 단계를 포함하며, 상기 타깃 타입 정보의 정보 타입은 다른 의도 정보가 나타내는 의도에 매칭되고, 상기 타깃 타입 정보는 상기 타깃 의도에 대응되는 정보이며, 상기 다른 의도 정보는 상기 다수 레벨의 의도 정보 중 상기 타깃 의도 정보를 제외한 의도 정보인 것을 특징으로 하는 텍스트 쿼리 방법.
  6. 텍스트 쿼리 장치로서,
    쿼리 텍스트의 의도 정보 및 특징 정보를 식별하는 식별 모듈 - 상기 의도 정보는 상기 쿼리 텍스트의 의도를 나타냄 - ;
    의도 정보에 의거하여, 상기 의도를 쿼리하기 위한 쿼리 인터페이스를 결정하는 결정 모듈; 및
    상기 쿼리 인터페이스를 통해, 상기 의도에 대응되는 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하는 쿼리 모듈을 포함하는 것을 특징으로 하는 텍스트 쿼리 장치.
  7. 제6항에 있어서,
    상기 특징 정보는 엔티티 정보 및 시간 정보 중의 적어도 하나를 포함하는 것을 특징으로 하는 텍스트 쿼리 장치.
  8. 제7항에 있어서,
    상기 엔티티 정보는 언어 모델을 통해 식별된 상기 쿼리 텍스트의 엔티티 정보이고; 및/또는
    상기 시간 정보는 시간 포인트 정보 및 시간 프레임 정보 중의 적어도 하나를 포함하며, 상기 시간 포인트 정보는 시간 기술 정보로부터 해석하여 획득한 것이고, 상기 시간 프레임 정보는 상기 시간 포인트 정보에 의거하여 상기 시간 기술 정보로부터 해석하여 획득한 것이며, 상기 시간 기술 정보는 상기 쿼리 텍스트로부터 추출된 시간 기술 정보인 것을 특징으로 하는 텍스트 쿼리 장치.
  9. 제8항에 있어서,
    상기 시간 포인트 정보는,
    상기 시간 기술 정보에 대해 정규화를 진행하여, 시간 정규화 정보를 획득하는 방식;
    상기 시간 정규화 정보에 매칭되는 시간 해석 규칙을 쿼리하는 방식;
    상기 시간 정규화 정보에 매칭되는 복수 개의 시간 해석 규칙이 존재할 경우, 사전 설정된 충돌 해결 책략을 사용하여 타깃 시간 해석 규칙을 선택하고 상기 시간 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하고; 상기 시간 정규화 정보에 매칭되는 시간 해석 규칙이 하나만 존재할 경우, 상기 시간 해석 규칙을 사용하여 상기 정규화 정보를 해석하여, 상기 시간 포인트 정보를 획득하는 방식을 통해 획득되는 것을 특징으로 하는 텍스트 쿼리 장치.
  10. 제6항에 있어서,
    상기 의도 정보는 다수 레벨의 의도 정보를 포함하고, 상기 쿼리 인터페이스는 타깃 의도 정보가 나타내는 타깃 의도를 쿼리하기 위한 쿼리 인터페이스이며, 상기 타깃 의도 정보는 상기 다수 레벨의 의도 정보 중의 레벨 1 의도 정보이고;
    상기 쿼리 모듈은, 상기 쿼리 인터페이스를 통해, 상기 타깃 의도에 대응되는 타깃 타입 정보에서 상기 특징 정보에 매칭되는 쿼리 결과를 쿼리하며, 상기 타깃 타입 정보의 정보 타입은 다른 의도 정보가 나타내는 의도에 매칭되고, 상기 타깃 타입 정보는 상기 타깃 의도에 대응되는 정보이며, 상기 다른 의도 정보는 상기 다수 레벨의 의도 정보 중 상기 타깃 의도 정보를 제외한 의도 정보인 것을 특징으로 하는 텍스트 쿼리 장치.
  11. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 것을 특징으로 하는 전자 기기.
  12. 컴퓨터 명령이 저장된 비일시적 판독 가능한 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행하도록 하는 것을 특징으로 하는, 컴퓨터 명령이 저장된 비일시적 판독 가능한 저장 매체.
  13. 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 적어도 하나의 프로세서에 의해 실행될 경우, 청구항 제1항 내지 제5항 중 임의의 어느 한 항에 따른 상기 방법을 구현하는 것인,
    컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020210035691A 2020-04-27 2021-03-19 텍스트 쿼리 방법, 장치, 기기 및 저장 매체 KR20210038471A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010343782.4A CN111538815B (zh) 2020-04-27 2020-04-27 一种文本查询方法、装置、设备及存储介质
CN202010343782.4 2020-04-27

Publications (1)

Publication Number Publication Date
KR20210038471A true KR20210038471A (ko) 2021-04-07

Family

ID=71977348

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210035691A KR20210038471A (ko) 2020-04-27 2021-03-19 텍스트 쿼리 방법, 장치, 기기 및 저장 매체

Country Status (5)

Country Link
US (1) US20210209112A1 (ko)
EP (1) EP3832486A3 (ko)
JP (1) JP7163440B2 (ko)
KR (1) KR20210038471A (ko)
CN (1) CN111538815B (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114610914A (zh) * 2022-03-11 2022-06-10 北京百度网讯科技有限公司 一种信息处理方法、装置及电子设备
CN116150409B (zh) * 2023-04-10 2023-06-23 中科雨辰科技有限公司 一种文本时间序列获取方法、电子设备及存储介质
CN117370493A (zh) * 2023-09-22 2024-01-09 中国司法大数据研究院有限公司 一种基于大语言模型的系统智能交互方法与装置
CN117093696B (zh) * 2023-10-16 2024-02-02 浙江同花顺智能科技有限公司 一种大语言模型的提问文本生成方法、装置、设备及介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090187467A1 (en) * 2008-01-23 2009-07-23 Palo Alto Research Center Incorporated Linguistic extraction of temporal and location information for a recommender system
JP4668332B2 (ja) * 2009-05-28 2011-04-13 インターナショナル・ビジネス・マシーンズ・コーポレーション 日程調整支援装置、方法、およびプログラム
CN103369520B (zh) * 2012-03-27 2016-12-14 百度在线网络技术（北京）有限公司 移动终端的应用程序可疑行为的意图预判系统及方法
CN105122240A (zh) * 2013-03-14 2015-12-02 微软技术许可有限责任公司 针对嵌入式应用上下文中的搜索的查询意图表达
CN103440242A (zh) * 2013-06-26 2013-12-11 北京亿赞普网络技术有限公司 一种基于用户搜索行为的个性化推荐方法和系统
US9892208B2 (en) * 2014-04-02 2018-02-13 Microsoft Technology Licensing, Llc Entity and attribute resolution in conversational applications
US10579652B2 (en) * 2014-06-17 2020-03-03 Microsoft Technology Licensing, Llc Learning and using contextual content retrieval rules for query disambiguation
US10686738B2 (en) * 2015-07-24 2020-06-16 Facebook, Inc. Providing personal assistant service via messaging
US10210201B2 (en) * 2016-05-13 2019-02-19 TCL Research America Inc. Method and system for App page recommendation via inference of implicit intent in a user query
JP7020100B2 (ja) * 2017-12-19 2022-02-16 日本電気株式会社 情報処理装置、ハザードマップ生成方法およびプログラム
US20190294731A1 (en) * 2018-03-26 2019-09-26 Microsoft Technology Licensing, Llc Search query dispatcher using machine learning
DK201870358A1 (en) * 2018-06-03 2020-01-03 Apple Inc. ACCELERATED TASK PERFORMANCE
CN110008413B (zh) * 2019-03-14 2023-11-10 海信集团有限公司 一种交通出行问题查询方法和装置
CN110795528B (zh) * 2019-09-05 2023-10-13 腾讯科技（深圳）有限公司 一种数据查询方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20210209112A1 (en) 2021-07-08
CN111538815B (zh) 2023-09-22
EP3832486A3 (en) 2021-10-06
JP2021099881A (ja) 2021-07-01
CN111538815A (zh) 2020-08-14
EP3832486A2 (en) 2021-06-09
JP7163440B2 (ja) 2022-10-31

Similar Documents

Publication Publication Date Title
US20210390428A1 (en) Method, apparatus, device and storage medium for training model
US20220383190A1 (en) Method of training classification model, method of classifying sample, and device
US11403468B2 (en) Method and apparatus for generating vector representation of text, and related computer device
KR20210038471A (ko) 텍스트 쿼리 방법, 장치, 기기 및 저장 매체
RU2726728C2 (ru) Идентификация шаблонов запросов и ассоциированной агрегированной статистики среди поисковых запросов
US20210200813A1 (en) Human-machine interaction method, electronic device, and storage medium
EP3852000A1 (en) Method and apparatus for processing semantic description of text entity, device and storage medium
US20210209428A1 (en) Translation Method and Apparatus and Electronic Device
KR20210132578A (ko) 지식 그래프를 구축하는 방법, 장치, 기기 및 저장 매체
KR20210056961A (ko) 의미 처리 방법, 장치, 전자 기기 및 매체
JP7397903B2 (ja) インテリジェント対話方法、装置、電子機器及び記憶媒体
US20210390254A1 (en) Method, Apparatus and Device for Recognizing Word Slot, and Storage Medium
US11216615B2 (en) Method, device and storage medium for predicting punctuation in text
US20210191961A1 (en) Method, apparatus, device, and computer readable storage medium for determining target content
US11704326B2 (en) Generalization processing method, apparatus, device and computer storage medium
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CN111966781A (zh) 数据查询的交互方法及装置、电子设备和存储介质
JP7262519B2 (ja) 質問の答えの決定方法、装置、機器及び記憶媒体
US11651164B2 (en) Method, device, equipment, and storage medium for mining topic concept
US20210216710A1 (en) Method and apparatus for performing word segmentation on text, device, and medium
US11893977B2 (en) Method for recognizing Chinese-English mixed speech, electronic device, and storage medium
CN113595770B (zh) 群组点击率预估方法、装置、电子设备和存储介质
US11681732B2 (en) Tuning query generation patterns
CN110516127B (zh) 多需求搜索请求的划分方法、装置、电子设备及存储介质
CN113595874B (zh) 即时通讯群组的搜索方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal