TW201935463A - 自然語言理解系統以及語意分析方法 - Google Patents

自然語言理解系統以及語意分析方法 Download PDF

Info

Publication number
TW201935463A
TW201935463A TW107111597A TW107111597A TW201935463A TW 201935463 A TW201935463 A TW 201935463A TW 107111597 A TW107111597 A TW 107111597A TW 107111597 A TW107111597 A TW 107111597A TW 201935463 A TW201935463 A TW 201935463A
Authority
TW
Taiwan
Prior art keywords
semantic analysis
module
natural language
grammar
expression
Prior art date
Application number
TW107111597A
Other languages
English (en)
Other versions
TWI673705B (zh
Inventor
黃海榮
張國峰
Original Assignee
威盛電子股份有限公司
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 威盛電子股份有限公司 filed Critical 威盛電子股份有限公司
Publication of TW201935463A publication Critical patent/TW201935463A/zh
Application granted granted Critical
Publication of TWI673705B publication Critical patent/TWI673705B/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/253Grammatical analysis; Style critique

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Devices For Executing Special Programs (AREA)

Abstract

本發明提出一種自然語言理解系統包括語意分析模組以及處理器。語意分析模組包括表達式模組。表達式模組包括通用部分以及非通用部分,其中非通用部分包括參數列表。處理器用以執行語意分析模組,以使語意分析模組結合表達式模組的通用部分以及非通用部分。語意分析模組依據表達式模組的非通用部分的參數列表來提供多個實際參數至表達式模組的通用部分,以產生語法規則資料。另外,一種語意分析方法亦被提出。

Description

自然語言理解系統以及語意分析方法
本發明是有關於一種自然語言理解技術,且特別是有關於一種自然語言理解系統以及語意分析方法。
在智能語音辨識的應用領域中,自然語言理解(Natural Language Understanding, NLU)技術是目前重要的關鍵技術。自然語言理解技術能負責提取使用者語句中的關鍵信息,並且能判斷使用者的意圖,以對應於使用者的意圖執行後續處理。然而,在基於規則的語意分析方法的實際應用中,自然語言理解系統需要針對大量的語料各別設計對應的語法規則。但是,由於在自然語言中存在許多相似的詞彙結構,使得在相應的語法規則中存在許多冗餘的內容,導致增加編譯語法規則的工作量,也增加了維護和修改的難度。有鑑於此,以下將提出幾個範例實施例的解決方案。
本發明提供一種自然語言理解系統以及語意分析方法,可依據表達式模組來產生多筆語法規則資料,以有效節省自然語言理解系統編譯語法規則的工作量。
本發明的自然語言理解系統包括語意分析模組以及處理器。語意分析模組包括表達式模組。表達式模組包括通用部分以及非通用部分。非通用部分包括參數列表。處理器用以執行語意分析模組,以使語意分析模組結合表達式模組的通用部分以及非通用部分。語意分析模組依據表達式模組的非通用部分的參數列表來提供多個實際參數的至少其中之一至表達式模組的通用部分,以產生至少一語法規則資料。
本發明的一種語意分析方法適用於自然語言理解系統。自然語言理解系統包括語意分析模組。語意分析方法包括以下步驟。執行語意分析模組,以使語意分析模組結合表達式模組的通用部分以及非通用部分,其中非通用部分包括參數列表。依據表達式模組的非通用部分的參數列表來提供多個實際參數的至少其中之一至表達式模組的通用部分,以產生至少一語法規則資料。藉由語意分析模組經由至少一語法規則資料來比對語料資料,以取得對應於語料資料的語意資訊。
基於上述,本發明的自然語言理解系統以及語意分析方法可在表達式模組中編譯通用部分以及非通用部分的形式,以使透過結合表達式模組的通用部分以非通用部分來產生多筆語法規則資料。因此,本發明的自然語言理解系統以及語意分析方法可有效節省自然語言理解系統編譯語法規則的工作量,並且可便於維護。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
為了使本發明之內容可以被更容易明瞭,以下特舉實施例做為本發明確實能夠據以實施的範例。另外,凡可能之處,在圖式及實施方式中使用相同標號的元件/構件/步驟,係代表相同或類似部件。
圖1繪示本發明的一實施例的自然語言理解系統的示意圖。在本實施例中,自然語言理解(Natural Language Understanding, NLU)系統100包括處理器110、記憶體120以及輸入裝置130。記憶體120儲存語意分析模組121。處理器110耦接記憶體120以及輸入裝置130。在本實施例中,語意分析模組121可以是預先儲存在另一儲存裝置中,當處理器110執行語意分析模組121時,處理器110讀取此另一儲存裝置,以將語意分析模組121載入至記憶體120。此另一儲存裝置可例如是硬碟(Hard Disk Drive, HDD)、固態硬碟(Solid State Disk, SSD)或光碟(Optical Disc, OD)等諸如此類的裝置,本發明並不加以限制。在本實施例中,處理器110執行語意分析模組121來產生語法規則資料。
在本實施例中,處理器110例如是中央處理單元(Central Processing Unit, CPU)、系統單晶片(System on Chip, SOC)或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor, DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits, ASIC)、可程式化邏輯裝置(Programmable Logic Device, PLD)、其他類似處理裝置或這些裝置的組合。值得注意的是,在本實施例中,處理器110包括編譯器(Compiler),其中編譯器可用以執行本發明各實施所述的各種自然語言以及程式編譯工作。
在本實施例中,記憶體120例如是動態隨機存取記憶體(Dynamic Random Access Memory, DRAM)、快閃記憶體(Flash memory)或非揮發性隨機存取記憶體(Non-Volatile Random Access Memory, NVRAM)等。在本實施例中,記憶體120用以儲存本發明各實施例所述之資料、參數以及程式模組,並且處理器110可執行這些資料、參數以及程式模組,以實現本發明各實施例所述之系統以及方法。
在本實施例中,輸入裝置130可用以接收使用者輸出的指令參數。輸入裝置130例如是鍵盤(Keyboard)、語音接收器(Voice receiver)、麥克風(Microphone)或這些裝置的組合等。輸入裝置130可用以接收使用者提供的語音信息或指令參數等,本發明並不加以限制。在本實施例中,輸入裝置130可依據上述各種型式的輸入方式來提供資料或參數至處理器110。
圖2繪示本發明的一實施例的語意分析模組的示意圖。參考圖1以及圖2。在本實施例中,語意分析模組121包括表達式模組122。在本實施例中,語意分析模組121依據上下文無關文法(Context free Grammars, CFGs)來建構表達式模組122。並且,語意分析模組121以擴展巴科斯-瑙爾範式(Extended Backus-Naur Form, EBNF)來制定表達式模組122的語法規則。在本實施例中,表達式模組122預先編譯具有通用部分123以及非通用部分124的表達式模組122。在本實施例中,當處理器110執行語意分析模組121時,語意分析模組121結合表達式模組122的通用部分123以及非通用部分124,以產生多個語法規則資料130_1、130_2~130_N,其中N為大於1的正整數。
具體而言,在本實施例中,表達式模組122的通用部分123包括語法模板,並且此語法模板包括參數化的產生式模組。非通用部分124包括參數列表,並且參數列表包括多個實際參數(actual parameter)。在本實施例中,當處理器110執行語意分析模組121以結合表達式模組122的通用部分123以及非通用部分124時,語意分析模組121將參數列表當中的這些實際參數傳遞至參數化的產生式模組中,以產生語法規則資料130_1、130_2~130_N。
在本實施例中,語法模板的參數化的產生式模組可包括形式參數(formal parameter)。也就是說,當語意分析模組121以結合表達式模組122的通用部分123以及非通用部分124時,在參數列表當中的這些實際參數可傳遞至參數化的產生式模組中的形式參數。舉例來說,表達式模組122的表達式內容可如以下語法。<疊詞(verb)>:$(verb)一$(verb);<做某事(verb, predicate)>:我想<疊詞($(verb))><recent>$(predicate);<recent>:最近的|近期的|新的;<語法1>:<做某事(看,電影)>;<語法2>:<做某事(聽,流行歌曲)>。
在上述語法中,“<疊詞(verb)>:$(verb)一$(verb)”以及“<做某事(verb, predicate)>:我想<疊詞($(verb))><recent>$(predicate)”為通用部分123的語法模板的參數化的產生式。“<疊詞(verb)>”具有一個形式參數“(verb)”。“<做某事(verb, predicate)>”具有兩個形式參數“(verb)”以及“(predicate)”。在上述語法中,“<語法1>”以及“<語法2>”為表達式模組122的非通用部分124,並且對應於上述的“<做某事(verb, predicate)>”。“<語法1>”具有兩個實際參數“看”以及“電影”。“<語法2>”具有兩個實際參數“聽”以及“流行歌曲”。在此範例中,“<語法1>”以及“<語法2>”分別具有動詞(verb)實際參數以及謂語(predicate)實際參數。
也就是說,語意分析模組121可依據上述表達式模組122的表達式內容來產生兩個語法規則。依據“<語法1>”,這兩個語法規則的其中一個為“我想看一看<recent>電影;<recent>:最近的|近期的|新的”。依據“<語法2>”,這兩個語法規則的其中另一個為“我想聽一聽<recent>流行歌曲;<recent>:最近的|近期的|新的”。換句話說,語意分析模組121無須額外編譯對應於兩個語法規則的獨立的兩個表達式。在此範例中,語意分析模組121只需編譯一個具有通用部分123的表達式模組122,以藉由通用部分123當中的語法模板的參數化的產生式,即可獲得上述兩個語法規則。因此,本實施例的自然語言理解系統100可有效節省編譯語法規則的工作量。
在一實施例中,語法模板的參數化的產生式模組也可包括位置參數(positional parameter)。也就是說,當語意分析模組121以結合表達式模組122的通用部分123以及非通用部分124時,在參數列表當中的這些實際參數可傳遞至參數化的產生式模組中的位置參數。舉例來說,上述的“<疊詞>”以及“<做某事>”為表達式模組122的通用部分123的語法模板的參數化的產生式。在此範例中,“<疊詞>”的語法表示式可為“<疊詞>:_1一_1”,並且“<做某事>”的語法表示式可為“<做某事>:我想<疊詞><recent>_2”,其中“_1”以及“_2”可分對應參數列表中的第一個參數以及第二個參數。同理於上述形式參數,語意分析模組121只需編譯一個具有通用部分123的表達式模組122,以藉由通用部分123當中的語法模板的參數化的產生式,即可獲得上述兩個語法規則。
再參考圖1以及圖2,在本實施例中,自然語言理解系統100可藉由輸入裝置130接收使用者輸入的語料資料,並且比對語料資料,以取得對應於語料資料的語意資訊。在本實施例中,語意分析模組121可依據上述實施例結合表達式模組122的通用部分123以及非通用部分124的方式來產生這些語法規則資料130_1、130_2~130_N。在本實施例中,語意分析模組121產生這些語法規則資料130_1、130_2~130_N的方式可如同於在C語言中的預處理階段所進行的宏(macro)展開方式。處理器110可展開上述語法模板,並且記錄至記憶體120中,以經由表達式模組122同時產生這些語法規則資料130_1、130_2~130_N。也就是說,記憶體120會用較多的記憶體空間來記錄展開後的表達式模組122的這些語法規則資料130_1、130_2~130_N,並且藉由這些語法規則資料130_1、130_2~130_N來比對使用者提供的語料資料,以取得對應於語料資料的語意資訊。因此,當自然語言理解系統100進行自然語言理解操作時,自然語言理解系統100具有高效率的比對效果。
然而,在一實施例中,語意分析模組121產生這些語法規則資料130_1、130_2~130_N的方式也可如同於在C語言中的函數調用(function call)方式。也就是說,處理器110保留上述語法模板在記憶體120中,並且將在非通用部分124中的這些實際參數動態替換至在通用部分123中的語法模板的參數化的產生式模組中,以經由表達式模組122逐一產生這些語法規則資料130_1、130_2~130_N。換句話說,在這些實際參數動態替換至參數化的產生式模組的過程中,每替換一次則立即進行比對。因此,當自然語言理解系統100進行自然語言理解操作時,自然語言理解系統100可有效節省記憶體120空間。
圖3繪示本發明的一實施例的語意分析方法的流程圖。參考圖1至圖3,本實施例的語意分析方法可至少適用於圖1以及圖3實施例的自然語言理解系統100以及語意分析模組121。在步驟S310中,自然語言理解系統100執行語意分析模組121,以使語意分析模組121結合表達式模組122的通用部分123以及非通用部分124,其中非通用部分124包括參數列表。在步驟S320中,自然語言理解系統100依據表達式模組122的非通用部分124的參數列表來提供多個實際參數至表達式模組122的通用部分123,以產生語法規則資料130_1、130_2~130_N。在步驟S330中,自然語言理解系統100藉由語意分析模組121經由語法規則資料130_1、130_2~130_N來比對語料資料,以取得對應於語料資料的語意資訊。因此,本實施例語意分析方法可有效節省自然語言理解系統100編譯語法規則的工作量。
此外,關於本實施例的自然語言理解系統100的相關裝置特徵以及技術內容可依據上述圖1以及圖2實施例的內容而獲致足夠的教示、建議以及實施說明,因此不再贅述。
綜上所述,本發明的自然語言理解系統以及語意分析方法可在表達式模組的通用部分中,預先編譯語法模板。當自然語言理解系統執行表達式模組時,自然語言理解系統可將非通用部分的參數列表的多個實際參數提供至通用部分的語法模板中,以產生多筆語法規則資料。也就是說,本發明的自然語言理解系統以及語意分析方法無須預先編譯大量的語法規則資料,即可依據語法模板產生多筆語法規則資料。因此,本發明的自然語言理解系統以及語意分析方法可有效節省自然語言理解系統編譯語法規則的工作量,並且可便於維護。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100‧‧‧電子裝置
110‧‧‧處理器
120‧‧‧記憶體
121‧‧‧語意分析模組
122‧‧‧表達式模組
123‧‧‧通用部分
124‧‧‧非通用部分
130_1、130_2、130_N‧‧‧語法規則資料
S310、S320、S330‧‧‧步驟
圖1繪示本發明的一實施例的自然語言理解系統的示意圖。 圖2繪示本發明的一實施例的語意分析模組的示意圖。 圖3繪示本發明的一實施例的語意分析方法的流程圖。

Claims (15)

  1. 一種自然語言理解系統,包括: 語意分析模組,包括表達式模組,並且所述表達式模組包括通用部分以及非通用部分,其中所述非通用部分包括參數列表;以及 處理器,用以執行所述語意分析模組,以使所述語意分析模組結合所述表達式模組的所述通用部分以及所述非通用部分,並且所述語意分析模組依據所述表達式模組的所述非通用部分的所述參數列表來提供多個實際參數的至少其中之一至所述表達式模組的所述通用部分,以產生至少一語法規則資料。
  2. 如申請專利範圍第1項所述的自然語言理解系統,其中所述語意分析模組依據上下文無關文法來建構所述表達式模組。
  3. 如申請專利範圍第1項所述的自然語言理解系統,其中所述表達式模組的所述通用部分包括語法模板,並且所述語法模板包括參數化的產生式模組,其中當所述處理器執行所述語意分析模組來結合所述表達式模組的所述通用部分以及所述非通用部分時,所述語意分析模組將所述多個實際參數的至少其中之一傳遞至所述參數化的產生式模組中,以產生所述至少一語法規則資料。
  4. 如申請專利範圍第3項所述的自然語言理解系統,其中所述參數化的產生式模組包括形式參數。
  5. 如申請專利範圍第3項所述的自然語言理解系統,其中所述參數化的產生式模組包括位置參數。
  6. 如申請專利範圍第3項所述的自然語言理解系統,更包括: 記憶體,耦接所述處理器,並且當所述處理器執行所述語意分析模組時,所述處理器將所述語意分析模組載入至所述記憶體, 其中所述語意分析模組產生多個語法規則資料,並且經由所述多個語法規則資料來比對語料資料,以取得對應於所述語料資料的語意資訊。
  7. 如申請專利範圍第6項所述的自然語言理解系統,其中所述處理器展開所述語法模板,並且記錄至所述記憶體中,以經由所述表達式模組同時產生多個語法規則資料。
  8. 如申請專利範圍第6項所述的自然語言理解系統,其中所述處理器保留所述語法模板的參數信息形式在所述記憶體中,並且將所述多個實際參數動態替換至所述語法模板中的所述參數化的產生式模組中,以經由所述表達式模組逐一產生多個語法規則資料。
  9. 一種語意分析方法,適用於自然語言理解系統,並且所述自然語言理解系統包括語意分析模組,其中所述語意分析方法包括: 執行所述語意分析模組,以使所述語意分析模組結合表達式模組的通用部分以及非通用部分,其中所述非通用部分包括參數列表; 依據所述表達式模組的所述非通用部分的所述參數列表來提供多個實際參數的至少其中之一至所述表達式模組的所述通用部分,以產生至少一語法規則資料;以及 藉由所述語意分析模組經由所述至少一語法規則資料來比對語料資料,以取得對應於所述語料資料的語意資訊。
  10. 如申請專利範圍第9項所述的語意分析方法,其中所述語意分析模組依據上下文無關文法來建構所述表達式模組。
  11. 如申請專利範圍第9項所述的語意分析方法,其中所述表達式模組的所述通用部分包括語法模板,並且所述語法模板包括參數化的產生式模組,其中執行所述語意分析模組,以使所述語意分析模組結合所述表達式模組的所述通用部分以及所述非通用部分的步驟包括: 當所述語意分析模組結合所述表達式模組的所述通用部分以及所述非通用部分時,將所述多個實際參數的至少其中之一傳遞至所述參數化的產生式模組中,以產生所述至少一語法規則資料。
  12. 如申請專利範圍第11項所述的語意分析方法,其中所述參數化的產生式模組包括形式參數。
  13. 如申請專利範圍第11項所述的語意分析方法,其中所述參數化的產生式模組包括位置參數。
  14. 如申請專利範圍第11項所述的語意分析方法,其中所述自然語言理解系統更包括記憶體,並且產生所述至少一語法規則資料的步驟包括: 展開所述語法模板,並且記錄至所述記憶體中,以經由所述表達式模組同時產生多個語法規則資料。
  15. 如申請專利範圍第11項所述的語意分析方法,其中所述自然語言理解系統更包括記憶體,並且產生所述至少一語法規則資料的步驟包括: 保留所述語法模板的參數信息形式在所述記憶體中,並且將所述多個實際參數動態替換至所述語法模板中的所述參數化的產生式模組中,以經由所述表達式模組逐一產生多個語法規則資料。
TW107111597A 2018-02-05 2018-04-02 自然語言理解系統以及語意分析方法 TWI673705B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810112700.8A CN108021559B (zh) 2018-02-05 2018-02-05 自然语言理解系统以及语意分析方法
??201810112700.8 2018-02-05

Publications (2)

Publication Number Publication Date
TW201935463A true TW201935463A (zh) 2019-09-01
TWI673705B TWI673705B (zh) 2019-10-01

Family

ID=62075106

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107111597A TWI673705B (zh) 2018-02-05 2018-04-02 自然語言理解系統以及語意分析方法

Country Status (2)

Country Link
CN (1) CN108021559B (zh)
TW (1) TWI673705B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543192B (zh) * 2018-11-30 2023-05-05 出门问问创新科技有限公司 自然语言解析方法、装置、设备及存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6675370B1 (en) * 2000-02-02 2004-01-06 International Business Machines Corporation System and method for imbedding hyperlinked language grammar notation in a “literate” programming environment
SG142196A1 (en) * 2006-11-02 2008-05-28 Crimsonlogic Pte Ltd System and method for processing language independent natural language statements
CN101814065B (zh) * 2009-02-23 2014-07-30 富士通株式会社 句法分析装置及句法分析方法
CN101763211A (zh) * 2009-04-30 2010-06-30 广东国笔科技股份有限公司 语意实时分析联想操控系统及方法
CN102262622A (zh) * 2010-05-31 2011-11-30 国际商业机器公司 文档处理、模板生成及概念库生成方法和装置
CN101894236B (zh) * 2010-07-28 2012-01-11 北京华夏信安科技有限公司 基于摘要语法树和语义匹配的软件同源性检测方法及装置
CN102609462A (zh) * 2012-01-14 2012-07-25 杭州安恒信息技术有限公司 一种通过提取sql模板对海量sql压缩存储的方法
CN102768682B (zh) * 2012-06-28 2015-10-21 用友网络科技股份有限公司 业务规则处理装置和业务规则处理方法
CN103871402B (zh) * 2012-12-11 2017-10-10 北京百度网讯科技有限公司 语言模型训练系统、语音识别系统及相应方法
CN103294666B (zh) * 2013-05-28 2017-03-01 百度在线网络技术(北京)有限公司 语法编译方法、语义解析方法以及对应装置
US20150242396A1 (en) * 2014-02-21 2015-08-27 Jun-Huai Su Translating method for translating a natural-language description into a computer-language description
CN106030568B (zh) * 2014-04-29 2018-11-06 乐天株式会社 自然语言处理系统、自然语言处理方法、以及自然语言处理程序
CN106326303B (zh) * 2015-06-30 2019-09-13 芋头科技(杭州)有限公司 一种口语语义解析系统及方法
CN107229616B (zh) * 2016-03-25 2020-10-16 阿里巴巴集团控股有限公司 语言识别方法、装置及系统
CN106020803B (zh) * 2016-05-11 2020-12-29 深圳市麦斯杰网络有限公司 被监控对象模板的动态定义方法及装置
CN107340999A (zh) * 2017-01-09 2017-11-10 北京理工大学 软件自动化方法与系统以及构建自然语言理解库的方法

Also Published As

Publication number Publication date
CN108021559A (zh) 2018-05-11
TWI673705B (zh) 2019-10-01
CN108021559B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
US8589163B2 (en) Adapting language models with a bit mask for a subset of related words
US7860719B2 (en) Disfluency detection for a speech-to-speech translation system using phrase-level machine translation with weighted finite state transducers
Kollar et al. The Alexa meaning representation language
US10242670B2 (en) Syntactic re-ranking of potential transcriptions during automatic speech recognition
US10748526B2 (en) Automated data cartridge for conversational AI bots
KR101130351B1 (ko) 영숫자 개념용 음성 인식 문법 생성
WO2021179701A1 (zh) 多语种语音识别方法、装置及电子设备
JPH0320800A (ja) 音声認識方法および装置
JP6955963B2 (ja) 検索装置、類似度算出方法、およびプログラム
US20190129695A1 (en) Programming by voice
Ali et al. Arabic code-switching speech recognition using monolingual data
KR101409413B1 (ko) 단일화 문법을 이용한 자연어 처리 방법
US9658999B2 (en) Language processing method and electronic device
TWI673705B (zh) 自然語言理解系統以及語意分析方法
TWI652668B (zh) 自然語言辨識設備以及自然語言辨識方法
KR20150027465A (ko) 외국어 고유명사에 대한 다중 발음열 생성 방법 및 장치
JP2012173432A (ja) 音声対話装置および音声対話方法
TWI675365B (zh) 語法編譯系統以及語法編譯方法
CN111752967A (zh) 基于sql的数据处理方法、装置、电子设备和存储介质
TWI822370B (zh) 使用信艾普模型單元之自然語言處理系統以及方法
JP2004271615A (ja) 情報処理装置
KR20120035077A (ko) 하이브리드 자동 번역 방법 및 이를 수행하는 장치
Skantze Jindigo: a java-based framework for incremental dialogue systems
Johnson et al. Near minimal weighted word graphs for post-processing speech
KR100822670B1 (ko) 말뭉치 기반의 확장 가능한 cfg 형태의 음성 인식 문법생성 방법 및 장치