WO2020155740A1 - 信息查询方法、装置、计算机设备及存储介质 - Google Patents

信息查询方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
WO2020155740A1
WO2020155740A1 PCT/CN2019/116926 CN2019116926W WO2020155740A1 WO 2020155740 A1 WO2020155740 A1 WO 2020155740A1 CN 2019116926 W CN2019116926 W CN 2019116926W WO 2020155740 A1 WO2020155740 A1 WO 2020155740A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
query
query information
matching
word segmentation
Prior art date
Application number
PCT/CN2019/116926
Other languages
English (en)
French (fr)
Inventor
王涛
Original Assignee
平安科技（深圳）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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2020155740A1 publication Critical patent/WO2020155740A1/zh

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Definitions

  • This application relates to the field of artificial intelligence technology, in particular to an information query method, device, computer equipment and storage medium
  • the embodiments of the present application provide an information query method, device, computer equipment, and storage medium to solve the problem of requiring manual intervention to analyze and feedback query information when there is no feedback information corresponding to the query information in the database.
  • An information query method includes:
  • query information query whether there is matching historical query information in the log database
  • the feedback information corresponding to the matching historical query information is obtained and sent to the inquiring user;
  • An information query device includes:
  • the obtaining module is used to obtain the query information to be fed back input by the query user;
  • the query module is used to query whether there is matching historical query information in the log database according to the query information
  • the query success module is used to obtain the feedback information corresponding to the matched historical query information and send it to the inquiring user if there is matching historical query information;
  • the query failure module is used to perform word segmentation processing on the query information if there is no matching historical query information to obtain the target word segmentation;
  • the first matching module is configured to match each of the target word segmentation with field information in a preset database to obtain target data information corresponding to each of the target word segmentation;
  • the synthesis module is used to perform synthesis processing on all the target data information to obtain synthesized feedback information, and send the synthesized feedback information to the inquiring user.
  • a computer device including a memory, a processor, and computer readable instructions stored in the memory and capable of running on the processor, and when the processor executes the computer readable instructions, the information query method described above is implemented step.
  • a non-volatile computer-readable storage medium stores computer-readable instructions, and when the computer-readable instructions are executed by a processor, the steps of the above information query method are implemented .
  • FIG. 1 is a flowchart of an information query method provided by an embodiment of the present application
  • FIG. 2 is a flowchart of determining feedback information according to associated query information in the information query method provided by an embodiment of the present application
  • FIG. 3 is a flowchart of step S4 in the information query method provided by an embodiment of the present application.
  • FIG. 5 is a flowchart of step S5 in the information query method provided by an embodiment of the present application.
  • Fig. 6 is a schematic diagram of an information query device provided by an embodiment of the present application.
  • Fig. 7 is a basic structural block diagram of a computer device provided by an embodiment of the present application.
  • the information query method provided in this application is applied to the server, and the server can be implemented by an independent server or a server cluster composed of multiple servers.
  • an information query method is provided, including the following steps:
  • the query information to be fed back refers to the query information input by the query user on the client.
  • the query information will be automatically saved in the preset record table.
  • the preset record table is specifically used to save the query information input by the query user.
  • the query information is deleted from the preset record table.
  • the log database is queried for the same historical query information as the query information.
  • the log library pre-stores different historical query information and feedback information that has a mapping relationship with the historical query information.
  • step S1 if the historical query information that is the same as the query information is queried from the log database, it indicates that there is matching historical query information, and the feedback information corresponding to the historical query information is based on the expected Set the way to send to the query user.
  • the preset method may be in the form of an email, or may be directly displayed on the current query page of the querying user, which can be specifically set according to the actual needs of the user.
  • word segmentation refers to the process of recombining continuous word sequences into word sequences according to certain specifications.
  • the continuous word sequence "ABCD” is processed through word segmentation to obtain “AB” and "CD”. .
  • step S1 if the historical query information that is the same as the query information is not queried from the log database, it means that there is no matching historical query information, and the query information is word segmented using the mechanical word segmentation method .
  • Mechanical word segmentation methods mainly include four methods: forward maximum matching, forward minimum matching, reverse maximum matching, and reverse minimum matching.
  • this proposal adopts the forward maximum matching algorithm.
  • the preset database includes field information and target data information corresponding to the field information.
  • each target word segmentation is matched with the field information in the preset database.
  • the target data information corresponding to the field information in the preset database when the target word segmentation and the field information are matched
  • the preset database refers to a structured database specially used to store different field information and target data information corresponding to the field information.
  • the field information in the preset database is "aaa”, and its corresponding target data information is "001". If the target word segmentation is "aaa”, the target word segmentation "aaa” is combined with the field information "aaa” in the preset database. Match, because the target word segmentation is the same as the field information, the target data information "001" is obtained.
  • S6 Perform synthesis processing on all target data information to obtain synthesized feedback information, and send the synthesized feedback information to the inquiring user.
  • the target data information obtained in step S5 is imported into a preset synthesis library for synthesis processing to obtain synthesized feedback information after synthesis processing, and synthesize
  • the feedback information is sent to the inquiring user in a preset manner, and the sending status of the synthesized feedback information is saved in the preset sending record table.
  • the preset synthesis library refers to a database specially used for synthesizing new graphics according to the combination elements of SQL.
  • the preset sending record table refers to the sending status specially used to record the synthetic feedback information sent to the inquiring user.
  • the sending status includes sent and unsent. If the synthetic feedback information is successfully sent to the inquiring user, the sending status is sent. If the synthetic feedback information has not been sent to the inquiring user, the sending status is not sent.
  • SQL is a database query and programming language used to access data and query, update and manage relational database systems. It is also an extension of database script files.
  • the feedback information corresponding to the queried historical query information is sent to the inquiring user, if there is no matching historical query For information, the query information is segmented to obtain the target segmentation, and the target segmentation is matched with the field information to obtain the target data information. Finally, the target data information is synthesized to obtain the synthesized feedback information, and the synthesized feedback information is sent to the inquiring user.
  • the information query method further includes the following steps:
  • S71 Confirm whether there is associated query information corresponding to the query information in the preset associated database, where the preset associated database includes the associated query information and feedback information corresponding to the associated query information.
  • the preset association library pre-stores the historical query information of all inquiring users, the associated query information with indicators associated with the historical query information, and the feedback information corresponding to the associated query information. By querying the historical query information that is the same as the query information from the preset associated library, and querying the corresponding associated query information according to the historical query information.
  • the preset associated library will also classify and analyze the query information. For example, it will categorize and query which query information the user enters, and which query information the current query user pays attention to. If the query user enters query information C and further enters query information P, then query information C and query information P are processed Correlation, then C ⁇ P is the correlation index for each other.
  • the historical query information that is the same as the query information is queried from the preset association database, it means that there is associated query information, and the associated query information that has associated indicators with the historical query information and the feedback information corresponding to the associated query information are The preset method is sent to the inquiring user.
  • the historical query information in the preset association database is "AA”
  • the associated query information with the associated index is "AB”
  • the feedback information corresponding to the associated query information "AB” is "101”
  • the query information is "AA” ", when querying from the preset association library, the query information "AA” obtained is the same as the historical query information "AA”, indicating that there is associated query information
  • the associated query information "AB” and the feedback information are "101" according to the expected
  • the query information is "A1A1”
  • the query information "A1A1” is different from the historical query information "AA” when querying from the preset associated library, it means that there is no associated query information.
  • the associated query information and the feedback information corresponding to the associated query information are sent to the querying user, thereby achieving After the query user finds the feedback information corresponding to the query information, it can further feed back the feedback information corresponding to the related query information according to the query information of the query user, which improves the richness of the information feedback, thereby helping the user to obtain more related feedback information and improving the user’s Query efficiency.
  • step S4 that is, if the query fails, performing word segmentation processing on the query information to obtain the target word segmentation includes the following steps:
  • the string index value refers to the position specifically used to locate the character to start scanning. If the character string index value is 0, it means that the first character is the position to start scanning the character.
  • the maximum length value is the maximum range specifically used for scanning characters. If the maximum length value is 2, it means scanning at most 2 characters, and if the maximum length value is 3, it means scanning at most 3 characters.
  • the string index value and the maximum length value of the word segmentation are set according to the preset requirements, where the preset requirements may specifically set the string index value to 0 and the maximum length value to 2, and the specific settings
  • the requirements can be set according to the actual needs of users, and there is no restriction here.
  • S42 Extract the target character from the query information according to the string index value and the maximum length value.
  • the query information is scanned in a left-to-right scanning manner.
  • the character with the maximum length value is scanned, the character at the start scanning position will be scanned to the maximum length.
  • the character of the value is identified as the target character, and the target character is extracted.
  • the query information is "Nanjing Yangtze River Bridge", the maximum length value is 3, and the initial value of the string index is 0.
  • the query information is scanned from left to right, that is, the character scanned to the maximum length value is "Nanjing City Long", the character “Nanjing City” with the maximum length value is identified as the target character, and the target character is extracted.
  • the target character obtained in step S42 is matched with the legal character in the preset dictionary library.
  • the preset dictionary database refers to a database specially used for storing legal characters set by the user.
  • the target character is determined as the target word segmentation, and the string index value is updated to the current string index value plus the current maximum length value, based on the updated string index value and maximum length value, from The target characters are extracted from the query information for matching until the word segmentation operation of the query information is completed.
  • the target character obtained in step S42 is matched with a legal character in the preset dictionary library, and when the matching target character is the same as the legal character in the preset dictionary library, the matching is successful, and the target character is determined
  • the target word segmentation at the same time update the string index value to the string index value in the current step S42 plus the maximum length value in the current step S42, and extract from the query information based on the updated string index value and maximum length value
  • the target characters are matched until the word segmentation operation of the query information is completed.
  • the target character “Nanjing City” matches the character in the preset dictionary library, the target character “Nanjing City” is confirmed as the target segmentation, and the string index value is Update to the current string index value 0 + current maximum length value 3, that is, the string index value will be updated to 3, and based on the updated string index value and maximum length value, the target character is extracted from the query information for matching, that is For the query information "Nanjing Yangtze River Bridge", start scanning from the "long” character. Until the word segmentation of the query information is completed.
  • the target character obtained in step S42 is matched with a legal character in the preset dictionary library.
  • the target character is not matched with the legal character in the preset dictionary library, it means that the matching fails, and the maximum length value is Update to the maximum length value in the current step S42 minus 1, and extract the target characters from the query information based on the updated maximum length value and the string index value for matching until the word segmentation operation on the query information is completed.
  • the maximum length value is updated to the current maximum length value 3 minus 1, which is the maximum length
  • the value is updated to 2
  • the target characters are extracted from the query information based on the updated maximum length value and the string index value for matching until the word segmentation operation of the query information is completed.
  • the query information when the query fails, the query information is segmented by setting the string index value and the maximum length value of the word segmentation, and the target word segmentation is obtained by matching the string index value and the maximum length value with the legal characters, thereby It realizes that the query information can be segmented intelligently in the case of a query failure, which facilitates the subsequent use of the target segmentation after the word segmentation processing for further matching feedback information, avoids the need for manual intervention for problem feedback in the case of a query failure, thereby improving query efficiency.
  • the information query method further includes the following steps:
  • the target word segmentation is fuzzy matched with the historical query information in the log database.
  • the matching historical query information contains the target word segmentation, it means that the fuzzy matching is successful and the fuzzy matching result is saved in the preset record table, and the feedback information corresponding to the historical query information containing the most target word segmentation is sent to the query user.
  • a preset number of feedback information corresponding to historical query information containing other sub-multi-target word segmentation is selected as the second choice and sent to the querying user.
  • the preset record table refers to a record table specifically used to record fuzzy matching results, and the fuzzy matching results may include fuzzy matching success and fuzzy matching failure.
  • the preset number can be 5 or 6, and the specific value range can be set according to the actual needs of the user, and there is no limitation here.
  • multiple historical query information may be matched. For example, if the target segmentation is "profit in the first half of the year", if the historical query information in the log database is: “Total profit in the first half of the year” ", “First half of the year net profit” and “First half of the year profit to be distributed”, since these three historical query information all contain the same number of target segmentation, the feedback information corresponding to one of the historical query information is randomly sent to the query user, At the same time, the feedback information corresponding to the other two historical query information is sent to the inquiring user as the second option.
  • the historical query information in the log database is: "profit in the first half of the year", “net profit in the first half of the year” and “profit in the first half of the year to be distributed"
  • the feedback information corresponding to the historical query information "first half profit” is sent to the query user, and at the same time, the feedback information corresponding to the historical query information "first half net profit” and "first half profit to be distributed” respectively
  • the second choice is sent to the inquiring user.
  • the matching feedback information is obtained by using the target word segmentation to perform fuzzy matching with historical query information, which can effectively increase the probability of success of matching relevant feedback information and further improve query efficiency.
  • the information query method further includes the following steps:
  • step S82 by detecting the fuzzy matching result in the preset record table in step S82, when it is detected that the fuzzy matching result is a successful fuzzy matching, the relationship between the feedback information and the query information sent to the querying user after the successful fuzzy matching is established
  • the mapping relationship is added to the log database as new historical query information.
  • the query information is "456”
  • the fuzzy matching result in the preset record table is a successful fuzzy match
  • the feedback information sent to the query user after the fuzzy matching is successful is "0101”
  • the matching result is a successful fuzzy match
  • a unique mapping relationship between the query information "456” and the feedback information "0101” will be established, and the mapping relationship will be added to the log database. If the query information is "456", you can use the log The feedback information "0101" is found in the database.
  • step S5 that is, respectively matching each target word segmentation with field information in a preset database, and obtaining target data information corresponding to each target word segmentation includes the following steps:
  • S51 Match each target word segmentation with field information in the preset database, where the target word segmentation includes identification information.
  • each target word segmentation is matched with the field information in the preset database, and the corresponding matching result is output according to the matching situation.
  • the field information that is the same as the target word segmentation is matched from the preset database, it indicates that the matching is successful, and the target data information corresponding to the field information is obtained.
  • the identification information that is the same as the identification information is queried from the preset analysis database , And obtain the target vocabulary corresponding to the queried identification information, and determine the target vocabulary as the current target word segmentation.
  • the preset analysis library refers to storing identification information and target vocabulary corresponding to the identification information, where the identification information is the same identification information that identifies the vocabulary of synonyms in advance according to user requirements.
  • the preset word priority refers to setting the query priority level for the target words of the same identification information according to the actual needs of the user.
  • S54 Query the same field information as the current target word segmentation from the preset database, and obtain target data information corresponding to the field information.
  • the current target word segmentation is matched with the field information in the preset database, and when the current target word segmentation is matched with the field information, the target data information corresponding to the field information is obtained. Among them, there is the same field information as the current target word segmentation in the preset database.
  • all the field information in the preset database includes the target vocabulary in the preset analysis database in step S53.
  • the identification information of the target words "profit” and “income” in the preset analysis database is "profit"
  • the field information "profit” exists in the preset database.
  • the target word segmentation is matched with the field information. If the field information is matched, the corresponding target data information is obtained. If the field information is not matched, the target vocabulary with the same identification information as the target information is queried and determined Segment the current target word, and then use the current target word segmentation to match the field information to obtain the corresponding target data information, so as to realize the intelligent analysis of the target word segmentation, and ensure that the target word segmentation cannot match the field information.
  • the vocabulary with similar meaning of the target word segmentation is used as the current target word segmentation for matching, which improves the accuracy of subsequent synthesis processing using target data information and the intelligence level of information query.
  • the information query method further includes the following steps:
  • step S6 by detecting the sending status in the preset sending record table in step S6, when it is detected that the sending status is sent, the mapping relationship between the sent synthetic feedback information and the query information is established, and the mapping relationship Added to the log library.
  • the scope of the log library for feedback on the query information can be expanded, and the efficiency of information query can be further improved, thereby improving the work of users. effectiveness.
  • an information query device is provided, and the information query device corresponds to the information query method in the foregoing embodiment one-to-one.
  • the information query device includes an acquisition module 61, a query module 62, a query success module 63, a query failure module 64, a first matching module 65 and a synthesis module 66.
  • the detailed description of each functional module is as follows:
  • the obtaining module 61 is configured to obtain query information to be fed back input by the query user;
  • the query module 62 is used to query whether there is matching historical query information in the log database according to the query information;
  • the query success module 63 is configured to, if there is matching historical query information, obtain feedback information corresponding to the matched historical query information and send it to the querying user;
  • the query failure module 64 is used to perform word segmentation processing on the query information if there is no matching historical query information to obtain the target word segmentation;
  • the first matching module 65 is configured to respectively match each target word segmentation with the field information in the preset database to obtain target data information corresponding to each target word segmentation;
  • the synthesis module 66 is used to perform synthesis processing on all target data information to obtain synthesized feedback information, and send the synthesized feedback information to the inquiring user.
  • the information query device further includes:
  • the confirmation module is used to confirm whether there is associated query information corresponding to the query information in the preset associated library, wherein the preset associated library includes associated query information and feedback information corresponding to the associated query information;
  • the success confirmation module is used to send the associated query information and the feedback information corresponding to the associated query information to the inquiring user if there is associated query information.
  • the query failure module 64 includes:
  • the setting sub-module is used to set the string index value and the maximum length value of the word segmentation according to the preset requirements
  • the extraction sub-module is used to extract the target character from the query information according to the string index value and the maximum length value;
  • the second matching sub-module is used to match the target character with the legal character in the preset dictionary library
  • the second matching success submodule is used to determine the target character as the target word segmentation if the matching is successful, and update the string index value to the current string index value plus the current maximum length value, based on the updated string index value And the maximum length value, extract the target characters from the query information to match until the word segmentation operation of the query information is completed;
  • the second matching failure sub-module is used to decrement the maximum length value if the matching fails, and extract the target character from the query information based on the updated maximum length value and the string index value for matching until the query information is completed Until the word segmentation operation.
  • the information query device further includes:
  • Fuzzy matching module used to fuzzy match the target word segmentation with historical query information
  • the fuzzy matching success module is used to obtain the feedback information corresponding to the fuzzy matching historical query information and send it to the inquiring user if the fuzzy matching has historical query information.
  • the information query device further includes:
  • the first establishment module is used to establish the mapping relationship between the feedback information obtained by the fuzzy matching and the query information when the fuzzy matching is detected successfully, and add it to the log database as new historical query information.
  • the first matching module 65 includes:
  • the third matching sub-module is used to respectively match each target word segmentation with field information in the preset database, where the target word segmentation includes identification information;
  • the third matching success sub-module is used to obtain the target data information corresponding to the field information if the field information is matched;
  • the third matching failure submodule is used to search for a target vocabulary with the same identification information as the target word segmentation from the preset analysis library if the field information is not matched, and determine the queried target word as the current target word segmentation;
  • the field query sub-module is used to query the same field information as the current target word segmentation from the preset database, and obtain the target data information corresponding to the field information.
  • the information query device further includes:
  • the second establishment module is used to establish a mapping relationship between the synthetic feedback information and the query information when it is detected that the synthetic feedback information is sent to the querying user, and add it to the log database as new historical query information.
  • FIG. 7 is a block diagram of the basic structure of the computer device 70 in an embodiment of this application.
  • the computer device 70 includes a memory 71, a processor 72, and a network interface 73 that are communicatively connected to each other through a system bus. It should be pointed out that FIG. 7 only shows a computer device 70 with components 71-73, but it should be understood that it is not required to implement all the components shown, and more or fewer components may be implemented instead. Among them, those skilled in the art can understand that the computer device here is a device that can automatically perform numerical calculation and/or information processing in accordance with pre-set or stored instructions.
  • Its hardware includes, but is not limited to, a microprocessor, a dedicated Integrated Circuit (Application Specific Integrated Circuit, ASIC), Programmable Gate Array (Field-Programmable Gate Array, FPGA), Digital Processor (Digital Signal Processor, DSP), embedded equipment, etc.
  • ASIC Application Specific Integrated Circuit
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • DSP Digital Processor
  • the computer device may be a computing device such as a desktop computer, a notebook, a palmtop computer, and a cloud server.
  • the computer device can interact with the user through a keyboard, a mouse, a remote control, a touch panel, or a voice control device.
  • the memory 71 includes at least one type of readable storage medium, and the readable storage medium includes flash memory, hard disk, multimedia card, card type memory (for example, SD or DX memory, etc.), random access memory (RAM), static Random access memory (SRAM), read only memory (ROM), electrically erasable programmable read only memory (EEPROM), programmable read only memory (PROM), magnetic memory, magnetic disks, optical disks, etc.
  • the memory 71 may be an internal storage unit of the computer device 70, such as a hard disk or memory of the computer device 70.
  • the memory 71 may also be an external storage device of the computer device 70, for example, a plug-in hard disk equipped on the computer device 70, a smart media card (SMC), a secure digital (Secure Digital, SD) card, flash card (Flash Card), etc.
  • the memory 71 may also include both the internal storage unit of the computer device 70 and its external storage device.
  • the memory 71 is generally used to store an operating system and various application software installed in the computer device 70, such as computer-readable instructions of the information query method.
  • the memory 71 can also be used to temporarily store various types of data that have been output or will be output.
  • the processor 72 may be a central processing unit (Central Processing Unit, CPU), a controller, a microcontroller, a microprocessor, or other data processing chips in some embodiments.
  • the processor 72 is generally used to control the overall operation of the computer device 70.
  • the processor 72 is configured to run computer-readable instructions or process data stored in the memory 71, for example, computer-readable instructions for running the information query method.
  • the network interface 73 may include a wireless network interface or a wired network interface.
  • the network interface 73 is usually used to establish a communication connection between the computer device 70 and other electronic devices.
  • This application also provides another implementation manner, that is, to provide a non-volatile computer-readable storage medium, the non-volatile computer-readable storage medium stores a query information entry process, and the query information entry
  • the process may be executed by at least one processor, so that the at least one processor executes the steps of any one of the foregoing information query methods.
  • the technical solution of this application essentially or the part that contributes to the existing technology can be embodied in the form of a software product, and the computer software product is stored in a storage medium (such as ROM/RAM, magnetic disk, The optical disc) includes several instructions to enable a computer device (which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.) to execute the method described in each embodiment of the present application.
  • a computer device which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.

Abstract

一种信息查询方法、装置、计算机设备及存储介质，所述信息查询方法包括：获取查询用户输入的待反馈的查询信息（S1）；查询是否有与查询信息匹配的历史查询信息（S2）；若有则获取历史查询信息对应的反馈信息发送给查询用户（S3）；若无则对查询信息进行分词处理，得到目标分词（S4）；分别将每个目标分词与预设数据库中的字段信息进行匹配，得到每个目标分词对应的目标数据信息（S5）；对所有目标数据信息进行合成处理，得到合成反馈信息，并将合成反馈信息发送给查询用户（S6）。上述方法实现在服务端查询不到对应反馈信息时，能够自动对查询信息进行智能分析并生成对应的反馈信息，避免人工干预，从而提高查询效率。

Description

信息查询方法、装置、计算机设备及存储介质
本申请以2019年1月28日提交的申请号为201910081994.7，名称为“信息查询方法、装置、计算机设备及存储介质”的中国发明专利申请为基础，并要求其优先权。
技术领域
本申请涉及人工智能技术领域，尤其涉及一种信息查询方法、装置、计算机设备及存储介质
背景技术
无论是在日常生活还是工作中，人们都越来越多地使用自然语言来与计算机进行交互。用户在搜索引擎中用自然语言输入查询内容，得到精准的答案；员工使用自然语言与结构化的企业数据库交互，完成查询操作。在上述的应用场景中，输入的是用户的自然语言，而输出的是机器可以理解并执行的规范语义表示，该表示可以在某个环境中被执行并返回结果。在自然语言处理领域，上述输入-输出任务被称为语义解析(semantic parsing)，即把自然语言自动转化为一种机器可以理解并执行的表达形式。
发明人意识到，随着信息时代来临，计算机技术的飞速发展，特别是互联网技术的不断应用，信息查询呈现了飞快的增长趋势，数据类型也越来越复杂，但是传统的数据平台针对信息查询只能呈现数据库中存在对应反馈信息的查询结果，当数据库中未存在对应反馈信息时，则无法针对查询信息进行智能分析，从而需要人工干预对查询信息进行分析反馈，导致查询进度缓慢，进一步影响用户的工作效率。
发明内容
本申请实施例提供一种信息查询方法、装置、计算机设备及存储介质，以解决当数据库中未存在查询信息对应的反馈信息时，需要人工干预对查询信息进行分析反馈的问题。
一种信息查询方法，包括：
获取查询用户输入的待反馈的查询信息；
根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述 合成反馈信息发送给查询用户。
一种信息查询装置，包括：
获取模块，用于获取查询用户输入的待反馈的查询信息；
查询模块，用于根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
查询成功模块，用于若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
查询失败模块，用于若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
第一匹配模块，用于分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
合成模块，用于对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述信息查询方法的步骤。
一种非易失性的计算机可读存储介质，所述非易失性的计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述信息查询方法的步骤。
本申请的一个或多个实施例的细节在下面的附图和描述中提出，本申请的其他特征和优点将从说明书、附图以及权利要求变得明显。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的信息查询方法的流程图；
图2是本申请实施例提供的信息查询方法中根据关联查询信息确定反馈信息的流程图；
图3是本申请实施例提供的信息查询方法中步骤S4的流程图；
图4是本申请实施例提供的信息查询方法中进行模糊匹配处理的流程图；
图5是本申请实施例提供的信息查询方法中步骤S5的流程图；
图6是本申请实施例提供的信息查询装置的示意图；
图7是本申请实施例提供的计算机设备的基本机构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是 全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提供的信息查询方法应用于服务端，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。在一实施例中，如图1所示，提供一种信息查询方法，包括如下步骤：
S1：获取查询用户输入的待反馈的查询信息。
具体地，待反馈的查询信息是指查询用户在客户端输入的查询信息，当查询用户在客户端输入查询信息时，查询信息将自动保存到预设记录表中。通过对预设记录表进行实时检测，当检测到预设记录表中存在待反馈的查询信息时，将直接对查询信息进行获取。其中，预设记录表是指专门用于保存查询用户输入的查询信息。
需要说明的是，当获取查询信息后，将该查询信息从预设记录表中进行删除处理。
S2：根据查询信息，查询日志库中是否有匹配的历史查询信息。
在本实施例中，根据查询信息，从日志库中查询与该查询信息相同的历史查询信息。其中，日志库中预先存储了不同的历史查询信息及与历史查询信息存在映射关系的反馈信息。
S3：若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户。
具体地，根据步骤S1获取到的查询信息，若从日志库中查询到与该查询信息相同的历史查询信息，则表示有匹配的历史查询信息，并将该历史查询信息对应的反馈信息按照预设的方式发送给查询用户。
其中，预设的方式可以是以邮件的形式，也可以是直接显示在查询用户的当前查询页面，其具体可根据用户的实际需求进行设置。
例如，日志库中存在历史查询信息“abc”，其与反馈信息“123”之间存在映射关系，若查询信息为“abc”，由于查询信息与历史查询信息都为“abc”，表示有匹配的历史查询信息，并将反馈信息“123”按照预设的方式发送给查询用户。
S4：若无匹配的历史查询信息，则对查询信息进行分词处理，得到目标分词。
在本申请是实施例中，分词处理是指将连续的字序列按照一定的规范重新组合成词序列的过程，例如，将连续的字序列“ABCD”通过分词处理得到“AB”和“CD” 。
具体地，根据步骤S1获取到的查询信息，若从日志库中未查询到与该查询信息相同的历史查询信息，则表示无匹配的历史查询信息，并利用机械分词方法对查询信息做分词处理。
机械分词方法主要有正向最大匹配、正向最小匹配、逆向最大匹配、逆向最小匹配四种方法。优选地，本提案采用正向最大匹配算法。
例如，日志库中存在历史查询信息“bac”，其与反馈信息“213”之间存 在映射关系，若查询信息为“bca”，由于查询信息“bca”和历史查询信息“bac”不相同，表示无匹配的历史查询信息，并利用机械分词方法对查询信息做分词处理。
S5：分别将每个目标分词与预设数据库中的字段信息进行匹配，得到每个目标分词对应的目标数据信息。
预设数据库包括字段信息及字段信息对应的目标数据信息。
具体地，根据步骤S4得到的目标分词，分别将每个目标分词与预设数据库中的字段信息进行匹配，根据预设数据库中存在字段信息对应的目标数据信息，当匹配到目标分词与字段信息相同时，获取该字段信息对应的目标数据信息。其中，预设数据库是指专门用于存储不同的字段信息，以及字段信息对应的目标数据信息的结构化数据库。
例如，预设数据库存在字段信息为“aaa”，其对应的目标数据信息为“001”，若目标分词为“aaa”，将目标分词“aaa”与预设数据库中的字段信息“aaa”进行匹配，由于目标分词与字段信息相同，则获取目标数据信息“001”。
S6：对所有目标数据信息进行合成处理，得到合成反馈信息，并将合成反馈信息发送给查询用户。
具体地，根据结构化查询语言(Structured Query Language，SQL)的组合要素，将步骤S5获取的目标数据信息导入到预设合成库中进行合成处理，得到合成处理后的合成反馈信息，并将合成反馈信息按照预设的方式发送给查询用户，同时将合成反馈信息的发送状态保存到预设发送记录表中。
其中，预设合成库是指专门用于将目标数据信息按照SQL的组合要素进行合成新的图形的数据库。
预设发送记录表是指专门用于记录合成反馈信息发送给查询用户的发送状态，其中，发送状态包括已发送和未发送，若合成反馈信息成功发送给查询用户，则发送状态为已发送，若合成反馈信息还未发送给查询用户，则发送状态为未发送。
SQL是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统，同时也是数据库脚本文件的扩展名。
本实施例中，通过在日志库中查询与查询信息匹配的历史查询信息，若有匹配的历史查询信息则将查询到的历史查询信息对应的反馈信息发送给查询用户，若无匹配的历史查询信息则对查询信息进行分词处理得到目标分词，并利用目标分词与字段信息进行匹配得到目标数据信息，最后将目标数据信息进行合成处理得到合成反馈信息，并将合成反馈信息发送给查询用户，从而实现在服务端查询不到对应反馈信息时，能够对查询信息的智能分析，并根据分析结果合成对应的反馈信息，从而避免需要人工干预对查询信息进行分析反馈的情况，提高查询进度，进一步提高用户的工作效率。
在一实施例中，如图2所示，步骤S3之后，该信息查询方法还包括如下步骤：
S71：确认预设关联库中是否有与查询信息对应的关联查询信息，其中预 设关联库中包括关联查询信息及关联查询信息对应的反馈信息。
在本申请实施例中，预设关联库预先保存了所有查询用户的历史查询信息、与历史查询信息存在关联指标的关联查询信息，以及关联查询信息对应的反馈信息。通过从预设关联库中查询与查询信息相同的历史查询信息，并根据历史查询信息查询对应的关联查询信息。
需要说明的是，预设关联库还会对查询信息进行归类分析。例如，会归类查询用户输入的哪些查询信息比较多，当前查询用户关注哪些查询信息，若查询用户在输入查询信息C后还会进一步输入查询信息P，则将查询信息C和查询信息P进行关联，则C\P互为关联指标。
S72：若有关联查询信息，则将关联查询信息及关联查询信息对应的反馈信息发送给查询用户。
具体地，当从预设关联库中查询到与查询信息相同的历史查询信息时，表示有关联查询信息，并将与历史查询信息存在关联指标的关联查询信息及关联查询信息对应的反馈信息按照预设的方式发送给查询用户。
需要说明的是，当从预设关联库中未查询到与查询信息相同的历史查询信息时，表示查询结果为查询失败，则不做处理。
例如，预设关联库中存在历史查询信息为“AA”，与其存在关联指标的关联查询信息为“AB”，关联查询信息“AB”对应的反馈信息为“101”，若查询信息为“AA”，从预设关联库中进行查询时，得到查询信息“AA”与历史查询信息“AA”相同，表示有关联查询信息，并将关联查询信息“AB”与反馈信息为“101”按照预设的方式发送给查询用户；若查询信息为“A1A1”，从预设关联库中进行查询时，得到查询信息“A1A1”与历史查询信息“AA”不相同，表示没有关联查询信息，则不做处理。
本实施例中，通过确认预设关联库中是否有与查询信息对应的关联查询信息，若有关联查询信息，则将关联查询信息及关联查询信息对应的反馈信息发送给查询用户，从而实现在查询用户查询到查询信息对应的反馈信息后，能够根据查询用户的查询信息进一步反馈关联查询信息对应的反馈信息，提高信息反馈的丰富性，进而帮助用户获取更多的关联反馈信息，提高用户的查询效率。
在一实施例中，如图3所示，步骤S4中，即若查询失败，则对查询信息进行分词处理，得到目标分词包括如下步骤：
S41：根据预设要求设置字符串索引值和分词的最大长度值。
在本申请实施例中，字符串索引值是指专门用于定位开始扫描字符的位置，若该字符串索引值为0，则表示第一个字符为开始扫描字符的位置。最大长度值是专门用于扫描字符的最大范围，若最大长度值为2，则表示扫描最多2个字符，若最大长度值为3，则表示扫描最多3个字符。
具体地，根据预设要求对字符串索引值和分词的最大长度值进行设置，其中，预设要求具体可以是将字符串索引值设置为0，将最大长度值设置为2，其具体的设置要求可以根据用户的实际需求进行设置，此处不做限制。
S42：根据字符串索引值和最大长度值，从查询信息中提取目标字符。
具体地，根据步骤S41得到的字符串索引值和最大长度值，按照从左到右的扫描方式扫描查询信息，当扫描到最大长度值的字符时，将从开始扫描位置的字符到该最大长度值的字符标识为目标字符，并对该目标字符进行提取。
例如，查询信息为“南京市长江大桥”，最大长度值为3，字符串索引的初始值为0，按照从左到右的方式扫描查询信息，即扫描到最大长度值的字符为“南京市长”，将该最大长度值的字符“南京市”标识为目标字符，并对该目标字符进行提取。
S43：将目标字符与预设字典库中的合法字符进行匹配。
具体地，将步骤S42中得到的目标字符与预设字典库中的合法字符进行匹配。其中，预设字典库是指专门用于存储用户设定的合法字符的数据库。
S44：若匹配成功，则将该目标字符确定为目标分词，并将字符串索引值更新为当前字符串索引值加上当前最大长度值，基于更新后的字符串索引值和最大长度值，从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
具体地，将步骤S42中得到的目标字符与预设字典库中的合法字符进行匹配，当匹配到目标字符与预设字典库中的合法字符相同时，表示匹配成功，并将该目标字符确定为目标分词，同时将字符串索引值更新为当前步骤S42中的字符串索引值加上当前步骤S42中的最大长度值，基于更新后的字符串索引值和最大长度值，从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
例如，如步骤S42中的例子所述，若目标字符“南京市”匹配到与预设字典库中的字符相同时，则将目标字符“南京市”确认为目标分词，并将字符串索引值更新为当前字符串索引值0+当前最大长度值3，即字符串索引值将更新为3，并基于更新后的字符串索引值和最大长度值，从查询信息中提取目标字符进行匹配，即针对查询信息“南京市长江大桥”，从“长”字符开始扫描。直到完成对查询信息的分词操作为止。
S45：若匹配失败，则将最大长度值进行递减，并基于更新后的最大长度值和字符串索引值从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
具体地，将步骤S42中得到的目标字符与预设字典库中的合法字符进行匹配，当未匹配到目标字符与预设字典库中的合法字符相同时，表示匹配失败，则将最大长度值更新为当前步骤S42中的最大长度值减1，并基于更新后的最大长度值和字符串索引值从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
需要说明的是，所有最大长度值大于1的目标字符都未匹配到与预设字典库中的字符相同时，则将单个字符确认为目标分词。
例如：如步骤S42中的例子所述，若目标字符“南京市”未匹配到与预 设字典库中的字符相同时，则将最大长度值更新为当前最大长度值3减1，即最大长度值更新为2，并基于更新后的最大长度值和字符串索引值从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
本实施例中，在查询失败的情况下通过设置字符串索引值和分词的最大长度值对查询信息进行分词处理，并根据字符串索引值和最大长度值与合法字符进行匹配得到目标分词，从而实现在查询失败的情况下能够智能对查询信息进行分词处理，便于后续利用分词处理后的目标分词进行进一步匹配反馈信息，避免在查询失败的情况下需要人工干预进行问题反馈，进而提高查询效率。
在一实施例中，如图4所示，步骤S4之后，该信息查询方法还包括如下步骤：
S81：将目标分词与历史查询信息进行模糊匹配。
具体地，将目标分词与日志库中的历史查询信息进行模糊匹配。
S82：若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给查询用户。
若匹配到历史查询信息包含目标分词，则表示模糊匹配成功并将该模糊匹配结果保存到预设记录表中，并将包含最多目标分词的历史查询信息对应的反馈信息发送给查询用户，同时，选取预设数量的包含其他次多目标分词的历史查询信息对应的反馈信息作为第二选择发送给查询用户。
其中，预设记录表是指专门用于记录模糊匹配结果的记录表，模糊匹配结果可以包括模糊匹配成功和模糊匹配失败。预设数量具体可以是5，也可以是6，其具体的取值范围可以根据用户的实际需求进行设置，此处不做限制。
需要说明的是，在模糊匹配过程中，可能会匹配到多个历史查询信息，例如：存在目标分词为“上半年利润”，若日志库中存在的历史查询信息分别为：“上半年利润合计”、“上半年净利润”和“待分配的上半年利润”，由于这3个历史查询信息都包含同样数目的目标分词，则随机将其中一个历史查询信息对应的反馈信息发送给查询用户，同时，将其他两个历史查询信息对应的反馈信息作为第二选择发送给查询用户。
若日志库中存在的历史查询信息分别为：“上半年利润”、“上半年净利润”和“待分配的上半年利润”，由于历史查询信息“上半年利润”与目标分词“上半年利润”完全相同，则将历史查询信息“上半年利润”对应的反馈信息发送给查询用户，同时，将历史查询信息“上半年净利润”和“待分配的上半年利润”分别对应的反馈信息作为第二选择发送给查询用户。
在本实施例中，通过利用目标分词与历史查询信息进行模糊匹配的方式，得到匹配的反馈信息，能够有效提高匹配到相关反馈信息的成功几率，进一步提高查询效率。
在一实施例中，步骤S8之后，该信息查询方法还包括如下步骤：
S9：当检测到模糊匹配成功时，建立模糊匹配得到的反馈信息与查询信息之间的映射关系，作为新的历史查询信息并将映射关系添加到日志库中。
具体地，通过对步骤S82中的预设记录表中的模糊匹配结果进行检测，当检测到模糊匹配结果为模糊匹配成功时，建立模糊匹配成功后发送给查询用户的反馈信息与查询信息之间的映射关系，并将映射关系作为新的历史查询信息添加到日志库中。
例如，查询信息为“456”，预设记录表中的模糊匹配结果为模糊匹配成功，且模糊匹配成功后发送给查询用户的反馈信息为“0101”，当检测到预设记录表中的模糊匹配结果为模糊匹配成功时，将查询信息“456”与反馈信息“0101”建立唯一对应的映射关系，并将该映射关系添加到日志库中，若查询信息为“456”，则可以从日志库中查询到反馈信息“0101”。
在本实施例中，通过建立模糊匹配成功的反馈信息与查询信息之间的映射关系，并添加到日志库中，在模糊匹配成功的情况下，保证反馈信息能够准确对应查询信息，确保信息查询的准确率，再加映射关系添加到日志库中，能够扩大日志库针对查询信息进行反馈的范围，进一步提高信息查询效率。
在一实施例中，如图5所示，步骤S5中，即分别将每个目标分词与预设数据库中的字段信息进行匹配，得到每个目标分词对应的目标数据信息包括如下步骤：
S51：分别将每个目标分词与预设数据库中的字段信息进行匹配，其中，目标分词包含标识信息。
具体地，分别将每个目标分词与预设数据库中的字段信息进行匹配，并根据匹配情况输出对应的匹配结果。
S52：若匹配有字段信息，则获取字段信息对应的目标数据信息。
具体地，当从预设数据库中匹配到与目标分词相同的字段信息时，表示匹配成功，并获取该字段信息对应的目标数据信息。
S53：若匹配不到字段信息，则从预设分析库中查询与目标分词具有相同标识信息的目标词汇，并将查询到的目标词汇确定为当前目标分词。
具体地，当预设数据库中未匹配到与目标分词相同的字段信息时，表示匹配失败，根据步骤S51中目标分词包含的标识信息，从预设分析库中查询与该标识信息相同的标识信息，并获取查询到的标识信息对应的目标词汇，将该目标词汇确定为当前目标分词。
其中，预设分析库是指用于存储标识信息及标识信息对应的目标词汇，其中，标识信息是预先根据用户需求对近义词的词汇进行标识的同一标识信息。
需要说明的是，当查询到预设分析库中存在多个与目标分词具有相同标识信息的目标词汇时，根据日志库中当前查询用户的查询记录，若当前查询用户的查询记录中存在与目标分词具有相同标识信息的目标词汇，则将该目标词汇作为当前目标分词；若当前用户的查询记录中存在多个与目标分词具有相同标识信息的目标词汇，则按照预设词汇优先级，将优先级最高的目标词汇作为当前目标分词。其中，预设词汇优先级是指根据用户实际需求对同一标识信息的目标词汇设定查询优先等级。
例如，预设数据库中的字段信息为“利润”，目标分词为“收入”的标识信息为“利益”，预设分析库中目标词汇为“利润”的标识信息为“利益”，将目标分词“收入”与预设数据库中的字段信息“利润”进行匹配，由于“收入”与“利润”不同，表示匹配失败，则从预设分析库中查询与目标分词“收入”的标识信息“利益”相同的目标词汇，由于预设分析库中目标词汇为“利润”的标识信息与目标分词“收入”的标识信息相同，则将“利润”作为当前目标分词。
S54：从预设数据库中查询与当前目标分词相同的字段信息，并获取该字段信息对应的目标数据信息。
具体地，根据步骤S53获取的当前目标分词，将该当前目标分词与预设数据库中的字段信息进行匹配，当匹配到当前目标分词与字段信息相同时，获取该字段信息对应的目标数据信息。其中，预设数据库中存在与当前目标分词相同的字段信息。
需要说明的是，预设数据库中的字段信息都包含步骤S53中的预设分析库中的目标词汇。例如，预设分析库中存在目标词汇“利润”和“收入”的标识信息都为“利益”，预设数据库中存在字段信息“利润”。
本实施例中，通过将目标分词与字段信息进行匹配，若匹配有字段信息则获取对应的目标数据信息，若匹配不到字段信息，则查询与目标信息具有相同标识信息的目标词汇，并确定为当前目标分词，再利用当前目标分词与字段信息进行匹配，获取对应的目标数据信息，从而实现对目标分词的智能分析，保证在目标分词与字段信息匹配不到的情况下，能够重新选取与该目标分词意思相近的词汇作为当前目标分词进行匹配，提高后续利用目标数据信息进行合成处理的准确性，以及信息查询的智能水平。
在一实施例中，步骤S6之后，该信息查询方法还包括如下步骤：
S10：当检测到合成反馈信息发送给查询用户时，建立该合成反馈信息与查询信息之间的映射关系，并将映射关系添加到日志库中。
具体地，通过对步骤S6中的预设发送记录表中的发送状态进行检测，当检测到发送状态为已发送时，建立发送的合成反馈信息与查询信息之间的映射关系，并将映射关系添加到日志库中。
在本实施例中，通过建立合成反馈信息与查询信息之间的映射关系，并添加到日志库中，能够扩大日志库针对查询信息进行反馈的范围，进一步提高信息查询效率，从而提高用户的工作效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种信息查询装置，该信息查询装置与上述实施例中信息查询方法一一对应。如图6所示，该信息查询装置包括获取模块61、查询模块62、查询成功模块63、查询失败模块64、第一匹配模块65和合成模块66。各功能模块详细说明如下：
获取模块61，用于获取查询用户输入的待反馈的查询信息；
查询模块62，用于根据查询信息，查询日志库中是否有匹配的历史查询信息；
查询成功模块63，用于若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
查询失败模块64，用于若无匹配的历史查询信息，则对查询信息进行分词处理，得到目标分词；
第一匹配模块65，用于分别将每个目标分词与预设数据库中的字段信息进行匹配，得到每个目标分词对应的目标数据信息；
合成模块66，用于对所有目标数据信息进行合成处理，得到合成反馈信息，并将合成反馈信息发送给查询用户。
进一步地，该信息查询装置还包括：
确认模块，用于确认预设关联库中是否有与查询信息对应的关联查询信息，其中预设关联库中包括关联查询信息及关联查询信息对应的反馈信息；
确认成功模块，用于若有关联查询信息，则将关联查询信息及关联查询信息对应的反馈信息发送给查询用户。
进一步地，查询失败模块64包括：
设置子模块，用于根据预设要求设置字符串索引值和分词的最大长度值；
提取子模块，用于根据字符串索引值和最大长度值，从查询信息中提取目标字符；
第二匹配子模块，用于将目标字符与预设字典库中的合法字符进行匹配；
第二匹配成功子模块，用于若匹配成功，则将目标字符确定为目标分词，并将字符串索引值更新为当前字符串索引值加上当前最大长度值，基于更新后的字符串索引值和最大长度值，从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止；
第二匹配失败子模块，用于若匹配失败，则将最大长度值进行递减，并基于更新后的最大长度值和字符串索引值从查询信息中提取目标字符进行匹配，直到完成对查询信息的分词操作为止。
进一步地，信息查询装置还包括：
模糊匹配模块，用于将目标分词与历史查询信息进行模糊匹配；
模糊匹配成功模块，用于若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给查询用户。
进一步地，信息查询装置还包括：
第一建立模块，用于当检测到模糊匹配成功时，建立模糊匹配得到的反馈信息与查询信息之间的映射关系，作为新的历史查询信息添加到日志库中。
进一步地，第一匹配模块65包括：
第三匹配子模块，用于分别将每个目标分词与预设数据库中的字段信息进行匹配，其中，目标分词包含标识信息；
第三匹配成功子模块，用于若匹配有字段信息，则获取字段信息对应的 目标数据信息；
第三匹配失败子模块，用于若匹配不到字段信息，则从预设分析库中查询与目标分词具有相同标识信息的目标词汇，并将查询到的目标词汇确定为当前目标分词；
字段查询子模块，用于从预设数据库中查询与当前目标分词相同的字段信息，并获取字段信息对应的目标数据信息。
进一步地，信息查询装置还包括：
第二建立模块，用于当检测到合成反馈信息发送给查询用户时，建立合成反馈信息与查询信息之间的映射关系，作为新的历史查询信息添加到日志库中。
本申请的一些实施例公开了计算机设备。具体请参阅图7，为本申请的一实施例中计算机设备70基本结构框图。
如图7中所示意的，所述计算机设备70包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图7中仅示出了具有组件71-73的计算机设备70，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器71可以是所述计算机设备70的内部存储单元，例如该计算机设备70的硬盘或内存。在另一些实施例中，所述存储器71也可以是所述计算机设备70的外部存储设备，例如该计算机设备70上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器71还可以既包括所述计算机设备70的内部存储单元也包括其外部存储设备。本实施例中，所述存储器71通常用于存储安装于所述计算机设备70的操作系统和各类应用软件，例如所述信息查询方法的计算机可读指令等。此外，所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器72在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72 通常用于控制所述计算机设备70的总体操作。本实施例中，所述处理器72用于运行所述存储器71中存储的计算机可读指令或者处理数据，例如运行所述信息查询方法的计算机可读指令。
所述网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在所述计算机设备70与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种非易失性的计算机可读存储介质，所述非易失性的计算机可读存储介质存储有查询信息录入流程，所述查询信息录入流程可被至少一个处理器执行，以使所述至少一个处理器执行上述任意一种信息查询方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台计算机设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
最后应说明的是，显然以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (20)

  1. 一种信息查询方法，其特征在于，所述信息查询方法包括：
    获取查询用户输入的待反馈的查询信息；
    根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
    若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
    若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
    分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
    对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户。
  2. 如权利要求1所述的信息查询方法，其特征在于，所述若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户的步骤之后，所述信息查询方法还包括：
    确认预设关联库中是否有与所述查询信息对应的关联查询信息，其中所述预设关联库中包括所述关联查询信息及所述关联查询信息对应的所述反馈信息；
    若有所述关联查询信息，则将所述关联查询信息及所述关联查询信息对应的所述反馈信息发送给所述查询用户。
  3. 如权利要求1所述的信息查询方法，其特征在于，所述对所述查询信息进行分词处理，得到目标分词的步骤包括：
    根据预设要求设置字符串索引值和分词的最大长度值；
    根据所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符；
    将所述目标字符与预设字典库中的合法字符进行匹配；
    若匹配成功，则将所述目标字符确定为所述目标分词，并将所述字符串索引值更新为当前所述字符串索引值加上当前所述最大长度值，基于更新后的所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止；
    若匹配失败，则将所述最大长度值进行递减，并基于更新后的所述最大长度值和所述字符串索引值从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止。
  4. 如权利要求1所述的信息查询方法，其特征在于，所述若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词的步骤之后，所述信息查询方法还包括：
    将所述目标分词与所述历史查询信息进行模糊匹配；
    若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反 馈信息发送给所述查询用户。
  5. 如权利要求4所述的信息查询方法，其特征在于，所述若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给所述查询用户的步骤之后，所述信息查询方法还包括：
    当检测到所述模糊匹配成功时，建立所述模糊匹配得到的所述反馈信息与所述查询信息之间的映射关系，作为新的历史查询信息添加到所述日志库中。
  6. 如权利要求1所述的信息查询方法，其特征在于，所述分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息的步骤包括：
    分别将每个所述目标分词与预设数据库中的所述字段信息进行匹配，其中，所述目标分词包含标识信息；
    若匹配有字段信息，则获取所述字段信息对应的所述目标数据信息；
    若匹配不到字段信息，则从预设分析库中查询与所述目标分词具有相同所述标识信息的目标词汇，并将查询到的所述目标词汇确定为当前目标分词；
    从预设数据库中查询与所述当前目标分词相同的所述字段信息，并获取所述字段信息对应的目标数据信息。
  7. 如权利要求1所述的信息查询方法，其特征在于，所述对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户的步骤之后，所述信息查询方法还包括：
    当检测到所述合成反馈信息发送给查询用户时，建立所述合成反馈信息与所述查询信息之间的映射关系，作为新的历史查询信息添加到所述日志库中。
  8. 一种信息查询装置，其特征在于，所述信息查询装置包括：
    获取模块，用于获取查询用户输入的待反馈的查询信息；
    查询模块，用于根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
    查询成功模块，用于若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
    查询失败模块，用于若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
    第一匹配模块，用于分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
    合成模块，用于对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户。
  9. 如权利要求8所述的信息查询装置，其特征在于，所述信息查询装置还包括：
    确认模块，用于确认预设关联库中是否有与所述查询信息对应的关联查询信息，其中所述预设关联库中包括所述关联查询信息及所述关联查询信息 对应的所述反馈信息；
    确认成功模块，用于若有所述关联查询信息，则将所述关联查询信息及所述关联查询信息对应的所述反馈信息发送给所述查询用户。
  10. 如权利要求8所述的信息查询装置，其特征在于，所述查询失败模块包括：
    设置子模块，用于根据预设要求设置字符串索引值和分词的最大长度值；
    提取子模块，用于根据所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符；
    第二匹配子模块，用于将所述目标字符与预设字典库中的合法字符进行匹配；
    第二匹配成功子模块，用于若匹配成功，则将所述目标字符确定为所述目标分词，并将所述字符串索引值更新为当前所述字符串索引值加上当前所述最大长度值，基于更新后的所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止；
    第二匹配失败子模块，用于若匹配失败，则将所述最大长度值进行递减，并基于更新后的所述最大长度值和所述字符串索引值从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止。
  11. 一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：
    获取查询用户输入的待反馈的查询信息；
    根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
    若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
    若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
    分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
    对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户。
  12. 如权利要求11所述的计算机设备，其特征在于，所述若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户的步骤之后，所述处理器执行所述计算机可读指令时还包括实现如下步骤：
    确认预设关联库中是否有与所述查询信息对应的关联查询信息，其中所述预设关联库中包括所述关联查询信息及所述关联查询信息对应的所述反馈信息；
    若有所述关联查询信息，则将所述关联查询信息及所述关联查询信息对应的所述反馈信息发送给所述查询用户。
  13. 如权利要求11所述的计算机设备，其特征在于，所述对所述查询信息进行分词处理，得到目标分词的步骤包括：
    根据预设要求设置字符串索引值和分词的最大长度值；
    根据所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符；
    将所述目标字符与预设字典库中的合法字符进行匹配；
    若匹配成功，则将所述目标字符确定为所述目标分词，并将所述字符串索引值更新为当前所述字符串索引值加上当前所述最大长度值，基于更新后的所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止；
    若匹配失败，则将所述最大长度值进行递减，并基于更新后的所述最大长度值和所述字符串索引值从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止。
  14. 如权利要求11所述的计算机设备，其特征在于，所述若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词的步骤之后，所述处理器执行所述计算机可读指令时还包括实现如下步骤：
    将所述目标分词与所述历史查询信息进行模糊匹配；
    若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给所述查询用户。
  15. 如权利要求14所述的计算机设备，其特征在于，所述若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给所述查询用户的步骤之后，所述处理器执行所述计算机可读指令时还包括实现如下步骤：
    当检测到所述模糊匹配成功时，建立所述模糊匹配得到的所述反馈信息与所述查询信息之间的映射关系，作为新的历史查询信息添加到所述日志库中。
  16. 一种非易失性的计算机可读存储介质，所述非易失性的计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被一种处理器执行时，使得所述一种处理器执行如下步骤：
    获取查询用户输入的待反馈的查询信息；
    根据所述查询信息，查询日志库中是否有匹配的历史查询信息；
    若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户；
    若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词；
    分别将每个所述目标分词与预设数据库中的字段信息进行匹配，得到每个所述目标分词对应的目标数据信息；
    对所有所述目标数据信息进行合成处理，得到合成反馈信息，并将所述合成反馈信息发送给查询用户。
  17. 如权利要求16所述的非易失性的计算机可读存储介质，其特征在于，所述若有匹配的历史查询信息，则获取匹配的历史查询信息对应的反馈信息发送给查询用户的步骤之后，所述计算机可读指令被一种处理器执行时，使得所述一种处理器还执行如下步骤：
    确认预设关联库中是否有与所述查询信息对应的关联查询信息，其中所述预设关联库中包括所述关联查询信息及所述关联查询信息对应的所述反馈信息；
    若有所述关联查询信息，则将所述关联查询信息及所述关联查询信息对应的所述反馈信息发送给所述查询用户。
  18. 如权利要求16所述的非易失性的计算机可读存储介质，其特征在于，所述对所述查询信息进行分词处理，得到目标分词的步骤包括：
    根据预设要求设置字符串索引值和分词的最大长度值；
    根据所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符；
    将所述目标字符与预设字典库中的合法字符进行匹配；
    若匹配成功，则将所述目标字符确定为所述目标分词，并将所述字符串索引值更新为当前所述字符串索引值加上当前所述最大长度值，基于更新后的所述字符串索引值和所述最大长度值，从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止；
    若匹配失败，则将所述最大长度值进行递减，并基于更新后的所述最大长度值和所述字符串索引值从所述查询信息中提取目标字符进行匹配，直到完成对所述查询信息的分词操作为止。
  19. 如权利要求16所述的非易失性的计算机可读存储介质，其特征在于，所述若无匹配的历史查询信息，则对所述查询信息进行分词处理，得到目标分词的步骤之后，所述计算机可读指令被一种处理器执行时，使得所述一种处理器还执行如下步骤：
    将所述目标分词与所述历史查询信息进行模糊匹配；
    若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给所述查询用户。
  20. 如权利要求19所述的非易失性的计算机可读存储介质，其特征在于，所述若模糊匹配有历史查询信息，则获取模糊匹配的历史查询信息对应的反馈信息发送给所述查询用户的步骤之后，所述计算机可读指令被一种处理器执行时，使得所述一种处理器还执行如下步骤：
    当检测到所述模糊匹配成功时，建立所述模糊匹配得到的所述反馈信息与所述查询信息之间的映射关系，作为新的历史查询信息添加到所述日志库中。
PCT/CN2019/116926 2019-01-28 2019-11-10 信息查询方法、装置、计算机设备及存储介质 WO2020155740A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910081994.7A CN109933645B (zh) 2019-01-28 2019-01-28 信息查询方法、装置、计算机设备及存储介质
CN201910081994.7 2019-01-28

Publications (1)

Publication Number Publication Date
WO2020155740A1 true WO2020155740A1 (zh) 2020-08-06

Family

ID=66985255

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/116926 WO2020155740A1 (zh) 2019-01-28 2019-11-10 信息查询方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN109933645B (zh)
WO (1) WO2020155740A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761141A (zh) * 2020-09-03 2021-12-07 北京沃东天骏信息技术有限公司 一种词条显示方法、装置、电子设备以及可读存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933645B (zh) * 2019-01-28 2024-01-23 平安科技（深圳）有限公司 信息查询方法、装置、计算机设备及存储介质
CN110674145B (zh) * 2019-08-15 2024-04-19 西藏松岩科技有限公司 数据一致性的检测方法、装置、计算机设备和存储介质
CN110580312B (zh) * 2019-08-30 2024-04-30 腾讯科技（深圳）有限公司 数据查询方法、装置及计算机可读存储介质
CN111797217B (zh) * 2020-06-29 2023-09-26 中国平安财产保险股份有限公司 基于faq匹配模型的信息查询方法、及其相关设备
CN112100138A (zh) * 2020-09-16 2020-12-18 北京天融信网络安全技术有限公司 一种日志查询方法、装置、存储介质和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1920366A1 (en) * 2006-01-20 2008-05-14 Glenbrook Associates, Inc. System and method for context-rich database optimized for processing of concepts
CN106202254A (zh) * 2016-06-30 2016-12-07 上海斐讯数据通信技术有限公司 一种查询方法及数据查询系统
CN107092590A (zh) * 2017-03-17 2017-08-25 贵州恒昊软件科技有限公司 一种语句分词方法和系统
CN107451208A (zh) * 2017-07-12 2017-12-08 北京潘达互娱科技有限公司 一种数据搜索方法与装置
CN109933645A (zh) * 2019-01-28 2019-06-25 平安科技（深圳）有限公司 信息查询方法、装置、计算机设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101464897A (zh) * 2009-01-12 2009-06-24 阿里巴巴集团控股有限公司 一种词匹配及信息查询方法及装置
CN107766511A (zh) * 2017-10-23 2018-03-06 深圳市前海众兴电子商务有限公司 智能问答方法、终端及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1920366A1 (en) * 2006-01-20 2008-05-14 Glenbrook Associates, Inc. System and method for context-rich database optimized for processing of concepts
CN106202254A (zh) * 2016-06-30 2016-12-07 上海斐讯数据通信技术有限公司 一种查询方法及数据查询系统
CN107092590A (zh) * 2017-03-17 2017-08-25 贵州恒昊软件科技有限公司 一种语句分词方法和系统
CN107451208A (zh) * 2017-07-12 2017-12-08 北京潘达互娱科技有限公司 一种数据搜索方法与装置
CN109933645A (zh) * 2019-01-28 2019-06-25 平安科技（深圳）有限公司 信息查询方法、装置、计算机设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761141A (zh) * 2020-09-03 2021-12-07 北京沃东天骏信息技术有限公司 一种词条显示方法、装置、电子设备以及可读存储介质

Also Published As

Publication number Publication date
CN109933645B (zh) 2024-01-23
CN109933645A (zh) 2019-06-25

Similar Documents

Publication Publication Date Title
WO2020155740A1 (zh) 信息查询方法、装置、计算机设备及存储介质
WO2021135910A1 (zh) 基于机器阅读理解的信息抽取方法、及其相关设备
WO2022121171A1 (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
WO2020108063A1 (zh) 特征词的确定方法、装置和服务器
CN110164435A (zh) 语音识别方法、装置、设备及计算机可读存储介质
WO2015009297A1 (en) Systems and methods for extracting table information from documents
WO2021151270A1 (zh) 图像结构化数据提取方法、装置、设备及存储介质
WO2020151319A1 (zh) 密码校验方法、装置、计算机设备及存储介质
CN113051362B (zh) 数据的查询方法、装置和服务器
CN109471851B (zh) 数据处理方法、装置、服务器和存储介质
WO2021008340A1 (zh) 金融数据的生成方法、装置、计算机设备及存储介质
CN113407785B (zh) 一种基于分布式储存系统的数据处理方法和系统
WO2019200700A1 (zh) 一种公文处理的方法、装置、终端设备及存储介质
KR20220123187A (ko) 다중 시스템 기반 지능형 질의 응답 방법, 장치와 기기
CN111797217B (zh) 基于faq匹配模型的信息查询方法、及其相关设备
WO2019080428A1 (zh) 目标文档获取方法及应用服务器
CN111553556A (zh) 业务数据分析方法、装置、计算机设备及存储介质
CN113408660A (zh) 图书聚类方法、装置、设备和存储介质
WO2019071907A1 (zh) 基于操作页面识别帮助信息的方法及应用服务器
US11841841B2 (en) Stand in tables
CN109829048B (zh) 电子装置、访谈辅助方法和计算机可读存储介质
CN117171296A (zh) 信息获取方法、装置和电子设备
CN111858581A (zh) 一种分页查询的方法、装置、存储介质和电子设备
CN111444208A (zh) 一种数据更新方法及相关设备
CN113741864B (zh) 基于自然语言处理的语义化服务接口自动设计方法与系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19912424

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19912424

Country of ref document: EP

Kind code of ref document: A1