CN103488752A - 一种poi智能检索的检索方法 - Google Patents
一种poi智能检索的检索方法 Download PDFInfo
- Publication number
- CN103488752A CN103488752A CN201310438035.9A CN201310438035A CN103488752A CN 103488752 A CN103488752 A CN 103488752A CN 201310438035 A CN201310438035 A CN 201310438035A CN 103488752 A CN103488752 A CN 103488752A
- Authority
- CN
- China
- Prior art keywords
- retrieval
- result
- user
- input
- searching
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种POI智能检索的检索方法,智能检索的开始,首先等待用户的输入,用户的输入可以通过输入法手写、拼音、字母、语音录入、音频文件、地图图片文件,文本文件,对于以上未加工的用户输入信息,需要经过自然语言输入,将这些未加工的信息转化成文本符号,并非自然语言;当检索结果已经提供出来,存在一个检索过程的自学习过程,利用用户检索的关键字与实际执行的检索步骤的关系来修正检索内建理解的规则,以及思维联想树等;并备份检索片段;至此,检索过程结束,将检索出的结果提供给用户。本发明的优点:是智能检索的实施方案,在这个方案中考虑了对用户输入的分析过程,基于对用户检索目的的理解,来完成整个检索过程。
Description
技术领域
本发明涉及车载导航设备检索技术领域,特别涉及了一种POI智能检索的检索方法。
背景技术
关于POI的检索目前已经存在几种比较成熟的检索功能,用户可以按照不同检索条件,选择不同的检索功能进行检索,但是对于初次使用导航软件的用户,会一时还理不清头绪,感觉有这么多检索功能,该用哪个检索来找要去的地方,是个很难解决的问题。
那将检索功能合并是否能解决这个问题呢,虽然有一些功能的上的合并,但是如果还是停留在物理性上的组合,往往也会达不到好的效果,因为功能变得复杂了,之前的功能检索条件都是各不相同的,只有做到真正的内部融合为一个检索功能,真正的智能起来,才能在根本上解决这一问题。
发明内容
本发明的目的是为解决上述问题而设计的,智能检索让用户不去关心检索功能有什么差异,适合什么样的检索场景,用户只需要在意自己检索的目的,是否能够通过关键字清楚表达出来就可以了,这种使用习惯比较符合我们日常的行为特性,特提供了一种POI智能检索的检索方法。
本发明提供了一种POI智能检索的检索方法,其特征在于:所述的POI智能检索的检索方法,考虑了对用户输入的分析过程,基于对用户检索目的的理解,来完成整个检索过程,见图1:
智能检索开始,首先等待用户的输入,用户的输入可以通过输入法手写、拼音、字母、语音录入、音频文件、地图图片文件,文本文件,在这里对用户的输入不采取过多的限制,尽量满足用户的使用习惯;对于以上未加工的用户输入信息,需要经过自然语言输入,将这些未加工的信息转化成文本符号,并非自然语言;例如:对输入的语音信号,需要语音识别转化成语音信息,图片文件也需要将图片中的文本信息转成文本或者文本中表达的方向性;
对于转化后的文本符号,按照预设的规则进行特征提取,进行文本的转换,以及词和符号的替换,去除一些无意义分隔词,有选择的去掉一些标点符号以及区分度不高的词;自然语言理解是基于训练好的统计概率模型,从模式规则库中,找到近似的模式,近似模式可以有多个,每个模式都会对应一个检索思维联想树,见图2,例如一个用户搜索“沈阳站”,会根据“沈阳站”的输入,查找对应的思维联想树,如果找到,会根据思维联想树,来检索结果,首先会检索沈阳站作为火车站,第二步会检索沈阳站周边的交通工具,根据概率会优先提供地铁站的信息,第三步,会检索周边快餐,第四步,会检索周边住宿,第五步,才会检索其他包含“火车站”名称的POI;如果用户输入的是“沈阳站附近的公司”,公司没有出现在检索思维联想树中,将直接按照内建的检索模型,进行检索;
对于多个检索模式出现的情况,会生成多个检索步骤,接下来会对这些检索步骤进行聚合,并排除显然是不合理的检索步骤,这些处理过程是通过一些定义好的规则来进行;经过几轮这样的处理过程后,会生成一些粗加工的步骤,这些步骤确保是存在合理的;
对于这些粗加工的步骤,还需加上预处理过程,处理后过程等,并对步骤综合量化各要素后,进行优化排序,就完成整个检索步骤的编译优化;
这些步骤生成后,并不是马上开始检索的具体操作,而是需要先查询一下检索片段是否存在,如果存在的话,就直接执行检索的片段;在检索片段中,会包含一步检索步骤和一步检索结果;执行检索片段分支,通常情况下,检索过程只需在检索步骤中,完成空缺的检索步骤,在适当的“断点”接续执行即可;这样可以有效的加速检索的过程,执行检索片段后,会交给检索结果整理过程;
如果不存在检索片段,会生成检索步骤清单,在这一过程,会初始化查询和调度检索步骤的过程,并开辟空间保存检索参数和检索步骤之间的上下文信息等;检索步骤每执行一个,都会在检索步骤清单队列中减1,当检索步骤清单减少到0的时候,检索已经做出来所有的检索结果,之后会交给检索结果整理过程;
检索结果整理过程会对检索到的结果进行评分和分类,并对检索结果依照评分和分类的结果排序,然后对排序的结果进行合并,就可以作为整个检索过程的结果返回给用户了;
当按照之前检索步骤清单执行后,出现检索结果不存在的时候,需要考虑之前对用户的检索理解内容是否存在问题,因此这里存在一个对于理解误差的反馈机制;反馈机制会对检索进行重组织,逐步的放大检索条件,首先逐步取消掉那些区分度不高的词语,保留区分度高的词语,直至到取消区分度高的词语,保留区分度不高的词语;当出现结果了,并且满足检索的结束条件时,就不再继续放大检索条件了,处理过程是可以被提前终止,然后再次交给检索结果整理过程,每次检索都会努力尝试提供给用户检索结果;
当检索结果已经提供出来,存在一个检索过程的自学习过程,利用用户检索的关键字与实际执行的检索步骤的关系来修正检索内建理解的规则,以及思维联想树等;并备份检索片段;至此,检索过程结束,将检索出的结果提供给用户。
智能检索的流程如下:
外部输入:用于接收用户的输入,通常作为直接与用户交互的模块,提供多种的输入方式,符合用户的使用习惯,例如:用户语音输入,用户的手写输入等;
特征提取:对用户的输入,无论是输入的内容,还是输入的行为细节,包括符号的输入、大小写的输入等,又或者还是对输入的关键字多次的输入,被认定为有用特征后,都作为特征会被记录并提取出来;
文本转换:需要将特征提取的内容进一步转化成文本内容,有些特征提取出来源自声音,有些特征提取出来源自画面,有些特征提取出来源自一串数字,这些都需要将这些内容转换成代表的文本含义;当文本转换的过程,如果出现文本的解释出现歧义的情况,需要将这些歧义进行消除,根据训练的词典库和词匹配的规则进行排歧,并对结果进行分词,词性角色的标注;
语义理解:这个模块会对文本转换的结果,在模式规则库中,进行模式规则的匹配,会生成检索的主要执行步骤;
检索片段:核心是一个缓存模块,会缓存各步骤的检索结果,各步骤执行的上下文,还未保存的规则修正结果和统计信息等;并提供统一的访问接口和同类型的检索片段分类存储和合并、换入换出策略等;允许一个检索过程,在检索片段存在的情况下,可以省略掉一些步骤,并存在对每个片段有二次加工的可能;
检索步骤生成:当所请求的检索片段不存在的情况下,将会执行完整的检索步骤,检索步骤会对语义理解的步骤,进行编译优化处理,会综合考虑性能、内存等要素后,生成一组合理的检索步骤,加上预处理的流程、步骤之间衔接的流程和处理后的流程等,就会最终产生一个检索步骤的清单;与此同时,还会完成初始化环境变量和开辟相关的内存空间,为检索的步骤处理做准备;
检索步骤处理:此过程会根据请求的内容,按照检索的业务逻辑,遍历检索的数据库内容,取得满足查询条件的检索结果;当检索步骤清单定义的步骤数大于零,检索步骤处理就会被调用多次;每一步的结束,都会保存检索的上下文,供下一步的检索和记录检索片段来使用;
检索结果处理:检索结果处理会将检索的结果进行分类、排序、合并等操作,这一步的结果就可以转给外置输出模块,用于向外置设备进行输出;
误差反馈处理:对经过一次检索步骤生成、检索步骤处理后,检索结果不存在,智能检索***会判定对用户输入的理解是存在误差的,需要修改查询条件,误差反馈处理会重新生成检索步骤,进行新的检索,当满足结束的条件后,才会停止检索;
自适应学习:这是一个学习模块,会根据检索的结果和用户的输入,进行自适应的学习,来达到不断适应用户使用习惯的目的;根据用户的多次检索,会不断修正***默认的规则,会影响检索的结果和检索结果的排序等;
外置输出:就是用户接口,提供给用户检索的结果,对用户请求的检索结果,进行应答。
本发明的优点:
本发明所述的POI智能检索的检索方法,智能检索的实施方案,在这个方案中考虑了对用户输入的分析过程,基于对用户检索目的的理解,来完成整个检索过程。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明:
图1为智能检索过程示意图;
图2为思维联想树示意图;
图3为智能检索处理流程图。
具体实施方式
实施例1
本发明提供了一种POI智能检索的检索方法,其特征在于:所述的POI智能检索的检索方法,考虑了对用户输入的分析过程,基于对用户检索目的的理解,来完成整个检索过程,见图1:
智能检索开始,首先等待用户的输入,用户的输入可以通过输入法手写、拼音、字母、语音录入、音频文件、地图图片文件,文本文件,在这里对用户的输入不采取过多的限制,尽量满足用户的使用习惯;对于以上未加工的用户输入信息,需要经过自然语言输入,将这些未加工的信息转化成文本符号,并非自然语言;例如:对输入的语音信号,需要语音识别转化成语音信息,图片文件也需要将图片中的文本信息转成文本或者文本中表达的方向性;
对于转化后的文本符号,按照预设的规则进行特征提取,进行文本的转换,以及词和符号的替换,去除一些无意义分隔词,有选择的去掉一些标点符号以及区分度不高的词;自然语言理解是基于训练好的统计概率模型,从模式规则库中,找到近似的模式,近似模式可以有多个,每个模式都会对应一个检索思维联想树,见图2,例如一个用户搜索“沈阳站”,会根据“沈阳站”的输入,查找对应的思维联想树,如果找到,会根据思维联想树,来检索结果,首先会检索沈阳站作为火车站,第二步会检索沈阳站周边的交通工具,根据概率会优先提供地铁站的信息,第三步,会检索周边快餐,第四步,会检索周边住宿,第五步,才会检索其他包含“火车站”名称的POI;如果用户输入的是“沈阳站附近的公司”,公司没有出现在检索思维联想树中,将直接按照内建的检索模型,进行检索;
对于多个检索模式出现的情况,会生成多个检索步骤,接下来会对这些检索步骤进行聚合,并排除显然是不合理的检索步骤,这些处理过程是通过一些定义好的规则来进行;经过几轮这样的处理过程后,会生成一些粗加工的步骤,这些步骤确保是存在合理的;
对于这些粗加工的步骤,还需加上预处理过程,处理后过程等,并对步骤综合量化各要素后,进行优化排序,就完成整个检索步骤的编译优化;
这些步骤生成后,并不是马上开始检索的具体操作,而是需要先查询一下检索片段是否存在,如果存在的话,就直接执行检索的片段;在检索片段中,会包含一步检索步骤和一步检索结果;执行检索片段分支,通常情况下,检索过程只需在检索步骤中,完成空缺的检索步骤,在适当的“断点”接续执行即可;这样可以有效的加速检索的过程,执行检索片段后,会交给检索结果整理过程;
如果不存在检索片段,会生成检索步骤清单,在这一过程,会初始化查询和调度检索步骤的过程,并开辟空间保存检索参数和检索步骤之间的上下文信息等;检索步骤每执行一个,都会在检索步骤清单队列中减1,当检索步骤清单减少到0的时候,检索已经做出来所有的检索结果,之后会交给检索结果整理过程;
检索结果整理过程会对检索到的结果进行评分和分类,并对检索结果依照评分和分类的结果排序,然后对排序的结果进行合并,就可以作为整个检索过程的结果返回给用户了;
当按照之前检索步骤清单执行后,出现检索结果不存在的时候,需要考虑之前对用户的检索理解内容是否存在问题,因此这里存在一个对于理解误差的反馈机制;反馈机制会对检索进行重组织,逐步的放大检索条件,首先逐步取消掉那些区分度不高的词语,保留区分度高的词语,直至到取消区分度高的词语,保留区分度不高的词语;当出现结果了,并且满足检索的结束条件时,就不再继续放大检索条件了,处理过程是可以被提前终止,然后再次交给检索结果整理过程,每次检索都会努力尝试提供给用户检索结果;
当检索结果已经提供出来,存在一个检索过程的自学习过程,利用用户检索的关键字与实际执行的检索步骤的关系来修正检索内建理解的规则,以及思维联想树等;并备份检索片段;至此,检索过程结束,将检索出的结果提供给用户。
智能检索的流程如下:
外部输入:用于接收用户的输入,通常作为直接与用户交互的模块,提供多种的输入方式,符合用户的使用习惯,例如:用户语音输入,用户的手写输入等;
特征提取:对用户的输入,无论是输入的内容,还是输入的行为细节,包括符号的输入、大小写的输入等,又或者还是对输入的关键字多次的输入,被认定为有用特征后,都作为特征会被记录并提取出来;
文本转换:需要将特征提取的内容进一步转化成文本内容,有些特征提取出来源自声音,有些特征提取出来源自画面,有些特征提取出来源自一串数字,这些都需要将这些内容转换成代表的文本含义;当文本转换的过程,如果出现文本的解释出现歧义的情况,需要将这些歧义进行消除,根据训练的词典库和词匹配的规则进行排歧,并对结果进行分词,词性角色的标注;
语义理解:这个模块会对文本转换的结果,在模式规则库中,进行模式规则的匹配,会生成检索的主要执行步骤;
检索片段:核心是一个缓存模块,会缓存各步骤的检索结果,各步骤执行的上下文,还未保存的规则修正结果和统计信息等;并提供统一的访问接口和同类型的检索片段分类存储和合并、换入换出策略等;允许一个检索过程,在检索片段存在的情况下,可以省略掉一些步骤,并存在对每个片段有二次加工的可能;
检索步骤生成:当所请求的检索片段不存在的情况下,将会执行完整的检索步骤,检索步骤会对语义理解的步骤,进行编译优化处理,会综合考虑性能、内存等要素后,生成一组合理的检索步骤,加上预处理的流程、步骤之间衔接的流程和处理后的流程等,就会最终产生一个检索步骤的清单;与此同时,还会完成初始化环境变量和开辟相关的内存空间,为检索的步骤处理做准备;
检索步骤处理:此过程会根据请求的内容,按照检索的业务逻辑,遍历检索的数据库内容,取得满足查询条件的检索结果;当检索步骤清单定义的步骤数大于零,检索步骤处理就会被调用多次;每一步的结束,都会保存检索的上下文,供下一步的检索和记录检索片段来使用;
检索结果处理:检索结果处理会将检索的结果进行分类、排序、合并等操作,这一步的结果就可以转给外置输出模块,用于向外置设备进行输出;
误差反馈处理:对经过一次检索步骤生成、检索步骤处理后,检索结果不存在,智能检索***会判定对用户输入的理解是存在误差的,需要修改查询条件,误差反馈处理会重新生成检索步骤,进行新的检索,当满足结束的条件后,才会停止检索;
自适应学习:这是一个学习模块,会根据检索的结果和用户的输入,进行自适应的学习,来达到不断适应用户使用习惯的目的;根据用户的多次检索,会不断修正***默认的规则,会影响检索的结果和检索结果的排序等;
外置输出:就是用户接口,提供给用户检索的结果,对用户请求的检索结果,进行应答。
Claims (2)
1.一种POI智能检索的检索方法,其特征在于:所述的POI智能检索的检索方法,智能检索的开始,首先等待用户的输入,用户的输入可以通过输入法手写、拼音、字母、语音录入、音频文件、地图图片文件,文本文件,在这里对用户的输入不采取过多的限制,尽量满足用户的使用习惯;对于以上未加工的用户输入信息,需要经过自然语言输入,将这些未加工的信息转化成文本符号,并非自然语言;
对于转化后的文本符号,按照预设的规则进行特征提取,进行文本的转换,以及词和符号的替换,去除一些无意义分隔词,有选择的去掉一些标点符号以及区分度不高的词;自然语言理解是基于训练好的统计概率模型,从模式规则库中,找到近似的模式,近似模式可以有多个,每个模式都会对应一个检索思维联想树;
对于多个检索模式出现的情况,会生成多个检索步骤,接下来会对这些检索步骤进行聚合,并排除显然是不合理的检索步骤,这些处理过程是通过一些定义好的规则来进行;经过几轮这样的处理过程后,会生成一些粗加工的步骤,这些步骤确保是存在合理的;
对于这些粗加工的步骤,还需加上预处理过程,处理后过程等,并对步骤综合量化各要素后,进行优化排序,就完成整个检索步骤的编译优化;
这些步骤生成后,并不是马上开始检索的具体操作,而是需要先查询一下检索片段是否存在,如果存在的话,就直接执行检索的片段;在检索片段中,会包含一步检索步骤和一步检索结果;执行检索片段分支,通常情况下,检索过程只需在检索步骤中,完成空缺的检索步骤,在适当的“断点”接续执行即可;这样可以有效的加速检索的过程,执行检索片段后,会交给检索结果整理过程;
如果不存在检索片段,会生成检索步骤清单,在这一过程,会初始化查询和调度检索步骤的过程,并开辟空间保存检索参数和检索步骤之间的上下文信息等;检索步骤每执行一个,都会在检索步骤清单队列中减1,当检索步骤清单减少到0的时候,检索已经做出来所有的检索结果,之后会交给检索结果整理过程;
检索结果整理过程会对检索到的结果进行评分和分类,并对检索结果依照评分和分类的结果排序,然后对排序的结果进行合并,就可以作为整个检索过程的结果返回给用户了;
当按照之前检索步骤清单执行后,出现检索结果不存在的时候,需要考虑之前对用户的检索理解内容是否存在问题,因此这里存在一个对于理解误差的反馈机制;反馈机制会对检索进行重组织,逐步的放大检索条件,首先逐步取消掉那些区分度不高的词语,保留区分度高的词语,直至到取消区分度高的词语,保留区分度不高的词语;当出现结果了,并且满足检索的结束条件时,就不再继续放大检索条件了,处理过程是可以被提前终止,然后再次交给检索结果整理过程,每次检索都会努力尝试提供给用户检索结果;
当检索结果已经提供出来,存在一个检索过程的自学习过程,利用用户检索的关键字与实际执行的检索步骤的关系来修正检索内建理解的规则,以及思维联想树等;并备份检索片段;至此,检索过程结束,将检索出的结果提供给用户。
2.按照权利要求1所述的POI智能检索的检索方法,其特征在于:智能检索的流程如下:
外部输入:用于接收用户的输入,通常作为直接与用户交互的模块,提供多种的输入方式,符合用户的使用习惯,例如:用户语音输入,用户的手写输入等;
特征提取:对用户的输入,无论是输入的内容,还是输入的行为细节,包括符号的输入、大小写的输入等,又或者还是对输入的关键字多次的输入,被认定为有用特征后,都作为特征会被记录并提取出来;
文本转换:需要将特征提取的内容进一步转化成文本内容,有些特征提取出来源自声音,有些特征提取出来源自画面,有些特征提取出来源自一串数字,这些都需要将这些内容转换成代表的文本含义;当文本转换的过程,如果出现文本的解释出现歧义的情况,需要将这些歧义进行消除,根据训练的词典库和词匹配的规则进行排歧,并对结果进行分词,词性角色的标注;
语义理解:这个模块会对文本转换的结果,在模式规则库中,进行模式规则的匹配,会生成检索的主要执行步骤;
检索片段:核心是一个缓存模块,会缓存各步骤的检索结果,各步骤执行的上下文,还未保存的规则修正结果和统计信息等;并提供统一的访问接口和同类型的检索片段分类存储和合并、换入换出策略等;允许一个检索过程,在检索片段存在的情况下,可以省略掉一些步骤,并存在对每个片段有二次加工的可能;
检索步骤生成:当所请求的检索片段不存在的情况下,将会执行完整的检索步骤,检索步骤会对语义理解的步骤,进行编译优化处理,会综合考虑性能、内存等要素后,生成一组合理的检索步骤,加上预处理的流程、步骤之间衔接的流程和处理后的流程等,就会最终产生一个检索步骤的清单;与此同时,还会完成初始化环境变量和开辟相关的内存空间,为检索的步骤处理做准备;
检索步骤处理:此过程会根据请求的内容,按照检索的业务逻辑,遍历检索的数据库内容,取得满足查询条件的检索结果;当检索步骤清单定义的步骤数大于零,检索步骤处理就会被调用多次;每一步的结束,都会保存检索的上下文,供下一步的检索和记录检索片段来使用;
检索结果处理:检索结果处理会将检索的结果进行分类、排序、合并等操作,这一步的结果就可以转给外置输出模块,用于向外置设备进行输出;
误差反馈处理:对经过一次检索步骤生成、检索步骤处理后,检索结果不存在,智能检索***会判定对用户输入的理解是存在误差的,需要修改查询条件,误差反馈处理会重新生成检索步骤,进行新的检索,当满足结束的条件后,才会停止检索;
自适应学习:这是一个学习模块,会根据检索的结果和用户的输入,进行自适应的学习,来达到不断适应用户使用习惯的目的;根据用户的多次检索,会不断修正***默认的规则,会影响检索的结果和检索结果的排序等;
外置输出:就是用户接口,提供给用户检索的结果,对用户请求的检索结果,进行应答。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310438035.9A CN103488752B (zh) | 2013-09-24 | 2013-09-24 | 一种poi智能检索的检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310438035.9A CN103488752B (zh) | 2013-09-24 | 2013-09-24 | 一种poi智能检索的检索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103488752A true CN103488752A (zh) | 2014-01-01 |
CN103488752B CN103488752B (zh) | 2017-08-25 |
Family
ID=49828978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310438035.9A Active CN103488752B (zh) | 2013-09-24 | 2013-09-24 | 一种poi智能检索的检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488752B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468468A (zh) * | 2015-12-02 | 2016-04-06 | 北京光年无限科技有限公司 | 面向问答***的数据纠错方法及装置 |
CN106057200A (zh) * | 2016-06-23 | 2016-10-26 | 广州亿程交通信息有限公司 | 基于语义的交互***及交互方法 |
CN106462602A (zh) * | 2014-05-27 | 2017-02-22 | 爱信艾达株式会社 | 设施输出***、设施输出方法以及设施输出程序 |
CN106537385A (zh) * | 2014-07-16 | 2017-03-22 | 微软技术许可有限责任公司 | 基于观察的查询解释模型修改 |
CN106776981A (zh) * | 2016-12-06 | 2017-05-31 | 广州市科恩电脑有限公司 | 一种基于经验知识的智能检索方法 |
CN107292302A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 检测图片中兴趣点的方法和*** |
CN109344342A (zh) * | 2018-12-17 | 2019-02-15 | 北京百度网讯科技有限公司 | 地图数据检索方法、装置、检索服务器及*** |
CN110516094A (zh) * | 2019-08-29 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 门类兴趣点数据的去重方法、装置、电子设备及存储介质 |
CN112784088A (zh) * | 2019-11-04 | 2021-05-11 | 北京旷视科技有限公司 | 人员检索方法、装置、电子设备及可读存储介质 |
CN113434067A (zh) * | 2015-10-01 | 2021-09-24 | 谷歌有限责任公司 | 针对用户选择内容的动作建议 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1335574A (zh) * | 2001-09-05 | 2002-02-13 | 罗笑南 | 智能语义搜索方法 |
CN101685448A (zh) * | 2008-09-28 | 2010-03-31 | 国际商业机器公司 | 在用户的查询操作与搜索结果之间建立关联的方法和设备 |
CN101916294A (zh) * | 2010-08-27 | 2010-12-15 | 黄斌 | 一种利用语义分析实现精确搜索的方法 |
CN102436448A (zh) * | 2010-09-29 | 2012-05-02 | 腾讯科技(深圳)有限公司 | 搜索方法和*** |
CN102543082A (zh) * | 2012-01-19 | 2012-07-04 | 北京赛德斯汽车信息技术有限公司 | 使用自然语言的车载信息服务***语音操作方法及*** |
CN102831177A (zh) * | 2012-07-31 | 2012-12-19 | 聚熵信息技术(上海)有限公司 | 语句纠错方法及其*** |
CN102890689A (zh) * | 2011-07-22 | 2013-01-23 | 北京百度网讯科技有限公司 | 一种用户兴趣模型的建立方法及*** |
-
2013
- 2013-09-24 CN CN201310438035.9A patent/CN103488752B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1335574A (zh) * | 2001-09-05 | 2002-02-13 | 罗笑南 | 智能语义搜索方法 |
CN101685448A (zh) * | 2008-09-28 | 2010-03-31 | 国际商业机器公司 | 在用户的查询操作与搜索结果之间建立关联的方法和设备 |
CN101916294A (zh) * | 2010-08-27 | 2010-12-15 | 黄斌 | 一种利用语义分析实现精确搜索的方法 |
CN102436448A (zh) * | 2010-09-29 | 2012-05-02 | 腾讯科技(深圳)有限公司 | 搜索方法和*** |
CN102890689A (zh) * | 2011-07-22 | 2013-01-23 | 北京百度网讯科技有限公司 | 一种用户兴趣模型的建立方法及*** |
CN102543082A (zh) * | 2012-01-19 | 2012-07-04 | 北京赛德斯汽车信息技术有限公司 | 使用自然语言的车载信息服务***语音操作方法及*** |
CN102831177A (zh) * | 2012-07-31 | 2012-12-19 | 聚熵信息技术(上海)有限公司 | 语句纠错方法及其*** |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106462602A (zh) * | 2014-05-27 | 2017-02-22 | 爱信艾达株式会社 | 设施输出***、设施输出方法以及设施输出程序 |
CN106462602B (zh) * | 2014-05-27 | 2019-09-10 | 爱信艾达株式会社 | 设施输出***、设施输出方法以及介质 |
CN106537385A (zh) * | 2014-07-16 | 2017-03-22 | 微软技术许可有限责任公司 | 基于观察的查询解释模型修改 |
CN106537385B (zh) * | 2014-07-16 | 2019-07-26 | 微软技术许可有限责任公司 | 基于观察的查询解释模型修改 |
US10817554B2 (en) | 2014-07-16 | 2020-10-27 | Microsoft Technology Licensing, Llc | Observation-based query interpretation model modification |
CN113434067A (zh) * | 2015-10-01 | 2021-09-24 | 谷歌有限责任公司 | 针对用户选择内容的动作建议 |
CN105468468A (zh) * | 2015-12-02 | 2016-04-06 | 北京光年无限科技有限公司 | 面向问答***的数据纠错方法及装置 |
CN105468468B (zh) * | 2015-12-02 | 2018-07-27 | 北京光年无限科技有限公司 | 面向问答***的数据纠错方法及装置 |
CN107292302A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 检测图片中兴趣点的方法和*** |
CN106057200A (zh) * | 2016-06-23 | 2016-10-26 | 广州亿程交通信息有限公司 | 基于语义的交互***及交互方法 |
CN106776981A (zh) * | 2016-12-06 | 2017-05-31 | 广州市科恩电脑有限公司 | 一种基于经验知识的智能检索方法 |
CN109344342A (zh) * | 2018-12-17 | 2019-02-15 | 北京百度网讯科技有限公司 | 地图数据检索方法、装置、检索服务器及*** |
CN110516094A (zh) * | 2019-08-29 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 门类兴趣点数据的去重方法、装置、电子设备及存储介质 |
CN112784088A (zh) * | 2019-11-04 | 2021-05-11 | 北京旷视科技有限公司 | 人员检索方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103488752B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103488752A (zh) | 一种poi智能检索的检索方法 | |
CN112100349B (zh) | 一种多轮对话方法、装置、电子设备及存储介质 | |
CN106156365B (zh) | 一种知识图谱的生成方法及装置 | |
KR102313028B1 (ko) | 음성 인식 시스템 및 방법 | |
CN102479191B (zh) | 提供多粒度分词结果的方法及其装置 | |
US10896222B1 (en) | Subject-specific data set for named entity resolution | |
US20170337260A1 (en) | Method and device for storing data | |
WO2018028077A1 (zh) | 一种基于深度学习的中文语义分析的方法及装置 | |
US10997223B1 (en) | Subject-specific data set for named entity resolution | |
CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
CN108447471A (zh) | 语音识别方法及语音识别装置 | |
CN103678684A (zh) | 一种基于导航信息检索的中文分词方法 | |
CN111159385A (zh) | 一种基于动态知识图谱的无模板通用智能问答方法 | |
CN101561725B (zh) | 一种手写快速输入的方法和*** | |
US11429792B2 (en) | Creating and interacting with data records having semantic vectors and natural language expressions produced by a machine-trained model | |
CN111445898A (zh) | 语种识别方法、装置、电子设备和存储介质 | |
CN111742322A (zh) | 用于使用深度神经网络来进行独立于领域和语言的定义提取的***和方法 | |
CN112417093B (zh) | 一种模型训练的方法及装置 | |
CN112287100A (zh) | 文本识别方法、拼写纠错方法及语音识别方法 | |
CN100361124C (zh) | 用于词分析的***和方法 | |
CN112579733A (zh) | 规则匹配方法、规则匹配装置、存储介质及电子设备 | |
CN103631784B (zh) | 页面内容检索方法和*** | |
CN113971210B (zh) | 一种数据字典生成方法、装置、电子设备及存储介质 | |
CN105260396A (zh) | 字词检索方法和装置 | |
US20230054726A1 (en) | Query-focused extractive text summarization of textual data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 110000 No. 861-6, shangshengou village, Hunnan District, Shenyang City, Liaoning Province Patentee after: Shenyang Meihang Technology Co.,Ltd. Address before: 110179 13th floor, Debao building, No.1 Jinhui street, Hunnan New District, Shenyang City, Liaoning Province Patentee before: SHENYANG MXNAVI Co.,Ltd. |
|
CP03 | Change of name, title or address |