CN108845992B - 计算机可读存储介质及问答交互方法 - Google Patents
计算机可读存储介质及问答交互方法 Download PDFInfo
- Publication number
- CN108845992B CN108845992B CN201810688364.1A CN201810688364A CN108845992B CN 108845992 B CN108845992 B CN 108845992B CN 201810688364 A CN201810688364 A CN 201810688364A CN 108845992 B CN108845992 B CN 108845992B
- Authority
- CN
- China
- Prior art keywords
- question
- transaction
- answer
- answer interaction
- target
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种计算机可读存储介质及问答交互方法,所述方法包括:对知识库中目标问答交互事务中的每个问句进行分词;对所述目标问答交互事务中的每个问句通过依存分析提取核心词;将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。使用上述的方案提供的关联问句序列可以提高问答***的正确率和召回率。
Description
本申请是申请日为2015年10月30日,申请号为201510727236.X,发明创造名称为“用于问答***挖掘关联问句的方法及装置”的分案申请。
技术领域
本发明涉及智能交互领域,尤其涉及一种计算机可读存储介质及问答交互方法。
背景技术
关联规则挖掘(Association rule mining)是数据挖掘中最活跃的研究方法之一,可以用来发现事情之间的联系,最早是为了发现超市交易数据库中不同的商品之间的关系。
目前,在以自然语言为基础的问答交互***中,也应用到了关联规则的挖掘,以期获取问句间的关联关系,进而使用获取的问句间关联关系计算问答***返回给用户的答案。准确率和召回率是评价自动问答***的技术指标。准确率是指问答***做出正确应答的次数占总共应答次数的比率,召回率是指问答***做出正确应答的次数占知识库中存在正确应答数目的比率。
通过现有技术的方法获得的关联规则,在用于问答***中计算返回给用户的答案时,返回答***率较低,换言之,问答***的准确率和召回率较低。
发明内容
本发明解决的技术问题是提供一种计算机可读存储介质及问答交互方法,使得问答***的正确率和召回率得到提高。
为解决上述技术问题,本发明实施例提供一种计算机可读存储介质,其上存储有程序,该程序被执行时实现问答***挖掘关联问句的方法,所述方法包括:
对知识库中目标问答交互事务中的每个问句进行分词;
对所述目标问答交互事务中的每个问句通过依存分析提取核心词;
将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;
获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列,并得出符合所述问句序列意图的答案。
可选的,还包括:在对所述问句通过依存分析提取核心词前,过滤所述每个问句中的无用信息。
可选的,所述对所述目标问答交互事务中的每个问句通过依存分析提取核心词,包括:
通过依存分析获取所述问句中的各个词语之间的依存关系,利用依存关系找到所述问句的主语和宾语;
当所述主语为名词时,将所述主语作为核心词;
否则,将所述宾语作为核心词。
可选的,所述将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,包括:
当对每个所述目标问答交互事务中的问句依次提取核心词时若连续出现相同的核心词,仅保留最后一次出现的核心词。
可选的,所述判断处理所述获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列,包括:
根据每个所述目标问答交互事务中的核心词,通过Apriori或FP-Tree方法获取所述问句事务集中的核心词强关联规则,根据所述核心词强关联规则获取对应的关联问句序列。
可选的,还包括:在对每个问句进行分词之前,统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
为解决上述技术问题,本发明实施例还提供一种问答交互方法,包括:
对知识库中目标问答交互事务中的每个问句进行分词;
对所述目标问答交互事务中的每个问句通过依存分析提取核心词;
将所述知识库中每个目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;
获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列;可选的,还包括:在对所述问句通过依存分析提取核心词前,过滤所述每个问句中的无用信息。
可选的,所述对所述目标问答交互事务中的每个问句通过依存分析提取核心词包括:依存分析获取所述有效问句中的各个词语之间的依存关系,利用依存关系找到所述有效问句的主语和宾语;当所述主语为名词时,将所述主语作为核心词;否则,将所述宾语作为核心词。
可选的,还包括:
在对每个问句进行分词之前,统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明实施例的技术方案通过对知识库中目标问答交互事务中的每个问句进行分词,对所述目标问答交互事务中的每个问句通过依存分析提取核心词,将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集,获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。由于本技术方案采用依存分析这种能够对语句更深层次的词语之间的修饰关系进行分析的方法来提取用户问句序列的核心词,使得基于核心词得到的关联规则更能有效地用于问答***计算返回用户的答案,提高了问答***理解用户意图的能力,从而提高了问答***的准确率和召回率。
进一步地,本发明实施例的技术方案通过在问句提取核心词前,过滤每个分词后的问句中的无用信息,从而减少挖掘关联问句的运算量,提升计算效率。
进一步地,通过统计问句事务中的问答对的数目后,仅对处于特定范围的事务中的问句进行关联问句序列挖掘,从而忽略可能存在无效交互的问答事务,提高挖掘关联规则的效率。
附图说明
图1是本发明实施例中的一种用于问答***挖掘关联问句的方法的流程示意图;
图2是本发明实施例中的一种用于问答***挖掘关联问句的方法的流程示意图;
图3是本发明实施例中的一种用于问答***挖掘关联问句的装置的结构图;
图4是本发明实施例中的一种用于问答***挖掘关联问句的装置的结构示意图。
具体实施方式
如背景技术所言,通过现有技术的方法获得的关联规则,在用于问答***中计算返回给用户的答案时,返回答***率较低,这使得问答***的准确率和召回率较低。
本申请的发明人通过研究发现,现有技术对用户输入问句的核心词的提取大多通过统计特征,如词频、词性、词语出现的位置关系以及一些人工设定的语法规则来确定,这些方法提取出的核心词经关联规则挖掘得到的关联问句序列,在参与问答***的返回答案计算后返回答***率较低,进而影响问答***的准确率和召回率。
本发明实施例的技术方案通过对知识库中目标问答交互事务中的每个问句进行分词,对所述目标问答交互事务中的每个问句通过依存分析提取核心词,将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集,获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。由于本技术方案采用依存分析这种能够对语句更深层次的词语之间的修饰关系进行分析的方法,来提取用户问句序列的核心词,使得基于核心词得到的关联规则更能有效地用于问答***计算返回给用户的答案,提高了问答***理解用户意图的能力,从而提高了问答***的准确率和召回率。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1为本发明实施例中的一种用于问答***挖掘关联问句的方法的流程示意图。
所述用于问答***挖掘关联问句的方法包括如下步骤:
步骤S101:对知识库中目标问答交互事务中的每个问句进行分词;
步骤S102:对所述目标问答交互事务中的每个问句通过依存分析提取核心词;
步骤S103:将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;
步骤S104:获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。
本发明实施例通过采用依存分析这种能够对语句更深层次的词语之间的修饰关系进行分析的方法来提取用户问句序列的核心词,使得基于核心词得到的关联规则更能有效地用于问答***计算返回给用户的答案,提高了问答***理解用户意图的能力,从而提高了问答***的准确率和召回率。
下面对上述过程进行详细的说明。
图2为本发明实施例中的一种用于问答***挖掘关联问句的方法的流程图。请参照图2,所述方法包括步骤:
步骤S201:统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
在实际的问答交互场景中,当问答对数目过多,换言之问答交互次数过多时,用户与问答***间可能发生了恶意交互,另一方面,当问答对数目较少时,问答***也不能更好地理解用户的意图。所以,为使本发明技术方案的达到较好的实施效果,可以通过将所述问答对数目处于特定范围的事务作为所述目标问答交互事务来进行处理。
在具体实施中,所述特定范围可以根据实际场景的需要进行设置,在此不做限制。
需要说明的是,所述交互可以是文本交互或语音交互等任一种或多种交互方式的组合。但是后续处理的对象都是文本信息,因此当为语音交互等非文本交互方式时,需要将语音等信息转换为文本信息。
步骤S202:对知识库中的所述目标问答交互事务中的每个问句进行分词。
在具体实施中,所述知识库为日常用户与问答***对话交互形成的日志数据。所述一个问答交互事务为用户与***开始对话至用户离开过程中产生的人机问答交互,该交互事务包括若干问答语句对,所述问答交互事务存储于所述知识库中。
在具体实施中,如果用户与***的问答交互采用网页的方式,可以通过网页的打开来指示问答交互事务的开始,而通过网页的关闭来指示问答交互事务的技术;如果用户与***的问答采用的不是网页承载信息的方式,则可以从用户开始输入问句起计时,根据问答交互的持续时间来进行问答交互结束的判断,例如从用户输入问句开始的5分钟内的问答认为是一个问答交互事务,如果超过5分钟用户再次输入问句,则重新开启一个对话场景,用户输入的问句不再属于原问答交互事务。
步骤S203:过滤所述每个问句中的无用信息。
在具体实施中,在执行步骤S204对所述问句通过依存分析提取核心词之前,过滤经分词后的问句中的无用信息。
在具体实施中,所述无用信息可以包括停用词、敏感词和脏词中的一种或多种。
步骤S204:对所述目标问答交互事务中的每个问句通过依存分析提取核心词。
在具体实施中,所述对所述目标问答交互事务中的每个问句通过依存分析提取核心词,可以包括以下步骤:
通过依存分析获取所述问句中的各个词语之间的依存关系,利用依存关系找到所述问句的主语和宾语;
当所述主语为名词时,将所述主语作为核心词;
否则,将所述宾语作为核心词。
例如,用户输入的问句为“银行卡如何开通”,利用依存关系可以找到该问句的主语是“银行卡”,“银行卡”为名词,则将“银行卡”作为该问句的核心词;又如用户输入的问句为“谁是小明的父亲”,利用依存关系可以找到该问句的主语“谁”和宾语“父亲”,但“谁”不是名词,则将宾语“父亲”作为该问句的核心词。
本发明实施例通过依存分析对分词后的语句进行语法分析,获取各个词语之间的依存关系,利用依存关系找到问句的主语、谓语、宾语等角色信息。将主语或宾语作为语句想要表达的核心内容保存作为核心词。
步骤S205:将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集。
在具体实施中,当对每个所述目标问答交互事务中的问句依次提取核心词时,如果连续出现相同的核心词,仅保留最后一次出现的核心词。
具体地,如果若连续出现相同的核心词,很可能是由于用户认为没有获得想要的答案而重复输入问句,通过保留最后一次出现的核心词,可以避免使用从无效问句中提取出来的核心词,从而保证提取到的核心词是有效的。
步骤S206:获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。
在具体实施中,所述获取与知识库中每个所述问句事务集的核心词强关联规则对应的关联问句序列,可以包括:
根据每个所述目标问答交互事务中的核心词,通过Apriori或FP-Tree方法获取所述问句事务集中的核心词强关联规则,根据所述核心词强关联规则获取对应的关联问句序列。
需要说明的是,在具体实施中,也可以通过其他的方法获取所述问句事务集中的核心词强关联规则,其不限制本发明的保护范围。
本发明实施例通过提取每个问句的核心词来标记对应的问句,从而在找到核心词的强关联规则时,也获得了对应的关联问句序列。
本发明实施例通过采用依存分析这种能够对语句更深层次的词语之间的修饰关系进行分析的方法来提取用户问句序列的核心词,使得基于核心词得到的关联规则更能有效地用于问答***计算返回用户的答案,提高了问答***理解用户意图的能力,从而提高了问答***的准确率和召回率。
进一步地,本发明实施例通过在问句提取核心词前,过滤每个分词后的问句中的无用信息,从而减少挖掘关联问句的运算量,提升计算效率。
进一步地,本发明实施例通过统计问句事务中的问答对的数目后,仅对处于特定范围的事务中的问句进行关联问句序列的挖掘,从而忽略可能存在无效交互的问答事务以及不利于理解用户意图的较少的问答事务,使得问答***使用挖掘得到的关联问句能提高理解用户意图的能力,返回用户较准确的答案,进而提升问答***的准确率和召回率。
图3是本发明实施例中的一种用于问答***挖掘关联问句的装置的结构示意图。参照图3,所述装置30可以包括:分词单元301、核心词提取单元302、目标问句事务集形成单元303和关联问句序列获取单元304。
所述分词单元301,适于对知识库中目标问答交互事务中的每个问句进行分词。
所述核心词提取单元302,适于对所述目标问答交互事务中的每个问句通过依存分析提取核心词。
在具体实施中,所述核心词提取单元302,适于通过依存分析获取所述有效问句中的各个词语之间的依存关系,利用依存关系找到所述有效问句的主语和宾语;当所述主语为名词时,将所述主语作为核心词;当所述主语不为名词时,将所述宾语作为核心词。
所述目标问句事务集形成单元303,适于将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集。
在具体实施中,所述目标问句事务集形成单元303,适于当对每个所述目标问答交互事务中的问句依次提取核心词时若连续出现相同的核心词,仅保留最后一次出现的核心词。
所述关联问句序列获取单元304,适于获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。
在具体实施中,所述关联问句序列获取单元304适于:根据每个所述目标问答交互事务中的核心词,通过Apriori或FP-Tree方法获取所述问句事务集中的核心词强关联规则,根据所述核心词强关联规则获取对应的关联问句序列。
本实施例提供的装置通过采用依存分析这种能够对语句更深层次的词语之间的修饰关系进行分析的方法来提取用户问句序列的核心词,使得基于核心词得到的关联规则更能有效地用于问答***计算返回用户的答案,提高了问答***理解用户意图的能力,从而提高了问答***的准确率和召回率。
图4是本发明实施例中的一种用于问答***挖掘关联问句的装置的结构示意图。参照图4,所述装置40可以包括:分词单元401、核心词提取单元402、目标问句事务集形成单元403和关联问句序列获取单元404。
在具体实施中,所述分词单元401、所述核心词提取单元402、所述目标问句事务集形成单元403和所述关联问句序列获取单元404,可分别参照图3中的分词单元301、核心词提取单元302、目标问句事务集形成单元303和关联问句序列获取单元304,在此不再赘述。
在具体实施中,所述装置40还可以包括过滤单元405;
所述过滤单元405,适于在对所述问句通过依存分析提取核心词前,过滤所述每个问句中的无用信息。
在具体实施中,所述装置40还可以包括预处理单元406,适于在对每个问句进行分词之前,统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
本实施例通过在问句提取核心词前,过滤每个分词后的问句中的无用信息,从而减少挖掘关联问句的运算量,提升计算效率。
此外,本实施例通过统计问句事务中的问答对的数目后,仅对处于特定范围的事务中的问句进行关联问句序列的挖掘,从而忽略可能存在无效交互的问答事务以及不利于理解用户意图的较少的问答事务,使得问答***使用挖掘得到的关联问句能提高理解用户意图的能力,返回用户较准确的答案,进而提升问答***的准确率和召回率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于以计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (8)
1.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被执行时实现问答***挖掘关联问句的方法,所述方法包括:
对知识库中目标问答交互事务中的每个问句进行分词;一个所述问答交互事务为用户与***开始对话至用户离开过程中产生的人机问答交互;
对所述目标问答交互事务中的每个问句通过依存分析提取核心词,包括:通过依存分析获取所述问句中的各个词语之间的依存关系,利用依存关系找到所述问句的主语和宾语;当所述主语为名词时,将所述主语作为核心词;否则,将所述宾语作为核心词;
将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;
获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列。
2.根据权利要求1所述的计算机可读存储介质,其特征在于,所述方法还包括:在对所述问句通过依存分析提取核心词前,过滤所述每个问句中的无用信息。
3.根据权利要求1所述的计算机可读存储介质,其特征在于,所述将所述知识库中每个所述目标问答交互事务的每个问句的核心词保存,包括:
当对每个所述目标问答交互事务中的问句依次提取核心词时若连续出现相同的核心词,仅保留最后一次出现的核心词。
4.根据权利要求1所述的计算机可读存储介质,其特征在于,所述获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列,包括:
根据每个所述目标问答交互事务中的核心词,通过Apriori或FP-Tree方法获取所述问句事务集中的核心词强关联规则,根据所述核心词强关联规则获取对应的关联问句序列。
5.根据权利要求1所述的计算机可读存储介质,其特征在于,所述方法还包括:在对每个问句进行分词之前,统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
6.一种问答交互方法,其特征在于,包括:
对知识库中目标问答交互事务中的每个问句进行分词;一个所述问答交互事务为用户与***开始对话至用户离开过程中产生的人机问答交互;
对所述目标问答交互事务中的每个问句通过依存分析提取核心词,包括:通过依存分析获取所述问句中的各个词语之间的依存关系,利用依存关系找到所述问句的主语和宾语;当所述主语为名词时,将所述主语作为核心词;否则,将所述宾语作为核心词;
将所述知识库中每个目标问答交互事务的每个问句的核心词保存,得到所述知识库的目标问句事务集;
获取与知识库中每个所述目标问句事务集的核心词强关联规则对应的关联问句序列;
将所述关联问句序列用于问答***计算返回用户的答案。
7.根据权利要求6所述的问答交互方法,其特征在于,还包括:在对所述问句通过依存分析提取核心词前,过滤所述每个问句中的无用信息。
8.根据权利要求6所述的问答交互方法,其特征在于,还包括:
在对每个问句进行分词之前,统计所述知识库中每一个问答交互事务的问答对数目,将所述问答对数目处于特定范围的事务作为所述目标问答交互事务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688364.1A CN108845992B (zh) | 2015-10-30 | 2015-10-30 | 计算机可读存储介质及问答交互方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510727236.XA CN105354185B (zh) | 2015-10-30 | 2015-10-30 | 用于问答***挖掘关联问句的方法及装置 |
CN201810688364.1A CN108845992B (zh) | 2015-10-30 | 2015-10-30 | 计算机可读存储介质及问答交互方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510727236.XA Division CN105354185B (zh) | 2015-10-30 | 2015-10-30 | 用于问答***挖掘关联问句的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108845992A CN108845992A (zh) | 2018-11-20 |
CN108845992B true CN108845992B (zh) | 2022-08-26 |
Family
ID=55330159
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810688364.1A Active CN108845992B (zh) | 2015-10-30 | 2015-10-30 | 计算机可读存储介质及问答交互方法 |
CN201510727236.XA Active CN105354185B (zh) | 2015-10-30 | 2015-10-30 | 用于问答***挖掘关联问句的方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510727236.XA Active CN105354185B (zh) | 2015-10-30 | 2015-10-30 | 用于问答***挖掘关联问句的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN108845992B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740476A (zh) * | 2016-03-18 | 2016-07-06 | 科润智能科技股份有限公司 | 一种相关联问题推荐方法、装置及*** |
CN107844533A (zh) * | 2017-10-19 | 2018-03-27 | 云南大学 | 一种智能问答***及分析方法 |
CN108399216A (zh) * | 2018-02-07 | 2018-08-14 | 山东浪潮通软信息科技有限公司 | 一种基于软件功能的智能助手实现方法及*** |
CN109325040B (zh) * | 2018-07-13 | 2020-11-10 | 众安信息技术服务有限公司 | 一种faq问答库泛化方法、装置及设备 |
CN111897929B (zh) * | 2020-08-04 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 多轮问句的处理方法和装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1928864A (zh) * | 2006-09-22 | 2007-03-14 | 浙江大学 | 一种基于问答库的中文自然语言问答方法 |
CN101097573A (zh) * | 2006-06-28 | 2008-01-02 | 腾讯科技(深圳)有限公司 | 一种自动问答***及方法 |
CN101593206A (zh) * | 2009-06-25 | 2009-12-02 | 腾讯科技(深圳)有限公司 | 基于问答互动平台中答案的搜索方法及装置 |
CN103425640A (zh) * | 2012-05-14 | 2013-12-04 | 华为技术有限公司 | 一种多媒体问答***及方法 |
CN103646112A (zh) * | 2013-12-26 | 2014-03-19 | 中国科学院自动化研究所 | 利用了网络搜索的依存句法的领域自适应方法 |
CN104657463A (zh) * | 2015-02-10 | 2015-05-27 | 乐娟 | 应用于自动问答***的问句分类方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286150B (zh) * | 2007-04-10 | 2010-09-15 | 阿里巴巴集团控股有限公司 | 生成更新参数的方法和装置、展示相关关键词的方法和装置 |
CN101286161B (zh) * | 2008-05-28 | 2010-10-06 | 华中科技大学 | 一种基于概念的智能中文问答*** |
CN102043851A (zh) * | 2010-12-22 | 2011-05-04 | 四川大学 | 一种基于频繁项集的多文档自动摘要方法 |
CN102033955B (zh) * | 2010-12-24 | 2012-12-05 | 常华 | 扩展用户搜索结果的方法及服务器 |
KR101286713B1 (ko) * | 2011-11-18 | 2013-07-16 | 서강대학교산학협력단 | Sns문장분석을 통한 사용자 요구사항 수집방법 |
CN103593412B (zh) * | 2013-10-24 | 2017-10-03 | 北京京东尚科信息技术有限公司 | 一种基于树形结构问题的应答方法及*** |
CN104361396A (zh) * | 2014-12-01 | 2015-02-18 | 中国矿业大学 | 基于马尔可夫逻辑网的关联规则迁移学习方法 |
CN104657346A (zh) * | 2015-01-15 | 2015-05-27 | 深圳市前海安测信息技术有限公司 | 智能交互***中的问题匹配方法和*** |
-
2015
- 2015-10-30 CN CN201810688364.1A patent/CN108845992B/zh active Active
- 2015-10-30 CN CN201510727236.XA patent/CN105354185B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101097573A (zh) * | 2006-06-28 | 2008-01-02 | 腾讯科技(深圳)有限公司 | 一种自动问答***及方法 |
CN1928864A (zh) * | 2006-09-22 | 2007-03-14 | 浙江大学 | 一种基于问答库的中文自然语言问答方法 |
CN101593206A (zh) * | 2009-06-25 | 2009-12-02 | 腾讯科技(深圳)有限公司 | 基于问答互动平台中答案的搜索方法及装置 |
CN103425640A (zh) * | 2012-05-14 | 2013-12-04 | 华为技术有限公司 | 一种多媒体问答***及方法 |
CN103646112A (zh) * | 2013-12-26 | 2014-03-19 | 中国科学院自动化研究所 | 利用了网络搜索的依存句法的领域自适应方法 |
CN104657463A (zh) * | 2015-02-10 | 2015-05-27 | 乐娟 | 应用于自动问答***的问句分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108845992A (zh) | 2018-11-20 |
CN105354185A (zh) | 2016-02-24 |
CN105354185B (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108845992B (zh) | 计算机可读存储介质及问答交互方法 | |
CN106528532B (zh) | 文本纠错方法、装置及终端 | |
CN105912629B (zh) | 一种智能问答方法及装置 | |
CN105138652B (zh) | 一种企业关联关系识别方法及*** | |
CN106886567B (zh) | 基于语义扩展的微博突发事件检测方法及装置 | |
US10824816B2 (en) | Semantic parsing method and apparatus | |
CN107943786B (zh) | 一种中文命名实体识别方法及*** | |
CN103810218A (zh) | 一种基于问题簇的自动问答方法和装置 | |
CN104462053A (zh) | 一种文本内的基于语义特征的人称代词指代消解方法 | |
CN103106189B (zh) | 一种挖掘同义属性词的方法和装置 | |
CN110555101A (zh) | 一种客服知识库更新方法、装置、设备及存储介质 | |
CN105630890B (zh) | 基于智能问答***会话历史的新词发现方法及*** | |
CN104915420B (zh) | 知识库数据处理方法及*** | |
WO2020074023A1 (zh) | 基于深度学习的医学文献中关键句筛选方法及装置 | |
US11551114B2 (en) | Method and apparatus for recommending test question, and intelligent device | |
CN109190099B (zh) | 句模提取方法及装置 | |
CN112883734A (zh) | 区块链安全事件舆情监测方法及*** | |
CN113032557A (zh) | 一种基于频繁词集与bert语义的微博热点话题发现方法 | |
CN107315995A (zh) | 一种基于拉普拉斯对数脸及卷积神经网络的人脸识别方法 | |
CN105426379A (zh) | 基于词语位置的关键字权值计算方法 | |
CN108108346A (zh) | 文档的主题特征词抽取方法及装置 | |
CN110889274B (zh) | 信息质量评估方法、装置、设备及计算机可读存储介质 | |
CN104077274B (zh) | 一种从文档集中抽取热词短语的方法和装置 | |
CN115730038A (zh) | 一种试卷自动生成与考试方法、装置、电子设备及介质 | |
CN113240322B (zh) | 气候风险披露质量方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |