CN108959366A - 一种开放性问答的方法 - Google Patents
一种开放性问答的方法 Download PDFInfo
- Publication number
- CN108959366A CN108959366A CN201810491331.8A CN201810491331A CN108959366A CN 108959366 A CN108959366 A CN 108959366A CN 201810491331 A CN201810491331 A CN 201810491331A CN 108959366 A CN108959366 A CN 108959366A
- Authority
- CN
- China
- Prior art keywords
- answer
- expression formula
- key item
- data
- key
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种开放性问答的方法,运用于机器智能交互技术领域,采对问题进行分词得到分词数据;匹配得到问题领域,生成表达式并通过表达式在知识图谱中进行查询答案,也可通过远程数据源查询答案。本发明技术方案将问题解析成计算机容易理解的表达式,进一步通过表达式从而进行计算和查询,得到问题的答案,适用于大规模分布并发并行计算模型框架,可以训练更深层的计算机神经网络,加大数据的分析量,加快对话任务的回复速度,提高问答***效率。
Description
技术领域
本发明涉及机器智能交互技术领域,尤其涉及一种开放性问答的方法。
背景技术
随着人工智能技术的发展,人机交互也越来越重要,其中,人机交互的问答成为了技术开发的重点。现有的机器交互中的问答***采用获取用户问题,然后通过关键词采用自然语言处理、信息抽取、信息检索等关系技术从 Intemet或海量文档集合中获得所需的信息作为数据源,从中抽取信息作为答案输出到用户端。
但是由于现如今日益膨胀的海量数据,在进行信息检索时,需要检索的数据量太过庞大,导致回答的精确度降低,回答速度变慢,问答效率也会降低。
发明内容
针对现有技术中机器智能交互领域存在的上述问题,现提供一种开放性问答的方法。
具体技术方案如下:
一种开放性问答的方法,运用于机器智能交互技术领域,包括相互连接的处理端和用户端,所述处理端内存储有多个知识图谱,包括以下步骤:
步骤S1:所述处理端接收所述用户端发送的问题,对问题进行分词,得到多个分词数据;
步骤S2:所述处理端根据所述分词数据匹配得到对应的问题领域,并根据匹配得到的所述问题领域获取对应的关键项集合;
步骤S3:所述处理端根据所述分词数据和所述关键项集合生成表达式;
步骤S4:所述处理端根据所述表达式在所述知识图谱中进行查询;
若查询到所述问题的答案,则进入步骤S6;
若查询不到所述答案,则进入步骤S5;
步骤S5:所述处理端依据所述问题领域的预设查询方式,向与所述处理端网络连接的远程数据源查询所述答案;
步骤S6:所述处理端向所述用户端发送所述答案。
优选的,所述分词数据分为:关键词数据,用于表明所述问题的词义信息;句式数据,用于表明所述问题的类型信息。
优选的,所述步骤S2包括以下步骤:
步骤S21:从分词数据中提取关键信息,采用基于信息距离的显式语义分析算法计算所述关键信息与所述知识图谱中的词语的信息距离值;
步骤S22:根据计算得到的所述信息距离值,将于所述关键信息的语义相同的所述知识图谱中的词语题替换为对应的所述分词数据。
优选的,所述问题领域设置有多个触发词,所述步骤S2包括以下步骤:将所述分词数据依次与每个所述问题领域的所述触发词进行比对,并在所述触发词与所述分词数据相同时,判断得出所述分词数据与对应的所述问题领域相匹配。
优选的,所述步骤S2中还包括以下步骤:若所述分词数据无法与所述问题领域进行匹配,则将预设的兜底回答作为所述答案,进入所述步骤S6。
优选的,每个所述问题领域各对应至少一个所述表达式,每个所述表达式包括一主键和至少一个依次连接的关键项,每个所述关键项对应匹配一类所述关键项集合;
所述步骤S3包括以下步骤:
步骤S31:在所述分词数据中查找与所述关键项集合匹配的所述关键项;
步骤S32:将所述关键项填入所述表达式中;
步骤S33:判断所述表达式中是否存在未填充的所述关键项;
若存在未填充的所述关键项,则进入步骤S34;
若不存在未填充的所述关键项,则进入步骤S37;
步骤S34:查询所述问题是否具有关联文本;
若存在,则进入步骤S35;
若不存在,则进入步骤S36;
步骤S35:查找所述关联文本中是否存在所述关键项;
若存在,则返回所述步骤S32;
若不存在,则进入步骤S36;
步骤S36:在所述表达式的所述关键项中填充默认值;
步骤S37:生成所述表达式。
优选的,每个所述问题领域分别还对应一所述知识图谱,每个所述知识图谱包括一个所述主键和至少一个依次排布的节点层,每个所述节点层对应一所述关键项,所述知识图谱的最后一个所述节点层的每个节点各对应一答案数据;
所述步骤S4包括以下步骤:
步骤S41:获取与所述表达式具有相同的所述主键的所述知识图谱,将所述表达式的每个所述关键项与对应的所述节点层中的所述节点进行比对;
步骤S42:判断每个所述节点层中是否都存在与所述关键项相同的所述节点;
若均存在相同的所述节点,则进入步骤S43;
若非均存在相同的所述节点,则查询不到所述答案;
步骤S43:将最后一个所述节点层中与所述关键项相同的所述节点的答案数据作为所述答案,查询到所述答案。
优选的,所述步骤S5中,所述远程数据源包括:搜索引擎、信息公布网站、数据库。
优选的,所述步骤S5还包括以下步骤:在通过所述预设查询方式查询不到所述答案时,根据所述分词数据生成兜底答案,作为所述答案。
优选的,所述步骤S5还包括以下步骤,在通过所述预设查询方式查询到所述答案时,将所述答案和所述表达式存储至所述知识图谱中。
上述技术方案具有如下优点或有益效果:
本发明把接收到的问题解析成计算机容易理解的表达式,进一步通过表达式从而进行计算和查询,得到问题的答案。上述的问答方法可运行在大规模分布并发并行计算模型框架中,训练更深层的计算机神经网络,加大数据的分析量,加快对话任务的回复速度,提高问答***效率,每个对话任务可以分解到多个计算节点上进行运算。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明一种开放性问答的方法的实施例的流程图;
图2为本发明实施例中根据语义替换分词数据的方法的流程图;
图3为本发明实施例中生成表达式的方法的流程图;
图4为本发明实施例中根据表达式在知识图谱中查询的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明一种较佳的实施例中,根据图1所示,一种开放性问答的方法,运用于机器智能交互技术领域,包括相互连接的处理端和用户端,处理端内存储有多个知识图谱,包括以下步骤:
步骤S1:处理端接收用户端发送的问题,对问题进行分词,得到多个分词数据;
步骤S2:处理端根据分词数据匹配得到对应的问题领域,并根据匹配得到的问题领域获取对应的关键项集合;
步骤S3:处理端根据分词数据和关键项集合生成表达式;
步骤S4:处理端根据表达式在知识图谱中进行查询;
若查询到问题的答案,则进入步骤S6;
若查询不到答案,则进入步骤S5;
步骤S5:处理端依据问题领域的预设查询方式,向与处理端网络连接的远程数据源查询答案;
步骤S6:处理端向用户端发送答案。
具体的,本实施例中,将用户发送的问题进行分解,并通过匹配得到具体的问题领域,进一步地,根据问题领域生成计算机可识别的表达式,通过表达式与计算机中预设的知识图谱查询得到答案,同时,在知识图谱中无法获取答案时,可以进一步采用远程数据源查询。
采用上述步骤可以实现将问题分解为分词数据后,可以采用在大规模分布并发并行计算模型框架中进行运算,匹配问题领域,并将得到的表达式在计算机神经网络中的知识图谱进行比对,加大数据的分析量,加快对话任务的回复速度。采用表达式进行查询,可以使得查询任务可以分解到多个计算节点上进行运算,提高问答***效率。
本发明一种较佳的实施例中,分词数据分为:关键词数据,用于表明问题的词义信息;句式数据,用于表明问题的类型信息。
具体的,本实施例中,问题是由问句构成,问句通常包括:陈述词语和疑问词构成,陈述词,用于构成问句的词义信息,疑问词构成问句的类型。分词数据根据陈述词和疑问词的不同,区分为关键词数据和句式数据。
对于“你在哪里?”的问题,“你”和“在”为关键词数据,“哪里”为句式数据。
本发明一种较佳的实施例中,根据图2所示,步骤S2包括以下步骤:
步骤S21:从分词数据中提取关键信息,采用基于信息距离的显式语义分析算法计算关键信息与知识图谱中的词语的信息距离值;
步骤S22:根据计算得到的信息距离值,将于关键信息的语义相同的知识图谱中的词语题替换为对应的分词数据。
具体的,本实施例中,上述步骤中,需要将关键信息于知识图谱中的词语进信息距离值的计算,可以采用计算中的多个节点分别对不同的知识图谱中词语结合关键信息,实现了在大规模分布并发并行计算模型框架中进行运算的效果,极大提高了运算效率。
本发明一种较佳的实施例中,问题领域设置有多个触发词,步骤S2包括以下步骤:将分词数据依次与每个问题领域的触发词进行比对,并在触发词与分词数据相同时,判断得出分词数据与对应的问题领域相匹配。
具体的,本实施例中,触发词是与问题领域密切相关的信息,对于“天气”的问题领域,“天气”、“阴天”、“下雨”均为触发词。
对于同时匹配到多个不同问题领域的触发词,依次将生成每个问题领域的表达式,进行并行运算,根据表达式与只是图谱的匹配程度,将匹配度最高的答案数据作为问题的答案输出。
本发明一种较佳的实施例中,步骤S2中还包括以下步骤:若分词数据无法与问题领域进行匹配,则将预设的兜底答案作为答案,进入步骤S6。
具体的,根据句式数据输出兜底答案,兜底答案可以采用“没听懂”,“不知道”的内容。
本发明一种较佳的实施例中,根据图3所示,每个问题领域各对应至少一个表达式,每个表达式包括一主键和至少一个依次连接的关键项,每个关键项对应匹配一类关键项集合;
步骤S3包括以下步骤:
步骤S31:在分词数据中查找与关键项集合匹配的关键项;
步骤S32:将关键项填入表达式中;
步骤S33:判断表达式中是否存在未填充的关键项;
若存在未填充的关键项,则进入步骤S34;
若不存在未填充的关键项,则进入步骤S37;
步骤S34:查询问题是否具有关联文本;
若存在,则进入步骤S35;
若不存在,则进入步骤S36;
步骤S35:查找关联文本中是否存在关键项;
若存在,则返回步骤S32;
若不存在,则进入步骤S36;
步骤S36:在表达式的关键项中填充默认值;
步骤S37:生成表达式。
具体的,本实施例中,关键项集合为一类数据的集合,对于“天气”的关键项集合,“晴天”、“阴天”、“雨天”都是与关键项集合匹配的关键项,分数数据符合对应关键项集合的限定,及将满足关键项集合分数数据作为关键项。对于无法完成匹配的关键项可以在与问题有关的上下文中查找,也可以直接填入默认值。
对于存在多个表达式,将从分词数据中直接获取的关键项为最优先匹配,获取所述关键项与所述关键项集合的匹配程度,将匹配程度最高的表达式作为最终进行检索的表达式,将其余表达式作为备用表达式。
本发明一种较佳的实施例中,根据图4所示,每个问题领域分别还对应一知识图谱,每个知识图谱包括一个主键和至少一个依次排布的节点层,每个节点层对应一关键项,知识图谱的最后一个节点层的每个节点各对应一答案数据;
步骤S4包括以下步骤:
步骤S41:获取与表达式具有相同主键的知识图谱,将表达式的每个关键项与对应的节点层中的节点进行比对;
步骤S42:判断每个节点层中是否都存在与关键项相同的节点;
若均存在相同的节点,则进入步骤S43;
若非均存在相同的节点,则查询不到答案;
步骤S43:将最后一个节点层中与关键项相同的节点的答案数据作为答案,查询到答案。
具体的,本实施例中,将表达式与知识图谱进行匹配,获取答案。对于医药类知识图谱,主键为“药”;第一个节点层为“中药”;“西药”;对于“中药”的下一节点层为“人参”、“芍药”等。对于人参的答案数据为“人参为多年生草本植物,喜阴凉”。表达式主键为“药”,根据关键项“中药”、“人参”得到答案为“人参为多年生草本植物,喜阴凉”
本发明一种较佳的实施例中,步骤S5中,远程数据源包括:搜索引擎、信息公布网站、数据库。
本发明一种较佳的实施例中,其特征在于,步骤S5还包括以下步骤:在通过预设查询方式查询不到答案时,根据分词数据生成兜底答案,作为答案。
本发明一种较佳的实施例中,步骤S5还包括以下步骤,在通过预设查询方式查询到答案时,将答案和表达式存储至知识图谱中。
本发明一种较佳的实施例中,用户发出问题为“奥巴马的出生地在哪里”。
分词数据为“奥巴马”“的”“出生地”“在”“哪里”,
根据信息距离的显式语义分析算法计算,分词结果与知识图谱中不存在语义相同的词语,不需要替换;
根据“出生地”匹配到问题领域为“出生地”,表达式为:主键placeofbirth,关键项集合为人物。
“奥巴马”为与人物的关键项集合匹配,最终得到表达式为: placeofbirth(“奥巴马”);
在知识图谱中进行搜索,找到答案为“夏威夷州檀香山”。
本发明一种较佳的实施例中,用户发出问题为“今天宁波天气怎么样”。
分词数据:“今天”“宁波”“天气”“怎么样”,
具有信息距离的显式语义分析算法计算得到“今天”和知识图谱中“2017 年8月11日”(定于今天是2017年8月11日)得到的语义相同,将“今天”替换成“2017年8月11日”;
问题领域为天气,表达式主键为“weather”;“时间”和“地点”为两个关键项集合;
表达式为:weather(“2017年8月11日”,“宁波”);
在知识图谱中搜索,未找到答案。使用“天气”领域中的预设查询方式,采用表达式在天气网站上查询,得到答案为“晴朗”。
进一步地,将“2017年8月11日”,“宁波”以及答案“晴朗”录入对应的天气的知识图谱中。用户当天再次查询今天宁波的天气,即可通过知识图谱获得答案。
本发明一种较佳的实施例中,在用户发出“今天宁波天气怎么样”后,再次发出“那北京呢”。
分词数据为“那”“北京”“呢”。根据关联文本得到问题领域为“天气”。得到表达式缺失“时间”的关键项集合。根据关联文本得到关键项为“2017年8月11日”。最终得到表达式为:weather(“2017年8月11日”,“北京”)。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种开放性问答的方法,运用于机器智能交互技术领域,其特征在于:包括相互连接的处理端和用户端,所述处理端内存储有多个知识图谱,包括以下步骤:
步骤S1:所述处理端接收所述用户端发送的问题,对问题进行分词,得到多个分词数据;
步骤S2:所述处理端根据所述分词数据匹配得到对应的问题领域,并根据匹配得到的所述问题领域获取对应的关键项集合;
步骤S3:所述处理端根据所述分词数据和所述关键项集合生成表达式;
步骤S4:所述处理端根据所述表达式在所述知识图谱中进行查询;
若查询到所述问题的答案,则进入步骤S6;
若查询不到所述答案,则进入步骤S5;
步骤S5:所述处理端依据所述问题领域的预设查询方式,向与所述处理端网络连接的远程数据源查询所述答案;
步骤S6:所述处理端向所述用户端发送所述答案。
2.根据权利要求1所述的开放性问答的方法,其特征在于,所述分词数据分为:关键词数据,用于表明所述问题的词义信息;句式数据,用于表明所述问题的类型信息。
3.根据权利要求1所述的开放性问答的方法,其特征在于,所述步骤S2包括以下步骤:
步骤S21:从分词数据中提取关键信息,采用基于信息距离的显式语义分析算法计算所述关键信息与所述知识图谱中的词语的信息距离值;
步骤S22:根据计算得到的所述信息距离值,将于所述关键信息的语义相同的所述知识图谱中的词语题替换为对应的所述分词数据。
4.根据权利要求1所述的开放性问答的方法,其特征在于,所述问题领域设置有多个触发词,所述步骤S2包括以下步骤:将所述分词数据依次与每个所述问题领域的所述触发词进行比对,并在所述触发词与所述分词数据相同时,判断得出所述分词数据与对应的所述问题领域相匹配。
5.根据权利要求1所述的开放性问答的方法,其特征在于,所述步骤S2中还包括以下步骤:若所述分词数据无法与所述问题领域进行匹配,则将预设的兜底回答作为所述答案,进入所述步骤S6。
6.根据权利要求1所述的开放性问答的方法,其特征在于,每个所述问题领域各对应至少一个所述表达式,每个所述表达式包括一主键和至少一个依次连接的关键项,每个所述关键项对应匹配一类所述关键项集合;
所述步骤S3包括以下步骤:
步骤S31:在所述分词数据中查找与所述关键项集合匹配的所述关键项;
步骤S32:将所述关键项填入所述表达式中;
步骤S33:判断所述表达式中是否存在未填充的所述关键项;
若存在未填充的所述关键项,则进入步骤S34;
若不存在未填充的所述关键项,则进入步骤S37;
步骤S34:查询所述问题是否具有关联文本;
若存在,则进入步骤S35;
若不存在,则进入步骤S36;
步骤S35:查找所述关联文本中是否存在所述关键项;
若存在,则返回所述步骤S32;
若不存在,则进入步骤S36;
步骤S36:在所述表达式的所述关键项中填充默认值;
步骤S37:生成所述表达式。
7.根据权利要求6所述的开放性问答的方法,其特征在于,每个所述问题领域分别还对应一所述知识图谱,每个所述知识图谱包括一个所述主键和至少一个依次排布的节点层,每个所述节点层对应一所述关键项,所述知识图谱的最后一个所述节点层的每个节点各对应一答案数据;
所述步骤S4包括以下步骤:
步骤S41:获取与所述表达式具有相同的所述主键的所述知识图谱,将所述表达式的每个所述关键项与对应的所述节点层中的所述节点进行比对;
步骤S42:判断每个所述节点层中是否都存在与所述关键项相同的所述节点;
若均存在相同的所述节点,则进入步骤S43;
若非均存在相同的所述节点,则查询不到所述答案;
步骤S43:将最后一个所述节点层中与所述关键项相同的所述节点的答案数据作为所述答案,查询到所述答案。
8.根据权利要求1所述的开放性问答的方法,其特征在于,所述步骤S5中,所述远程数据源包括:搜索引擎、信息公布网站、数据库。
9.根据权利要求1所述的开放性问答的方法,其特征在于,所述步骤S5还包括以下步骤:在通过所述预设查询方式查询不到所述答案时,根据所述分词数据生成兜底答案,作为所述答案。
10.根据权利要求1所述的开放性问答的方法,其特征在于,所述步骤S5还包括以下步骤,在通过所述预设查询方式查询到所述答案时,将所述答案和所述表达式存储至所述知识图谱中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491331.8A CN108959366B (zh) | 2018-05-21 | 2018-05-21 | 一种开放性问答的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491331.8A CN108959366B (zh) | 2018-05-21 | 2018-05-21 | 一种开放性问答的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108959366A true CN108959366A (zh) | 2018-12-07 |
CN108959366B CN108959366B (zh) | 2020-11-17 |
Family
ID=64499418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810491331.8A Active CN108959366B (zh) | 2018-05-21 | 2018-05-21 | 一种开放性问答的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108959366B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929027A (zh) * | 2019-09-30 | 2020-03-27 | 珠海格力电器股份有限公司 | 提示***、提示方法、计算机及废物容纳装置 |
WO2021027421A1 (zh) * | 2019-08-12 | 2021-02-18 | 珠海格力电器股份有限公司 | 用于人机交互的人机多轮对话方法及***、智能设备 |
WO2021051558A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于知识图谱的问答方法、装置和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261690A (zh) * | 2008-04-18 | 2008-09-10 | 北京百问百答网络技术有限公司 | 一种问题自动生成的***及其方法 |
US20160117593A1 (en) * | 2013-11-20 | 2016-04-28 | Justin London | Adaptive Virtual Intelligent Agent |
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
CN107992543A (zh) * | 2017-11-27 | 2018-05-04 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
CN107993724A (zh) * | 2017-11-09 | 2018-05-04 | 易保互联医疗信息科技(北京)有限公司 | 一种医学智能问答数据处理的方法及装置 |
-
2018
- 2018-05-21 CN CN201810491331.8A patent/CN108959366B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261690A (zh) * | 2008-04-18 | 2008-09-10 | 北京百问百答网络技术有限公司 | 一种问题自动生成的***及其方法 |
US20160117593A1 (en) * | 2013-11-20 | 2016-04-28 | Justin London | Adaptive Virtual Intelligent Agent |
CN105843875A (zh) * | 2016-03-18 | 2016-08-10 | 北京光年无限科技有限公司 | 一种面向智能机器人的问答数据处理方法及装置 |
CN107993724A (zh) * | 2017-11-09 | 2018-05-04 | 易保互联医疗信息科技(北京)有限公司 | 一种医学智能问答数据处理的方法及装置 |
CN107992543A (zh) * | 2017-11-27 | 2018-05-04 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021027421A1 (zh) * | 2019-08-12 | 2021-02-18 | 珠海格力电器股份有限公司 | 用于人机交互的人机多轮对话方法及***、智能设备 |
WO2021051558A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于知识图谱的问答方法、装置和存储介质 |
CN110929027A (zh) * | 2019-09-30 | 2020-03-27 | 珠海格力电器股份有限公司 | 提示***、提示方法、计算机及废物容纳装置 |
CN110929027B (zh) * | 2019-09-30 | 2022-08-12 | 珠海格力电器股份有限公司 | 提示***、提示方法、计算机及废物容纳装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108959366B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948911B (zh) | 一种计算网络产品信息安全风险的评估方法 | |
CN106156127B (zh) | 选择数据内容向终端推送的方法及装置 | |
CN103678576B (zh) | 基于动态语义分析的全文检索*** | |
CN109670163B (zh) | 信息识别方法、信息推荐方法、模板构建方法及计算设备 | |
CN109002516A (zh) | 一种搜索方法及装置 | |
CN109101479A (zh) | 一种用于中文语句的聚类方法及装置 | |
CN105930362B (zh) | 搜索目标识别方法、装置及终端 | |
CN106776544A (zh) | 人物关系识别方法及装置和分词方法 | |
CN106934068A (zh) | 机器人基于环境上下文的语义理解的方法 | |
CN106970991B (zh) | 相似应用的识别方法、装置和应用搜索推荐方法、服务器 | |
EP1891558A2 (en) | Relationship networks | |
CN105787134B (zh) | 智能问答方法、装置及*** | |
CN105718585B (zh) | 文档与标签词语义关联方法及其装置 | |
CN108959366A (zh) | 一种开放性问答的方法 | |
CN106815356A (zh) | 基于语义分析的精确目标用户消息推送方法及*** | |
CN109271459A (zh) | 基于Lucene和文法网络的聊天机器人及其实现方法 | |
CN109783484A (zh) | 基于知识图谱的数据服务平台的构建方法及*** | |
CN109635107A (zh) | 多数据源的语义智能分析及事件场景还原的方法及装置 | |
CN109522396B (zh) | 一种面向国防科技领域的知识处理方法及*** | |
CN111625621A (zh) | 一种文档检索方法、装置、电子设备及存储介质 | |
CN111104437A (zh) | 基于对象模型的试验数据统一检索方法和*** | |
CN113065070A (zh) | 一种移动互联网信息搜索检索智能排序方法、***、设备和计算机存储介质 | |
CN109948154A (zh) | 一种基于邮箱名的人物获取及关系推荐***和方法 | |
CN117171650A (zh) | 基于网络爬虫技术的文献数据处理方法、***及介质 | |
CN107908749A (zh) | 一种基于搜索引擎的人物检索***及方法 |
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 |