CN109977405A - 一种智能语义匹配方法 - Google Patents
一种智能语义匹配方法 Download PDFInfo
- Publication number
- CN109977405A CN109977405A CN201910231569.1A CN201910231569A CN109977405A CN 109977405 A CN109977405 A CN 109977405A CN 201910231569 A CN201910231569 A CN 201910231569A CN 109977405 A CN109977405 A CN 109977405A
- Authority
- CN
- China
- Prior art keywords
- data
- sentence
- semantic
- lteral
- lteral data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 22
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000003780 insertion Methods 0.000 claims description 5
- 230000037431 insertion Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及一种智能语义匹配方法，所述方法包括：语义处理***接收语句数据，得到语句文字数据；根据句式解析模型对语句文字数据进行句式泛化处理，提取语句文字数据中的固定语信息和泛化对象信息；根据固定语句信息确定语句文字数据对应的场景数据；在兴趣点库中匹配与泛化对象信息相对应的兴趣点数据，根据匹配结果得到语句文字数据的校验值；根据语句文字数据的校验值和场景数据得到语义匹配结果数据，并输出。本发明实施例提供的语义匹配方法，使得语义匹配结果的过程快速且准确，并也使得语义匹配结果更加符合语句的应用场景。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种智能语义匹配方法。
背景技术
自然语言处理(Natural Language Processing，NLP)是人工智能中最为困难的问题之一，而对自然语言处理的研究也是充满挑战的。自然语言的文法通常是模棱两可的，针对一个句子通常可能会剖析出多棵语法剖析树，而我们必须要根据语意及前后文才能在其中选择一棵最为适合的语法剖析树。并且，在某一些具体的应用领域中，例如地理信息***中，如何根据已确定语法语义，确定用户的兴趣点(Point Of Interest，POI)，从而得到与用户语句语义相对应的答案，也是本领域的难点之一。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种智能语义匹配方法，通过对语句的句式泛化处理，可以得到句式中的固定语和泛化对象，并由此对应到相应的应用场景和兴趣点，并最终根据应用场景和兴趣点得到语义匹配结果，使得得到语义匹配结果的过程快速且准确，并也使得语义匹配结果更加符合语句的应用场景。
为实现上述目的，本发明提供了一种智能语义匹配方法，方法包括：
语义处理***接收语句数据，得到语句文字数据；
根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的固定语信息和泛化对象信息；
根据所述固定语句信息确定所述语句文字数据对应的场景数据；
在兴趣点库中匹配与所述泛化对象信息相对应的兴趣点数据，得到所述语句文字数据的校验值；
根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并输出。
优选的，所述语句数据包括语句语音数据和语句文字数据。
进一步优选的，所述语义处理***接收语句数据具体为：
所述语义处理***的语音转换器接收所述语句数据，对所述语句数据中的语句语音数据进行识别，得到所述语句语音数据的语句文字数据，并将所述语句语音数据的语句文字数据***所述语义处理***的输入队列的末尾；
所述语义处理***的轮询器监听所述输入队列的数据***，从所述输入队列中获取所述输入队列末尾的语句文字数据，得到所述语句文字数据。
优选的，从所述语句文字数据中提取到的泛化对象信息的个数为一个或多个。
进一步优选的，当从所述语句文字数据中提取到的泛化对象信息的个数为多个时，所述语义匹配结果数据为多个；
当所述语义匹配结果数据为多个时，根据各个语义匹配结果数据对应的领域优先级确定最优的语义匹配结果数据，并输出。
优选的，在根据所述语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的固定语信息和泛化对象信息之前，所述方法还包括：
将历史语句文字数据输入所述句式解析模型进行训练，得到训练后的句式解析模型，用以语义处理***根据所述训练后的句式解析模型对所述语句文字数据进行句式泛化处理。
优选的，当在所述兴趣点库中匹配不到所述泛化对象信息相对应的兴趣点数据时，所述方法还包括：
根据外接接口连接外接数据库，并在所述外接数据库匹配与所述泛化对象信息相对应的兴趣点数据。
进一步优选的，所述根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并输出具体为：
根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并将所述语义匹配结果数据封装入所述语义处理***中的输出队列的末尾；
所述轮询器监听所述输出队列的数据***，从所述输出队列中获取所述输入队列末尾的语义匹配结果数据，并输出。
进一步优选的，在所述从所述输入队列中获取所述输入队列末尾的语句文字数据之后所述方法还包括：
所述语义处理***中的处理器记录所述轮询器从所述输入队列中获取所述输入队列末尾的语句文字数据的第一时间，并监测***时间；
根据所述第一时间和所述***时间得到语义处理时间；
当所述处理器监测到所述语义处理时间大于预设时间时，输出反馈语句。
本发明实施例提供的语义匹配方法，通过对语句的句式泛化处理，可以得到句式中的固定语和泛化对象，并由此对应到相应的应用场景和兴趣点，并最终根据应用场景和兴趣点得到语义匹配结果，使得得到语义匹配结果的过程快速且准确，并也使得语义匹配结果更加符合语句的应用场景。
附图说明
图1为本发明实施例提供的语义匹配方法的流程图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明实施例提供的一种智能语义匹配方法，用于语义处理***根据使用者输入的内容输出相应的反馈内容。其方法流程图如图1所示，包括如下步骤：
步骤101，语义处理***接收语句数据，得到语句文字数据；
具体的，语义处理***可以理解为一个具有语句输入、处理和输出功能的***。语义处理***包括语音转换器、输入队列、轮询器和处理器。当语义处理***启动时，***输出页面中配置的***被启动，该***会加载用于语音服务的配置文件、域(domain)类以及domain对应的用户配置文件、语义处理***特定情况的输出语句，同时启动语音转换器、输入队列、轮询器和处理器。
语句数据包括语句语音数据和语句文字数据。也就是说，用户可以通过语音或文字的方式向***输入语句数据。语音转换器接收语句数据，对语句数据中的语句语音数据进行识别，得到语句语音数据的语句文字数据，并将语句语音数据的语句文字数据或直接将用户输入的语句文字数据***语义处理***的输入队列的末尾。
轮询器会一直监听输入队列是否有新的消息，也就是监听是否有语句文字数据进入队列，并从输入队列中获取输入队列末尾的语句文字数据，从而得到语句文字数据。
步骤102，对语句文字数据进行句式泛化处理，提取语句文字数据中的固定语信息和泛化对象信息；
具体的，在轮询器获取到语句文字数据后，轮询器将语句文字数据发送至处理器。处理器根据语法规则树对语句文字数据进行句式泛化处理，提取语句文字数据中的固定语信息和泛化对象信息。句式泛化处理可以理解为根据语法规则树通过一个语句扩展到多种语句的表达形式，并提取语句中关键要素的过程。在这个过程中，提取出语句中关键要素包括固定语信息和泛化对象信息。例如，在一个“我想去电影院”的句子中，“我想去”是固定语信息，是句式的一部分，“电影院”是泛化对象信息；再如，在一个“我想买电影票”的句子中，“我想买”是固定语信息，“电影票”是泛化对象信息。
在一个具体的例子中，用户通过语音输入了“我想去电影院”的语句语音数据，语音转化器对该语句语音数据进行语音识别处理，得到了“我想去电影院”的语句文字数据。然后语义处理***中的处理器先识别到“去”，然后进一步向前识别到“想去”进而识别到“我想去……”的句式，并根据预设的语法规则树中“去”-“想去”-“我想去”的句式，提取语句文字数据中的固定语信息“去”，以及“我想去”之后的词语“电影院”作为泛化对象信息。
可以理解的是，一个语句文字数据可能对应一个固定语信息和一个泛化对象信息，也可能对应多个固定语信息和多个泛化对象信息，但在一个正常的语句文字数据中，每个固定语信息应至少对应有一个泛化对象信息。
在一些优选的实施例中，语法规则树也可以是经过模型训练得到的。进一步具体的，语义处理***采集多个历史语句文字数据作为样本，并多个历史语句文字数据进行训练，得到句式解析模型，根据句式解析模型得到语法规则树，从而根据语法规则树对语句文字数据进行句式泛化处理。
步骤103，根据固定语句信息确定语句文字数据对应的场景数据；
具体的，每个固定语句信息都可对应到一个场景数据。这里，每个场景数据都可以理解为一个独立的用户行为场景。
在一个具体的例子中，从一个语句文字数据中提取出的固定语句信息为多个。例如，用户输入的语句文字数据为“我想买电影票并想去电影院看电影”，则根据自然语言可以理解该用户的目的包括买电影票和看电影两个，因此，该语句文字数据同样对应有两个语句场景。则语义处理***提取该语句文字数据的固定语句信息为“我想买”和“想去”，然后确定固定语句信息“我想买”所对应的场景数据为用户想要买某样物品的场景，确定固定语句信息“想去”所对应的场景数据为用户想去到某地的场景。
步骤104，在兴趣点库中匹配与泛化对象信息相对应的兴趣点数据，得到语句文字数据的校验值；
具体的，兴趣点库可以理解为用户设置的、当前语义处理***中的、用于存储兴趣点与泛化对象的匹配关系的数据库。兴趣点库中的兴趣点数据可以是用户根据需要设置的。如果在兴趣点库中匹配到了与泛化对象信息相对应的兴趣点数据时，语义处理***根据该兴趣点数据得到语句文字数据的校验值。如果当在兴趣点库中匹配不到与当前泛化对象信息相对应的兴趣点数据时，则语义处理***根据外接接口连接外接数据库，并在外接数据库匹配与泛化对象信息相对应的兴趣点数据，作为语句文字数据的校验值。
在一些优选的实施例中，在兴趣点库中匹配与泛化对象信息相对应的兴趣点数据时，需要获取从数据源中获取位置数据作为匹配条件，并根据匹配条件进行兴趣点数据的匹配。也就是说，在语义处理***匹配泛化对象信息相对应的兴趣点数据时，需要获取用户当前的位置信息，并将当前的位置信息作为匹配条件，筛选与匹配条件相符的兴趣点数据。
在一个具体的例子中，兴趣点库存储的内容包括：泛化对象信息“电影”对应的兴趣点数据包括“位置为x的电影院A”和“位置为y的电影院B”。用户输入的语句文字数据为“我想看电影”，语句文字数据中的泛化对象信息为“电影”，且语义处理***中的匹配条件为“筛选距离用户3公里内的兴趣点”。则语义处理***根据“电影”在兴趣点库中确定相应的兴趣点数据为“位置为x的电影院A”和“位置为y的电影院B”，但根据用户当前的位置信息以及“电影院A”和“电影院B”的位置信息，确定“电影院A”不符合“筛选距离用户3公里内的兴趣点”的匹配条件但“电影院B”符合，则“位置为y的电影院B”语句文字数据的校验值。
可以理解的是，如果提取到的泛化对象信息为多个，则需要在兴趣点库中匹配每一个泛化对象信息相对应的兴趣点数据，得到每一个泛化对象的匹配结果，也就是会多得到多个语句文字数据的校验值。
步骤105，根据语句文字数据的校验值和场景数据得到语义匹配结果数据，并输出。
具体的，语义匹配结果数据可以理解为待向用户输出的语义匹配结果。根据语句文字数据的校验值和场景数据得到语义匹配结果数据的过程，可以理解为将语句文字数据的校验值带入场景数据的数据集中，得到语义匹配结果的过程，得到语义匹配结果后语义处理***输出语义匹配结果，输出方式包括语音输出和文字输出。
输出语义匹配结果数据时，语义处理***中的处理器将语义匹配结果数据封装入语义处理***中的输出队列的末尾。轮询器监听输出队列的数据***，从输出队列中获取输入队列末尾的语义匹配结果数据，并输出。由于从语句文字数据中提取到的泛化对象信息的个数为一个或多个，当语义匹配结果数据为多个时，处理器根据各个语义匹配结果数据对应的领域优先级确定最优的语义匹配结果数据，并输出。
在一些优选的实施例中，处理器在匹配语句文字数据的语义时，首先会记录轮询器从输入队列中获取输入队列末尾的语句文字数据的第一时间，并监测***时间，根据第一时间和***时间得到语义处理时间，语义处理时间可以理解为处理器根据计算得到的语义处理***处理语句文字数据的时间。当处理器监测到语义处理时间大于预设时间时，处理器输出反馈语句。预设时间可以是用户根据需要设置的允许等待语义匹配结果的最大时间。当处理器监测到语义处理时间大于预设时间时，说明语义处理***处理语句文字数据的时间已超过允许等待语义匹配结果的最大时间，则处理器输出例如“我需要更多信息”的反馈语句，用以向用户反馈当前语义匹配过程超时。
本发明实施例提供的语义匹配方法，通过对语句的句式泛化处理，可以得到句式中的固定语和泛化对象，并由此对应到相应的应用场景和兴趣点，并最终根据应用场景和兴趣点得到语义匹配结果，使得得到语义匹配结果的过程快速且准确，并也使得语义匹配结果更加符合语句的应用场景。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、用户终端执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种智能语义匹配方法，其特征在于，所述方法包括：
语义处理***接收语句数据，得到语句文字数据；
根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的固定语信息和泛化对象信息；
根据所述固定语句信息确定所述语句文字数据对应的场景数据；
在兴趣点库中匹配与所述泛化对象信息相对应的兴趣点数据，得到所述语句文字数据的校验值；
根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并输出。
2.根据权利要求1所述的语义匹配方法，其特征在于，所述语句数据包括语句语音数据和语句文字数据。
3.根据权利要求2所述的语义匹配方法，其特征在于，所述语义处理***接收语句数据具体为：
所述语义处理***的语音转换器接收所述语句数据，对所述语句数据中的语句语音数据进行识别，得到所述语句语音数据的语句文字数据，并将所述语句语音数据的语句文字数据***所述语义处理***的输入队列的末尾；
所述语义处理***的轮询器监听所述输入队列的数据***，从所述输入队列中获取所述输入队列末尾的语句文字数据，得到所述语句文字数据。
4.根据权利要求1所述的语义匹配方法，其特征在于，从所述语句文字数据中提取到的泛化对象信息的个数为一个或多个。
5.根据权利要求4所述的语义匹配方法，其特征在于，当从所述语句文字数据中提取到的泛化对象信息的个数为多个时，所述语义匹配结果数据为多个；
当所述语义匹配结果数据为多个时，根据各个语义匹配结果数据对应的领域优先级确定最优的语义匹配结果数据，并输出。
6.根据权利要求1所述的语义匹配方法，其特征在于，在所述根据语法规则树对所述语句文字数据进行句式泛化处理，提取所述语句文字数据中的固定语信息和泛化对象信息之前，所述方法还包括：
将历史语句文字数据输入所述句式解析模型进行训练，得到训练后的句式解析模型，用以语义处理***根据所述训练后的句式解析模型对所述语句文字数据进行句式泛化处理。
7.根据权利要求1所述的语义匹配方法，其特征在于，当在所述兴趣点库中匹配不到所述泛化对象信息相对应的兴趣点数据时，所述方法还包括：
根据外接接口连接外接数据库，并在所述外接数据库匹配与所述泛化对象信息相对应的兴趣点数据。
8.根据权利要求2所述的语义匹配方法，其特征在于，所述根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并输出具体为：
根据所述语句文字数据的校验值和所述场景数据得到语义匹配结果数据，并将所述语义匹配结果数据封装入所述语义处理***中的输出队列的末尾；
所述轮询器监听所述输出队列的数据***，从所述输出队列中获取所述输入队列末尾的语义匹配结果数据，并输出。
9.根据权利要求8所述的语义匹配方法，其特征在于，在所述从所述输入队列中获取所述输入队列末尾的语句文字数据之后，所述方法还包括：
所述语义处理***中的处理器记录所述轮询器从所述输入队列中获取所述输入队列末尾的语句文字数据的第一时间，并监测***时间；
根据所述第一时间和所述***时间得到语义处理时间；
当所述处理器监测到所述语义处理时间大于预设时间时，输出反馈语句。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910231569.1A CN109977405A (zh) | 2019-03-26 | 2019-03-26 | 一种智能语义匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910231569.1A CN109977405A (zh) | 2019-03-26 | 2019-03-26 | 一种智能语义匹配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109977405A true CN109977405A (zh) | 2019-07-05 |
Family
ID=67080579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910231569.1A Pending CN109977405A (zh) | 2019-03-26 | 2019-03-26 | 一种智能语义匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109977405A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241450A (zh) * | 2020-03-23 | 2021-01-19 | 北京来也网络科技有限公司 | 结合rpa与ai的问答语句处理方法、装置、设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105468583A (zh) * | 2015-12-09 | 2016-04-06 | 百度在线网络技术（北京）有限公司 | 一种实体关系的获取方法及装置 |
| CN105895090A (zh) * | 2016-03-30 | 2016-08-24 | 乐视控股（北京）有限公司 | 语音信号处理方法及装置 |
| CN107169113A (zh) * | 2017-05-19 | 2017-09-15 | 网易（杭州）网络有限公司 | 用于基于用户性格实现人工智能对话的方法及设备 |
| CN107590123A (zh) * | 2017-08-07 | 2018-01-16 | 问众智能信息科技（北京）有限公司 | 车载中地点上下文指代消解方法及装置 |
| CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
-
2019
- 2019-03-26 CN CN201910231569.1A patent/CN109977405A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105468583A (zh) * | 2015-12-09 | 2016-04-06 | 百度在线网络技术（北京）有限公司 | 一种实体关系的获取方法及装置 |
| CN105895090A (zh) * | 2016-03-30 | 2016-08-24 | 乐视控股（北京）有限公司 | 语音信号处理方法及装置 |
| CN107169113A (zh) * | 2017-05-19 | 2017-09-15 | 网易（杭州）网络有限公司 | 用于基于用户性格实现人工智能对话的方法及设备 |
| CN107590123A (zh) * | 2017-08-07 | 2018-01-16 | 问众智能信息科技（北京）有限公司 | 车载中地点上下文指代消解方法及装置 |
| CN107832286A (zh) * | 2017-09-11 | 2018-03-23 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241450A (zh) * | 2020-03-23 | 2021-01-19 | 北京来也网络科技有限公司 | 结合rpa与ai的问答语句处理方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109389971A (zh) | 基于语音识别的保险录音质检方法、装置、设备和介质 | |
| CN107622054B (zh) | 文本数据的纠错方法及装置 | |
| CN109523989B (zh) | 语音合成方法、语音合成装置、存储介质及电子设备 | |
| KR102101044B1 (ko) | 텍스트 투 스피치 및 시맨틱스에 기초한 오디오 인적 상호 증명 기법 | |
| CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
| CN110457432A (zh) | 面试评分方法、装置、设备及存储介质 | |
| WO2020233386A1 (zh) | 基于aiml的智能问答方法、装置、计算机设备及存储介质 | |
| US11556805B2 (en) | Cognitive data discovery and mapping for data onboarding | |
| CN107844470B (zh) | 一种语音数据处理方法及其设备 | |
| KR101534413B1 (ko) | 상담 정보를 이용하여 상담 대화를 제공하는 방법 및 장치 | |
| CN111428025A (zh) | 文本摘要方法、装置、电子设备和存储介质 | |
| CN108388597A (zh) | 会议摘要生成方法以及装置 | |
| CN112463942A (zh) | 文本处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110008471A (zh) | 一种基于拼音转换的智能语义匹配方法 | |
| CN111881297A (zh) | 语音识别文本的校正方法及装置 | |
| CN114547274A (zh) | 多轮问答的方法、装置及设备 | |
| CN108536673B (zh) | 新闻事件抽取方法及装置 | |
| CN109992651B (zh) | 一种问题目标特征自动识别和抽取方法 | |
| CN114722837A (zh) | 一种多轮对话意图识别方法、装置及计算机可读存储介质 | |
| CN109960805A (zh) | 一种基于语义领域划分的智能语义匹配方法 | |
| CN112270917B (zh) | 一种语音合成方法、装置、电子设备及可读存储介质 | |
| CN109960806A (zh) | 一种自然语言处理方法 | |
| CN109960807A (zh) | 一种基于上下文关联的智能语义匹配方法 | |
| CN109977405A (zh) | 一种智能语义匹配方法 | |
| CN113362815A (zh) | 语音交互方法、***、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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |
|
| RJ01 | Rejection of invention patent application after publication |