JP2022106980A - クエリ文の生成方法、装置、電子機器及び記憶媒体 - Google Patents
クエリ文の生成方法、装置、電子機器及び記憶媒体 Download PDFInfo
- Publication number
- JP2022106980A JP2022106980A JP2022078448A JP2022078448A JP2022106980A JP 2022106980 A JP2022106980 A JP 2022106980A JP 2022078448 A JP2022078448 A JP 2022078448A JP 2022078448 A JP2022078448 A JP 2022078448A JP 2022106980 A JP2022106980 A JP 2022106980A
- Authority
- JP
- Japan
- Prior art keywords
- node
- vector representation
- vector
- target
- query statement
- 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 84
- 239000013598 vector Substances 0.000 claims abstract description 501
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/332—Query formulation
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
short-term memory、長短期記憶ネットワーク)をエンコーダーとして質問文をエンコードしてもよく、または、RNN(recurrent neural
network、リカレントニューラルネットワーク)、多層LSTMなどを使用して質問文をエンコードしてもよく、取得されたエンコード結果は、質問文に対応する第3のベクトル表現である。本開示ではこれを限定しない。
車種 FROM 車のテーブル WHERE エネルギータイプ=「燃料」 AND 販売量 > (SELECT AVG(販売量) FROM 車のテーブル )であり、それに対応する構文ツリーを図2aに示す。
query language、構造化クエリ文)などのさまざまな形式をとることができるが、本開示ではこれを限定しない。
1 0)と(1 0 0)であり、B1とB2に対応する基本ベクトルを加算して、ベクトル(1 1 0)を取得し、対応する重み係数は0.5であり、重みを付けて融合して、0.5*(0 0 1)+0.5(1 1 0)、即ち、ノードBの更新されたベクトル表現を取得することができる。
Attentionはアテンションを計算するための演算子であり、
::= Condition1 And Condition2である場合、この文法に基づいて、ターゲットノードを生成することができるが、本開示ではこれを限定しない。
本開示の実施例によれば、本開示は、コンピュータプログラムをさらに提供し、上記コンピュータプログラムがプロセッサによって実行される場合、本開示によって提供されるクエリ文の生成方法が実現される。
602及び/又は通信ユニット609を介して、デバイス600にロード及び/又はインストールすることができる。コンピュータプログラムがRAM
603にロードされて計算ユニット601によって実行される場合に、前述したクエリ文の生成方法の一つ又は複数のステップを実行することができる。選択的に、他の実施例では、計算ユニット601は、クエリ文の生成方法を実行するように他の任意の適当な形態(例えば、ファームウェア)で構成されてもよい。
Private Server、また、「VPS」と略記する)サービスでは、管理が難しく、業務拡張性が弱いという欠点を解決している。サーバは、分散システムのサーバ、又はブロックチェーンを組み合わせたサーバであってもよい。
Claims (23)
- 生成対象のクエリ文に対応する第1の構文ツリーの各既知のノードに基づいて、現在の第1のベクトル表現を決定するステップと、
前記第1のベクトル表現と予め設定されたコピー基準マトリックスとに基づいて、現在の生成対象のターゲットノードに対応するターゲット生成戦略を決定するステップと、
前記ターゲット生成戦略を実行して、前記第1のベクトル表現または第2のベクトル表現に基づいて、前記ターゲットノードを生成するステップであって、前記第2のベクトル表現は、前記生成対象のクエリ文に隣接する前のクエリ文に対応するベクトル表現であるステップと、
前記ターゲットノードがターミネータである場合、前記各既知のノード及び前記ターミネータに基づいて、前記クエリ文を生成するステップと、
を含むクエリ文の生成方法。 - 現在の質問文をエンコードして、前記質問文に対応する第3のベクトル表現を決定するステップと、
前記第3のベクトル表現、前記第2のベクトル表現及びクエリ対象の知識ベースに基づいて、基準ベクトル表現を決定するステップと、
前記基準ベクトル表現と前記予め設定されたコピー基準マトリックスとに基づいて、前記第1の構文ツリーのルートノードに対応するターゲット生成戦略を決定するステップと、
前記ターゲット生成戦略を実行して、前記基準ベクトル表現または前記第2のベクトル表現に基づいて、前記ルートノードを生成するステップと、
を含む請求項1に記載の方法。 - 前記ターゲットノードを生成するステップの後に、
前記ターゲットノードが非ターミネータである場合、前記ターゲットノードと前記各既知のノードとに基づいて、前記第1のベクトル表現を更新するステップと、
前記更新された第1のベクトル表現に基づいて、生成されたノードがターミネータになるまで、前記ターゲット生成戦略を決定するステップに戻って実行するステップと、
を含む請求項1に記載の方法。 - 前記前のクエリ文をエンコードして、前記前のクエリ文に対応する第2の構文ツリーの各ノードに対応する基本ベクトル表現を決定するステップと、
前記第2の構文ツリーの各ノード間の関係に基づいて、前記各ノードに対応する基本ベクトル表現を更新して、前記前のクエリ文に対応する第2のベクトル表現を取得するステップと、
を含む請求項1に記載の方法。 - 前記第2の構文ツリーの各ノード間の関係に基づいて、前記各ノードに対応する基本ベクトル表現を更新して、前記前のクエリ文に対応する第2のベクトル表現を取得するステップが、
前記各ノードに対応する重み係数に基づいて、前記各ノードに関連付けられたサブノードの基本ベクトル表現を使用して、前記各ノードの基本ベクトル表現を更新して、前記各ノードの更新されたベクトル表現を取得するステップと、
前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定するステップと、
を含む請求項4に記載の方法。 - 前記第2の構文ツリーの各ノード間の関係に基づいて、前記各ノードに対応する基本ベクトル表現を更新して、前記前のクエリ文に対応する第2のベクトル表現を取得するステップが、
前記第2の構文ツリーの各ノード間の関係に基づいて、各ノードに対応するサブノードを決定するステップと、
前記各ノードの基本ベクトル及び対応するサブノードの基本ベクトルを、トレーニングによって生成された第1のアテンションモデルに入力して、前記各ノードの更新されたベクトル表現を取得するステップと、
前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定するステップと、
を含む請求項4に記載の方法。 - 前記前のクエリ文の各ノードに対応する基本ベクトル表現を決定するステップの後に、
前記第2の構文ツリーの各ノード間の関係に基づいて、各ノードに対応するサブノードを決定するステップと、
現在の質問文に対応する第3のベクトル表現を取得するステップと、
前記第3のベクトル表現、前記各ノードの基本ベクトル及び対応するサブノードの基本ベクトルを、トレーニングによって生成された第2のアテンションモデルに入力して、前記各ノードの更新されたベクトル表現を取得するステップと、
前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定するステップと、
を含む請求項4に記載の方法。 - 前記ターゲットノードは非リーフノードであり、前記ターゲット生成戦略には、前記ターゲットノードを生成するときにコピーを実行するか否かを示すための第1の演算子、及び文法コピー動作を実行するか否かを示すための第2の演算子が含まれ、
前記ターゲット生成戦略を実行して、前記第1のベクトル表現または第2のベクトル表現に基づいて、前記ターゲットノードを生成するステップが、
前記第1の演算子がコピーを実行するように示し、第2の演算子が文法コピー動作を実行するように示す場合、前記前のクエリ文に対応する第2の構文ツリーに含まれる各候補文法ベクトルを取得するステップと、
前記各候補文法ベクトルと前記第1のベクトル表現との距離に基づいて、ターゲット文法ベクトルを決定するステップと、
前記ターゲット文法ベクトルに基づいて、前記ターゲットノードを生成するステップと、
を含む請求項1に記載の方法。 - 前記第1の演算子がコピーを実行するように示し、第2の演算子が文法コピー動作を実行しないように示す場合、前記第2の構文ツリーに含まれる各候補サブツリーに対応する各サブツリーベクトルを取得するステップと、
前記各サブツリーベクトルと前記第1のベクトル表現との距離に基づいて、ターゲットサブツリーベクトルを決定するステップと、
前記ターゲットサブツリーベクトルに対応するサブツリーを、前記ターゲットノードとして決定するステップと、
を含む請求項8に記載の方法。 - 前記ターゲットノードはリーフノードであり、前記コピー戦略には、前記ターゲットノードを生成するときに、指定されたコピー動作を実行するか否かを示すための第3の演算子がさらに含まれ、
前記ターゲット生成戦略を実行して、前記第1のベクトル表現または第2のベクトル表現に基づいて、前記ターゲットノードを生成するステップが、
前記第3の演算子が前記指定されたコピー動作を実行するように示す場合、前記第2の構文ツリーに含まれる、前記指定されたコピー動作に対応する各候補ノードベクトルを取得するステップと、
前記各候補ノードベクトルと前記第1のベクトル表現との距離に基づいて、ターゲットノードベクトルを決定するステップと、
前記ターゲットノードベクトルに基づいて、前記ターゲットノードを生成するステップと、
を含む請求項1に記載の方法。 - 生成対象のクエリ文に対応する第1の構文ツリーの各既知のノードに基づいて、現在の第1のベクトル表現を決定する第1の決定モジュールと、
前記第1のベクトル表現と予め設定されたコピー基準マトリックスとに基づいて、現在の生成対象のターゲットノードに対応するターゲット生成戦略を決定する第2の決定モジュールと、
前記ターゲット生成戦略を実行して、前記第1のベクトル表現または第2のベクトル表現に基づいて、前記ターゲットノードを生成する第1の生成モジュールであって、前記第2のベクトル表現は、前記生成対象のクエリ文に隣接する前のクエリ文に対応するベクトル表現である第1の生成モジュールと、
前記ターゲットノードがターミネータである場合、前記各既知のノード及び前記ターミネータに基づいて、前記クエリ文を生成する第2の生成モジュールと、
を備えるクエリ文の生成装置。 - 前記第1の決定モジュールが、現在の質問文をエンコードして、前記質問文に対応する第3のベクトル表現を決定し、
前記第1の決定モジュールが、前記第3のベクトル表現、前記第2のベクトル表現及びクエリ対象の知識ベースに基づいて、基準ベクトル表現を決定し、
前記第1の決定モジュールが、前記基準ベクトル表現と前記予め設定されたコピー基準マトリックスとに基づいて、前記第1の構文ツリーのルートノードに対応するターゲット生成戦略を決定し、
前記第1の生成モジュールが、前記ターゲット生成戦略を実行して、前記基準ベクトル表現または前記第2のベクトル表現に基づいて、前記ルートノードを生成する請求項11に記載の装置。 - 前記ターゲットノードが非ターミネータである場合、前記ターゲットノードと前記各既知のノードとに基づいて、前記第1のベクトル表現を更新する更新モジュールと、
前記更新された第1のベクトル表現に基づいて、生成されたノードがターミネータになるまで、前記ターゲット生成戦略を決定するステップに戻って実行する実行モジュールと、
を備える請求項11に記載の装置。 - 前記前のクエリ文をエンコードして、前記前のクエリ文に対応する第2の構文ツリーの各ノードに対応する基本ベクトル表現を決定するエンコードモジュールと、
前記第2の構文ツリーの各ノード間の関係に基づいて、前記各ノードに対応する基本ベクトル表現を更新して、前記前のクエリ文に対応する第2のベクトル表現を取得する取得モジュールと、
を備える請求項11に記載の装置。 - 前記取得モジュールが、
前記各ノードに対応する重み係数に基づいて、前記各ノードに関連付けられたサブノードの基本ベクトル表現を使用して、前記各ノードの基本ベクトル表現を更新して、前記各ノードの更新されたベクトル表現を取得し、
前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定する請求項14に記載の装置。 - 前記取得モジュールが、
前記第2の構文ツリーの各ノード間の関係に基づいて、各ノードに対応するサブノードを決定し、
前記各ノードの基本ベクトル及び対応するサブノードの基本ベクトルを、トレーニングによって生成された第1のアテンションモデル
に入力して、前記各ノードの更新されたベクトル表現を取得し、
前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定する請求項14に記載の装置。 - 前記第1の決定モジュールが、前記第2の構文ツリーの各ノード間の関係に基づいて、各ノードに対応するサブノードを決定し、
前記第1の生成モジュールが、現在の質問文に対応する第3のベクトル表現を取得し、
前記第1の生成モジュールが、前記第3のベクトル表現、前記各ノードの基本ベクトル及び対応するサブノードの基本ベクトルを、トレーニングによって生成された第2のアテンションモデルに入力して、前記各ノードの更新されたベクトル表現を取得し、
前記第1の決定モジュールが、前記各ノードの更新されたベクトル表現に基づいて、前記前のクエリ文に対応する第2のベクトル表現を決定する請求項14に記載の装置。 - 前記ターゲットノードが非リーフノードであり、前記ターゲット生成戦略には、前記ターゲットノードを生成するときにコピーを実行するか否かを示すための第1の演算子、及び文法コピー動作を実行するか否かを示すための第2の演算子が含まれ、
前記第1の生成モジュールが、
前記第1の演算子がコピーを実行するように示し、第2の演算子が文法コピー動作を実行するように示す場合、前記前のクエリ文に対応する第2の構文ツリーに含まれる各候補文法ベクトルを取得し、
前記各候補文法ベクトルと前記第1のベクトル表現との距離に基づいて、ターゲット文法ベクトルを決定し、
前記ターゲット文法ベクトルに基づいて、前記ターゲットノードを生成する請求項11から17のいずれか一項に記載の装置。 - 前記第1の生成モジュールが、
前記第1の演算子がコピーを実行するように示し、第2の演算子が文法コピー動作を実行しないように示す場合、前記第2の構文ツリーに含まれる各候補サブツリーに対応する各サブツリーベクトルを取得し、
前記各サブツリーベクトルと前記第1のベクトル表現との距離に基づいて、ターゲットサブツリーベクトルを決定し、
前記ターゲットサブツリーベクトルに対応するサブツリーを、前記ターゲットノードとして決定する請求項18に記載の装置。 - 前記ターゲットノードはリーフノードであり、前記コピー戦略には、前記ターゲットノードを生成するときに、指定されたコピー動作を実行するか否かを示すための第3の演算子がさらに含まれ、
前記第1の生成モジュールが、
前記第3の演算子が前記指定されたコピー動作を実行するように示す場合、前記第2の構文ツリーに含まれる、前記指定されたコピー動作に対応する各候補ノードベクトルを取得し、
前記各候補ノードベクトルと前記第1のベクトル表現との距離に基づいて、ターゲットノードベクトルを決定し、
前記ターゲットノードベクトルに基づいて、前記ターゲットノードを生成する請求項11から17のいずれか一項に記載の装置。 - 少なくとも1つのプロセッサと、
該少なくとも1つのプロセッサに通信可能に接続されるメモリと、
を備え、
前記メモリには、前記少なくとも1つのプロセッサによって実行される命令が記憶されており、前記命令が、前記少なくとも1つのプロセッサが請求項1から10のいずれか一項に記載の方法を実行できるように、前記少なくとも1つのプロセッサによって実行される電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1から10のいずれか一項に記載の方法を実行させる非一時的なコンピュータ読み取り可能な記憶媒体。 - プロセッサによって実行される場合、請求項1から10のいずれか一項に記載の方法が実現されるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110733923.8 | 2021-06-30 | ||
CN202110733923.8A CN113553411B (zh) | 2021-06-30 | 2021-06-30 | 查询语句的生成方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022106980A true JP2022106980A (ja) | 2022-07-20 |
Family
ID=78131133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022078448A Pending JP2022106980A (ja) | 2021-06-30 | 2022-05-11 | クエリ文の生成方法、装置、電子機器及び記憶媒体 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022106980A (ja) |
CN (1) | CN113553411B (ja) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788992A (zh) * | 2009-05-06 | 2010-07-28 | 厦门东南融通***工程有限公司 | 一种数据库查询语句的转换方法和转换*** |
US9594802B2 (en) * | 2014-09-25 | 2017-03-14 | Sap Se | Graphical modeling of database query statements |
CN106033466A (zh) * | 2015-03-20 | 2016-10-19 | 华为技术有限公司 | 数据库查询的方法和设备 |
CN106610999A (zh) * | 2015-10-26 | 2017-05-03 | 北大方正集团有限公司 | 查询处理方法和装置 |
US10289615B2 (en) * | 2017-05-15 | 2019-05-14 | OpenGov, Inc. | Natural language query resolution for high dimensionality data |
CN107491534B (zh) * | 2017-08-22 | 2020-11-20 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
CN110334179B (zh) * | 2019-05-22 | 2020-12-29 | 深圳追一科技有限公司 | 问答处理方法、装置、计算机设备和存储介质 |
CN110609849B (zh) * | 2019-08-27 | 2022-03-25 | 广东工业大学 | 一种基于sql语法树节点类型的自然语言生成方法 |
CN111459967A (zh) * | 2020-03-03 | 2020-07-28 | 深圳壹账通智能科技有限公司 | 结构化查询语句生成方法、装置、电子设备及介质 |
CN112559552B (zh) * | 2020-12-03 | 2023-07-25 | 北京百度网讯科技有限公司 | 数据对生成方法、装置、电子设备及存储介质 |
CN113032465B (zh) * | 2021-05-31 | 2021-09-10 | 北京谷数科技股份有限公司 | 数据查询方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-30 CN CN202110733923.8A patent/CN113553411B/zh active Active
-
2022
- 2022-05-11 JP JP2022078448A patent/JP2022106980A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113553411A (zh) | 2021-10-26 |
CN113553411B (zh) | 2023-08-29 |
US20220179889A1 (en) | 2022-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220292269A1 (en) | Method and apparatus for acquiring pre-trained model | |
US20220350965A1 (en) | Method for generating pre-trained language model, electronic device and storage medium | |
JP7283009B2 (ja) | 対話理解モデルの訓練方法、装置、デバイス及び記憶媒体 | |
JP7228662B2 (ja) | イベント抽出方法、装置、電子機器及び記憶媒体 | |
US10496749B2 (en) | Unified semantics-focused language processing and zero base knowledge building system | |
JP7301922B2 (ja) | 意味検索方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
JP7108675B2 (ja) | 意味マッチング方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
KR20220005416A (ko) | 다항 관계 생성 모델의 트레이닝 방법, 장치, 전자 기기 및 매체 | |
JP2021182430A (ja) | 意味解析モデルのトレーニング方法及び装置、電子機器並びに記憶媒体 | |
KR102565673B1 (ko) | 시멘틱 표현 모델의 생성 방법, 장치, 전자 기기 및 저장 매체 | |
EP3847591A1 (en) | Natural language question answering | |
KR20210038853A (ko) | 이벤트 추출 방법, 이벤트 추출 장치 및 전자 기기 | |
JP7335300B2 (ja) | 知識事前訓練モデルの訓練方法、装置及び電子機器 | |
EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
JP2022003537A (ja) | 対話意図の認識方法及び装置、電子機器並びに記憶媒体 | |
JP7297038B2 (ja) | ニューラルネットワークモデルの事前トレーニング方法、装置、電子機器及び媒体 | |
JP2023012493A (ja) | 言語モデルの事前トレーニング方法、装置、デバイスおよび記憶媒体 | |
JP7395553B2 (ja) | 文章翻訳方法、装置、電子機器及び記憶媒体 | |
US11321370B2 (en) | Method for generating question answering robot and computer device | |
JP2021099798A (ja) | 構造化処理方法、装置、コンピュータ機器及び媒体 | |
CN113641830B (zh) | 模型预训练方法、装置、电子设备和存储介质 | |
JP7369228B2 (ja) | ユーザ興味画像の生成方法、装置、電子機器及び記憶媒体 | |
CN114281968A (zh) | 一种模型训练及语料生成方法、装置、设备和存储介质 | |
CN113392197A (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN108932225B (zh) | 用于将自然语言需求转换成为语义建模语言语句的方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220511 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240412 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240423 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240524 |