JP7352640B2 - 検索項目書き換え方法、装置、機器および記憶媒体 - Google Patents

検索項目書き換え方法、装置、機器および記憶媒体 Download PDF

Info

Publication number
JP7352640B2
JP7352640B2 JP2021545777A JP2021545777A JP7352640B2 JP 7352640 B2 JP7352640 B2 JP 7352640B2 JP 2021545777 A JP2021545777 A JP 2021545777A JP 2021545777 A JP2021545777 A JP 2021545777A JP 7352640 B2 JP7352640 B2 JP 7352640B2
Authority
JP
Japan
Prior art keywords
search item
search
item
information
original
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
Application number
JP2021545777A
Other languages
English (en)
Other versions
JP2022544428A (ja
Inventor
▲錦▼▲芸▼ 雷
世▲強▼ 丁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from CN202010600669.XA external-priority patent/CN111797216B/zh
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2022544428A publication Critical patent/JP2022544428A/ja
Application granted granted Critical
Publication of JP7352640B2 publication Critical patent/JP7352640B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • G06F16/24534—Query rewriting; Transformation
    • G06F16/24542—Plan optimisation
    • 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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/3332—Query translation
    • G06F16/3338—Query expansion
    • 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
    • G06F16/3343—Query execution using phonetics
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/42—Data-driven translation
    • G06F40/44—Statistical methods, e.g. probability models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、出願日が２０２０年６月２８日であり、出願番号がＣＮ２０２０１０６００６６９．Ｘである中国特許出願に対して優先権の利益を主張するものであり、該出願の全てのコンテンツを引用により本発明に援用する。
本発明は、データ処理の技術分野に関し、特に、人工知能、音声技術、インテリジェント検索および深層学習などの技術分野に関する。具体的に、本発明の実施例は、検索項目書き換え方法、装置、機器および記憶媒体を提供している。
周知されているように、ユーザの口語的表現は多様であることから、音声クエリ（ｑｕｅｒｙ、検索項目）も多様性が強くて、大量の音声クエリが理解されえず、満足され得ない原因となっている。現在、ほとんどのマップタイプの音声アシスタント製品は、このような状況が発生すると、ほとんどの場合、デフォルト応答又はルールの構成による応答、たとえば、「ちゃんと聞き取れなくて申し訳ありません」なる形態が利用されている。このような応答では、ユーザに、製品が機械的で知能性が足りない感じを与え、更にその上、現在ユーザとの相互作用を中断し、ユーザの体験感を低下させる。
以下は、本明細書で詳細的に説明する主題に対する概要である。本発明の請求項の保護範囲は本概要によって限定されるものではない。
本発明は、検索項目書き換え方法、装置、機器および記憶媒体を提供する。
本発明は、
検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報および前記オリジナル検索項目の意図情報のうちの少なくとも１つを抽出することと、
前記コンテキスト情報および前記意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定することと、を含み、
マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い、
検索項目書き換え方法を提供する。
本発明は、
検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報および前記オリジナル検索項目の意図情報のうちの少なくとも１つを抽出するように構成される情報抽出モジュールと、
前記コンテキスト情報および前記意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定するように構成される検索項目確定モジュールと、を備え、
マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い、
検索項目書き換え装置をさらに提供する。
本発明は、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサと通信接続される記憶装置と、を備え、
前記記憶装置に前記少なくとも１つのプロセッサにより実行可能な命令が記憶され、
前記命令は、前記少なくとも１つのプロセッサが本発明の実施例のいずれか１項に記載の検索項目書き換え方法を実行可能であるように、前記少なくとも１つのプロセッサに実行される、
電子機器をさらに提供する。
本発明は、
本発明の実施例のいずれか１項に記載の検索項目書き換え方法をコンピュータに実行させるためのコンピュータ命令が記憶されている、
非瞬時性コンピュータ可読記憶媒体をさらに提供する。
図面と詳細的な説明を読んでよく理解すれば、他の態様も把握できる。
図面は、本技術案がよりよく理解されるように提供され、本発明を限定するものではない。
本発明の実施例に係る検索項目書き換え方法のフロー図である。 本発明の実施例に係る別の検索項目書き換え方法のフロー図である。 本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。 本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。 本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。 本発明の実施例に係る新規検索項目のフィードバック効果の概略図である。 本発明の実施例に係る別の新規検索項目のフィードバック効果の概略図である。 本発明の実施例に係る検索項目書き換えモデルの構造概略図である。 本発明の実施例に係るマップ音声アシスタントに適用されるシステムのブロック図である。 本発明の実施例に係る検索項目書き換え装置の構造概略図である。 本発明の実施例に係る検索項目書き換え方法による電子機器のブロック図である。
以下は、図面を参照しながら、本発明の例示的な実施例について説明する。ここで、本発明に係る実施例および実施例に係る構成は、衝突しない限り、それぞれ任意に組み合わせ可能である。同様に、明確化および簡明化のため、以下の説明では公知の機能および構造についての説明を省略した。
図１は、本発明の実施例に係る検索項目書き換え方法のフロー図である。本実施例は、人間とマシンが知能対話を行う場合に適用可能である。当該方法は、検索項目書き換え装置により実行可能であり、当該装置はソフトウェア及び／又はハードウェアの形態で実現可能である。典型的には、当該装置は上記マシンに配置可能である。図１を参照すると、本発明の実施例に係る検索項目書き換え方法は、ステップＳ１１０およびステップＳ１２０を含む。
ステップＳ１１０において、検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及び当該オリジナル検索項目の意図情報のうちの少なくとも１つを抽出する。
ここで、検索項目書き換え要求は、検索項目に対して書き換えを実行することをトリガーする要求を指す。
当該要求のトリガーイベントは、ユーザが検索項目を入力するイベントであってもよい。
検索効率を向上するために、当該要求のトリガーイベントは、ユーザから入力された検索項目に対してマシンが理解できないことが検知されたというイベントであってもよい。
オリジナル検索項目は、ユーザから入力された書き換え待ちの検索テキストである。
オリジナル検索項目のコンテキスト情報は、オリジナル検索項目のコンテキストを説明する情報である。
コンテキストは、コンテクスト又はセマンティックスに理解してもよい。
一実施例において、オリジナル検索項目のコンテキスト情報を抽出することは、
オリジナル検索項目における語句間の第１語句関係情報を抽出し、当該情報をオリジナル検索項目のコンテキスト情報とすることを含む。
第１語句関係情報は、オリジナル検索項目における語句間の関係を説明する情報を指す。
代替的に、双方向リカレントニューラルネットワーク（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ、Ｂｉ－ＲＮＮ）又は双方向長期短期記憶ネットワーク（Ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ Ｌｏｎｇ－Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ、Ｂｉ－ＬＳＴＭ）に基づき、オリジナル検索項目のワードベクトルに従って、オリジナル検索項目の第１語句関係情報を確定する。
オリジナル検索項目の意図情報は、オリジナル検索項目の意図を説明する情報である。
ステップＳ１２０において、抽出されたオリジナル検索項目のコンテキスト情報及び意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定する。
ここで、マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い。
マシンは、人間と知能対話を行う機器である。
例示的に、マシンは、スマートスピーカ、音声アシスタントが搭載されている携帯電話などであってもよい。
新規検索項目は、オリジナル検索項目を書き換えることで得られ、且つ、マシンにとってオリジナル検索項目よりも理解しやすい検索項目を指す。
新規検索項目に対するマシンの理解度は、新規検索項目に対するマシンの理解程度を表す。
オリジナル検索項目に対するマシンの理解度は、オリジナル検索項目に対するマシンの理解程度を表す。
マシンワード集合は、マシンが理解できるワードの集合を指す。
一実施例において、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定することは、
オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つに基づいて、マシンワード集合からターゲットワードを確定することと、
シンタクスに従って、前記ターゲットワードを組み合わせ、新規検索項目をえることと、を含む。
ここで、ターゲットワードは、マシンワード集合から選択され、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つを説明することに用いられるワードを指す。
本発明の実施例に係る技術案は、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、マシンより理解され得る新規検索項目を確定することで、マシンの検索効率およびマシンの知能化を向上させ、さらにユーザ体験を向上させる。
また、新規検索項目がセマンティックス次元および意図次元の両方においてオリジナル検索項目とマッチングされるように、オリジナル検索項目のコンテキスト情報およびオリジナル検索項目の意図情報に基づいて、新規検索項目を確定し、これにより、新規検索項目の正確率を向上させる。
図２は、本発明の実施例に係る別の検索項目書き換え方法のフロー図である。本技術案は上記実施例の上で、「前記コンテキスト情報及び前記意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定する」なるステップを具体的に最適化したものである。図２を参照すると、本技術案に係る検索項目書き換え方法はステップＳ２１０、ステップＳ２２０、ステップＳ２２０、ステップＳ２３０およびステップＳ２４０を含む。
Ｓ２１０において、検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つを抽出する。
Ｓ２２０において、オリジナル検索項目のコンテキスト情報およびマシンワード集合に基づいて、少なくとも２つの検索項目候補を確定する。
ここで、検索項目候補は、新規検索項目となる可能性のある検索項目を指す。
ステップＳ２３０において、検索項目候補の意図とオリジナル検索項目の意図とをマッチングする。
ステップＳ２４０において、マッチング結果に基づいて、少なくとも２つの検索項目候補から新規検索項目を確定する。
一実施例において、もし検索項目候補の意図とオリジナル検索項目の意図とのマッチングが一致すると、当該検索項目候補を新規検索項目とする。
本技術案は、先ず、オリジナル検索項目のコンテキスト情報およびマシンワード集合に基づいて、少なくとも２つの検索項目候補を確定し、次に、検索項目候補とオリジナル検索項目の意図とのマッチング結果に基づいて、少なくとも２つの検索項目候補から新規検索項目を確定することで、オリジナル検索項目のコンテキスト情報、オリジナル検索項目の意図情報およびマシンワード集合に基づく新規検索項目の確定を実現する。
図３は、本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。本技術案は、上記の技術案の上で、「オリジナル検索項目のコンテキスト情報およびマシンワード集合に基づいて、少なくとも２つの検索項目候補を確定する」なる上記のステップを具体的に最適化したものである。図３を参照すると、本技術案に係る検索項目書き換え方法は、ステップＳ３１０、ステップＳ３２０、ステップＳ３３０及びステップＳ３４０を含む。
ステップＳ３１０において、検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及び当該オリジナル検索項目の意図情報のうちの少なくとも１つを抽出する。
ステップＳ３２０において、オリジナル検索項目のコンテキスト情報を事前トレーニングされたシーケンス復号化ネットワークに入力し、少なくとも２つの検索項目候補を出力する。
ここで、シーケンス復号化ネットワークは、事前トレーニングによってマシンワード集合を学習した。
一実施例において、当該シーケンス復号化ネットワークはシーケンス対シーケンス（ｓｅｑｕｅｎｃｅ ｔｏ ｓｅｑｕｅｎｃｅ）モデルのフレームにおける復号化部のネットワーク層（Ｎｅｔｗｏｒｋ Ｌａｙｅｒ）である。
ステップＳ３３０において、検索項目候補の意図とオリジナル検索項目の意図とをマッチングする。
代替的に、検索項目候補の意図とオリジナル検索項目の意図とをマッチングすることは、
少なくとも２つの検索項目候補のうちの各々の検索項目候補の意図とオリジナル検索項目の意図とマッチングすること、又は、
少なくとも２つの検索項目候補のうちの一部の検索項目候補の意図とオリジナル検索項目の意図とをマッチングすること、を含む。
ステップＳ３４０において、マッチング結果に基づいて、少なくとも２つの検索項目候補から新規検索項目を確定する。
本技術案は、オリジナル検索項目の語義ベクトルを事前トレーニングされたシーケンス変換ネットワークに入力することで、少なくとも２つの検索項目候補を出力し、ここで、シーケンス変換ネットワークは事前トレーニングによってマシンワード集合を学習した。モデルがオリジナル検索項目と検索項目候補との関係をより正確的に学習できるので、本技術案は、検索項目候補の正確率を向上できる。
図４は本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。本技術案は、上記の技術案の上で、上記技術案をさらに拡張したものである。図４を参照すると、本技術案に係る検索項目書き換え方法は、ステップＳ４１０、ステップＳ４２０、ステップＳ４３０、ステップＳ４４０、ステップＳ４５０およびステップＳ４６０を含む。
ステップＳ４１０において、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定する。
ここで、サンプル検索項目セットに少なくとも１つの第１検索項目および少なくとも１つの第２検索項目が含まれており、第１検索項目に対するマシンの理解度は第１理解度閾値より高く、第２検索項目に対するマシンの理解度は第２理解度閾値より低く、且つ、第１検索項目と第２検索項目との語義類似度は、所定類似度閾値より大きい。
サンプル検索項目セットは、シーケンス復号化ネットワークをトレーニングするためのサンプルデータである。
第１検索項目は、マシンが理解できる検索項目を指す。
第２検索項目は、マシンが理解できない検索項目を指す。
第１理解度閾値は、マシンが検索項目を理解できる場合、検索項目に関する理解度の最小値を指す。
第２理解度閾値は、マシンが検索項目を理解できない場合、検索項目に関する理解度の最大値を指す。
回答情報は、ユーザから入力された検索項目に基づき、マシンからユーザに回答する情報を指す。
一実施例において、回答情報は、回答の内容であってもよく、回答の信頼性であってもよい。
検索項目シーケンスは、入力時間順に配列される複数の検索項目である。
一実施例において、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定することは、
ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を確定することと、
上記少なくとも１つの第１検索項目の発生時間と連続しており、且つ第１検索項目の後に発生する少なくとも１つの第２検索項目を検知することと、
少なくとも１つの第１検索項目及び少なくとも１つの第２検索項目に基づいて、サンプル検索項目セットを確定することと、を含む。
一実施例において、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を確定することは、
検索項目シーケンスのうち検索項目に関連するマシンがユーザにフィードバックする回答内容を確定することと、
もし回答内容が理解できないであれば、当該検索項目を第１検索項目とすることと、
そうでなければ、回答内容に基づき回答の信頼性を確定することと、
確定された信頼性が所定の信頼性閾値より小さければ、当該検索項目を第１検索項目とすることと、
検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を抽出することと、を含む。
ステップＳ４２０において、サンプル検索項目セットを利用して初期ネットワークをトレーニングし、シーケンス復号化ネットワークを得る。
ステップＳ４３０において、検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つを抽出する。
ステップＳ４４０において、抽出されたコンテキスト情報を事前トレーニングされたシーケンス復号化ネットワークに入力し、少なくとも２つの検索項目候補を出力する。
ここで、シーケンス復号化ネットワークは、事前トレーニングによってマシンワード集合を学習した。
ステップＳ４５０において、検索項目候補の意図とオリジナル検索項目の意図とをマッチングする。
ステップＳ４６０において、マッチング結果に基づいて、少なくとも２つの検索項目候補から新規検索項目を確定する。
代替的に、Ｓ４１０およびＳ４２０の実行主体は、Ｓ４３０ないしＳ４５０の実行主体と同じであってもよく、異なっていてもよい。
本技術案は、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスから、サンプル検索項目セットを確定することで、サンプル検索項目セットの自動確定を実現する。
サンプル検索項目セットの正確率をさらに向上させるためには、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定した後に、本技術案は、
もしサンプル検索項目セットに少なくとも２つの第１検索項目が含まれている場合、サンプル検索項目セットにおける各第１検索項目とサンプル検索項目セットにおける第２検索項目との類似度を算出することと、
算出された類似度に基づいて、サンプル検索項目セットにおける第１検索項目をフィルタリングすることと、をさらに含む。
当該技術構成に基づき、本技術案は、サンプル検索項目セットにおける各第１検索項目とサンプル検索項目セットにおける第２検索項目との類似度によって、サンプル検索項目セットにおける第１検索項目をフィルタリングすることで、サンプル検索項目セットにおける間違っている検索項目をフィルタアウトする。
図５は、本発明の実施例に係るさらなる検索項目書き換え方法のフロー図である。本技術案は、上記の技術案の上で、「オリジナル検索項目のコンテキスト情報を抽出する」なるステップを具体的に最適化したものである。図５を参照すると、本技術案に係る検索項目書き換え方法は、ステップＳ５１０、ステップＳ５１０、ステップＳ５１０およびステップＳ５１０を含む。
ステップＳ５１０において、検索項目書き換え要求に応答して、オリジナル検索項目の関連検索項目が存在する場合、オリジナル検索項目における語句間の第１語句関係情報、および関連検索項目における語句間の第２語句関係情報を抽出する。
ここで、関連検索項目は、オリジナル検索項目と語義的関連性のある検索項目を指す。
一実施例において、関連検索項目の確定は、
オリジナル検索項目とその他の検索項目との入力時間の間隔に基づいて、その他の検索項目からオリジナル検索項目の関連検索項目を確定することを含んでもよい。
その他の検索項目は、ユーザから入力された、オリジナル検索項目を除いた検索項目を指す。
第２語句関係情報は、関連検索項目における語句間関係を説明する情報である。
ステップＳ５２０において、抽出された第１語句関係情報および第２語句関係情報に基づいて、オリジナル検索項目のコンテキスト情報を確定する。
一実施例において、抽出された第１語句関係情報および第２語句関係情報に基づいて、オリジナル検索項目のコンテキスト情報を確定することは、
シーケンス対シーケンス（ｓｅｑｕｅｎｃｅ ｔｏ ｓｅｑｕｅｎｃｅ）モデルフレームのうちの符号化部のネットワーク層に基づき、抽出された第１語句関係情報および第２語句関係情報に基づいて、オリジナル検索項目のコンテキスト情報を確定することを含む。
ステップＳ５３０において、オリジナル検索項目の意図情報を抽出する。
ステップＳ５４０において、コンテキスト情報および意図情報と、マシンワード集合とに基づいて、新規検索項目を確定する。
ここで、マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い。
ここで、マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い。
本技術案は、オリジナル検索項目と関連検索項目との語義関係をもう一層抽出してオリジナル検索項目のコンテキスト情報とすることで、コンテキスト情報の正確率をもう一層向上させる。
さらに、前記オリジナル検索項目の語義情報及び前記オリジナル検索項目の意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定した後に、本技術案は、
ヒントテキスト又は２度目問い合わせの形態によって、前記新規検索項目をユーザにフィードバックすることと、
ユーザの肯定応答を取得した後に、前記新規検索項目に基づいて検索を行い、検索結果をユーザにフィードバックすることと、をさらに含む。
例示的に、もし確定された新規検索項目が「音量を下げる」なるものであれば、図６を参照して、ヒントテキストの形態で、上記新規検索項目をユーザに表示、又は、図７を参照して、２度目問い合わせの形態で、確定された新規検索項目をユーザにフィードバックする。
当該技術構成によれば、本技術案は、ヒントテキスト又は２度目問い合わせの形態によって、上記新規検索項目をユーザにフィードバックし、ユーザの肯定応答を取得した後に、新規検索項目に基づいて検索を行い、検索結果をユーザにフィードバックすることで、知能対話の融通性を向上させる。
本技術案は、上記の技術案の上で、提出した代替的な技術案である。本技術案に係る検索項目書き換え方法は、
もしマシンがユーザから入力されたオリジナル検索項目を理解できないと、当該オリジナル検索項目を事前トレーニングされた検索項目書き換えモデルに入力してマシンより理解され得る新規検索項目を出力することを含む。
図８を参照すると、上記検索項目書き換えモデルは、シーケンス変換ネットワークおよび意図一致性推定ネットワークを備える。ここで、シーケンス変換ネットワークは、シーケンス対シーケンス（ｓｅｑｕｅｎｃｅ ｔｏ ｓｅｑｕｅｎｃｅ）のモデルであり、当該モデルは、集中力メカニズムを盛り込んだエンコーダ／デコーダ（Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ）の符号化／復号化フレームにより実現され、当該フレームの符号化部および復号化部は両方とも長期短期記憶（Ｌｏｎｇ－Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ、ＬＳＴＭ）ネットワークを採用する。シーケンス変換ネットワークのうちのシーケンス符号化ネットワークは当該符号化部に対応し、シーケンス変換ネットワークのうちのシーケンス復号化ネットワークは当該復号化部に対応する。意図一致性推定ネットワークは、ＴｅｘｔＣＮＮモデルを使用する。ＴｅｘｔＣＮＮは、畳み込みニューラルネットワークでテキストに対して分類を行うアルゴリズムである。
検索項目書き換えモデルのトレーニングサンプルの確定は、
検索項目に基づき、マシンがユーザにフィードバックする情報に基づいて、ユーザが入力した検索項目シーケンスから、サンプルデータセットを確定することを含む。
ここで、サンプル検索項目セットには、少なくとも１つの第１検索項目および少なくとも１つの第２検索項目が含まれており、第１検索項目に対するマシンの理解度は第１理解度閾値より高く、第２検索項目に対するマシンの理解度は第２理解度閾値より低く、且つ、第１検索項目と前記第２検索項目の語義類似度は、所定類似度閾値より大きい。
次いで、図８を参照して、オリジナル検索項目に少なくとも１つの関連検索項目が存在することを例とすると、検索項目書き換えモデルのトレーニングロジックは、以下のどおりに、
ベクトル変換層に基づき、第１検索項目とするオリジナル検索項目および少なくとも１つの関連検索項目に対してベクトル変換を行い、各検索項目に対応するベクトル表示を得ることと、
得られたベクトル表示を初期変換ネットワークおよび初期推定ネットワークにそれぞれ入力することと、に説明してもよい。
ここで、初期変換ネットワークにおける実行ロジックは、以下のどおりに、
Ｂｉ－ＬＳＴＭネットワークに基づき、各検索項目に対応するベクトル表示に基づいて、各検索項目における語句間の語句関係情報を抽出することと、
符号化部のＬＳＴＭネットワークに基づき、各検索項目の語句間の語句関係情報に基づいて、各検索項目のコンテキストベクトルをｃ１ないしｃｎにそれぞれ確定することと、
集中力メカニズムにより第２検索項目における語句のワードベクトルｘと各検索項目のコンテキストベクトルとの相関性を算出してαとし、そして相関性の重みに従って各検索項目のコンテキストベクトルを合算することで全般的コンテキストベクトルを得、ｃａｔｔｅｎｔｉｏｎとすることと、
上記ワードベクトルｘとｃａｔｔｅｎｔｉｏｎを綴り合わせ復号化部のＬＳＴＭネットワークに入力し、発生する候補語句を得、ｘ′とすることと、
発生されたｘ′で第２検索項目における語句をフィッティングし、最尤推定を行い、上記検索項目変換ネットワークを得ることと、に説明してもよい。
初期推定ネットワークの執行ロジックは以下のどおりに、
各第１検索項目のワードベクトルに対してプーリング操作を行い、各第１検索項目のプーリングベクトルを得ることと、
入力時間順に各プーリングベクトルに対して綴り合わせを行い、マトリックスＱを得ることと、
発生された検索項目候補ｑ′に対しても上記操作を行い、それをマトリックスＱの最後の一行に綴り合わせ、最終の入力マトリックスを得ることと、
最終の入力マトリックスをＴｅｘｔＣＮＮモデルに入力し、検索項目候補の意図情報を出力することと、
第１検索項目の意図情報および検索項目候補の意図情報をフィッティングし、上記意図一致性推定ネットワークを得ることと、に説明してもよい。
上記モデルのトレーニング過程は、以下のモデリング公式で説明してもよい。
Figure 0007352640000001
ここで、ｑｓａｔｉｓｆｙは第２検索項目に対応し、ｑｕｎｓａｔｉｓｆｙは第１検索項目に対応し、Ｑｓａｔｉｓｆｙは第２検索項目集に対応し、
Figure 0007352640000002
は第２検索項目の意図情報に対応し、
Figure 0007352640000003
は第１検索項目の意図情報に対応し、yは一致性識別子であり、例えば、yが１であると、
Figure 0007352640000004
と
Figure 0007352640000005
とが一致していることを表し、ｙが０であると、
Figure 0007352640000006
と
Figure 0007352640000007
とが不一致であることを表す。
Figure 0007352640000008
は、ｑｕｎｓａｔｉｓｆｙが入力されると、ｑｓａｔｉｓｆｙを前提とする最尤関数が出力されることを指す。
Figure 0007352640000009
は、ｑｕｎｓａｔｉｓｆｙが入力されると、ｑｓａｔｉｓｆｙの条件確率が出力されることに対応する。
Figure 0007352640000010
は、
Figure 0007352640000011
と
Figure 0007352640000012
との一致性確率に対応する。ｗ１およびｗ２は重みである。
典型的には、当該技術案は、マップ音声アシスタントに適用可能であり、全般フレームは図９を参照する。
本技術案は、検索項目書き換えモデルに基づき検索項目に対する書き換えを自動的に実現することから、手動でルールを設計および対応する応答を配置することなく、人力の消耗を極めて削減した。
ユーザから入力された検索項目に基づいて応答を柔軟に発生し、感知できる知能度を加えて、ユーザの体験を向上させた。
検索項目のテキストコンテンツおよび意図に基づいて類似検索項目の確定を行うことで、ユーザが要望する情報をより速くて正確的に取得するのに役立ち、ユーザの相互作用の体験を向上させる。
図１０は、本発明の実施例に係る検索項目書き換え装置の構造概略図である。図１０を参照すると、本発明の実施例に係る検索項目書き換え装置１０００は、
検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及び前記オリジナル検索項目の意図情報のうちの少なくとも１つを抽出することに用いられる情報抽出モジュール１００１と、
前記コンテキスト情報及び前記意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定することに用いられる検索項目確定モジュール１００２と、を備え、
ここで、マシンの前記新規検索項目に対する理解度は、前記オリジナル検索項目に対する理解度よりも高い。
本発明の実施例に係る技術案は、オリジナル検索項目のコンテキスト情報及びオリジナル検索項目の意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、マシンより理解され得る新規検索項目を確定することで、マシンの検索効率およびマシンの知能化を向上させ、さらにユーザ体験を向上させる。
また、新規検索項目がセマンティックス次元および意図次元の両方においてオリジナル検索項目とマッチングされるように、オリジナル検索項目のコンテキスト情報およびオリジナル検索項目の意図情報に基づいて、新規検索項目を確定し、これにより、新規検索項目の正確率を向上させる。
さらに、前記検索項目確定モジュールは、
前記コンテキスト情報および前記マシンワード集合に基づいて、少なくとも２つの検索項目候補を確定することに用いられる検索項目候補確定ユニットと、
前記検索項目候補の意図と前記オリジナル検索項目の意図とをマッチングすることに用いられる意図マッチングユニットと、
マッチング結果に基づいて、前記少なくとも２つの検索項目候補から前記新規検索項目を確定することに用いられる新規検索項目確定ユニットと、を備える。
さらに、前記検索項目候補確定ユニットは、
前記コンテキスト情報を事前トレーニングされたシーケンス複合化ネットワークに入力し、前記少なくとも２つの検索項目候補を出力することに用いられる検索項目確定サブユニットを備え、
ここで、前記シーケンス複合化ネットワークは、事前トレーニングによって前記マシンワード集合を学習した。
さらに、前記装置は、
前記オリジナル検索項目の語義ベクトルを事前トレーニングされたシーケンス変換ネットワークに入力する前に、ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定することに用いられるサンプル確定モジュールと、
ここで、前記サンプル検索項目セットに少なくとも１つの第１検索項目および少なくとも１つの第２検索項目が含まれており、前記第１検索項目に対するマシンの理解度が第１理解度閾値より大きく、前記第２検索項目に対するマシンの理解度が第２理解度閾値より小さく、且前記第１検索項目と前記第２検索項目との語義類似度は所定類似度閾値より大きいであり、
前記サンプル検索項目セットを利用して初期ネットワークをトレーニングし、前記シーケンス変換ネットワークを得ることに用いられるモデルトレーニングモジュールと、をさらに備える。
さらに、前記サンプル確定モジュールは、
ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を確定することに用いられる第１検索項目確定ユニットと、
前記第１検索項目の発生時間と連続しており、且つ、前記第１検索項目以降に発生する少なくとも１つの第２検索項目を検知することに用いられる第２検索項目確定ユニットと、
前記少なくとも１つの第１検索項目および前記少なくとも１つの第２検索項目に基づいて、前記サンプル検索項目セットを確定することに用いられるサンプル確定ユニットと、を備える。
さらに、前記装置は、
前記ユーザにフィードバックしたマシンの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定した場合、もし前記サンプル検索項目セットに少なくとも２つの第１検索項目が含まれている場合、前記サンプル検索項目セットにおける各第１検索項目と前記サンプル検索項目セットにおける第２検索項目との類似度を算出することに用いられる類似算出モジュールと、
算出された類似度に基づいて、前記サンプル検索項目セットにおける少なくとも２つの第１検索項目をフィルタリングすることに用いられる検索項目フィルタリングモジュールと、をさらに備える。
さらに、もし前記オリジナル検索項目に関連検索項目が存在する場合、前記情報抽出モジュールは、
前記オリジナル検索項目における語句間の第１語句関係情報、および前記関連検索項目における語句間の第２語句関係情報を抽出することに用いられる情報抽出ユニットと、
前記第１語句関係情報および前記第２語句関係情報に基づいて、前記オリジナル検索項目のコンテキスト情報を確定することに用いられる情報確定ユニットと、を備える。
さらに、前記装置は、
前記オリジナル検索項目の語義情報及び前記オリジナル検索項目の意図情報のうちの少なくとも１つと、マシンワード集合とに基づいて、新規検索項目を確定した後に、ヒントテキスト又は２度目問い合わせの形態によって、前記新規検索項目をユーザにフィードバックすることに用いられる検索項目フィードバックモジュールと、
ユーザの肯定応答を取得した後に、前記新規検索項目に基づいて検索を行い、検索結果をユーザにフィードバックすることに用いられる検索モジュールと、をさらに備える。
本発明の実施例によれば、電子機器および可読記憶媒体をさらに提供している。
図１１に示すように、本発明の実施例に係る検索項目書き換え方法による電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータおよびその他の適切なコンピュータなど、様々な形態のデジタルコンピュータを表すことを意図している。電子機器は、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブル機器及びその他の類似的なコンピューティング機器などの様々な形態のモバイル機器を表すこともできる。本明細書に記載の構成要素、それらの接続及び関係、ならびにそれらの機能は、単に例示的なものであり、本明細書に記載及び／又は要求される本開示の実現を制限することを意図するものではない。
図１１に示すように、当該電子機器は、１つの又は複数のプロセッサ１１０１と、記憶装置１１０２と、およびおよび高速インターフェースと低速インターフェースを含める各構成要素の接続に用いられるインターフェースと、を備える。各構成要素は、異なるバスにより相互接続され、且つ、共通のマザーボードに設置または必要に応じてその他の形態で設置してもよい。プロセッサは、記憶装置に記憶される命令または記憶装置におけるインターフェースに結合される表示装置などの外部入力／出力装置にグラフィカルユーザインタフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＧＵＩ）のグラフィック情報を表示する命令を含めて、電子機器で実行される命令に対して処理を行う。別の実施形態において、必要に応じて、複数のプロセッサ及び／又は複数のバスと、複数の記憶装置とを共に使用してもよい。同様に、例えば、サーバアレイ、ブレードサーバセット、又は多重プロセッサシステムとして、複数の電子機器を接続して各機器で必要となる一部の操作を提供してもよい。図１１は１つのプロセッサ１１０１を例とする。
記憶装置１１０２は、本発明に係る非瞬時性コンピュータ可読記憶媒体である。前記記憶装置は、本発明に係る検索項目書き換え方法が前記少なくとも１つのプロセッサにより実行されるように、前記少なくとも１つのプロセッサにより実行可能な命令が記憶されている。本発明の非瞬時性コンピュータ可読記憶媒体は、本発明に係る検索項目書き換え方法がコンピュータより実されるためのコンピュータ命令が記憶されている。
記憶装置１１０２は、非瞬時性コンピュータ可読記憶媒体として、非瞬時性ソフトウェアプログラム、非瞬時性コンピュータにより実行可能なプログラムおよびモジュールに適用可能であり、例えば、図面１０に示す情報抽出モジュール１００１および検索項目確定モジュール１００２などの本発明の実施例における検索項目書き換え方法に対応するプログラム命令／モジュールに適用可能である。プロセッサ１１０１は、記憶装置１１０２に記憶されている非瞬時性ソフトウェアプログラム、命令およびモジュールを実行することで、サーバの様々な機能応用およびデータ処理を実行し、即ち、上記方法の実施例に係る検索項目書き換え方法を実現する。
記憶装置１１０２は、プログラム記憶エリアおよびデータ記憶エリアを含んでもよいが、ここで、プログラム記憶エリアにはオペレーティングシステム、少なくとも１つの機能に要求されるアプリケーションプログラムが記憶されてもよく、データ記憶エリアには、本発明の実施例に係るデータ処理方法による電子機器の使用によって発生されるデータなどが記憶されてもよい。また、記憶装置８０２には、高速ランダムアクセスメモリが含まれてもよく、非瞬時性記憶装置、例えば、少なくとも１つのディスク記憶装置、フラッシュ記憶装置またはその他の非瞬時性固体記憶装置が含まれてもよい。いくつかの実施例において、記憶装置１１０２は、代替的に、プロセッサ１１０１に対して遠距離で設置される記憶装置を含んでもよいが、これらの遠距離記憶装置は、ネットワークを介して検索項目書き換えを実現する電子機器に接続されてもよい。上記ネットワークの例としては、インターネット、企業イントラネット、ローカルエリアネットワーク、モバイル通信ネットワークおよびこれらの組み合わせを含んでもよいが、これらに限定されるものではない。
検索項目書き換え方法による電子機器は、入力装置１１０３および出力装置１１０４をさらに備える。プロセッサ１１０１と、記憶装置１１０２と、入力装置１１０３と、および出力装置１１０４とは、バス又はその他の形態によって接続してもよく、図１１では、バスによる接続を例とする。
入力装置１１０３は、入力されるデータ又は文字符号情報を受信可能、およびデータ処理方法による電子機器のユーザ設置および機能控制に関連するキー信号の入力を発生可能であり、例えば、タッチスクリーン、キーパッド、マウス、ポインティングスティック、タッチパッド、ポインティングスティック、１つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置が挙げられる。出力装置１１０４は、表示装置、補助照明機器、例えば、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＬＥＤ）、及び触覚フィードバック装置、例えば、振動モータなどが含まれてもよい。当該表示装置には、液晶（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）ディスプレイ、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＬＥＤ）ディスプレイ及びプラズマディスプレイを含んでもよいが、これらに限定されるものではない。いくつかの実施形態において、表示装置はタッチスクリーンであってもよい。
本明細書に記載の上記システムおよび技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせによって実現可能である。これらの様々な実施形態は、１つ又は複数のコンピュータプログラムで実施されることを含んでもよく、当該１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステムで実行及び／又は解釈可能であり、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置および少なくとも１つの出力装置からデータおよび命令を受信し、データおよび命令を当該記憶システム、当該少なくとも１つの入力装置、および当該少なくとも１つの出力装置に伝送可能である。
これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードとも呼ばれる）には、プログラマブルプロセッサの機械命令が含まれており、高レベルプロセス及び／又はオブジエクト向けのプログラミング言語及び／又はアセンブラ言語／機械言語を通じてこれらのコンピューティングプログラムを実施可能である。本明細書で使用される用語「機械可読媒体」および「コンピュータ可読媒体」とは、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意のコンピュータプログラム製品、機器、及び／又は装置、例えば、ディスク、光ディスク、記憶装置、プログラマブルロジック機器（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）を指し、機械可読信号となる機械命令を受信する機械可読媒体を含む。用語「機械可読信号」とは、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号を指す。
ユーザとの相互作用を提供するために、本明細書に記載のシステム及び技術はコンピュータで実施されてもよく、当該コンピュータは、例えば、陰極線管（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ、ＣＲＴ）又は液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）モニタなどのユーザに情報を表示するための表示装置と、キーボードと、例えば、マウス又はトラックボールなどのポインティング機器（Ｐｏｉｎｔｉｎｇ ｄｅｖｉｃｅ）と、を有しており、ユーザは、当該キーボード及び当該ポインティング機器を介してコンピュータに入力を提供してもよい。ユーザとの相互作用を提供するために、その他のタイプの装置を使用してもよく、例えば、ユーザに提供されるフィードバックは、例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバックのいずれの形態の感覚フィードバックであってもよく、音声入力又は触覚入力を含むいずれの形態でユーザからの入力を受信してもよい。
本明細書に記載のシステムおよび技術は、バックエンド構成要素を含むコンピューティングシステム（例えば、データサーバとして）、又は、ミドルウェア構成要素を含むコンピューティングシステム（例えば、アプリケーションサーバ）、又は、フロントエンド構成要素を含むコンピューティングシステム（例えば、グラフィックスユーザインターフェース、又は、ネットワークブラウザを有するユーザコンピュータ、ユーザは当該グラフィックスユーザインターフェース又は当該ネットワークブラウザを介して本明細書に記載のシステムおよび技術の実施形態と相互作用してもよい）、又は、これらのバックエンド構成要素、ミドルウェア構成要素、又は、フロントエンド構成要素の任意の組み合わせを含むコンピューティングシステムで実施されてもよい。システムの構成要素は、任意の形態又は媒体によるデジタルデータ通信（例えば、通信ネットワーク）によって相互接続されてもよい。通信ネットワークの例には、ローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＬＡＮ）、ワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＷＡＮ）、ブロックチェーンネットワーク（Ｂｌｏｃｋｃｈａｉｎ Ｎｅｔｗｏｒｋ）およびインターネットが含まれる。
コンピュータシステムは、クライアントおよびサーバを備えてもよい。クライアントとサーバは、普通、互いに遠く離れており、通常、通信ネットワークを介して相互作用を実行する。それぞれのコンピュータで稼働し、互いにクライアント‐サーバ関係を有するコンピュータプログラムによってクライアントとサーバの関係を発生する。サーバは、クラウドコンピューティングサーバ又はクラウドホストとも呼ばれるクラウドサーバであってもよく、これはクラウドコンピューティングサービスシステムにおける１つのホスト製品として、従来の物理ホストと仮想専用サーバ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｓｅｒｖｅｒ、ＶＰＳ）サービスにおける、管理の難易度が高く、業務の拡張性が弱いという欠点を解決した。
本発明の技術によれば、マシンの検索効率、検索正確率および知能化を向上させた。なお、上記の様々な形態のプロセスを使用して、ステップを並べ替え、追加又は削除できる。例えば、本発明の開示に記載の各ステップは、並行的に実行してもよく、順次的に実行してもよく、異なる順序で実行してもよく、本発明に開示の技術案で要望される結果が達成できる限り、本明細書において、これらに限定されるものではないことを理解すべきである。
なお、本発明について、上記の実施形態を通じて比較的に詳しく説明したが、本発明は、単に上記の実施形態に限定されず、本発明の技術的思想から逸脱することなく、より多くの他の均等な実施形態を包含することできることに留意されたい。本発明の範囲は、添付の特許請求の範囲によって規定される。本発明の範囲は、添付の特許請求の範囲によって規定される。

Claims (16)

  1. インテリジェントデバイスによって実現される検索項目書き換え方法であって、
    検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及び前記オリジナル検索項目の意図情報を抽出することと、
    前記コンテキスト情報、前記意図情報及びマシンワード集合に基づいて、新規検索項目を確定することと、を含み、
    前記インテリジェントデバイスの前記新規検索項目に対する理解度は、前記インテリジェントデバイスの前記オリジナル検索項目に対する理解度よりも高く、
    前記コンテキスト情報、前記意図情報及びマシンワード集合に基づいて、新規検索項目を確定することは、
    前記コンテキスト情報および前記マシンワード集合に基づいて、少なくとも２つの検索項目候補を確定することと、
    前記検索項目候補の意図と前記オリジナル検索項目の意図とをマッチングすることと、
    マッチング結果に基づいて、前記少なくとも２つの検索項目候補から前記新規検索項目を確定することと、を含む、
    検索項目書き換え方法。
  2. 前記コンテキスト情報および前記マシンワード集合に基づいて、少なくとも２つの検索項目候補を確定することは、
    前記コンテキスト情報を事前トレーニングされたシーケンス複合化ネットワークに入力し、前記少なくとも２つの検索項目候補を出力すること、を含み、
    前記シーケンス複合化ネットワークは、事前トレーニングによって前記マシンワード集合を学習した、
    請求項１に記載の検索項目書き換え方法。
  3. 前記コンテキスト情報を事前トレーニングされたシーケンス複合化ネットワークに入力する前に、
    ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定することと、
    前記サンプル検索項目セットを利用して初期ネットワークをトレーニングし、前記シーケンス複合化ネットワークを得ることと、をさらに含み、
    前記サンプル検索項目セットに、少なくとも１つの第１検索項目および少なくとも１つの第２検索項目が含まれ、前記インテリジェントデバイスの前記第１検索項目に対する理解度が第１理解度閾値よりも大きく、前記インテリジェントデバイスの前記第２検索項目に対する理解度が第２理解度閾値よりも小さく、且つ、前記第１検索項目と前記第２検索項目との語義類似度が所定類似度閾値よりも大きい、
    請求項２に記載の検索項目書き換え方法。
  4. ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定することは、
    ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を確定することと、
    前記第１検索項目の発生時間と連続し、且つ、前記第１検索項目以降に発生する少なくとも１つの第２検索項目を検知することと、
    前記少なくとも１つの第１検索項目および前記少なくとも１つの第２検索項目に基づいて、前記サンプル検索項目セットを確定することと、を含む、
    請求項３に記載の検索項目書き換え方法。
  5. ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定した後に、
    前記サンプル検索項目セットに少なくとも２つの第１検索項目が含まれている場合、前記サンプル検索項目セットにおける各第１検索項目と前記サンプル検索項目セットにおける第２検索項目との類似度を算出することと、
    算出された類似度に基づいて、前記サンプル検索項目セットにおける少なくとも２つの第１検索項目をフィルタリングすることと、をさらに含む、
    請求項３に記載の検索項目書き換え方法。
  6. 前記オリジナル検索項目に関連検索項目が存在する場合、前記オリジナル検索項目のコンテキスト情報を抽出することは、
    前記オリジナル検索項目における語句間の第１語句関係情報、および前記関連検索項目における語句間の第２語句関係情報を抽出することと、
    前記第１語句関係情報および前記第２語句関係情報に基づいて、前記オリジナル検索項目のコンテキスト情報を確定することと、を含む、
    請求項１～５のいずれか１項に記載の検索項目書き換え方法。
  7. 前記オリジナル検索項目のコンテキスト情報、前記オリジナル検索項目の意図情報及びマシンワード集合に基づいて、新規検索項目を確定した後に、
    ヒントテキスト又は２度目問い合わせの形態によって、前記新規検索項目をユーザにフィードバックすることと、
    ユーザの肯定応答を取得した後に、前記新規検索項目に基づいて検索を行い、検索結果をユーザにフィードバックすることと、をさらに含む、
    請求項１～５のいずれか１項に記載の検索項目書き換え方法。
  8. インテリジェントデバイス内に構成される検索項目書き換え装置であって、
    検索項目書き換え要求に応答して、オリジナル検索項目のコンテキスト情報及び前記オリジナル検索項目の意図情報を抽出するように構成される情報抽出モジュールと、
    前記コンテキスト情報、前記意図情報及びマシンワード集合に基づいて、新規検索項目を確定するように構成される検索項目確定モジュールと、を備え、
    前記インテリジェントデバイスの前記新規検索項目に対する理解度は、前記インテリジェントデバイスの前記オリジナル検索項目に対する理解度よりも高く、
    前記検索項目確定モジュールは、
    前記コンテキスト情報および前記マシンワード集合に基づいて、少なくとも２つの検索項目候補を確定するように構成される検索項目候補確定ユニットと、
    前記検索項目候補の意図と前記オリジナル検索項目の意図とをマッチングするように構成される意図マッチングユニットと、
    マッチング結果に基づいて、前記少なくとも２つの検索項目候補から前記新規検索項目を確定するように構成される新規検索項目確定ユニットと、を備える、
    検索項目書き換え装置。
  9. 前記検索項目候補確定ユニットは、
    前記コンテキスト情報を事前トレーニングされたシーケンス複合化ネットワークに入力し、前記少なくとも２つの検索項目候補を出力するように構成される検索項目確定サブユニットを備え、
    前記シーケンス複合化ネットワークは、事前トレーニングによって前記マシンワード集合を学習した、
    請求項８に記載の検索項目書き換え装置。
  10. 前記オリジナル検索項目のコンテキスト情報を事前トレーニングされたシーケンス複合化ネットワークに入力する前に、ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定するように構成されるサンプル確定モジュールと、
    前記サンプル検索項目セットを利用して初期ネットワークをトレーニングし、前記シーケンス複合化ネットワークを得るように構成されるモデルトレーニングモジュールと、をさらに備え、
    前記サンプル検索項目セットに、少なくとも１つの第１検索項目および少なくとも１つの第２検索項目が含まれ、前記インテリジェントデバイスの前記第１検索項目に対する理解度が第１理解度閾値よりも大きく、前記インテリジェントデバイスの前記第２検索項目に対する理解度が第２理解度閾値よりも小さく、且つ、前記第１検索項目と前記第２検索項目との語義類似度が所定類似度閾値よりも大きい、
    請求項９に記載の検索項目書き換え装置。
  11. 前記サンプル確定モジュールは、
    ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスから発生時間が連続する少なくとも１つの第１検索項目を確定するように構成される第１検索項目確定ユニットと、
    前記第１検索項目の発生時間と連続し、且つ、前記第１検索項目以降に発生する少なくとも１つの第２検索項目を検知するように構成される第２検索項目確定ユニットと、
    前記少なくとも１つの第１検索項目および前記少なくとも１つの第２検索項目に基づいて、前記サンプル検索項目セットを確定するように構成されるサンプル確定ユニットと、を備える、
    請求項１０に記載の検索項目書き換え装置。
  12. 前記ユーザにフィードバックした前記インテリジェントデバイスの回答情報に基づいて、ユーザが入力した検索項目シーケンスからサンプル検索項目セットを確定した後に、前記サンプル検索項目セットに少なくとも２つの第１検索項目が含まれている場合、前記サンプル検索項目セットにおける各第１検索項目と前記サンプル検索項目セットにおける第２検索項目との類似度を算出するように構成される類似算出モジュールと、
    算出された類似度に基づいて、前記サンプル検索項目セットにおける少なくとも２つの第１検索項目をフィルタリングするように構成される検索項目フィルタリングモジュールと、をさらに備える、
    請求項１０に記載の検索項目書き換え装置。
  13. 前記オリジナル検索項目に関連検索項目が存在する場合、前記情報抽出モジュールは、
    前記オリジナル検索項目における語句間の第１語句関係情報および前記関連検索項目における語句間の第２語句関係情報を抽出するように構成される情報抽出ユニットと、
    前記第１語句関係情報および前記第２語句関係情報に基づいて、前記オリジナル検索項目のコンテキスト情報を確定するように構成される情報確定ユニットと、を備える、
    請求項８～１２のいずれか１項に記載の検索項目書き換え装置。
  14. 前記オリジナル検索項目のコンテキスト情報、前記オリジナル検索項目の意図情報及びマシンワード集合に基づいて、新規検索項目を確定した後に、ヒントテキスト又は２度目問い合わせの形態によって、前記新規検索項目をユーザにフィードバックするように構成される検索項目フィードバックモジュールと、
    ユーザの肯定応答を取得した後に、前記新規検索項目に基づいて検索を行い、検索結果をユーザにフィードバックするように構成される検索モジュールと、をさらに備える、
    請求項８～１２のいずれか１項に記載の検索項目書き換え装置。
  15. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続される記憶装置と、を備え、
    前記記憶装置に前記少なくとも１つのプロセッサにより実行可能な命令が記憶され、
    前記命令は、前記少なくとも１つのプロセッサが請求項１～７のいずれか１項に記載の検索項目書き換え方法を実行可能であるように、前記少なくとも１つのプロセッサに実行される、
    電子機器。
  16. 請求項１～７のいずれか１項に記載の検索項目書き換え方法をコンピュータに実行させるためのプログラム。
JP2021545777A 2020-06-28 2020-11-13 検索項目書き換え方法、装置、機器および記憶媒体 Active JP7352640B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010600669.XA CN111797216B (zh) 2020-06-28 2020-06-28 检索项改写方法、装置、设备以及存储介质
CN202010600669.X 2020-06-28
PCT/CN2020/128554 WO2022000934A1 (zh) 2020-06-28 2020-11-13 检索项改写方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
JP2022544428A JP2022544428A (ja) 2022-10-19
JP7352640B2 true JP7352640B2 (ja) 2023-09-28

Family

ID=77495450

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021545777A Active JP7352640B2 (ja) 2020-06-28 2020-11-13 検索項目書き換え方法、装置、機器および記憶媒体

Country Status (4)

Country Link
US (1) US20230123581A1 (ja)
EP (1) EP3961424A4 (ja)
JP (1) JP7352640B2 (ja)
KR (1) KR20210104909A (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116894431B (zh) * 2023-09-07 2024-01-09 腾讯科技（深圳）有限公司 文本处理模型训练方法、文本改写方法及装置和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018116728A (ja) 2010-01-18 2018-07-26 アップル インコーポレイテッド インテリジェント自動アシスタント
WO2019235103A1 (ja) 2018-06-07 2019-12-12 日本電信電話株式会社 質問生成装置、質問生成方法及びプログラム
CN110969024A (zh) 2018-09-30 2020-04-07 北京奇虎科技有限公司 一种查询语句的改写方法及装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8375048B1 (en) * 2004-01-20 2013-02-12 Microsoft Corporation Query augmentation
US7634462B2 (en) * 2005-08-10 2009-12-15 Yahoo! Inc. System and method for determining alternate search queries
US8694483B2 (en) * 2007-10-19 2014-04-08 Xerox Corporation Real-time query suggestion in a troubleshooting context
US7831588B2 (en) * 2008-02-05 2010-11-09 Yahoo! Inc. Context-sensitive query expansion
US20100094835A1 (en) * 2008-10-15 2010-04-15 Yumao Lu Automatic query concepts identification and drifting for web search
US8190601B2 (en) * 2009-05-22 2012-05-29 Microsoft Corporation Identifying task groups for organizing search results
US9092485B2 (en) * 2010-04-19 2015-07-28 Facebook, Inc. Dynamic suggested search queries on online social networks
US20110314001A1 (en) * 2010-06-18 2011-12-22 Microsoft Corporation Performing query expansion based upon statistical analysis of structured data
US9330083B2 (en) * 2012-02-14 2016-05-03 Facebook, Inc. Creating customized user dictionary
US20130282682A1 (en) * 2012-04-18 2013-10-24 Yahoo! Inc. Method and System for Search Suggestion
US10248967B2 (en) * 2015-09-25 2019-04-02 Microsoft Technology Licensing, Llc Compressing an original query while preserving its intent
US10654380B2 (en) * 2016-11-18 2020-05-19 Microsoft Technology Licensing, Llc Query rewriting and interactive inquiry framework
TWI679548B (zh) * 2018-05-09 2019-12-11 鼎新電腦股份有限公司 虛擬助理的自動學習方法及系統
US11580145B1 (en) * 2018-09-25 2023-02-14 Amazon Technologies, Inc. Query rephrasing using encoder neural network and decoder neural network
CN110990578A (zh) * 2018-09-30 2020-04-10 北京奇虎科技有限公司 一种改写模型的构建方法及装置
US20210192134A1 (en) * 2019-09-04 2021-06-24 Brain Technologies, Inc. Natural query completion for a real-time morphing interface

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018116728A (ja) 2010-01-18 2018-07-26 アップル インコーポレイテッド インテリジェント自動アシスタント
WO2019235103A1 (ja) 2018-06-07 2019-12-12 日本電信電話株式会社 質問生成装置、質問生成方法及びプログラム
CN110969024A (zh) 2018-09-30 2020-04-07 北京奇虎科技有限公司 一种查询语句的改写方法及装置

Also Published As

Publication number Publication date
KR20210104909A (ko) 2021-08-25
EP3961424A4 (en) 2022-10-05
US20230123581A1 (en) 2023-04-20
JP2022544428A (ja) 2022-10-19
EP3961424A1 (en) 2022-03-02

Similar Documents

Publication Publication Date Title
KR102504699B1 (ko) 엔티티 링킹 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
CN111428507B (zh) 实体链指方法、装置、设备以及存储介质
CN112560912B (zh) 分类模型的训练方法、装置、电子设备和存储介质
CN111414482B (zh) 一种事件论元抽取方法、装置以及电子设备
CN112560479B (zh) 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备
JP7169389B2 (ja) 文書タイトルツリーの構築方法、装置、電子設備、記憶媒体、及びプログラム
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
CN111401033B (zh) 事件抽取方法、事件抽取装置和电子设备
CN113094550B (zh) 视频检索方法、装置、设备和介质
CN111259671B (zh) 文本实体的语义描述处理方法、装置及设备
US20210200813A1 (en) Human-machine interaction method, electronic device, and storage medium
CN111797216B (zh) 检索项改写方法、装置、设备以及存储介质
CN111488740B (zh) 一种因果关系的判别方法、装置、电子设备及存储介质
KR20210038467A (ko) 이벤트 테마 생성 방법, 장치, 기기 및 저장 매체
JP2021108115A (ja) 機械読解モデルのトレーニング方法、装置、電子機器及び記憶媒体
JP7397903B2 (ja) インテリジェント対話方法、装置、電子機器及び記憶媒体
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
US11321370B2 (en) Method for generating question answering robot and computer device
CN113657100A (zh) 实体识别方法、装置、电子设备及存储介质
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CN111523019B (zh) 用于输出信息的方法、装置、设备以及存储介质
JP7352640B2 (ja) 検索項目書き換え方法、装置、機器および記憶媒体
CN112329429B (zh) 文本相似度学习方法、装置、设备以及存储介质
CN113902005A (zh) 语言模型的预训练方法、装置、设备和存储介质
CN111858880B (zh) 获取查询结果的方法、装置、电子设备和可读存储介质

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210804

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210804

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230404

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230628

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230822

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230915

R150 Certificate of patent or registration of utility model

Ref document number: 7352640

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150