[發明專利]基于人工智能的查詢信息糾錯構架生成方法和裝置

有效

• 申請號: 201711461409.3
• 申請日: 2017-12-28
• 公開（公告）號: CN108052658B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 詹金波;肖求根;鄧卓彬;鄭利群;付志宏;袁德璋;何徑舟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/232
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種基于人工智能的查詢信息糾錯構架生成方法，其特征在于，包括：

獲取應用場景信息；

根據所述應用場景信息確定糾錯需求信息；

根據所述糾錯需求信息從數據庫中選取能夠實現對應功能的網絡層和/或組件，結合神經元，以生成查詢信息糾錯構架，其中，所述數據庫中保存有實現不同功能的網絡層和組件。

2.如權利要求1所述的方法，其特征在于，還包括：

如果所述數據庫中不包含能夠實現對應功能的網絡層和/或組件，則建立能夠實現對應功能的新網絡層和/或新組件。

3.如權利要求1所述的方法，其特征在于，所述組件包括存儲型組件和功能性組件。

4.如權利要求3所述的方法，其特征在于，所述存儲型組件包括通用鍵值查詢組件KVCommonWeight、結果緩存查詢組件ResultCacheWeight、變長短語替換表單表組件PhraseTableSingleWeight以及變長短語替換表多表組件PhraseTableConcatWeight。

5.如權利要求3所述的方法，其特征在于，所述功能性組件包括編輯距離召回組件、歸一化組件、切詞組件、語言模型組件、注音組件、梯度提升決策樹GBDT模型組件、一元錯拼模型組件ErrorModel1Weight以及二元錯拼模型組件ErrorModel2Weight。

6.如權利要求1所述的方法，其特征在于，所述網絡層包括流程相關網絡層和訓練測試相關網絡層。

7.如權利要求6所述的方法，其特征在于，所述流程相關網絡層包括變量初始化網絡層ClearLayer、輸入歸一化網絡層NormLayer、規則確認網絡層CheckLayer、分詞網絡層SegmentLayer、Deepcrf分詞層DeepcrfSegmentLayer、預處理層PreprocessLayer、短語替換表單表召回層PtSingleRecallLayer、短語替換表多表召回層PtConcatRecallLayer、錯誤位置檢測層ErrorDetectLayer、拼音編輯距離召回層EdRecallLayer、自身片段召回層SelfRecallLayer、特征抽取層FeatureExtractLayer、模型打分層RankingLayer、貪心搜索層GreedySearchLayer以及束搜索層BeamSearchLayer。

8.如權利要求6所述的方法，其特征在于，所述訓練測試相關網絡層包括加載預測語料層LoadPredictCorpusLayer、加載訓練語料層LoadTrainCorpusLayer、特征輸出層DumpFullFeatureLayer以及短語替換特征輸出層DumpPtFeatureLayer。

9.如權利要求1所述的方法，其特征在于，所述神經元包括查詢信息元、候選元、結果元以及指導元。

10.一種基于人工智能的查詢信息糾錯構架生成裝置，其特征在于，包括：

獲取模塊，用于獲取應用場景信息；

確定模塊，用于根據所述應用場景信息確定糾錯需求信息；

生成模塊，用于根據所述糾錯需求信息從數據庫中選取能夠實現對應功能的網絡層和/或組件，結合神經元，以生成查詢信息糾錯構架，其中，所述數據庫中保存有實現不同功能的網絡層和組件。

11.如權利要求10所述的裝置，其特征在于，還包括：

建立模塊，用于如果所述數據庫中不包含能夠實現對應功能的網絡層和/或組件，則建立能夠實現對應功能的新網絡層和/或新組件。

12.如權利要求10所述的裝置，其特征在于，所述組件包括存儲型組件和功能性組件。