[發明專利]一種智能理解用戶查詢意圖的方法及系統

在審

• 申請號: 201810123239.6
• 申請日: 2018-02-07
• 公開（公告）號: CN110309400A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 楊云飛;李超;吳雪軍
• 申請（專利權）人: 鼎復數據科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F17/27
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

1.一種智能理解用戶查詢意圖的方法，其特征在于，該方法包括步驟：

步驟110，輸入查詢語句，結合詞典，進行分詞處理；

步驟120，對分詞結果進行詞性標注；

步驟130，對標注詞性后詞語進行命名實體識別；

步驟140，通過命名實體識別的結果和設定的語法規則，進行語法解析，獲得用戶查詢意圖。

2.根據權利要求1所述的方法，其特征在于，步驟110中，詞典分為粗粒度詞典和細粒度詞典；

粗粒度詞典中詞語的詞長較長，輸入查詢語句中常用詞或慣用詞的詞頻較高或詞長較長時，選用粗粒度詞典；

細粒度詞典中詞語的詞長較短，輸入查詢語句中常用詞或慣用詞的詞頻低或詞長較短時，選用細粒度詞典。

3.根據權利要求1所述的方法，其特征在于，步驟110中，分詞方法可以為正向最大匹配法、逆向最匹配法、條件隨機場模型或隱馬爾可夫模型，優選為正向最大匹配法或條件隨機場模型；更優選正向最大匹配法結合回溯機制或條件隨機場模型進行分詞。

4.根據權利要求1所述的方法，其特征在于，步驟120中，采用隱馬爾可夫模型進行詞性標注；

隱馬爾可夫模型的構建過程包括：將手工標注詞性的數據分為訓練集和測試集，根據訓練集中的樣本數據訓練得到隱馬爾可夫模型；訓練完成后，利用測試集中的樣本數據，對隱馬爾可夫模型進行測試，獲得標注準確性高的模型。

5.根據權利要求1所述的方法，其特征在于，步驟130中，利用條件隨機場模型進行命名實體識別；條件隨機場模型構建過程包括：采用BIO標注集，將BIO標注集分為訓練集和測試集，根據訓練集中的樣本數據訓練得到條件隨機場模型；訓練完成后，利用測試集中的樣本數據，對條件隨機場模型進行測試，獲得標注準確性高的模型；

BIO標注集中樣本的BIO標注符號為預測標簽標注后的命名實體標注符號，即以B-命名實體標注符號、I-命名實體標注符號、或O表示，B代表命名實體的首字，I代表命名實體的非首字，O代表該詞語不屬于命名實體。

6.根據權利要求1所述的方法，其特征在于，步驟140中，輸入的查詢語句的語法規則以CFG表示，并等價轉換為CNF形式，使用CYK算法進行語法解析。

7.一種用于實施上述權利要求1至6之一所述方法的智能理解用戶查詢意圖的系統，該系統包括：

分詞模塊，用于結合詞典，對輸入的查詢語句進行分詞處理；

詞性標注模塊，用于對分詞結果進行詞性標注；

命名實體識別模塊，對標注詞性后詞語進行命名實體識別；

語法解析模塊，用于通過命名實體識別的結果和設定的語法規則，進行語法解析，獲得用戶查詢意圖。

8.根據權利要求7所述的系統，其特征在于，分詞模塊中存儲有歧義詞表，并根據歧義詞表中存儲的歧義詞在使用時的上下文情況進行歸納總結，獲得排歧規則。

9.根據權利要求7所述的系統，其特征在于，詞性標注模塊采用隱馬爾可夫模型進行詞性標注；

隱馬爾可夫模型的構建過程包括：將手工標注詞性的數據分為訓練集和測試集，根據訓練集中的樣本數據訓練得到隱馬爾可夫模型；訓練完成后，利用測試集中的樣本數據，對隱馬爾可夫模型進行測試，獲得標注準確性高的模型。

10.根據權利要求7所述的系統，其特征在于，語法解析模塊對輸入的查詢語句的語法規則以CFG表示，并等價轉換為CNF形式，再使用CYK算法進行語法解析。