[發明專利]語句分析處理方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201910926276.5
• 申請日: 2019-09-27
• 公開（公告）號: CN110704592B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 孫輝豐;楊煜;孫叔琦;孫珂
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/289;G06F40/295
• 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: 黃海艷

1.一種語句分析處理方法，其特征在于，包括：

獲取用戶的查詢語句；

根據所述查詢語句確定出對應的粗粒度詞槽和細粒度詞槽；其中，所述細粒度詞槽為所述粗粒度詞槽的內部結構槽位；

根據所述粗粒度詞槽和細粒度詞槽，生成所述查詢語句對應的目標詞槽，包括：

將所述粗粒度詞槽和所述細粒度詞槽進行合并操作，合并后得到的詞槽確定為所述查詢語句對應的目標詞槽；

其中，將所述粗粒度詞槽和所述細粒度詞槽進行合并操作，包括：

當所述粗粒度詞槽和所述細粒度詞槽中存在字詞一致的詞槽時，將所述粗粒度詞槽和所述細粒度詞槽中的所述字詞一致的詞槽進行去重；

當所述細粒度詞槽中的字詞被所述粗粒度詞槽中的字詞完全覆蓋時，將所述細粒度詞槽作為所述粗粒度詞槽的子槽位。

2.根據權利要求1所述的方法，其特征在于，根據所述查詢語句確定出對應的粗粒度詞槽和細粒度詞槽，包括：

獲取第一序列化標注模型；所述第一序列化標注模型為使用已標注的第一訓練語料預先訓練，其中，所述第一訓練語料中的已標注標簽為粗粒度標簽；

根據所述第一序列化標注模型對所述查詢語句進行標注，得到對應的粗粒度詞槽；

根據預設策略對所述查詢語句進行分析處理，得到對應的細粒度詞槽。

3.根據權利要求2所述的方法，其特征在于，所述預設策略為采用第二序列化標注模型標注識別方式；其中，所述根據預設策略對所述查詢語句進行分析處理，得到對應的細粒度詞槽，包括：

獲取第二序列化標注模型；所述第二序列化標注模型為使用已標注的第二訓練語料預先訓練，其中，所述第二訓練語料中的已標注標簽為細粒度標簽；

根據所述第二序列化標注模型對所述查詢語句進行標注，得到對應的細粒度詞槽。

4.根據權利要求2所述的方法，其特征在于，所述預設策略為采用領域詞典匹配方式；其中，所述根據預設策略對所述查詢語句進行分析處理，得到對應的細粒度詞槽，包括：

確定所述查詢語句所對應的領域類型；

根據所述領域類型獲取對應的領域詞典；

根據所述領域詞典對所述查詢語句進行字典匹配，得到對應的細粒度詞槽。

5.一種語句分析處理裝置，其特征在于，包括：

查詢語句獲取模塊，用于獲取用戶的查詢語句；

詞槽確定模塊，用于根據所述查詢語句確定出對應的粗粒度詞槽和細粒度詞槽；其中，所述細粒度詞槽為所述粗粒度詞槽的內部結構槽位；

目標詞槽生成模塊，用于根據所述粗粒度詞槽和細粒度詞槽，生成所述查詢語句對應的目標詞槽，包括：將所述粗粒度詞槽和所述細粒度詞槽進行合并操作，合并后得到的詞槽確定為所述查詢語句對應的目標詞槽；

其中，所述目標詞槽生成模塊具體用于：

當所述粗粒度詞槽和所述細粒度詞槽中存在字詞一致的詞槽時，將所述粗粒度詞槽和所述細粒度詞槽中的所述字詞一致的詞槽進行去重；

當所述細粒度詞槽中的字詞被所述粗粒度詞槽中的字詞完全覆蓋時，將所述細粒度詞槽作為所述粗粒度詞槽的子槽位。

6.根據權利要求5所述的裝置，其特征在于，所述詞槽確定模塊包括：

標注模型獲取單元，用于獲取第一序列化標注模型；所述第一序列化標注模型為使用已標注的第一訓練語料預先訓練，其中，所述第一訓練語料中的已標注標簽為粗粒度標簽；

第一確定單元，用于根據所述第一序列化標注模型對所述查詢語句進行標注，得到對應的粗粒度詞槽；

第二確定單元，用于根據預設策略對所述查詢語句進行分析處理，得到對應的細粒度詞槽。

7.根據權利要求6所述的裝置，其特征在于，所述預設策略為采用第二序列化標注模型標注識別方式；其中，所述第二確定單元具體用于：

獲取第二序列化標注模型；所述第二序列化標注模型為使用已標注的第二訓練語料預先訓練，其中，所述第二訓練語料中的已標注標簽為細粒度標簽；

根據所述第二序列化標注模型對所述查詢語句進行標注，得到對應的細粒度詞槽。