[發明專利]字符序列生成方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202010095894.2
• 申請日: 2020-02-17
• 公開（公告）號: CN111353298A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 劉卉蕓
• 申請（專利權）人: 杭州網易再顧科技有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/289;G06F40/30;G06F40/295;G06Q30/06
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種字符序列生成方法，其特征在于，包括：

當檢測到字符序列時，識別所述字符序列中的關鍵詞序列；

確定節點關系圖中與所述關鍵詞序列對應的目標節點，所述節點關系圖用于通過節點連接關系表征關鍵詞之間的關聯關系；

根據對所述字符序列間字符依存關系的分析，生成用于表示所述字符依存關系的語義結構；

根據所述語義結構、所述目標節點以及所述節點關系圖確定序列生成元素，并根據所述序列生成元素生成與所述字符序列相匹配的目標字符序列。

2.根據權利要求1所述的方法，其特征在于，識別所述字符序列中的關鍵詞序列，包括：

計算所述字符序列對應的特征向量，并根據所述特征向量獲取所述字符序列對應的語義內容；

根據所述語義內容確定所述字符序列的所屬類型；

若所述所屬類型為咨詢類，則識別所述字符序列中的關鍵詞序列；其中，所述咨詢類包括商品信息咨詢以及促銷信息咨詢中至少一種。

3.根據權利要求2所述的方法，其特征在于，識別所述字符序列中的關鍵詞序列，包括：

對所述字符序列進行分詞處理，得到多個分詞，并對所述多個分詞進行詞型標注；

根據預標注的樣本分詞訓練詞型識別模型，并根據訓練后的詞型識別模型識別詞型標注結果中的關鍵詞序列；其中，所述關鍵詞序列包括實體詞、屬性名詞、屬性值詞、屬性修飾詞以及關系詞中至少一種。

4.根據權利要求3所述的方法，其特征在于，確定節點關系圖中與所述關鍵詞序列對應的目標節點，包括：

檢測所述關鍵詞序列中是否包括所述屬性名詞、所述屬性值詞以及所述關系詞中至少一個；

如果不包括所述屬性名詞、所述屬性值詞以及所述關系詞，則對所述關鍵詞序列進行文本切分，并依據所述文本切分結果對應的特征向量對所述關鍵詞序列進行語義分析，以從所述節點關系圖中確定出與所述關鍵詞序列對應的目標節點。

5.根據權利要求3所述的方法，其特征在于，所述關鍵詞序列包括所述屬性名詞和/或所述屬性值詞，確定節點關系圖中與所述關鍵詞序列對應的目標節點，包括：

根據所述字符序列與同義詞庫的比對，確定與所述字符序列對應的實體，并確定所述節點關系圖中所述實體對應的所有屬性節點；

計算所述所有屬性節點分別對應的第一特征向量以及所述關鍵詞序列對應的第二特征向量；

計算所述第一特征向量與所述第二特征向量之間的相似度；

根據所述相似度從所述所有屬性節點中選取與所述關鍵詞序列對應的目標節點。

6.根據權利要求5所述的方法，其特征在于，計算所述所有屬性節點分別對應的第一特征向量，包括：

確定所述所有屬性節點中包括的屬性名詞和屬性值詞，所述所有屬性節點中任意兩個屬性節點中包括的屬性名詞不同；

對各所述屬性節點中的屬性名詞的特征向量和屬性值詞的特征向量進行加權處理，并計算加權結果對應的平均值；

將所述平均值分別確定為對應的所述屬性節點的第一特征向量。

7.根據權利要求3所述的方法，其特征在于，所述關鍵詞序列包括所述關系詞，確定節點關系圖中與所述關鍵詞序列對應的目標節點，包括：

根據同義詞庫匹配出與所述關鍵詞序列對應的標準詞匯；

從所述節點關系圖中匹配與所述標準詞匯對應的目標節點候選集，并從所述目標節點候選集中選取與所述關鍵詞序列對應的目標節點。

8.一種字符序列生成裝置，其特征在于，包括：

關鍵詞序列識別單元，用于當檢測到字符序列時，識別所述字符序列中的關鍵詞序列；

目標節點確定單元，用于確定節點關系圖中與所述關鍵詞序列對應的目標節點，所述節點關系圖用于通過節點連接關系表征關鍵詞之間的關聯關系；

語義結構生成單元，用于根據對所述字符序列間字符依存關系的分析，生成用于表示所述字符依存關系的語義結構；

字符序列生成單元，用于根據所述語義結構、所述目標節點以及所述節點關系圖確定序列生成元素，并根據所述序列生成元素生成與所述字符序列相匹配的目標字符序列。