[發明專利]結構化查詢語句生成方法、裝置、電子設備及介質

在審

• 申請號: 202010140610.7
• 申請日: 2020-03-03
• 公開（公告）號: CN111459967A
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 趙亮
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06F16/2452;G06F40/289
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 劉麗華;孫芬

本發明提供一種結構化查詢語句生成方法、裝置、電子設備及介質。所述結構化查詢語句生成方法能夠當接收到查詢請求時，從所述查詢請求中提取語句，對所述語句進行分詞處理，得到分詞，根據所述分詞及配置的字典，生成目標列表，所述字典表征分詞與分詞類型的對應關系，所述目標列表表征目標分詞與目標分詞類型的對應關系，將所述目標列表中的目標分詞識別為標簽值，并根據所述標簽值及預先配置的語法樹框架生成目標語法樹，所述語法樹框架表征標簽，所述目標語法樹表征所述標簽與標簽值的對應關系，基于所述目標語法樹，獲取與所述標簽對應的結構化查詢語句模板，將所述標簽值錄入所述結構化查詢語句模板中，得到所述語句對應的結構化查詢語句。

技術領域

本發明涉及數據庫技術領域，尤其涉及一種結構化查詢語句生成方法、裝置、電子設備及介質。

背景技術

為了便于數據的查詢，數據一般以數據表的形式存儲于數據庫中，對于不具備結構化查詢語言基礎的人來說，無法組織結構化查詢語句，進而無法在數據庫中查詢到數據結果，致使無法快速得到數據結果，因此，將自然語句轉化為SQL語句的方法應運而生。

然而，在現有的SQL語句轉換方法中，主要分為seq2seq模型的方法以及基于規則的方法。在seq2seq模型的方法中，需要大量的訓練樣本，然而這類訓練樣本不僅不易獲取，而且獲取效率低，導致在訓練樣本上花費較多的人力成本，此外，當生成的結構化查詢語句不準確時，seq2seq模型無法針對相應的錯誤進行修復，使得生成準確率較低；而在基于規則的方法中，無法覆蓋到所有用戶的句式習慣，因此，要求用戶必須按照一定的規則模板輸入語句，不利于用戶的體驗，此外，基于規則的召回率低。

發明內容

鑒于以上內容，有必要提供一種結構化查詢語句生成方法、裝置、電子設備及介質，無需依據訓練樣本進行訓練，也無需規定固定的模板，就能夠準確將用戶輸入的語句轉換成結構化查詢語句。

一種結構化查詢語句生成方法，所述方法包括：

當接收到查詢請求時，從所述查詢請求中提取語句；

對所述語句進行分詞處理，得到分詞；

根據所述分詞及配置的字典，生成目標列表，所述字典表征分詞與分詞類型的對應關系，所述目標列表表征目標分詞與目標分詞類型的對應關系；

將所述目標列表中的目標分詞識別為標簽值，并將所述標簽值錄入預先配置的語法樹框架中，生成目標語法樹，所述語法樹框架表征標簽，所述目標語法樹表征所述標簽與標簽值的對應關系；

基于所述目標語法樹，獲取與所述標簽對應的結構化查詢語句模板；

將所述標簽值錄入所述結構化查詢語句模板中，得到所述語句對應的結構化查詢語句。

根據本發明優選實施例，所述對所述語句進行分詞處理，得到分詞包括：

根據預設的自定義詞典對所述語句進行切分，得到切分位置；

根據所述切分位置，構建有向無環圖；

通過動態規劃算法計算所述有向無環圖中的最大概率路徑，得到目標路徑；

根據所述目標路徑確定所述分詞。

根據本發明優選實施例，所述根據所述分詞及配置的字典，生成目標列表包括：

獲取當前列表；

當從所述字典中確定分詞為枚舉值字段名、連續型字段名、意圖詞、方法詞中的任意一種類型時，將該分詞錄入至所述當前列表中，得到所述目標列表；或者