[發明專利]基于語義網的查詢指令生成方法、裝置、設備和存儲介質

在審

• 申請號: 202010566674.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111767453A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 殷嘉珩;顧根
• 申請（專利權）人: 上海森億醫療科技有限公司
• 主分類號: G06F16/9532
• 分類號: G06F16/9532;G06F16/332;G06F40/30
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 李治東

1.一種基于語義網的查詢指令生成方法，其特征在于，所述方法包括：

獲取查詢的輸入信息；

根據所述輸入信息中各個詞所對應的上下文信息的語義網關聯、及關聯概念信息，將各個詞轉換為表征向量；

將各個詞對應的表征向量轉換為詞槽標簽，并依據全部詞對應的詞槽標簽得到意圖；依據所述意圖生產對應指令。

2.根據權利要求1所述的方法，其特征在于，所述根據所述輸入信息中各個詞所對應的上下文信息的語義網關聯、及關聯概念信息，將各個詞轉換為表征向量，包括：

基于輸入信息中各個詞的上下文信息和語義網信息，對每個詞的語義以及背景知識進行建模，以形成圖嵌入模型；

通過所述圖嵌入模型訓練依據上下文信息的語義網關聯、及關聯概念信息以形成表征向量。

3.根據權利要求2所述的方法，其特征在于，所述方法包括：

所述圖嵌入模型采用無監督的方式利用語義網的關聯概念信息進行訓練，以使所述圖嵌入模型能用大量的公開領域的語義網數據。

4.根據權利要求2或3所述的方法，其特征在于，所述圖嵌入模型包括：DeepWalk模型、Node2Vec模型、HARP模型、及Walklets模型中任意一種。

5.根據權利要求2所述的方法，其特征在于，所述將各個詞對應的表征向量轉換為詞槽標簽，并依據全部詞對應的詞槽標簽得到意圖，包括：

通過判別模型將所述表征向量轉化為所述詞槽標簽序列和所述意圖序列；其中，所述判別模型通過所述圖嵌入模型獲得每個詞的語義以及背景知識，以對詞匯進行建模和推理，并依據所述判別模型的建模和推理將各個詞對應的表征向量轉換為對應的詞槽標簽、及對應的意圖。

6.根據權利要求5所述的方法，其特征在于，所述判別模型包括：詞槽標簽分類器、及意圖分類器，以分別將表征向量轉化為詞槽標簽和意圖。

7.一種基于語義網的查詢指令生成裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取查詢的輸入信息；

第一轉化模塊，用于根據所述輸入信息中各個詞所對應的上下文信息的語義網關聯、及關聯概念信息，將各個詞轉換為表征向量；

第二轉化模塊，用于將各個詞對應的表征向量轉換為詞槽標簽，并依據全部詞對應的詞槽變遷得到意圖；

指令生成模塊，用于依據所述意圖生產對應指令。

8.一種計算機設備，其特征在于，所述設備包括：存儲器、及處理器；所述存儲器用于存儲計算機指令；所述處理器運行計算機指令實現如權利要求1至6中任意一項所述的方法。

9.一種計算機可讀存儲介質，其特征在于，存儲有計算機指令，所述計算機指令被運行時執行如權利要求1至6中任一項所述的方法。