基于人工智能的需求识别的方法和装置制造方法及图纸

本发明专利技术提出一种基于人工智能的需求识别的方法和装置，其中，该基于人工智能的需求识别的方法，包括以下步骤：获取需求信息；对所述需求信息进行分词以形成多个词组；获取所述多个词组之间的句法紧密度信息；根据所述句法紧密度信息和需求信息的预设依存句法树进行需求识别。本发明专利技术的基于人工智能的需求识别的方法，能够有效提高需求识别的准确性和识别效率。

【技术实现步骤摘要】

本专利技术涉及信息处理
，特别涉及一种基于人工智能的需求识别的方法和装置。
技术介绍
人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。句法分析是人工智能研究中自然语言处理领域的一个关键问题。用以确定句子的句法结构或者句子中词汇之间的依存关系。因此，依存句法分析是对用户的需求进行识别分析的主要方法之一。依存句法分析是指通过建立词语间的修饰层级和修饰关系，使句子构成一棵句法结构树。目前主要通过查询预先建立的明文词语搭配词典来确定用户输入的内容中词汇间的句法依存关系。然而，对于明文词语搭配词典没有覆盖到的句法结构，则无法确定依存关系，因此，目前的依存句法分析中，对于句法结构的覆盖率较低、泛化能力差，且分析所依赖的明文词语搭配词典规模大、占用空间大，应用不便，进而影响了需求识别的准确度、识别效率。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术的第一个目的在于提出一种基于人工智能的需求识别的方法，能够有效提高需求识别的准确性和识别效率。本专利技术的第二个目的在于提出一种基于人工智能的需求识别的装置。为达上述目的，根据本专利技术第一方面实施例提出了一种基于人工智能的需求识别的方法，包括以下步骤：获取需求信息；对所述需求信息进行分词以形成多个词组；获取所述多个词组之间的句法紧密度信息；根据所述句法紧密度信息和需求信息的预设依存句法树进行需求识别。本专利技术实施例的基于人工智能的需求识别的方法，可获取用户输入的需求信息，并进行分词形成多个词组，获取多个词组之间的句法紧密度信息，并根据句法紧密度信息和需求信息的预设依存句法树进行需求识别，在需求识别的过程中结合句法紧密度信息与依存句法树能够有效提高需求识别的准确性和识别效率，能够精准地抽取、识别用户的需求，进而可更有针对性地为用户提供更好的服务，提升用户体验。本专利技术第二方面实施例提出了一种基于人工智能的需求识别的装置，包括：第一获取模块，用于获取需求信息；分词模块，用于对所述需求信息进行分词以形成多个词组；第二获取模块，用于获取所述多个词组之间的句法紧密度信息；需求识别模块，用于根据所述句法紧密度信息和需求信息的预设依存句法树进行需求识别。本专利技术实施例的基于人工智能的需求识别的装置，可获取用户输入的需求信息，并进行分词形成多个词组，获取多个词组之间的句法紧密度信息，并根据句法紧密度信息和需求信息的预设依存句法树进行需求识别，在需求识别的过程中结合句法紧密度信息与依存句法树能够有效提高需求识别的准确性和识别效率，能够精准地抽取、识别用户的需求，进而可更有针对性地为用户提供更好的服务，提升用户体验。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的基于人工智能的需求识别的方法的流程图；图2为根据本专利技术一个实施例的依存句法树的示意图；图3为根据本专利技术一个实施例的基于人工智能的需求识别方法的示意图；图4为根据本专利技术另一个实施例的基于人工智能的需求识别的方法的流程图；图5为根据本专利技术一个实施例的正例和负例相似度计算的网络模型的示意图；图6为根据本专利技术一个具体实施例的基于人工智能的需求识别的方法示意图；图7a为根据本专利技术一个实施例的深度问答系统的界面示意图；图7b为根据本专利技术另一个实施例的深度问答系统的界面示意图；图8为根据本专利技术一个实施例的基于人工智能的需求识别的装置的结构示意图；图9为根据本专利技术另一个实施例的基于人工智能的需求识别的装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“多个”指两个或两个以上；术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。下面参考附图描述根据本专利技术实施例的基于人工智能的需求识别的方法和装置。本专利技术提出了一种基于人工智能的需求识别的方法，基于人工智能的需求识别的方法，包括以下步骤：获取需求信息；对所述需求信息进行分词以形成多个词组；获取所述多个词组之间的句法紧密度信息；根据所述句法紧密度信息和所述需求信息的预设依存句法树进行需求识别。图1为根据本专利技术一个实施例的基于人工智能的需求识别的方法的流程图。如图1所示，根据本专利技术实施例的基于人工智能的需求识别的方法，包括：S101，获取需求信息。其中，需求信息可为用户在各个需求场景下输入的文字、语音、图像等信息。举例来说，在搜索场景下，在搜索框中输入的用于搜索的信息；或者在问答场景下，用户输入的提问信息或者回答信息。S102，对所述需求信息进行分词以形成多个词组。在本专利技术的实施例中，如果需求信息为文本信息，则可对需求信息直接进行分词，形成多个词组。如果需求信息为非文本信息，如语音、图像等信息，则可将非文本信息进行识别为文本信息，并对识别得到的文本进行分词，形成多个词组。举例来说，对于用户输入的需求信息“给我订一张明天从北京飞往上海的飞机票”，分词后可得到词组：“给”、“我”、“订”、“一张”、“明天”、“从”、“北京”、“飞往”、“上海”、“的”、“飞机票”。S103，获取所述多个词组之间的句法紧密度信息。其中，句法紧密度信息是指两个词组构成某种句法结构的可能性的度量。在本专利技术的另一个实施例中，可通过查询句法紧密度模型获得所述多个词组中任意两个词之间的句法紧密度信息。其中，句法紧密度模型是通过深度学习技术，利用神经网络将句法紧密度学习为一个可计算的模型(具体建立句法紧密度模型的过程可参见图4和图5所示实施例)，该模型中存储了句法紧密度的网络结构。因此，可通过该句法紧密度模型中的网络结构确定任意的词语搭配的句法紧密度信息。在本专利技术的一个实施例中，对于已完成分词的句子，可根据已建立的句法紧密度模型计算任意两个之间的句法紧密度信息。进一步地，也可根据得到的句法紧密度信息中的最大值对所得到的句法紧密度信息进行归一化处理，得到各个词之间的归一化处理后的句法紧密度信息，以便于后续句法紧密度信息的比较。S104，根据所述句法紧密度信息和需求信息的预设依存句法树进行需求识别。其中，需求信息的预设依存句法树可以是根据句子的依存结构、修饰层级和修饰关系而建立的树形结构。在本专利技术的一个实施例中，需求信息的依存句法树可以是预先通过现有的或者未来可出现的依存句法分析器对用户的需求信息进行分析得到的。例如，可通过Stanford-Parser(一种由斯坦福大学自然语言研究小组推出的语法解析工具)、LTP(由哈尔滨工业大学社会计算与信息检索研究中心研发的语言技术平台)进行分析得到依本文档来自技高网...

【技术保护点】
一种基于人工智能的需求识别的方法，其特征在于，包括以下步骤：获取需求信息；对所述需求信息进行分词以形成多个词组；获取所述多个词组之间的句法紧密度信息；根据所述句法紧密度信息和所述需求信息的预设依存句法树进行需求识别。

【技术特征摘要】
1.一种基于人工智能的需求识别的方法，其特征在于，包括以下步骤：获取需求信息；对所述需求信息进行分词以形成多个词组；获取所述多个词组之间的句法紧密度信息；根据所述句法紧密度信息和所述需求信息的预设依存句法树进行需求识别。2.如权利要求1所述的根据用户问题进行需求识别的方法，其特征在于，所述根据所述句法紧密度信息和所述需求信息的预设依存句法树进行需求识别具体包括：根据所述句法紧密度信息确定所述多个词组中作为主节点的词组和作为子节点的词组；根据所述作为主节点的词组和作为子节点的词组以及所述需求信息的预设依存句法树进行需求识别。3.如权利要求1所述的根据用户问题进行需求识别的方法，其特征在于，所述需求识别包括需求类型识别和/或需求限定识别。4.如权利要求1所述的根据用户问题进行需求识别的方法，其特征在于，所述获取所述多个词组之间的句法紧密度信息具体包括：查询句法紧密度模型获得所述多个词组之间的句法紧密度信息。5.如权利要求4所述的根据用户问题进行需求识别的方法，其特征在于，所述句法紧密度模型通过以下步骤建立：获取样本需求信息；对所述样本需求信息进行分词以形成多个样本词组；获取所述样本词组中的目标样本词组，并获取所述多个样本词组与所述目标样本词组之间的正例关系或负例关系；根据所述正例关系或负例关系进行深度学习，以建立所述句法紧密度模型。6.一...

【专利技术属性】
技术研发人员：郭振，吴文权，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11