语义理解方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种语义理解方法、装置、电子设备和存储介质，其中方法包括：确定待理解文本，以及待理解文本的关键信息；基于关键信息，以及预设知识图谱，确定若干条候选语义路径；将待理解文本以及每一候选语义路径输入至路径相关度模型，得到路径相关度模型输出的待理解文本与每一候选语义路径的相关度；其中，路径相关度模型是基于样本文本、样本文本的样本候选语义路径，以及每一样本候选语义路径的相关标记训练得到的；基于待理解文本与每一候选语义路径的相关度，确定待理解文本的文本语义路径。本发明专利技术实施例提供的方法、装置、电子设备和存储介质，能够深层次挖掘待理解文本的语义，提高语义理解精度。

Semantic understanding methods, devices, electronic devices and storage media

【技术实现步骤摘要】
语义理解方法、装置、电子设备和存储介质
本专利技术涉及自然语言处理
，尤其涉及一种语义理解方法、装置、电子设备和存储介质。
技术介绍
随着人工智能技术的迅猛发展，以智能语音交互为核心的人机交互系统的应用越来越广泛，例如，智能家居、智能客服、聊天机器人、早教机器人等。要实现人机交互，机器需要对用户输入的语料进行语义理解。语义理解是指机器依据用户给出的自然语言，理解出用户的意图。然而，由于人类语言具有多样性和复杂性，当前用于语义理解的深度学习模型通常只能学习到自然语言的浅层信息，语义理解的能力十分有限，尤其是针对于复杂语句，当前的深度学习模型难以准确理解其语义。
技术实现思路
本专利技术实施例提供一种语义理解方法、装置、电子设备和存储介质，用以解决现有的语义理解准确度低的问题。第一方面，本专利技术实施例提供一种语义理解方法，包括：确定待理解文本，以及所述待理解文本的关键信息；基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径；将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度；其中，所述路径相关度模型是基于样本文本、所述样本文本的样本候选语义路径，以及每一样本候选语义路径的相关标记训练得到的；基于所述待理解文本与每一候选语义路径的相关度，确定所述待理解文本的文本语义路径。优选地，所述基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径，具体包括：>确定所述关键信息在所述预设知识图谱中对应的每一关联节点；确定包含每一关联节点的最小生成子树，作为知识子树；基于所述知识子树，确定若干条候选语义路径。优选地，所述基于所述知识子树，确定若干条候选语义路径，具体包括：将所述知识子树中任一叶子节点，与距离所述任一叶子节点最近的起始节点之间的路径作为所述候选语义路径；其中，所述起始节点为所述知识子树的根节点或节点间关系为操作类型的父节点。优选地，所述将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度，具体包括：将所述待理解文本与任一候选语义路径输入至所述路径相关度模型的编码层，得到所述编码层输出的文本表示特征，以及路径表示特征；将所述文本表示特征和所述路径表示特征输入至所述路径相关度模型的注意力交互层，得到所述注意力交互层输出的文本注意力表示，以及路径注意力表示；将所述文本注意力表示和所述路径注意力表示输入至所述路径相关度模型的输出层，得到所述输出层输出的所述待理解文本与所述任一候选语义路径的相关度。优选地，所述将所述文本表示特征和所述路径表示特征输入至所述路径相关度模型的注意力交互层，得到所述注意力交互层输出的文本注意力表示，以及路径注意力表示，具体包括：对所述文本表示特征和所述路径表示特征进行注意力交互，得到文本相关度特征和路径相关度特征；基于所述文本表示特征与所述文本相关度特征，确定所述文本注意力表示；基于所述路径表示特征与所述路径相关度特征，确定所述路径注意力表示。优选地，所述基于所述文本表示特征与所述文本相关度特征，确定所述文本注意力表示，具体包括：基于所述文本表示特征、所述文本相关度特征，以及所述文本表示特征与所述文本相关度特征的差和/或积，确定所述文本注意力表示；所述基于所述路径表示特征与所述路径相关度特征，确定所述路径注意力表示，具体包括：基于所述路径表示特征、所述路径相关度特征，以及所述路径表示特征与所述路径相关度特征的差和/或积，确定所述路径注意力表示。优选地，所述路径相关度模型训练的损失函数是基于正样本相关度和负样本相关度的差确定的；其中，所述正样本相关度为所述样本文本与所述样本候选语义路径中的正样本语义路径的相关度，所述负样本相关度为所述样本文本与所述样本候选语义路径中的负样本语义路径的相关度。第二方面，本专利技术实施例提供一种语义理解装置，包括：文本信息确定单元，用于确定待理解文本，以及所述待理解文本的关键信息；候选路径确定单元，用于基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径；路径相关度确定单元，用于将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度；其中，所述路径相关度模型是基于样本文本、所述样本文本的样本候选语义路径，以及每一样本候选语义路径的相关标记训练得到的；路径选择单元，用于基于所述待理解文本与每一候选语义路径的相关度，确定所述待理解文本的文本语义路径。第三方面，本专利技术实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑命令，以执行如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种语义理解方法、装置、电子设备和存储介质，通过预设知识图谱确定若干条候选语义路径，通过结合预设知识图谱中包含的知识，能够深层次挖掘待理解文本的语义，提高语义理解精度；在此基础上，通过路径相关度模型确定待理解文本与每一候选语义路径的相关度，进而确定文本语义路径，实现了准确可靠的语义理解。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的语义理解方法的流程示意图；图2为本专利技术实施例提供的预设知识图谱的示意图；图3为本专利技术实施例提供的候选语义路径的确定方法流程示意图；图4为本专利技术实施例提供的知识子树的确定流程示意图；图5为本专利技术实施例提供的候选语义路径示意图；图6为本专利技术实施例提供的路径相关度模型的运行流程示意图；图7为本专利技术实施例提供的注意力交互层的运行流程示意图；图8为本专利技术实施例提供的路径相关度模型训练过程的结构示意图；图9为本专利技术实施例提供的语义理解装置的结构示意图；图10为本专利技术实施例提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。随着人工智能本文档来自技高网...

【技术保护点】
1.一种语义理解方法，其特征在于，包括：/n确定待理解文本，以及所述待理解文本的关键信息；/n基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径；/n将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度；其中，所述路径相关度模型是基于样本文本、所述样本文本的样本候选语义路径，以及每一样本候选语义路径的相关标记训练得到的；/n基于所述待理解文本与每一候选语义路径的相关度，确定所述待理解文本的文本语义路径。/n

【技术特征摘要】
1.一种语义理解方法，其特征在于，包括：
确定待理解文本，以及所述待理解文本的关键信息；
基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径；
将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度；其中，所述路径相关度模型是基于样本文本、所述样本文本的样本候选语义路径，以及每一样本候选语义路径的相关标记训练得到的；
基于所述待理解文本与每一候选语义路径的相关度，确定所述待理解文本的文本语义路径。


2.根据权利要求1所述的语义理解方法，其特征在于，所述基于所述关键信息，以及预设知识图谱，确定若干条候选语义路径，具体包括：
确定所述关键信息在所述预设知识图谱中对应的每一关联节点；
确定包含每一关联节点的最小生成子树，作为知识子树；
基于所述知识子树，确定若干条候选语义路径。


3.根据权利要求2所述的语义理解方法，其特征在于，所述基于所述知识子树，确定若干条候选语义路径，具体包括：
将所述知识子树中任一叶子节点，与距离所述任一叶子节点最近的起始节点之间的路径作为所述候选语义路径；其中，所述起始节点为所述知识子树的根节点或节点间关系为操作类型的父节点。


4.根据权利要求1所述的语义理解方法，其特征在于，所述将所述待理解文本以及每一候选语义路径输入至路径相关度模型，得到所述路径相关度模型输出的所述待理解文本与每一候选语义路径的相关度，具体包括：
将所述待理解文本与任一候选语义路径输入至所述路径相关度模型的编码层，得到所述编码层输出的文本表示特征，以及路径表示特征；
将所述文本表示特征和所述路径表示特征输入至所述路径相关度模型的注意力交互层，得到所述注意力交互层输出的文本注意力表示，以及路径注意力表示；
将所述文本注意力表示和所述路径注意力表示输入至所述路径相关度模型的输出层，得到所述输出层输出的所述待理解文本与所述任一候选语义路径的相关度。


5.根据权利要求4所述的语义理解方法，其特征在于，所述将所述文本表示特征和所述路径表示特征输入至所述路径相关度模型的注意力交互层，得到所述注意力交互层输出的文本注意力表示，以及路径注意力表示，具体包括：
对所述文本表示特征和所述路...

【专利技术属性】
技术研发人员：刘加新，胡加学，赵乾，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34