语言解析方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种语言解析方法、装置、电子设备及存储介质，该方法包括：获取待解析语言；确定所述待解析语言对应的目标向量序列；对所述目标向量序列进行预测，确定目标解码器对应的目标预测序列；根据所述目标向量序列、所述目标预测序列及获取的其它解码器对应的其它预测序列，确定所述待解析语言对应的目标解析结果。该方法用以解决现有技术中语言解析方法的实现过程具有一定的局限性，容易导致电子设备无法准确得到单目标语义解析结果的缺陷，实现电子设备可得到较为准确的待解析语言对应的目标解析结果。的目标解析结果。的目标解析结果。

【技术实现步骤摘要】
语言解析方法、装置、电子设备及存储介质


[0001]本专利技术涉及自然语言处理
，尤其涉及一种语言解析方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网的蓬勃发展及网络资源的高速膨胀，知识图谱(Knowledge Base)已成为许多人工智能系统的重要组成部分。该知识图谱存储着海量信息，这些信息的获取依赖特定的形式化查询语言。电子设备可利用语义解析技术，对自然语言进行解析，得到上述提及的形式化查询语言，进而为非专业知识人士提供高效查询这些信息的途径。
[0003]现有的语言解析方法有两种：第一种方法为：电子设备对自然语言对应的至少一个目标形式语言进行逐一解析，得到至少一个单目标语义解析结果；第二种方法为：该电子设备利用至少一个解码器，分别对这至少一个目标形式语言进行解析，得到至少一个单目标语义解析结果。
[0004]无论上述哪种语言解析方法，都由于这些语言解析方法的实现过程具有一定的局限性，容易导致电子设备无法准确得到单目标语义解析结果。

技术实现思路

[0005]本专利技术提供一种语言解析方法、装置、电子设备及存储介质，用以解决现有技术中语言解析方法的实现过程具有一定的局限性，容易导致电子设备无法准确得到单目标语义解析结果的缺陷，实现电子设备可得到较为准确的待解析语言对应的目标解析结果。
[0006]本专利技术提供一种语言解析方法，包括：
[0007]获取待解析语言；
[0008]确定该待解析语言对应的目标向量序列；
[0009]对该目标向量序列进行预测，确定目标解码器对应的目标预测序列；
[0010]根据该目标向量序列、该目标预测序列及获取的其它解码器对应的其它预测序列，确定该待解析语言对应的目标解析结果。
[0011]根据本专利技术提供的一种语言解析方法，该确定该待解析语言对应的目标向量序列，包括：基于双向长短期记忆神经网络，得到该待解析语言对应的目标向量序列，该目标向量序列包括该待解析语言的多种形式语言信息分别对应的向量序列。
[0012]根据本专利技术提供的一种语言解析方法，该基于双向长短期记忆神经网络，得到该待解析语言对应的目标向量序列，包括：基于双向长短期记忆神经网络中的编码公式，得到中间序列；根据序列公式，得到该待解析语言对应的目标向量序列；其中，该编码公式为h
i
＝LSTM(x
i
，h
i
‑1)；q＝(x1，x2，
…
，x
i
)；该序列公式为h＝(h1，h2，
…
，h
|q|
)；q表示该待解析语言；x
i
表示该待解析语言q中第i个字符；h表示该目标向量序列；h
i
表示该目标向量序列h中第i个中间序列；h
|q|
表示该目标向量序列h中第|q|个中间序列；h
i
‑1表示该目标向量序列h中第i
‑
1个中间序列。
[0013]根据本专利技术提供的一种语言解析方法，该对该目标向量序列进行预测，确定目标解码器对应的目标预测序列，包括：基于第一长短期记忆神经网络及第一注意力机制，对该目标向量序列进行预测，得到目标解码器对应的目标预测序列。
[0014]根据本专利技术提供的一种语言解析方法，该基于第一长短期记忆神经网络及第一注意力机制，对该目标向量序列进行预测，得到目标解码器对应的目标预测序列，包括：基于第一注意力机制，确定该目标向量序列对应的第一上下文向量；根据该第一上下文向量，基于第一长短期记忆神经网络，得到解码向量；获取该目标向量序列在前一时刻对应的向量序列；根据该第一上下文向量、该解码向量及该前一时刻对应的向量序列，得到目标解码器对应的目标预测序列。
[0015]根据本专利技术提供的一种语言解析方法，该根据该目标向量序列、该目标预测序列及获取的其它解码器对应的其它预测序列，确定该待解析语言对应的目标解析结果，包括：基于第二长短期记忆神经网络及第二注意力机制，根据该目标向量序列、该目标预测序列及获取的其它解码器对应的其它预测序列，确定该待解析语言对应的目标解析结果。
[0016]根据本专利技术提供的一种语言解析方法，该基于第二长短期记忆神经网络及第二注意力机制，根据该目标向量序列、该目标预测序列及获取的其它解码器对应的其它预测序列，确定该待解析语言对应的目标解析结果，包括：接收其它解码器发送的其它预测序列；基于第二注意力机制，确定该目标向量序列对应的第二上下文向量、该目标预测序列对应的第三上下文向量及该其它预测序列对应的第四上下文向量；根据该第二上下文向量、该第三上下文向量及该第四上下文向量，基于第二长短期记忆神经网络，得到该待解析语言对应的目标解析结果。
[0017]本专利技术还提供一种语言解析装置，包括：
[0018]获取模块，用于获取待解析语言及该待解析语言对应的待解析向量序列；
[0019]处理模块，用于确定该待解析语言对应的目标向量序列；对该目标向量序列进行预测，确定目标解码器对应的目标预测序列；根据该目标向量序列、该目标预测序列及获取的其它解码器对应的其它预测序列，确定该待解析语言对应的目标解析结果。
[0020]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述语言解析方法。
[0021]本专利技术还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上述任一种所述语言解析方法。
[0022]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述语言解析方法。
[0023]本专利技术提供的语言解析方法、装置、电子设备及存储介质，通过获取待解析语言；确定所述待解析语言对应的目标向量序列；对所述目标向量序列进行预测，确定目标解码器对应的目标预测序列；根据所述目标向量序列、所述目标预测序列及获取的其它解码器对应的其它预测序列，确定所述待解析语言对应的目标解析结果。电子设备可以利用不同的解码器，可同时对不同的预测序列进行解码，此外，该电子设备还可以利用不同种类形式语言之间的互补关系，使得目标目标解码器在解码过程中能够将目标预测序列及其它解码器对应的其它预测序列进行相互辅助，共同提升各个解码器的解码准确率，从而得到较为
准确的待解析语言对应的目标解析结果。也即，该方法用以解决现有技术中语言解析方法的实现过程具有一定的局限性，容易导致电子设备无法准确得到单目标语义解析结果的缺陷，实现电子设备可得到较为准确的待解析语言对应的目标解析结果。
附图说明
[0024]为了更清楚地说明本专利技术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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语言解析方法，其特征在于，包括：获取待解析语言；确定所述待解析语言对应的目标向量序列；对所述目标向量序列进行预测，确定目标解码器对应的目标预测序列；根据所述目标向量序列、所述目标预测序列及获取的其它解码器对应的其它预测序列，确定所述待解析语言对应的目标解析结果。2.根据权利要求1所述的方法，其特征在于，所述确定所述待解析语言对应的目标向量序列，包括：基于双向长短期记忆神经网络，得到所述待解析语言对应的目标向量序列，所述目标向量序列包括所述待解析语言的多种形式语言信息分别对应的向量序列。3.根据权利要求2所述的方法，其特征在于，所述基于双向长短期记忆神经网络，得到所述待解析语言对应的目标向量序列，包括：基于双向长短期记忆神经网络中的编码公式，得到中间序列；根据序列公式，得到所述待解析语言对应的目标向量序列；其中，所述编码公式为h
i
＝LSTM(x
i
，h
i
‑1)；q＝(x1，x2，
…
，x
i
)；所述序列公式为h＝(h1，h2，
…
，h
|q|
)；q表示所述待解析语言；x
i
表示所述待解析语言q中第i个字符；h表示所述目标向量序列；h
i
表示所述目标向量序列h中第i个中间序列；h
|q|
表示所述目标向量序列h中第|q|个中间序列；h
i
‑1表示所述目标向量序列h中第i
‑
1个中间序列。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述对所述目标向量序列进行预测，确定目标解码器对应的目标预测序列，包括：基于第一长短期记忆神经网络及第一注意力机制，对所述目标向量序列进行预测，得到目标解码器对应的目标预测序列。5.根据权利要求4所述的方法，其特征在于，所述基于第一长短期记忆神经网络及第一注意力机制，对所述目标向量序列进行预测，得到目标解码器对应的目标预测序列，...

【专利技术属性】
技术研发人员：何世柱，赵军，刘康，李想，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：