一种问答对生成的方法与装置与流程

文档序号:19906909发布日期:2020-02-11 14:37
一种问答对生成的方法与装置与流程

本申请涉及网络技术领域,尤其涉及一种问答对生成的方法与装置。



背景技术:

随着人工智能技术的快速发展,用户对于智能问答的需求日渐高涨,具体的,智能问答以一问一答的形式,精确定位用户的提问,通过与用户交互,为用户提供个性化的信息服务。

智能问答的核心点之一即存储有基础数据的语料库。语料库的重要组成部分常用问答对(frequentlyaskedquestions,faq)由一个标准问句和一个与之对应的标准答句组成。业内通常使用人工维护录入的方式建立faq,例如,通过人工的方式从文档记载的内容中提取出具备问答关系的问句和答句,以生成问答对。

然而,上述人工录入的过程中,由于录入人员语言或专业素质的高低参差不齐,会导致其提取的部分问句与答句之间的匹配度不够高。



技术实现要素:

本申请实施例提供了一种问答对生成的方法与装置,能够提高问答对的问题与答案之间的匹配度。

本申请实施例第一方面提供一种对象控制的方法,包括:

获取待解析文本,所述待解析文本包括n层信息,n大于等于2;

根据所述待解析文本生成候选问答对,所述候选问答对是基于所述n层信息中的相邻两层信息生成的,所述候选问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述候选问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

通过目标分类模型获取所述候选问答对所对应的相关性分值;

根据所述候选问答对所对应的相关性分值从所述候选问答对中确定目标问答对。

本申请实施例第二方面提供一种问答对生成的装置,包括:

第一获取模块,用于获取待解析文本,所述待解析文本包括n层信息,n大于等于2;

生成模块,用于根据所述待解析文本生成候选问答对,所述候选问答对是基于所述n层信息中的相邻两层信息生成的,所述候选问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述候选问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

第二获取模块,用于通过目标分类模型获取所述候选问答对所对应的相关性分值;

确定模块,用于根据所述候选问答对所对应的相关性分值从所述候选问答对中确定目标问答对。

基于第二方面,本申请实施例中第二方面的第一种实现方式中,所述生成模块还用于:

从所述待解析文本的所述n层信息中获取相邻两层信息;

从所述相邻两层信息中的上层信息,以及所述上层信息所从属的各层信息中获取关键词;

根据所述关键词生成问题;

根据所述相邻两层信息中的下层信息生成答案;

根据所述问题和所述答案生成所述候选问答对。

基于第二方面的第一实现方式,本申请实施例中第二方面的第二种实现方式中,所述生成模块还用于通过语句生成模型获取所述关键词所对应的问题。

基于第二方面,本申请实施例中第二方面的第三种实现方式中,所述确定模块还用于将所述相关性分值大于或等于相关性阈值的所述候选问答对确定为目标问答对。

基于第二方面,或第二方面的第一种实现方式至第三种实现方式中的任一种,本申请实施例中第二方面的第四种实现方式中,所述n层信息的第1层信息至第n-1层信息为所述待解析文本中的第1级标题至第n-1级标题,所述n层信息的第n层信息为所述待解析文本的所述第n-1级标题下的段落。

本申请实施例第三方面一种模型训练的方法,包括:

获取待训练问答对,所述待训练问答对是基于待解析文本的n层信息中的相邻两层信息生成的,所述待训练问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述待训练问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

通过待训练分类模型获取所述待训练问答对的相关性分值;

根据所述相关性分值和真实分值,通过目标损失函数对所述待训练分类模型进行训练,得到目标分类模型。

本申请实施例第四方面提供一种模型训练的装置,包括:

第一获取模块,用于获取待训练问答对,所述待训练问答对是基于待解析文本的n层信息中的相邻两层信息生成的,所述待训练问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述待训练问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

第二获取模块,用于通过待训练分类模型获取所述待训练问答对的相关性分值;

训练模块,用于根据所述相关性分值和真实分值,通过目标损失函数对所述待训练分类模型进行训练,得到目标分类模型。

本申请实施例第五方面提供一种终端设备,包括:存储器、收发器、处理器以及总线系统;

其中,所述存储器用于存储程序;

所述处理器用于执行所述存储器中的程序,包括如下步骤:

获取待解析文本,所述待解析文本包括n层信息,n大于等于2;

根据所述待解析文本生成候选问答对,所述候选问答对是基于所述n层信息中的相邻两层信息生成的,所述候选问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述候选问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

通过目标分类模型获取所述候选问答对所对应的相关性分值;

根据所述候选问答对所对应的相关性分值从所述候选问答对中确定目标问答对;

所述总线系统用于连接所述存储器以及所述处理器,以使所述存储器以及所述处理器进行通信。

本申请实施例第六方面一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如第一方面或第三方面所述的方法。

从以上技术方案可以看出,本申请实施例具有以下优点:

本申请实施例提供了一种问答对生成的方法,该方法在获取待解析文本后,根据待解析文本生成候选问答对,其中,待解析文本包括n层信息,n大于等于2,候选问答对是基于n层信息中的相邻两层信息生成的,候选问答对的问题是基于相邻两层信息中的上层信息生成的,候选问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息。然后通过目标分类模型获取候选问答对所对应的相关性分值,最后根据候选问答对所对应的相关性分值从候选问答对中确定目标问答对。上述过程中,由于待解析文本的内容信息具有层级关系,故本申请基于相邻两层信息所生成的候选问答对,其问题和答案则具备了一定的匹配关系,且本申请还通过目标分类模型对候选问答对进行基于问题和答案之间相关性程度(即相关性分值的高低)的筛选,以使得最终确定的目标问答对的问题和答案之间能够具备较高的匹配度。

附图说明

图1为本申请实施例中问答对生成的方法的一个流程示意图;

图2为本申请实施例中树形结构的一个示意图;

图3为本申请实施例中端到端模型的应用示意图;

图4为本申请实施例中模型训练的方法的一个流程示意图;

图5为本申请实施例中问答对生成的装置的一个结构示意图;

图6为本申请实施例中模型训练的装置的一个结构示意图;

图7为本申请实施例中终端设备的一个结构示意图。

具体实施方式

本申请实施例提供了一种问答对生成的方法与装置,能够提高问答对的问题与答案之间的匹配度。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应理解,随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用。本申请采用自然语言处理(naturelanguageprocessing,nlp)技术进行问答对生成,其中,自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、智能问答、知识图谱等技术。

本申请所生成的问答对(由一个标准问题和一个与之对应的标准答案组成)可应用于智能问答场景中。智能问答以一问一答的形式,精确定位用户的提问,通过与用户交互,为用户提供个性化的信息服务。可以理解的是,若用户通过终端设备输入提问后,终端设备确定用户的提问与某个问答对中的问题相似,则可将该问答对中的答案作为用户的提问结果返回,以供用户使用。

因此,为了满足用户的提问需求,问答对中的问题与答案必须保持一定的匹配度。

为了提高问答对中问题与答案之间的匹配度,下面从终端设备的角度,对本申请实施例提供的一种问答对生成的方法进行说明。图1为本申请实施例中问答对生成的方法的一个流程示意图,请参阅图1,本申请实施例中问答对生成的方法的一个实施例包括:

101、获取待解析文本,待解析文本包括n层信息,n大于等于2;

本实施例中,当录入人员需要在终端设备上生成问答对,用以录入语料库时,可先挑选用于摘选信息的待解析文本并输入终端设备。需要说明的是,待解析文本可以为具有一定层级关系的文本,其层级关系通常指文本的内容信息以逐层递进的格式呈现,具体的,待解析文本可以为产品说明、使用手册等等,此类文本包含n层信息,其第一层信息包含第二层信息,第二层信息包含第三层信息等等,以此类推直至第n层信息,且n大于或等于2。例如,第一层信息可以为社交,第二层信息为从属于社交的微信和微博,第三层信息为从属于微信的微信支付和摇一摇,从属于微博的热搜和话题等等。

102、根据待解析文本生成候选问答对,候选问答对是基于n层信息中的相邻两层信息生成的,候选问答对的问题是基于相邻两层信息中的上层信息生成的,候选问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息;

终端设备获取待解析文本后,可根据待解析文本生成候选问答对。其中,候选问答对是基于n层信息中的相邻两层信息生成的,候选问答对的问题是基于相邻两层信息中的上层信息生成的,候选问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息。

具体的,终端设备可先解析待解析文本,得到文本中的n层信息,并从n层信息中选择部分信息用于生成候选问答对。需要说明的是,问答对的数量为至少一个,一个问答对通常基于n层信息中的相邻两层信息生成,例如,具有从属关系的第一层信息和第二层信息可构成一对候选问答对,其中,处于上层的信息可用于生成问题,处于下层的信息可用于生成答案,如第一层信息为社交,第二层信息为微信和微博时,候选问答对中的问题可基于社交进行生成,候选问答对中的答案可基于微信和微博进行生成,因此,以相邻两层信息为基础所生成的候选问答对,其问题和答案本身就具备了一定的匹配度。

103、通过目标分类模型获取候选问答对所对应的相关性分值;

得到候选问答对后,可以通过目标分类模型对候选问答对进行相关性判断,得到候选问答对的相关性分值。可以理解的是,目标分类模型用于判断候选问答对中的问题和答案是否具备一定的相关性,即问题和答案是否可以构成问答关系。因为步骤102中所生成的问答对,并不是每一对均具备准确的问答关系,也有可能出现问题和答案互不匹配的候选问答对,即“答非所问”的情况,通常此类情况是由于在自动抽取文本的多层信息时,除了信息误抽取或文本本身内容编写存在误差所导致的。

因此,通过目标分类模型,可以逐个对候选问答对进行相关性判断,得到每个候选问答对的相关性分值,用以确定每个候选问答对的问题和答案是否具备问答关系、

104、根据候选问答对所对应的相关性分值从候选问答对中确定目标问答对。

得到所有候选问答对的相关性分值后,可以基于相关性分值,确定哪一部分候选问答对满足要求(即其问题和答案具备问答关系),并将此部分候选问答对确定为目标问答对。

本实施例中,由于待解析文本的内容信息具有层级关系,故本申请基于相邻两层信息所生成的候选问答对,其问题和答案则具备了一定的匹配关系,且本申请还通过目标分类模型对候选问答对进行基于问题和答案之间相关性程度(即相关性分值的高低)的筛选,以使得最终确定的目标问答对的问题和答案之间能够具备较高的匹配度。

可选的,基于图1所对应的实施例,本申请实施例中问答对生成的方法的一个可选实施例中,n层信息的第1层信息至第n-1层信息为待解析文本中的第1级标题至第n-1级标题,n层信息的第n层信息为待解析文本的第n-1级标题下的段落。

本实施例中,待解析文本中的内容信息具备一定的层级关系,其中,每一层信息可以以标题的形式呈现,例如,一级标题,以及从属于一级标题的二级标题,以及从属于二级标题的三级标题等等。可以理解的是,从文本中提取出n层信息,即可为提取文本中的第1级标题至第n-1级标题作为第1层信息至第n-1层信息,以及第n-1级标题下的段落作为第n层信息,故可得到完整的n层信息。需要说明的是,此处n-1级标题指,待解析文本中的内容信息的第一级标题至第n-1级标题,第n-1级标题为文本中最底层的标题,相应的,以及最底层标题下的段落即可作为第n层信息。

更进一步的,提取出的n层信息可以以树形结构呈现,便于对信息进行集中管理和调用。

为了便于理解,以下结合图2对树形结构进行具体说明。图2为本申请实施例中树形结构的一个示意图,请参阅图2,以一个空节点为树形结构的根节点,从根节点向外延伸,连接多个一级节点,每个一级节点可以连接多个二级节点,以此类推,直至到n级节点。其中,一级节点所设置的信息为文本中的一级标题,二级节点所设置的信息为文本中的二级标题等等,第n级节点所设置的信息则为文本第n-1级标题下的段落。如图2所示,文本所记载的内容为xx区域银行卡的介绍,其一级标题为“xx区域信用卡的介绍”和“xx区域储蓄卡的介绍”,在“xx区域信用卡的介绍”下的二级标题分别为介绍、优惠政策、申请条件、办理条件等等,在“申请条件”下的三级标题为a类条件和b类条件,在“a类条件”下的四级标题为应具备三个基本条件,在“应具备三个基本条件”的段落为条件1,条件2和条件3。

可选的,基于图1所对应的各个实施例,本申请实施例中问答对生成的方法的一个可选实施例中,根据所述待解析文本生成候选问答对包括:

从待解析文本的n层信息中获取相邻两层信息;

从相邻两层信息中的上层信息,以及上层信息所从属的各层信息中获取关键词;

根据关键词生成问题;

根据相邻两层信息中的下层信息生成答案;

根据问题和答案生成候选问答对。

本实施例中,当获取到待解析文本后,可解析得到待解析文本的n层信息,然后从n层信息中选择出相邻的两层信息,用于生成一对候选问答对。其中,选择相邻两层信息的方式可以为多种,为了便于理解,依旧结合图2所对应的例子进行说明,从树形结构的最底层的节点出发,向上延伸两级节点(延伸节点的级别数量可根据实际需求进行设置)为一棵子树(即该子树包含三级节点),例如,对xx地区信用卡介绍这一分支而言,从“条件1”,“条件2”和“条件3”这一最底层的节点(即段落)向上延伸,直至“a类条件”这一级节点,此时第五级节点至第三级节点即构成了一棵子树,在该子树内,第五级节点和第四级节点为相邻的两层信息(即“条件1”,“条件2”,“条件3”这一段落信息和“应具备三个基本条件”这一四级标题为相邻两层信息),第四级节点和第三级节点为相邻的两层信息(即“应具备三个基本条件”这一四级标题和“a类条件”这一三级标题为相邻两层信息)。同理,对xx地区储蓄卡介绍这一分支也可执行相同的操作,此处不在赘述。

从n层信息中获取相邻两层信息后,可以分别生成候选问答对的问题和答案。具体的,从相邻两层信息中的上层信息,以及上层信息所从属的各层信息中获取关键词,并基于关键词生成问题,且根据相邻两层信息中的下层信息生成答案。

例如,“条件1”,“条件2”,“条件3”这一段落信息和“应具备三个基本条件”这一四级标题所组成的相邻两层信息中,上层信息为“应具备三个基本条件”,其从属的各层信息依次为“a类条件”,“申请条件”和“xx区域信用卡的介绍”,所提取的关键词可以为xx区域,信用卡,申请条件,a类条件和应具备三个条件,基于这一部分关键词,可生成的问题为:请问在xx区域内信用卡的申请条件中,a类条件应具备的三个条件是什么,而下层信息中的条件1,条件2和条件3即为该问题的答案,至此,则生成了一个候选问答对。

又如,“应具备三个基本条件”这一四级标题和“a类条件”这一三级标题所组成的相邻两层信息中,上层信息为“a类条件”,其从属的各层信息依次为,“申请条件”和“xx区域信用卡的介绍”,所提取的关键词可以为xx区域,信用卡,申请条件,a类条件,基于这一部分关键词,可生成的问题为:请问在xx区域内信用卡的申请条件中,a类条件是什么,而下层信息中的应具备三个基本条件即为该问题的答案,至此,则生成了另一个候选问答对。

可选的,上述根据关键词检测生成问题的方式可以为:通过语句生成模型获取关键词所对应的问题。具体的,该语句生成模型可以为端到端模型,图3为本申请实施例中端到端模型的应用示意图,请参阅图3,在端到端模型中,其输入可以为多个关键词,经过模型内部的运算后,可将关键词组成和一个近似日常应用的问题语句。需要说明的是,此处的端到端模型为经过训练的模型,用于将特定关键词生成表示疑问的语句。

可选的,基于图1所对应的各个实施例,本申请实施例中问答对生成的方法的一个可选实施例中,根据候选问答对所对应的相关性分值从候选问答对中确定目标问答对包括:

将相关性分值大于或等于相关性阈值的候选问答对确定为目标问答对。

本实施例中,设置有相关性阈值,用于判断候选问答对是否满足要求,即其问题和答案具备问答关系。若某个候选问答对的相关性分值大于或等于相关性阈值,则将该候选问答对确定为满足需求的目标问答对,反之,则将该候选问答对删除。依旧如上述例子,问题为“请问在xx区域内信用卡的申请条件中,a类条件应具备的三个条件是什么”和答案为“条件1,条件2和条件3”所组成的候选问答为目标问答对,而问题为“请问在xx区域内信用卡的申请条件中,a类条件是什么”和答案为“应具备三个基本条件”所组成的候选问答对中,其问题和答案明显不具备问答关系,即相关性分值小于相关性阈值,则删除该候选问答对。

本申请实施例还提供了一种模型训练的方法,图4为本申请实施例中模型训练的方法的一个流程示意图,请参阅图4,本申请实施例中模型训练的方法的一个实施例,包括:

401、获取待训练问答对,待训练问答对是基于待解析文本的n层信息中的相邻两层信息生成的,待训练问答对的问题是基于相邻两层信息中的上层信息生成的,待训练问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息;

本实施例中,可以获取预先准备的用于训练模型的待解析文本,并根据该待解析文本生成待训练问答对,需要说明的是,用于训练模型的待解析文本可以类似于上述实施例中的文本,生成待训练问答对的过程可以参考上述各个实施例中生成候选问答对的相关说明,此处不在赘述。

402、通过待训练分类模型获取待训练问答对的相关性分值;

步骤402的步骤可以参考上述实施例中步骤103的相关说明,此处不再赘述。

403、根据相关性分值和真实分值,通过目标损失函数对待训练分类模型进行训练,得到目标分类模型。

相对于待训练问答对而言,已提前设置了用于反映待训练问答对的问题和答案之间匹配度的真实分值,因此,待训练模型在测出待训练问答对的相关性分值后,通过目标损失函数计算相关性分值与真实分值之间的偏差,若偏差过大,则需要调整待训练分类模型的参数,并重新进行训练,直至偏差在允许范围内,则可得到目标分类模型。

以上是对本申请实施例中所涉及的方法的具体说明,以下将对本申请实施例中问答对生成的装置和模型训练的装置分别进行介绍。图5为本申请实施例中问答对生成的装置的一个结构示意图,请参阅图5,本申请实施例中问答对生成的装置的一个实施例,包括:

第一获取模块501,用于获取待解析文本,所述待解析文本包括n层信息,n大于等于2;

生成模块502,用于根据待解析文本生成候选问答对,候选问答对是基于n层信息中的相邻两层信息生成的,候选问答对的问题是基于相邻两层信息中的上层信息生成的,候选问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息;

第二获取模块503,用于通过目标分类模型获取候选问答对所对应的相关性分值;

确定模块504,用于根据候选问答对所对应的相关性分值从候选问答对中确定目标问答对。

可选的,本申请实施例中问答对生成的装置的一个可选实施例中,生成模块502还用于:

从待解析文本的n层信息中获取相邻两层信息;

从相邻两层信息中的上层信息,以及上层信息所从属的各层信息中获取关键词;

根据关键词生成问题;

根据相邻两层信息中的下层信息生成答案;

根据问题和答案生成候选问答对。

可选的,本申请实施例中问答对生成的装置的一个可选实施例中,生成模块502还用于通过语句生成模型获取关键词所对应的问题。

可选的,本申请实施例中问答对生成的装置的一个可选实施例中,确定模块504还用于将相关性分值大于或等于相关性阈值的候选问答对确定为目标问答对。

可选的,本申请实施例中问答对生成的装置的一个可选实施例中,n层信息的第1层信息至第n-1层信息为待解析文本中的第1级标题至第n-1级标题,n层信息的第n层信息为待解析文本的第n-1级标题下的段落。

本申请实施例还提供了一种模型训练的装置,图6为本申请实施例中模型训练的装置的一个结构示意图,请参阅图6,本申请实施例中模型训练的装置的一个实施例包括:

第一获取模块601,用于获取待训练问答对,所述待训练问答对是基于待解析文本的n层信息中的相邻两层信息生成的,所述待训练问答对的问题是基于所述相邻两层信息中的上层信息生成的,所述待训练问答对的答案是基于所述相邻两层信息中的下层信息生成的,所述下层信息从属于所述上层信息;

第二获取模块602,用于通过待训练分类模型获取所述待训练问答对的相关性分值;

训练模块603,用于根据所述相关性分值和真实分值,通过目标损失函数对所述待训练分类模型进行训练,得到目标分类模型。

需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。

本申请实施例还提供了一种终端设备,如图7所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理(personaldigitalassistant,pda)、销售终端(pointofsales,pos)、车载电脑等任意终端设备,以终端为手机为例:

图7为本申请实施例中终端设备的一个结构示意图。参考图7,手机包括:射频(radiofrequency,rf)电路710、存储器720、输入单元730、显示单元740、传感器750、音频电路760、无线保真(wirelessfidelity,wifi)模块770、处理器780、以及电源790等部件。本领域技术人员可以理解,图7中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。

下面结合图7对手机的各个构成部件进行具体的介绍:

rf电路710可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器780处理;另外,将设计上行的数据发送给基站。通常,rf电路710包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(lownoiseamplifier,lna)、双工器等。此外,rf电路710还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(globalsystemofmobilecommunication,gsm)、通用分组无线服务(generalpacketradioservice,gprs)、码分多址(codedivisionmultipleaccess,cdma)、宽带码分多址(widebandcodedivisionmultipleaccess,wcdma)、长期演进(longtermevolution,lte)、电子邮件、短消息服务(shortmessagingservice,sms)等。

存储器720可用于存储软件程序以及模块,处理器780通过运行存储在存储器720的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器720可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器720可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元730可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元730可包括触控面板731以及其他输入设备732。触控面板731,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板731上或在触控面板731附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板731可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器780,并能接收处理器780发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板731。除了触控面板731,输入单元730还可以包括其他输入设备732。具体地,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元740可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元740可包括显示面板741,可选的,可以采用液晶显示器(liquidcrystaldisplay,lcd)、有机发光二极管(organiclight-emittingdiode,oled)等形式来配置显示面板741。进一步的,触控面板731可覆盖显示面板741,当触控面板731检测到在其上或附近的触摸操作后,传送给处理器780以确定触摸事件的类型,随后处理器780根据触摸事件的类型在显示面板741上提供相应的视觉输出。虽然在图7中,触控面板731与显示面板741是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板731与显示面板741集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器750,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板741的亮度,接近传感器可在手机移动到耳边时,关闭显示面板741和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。

音频电路760、扬声器761,传声器762可提供用户与手机之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号,传输到扬声器761,由扬声器761转换为声音信号输出;另一方面,传声器762将收集的声音信号转换为电信号,由音频电路760接收后转换为音频数据,再将音频数据输出处理器780处理后,经rf电路710以发送给比如另一手机,或者将音频数据输出至存储器720以便进一步处理。

wifi属于短距离无线传输技术,手机通过wifi模块770可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了wifi模块770,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。

处理器780是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器720内的软件程序和/或模块,以及调用存储在存储器720内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器780可包括一个或多个处理单元;可选的,处理器780可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器780中。

手机还包括给各个部件供电的电源790(比如电池),可选的,电源可以通过电源管理系统与处理器780逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。

在本申请实施例中,该终端所包括的处理器780还具有以下功能:

获取待解析文本,待解析文本包括n层信息,n大于等于2;

根据待解析文本生成候选问答对,候选问答对是基于n层信息中的相邻两层信息生成的,候选问答对的问题是基于相邻两层信息中的上层信息生成的,候选问答对的答案是基于相邻两层信息中的下层信息生成的,下层信息从属于上层信息;

通过目标分类模型获取候选问答对所对应的相关性分值;

根据候选问答对所对应的相关性分值从候选问答对中确定目标问答对。

本申请实施例还涉及一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上述的问答对生成的方法或模型训练的方法。

所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1
500万彩票网