[发明专利]语义理解方法、装置、电子设备和存储介质

说明书

本发明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。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种语义理解方法、装置、电子设备和存储介质。

背景技术

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。

发明内容

本发明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，本发明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。