本發(fā)明涉及互聯(lián)網(wǎng)技術領域，尤其涉及一種基于人工智能的意圖分析方法及裝置。

背景技術：

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。其中，自然語言處理是人工智能的一個重要研究方面，在搜索引擎技術中也得到廣泛應用。

隨著互聯(lián)網(wǎng)的快速發(fā)展，搜索引擎的功能也日趨強大。目前，搜索引擎可以對用戶輸入的查詢語句進行意圖識別，來獲取用戶的意圖，再根據(jù)意圖搜索用戶所需的搜索結果。

然而，現(xiàn)有的意圖識別方法一般利用簡單的模板來進行意圖分析，且僅能識別特定領域的查詢意圖。因此，現(xiàn)有的方法存在識別范圍小、識別領域受限、方法簡單和意圖分類粗糙的問題。

技術實現(xiàn)要素：

本發(fā)明的目的旨在至少在一定程度上解決上述的技術問題之一。

為此，本發(fā)明的第一個目的在于提出一種基于人工智能的意圖分析方法，該方法能夠實現(xiàn)對各個領域的查詢意圖的分析，解決現(xiàn)有技術中意圖分析領域受限的問題，提高意圖分析效率。

本發(fā)明的第二個目的在于提出一種基于人工智能的意圖分析裝置。

本發(fā)明的第三個目的在于提出一種終端。

本發(fā)明的第四個目的在于提出一種非臨時性計算機可讀存儲介質。

本發(fā)明的第五個目的在于提出一種計算機程序產品。

為了實現(xiàn)上述目的，本發(fā)明第一方面實施例提出了一種基于人工智能的意圖分析方法，包括：接收輸入的語句；利用預設策略獲取語句的意圖核心詞；根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞；根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本發(fā)明第一方面實施例提出的基于人工智能的意圖分析方法，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述目的，本發(fā)明第二方面實施例提出了一種基于人工智能的意圖分析裝置，包括：接收模塊，用于接收輸入的查詢問句；第一獲取模塊，用于利用預設策略獲取語句的意圖核心詞；第二獲取模塊，用于根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞；確定模塊，用于根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本發(fā)明第二方面實施例提出的基于人工智能的意圖分析裝置，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述目的，本發(fā)明第三方面實施例提出了一種終端，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器。其中，處理器被配置為執(zhí)行以下步驟：

接收輸入的語句；

利用預設策略獲取語句的意圖核心詞；

根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞；

根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本發(fā)明第三方面實施例提出的終端，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述目的，本發(fā)明第四方面實施例提出了一種非臨時性計算機可讀存儲介質，用于存儲一個或多個程序，當存儲介質中的指令由移動終端的處理器執(zhí)行時，使得移動終端能夠執(zhí)行一種基于人工智能的意圖分析方法，方法包括；

接收輸入的語句；

利用預設策略獲取語句的意圖核心詞；

根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞；

根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本發(fā)明第四方面實施例提出的非臨時性計算機可讀存儲介質，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述目的，本發(fā)明第五方面實施例提出了一種計算機程序產品，當計算機程序產品中的指令被處理器執(zhí)行時，執(zhí)行一種基于人工智能的意圖分析方法，方法包括：

接收輸入的語句；

利用預設策略獲取語句的意圖核心詞；

根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞；

根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本發(fā)明第五方面實施例提出的計算機程序產品，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明一實施例提出的基于人工智能的意圖分析方法的流程示意圖；

圖2是根據(jù)句法結構樹和意圖核心詞獲取意圖修飾詞的流程示意圖；

圖3是基于句法結構樹獲取意圖核心詞的意圖修飾詞的示例圖；

圖4是本發(fā)明另一實施例提出的基于人工智能的意圖分析方法的流程示意圖；

圖5是本實施例提出的基于人工智能的意圖分析方法應用于搜索引擎中進行信息搜索的示例圖；

圖6是本實施例提出的基于人工智能的意圖分析方法應用于智能問答系統(tǒng)中的示例圖；

圖7是利用模板策略獲取語句的意圖核心詞的流程示意圖；

圖8是基于依存句法分析方法獲取疑問片段的句法樹示例圖；

圖9是利用規(guī)則策略獲取語句的意圖核心詞的流程示意圖；

圖10是利用模型策略獲取語句的意圖核心詞的流程示意圖；

圖11是本發(fā)明一實施例提出的基于人工智能的意圖分析裝置的結構示意圖；

圖12是本發(fā)明另一實施例提出的基于人工智能的意圖分析裝置的結構示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權利要求書的精神和內涵范圍內的所有變化、修改和等同物。

圖1是本發(fā)明一實施例提出的基于人工智能的意圖分析方法的流程示意圖，本實施例以該基于人工智能的意圖分析方法被配置于搜索引擎中為例進行描述。應當說明的是，該基于人工智能的意圖分析方法不限于用于搜索引擎中，還可用于其他多種需求服務滿足應用中，比如智能問答系統(tǒng)等。

如圖1所示，本實施例的基于人工智能的意圖分析方法包括：

S11：接收輸入的語句。

本實施例中，當用戶想要獲取某些信息，比如用戶想要了解北京明天的天氣信息時，可以在搜索引擎中輸入想要查詢的信息內容，即輸入“明天北京天氣怎么樣？”。搜索引擎接收用戶輸入的查詢語句，以進行后續(xù)的語句分析。

S12：利用預設策略獲取語句的意圖核心詞。

相對于普通語句，問句在整體句式和具體成分上有其鮮明的特點。比如，利用“怎么”、“如何”提問的語句，其意圖通常是詢問方法或解決方案；而利用“多少”提問的語句，其意圖通常是詢問數(shù)量。因此，根據(jù)問句的疑問詞，再結合句法分析技術通?？梢晕ㄒ淮_定查詢語句的意圖。

本實施例中，搜索引擎首先利用預設策略獲取語句的意圖核心詞，即獲取用戶輸入的查詢語句表達的意思主旨。其中，預設策略包括：模板策略、規(guī)則策略和模型策略。

本實施例中，搜索引擎可通過以下三種方法獲取意圖核心詞：

第一種方法：利用模板策略獲取語句的意圖核心詞。

第二種方法：利用規(guī)則策略獲取語句的意圖核心詞。

第三種方法：利用模型策略獲取語句的意圖核心詞。

S13：根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞。

本實施例中，在獲取查詢語句的意圖核心詞之后，即可根據(jù)意圖核心詞，基于句法結構樹獲取查詢語句的意圖修飾詞。

具體地，如圖2所示，根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞，可以包括以下步驟：

S21：基于句法結構樹分析出語句的句法結構和句法關系。

由于句法結構樹能夠給出查詢語句中各成分的句法結構和句法關系，因此，本實施例中，在接收到查詢語句之后，可以對該查詢語句進行基于句法結構樹的語法分析，以獲得查詢語句的句法結構和句法關系。

S22：根據(jù)句法結構和句法關系確定語句的意圖修飾詞。

本實施例中，在獲得查詢語句的句法結構和句法關系之后，根據(jù)已獲得的意圖核心詞，可以很容易地獲得意圖核心詞的各修飾成分，即意圖修飾詞。

圖3是基于句法結構樹獲取意圖核心詞的意圖修飾詞的示例圖。

如圖3所示，根據(jù)該句法結構樹給出的句法結構和句法關系可知，查詢語句“北京明天天氣怎么樣”的根節(jié)點為“怎么樣”，其主語為“天氣”，因此，“天氣”為該查詢語句的意圖核心詞。從圖3中可以看出，意圖核心詞“天氣”作為中心詞，對其進行修飾的定語為“北京”和“明天”，因此，“北京”和“明天”即為該查詢語句的意圖修飾詞。

S14：根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

本實施例中，在獲得查詢語句的意圖核心詞和意圖修飾詞之后，即可根據(jù)意圖核心詞和意圖修飾詞確定該查詢語句的意圖。舉例說明如下：

示例一：意圖核心詞“天氣”可以用意圖修飾詞“時間”和“地點”加以修飾，組合得到查詢語句的意圖。比如查詢語句“北京明天天氣怎么樣”的意圖核心詞為“天氣”，意圖修飾詞為“北京”和“明天”，因此，該查詢語句的意圖為“北京明天天氣”。

示例二：意圖核心詞“火車班次”可以用意圖修飾詞“始發(fā)站”、“終點站”和“時間”修飾，組合得到查詢語句的意圖。比如，查詢語句“10.20日從北京開往哈爾濱的火車班次有多少”的意圖核心詞為“火車班次”，意圖修飾詞為“10.20”、“北京”和“哈爾濱”，因此，可以得到該查詢語句的意圖為“10.20北京哈爾濱火車班次”。

可選地，如圖4所示，本發(fā)明實施例的意圖分析方法，還可包括以下步驟：

S15：在確定語句的意圖之后，根據(jù)意圖進行搜索，并獲取符合意圖的搜索結果。

本實施例中，在確定查詢語句的意圖之后，搜索引擎即可根據(jù)得到的意圖進行搜索，并獲取符合意圖的搜索結果展示給用戶。

圖5是本實施例提出的基于人工智能的意圖分析方法應用于搜索引擎中進行信息搜索的示例圖。

如圖5所示，當用戶在搜索引擎中輸入查詢語句“孕婦不能吃哪些食物”51后，搜索引擎首先利用前述基于人工智能的意圖分析方法對接收到的查詢語句進行意圖分析，得到意圖核心詞“飲食禁忌”521和意圖修飾詞“孕婦”522。意圖核心詞“飲食禁忌”521和意圖修飾詞“孕婦”522組合構成該查詢語句的意圖52。搜索引擎根據(jù)意圖分析后獲得的查詢語句的意圖52進行信息搜索，并將搜索結果53展示給用戶。從搜索結果53中，用戶可以清楚地了解孕婦不能吃的食物有20種，并能查詢這些被禁食物的信息來源。

需要說明的是，本實施例提出的基于人工智能的意圖分析方法不僅能用于搜索引擎中，還可以應用于其他互聯(lián)網(wǎng)應用中，比如，該基于人工智能的意圖分析方法可以應用于智能問答系統(tǒng)中。本發(fā)明對基于人工智能的意圖分析方法的具體應用不作限制。

圖6是本實施例提出的基于人工智能的意圖分析方法應用于智能問答系統(tǒng)中的示例圖。

如圖6所示，當用戶在智能問答系統(tǒng)的對話框611中以文本或語音的方式輸入語句“給我訂一張明天從北京飛往上海的飛機票”并發(fā)送至對話列表61中之后，智能問答系統(tǒng)接收該語句，并利用前述的基于人工智能的意圖分析方法對接收到的語句進行分析，進而獲得該語句對應的意圖62。其中，意圖62由意圖核心詞“飛機票”和意圖修飾詞“北京”、“上?！奔啊懊魈臁眱刹糠纸M成。在獲得語句的意圖62之后，智能問答系統(tǒng)即可根據(jù)意圖62搜索相關的信息，并由智能機器人度秘返回“好的，為您推薦以下優(yōu)質資源，請選擇您想要的航班?！弊鳛閷斎胝Z句的回答，同時將搜索結果612顯示在對話列表61中。當用戶點擊對話列表61中的搜索結果612時，即可跳轉至與搜索結果612對應的網(wǎng)站或應用程序中，以供用戶進一步選擇需要的服務。本示例中，由于搜索結果612中展示的是“去哪兒網(wǎng)機票”的相關信息，因此，當用戶點擊搜索結果612時，將跳轉至去哪兒網(wǎng)的顯示界面63，并顯示出發(fā)地為“北京”，達到地為“上?！保脩酎c擊去哪兒網(wǎng)的顯示界面63中的“搜素”按鈕之后，即可獲得北京飛往上海的航班信息。

對于前述提到的獲取意圖核心詞的三種方法，下面將進行詳細介紹。

第一種方法：利用模板策略獲取語句的意圖核心詞。

模板策略，顧名思義，即根據(jù)預先生成的模板進行意圖核心詞的識別。所謂模板，是采用相關技術將原始問句的結構和成分進行簡化和泛化處理后，生成的更加抽象和簡單的表達。

具體地，如圖7所示，利用模板策略獲取語句的意圖核心詞，可以包括以下步驟：

S71：對語句進行分析，獲取語句的疑問片段或疑問句型。

為了能夠利用模板策略獲取語句的意圖核心詞，首先要收集大量的訓練數(shù)據(jù)，并對訓練數(shù)據(jù)進行相關處理以生成大量的模板。在訓練生成模板之后，收集出現(xiàn)頻率高且能夠唯一確定意圖的模板，并對模板進行人工標注標簽，獲得已標注的模板集合。

需要說明的是，模板類型可以有多種，比如疑問片段、疑問句型等。模板的具體生成方式如下：

模板一：疑問片段。

疑問片段表示疑問詞到句法樹根節(jié)點的路徑所包含的節(jié)點。圖8是基于依存句法分析方法獲取疑問片段的句法樹示例圖。

如圖8所示，查詢語句“德國到維也納需要多長時間”的疑問詞為“多長”，根節(jié)點是“需要”，根節(jié)點獨立于句法樹中的其他節(jié)點。從圖8中可以看出，疑問詞和根節(jié)點之間不存在依存關系，即從疑問詞“多長”到根節(jié)點“需要”之間沒有直接可達的路徑。然而，疑問詞“多長”依存于節(jié)點“時間”，節(jié)點“時間”依存于根節(jié)點“需要”，因此，節(jié)點“時間”可以作為連接疑問詞“多長”和根節(jié)點“需要”的橋梁。也就是說，疑問詞“多長”到根節(jié)點“需要”的路徑包含3個節(jié)點，即“多長”、“需要”和“時間”。因此，對查詢語句“德國到維也納需要多長時間”進行分析后獲得的疑問片段為“需要多長時間”。

模板二：疑問句型。

疑問句型指的是，根據(jù)預設的意圖詞表，對疑問句中的專有名詞和意圖詞進行類型泛化后生成的新的句型。

在獲取查詢語句的疑問句型時，需要預先設置好意圖詞表，以用于匹配查詢語句的意圖詞。其中，意圖詞表中的一個或多個意圖詞的組合對應一個疑問句型。比如，意圖詞表中的意圖詞有“多少”、“多長”、“如何”、“時間”、“公里”等，當“多少”和“公里”組合時，對應的疑問句型為“NS1至NS2多少公里”，其中，NS1和NS2表示地點。當用戶輸入查詢語句“鄭州到徐州多少公里”時，搜索引擎首先根據(jù)預設的意圖詞表對接收到的查詢語句進行意圖詞匹配，可以確定意圖詞表中的“多少”和“公里”與查詢語句匹配，進而根據(jù)“多少”和“公里”組合時對應的疑問句型，將查詢語句“鄭州到徐州多少公里”泛化為疑問句型“NS1至NS2多少公里”。

在獲得模板集合之后，即可利用與生成模板的方式相同的方法對查詢語句進行分析，以獲取查詢語句的疑問片段或疑問句型。

S72：將疑問片段或疑問句型與預先已標注的模板集合進行匹配。

本實施例中，在獲得查詢語句的疑問片段或疑問句型之后，將獲得的疑問片段或疑問句型與預先已標注的模板集合進行匹配，以獲取與之匹配的模板。

S73：獲取匹配成功的模板所對應的標簽。

本實施例中，將獲得的疑問片段或疑問句型與預先已標注的模板集合進行匹配時，可以獲得與之匹配成功的模板，進而獲取該模板所對應的標簽。以模板為疑問句型為例舉例說明如下：

假設意圖詞表中的意圖詞有“多少”、“多長”、“如何”、“時間”、“公里”“多遠”等。意圖詞“多遠”和意圖詞“多少”與“公里”的組合對應的疑問句型均為“NS1至NS2多少公里”，其中，NS1和NS2表示地點。人工對疑問句型“NS1至NS2多少公里”標注的標簽為“查詢距離”。當用戶輸入查詢語句“北京到青島有多遠”時，搜索引擎首先根據(jù)意圖詞表對接收到的查詢語句進行意圖詞匹配，可以確定意圖詞表中的“多遠”與查詢語句匹配，進而能夠獲得意圖詞“多遠”對應的疑問句型“NS1至NS2多少公里”，并獲取該疑問句型對應的標簽“查詢距離”。

S74：將標簽作為語句的意圖核心詞。

本實施例中，在獲得模板對應的標簽之后，由于該模板能夠和對查詢語句進行分析后獲得的疑問片段或疑問句型匹配成功，因此，該模板對應的標簽也能表達查詢語句的意圖，即，可以將該模板對應的標簽作為查詢語句的意圖核心詞。

第二種方法：利用規(guī)則策略獲取語句的意圖核心詞。

規(guī)則策略是指，通過某些條件集合確定語句意圖的方法。其中，規(guī)則主要包括兩部分：句法結構和知識庫，是通過觀察分析大量數(shù)據(jù)后人工總結出來的。

具體地，如圖9所示，利用規(guī)則策略獲取語句的意圖核心詞，可以包括以下步驟：

S91：獲取語句的句法結構片段和句法結構片段所需的知識庫。

本實施例中，當搜索引擎接收到用戶輸入的查詢語句之后，可以采用相關技術對查詢語句進行句法分析，以獲得查詢語句的句法結構片段。同時，獲取與查詢語句相關的所需知識庫。

S92：根據(jù)句法結構片段和知識庫確定語句對應的判斷規(guī)則。

本實施例中，在獲取查詢語句的句法結構片段和知識庫之后，即可根據(jù)句法結構片段和知識庫確定查詢語句對應的判斷規(guī)則。

舉例而言，當用戶輸入查詢語句“你好用英語怎么說”時，采用相關技術對該語句進行分析可得其句法結構片段為“用英語怎么說”。由于查詢語句中包含語言類型“英語”，因此，可以獲取與查詢語句相關的知識庫，即“語言類型”，其中語言類型中包括英語、德語、韓語等多種語言。進而，根據(jù)句法結構片段“用英語怎么說”和知識庫“語言類型”，可以確定查詢語句對應的判斷規(guī)則“用XX怎么說”，其中，“XX”表示知識庫“語言類型”中的一種語言。

S93：基于判斷規(guī)則獲取語句的意圖核心詞。

本實施例中，在確定了查詢語句對應的判斷規(guī)則之后，即可基于判斷規(guī)則獲取語句的意圖核心詞。

舉例而言，當用戶輸入查詢語句“你好用英語怎么說”時，采用相關技術對該語句進行分析可得其句法結構片段為“用英語怎么說”。由于查詢語句中包含語言類型“英語”，因此，可以獲取與查詢語句相關的知識庫，即“語言類型”，其中語言類型中包括英語、德語、韓語等多種語言。進而，根據(jù)句法結構片段“用英語怎么說”和知識庫“語言類型”，可以確定查詢語句對應的判斷規(guī)則“用XX怎么說”，其中，“XX”表示知識庫“語言類型”中的一種語言。在確定該查詢語句對應的判斷規(guī)則之后，即可基于該判斷規(guī)則確定該查詢語句的意圖核心詞為“翻譯”。

第三種方法：利用模型策略獲取語句的意圖核心詞。

具體地，如圖10所示，利用規(guī)則策略獲取語句的意圖核心詞，可以包括以下步驟：

S101：對語句進行分析，獲取語句的疑問片段。

本實施例中，在搜索引擎接收到用戶輸入的查詢語句之后，對查詢語句進行分析，以獲取查詢語句的疑問片段。

需要說明的是，可以采用前述提到的依存句法分析方法獲取語句的疑問片段，也可以采用其他方法獲取，對此不作限制。

S102：根據(jù)疑問片段生成多個候選意圖。

本實施例中，在獲取查詢語句的疑問片段之后，即可根據(jù)獲得的疑問片段生成多個候選意圖詞。

S103：基于預先建立的意圖識別模型從多個候選意圖中篩選出意圖核心詞。

本實施例中，為了能夠從生成的多個候選意圖詞中篩選出意圖核心詞，首先需要利用大量的意圖訓練數(shù)據(jù)訓練生成意圖識別模型。其中，意圖訓練數(shù)據(jù)可以利用前述的模板策略和規(guī)則策略生成。在得到意圖識別模型之后，即可基于已建立的意圖識別模型從多個候選意圖中篩選出意圖核心詞。

需要說明的是，可以利用打分的方式從多個候選意圖中篩選出意圖核心詞。具體地，基于已建立的意圖識別模型對生成的多個候選意圖進行打分，得分最高的候選意圖即為查詢語句的意圖核心詞。也可以采用其他的方式對多個候選意圖進行篩選來獲得查詢語句的意圖核心詞，本發(fā)明對篩選方式不作限制。

本發(fā)明實施例提出的基于人工智能的意圖分析方法，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述實施例，本發(fā)明還提出了一種基于人工智能的意圖分析裝置，圖11是本發(fā)明一實施例提出的基于人工智能的意圖分析裝置的結構示意圖。

如圖11所示，本實施例的基于人工智能的意圖分析裝置包括：接收模塊1110、第一獲取模塊1120、第二獲取模塊1130，以及確定模塊1140。其中，

接收模塊1110，用于接收輸入的查詢問句。

第一獲取模塊1120，用于利用預設策略獲取語句的意圖核心詞。

具體地，第一獲取模塊1120用于：

利用模板策略獲取語句的意圖核心詞；或者

利用規(guī)則策略獲取語句的意圖核心詞；或者

利用模型策略獲取語句的意圖核心詞。

可選地，當?shù)谝猾@取模塊1120利用模板策略獲取語句的意圖核心詞時，第一獲取模塊1120具體用于：

對語句進行分析，獲取語句的疑問片段或疑問句型；

將疑問片段或疑問句型與預先已標注的模板集合進行匹配；

獲取匹配成功的模板所對應的標簽；

將標簽作為語句的意圖核心詞。

當?shù)谝猾@取模塊1120利用規(guī)則策略獲取語句的意圖核心詞時，第一獲取模塊1120具體用于：

獲取語句的句法結構片段和句法結構片段所需的知識庫；

根據(jù)句法結構片段和知識庫確定語句對應的判斷規(guī)則；

基于判斷規(guī)則獲取語句的意圖核心詞。

當?shù)谝猾@取模塊1120利用模型策略獲取語句的意圖核心詞時，第一獲取模塊1120具體用于：

對語句進行分析，獲取語句的疑問片段；

根據(jù)疑問片段生成多個候選意圖；

基于預先建立的意圖識別模型從多個候選意圖中篩選出意圖核心詞。

第二獲取模塊1130，用于根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞。

確定模塊1140，用于根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

可選地，一些實施例中，參見圖12，圖12是本發(fā)明另一實施例提出的意圖分析裝置的結構示意圖。

如圖12所示，本實施例的基于人工智能的意圖分析裝置還可以包括：

搜索模塊1150，用于在確定語句的意圖之后，根據(jù)意圖進行搜索，并獲取符合意圖的搜索結果。

第二獲取模塊1130包括：

分析單元1131，用于基于句法結構樹分析出語句的句法結構和句法關系。

確定單元1132，用于根據(jù)句法結構和句法關系確定語句的意圖修飾詞。

需要說明的是，前述實施例中對基于人工智能的意圖分析方法實施例的解釋說明也適用于本實施例的基于人工智能的意圖分析裝置，其實現(xiàn)原理類似，此處不再贅述。

本發(fā)明實施例提出的基于人工智能的意圖分析裝置，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述實施例，本發(fā)明還提出了一種終端，包括：處理器，以及用于存儲處理器可執(zhí)行指令的存儲器。其中，處理器被配置為執(zhí)行以下步驟：

S11’：接收輸入的語句。

S12’：利用預設策略獲取語句的意圖核心詞。

S13’：根據(jù)意圖核心詞，基于句法結構樹獲取語句的意圖修飾詞。

S14’：根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖。

需要說明的是，前述實施例中對基于人工智能的意圖分析方法實施例的解釋說明也適用于本實施例的終端，其實現(xiàn)原理類似，此處不再贅述。

本發(fā)明實施例提出的終端，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述實施例，本發(fā)明還提出了一種非臨時性計算機可讀存儲介質，用于存儲一個或多個程序，當存儲介質中的指令由移動終端的處理器執(zhí)行時，使得移動終端能夠執(zhí)行本發(fā)明第一方面實施例提出的基于人工智能的意圖分析方法。

本發(fā)明實施例提出的非臨時性計算機可讀存儲介質，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

為了實現(xiàn)上述實施例，本發(fā)明還提出了一種計算機程序產品，當計算機程序產品中的指令被處理器執(zhí)行時，執(zhí)行本發(fā)明第一方面實施例提出的基于人工智能的意圖分析方法。

本發(fā)明實施例提出的計算機程序產品，通過利用預設策略獲取語句的意圖核心詞，再根據(jù)意圖核心詞基于句法結構樹獲取語句的意圖修飾詞，進而根據(jù)意圖核心詞和意圖修飾詞確定語句的意圖，能夠實現(xiàn)對各個領域查詢語句的意圖分析，解決現(xiàn)有技術中意圖分析領域受限的問題，擴大意圖分析范圍，提高意圖分析效率。

需要說明的是，在本發(fā)明的描述中，術語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性。此外，在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應被本發(fā)明的實施例所屬技術領域的技術人員所理解。

應當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

本技術領域的普通技術人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質中。

上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。

盡管上面已經示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領域的普通技術人員在本發(fā)明的范圍內可以對上述實施例進行變化、修改、替換和變型。