(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210578199.0 (22)申请日 2022.05.25 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 杨韬　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 祝亚男 (51)Int.Cl. G06F 40/205(2020.01) G06F 40/295(2020.01) G06F 16/36(2019.01) G06F 16/35(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 语句解析、 匹配模 型的训练方法、 装置、 设备 及存储介质 (57)摘要 本申请公开了一种语句解析、 匹配模 型的训 练方法、 装置、 设备及存储介质， 属于人工智能技 术领域。 该语句解析方法包括： 获取待解析的查 询语句以及查询语句对应的知识图谱； 对查询语 句进行实体识别， 得到至少一个查询实体； 基于 至少一个查询实体和知 识图谱， 获取至少一个候 选图结构； 获取查询语句的整体结构与至少一个 候选图结构的匹配度， 基于匹配度满足选取条件 的候选图结构， 确定查询语句的解析结果。 此种 语句解析方式的适用范围较为广泛。 此外， 与查 询语句的整体结构的匹配度满足选取条件的候 选图结构能够对查询语句的整体结构进行较为 准确的表 示， 基于此种图结构确定的解析结果的 准确性较高。 权利要求书3页 说明书26页 附图6页 CN 115130456 A 2022.09.30 CN 115130456 A 1.一种语句解析 方法， 其特 征在于， 所述方法包括： 获取待解析的查询语句以及所述 查询语句对应的知识图谱； 对所述查询语句进行实体识别， 得到 至少一个查询实体； 基于所述至少一个查询实体和所述知识图谱， 获取至少一个候选图结构； 获取所述查询语句的整体结构与 所述至少一个候选图结构的匹配度， 基于匹配度满足 选取条件的候选图结构， 确定所述 查询语句的解析 结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述至少一个查询实体和所述知 识图谱， 获取至少一个候选图结构， 包括： 确定目标图结构模板， 所述目标图结构模板用于约束包括第 一数量的实体节点的图结 构的形式， 所述第一数量 为所述至少一个查询实体的数量； 基于所述知识图谱获取 各个查询实体分别对应的候选实体； 基于所述各个查询实体分别对应的候选实体， 从所述知识图谱中查询与所述目标图结 构模板匹配的至少一组填充数据， 利用所述至少一组填充 数据对所述目标图结构模板进 行 填充， 得到所述至少一个候选图结构。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述查询语句进行实体识别， 得到 至少一个查询实体， 包括： 对所述查询语句中的各个字符进行特征提取， 得到所述各个字符分别对应的字符特 征； 基于所述各个字符分别对应的字符特征， 获取所述各个字符分别对应的标注结果， 任 一字符对应的标注结果用于指示所述任一字符与各个候选字符类型的匹配概率， 所述各个 候选字符类型包括实体 类型和非 实体类型； 在任一字符对应的标注结果指示的匹配概率中确定最高匹配概率， 将所述最高匹配概 率对应的候选字符类型作为所述任一字符的目标字符类型， 基于所述各个字符的目标字符 类型， 获取 所述至少一个查询实体。 4.根据权利要求1 ‑3任一所述的方法， 其特征在于， 所述获取所述查询语句的整体结构 与所述至少一个候选图结构的匹配度， 包括： 调用目标匹配模型获取所述查询语句的整体结构与所述至少一个候选图结构的匹配 度。 5.根据权利要求1 ‑3任一所述的方法， 其特征在于， 所述确定所述查询语句的解析结果 之后， 所述方法还 包括： 从所述知识图谱中查询与所述 解析结果匹配的应答结果。 6.一种匹配模型的训练方法， 其特 征在于， 所述方法包括： 获取样本语句以及所述样本语句对应的正例图结构和负例图结构， 所述正例图结构为 所述样本语句的整体结构对应的图结构， 所述负例图结构为与所述正例图结构不同的图结 构； 调用初始匹配模型获取所述样本语句的整体结构与所述正例图结构的第 一匹配度， 以 及所述样本语句的整体结构与所述负例图结构的第二匹配度； 基于所述第一匹配度与所述第二匹配度的第一差值， 获取目标损 失， 所述目标损 失与 所述第一差值呈负相关 关系；权　利　要　求　书 1/3 页 2 CN 115130456 A 2利用所述目标损失更新所述初始匹配模型的模型参数， 得到目标匹配模型。 7.根据权利要求6所述的方法， 其特征在于， 所述初始匹配模型包括第一特征提取模 型、 第二特征提取模型和相似度计算模型， 所述调用初始匹配模型获取所述样本语句的整 体结构与所述 正例图结构的第一匹配度， 包括： 调用所述第一特征提取模型对所述样本语句进行特征提取， 得到第一特征； 调用所述 第二特征提取模型对所述 正例图结构进行 特征提取， 得到第二特 征； 调用所述相似度计算模型计算所述第 一特征与 所述第二特征之间的相似度， 将所述相 似度作为所述样本语句的整体结构与所述 正例图结构的第一匹配度。 8.根据权利要求7所述的方法， 其特征在于， 所述调用所述第 二特征提取模型对所述正 例图结构进行 特征提取， 得到第二特 征， 包括： 获取所述正例图结构对应的各个三元组， 任一三元组基于所述正例图结构中的两个相 邻的节点以及所述两个相邻的节点之间的边得到； 调用所述第 二特征提取模型对所述各个三元组分别进行特征提取， 得到所述各个三元 组分别对应的子特 征； 基于所述各个三元组分别对应的子特 征， 获取所述第二特 征。 9.根据权利要求8所述的方法， 其特征在于， 所述基于所述各个三元组分别对应的子特 征， 获取所述第二特 征， 包括： 将所述各个三元组分别对应的子特征转换为所述各个三元组分别对应的分数； 将任一 三元组对应的分数与总分数的比值作为所述任一三元组对应的权重， 所述总分数为所述各 个三元组分别对应的分数之和； 基于所述各个三元组分别对应的权重， 对所述各个三元组分别对应的子特征进行加权 求和， 得到所述第二特 征。 10.根据权利要求6 ‑9任一所述的方法， 其特征在于， 所述第一匹配度和所述第二匹配 度均为不大于第一值且不小于第二值的数值， 所述基于所述第一匹配度与所述第二匹配度 的第一差值， 获取目标损失， 包括： 将第二差值与所述第一差值作差， 得到第三差值， 所述第二差值为所述第二值与所述 第一值的差值； 将所述第三差值与参考值中的最大值作为所述目标损失， 所述参考值为用于保证所述 目标损失与所述第一差值呈负相关 关系的数值。 11.一种语句解析装置， 其特 征在于， 所述装置包括： 第一获取 单元， 用于获取待解析的查询语句以及所述 查询语句对应的知识图谱； 识别单元， 用于对所述 查询语句进行实体识别， 得到 至少一个查询实体； 第二获取单元， 用于基于所述至少一个查询 实体和所述知识图谱， 获取至少一个候选 图结构； 第三获取单元， 用于获取所述查询语句的整体结构与 所述至少一个候选图结构的匹配 度， 基于匹配度满足选取 条件的候选图结构， 确定所述 查询语句的解析 结果。 12.一种匹配模型的训练装置， 其特 征在于， 所述装置包括： 第四获取单元， 用于获取样本语句以及所述样本语句对应的正例图结构和负例图结 构， 所述正例图结构为所述样本语句的整体结构对应的图结构， 所述负例图结构为与所述权　利　要　求　书 2/3 页 3 CN 115130456 A 3