1.一种语句解析方法，其特征在于，所述方法包括：
获取待解析的目标语句对应的启发式理解的特征信息；
根据所述目标语句对应的启发式理解的特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度；各所述候选解析结果中包括候选意图和候选槽位；
根据各种所述候选解析结果以及各种所述候选解析结果的置信度，确定所述目标语句对应的目标理解。
2.根据权利要求1所述的方法，其特征在于，获取待解析的目标语句对应的启发式理解的特征信息，具体包括：
基于预设的多个语义片段规则组，获取所述目标语句对应的第一启发式理解的特征信息；各所述语义片段规则组分别对应一种意图，各所述语义片段规则组中包括多个槽位以及各所述槽位的顺序标识；和/或
基于预标注的训练语句数据集，获取所述目标语句对应的第二启发式理解的特征信息；所述预标注的训练语句数据集中包括多条训练语句，各所述训练语句中已标注对应的意图和槽位；
对应地，根据所述目标语句对应的启发式理解的特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度，具体包括：
根据所述第一启发式理解的特征信息和/或所述启发式理解的第二特征信息，获取所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
3.根据权利要求2所述的方法，其特征在于，基于预设的多个语义片段规则组，获取所述目标语句对应的第一启发式理解的特征信息，具体包括：
基于预设的各个所述语义片段规则组，获取所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征。
4.根据权利要求3所述的方法，其特征在于，根据所述第一启发式理解的特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度，具体包括：
根据所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征中的至少一种，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度；或者
根据所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征以及预先为各所述特征配置的权重，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
5.根据权利要求2所述的方法，其特征在于，基于预标注的训练语句数据集，获取所述目标语句对应的第二启发式理解的特征信息，具体包括如下至少一种：
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的各候选槽位的槽位与意图的相关性特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的各候选槽位的槽位普及程度特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的词语与槽位的相关性特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的不同词语对应的候选槽位间的槽位与槽位的相关性特征；和/或
基于所述预标注的训练语句数据集，获取所述目标语句的自然语言特征。
6.根据权利要求5所述的方法，其特征在于，根据所述第二启发式理解的特征信息，获取所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度，具体包括：
根据所述目标语句对应的所述槽位与意图的相关性特征、所述槽位普及程度特征、所述词语与槽位的相关性特征、所述槽位与槽位的相关性特征以及所述自然语言特征、以及预先为各所述特征配置的权重，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
7.根据权利要求2所述的方法，其特征在于，根据所述第一启发式理解的特征信息和/或所述第二启发式理解的特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度，具体包括：
根据所述第一启发式理解的特征信息和/或所述第二启发式理解的特征信息，采用神经网络模型解析所述目标语句的多种所述候选解析结果，并计算各种所述候选解析结果对应的置信度。
8.一种语句解析装置，其特征在于，所述装置包括：
获取模块，用于获取待解析的目标语句对应的启发式理解的特征信息；
解析模块，用于根据所述目标语句对应的启发式理解的特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度；各所述候选解析结果中包括候选意图和候选槽位；
确定模块，用于根据各种所述候选解析结果以及各种所述候选解析结果的置信度，确定所述目标语句对应的目标理解。
9.根据权利要求8所述的装置，其特征在于，所述获取模块，具体用于：
基于预设的多个语义片段规则组，获取所述目标语句对应的第一启发式理解的特征信息；各所述语义片段规则组分别对应一种意图，各所述语义片段规则组中包括多个槽位以及各所述槽位的顺序标识；和/或
基于预标注的训练语句数据集，获取所述目标语句对应的第二启发式理解的特征信息；所述预标注的训练语句数据集中包括多条训练语句，各所述训练语句中已标注对应的意图和槽位；
对应地，所述解析模块，具体用于：
根据所述第一启发式理解的特征信息和/或所述启发式理解的第二特征信息，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
10.根据权利要求9所述的装置，其特征在于，所述获取模块，具体用于基于预设的各个所述语义片段规则组，获取所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征。
11.根据权利要求10所述的装置，其特征在于，所述解析模块，具体用于：
根据所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征中的至少一种，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度；或者
根据所述目标语句的命中各所述候选槽位的片段的顺序标识是否满足对应的所述语义片段规则组中的限定的特征、所述目标语句中是否包括对应的候选意图对应的特定片段的特征、和所述目标语句的候选理解的识别覆盖率的特征以及预先为各所述特征配置的权重，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
12.根据权利要求9所述的装置，其特征在于，所述获取模块，具体用于，执行如下至少一种操作：
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的各候选槽位的槽位与意图的相关性特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的各候选槽位的槽位普及程度特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的每个词语对应的词语与槽位的相关性特征；
基于所述预标注的训练语句数据集，获取所述目标语句中的不同词语对应的候选槽位间的槽位与槽位的相关性特征；和/或
基于所述预标注的训练语句数据集，获取所述目标语句的自然语言特征。
13.根据权利要求12所述的装置，其特征在于，所述解析模块，具体用于根据所述目标语句对应的所述槽位与意图的相关性特征、所述槽位普及程度特征、所述词语与槽位的相关性特征、所述槽位与槽位的相关性特征以及所述自然语言特征、以及预先为各所述特征配置的权重，解析所述目标语句的多种候选解析结果以及各种所述候选解析结果对应的置信度。
14.根据权利要求9所述的装置，其特征在于，所述解析模块，具体用于根据所述第一启发式理解的特征信息和/或所述第二启发式理解的特征信息，采用神经网络模型解析所述目标语句的多种所述候选解析结果，并计算各种所述候选解析结果对应的置信度。
15.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。