一种操作执行方法、装置及计算机可读存储介质与流程

本发明属于计算机技术领域，特别是涉及一种操作执行方法、装置及计算机可读存储介质。

背景技术：

随着计算机技术的快速发展，智能助手作为一种结合机器智能和对话的新型产品形态，以用户意图理解为基础，帮助用户完成特定任务，为用户带来了人性化的服务体验和服务便利。

目前，智能助手以人机语音交互方式为主，现有技术中，通常是根据用户在本轮交互中的输入，确定用户的意图以及关键参数，进而根据用户的意图以及关键参数执行用户想要执行的操作，实现与用户的交互。但是，很多情况下，用户与智能助手的交互往往是多轮的，且由于说话的关联性，用户本轮交互中的输入，可能会依赖于前轮交互中的输入，因此，仅根据用户本轮的输入确定的意图及关键参数，可能存在偏差，进而导致根据该意图及关键参数执行的操作，与用户实际想要执行的操作存在较大差异，执行操作的准确率较低。

技术实现要素：

本发明提供一种操作执行方法、装置及计算机可读存储介质，以便在一定程度上解决基于用户输入执行的操作与用户期望的操作存在偏差，执行操作的准确率较低的问题。

依据本发明的第一方面，提供了一种操作执行方法，所述方法包括：

获取待处理文本的意图，以及，从所述待处理文本中获取目标参数；所述待处理文本是根据用户在本轮中的输入信息确定的；

根据所述待处理文本及历史文本获取上下文向量；所述历史文本为前n轮交互中获取到的文本，所述n为不小于1的整数；

基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数；

根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

可选的，所述根据所述待处理文本及历史文本获取上下文向量之前，所述方法还包括：

获取所述历史文本的意图；

若所述待处理文本的意图与所述历史文本的意图满足预设关系，执行所述根据所述待处理文本及历史文本获取上下文向量的步骤。

可选的，所述上下文向量用于表示所述待处理文本与所述历史文本的关联信息；

所述根据所述待处理文本及历史文本获取上下文向量，包括：

根据所述历史文本中的每个历史词语及每个历史词语的相关信息，获取所述历史文本的文本向量；

根据所述待处理文本中的每个待处理词语及每个待处理词语的相关信息，确定所述待处理文本中的每个待处理词语的最终向量；

分别计算所述待处理文本中的每个待处理词语的最终向量与所述文本向量的乘积，得到每个待处理词语的中间向量；

根据每个待处理词语的中间向量，计算所述上下文向量。

可选的，所述历史词语的相关信息至少包括所述历史词语的词性及标签；

所述根据所述历史文本中的每个历史词语及每个历史词语的相关信息，获取所述历史文本的文本向量，包括：

对于所述历史文本中的每个历史词语，确定所述历史词语的词向量、词性向量以及标签向量；

根据所述历史词语的词向量、词性向量以及标签向量，生成每个历史词语的最终向量；

根据每个历史词语的最终向量，确定所述历史文本的文本向量。

可选的，所述待处理词语的相关信息至少包括所述待处理词语的词性及标签；

所述根据所述待处理文本中的每个待处理词语及每个待处理词语的相关信息，确定所述待处理文本中的每个待处理词语的最终向量，包括：

对于所述待处理文本中的每个待处理词语，确定所述待处理词语的词向量、词性向量以及标签向量；

根据所述待处理词语的词向量、词性向量以及标签向量，生成所述待处理文本中每个待处理词语的最终向量。

可选的，所述基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数，包括：

对于所述历史文本中的每个历史词语，将所述历史词语的最终向量与所述上下文向量拼接，得到所述历史文本中的每个历史词语的目标向量；

根据所述历史文本中的每个历史词语的目标向量，获取每个历史词语对应的概率值；所述目标向量表示的所述历史词语对所述历史文本的语义及关联信息的语义的影响程度与所述历史词语对应的概率值呈正比例关系；

将对应的概率值满足预设条件的历史词语及所述历史词语的标签作为所述辅助参数。

可选的，所述从所述待处理文本中获取目标参数，包括：

根据所述待处理文本中的每个待处理词语的最终向量，获取每个待处理词语对应的概率值；所述最终向量表示的所述待处理词语对所述待处理文本的语义影响程度与所述待处理词语对应的概率值呈正比例关系；

将对应的概率值满足所述预设条件的待处理词语及所述待处理词语的标签作为所述目标参数。

可选的，所述根据每个待处理词语的中间向量，计算所述上下文向量，包括：

根据每个待处理词语的中间向量，计算每个待处理词语的中间向量的权重；

计算每个中间向量及其权重的乘积之和，得到所述上下文向量。

可选的，若所述待处理文本的意图为视频搜索，所述根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作，包括：

搜索与所述辅助参数及所述目标参数匹配的视频，并显示搜索到的视频。

依据本发明的第二方面，提供了一种操作执行装置，所述装置包括：

第一获取模块，用于获取待处理文本的意图，以及，从所述待处理文本中获取目标参数；所述待处理文本是根据用户在本轮中的输入信息确定的；

第二获取模块，用于根据所述待处理文本及历史文本获取上下文向量；所述历史文本为前n轮交互中获取到的文本，所述n为不小于1的整数；

第三获取模块，用于基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数；

第一执行模块，用于根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

可选的，所述装置还包括：

第四获取模块，用于获取所述历史文本的意图；

第二执行模块，用于若所述待处理文本的意图与所述历史文本的意图满足预设关系，执行所述根据所述待处理文本及历史文本获取上下文向量的步骤。

可选的，所述上下文向量用于表示所述待处理文本与所述历史文本的关联信息；

所述第二获取模块，包括：

获取子模块，用于根据所述历史文本中的每个历史词语及每个历史词语的相关信息，获取所述历史文本的文本向量；

确定子模块，用于根据所述待处理文本中的每个待处理词语及每个待处理词语的相关信息，确定所述待处理文本中的每个待处理词语的最终向量；

第一计算子模块，用于分别计算所述待处理文本中的每个待处理词语的最终向量与所述文本向量的乘积，得到每个待处理词语的中间向量；

第二计算子模块，用于根据每个待处理词语的中间向量，计算所述上下文向量。

可选的，所述历史词语的相关信息至少包括所述历史词语的词性及标签；

所述获取子模块，用于：

对于所述历史文本中的每个历史词语，确定所述历史词语的词向量、词性向量以及标签向量；

根据所述历史词语的词向量、词性向量以及标签向量，生成每个历史词语的最终向量；

根据每个历史词语的最终向量，确定所述历史文本的文本向量。

可选的，所述待处理词语的相关信息至少包括所述待处理词语的词性及标签；

所述确定子模块，用于：

对于所述待处理文本中的每个待处理词语，确定所述待处理词语的词向量、词性向量以及标签向量；

根据所述待处理词语的词向量、词性向量以及标签向量，生成所述待处理文本中每个待处理词语的最终向量。

可选的，所述第三获取模块，用于：

对于所述历史文本中的每个历史词语，将所述历史词语的最终向量与所述上下文向量拼接，得到所述历史文本中的每个历史词语的目标向量；

根据所述历史文本中的每个历史词语的目标向量，获取每个历史词语对应的概率值；所述目标向量表示的所述历史词语对所述历史文本的语义及关联信息的语义的影响程度与所述历史词语对应的概率值呈正比例关系；

将对应的概率值满足预设条件的历史词语及所述历史词语的标签作为所述辅助参数。

可选的，所述第一获取模块，用于：

根据所述待处理文本中的每个待处理词语的最终向量，获取每个待处理词语对应的概率值；所述最终向量表示的所述待处理词语对所述待处理文本的语义影响程度与所述待处理词语对应的概率值呈正比例关系；

将对应的概率值满足所述预设条件的待处理词语及所述待处理词语的标签作为所述目标参数。

可选的，所述第二计算子模块，用于：

根据每个待处理词语的中间向量，计算每个待处理词语的中间向量的权重；

计算每个中间向量及其权重的乘积之和，得到所述上下文向量。

可选的，若所述待处理文本的意图为视频搜索，所述第三获取模块，用于：

搜索与所述辅助参数及所述目标参数匹配的视频，并显示搜索到的视频。

依据本发明的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一所述的操作执行方法。

针对在先技术，本发明具备如下优点：

可以根据用户的输入信息，获取待处理文本，然后，获取待处理文本的意图，以及，从待处理文本中获取目标参数，接着，根据待处理文本及历史文本获取上下文向量，其中，该历史文本为前n轮交互中获取到的文本，接着，基于上下文向量及历史文本，从历史文本中获取辅助参数，最后，根据待处理文本的意图、辅助参数及目标参数，执行与待处理文本匹配的操作。本发明实施例中，由于辅助参数可以指示与待处理文本的语义关联性较强的词语，进而使得基于待处理文本的意图、辅助参数及目标参数所执行的操作，充分利用到了本轮的待处理文本中的信息以及前轮的历史文本中相关的信息，因此，可以缩小执行的操作与用户期望操作之间存在的偏差，提高执行操作的准确率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明实施例提供的一种操作执行方法的步骤流程图；

图2-1是本发明实施例提供的另一种操作执行方法的步骤流程图；

图2-2是本发明实施例提供的一种确定辅助参数的过程示意图；

图3是本发明实施例提供的一种操作执行装置的框图；

图4是本发明实施例提供的另一种操作执行装置的框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1是本发明实施例提供的一种操作执行方法的步骤流程图，如图1所示，该方法可以包括：

步骤101、获取待处理文本的意图，以及，从所述待处理文本中获取目标参数。

本发明实施例中，该待处理文本是根据用户在本轮中的输入信息确定的，该输入信息可以是用户输入的语音，例如，用户向客户端输入语音“我想看小红的电影”，那么该语音“我想看小红的电影”即为输入信息。进一步地，可以提取输入语音的声纹特征，然后基于提取的声纹特征实现将用户输入的语音转换为文本。例如，客户端通过对语音“我想看小红的电影”进行转换，可以将转换得到的文本“我想看小红的电影”确定为待处理文本。当然，该输入信息也可以是用户输入的文本，相应地，可以直接将用户输入的文本确定为待处理文本。其中，该客户端可以是安装在终端、手机、电脑、机顶盒、电视机、智能眼镜等电子设备上的客户端。

进一步地，可以利用预设的意图识别算法对待处理文本进行意图识别，将识别结果作为该待处理文本的意图，示例的，可以利用该预设的意图识别算法确定该待处理文本的文本向量，然后根据该文本向量，确定待处理文本的意图。进一步地，目标参数至少可以包括待处理文本中对待处理文本语义影响较大的词语，当然，目标参数中也可以包括这些词语的相关信息，例如，词语的实体标签，等等。

步骤102、根据所述待处理文本及历史文本获取上下文向量。

本发明实施例中，该上下文向量可以用于体现待处理文本与该历史文本的关联信息，该历史文本可以是前n轮交互中获取到的文本，即，前n轮交互中，根据用户的输入信息获取到的待处理文本，其中，n为不小于1的整数，示例的，n可以为1，2，或者3，等等，需要说明的是，n越大，历史文本涵盖的用户之前的交互信息就越多，但是，如果n过大，可能会使历史文本中包括较多与本轮的待处理文本没有关联的信息，因此，在选择n时，可以在不小于不大于3的范围内选取。这样，通过可以在本轮的待处理文本依赖于前轮的历史文本，即，两者存在关联时，获取到上下文向量，例如，在前轮的历史文本为“我想看小红的电影”，本轮的待处理文本为“有没有和小黑一起演的”，可以看出，本轮的待处理文本是用户在前轮的历史文本的基础上做出的，两者存在关联。

步骤103、基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数。

本发明实施例中，辅助参数至少可以包括与待处理文本的语义关联性较强的词语，当然，辅助参数中也可以包括这些词语的相关信息，例如，词语的实体标签，等等。相应地，由于上下文向量中包含了待处理文本与该历史文本的关联信息，因此，基于该关联信息可以确定出历史文本中的辅助参数。

步骤104、根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

本发明实施例中，执行与待处理文本匹配的操作表示执行符合待处理文本的意图，且操作的目标对象与辅助参数及目标参数匹配的操作及显示执行结果，其中，操作的目标对象与辅助参数及目标参数匹配表示：该操作的目标对象包含辅助参数及目标参数。示例的，若待处理文本的意图为：视频搜索，那么可以搜索与辅助参数及目标参数匹配的视频，并显示搜索到的视频，示例的，假设辅助参数及目标参数为：{小红、小黑}-演员，{电影}-视频类型，可以确定与待处理文本匹配的操作即为：搜索类型为电影，且演员包含小红及小黑的视频，相应地，可以执行该搜索操作，并显示搜索到的电影。

进一步地，由于辅助参数及目标参数能够更加充分的展示用户想要执行的操作，因此，基于该待处理文本的意图、辅助参数及目标参数执行的操作，能够更加接近用户实际想要执行的操作，进而可以缩小执行的操作与用户期望操作之间存在的偏差，提高与用户的交互效果。

综上所述，本发明实施例提供的操作执行方法，可以根据用户的输入信息，获取待处理文本，然后，获取待处理文本的意图，以及，从待处理文本中获取目标参数，接着根据待处理文本及历史文本获取上下文向量，其中，该历史文本为前n轮交互中获取到的文本，接着，基于上下文向量及历史文本，从历史文本中获取辅助参数，最后，根据待处理文本的意图、辅助参数及目标参数，执行与待处理文本匹配的操作。而现有技术中仅根据本轮中用户输入的待处理文本进行处理，例如，用户前轮输入的文本为“我想看小红的电影”，本轮用户输入的待处理文本为“有没有和小黑一起演的”，可以看出，本轮的待处理文本是用户以前轮的文本为基础输入的，用户通过两轮输入的文本，实际上想要控制终端搜索小红及小黑共同参演的电影，但现有技术在这种场景下，会根据本轮的待处理文本“有没有和小黑一起演的”获取用户的意图以及参数，并基于获取到的意图以及参数会执行搜索小黑参演的作品，这与用户实际想要执行的操作相差较大。

而本发明实施例中，会根据前轮的历史文本“我想看小红的电影”获取辅助参数，从本轮的待处理文本“有没有和小黑一起演的”中获取意图及目标参数，最后，结合从前轮的历史文本中得到的辅助参数以及从本轮的待处理文本中获取到的意图及目标参数，执行搜索小红与小黑共同参演的电影。可以看出，由于辅助参数可以指示与待处理文本的语义关联性较强的词语，进而使得基于待处理文本的意图、辅助参数及目标参数所执行的操作，充分利用到了本轮的待处理文本中的信息以及前轮的历史文本中相关的信息，因此，可以缩小执行的操作与用户期望操作之间存在的偏差，提高执行操作的准确率。

图2-1是本发明实施例提供的另一种操作执行方法的步骤流程图，如图2-1所示，该方法可以包括：

步骤201、获取待处理文本的意图，以及，从所述待处理文本中获取目标参数。

本步骤中，获取待处理文本的意图的实现方式可以参考上述步骤101，本发明实施例在此不做赘述，进一步地，从待处理文本中获取目标参数的操作可以通过下述步骤2011～步骤2012实现：

步骤2011、根据所述待处理文本中的每个待处理词语的最终向量，获取每个待处理词语对应的概率值。

本步骤中，待处理文本中每个待处理词语的最终向量可以是根据该待处理词语本身以及该待处理词语的相关信息确定的，该相关信息至少可以包括待处理词语的词性及标签，其中，待处理词语的标签表示可以是根据该待处理词语所表示的实体确定，例如，可以为表示歌曲的词语“数鸭子”设置标签“音乐”。进一步地，由于相同的词语可能表示不同的实体，相同词语在词性不同时可以表示不同的含义，例如，词语“苹果”可以表示手机，也可以表示水果，因此，本步骤中，结合待处理词语本身以及待处理词语的词性、标签来确定最终向量，可以提高最终向量的代表性，进而提高后续过程中基于该最终向量确定的目标参数的准确率。

进一步地，对于待处理文本中的每个待处理词语，在确定该待处理词语的最终向量时，可以先确定该待处理词语的词向量、词性向量以及标签向量。具体的，可以将待处理词语、待处理词语的词性及标签分别输入预设的神经网络，通过该预设的神经网络来确定待处理词语的词向量、词性向量以及标签向量，当然，也可以采用其他方式来获取待处理词语的词向量、词性向量以及标签向量，例如，采用one-hot编码的形式来生成向量，本发明实施例对此不作限定。

接着，可以根据待处理词语的词向量、词性向量以及标签向量，生成待处理文本中每个待处理词语的最终向量，具体的，可以将待处理词语的词向量、词性向量以及标签向量进行拼接，即，将待处理词语的词向量、词性向量以及标签向量组合为一个向量，得到该待处理词语的最终向量。在组合时，待处理词语的词向量、词性向量以及标签向量的顺序可以根据实际需求预先设定，本发明实施例对此不作限定。当然，也可以采用方式根据待处理词语的词向量、词性向量以及标签向量生成该待处理词语的最终向量，例如，将待处理词语的词向量、词性向量以及标签向量作为待处理向量，将每个待处理向量分别输入循环神经网络(recurrentneuralnetwork，rnn)的不同神经元中，对于rnn网络中的第一个神经元，通过该神经元根据输入的待处理向量进行处理，对于rnn网络中的每个其他神经元，通过该神经元根据输入的待处理向量以及前一神经元的处理结果进行处理，这样，可以使最后一个神经元的处理结果结合了前边所有神经元处理的信息，相应地，可以将最后一个神经元的处理结果作为该待处理词语的最终向量，相较于拼接的方式，本步骤中通过rnn网络生成最终向量，可以降低生成的最终向量的长度，进而提高后续步骤中对最终向量的处理效率。

进一步地，由于每个待处理词语的最终向量都是基于待处理词语本身以及该待处理词语的相关信息确定，因此，待处理词语的最终向量能够表示该待处理词语对待处理文本的含义的影响程度，相应地，可以基于待处理词语的最终向量确定该待处理词语对应的概率值，通过该待处理词语对应的概率值能够表示该待处理词语对于待处理文本的语义的影响程度。具体的，可以利用预设的软最大softmax函数确定每个待处理词语的最终向量对应的概率值，其中，该softmax函数可以用于将向量映射至范围在(0，1)之间的实数，本步骤中，可以将每个待处理词语的最终向量分别输入该softmax函数中，得到每个待处理词语的最终向量对应的概率值，其中，该最终向量表示的待处理词语对待处理文本的语义影响程度与该概率值呈正比例关系。

步骤2012、将对应的概率值满足所述预设条件的待处理词语及所述待处理词语的标签作为目标参数。

本步骤中，该预设条件可以是待处理词语对应的概率值大于预设概率阈值，该预设概率阈值可以是根据实际情况预先设定，示例的，该预设概率阈值可以为0.7，进一步地，可以将对应的概率值大于预设概率阈值的待处理词语，以及该待处理词语的标签作为目标参数，当然，目标参数中还可以包含词语的其他信息，例如，词语的词性，等等，本发明实施例对此不作限定。

步骤202、获取所述历史文本的意图。

本步骤中，可以利用预设的意图识别算法对历史文本进行意图识别，将识别结果作为该历史文本的意图。当然，在前轮交互中，在对历史文本进行处理时，可能已经获取过历史文本的意图，因此，本步骤中，也可以直接从前轮交互的历史数据中，获取该历史文本的意图，本发明实施例对此不作限定。需要说明的是，由于该历史文本是前n轮交互中获取到的文本，因此，可能会出现，历史文本存在多个意图，进一步地，由于的前一轮中的文本与本轮的待处理文本关联，因此，可以在多个意图不相同时，可以将前一轮文本对应的意图作为历史文本的意图。

步骤203、若所述待处理文本的意图与所述历史文本的意图满足预设关系，根据所述待处理文本及历史文本获取上下文向量；所述历史文本为前n轮交互中获取到的文本。

实际应用中，用户在本轮交互输入的信息可能与前轮交互中的输入的信息并没有联系，即，本轮交互中的待处理文本与前轮交互中的历史文本不存在关联信息，因此，为了避免进行不必要的获取上下文向量的操作，本发明实施例中，可以在获取上下文向量之前，先确实历史文本的意图，如果两者满足预设关系，则可以认为历史文本与待处理文本之间存在关联信息，进而可以执行获取上下文向量的操作。其中，该预设关系可以是预先设定的，该预设关系中可以定义有不同意图对应的存在关联的意图，相应地，如果待处理文本的意图与历史文本的意图待处理文本的意图对应的存在关联的意图，则可以认为两者满足预设关系。

具体的，根据待处理文本及历史文本获取上下文向量可以通过下述步骤2031～步骤2034实现：

步骤2031、根据所述历史文本中的每个历史词语及每个历史词语的相关信息，获取所述历史文本的文本向量。

具体的，本步骤可以通过下述子步骤(1)～子步骤(3)实现：

子步骤(1)：对于所述历史文本中的每个历史词语，确定所述历史词语的词向量、词性向量以及标签向量。

本步骤中，对于历史文本中的每个历史词语，可以将该历史词语、该历史词语的词性及标签分别输入预设的神经网络，得到该历史词语的词向量、词性向量以及标签向量。当然，也可以采用其他方式来获取历史词语的词向量、词性向量以及标签向量，例如，采用one-hot编码的形式来生成向量，本发明实施例对此不作限定。

子步骤(2)：根据所述历史词语的词向量、词性向量以及标签向量，生成所述历史词语的最终向量。

本步骤中，可以将该历史词语的词向量、词性向量以及标签向量组合为一个向量，得到该历史词语的最终向量。具体在组合时，历史词语的词向量、词性向量以及标签向量的顺序可以根据实际需求预先设定，本发明实施例对此不作限定。当然，也可以采用方式根据历史词语的词向量、词性向量以及标签向量生成该词语的最终向量，例如，使用rnn网络，具体的，可以将词向量、词性向量以及标签向量分别输入rnn网络中的神经元进行处理，其中，每个神经元可以结合前一个神经元的处理结果以及输入至该神经元的最终向量进行处理，这样，可以使最后一个神经元的处理结果结合前边所有神经元处理的信息，相应地，可以将最后一个神经元的处理结果作为历史词语的最终向量，相较于拼接的方式，本步骤中通过rnn网络生成最终向量，可以降低生成的最终向量的长度，进而提高后续步骤中对最终向量的处理效率。

子步骤(3)：根据每个历史词语的最终向量，确定所述历史文本的文本向量。

本步骤中，可以对历史文本中各个历史词语的最终向量进行拼接，将拼接后得到的向量作为历史文本的文本向量，当然，也可以采用其他方式，例如，可以将历史文本中的各个历史词语的最终向量，按照历史词语在历史文本中的顺序输入rnn网络，每个最终向量对应rnn网络中的一个神经元，每个神经元可以结合前一个神经元的处理结果以及输入至该神经元的最终向量进行处理，这样，可以使最后一个神经元的处理结果结合前边所有词语的最终向量中的信息，相应地，可以将最后一个神经元的处理结果作为历史文本的文本向量，相较于拼接的方式，本步骤中通过rnn网络生成文本向量，可以避免生成的文本向量过长的问题，进而提高后续步骤中对该文本向量的处理效率。

步骤2032、根据所述待处理文本中的每个待处理词语及每个待处理词语的相关信息，确定所述待处理文本中的每个待处理词语的最终向量。

具体的，本步骤的实现方式可以参考上述步骤2011中的内容，本发明实施例在此不做赘述。

步骤2033、分别计算所述待处理文本中的每个待处理词语的最终向量与所述文本向量的乘积，得到每个待处理词语的中间向量。

示例的，假设待处理文本中包括5个待处理词语，那么，本步骤中可以分别计算这5个待处理词语的最终向量与文本向量的乘积，得到这5个待处理词语各自的中间向量。

步骤2034、根据每个待处理词语的中间向量，计算所述上下文向量。

具体的，步骤2034可以通过下述子步骤(6)～子步骤(7)实现：

子步骤(6)：根据每个待处理词语的中间向量，计算每个待处理词语的中间向量的权重。

本步骤中，待处理词语的中间向量可以表示待处理文本中的部分信息以及历史文本中的信息，中间向量的权重可以代表该中间向量表示的待处理文本中的部分信息与历史文本中的信息的关联程度，可以认为权重越大，则两者的关联程度越大。具体的，每个待处理词语的中间向量的权重可以是根据该待处理词语的中间向量计算得到的，示例的，可以将每个待处理词语的中间向量分别输入softmax函数中，得到每个待处理词语的中间向量对应的概率值，其中，该中间向量对应的待处理词语包含的信息与历史文本包含的信息的关联程度越大，该概率值越大，最后，可以将该概率值作为中间向量的权重。

子步骤(7)：计算每个中间向量及其权重的乘积之和，得到所述上下文向量。

示例的，假设有5个中间向量，那么，本步骤中可以先计算每个中间向量与其权重的乘积，然后将所有乘积相加，即可得到上下文向量。本步骤中，由于权重是根据该中间向量对应的待处理词语包含的信息与历史文本包含的信息的关联程度确定的，因此，生成的上下文向量中可以包含相应程度的中间向量中的信息，这样，使得上下文向量能够更加准确的体现历史文本与待处理文本之间的关联信息。

步骤204、基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数。

具体的，步骤204可以通过下述步骤2041～步骤2043实现：

步骤2041、对于所述历史文本中的每个历史词语，将所述历史词语的最终向量与所述上下文向量拼接，得到所述历史文本中的每个历史词语的目标向量。

具体的，对于历史文本中的每个历史词语，可以将该历史词语的最终向量与上下文向量组合为一个向量，得到该历史词语的目标向量。在组合时，最终向量与上下文向量的顺序可以根据实际需求预先设定，本发明实施例对此不作限定。

步骤2042、根据所述历史文本中的每个历史词语的目标向量，获取每个历史词语对应的概率值。

本步骤中，由于历史文本中每个历史词语的目标向量都是基于该历史词语的最终向量以及上下文向量确定，因此，历史词语的目标向量能够表示该历史词语对历史文本的含义的影响程度，以及对历史文本与待处理文本的关联信息的影响程度，相应地，可以根据历史词语的目标向量确定该历史词语对应的概率值，通过该历史词语对应的概率值能够表示该历史词语对历史文本的含义的影响程度，以及对历史文本与待处理文本的关联信息的影响程度，具体的，可以利用预设的软最大softmax函数确定每个历史词语的目标向量对应的概率值，本步骤中，可以将每个历史词语的目标向量分别输入该softmax函数中，得到每个历史词语的目标向量对应的概率值，其中，目标向量所表示的历史词语对历史文本的含义的影响程度，以及对历史文本与待处理文本的关联信息的影响程度与该概率值呈正比例关系。

步骤2043、将对应的概率值满足预设条件的历史词语及所述历史词语的标签作为辅助参数。

本步骤中，该预设条件可以是历史词语对应的概率值大于预设概率阈值，该预设概率阈值可以是根据实际情况预先设定，进一步地，可以将对应的概率值大于预设概率阈值的历史词语，以及该历史词语的标签作为辅助参数。

示例的，图2-2是本发明实施例提供的一种确定辅助参数的过程示意图，如图2-2所示，可以先从历史文本中获取历史文本的意图以及历史文本中包含的历史词语及历史词语的相关信息，从待处理文本中获取待处理文本的意图以及待处理文本中包含的待处理词语及待处理词语的相关信息，接着，可以在历史文本的意图于待处理文本的意图满足预设关系的情况下，基于历史词语及历史词语的相关信息，生成历史词语的最终向量，并基于历史词语的最终向量确定历史文本的文本向量，基于待处理词语及待处理词语的相关信息，生成待处理词语的最终向量，接着，基于历史文本的文本向量以及待处理词语的最终向量，计算上下文向量，最后，基于上下文向量以及历史词语的最终向量，获取辅助参数。

步骤205、根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

具体的，本步骤的实现方式可以参考上述步骤104，本发明实施例在此不做赘述。

综上所述，本发明实施例提供的操作执行方法，可以获取待处理文本的意图，以及，从待处理文本中获取目标参数，接着，在待处理文本的意图与历史文本的意图满足预设关系时，根据待处理文本及历史文本获取上下文向量，以避免进行不必要的获取上下文向量的操作，其中，该历史文本为前n轮交互中获取到的文本，接着，基于上下文向量及历史文本，从历史文本中获取辅助参数，最后，根据待处理文本的意图、辅助参数及目标参数，执行与待处理文本匹配的操作。本发明实施例中，由于辅助参数可以指示与待处理文本的语义关联性较强的词语，进而使得基于待处理文本的意图、辅助参数及目标参数所执行的操作，充分利用到了本轮的待处理文本中的信息以及前轮的历史文本中相关的信息，因此，可以缩小执行的操作与用户期望操作之间存在的偏差，提高执行操作的准确率。

图3是本发明实施例提供的一种操作执行装置的框图，如图3所示，该装置30可以包括：

第一获取模块301，用于获取待处理文本的意图，以及，从所述待处理文本中获取目标参数；所述待处理文本是根据用户在本轮中的输入信息确定的；

第二获取模块302，用于根据所述待处理文本及历史文本获取上下文向量；所述历史文本为前n轮交互中获取到的文本；

第三获取模块303，用于基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数；

第一执行模块304，用于根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

综上所述，本发明实施例提供的操作执行装置，可以获取待处理文本的意图，以及，从待处理文本中获取目标参数，接着，根据待处理文本及历史文本获取上下文向量，其中，该历史文本为前n轮交互中获取到的文本，接着，基于上下文向量及历史文本，从历史文本中获取辅助参数，最后，根据待处理文本的意图、辅助参数及目标参数，执行与待处理文本匹配的操作。本发明实施例中，由于辅助参数可以指示与待处理文本的语义关联性较强的词语，进而使得基于待处理文本的意图、辅助参数及目标参数所执行的操作，充分利用到了本轮的待处理文本中的信息以及前轮的历史文本中相关的信息，因此，可以缩小执行的操作与用户期望操作之间存在的偏差，提高执行操作的准确率。

图4是本发明实施例提供的另一种操作执行装置的框图，如图4所示，该装置40可以包括：

第一获取模块401，用于获取待处理文本的意图，以及，从所述待处理文本中获取目标参数；所述待处理文本是根据用户在本轮中的输入信息确定的；

第二获取模块402，用于根据所述待处理文本及历史文本获取上下文向量；所述历史文本为前n轮交互中获取到的文本；

第三获取模块403，用于基于所述上下文向量及所述历史文本，从所述历史文本中获取辅助参数；

第一执行模块404，用于根据所述待处理文本的意图、所述辅助参数及所述目标参数，执行与所述待处理文本匹配的操作。

可选的，所述装置40还包括：

第四获取模块，用于获取所述历史文本的意图；

第二执行模块，用于若所述待处理文本的意图与所述历史文本的意图满足预设关系，执行所述根据所述待处理文本及历史文本获取上下文向量的步骤。

可选的，所述上下文向量用于表示所述待处理文本与所述历史文本的关联信息；

所述第二获取模块402，包括：

获取子模块4021，用于根据所述历史文本中的每个历史词语及每个历史词语的相关信息，获取所述历史文本的文本向量；

确定子模块4022，用于根据所述待处理文本中的每个待处理词语及每个待处理词语的相关信息，确定所述待处理文本中的每个待处理词语的最终向量；

第一计算子模块4023，用于分别计算所述待处理文本中的每个待处理词语的最终向量与所述文本向量的乘积，得到每个待处理词语的中间向量；

第二计算子模块4024，用于根据每个待处理词语的中间向量，计算所述上下文向量。

可选的，所述历史词语的相关信息至少包括所述历史词语的词性及标签；

所述获取子模块4021，用于：

对于所述历史文本中的每个历史词语，确定所述历史词语的词向量、词性向量以及标签向量；

根据所述历史词语的词向量、词性向量以及标签向量，生成每个历史词语的最终向量；

根据每个历史词语的最终向量，确定所述历史文本的文本向量。

可选的，所述待处理词语的相关信息至少包括所述待处理词语的词性及标签；

所述确定子模块4022，用于：

对于所述待处理文本中的每个待处理词语，确定所述待处理词语的词向量、词性向量以及标签向量；

根据所述待处理词语的词向量、词性向量以及标签向量，生成所述待处理文本中每个待处理词语的最终向量。

可选的，所述第三获取模块403，用于：

对于所述历史文本中的每个历史词语，将所述历史词语的最终向量与所述上下文向量拼接，得到所述历史文本中的每个历史词语的目标向量；

根据所述历史文本中的每个历史词语的目标向量，获取每个历史词语对应的概率值；所述目标向量表示的所述历史词语对所述历史文本的语义及关联信息的语义的影响程度与所述历史词语对应的概率值呈正比例关系；

将对应的概率值满足预设条件的历史词语及所述历史词语的标签作为所述辅助参数。

可选的，所述第一获取模块401，用于：

根据所述待处理文本中的每个待处理词语的最终向量，获取每个待处理词语对应的概率值；所述最终向量表示的所述待处理词语对所述待处理文本的语义影响程度与所述待处理词语对应的概率值呈正比例关系；

将对应的概率值满足所述预设条件的待处理词语及所述待处理词语的标签作为所述目标参数。

可选的，所述第二计算子模块4024，用于：

根据每个待处理词语的中间向量，计算每个待处理词语的中间向量的权重；

计算每个中间向量及其权重的乘积之和，得到所述上下文向量。

可选的，若所述待处理文本的意图为视频搜索，所述第三获取模块403，用于：

搜索与所述辅助参数及所述目标参数匹配的视频，并显示搜索到的视频。

综上所述，本发明实施例提供的操作执行装置，可以获取待处理文本的意图，以及，从待处理文本中获取目标参数，接着，根据待处理文本及历史文本获取上下文向量，其中，该历史文本为前n轮交互中获取到的文本，接着，基于上下文向量及历史文本，从历史文本中获取辅助参数，最后，根据待处理文本的意图、辅助参数及目标参数，执行与待处理文本匹配的操作。本发明实施例中，由于辅助参数可以指示与待处理文本的语义关联性较强的词语，进而使得基于待处理文本的意图、辅助参数及目标参数所执行的操作，充分利用到了本轮的待处理文本中的信息以及前轮的历史文本中相关的信息，因此，可以缩小执行的操作与用户期望操作之间存在的偏差，提高执行操作的准确率。

对于上述装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

另外，本发明实施例还提供一种终端，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述操作执行方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述操作执行方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域技术人员易于想到的是：上述各个实施例的任意组合应用都是可行的，故上述各个实施例之间的任意组合都是本发明的实施方案，但是由于篇幅限制，本说明书在此就不一一详述了。

在此提供的操作执行方法不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造具有本发明方案的系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的操作执行方法中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。