数据查询的交互方法及装置、电子设备和存储介质与流程

本申请涉及人工智能领域的大数据处理技术，尤其涉及自然语言处理技术、深度学习技术和数据交互，具体涉及一种数据查询的交互方法及装置、电子设备和存储介质。

背景技术：

语义交互主要是通过自然语言处理技术nlp(naturelanguageprocessing)，对能够表达用户搜索意图的短文进行解析和精准理解，进而反馈用户想要的信息。

语义交互系统被广泛应用在智能问答、对话系统当中，但通常只能应用于特定的知识库上，泛化能力差，且容易出现“答非所问”的情况。

技术实现要素：

本公开提供了一种数据查询的交互方法及装置、电子设备和存储介质。

根据本公开的第一方面，提供了一种数据查询的交互方法，包括：

获取查询指令，并提取所述查询指令对应的文本信息；

对所述文本信息进行解析，以获取所述文本信息中的至少一个实体词；

根据所述至少一个实体词进行意图解析，以获取所述文本信息的目标查询意图以及所述目标查询意图对应的多个查询模板；

将所述文本信息与所述多个查询模板进行匹配，以获取与所述文本信息相匹配的所述目标查询模板，以及所述目标查询模板对应的目标查询规则；以及

利用所述文本信息和所述目标查询规则进行查询，以获取所述查询指令对应的查询结果。

根据本公开的第二方面，提供了一种数据查询的交互装置，包括：

获取模块，用于获取查询指令，并提取所述查询指令对应的文本信息；

第一解析模块，用于对文本信息进行解析，以获取所述文本信息中的至少一个实体词；

第二解析模块，用于根据所述至少一个实体词进行意图解析，以获取所述文本信息的目标查询意图以及所述目标查询意图对应的多个查询模板；

匹配模块，用于将所述文本信息与所述多个查询模板进行匹配，以获取与所述文本信息相匹配的所述目标查询模板，以及所述目标查询模板对应的目标查询规则；以及

查询模块，用于利用所述文本信息和所述目标查询规则进行查询，以获取所述查询指令对应的查询结果。

根据本公开的第三方面，提供了一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的数据查询的交互方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行上述第一方面所述的数据查询的交互方法。

根据本申请的技术解决了语义交互时容易出现“答非所问”的情况，有效提高查询结果与查询需求之间的匹配度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例一种数据查询的交互方法的流程图；

图2为本申请实施例另一种数据查询的交互方法的流程图；

图3为本申请实施例又一种数据查询的交互方法的流程图；

图4为本申请实施例再一种数据查询的交互方法的流程图；

图5为本申请实施例再一种数据查询的交互方法的流程图；

图6为本申请实施例再一种数据查询的交互方法的流程图；

图7为本申请实施例再一种数据查询的交互方法的流程图；

图8为本申请实施例再一种数据查询的交互方法的流程图；

图9为本申请实施例一种数据查询的交互装置的方框示意图；

图10是用来实现本申请实施例的数据查询的交互方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面结合附图来描述本申请实施例的数据查询的交互方法及装置、电子设备和存储介质。

图1为本申请实施例一种数据查询的交互方法的流程图。其中，需要说明的是，本实施例的数据查询的交互方法的执行主体数据查询的交互装置，数据查询的交互装置可为具有人机交互功能的电子设备，例如pc(personalcomputer，个人计算机)电脑、平板电脑、掌上电脑或移动终端等，此处不做任何限定，或者其他具有人机交互功能的硬件设备内的软件等。

如图1所示，本申请实施例的数据查询的交互方法，包括以下步骤：

在步骤101中，获取查询指令，并提取查询指令对应的文本信息。

需要说明的是，查询指令可通过数据查询的交互界面进行获取，当交互界面为语音交互界面时，可先获取用户通过语音输入的查询指令，通过对语音信息进行音转字从而提取到查询指令对应的文本信息，当交互界面为文本交互界面时，可直接通过用户输入的文本信息从中提取查询指令对应的文本信息。

在步骤102中，对文本信息进行解析，以获取文本信息中的至少一个实体词。

需要说明的是，组成一个句子的成分可以有多种，例如，名词、助词、虚词、介词等，但是，部分词汇在查询时对查询内容并不产生影响，存在的意义仅仅在于使用户输入的查询语句完整，例如“的”，因此，可通过对文本信息进行解析，以获取文本信息中对查询产生限定作用的实体词，其中，实体词可为人物、地点、组织、时间、频次等。

在步骤103中，根据至少一个实体词进行意图解析，以获取文本信息的目标查询意图以及目标查询意图对应的多个查询模板。

其中，本申请主要应用于关联信息的查询，查询意图可主要为关联关系的查询意图，例如，查人物、查时间、查地点等，复杂一些还可包括例如查关系、查文章、查亲属关系、查同学关系、查案件、查新闻等。

在相同的查询意图下，由于查询的限定条件不同，例如，同样是查询车次，其中，限制时间的查询语句可为“查询6月21日的车次”，限定地点的语句可为“查询从天津达到北京的车次”，因此，在确定查询意图后，还需要进一步获取查询模板，以确定具体基于何种限制条件进行查询。

在步骤104中，将文本信息与多个查询模板进行匹配，以获取与文本信息相匹配的目标查询模板，以及目标查询模板对应的目标查询规则。

正如前文所述，由于查询内容的限制条件不同，使得最终采用的查询规则也不相同，因此，在确定查询模板后，还需要获取与模板对应的目标查询规则，以按照查询规则查询符合用户选择的限制条件对意图进行查询。

其中，查询规则可为查询时调用的接口、算子等，每个目标查询模板都对应一个目标查询规则，根据目标查询规则可调用能够查询到目标结果的数据库，并通过目标规则对查询结果进行筛选、处理等，从而避免使用查询结果进行反馈时需要推理计算的过程，有效提高数据查询的的泛化能力。

在步骤105中，利用文本信息和目标查询规则进行查询，以获取查询指令对应的查询结果。

也就是说，本申请通过对实体词进行意图解析获取用户的查询意图，并根据用户的查询意图寻找合适的查询模板，再利用查询模板对用户查询的内容进行查询，从而使得查询到的结果更能够更符合用户的需求，有效提高查询结果与查询需求之间的匹配度，避免出现答非所问的问题。

为了进一步清楚说明上一实施例，如图2所示，上述步骤102对文本信息进行解析，以获取文本信息中的至少一个实体词，可包括以下步骤：

在步骤201中，将文本信息中的字进行向量转化，以获取每个字对应的第一向量。

在步骤202中，利用双向长短记忆网络模型对第一向量进行编码，以获取实体词。

其中，实体词包括多个字，多个字相邻且具有语义依赖关系。

需要说明的是，双向长短记忆网络模型系一种深度学习模型，该模型可以更好地捕捉词语从前往后和从后往前的语义依赖关系。在使用双向长短记忆网络模型之前，还可通过例如百度百科、维基百科等开放语料库中的语料进行模型训练，以在使用时能够识别到反映例如人物、地点、组织、时间、频次等的实体词。

具体而言，在获取到查询指令对应的文本信息之后，先对文本信息中的每个字进行向量编码，将编码后的文本信息逐字输入到经过训练的双向长短记忆网络模型中，通过模型获取到相邻且具有语义依赖关系的实体词。

进一步地，由于中国文字通常具有一词多义的情况，即，在不同的语境环境下代表不同的含义，例如“苹果”，既可表示一种水果，也可表示一家科技公司，因此，为了更准确的识别用户意图以及进行查询，需要对获取到的实体词进行消歧处理，以使每个实体词都具备唯一的含义，从而避免答非所问的问题发生。

可选的，获取实体字典，利用实体字典对实体词进行消歧处理；和/或获取在文本信息中对实体词进行修饰的第一属性信息，并通过第一属性信息对实体词进行消歧处理。

其中，实体字典可为根据具有歧义的实体词编辑的字典，举例来说，我们可预设有科技公司的实体字典，科技公司对应的实体词字典可进一步包括主称和副称，以“苹果”为例，其对应的科技公司的主称则可为“苹果公司”，副称可为“苹果电脑公司”、“苹果”、“appleinc”等，在消歧时，可将实体词与字典中的主称和副称进行匹配，并将匹配结果对应的主称作为消歧后的实体词进行使用。其中，可通过匹配树算法对实体词进行匹配。

当然，还有一个些词语无法通过实体词字典进行消歧，例如，实体词与限定其的词语组合形成了新的特定含义。举例来说，“马云”为一个人名，而叫“马云”的人很多，因此，可根据限定“马云”的词来确定此处查询的“马云”是谁，例如，若文本信息为“首富马云”或者“马云的身价”等，可以看出此时的“马云”指的是具有较多资产的人。

由此，本申请通过对文本信息进行深度学习获取实体词，并对实体词进行消歧处理，能够使最终获取到的实体词含义尽可能的简单、单一，以便于后续准确的对用于查询的意图进行识别，以及使查询时获取到符合用户查询需求的查询结果。同时，以深度学习模型的实体识别为主，以实体字典和修饰性属性消歧为辅的方式，有效增加实体识别的泛化能力和迁移能力，更好的满足工业需求。

为了进一步清楚说明上一实施例，如图3所示，上述步骤103根据至少一个实体词进行意图解析，以获取文本信息的目标查询意图以及目标查询意图对应的多个查询模板，可包括以下步骤：

在步骤301中，对至少一个实体词进行识别，以获取至少一个实体词中的触发词。

需要说明的是，虽然根据文本信息解析出了用于限制查询结果的实体词，但是，并不是所有的实体词都能够表达查询意图，例如前述的车次查询的例子，其中仅有“车次”才是查询意图，即，两个句子查询的都是车次，而不是句中的其他实体词，但是第一个句子包含“6月21日”这个用于限定时间的实体词，第二个句子具有“天津”、“北京”的用于限定车辆始发地和到达地的实体词，因此，为了使查询结果符合用户的查询需求，例如不会查询出6月21日的机票，或者从天津到北京的机票等，需要对实体词中的触发词进行识别，以保证查询的实体符合用户的查询需求。

在步骤302中，将触发词与查询意图列表中的多个查询意图进行匹配，以获取目标查询意图。

其中，触发词也通过提前制作触发词字典的方式获取，例如可将“酒店”、“饭店”等地点作为查询地理位置的触发词等。

在步骤303中，根据目标查询意图，获取目标查询意图对应的多个查询模板。

如前述车次查询的例子可知，即使查询的意图相同，但查询的内容与结果基于查询的限制条件，也必然会不同，因此，还需要在获取目标查询意图之后进一步获取目标查询意图对应的多个模板，以便于后续根据相应的查询模板查询符合用户查询需求的结果。

进一步地，如图4所示，上述步骤302将触发词与查询意图列表中的多个查询意图进行匹配，以获取目标查询意图，包括：

在步骤401中，对触发词进行识别，以获取触发词的第一类型信息。

其中，第一类型信息可为触发词的类型属性，包括例如地点、时间、事件等，例如，查“最近的酒店”则触发词为“酒店”，触发词的第一类型信息为“地点”，查“过去一年的通话记录”，则触发词是“通话”，触发词的第一类型信息为“事件”等。

在步骤402中，获取每个查询意图分别对应的第二类型信息。

其中，由于查询意图于触发词具有对应关系，因此，第二类型信息可与触发词的第一类型信息获取方法相同或相似，或者设置有与第一类型信息具有对应关系的第二类型信息。

在步骤403中，将与第一类型信息相同的第二类型信息对应的查询意图作为候选查询意图。

在步骤404中，将文本信息与候选查询意图的第一例句进行相似度匹配。

其中，候选意图是与触发词属于同一类型的意图，而多种意图可同属于同一类型，例如“酒店”和“饭店”均可属于地点触发词，即，属于在触发词属于地点触发词时“酒店”和“饭店”均可被识别为候选触发词。因此，为了进一步准确识别到用户的意图，还需要根据每个查询意图的第一例句进行相似度匹配来获取目标查询意图。其中，第一例句至少包含有触发词特征。

可选的，在计算文本信息与候选查询意图的第一例句的相似度时，可先将文本信息和第一例句进行分词，然后对分好的每一个词获取相应的向量，再对所有向量相加并求平均以得到文本信息和第一例句的句子向量，然后计算文本信息的句子向量和第一例句的句子向量之间的余弦值，并根据余弦值确定文本信息与第一例句之间的相似度。

在步骤405中，将与文本信息相似度最高的候选查询意图，作为目标查询意图。

举例来说，用户输入查询文本“查询500m范围内的五星级酒店”，对该句进行实体词查询“500m”、“五星”和“酒店”，通过地址位置触发词字典可以确定“酒店”为该句中的触发词，即，用户查询的是“地点”，因此，可将表达“地点”的多个目标查询意图均作为候选查询意图，例如“酒店”、“饭店”、“景点”等，然后分别于“酒店”、“饭店”、“景点”查询意图的第一例句进行比较，第一例句可能包括“查酒店”、“查饭店”、“查景点”等，此时，可以确知例句“查酒店”与用户文本信息的相似度最高，因此，可以将“酒店”作为目标查询意图。

由此，本申请可准确的获取到用户的查询意图，避免查询过程存在偏差，造成最终的查询结果存在答非所问的问题。

为了进一步清楚说明上一实施例，如图5所示，上述步骤104将文本信息与多个查询模板进行匹配，以获取与文本信息相匹配的目标查询模板，以及目标查询模板对应的目标查询规则，包括：

在步骤501中，分别获取多个查询模板中每个查询模板的第一词槽序列。

在步骤502中，获取文本信息的第二词槽序列。

其中，词槽可为代表实体词属性和/或类型的特征数据。

在步骤503中，将与第二词槽序列相同的第一词槽序列对应的查询模板作为候选查询模板。

在步骤504中，将文本信息与候选查询模板的第二例句进行相似度匹配。

在步骤505中，将与文本信息相似度最高的候选查询模板，作为目标查询模板。

其中，如图6所示，上述步骤501分别获取多个查询模板中每个查询模板的第一词槽序列，包括：

在步骤601中，获取每个查询模板的第二例句。

在步骤602中，对第二例句进行解析，以获取第二例句中的至少一个实体词和至少一个关键字。

在步骤603中，对每个实体词进行属性识别，将属性作为实体词的第一词槽。

在步骤604中，对每个关键字进行属性识别，根据关键字的属性构建第二词槽。

在步骤605中，将第一词槽和第二词槽，按照第二例句中至少一个实体词和至少一个关键字的顺序构建第一词槽序列。

其中，如图7所示，上述步骤701分别获取多个查询模板中每个查询模板的第一词槽序列，包括：

在步骤701中，对文本信息进行解析，以获取文本信息中的至少一个关键字。

在步骤702中，对文本信息中的每个实体词进行属性识别，将属性作为实体词的第三词槽。

在步骤703中，对每个关键字进行属性识别，根据关键字的属性构建第四词槽。

在步骤704中，将第三词槽和第四词槽，按照文本信息中至少一个实体词和至少一个关键字的顺序构建第二词槽序列。

举例来说，例如，文本信息为“2019年与户籍在甘肃的张三有过通话记录的人”，通过实体识别后可得到实体词“2019”、“甘肃”、“张三”、“通话”，以及没有类型信息的名词“户籍”和句型模板“的人”，其中，没有类型信息的名词“户籍”和句型模板“的人”可视作为该文本信息中的关键字。然后对查询出的实体词进行属性识别得到：“2019”＝{time}、“甘肃”＝{site}、“张三”＝{person}以及“通话”＝{intention}，对关键字进行属性识别可得：“户籍”＝{kw_property}、“的人”＝{kw_pattern}，将上述识别结果按照文本信息的顺序排列，可得对应的词槽序列为：

{time}{.*}{kw_property}{site}{person}{intention}{kw_pattern}。

同理，按照该规则还可对多个查询模板中每个查询模板的第二例句进行分析，以获取每个查询模板的第一词槽序列。

在获取到第一词槽序列和第二词槽序列之后，在多个词槽序列中选取与第一次槽序列所包含的词槽和词槽顺序相同的第一词槽序列作为候选查询模板，可选的，可采用匹配数算法从多个查询模板中选取与第二词槽序列相同的第一次槽序列。

当然，即使词槽序列相同，也会存在细节上的差距，例如，“2019年与户籍在甘肃的张三有过通话记录的人”为查询的时间为“年”，查询粒度较大，而匹配到的候选查询模板可包括查询时间为“年”、“月”、“日”等，因此，还需要进一步将文本信息与候选查询模板第二例句进行匹配，以获取近似度更高的查询模板来进行查询。

作为一个可行实施例，每个查询模板的第二例句可为多个，然后对每个模板中的例句相似度进行加权平均，从而获得与文本信息匹配度对糟糕的目标查询模板。

其中，在对文本信息和第二例句之间的相似度时，可采用文本信息和第一例句之间的相似度算法进行计算，可选的，第一例句也可和第二例句内容相同，区别仅在与同一例句在不同阶段获取的结果不同。

由此，本申请通过词槽序列能够有效增长查询语句的长度，从而进行较为复杂的查询操作。

在一些实施例中，如图8所示，上述步骤105利用文本信息和目标查询规则进行查询，以获取查询指令对应的查询结果，包括：

在步骤801中，利用实体词和/或关键字对目标查询规则中的算子进行更新，以获取更新后的目标查询规则。

在步骤802中，利用更新后的目标查询规则进行查询，以获取符合查询指令的查询结果。

需要说明的是，查询规则通常是按照一定的限定条件，以及每个限定条件的查询顺序进行查询的规则，而限定条件通常通过文本信息进行获取，例如“2019年与户籍在甘肃的张三有过通话记录的人”的时间条件即为[20190101，20191231]，即，按照文本信息中的实体词和关键词对查询规则中的算子进行更新，以使更新后的查询规则符合用户的查询需求，然后再利用更新后的查询规则进行查询，以获取符合查询指令的查询结果。

综上所述，本申请通过对文本进行解析获取实体词，从而对实体词进行意图解析获取用户的查询意图，并根据用户的查询意图寻找合适的查询模板，再利用查询模板对用户查询的内容进行查询，从而使得查询到的结果更能够更符合用户的需求，有效避免出现答非所问的问题。

为了实现上述目的，本申请还提出了一种数据查询的交互装置。

图9为本申请一个实施例的数据查询的交互装置的方框示意图。如图9所示，数据查询的交互装置10包括：

获取模块11，用于获取查询指令，并提取所述查询指令对应的文本信息；

第一解析模块12，用于对文本信息进行解析，以获取所述文本信息中的至少一个实体词；

第二解析模块13，用于根据所述至少一个实体词进行意图解析，以获取所述文本信息的目标查询意图以及所述目标查询意图对应的多个查询模板；

匹配模块14，用于将所述文本信息与所述多个查询模板进行匹配，以获取与所述文本信息相匹配的所述目标查询模板，以及所述目标查询模板对应的目标查询规则；以及

查询模块15，用于利用所述文本信息和所述目标查询规则进行查询，以获取所述查询指令对应的查询结果。

在一些实施例中，第一解析模块12，包括：

第一转化子模块，用于将所述文本信息中的字进行向量转化，以获取每个所述字对应的第一向量；以及

第一编码子模块，用于利用双向长短记忆网络模型对所述第一向量进行编码，以获取所述实体词，其中，所述实体词包括多个字，所述多个字相邻且具有语义依赖关系。

在一些实施例中，第一解析模块20，还包括：

第一消歧子模块，用于获取实体字典，利用所述实体字典对所述实体词进行消歧处理；和/或

第二消歧子模块，用于获取在所述文本信息中对所述实体词进行修饰的第一属性信息，并通过所述第一属性信息对所述实体词进行消歧处理。

在一些实施例中，第二解析模块30，包括：

第一识别子模块，用于对所述至少一个实体词进行识别，以获取所述至少一个实体词中的触发词；

第一匹配子模块，用于将所述触发词与查询意图列表中的多个所述查询意图进行匹配，以获取所述目标查询意图；以及

第一获取子模块，用于根据所述目标查询意图，获取所述目标查询意图对应的多个查询模板。

在一些实施例中，第一匹配子模块，具体用于，

对所述触发词进行识别，以获取所述触发词的第一类型信息；

获取每个所述查询意图分别对应的第二类型信息；

将与所述第一类型信息相同的所述第二类型信息对应的所述查询意图作为候选查询意图；

将所述文本信息与所述候选查询意图的第一例句进行相似度匹配；以及

将与所述文本信息相似度最高的所述候选查询意图，作为所述目标查询意图。

在一些实施例中，匹配模块14，包括：

第二获取子模块，用于分别获取所述多个查询模板中每个所述查询模板的第一词槽序列；

第三获取子模块，获取所述文本信息的第二词槽序列；

第一确定子模块，用于将与所述第二词槽序列相同的所述第一词槽序列对应的所述查询模板作为候选查询模板；

第二匹配子模块，用于将所述文本信息与所述候选查询模板的第二例句进行相似度匹配；以及

第二确定子模块，用于将与所述文本信息相似度最高的所述候选查询模板，作为所述目标查询模板。

在一些实施例中，第二获取子模块，具体用于，

获取每个所述查询模板的第二例句；

对所述第二例句进行解析，以获取所述第二例句中的至少一个实体词和至少一个关键字；

对每个所述实体词进行属性识别，将所述属性作为所述实体词的第一词槽；

对每个所述关键字进行属性识别，根据所述关键字的属性构建第二词槽；以及

将所述第一词槽和所述第二词槽，按照所述第二例句中所述至少一个实体词和所述至少一个关键字的顺序构建所述第一词槽序列。

在一些实施例中，第三获取子模块，具体用于，

对所述文本信息进行解析，以获取所述文本信息中的至少一个关键字；

对所述文本信息中的每个所述实体词进行属性识别，将所述属性作为所述实体词的第三词槽；以及

对每个所述关键字进行属性识别，根据所述关键字的属性构建第四词槽；

将所述第三词槽和所述第四词槽，按照所述文本信息中所述至少一个实体词和所述至少一个关键字的顺序构建所述第二词槽序列。

在一些实施例中，查询模块15，包括：

更新子模块，用于利用所述关键字对所述目标查询规则中的算子进行更新，以获取更新后的所述目标查询规则；以及

查询子模块，用于利用所述更新后的目标查询规则进行查询，以获取符合所述查询指令的查询结果。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图10所示，是根据本申请实施例的数据查询的交互方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图10所示，该电子设备包括：一个或多个处理器1001、存储器1002，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器1001为例。

存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的数据查询的交互方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的数据查询的交互方法。

存储器1002作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的数据查询的交互方法对应的程序指令/模块(例如，附图9所示的获取模块11、第一解析模块12、第二解析模块13、匹配模块14和查询模块15)。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的数据查询的交互方法。

存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据数据查询的交互方法的电子设备的使用所创建的数据等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至数据查询的交互方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

数据查询的交互方法的电子设备还可以包括：输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接，图10中以通过总线连接为例。

输入装置1003可接收输入的数字或字符信息，以及产生与数据查询的交互方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，本申请通过对文本进行解析获取实体词，从而对实体词进行意图解析获取用户的查询意图，并根据用户的查询意图寻找合适的查询模板，再利用查询模板对用户查询的内容进行查询，从而使得查询到的结果更能够更符合用户的需求，有效避免出现答非所问的问题。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。