使用外部域知识进行查询回答的查询放宽的制作方法

1.本公开一般涉及用于域特定知识库(kb)的系统和方法。更特别地，本公开涉及利用查询放宽(relaxation)来理解自然语言问题/查询的域特定的对话系统。


背景技术：

2.今天，作为与各种类型的应用和数据交互的简单和自然的方式，对话系统的普及性正在增加。此类系统广泛地用于与各种域特定知识库(kb)交互，仅举现有的许多kb中的几个示例，包括金融、保健、娱乐。


技术实现要素：

3.根据各种实施例，提供了用于查询放宽方法的计算设备、非暂态计算机可读存储介质和方法，该查询放宽方法利用外部知识源(域特定外部知识源)来扩展域特定对话系统的域词汇。
4.根据实施例，有形地体现具有计算机可读指令的计算机可读程序代码的非暂态计算机可读存储介质，该计算机可读指令在被执行时使计算机设备执行查询放宽的方法。方法包括从对话系统接收查询的操作。在放宽方法中，在查询中识别至少一个搜索项。响应于确定数据存储中的实例数据匹配查询中的至少一个搜索项，向对话系统输出实例数据。
5.响应于确定一个搜索项不匹配数据存储中的实例数据，输出针对外部域特定知识源的所接收的查询。计算机设备从外部域特定知识源接收基于多个标准与查询中的至少一个搜索项语义相关的放宽数据匹配。计算机设备基于上下文信息和结构信息生成对查询的响应。
6.在实施例中，由计算机设备接收的语义相关项的多个标准基于从外部域特定知识源获得的结构信息、从查询获得的上下文信息、以及从中策划知识库的文本语料库的信息内容。
7.根据实施例，被配置为执行查询放宽的系统包括多个数据存储。转换索引被配置为从对话系统接收查询，提供被索引到存储在数据存储中的数据值和语义相关项的实例数据，识别查询中的至少一个搜索项；以及当数据存储中的数据与查询中的至少一个搜索项匹配时，向对话系统输出实例数据。外部域特定知识索引被配置为当数据存储中不存在至少一个搜索项的匹配时从转换索引接收查询。外部域特定知识索引进一步被配置为向外部域特定知识源输出所接收的查询，并且从外部域特定知识源接收与查询中的至少一个搜索项语义相关的放宽数据。放宽数据基于与查询相关联的结构信息和上下文信息。另外，系统基于上下文信息和结构信息生成对查询的响应。
8.在一个实施例中，外部域特定知识源包括分类学(taxonomy)、本体学(ontology)或语义网络中的一个或多个形式的数据。
9.根据实施例，执行查询放宽的计算机实现的方法包括由计算机设备从对话系统接收查询输出。由计算机设备识别查询中的至少一个搜索项。响应于确定数据存储中的实例
数据匹配查询中的至少一个搜索项，向对话系统输出实例数据。计算机设备响应于确定至少一个搜索项不是数据存储中的匹配实例数据而向外部域特定知识源输出所接收的查询。计算机设备从外部域特定知识源接收放宽数据匹配，该放宽数据匹配基于与查询相关联的多个标准与查询中的至少一个搜索项语义相关。计算设备基于上下文信息和结构信息生成对查询的响应。
10.根据实施例，定制外部知识域特定知识源并将其结合到认知对话系统的现有知识库(kb)中的离线适应方法。方法包括从现有kb中获得实例概念频率。计算其中使用实例概念的域本体(domain ontology)的所有上下文。所有的实例概念从现有kb映射到外部域特定知识源。现有kb被配置为响应于从对话系统接收的自然语言查询，搜索语义相关项。
11.根据实施例，用于利用现有知识库(kb)中的信息内容的计算机实现的方法，现有知识库(kb)被配置为响应于自然语言查询而利用查询放宽来搜索语义相关项，该方法包括：向外部域特定知识源中的isa和hasa关系分配不同的权重。根据下式计算连接两个实例概念c1(搜索概念)和c2(相关概念)的路径的权重：
[0012][0013]
其中：
[0014]
实例概念c1和相关概念c2之间的距离是|d|；以及
[0015]
wi是从c1到c2的第i个关系的权重。
[0016]
对每两个实例概念的路径的所计算的权重的结果是基于相似性得分的；并且放宽的结果被输出，其中，相似性得分是结果的最高范围。
[0017]
从以下结合附图阅读的对本发明的说明性实施例的详细描述中，这些和其它特征将变得显而易见。
附图说明
[0018]
附图是说明性实施例。它们没有示出所有实施例。另外或替代地，可使用其它实施例。可以省略可能是明显的或不必要的细节以节省空间或用于更有效的说明。一些实施例可以用附加的组件或步骤和/或不用所示出的所有组件或步骤来实施。当相同的数字出现在不同的附图中时，它指的是相同或相似的组件或步骤。
[0019]
图1示出与说明性实施例一致的利用查询放宽的域特定对话系统的示例架构。
[0020]
图2a是与说明性实施例一致的期望的对话流的一般操作的说明。
[0021]
图2b示出与说明性实施例一致的采集实例数据的示例。
[0022]
图3是与说明性实施例一致的与查询放宽系统通信的域特定对话系统的操作的流程图。
[0023]
图4示出与说明性实施例一致的将系统化临床医学术语命名摄入放宽服务中的示例。
[0024]
图5是与说明性实施例一致的isa路径中的结构信息的布局的示例。
[0025]
图6示出与说明性实施例一致的填充有实例-概念频率的系统化临床医学术语命名的一部分。
[0026]
图7和图8是与说明性实施例一致的将本公开的混合方法与基于半径的方法进行比较的说明性示例。
[0027]
图9是与说明性实施例一致的可以与各种联网组件通信的计算机硬件平台的功能框图说明。
[0028]
图10描绘了与说明性实施例一致的云计算环境。
[0029]
图11描述了与说明性实施例一致的抽象模型层。
具体实施方式
[0030]
概述
[0031]
在以下详细描述中，通过示例阐述了以提供对相关教导的透彻理解的许多具体细节。然而，应理解，可在没有这些细节的情况下实践本教导。在其它实例中，已在相对高层级上描述众所周知的方法、程序、组件和/或电路，而没有细节，以避免不必要地混淆本教导的方面。
[0032]
在一方面，本公开涉及利用外部知识源来扩展域特定对话系统的域词汇的查询放宽方法和系统。在域特定对话系统中，查询放宽是对自然语言的查询进行变换以表示用户意图的技术。查询放宽是用于将所检索的响应放宽以返回一些或更多答案的技术，以替代向用户返回空答案(例如“未找到”)。查询放宽技术可以首先执行最具限制性的查询的版本，随后放宽查询直到返回预定数量阈值的命中。然而，因为搜索变得限制更少，所以查询放宽倾向于降低查准率(precision)和查全率(recall)。在可以搜索外部知识源并利用深度域理解来确保具有高查准率和查全率的查询回答的域特定对话系统的情况下，查询放宽技术可降低搜索的查准率和查全率。在此提供了更好地表示用户的意图的查询放宽方法和系统的说明性实施例，以提供高查准率和查全率。
[0033]
查询放宽方法具有离线外部知识源适应和在线查询放宽两个阶段。在此的讨论提供了查询放宽系统和方法中定制和包括外部知识源的说明性示例。
[0034]
在离线适应阶段中，可以将附加的应用特定关系引入到适合的外部知识源。更具体地，响应于满足以下条件，将附加的边(edge)放进到一对概念：(1)两个实例概念不是直接连接的(例如，一跳(one-hop)邻居)，(2)概念中的一个概念是另一个概念的祖先，(3)至少一个(或两个)概念用标签(在给定知识库kb中提供)标记，以及(4)语义相似性超过预定义阈值。结果，一对概念可以成为关于应用的一跳邻居。然后，新引入的边采用计算的相似性得分来编码，使得两个概念之间的原始语义数据被保留。因此，来自原始kb的概念变得更接近，从而使它们更容易获得。此外，通过使用离线适应阶段，在在线查询放宽阶段中准备好相似性得分，而无需引入不必要的延迟。
[0035]
借助于本文中所论述的概念，本公开的各种方面提供计算机操作和另一技术(例如，对话系统，例如在域特定搜索中利用查询放宽的对话系统)的改进。例如，如在此所讨论的各个方面通过减少与域特定搜索相关联的资源的使用来改进计算机操作。提供了减少的cpu周期、减少的存储器使用和更少的网络使用。在对话系统的技术中，如在此所讨论的各个方面提供了增加的查询灵活性而不损失查准率。现在详细参考附图中所示的和下面讨论的示例。
[0036]
示例架构
[0037]
图1示出与说明性实施例一致的利用查询放宽的域特定对话系统的示例架构100。通过理解给定搜索项的域词汇，以高查准率和高查全率返回语义相关项的列表。域特定对话系统105接收查询。在一些情况下，对话模块105可以具有对查询的回答而不必放宽查询结果。当没有可用的回答时，对话模块105将搜索短语传递到转换索引(ti)110。转换索引(ti)110提供存储在数据存储中的数据值的实例数据。对转换索引110的调用通过识别项来向查询提供“数据认知”。实例数据(ti)115还可以包括实例数据的一些或全部变化。如果没有来自实例数据115的精确匹配，则搜索被发送到查询放宽服务以利用访问外部域知识的外部知识(ti)120来向对话系统105返回语义上相关的匹配。对话系统105可以包括但决不限于assistant或其它对话系统。
[0038]
例如，如果查询是关于公司x银行的，则对话系统105可以将该项传递到转换索引110以提供语义相关项。在一个示例中，采用与“company”相关联的术语来填充实例数据“company”作为公司名称，以增加搜索的灵活性。因此，转换索引110可以提供实例数据以及转换项，并且实例数据(ti)115结合外部知识(ti)120可以返回诸如“company x bank，n.a.”、“company x bank international limited”、“company x bank，india”的项。如果没有精确匹配，则利用查询放宽来查询外部知识转换索引120以提供对查询的放宽返回。外部知识ti 120访问外部域知识源(例如，系统化临床医学术语命名金融行业业务本体(fibo))，并且提供查询的放宽返回。
[0039]
外部知识源用于使查询放宽技术能够在句法匹配之外概括或特化查询项。然而，外部知识源(诸如通常不是针对应用的需求定制的。因此，在没有适当适应的情况下使用外部知识源可能将不期望的信息引入语义相关结果中。这些外部知识源通常是分类学、本体学和语义网络的形式，诸如和
[0040]
示例过程
[0041]
通过示例架构100的前述概述，现在考虑示例过程的高级讨论可能是有帮助的。为此，图2a、图2b和图3示出与根据本公开的使用外部域知识进行查询回答的域特定查询放宽方法和系统的各个方面相关的过程。该过程被示为逻辑流程图中的框的集合，其表示可以用硬件、软件或硬件软件的组合来实现的操作序列。在软件的上下文中，框表示计算机可执行指令，该指令在由一个或多个处理器执行时执行所叙述的操作。通常，计算机可执行指令可以包括执行功能或实现抽象数据类型的例程、程序、对象、组件、数据结构等。在每个过程中，描述操作的顺序不旨在被解释为限制，并且任何数量的所描述的框可以以任何顺序组合和/或并行执行以实现该过程。出于讨论的目的，参考图1的架构100来描述这些过程。
[0042]
图2a是与说明性实施例一致的期望对话流的一般操作的说明。图2a示出用户和利用查询放宽的系统之间的期望对话流。对话系统205可以是诸如assistant的系统。然而，应当理解，在此讨论的概念的应用是广泛的，并且不限于任何特定的对话系统。还应当理解，尽管查询一般是可以说出或键入的自然语言，但是概念也适用于更结构化的查询。
[0043]
如图2a中所示，进行查询以获得治疗疾病或损伤的信息。对话系统205接收查询(例如，向我示出治疗疾病x的药物)。由认知系统250接收查询。在255处，如果不存在部分字匹配，则认知系统250将利用查询放宽服务。根据本公开的一个或多个实施例，为了帮助理
解查询，从外部域知识源获得内容，并且处理该内容以返回与用户的查询语义相关的项列表，该项列表被提供给对话系统265。通过利用诸如分类学、本体学和语义网络的外部知识源的操作，扩展了用于对话系统的域词汇。而在操作265处，对话系统205将通过使用户通过利用外部知识源以获得域内容来识别项中的至少一个项或不识别项来请求进一步的澄清，项a、b和c是具有增加的高查准率和查全率的增加准确度的更高质量的结果。
[0044]
图2b示出与说明性实施例一致的采集实例数据的示例。在图2b中，转换索引(ti)270提供用于索引存储在数据存储器中的数据值的实例数据。转换索引270提供对查询的数据认知，以及从数据值到本体中的特性的映射。灵活的索引和匹配语义可以是基于概念(实体类型)的。
[0045]
进一步参考图2b，如果进行了查询“向我显示公司y贷款”，则将该查询提供给认知系统。对串的ti查找返回一组本体特性以及每个特性的对应的匹配值的列表。转换索引提供了示出公司概念的若干子类型的结果。例如，持有/公司名称是“公司y国际ltd”，出借人名称是“公司y金融”、“公司y金融服务公司”。借款人名称是“公司y”，并且投资/公司名称是“公司y投资ltd”。将这些结果提供给认知系统。
[0046]
图3是与说明性实施例一致的与查询放宽系统通信的域特定对话系统的操作的流程图。在操作305处，用户向对话系统询问问题。在操作310处，对话系统解释问题。
[0047]
在操作315处，对话系统请求帮助理解查询以获得上下文信息。例如，在对话系统中，上下文信息可以对放宽结果的语义正确性具有显著影响。例如，在治疗健康状况的问题的情况下，用户可以询问“什么药物治疗心因性发热？”。如果在操作315处，对于理解查询不使用帮助，则在操作320处，对话系统返回结果。然而，如果在操作315处，对话系统对于理解查询请求帮助，则由认知系统350的查询放宽服务340处理查询。在实施例中，在预配置查询放宽服务以执行例如医学术语的放宽搜索之前执行操作325、330和335。在操作325处，利用外部知识源(例如，)来获得域内容。是临床健康术语的外部知识源的示例。该外部知识源可以用于确定概念(例如，顶层/实例概念)、关系(isa/属性关系)和描述(定义/症状)。域内容被用于找到语义相关匹配。
[0048]
在分层关系中，例如，下义词(hyponymy)关系isa关系可建立在类和子类之间的关系上，例如，其中一个类a可以是另一个类b的子类(例如，与引用其它类的类型的上义词(hypernym)关系(hasa关系)形成对比)。从外部知识源获得的域知识以域本体/分类学的形式布置。
[0049]
在查询放宽中，上下文信息对放宽结果的语义正确性具有很大影响。在该说明性示例中，询问对话系统的问题是“什么药物治疗心因性发烧”，注意到“高热”和“低体温”二者是与系统化临床医学术语命名(snomed ct)中的“心因性发烧”相似的状况。
[0050]
然而，关于在“治疗”的上下文中提供放宽的结果，术语“低体温”近似于错误结果，并且不应被返回，因为低体温与“高热”和“心因性发烧”是相反的。用于“高热”的药物与用于“低体温”的药物完全不同，并且实际上可能造成伤害。
[0051]
在操作330处，将来自外部知识源的域内容与信息内容摄入到图形数据库中。在操作340处，外部知识源可以被托管在服务中，例如，在知识库中。在操作350处，查询放宽服务向对话系统提供放宽结果。
[0052]
可替代地，在实施例中，操作325、330和335可以响应于查询放宽服务从对话系统
接收请求(操作315处的“是”)而实时地执行。在此类情况下，查询放宽服务例如将从外部知识源获得域内容。
[0053]
图4示出与说明性实施例一致的将摄入到放宽服务中的示例。
[0054]
关于图3和图4，例如，外部知识源被摄入到放宽服务的图形数据库中。该图形数据库的一个非限制性示例是
[0055]
参考图4，通过使用概念、关系和描述，包括顶点列表435和边列表440的列表430被生成/更新并被存储在放宽服务450的图形数据库中。健康护理数据445被链接到优化可缩放图形数据库460以存储和查询包含跨可缩放图形数据库中的多机器群集分布的顶点和边的图，优化可缩放图形数据库以存储和查询图。例如，在说明性实施例中，可缩放图形数据460包括但不限于其它类型的图形(例如，neo4j)可以用于表示数据以及数据之间的关系。
[0056]
参考图4，示出了可以根据概念410、关系415和描述420对进行分组。在snomed-的情况下，尽管isa是主要关系，但在中存在至少19种类型的关系。每个关系都有描述和同义词。因此，当摄入知识源时，还存在包括来自知识源的同义词的益处。同义词可以进一步扩展域词汇以获得高查准率结果和查全率。
[0057]
在一种定位搜索项的方法中，搜索项可以在snomed-分类学中定位，并且可以使用基于半径的方法，该方法找到在半径r(r次跳跃)内的所有项，识别包含在医疗知识数据库中的项，并且将这些项作为针对搜索项的相关项返回。r可以是预定义的或者是动态设置的，这取决于应用。然而，基于半径的方法应当由另一种方法补充，以通过提供混合方法来提供提高的搜索的查准率和查全率。
[0058]
可以计算信息内容(ic)以确定两个节点有多少是共有的。可以通过isa识别出哪些项更频繁地被提及，而较不频繁地被提及，以及它们的关系。可以基于最低公共祖先(lca)获得信息的交集(相同信息)对并集的关系。lca包括两个节点共享的每个信息，并且信息内容是上下文感知ic(例如，不利影响或剂量)。例如，一种ic是在药物如何用于治疗病症的上下文中，而另一种ic是在药物的不利病症的上下文中。因此，取决于上下文，相同的字可以具有不同的含义，并且因此语义相关项的查准率可能不太精确，特别是当扩展搜索时。取决于上下文，与特定上下文相关联的内容信息被用于提供更准确的结果。
[0059]
图5是与说明性实施例一致的isa路径中的结构信息的布局的示例。如图5中所示，最高级别是颅面疼痛505，以及通向颅面疼痛505的各条路径。例如，从正面头痛509开始的路径导致一般性头痛507，然后导致颅面疼痛509。此外，过度使用镇痛药头痛511是过度使用药物头痛513的特殊形式，并且比一般术语头痛509更特殊。在两种情况下，路径导致更一般术语头痛，并且然后导致更进一步的颅面疼痛505。口腔结构的疼痛515是比更一般的颅面疼痛更特殊的术语。取决于用户查询的内容，这些路径中的一些路径是噪声源。因此，根据说明性实施例，由于一般化导致信息丢失，所以对一般化进行惩罚。路径中较早的一般化比较晚的一般化受到更多的惩罚。相似性结果可实现被惩罚的一般化。
[0060]
最后，所有这些频率被归一化，使得它们的值位于0和1之间，这与出现在语料库中的概念的概率匹配。根概念具有最高归一化频率1，因为它是外部知识源中的所有概念的父
概念。
[0061]
继续参考图5，可以看出，口腔结构的疼痛515与来自过度使用镇痛药的头痛513距一般性头痛511的距离(例如，2)相同。然而，口腔结构的疼痛515与关于头痛和原因的搜索在语义上不相关。以下等式可用于确定结构信息中的项的相似性：
[0062]
ic(c)＝-log(freq(c))(等式1)；
[0063][0064][0065][0066]
(等式5)；
[0067]
其中：
[0068]
ic为信息内容，
[0069]
|d|是实例概念c1和相关概念c2之间的距离，以及
[0070]
wi是从c1到c2的第i个关系的权重。
[0071]
图6是填充了实例-概念频率的的片段。如果出现了项，则由于isa关系，认为其父项也出现。例如，“头痛”是“颅面疼痛”的唯一子项，并且“颅面疼痛”的频率是其自身的频率以及“头痛”的频率。红色概念是与给定kb中的数据匹配的概念。在该情况下，“头颈部疼痛”的最终频率是“颅面疼痛”、“喉咙疼痛”及其自身的频率的总和。每个概念可以在两个上下文(“风险”和“指示”)中使用。因此，两个频率与每个概念相关联。
[0072]
图7和8是与说明性实施例一致的将本公开的混合方法与基于半径的方法进行比较的说明性示例。图7是与肾损伤相关联的项的示例，并且图8列出与抑郁相关联的项。在图7和图8中可见，通过除了距离(半径)之外还包括相似性度量，混合方法提供了来自外部知识源的更精确的信息，其可以作为对来自对话系统的查询结果的响应而被提供。基于半径的方法包括在分类学中定位搜索项，找到在半径r(r次跳跃)内的所有项，识别包含在医疗保健知识库中的项，以及将项作为搜索项的相关项返回。然而，如图7和图8中可见，基于半径的方法包括不足(insufficiency)(包括但不限于缺少语义相关项对许多(不必要的)项)，以及不能区分具有相同距离的项。基于半径的方法表现出高查全率但低查准率。
[0073]
关于图7和图8中所示的混合方法，混合相似性度量使用来自文本语料库的关于病症的使用模式的统计信息。来自外部知识源的结构信息、来自查询的上下文信息和信息内容被用于提供高查准率和高查全率地响应查询的语义相关项，如通过相似性评级可以看到的。在混合方法中，字频率提供关于病症的统计信息。关于结构信息，边不被创建为相等的。存在对下位词关系(isa)和上位词关系(hasa)的考虑。距搜索项的距离(半径)仍然重要，并且来自搜索项的一般化被禁止/打折(参见关于图5的讨论和对一般化的惩罚)。
[0074]
应当理解，本公开的发明概念不限于在诸如健康护理的特定环境中的应用。已经
讨论了保健护理域本体以说明查询放宽系统和方法的操作。元概念“发现”与“指示”和“风险”二者相关联。在该情况下，“发现”的每个实例概念具有与“指示”和“风险”对应的两个概念频率。取决于查询上下文，概念频率中的一者用于查询放宽。
[0075]
语料库通常可包括许多文档，并且每个文档包括一定数量的实例概念。考虑语料库中某些实例概念的稀疏性的一种方式是基于概念出现的文档的数量来进一步调节概念频率。例如，根据drugbank[drugbank，2019]，“哮喘”可以用许多药物(例如，总共约54种药物)治疗，而“肺癌”仅能用少量的特殊药物治疗。因此，所使用的方法可以以有效的方式减轻偏差。
[0076]
最后，所有的实例概念可以从给定kb映射到外部知识源。使用精确的串匹配算法可以帮助找到匹配概念。当几乎没有精确匹配或没有精确匹配时，近似串匹配算法也可以用来提供语义相关项。
[0077]
离线适应方法定制外部知识域特定知识源并将其结合到认知对话系统的现有知识库(kb)中。每个实例概念可以用于取决于自然语言查询的不同上下文，并且概念在不同上下文中可以具有完全不同的语义含义。例如，用药物治疗的病症不同于由同一药物引起的副作用。在该情况下，具有与概念相关联的单个频率将不足以采集所有可能上下文上的语义差异。为了解决该问题，计算域本体中所有上下文，其中可以使用实例概念，并且收集关于每个上下文的概念频率。在线查询放宽阶段根据查询上下文选择适当的概念频率。
[0078]
在实施例中，外部知识源由实例概念之间的上义词-下义词关系(hasa和isa)组成。下义词(isa)关系通常导致信息丢失，因为它导致更一般化的概念。在该情况下，仅依靠具有上下文信息的ic度量可能是不够的，因为它不能区分隐藏在上义词-下义词关系中的语义差异。该问题通过向外部知识源中的isa和hasa关系分配不同的权重来解决。连接两个实例概念c1(搜索概念)和c2(相关概念)的路径的权重因此计算如下：
[0079][0080]
参考上面的等式4，|d|是实例概念c1和相关概念c2之间的距离，并且wi是从c1到c2的第i个关系的权重。针对每两个实例概念的路径的所计算的权重的结果基于相似性得分，并且输出放宽的结果，其中相似性得分是结果的最高范围。
[0081]
示例计算机平台
[0082]
如上所述，与执行查询放宽系统和方法相关的功能可以利用如图1中所示并根据图3的过程300的经由无线或有线通信连接以进行数据通信的一个或多个计算设备来执行。图9提供了能够与如在此讨论的对话系统通信的计算机硬件平台的功能框图。特别地，图9示出可用于实现图1的查询放宽系统的网络或主机计算机平台900。
[0083]
计算机平台900可包括中央处理单元(cpu)904、硬盘驱动器(hdd)906、随机存取存储器(ram)和/或只读存储器(rom)908、键盘910、鼠标912、显示器914和通信接口916，它们连接到系统总线902。
[0084]
在一个实施例中，hdd 906具有包括存储程序的能力，该程序可以以在此描述的方式执行各种处理，诸如查询放宽系统940。查询放宽系统940可以具有被配置为执行不同功能的各种模块。hdd 906可以包括数据存储。
[0085]
例如，可存在转换索引模块942，其操作以从诸如各种类型的对话系统的源接收查询，以及实例数据模块944，其执行如上面在此讨论的对实例数据的搜索。
[0086]
在一个实施例中，存在可选的自然语言处理(nlp)模块946，其可操作以处理每个查询的原始自然语言内容。nlp模块946是可选的原因是对话系统可以最初执行用户查询的自然语言处理。可存在外部域知识模块948，其可操作以与外部域系统接口连接，并且搜索语义相关项并向接收查询的对话系统提供语义相关项。可存在机器学习模块950，其可操作以在训练阶段期间从与一个或多个域相关查询的先前交互中学习。
[0087]
在一个实施例中，可以存储诸如apache
tm
的程序，用于将系统作为web服务器来操作。在一个实施例中，hdd 906可以存储执行应用，该执行应用包括一个或多个库软件模块，诸如用于实现jvm(java
tm
虚拟机)的java
tm
运行时环境程序的库软件模块。
[0088]
示例云平台
[0089]
如上所述，与管理查询放宽系统和方法相关的功能可以包括云1050(参见图10)。应当理解，尽管本公开包括如以下在此讨论的关于云计算的详细描述，但是在此叙述的教导的实现方式不限于云计算环境。相反，本公开的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。
[0090]
云计算是服务交付的模型，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源能够以最小的管理成本或与服务提供商进行最少的交互来快速部署和释放。可配置计算资源例如是：网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务。这种云模型可以包括至少五个特征，至少三个服务模型和至少四个部署模型。
[0091]
特征包括：
[0092]
按需自助式服务：云的消费者在无需与服务提供商进行人为交互的情况下，能够单方面自动地按需部署计算能力，诸如服务器时间和网络存储。
[0093]
广泛的网络接入：计算能力通过网络获得，并通过标准机制访问，该标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如，移动电话，膝上型电脑和pda)的使用。
[0094]
资源池：提供商的计算资源被归入资源池，以使用多租户模式为多个消费者提供服务，其中根据需求动态分配和重新分配不同的实体资源和虚拟资源。通常消费者不能控制或者并不知晓所提供的资源的确切位置，但是可能能够在更高抽象级别(例如，国家，州或数据中心)指定位置，因此具有位置无关性。
[0095]
迅速弹性：可以迅速、有弹性地(有时是自动地)部署计算能力，以快速扩展，并且能迅速释放来快速缩小。对于消费者来说，用于部署的可用计算能力通常显得是无限的，并能在任意时候都能获取任意数量的计算能力。
[0096]
可测量的服务：云系统通过利用适于服务类型(例如，存储，处理，带宽和活跃用户帐户)的某种抽象级别的计量能力来自动控制和优化资源使用。可以监视，控制和报告资源使用，从而为所使用的服务的提供者和消费者提供透明度。
[0097]
服务模型如下：
[0098]
软件即服务(saas)：提供给消费者的能力是使用提供商在云基础架构上运行的应用。可以通过诸如网络浏览器(例如，基于网络的电子邮件)的瘦客户机接口从各种客户机设备访问应用。消费者既不管理也不控制底层云基础架构，包括网络、服务器、操作系统、存
储、甚至单个应用能力，可能的例外是有限的特定于用户的应用配置设置。
[0099]
平台即服务(paas)：提供给消费者的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用由提供商支持的编程语言和工具创建。消费者既不管理也不控制底层云基础架构，包括网络、服务器、操作系统或存储，但可以控制已部署的应用以及可能的应用托管环境配置。
[0100]
基础架构即服务(iaas)：提供给消费者的能力是部署处理、存储、网络和其它基础计算资源，其中消费者能够部署和运行任意软件，该软件可以包括操作系统和应用。消费者既不管理也不控制底层云基础设施，而是控制操作系统，存储，部署的应用，以及可能对选择的网络组件(例如，主机防火墙)的有限控制。
[0101]
部署模型如下：
[0102]
私有云：云基础架构仅为组织运行。它可以由组织或第三方管理，可以存在于该组织内部或外部。
[0103]
共同体云：云基础架构由多个组织共享，并支持具有共同利害关系(例如，任务使命，安全要求，策略和合规考虑)的特定共同体。它可能由组织或第三方管理，并且可能存在于该共同体内部或外部。
[0104]
公共云：云基础架构向公众或大型产业群提供，并由销售云服务的组织所有。
[0105]
混合云：云基础架构由两个或多个云(私有云，共同体云或公共云)组成，这些云仍然是独特的实体，但通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
[0106]
云计算环境是面向服务的，特点集中在无状态，低耦合性，模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础设施。
[0107]
现在参考图10，描绘了利用云计算的说明性云计算环境1000。如图所示，云计算环境1000包括云1050，该云1050具有一个或多个云计算节点1010，云消费者使用的本地计算设备(诸如例如个人数字助理(pda)或蜂窝电话1054a、台式计算机1054b、膝上型计算机1054c和/或汽车计算机系统1054n)可以与该节点1010通信。节点1010可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境1000提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图10中所示的计算设备1054a-n的类型仅旨在说明，并且计算节点1010和云计算环境1050可通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算机化设备通信。
[0108]
现在参考图11，示出了由云计算环境1000(图10)提供的一组功能抽象层。应当预先理解，图11中所示的组件、层和功能仅旨在说明，并且本公开的实施例不限于此。如所描绘的，提供了以下层和相应的功能：
[0109]
硬件和软件层1160包括硬件和软件组件。硬件组件的示例包括：主机1161；基于risc(精简指令集计算机)架构的服务器1162；服务器1163；刀片服务器1164；存储设备1165；以及网络和联网组件1166。在一些实施例中，软件组件包括网络应用服务器软件1167和数据库软件1168。
[0110]
虚拟化层1170提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器1171、虚拟存储1172、虚拟网络1173(包括虚拟专用网络)、虚拟应用和操作系统1174、以
及虚拟客户端1175。
[0111]
在一个示例中，管理层1180可以提供下面描述的功能。资源供应1181提供计算资源和被利用来在云计算环境内执行任务的其它资源的动态采购。计量和定价1182提供了在云计算环境内利用资源时的成本跟踪，以及针对这些资源的消耗的计费或计价。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其它资源提供保护。用户门户1183为消费者和系统管理员提供对云计算环境的接入。服务水平管理1184提供云计算资源分配和管理，使得满足所需的服务水平。服务水平协议(sla)计划和履行1185提供对云计算资源的预安排和采购，其中根据sla预期未来需求。
[0112]
工作负载层1190提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：地图绘制和导航1191；软件开发和生命周期管理1192；虚拟教室教育递送1193；数据分析处理1194；交易处理1195；以及操作查询放宽服务1196，如在此所讨论的。
[0113]
结论
[0114]
出于说明的目的已经呈现了本教导的各种实施例的描述，但是不旨在是穷举的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择在此所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解在此所公开的实施例。
[0115]
虽然上文已描述了被认为是最优状态的内容和/或其它实例，但应理解，可在其中作出各种修改，且在此所公开的内容可以各种形式和实例来实现，且该教导可应用于许多应用中，在此仅描述了其中的一些应用。所附权利要求旨在要求保护落入本教导的真实范围内的任何和所有应用、修改和变化。
[0116]
在此讨论的组件、步骤、特征、目的、益处和优点仅仅是说明性的。它们中的任何一个，或者与它们相关的讨论都不是要限制保护范围。虽然在此已经讨论了各种优点，但是将理解，并非所有实施例都必须包括所有优点。除非另有说明，否则本说明书中，包括所附权利要求中阐述的所有测量值、值、额定值、位置、大小、尺寸和其它规格是近似的，而不是精确的。它们旨在具有与它们相关的功能以及它们所属领域的惯例一致的合理范围。
[0117]
也考虑了许多其它实施例。这些实施例包括具有更少、附加和/或不同组件、步骤、特征、目的、益处和优点的实施例。这些还包括其中以不同方式布置和/或排序组件和/或步骤的实施例。
[0118]
在此参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图来描述本公开的方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
[0119]
这些计算机可读程序指令可以被提供给适当配置的计算机、专用计算机或其它可编程数据处理装置的处理器以产生机器，使得经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的部件。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其它设备以某种方式起作用，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作
的方面的指令。
[0120]
计算机可读程序指令还可以被加载到计算机、其它可编程数据处理装置或其它设备上，以使得在计算机、其它可编程装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其它可编程装置或其它设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
[0121]
本文附图中的调用流程、流程图和框图示出了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
[0122]
虽然已经结合示例性实施例描述了前述内容，但是应当理解，术语“示例性”仅意味着作为示例，而不是最优或最佳的。除了上文刚刚陈述的，无论是否在权利要求中陈述，已陈述或说明的内容都不旨在或不应解释为导致任何组件、步骤、特征、对象、益处、优点或等效物专用于公众。
[0123]
应当理解，除非在此另外阐述了特定的含义，否则在此使用的术语和表达具有与关于它们相应的各自的调查和研究领域的这些术语和表达一致的普通含义。诸如第一和第二等的关系术语可仅用于将一个实体或动作与另一个区分，而不必要求或暗示这些实体或动作之间的任何实际的这种关系或顺序。术语“包括”、“包含”或其任何其它变化形式旨在涵盖非排他性的包括，使得包括一系列元素的过程、方法、物品或装置不仅包括那些元素，而且可以包括未明确列出的或对于此类过程、方法、物品或装置是固有的其它元素。在没有进一步约束的情况下，前面有“一”或“一个”的元素不排除在包括该元素的过程、方法、物品或装置中存在附加的相同元素。
[0124]
提供本公开的摘要以允许读者快速确定本技术公开的本质。应当理解，它不是用于解释或限制权利要求的范围或含义。另外，在前述详细描述中，可以看出，为了使本公开流畅，在各种实施例中将各种特征分组在一起。这种公开方法不应被解释为反映了所要求保护的实施例具有比每个权利要求中明确记载的特征更多的特征的意图。相反，如所附权利要求所反映的，本发明的主题在于少于单个公开的实施例的所有特征。因此，以下权利要求由此被并入具体实施方式中，其中每个权利要求独立地作为单独要求保护的主题。