语义分析方法及装置、计算设备及可读介质与流程

本发明涉及自然语言处理技术领域，尤其涉及一种语义分析方法及装置、计算设备及可读介质。

背景技术：

人工智能(artificialintelligence；ai)是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。因此，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

例如，自然语言处理领域是ai研究的一个非常重要的方向。在现有技术的很多智能问答系统中，都可以采用ai来实现。具体实现过程中，用户输入目标语料，智能问答系统中的自然语言处理装置，可以基于语法规则集分析目标语料而获得语法。在判定语法包括需要进行验证的语义槽之后，查询内建知识库中是否存在与语义槽的槽值相匹配的结果。当无法获得与槽值相匹配的结果时，判定槽值的语义不正确。当获得与槽值相匹配的结果时，输出语法的语义分析结果。进而基于语义分析结果，为用户提供解答。

现有的上述语义分析方案，技术过于粗糙、简单，导致语义分析结果准确性较差。

技术实现要素：

本发明提供一种语义分析方法及装置、计算设备及可读介质，用于提高语义分析的准确性。

本发明提供一种语义分析方法，所述方法包括：

获取目标语句；

对所述目标语句进行分析，获取关于所述目标语句的基础事实；

根据预设的多个推理规则，对所述基础事实进行推理处理，得到关于所述目标语句的多个推理事实；

基于多个所述推理事实，生成关于所述目标语句的语义分析结果。

进一步可选地，如上所述的方法中，对所述目标语句进行分析，获取关于所述目标语句的基础事实，包括：

对所述目标语句进行词法分析和句法分析；

基于所述词法分析和所述句法分析的分析结果，获取关于所述目标语句的所述基础事实。

进一步可选地，如上所述的方法中，对所述目标语句进行词法分析，包括：

对所述目标语句进行分词处理；

对所述分词处理后的各个分词进行词性标注和命名实体识别。

进一步可选地，如上所述的方法中，对所述分词处理后的各个分词进行词性标注和命名实体识别之后，所述方法还包括：

采用词典对各所述分词的词性和命名实体进行校验，并针对有错误的进行纠正。

进一步可选地，如上所述的方法中，对所述目标语句进行句法分析，包括：

对所述目标语句进行依存句法分析，获取所述目标语句的句子结构。

进一步可选地，如上所述的方法中，基于多个所述推理事实，生成关于所述目标语句的语义分析结果，包括：

判断多个所述推理事实中是否存在互相冲突的推理事实对；

若存在，获取互相冲突的推理事实对中的各推理事实所采用的推理规则的优先级；

删除所述互相冲突的推理事实对中的优先级低的推理规则对应的推理事实，而保留优先级高的推理规则对应的推理事实；

根据留下的推理事实，生成关于所述目标语句的所述目标语义分析结果。

进一步可选地，如上所述的方法中，获取目标语句之后，对所述目标语句进行分析，获取关于所述目标语句的基础事实之前，该方法还包括：

根据为当前应用场景预设的白名单，检测并确定所述目标语句适用于所述当前应用场景。

进一步可选地，如上所述的方法中，根据预设的多条推理规则，对所述基础事实进行推理处理，得到关于所述目标语句的推理事实包括：

将所述预设的多条推理规则导入推理引擎中；

将所述基础事实输入到所述推理引擎中，获取所述推理引擎输出的多个所述推理事实。

进一步可选地，如上所述的方法中，根据预设的多个推理规则，对所述基础事实进行推理处理，得到关于所述目标语句的多个推理事实之前，所述方法还包括：

接收配置的多个所述推理规则以及各所述推理规则的优先级；

存储多个所述推理规则以及各所述推理规则的优先级。

本发明还提供一种语义分析装置，所述装置包括：

语句获取模块，用于获取目标语句；

事实分析模块，用于对所述目标语句进行分析，获取关于所述目标语句的基础事实；

推理模块，用于根据预设的多个推理规则，对所述基础事实进行推理处理，得到关于所述目标语句的多个推理事实；

生成模块，用于基于多个所述推理事实，生成关于所述目标语句的语义分析结果。

进一步可选地，如上所述的装置中，所述事实分析模块，包括：

词法分析单元，用于对所述目标语句进行词法分析

句法分析单元，用于对所述目标语句进行句法分析；

事实分析单元，用于基于所述词法分析和所述句法分析的分析结果，获取关于所述目标语句的所述基础事实。

进一步可选地，如上所述的装置中，所述词法分析单元，用于：

对所述目标语句进行分词处理；

对所述分词处理后的各个分词进行词性标注和命名实体识别。

进一步可选地，如上所述的装置中，所述词法分析单元，还用于采用词典对各所述分词的词性和命名实体进行校验，并针对有错误的进行纠正。

进一步可选地，如上所述的装置中，所述句法分析单元，用于对所述目标语句进行依存句法分析，获取所述目标语句的句子结构。

进一步可选地，如上所述的装置中，所述生成模块，用于：

判断多个所述推理事实中是否存在互相冲突的推理事实对；

若存在，获取互相冲突的推理事实对中的各推理事实所采用的推理规则的优先级；

删除所述互相冲突的推理事实对中的优先级低的推理规则对应的推理事实，而保留优先级高的推理规则对应的推理事实；

根据留下的推理事实，生成关于所述目标语句的所述目标语义分析结果。

进一步可选地，如上所述的装置中，所述装置还包括：

检测模块，用于根据为当前应用场景预设的白名单，检测并确定所述目标语句适用于所述当前应用场景。

进一步可选地，如上所述的装置中，所述推理模块，用于：

将所述预设的多条推理规则导入推理引擎中；

将所述基础事实输入到所述推理引擎中，获取所述推理引擎输出的多个所述推理事实。

进一步可选地，如上所述的装置中，还包括：

接收模块，用于接收配置的多个所述推理规则以及各所述推理规则的优先级；

存储模块，用于存储多个所述推理规则以及各所述推理规则的优先级。

本发明还提供一种计算设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上任何一所述的方法。

本发明还提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上任一项所述的方法。

本发明的语义分析方法及装置、计算设备及可读介质，通过获取目标语句；对目标语句进行分析，获取关于目标语句的基础事实；根据预设的多个推理规则，对基础事实进行推理处理，得到关于所述语句的多个推理事实；基于多个推理事实，生成关于所标语句的语义分析结果。与现有技术相比，能够对目标语句对应的基础事实进行有效推理得到多个推理事实，并基于多个推理事实进行语义分析，使得语义分析过程更加细致、更加合理，且能够有效提高语义分析结果的准确性。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1为本发明的语义分析方法实施例一的流程图。

图2为本发明的语义分析方法中的一种词法分析和句法分析的结果示意图。

图3为本发明的语义分析方法实施例二的流程图。

图4为本发明的语义分析装置实施例一的结构图。

图5为本发明的语义分析装置实施例二的结构图。

图6示出了根据本发明一实施例可用于实现上述语义分析方法的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

图1为本发明的语义分析方法实施例一的流程图。如图1所示，本实施例的语义分析方法，具体可以包括如下步骤：

s100、获取目标语句；

本实施例的语义分析方法的执行主体为一语义分析装置，该语义分析装置可以设置在一个在线的智能设备中，提供在线的语义分析服务。本实施例中，该语义分析装置对应一种应用场景，如乘车信息服务的应用场景、或者餐饮服务场景，或者其他应用场景。也就是说，用户无法在乘车信息服务的应用中查询餐饮相关的服务，反之亦然。

具体地，本实施例中获取目标语句，具体可以通过采集用户通过语音或者文字输入的目标语句来实现。若用户输入的目标语句为语音形式，可以先进行语音识别，转换为对应的文字形式的目标语句。

s101、对目标语句进行分析，获取关于目标语句的基础事实；

本实施例中，可以对目标语句进行分析，获取关于目标语句中所包括的基础事实。具体地，目标语句中所包括的基础事实的数量可以有一个、两个或者多个。且目标语句中包括的基础事实的类型也可以不限定，例如，可以包括词性类事实，也可以包括命名实体类事实、还可以包括依存关系类型事实或者其他自定义事实等等。

例如，本实施例中，对目标语句进行分析，获取关于目标语句的基础事实的过程中，可以包括词法分析和句法分析两方面。此时，对应地，该步骤s101，具体可以包括如下步骤：

(a)对目标语句进行词法分析和句法分析；

(b)基于词法分析和句法分析的分析结果，获取关于目标语句的基础事实。

其中，步骤(a)中的对目标语句进行词法分析，具体实现时，可以包括：对目标语句进行分词处理；对分词处理后的各个分词进行词性标注和命名实体识别。

本实施例中，对目标语句的分词处理，可以参考相关现有技术的分词处理工具来实现，详细可以参考相关现有技术，在此不再赘述。本实施例中，对目标语句分词处理后，可以得到目标语句中的多个分词。然后对分词处理后的每个分词进行词性标注和命名实体识别。其中的词性可以包括名词、动词、介词、连词等等各种语法中的词性，在对各分词标注词性的时候，具体可以采用各词性对应的字母标识来标注，例如用字母n来标识名词词性，用字母v来标识动词词性等等。本实施例的命名实体标识为仅对名词中属于实体命名的一些分词进行标识。如北京、上海等地名都属于命名实体，可以采用命名实体来标注。

实际应用中，在对分词处理后的各个分词进行词性标注和命名实体识别时，也有可能会造成识别错误的情况发生，此时可以采用词典对各分词的词性和命名实体进行校验，并针对有错误的进行纠正。

在本实施例中，词典中所记录的每个分词的词性信息、以及可以作为命名实体的每一个分词的信息记录都是最权威的。因此，本实施例中可以采用词典来对各分词的词性和命名实体进行校验和纠正。例如，有些分词在词典中明确记录只有一种词性，而在词性标注时标成另一种词性，此时需要纠正。而对于每一个命名实体也需要采用词典来校验其到底是不是命名实体，如果词典中记录某个分词不会作为命名实体时，此时取消该分词的命名实体标注。经过采用词典的校验以及纠正，可以提高分词的词性以及命名实体标注的准确性。

其中，步骤(a)中的对目标语句进行句法分析，包括：对目标语句进行依存句法分析，获取目标语句的句子结构。本实施例的依存句法分析时，可以将目标语句中任意两个分词之间的依存关系标注出来，如两个分词之间的依存关系可以包括定中关系att、数量关系qun(quantity)、并列关系coo(coordinate)、同位关系app(appositive)、附加关系adj(adjunct)、动宾关系vob(verb-object)、介宾关系pob(preposition-object)、主谓关系sbv(subject-verb)等等。经过依存关系分析后，可以得到分析后的目标语句的句子结构。

例如，图2为本发明的语义分析方法中的一种词法分析和句法分析的结果示意图。如图2所示，本实施例中，以目标语句为“买一张去唐山的火车票”为例，来描述本发明的技术方案。对目标语句“买一张去唐山的火车票”进行词法分析后，可以标注每一个分词的词性，如图2所示，“买”的词性标注为v，“一张”的词性标注为m，“去”的词性标注为v等等。另外，“唐山”为地名，所以还增加了命名实体标注。在依存关系分析的具体实现时，可以在目标语句的开头增加一个头“root”，以便于分析分词之间的依存关系。如图2所示，本实施例中“root”和目标语句开头的第一个分词“买”之间的依存关系为hed(head)，其他依存关系详见图2所示。具体所采用的依存关系分析，可以参考相关现有技术的记载，在此不再赘述。

这样，对上述目标语句，基于上述词法分析和句法分析，可以得到图2所示的分析结果。最后，可以基于词法分析和句法分析的分析结果，获取关于目标语句的基础事实。例如，图2所示的分析结果中可以包括的基础事实具有很多。

例如，本实施例的基础事实的表示可以采用如下形式：

词性类事实：pos(wn,'词性标识')，其中,wn表示第n个词。如pos(w1,'v')、pos(w2,'m')、pos(w3,'v')，pos(w4,'ns')、pos(w5,'u')和pos(w6,'n')等等。

命名实体类事实：ner(w4,'loc')。

依存关系类事实：dep(wi,'wi,与wj的依存关系',wj)；如dep(w1,'vob',w2)、dep(w1,'vob',w6)、dep(w3,'vob',w4)、dep(w3,'rad',w5)、dep(w3,'att',w6)等等；

字面事实：eq(wn,"wn对应的字面")，如eq(w1,"买")、eq(w2,"一张")、eq(w3,"去")、eq(w4,"唐山")、eq(w5,"的")、eq(w6,"火车票")等等。

实际应用中，还可以自定义事实，结构可以表示为：事实名称(参数1，参数2...,参数n)。

s102、根据预设的多个推理规则，对基础事实进行推理处理，得到关于目标语句的多个推理事实；

可选地，在该步骤102之前，可以包括：接收配置的多个推理规则以及各推理规则的优先级；存储多个推理规则以及各推理规则的优先级。

具体地，本实施例中的多个推理规则为研发人员预先配置的，例如研发人员可以根据每一种应用场景中，配置适用于该应用场景的多个推理规则，每个推理规则中可以包括多个推理条件的组合。例如，每个推理规则可以通过与、或等运算符将多个推理条件连接在一起。实际应用中，每个推理规则可以采用正则表达的方式来表示。具体配置时，研发人员可以通过人机接口模块将配置好的多个推理规则输入至语义分析装置中，同时，为每种推理规则设置优先级。

基于预设的多个推理规则，采用每个推理规则对基础事实进行推理，共可以得到多个推理事实。也就是说，推理事实是基于基础事实推理出来的，可以理解为目标语句所隐含包括的事实。参考上述基础事实的类型，如词性类事实pos、命名实体类事实ner、依存关系类事实dep、以及字面事实，这些事实可以为语义分析装置中内置的事实类型，而推理事实的类型可以根据应用场景类设置，例如乘车信息服务的应用场景中，可以设置service_type类型和service_slot类型的事实等等。其他应用场景中，也可以设置其相应的一个、两个或者多个符合该场景应用的事实类型。这样，根据预设的多个推理规则，对基础事实进行推理时，可以获取到该应用场景下对应的各种类型的推理事实，并存储。

例如，在本实施例中，在乘车信息服务的应用场景下，可以根据如下的推理规则推理出两个推理事实：

dep($x1,"vob",$x2)&ner($x2,"loc")&eq($x1,"去")&dep($x3,"att",$x1)&eq($x3,"火车票")->service_type("火车票"),service_slot("end_point",$x2)。

其中：dep($x1,"vob",$x2)&ner($x2,"loc")&eq($x1,"去")&dep($x3,"att",$x1)&eq($x3,"火车票")为一个推理规则，service_type("火车票")和service_slot("end_point",$x2)为两个推理事实。

当然实际应用中，也可以采用其中一个推理规则推理出一个推理事实service_type("火车票")，采用另一个推理规则推理出另一个推理事实service_slot("end_point",$x2)。或者实际应用中，一个推理规则也可以对基础事实进行推理后，得到两个以上的推理事实，在此不再一一举例赘述。另外，还需要注意的是，实际应用中，并非每一个推理规则对基础事实进行推理，都一定能够推理得到一个推理事实。在某些应用场景下，也会存在部分推理规则对基础事实进行推理，得不到推理事实的情况。总之，根据预设的多个推理规则，对基础事实进行推理处理，可以得到关于目标语句的多个推理事实。

s103、基于多个推理事实，生成关于目标语句的语义分析结果。

本实施例中，根据预设的多个推理规则对基础事实进行推理处理，可以得到目标语句相关的多个推理事实，基于这些推理事实的全部或者部分，可以生成目标语句对应的语义分析结果。

例如，在乘车信息服务的应用的场景中，可以选择service_type("火车票")和service_slot("end_point",“唐山”)两个推理事实，生成目标语句对应的语义分析结果。

例如目标语句的语义分析结果，可以表示为如下形式：

实际应用中，在每种应用场景下，生成目标语句对应的语义分析结果需要哪些类型的推理事实也可以由研发人员预先设置。例如，可以仅设置n种类型的推理事实，这n种类型的推理事实对目标语句对应的语义分析结果都有贡献，此时可以直接根据该n种类型的推理事实，生成关于目标语句的语义分析结果。其中n为正整数。也可以设置n种类型的推理事实，但仅其中的m种类型的推理事实对目标语句对应的语义分析结果都有贡献，n为小于m的正整数，此时可以直接其中的m种类型的推理事实，生成关于目标语句的语义分析结果。而其他的推理事实可以在该应用的其他场景下使用，在此不再举例赘述。

本实施例的语义分析方法，通过获取目标语句；对目标语句进行分析，获取关于目标语句的基础事实；根据预设的多个推理规则，对基础事实进行推理处理，得到关于所述语句的多个推理事实；基于多个推理事实，生成关于所标语句的语义分析结果。与现有技术相比，能够对目标语句对应的基础事实进行有效推理得到多个推理事实，并基于多个推理事实进行语义分析，使得语义分析过程更加细致、更加合理，且能够有效提高语义分析结果的准确性。

图3为本发明的语义分析方法实施例二的流程图。如图1所示，本实施例的语义分析方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本发明的技术方案。如图3所示，本实施例的语义分析方法，具体可以包括如下步骤：

s200、获取用户输入的目标语句；

s201、根据为当前应用场景预设的白名单，检测目标语句是否适用当前应用场景；若满足，执行步骤s202；否则，若不满足，返回输入无法提供服务的提示消息。

本实施例中当前应用场景中预设的白名单，具体可以由研发人员对该应用场景中，用户使用该应用提供的服务时，所有可能输入的目标语句进行分析，提取所有可能输入的词语。如乘车信息服务应用场景中，可能输入的词语可以包括买、高铁票、车票、取票、火车票、去、哪儿、高铁、动车、普通列车等等词语，可以将这些词语构成该应用场景下的白名单。

在使用时，获取到用户的目标语句后，可以先根据为当前应用场景预设的白名单，检测目标语句是否适用于当前应用场景。具体实现时，可以检测该用户的目标语句中是否包括白名单中一个词语，若只要包括当前应用场景对应的白名单中的一个词语，便认为该目标语句适用于当前应用场景，否则，若该用户的目标语句中不包括白名单中任意一个词语，则认为该目标语句不适用于当前应用场景，例如，在乘车信息服务的应用场景中，用户咨询“x商场中有什么好吃的？”，此时根据为乘车信息服务的应用场景预设的白名单，确定该目标语句不适用于该乘车信息服务的应用场景，此时可以返回无法提供服务的提示消息。或者实际应用中，也可以返回“无法提供语义分析”或者输入错误等类似的提示消息，主要目的都是告知用户在当前应用场景中无法为该目标语句提供语义分析服务。

s202、对目标语句进行分析，获取关于目标语句的基础事实；执行步骤s203；

本实施例的步骤s200和s202的具体实现方式可以参考上述图1所示实施例的相关记载，在此不再赘述。

s203、将预设的多条推理规则导入推理引擎中；执行步骤s204；

s204、将基础事实输入到推理引擎中，获取推理引擎输出的多个推理事实；执行步骤s205；

本实施例的步骤s203和步骤s204为上述图1所示实施例的步骤s102的一种实现方式。

具体地，本实施例中，借助于一个推理引擎来实现推理。推理之前，可以先将研发人员预先配置的多个推理规则导入推理引擎中。然后推理时，直接将基础事实输入到推理引擎中，这样推理引擎可以基于多个推理规则对基础事实进行推理，从而可以输出多个推理事实。

205、判断多个推理事实中是否存在互相冲突的推理事实对；若存在，执行步骤s206；否则执行s208；

s206、获取互相冲突的推理事实中各推理事实所采用的推理规则的优先级；执行步骤s207；

s207、基于互相冲突的推理事实对中各推理事实所采用的推理规则的优先级，删除互相冲突的推理事实对中优先级低的推理规则对应的推理事实，而保留优先级高的推理规则对应的推理事实；执行步骤s208；

例如，推理引擎在推理时，对于同一类型的推理事实得到两个结果，而这两结果在分析语义结果时是互相冲突的，所以，本实施例中需要解决该冲突，保留其中更合的一个结果。

例如，对于service_slot类型的推理事实，推理出("end_point",“唐山”)和("end_point",“秦皇岛”)两个推理事实，而一个目标语句中不可能有两个end_point。此时认为("end_point",“唐山”)和("end_point",“秦皇岛”)是互相冲突的推理事实对。需要获取推理出("end_point",“唐山”)和("end_point",“秦皇岛”)的两个推理规则的优先级，并删除优先级低的推理规则对应的推理事实，而保留优先级高的推理规则对应的推理事实。例如推理出("end_point",“唐山”)的推理规则的优先级，高于推理出("end_point",“秦皇岛”)的推理规则的优先级。此时保留推理事实("end_point",“唐山”)，删除推理事实("end_point",“秦皇岛”)。

s208、根据留下的多个推理事实，生成关于目标语句的目标语义分析结果。

经过上述处理，可以保证留下的推理事实的准确性，进而可以保证生成的目标语义分析结果的准确性。

本实施例的语义分析方法，通过采用上述技术方案，能够在推理事实有冲突的时候，删除不合理的推理事实，保留恰当的推理事实，进一步基于留下的推理事实进行语义分析，能够进一步提高语义分析结果的准确性。

图4为本发明的语义分析装置实施例一的结构图。如图4所示，本实施例的语义分析装置，包括：

语句获取模块10用于获取目标语句；

事实分析模块11用于对语句获取模块10获取的目标语句进行分析，获取关于目标语句的基础事实；

推理模块12用于根据预设的多个推理规则，对事实分析模块11得到的基础事实进行推理处理，得到关于目标语句的多个推理事实；

生成模块13用于基于推理模块12得到的多个推理事实，生成关于目标语句的语义分析结果。

本实施例的语义分析装置，通过采用上述模块实现语义分析处理的视线原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。

图5为本发明的语义分析装置实施例二的结构图。如图5所示，本实施例的语义分析装置，在上述图4所示实施例的技术方案的基础上，进一步更加详细地介绍本发明的技术方案。

如图5所示，本实施例的语义分析装置中，事实分析模块11，包括：

词法分析单元111用于对目标语句进行词法分析

句法分析单元112用于对目标语句进行句法分析；

事实分析单元113用于基于词法分析单元111的词法分析和句法分析单元112的句法分析的分析结果，获取关于目标语句的基础事实。

进一步可选地，其中的词法分析单元111用于：

对目标语句进行分词处理；

对分词处理后的各个分词进行词性标注和命名实体识别。

进一步可选地，其中的词法分析单元111还用于采用词典对各分词的词性和命名实体进行校验，并针对有错误的进行纠正。

进一步可选地，其中的句法分析单元112用于对目标语句进行依存句法分析，获取目标语句的句子结构。

进一步可选地，本实施例的语义分析装置中，生成模块13用于：

判断多个推理事实中是否存在互相冲突的推理事实对；

若存在，获取互相冲突的推理事实中各推理事实所采用的推理规则的优先级；

基于互相冲突的推理事实对中各推理事实所采用的推理规则的优先级，删除互相冲突的推理事实对中优先级低的推理规则对应的推理事实，而保留优先级高的推理规则对应的推理事实；

根据留下的多个推理事实，生成关于目标语句的目标语义分析结果。

进一步可选地，如图5所示，本实施例的语义分析装置中，还包括：

检测模块14用于根据为当前应用场景预设的白名单，检测并确定语句获取模块10获取的目标语句适用于当前应用场景。

对应地，在检测模块14确定语句获取模块10获取的目标语句适用于当前应用场景时，再触发事实分析模块11对语句获取模块10获取的目标语句进行分析，获取关于目标语句的基础事实。如触发词法分析单元111对语句获取模块10获取的目标语句进行词法分析，触发句法分析单元112对语句获取模块10获取的目标语句进行句法分析。

进一步可选地，本实施例的语义分析装置中，推理模块12用于：

将预设的多条推理规则导入推理引擎中；

将基础事实输入到推理引擎中，获取推理引擎输出的多个推理事实。

进一步可选地，如图5所示，本实施例的语义分析装置中，还包括：

接收模块15用于接收配置的多个推理规则以及各推理规则的优先级；

存储模块16用于存储多个推理规则以及各推理规则的优先级。

对应地，由推理模块12根据存储模块16存储的预设的多个推理规则，对事实分析模块11得到的基础事实进行推理处理，得到关于目标语句的多个推理事实。

本实施例的语义分析装置，通过采用上述模块实现语义分析处理的视线原理以及技术效果与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。

图6示出了根据本发明一实施例可用于实现上述语义分析方法的计算设备的结构示意图。

参见图6，计算设备1000包括存储器1010和处理器1020。例如，本实施例的计算设备1000可以为在某种应用场景下的、设置有语义分析装置的智能服务设备。

处理器1020可以是一个多核的处理器，也可以包含多个处理器。在一些实施例中，处理器1020可以包含一个通用的主处理器以及一个或多个特殊的协处理器，例如图形处理器(gpu)、数字信号处理器(dsp)等等。在一些实施例中，处理器1020可以使用定制的电路实现，例如特定用途集成电路(asic，applicationspecificintegratedcircuit)或者现场可编程逻辑门阵列(fpga，fieldprogrammablegatearrays)。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)，和永久存储装置。其中，rom可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、minsd卡、micro-sd卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的语义分析方法。

上文中已经参考附图详细描述了根据本发明的语义分析方法。

此外，根据本发明的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。

或者，本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本发明的上述方法的各个步骤。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。