语义理解方法、装置、电子设备及可读存储介质与流程

1.本发明涉及语义理解领域，尤其是一种语义理解方法、装置、电子设备及可读存储介质。

背景技术：

2.伴随着语音识别、语义理解技术的发展，智能语音助手在生活中得到了广泛的应用，其中，以智能音箱、车载助手为典型的任务型语音助手发展迅速，有着广泛的应用场景。语音助手包括了语音识别、语义理解、语音合成等技术，其中语义理解部分决定了语音助手是否能够正确理解用户意图，做出合理的响应，是决定产品体验的关键。而当前市面上的系统将算法、资源与语义处理平台耦合在一起，很难实现理解算法、业务逻辑资源等的动态替换。

技术实现要素：

3.有鉴于此，本发明实施例提供一种语义理解方法、装置、电子设备及可读存储介质，以提高语义理解的灵活性。
4.本发明实施例的一方面提供了一种语义理解方法，包括：获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合和第一相似度；根据所述第一语义集合中每个第一语义元素对应的所述第一相似度，选取所述第一相似度大于第一阈值的所述第一语义元素作为候选语义集合；对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度；根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果。
5.根据本发明的一些实施例，所述获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合和第一相似度，包括以下至少之一：通过语法表达式构建有穷自动机，根据所述有穷自动机将所述第一语音与所述预置句式进行匹配得到所述第一语义集合，计算所述第一语义元素与所述第一语音之间的所述第一相似度；或者，根据所述预置句式配置正则表达式，将所述第一语音输入到正则表达式，得到所述第一语义集合和所述第一相似度；或者，对用户的历史语音和历史句式进行训练得到意图识别模型，将所述第一语音输入到所述意图识别模型，得到匹配的所述第一语义集合，获取所述第一语义元素与所述第一语音的所述第一相似度。
6.根据本发明的一些实施例，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：通过命名实体识别算法获取用户的历史语音当中的历史关键信息，通过命名实体识别算法获取所述候选语义集合中的当前关键信息；获取所述历史关键信息与所述当前关键信息进行匹配的第二相似度，当所述第二相似度大于第二阈值时，将所述历史关键信息与所述当前关键信息进行合并得到目标关键信息；当所述第二相似度小于或等于随时第二阈值时，将所述当前关键信息作为所述目标关键信息。
7.根据本发明的一些实施例，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：通过所述目标关键信息请求外部信息源，得到所述候选语义元素对应的外部信息数据，其中，所述外部信息源包括与所述目标关键信息相关的网络接口和数据库。
8.根据本发明的一些实施例，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：输入所述目标关键信息和所述外部信息数据到数据处理逻辑，生成每个所述候选语义元素的回复内容以及对应的第三置信度，其中，所述数据处理逻辑为设定的运行脚本或请求url。
9.根据本发明的一些实施例，所述根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果，包括：计算所述目标关键信息的第一置信度和所述外部信息数据的第二置信度；将所述第一置信度、所述第二置信度和所述第三置信度进行加权求和得到目标置信度，获取最高值的所述目标置信度对应的所述候选语义元素以及对应的所述回复内容作为目标结果。
10.本发明实施例的另一方面提供了一种语义理解装置，包括：第一模块，用于获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合；第二模块，用于根据所述第一语义集合中每个第一语义元素对应的第一相似度，选取所述第一相似度大于第一阈值的所述第一语义元素作为候选语义集合；第三模块，用于对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度；第四模块，用于根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果。
11.本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如上所述的任一项所述的语义理解方法。
12.根据本发明实施例的电子设备，至少具有与上述的语义理解方法同样的有益效果。
13.本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如上所述的任一项所述的语义理解方法。
14.根据本发明实施例的计算机可读存储介质，至少具有与上述的语义理解方法同样的有益效果。
15.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
16.本发明的实施例通过对第一语音与预置句式进行匹配得到候选语义集合，通过第一处理逻辑处理候选语义集合得到每个候选语义元素对应的回复内容和目标置信度，获取目标置信度最高的候选语义元素和回复内容。本技术通过粗略地将用户输入的语音匹配一批语义理解资源作为第一语义集合，在后续中仅需要在匹配到的语义资源中确定最适合的语义并进行对应的回复就可以获得最佳的候选语义，比起常用的在庞大的语义资源中选取
目标更具有灵活性，并提高了识别效率。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明实施例提供的语义理解方法的步骤流程图；
19.图2是本发明实施例提供的语义理解装置的示意框图；
20.图3是本发明实施例的设备的示意框图。
具体实施方式
21.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
22.目前，智能语音助手在生活中得到了广泛的应用，其中，以智能音箱、车载助手为典型的任务型语音助手发展迅速，有着广泛的应用场景，而语音助手包括了语音识别、语义理解、语音合成等技术，其中语义理解部分决定了语音助手是否能够正确理解用户意图，做出合理的响应，是决定产品体验的关键。目前常用的方法还是获取用户输入的语音，之后一个个去对比得到最佳语义。
23.因此，有必要提高语义理解的效率，应用在需要对语音的语义进行理解的相关领域。
24.参照图1，本发明的实施例的方法包括：
25.步骤s100，获取第一语音，将第一语音与预置句式进行匹配，得到第一语义集合。
26.在另一实施例中，步骤s100还包括以下步骤至少之一：
27.通过语法表达式构建有穷自动机，根据有穷自动机将第一语音与预置句式进行匹配得到第一语义集合，计算第一语义元素与第一语音之间的第一相似度；
28.或者，根据预置句式配置正则表达式，将第一语音输入到正则表达式，得到第一语义集合和第一相似度；
29.或者，对用户的历史语音和历史句式进行训练得到意图识别模型，将第一语音输入到意图识别模型，得到匹配的第一语义集合，获取第一语义元素与第一语音的第一相似度。
30.具体地，通过语法表达式构建有穷自动机，例如：wfst。以用户输入的语音进行匹配，得到用户的语音与预置句式相匹配的部分，并计算匹配到的结果与用户原始输入的相似度，相似度通过wfst的执行步数、匹配结果与用户输入的比值进行计算得到，加权相加后进行归一化的结果。或者，通过预先配置的正则表达式，将用户输入与其进行匹配，选择相似度最高的结果作为最优的匹配结果并且提取正则表达式中有标签的数据作为关键信息。或者，使用fasttext、textcnn等机器学习算法，对预置的说法进行训练，得到意图识别的模型，并依此对用户输入的语音进行预测，得到可能匹配的语义。要说明的是，除此之外还可
以是其他可用于语音与句式进行匹配的方法。
31.步骤s200，根据第一语义集合中每个第一语义元素对应的第一相似度，选取第一相似度大于第一阈值的第一语义元素作为候选语义集合。
32.具体地，第一语义集合中包含有若干个第一语义元素，输入的第一语音与每个第一语义元素都有对应的第一相似度，获取第一相似度大于第一阈值的第一语义元素，并将它们作为候选语义集合。要说明的是，可以按照第一相似度给第一语义元素进行排列，方便后续获取目标语义。其中，第一阈值用于从多个第一语义元素筛选出若干个候选语义元素，第一阈值可以根据先验知识或者实际的需要进行选取，示例性地可以为80％、85％等数值。
33.步骤s300，对候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度。
34.具体地，对候选语义集合进行第一处理，要说明的是，可以将第一处理抽象成标准化的接口，通过网络进行调用，实现调度平台与业务逻辑的分离，便于开发分布式的系统。通过这种方法获取候选语义元素的回复内容和目标置信度，提升功能开发时的效率，同时提高业务逻辑的可维护性。通过将第一处理定义为标准的过程和接口，可以将语义处理的过程分为语义理解资源、关键信息处理逻辑、外部信息源获取的逻辑、数据处理的逻辑等几个部分，各部分可以自由组合，最终实现目标功能。因此，开发人员可以实现有效的分工，提升功能开发时的效率，同时提高业务逻辑的可维护性。这样子使得模块划分清晰，且各个过程皆为无状态的过程，因此非常适合作为分布式系统使用，可以自由的进行横向扩展，动态调整性能指标和资源消耗的经济性。
35.在另一实施例中，步骤s300还包括以下步骤：
36.通过命名实体识别算法获取用户的历史语音当中的历史关键信息，通过命名实体识别算法获取候选语义集合中的当前关键信息；
37.获取历史关键信息与当前关键信息进行匹配的第二相似度，当第二相似度大于第二阈值时，将历史关键信息与当前关键信息进行合并得到目标关键信息；
38.当第二相似度小于或等于随时第二阈值时，将当前关键信息作为目标关键信息。
39.具体地，这个步骤定义了处理关键信息的流程，要说明的是，此处的关键信息处理的流程是一种无状态的过程，其可以通过预先配置，理解结果中的关键信息，与用户历史中的关键信息按一定规则进行合并，此处的规则是由开发人员配置的，默认为新的关键信息覆盖旧的关键信息，开发人员也可以配置一个策略，这种策略可以以脚本形式存在，或指定一个url，系统将发送相关数据，并接受固定格式的返回值，系统将根据策略选择有效的历史关键信息，形成当前可用的完整关键信息集合，最终得到业务需要的有效信息，示例性地，获取历史关键信息与当前关键信息进行匹配的第二相似度，当第二相似度大于第二阈值时，将历史关键信息与当前关键信息进行合并得到目标关键信息；当第二相似度小于或等于随时第二阈值时，将当前关键信息作为目标关键信息。在任务处理时，先获取用户的历史关键信息，通过此流程处理理解结果，结合历史关键信息，得到有效数据。要说明的是，此过程也可以直接通过步骤s100的具体实施例中，提取正则表达式中有标签的数据作为关键信息。此外，还可以使用crf等命名实体识别算法，对预置说法中标注的关键信息进行训练，得到信息提取的模型，并依此对用户的输入进行预测，得到用户输入中的关键信息。
40.在另一实施例中，步骤s300还包括以下步骤：
41.通过目标关键信息请求外部信息源，得到候选语义元素对应的外部信息数据，其中，外部信息源包括与目标关键信息相关的网络接口和数据库。
42.具体地，这个步骤定义外部信息源获取的流程，此处的外部信息源获取的流程是一种无状态的过程，其可以配置若干数据源，包括数据源信息和输入数据处理的脚本，平台将执行对应的脚本，将上述处理后的关键信息转化为外部数据源需要的输入，随后请求一个或多个外部信息源，如网络接口或数据库，最终得到所需的外部信息，通过以上的有效关键信息请求外部信息源，获取外部数据，在得到数据后，也可以通过执行脚本，将外部信息源的返回结果作为输入，获取外部信息源的置信度。
43.在另一实施例中，步骤s300还包括以下步骤：
44.输入目标关键信息和外部信息数据到数据处理逻辑，生成每个候选语义元素的回复内容以及对应的第三置信度，其中，数据处理逻辑为设定的运行脚本或请求url。
45.具体地，这个步骤定义了数据处理的逻辑，此处的数据处理的逻辑是一种无状态的过程，这种策略可以以脚本形式存在，或指定一个url，此时平台会以关键信息和外部信息源的返回内容作为输入，通过执行此逻辑，比如运行脚本或请求url，得到任务的置信度及此任务的返回结果，即候选语义元素的回复内容。
46.步骤s400，根据每个候选语义元素的目标置信度的大小，将数值最高的目标置信度对应候选语义元素以及对应的回复内容作为目标结果。
47.在另一实施例中，步骤s400还包括：
48.计算目标关键信息的第一置信度和外部信息数据的第二置信度；
49.将第一置信度、第二置信度和第三置信度进行加权求和得到目标置信度，获取最高值的目标置信度对应的候选语义元素以及对应的回复内容作为目标结果。
50.具体地，进行加权求和的权值为开发人员根据调试获得的经验值，支持人工动态调整以优化结果准确度。在候选语义集合中，对每个元素的第一置信度、第二置信度、第三置信度进行加权求和，权值保持一致进行计算，得到对应的结果，选取其中数值最高的候选语义元素，并获取在步骤s300中得到的回复内容，将回复内容和候选语义元素作为目标结果。要说明的是，可以将目标结果存储到该用户的上下文文本当中。上下文文本方便用于设定预置句式，获取对应语义以及提取关键词。
51.因此，可以得到具体实施例如下：获取用户输入的语音，将语音与预先设置的预置句式进行匹配，得到第一语义集合，其中，进行匹配的方法包括利用有穷自动机、正则表达式、构建意图识别模型等等能获取得到语音与预置句式的相似度的方法。之后通过第一语义元素的第一相似度与第一阈值的对比，粗略地筛选出部分相似度较高的第一语义元素组成候选语义集合，之后对候选语义集合进行关键信息提取以及第一置信度、请求外部信息数据以及第二置信度、进行数据处理得到每个候选语义元素对应的回复内容以及第三置信度。将第一置信度、第二置信度、第三置信度进行加权求和，比较所有候选语义元素进行加权求和的数值的大小，获取其中最大数值对应的候选语义元素，将这个语义元素以及对应的回复内容作为目标结果。
52.一方面，参照图2，本实施例提供一种语义理解装置，至少包括：第一模块510，第二模块520，第三模块530，第四模块540。
53.具体地，第一模块510获取用户的第一语音，将第一语音与预先设置的预置句式进
行匹配，得到第一语义集合；第二模块520与第一模块510相连接，第二模块520获取第一模块510中的第一语义集合，并通过计算得到第一语义集合中每个元素对应的第一相似度，筛选出第一相似度大于第一阈值的第一语义元素作为候选语义集合；第三模块530与第二模块520相连接，获取第二模块520中的候选语义集合，通过第一处理逻辑对候选语义集合进行处理得到每个候选语义元素对应的回复内容和目标置信度；第四模块540与第三模块530相连接，根据第三模块530中的目标置信度得到最佳的候选语义元素与和对应的回复内容，并将它们作为目标结果。
54.参照图3，本实施例提供一种电子设备，包括处理器610以及与处理器610耦接的存储器620，存储器620存储有可被处理器610执行的程序指令，处理器610执行存储器620存储的程序指令时实现上述的语义理解方法。其中，处理器610还可以称为cpu(central processing unit，中央处理单元)。处理器610可能是一种集成电路芯片，具有信号的处理能力。处理器610还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器，或者，通用处理器还可以是任何常规的处理器等。存储器620可包括各种组件(例如，机器可读介质)，包括但不限于随机存取存储器组件、只读组件及其任意组合。存储器620还可包括：(例如，存储于一个或多个机器可读介质的)指令(例如，软件)；该指令实现上述实施例中的语义理解方法。该电子设备具有搭载并运行本发明实施例提供的语义理解的软件系统的功能，例如，个人计算机(personal computer，pc)、手机、智能手机、个人数字助手(personal digital assistant，pda)、可穿戴设备、掌上电脑ppc(pocket pc)、平板电脑等。
55.本实施例提供一种计算机可读存储介质，该存储介质存储有程序，该程序被处理器执行实现上述的语义理解方法。
56.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
57.在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
58.此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特
定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
59.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
60.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
61.计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
62.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
63.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
64.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
65.以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。

技术特征：

1.一种语义理解方法，其特征在于，包括：获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合和第一相似度；根据所述第一语义集合中每个第一语义元素对应的所述第一相似度，选取所述第一相似度大于第一阈值的所述第一语义元素作为候选语义集合；对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度；根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果。2.根据权利要求1所述的语义理解方法，其特征在于，所述获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合和第一相似度，包括以下至少之一：通过语法表达式构建有穷自动机，根据所述有穷自动机将所述第一语音与所述预置句式进行匹配得到所述第一语义集合，计算所述第一语义元素与所述第一语音之间的所述第一相似度；或者，根据所述预置句式配置正则表达式，将所述第一语音输入到正则表达式，得到所述第一语义集合和所述第一相似度；或者，对用户的历史语音和历史句式进行训练得到意图识别模型，将所述第一语音输入到所述意图识别模型，得到匹配的所述第一语义集合，获取所述第一语义元素与所述第一语音的所述第一相似度。3.根据权利要求1所述的语义理解方法，其特征在于，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：通过命名实体识别算法获取用户的历史语音当中的历史关键信息，通过命名实体识别算法获取所述候选语义集合中的当前关键信息；获取所述历史关键信息与所述当前关键信息进行匹配的第二相似度，当所述第二相似度大于第二阈值时，将所述历史关键信息与所述当前关键信息进行合并得到目标关键信息；当所述第二相似度小于或等于随时第二阈值时，将所述当前关键信息作为所述目标关键信息。4.根据权利要求3所述的语义理解方法，其特征在于，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：通过所述目标关键信息请求外部信息源，得到所述候选语义元素对应的外部信息数据，其中，所述外部信息源包括与所述目标关键信息相关的网络接口和数据库。5.根据权利要求4所述的语义理解方法，其特征在于，所述对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度，包括：输入所述目标关键信息和所述外部信息数据到数据处理逻辑，生成每个所述候选语义元素的回复内容以及对应的第三置信度，其中，所述数据处理逻辑为设定的运行脚本或请求url。
6.根据权利要求5所述的语义理解方法，其特征在于，所述根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果，包括：计算所述目标关键信息的第一置信度和所述外部信息数据的第二置信度；将所述第一置信度、所述第二置信度和所述第三置信度进行加权求和得到目标置信度，获取最高值的所述目标置信度对应的所述候选语义元素以及对应的所述回复内容作为目标结果。7.一种语义理解装置，其特征在于，包括：第一模块，用于获取第一语音，将所述第一语音与预置句式进行匹配，得到第一语义集合和第一相似度；第二模块，用于根据所述第一语义集合中每个第一语义元素对应的所述第一相似度，选取所述第一相似度大于第一阈值的所述第一语义元素作为候选语义集合；第三模块，用于对所述候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度；第四模块，用于根据每个所述候选语义元素的目标置信度的大小，将数值最高的所述目标置信度对应所述候选语义元素以及对应的所述回复内容作为目标结果。8.一种电子设备，其特征在于，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如权利要求1至6中任一项所述的方法。9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

技术总结

本发明公开了一种语义理解方法、装置、电子设备及存储介质，其中该方法包括：获取第一语音，将第一语音与预置句式进行匹配，得到第一语义集合；根据第一语义集合中每个第一语义元素对应的第一相似度，选取第一相似度大于第一阈值的第一语义元素作为候选语义集合；对候选语义集合进行第一处理，得到每个候选语义元素对应的回复内容和目标置信度；根据每个候选语义元素的目标置信度的大小，将数值最高的目标置信度对应候选语义元素以及对应的回复内容作为目标结果，以提高语义理解的灵活性。本发明可广泛应用于语义理解领域。发明可广泛应用于语义理解领域。发明可广泛应用于语义理解领域。