利用句子中詞與詞之間的依存關(guān)系來表示詞語的句法結(jié)構(gòu)信息(如主謂、動賓、定中等結(jié)構(gòu)關(guān)系) 并用樹狀結(jié)構(gòu)來表示整句的的結(jié)構(gòu)(如主謂賓、定狀補等)。在大規(guī)模人工標注的數(shù)據(jù)基礎(chǔ)上，句法結(jié)構(gòu)描述體系簡潔通用，海量數(shù)據(jù)訓練讓文本匹配更準確

應(yīng)用場景

• 語言理解：通過分析用戶Query的依存句法結(jié)構(gòu)信息，抽取其中的語義主干及相關(guān)語義成分，幫助智能產(chǎn)品實現(xiàn)對用戶意圖的精準理解
• 知識發(fā)掘：對大規(guī)模非結(jié)構(gòu)化文本數(shù)據(jù)進行句法結(jié)構(gòu)分析，從中抽取實體、概念、語義關(guān)系等信息，幫助構(gòu)建領(lǐng)域知識或世界知識
• 語言結(jié)構(gòu)匹配：基于語言對(Query-WebTitle)之間的句法結(jié)構(gòu)信息進行語言的匹配計算，幫助提升語義匹配計算的準確率

產(chǎn)品優(yōu)勢

• 算法通用性強:句法結(jié)構(gòu)的描述體系簡潔通用，適用于分析搜索Query、口語Query、網(wǎng)頁Title 網(wǎng)頁正文等各種類型的語言形式 基
• 于語義的結(jié)構(gòu)消歧：在大規(guī)模人工標注的樹庫的基礎(chǔ)上，借助海量知識與弱標記數(shù)據(jù)等語義信息訓練，有效緩解語言分析中的結(jié)構(gòu)歧義問題
• 基于Attention機制解碼框架：利用待分析詞與其他所有詞之間的依存強度，選擇與其最相關(guān)的上下文信息，解決了分析算法局部最優(yōu)的問題