[发明专利]表格智能查询方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种表格智能查询方法，包括：接收原始表格集及标签集，将所述原始表格集进行拆分处理后得到标准表格集，将所述标签集进行词性编码得到词向量集，将所述标准表格集和所述词向量集输入至智能查询模型中训练得到训练值，直到所述训练值小于预设阈值所述智能查询模型完成训练，接收用户的查询内容，基于关键字抽取技术抽取所述查询内容得到关键字集，将所述关键字集进行所述词性编码得到关键字向量集，将所述关键字向量集输入至完成训练的所述智能查询模型，得到所述查询内容需要的表格集并输出。本发明还提出一种表格智能查询装置以及一种计算机可读存储介质。本发明可以实现精准高效的表格智能查询功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种表格智能查询的方法、装置及计算机可读存储介质。

背景技术

随着互联网的快速发展，数据规模迅速扩大，因此对于数据的快速查询速度越来越高。目前多数数据都以表格形式存储，如公司营业的当天收益数据、房产公司的房产登记信息等，目前基于数据的查询多以基于表格遍历法或用户关键字搜索法为主，虽然可以一定程度上满足查询需求，但当表格容量大的时候，所述表格遍历法与所述用户关键字搜索法搜索速度慢且消耗大量计算内存。

发明内容

本发明提供一种表格智能查询方法、装置及计算机可读存储介质，其主要目的在于根据用户的查询要求而进行表格智能查询。

为实现上述目的，本发明提供的一种表格智能查询方法，包括：

接收原始表格集及标签集，将所述原始表格集进行拆分处理后得到标准表格集；

将所述标签集进行词性编码得到词向量集；

将所述标准表格集和所述词向量集输入至智能查询模型中训练得到训练值，判断所述训练值与预设阈值的大小关系，若所述训练值大于所述预设阈值，所述智能查询模型继续训练，若所述训练值小于所述预设阈值，所述智能查询模型完成训练；

接收用户的查询内容，基于关键字抽取技术抽取所述查询内容得到关键字集，将所述关键字集进行所述词性编码得到关键字向量集，将所述关键字向量集输入至完成训练的所述智能查询模型，得到所述查询内容需要的表格集并输出。

可选地，所述拆分处理是将所述原始表格集拆分为用户层、计算层和数据层，并将所述用户层、所述计算层和所述数据层组成所述标准表格集；

其中：

所述用户层是由所述原始表格集内每个表格的表题、表头组成；

所述数据层是由所述原始表格集内每个表格的表身组成；

所述计算层提供所述用户层和所述数据层的相互查询功能。

可选地，所述将所述标签集进行词性编码得到词向量集，包括：

将所述标签集进行独热编码得到初级词向量集；

将所述初级词向量集进行维度缩减得到所述词向量集。

可选地，所述维度缩减包括：

建立前向概率模型和后向概率模型；

最优化所述前向概率模型及所述后向概率模型得到最优化解，所述最优化解即为所述词向量集。

可选地，所述标准表格集和所述词向量集输入至智能查询模型中训练得到训练值，包括：

将所述标准表格集内的所述用户层信息进行所述词性编码后得到用户层信息向量集；

将所述用户层信息向量集输入至所述智能查询模型，所述智能查询模型依次进行卷积操作、池化操作和激活操作得到预测值集；

将所述预测值集与所述词向量集进行损失计算得到所述训练值。