本發(fā)明涉及及數(shù)據(jù)處理，尤其涉及一種多表單處理方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在日常的生活、工作過程中，很多場景下都需要涉及到對表格的分析處理。

2、相關(guān)技術(shù)中，在人機(jī)交互過程中，表格分析可以通過工具平臺(比如text2sql算法等)幫助用戶自動生成sql查詢；也可以使用長短期記憶模型(lstm，long-short?termmemory)進(jìn)行結(jié)構(gòu)化查詢語言(sql)語句的from子句預(yù)測；或者是在基于多表情況的基礎(chǔ)上補充一個實體抽取類的模型，輔助檢索問題對應(yīng)的表格。

3、但是上述方法中，在人機(jī)交互過程中，由于lstm網(wǎng)絡(luò)很耗時，且無法進(jìn)行并行化處理，降低了表格類的分析問題的效率，另外，還需要額外增加實體抽取類的模型進(jìn)行表格檢索，不但增加了表格檢索的復(fù)雜度，還降低了表格的繪制效果。

4、因此，在人機(jī)交互過程中，如何提高表格的分析效率及圖表繪制效果差問題，是目前有待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種多表單處理方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)，以至少解決相關(guān)技術(shù)中在人機(jī)交互過程中，由于lstm網(wǎng)絡(luò)耗時，且無法進(jìn)行并行化處理，還需增加實體抽取類的模型進(jìn)行表格檢索，導(dǎo)致表格分析或圖表繪制效率降低的問題。本發(fā)明的技術(shù)方案如下：

2、根據(jù)本發(fā)明實施例的第一方面，提供一種多表單處理方法，包括：

3、對用戶輸入表格中的表單進(jìn)行解析，得到表單名以及每個表單的列名文本信息；

4、基于所述用戶輸入的問題，確定與所述問題相關(guān)的目標(biāo)表單；

5、對所述目標(biāo)表單的列名文本信息和所述問題中的專有名詞進(jìn)行釋義，得到第一釋義知識；

6、在所述第一釋義知識能解決所述用戶輸入的問題時，若確定所述用戶的文本意圖是分析表格問題，則基于所述目標(biāo)表單和所述第一釋義知識，生成對應(yīng)數(shù)據(jù)分析的結(jié)構(gòu)化查詢語言；

7、執(zhí)行所述結(jié)構(gòu)化查詢語言，得到對應(yīng)的表格分析結(jié)果。

8、可選的，所述基于所述用戶輸入的問題，確定與所述問題相關(guān)的目標(biāo)表單，包括：

9、基于所述用戶輸入的問題，確定與所述問題相關(guān)的表單的余弦相似度；

10、基于所述余弦相似度召回與所述問題相關(guān)的目標(biāo)表單。

11、可選的，所述基于所述用戶輸入的問題，確定與所述問題相關(guān)的表單的余弦相似度，包括：

12、將所述用戶輸入的問題的文本映射為第一低維稠密向量；

13、提取每個表單的表單名，以及對應(yīng)表單的列名文本信息；

14、按照標(biāo)準(zhǔn)格式進(jìn)行拼接所述每個表單的表單名以及對應(yīng)的所述列名文本信息，得到每個表單的拼接文本；

15、將所述每個表單的拼接文本映射為第二低維稠密向量；

16、基于所述第一低維稠密向量和所述第二低維稠密向量，計算所述問題與每個表單的余弦相似度。

17、可選的，所述基于所述余弦相似度召回與所述問題相關(guān)的目標(biāo)表單，包括：

18、按照余弦相似度從高到底對所有表單進(jìn)行排序；

19、選取排序前n個表單進(jìn)行召回，得到目標(biāo)表單，其中，所述n為大于或等于1的自然數(shù)。

20、可選的，所述對所述目標(biāo)表單的列名和所述問題中的專有名詞進(jìn)行釋義，得到第一釋義知識，包括：

21、將所述目標(biāo)表單的內(nèi)容加載成dataframe或者polardb格式；

22、提取加載后所有目標(biāo)表單的列名；

23、利用大型語言模型中的提示詞工程，對所有目標(biāo)表單的列名和所述用戶輸入的問題中出現(xiàn)的專業(yè)名稱進(jìn)行釋義，得到第一釋義知識。

24、可選的，所述方法還包括：

25、在所述第一釋義知識能解決所述用戶輸入的問題時，若確定所述用戶的文本意圖是繪制圖表問題，則基于所述目標(biāo)表單和第一釋義知識，生成對應(yīng)的pandas繪圖代碼；

26、通過python解釋器執(zhí)行對應(yīng)的所述pandas繪圖代碼，得到對應(yīng)的圖表。

27、可選的，所述方法還包括：

28、在所述第一釋義知識不能解決所述用戶提出的問題時，確定所述問題中不確定的條目；

29、基于所述不確定的條目與所述用戶進(jìn)行交互，根據(jù)交互結(jié)果更新第一釋義知識，得到第二釋義知識；

30、在確定所述用戶的文本意圖是分析表格問題時，基于所述目標(biāo)表單和第二釋義知識，生成對應(yīng)數(shù)據(jù)分析的結(jié)構(gòu)化查詢語言；

31、執(zhí)行所述結(jié)構(gòu)化查詢語言，得到對應(yīng)的表格分析結(jié)果。

32、可選的，所述方法還包括：

33、在確定所述用戶的文本意圖是繪制圖表問題時，則基于所述目標(biāo)表單和第二釋義知識，生成對應(yīng)的pandas繪圖代碼；

34、通過python解釋器執(zhí)行對應(yīng)的所述pandas繪圖代碼，得到對應(yīng)的圖表。

35、根據(jù)本發(fā)明實施例的第二方面，提供一種多表單處理裝置，包括：

36、解析模塊，用于對用戶輸入表格中的表單進(jìn)行解析，得到表單名以及每個表單的列名文本信息；

37、確定模塊，用于基于所述用戶輸入的問題，確定與所述問題相關(guān)的目標(biāo)表單；

38、第一釋義模塊，用于對所述目標(biāo)表單的列名文本信息和所述問題中的專有名詞進(jìn)行釋義，得到第一釋義知識；

39、第一生成模塊，用于在所述第一釋義知識能解決所述用戶輸入的問題時，若確定所述用戶的文本意圖是分析表格問題，則基于所述目標(biāo)表單和第一釋義知識，生成對應(yīng)數(shù)據(jù)分析的結(jié)構(gòu)化查詢語言；

40、第一執(zhí)行模塊，用于執(zhí)行所述結(jié)構(gòu)化查詢語言，得到對應(yīng)的表格分析結(jié)果。

41、可選的，所述確定模塊包括：

42、相似度確定模塊，用于基于所述用戶輸入的問題，確定與所述問題相關(guān)的表單的余弦相似度；

43、召回模塊，用于基于所述余弦相似度召回與所述問題相關(guān)的目標(biāo)表單。

44、可選的，所述相似度確定模塊包括：

45、第一映射模塊，用于將所述用戶輸入的問題的文本映射為第一低維稠密向量；

46、第一提取模塊，用于提取每個表單的表單名，以及對應(yīng)表單的列名文本信息；

47、拼接模塊，用于按照標(biāo)準(zhǔn)格式進(jìn)行拼接所述每個表單的表單名以及對應(yīng)的所述列名文本信息，得到每個表單的拼接文本；

48、第二映射模塊，用于將所述每個表單的拼接文本映射為第二低維稠密向量；

49、相似度計算模塊，用于基于所述第一低維稠密向量和所述第二低維稠密向量，計算所述問題與每個表單的余弦相似度。

50、可選的，所述召回模塊包括：

51、排序模塊，用于按照余弦相似度從高到底對所有表單進(jìn)行排序；

52、表單召回模塊，用于選取排序前n個表單進(jìn)行召回，得到目標(biāo)表單，其中，所述n為大于或等于1的自然數(shù)。

53、可選的，所述第一釋義模塊包括：

54、加載模塊，用于將所述目標(biāo)表單的內(nèi)容加載成dataframe或者polardb格式；

55、第二提取模塊，用于提取加載后所有目標(biāo)表單的列名；

56、第一釋義知識模塊，用于利用大型語言模型中的提示詞工程，對所有目標(biāo)表單的列名和所述用戶輸入的問題中出現(xiàn)的專業(yè)名稱進(jìn)行釋義，得到第一釋義知識。

57、可選的，所述裝置還包括：

58、第二生成模塊，用于在所述第一釋義知識能解決所述用戶輸入的問題時，若確定所述用戶的文本意圖是繪制圖表問題，則基于所述目標(biāo)表單和第一釋義知識，生成對應(yīng)的pandas繪圖代碼；

59、第二執(zhí)行模塊，用于通過python解釋器執(zhí)行對應(yīng)的所述pandas繪圖代碼，得到對應(yīng)的圖表。

60、可選的，所述裝置還包括：

61、條目確定模塊，用于在所述第一釋義知識不能解決所述用戶提出的問題時，確定所述問題中不確定的條目；

62、更新模塊，用于基于所述不確定的條目與所述用戶進(jìn)行交互，根據(jù)交互結(jié)果不斷更新第一釋義知識，得到第二釋義知識；

63、第三生成模塊，用于在確定所述用戶的文本意圖是分析表格問題時，基于所述目標(biāo)表單和第二釋義知識，生成對應(yīng)數(shù)據(jù)分析的結(jié)構(gòu)化查詢語言；

64、第三執(zhí)行模塊，用于執(zhí)行所述結(jié)構(gòu)化查詢語言，得到對應(yīng)的表格分析結(jié)果。

65、可選的，所述裝置還包括：

66、第四生成模塊，用于在確定所述用戶的文本意圖是繪制圖表問題時，則基于所述目標(biāo)表單和第二釋義知識，生成對應(yīng)的pandas繪圖代碼；

67、第四執(zhí)行模塊，用于通過python解釋器執(zhí)行對應(yīng)的所述pandas繪圖代碼，得到對應(yīng)的圖表。

68、根據(jù)本發(fā)明實施例的第三方面，提供一種電子設(shè)備，包括：

69、處理器；

70、用于存儲所述處理器可執(zhí)行指令的存儲器；

71、其中，所述處理器被配置為執(zhí)行所述指令，以實現(xiàn)如上所述的多表單處理方法。

72、根據(jù)本發(fā)明實施例的第四方面，提供一種計算機(jī)可讀存儲介質(zhì)，當(dāng)所述計算機(jī)可讀存儲介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時，使得電子設(shè)備能夠執(zhí)行如上所述的多表單處理方法。

73、根據(jù)本發(fā)明實施例的第五方面，提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序或指令，所述計算機(jī)程序或指令被電子設(shè)備的處理器執(zhí)行時實現(xiàn)如上所述的多表單處理方法。

74、本發(fā)明的實施例提供的技術(shù)方案至少帶來以下有益效果：

75、本發(fā)明實施例中，對用戶輸入表格中的表單進(jìn)行解析，得到表單名以及每個表單的列名文本信息；基于所述用戶輸入的問題，確定與所述問題相關(guān)的目標(biāo)表單；對所述目標(biāo)表單的列名文本信息和所述問題中的專有名詞進(jìn)行釋義，得到第一釋義知識；在所述第一釋義知識能解決所述用戶輸入的問題時，若確定所述用戶的文本意圖是分析表格問題，則基于所述目標(biāo)表單和所述第一釋義知識，生成對應(yīng)數(shù)據(jù)分析的結(jié)構(gòu)化查詢語言；執(zhí)行所述結(jié)構(gòu)化查詢語言，得到對應(yīng)的表格分析結(jié)果。也就是說，本發(fā)明實施例中，針對人機(jī)交互過程中的表格問題，通過召回與用戶問題相關(guān)的目標(biāo)表單，使模型聚焦重點表格和問題，減少冗余信息，降低了表格分析的復(fù)雜度，提高了表格問題的分析效率。

76、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。