模板匹配服务（二）--- 用户意图识别

这篇主要来基于查询串 “怎么做宫保鸡丁” 来介绍一下pattern_server是如何基于配置的模板文件以及上游（broker）给query的标注信对query进行意图识别的。

输入信息

美食类的模板配置文件在（）中有介绍，这里不再重复，下面是broker给 pattern_server的输入接口（common_request）的信息的一部分。entity_terms给出了query中[start,end)范围内的query片段的type_str，这个type_str和用户在模板中配置的一致。
entity_terms {
text: "宫保鸡丁"
start: 6
end: 14
type: 54
type_str: "美食"
find_source: "double_array"
}

匹配算法

目前的配置分为四个层次，即 模板单元，模板，语义片段，入口，对应于模板中的四个层次。

（1）模板单元匹配

第一种为词表，用<>表征，目前的实现方法是把<>中都加载的trie树中，每个<>用个一个unit_id来表征，通过逐字扫描query，查找query在trie中的前缀匹配，对query“怎么做宫保鸡丁”，可以得到 “怎么” “做“ 命中了 下面模板中的 模板单元
<怎么|如何> 以及 <做|炒|炖|煲|烧|煎|炒|烹|炸|涮|溜|弄> 。

<怎么|如何><做|炒|炖|煲|烧|煎|炒|烹|炸|涮|溜|弄><好吃|>

第二种为实体，用（）表示，目前的实现方法是从上游的获取entity_terms取得，对于query”怎么做宫保鸡丁“，可以得到 type_str 为”美食“ 的 query片段 ”宫保鸡丁“ 命中了。

第三种为*，用（）表示，可以匹配任意字符片段，可以通过[min:2&max:10]来限制*语法匹配的长度，目前的实现方法是穷举 * 所有可能的匹配片段。query ”怎么做宫保鸡丁“不涉及此语法。

（2）模板匹配

模板匹配基于匹配的模板单元信息输出模板的匹配信息，模板的匹配基于穷举的思想，加上一些剪枝。还是以下面的模板为例，该模板包含三个模板单元，那么输入模板单元信息，可以表示成为{ [1](0,4) [1](4,6) [1](-1) } 其中[1|0]表示该模板单元是否亏忽略，1表示可忽略，（0,4）表示该模板单元匹配的位置为[4,6)，-1表示没有配置位置，注意包含模板单元信息为 [0](-1)的组合（即 不可忽略，没有匹配）可以剪枝。

<怎么|如何><做|炒|炖|煲|烧|煎|炒|烹|炸|涮|溜|弄><好吃|>

匹配的过程主要考虑到以下几点：

（1）组成模板的有效模板单元的匹配位置需要连续 （有效的模板单元，指的是模板匹配位置中包括该模板单元）
（2）当模板单元可以忽略时，模板单元不一定需要成为有效模板单元，因此对于上面的模板，可以命中query片段 ”怎么做“ ”怎么“ ”做“

当然由于这两点在程序中表达的时候可能碰到其他的情况，比如相邻模板单元匹配位置不连续的时候，如果前面的模板单元都可以忽略，则可以从之前的某个可忽略的模板单元为开始，重新判定。

（三）语义片段匹配

语义片段的匹配主要是模版的匹配，只要语义片段中的有一个模版匹配 ，那表示该语义片段匹配成功，对于query”怎么做宫保鸡丁“　命中了语义片段　meishi 和 intend_key，

（四）入口匹配

入口匹配需要保证每个语义片段都匹配成功，此外需要保证匹配的语义片段的区间没有重叠（可以不连续），并且需要进行覆盖率计算，由于可以语义片段可能有个多个匹配的模版，因此需要得到entrace_id和 匹配template_id列表的所有组合，而每个template_id对应的PosPair也会有多个，因此需要找到每个template_id的组合对应的所有的 PosPair的组合。这个两个步骤分别通过GenEntranceTemplateList 和 GenCombinationPospairList 两个函数来完成。对于每个入口选择覆盖率最大的组合，取覆盖率最大的入口作为最终结果。 query ”怎么做宫保鸡丁“ 命中入口 {dish}{intend_key} cmd="send" box_id="331682"