[发明专利]一种搜索方法以及一种应用该方法的电子装置

说明书

本发明提供一种搜索方法以及一种应用该方法的电子装置。搜索方法包含接收输入字串；判断输入字串是否对应到电子装置存储有的预设规则；若是，则依据预设规则解析输入字串为至少第一关键字串及第二关键字串；依照第一关键字串相关联的预设条件，启动通过网络进行的第二关键字串的搜索。电子装置包含用于存储或读取预设规则的规则模块以及用于通过网络以上述搜索方法进行网络搜索的搜索系统。

技术领域

本发明是有关一种搜索方法以及一种应用该方法的电子装置；具体而言，本发明涉及一种可自动了解语句中意思并通过网络进行相对搜索动作的搜索方法以及应用此搜索方法的电子装置。

背景技术

随着越来越多科技朝向使用人工智能的技术，各种产品的制造商也开始考虑要如何加入自然语意处理技术，在具有硬件功能较低阶的产品上，其研发方向也渐渐开始朝向如何能在硬件功能上较低阶的产品上提供自然语意处理的技术。

在人工智能领域中，有至少两大研究领域，分别为电脑视觉(Computer Vision)以及自然语意处理(Natural Language Processing)。其中，在自然语意处理上，相关的传统作法有两种：命令式及机器学习。

由于解析使用者的意思不容易，小规模的软件或应用会使用命令式的方案。使用者必须要正确地说出(或输出)软件或机器有支援的命令，软件或机器的功能才能被执行。软件或机器只需要判断使用者说的语句是否与支援的命令其中一个相符合，符合就会执行相对应的功能。但由于软件或机器只识别相符合的命令，功能才被执行，使用者无法用自然地说话(输入)方式下达指令。自然地说话(输入)方式，是指使用者常会有很多缀字在语句中，例如「能不能」、「有没有」、「那个」、「这个」等等。当有缀字在语句中，就会跟软件或机器原本支援的命令不符合，因此命令式的说话(输入)方式就无法实现自然语意的处理。另外，使用者的语句中，往往是有信息在其中的，例如：「我要看(电视)35台」、「冷气调到15度」、「我要听xxx的歌」。命令式输入无法从使用者的语句中截取出信息，也不可能把使用者所有的信息都列成支援的命令。

在机器学习方面上，目前最热门的涉及深度学习(Deep-Learning)的技术，其程序是模拟人类的神经元，建构成神经网络，来模拟学习的功能。由神经网络学习自然语意处理后的模型，可以有效地理解人类以自然地说话方式提出的需求或问题，并且执行相对应的功能。

神经网络学习后的模型，虽然可以了解使用者的语意，但训练神经网络模型的成本却太高。要训练一个神经网络，让它有聊天机器人(Chatbot)的功能，需要先搜集所有会用到的词汇(可能有上万的词汇)，训练成词汇向量(Word Vector)。再通过递归神经网络(recurrent neural network)单元或类似变型的单元(例如：长短期记忆(Long Short-Term Memory，LSTM)、门循环单元(Gated Recurrent Units，GRUs))集结成多层的网络(可模拟大脑的记忆能力)，到训练出一个可用的聊天机器人(ChatBot)，可能得花上几天到一周的时间。而且使用的中央处理单元(Central Processing Unit，CPU)或辅助运算的图像处理单元(Graphics Processing Unit，GPU)，都是高规格的情况下，才有机会实现。这对终端使用者(End-user)手上的机器效能来说，要达到训练神经网络有很大的难度。因此，一般而言，神经网络的自然语意处理，通常都是做成云端上的服务，而拥有大数据的公司(例如：Google、Amazon、Microsoft)等才有能力维护这样的规模，从而较有能力提供使用人工智能技术的装置。

发明内容

本发明的一个目的在于提供一种搜索方法，可提供自然语意处理的效能于较硬件功能较低阶的产品上。

本发明的另一个目的在于提供一电子装置，终端使用者可在电子装置上实现本地端的自然语意处理的功能。