[發明專利]模型訓練方法、文本識別方法、裝置及計算設備

有效

• 申請號: 201810996981.8
• 申請日: 2018-08-29
• 公開（公告）號: CN110874408B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 任巨偉;趙偉朋;周偉
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06F40/30
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈

本申請實施例提供一種模型訓練方法、文本識別方法、裝置及計算設備。其中，進行模型訓練時，基于其語義信息生成目標訓練文本的語義級別特征，從而將目標訓練文本的詞級別特征以及語義級別特征融合獲得文本特征，在基于目標訓練文本的文本特征，訓練文本識別模型，訓練獲得的文本識別模型可以具體基于待處理文本的文本特征進行文本識別，待處理文本的文本特征由其語義級別特征以及詞級別特征融合獲得，本申請實施例中在原有詞級別特征基礎上，加入語義級別特征，使得文本識別模型可以從語義上進行文本識別，提高了模型識別準確度。

技術領域

本申請實施例涉及計算機應用技術領域，尤其涉及一種模型訓練方法、文本識別方法、裝置及計算設備。

背景技術

隨著人機交互技術的發展，人機對話在諸多場景中得到了廣泛應用，所謂人機對話也即是基于用戶輸入語句，能夠智能輸出相應的應答內容，看起來像是用戶與設備進行了對話。

目前實現人機對話的方案中，通常是將用戶輸入語句與知識庫中的Q，A數據進行匹配，其中，Q為知識庫中的知識點，也即采用標準術語表述的標準文本，A為知識點對應的應答內容，基于相似度可以從知識庫中查找與用戶輸入語句匹配的知識點，從而即可以找到對應的應答內容。

因此，如何準確識別與用戶輸入語句匹配的知識點，是提高人機對話準確度的關鍵技術，現有的一種方式是采用機器學習模型來進行識別，使用機器學習模型進行文本識別時，需要將文本轉換為向量表示，常見方式是將文本進行分詞，再采用諸如one-hot(獨熱編碼)等方式進行編碼獲得詞級別特征，詞級別特征即作為文本的向量表示輸入至機器學習模型中，但是詞級別特征往往忽略了詞與詞之間的關聯，因此就會影響模型識別的準確度。

發明內容

本申請實施例提供一種模型訓練方法、文本識別方法、裝置及計算設備，用以解決現有技術中模型識別準確度較低的技術問題。

第一方面，本申請實施例中提供了一種模型訓練方法，包括：

確定目標訓練文本對應的詞級別特征；

基于所述目標訓練文本的語義信息，確定所述目標訓練文本的語義級別特征；

將所述目標訓練文本的語義級別特征與詞級別特征融合，獲得所述目標訓練文本的文本特征；

利用所述目標訓練文本的文本特征，訓練文本識別模型。

第二方面，本申請實施例中提供了一種文本識別方法，包括：

確定待處理文本的詞級別特征；

基于所述待處理文本的語義信息，確定所述待處理文本的語義級別特征；

將所述待處理文本的詞級別特征及語義級別特征融合獲得所述待處理文本的文本特征；

基于所述待處理文本的文本特征，利用文本識別模型識別所述待處理文本；其中，所述文本識別模型基于訓練文本的文本特征訓練獲得；所述訓練文本的文本特征由所述訓練文本的詞級別特征以及語義級別特征融合獲得；所述訓練文本的語義級別特征基于所述訓練文本的語義信息獲得。

第三方面，本申請實施例中提供了一種模型訓練方法，包括：

基于目標訓練文本的字符，確定所述目標訓練文本的字符級別特征；

基于所述目標訓練文本的語義信息，確定所述目標訓練文本的語義級別特征；

將所述目標訓練文本的語義級別特征與字符級別特征融合，獲得所述目標訓練文本的文本特征；

利用所述目標訓練文本的文本特征，訓練文本識別模型。

第四方面，本申請實施例中提供了一種文本識別方法，包括：

基于待處理文本的字符，確定所述待處理文本的字符級別特征；