[發(fā)明專利]文本分類模型的更新訓練方法、裝置及設(shè)備在審
| 申請?zhí)枺?/td> | 201811192187.4 | 申請日： | 2018-10-12 |
| 公開（公告）號： | CN109241288A | 公開（公告）日： | 2019-01-18 |
| 發(fā)明（設(shè)計）人： | 許開河;楊坤;王少軍;肖京 | 申請（專利權(quán)）人： | 平安科技（深圳）有限公司 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35;G06F16/332;G06F17/27 |
| 代理公司： | 深圳市隆天聯(lián)鼎知識產(chǎn)權(quán)代理有限公司 44232 | 代理人： | 劉抗美 |
| 地址： | 518000 廣東省深圳市福田區(qū)福*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 文本分類模型 樣本文本 更新 語義提取 知識點 標注 裝置及設(shè)備 分類 特征向量 樣本數(shù)據(jù) 標簽 人工智能技術(shù) 構(gòu)建 | ||
本公開涉及人工智能技術(shù)領(lǐng)域，具體揭示了一種文本分類模型的更新訓練方法、裝置及設(shè)備，文本分類模型包括語義提取層和分類層，在新增知識點前，根據(jù)原有知識點的樣本數(shù)據(jù)完成語義提取層和分類層的訓練，包括：獲取新增知識點對應(yīng)的樣本文本以及對樣本文本進行標注的標注標簽；通過根據(jù)樣本數(shù)據(jù)完成訓練的語義提取層構(gòu)建樣本文本的特征向量；根據(jù)樣本文本的特征向量以及樣本文本對應(yīng)的標注標簽進行分類層的更新訓練，以實現(xiàn)文本分類模型的更新訓練。在需要對文本分類模型進行更新訓練時，僅進行分類層的更新訓練，從而可以大幅縮短文本分類模型更新訓練的時間，實現(xiàn)文本分類模型的及時更新。
技術(shù)領(lǐng)域
本公開涉及人工智能技術(shù)領(lǐng)域，特別涉及一種文本分類模型的更新訓練方法、裝置及設(shè)備。
背景技術(shù)
現(xiàn)有客服機器人問答系統(tǒng)中的文本分類模型，在客服機器人的知識庫新增新產(chǎn)品相關(guān)的知識點或者新增熱點問題相關(guān)的知識點后，需要對文本分類模型進行重新訓練，一般重新訓練一個文本分類模型需要很長的時間，從而導(dǎo)致文本分類模型更新不及時，客服機器人無法回答新增知識點相關(guān)的問題。
所以由于文本分類模型訓練時間長導(dǎo)致文本分類模型更新不及時的問題還有待解決。
發(fā)明內(nèi)容
為了解決相關(guān)技術(shù)中存在的問題，本公開提供了一種文本分類模型的更新訓練方法及裝置。
一種文本分類模型的更新訓練方法，所述文本分類模型包括語義提取層和分類層，在新增知識點前，根據(jù)原有知識點的樣本數(shù)據(jù)完成所述語義提取層和所述分類層的訓練，所述文本分類模型的更新訓練方法包括：
獲取新增知識點對應(yīng)的樣本文本以及對所述樣本文本進行標注的標注標簽；
通過根據(jù)所述樣本數(shù)據(jù)完成訓練的所述語義提取層構(gòu)建所述樣本文本的特征向量；
根據(jù)所述樣本文本的特征向量以及所述樣本文本對應(yīng)的標注標簽進行所述分類層的更新訓練，以實現(xiàn)所述文本分類模型的更新訓練。
一種文本分類模型的更新訓練裝置，所述文本分類模型包括語義提取層和分類層，在新增知識點前，根據(jù)原有知識點的樣本數(shù)據(jù)完成所述語義提取層和所述分類層的訓練，所述文本分類模型的更新訓練裝置包括：
獲取模塊，被配置為執(zhí)行：獲取新增知識點對應(yīng)的樣本文本以及對所述樣本文本進行標注的標注標簽；
特征向量構(gòu)建模塊，被配置為執(zhí)行：通過根據(jù)所述樣本數(shù)據(jù)完成訓練的所述語義提取層構(gòu)建所述樣本文本的特征向量；
更新訓練模塊，被配置為執(zhí)行：根據(jù)所述樣本文本的特征向量以及所述樣本文本對應(yīng)的標注標簽進行所述分類層的更新訓練，以實現(xiàn)所述文本分類模型的更新訓練。
在一實施例中，所述特征向量構(gòu)建模塊包括：
分詞單元，被配置為執(zhí)行：通過根據(jù)原有知識點的樣本數(shù)據(jù)完成訓練的所述語義提取層對所述樣本文本進行分詞；
特征向量構(gòu)建單元，被配置為執(zhí)行：根據(jù)所述樣本文本中的每個詞對應(yīng)的編碼以及每個詞的語義權(quán)重構(gòu)建所述樣本文本的特征向量。
在一實施例中，所述裝置還包括：
分類標簽補充模塊，被配置為執(zhí)行：根據(jù)所述樣本文本對應(yīng)的標注標簽補充所述分類層的分類標簽；
分類標簽集合更新模塊，被配置為執(zhí)行：根據(jù)所補充的分類標簽更新所述分類層的分類標簽集合。
在一實施例中，所述更新訓練模塊包括：
分類標簽預(yù)測單元，被配置為執(zhí)行：利用所述分類層根據(jù)所述樣本文本的特征向量預(yù)測得到所述樣本文本所對應(yīng)的分類標簽；
判斷單元，被配置為執(zhí)行：進行所得到的所述分類標簽與所述樣本文本所對應(yīng)標注標簽的一致性判斷；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于平安科技（深圳）有限公司，未經(jīng)平安科技（深圳）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811192187.4/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
