[發明專利]語句分析處理方法、裝置、設備以及計算機可讀存儲介質

有效

• 申請號: 201811464437.5
• 申請日: 2018-11-30
• 公開（公告）號: CN109597993B
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 湯耀華;莫凱翔;張超;徐倩;楊強
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06F16/35;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國;魏蘭

本發明公開了一種語句分析處理方法及裝置、設備和存儲介質，該方法包括：獲取源領域大樣本數據集上的預訓練模型，并將預訓練模型遷移學習到目標領域；在目標領域內，獲取預訓練模型中預設問句的各語句特征，并對各語句特征進行語義分析，以確定預設問句對應的各不同意圖；獲取各意圖在預訓練模型中的意圖相似性分，并在各意圖相似性分中確定最高意圖相似性分；獲取預訓練模型中的各詞槽，確定各詞槽在預訓練模型中的詞槽相似性分，并在各詞槽相似性分中確定最高詞槽相似性分；獲取并輸出最高意圖相似性分對應的最終意圖和最高詞槽相似性分對應的最終詞槽。達到了模型遷移到新領域也能快速學習并執行口語理解任務的技術效果。

技術領域

本發明涉及遷移學習技術領域，尤其涉及一種語句分析處理方法、裝置、設備以及計算機可讀存儲介質。

背景技術

人工智能對話機器人中的口語理解模型能夠起到幫助機器人理解用戶意圖的關鍵性作用。隨著人工智能對話機器人被廣泛的使用，比如亞馬遜的Alexa，微軟的小冰機器人以及蘋果的siri。機器人的口語理解能力顯得尤為重要，不僅需要能夠理解用戶的常見需求場景，還需要不斷的擴展機器人的理解能力到新的用戶需求場景。對于新的用戶需求場景的支持一般需要收集和標注數據，而目前采用的技術方案一般是規則匹配或者是增加訓練數據。這個過程既耗時又耗錢，而且需要專業的標注團隊。因此，在某個有大量數據的場景下學習了口語理解模型之后，對于新的場景領域，因為只有少量的樣本或者零樣本而不能快速學習并執行口語理解任務成為目前亟待解決的技術問題。

發明內容

本發明的主要目的在于提供一種語句分析處理方法、裝置、設備以及計算機可讀存儲介質，旨在解決模型遷移到新領域后，因為只有少量的樣本或者零樣本而不能快速學習并執行口語理解任務的技術問題。

為實現上述目的，本發明提供一種語句分析處理方法，所述語句分析處理方法包括以下步驟：

獲取源領域大樣本數據集上的預訓練模型，并將所述預訓練模型遷移學習到目標領域；

在所述目標領域內，獲取所述預訓練模型中預設問句的各語句特征，并對各所述語句特征進行語義分析，以確定所述預設問句對應的各不同意圖；

獲取各所述意圖在預訓練模型中的意圖相似性分，并在各所述意圖相似性分中確定最高意圖相似性分；

獲取所述預訓練模型中的各詞槽，確定各所述詞槽在預訓練模型中的詞槽相似性分，并在各所述詞槽相似性分中確定最高詞槽相似性分，其中，根據所述預訓練模型對預設問句進行分析，以獲取所述預訓練模型中的各詞槽；

獲取所述最高意圖相似性分對應的最終意圖和所述最高詞槽相似性分對應的最終詞槽，并輸出所述最終意圖和所述最終詞槽。

可選地，所述獲取各所述意圖在預訓練模型中的意圖相似性分，并在各所述意圖相似性分中確定最高意圖相似性分的步驟，包括：

獲取所述預訓練模型中的第一狀態向量；

獲取各所述意圖對應的意圖名語義向量，并計算各所述意圖名語義向量和第一狀態向量之間的意圖相似性分；

對各所述意圖相似性分進行比較，以獲取各所述意圖相似性分中的最高意圖相似性分。

可選地，所述獲取各所述意圖對應的意圖名語義向量的步驟，包括：

獲取所述意圖中的各語句信息，并確定各所述語句信息對應的語句語義向量；

獲取各所述語句向量的平均向量值，并將所述平均向量值作為所述意圖名語義向量。

可選地，所述獲取所述預訓練模型中的各詞槽，確定各所述詞槽在預訓練模型中的詞槽相似性分的步驟，包括：

獲取所述預訓練模型中的各詞槽；