[發明專利]語言模型構建方法、裝置及存儲介質

在審

• 申請號: 202010087941.9
• 申請日: 2020-02-12
• 公開（公告）號: CN111415655A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 祖拓;馮大航;陳孝良;常樂
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/183;G10L15/26;G06F40/211
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢少真

本公開揭示了一種語言模型構建方法、裝置及存儲介質，所述方法包括：通過獲取的至少一個句式框架，確定框架模型，其中句式框架中包含至少一個變量元素和至少一個恒量元素，框架模型用來指示句式框架對應的語言模型，然后，根據獲取的變量元素對應的數據，確定變量模型，其中變量模型用來指示變量元素對應的語言模型，最后將框架模型和變量模型進行結合，確定第一語言模型。通過上述方案，服務器可以通過構建框架模型和數據模型，組合得到第一語言模型，從而在保證了語料的全面性的前提下，提高了構建語言模型的效率。

技術領域

本公開涉及人工智能技術領域，特別是涉及一種語言模型構建方法、裝置及存儲介質。

背景技術

如今，隨著人工智能技術日益發展，為了使人工智能中的語音識別技術可以應用于更多的場景，需要存儲大量的語料。

在相關技術中，為了適應特定領域的語音識別，需要構建的語言模型針對性的偏向于特定領域，在實際應用中，用戶在特定領域中表達一個含義的語句可以有多種句式，一個句式可以表示不同的指令，比如，句式可以是“播放某歌手演唱的某歌曲”，其中歌手與歌曲的數量巨大，大量的句式語料需要使用腳本構造句式，從而生成大量的語料。

然而，相關技術中的方案，使用腳本生成固定一個句式的所有情況的語料，這種方案會導致生成的語料過多，生成語料的時間過長，從而導致構建語言模型的效率不高。

發明內容

本公開提供一種語言模型構建方法、裝置及存儲介質。所述技術方案如下：

根據本公開實施例的第一方面，提供了一種語言模型構建方法，其特征在于，所述方法包括：

根據獲取的至少一個句式框架，確定框架模型，所述句式框架中包含至少一個變量元素和至少一個恒量元素，所述框架模型用來指示所述句式框架對應的語言模型；

根據獲取的所述變量元素對應的數據，確定變量模型，所述變量模型用來指示所述變量元素對應的語言模型；

將所述框架模型和所述變量模型進行結合，確定第一語言模型。

可選的，所述根據獲取的至少一個句式框架，確定框架模型，包括：

獲取至少一個所述句式框架，將所述句式框架組合生成語料文本；

根據N-Gram語言模型算法，將所述語料文本對應的所述語言模型確定為所述框架模型；

將所述框架模型轉換成框架模型的有限狀態傳感器FST圖。

可選的，所述獲取至少一個句式框架，生成語料文本，包括：

通過自定義編譯輸入的句式，獲取至少一個所述句式框架；

和\或，

通過接收語音識別的句式，獲取至少一個所述句式框架。

可選的，所述根據獲取的所述變量元素對應的數據，確定變量模型，所述變量模型用來指示所述變量元素對應的語言模型，包括：

獲取所述句式框架中的至少一個所述變量元素中的數據，生成至少一個數據文本；

根據N-Gram語言模型算法，將所述數據文本對應的所述語言模型確定為所述變量模型；

將所述變量模型轉換成變量模型的有限狀態傳感器FST圖。

可選的，所述將所述框架模型和所述變量模型進行結合，確定第一語言模型，包括：

將所述變量模型的FST圖添加在所述框架模型的FST圖中的變量元素的位置，確定所述第一語言模型的有限狀態傳感器FST圖。

根據本公開實施例的第二方面，提供了一種語言模型構建裝置，其特征在于，所述裝置包括：