[發(fā)明專利]基于深度學(xué)習(xí)的問詢信息識別方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010804145.2
• 申請日: 2020-08-12
• 公開（公告）號: CN111680501B
• 公開（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 魯夢平;吳漢杰;陳毅臻;戴云峰;田帥;師婷婷
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F16/35
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 李文淵

1.一種基于深度學(xué)習(xí)的問詢信息識別方法，其特征在于，所述方法包括：

獲取待識別問詢信息；所述待識別問詢信息中包含至少一個提問詞；所述提問詞為對待識別問詢信息進(jìn)行分詞處理后的字詞；

獲取所述提問詞的詞向量；

獲取所述詞向量在所述待識別問詢信息中的影響系數(shù)；

根據(jù)所述影響系數(shù)對所述詞向量進(jìn)行加權(quán)整合，得到目標(biāo)詞向量；

從所述待識別問詢信息中提取出用于對有效性識別結(jié)果進(jìn)行評價(jià)的有效性評價(jià)特征；

結(jié)合所述目標(biāo)詞向量和所述有效性評價(jià)特征對所述待識別問詢信息進(jìn)行有效性分類，輸出所述待識別問詢信息的有效性識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述提問詞的詞向量；獲取所述詞向量在所述待識別問詢信息中的影響系數(shù)；根據(jù)所述影響系數(shù)對所述詞向量進(jìn)行加權(quán)整合，得到目標(biāo)詞向量，包括：

將所述待識別問詢信息輸入預(yù)先訓(xùn)練的詞向量處理模型；

所述詞向量處理模型獲取所述詞向量；獲取所述影響系數(shù)；根據(jù)所述影響系數(shù)對所述詞向量進(jìn)行加權(quán)整合，得到所述目標(biāo)詞向量。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述從所述待識別問詢信息中提取出用于對有效性識別結(jié)果進(jìn)行評價(jià)的有效性評價(jià)特征，包括：

將所述待識別問詢信息輸入預(yù)先訓(xùn)練的評價(jià)特征處理模型；

所述評價(jià)特征處理模型從所述待識別問詢信息中提取出所述有效性評價(jià)特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述從所述待識別問詢信息中提取出用于對有效性識別結(jié)果進(jìn)行評價(jià)的有效性評價(jià)特征，還包括：

將所述待識別問詢信息輸入預(yù)先訓(xùn)練的評價(jià)特征處理模型；

所述評價(jià)特征處理模型從所述待識別問詢信息中提取出用于對有效性識別結(jié)果進(jìn)行評價(jià)的初始評價(jià)特征，并通過第一全連接層對所述初始評價(jià)特征進(jìn)行分類，得到所述有效性評價(jià)特征。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述結(jié)合所述目標(biāo)詞向量和所述有效性評價(jià)特征對所述待識別問詢信息進(jìn)行有效性分類，輸出所述待識別問詢信息的有效性識別結(jié)果，包括：

將所述目標(biāo)詞向量和所述有效性評價(jià)特征輸入預(yù)先訓(xùn)練的有效性識別模型；

所述有效性識別模型將所述目標(biāo)詞向量和所述有效性評價(jià)特征進(jìn)行拼接，根據(jù)拼接后的所述目標(biāo)詞向量和所述有效性評價(jià)特征對所述待識別問詢信息進(jìn)行有效性分類，輸出所述待識別問詢信息的有效性識別結(jié)果。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述詞向量處理模型、所述評價(jià)特征處理模型和所述有效性識別模型的訓(xùn)練，包括以下步驟：

從預(yù)先構(gòu)建的問詢信息樣本庫中獲取預(yù)先標(biāo)記的問詢信息正樣本和問詢信息負(fù)樣本；

將所述問詢信息正樣本以及所述問詢信息負(fù)樣本輸入到詞向量處理模型中得到詞向量處理結(jié)果；

將所述問詢信息正樣本以及所述問詢信息負(fù)樣本輸入到評價(jià)特征處理模型中，得到特征處理結(jié)果；

將所述詞向量處理結(jié)果和所述特征處理結(jié)果輸入到有效性識別模型中；

按照反向傳播算法迭代調(diào)整所述詞向量處理模型、所述評價(jià)特征處理模型和所述有效性識別模型的網(wǎng)絡(luò)參數(shù)；

根據(jù)迭代調(diào)整后的網(wǎng)絡(luò)參數(shù)分別得到已訓(xùn)練的所述詞向量處理模型、已訓(xùn)練的所述評價(jià)特征處理模型和已訓(xùn)練的所述有效性識別模型。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，所述獲取所述詞向量在所述待識別問詢信息中的影響系數(shù)；根據(jù)所述影響系數(shù)對所述詞向量進(jìn)行加權(quán)整合，得到目標(biāo)詞向量，包括：

通過注意力網(wǎng)絡(luò)識別所述詞向量中的關(guān)鍵特征詞向量和非關(guān)鍵特征詞向量，根據(jù)所述關(guān)鍵特征詞向量和所述非關(guān)鍵特征詞向量在所述待識別問詢信息中的有效性評價(jià)權(quán)重得到所述影響系數(shù)，根據(jù)所述影響系數(shù)對所述詞向量進(jìn)行加權(quán)整合，得到所述目標(biāo)詞向量。