[發明專利]用于語義識別的實體獲取方法、裝置、設備及存儲介質

有效

• 申請號: 202010931247.0
• 申請日: 2020-09-07
• 公開（公告）號: CN112084779B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 朱俊祺
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/35;G06F16/35;G06N3/0464;G06N3/08
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種用于語義識別的實體獲取方法，其特征在于，包括下述步驟：

獲取語句采集裝置發送的用戶當前語句信息；

獲取與所述當前語句信息相對應的機器上輪語句信息；

將所述用戶當前語句信息以及機器上輪語句信息輸入至預訓練模型進行編碼操作，獲取用戶語句向量矩陣以及機器上輪語句向量；

將所述機器上輪語句向量作為條件語義，并基于注意力機制獲取與所述用戶當前語句信息相對應的條件性句子向量；

基于所述條件性句子向量構建殘差網絡，獲取殘差向量；

將所述殘差向量以及所述用戶語句向量矩陣進行拼接操作，獲得目標向量矩陣；

將所述目標向量矩陣輸入至CRF層進行實體識別操作，獲取目標實體數據；

在所述將所述用戶當前語句信息以及機器上輪語句信息輸入至預訓練模型進行編碼操作，獲取用戶語句向量矩陣以及機器上輪語句向量的步驟之后，還包括：

將所述機器上輪語句向量輸入至第一全連接神經網絡進行特征轉換操作，獲得語義特征向量，其中，所述第一全連接神經網絡為雙層全連接神經網絡；

所述將所述機器上輪語句向量作為條件語義，并基于注意力機制獲取與所述用戶當前語句信息相對應的條件性句子向量的步驟，具體包括：

將所述語義特征向量作為條件語義，并基于注意力機制獲取與所述用戶當前語句信息相對應的條件性句子向量；

將語義特征向量輸入至第二全連接神經網絡進行分類預測操作，獲得分類評定向量；

所述基于所述條件性句子向量構建殘差網絡，獲取殘差向量的步驟，具體包括：

基于所述分類評定向量、條件性句子向量以及用戶語句向量矩陣構建殘差網絡，獲取所述殘差向量。

2.根據權利要求1所述的用于語義識別的實體獲取方法，其特征在于，所述將所述機器上輪語句向量作為條件語義，并基于注意力機制獲取與所述用戶當前語句信息相對應的條件性句子向量的步驟，具體包括：

在所述用戶當前語句信息中獲取每個字的相關性權重a_i，所述權重a_i表示為：

其中，q是query向量，相當充當條件向量，約束查找所有跟q相關的信息，對應所述機器上輪語句向量；k_i是key向量，代表用戶語句中每個字的自向量，對應所述用戶語句向量矩陣中的行向量；d_K是規范化因子，用來按行進行歸一化；

基于相關性權重a_i計算所述條件性句子向量E′_u，所述條件性句子向量E′_u表示為：

其中，a_n是第n個字與所述機器上輪語句向量的相關性權重；k_n是第n個子的key向量。

3.根據權利要求1所述的用于語義識別的實體獲取方法，其特征在于，所述基于所述條件性句子向量構建殘差網絡，獲取殘差向量的步驟，具體包括：

將所述機器上輪語句向量、條件性句子向量以及用戶語句向量矩陣中每一行的字向量相加，獲得所述殘差向量。

4.根據權利要求1所述的用于語義識別的實體獲取方法，其特征在于，在將所述用戶當前語句信息以及機器上輪語句信息輸入至預訓練模型進行編碼操作，獲取用戶語句向量矩陣以及機器上輪語句向量的步驟之前，還包括：

獲取所述用戶當前語句信息的類型信息；

判斷所述類型信息是否為文本信息；

若所述類型信息為文本信息，則執行所述將所述機器上輪語句向量作為條件語義，并基于注意力機制獲取與所述用戶當前語句信息相對應的條件性句子向量的步驟；

若所述類型信息不是文本信息，則對所述用戶當前語句信息進行文本轉換操作，獲取輸入文本信息；

所述將所述用戶當前語句信息以及機器上輪語句信息輸入至預訓練模型進行編碼操作，獲取用戶語句向量矩陣以及機器上輪語句向量的步驟，具體包括：

將所述輸入文本信息以及機器上輪語句信息輸入至所述預訓練模型進行編碼操作，獲取所述用戶語句向量矩陣以及所述機器上輪語句向量。