[發明專利]模型訓練方法、語音對話檢測方法及相關設備

有效

• 申請號: 202011336181.7
• 申請日: 2020-11-25
• 公開（公告）號: CN112464661B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 席澤西;王洪斌;蔣寧;吳海英
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/151;G06F40/30;G06K9/62;G06F16/35
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種對話文本檢測模型訓練方法，其特征在于，包括：

獲取待訓練的第一對話文本中與預設的詞庫匹配的目標文本，所述目標文本包括與所述詞庫匹配的敏感詞；

將所述目標文本進行分詞處理，獲得多個第一分詞，所述多個第一分詞包括與所述敏感詞相對應的目標分詞；

按照所述第一對話文本對應的通話順序將所述多個第一分詞轉換為第一文本向量；

利用所述第一文本向量對待訓練對話文本檢測模型進行訓練，獲得對話文本檢測模型；

其中，所述第一文本向量包括第一內容向量、第一位置向量、第一標簽向量和第一語義向量，所述第一語義向量用于表示所述目標文本語義信息；

其中，在通話對象變化的相鄰兩個第一內容向量之間設置分隔向量；

其中，所述第一內容向量用于表示所述目標文本中每一個第一分詞的文本內容，所述第一位置向量用于表示所述第一分詞位置信息，所述第一標簽向量用于表示所述第一分詞所屬的通話對象，其中，所述第一內容向量包括目標分詞對應的內容向量，所述目標分詞對應的內容向量包括所述目標分詞和掩碼融合的向量。

2.根據權利要求1所述的方法，其特征在于，所述待訓練對話文本檢測模型包括編碼模型、第一分類網絡和第二分類網絡，所述利用所述第一文本向量對待訓練對話文本檢測模型進行訓練，獲得對話文本檢測模型包括：

將所述第一文本向量輸入至所述待訓練對話文本檢測模型，進行迭代訓練；

利用損失函數對所述待訓練對話文本檢測模型輸出的結果進行檢測，確定損失值；

若所述損失值的變化小于預設值，則將當前訓練的待訓練對話文本檢測模型確定為所述對話文本檢測模型；

所述將所述第一文本向量輸入至所述待訓練對話文本檢測模型，進行迭代訓練包括：

將所述第一文本向量輸入至編碼模型，進行迭代訓練；

在第L次迭代訓練的過程中，對所述第一文本向量進行編碼，獲得所述敏感詞對應的編碼向量以及所述目標文本的序列向量，并將所述編碼向量輸入至所述第一分類網絡獲得所述敏感詞的分類結果，將所述序列向量輸入至所述第二分類網絡獲得所述目標文本是否違規的分類結果，其中，L為正整數。

3.根據權利要求2所述的方法，其特征在于，所述第二分類網絡的輸入還包括與所述目標文本相關聯的目標特征向量，所述第二分類網絡用于將所述序列向量與所述目標特征向量拼接后，根據拼接后的向量確定所述目標文本是否違規的分類結果。

4.根據權利要求3所述的方法，其特征在于，所述目標特征向量包括以下至少一項特征信息表示的特征向量：所述目標分詞對應的通話對象的語速，所述目標分詞對應的通話對象的情緒值，所述第一對話文本對應的通話長度，預設的用戶名稱與所述詞庫的匹配度，通話對象的類型，主動終止通話的通話對象，承諾還款狀態。

5.根據權利要求2所述的方法，其特征在于，所述獲取待訓練的第一對話文本中與預設的詞庫匹配的目標文本的步驟之前，所述方法還包括：

將待訓練的第二對話文本進行分詞處理，獲得多個第二分詞；

按照所述第二對話文本對應的通話順序將所述多個第二分詞轉換為第二文本向量；

利用所述第二文本向量對待訓練編碼模型進行預訓練，獲得所述編碼模型；

其中，所述第二文本向量包括第二內容向量、第二位置向量、第二標簽向量和第二語義向量。

6.根據權利要求5所述的方法，其特征在于，所述第二內容向量用于表示每一個所述第二分詞的文本內容，所述第二位置向量用于表示所述第二分詞位置信息，所述第二標簽向量用于表示所述第二分詞所屬的通話對象的標簽向量，所述第二語義向量用于表示所述第二對話文本語義信息，其中，所述第二內容向量包括N個第二分詞對應的內容向量，所述N個第二分詞對應的內容向量為通過掩碼處理后的內容向量，所述N個第二分詞為所述多個第二分詞中的部分分詞，N為正整數。