[發明專利]基于弱監督學習的信息識別方法及相關設備

在審

• 申請號: 202011481937.7
• 申請日: 2020-12-15
• 公開（公告）號: CN112507095A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 謝攀
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/279;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 遲珊珊

本發明涉及人工智能技術領域，提供一種基于弱監督學習的信息識別方法，包括：獲取政務場景中的多個常見問題解答FAQ數據，并基于多個FAQ數據，構建第一標簽數據集；使用第一卷積神經網絡CNN，對第一標簽數據集進行多標簽文本分類，獲得多標簽CNN模型；獲取多個第二標簽數據集，并使用多個第二標簽數據集對多標簽CNN模型進行調整，獲得最終多標簽分類器；接收輸入的用戶問題；將用戶問題輸入至最終多標簽分類器中，獲得與用戶問題匹配的多個政務實體；輸出多個政務實體。本發明還涉及區塊鏈技術，可以將多個政務實體上傳至區塊鏈上。本發明能應用在智慧政務、智慧社區等需要進行信息識別的領域，從而推動智慧城市的發展。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于弱監督學習的信息識別方法及相關設備。

背景技術

目前，在政務場景中，經常會遇到各種各樣的咨詢問題，需要提供答案，政務問答機器人在問答方面起著很關鍵的作用。政務問答機器人可以協助政府人員解答用戶的咨詢問題，咨詢問題通常對應著相關的政務實體，例如：個體工商戶信息注冊、居住證辦理、農藥廣告審批、知識產權維權資助、種禽生產經營許可證核發等。

然而，實際中發現，政務實體一般都比較專業化，而不同的用戶又有不同的口語化叫法；另外，政務實體信息隱含在用戶表達的咨詢問題中，很難準確提取政務實體，這使得用戶的體驗較差。

因此，如何在政務場景中，對政務實體進行有效識別是一個亟待解決的技術問題。

發明內容

鑒于以上內容，有必要提供一種基于弱監督學習的信息識別方法及相關設備，能夠在政務場景中，對政務實體進行有效識別。

本發明的第一方面提供一種基于弱監督學習的信息識別方法，所述基于弱監督學習的信息識別方法包括：

獲取政務場景中的多個常見問題解答FAQ數據，并基于多個所述FAQ數據，構建第一標簽數據集；

使用第一卷積神經網絡CNN，對所述第一標簽數據集進行多標簽文本分類，獲得多標簽CNN模型，其中，所述第一CNN中的全鏈接層對應N個激活函數，所述N與輸出的標簽序列的維數相同，所述多標簽CNN模型為弱監督的模型；

獲取多個第二標簽數據集，并使用所述多個第二標簽數據集對所述多標簽CNN模型進行調整，獲得最終多標簽分類器；

接收輸入的用戶問題；

將所述用戶問題輸入至所述最終多標簽分類器中，獲得與所述用戶問題匹配的多個政務實體；

輸出所述多個政務實體。

在一種可能的實現方式中，所述基于多個所述FAQ數據，構建第一標簽數據集包括：

通過漢語語言模型Ngram，掃描多個所述FAQ數據中的答案數據；

根據詞向量模型，將所述答案數據轉換成第一向量，以及根據所述詞向量模型，將政務實體庫中的政務實體轉換成第二向量；

將所述第一向量與所述第二向量進行余弦相似度計算，獲得相似度分值；

將所述相似度分值大于預設閾值的政務實體確定為所述FAQ數據匹配的標簽；

根據每個所述FAQ數據以及所述FAQ數據匹配的標簽，構建第一標簽數據集。

在一種可能的實現方式中，所述第一標簽數據集中，每個問題對應一個標簽列表，所述標簽列表中的每個標簽對應一個政務實體，所述標簽列表中，與所述問題匹配的政務實體的標簽被設置為第一標識，與所述問題不匹配的政務實體的標簽被設置為第二標識。

在一種可能的實現方式中，所述使用第一卷積神經網絡CNN，對所述第一標簽數據集進行多標簽文本分類，獲得多標簽CNN模型包括：