[發(fā)明專利]文本語(yǔ)義識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110218904.1
• 申請(qǐng)日: 2021-02-26
• 公開(kāi)（公告）號(hào): CN112949317B
• 公開(kāi)（公告）日: 2022-10-11
• 發(fā)明（設(shè)計(jì)）人: 沈越
• 申請(qǐng)（專利權(quán)）人: 平安普惠企業(yè)管理有限公司
• 主分類號(hào): G06F40/30
• 分類號(hào): G06F40/30;G06F40/211;G06F40/117;G06K9/62
• 代理公司: 深圳市世聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

本申請(qǐng)實(shí)施例屬于人工智能領(lǐng)域，涉及一種文本語(yǔ)義識(shí)別方法，包括輸入檢測(cè)文本至預(yù)設(shè)基礎(chǔ)模型，經(jīng)過(guò)預(yù)設(shè)基礎(chǔ)模型的編碼層輸出得到檢測(cè)文本的第一句向量；輸入第一句向量至預(yù)設(shè)基礎(chǔ)模型的準(zhǔn)入門(mén)，根據(jù)準(zhǔn)入門(mén)輸出得到檢測(cè)文本的第二句向量；獲取檢測(cè)文本的干擾特征向量，根據(jù)干擾特征向量對(duì)第二句向量進(jìn)行篩選，得到第三句向量；獲取第三句向量的匹配意圖，并將第三句向量輸入預(yù)設(shè)基礎(chǔ)模型中的確定門(mén)中，根據(jù)確定門(mén)選取匹配意圖中的命中意圖，確定命中意圖為檢測(cè)文本的文本意圖。本申請(qǐng)還提供一種文本語(yǔ)義識(shí)別裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。此外，本申請(qǐng)還涉及區(qū)塊鏈技術(shù)，所述文本意圖可存儲(chǔ)于區(qū)塊鏈中。本申請(qǐng)?zhí)岣吡宋谋菊Z(yǔ)義識(shí)別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，尤其涉及文本語(yǔ)義識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

當(dāng)前，現(xiàn)有的語(yǔ)義智能識(shí)別模型通常采用大量人工標(biāo)注數(shù)據(jù)，然后通過(guò)標(biāo)注數(shù)據(jù)訓(xùn)練得到。該語(yǔ)義識(shí)別模型的數(shù)據(jù)標(biāo)注耗時(shí)較長(zhǎng)，人工時(shí)間成本高，時(shí)效性差。傳統(tǒng)的模型較往往不能實(shí)現(xiàn)定制化開(kāi)發(fā)和修改，內(nèi)部的參數(shù)一旦訓(xùn)練完成則不可改變。當(dāng)生產(chǎn)中發(fā)現(xiàn)語(yǔ)義識(shí)別模型準(zhǔn)確率較低，需要對(duì)模型進(jìn)行及時(shí)修改時(shí)，則無(wú)法提前根據(jù)備選的選方案對(duì)模型進(jìn)行調(diào)整。對(duì)語(yǔ)義識(shí)別模型的修復(fù)往往也只能通過(guò)在其外層添加正則進(jìn)行修復(fù)，但無(wú)法確認(rèn)正則邏輯和模型是否有沖突，難以保證正則的邏輯性，覆蓋性和準(zhǔn)確性。最終導(dǎo)致，語(yǔ)義識(shí)別模型在對(duì)語(yǔ)義進(jìn)行識(shí)別時(shí)準(zhǔn)確率低下的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的在于提出一種文本語(yǔ)義識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以解決文本語(yǔ)義識(shí)別準(zhǔn)確率低下的技術(shù)問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本申請(qǐng)實(shí)施例提供一種文本語(yǔ)義識(shí)別方法，采用了如下所述的技術(shù)方案：

輸入檢測(cè)文本至預(yù)設(shè)基礎(chǔ)模型，經(jīng)過(guò)所述預(yù)設(shè)基礎(chǔ)模型的編碼層輸出得到所述檢測(cè)文本的第一句向量；

輸入所述第一句向量至所述預(yù)設(shè)基礎(chǔ)模型的準(zhǔn)入門(mén)，根據(jù)所述準(zhǔn)入門(mén)輸出得到所述檢測(cè)文本的第二句向量；

獲取所述檢測(cè)文本的干擾特征向量，根據(jù)所述干擾特征向量對(duì)所述第二句向量進(jìn)行篩選，得到第三句向量；

獲取所述第三句向量的匹配意圖，并將所述第三句向量輸入所述預(yù)設(shè)基礎(chǔ)模型中的確定門(mén)中，根據(jù)所述確定門(mén)選取所述匹配意圖中的命中意圖，確定所述命中意圖為所述檢測(cè)文本的文本意圖。

進(jìn)一步的，所述輸入檢測(cè)文本至預(yù)設(shè)基礎(chǔ)模型，經(jīng)過(guò)所述預(yù)設(shè)基礎(chǔ)模型的編碼層輸出得到所述檢測(cè)文本的第一句向量的步驟具體包括：

輸入所述檢測(cè)文本至所述預(yù)設(shè)基礎(chǔ)模型的編碼層，基于所述編碼層對(duì)所述檢測(cè)文本進(jìn)行位置編碼、分類編碼和嵌入編碼，得到所述檢測(cè)文本的第一句向量。

進(jìn)一步的，所述獲取所述檢測(cè)文本的干擾特征向量的步驟具體包括：

獲取預(yù)設(shè)的標(biāo)準(zhǔn)文本，根據(jù)預(yù)設(shè)匹配算法計(jì)算所述檢測(cè)文本和所述標(biāo)準(zhǔn)文本的文本相似度；

在所述文本相似度大于等于預(yù)設(shè)文本相似閾值時(shí)，確定所述檢測(cè)文本和所述標(biāo)準(zhǔn)文本匹配成功，獲取所述標(biāo)準(zhǔn)文本的標(biāo)記文本向量，并將所述標(biāo)記文本向量作為所述檢測(cè)文本的干擾特征向量。

進(jìn)一步的，所述獲取所述標(biāo)準(zhǔn)文本的標(biāo)記文本向量的步驟具體包括：

預(yù)先采集多個(gè)所述標(biāo)準(zhǔn)文本，根據(jù)所述預(yù)設(shè)基礎(chǔ)模型對(duì)每個(gè)所述標(biāo)準(zhǔn)文本進(jìn)行意圖識(shí)別，得到預(yù)測(cè)識(shí)別結(jié)果；

獲取所述標(biāo)準(zhǔn)文本的真實(shí)識(shí)別結(jié)果，根據(jù)所述預(yù)測(cè)識(shí)別結(jié)果和所述真實(shí)識(shí)別結(jié)果，確定所述標(biāo)準(zhǔn)文本的標(biāo)記文本向量。

進(jìn)一步的，所述根據(jù)所述預(yù)測(cè)識(shí)別結(jié)果和所述真實(shí)識(shí)別結(jié)果，確定所述標(biāo)準(zhǔn)文本的標(biāo)記文本向量的步驟具體包括：