[發(fā)明專(zhuān)利]一種5G移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110654901.2
• 申請(qǐng)日: 2021-06-11
• 公開(kāi)（公告）號(hào): CN113255342B
• 公開(kāi)（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 杜俊笙;段亮;李忠斌;岳昆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 云南大學(xué)
• 主分類(lèi)號(hào): G06F40/279
• 分類(lèi)號(hào): G06F40/279;G06F40/242;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 王愛(ài)濤

1.一種5G移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)識(shí)別方法，其特征在于，包括：

S101：獲取5G套餐辦理類(lèi)的通話文本；所述通話文本包括：通話內(nèi)容、通話流水號(hào)以及文本類(lèi)型；

S102：對(duì)所述通話內(nèi)容進(jìn)行預(yù)處理，構(gòu)建單元化數(shù)據(jù)集；所述預(yù)處理包括：刪除標(biāo)記號(hào)以及數(shù)據(jù)分割；

S103：獲取標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集；并對(duì)標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集進(jìn)行口語(yǔ)化處理，構(gòu)建最簡(jiǎn)移動(dòng)業(yè)務(wù)產(chǎn)品集合；所述標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集為基于移動(dòng)官方標(biāo)準(zhǔn)制定名稱(chēng)；

S104：根據(jù)所述最簡(jiǎn)移動(dòng)業(yè)務(wù)產(chǎn)品集合確定過(guò)濾閾值；根據(jù)所述標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集確定單元切割閾值；該步驟具體包括：根據(jù)所述最簡(jiǎn)移動(dòng)業(yè)務(wù)產(chǎn)品集合確定所有元素的最小長(zhǎng)度；根據(jù)所述最小長(zhǎng)度確定所述過(guò)濾閾值；根據(jù)標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集確定所有元素的最大長(zhǎng)度；根據(jù)所述最大長(zhǎng)度確定所述單元切割閾值，具體為：以α作為過(guò)濾閾值，β作為單元切割閾值，Q＝{。,？，！，……，，}作為單元切割符號(hào)集，基于最簡(jiǎn)移動(dòng)業(yè)務(wù)產(chǎn)品集合M和標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集Y初始化α、β，計(jì)算得到M中所有元素的最小長(zhǎng)度為l₁、Y中所有元素的最大長(zhǎng)度為l₂，令α為2l₁，β為2l₂，其中α＞0,β＞0,α＜β；對(duì)所述單元化數(shù)據(jù)集進(jìn)行抽樣，并利用抽樣后的數(shù)據(jù)集對(duì)所述過(guò)濾閾值以及所述單元切割閾值進(jìn)行校驗(yàn)和固定，具體為：在S'＝{S₁',S₂',S₃'...}中，定義：條件一：len(S_i')≤α；條件二：len(S_i')＞β；使得滿足條件一的S_i'不包含M中元素；滿足條件二的S_i'完成切割后，各部分長(zhǎng)度都小于β，抽樣校驗(yàn)步驟如下：(1)從1到n生成0.1*n個(gè)元素的隨機(jī)數(shù)集合ξ，其中n由S'單元總數(shù)決定，并設(shè)置遞增操作和遞減操作的變化量為1；(2)讀取S'中第i單元的數(shù)據(jù)為變量x_i，x_i長(zhǎng)度為變量l_i，其中i∈ξ,1≤i≤n；(3)l_i與α，β判斷：若l_i＞β，則x_i基于符號(hào)集Q切割，切割結(jié)果記錄為變量其長(zhǎng)度為變量若則β遞增，執(zhí)行步驟(1)；若且包含M中元素，則α遞減，執(zhí)行步驟(1)；若l_i≤α，且x_i包含M中元素，則α遞減，返回執(zhí)行步驟(1)；本步驟完成后，若α＞0，輸出α、β并執(zhí)行步驟S105；否則跳過(guò)S105，并使得S”＝S'，其中，S”為處理后的數(shù)據(jù)集；

S105：利用所述過(guò)濾閾值、所述單元切割閾值對(duì)所述單元化數(shù)據(jù)集進(jìn)行過(guò)濾以及切割，確定處理后的數(shù)據(jù)集，具體為：獲取所述單元化數(shù)據(jù)集中第i單元的數(shù)據(jù)變量以及對(duì)應(yīng)的變量長(zhǎng)度；

判斷所述第i單元的數(shù)據(jù)變量的變量長(zhǎng)度與所述過(guò)濾閾值、所述單元切割閾值的大小關(guān)系，得到判斷結(jié)果；

若所述判斷結(jié)果為所述變量長(zhǎng)度大于所述單元切割閾值，則基于符號(hào)集對(duì)所述第i單元的數(shù)據(jù)變量進(jìn)行切割，確定切割后的數(shù)據(jù)變量以及切割后的變量長(zhǎng)度；

若所述切割后的變量長(zhǎng)度大于等于所述過(guò)濾閾值且小于等于所述單元切割閾值，則將切割后的數(shù)據(jù)變量加入處理后的數(shù)據(jù)集中；

若所述判斷結(jié)果為所述變量長(zhǎng)度大于等于所述過(guò)濾閾值且小于等于所述單元切割閾值，則將數(shù)據(jù)變量加入處理后的數(shù)據(jù)集中；

若所述判斷結(jié)果為所述變量長(zhǎng)度小于所述過(guò)濾閾值，則判斷第i+1單元的數(shù)據(jù)變量；直至歷遍所述單元化數(shù)據(jù)集中所有的數(shù)據(jù)變量；

S106：對(duì)所述處理后的數(shù)據(jù)集進(jìn)行標(biāo)注，并隨機(jī)抽樣，進(jìn)而根據(jù)隨機(jī)抽樣的數(shù)據(jù)集確定訓(xùn)練集和測(cè)試集；

S107：利用所述訓(xùn)練集訓(xùn)練由雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型與條件隨機(jī)場(chǎng)模型組成的雙向LSTM+CRF模型；

S108：根據(jù)所述處理后的數(shù)據(jù)集，利用訓(xùn)練后的雙向LSTM+CRF模型，確定移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)識(shí)別結(jié)果集；并根據(jù)所述移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)識(shí)別結(jié)果集構(gòu)建移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)字典；所述構(gòu)建移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)字典的字典鍵為標(biāo)準(zhǔn)移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)集中的元素，字典值為移動(dòng)業(yè)務(wù)產(chǎn)品名稱(chēng)識(shí)別結(jié)果集。