[发明专利]语句分析处理方法、装置、设备以及计算机可读存储介质

说明书

本发明公开了一种语句分析处理方法及装置、设备和存储介质，该方法包括：获取源领域大样本数据集上的预训练模型，并将预训练模型迁移学习到目标领域；在目标领域内，获取预训练模型中预设问句的各语句特征，并对各语句特征进行语义分析，以确定预设问句对应的各不同意图；获取各意图在预训练模型中的意图相似性分，并在各意图相似性分中确定最高意图相似性分；获取预训练模型中的各词槽，确定各词槽在预训练模型中的词槽相似性分，并在各词槽相似性分中确定最高词槽相似性分；获取并输出最高意图相似性分对应的最终意图和最高词槽相似性分对应的最终词槽。达到了模型迁移到新领域也能快速学习并执行口语理解任务的技术效果。

技术领域

本发明涉及迁移学习技术领域，尤其涉及一种语句分析处理方法、装置、设备以及计算机可读存储介质。

背景技术

人工智能对话机器人中的口语理解模型能够起到帮助机器人理解用户意图的关键性作用。随着人工智能对话机器人被广泛的使用，比如亚马逊的Alexa，微软的小冰机器人以及苹果的siri。机器人的口语理解能力显得尤为重要，不仅需要能够理解用户的常见需求场景，还需要不断的扩展机器人的理解能力到新的用户需求场景。对于新的用户需求场景的支持一般需要收集和标注数据，而目前采用的技术方案一般是规则匹配或者是增加训练数据。这个过程既耗时又耗钱，而且需要专业的标注团队。因此，在某个有大量数据的场景下学习了口语理解模型之后，对于新的场景领域，因为只有少量的样本或者零样本而不能快速学习并执行口语理解任务成为目前亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种语句分析处理方法、装置、设备以及计算机可读存储介质，旨在解决模型迁移到新领域后，因为只有少量的样本或者零样本而不能快速学习并执行口语理解任务的技术问题。

为实现上述目的，本发明提供一种语句分析处理方法，所述语句分析处理方法包括以下步骤：

获取源领域大样本数据集上的预训练模型，并将所述预训练模型迁移学习到目标领域；

在所述目标领域内，获取所述预训练模型中预设问句的各语句特征，并对各所述语句特征进行语义分析，以确定所述预设问句对应的各不同意图；

获取各所述意图在预训练模型中的意图相似性分，并在各所述意图相似性分中确定最高意图相似性分；

获取所述预训练模型中的各词槽，确定各所述词槽在预训练模型中的词槽相似性分，并在各所述词槽相似性分中确定最高词槽相似性分，其中，根据所述预训练模型对预设问句进行分析，以获取所述预训练模型中的各词槽；

获取所述最高意图相似性分对应的最终意图和所述最高词槽相似性分对应的最终词槽，并输出所述最终意图和所述最终词槽。

可选地，所述获取各所述意图在预训练模型中的意图相似性分，并在各所述意图相似性分中确定最高意图相似性分的步骤，包括：

获取所述预训练模型中的第一状态向量；

获取各所述意图对应的意图名语义向量，并计算各所述意图名语义向量和第一状态向量之间的意图相似性分；

对各所述意图相似性分进行比较，以获取各所述意图相似性分中的最高意图相似性分。

可选地，所述获取各所述意图对应的意图名语义向量的步骤，包括：

获取所述意图中的各语句信息，并确定各所述语句信息对应的语句语义向量；

获取各所述语句向量的平均向量值，并将所述平均向量值作为所述意图名语义向量。

可选地，所述获取所述预训练模型中的各词槽，确定各所述词槽在预训练模型中的词槽相似性分的步骤，包括：

获取所述预训练模型中的各词槽；