[发明专利]意图识别模型训练方法、装置及电子设备有效
申请号: | 201911368294.2 | 申请日: | 2019-12-26 |
公开(公告)号: | CN111143561B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 张红阳;韩磊;孙叔琦;孙珂;李婷婷 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F16/36;G06F40/30;G06F40/295;G06N3/044;G06N3/08 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 戎郑华 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 意图 识别 模型 训练 方法 装置 电子设备 | ||
1.一种意图识别模型训练方法,其特征在于,包括:
对训练样本集中每个样本的意图及槽位进行统计,确定各意图对应的槽位特征;
根据每个样本与各意图对应的槽位特征的匹配度,确定每个样本的第一意图向量;
利用第一预设的编码器,对每个样本对应的分词向量、词性向量及实体向量进行编码处理,确定每个样本对应的第二意图向量;
利用预设的解码器,对每个样本对应的第一意图向量及第二意图向量进行解码处理,确定每个样本对应的预测意图;
根据每个样本对应的预测意图与标注意图的差异,对所述第一预设的编码器及所述预设的解码器进行更新。
2.如权利要求1所述的方法,其特征在于,所述各意图对应的槽位特征,包括:意图对应的必要槽位及最小槽位覆盖比,其中,每个意图对应的必要槽位为该意图对应的每个样本均包含的槽位,槽位覆盖比,为样本中槽位部分长度占样本总长度的比例,最小槽位覆盖比,为意图对应的样本集中的最小槽位覆盖比;
所述根据每个样本与各意图对应的槽位特征的匹配度,确定每个样本的第一意图向量,包括:
根据每个样本与各意图对应的必要槽位的匹配关系,确定每个样本对应的候选意图;
根据每个样本的槽位覆盖比,与对应的各候选意图的最小槽位覆盖比间的关系,确定每个样本的第一意图向量。
3.如权利要求2所述的方法,其特征在于,所述根据每个样本的槽位覆盖比,与对应的各候选意图的最小槽位覆盖比间的关系,确定每个样本的第一意图向量,包括:
若样本的槽位覆盖比,大于或等于第一候选意图的最小槽位覆盖比,则确定该样本的第一意图向量中与所述第一候选意图对应的元素取第一预设值;
若样本的槽位覆盖比,小于第二候选意图的最小槽位覆盖比,则确定该样本的第一意图向量中与所述第二候选意图对应的元素取第二预设值。
4.如权利要求1所述的方法,其特征在于,所述确定每个样本的第一意图向量之后,还包括:
利用第二预设的编码器,对每个样本对应的第一意图向量进行编码处理,确定每个样本对应的第三意图向量;
所述确定每个样本对应的预测意图,包括:
利用所述预设的编码器,对每个样本对应的第二意图向量及第三意图向量进行解码处理,确定每个样本对应的预测意图;
所述确定每个样本对应的预测意图之后,还包括:
根据每个样本对应的预测意图与标注意图的差异,对所述第二预设的编码器进行更新。
5.如权利要求1-4任一所述的方法,其特征在于,所述对每个样本对应的分词向量、词性向量及实体向量进行编码处理之前,还包括:
将所述每个样本对应的分词向量、词性向量及实体向量进行拼接,生成每个样本对应的特征向量;
所述确定每个样本对应的第二意图向量,包括:
利用第一预设的编码器,对每个样本对应的特征向量进行编码处理,确定每个样本对应的第二意图向量。
6.如权利要求1-4任一所述的方法,其特征在于,所述对每个样本对应的第一意图向量及第二意图向量进行解码处理之前,还包括:
分别计算所述第一意图向量中每个元素与所述第二意图向量中对应元素的和,生成所述预设的解码器待处理的意图向量。
7.如权利要求1-4任一所述的方法,其特征在于,还包括:
利用训练样本集中每个样本包含的所有槽位,对预设的槽位词典进行增补,生成槽位词典;
在获取到待识别的语句时,根据所述待识别语句中的各分词分别与所述槽位词典中各槽位的匹配关系,确定所述待识别语句中包含的各槽位。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911368294.2/1.html,转载请声明来源钻瓜专利网。