[发明专利]一种语义理解模型构建方法及装置、语义理解方法及装置

说明书

本申请公开了一种语义理解模型构建方法及装置、语义理解方法及装置，该语义理解模型构建方法包括：在获取到多语语料之后，先根据该多语语料生成训练样本、该训练样本的实际语种和该训练样本的实际语义信息，并将该训练样本输入多语种理解模型，得到该多语种理解模型输出的该训练样本的预测语种和该训练样本的预测语义信息；再根据该训练样本的预测语种、实际语种、预测语义信息及其实际语义信息，更新该多语种理解模型，并继续执行上述将该训练样本输入多语种理解模型的步骤，直至在达到预设停止条件时，根据该多语种理解模型构建语义理解模型，以使该语义理解模型能够对该至少两个语种下的语句进行语义理解。

技术领域

本申请涉及计算机技术领域，尤其涉及一种语义理解模型构建方法及装置、语义理解方法及装置。

背景技术

随着自然语言处理(Natural Language Processing，NLP)技术的发展，语义理解技术成为人机交互过程中的重要技术。

目前，因用户群体的地域分布较广，使得不同用户可能会使用不同语种参与人机交互过程，从而使得该人机交互过程需要针对多个语种的用户语句进行语义理解，如此使得如何实现对多个语种的用户语句进行语义理解成为一个亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提供一种语义理解模型构建方法及装置、语义理解方法及装置，能够实现对至少两个语种的用户语句进行准确地语义理解。

本申请实施例提供了一种语义理解模型构建方法，所述方法包括：

获取多语语料；其中，所述多语语料包括至少两个语种语料；

根据多语语料，生成训练样本、所述训练样本的实际语种和所述训练样本的实际语义信息；

将所述训练样本输入多语种理解模型，得到所述多语种理解模型输出的所述训练样本的预测语种和所述训练样本的预测语义信息；

根据所述训练样本的预测语种、所述训练样本的实际语种、所述训练样本的预测语义信息和所述训练样本的实际语义信息，更新所述多语种理解模型，并继续执行所述将所述训练样本输入多语种理解模型的步骤，直至在达到预设停止条件时，根据所述多语种理解模型构建语义理解模型。

在一种可能的实施方式中，当所述多语种理解模型包括数据输入层、语句编码层、语种识别层和语义理解层时，所述将所述训练样本输入多语种理解模型，得到所述多语种理解模型输出的所述训练样本的预测语种和所述训练样本的预测语义信息，包括：

将所述训练样本输入所述数据输入层，得到所述数据输入层输出的所述训练样本的语句向量；

将所述训练样本的语句向量输入所述语句编码层，得到所述语句编码层输出的所述训练样本的语句编码；

将所述训练样本的语句编码中第一编码输入所述语种识别层，得到所述语种识别层输出的所述训练样本的预测语种；

将所述训练样本的语句编码输入所述语义理解层，得到所述语义理解层输出的所述训练样本的预测语义信息。

在一种可能的实施方式中，当所述数据输入层包括向量化层、句法分析层、结构识别层和数据融合层时，所述将所述训练样本输入所述数据输入层，得到所述数据输入层输出的所述训练样本的语句向量，包括：

将所述训练样本输入所述向量化层，得到所述向量化层输出的所述训练样本的词向量；

将所述训练样本输入所述句法分析层，得到所述句法分析层输出的所述训练样本的结构特征；

将所述训练样本的结构特征输入所述结构识别层，得到所述结构识别层输出的所述训练样本的结构识别结果；

将所述训练样本的词向量和所述训练样本的结构识别结果输入所述数据融合层，得到所述数据融合层输出的所述训练样本的语句向量。