[发明专利]基于任务型对话系统的语义理解方法、装置、设备及介质

权利要求书

1.一种基于任务型对话系统的语义理解方法，其特征在于，包括：

获取待处理的文本信息；

确定所述文本信息中与每个字符对应的一维向量；

将每个字符对应的一维向量输入特征提取模块，通过所述特征提取模块提取与所述文本信息对应的特征向量；所述特征向量包括稀疏矩阵特征向量和稠密矩阵特征向量；

将所述特征向量输入语义理解模块，通过所述语义理解模块获得与所述文本信息对应的语义理解结果；其中，所述语义理解模块为联合意图分类及实体分类的语义理解模块。

2.根据权利要求1所述的语义理解方法，其特征在于，所述将每个字符对应的一维向量输入特征提取模块，通过所述特征提取模块提取与所述文本信息对应的特征向量，包括：

将每个字符对应的一维向量输入稀疏矩阵提取模块，获得与所述文本信息对应的稀疏矩阵特征向量；

将每个字符对应的一维向量输入稠密矩阵提取模块，获得与所述文本信息对应的稠密矩阵特征向量；

将所述稀疏矩阵特征向量与所述稠密矩阵特征向量拼接，获得与所述文本信息对应的特征向量。

3.根据权利要求2所述的语义理解方法，其特征在于，所述将每个字符对应的一维向量输入稀疏矩阵提取模块，获得与所述文本信息对应的稀疏矩阵特征向量，包括：

将每个字符对应的一维向量输入n-gram语言模型，获取n-gram特征；

将所述n-gram特征进行one-hot编码获得与所述文本信息对应的稀疏矩阵特征向量。

4.根据权利要求2所述的语义理解方法，其特征在于，所述将每个字符对应的一维向量输入稠密矩阵提取模块，获得与所述文本信息对应的稠密矩阵特征向量，包括：

将每个字符对应的一维向量输入预训练模型，获得与所述文本信息对应的稠密矩阵特征向量。

5.根据权利要求1所述的语义理解方法，其特征在于，所述语义理解模块的训练过程包括：

确定训练数据；

对所述训练数据进行意图标注和实体标注，得到意图标签和实体标签；

确定所述训练数据中与每个字符对应的一维向量，并输入所述特征提取模块，获得训练特征向量；

将所述意图标签、所述实体标签和所述训练特征向量输入初始语义理解模块，对初始语义理解模块进行训练得到所述语义理解模块。

6.根据权利要求5所述的语义理解方法，其特征在于，对所述初始语义理解模块进行训练的过程中，还包括：

计算意图分类损失和实体识别损失；

利用所述意图分类损失和实体识别损失确定整体识别损失；

在对所述初始语义理解模块训练的过程，通过所述整体识别损失对所述初始语义理解模块的参数进行调整。

7.根据权利要求1至6中任意一项所述的语义理解方法，其特征在于，所述将所述特征向量输入语义理解模块，通过所述语义理解模块获得与所述文本信息对应的语义理解结果，包括：

通过Transformer模型对所述特征向量处理，并将处理结果输入CRF模型，得到与所述文本信息对应的语义理解结果。

8.一种基于任务型对话系统的语义理解装置，其特征在于，包括：

文本获取模块，用于获取待处理的文本信息；

向量确定模块，用于确定所述文本信息中与每个字符对应的一维向量；

向量输入模块，用于将每个字符对应的一维向量输入特征提取模块；

特征提取模块，用于提取与所述文本信息对应的特征向量；所述特征向量包括稀疏矩阵特征向量和稠密矩阵特征向量；

特征输入模块，用于将所述特征向量输入语义理解模块；

语义理解模块，用于通过所述特征向量获得与所述文本信息对应的语义理解结果；所述语义理解模块为联合意图分类及实体分类的语义理解模块。

9.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的基于任务型对话系统的语义理解方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于任务型对话系统的语义理解方法的步骤。