[发明专利]行业动作识别方法、装置、电子设备及存储介质在审

专利信息
申请号: 202110626287.9 申请日: 2021-06-04
公开(公告)号: CN113377904A 公开(公告)日: 2021-09-10
发明(设计)人: 苑浩;赵志新;庞敏辉 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06F16/33 分类号: G06F16/33;G06F16/332;G06F16/35;G06F40/289;G06K9/62;G06N3/04;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: 王萌
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: 行业 动作 识别 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种行业动作识别方法,包括:

获取输入文本;

从所述输入文本之中提取关键词;

根据所述关键词确定目标行业动作识别模型;以及

根据所述目标行业动作识别模型对所述输入文本进行行业动作识别,以确定所述输入文本中的行业动作,其中,所述行业动作为依赖行业的描述意图的动作词。

2.根据权利要求1所述的方法,其中,所述从所述输入文本之中提取关键词,包括:

对所述输入文本进行分词以生成多个词;

按照预设规则对所述多个词进行提取以得到所述关键词。

3.根据权利要求1所述的方法,其中,根据所述关键词确定目标行业动作识别模型,包括:

以所述关键词为索引从预设数据库之中进行查询,以生成查询结果;

根据所述查询结果确定所述目标行业动作识别模型。

4.根据权利要求1所述的方法,其中,根据所述关键词确定目标行业动作识别模型,包括:

基于所述关键词确定目标行业类别;

基于所述目标行业类别确定所述目标行业动作识别模型。

5.根据权利要求4所述的方法,其中,所述基于所述目标行业类别确定所述目标行业动作识别模型,包括:

在预设数据库中查找所述目标行业类别;

在所述预设数据库中不存在所述目标行业类别的情况下,查找所述预设数据库中与所述目标行业类别相关的第一行业类别,并确定所述第一行业类别对应的行业动作识别模型为所述目标行业动作识别模型;和/或

在所述预设数据库中不存在所述目标行业类别的情况下,输出提醒消息。

6.根据权利要求1所述的方法,其中,所述目标行业动作识别模型通过以下方式生成:

获取样本文本,其中,所述样本文本中包含标定的行业动作;

将所述样本文本输入预设行业动作识别模型以生成预测的行业动作;

根据所述预测的行业动作和所述标定的行业动作生成损失值,并根据所述损失值对所述预设行业动作识别模型进行训练,以得到所述目标行业动作识别模型。

7.根据权利要求1所述的方法,还包括:

若所述输入文本中的行业动作的识别概率小于识别概率阈值,则对所述输入文本进行标注以生成新样本文本;

当所述新样本文本的数量达到样本累计阈值时,根据所述新样本文本对所述目标行业动作识别模型进行加强训练。

8.一种模型的训练方法,包括:

获取样本文本,并获取待训练的行业动作识别模型,其中,所述样本文本中包含标定的行业动作,所述行业动作为依赖行业的描述意图的动作词;

将所述样本文本输入所述行业动作识别模型以生成预测的行业动作;

根据所述预测的行业动作和所述标定的行业动作生成损失值;以及

根据所述损失值对所述行业动作识别模型进行训练,以生成训练之后的所述行业动作识别模型。

9.一种行业动作识别装置,包括:

第一获取模块,用于获取输入文本;

提取模块,用于从所述输入文本之中提取关键词;

确定模块,用于根据所述关键词确定目标行业动作识别模型;以及

识别模块,用于根据所述目标行业动作识别模型对所述输入文本进行行业动作识别,以确定所述输入文本中的行业动作,其中,所述行业动作为依赖行业的描述意图的动作词。

10.根据权利要求9所述的装置,其中,所述提取模块,还用于:

对所述输入文本进行分词以生成多个词;

按照预设规则对所述多个词进行提取以得到所述关键词。

11.根据权利要求9所述的装置,其中,所述确定模块,还用于:

以所述关键词为索引从预设数据库之中进行查询,以生成查询结果;

根据所述查询结果确定所述目标行业动作识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)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/202110626287.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top