[发明专利]语音数据处理方法、装置及电子设备、存储介质

权利要求书

1.一种语音数据处理方法，其特征在于，包括：

获取语音数据，并将所述语音数据转换为文本信息；

将所述文本信息输入至领域分类模型，得到目标家电设备的领域类别；

根据所述目标家电设备的领域类别，从多个指令识别模型中确定与所述目标家电设备的领域类别匹配的目标指令识别模型；

基于所述目标指令识别模型识别所述文本信息后生成执行指令，所述执行指令用于指示所述目标家电设备执行所述语音数据指示的操作；

向所述目标家电设备发送所述执行指令。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取初始领域分类模型，所述初始领域分类模型为预训练模型ALBERT和卷积神经网络模型的融合模型，所述预训练模型ALBERT的输出为所述卷积神经网络模型的输入；

获取所述初始领域分类模型的训练集，所述训练集包括多条文本信息，每条文本信息标注有原始领域类别；

根据所述初始领域分类模型的训练集对所述初始领域分类模型进行训练，得到每条文本信息的预测领域类别；

计算所述初始领域分类模型输出的每条文本信息的预测领域类别与每条文本信息的原始领域类别之间的输出损失；

在每条文本信息对应的所述输出损失均小于预设损失时，确定对所述初始领域分类模型的训练结束，得到所述领域分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述初始领域分类模型的训练集对所述初始领域分类模型进行训练，得到每条文本信息的预测领域类别包括：

将所述初始领域分类模型的训练集中的第一文本信息输入至所述初始领域分类模型，得到所述第一文本信息属于预设领域类别集中每个预设领域类别的概率值；

筛选出所述第一文本信息属于预设领域类别集中每个预设领域类别的概率值中最大的概率值对应的预设领域类别为所述第一文本信息的预测领域类别；

循环执行步骤所述将所述初始领域分类模型的训练集中的第一文本信息输入至所述初始领域分类模型，直到得到所述训练集中每条文本信息的预测领域类别。

4.根据权利要求3所述的方法，其特征在于，所述卷积神经网络模型包括N个不同的卷积层，N为大于3的整数，所述将所述初始领域分类模型的训练集中的第一文本信息输入至所述初始领域分类模型，得到所述第一文本信息属于预设领域类别集中每个预设领域类别的概率值包括：

将所述训练集中的第一文本信息输入至所述预训练模型ALBERT，得到所述第一文本信息中每个字的第一特征向量；

将所述第一文本信息中每个字的第一特征向量依序输入至所述N个不同的卷积层中的第一卷积层至第N卷积层，分别基于第一卷积层至第N卷积层的感受野的大小对所述第一文本信息中每个字的第一特征向量进行依次提取，得到所述第一文本信息的N个维度的特征向量；

将所述第一文本信息的N个维度的特征向量拼接为一个维度的特征向量，并将拼接得到的特征向量输入至所述卷积神经网络模型的全连接层，得到所述第一文本信息属于预设领域类别集中每个领域类别的概率值。

5.根据权利要求4所述的方法，其特征在于，每个卷积层接收到所述第一文本信息中每个字的第一特征向量后，激活辍学层，并基于层法线将输出的所述第一文本信息的特征向量以正态分布的形式输出。

6.根据权利要求4所述的方法，其特征在于，所述将所述训练集中的第一文本信息输入至所述预训练模型ALBERT，得到所述第一文本信息中每个字的第一特征向量包括：

将所述训练集中的第一文本信息补充或删除至预设数值长度后输入所述预训练模型ALBERT，得到所述第一文本信息中每个字的第一特征向量。

7.根据权利要求4所述的方法，其特征在于，所述将所述第一文本信息中每个字的第一特征向量均输入至所述N个不同的卷积层中的第一卷积层至第N卷积层，分别基于第一卷积层至第N卷积层的感受野的大小对所述第一文本信息中每个字的第一特征向量进行依次提取，得到所述第一文本信息的N个维度的特征向量之后，还包括：

对所述第一文本信息的N个维度的特征向量均进行最大池化处理。