[发明专利]语义类型识别方法、装置、计算机可读介质及电子设备

权利要求书

1.一种语义类型识别方法，其特征在于，包括：

根据待识别语义请求在预设模板库中匹配，得到目标语义请求模板，并获取所述目标语义请求模板的模板特征；所述预设模板库包括多个指定语义类型的语义请求模板；

对所述待识别语义请求进行文本特征提取，得到所述待识别语义请求对应的文本特征；

根据所述目标语义请求模板的模板特征和所述文本特征进行第一语义类型识别，得到第一语义类型识别结果；

对所述第一语义类型识别结果和所述目标语义请求模板对应的指定语义类型进行融合，得到目标语义类型识别结果，所述目标语义类型识别结果指示所述待识别语义请求的类型为复合语义请求或简单语义请求，所述复合语义请求包括具有多个意图的语义请求，所述简单语义请求包括具有单一意图的语义请求。

2.根据权利要求1所述的语义类型识别方法，其特征在于，根据待识别语义请求在预设模板库中匹配，得到目标语义请求模板，包括：

根据待识别语义请求在预设模板库中匹配，得到多个候选语义请求模板；

计算各个候选语义请求模板的置信度得分，所述置信度得分与所述待识别语义请求中通配符的占比呈负相关关系；

根据所述置信度得分对所述多个候选语义请求模板进行筛选，得到目标语义请求模板。

3.根据权利要求1所述的语义类型识别方法，其特征在于，所述模板特征包括模板向量；获取所述目标语义请求模板的模板特征，包括：

对所述目标语义请求模板进行分词处理，得到多个模板词汇；

对所述多个模板词汇进行向量映射，得到多个词汇向量，并将所述多个词汇向量组成模板向量矩阵；

对所述模板向量矩阵进行池化处理，得到所述目标语义请求模板的模板向量。

4.根据权利要求1所述的语义类型识别方法，其特征在于，对所述第一语义类型识别结果和所述目标语义请求模板对应的指定语义类型进行融合，得到目标语义类型识别结果，包括：

获取模板权重，所述模板权重体现所述目标语义请求模板的指定语义类型在所述目标语义类型识别结果中的重要程度；

根据所述模板权重对所述目标语义请求模板的指定语义类型进行调整，得到第二语义类型识别结果；

对所述第一语义类型识别结果和所述第二语义类型识别结果进行融合，得到所述目标语义类型识别结果。

5.根据权利要求4所述的语义类型识别方法，其特征在于，获取模板权重，包括：

检测模板权重参数是否具有设定值；

若所述模板权重参数具有设定值，则将所述设定值作为所述模板权重；

若所述模板权重参数不具有设定值，则根据所述目标语义请求模板的模板特征和所述文本特征计算得到所述模板权重。

6.根据权利要求5所述的语义类型识别方法，其特征在于，所述目标语义请求模板的模板特征包括所述目标语义请求模板的模板向量和所述目标语义请求模板的置信度得分；根据所述目标语义请求模板的模板特征和所述文本特征计算得到所述模板权重，包括：

将所述目标语义请求模板的模板向量和所述目标语义请求模板的置信度得分相乘，得到初始权重；

根据所述初始权重和所述文本特征进行特征提取和映射处理，得到所述模板权重。

7.根据权利要求1-6任一项所述的语义类型识别方法，其特征在于，对所述待识别语义请求进行文本特征提取，得到所述待识别语义请求对应的文本特征，包括：

对所述待识别语义请求进行分词处理，得到多个待识别词汇；

对所述多个待识别词汇进行向量映射，得到多个词汇向量，并将所述多个词汇向量组成待识别向量矩阵；

通过多种尺寸的卷积核对所述待识别向量矩阵进行卷积处理，得到多个卷积向量；

对所述多个卷积向量进行池化处理，得到多个池化数据；

将所述多个池化数据拼接，得到所述待识别语义请求对应的文本特征。