[发明专利]模型训练方法、文本识别方法、电子设备及可读存储装置

说明书

本申请公开了一种基于智能客服的模型训练方法、文本识别方法、电子设备及计算机可读存储装置。该模型训练方法包括：获取智能客服的文本训练集，其中，文本训练集包括正样本和负样本，正样本包括两个相同的文本，负样本包括不同文本；将正样本以及若干负样本输入智能客户模型，获取智能客户模型的对于正样本的第一预测语义相似度，以及负样本的第二预测语义相似度；基于正样本的第一预测语义相似度，以及若干负样本的第二预测语义相似度，获取智能客户模型的预测损失值；按照预测损失值，与文本训练集的标记相似度对智能客户模型进行训练，以得到最终的智能客户模型。通过上述方式，本申请能够使得智能客户模型返回的结果更准确。

技术领域

本申请涉及数据处理领域，特别是涉及一种模型训练方法、文本识别方法、电子设备及计算机可读存储装置。

背景技术

近年来，智能客服被广泛应用于各种领域，在智能客服使用之前，需要对其进行模型训练以改善服务质量，提高客户满意度。通常传统的智能客服模型的回复是基于大量的文本数据，使用BM25或浅层的神经网络来回数据进行召回排序，根据排序高低来返回对应的结果。这种方式虽然速度快，但是由于上述技术没有语义分析能力或语义分析能力较差，因此其无法对文本的语义进行准确完整的分析，返回的结果准确率较低。而当智能客服返回的文本结果不准确时，容易降低客户的满意程度。

发明内容

本申请主要目的是提供一种基于智能客服端的模型训练方法、文本识别方法、电子设备及计算机可读存储装置，能够解决智能客户模型返回结果不准确的技术问题。

为解决上述技术问题，本申请采用的第一个技术方案是：提供一种基于智能客服的模型训练方法。该方法包括：获取智能客服的文本训练集，其中，文本训练集包括正样本和负样本，正样本包括两个相同的文本，负样本包括不同文本；将正样本以及若干负样本输入智能客户模型，获取智能客户模型的对于正样本的第一预测语义相似度，以及负样本的第二预测语义相似度；基于正样本的第一预测语义相似度，以及若干负样本的第二预测语义相似度，获取智能客户模型的预测损失值；按照预测损失值，与文本训练集的标记相似度对智能客户模型进行训练，以得到最终的智能客户模型。

为解决上述技术问题，本申请采用的第二个技术方案是：提供一种文本识别方法。该方法包括：获取至少两个文本；将至少两个文本输入至利用如第一个技术方案中的模型训练方法训练得到的智能客户模型中，以得到文本之间的预测语义相似度。

为解决上述技术问题，本申请采用的第三个技术方案是：提供一种电子设备。该电子设备包括存储器和处理器，存储器用于存储程序数据，程序数据能够被处理器执行，以实现如第一个技术方案中所述的方法。

为解决上述技术问题，本申请采用的第四个技术方案是：提供一种计算机可读存储装置。该计算机可读存储装置存储有程序数据，能够被处理器执行，以实现如第一个技术方案中所述的方法。

本申请的有益效果是：先获取正样本和负样本，将正样本和负样本输入至智能客户模型得到与正负样本对应的第一预测语义相似度以及第二预测语义相似度。第一预测语义相似度对应了两相同的文本经过该智能客户模型后的语义相似度，第二预测语义相似度对应了两不同文本经过该智能客户模型后的语义相似度，利用该第一预测语义相似度以及第二预测语义相似度计算预测损失值，利用该预测损失值对智能客户模型进行训练使得智能客户模型对相似或相同的文本输出的预测语义相似度更高，对不同的文本输出的预测语义相似度更低。按照所述预测损失值对智能客户模型训练完成之后，得到的智能客户模型能够更加准确地判断出相同或相似语义的文本，从而能够进一步进行准确的结果输出。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请基于智能客服的模型训练方法第一实施例的流程示意图；