[发明专利]菜名识别方法和装置

权利要求书

1.一种菜名识别方法，其特征在于，包括：

获取待识别的原始菜名；

通过语言模型，确定所述原始菜名包括的至少一个词的上下文相关词向量；所述语言模型至少从未标注菜名信息的第一原始菜名集中学习得到；

通过菜名识别模型，根据所述上下文相关词向量识别与所述原始菜名对应的菜名；所述菜名识别模型从已标注菜名信息的第二原始菜名集中学习得到。

2.根据权利要求1所述的方法，其特征在于，所述语言模型采用如下步骤学习得到：

获取所述第一原始菜名集；

构建所述语言模型的神经网络；

以语言模型对下一个词的预测概率小于概率阈值为训练目标，根据所述第一原始菜名集训练所述神经网络。

3.根据权利要求1所述的方法，其特征在于，还包括：

若满足语言模型更新条件，则至少根据新增的第一原始菜名更新所述语言模型。

4.根据权利要求1所述的方法，其特征在于，

所述语言模型包括N-gram模型；

所述词包括由N个相邻字构成的字串。

5.根据权利要求1所述的方法，其特征在于，

所述语言模型的网络结构包括以下网络结构的至少一个：双向长短时记忆网络，卷积神经网络，Transformer模型。

6.根据权利要求1所述的方法，其特征在于，所述菜名识别模型采用如下步骤学习得到：

获取所述第二原始菜名集；

构建所述菜名识别模型的神经网络；

根据所述第二原始菜名集，训练所述神经网络。

7.一种菜名识别装置，其特征在于，包括：

原始菜名获取单元，用于获取待识别的原始菜名；

上下文相关词向量确定单元，用于通过语言模型，确定所述原始菜名包括的至少一个词的上下文相关词向量；所述语言模型至少从未标注菜名信息的第一原始菜名集中学习得到；

菜名识别单元，用于通过菜名识别模型，根据所述上下文相关词向量识别与所述原始菜名对应的菜名；所述菜名识别模型从已标注菜名信息的第二原始菜名集中学习得到。

8.根据权利要求7所述的装置，其特征在于，还包括：

语言模型构建单元；

所述语言模型构建单元包括：

语料集获取子单元，用于获取所述第一原始菜名集；

神经网络构建子单元，用于构建所述语言模型的神经网络；

训练子单元，用于以语言模型对下一个词的预测概率小于概率阈值为训练目标，根据所述第一原始菜名集训练所述神经网络。

9.根据权利要求7所述的装置，其特征在于，还包括：

语言模型更新单元，用于若满足语言模型更新条件，则至少根据新增的第一原始菜名更新所述语言模型。

10.根据权利要求7所述的装置，其特征在于，还包括：

菜名识别模型构建单元；

所述菜名识别模型构建单元包括：

训练数据集获取子单元，用于获取所述第二原始菜名集；

神经网络构建子单元，用于构建所述菜名识别模型的神经网络；

训练子单元，用于根据所述第二原始菜名集，训练所述神经网络。