[发明专利]一种基于神经网络的语义识别方法

说明书

本发明公开了一种基于神经网络的语义识别方法，包括：接收语音数据，识别语音数据获得识别文本；将识别文本输入预置的第一神经网络模型得到语义文本；将语义文本输入预置的第二神经网络模型得到语义文本的语义不确定度；若语义不确定度大于预设的不确定度阈值，输出语义文本；若语义不确定度不大于不确定度阈值，将识别文本输入预置的跟问模型得到跟问文本，并输出跟问文本。本发明通过将语义不确定度与不确定度阈值进行对比可清楚的知道语义文本与用户意图的符合程度，对于符合程度高的情况，输出用户的意图，对于符合程度不高的情况，通过跟问模型输出跟问文本，对于用户意图识别不高的情况有了较好的解决方案，支持多轮对话，提高了用户体验。

技术领域

本发明涉及语音识别领域，具体为一种基于神经网络的语义识别方法。

背景技术

随着科技的高速发展，语音识别在技术上的进步实现了用户与智能设备语音交互，使得用户与智能设备的口语沟通变得自然和方便。

目前智能设备上的对话系统中已经引入了动作语义理解技术，从而自然语言对话系统已成为人们普遍使用的一种沟通工具。其中，实现自然语言对话系统的基本技术可以分为两大类，基于规则的方法和基于统计的方法。其中，基于规则的方法是指根据定义的语法规则、词性和构词与构句规则等，使用计算机语言进行描述；基于统计的方法是指采用深度学习和大数据，构建单轮对话系统，并自动生成对话。

现在的对话系统多数只能做单轮对话，可以帮助用户完成一些简单的任务，如问天气、查路线。而实际上，人们在生活中需求场景并非是这样简单且单一的，而是多样化且复杂的。在实际使用中，现有的对话系统识别对于用户意图的识别能力不高，经常会出现因为无法判别用户意图而出现无法回答用户的情况，或者出现答非所问或重复回答的情况，使得对话系统的构建对话的内容太过局限和死板，用户体验不高。

发明内容

本发明的目的在于提供一种基于神经网络的语义识别方法，以解决上述背景技术中存在的问题。

为实现上述目的，本发明提供如下技术方案：一种基于神经网络的语义识别方法，包括：

接收语音数据，识别所述语音数据获得识别文本；

将所述识别文本输入预置的第一神经网络模型得到语义文本；

将所述语义文本输入预置的第二神经网络模型得到所述语义文本的语义不确定度；

判断所述语义不确定度是否大于预设的不确定度阈值；

若所述语义不确定度大于预设的不确定度阈值，输出所述语义文本；

若所述语义不确定度不大于所述不确定度阈值，将所述识别文本输入预置的跟问模型得到跟问文本，并输出所述跟问文本。

进一步地，所述第一神经网络模型通过如下方式进行训练：

从语义库中抽取训练语义；

抽取所述训练语义的训练语句；

采用所述训练语句训练第一神经网络模型。

进一步地，所述将所述语义文本输入预置的第二神经网络模型得到所述语义文本的语义不确定度，包括：将所述语义文本输入所述第二神经网络；随机数生成器生成随机数n，随机将所述第二神经网络模型的n个隐藏层节点的数值设为0，计算出输出层的输出结果的方差值，即得到了所述语义不确定度。

进一步地，所述跟问模型为生成式对抗网络中的生成模型。

进一步地，所述生成模型通过如下方式进行训练：

从跟问语句库中抽取训练语句及所述训练语句对应的跟问语句；

将所述训练语句输入所述生成模型得到模拟语句；