[发明专利]基于Rasa_Nlu框架提高实体识别率的方法、装置、系统和存储介质

说明书

本发明涉及数据处理领域，尤其涉及一种基于Rasa_Nlu框架提高实体识别率的方法、装置、系统和存储介质，该方法包括：首先，输入语音并使用jieba分词；然后获取语料并进行预处理；接下来，进行MITIE模型训练，采用MITIE中wordrep这一个工具进行模型训练，得到数据集；最后，构建Rasa_Nlu语料和模型，用于进行意图识别和实体识别，获取用户的意图，本发明运用当下最新的人工智能领域的自然语言处理技术，能精确的解析用户的意图，并且本发明计算机场景下基于Rasa_Nlu框架的方法可以提高实体识别率，解决现行方法实体识别率低下的问题，为人们提供了很大的便利。

技术领域

本发明涉及数据处理领域，尤其涉及一种基于Rasa_Nlu框架提高实体识别率的方法、装置、系统和存储介质。

背景技术

自然语言处理(Nature Language Process)分为三个环节，其中大部分困难点都是出现在自然语言理解(Nature Language Understand)部分,主要问题是歧义问题和未知语言现象问题。一方面，自然语言中大量存在的歧义现象，无论在词法层次、句法层次，还是在语义层次和语用层次，无论哪类语言单位，其歧义性始终都是困扰人们实现应用目标的一个根本问题。另一方面，对于一个特定系统来说，总是有可能遇到未知词汇、未知结构等各种意想不到的情况，而且每一种语言又都随着社会的发展而动态变化着，新的词汇(尤其是一些新的人名、地名、组织机构名和专用词汇)、新的词义、新的词汇用法(新词类)，甚至新的句子结构都在不断出现，尤其在口语对话或计算机网络对话(微博、博客等，稀奇古怪的词语和话语结构更是司空见惯。

目前，市面上很多自然语言理解方法的实体识别率都特别低，所以我们将开发一种计算机场景下基于RasaNlu框架提高实体识别率的方法。

发明内容

针对上述存在的问题，本发明的目的是提供一种计算机场景下基于RasaNlu框架提高实体识别率的方法，解决现行方法实体识别率低下的问题，为了解决上述现有技术中存在的问题，本发明提供一种基于Rasa_Nlu框架提高实体识别率的方法，包括以下步骤：

步骤S1：语音输入并使用jieba分词；

步骤S2：语料获取及预处理；

步骤S3：MITIE模型训练，采用MITIE中wordrep这一个工具进行模型训练，得到数据集；

步骤S4：构建Rasa_Nlu语料和模型，用于进行意图识别和实体识别；

步骤S5：获取用户的意图。

优选的，步骤S4中所述意图识别是在句子级别进行分类，明确意图；所述实体识别是在词级别找出用户问题中的关键实体，进行实体槽填充。

为达上述目的，本发明还提供一种基于Rasa_Nlu框架提高实体识别率的装置，包括

信息输入模块，用于语音的输入；

信息采集及预处理模块，用于采集语音信息，并且进行预处理；

MITIE模型训练模块，用于模型训练，得到数据集；

构建Rasa_Nlu语料和模型，用于进行意图识别和实体识别；

获取模块，用于获取用户的意图。

为达上述目的，本发明还提供一种基于Rasa_Nlu框架提高实体识别率的系统，包括存储器，处理器以及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

为达上述目的，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述方法的步骤。