[发明专利]一种基于录音对话的自然语言理解模型的建立方法

说明书

本发明提出了一种基于录音对话的自然语言理解模型的建立方法，包括：获取针对一个拨叫方的多组对话录音的音频数据，将所述对话录音的音频数据转换为文字数据；向所述拨叫方和多个接听方分配对应的ID，将每组对话的文字数据根据ID进行划分；然后根据文字内容设置标签；将设置标签后的文字数据进行数据清洗，划分数据集为训练集和测试集；将训练集放入预设训练模型中进行训练，输出模型。本发明通过调节隐层和神经元的参数提高了预测的准确性。本发明可以适用于贷款逾期以后的场景下的自然语言理解模型。

技术领域

本发明涉及自然语音处理技术领域，特别涉及一种基于录音对话的自然语言理解模型的建立方法。

背景技术

当前，虽然许多公司都有设计了的自然语言理解模型，但都是通用场景下的技术方案，针对特定场景下的自然语言理解模型目前还没有，尤其是针对贷款逾期以后的场景下的自然语言理解模型。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种基于录音对话的自然语言理解模型的建立方法。

为了实现上述目的，本发明的实施例提供一种基于录音对话的自然语言理解模型的建立方法，包括如下步骤：

步骤S1，获取针对一个拨叫方的多组对话录音的音频数据，将所述对话录音的音频数据转换为文字数据；

步骤S2，向所述拨叫方和多个接听方分配对应的ID，将每组对话的文字数据根据ID进行划分；

步骤S3，然后根据文字内容设置标签；

步骤S4，将设置标签后的文字数据进行数据清洗，划分数据集为训练集和测试集；

步骤S5，将训练集放入预设训练模型中进行训练，输出模型。

进一步，在所述步骤S2中，将每组对话的文字数据根据ID进行划分后，对对话文字中连续出现的ID的对话内容进行合并。

进一步，在所述步骤S3中，所述标签内容包括：品质违规、业务违规、负面风险、话术流程、施压话术。

进一步，在所述步骤S4中，将清洗后的数据中80％的数据划分为训练集，20％的数据划分为测试集。

进一步，划分为训练集和测试集后，将中文进行分词，然后对词做编码。

进一步，在所述步骤S5中，所述预设训练模型为TextCNN模型。

进一步，预先设定默认值，向预设训练模型中输入训练集数据进行训练，训练出来的模型经过测试集进行验证，然后修改参数并同时检测准确率，选取准确率最高的参数为最终的参数。

进一步，所述参数包括：词向量的维度、词汇表的大小、句子的长度、CNN过滤器的大小、CNN过滤器的个数、dropout的阈值、学习率、卷积核大小、学习率下降的梯度、梯度下降的阈值、l2正则化项值、训练批次、每批次样本个数。

进一步，采用TextCNN模型进行训练，包括如下步骤：

首先，对输入矩阵进行卷积操作，经过卷积操作后得到k个向量，采用不同大小的卷积核，从输入文本中提取特征；

然后，对卷积操作的输出进行max-pooling操作；将k个标量数字拼接起来，组成一个向量表示最后提取的特征；

最后，在接一个全联接层作为输出层，得到模型的输出。