[发明专利]一种语句识别方法、语句识别装置及智能设备在审
申请号: | 201911111261.X | 申请日: | 2019-11-14 |
公开(公告)号: | CN111046667A | 公开(公告)日: | 2020-04-21 |
发明(设计)人: | 黄日星;熊友军 | 申请(专利权)人: | 深圳市优必选科技股份有限公司 |
主分类号: | G06F40/295 | 分类号: | G06F40/295;G06F16/35;G06N3/04;G06N3/08;G06F16/332;G06F16/33 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 刘永康 |
地址: | 518000 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 语句 识别 方法 装置 智能 设备 | ||
1.一种语句识别方法,其特征在于,包括:
接收输入语句;
对所述输入语句进行实体词语识别;
若所述输入语句不存在实体词语,则将所述输入语句作为识别语料;
若所述输入语句存在一个以上实体词语,则基于所述输入语句所包含的一个以上实体词语,以及所述一个以上实体词语所属的实体词语类别,对所述输入语句进行替换,得到一个以上替换语料,并将所述替换语料作为识别语料;
通过已训练的神经网络模型,得到各个识别语料的语句向量;
分别计算每一语句向量与预设的一项以上意图类别的相似度,以确定每一识别语料的所属意图类别,其中,每一项意图类别对应一个意图;
根据每一识别语料的所属意图类别,确定所述输入语句的意图。
2.如权利要求1所述的语句识别方法,其特征在于,所述对所述输入语句进行实体词语识别,包括:
获取预设的一个以上实体词语类别;
依次将所述一个以上实体词语类别中的一实体词语类别确定为目标实体词语类别;
基于所述目标实体词语类别所关联的实体词语识别算法,对所述输入语句进行实体词语识别,得到属于所述目标实体词语类别的实体词语。
3.如权利要求2所述的语句识别方法,其特征在于,所述依次将所述一个以上实体词语类别中的一实体词语类别确定为目标实体词语类别,包括:
分别获取各个实体词语类别的优先级;
基于所述优先级由高至低的顺序,依次将所述一个以上实体词语类别中的一实体词语类别确定为目标实体词语类别。
4.如权利要求1所述的语句识别方法,其特征在于,所述分别计算每一语句向量与预设的一项以上意图类别的相似度,以确定每一识别语料的所属意图类别,包括:
通过已训练的神经网络模型,得到每一模板语料所对应的模板语料向量,其中,每一项意图类别中包含有一个以上模板语料;
获取每一项意图类别所对应的意图类别向量;
分别计算每一语句向量与每一模板语料向量的相似度,并分别计算每一语句向量与每一意图类别向量的相似度,以确定每一识别语料的所属意图类别。
5.如权利要求4所述的语句识别方法,其特征在于,所述分别计算每一语句向量与每一模板语料向量的相似度,并分别计算每一语句向量与每一意图类别向量的相似度,以确定每一识别语料的所属意图类别,包括:
计算待匹配识别语料的语句向量与待匹配意图类别的意图类别向量的距离作为第一距离,其中,待匹配识别语料为任一识别语料,待匹配意图类别为任一意图类别;
分别计算待匹配识别语料的语句向量与所述待匹配意图类别所包含的每一模板语料所对应的模板语料向量的距离,并筛选得到距离最大值作为第二距离;
基于所述第一距离与所述第二距离确定所述待匹配识别语料与所述待匹配意图类别的相似度;
将与所述待匹配识别语料的相似度最高的意图类别确定为所述待匹配识别语料的所属意图类别。
6.如权利要求1至5任一项所述的语句识别方法,其特征在于,所述语句识别方法还包括对所述神经网络模型的训练,所述训练的过程包括:
初始化每一项待训练意图类别所对应的待训练意图类别向量;
初始化待训练的神经网络模型的模型参数;
将预设的待训练模板输入至所述神经网络模型,得到待训练模板向量;
根据所述待训练模板向量与每一待训练意图类别向量的相似度,得到所述待训练模板的意图识别训练结果;
基于所述意图识别训练结果进行反向传播,对所述神经网络模型的模型参数及每一项待训练意图类别所对应的待训练意图类别向量进行更新。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911111261.X/1.html,转载请声明来源钻瓜专利网。