[发明专利]语义识别方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种语义识别方法、装置、电子设备及存储介质，利用对意图识别模型和槽值标注模型进行联合训练得到语义联合识别模型，对查询文本进行预测，可直接实现对查询文本意图预测结果和槽值预测结果的关联预测输出；由于在进行模型训练过程中对意图识别模型和槽值标注模型进行联合训练，不需要对各模型进行单独训练，可简化模型训练流程，提升效率；且利用训练得到的具有关联的意图识别模型和槽值标注模型可直接实现对查询文本意图预测结果和槽值预测结果的关联预测输出，既能提升识别效率，又能利用该关联性提升识别的准确率。

技术领域

本发明涉及人工智能领域，尤其涉及一种语义识别方法、装置、电子设备及存储介质。

背景技术

以语音技术和NLP技术为支撑的人机对话系统在智能手机、智能家居、车载设备等场景中有较为广泛的应用。其通常包括语义识别(也可称之为语义理解)、对话管理和回复生成三个部分。而语义识别是其中重要的一环，也是后续各个步骤的基础，是指识别用户输入的查询query文本的意图及其中包含的实体信息，具体主要包括意图识别及槽值标注两个主要任务。在相关技术中，语义识别都仅是基于全局语言利用训练语言模型对query文本进行识别，且通常需要单独训练多个独立的神经网络模型来完成query文本的语义解析，单独训练的多个神经网络模型之间无任何关联关系，使得模型训练过程和语义识别过程都变得繁琐笨重，性能和效率都较低，且识别的准确率也有待提高。

发明内容

本发明实施例提供的语义识别方法、装置、电子设备及存储介质，至少解决了相关技术中，模型训练过程和语义识别过程繁琐，性能和效率较低，且识别准确率也较低的问题。

为至少解决上述技术问题，本发明实施例提供了一种语义识别方法，包括：获取待识别查询文本；通过语义联合识别模型，对所述待识别查询文件进行识别，输出意图识别结果和槽值识别结果；所述语义联合识别模型包括：根据意图识别模型的第一模型损失和槽值标注模型的第二模型损失，对意图识别模型和槽值标注模型进行联合训练，所得到的具有关联性的意图识别模型和槽值标注模型。

为至少解决上述技术问题，本发明实施例还提供了一种语义识别装置，包括：文本获取模块，用于获取待识别查询文本；语义识别模块，用于通过语义联合识别模型，对所述待识别查询文件进行识别，输出意图识别结果和槽值识别结果；所述语义联合识别模型包括：根据意图识别模型的第一模型损失和槽值标注模型的第二模型损失，对意图识别模型和槽值标注模型进行联合训练，所得到的具有关联性的意图识别模型和槽值标注模型。

为至少解决上述技术问题，本发明实施例还提供了一种电子设备，包括处理器、存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以实现如上所述的语义识别方法的步骤。

为解决上述技术问题，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可被处理器执行，以实现如上所述的语义识别方法的步骤。

有益效果

根据本发明实施例提供的语义识别方法、装置、电子设备及存储介质，利用意图识别模型的第一模型损失和槽值标注模型的第二模型损失，对意图识别模型和槽值标注模型进行联合训练得到语义联合识别模型，对查询文本进行预测，可直接实现对查询文本意图预测结果和槽值预测结果的关联预测输出；由于在进行模型训练过程中对意图识别模型和槽值标注模型进行联合训练，不需要对各模型进行单独训练，可简化模型训练流程，提升效率；且利用训练得到的具有关联的意图识别模型和槽值标注模型可直接实现对查询文本意图预测结果和槽值预测结果的关联预测输出，既能提升识别效率，又能利用该关联性提升识别的准确率。

进一步地，本发明实施例结合领域知识库和全局语言知识库的融合进行模型的训练和后续的识别，相对仅利用全局语言知识库的做法，可进一步提升语义识别的准确性。

本发明其他特征和相应的有益效果在说明书的后面部分进行阐述说明，且应当理解，至少部分有益效果从本发明说明书中的记载变的显而易见。