[发明专利]文本语义识别方法及其模型的获取方法及相关装置

说明书

本申请公开了一种文本语义识别方法及其模型的获取方法及相关装置，其中，文本语义识别方法包括：从多个文本规则中筛选与待识别文本匹配的文本规则，其中，多个文本规则是对标注有文本语义的多个样本文本进行分析而得到的；基于匹配的文本规则和待识别文本，获取待识别文本的关键词序列；将待识别文本和关键词序列输入经训练得到的文本语义识别模型进行语义理解，获取待识别文本的文本语义；其中，文本语义识别模型是利用标注有文本语义的多个训练文本及其关键词序列训练预设神经网络得到的。上述方案，能够提高文本语义识别的准确性。

技术领域

本申请涉及自然语言处理技术领域，特别是涉及一种文本语义识别方法及其模型的获取方法及相关装置。

背景技术

随着互联网技术的迅速发展，以及信息化程度的日益提高，采用机器对文本进行语义识别，从而减少人力投入和海量数据共享，逐渐成为研究热点。

目前，主要利用属于不同文本语义的训练文本对神经网络进行训练，从而利用经训练的神经网络进行后续的语义识别任务。然而，在训练过程中，极有可能出现训练文本不均衡的问题，即属于某一文本语义的训练文本数量过多，而属于另一文本语义的训练文本过少，从而降低训练得到的模型的准确性，以及后续语义识别的准确性。有鉴于此，如何提高文本语义识别的准确性成为亟待解决的问题。

发明内容

本申请主要解决的技术问题是提供一种文本语义识别方法及其模型的获取方法及相关装置，能够提高文本语义识别的准确性。

为了解决上述问题，本申请第一方面提供了一种文本语义识别方法，包括：从多个文本规则中筛选与待识别文本匹配的文本规则，其中，多个文本规则是对标注有文本语义的多个样本文本进行分析而得到的；基于匹配的文本规则和待识别文本，获取待识别文本的关键词序列；将待识别文本和关键词序列输入经训练得到的文本语义识别模型进行语义理解，获取待识别文本的文本语义；其中，文本语义识别模型是利用标注有文本语义的多个训练文本及其关键词序列训练预设神经网络得到的。

为了解决上述问题，本申请第二方面提供了一种文本语义识别模型的获取方法，包括：从多个文本规则中分别筛选与每一训练文本匹配的文本规则，其中，多个文本规则是对标注有文本语义的多个样本文本进行分析而得到的；基于与每一训练文本匹配的文本规则和训练文本，分别获取每一训练文本的关键词序列；分别将每一训练文本及其对应的关键词序列输入预设神经网络进行训练，直至满足预设训练结束条件，得到文本语义识别模型。

为了解决上述问题，本申请第三方面提供了一种文本语义识别装置，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的文本语义识别方法。

为了解决上述问题，本申请第四方面提供了一种文本语义识别模型的获取装置，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第二方面中文本语义识别模型的获取方法。

为了解决上述问题，本申请第五方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的文本语义识别方法，或用于实现上述第二方面中的文本语义识别模型的获取方法。

上述方案，从多个文本中筛选与待识别文本匹配的文本规则，从而基于匹配的文本规则和待识别文本，获取待识别文本的关键词序列，进而将待识别文本和关键词序列输入经训练得到的文本语义识别模型进行语义理解，获取待识别文本的文本语义，且文本语义识别模型是利用标注有文本语义的多个训练文本及其关键词序列训练预设神经网络得到的，通过关键词序列能够在训练阶段将文本规则传入预设神经网络，从而指导神经网络更好地学习少样本类别的规则信息，进而能够缓解样本不均衡问题，有利于提高文本语义识别的准确性，此外，在识别阶段，通过关键词序列，能够将待识别文本的文本规则传入文本语义识别模型，能够进一步提高文本语义识别的准确性。

附图说明

图1是本申请文本语义识别模型的获取方法一实施例的流程示意图；