[发明专利]命名实体识别模型、电话总机转接分机方法及系统

说明书

本发明公开了一种命名实体识别模型，其基于注意力机制的双向长短时记忆单元‑条件随机场包括：嵌入层为本模型使用的预训练的词向量；双向LSTM层进行特征提取，每个词获得同时包含前向和后向信息表示；自注意层捕获句子内部词依赖关系；全连接层将双向LSTM层和自注意层的输出映射是一个维度为输出标签数量的向量；CRF层用于学习标签之间的依赖关系。本发明还公开了一种电话总机转接分机方法和一种电话总机转接分机系统。本发明的命名实体识别模型能快速准确的识别实体信息。本发明的电话总机转接方法/系统能够依据客户需求，准确、快速地为客户检索到欲联系的分机号并进行转接，支持为多客户同时提供分机转接服务，提供优质、高效的总机转接服务体验。

技术领域

本发明涉及通信领域，特别是涉及一种基于注意力机制的双向长短时记忆单元-条件随机场的命名实体识别模型。本发明还涉及一种利用所述命名实体识别模型的电话总机转分机方法和一种电话总机转接分机系统。

背景技术

一般的企业公司电话都会有总机和分机，总机系统可使企业只对外公布一个电话号码,由该号码呼入后，根据企业自己设定的语音导航，将各业务转接到不同的分机来接听。或，当有人拨打总机查找分机号时，总机人员可将话务直接转给相应的分机人员。当拨打者不知道公司的分机号时，就会打总机进行查询，可直接告知分机号，让其重新拨打。这个过程中同一业务可能对应多个分机号(业务员)，这会造成一种工况：当客户针对同一问题多次拨打客服电话时找不到欲联系人的分机号，一个事情可能要重述多遍，极大了影响了客户的体验。也造成浪费企业资源的浪费，降低了企业的工作效率。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种基于注意力机制的双向长短时记忆单元-条件随机场，能快速准确识别实体新型的命名实体识别模型。

本发明要解决的另一技术问题是提供一种利用所述命名实体识别模型能快速准确搜索分机并完成转接的电话总机转接分机方法。

本发明要解决的再一技术问题是提供一种利用所述命名实体识别模型能快速准确搜索分机并完成转接的电话总机转接分机系统。

命名实体识别(Named Entity Recognition，简称NER)，又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。简单的讲，就是识别自然文本中的实体指称的边界和类别。命名实体识别其本质是一个序列标注问题，序列标注就是对给定文本中每一个字符打上标签。

为解决上述技术问题，本发明提供一种基于注意力机制的双向长短时记忆单元-条件随机场(Attention-Based BiLSTM-CRF)的命名实体识别模型，包括：

嵌入层，其为本模型使用的预训练的词向量，该向量随着模型的迭代不断更新；

双向LSTM层，其适用于进行特征提取，对于每个词获得同时包含前向和后向信息的表示；使用双向LSTM进行特征提取，对于每个词获得同时包含前向和后向信息的表示。双向LSTM可以看成是两层神经网络，第一层则是从右边作为系列的起始输入，在文本处理上可以理解成从句子的最后一个词语作为输入，在每一个时间步i输出为bh_i，而第二层从左边作为系列的起始输入，在文本处理上可以理解成从句子的开头开始输入，在每一个时间步i输出为fh_i，最终的输出层LSTM的隐藏状态的级联：

h_i＝[fh_i，bh_i]；