[发明专利]特征信息的识别方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种特征信息的识别方法，包括：获取组织机构名称的待识别文本，计算待识别文本的拼音对应的汉字组合的平均字向量；获取组织机构名称所属的目标行业类别，以及获取目标行业类别所属的目标簇类；计算汉字组合中每个汉字组合的平均字向量与目标行业类别的平均行业向量的第一相似度；计算汉字组合中每个汉字组合的平均字向量与目标簇类的平均簇类向量的第二相似度，将多个第一相似度与多个第二相似度进行权重计算，确定权重计算得分最高的汉字组合为组织机构名称的汉字组合。本发明还提出一种特征信息的识别装置、电子设备以及一种计算机可读存储介质。本发明可以提高识别语音信息中存在的机构组织名称的准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种特征信息的识别的方法、装置、电子设备及计算机可读存储介质。

背景技术

语音识别技术的应用已十分广泛，语音识别技术可以识别语音中的信息，将语音信息转化为文字。在很多应用场景中，需要识别语音中机构组织的名称，例如，用户通过电话办理企业对公业务时，识别语音信息中的组织机构的名称，将其转化为文字。

现有技术中，为了识别机构组织的名称，需要针对不同的场景去整理收集大量的语料，这将耗费大量时间，如果整理收集的数据存在错误，会导致机构组织的名称识别不准确；若不预先针对不同的场景去整理收集大量的语料，也会使得机构组织的名称识别结果不够准确。

发明内容

本发明提供一种特征信息的识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高识别语音信息中存在的机构组织名称的准确性。

为实现上述目的，本发明提供的一种特征信息的识别方法，包括：

接收通过语音识别得到的文本数据集，利用命名实体识别技术从所述文本数据集中提取组织机构名称的待识别文本；

汇总所述待识别文本的拼音对应的汉字组合，得到汉字组合候选集合，对所述汉字组合候选集合中至少两个汉字组合进行向量计算，得到所述至少两个汉字组合的平均字向量；

获取所述组织机构名称所属的目标行业类别，以及获取包含所述目标行业类别的行业类别集合，对所述行业类别集合中包含所述目标行业类别的至少两个行业类别进行向量计算，得到包含所述至少两个行业类别的平均行业向量；

计算所述至少两个汉字组合中每个汉字组合的平均字向量与所述目标行业类别的平均行业向量的第一相似度，得到第一层级汉字组合候选集合，所述第一层级汉字组合候选集合包含所述至少两个汉字组合和所述至少两个汉字组合分别对应的第一相似度；

对所述行业类别集合进行簇类计算，得到行业类别簇集合，从所述行业类别簇集合中获取所述目标行业类别所属的目标簇类，以及计算所述目标簇类的平均簇类向量；

计算所述至少两个汉字组合中每个汉字组合的平均字向量与所述目标簇类的平均簇类向量的第二相似度，得到第二层级汉字组合候选集合，所述第二层级汉字组合候选集合包含至少所述两个汉字组合和所述至少两个汉字组合分别对应的第二相似度；

将所述第一层级汉字组合候选集合包含的第一相似度与所述第二层级汉字组合候选集合包含的第二相似度进行权重计算，得到汉字组合得分结果集；

确定所述汉字组合得分结果集中最高分对应的汉字组合为所述组织机构名称的汉字组合。

可选地，所述对所述汉字组合候选集合中至少两个汉字组合进行向量计算，得到所述至少两个汉字组合的平均字向量，包括：

利用预先训练的字向量词典获取所述汉字组合候选集包含的至少两个汉字组合中每个汉字的字向量；

根据至少两个汉字组合中每个汉字的字向量，计算所述至少两个汉字组合中每个汉字组合包含的所有汉字的字向量的平均值，得到所述至少两个汉字组合的平均字向量。