[发明专利]语义识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种语义识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别语句；通过完全匹配模型对待识别语句进行完全匹配识别，得到完全匹配识别结果；当完全匹配识别结果为识别失败时，通过关键语义模型对待识别语句进行关键语义识别，得到关键语义识别结果；当关键语义识别结果为识别失败时，通过实时匹配模型对待识别语句进行实时匹配识别，得到实时匹配识别结果；当实时匹配识别结果为识别失败时，通过监督分类模型对待识别语句进行监督分类识别，得到监督分类识别结果；根据监督分类识别结果，得到待识别语句的语义。采用本方法能够提高识别准确率、保证识别速度和识别稳定性。

技术领域

本申请涉及自然语言处理技术领域，特别是涉及一种语义识别方法、装置、计算机设备和存储介质。

背景技术

随着自然语言处理技术的发展，出现了语义识别技术，面对现实场景中线上提出的海量业务请求，要与客户高效、流畅地进行交互，就需要一种运算速度快、识别准确率高、可实时在线更新的语义识别技术。

在传统的语义识别技术中，通常采用规则模板来实现交互业务场景下的语义识别，规则模板根据关键词逻辑组合进行语义识别，能够识别出绝大部分包含关键词集合的客户话术，但是存在召回率高、识别准确率较低等不足，并且配置复杂、人力投入大、业务场景迁移性差。随着深度学习技术的兴起，以及大量文本数据的积累，通过深度学习算法建模进行语义识别，可以有效减少关键词配置的复杂度，且语义识别准确率高，然而，深度学习存在重训练时难以确保误判样本得到改善，以及网络参数变化容易影响识别准确率的问题。

因此，传统的语义识别技术存在运算速度慢、识别准确率低、模型稳定性差的问题。

发明内容

基于此，有必要针对运算速度慢、识别准确率低、模型稳定性差的技术问题，提供一种语义识别方法、装置、计算机设备和存储介质。

一种语义识别方法，所述方法包括：

获取待识别语句；

通过完全匹配模型对所述待识别语句进行完全匹配识别，得到完全匹配识别结果；

当所述完全匹配识别结果为识别失败时，通过关键语义模型对所述待识别语句进行关键语义识别，得到关键语义识别结果；

当所述关键语义识别结果为识别失败时，通过实时匹配模型对所述待识别语句进行实时匹配识别，得到实时匹配识别结果；

当所述实时匹配识别结果为识别失败时，通过监督分类模型对所述待识别语句进行监督分类识别，得到监督分类识别结果；

根据所述监督分类识别结果，得到所述待识别语句的语义。

在其中一个实施例中，所述通过完全匹配模型对所述待识别语句进行完全匹配识别，得到完全匹配识别结果，包括：

获取语句模板和所述语句模板对应的模板语义；

判断是否能在所述语句模板中查找到与所述待识别语句相匹配的目标语句模板；

若是，则根据所述目标语句模板的模板语义，得到所述待识别语句的语义；

若否，则输出所述完全匹配识别结果为识别失败。

在其中一个实施例中，所述通过关键语义模型对所述待识别语句进行关键语义识别，得到关键语义识别结果，包括：

获取关键词逻辑规则和所述关键词逻辑规则对应的规则语义；

判断是否能在所述关键词逻辑规则中查找到与所述待识别语句相匹配的目标逻辑规则；

若是，则根据所述目标逻辑规则的规则语义，得到所述待识别语句的语义；

若否，则输出所述关键语义识别结果为识别失败。