[发明专利]语料识别方法及装置、电子设备、存储介质

说明书

本申请提供一种语料识别方法及装置、电子设备、存储介质，该方法包括：获取待识别语料；提取待识别语料的语料特征向量；语料特征向量包括：第一词嵌入特征向量、第一句子嵌入特征向量以及第一词频特征向量；针对每个业务问题，根据业务问题对应的问题特征向量，计算语料特征向量与问题特征向量之间的特征相似度；问题特征向量包括第二词嵌入特征向量、第二句子嵌入特征向量以及第二词频特征向量；选取与语料特征向量之间的特征相似度最高的业务问题作为待识别语料的识别结果。该方案可以减少人力成本，节省计算资源。

技术领域

本申请涉及人工智能技术领域，特别涉及一种语料识别方法及装置、电子设备、计算机可读存储介质。

背景技术

随着互联网及电子商务的普及应用，智能客服也越来越多。智能客服是在大规模知识处理基础上发展起来的一项面向行业的应用，适用于大规模知识处理、自然语言理解、知识管理、自动问答系统、推理等等技术行业，智能客服不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。

目前大部分智能客服都是基于大数据知识处理技术的应用，即提前将智能客服需要的数据存储于知识库中，在智能客服工作时，随时去读取知识库中存储的知识。数据即是由大量的“问答对”组成的，问题和对应答案匹配成一组，这些“问答对”来自平时访客和人工客服的交流沟通，或者其它对话场合，然后经人工梳理形成可供智能客服使用的知识库。

要实现智能客服，通常会需要准备大量训练语料，让机器学习模型学会自然语言与业务问题之间的关系，从而确定自然语言匹配的业务问题。但是准备大量训练语料，需耗费大量人力的工作。

发明内容

本申请实施例提供了一种语料识别方法，用以减少人力成本。

本申请实施例提供了一种语料识别方法，所述方法包括：

获取待识别语料；

提取所述待识别语料的语料特征向量；所述语料特征向量包括：第一词嵌入特征向量、第一句子嵌入特征向量以及第一词频特征向量；

针对每个业务问题，根据所述业务问题对应的问题特征向量，计算所述语料特征向量与所述问题特征向量之间的特征相似度；所述问题特征向量包括第二词嵌入特征向量、第二句子嵌入特征向量以及第二词频特征向量；

选取与所述语料特征向量之间的特征相似度最高的业务问题作为所述待识别语料的识别结果。

在一实施例中，所述针对每个业务问题，根据所述业务问题对应的问题特征向量，计算所述语料特征向量与所述问题特征向量之间的特征相似度，包括：

针对每个业务问题，提取所述业务问题对应的第二词嵌入特征向量、第二句子嵌入特征向量以及第二词频特征向量；

计算所述第一词嵌入特征向量与第二词嵌入特征向量之间的第一相似度、所述第一句子嵌入特征向量与第二句子嵌入特征向量之间的第二相似度、所述第一词频特征向量与第二词频特征向量之间的第三相似度；

计算所述第一相似度、所述第二相似度与所述第三相似度之和，得到所述待识别语料的语料特征向量与所述业务问题的问题特征向量之间的特征相似度。

在一实施例中，所述提取所述待识别语料的语料特征向量，包括：

对所述待识别语料进行分词，得到多个词汇；

将每个所述词汇分别作为已训练的词嵌入模型的输入，获得每个所述词汇对应的词嵌入特征；

计算所有词汇对应的词嵌入特征的平均值，得到所述第一词嵌入特征。

在一实施例中，所述将每个所述词汇分别作为已训练的词嵌入模型的输入，获得每个所述词汇对应的词嵌入特征之后，所述方法还包括：