[发明专利]语言识别方法、装置、设备以及存储介质

说明书

本申请公开了一种语言识别方法、装置、设备以及存储介质，所述方法包括：获取待处理数据，将所述待处理数据输入至预设目标语言模型中；基于所述预设目标语言模型对所述待处理数据进行识别处理，得到语言识别结果；其中，所述预设目标语言模型是基于具有预设标签的预设训练数据，对预设初始语言模型进行自动迭代训练后得到的目标模型，在迭代训练过程中，对处于迭代轮次的所述预设初始语言模型，进行不同场景化的调整处理，以选择目标候选模型进行下一轮调整迭代，直至得到所述目标模型。在本申请中，在本申请中自动完成针对于不同场景的语言模型的优化，因而，对语言模型的调整更有针对性，且由于迭代训练是自动完成的，减少了人力消耗。

技术领域

本申请涉及人工智能领域，尤其涉及一种语言识别方法、装置、设备以及存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术应用在金融领域，但金融业也对技术提出了更高的要求，如金融业对语言识别释也有更高的要求。

语音识别在日常生活中应用越来越普遍，然而，语音识别在具体场景下的识别准确率通常较低，现有技术中，通常通过对语言模型(Language Model)进行整体微调，以将微调后的语言模型应用于任意的具体场景，然而，对语言模型(Language Model)进行整体微调往往缺乏针对性，且耗费多，实际应用效果欠佳。

发明内容

本申请的主要目的在于提供一种语言识别方法、装置、设备以及存储介质，旨在解决现有语音识别缺乏针对性，且耗费多的技术问题。

为实现上述目的，本申请提供一种语言识别方法，所述语言识别方法包括：

获取待处理数据，将所述待处理数据输入至预设目标语言模型中；

基于所述预设目标语言模型对所述待处理数据进行识别处理，得到所述待处理数据的语言识别结果；

其中，所述预设目标语言模型是基于具有预设标签的预设训练数据，对预设初始语言模型进行自动迭代训练后得到的目标模型，在迭代训练过程中，对处于迭代轮次的所述预设初始语言模型，进行不同场景化的调整处理，以选择目标候选模型进行下一轮调整迭代，直至得到所述目标模型。

可选地，所述基于所述预设目标语言模型对所述待处理数据进行识别处理，得到所述待处理数据的语言识别结果的步骤之前，所述方法包括：

获取具有预设标签的预设训练数据，基于所述预设训练数据对预设初始语言模型进行自动迭代训练；

在迭代轮次训练过程中，对处于迭代轮次的所述预设初始语言模型，进行不同场景化的调整处理，以从多个调整后的模型中选择目标候选模型进行下一轮的调整迭代训练，直至得到目标模型；

将所述目标模型设置为所述预设目标语言模型。

可选地，在迭代轮次训练过程中，获取被错误识别词语，得到词错率，并获取所述被错误识别词语的关联类型信息，基于所述词错率以及所述关联类型信息，对处于迭代轮次的所述预设初始语言模型，进行有方向的场景化调整处理，以从多个调整后的模型中选择目标候选模型进行下一轮的调整迭代训练。

可选地，所述获取具有预设标签的预设训练数据，基于所述预设训练数据对预设初始语言模型进行迭代训练的步骤，包括：

获取具有预设标签的预设训练数据，将所述预设训练数据输入至预设初始语言模型中，以得到预设初始语言模型对所述预设训练数据识别后得到的训练识别结果；

将所述训练识别结果与所述预设标签进行比对，得到词错率；

基于所述词错率对所述预设初始语言模型进行不同场景化调整，以得到多个候选模型；

将所述预设训练数据输入至所述候选模型中，从候选模型中选择得到目标候选模型；