[发明专利]语义识别方法、装置、电子设备及存储介质

说明书

本申请公开了一种语义识别方法、装置、电子设备及存储介质。该方法在获取待识别文本后，采用语义识别模块，对待识别文本进行语义识别处理；若语义识别模块识别出待识别文本对应的领域为目标领域、且待识别文本对应的槽位中存在至少一个槽位值与已配置的任意实体词不匹配的第一槽位，则对第一槽位的槽位值进行纠错处理；并根据第一槽位纠错后的槽位值，确定待识别文本的目标识别结果，以提高语义识别的准确率。同时该方法通过对待识别文本对应的槽位的槽位值进行纠错来提高语义识别的准确率，与现有技术中训练的纠错模型相比，降低了语义识别的成本。

技术领域

本申请涉及语义识别技术领域，尤其涉及一种语义识别方法、装置、电子设备及存储介质。

背景技术

随着深度学习的普及，在计算机视觉、语音识别、自然语言处理等方面均取得重大突破。由于相对于其他人机交互方式，语音交互更为符合人们的日常习惯，更为高效，故语音识别技术将广泛应用于智能家居、工业生产、通信、医疗、自动驾驶等各个领域。

在实际语音交互场景，即任务型语音交互场景中，若用户query的意图是想到达目标店铺，但由于用户发音不标准或记错店铺名称等情况，导致机器无法真正解析用户意图。

目前，工业上大多使用的是传统的分阶段纠错框架，来解决任务型语音交互中的识别错误问题，主要包括：

(1)基于大样本训练深度学习模型的纠错算法；

(2)基于垂直领域的通用纠错框架(Domain Common Query Correction，DCQC)，该通用纠错框架DCQC由召回层和决策层两层组成。

然而，上述纠错方法中的纠错模型都需要大量高质量的训练数据来保障模型效果，导致纠错数据积累的成本过高，若要更新纠错词库，则需要重新训练模型或增加额外模块。

发明内容

本申请实施例提供一种语义识别方法、装置、电子设备及存储介质，克服了现有技术通过训练纠错模型提高语义识别的准确率的问题，降低了语义识别的成本。

第一方面，提供了一种语义识别方法，该方法可以包括：

获取待识别文本；

采用语义识别模块，对所述待识别文本进行语义识别处理；

若所述语义识别模块识别出所述待识别文本对应的领域为目标领域、且所述待识别文本对应的槽位中存在至少一个槽位值与已配置的任意实体词不匹配的第一槽位，则对所述第一槽位的槽位值进行纠错处理；

根据所述第一槽位纠错后的槽位值，确定所述待识别文本的目标识别结果。

第二方面，提供了一种语义识别装置，该装置可以包括：获取单元、处理单元、纠错单元和确定单元；

所述获取单元，用于获取待识别文本；

所述处理单元，用于采用语义识别模块，对所述待识别文本进行语义识别处理；

所述纠错单元，用于若所述语义识别模块识别出所述待识别文本对应的领域为目标领域、且所述待识别文本对应的槽位中存在至少一个槽位值与已配置的任意实体词不匹配的第一槽位，则对所述第一槽位的槽位值进行纠错处理；

所述确定单元，用于根据所述第一槽位纠错后的槽位值，确定所述待识别文本的目标识别结果。

第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。