CN112699213A - 语音意图识别方法、装置、计算机设备及存储介质 - Google Patents
语音意图识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112699213A CN112699213A CN202011540496.3A CN202011540496A CN112699213A CN 112699213 A CN112699213 A CN 112699213A CN 202011540496 A CN202011540496 A CN 202011540496A CN 112699213 A CN112699213 A CN 112699213A
- Authority
- CN
- China
- Prior art keywords
- text
- matching
- preset
- processed
- intention
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011176 pooling Methods 0.000 claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 95
- 230000015654 memory Effects 0.000 claims description 38
- 238000012360 testing method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000004913 activation Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例属于人工智能领域,涉及一种语音意图识别方法,包括获取待处理语音数据,转换待处理语音数据为待处理文本;获取预设标准文本,输入待处理文本和预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到待处理文本和每个预设标准文本的匹配分数;根据预设匹配模型中的排序层,确定匹配分数最高的预设标准文本为待处理文本的匹配文本;输入匹配文本至预设意图识别模型,基于预设意图识别模型输出得到匹配文本的意图,将匹配文本的意图作为待处理文本的意图。本申请还提供一种语音意图识别装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,意图可存储于区块链中。本申请提高了语音文本意图识别的准确率。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及语音意图识别方法、装置、计算机设备及存储介质。
背景技术
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。传统的对话机器人中,大致包括:任务型语音机器人、对话型语音机器人及闲聊型机器人。这些所有的机器人能完成一个正常的对话的最核心任务就是在与用户对话的过程中对用户说的话进行的意图识别。然而当前普通的对话机器人在对用户进行识别时,往往只能识别简单的客户意图,当情景较为复杂或者处理语料较多时,意图识别的准确率较低,无法实现对用户的智能对话服务。
发明内容
本申请实施例的目的在于提出一种语音意图识别方法、装置、计算机设备及存储介质,以解决意图识别准确率低下的技术问题。
为了解决上述技术问题,本申请实施例提供一种语音意图识别方法,采用了如下所述的技术方案:
获取待处理语音数据,转换所述待处理语音数据为待处理文本;
获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
进一步的,所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数的步骤具体包括:
基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码,得到第一句向量和第二句向量;
输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵;
根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取,得到每个特征的匹配分数。
进一步的,所述输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵的步骤具体包括:
基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似度;
根据所述字相似度生成所述相似度矩阵。
进一步的,所述基于预设意图识别模型输出得到所述匹配文本的意图的步骤具体包括:
所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层,输入所述匹配文本至所述编码层中,经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层,输出得到所述匹配文本的意图。
进一步的,在所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层的步骤之前还包括:
创建基础识别模型,所述基础识别模型包括基础匹配模型和基础意图识别模型;
获取测试文本,输入所述测试文本至所述基础识别模型中,计算得到总损失函数;
在所述总损失函数收敛时,确定所述基础识别模型训练完成,将训练完成的基础匹配模型和训练完成的基础意图识别模型分别作为预设匹配模型和预设意图识别模型。
进一步的,所述输入所述测试文本至所述基础识别模型中,计算得到总损失函数的步骤具体包括:
输入所述测试文本和所述预设标准文本至所述基础匹配模型中,得到所述测试文本和所述预设标准文本的预测匹配结果,将所述预测匹配结果作为所述基础匹配模型的第一损失函数;
根据所述预测匹配结果,选取预测匹配文本,输入所述预测匹配文本至所述基础意图识别模型中,输出得到预测识别结果,根据所述预测识别结果计算得到所述基础意图识别模型的第二损失函数;
根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数。
进一步的,所述根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数的步骤具体包括:
分别获取所述第一损失函数和所述第二损失函数的第一预设权重值和第二预设权重值;
根据所述第一预设权重值和所述第二预设权重对所述第一损失函数和所述第二损失函数进行加权求和,计算得到所述基础识别模型的总损失函数。
为了解决上述技术问题,本申请实施例还提供一种语音意图识别装置,采用了如下所述的技术方案:
获取模块,用于获取待处理语音数据,转换所述待处理语音数据为待处理文本;
输出模块,用于获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
确认模块,用于根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
识别模块,用于输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述语音意图识别方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述语音意图识别方法的步骤。
上述语音意图识别方法,通过获取待处理语音数据,转换待处理语音数据为待处理文本;获取预设标准文本,输入待处理文本和预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到待处理文本和每个预设标准文本的匹配分数,通过该匹配分数可以对与待处理文本匹配的匹配文本进行精确获取;之后,根据预设匹配模型中的排序层,确定匹配分数最高的预设标准文本为待处理文本的匹配文本,使得通过获取匹配文本能够得到与待处理文本同类的文本,进一步使得在对文本进行意图识别时,能够根据该匹配文本快速而精确地获取到待处理对应的意图;最后,输入匹配文本至预设意图识别模型,基于预设意图识别模型输出得到匹配文本的意图,将匹配文本的意图作为待处理文本的意图,由此提高了语音文本意图识别的准确率,并且提高了在对大量语音文本意图进行识别时的识别效率,进一步实现了智能的语音对话服务。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的语音意图识别方法的一个实施例的流程图;
图3是根据本申请的语音意图识别装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记:语音意图识别装置300、获取模块301、输出模块302、确认模块303以及识别模块304。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104 和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面 3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、 103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的语音意图识别方法一般由服务器/ 终端设备执行,相应地,语音意图识别装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的语音意图识别的方法的一个实施例的流程图。所述的语音意图识别方法,包括以下步骤:
步骤S201,获取待处理语音数据,转换所述待处理语音数据为待处理文本;
在本实施例中,获取待处理语音数据,在得到待处理语音数据时,转换该待处理语音数据为待处理文本,通过ASR(Automatic Speech Recognition,自动语音识别)可以将待处理语音数据转化为待处理文本。具体地,在得到待处理语音数据时,对该待处理语音数据进行预处理,得到语音特征,之后通过语音识别模型识别比对预设语音模版和该语音特征,得到识别结果,该识别结果即为得到的待处理文本。
步骤S202,获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
在本实施例中,在得到待处理文本时,获取预设标准文本,该预设标准文本为预先存储的标准文本数据。输入该待处理文本和该预设标准文本至预设匹配模型中,该预设匹配模型包括编码层、转换层、池化层和排序层。依次经过该预设匹配模型中的编码层、转换层、池化层,输出得到待处理文本和每个预设标准文本的匹配分数。
步骤S203,根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
在本实施例中,在得到每个预设标准文本和待处理文本的匹配分数时,根据预设匹配模型中的排序层对该匹配分数进行排序筛选,确定其中匹配分数最高的预设标准文本为当前待处理文本的匹配文本。该排序层的计算公式如下所示:
f(q,d)=tanh(wTφ(M)+b)
步骤S204,输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
在本实施例中,在得到匹配文本时,将该匹配文本输入至预设意图识别模型,该预设意图识别模型包括两层LSTM(Long Short-Term Memory,长短期记忆网络)。根据该预设意图识别模型对该匹配文本进行计算,输出得到该匹配文本的意图,该意图即为当前待处理文本的意图。
需要强调的是,为进一步保证上述意图的私密和安全性,上述意图还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本实施例提高了语音文本意图识别的准确率,并且提高了在对大量语音文本意图进行识别时的识别效率,进一步实现了智能的语音对话服务。
在本申请的一些实施例中,上述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数包括:
基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码,得到第一句向量和第二句向量;
输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵;
根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取,得到每个特征的匹配分数。
在本实施例中,在得到待处理文本和预设标准文本时,基于预设匹配模型中的编码层分别对该待处理文本和预设标准文本进行编码,得到预设标准文本对应的第一句向量和待处理文本对应的第二句向量。输入该第一句向量和第二句向量至转换层,经过该转换层计算得到该待处理文本和预设标准文本的相似度矩阵。之后,根据池化层该相似度矩阵中的每个相似度进行池化特征提取,得到相似度特征向量。具体地,该池化层的计算公式如下所示:
其中,KK(Mi)为相似度特征向量,Mij为相似度矩阵,μk为相似度。
本实施例通过编码层、转换层和池化层计算匹配分数,实现了对待处理文本和预设标准文本的精确匹配,使得通过该匹配能够筛选出与当前待处理文本同类的预设标准文本,进一步提高了对待处理文本的意图获取精度。
在本申请的一些实施例中,上述输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵包括:
基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似度;
根据所述字相似度生成所述相似度矩阵。
在本实施例中,在得到第一句向量和第二句向量时,基于转换层计算该第一句向量和第二句向量中每个字之间的字相似度,之后根据该字相似度生成相似度矩阵。该相似度矩阵的计算公式如下所示:
本实施例实现了对相似度矩阵的精确计算,进一步使得通过该相似度矩阵能够精确获取到与待处理文本匹配的匹配文本。
在本申请的一些实施例中,上述基于预设意图识别模型输出得到所述匹配文本的意图包括:
所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层,输入所述匹配文本至所述编码层中,经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层,输出得到所述匹配文本的意图。
在本实施例中,在得到匹配文本时,基于预设意图识别模型的编码层对该匹配文本进行编码,得到编码结果。之后该编码结果依次经过第一长短期记忆网络层、第二长短期记忆网络层和激活层,即计算得到该匹配文本的意图。其中,该第一长短期记忆网络和第二长短期记忆网络的结构相同,参数不同,激活层可采用softmax函数。将上一层网络的输出作为下一层网络的输出,最终计算得到当前匹配文本的意图。
本实施例通过计算匹配文本意图,避免了对待处理文本意图的识别困难,使得通过该匹配文本的意图即能确定当前待处理文本的意图,提高了意图识别的效率和准确率。
在本申请的一些实施例中,在上述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层之前还包括:
创建基础识别模型,所述基础识别模型包括基础匹配模型和基础意图识别模型;
获取测试文本,输入所述测试文本至所述基础识别模型中,计算得到总损失函数;
在所述总损失函数收敛时,确定所述基础识别模型训练完成,将训练完成的基础匹配模型和训练完成的基础意图识别模型分别作为预设匹配模型和预设意图识别模型。
在本实施例中,基础识别模型包括基础匹配模型和基础意图识别模型,其中,基础匹配模型包括编码层、转换层、池化层和排序层,基础意图识别模型包括第一LSTM层、第二LSTM层和激活层。在该基础匹配模型和基础意图识别模型创建完成时,获取测试文本,并将该测试文本和预设标准文本输入至基础匹配模型中,根据该基础匹配模型计算第一损失函数,并根据基础意图识别模型计算第二损失函数。对该第一损失函数和第二损失函数根据预设计算方式进行计算,即得到基础识别模型的总损失函数。在得到该总损失函数时,则根据该总损失函数对该基础识别模型进行调整。在该总损失函数收敛时,则确定该基础识别模型训练完成,将该训练完成的基础识别模型中的基础匹配模型和基础意图识别模型作为预设匹配模型和预设意图识别模型。
本实施例通过创建基础识别模型,并同时对该基础识别模型中的基础匹配模型和基础意图识别模型进行训练,提高了模型训练的效率,并使得通过训练完成的模型能够对文本进行精确匹配和识别。
在本申请的一些实施例中,上述输入所述测试文本至所述基础识别模型中,计算得到总损失函数包括:
输入所述测试文本和所述预设标准文本至所述基础匹配模型中,得到所述测试文本和所述预设标准文本的预测匹配结果,将所述预测匹配结果作为所述基础匹配模型的第一损失函数;
根据所述预测匹配结果,选取预测匹配文本,输入所述预测匹配文本至所述基础意图识别模型中,输出得到预测识别结果,根据所述预测识别结果计算得到所述基础意图识别模型的第二损失函数;
根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数。
在本实施例中,在得到测试文本时,输入该测试文本基础识别模型中的基础匹配模型,根据该基础匹配模型计算测试文本与预设标准文本的相似度,该相似度即为预测匹配结果,亦为该第一损失函数。该第一损失函数与该基础匹配模型中排序层中相似度计算公式一致,如下公式所示:
f(q,d)=tanh(wTφ(M)+b)
在得到预测匹配结果时,根据该预测匹配结果选取预测匹配文本。具体地,根据预测匹配结果可以得到多个预设标准文本与测试文本的相似度,选取其中相似度最大的预设标准文本为当前测试文本的预测匹配文本。将该预测匹配文本输入至基础意图识别模型中,该基础意图识别模型输出得到预测识别结果。在得到预测识别结果时,获取该测试文本的标准意图结果,该标准意图结果即为测试文本真实的文本意图。根据该标准意图结果和预测意图结果,计算得到基础意图识别模型的第二损失函数。该第二损失函数的计算公式如下所示:
本实施例通过计算总损失函数,实现了对基础识别模型的精确调整,使得通过训练后的基础识别模型能够对待处理文本的意图进行精确高效地识别。
在本申请的一些实施例中,上述根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数包括:
分别获取所述第一损失函数和所述第二损失函数的第一预设权重值和第二预设权重值;
根据所述第一预设权重值和所述第二预设权重对所述第一损失函数和所述第二损失函数进行加权求和,计算得到所述基础识别模型的总损失函数。
在本实施例中,第一损失函数为根据基础匹配模型计算得到的损失,第二损失函数为根据基础意图识别模型计算的损失,该第一损失函数和第二损失函数分别对应不同的预设权重值。第一损失函数的预设权重值为第一预设权重值,第二损失函数的预设权重值为第二预设权重值,获取该第一预设权重值和第二预设权重值,根据该第一预设权重值、第二预设权重值对第一损失函数和第二损失函数进行加权求和,计算得到基础识别模型的总损失函数。在对基础识别模型进行调整时,则根据该总损失函数进行调整。
本实施例通过不同的权重对总损失函数进行计算,实现了对基础识别模型的总损失函数的精确计算,使得通过该总损失函数能够同时对基础识别模型中基础意图识别模型和基础匹配模型进行调整,提高了模型训练的效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体 (Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种语音意图识别装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的语音意图识别装置300包括:获取模块301、输出模块302、确认模块303以及识别模块304。其中:
获取模块301,用于获取待处理语音数据,转换所述待处理语音数据为待处理文本;
在本实施例中,获取待处理语音数据,在得到待处理语音数据时,转换该待处理语音数据为待处理文本,通过ASR(Automatic Speech Recognition,自动语音识别)可以将待处理语音数据转化为待处理文本。具体地,在得到待处理语音数据时,对该待处理语音数据进行预处理,得到语音特征,之后通过语音识别模型识别比对预设语音模版和该语音特征,得到识别结果,该识别结果即为得到的待处理文本。
输出模块302,用于获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
其中,输出模块302包括:
编码单元,用于基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码,得到第一句向量和第二句向量;
转换单元,用于输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵;
池化单元,用于根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取,得到每个特征的匹配分数。
其中,转换单元包括:
计算子单元,用于基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似度;
生成子单元,用于根据所述字相似度生成所述相似度矩阵。
在本实施例中,在得到待处理文本时,获取预设标准文本,该预设标准文本为预先存储的标准文本数据。输入该待处理文本和该预设标准文本至预设匹配模型中,该预设匹配模型包括编码层、转换层、池化层和排序层。依次经过该预设匹配模型中的编码层、转换层、池化层,输出得到待处理文本和每个预设标准文本的匹配分数。
确认模块303,用于根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
在本实施例中,在得到每个预设标准文本和待处理文本的匹配分数时,根据预设匹配模型中的排序层对该匹配分数进行排序筛选,确定其中匹配分数最高的预设标准文本为当前待处理文本的匹配文本。该排序层的计算公式如下所示:
f(q,d)=tanh(wTφ(M)+b)
识别模块304,用于输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
其中,识别模块304包括:
输出单元,用于所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层,输入所述匹配文本至所述编码层中,经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层,输出得到所述匹配文本的意图。
在本实施例中,在得到匹配文本时,将该匹配文本输入至预设意图识别模型,该预设意图识别模型包括两层LSTM(Long Short-Term Memory,长短期记忆网络)。根据该预设意图识别模型对该匹配文本进行计算,输出得到该匹配文本的意图,该意图即为当前待处理文本的意图。
需要强调的是,为进一步保证上述意图的私密和安全性,上述意图还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本实施例中提出的语音意图识别装置还包括:
创建模块,用于创建基础识别模型,所述基础识别模型包括基础匹配模型和基础意图识别模型;
计算模块,用于获取测试文本,输入所述测试文本至所述基础识别模型中,计算得到总损失函数;
训练模块,用于在所述总损失函数收敛时,确定所述基础识别模型训练完成,将训练完成的基础匹配模型和训练完成的基础意图识别模型分别作为预设匹配模型和预设意图识别模型。
其中,计算模块包括:
第一计算单元,用于输入所述测试文本和所述预设标准文本至所述基础匹配模型中,得到所述测试文本和所述预设标准文本的预测匹配结果,将所述预测匹配结果作为所述基础匹配模型的第一损失函数;
第二计算单元,用于根据所述预测匹配结果,选取预测匹配文本,输入所述预测匹配文本至所述基础意图识别模型中,输出得到预测识别结果,根据所述预测识别结果计算得到所述基础意图识别模型的第二损失函数;
第三计算单元,用于根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数。
其中,第三计算单元包括:
获取子单元,用于分别获取所述第一损失函数和所述第二损失函数的第一预设权重值和第二预设权重值;
求和子单元,用于根据所述第一预设权重值和所述第二预设权重对所述第一损失函数和所述第二损失函数进行加权求和,计算得到所述基础识别模型的总损失函数。
在本实施例中,基础识别模型包括基础匹配模型和基础意图识别模型,其中,基础匹配模型包括编码层、转换层、池化层和排序层,基础意图识别模型包括第一LSTM层、第二LSTM层和激活层。在该基础匹配模型和基础意图识别模型创建完成时,获取测试文本,并将该测试文本和预设标准文本输入至基础匹配模型中,根据该基础匹配模型计算第一损失函数,并根据基础意图识别模型计算第二损失函数。对该第一损失函数和第二损失函数根据预设计算方式进行计算,即得到基础识别模型的总损失函数。在得到该总损失函数时,则根据该总损失函数对该基础识别模型进行调整。在该总损失函数收敛时,则确定该基础识别模型训练完成,将该训练完成的基础识别模型中的基础匹配模型和基础意图识别模型作为预设匹配模型和预设意图识别模型。
本实施例提出的语音意图识别装置,提高了语音文本意图识别的准确率,并且提高了在对大量语音文本意图进行识别时的识别效率,进一步实现了智能的语音对话服务。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray, FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61 还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如语音意图识别方法的计算机可读指令等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62 通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据,例如运行所述语音意图识别方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63 通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,提高了语音文本意图识别的准确率,并且提高了在对大量语音文本意图进行识别时的识别效率,进一步实现了智能的语音对话服务。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的语音意图识别方法的步骤。
本实施例提出的计算机可读存储介质,提高了语音文本意图识别的准确率,并且提高了在对大量语音文本意图进行识别时的识别效率,进一步实现了智能的语音对话服务。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种语音意图识别方法,其特征在于,包括下述步骤:
获取待处理语音数据,转换所述待处理语音数据为待处理文本;
获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
2.根据权利要求1所述的语音意图识别方法,其特征在于,所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数的步骤具体包括:
基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码,得到第一句向量和第二句向量;
输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵;
根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取,得到每个特征的匹配分数。
3.根据权利要求2所述的语音意图识别方法,其特征在于,所述输入所述第一句向量和所述第二句向量至所述转换层,计算得到相似度矩阵的步骤具体包括:
基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似度;
根据所述字相似度生成所述相似度矩阵。
4.根据权利要求1所述的语音意图识别方法,其特征在于,所述基于预设意图识别模型输出得到所述匹配文本的意图的步骤具体包括:
所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层,输入所述匹配文本至所述编码层中,经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层,输出得到所述匹配文本的意图。
5.根据权利要求1所述的语音意图识别方法,其特征在于,在所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层的步骤之前还包括:
创建基础识别模型,所述基础识别模型包括基础匹配模型和基础意图识别模型;
获取测试文本,输入所述测试文本至所述基础识别模型中,计算得到总损失函数;
在所述总损失函数收敛时,确定所述基础识别模型训练完成,将训练完成的基础匹配模型和训练完成的基础意图识别模型分别作为预设匹配模型和预设意图识别模型。
6.根据权利要求5所述的语音意图识别方法,其特征在于,所述输入所述测试文本至所述基础识别模型中,计算得到总损失函数的步骤具体包括:
输入所述测试文本和所述预设标准文本至所述基础匹配模型中,得到所述测试文本和所述预设标准文本的预测匹配结果,将所述预测匹配结果作为所述基础匹配模型的第一损失函数;
根据所述预测匹配结果,选取预测匹配文本,输入所述预测匹配文本至所述基础意图识别模型中,输出得到预测识别结果,根据所述预测识别结果计算得到所述基础意图识别模型的第二损失函数;
根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数。
7.根据权利要求6所述的语音意图识别方法,其特征在于,所述根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数的步骤具体包括:
分别获取所述第一损失函数和所述第二损失函数的第一预设权重值和第二预设权重值;
根据所述第一预设权重值和所述第二预设权重对所述第一损失函数和所述第二损失函数进行加权求和,计算得到所述基础识别模型的总损失函数。
8.一种语音意图识别装置,其特征在于,包括:
获取模块,用于获取待处理语音数据,转换所述待处理语音数据为待处理文本;
输出模块,用于获取预设标准文本,输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层,经过转换层和池化层,输出得到所述待处理文本和每个所述预设标准文本的匹配分数;
确认模块,用于根据所述预设匹配模型中的排序层,确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本;
识别模块,用于输入所述匹配文本至预设意图识别模型,基于所述预设意图识别模型输出得到所述匹配文本的意图,将所述匹配文本的意图作为所述待处理文本的意图。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的语音意图识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的语音意图识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540496.3A CN112699213A (zh) | 2020-12-23 | 2020-12-23 | 语音意图识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540496.3A CN112699213A (zh) | 2020-12-23 | 2020-12-23 | 语音意图识别方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112699213A true CN112699213A (zh) | 2021-04-23 |
Family
ID=75509410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011540496.3A Pending CN112699213A (zh) | 2020-12-23 | 2020-12-23 | 语音意图识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699213A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407922A (zh) * | 2021-07-14 | 2021-09-17 | 上海万向区块链股份公司 | 基于区块链技术的智能意图识别分析系统及方法 |
CN114238574A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 基于人工智能的意图识别方法及其相关设备 |
CN114357994A (zh) * | 2022-01-06 | 2022-04-15 | 京东科技信息技术有限公司 | 意图识别处理和置信度判断模型的生成方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299471A (zh) * | 2018-11-05 | 2019-02-01 | 广州百田信息科技有限公司 | 一种文本匹配的方法、装置及终端 |
CN110534104A (zh) * | 2019-07-03 | 2019-12-03 | 平安科技(深圳)有限公司 | 智能对话系统的语音匹配方法、电子装置、计算机设备 |
CN110928997A (zh) * | 2019-12-04 | 2020-03-27 | 北京文思海辉金信软件有限公司 | 意图识别方法、装置、电子设备及可读存储介质 |
CN110990533A (zh) * | 2019-11-29 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 确定查询文本所对应标准文本的方法及装置 |
-
2020
- 2020-12-23 CN CN202011540496.3A patent/CN112699213A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299471A (zh) * | 2018-11-05 | 2019-02-01 | 广州百田信息科技有限公司 | 一种文本匹配的方法、装置及终端 |
CN110534104A (zh) * | 2019-07-03 | 2019-12-03 | 平安科技(深圳)有限公司 | 智能对话系统的语音匹配方法、电子装置、计算机设备 |
CN110990533A (zh) * | 2019-11-29 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 确定查询文本所对应标准文本的方法及装置 |
CN110928997A (zh) * | 2019-12-04 | 2020-03-27 | 北京文思海辉金信软件有限公司 | 意图识别方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
杨靖城: "基于文本匹配的对话意图识别算法研究与应用", 北京邮电大学, vol. 10, 29 May 2020 (2020-05-29), pages 1 - 76 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407922A (zh) * | 2021-07-14 | 2021-09-17 | 上海万向区块链股份公司 | 基于区块链技术的智能意图识别分析系统及方法 |
CN114238574A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 基于人工智能的意图识别方法及其相关设备 |
CN114238574B (zh) * | 2021-12-15 | 2024-05-10 | 平安科技(深圳)有限公司 | 基于人工智能的意图识别方法及其相关设备 |
CN114357994A (zh) * | 2022-01-06 | 2022-04-15 | 京东科技信息技术有限公司 | 意图识别处理和置信度判断模型的生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699213A (zh) | 语音意图识别方法、装置、计算机设备及存储介质 | |
CN114780727A (zh) | 基于强化学习的文本分类方法、装置、计算机设备及介质 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN112466314A (zh) | 情感语音数据转换方法、装置、计算机设备及存储介质 | |
CN113947095A (zh) | 多语种文本翻译方法、装置、计算机设备及存储介质 | |
CN112632244A (zh) | 一种人机通话的优化方法、装置、计算机设备及存储介质 | |
CN112084752A (zh) | 基于自然语言的语句标注方法、装置、设备及存储介质 | |
CN113887237A (zh) | 多意图文本的槽位预测方法、装置及计算机设备 | |
CN113220828B (zh) | 意图识别模型处理方法、装置、计算机设备及存储介质 | |
CN114091452A (zh) | 一种基于适配器的迁移学习方法、装置、设备及存储介质 | |
CN113723077A (zh) | 基于双向表征模型的句向量生成方法、装置及计算机设备 | |
CN116777646A (zh) | 基于人工智能的风险识别方法、装置、设备及存储介质 | |
CN111639164A (zh) | 问答系统的问答匹配方法、装置、计算机设备及存储介质 | |
CN116563034A (zh) | 基于人工智能的购买预测方法、装置、设备及存储介质 | |
CN114358023B (zh) | 智能问答召回方法、装置、计算机设备及存储介质 | |
CN113420869B (zh) | 基于全方向注意力的翻译方法及其相关设备 | |
CN115687934A (zh) | 意图识别方法、装置、计算机设备及存储介质 | |
CN113505595A (zh) | 文本短语抽取方法、装置、计算机设备及存储介质 | |
CN115238077A (zh) | 基于人工智能的文本分析方法、装置、设备及存储介质 | |
CN113656566A (zh) | 智能对话处理方法、装置、计算机设备及存储介质 | |
CN113657104A (zh) | 文本抽取方法、装置、计算机设备及存储介质 | |
CN112396111A (zh) | 文本意图分类方法、装置、计算机设备及存储介质 | |
CN113297367A (zh) | 用户对话衔接语生成的方法及相关设备 | |
CN113157896B (zh) | 一种语音对话生成方法、装置、计算机设备及存储介质 | |
CN112949317B (zh) | 文本语义识别方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |