CN113806492B - 基于语义识别的记录生成方法、装置、设备及存储介质 - Google Patents

基于语义识别的记录生成方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113806492B
CN113806492B CN202111158204.4A CN202111158204A CN113806492B CN 113806492 B CN113806492 B CN 113806492B CN 202111158204 A CN202111158204 A CN 202111158204A CN 113806492 B CN113806492 B CN 113806492B
Authority
CN
China
Prior art keywords
word
text
target
voice
preset
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.)
Active
Application number
CN202111158204.4A
Other languages
English (en)
Other versions
CN113806492A (zh
Inventor
刘喜声
陈闽
彭粤
刘卓一
王文杰
满园园
梁亚妮
刘湘子
宁夏夏
陈子豪
廖可仪
王旭根
刘映
魏蓁
陈雯雯
周璇
许闻笳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202111158204.4A priority Critical patent/CN113806492B/zh
Publication of CN113806492A publication Critical patent/CN113806492A/zh
Application granted granted Critical
Publication of CN113806492B publication Critical patent/CN113806492B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/3343—Query execution using phonetics
    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Acoustics & Sound (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及人工智能及数字医疗技术，揭露了一种基于语义识别的记录生成方法，包括：将访问语音转化为语音文本；对语音文本进行分词，得到文本分词；获取文本分词在预构建的语音文本库中的词频和频率指数，并根据词频和频率指数提取语音文本的特征词；根据筛选条件对特征词进行筛选得到目标特征词；将目标特征词与预设的类型标签进行匹配，得到目标标签；根据目标标签对目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。本发明实施例中，所述访问语音可以医疗访问语音，并可存储于区块链的节点。本发明还提出一种基于语义识别的记录生成装置、电子设备以及存储介质。本发明可以解决获取的记录的结构性和条理性差的问题。

Description

基于语义识别的记录生成方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于语义识别的记录生成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着信息化时代的快速发展，业务人员线上或线下拜访客户展业的时候，都需要做拜访记录并进行整理。包括客户的家庭情况、财产情况等等。以往，这种拜访记录都是业务人员通过笔记本的形式进行访后整理，经常存在对访问内容有遗漏或者记录不准确的情况。近年来，利用自动化信息处理逐渐成为主流，这种处理方式也存在一些弊端，如：整理的信息较为随意零散，结构化和条理性差，不利于后续查看与共享。
发明内容
本发明提供一种基于语义识别的记录生成方法、装置及计算机可读存储介质，其主要目的在于解决获取的记录的结构性和条理性差的问题。
为实现上述目的，本发明提供的一种基于语义识别的记录生成方法，包括：
获取访问语音，将所述访问语音转化为语音文本；
对所述语音文本进行分词，得到文本分词；
获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；
获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
将所述目标特征词与预设的类型标签进行匹配，得到目标标签；
根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
可选地，所述对所述语音文本进行分词，得到文本分词，包括：
获取预先构建的词典，其中，所述词典中包含多个标准词条；
将所述语音文本按照预设的截取长度进行文本划分，得到检索词；
将所述检索词在所述词典中进行检索，当从所述词典中检索到与所述检索词相同的标准词条时，确定所述检索词为所述语音文本的文本分词；
返回上述的将所述语音文本按照预设的截取长度进行文本划分的步骤，直至对所述语音文本进行文本划分的次数达到预设次数，其中每次文本划分时采取的截取长度不同，得到所述语音文本对应的所有文本分词。
可选地，所述获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词，包括：
从所述文本分词中逐个选取其中一个分词为目标分词；
统计所述目标分词在所述文本分词中的词频，并利用预设的关键词算法计算所述目标分词在预设分词库中的频率指数；
根据所述词频和频率指数计算所述文本分词的特征值；
选取所述特征值大于预设的特征阈值的文本分词为所述特征词。
可选地，其特征在于，所述获取用户预先设定的筛选条件，包括：
获取所述筛选条件的存储路径；
将所述存储路径编译为路径参数，利用所述路径参数对预设的数据接口进行赋值，并利用赋值后的所述数据接口调用所述筛选条件。
可选地，所述根据所述筛选条件筛选所述特征词，得到目标特征词，包括：
将所述筛选条件作为预设的决策函数的参数，构建决策树模型；
从所述特征词中逐个选取其中一个词语为输入特征词，利用所述决策树模型判断所述输入特征词是否符合所述筛选条件；
若所述特征词符合所述筛选条件，则输出第一预设数值；
若所述特征词不符合所述筛选条件，则输出第二预设数值；
汇集输出为第一预设数值的输入特征词为目标特征词。
可选地，所述所述将所述目标特征词与预设的类型标签进行匹配，得到目标标签，包括：
对所述目标特征词进行向量转换，得到每个所述目标特征词的特征词向量；
获取预设的类型标签的标签向量，计算每个所述特征词向量与所述标签向量的距离值；
选取所述距离值小于预设的距离阈值的类型标签为目标标签。
可选地，所述根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，包括：
从所述目标标签中逐个选取其中一个标签，并汇集被选取的标签对应的目标特征词为该被选取的标签的目标特征词集；
将被选取的标签所述目标标签和被选取的标签的目标特征词集所述目标特征词结构化成为数据结构格式，保存至预设的文档中。
为了解决上述问题，本发明还提供一种基于语义识别的记录生成装置，所述装置包括：
语音文本获取模块，用于获取访问语音，将所述访问语音转化为语音文本；
文本特征词提取模块，用于对所述语音文本进行分词，得到文本分词；获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
分类记录生成模块，用于将所述目标特征词与预设的类型标签进行匹配，得到目标标签；根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于语义识别的记录生成方法。
为了解决上述问题，本发明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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于语义识别的记录生成方法。
本发明实施例通过获取访问语音转化成语音文本，然后对语音进行分词处理得到文本分词，并根据文本分词的词频和频率指数提取特征词，提取特征词能够使最终生成的记录不会过于冗余，简化了记录内容的结构复杂性；通过筛选条件对特征词进行筛选，这一操作能够提高记录内容的完整和精简；通过特征词匹配目标标签，提高了记录内容的条理性，再对目标标签进行分类和汇总，可以得到结构化的记录文档，使记录整理的信息结构化和条理性好，具有较好的结构层次，便于阅读查看，利于后续查看与共享。因此本发明提出的基于语义识别的记录生成方法、装置、电子设备及计算机可读存储介质，可以解决获取的记录的结构性和条理性差的问题。
附图说明
图1为本发明一实施例提供的基于语义识别的记录生成方法的流程示意图；
图2为本发明一实施例提供的得到文本分词的流程示意图；
图3为本发明一实施例提供的得到目标特征词的流程示意图；
图4为本发明一实施例提供的基于语义识别的记录生成装置的功能模块图；
图5为本发明一实施例提供的实现所述基于语义识别的记录生成方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于语义识别的记录生成方法。所述基于语义识别的记录生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于语义识别的记录生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于语义识别的记录生成方法的流程示意图。在本实施例中，所述基于语义识别的记录生成方法包括：
S1、获取访问语音，将所述访问语音转化为语音文本；
在本发明实施例中，所述访问语音可以是线上或线下拜访客户展业时，与客户之间沟通的语音，或者所述访问语音也可以是医生通过线上或者线下的方式与患者之间沟通的语音。所述访问语音可以存储在，例如数据库、区块链、网络缓存等存储区域中。因此，本发明其中一个实施例可通过具有数据抓取功能的计算机语句(java语句、python语句等)从预先构建的存储区域中获取用户授权的可被获取的访问语音，所述存储区域包括但不限于数据库、区块链、网络缓存。
详细地，本发明实施例中，可采用声学模型对所述访问语音进行语音识别，得到语音文本，所述声学模型通过对每个字进行发声的建模，以建立包含多个字，及每个字对应的标准发声的数据库，通过对所述访问语音中每个时刻下用户发声的采集，以获取每个时刻下用户的发声，进而将该发声与预先构建的包含多个字，及每个字对应的标准发声的数据库中的字进行概率匹配，以此实现对访问语音进行语音识别，得到语音文本。所述声学模型包括但不限于基于HMM(Hidden Markov Model，隐马尔可夫模型)、GMM(Gaussian MixtureModel，高斯混合模型)。
通过声学模型对所述真实语音段进行语音识别时，由于不需要对语言进行卷积、池化等特征提取的处理，因此有利于提高语音识别，获取语音文本的效率。
S2、对所述语音文本进行分词，得到文本分词；
在本发明实施例中，所述访问语音的语音文本中包含大量的文本语句，且每个文本的语句中包含的内容较多，若直接对所述语音文本进行分析，会造成分析的效率低下。因此，可对所述语音文本进行分词处理，得到文本分词，以提高文本的处理效率。
在本发明其中一个实施例中，可采用基于检索词匹配的技术手段对所述语音文本进行分词，得到文本分词。
例如，获取预先构建的词典，所述词典中包含多个标准词条，将所述语音文本的内容按照不同的长度划分为多个检索词，在所述词典中对该检索词进行检索，当从所述词典中检索到与所述检索词相同的标准词条时，则确定所述检索词为该语音文本的文本分词。
详细地，请参阅图2所示，所述对所述语音文本进行分词，得到文本分词，包括：
S21、获取预先构建的词典，其中，所述词典中包含多个标准词条；
S22、将所述语音文本按照预设的截取长度进行文本划分，得到检索词；
S23、将所述检索词在所述词典中进行检索，当从所述词典中检索到与所述检索词相同的标准词条时，确定所述检索词为所述语音文本的文本分词；
S24、判断所述语音文本进行文本划分的次数是否达到预设次数；
若所述语音文本进行文本划分的次数没有达到预设次数，则返回上述的S22；
若所述语音文本进行文本划分的次数达到预设次数，则执行S25、得到所述语音文本对应的所有文本分词。
本发明实施例中，在进行文本划分时，每次文本划分时采取的截取长度不同。
例如，存在语音文本“今日金价从每克五元上涨至八元”，将该语音文本按照截取长度(2)进行文本划分，得到“今日”、“金价”、“从每”、“克五”、“元上”、“涨至”、“八元”七个检索词，得到该词典的标准词条中包含“今日”、“金价”、“八元”三个检索词，则确定“今日”、“金价”、“八元”为文本分词；进一步地，返回文本划分的步骤并按照预设的截取长度(3)进行文本划分，并将文本划分得到的检索词在所述词典中进行检索，以获取文本分词，直至文本划分的次数达到预设的次数，以实现对语音文本的分词。
本发明实施例中，按照不同的截取长度对语音文本进行划分、检索的方式实现对语音文本的分词，无需对语音文本的内容进行分析，有利于提高对语音文本进行分词的效率。
本发明另一实施例中，还可采用具有文本分词功能的智能模型对所述语音文本的内容进行分析，进而实现对语音文本的分词。其中，所述智能模型包括但不限于HMM(HiddenMarkov Model，隐含马尔柯夫模型)、N-gram模型。
例如，利用智能模型对语音文本进行句法、语义分析，并基于分析结果对语音文本进行切割，得到该语音文本对应的文本分词。
本发明实施例中，利用预设的智能模型对所述语音文本进行句法分析，即将所述语音文本输入至该智能模型中，利用该智能模型中的多层网络结构对语音文本的内容进行特征提取，并将特征映射至预构建的特征空间，以根据特征找出语音文本中每个句子之间的关联关系，进而根据该关联关系对语音文本进行分句处理，得到文本分句。
例如，语音文本中存在文本语句A、文本语句B和文本语句C，通过智能模型对语音文本进行句法分析后，可知文本语句A与文本语句B之间的关联关系较低，文本语句A与文本语句C之间的关联关系较低，文本语句B与文本语句C之间的关联关系较高，则在对语音文本进行分句处理时，可将文本语句A单独划分为一个文本语句，将文本语句B与文本语句C划分为同一文本语句；实现基于语句间的关联关系对文本进行分句，进而提高文本分句的精确度。
进一步地，利用预设的智能模型对所述语音文本进行语义分析，是指分别对每一个对文本分句进行语义分析，利用智能模型对文本语句进行特征提取、权重分类等操作，以获取文本语句的句子含义，进而根据该句子含义对文本语句进行分词处理。
例如，文本语句A的句子含义为“黄金买卖”，则获取预先存储的与“黄金买卖”相关的分词规则对该文本语句A进行分词，避免了无规则地，按照固定长度对文本语句进行划分，有利于提高了分词的精确度。
本发明实施例中，利用智能模型对语音文本的内容进行分析，进而实现对语音文本的分词，有利于提高文本分词的精确度。
S3、获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；
在本发明实施例中，由于语音文本对应的文本分词较多，但不同的文本分词对语音文本的代表性不一致。因此，为了提高匹配目标标签的精确性，本发明实施例对所述文本分词进行特征提取，以获取所述文本分词中对语音文本具有更高代表性的特征词。
在本发明实施例中，所述获取所述文本分词在所述语音文本中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词，包括：
从所述文本分词中逐个选取其中一个分词为目标分词；
统计所述目标分词在所述文本分词中的词频，并利用预设的关键词算法计算所述目标分词在预设分词库中的频率指数；
根据所述词频和频率指数计算所述文本分词的特征值；
选取所述特征值大于预设的特征阈值的文本分词为所述特征词。
在本发明实施例中，所述特征值可表示文本分词对语音文本的代表性的大小。例如，特征值的数值越大，则表示文本分词对语音文本的代表性越大，特征值的数值越小，则表示文本分词对语音文本的代表性越小。
详细地，所述词频是指词条在文档中出现的频率，所述频率指数是一个词语普遍重要性的度量，例如逆向文件频率。所述预设的关键词算法包括但不仅限于：TF-IDF、TextRank。
在本发明其中一个实际应用场景中，当文本分词在所述语音文本中的词频越高，可表名该文本分词的对文本资源具有更强的代表性。因此。本发明实施例可利用所词频和频率指数对所述文本分词进行筛选，以便筛选出对语音文本更具有代表性的特征词。
在本发明实施例中，可通过将所述特征词的词频和频率指数进行运算，实现对所述文本分词的特征值的计算，并确定特征值大于所述特征阈值的文本分词为特征词。
在本发明实施例中，统计文本分词的词频和频率指数，并根据词频和频率指数提取所述语音文本的特征词，实现了对文本分词的筛选，得到对语音文本具有较高代表性的特征词，以提高特征词生成的精确度和效率。
S4、获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
在本发明实施例中，用户可以通过人机耦合的方式，对认为不重要或不清楚的特征词进行筛选过滤。
本发明实施例中，所述获取用户预先设定的筛选条件，包括：
获取所述筛选条件的存储路径；
将所述存储路径编译为路径参数，利用所述路径参数对预设的数据接口进行赋值，并利用赋值后的所述数据接口对所述筛选条件进行调用。
详细地，所述存储路径可由业务员、管理员等具有对特征值进行处理的人员预先上传。
具体地，可利用预设的编译器将所述存储路径编译为路径参数，并利用所述路径参数对预设的数据接口进行赋值，利用该数据接口可对所述存储路径下的数据进行调用，其中，所述编译器包括但不限于：Microsoft Visual Studio、Dev-C++、C++Builder、Emacs+GC。
本发明实施例中，利用数据接口获取用户的筛选条件，有利于特征词与目标标签匹配的准确性，使最终获取的记录文本更加准确有条理。
进一步地，请参阅图3所示，所述根据所述筛选条件筛选所述特征词，得到目标特征词，包括：
S41、将所述筛选条件作为预设的决策函数的参数，构建决策树模型；
S42、从所述特征词中逐个选取其中一个词语为输入特征词，利用所述决策树模型判断所述输入特征词是否符合所述筛选条件；
S43、若所述特征词符合所述筛选条件，则输出第一预设数值；
S44、若所述特征词不符合所述筛选条件，则输出第二预设数值；
S45、汇集输出为第一预设数值的输入特征词为目标特征词。
详细地，可利用随机森林算法、Xgboost算法等具有决策树构建功能的算法构建所述决策树模型。
示例性地，所述决策函数可以为：
其中，f(x)为所述决策函数的输出值，x为所述决策函数的参数，g(y)为所述决策函数的输入值。
详细地，可从所述筛选条件中逐个选取其中一个条件为目标条件，利用该目标条件对所述决策函数的参数x进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：
当所述决策树的输入值g(y)与所述决策树的参数x相同时，该决策树输出值f(x)＝α；
当所述决策树的输入至g(y)与所述决策树的参数x不相同时，该决策树输出值f(x)＝β。
本发明实施例中，可利用并联或者串联的形式将所述筛选条件中每一个条件对应的决策树进行汇集，得到决策树模型。
本发明实施例中，根据用户对特征词的筛选，实现在大量语句中高效地筛选出需要记录整理的部分，进而避免对的无关内容的记录，提高对记录输出的完整性和高效性。
S5、将所述目标特征词与预设的类型标签进行匹配，得到目标标签；
在本发明实施例中，可通过特征词映射的方式将特征词与预设的类型标签进行匹配，以获取目标标签，其中，所述类型标签为用于预先设定的，与所述目标特征词具有特定映射关系的标签，可用于表面目标特征词的所述类别。
在本发明实施例中，所述将所述目标特征词与预设的类型标签进行匹配，得到目标标签，包括：
获取预设的特征词映射表，所述特征词映射表中含有多个特征词，及与每个特征词具有映射关系的类型标签；
将所述目标特征词在所述特征词预设表中进行检索，将查询得到的类型标签作为所述目标特征词的目标标签。
例如，特征词映射表中包含“已婚”、“未婚”、“离婚”、“婚姻”等四个特征词，和该四个特征词对应的类型标签为“婚姻状况”，则当语音文本对应的特征词中包含“已婚”、“未婚”、“结婚”“离婚”中至少一个时，确定该语音文本的目标标签为“婚姻状况”。
在本发明实施例中，通过特征词映射的方式将目标特征词与预设的类型标签进行匹配，以获取目标标签，避免了对特征词的词义进行分析，有利于提高生成目标标签的效率。
在本发明另一实施例中，可通过预设的距离算法将目标特征词与预设的类型标签进行匹配，以获取目标标签，所述距离算法包括但不限于欧式距离算法、余弦距离算法。
在本发明另一实施例中，所述将所述特征词与预设的类型标签进行匹配，得到目标标签，包括：
对所述特征词进行向量转换，得到每个所述特征词的特征词向量；
获取预设的类型标签的标签向量，计算每个所述特征词向量与所述标签向量的距离值；
选取所述距离值小于预设的距离阈值的类型标签为目标标签。
详细地，可通过具有词向量转换功能的词向量模型对所述特征词进行向量转换，得到特征词向量，所述词向量模型包括word2vec模型、glove模型、bert模型等。
在本实施例中，通过计算所述特征词向量与预设的标签向量之间的距离值来实现特征词与预设的类型标签的匹配。例如，存在特征词“已婚”对应特征词向量1、存在特征词“未婚”对应特征词向量2、存在特征词“离婚”对应特征词向量3，存在特征词“婚姻”对应特征词向量4，存在类型标签“婚姻状况”对应标签向量θ，通过计算可知，特征词向量1和标签向量θ之间的距离值为80，特征词向量2和标签向量θ之间的距离值为77，特征词向量3和标签向量θ之间的距离值为82，特征词向量4和标签向量θ之间的距离值为43，距离阈值为50时，则确定特征词“已婚”、“未婚”、“离婚”对应的目标标签为“婚姻状况”，特征词“婚姻”对应的目标标签不为“婚姻状况”。
在本实施例中，通过距离算法将特征词与预设的类型标签进行匹配，有利于提高匹配出的目标标签的精确度。
S6、根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
在本发明实施例中，同一个目标特征词也可能匹配到两个目标标签，以目标标签为分类标准，对目标特征词进行梳理分类，一个目标特征词可以隶属于两个不同的目标标签。
详细地，所述根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，包括：
从所述目标标签中逐个选取其中一个标签，并汇集被选取的标签对应的目标特征词为该被选取的标签的目标特征词集；
将被选取的标签所述目标标签和被选取的标签的目标特征词集所述目标特征词结构化成为数据结构格式，保存至预设的文档中。
例如，所述目标特征词中包含特征词A、特征词B和特征词C，其中，特征词A的目标标签包括标签x和标签y；特征词B的目标标签包括标签y和标签z；特征词C的目标标签包括标签x和标签z；则可将具有相同标签的特征词划分为同一类，得到包含标签x的记录文本：特征词A和特征词C，包含标签y的特征文本：特征词A和特征词B，包含标签z的特征文本：特征词B和特征词C。
可选地，所述数据结构格式可以为DataFrame格式，所述DataFrame格式是一个表格型的数据结构。所述预设的文档可以为Excel文档，所述Excel文档包括2列，第一列分别为目标标签的各个标签，第二列为每个标签对应的目标特征词集，所述目标特征词集中包含对应标签对应的所有目标特征词。
本发明实施例通过获取访问语音转化成语音文本，然后对语音进行分词处理得到文本分词，并根据文本分词的词频和频率指数提取特征词，提取特征词能够使最终生成的记录不会过于冗余，简化了记录内容的结构复杂性；通过筛选条件对特征词进行筛选，这一操作能够提高记录内容的完整和精简；通过特征词匹配目标标签，提高了记录内容的条理性，再对目标标签进行分类和汇总，可以得到结构化的记录文档，使记录整理的信息结构化和条理性好，具有较好的结构层次，便于阅读查看，利于后续查看与共享。因此本发明提出的基于语义识别的记录生成方法，可以解决获取的记录的结构性和条理性差的问题。
如图4所示，是本发明一实施例提供的基于语义识别的记录生成装置的功能模块图。
本发明所述基于语义识别的记录生成装置100可以安装于电子设备中。根据实现的功能，所述基于语义识别的记录生成装置100可以包括语音文本获取模块101、文本特征词提取模块102及分类记录生成模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述语音文本获取模块101，用于获取访问语音，将所述访问语音转化为语音文本；
所述文本特征词提取模块102，用于对所述语音文本进行分词，得到文本分词；获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
所述分类记录生成模块103，用于将所述目标特征词与预设的类型标签进行匹配，得到目标标签；根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
详细地，本发明实施例中所述基于语义识别的记录生成装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于语义识别的记录生成方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于语义识别的记录生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于语义识别的记录生成程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于语义识别的记录生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11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、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于语义识别的记录生成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于语义识别的记录生成程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取访问语音，将所述访问语音转化为语音文本；
对所述语音文本进行分词，得到文本分词；
获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；
获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
将所述目标特征词与预设的类型标签进行匹配，得到目标标签；
根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取访问语音，将所述访问语音转化为语音文本；
对所述语音文本进行分词，得到文本分词；
获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；
获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
将所述目标特征词与预设的类型标签进行匹配，得到目标标签；
根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种基于语义识别的记录生成方法，其特征在于，所述方法包括：
获取访问语音，将所述访问语音转化为语音文本；
对所述语音文本进行分词，得到文本分词；
获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；
获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
将所述目标特征词与预设的类型标签进行匹配，得到目标标签；
根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本；
其中，所述获取用户预先设定的筛选条件，包括：获取所述筛选条件的存储路径；将所述存储路径编译为路径参数，利用所述路径参数对预设的数据接口进行赋值，并利用赋值后的所述数据接口调用所述筛选条件；
所述根据所述筛选条件筛选所述特征词，得到目标特征词，包括：将所述筛选条件作为预设的决策函数的参数，构建决策树模型；从所述特征词中逐个选取其中一个词语为输入特征词，利用所述决策树模型判断所述输入特征词是否符合所述筛选条件；若所述特征词符合所述筛选条件，则输出第一预设数值；若所述特征词不符合所述筛选条件，则输出第二预设数值；汇集输出为第一预设数值的输入特征词为目标特征词。
2.如权利要求1所述的基于语义识别的记录生成方法，其特征在于，所述对所述语音文本进行分词，得到文本分词，包括：
获取预先构建的词典，其中，所述词典中包含多个标准词条；
将所述语音文本按照预设的截取长度进行文本划分，得到检索词；
将所述检索词在所述词典中进行检索，当从所述词典中检索到与所述检索词相同的标准词条时，确定所述检索词为所述语音文本的文本分词；
返回上述的将所述语音文本按照预设的截取长度进行文本划分的步骤，直至对所述语音文本进行文本划分的次数达到预设次数，其中每次文本划分时采取的截取长度不同，得到所述语音文本对应的所有文本分词。
3.如权利要求1所述的基于语义识别的记录生成方法，其特征在于，所述获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词，包括：
从所述文本分词中逐个选取其中一个分词为目标分词；
统计所述目标分词在所述文本分词中的词频，并利用预设的关键词算法计算所述目标分词在预设分词库中的频率指数；
根据所述词频和频率指数计算所述文本分词的特征值；
选取所述特征值大于预设的特征阈值的文本分词为所述特征词。
4.如权利要求1所述的基于语义识别的记录生成方法，其特征在于，所述将所述目标特征词与预设的类型标签进行匹配，得到目标标签，包括：
对所述目标特征词进行向量转换，得到每个所述目标特征词的特征词向量；
获取预设的类型标签的标签向量，计算每个所述特征词向量与所述标签向量的距离值；
选取所述距离值小于预设的距离阈值的类型标签为目标标签。
5.如权利要求1所述的基于语义识别的记录生成方法，其特征在于，所述根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，包括：
从所述目标标签中逐个选取其中一个标签，并汇集被选取的标签对应的目标特征词为该被选取的标签的目标特征词集；
将被选取的标签所述目标标签和被选取的标签的目标特征词集所述目标特征词结构化成为数据结构格式，保存至预设的文档中。
6.一种基于语义识别的记录生成装置，用于实现如权利要求1至5中任意一项所述的基于语义识别的记录生成方法，其特征在于，所述装置包括：
语音文本获取模块，用于获取访问语音，将所述访问语音转化为语音文本；
文本特征词提取模块，用于对所述语音文本进行分词，得到文本分词；获取所述文本分词在预构建的语音文本库中的词频和频率指数，并根据所述词频和频率指数提取所述语音文本的特征词；获取用户预先设定的筛选条件，根据所述筛选条件筛选所述特征词，得到目标特征词；
分类记录生成模块，用于将所述目标特征词与预设的类型标签进行匹配，得到目标标签；根据所述目标标签对所述目标特征词进行分类，并汇集相同类别的目标特征词，得到多个记录文本。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的基于语义识别的记录生成方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于语义识别的记录生成方法。
CN202111158204.4A 2021-09-30 2021-09-30 基于语义识别的记录生成方法、装置、设备及存储介质 Active CN113806492B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111158204.4A CN113806492B (zh) 2021-09-30 2021-09-30 基于语义识别的记录生成方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111158204.4A CN113806492B (zh) 2021-09-30 2021-09-30 基于语义识别的记录生成方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113806492A CN113806492A (zh) 2021-12-17
CN113806492B true CN113806492B (zh) 2024-02-06

Family

ID=78939076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111158204.4A Active CN113806492B (zh) 2021-09-30 2021-09-30 基于语义识别的记录生成方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113806492B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117290893A (zh) * 2023-09-25 2023-12-26 北京万里开源软件有限公司 一种基于数据标签的数据库访问方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188199A (zh) * 2019-05-21 2019-08-30 北京鸿联九五信息产业有限公司 一种用于智能语音交互的文本分类方法
WO2020119075A1 (zh) * 2018-12-10 2020-06-18 平安科技（深圳）有限公司 通用文本信息提取方法、装置、计算机设备和存储介质
CN111444944A (zh) * 2020-03-16 2020-07-24 中国平安人寿保险股份有限公司 基于决策树的信息筛选方法、装置、设备和存储介质
CN113268615A (zh) * 2021-05-25 2021-08-17 平安银行股份有限公司 资源标签生成方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110021439B (zh) * 2019-03-07 2023-01-24 平安科技（深圳）有限公司 基于机器学习的医疗数据分类方法、装置和计算机设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020119075A1 (zh) * 2018-12-10 2020-06-18 平安科技（深圳）有限公司 通用文本信息提取方法、装置、计算机设备和存储介质
CN110188199A (zh) * 2019-05-21 2019-08-30 北京鸿联九五信息产业有限公司 一种用于智能语音交互的文本分类方法
CN111444944A (zh) * 2020-03-16 2020-07-24 中国平安人寿保险股份有限公司 基于决策树的信息筛选方法、装置、设备和存储介质
CN113268615A (zh) * 2021-05-25 2021-08-17 平安银行股份有限公司 资源标签生成方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113806492A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
US20100313258A1 (en) Identifying synonyms of entities using a document collection
CN113449187B (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN111986792B (zh) 医疗机构评分方法、装置、设备及存储介质
CN112541338A (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
CN113836131B (zh) 一种大数据清洗方法、装置、计算机设备及存储介质
CN114238573B (zh) 基于文本对抗样例的信息推送方法及装置
Gong et al. A survey on dataset quality in machine learning
CN115391669B (zh) 一种智能推荐方法、装置、电子设备
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN113268615A (zh) 资源标签生成方法、装置、电子设备及存储介质
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN113806492B (zh) 基于语义识别的记录生成方法、装置、设备及存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN114328800A (zh) 文本处理方法、装置、电子设备和计算机可读存储介质
CN113157853A (zh) 问题挖掘方法、装置、电子设备及存储介质
CN113343306B (zh) 基于差分隐私的数据查询方法、装置、设备及存储介质
CN113707302A (zh) 基于关联信息的服务推荐方法、装置、设备及存储介质
CN113505117A (zh) 基于数据指标的数据质量评估方法、装置、设备及介质
CN113344674A (zh) 基于用户购买力的产品推荐方法、装置、设备及存储介质
CN115204971A (zh) 产品推荐方法、装置、电子设备及计算机可读存储介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、设备及存储介质
CN113723114A (zh) 基于多意图识别的语义分析方法、装置、设备及存储介质
CN114240560A (zh) 基于多维分析的产品排名方法、装置、设备及存储介质
CN114139530A (zh) 同义词提取方法、装置、电子设备及存储介质
CN113706204B (zh) 基于深度学习的权益发放方法、装置、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
GR01 Patent grant
GR01 Patent grant