CN114970666A - 一种口语处理方法、装置、电子设备及存储介质 - Google Patents
一种口语处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114970666A CN114970666A CN202210323762.XA CN202210323762A CN114970666A CN 114970666 A CN114970666 A CN 114970666A CN 202210323762 A CN202210323762 A CN 202210323762A CN 114970666 A CN114970666 A CN 114970666A
- Authority
- CN
- China
- Prior art keywords
- characters
- text information
- spoken
- character
- correlation
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 131
- 238000000605 extraction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 14
- 230000006854 communication Effects 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000004927 fusion Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000003607 modifier Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 208000031361 Hiccup Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种口语处理方法、装置、设备及存储介质,涉及人工智能领域,具体涉及深度学习、自然语言理解、智能客服等领域。具体实现方案为:确定口语文本信息中文字的字特征;确定所述口语文本信息中文字的相关性特征;根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。本公开能够提高口语处理的准确度。
Description
技术领域
本公开涉及人工智能领域,具体涉及深度学习、自然语言理解、智能客服等领域,具体公开了一种口语处理方法、装置、电子设备及存储介质。
背景技术
自然语言理解(Natural Language Understanding,NLU)是所有支持机器理解文本内容的方法模型或任务的总称。NLU在文本信息处理系统中扮演着非常重要的角色,是推荐、问答、搜索等系统的必备模块。
用户口语是指日常口头交谈时使用的语言。用户口语与书面语之间有很大差别,主要体现在口语文本与书面文本相比包含很多不流利因素。如何对口语进行处理是业内重要问题。
发明内容
本公开提供了一种口语处理方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种口语处理方法,该方法包括:
确定口语文本信息中文字的字特征;
确定所述口语文本信息中文字的相关性特征;
根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
根据本公开的一方面,提供了一种口语处理装置,该装置包括:
字特征模块,用于确定口语文本信息中文字的字特征;
相关性特征模块,用于确定口语文本信息中文字的相关性特征;
流畅性影响模块,用于根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
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指令,所述指令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本公开任一实施例所述的口语处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行本公开任一实施例所述的口语处理方法。
根据本公开的技术,提高了口语处理的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种口语处理方法的流程图;
图2a是根据本公开实施例提供的另一种口语处理方法的流程图;
图2b是本公开实施例提供的一种相对位置编码的示意图,
图3a是根据本公开实施例提供的又一种口语处理方法的流程图;
图3b是根据本公开实施例提供的一种口语处理过程的架构示意图;
图3c是根据本公开实施例提供的一种特征处理的示意图;
图4是根据本公开实施例提供的一种口语处理装置的结构示意图;
图5是用来实现本公开实施例的口语处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例提供的一种口语处理方法的流程图,本公开实施例适用于对口语内容进行处理的情况。该方法可以由口语处理装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于承载口语处理功能的电子设备中。如图1所示,本实施例的口语处理方法可以包括:
S101,确定口语文本信息中文字的字特征;
S102,确定所述口语文本信息中文字的相关性特征;
S103,根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
其中,口语文本信息为口语交流过程中的文本信息。在口语交流过程中存在不流畅因素,例如存在重复、停顿、冗余等现象,导致口语文本信息中存在噪音文字,或称为不流畅文字。在口语交流过程中,可以采集语音信息,并通过自动语音识别(Automatic SpeechRecognition,ASR)对语音信息进行识别,得到口语文本信息。
其中,文字的字特征用于表征文字自身的特征信息,相关性特征用于表征口语文本信息中文字的相关性,文字的相关性特征可包括不同文字之间的互相关性,也可包括文字自身的自相关性,即文字与自己的相关性。其中,文字的相关性表示文字在语义上的相关度,文字自身的自相关性大于不同文字之间的互相关性。
在本公开实施例中,文字对口语文本信息流畅性的影响结果可为不同等级的流畅程度。可选的,可以是流畅或不流畅。若影响结果为不流畅,则表征该文字导致口语文本信息不流畅。在一种可选的实施例中,文字为语气助词、呼应性的词或重复等的情况下,该文字会导致口语文本信息不流畅。
具体的,可确定口语文本信息中文字的字特征,并确定口语文本信息中文字的相关性特征。需要说明的是,文字的字特征与文字的相关性特征之间为并列关系,二者的确定无先后顺序之分,本公开实施例对二者的确定顺序不做具体限定。
具体的,可根据文字的相关性特征和文字的字特征,确定文字对口语文本信息流畅性的影响。在确定文字对文本流畅性影响的过程中,采用文字自身的字特征作为确定依据,使得确定过程能够识别口语文本信息中没有实际含义的词语,一般是语气助词,例如哎,那,嗯,喂,啊,哦,嗯,呀,呃,嘛,呢,这个;或者是呼应性的词语,例如,那什么,或者什么的,也等于是,就是说等。还采用文字的相关性特征作为确定依据,使得确定过程能够识别重复性的文字。由于口语文本处理过程中,涵盖口语文本信息中文字自身的字特征,还融合文字的相关性特征,能够准确获得文字对文本流畅性的影响。
本公开实施例提供的技术方案,通过分别确定口语文本信息中文字自身的字特征和文字的相关性特征,并结合文字自身的字特征和文字的相关性特征确定文字对文本流畅性影响,能够准确获得文字对文本流畅性的影响。
在一种可选实施方式中,确定所述口语文本信息中文字的相关性特征包括:确定所述口语文本信息中文字的字向量矩阵;根据所述文字的字向量矩阵确定所述文字的相关性特征。
在本公开实施例中,可对口语文本信息进行处理,得到口语文本信息中文字的字向量矩阵,并根据文字的字向量矩阵确定文字的相关性特征。其中,文字的字向量矩阵用于对文字进行数值化表示,字向量矩阵的维度可用n表示,本公开实施例对字向量矩阵的维度不做具体限定,例如可为128维或256维等。具体的,可根据口语文本信息中各文字的字向量矩阵构建口语文本信息中文字的相关性矩阵,并对相关性矩阵进行特征提取,得到文字的相关性特征。另外,还可根据文字的字向量矩阵确定文字的字特征。通过采用文字的字向量矩阵分别确定文字的字特征和文字的相关性特征,为后续通过神经网络进行口语处理奠定基础。
图2a是根据本公开实施例提供的另一种口语处理方法的流程图;本实施例是在上述实施例的基础上提出的一种可选方案,可基于神经网络进行口语处理。参见图2a,本实施例提供的口语处理方法包括:
S201,确定口语文本信息中文字的字特征;
S202,确定所述口语文本信息中文字的字向量矩阵;
S203,确定所述口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积;
S204,根据所述哈达玛积确定相关性矩阵;
S205,对所述相关性矩阵进行3D特征提取,得到所述第i个文字和所述第j个文字的相关性特征;
S206,根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响;
其中,i和j均为自然数。
哈达玛积(Hadamard product)是矩阵的一类运算,若矩阵A=(aij)和矩阵B=(bij)是两个同阶矩阵,且cij=aij×bij,则称矩阵C=(cij)为矩阵A和矩阵B的哈达玛积,其中,aij、bij和cij分别为矩阵A、矩阵B和矩阵C中的元素。
在本公开实施例中,可根据口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积,确定第i个文字和第j个文字的相关性矩阵,文字序号i和j均小于口语文本信息中的文字数量m,i和j的取值可为1,2,…,m,即i和j的取值可相同,也可不同,其中m为自然数。并且,根据哈达玛积确定口语文本信息的相关性矩阵,例如,可直接将口语文本信息中文字的哈达玛积作为相关性矩阵。以字向量矩阵的维度为n为例,相关性矩阵的维度为m×m×n,其中第i×j个n维矩阵表示第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的相关性,取值可为第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积。
并且,可对相关性矩阵进行3D特征提取,即进行三维特征提取。具体的,可采用3D神经网络进行3D特征提取,得到文字的相关性特征,3D神经网络的卷积核也为三维。3D卷积核的尺寸受感受野(Receptive Field)影响,本公开实施例对3D卷积核的尺寸不做具体限定。感受野为卷积神经网络每一层输出的特征图(feature map)上的像素点映射回卷积神经网络输入图像上的区域大小。通过根据口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积,确定相关性矩阵,使得相关性矩阵能够准确反映文字的相关性,提高了相关性矩阵的准确度;并且,通过对相关性矩阵进行3D特征提取,支持基于神经网络进行相关性矩阵提取,能够提高相关性矩阵的确定效率。
在一种可选实施方式中,所述根据所述哈达玛积确定相关性矩阵,包括:确定所述口语文本信息中第i个文字和第j个文字的相对位置编码;将所述相对位置编码添加到所述哈达玛积中,得到所述第i个文字和所述第j个文字的相关性矩阵。
其中,相对位置编码采用文字在口语文本信息中的位置序号相差几位数表示相对位置,第i个文字和第j个文字的相对位置编码取值为i-j。仍以口语文本信息为m为例,相对位置编码矩阵的维度也为m×m,由于i和j的取值范围均为1,2,…,m,因此i-j的取值范围为0,1,…,m-1。以一句话有10个文字为例,该句话的相对位置编码矩阵如图2b所示。
在本公开实施例中,还可在相关性矩阵中引入口语文本信息中文字的相对位置编码。具体的,可将相关性矩阵的最后一个维度引入相对位置编码矩阵,得到综合的相关性矩阵。仍以口语文本信息包括m个文字,字向量矩阵的维度为n为例,相关性矩阵的维度为m×m×(n+1)。通过在相关性矩阵中引入口语文本信息中文字的相对位置编码,使得相关性矩阵能够反映口语文本中文字顺序异常等不流畅问题,能够解决口语文本中对位置敏感,比如重复往往出现在相邻位置,从而能够进一步提高文字处理的精准度。
本公开实施例提供的技术方案,通过根据口语文本信息中文字的字向量矩阵之间的哈达玛积确定相关性矩阵,在相关性矩阵中还可引入相对位置编码,并且支持基于神经网络进行相关性矩阵提取,能够提高相关性矩阵的确定效率和准确度。
图3a是根据本公开实施例提供的又一种口语处理方法的流程图;本实施例是在上述实施例的基础上提出的一种可选方案。参见图3a,本实施例提供的口语处理方法包括:
S301,通过语言表征模型,对口语文本信息进行处理,得到所述口语文本信息中文字的字向量矩阵;
S302,对所述文字的字向量矩阵进行2D特征提取,得到文字的字特征;
S303,根据所述文字的字向量矩阵,确定口语文本信息中文字的相关性特征;
S304,根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
其中,语言表征模型(Bidirectional Encoder Representation fromTransformers,BERT)可以预先训练得到,用于确定文字的字向量矩阵。具体的,可以将口语文本信息输入语言表征模型,得到口语文本信息中文字的字向量矩阵。字向量矩阵的维度n可以为128或256等。本公开实施例对语言表征模型的训练任务不做具体限定,例如,可在文本的机器翻译、句法分析等任务中预先训练得到。
在本公开实施例中,可对口语文本信息中文字的字向量矩阵进行2D特征提取,即进行二维特征提取。具体的,可采用2D神经网络进行2D特征提取,得到文字的字特征。2D神经网络的卷积核为二维,卷积核的尺寸受感受野影响,本公开实施例对2D卷积核的尺寸不做具体限定。通过对文字的字向量矩阵进行2D特征提取得到文本自身的字特征,支持基于神经网络进行字特征提取,能够提高文字的字特征的确定效率。并且,字特征的维度与自相关矩阵的维度可相同,例如可以均为3维,为后续根据自相关特征和文字的字特征对文字进行处理奠定基础。
图3b是根据本公开实施例提供的一种口语处理过程的架构示意图,参考图3b,通过语言表征模型分别确定口语文本信息中各文字的字向量矩阵,对口语文本信息中各文字的字向量矩阵进行组合可得到口语文本信息的文本向量矩阵,仍以口语文本信息包括m个文字,每个文字的字向量矩阵维度为n为例,口语文本信息的文本向量矩阵维度为m×n。并且,通过相关性卷积层,可根据口语文本信息的文本向量矩阵确定口语文本信息中文字的相关性特征;通过字特征卷积层,可根据口语文本信息的文本向量矩阵确定口语文本信息中文字自身的字特征;可通过融合层,对文字自身的字特征和相关性特征进行融合得到融合特征,以及通过softmax(逻辑回归)层对融合特征进行处理,得到文字对口语文本信息流畅性的影响类别。其中,融合层可为1×1的卷积层。
图3c是根据本公开实施例提供的一种特征处理的示意图,参考图3c,以口语文本信息为“我…不知道”为例,该口语文本信息包括m个文字,每个文字的字向量矩阵维度为n,各文字的字向量矩阵可以组成m×n维的文本向量矩阵,将m×n维的文本向量矩阵分别输入分支一和分支二。在分支一中,可确定口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达码积,也就是说,针对“我…不知道”中的每一个文字,可分别确定该文字的字向量矩阵与“我…不知道”中各文字的字向量矩阵之间的哈达码积,得到m×m×n维的相关性矩阵,以口语文本信息包括7个文字,且每个文字的字向量矩阵为128维为例,相关性矩阵的维度为7×7×128。在分支一中,还可在相关性矩阵中引入文字的相对位置编码,将m×m×n维的相关性矩阵转换为m×m×(n+1)维的相关性矩阵(未示出);并且,可通过3D卷积层对相关性矩阵进行3D特征提取得到相关性特征。在分支二中,通过2D卷积层对m×n维的文本向量矩阵进行2D特征提取得到文字的字特征。在本公开实施例中,还可对文字的字特征和文字的相关性特征进行融合得到融合特征,用于后续根据融合特征确定口语文本信息中文字的影响类别。其中,相关性特征的通道数、字特征的通道数和融合特征的通道数均相同,例如通道数C可均为3。
其中,上述两个分支可形式化表示为:
Y=RELU((A×X1)⊙(B×X2)+b);
其中,X1和X2分别为相关性特征和文字自身的字特征,Y为文字对口语文本信息流畅性的影响类别,A和B分别为权重值,b为偏置向量,RELU为激活函数,⊙为特征融合算符,例如可为哈达玛积算符,即可通过哈达玛积将文字自身的字特征和相关性特征融合在一起。在融合结果上加上偏置向量b,一起输入到激活参数中,可通过softmax层输出文字在各候选类别上的概率分布,取最大概率分布的候选类别作为文字对口语文本信息流畅性的影响类别。
需要说明的是,为了提高神经网络的学习效率,在模型训练过程中,还可进行丢弃(dropout),丢弃是指在深度学习网络的训练过程中,对于神经网络单元,按照一定的概率将其暂时从网络中丢弃,丢弃概率可为0.5。
本公开实施例提供的技术方案,通过全卷积的网络架构来加速口语文本的处理效率;使用语言表征模型生成文字的字向量矩阵;使用自相关卷积网络处理字向量矩阵得到相关性矩阵,并在相关性矩阵中创新地引入相对位置编码,强制偏置模型对相对位置信息进行抽取,可以让卷积神经网络定位出文字的相对位置信息,能够提高文字的处理准确度和处理效率。
在一种可选实施方式中,所述方法还包括:根据所述文字所属的类别,对所述口语文本信息进行修正,得到目标文本信息。
在本公开实施例中,还可针对文字所属的类别对口语文本信息中的文字进行修正。以文字所属的类别包括流畅、重复、冗余、修正、不完整词语替换插入等为例,具体可分为如下六种情况:
情况一,简单重复。这种类型修正词和被修正词是相同的,可能由于讲话者结巴引起的,例如原口语文本信息为“我知道我知道那个手段更复杂”,经修正后为“我知道那个手段更复杂”。情况二,局部重复,指单词中只有几个文字被重复,被修正词是修正词的一部分,例如,原口语文本信息为“我们那些调调皮的孩子”,经修正后为“我们那些调皮的孩子”。情况三,单词置换。在这种类型中,修正词和被修正词之间存在交集,但二者不完全相同,例如,原口语文本信息为“我想当时的,那时候的场面会非常的火爆”,经修正后为“我想那时候的场面会非常的火爆”。情况四,单词移除。在这种类型中,修正词被完全删除,后续没有为其校正的修正词,例如,原口语文本信息为“但我自己感到也很非常沮丧啊”,经修正后为“但我自己感到也非常沮丧啊”。情况五,单词插入。在这种类型中,被修正词是修正词的子集,修正词在被修正词的基础上进行了补充,例如,原口语文本信息为“张三他也有他自己家也有床”,经修正后为“张三他自己家也有床”。情况六,复杂类型,由上述五种简单类型通过嵌套组成,例如,原口语文本信息为“对,一月一一月底回去的”,经修正后为“对,一月底回去的”。需要说明的是,被修正词为口语文本信息中待修正的词语,修正词为经修正后的结果。通过根据口语文本信息中文字的类别,对文字进行修正,得到目标文本信息,能够提高口语文本质量。
在一种可选实施方式中,所述方法还包括:对所述目标文本信息进行自然语言理解。
其中,自然语言理解可为句法分析、机器翻译等。由于自然语言理解往往采用比较流畅且规范的文本作为样本训练得到,然而口语文本信息存在重复、冗余等多种不流畅现象,这些不流畅现象对自然语言理解造成严重的干扰。通过对口语文本信息进行修正得到目标文本信息,使口语文本信息书面化,并基于目标文本信息进行自然语言理解,能够提高口语交流过程中的自然语言理解质量。
图4是根据本公开实施例提供的一种口语处理装置的结构示意图。本公开实施例适用于对口语内容进行处理的情况。该装置可以采用软件和/或硬件来实现,该装置可以实现本公开任意实施例所述的口语处理方法。如图4所示,该口语处理装置400包括:
字特征模块410,用于确定口语文本信息中文字的字特征;
相关性特征模块420,用于确定口语文本信息中文字的相关性特征;
流畅性影响模块430,用于根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
在一种可选实施方式中,所述相关性特征模块420包括:
字向量矩阵子模块,用于确定所述口语文本信息中文字的字向量矩阵;
相关性特征子模块,用于根据所述文字的字向量矩阵确定所述文字的相关性特征。
在一种可选实施方式中,所述相关性特征子模块包括:
哈达玛积单元,用于确定所述口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积;
相关性矩阵单元,用于根据所述哈达玛积确定相关性矩阵;
相关性特征单元,用于对所述相关性矩阵进行3D特征提取,得到所述第i个文字和所述第j个文字的相关性特征;
其中,i和j均为自然数。
在一种可选实施方式中,所述相关性矩阵单元包括:
相对位置编码子单元,用于确定所述口语文本信息中第i个文字和第j个文字的相对位置编码;
相关性矩阵子单元,用于将所述相对位置编码添加到所述哈达玛积中,得到文字的相关性矩阵。
在一种可选实施方式中,所述字向量矩阵子模块具体用于:
通过语言表征模型,对所述口语文本信息进行处理,得到所述口语文本信息中文字的字向量矩阵;
所述字特征模块410具体用于:对所述文字的字向量矩阵进行2D特征提取,得到文字的字特征。
在一种可选实施方式中,该口语处理装置400还包括:
文本修正模块,用于根据所述文字对所述口语文本信息流畅性的影响,对所述口语文本信息进行修正,得到目标文本信息。
在一种可选实施方式中,该口语处理装置400还包括:
文本理解模块,用于对所述目标文本信息进行自然语言理解。
本公开实施例所提供的口语处理装置可执行本公开任意实施例所提供的口语处理方法,具备执行口语处理方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的场景图像数据和场景点云数据的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如口语处理方法。例如,在一些实施例中,口语处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的口语处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行口语处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程口语处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种口语处理方法,包括:
确定口语文本信息中文字的字特征;
确定所述口语文本信息中文字的相关性特征;
根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
2.根据权利要求1所述的方法,所述确定所述口语文本信息中文字的相关性特征包括:
确定所述口语文本信息中文字的字向量矩阵;
根据所述文字的字向量矩阵确定所述文字的相关性特征。
3.根据权利要求2所述的方法,其中,所述根据所述文字的字向量矩阵确定所述文字的相关性特征,包括:
确定所述口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积;
根据所述哈达玛积确定相关性矩阵;
对所述相关性矩阵进行3D特征提取,得到所述第i个文字和所述第j个文字的相关性特征;
其中,i和j均为自然数。
4.根据权利要求3所述的方法,其中,所述根据所述哈达玛积确定相关性矩阵,包括:
确定所述口语文本信息中第i个文字和第j个文字的相对位置编码;
将所述相对位置编码添加到所述哈达玛积中,得到所述第i个文字和所述第j个文字的相关性矩阵。
5.根据权利要求2所述的方法,其中,所述确定所述口语文本信息中文字的字向量矩阵,包括:
通过语言表征模型,对所述口语文本信息进行处理,得到所述口语文本信息中文字的字向量矩阵;
所述确定口语文本信息中文字的字特征,包括:
对所述文字的字向量矩阵进行2D特征提取,得到文字的字特征。
6.根据权利要求1所述的方法,所述方法还包括:
根据所述文字对所述口语文本信息流畅性的影响,对所述口语文本信息进行修正,得到目标文本信息。
7.一种口语处理装置,包括:
字特征模块,用于确定口语文本信息中文字的字特征;
相关性特征模块,用于确定口语文本信息中文字的相关性特征;
流畅性影响模块,用于根据所述文字的字特征和所述文字的相关性特征,确定所述文字对所述口语文本信息流畅性的影响。
8.根据权利要求7所述的装置,其中,所述相关性特征模块包括:
字向量矩阵子模块,用于确定所述口语文本信息中文字的字向量矩阵;
相关性特征子模块,用于根据所述文字的字向量矩阵确定所述文字的相关性特征。
9.根据权利要求8所述的装置,其中,所述相关性特征子模块包括:
哈达玛积单元,用于确定所述口语文本信息中第i个文字的字向量矩阵与第j个文字的字向量矩阵之间的哈达玛积;
相关性矩阵单元,用于根据所述哈达玛积确定相关性矩阵;
相关性特征单元,用于对所述相关性矩阵进行3D特征提取,得到所述第i个文字和所述第j个文字的相关性特征;
其中,i和j均为自然数。
10.根据权利要求9所述的装置,其中,所述相关性矩阵单元包括:
相对位置编码子单元,用于确定所述口语文本信息中第i个文字和第j个文字的相对位置编码;
相关性矩阵子单元,用于将所述相对位置编码添加到所述哈达玛积中,得到文字的相关性矩阵。
11.根据权利要求8所述的装置,其中,所述字向量矩阵子模块具体用于:
通过语言表征模型,对所述口语文本信息进行处理,得到所述口语文本信息中文字的字向量矩阵;
所述字特征模块具体用于:对所述文字的字向量矩阵进行2D特征提取,得到文字的字特征。
12.根据权利要求7所述的装置,所述装置还包括:
文本修正模块,用于根据所述文字对所述口语文本信息流畅性的影响,对所述口语文本信息进行修正,得到目标文本信息。
13.一种电子设备,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指令,所述指令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权利要求1-6中任一项所述的口语处理方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的口语处理方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的口语处理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323762.XA CN114970666B (zh) | 2022-03-29 | 2022-03-29 | 一种口语处理方法、装置、电子设备及存储介质 |
US17/965,869 US20230317058A1 (en) | 2022-03-29 | 2022-10-14 | Spoken language processing method and apparatus, and storage medium |
EP22201744.4A EP4254256A1 (en) | 2022-03-29 | 2022-10-14 | Spoken language processing method and apparatus, electronic device, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323762.XA CN114970666B (zh) | 2022-03-29 | 2022-03-29 | 一种口语处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114970666A true CN114970666A (zh) | 2022-08-30 |
CN114970666B CN114970666B (zh) | 2023-08-29 |
Family
ID=82976081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210323762.XA Active CN114970666B (zh) | 2022-03-29 | 2022-03-29 | 一种口语处理方法、装置、电子设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230317058A1 (zh) |
EP (1) | EP4254256A1 (zh) |
CN (1) | CN114970666B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092475A (zh) * | 2023-04-07 | 2023-05-09 | 杭州东上智能科技有限公司 | 一种基于上下文感知扩散模型的口吃语音编辑方法和系统 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427625A (zh) * | 2019-07-31 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 语句补全方法、装置、介质及对话处理系统 |
CN110959159A (zh) * | 2017-07-25 | 2020-04-03 | 谷歌有限责任公司 | 话语分类器 |
CN111291549A (zh) * | 2020-05-08 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 文本处理方法、装置、存储介质和电子设备 |
CN111581968A (zh) * | 2020-05-07 | 2020-08-25 | 携程计算机技术(上海)有限公司 | 口语理解模型的训练方法、识别方法、系统、设备及介质 |
CN111667816A (zh) * | 2020-06-15 | 2020-09-15 | 北京百度网讯科技有限公司 | 模型训练方法、语音合成方法、装置、设备和存储介质 |
CN111737995A (zh) * | 2020-05-29 | 2020-10-02 | 北京百度网讯科技有限公司 | 基于多种词向量训练语言模型的方法、装置、设备及介质 |
CN112016313A (zh) * | 2020-09-08 | 2020-12-01 | 迪爱斯信息技术股份有限公司 | 口语化要素识别方法及装置、警情分析系统 |
CN112115721A (zh) * | 2020-09-28 | 2020-12-22 | 青岛海信网络科技股份有限公司 | 一种命名实体识别方法及装置 |
CN112149418A (zh) * | 2020-09-23 | 2020-12-29 | 西藏民族大学 | 一种基于词向量表示学习的中文分词方法及系统 |
CN112735396A (zh) * | 2021-02-05 | 2021-04-30 | 北京小米松果电子有限公司 | 语音识别纠错方法、装置及存储介质 |
CN112818694A (zh) * | 2021-03-02 | 2021-05-18 | 浙江工业大学 | 一种基于规则和改进预训练模型的命名实体识别方法 |
US20210216722A1 (en) * | 2020-01-15 | 2021-07-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing sematic description of text entity, and storage medium |
CN113160820A (zh) * | 2021-04-28 | 2021-07-23 | 百度在线网络技术(北京)有限公司 | 语音识别的方法、语音识别模型的训练方法、装置及设备 |
CN113204619A (zh) * | 2021-04-30 | 2021-08-03 | 平安科技(深圳)有限公司 | 基于自然语言处理的语句补全方法、装置、设备及介质 |
CN113704430A (zh) * | 2021-08-31 | 2021-11-26 | 平安普惠企业管理有限公司 | 智能辅助催收方法、装置、电子设备及存储介质 |
US20210374338A1 (en) * | 2020-05-26 | 2021-12-02 | Mastercard International Incorporated | Methods and systems for generating domain-specific text summarizations |
US20210383069A1 (en) * | 2020-06-09 | 2021-12-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device, and storage medium for linking entity |
CN114005452A (zh) * | 2021-10-29 | 2022-02-01 | 北京百度网讯科技有限公司 | 提取语音特征的方法、装置、电子设备及存储介质 |
WO2022022421A1 (zh) * | 2020-07-29 | 2022-02-03 | 北京字节跳动网络技术有限公司 | 语言表示模型系统、预训练方法、装置、设备及介质 |
CN114021582A (zh) * | 2021-12-30 | 2022-02-08 | 深圳市北科瑞声科技股份有限公司 | 结合语音信息的口语理解方法、装置、设备及存储介质 |
CN114141236A (zh) * | 2021-10-28 | 2022-03-04 | 北京百度网讯科技有限公司 | 语言模型更新方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104347071B (zh) * | 2013-08-02 | 2020-02-07 | 科大讯飞股份有限公司 | 生成口语考试参考答案的方法及系统 |
-
2022
- 2022-03-29 CN CN202210323762.XA patent/CN114970666B/zh active Active
- 2022-10-14 US US17/965,869 patent/US20230317058A1/en active Pending
- 2022-10-14 EP EP22201744.4A patent/EP4254256A1/en not_active Withdrawn
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110959159A (zh) * | 2017-07-25 | 2020-04-03 | 谷歌有限责任公司 | 话语分类器 |
CN110427625A (zh) * | 2019-07-31 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 语句补全方法、装置、介质及对话处理系统 |
US20210216722A1 (en) * | 2020-01-15 | 2021-07-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing sematic description of text entity, and storage medium |
CN111581968A (zh) * | 2020-05-07 | 2020-08-25 | 携程计算机技术(上海)有限公司 | 口语理解模型的训练方法、识别方法、系统、设备及介质 |
CN111291549A (zh) * | 2020-05-08 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 文本处理方法、装置、存储介质和电子设备 |
US20210374338A1 (en) * | 2020-05-26 | 2021-12-02 | Mastercard International Incorporated | Methods and systems for generating domain-specific text summarizations |
CN111737995A (zh) * | 2020-05-29 | 2020-10-02 | 北京百度网讯科技有限公司 | 基于多种词向量训练语言模型的方法、装置、设备及介质 |
US20210383069A1 (en) * | 2020-06-09 | 2021-12-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, device, and storage medium for linking entity |
CN111667816A (zh) * | 2020-06-15 | 2020-09-15 | 北京百度网讯科技有限公司 | 模型训练方法、语音合成方法、装置、设备和存储介质 |
WO2022022421A1 (zh) * | 2020-07-29 | 2022-02-03 | 北京字节跳动网络技术有限公司 | 语言表示模型系统、预训练方法、装置、设备及介质 |
CN112016313A (zh) * | 2020-09-08 | 2020-12-01 | 迪爱斯信息技术股份有限公司 | 口语化要素识别方法及装置、警情分析系统 |
CN112149418A (zh) * | 2020-09-23 | 2020-12-29 | 西藏民族大学 | 一种基于词向量表示学习的中文分词方法及系统 |
CN112115721A (zh) * | 2020-09-28 | 2020-12-22 | 青岛海信网络科技股份有限公司 | 一种命名实体识别方法及装置 |
CN112735396A (zh) * | 2021-02-05 | 2021-04-30 | 北京小米松果电子有限公司 | 语音识别纠错方法、装置及存储介质 |
CN112818694A (zh) * | 2021-03-02 | 2021-05-18 | 浙江工业大学 | 一种基于规则和改进预训练模型的命名实体识别方法 |
CN113160820A (zh) * | 2021-04-28 | 2021-07-23 | 百度在线网络技术(北京)有限公司 | 语音识别的方法、语音识别模型的训练方法、装置及设备 |
CN113204619A (zh) * | 2021-04-30 | 2021-08-03 | 平安科技(深圳)有限公司 | 基于自然语言处理的语句补全方法、装置、设备及介质 |
CN113704430A (zh) * | 2021-08-31 | 2021-11-26 | 平安普惠企业管理有限公司 | 智能辅助催收方法、装置、电子设备及存储介质 |
CN114141236A (zh) * | 2021-10-28 | 2022-03-04 | 北京百度网讯科技有限公司 | 语言模型更新方法、装置、电子设备及存储介质 |
CN114005452A (zh) * | 2021-10-29 | 2022-02-01 | 北京百度网讯科技有限公司 | 提取语音特征的方法、装置、电子设备及存储介质 |
CN114021582A (zh) * | 2021-12-30 | 2022-02-08 | 深圳市北科瑞声科技股份有限公司 | 结合语音信息的口语理解方法、装置、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
TAICHI AIDA 等: "A Comprehensive Analysis of PMI-based Models for Measuring Semantic Differences", 《PROCEEDINGS OF THE 35TH PACIFIC ASIA CONFERENCE ON LANGUAGE, INFORMATION AND COMPUTATION》, pages 21 * |
张琳琇: "面向微博文本的命名实体识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 2486 * |
徐扬 等: "基于上下文信息的口语意图检测方法", 《计算机科学》, pages 205 - 211 * |
黄佳伟: "人机对话系统中用户意图分类方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 5311 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092475A (zh) * | 2023-04-07 | 2023-05-09 | 杭州东上智能科技有限公司 | 一种基于上下文感知扩散模型的口吃语音编辑方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114970666B (zh) | 2023-08-29 |
EP4254256A1 (en) | 2023-10-04 |
US20230317058A1 (en) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
EP4131076A1 (en) | Serialized data processing method and device, and text processing method and device | |
CN113553412B (zh) | 问答处理方法、装置、电子设备和存储介质 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN116152833B (zh) | 基于图像的表格还原模型的训练方法及表格还原方法 | |
CN113657100A (zh) | 实体识别方法、装置、电子设备及存储介质 | |
JP2023541527A (ja) | テキスト検出に用いる深層学習モデルトレーニング方法及びテキスト検出方法 | |
US20230013796A1 (en) | Method and apparatus for acquiring pre-trained model, electronic device and storage medium | |
CN115062718A (zh) | 语言模型训练方法、装置、电子设备及存储介质 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN114970666B (zh) | 一种口语处理方法、装置、电子设备及存储介质 | |
CN112507705A (zh) | 一种位置编码的生成方法、装置及电子设备 | |
CN114490969B (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN114490965B (zh) | 问题处理方法、装置、电子设备和存储介质 | |
CN112559713B (zh) | 文本相关性判断方法及装置、模型、电子设备、可读介质 | |
CN115204139A (zh) | 一种文本匹配处理方法及装置 | |
CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN113761874A (zh) | 事件事实性预测方法、装置、电子设备与存储介质 | |
CN116226478B (zh) | 信息处理方法、模型训练方法、装置、设备及存储介质 | |
CN114840656B (zh) | 一种视觉问答方法、装置、设备及存储介质 | |
CN115510203B (zh) | 问题答案确定方法、装置、设备、存储介质及程序产品 | |
CN113591492B (zh) | 语料生成方法、装置、电子设备以及存储介质 | |
CN116244432B (zh) | 语言模型的预训练方法、装置及电子设备 | |
CN116383491B (zh) | 信息推荐方法、装置、设备、存储介质和程序产品 |
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 |