CN115964498A - 车载语义解析模型生成方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开涉及自动驾驶技术领域，提供一种车载语义解析模型生成方法、装置、电子设备及存储介质，方法包括：生成初始的车载语义解析模型；将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料数据；对目标用户语料数据进行标注，以得到目标用户语料数据的特征标注向量；根据目标用户语料数据的特征标注向量，更新车载语义解析模型；将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务，车载语义解析模型通过多次动态更新可以逐步提高语义解析的准确性。

Description

车载语义解析模型生成方法、装置、电子设备及存储介质

技术领域

本公开涉及自动驾驶技术领域，尤其涉及一种车载语义解析模型生成方法、装置、电子设备及存储介质。

背景技术

自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。

发明内容

为克服相关技术中存在的问题，本公开提供一种车载语义解析模型生成方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种车载语义解析模型生成方法，方法包括：

生成初始的车载语义解析模型；

将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；

从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料数据；

对目标用户语料数据进行标注，以得到目标用户语料数据的特征标注向量；

根据目标用户语料数据的特征标注向量，更新车载语义解析模型；

将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务。

可选的，生成初始的车载语义解析模型，包括：

获取训练数据集，训练数据集包括与车辆控制领域相关的原始语料数据的特征标注向量；

根据训练数据集进行模型训练，以得到初始的车载语义解析模型。

可选的，根据目标用户语料数据的特征标注向量，更新车载语义解析模型，包括：

根据目标用户语料数据的特征标注向量，更新训练数据集；

根据更新后的训练数据集重新进行模型训练，以得到更新后的车载语义解析模型。

可选的，根据目标用户语料数据的特征标注向量，更新车载语义解析模型，还包括：

响应于确定更新后的车载语义解析模型的精度不满足预设的精度要求，调整模型参数，并根据更新后的训练数据集重新进行模型训练。

可选的，根据目标用户语料数据的特征标注向量，更新训练数据集，包括：

将目标用户语料数据的特征标注向量加入至训练数据集；

响应于确定训练数据集的数据量超过预设的数据量阈值，从训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过数据量阈值，其中，训练数据集中的每条特征标注向量具有对应的时间戳。

可选的，语义解析系统部署有多种语义解析模型，多种语义解析模型服务包括车载语义解析模型服务；从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料日志，包括：

对用户语料日志中的用户语料数据进行意图分类；

将属于车辆控制意图类型的用户语料数据确定为与车载语义解析模型服务相关联的目标用户语料数据。

可选的，方法还包括：

定时获取所述语义解析系统的用户语料日志；

对所述用户语料日志中的用户语料数据进行意图分类，包括：

从用户语料日志中获取相较于前次获取的用户语料日志而言新增的用户语料数据，并对新增的用户语料数据进行意图分类。

根据本公开实施例的第二方面，提供一种车载语义解析模型生成装置，装置包括：

生成模块，被配置为生成初始的车载语义解析模型；

部署模块，被配置为将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；

获取模块，被配置为从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料数据；

处理模块，被配置为对目标用户语料数据进行标注，以得到目标用户语料数据的特征标注向量；

更新模块，被配置为根据目标用户语料数据的特征标注向量，更新车载语义解析模型；

部署模块，还被配置为将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务。

可选的，生成模块，包括：

第一获取子模块，被配置为获取训练数据集，训练数据集包括与车辆控制领域相关的原始语料数据的特征标注向量；

生成子模块，被配置为根据训练数据集进行模型训练，以得到初始的车载语义解析模型。

可选的，更新模块，包括：

第一更新子模块，被配置为根据目标用户语料数据的特征标注向量，更新训练数据集；

第二更新子模块，被配置为根据更新后的训练数据集重新进行模型训练，以得到更新后的所述车载语义解析模型。

可选的，所述第二更新子模块还被配置为响应于确定更新后的所述车载语义解析模型的精度不满足预设的精度要求，调整模型参数，并根据更新后的所述训练数据集重新进行模型训练。

可选的，第一更新子模块，包括：

添加子模块，被配置为将目标用户语料数据的特征标注向量加入至训练数据集；

响应子模块，被配置为响应于确定训练数据集的数据量超过预设的数据量阈值，从训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过数据量阈值，其中，训练数据集中的每条特征标注向量具有对应的时间戳。

可选的，语义解析系统部署有多种语义解析模型，多种语义解析模型服务包括车载语义解析模型服务；获取模块，包括：

意图分类子模块，被配置为对用户语料日志中的用户语料数据进行意图分类；

确定子模块，被配置为将属于车辆控制意图类型的用户语料数据确定为与车载语义解析模型服务相关联的目标用户语料数据。

可选的，获取模块，包括：

第二获取子模块，被配置为定时获取所述语义解析系统的用户语料日志；

意图分类子模块，还被配置为从用户语料日志中获取相较于前次获取的用户语料日志而言新增的用户语料数据，并对新增的用户语料数据进行意图分类。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行本公开第一方面所提供的车载语义解析模型生成方法的步骤。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的车载语义解析模型生成方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：

在上述技术方案中，将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统中以生成车载语义解析模型服务，并基于从语义解析系统的用户语料日志中获取到的与车载语义解析模型服务相关联的目标用户语料数据更新车载语义解析模型，并将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务。本公开中的技术方案可以根据收集到的用户语料日志对车载语义解析模型进行动态更新，车载语义解析模型通过多次动态更新可以逐步提高语义解析的准确性，从而可以准确解析识别出用户的需求，提升用户体验。此外，车载语义解析模型专门用于车辆控制领域，因此，在车辆驾驶场景中，可以迅速准确地对车辆进行相关的控制操作，提高自动驾驶的安全性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种车载语义解析模型生成方法的流程图；

图2是根据一示例性实施例示出的一种车载语义解析模型生成装置的框图；

图3是根据一示例性实施例示出的一种车载语义解析模型生成装置中生成模块的框图；

图4是根据一示例性实施例示出的一种车载语义解析模型生成装置中更新模块的框图；

图5是根据一示例性实施例示出的一种车载语义解析模型生成装置中第一更新子模块的框图；

图6是根据一示例性实施例示出的一种车载语义解析模型生成装置中获取模块的框图；

图7是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种车载语义解析模型生成方法的流程图。图1所示，该车载语义解析模型生成方法可以包括：

在步骤S101中，生成初始的车载语义解析模型。

通过构建神经网络模型并使用训练数据进行训练获得初始的车载语义解析模型。可选的，神经网络模型可以为循环神经网络（Recurrent Neural Network, RNN）、长短期记忆网络（Long Short-Term Memory，LSTM）或卷积神经网络（Convolutional NeuralNetworks,CNN）等。

在本公开实施例中，采用JointBERT模型作为神经网络初始训练模型，通过训练数据对JointBERT模型进行训练，以获得本公开实施例中的初始的车载语义解析模型。

需要说明的是，在本公开实施例中，车载语义解析模型可以为专用于解析用户对车辆的控制意图的语义解析模型，即用于识别用户对车辆进行相关的控制意图，如控制车辆车窗的升降、车辆空调的关闭等。

在步骤S102中，将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务。

将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务，从而可以实现由该车载语义解析模型服务对用户语料数据进行语义解析。可选的，语义解析系统可以部署在用于为车辆提供语义解析服务的后端服务器侧。

示例地，可以在获得初始的车载语义解析模型后就将该初始的车载语义解析模型部署于语义解析系统，以生成车载语义解析模型服务。例如，可以通过Docker Build技术来部署车载语义解析模型。

在步骤S103中，从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料数据。

在本公开实施例中，车载语义解析模型部署于语义解析系统中，形成车载语义解析模型服务。在使用语义解析系统为车辆提供语义解析服务的过程中，语义解析系统会产生用户语料日志，其中，用户语料日志用于记录用户在使用语义解析系统时产生的用户语料数据。该用户语料日志可以被存储至预设的数据空间中，例如，存储在FDS（File StorageService，简称FDS）数据库空间中。当想要获取语义解析系统的用户语料日志时，可以从相应的存储位置中进行读取。

为提高用户对车辆的控制意图的识别准确性，可以使用与车辆控制意图相关的用户语料数据进一步训练车载语义解析模型。如上所述，用户语料日志用于记录用户在使用语义解析系统时产生的用户语料数据。语义解析系统中可以部署至少一种语义解析模型服务。示例地，语义解析系统中只部署有上述的车载语义解析模型服务，则该语义解析系统的用户语料日志中记录的用户语料数据，均为与该车载语义解析模型服务相关联的目标用户语料数据。

在步骤S104中，对目标用户语料数据进行标注，以得到目标用户语料数据的特征标注向量。

示例地，可以利用自动化语料标注工具对目标用户语料进行标注，以得到目标用户语料数据的特征标注向量。其中，该自动化语料标注工具为相关技术中已知的，本公开在此不再详述。示例地，该特征标注向量包括对应的语料数据的意图标注数据和实体槽位标注数据。

在步骤S105中，根据目标用户语料数据的特征标注向量，更新车载语义解析模型。

基于标注好的目标用户语料数据，可以对车载语义解析模型进行新一轮的模型训练，在达到预设的模型精度后结束模型训练，获得更新后的车载语义解析模型。

通过利用线上产生的目标用户语料数据来动态更新车载语义解析模型，通过不断提高车载语义解析模型的精确度，以提高车载语义解析模型的识别准确性。

在步骤S106，将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务。

在本公开实施例中，将更新后的车载语义解析模型部署于语义解析系统中，并替代先前部署的车载语义解析模型，以生成更新的车载语义解析模型服务。在用户后续使用语义解析系统时，可以调用更新的车载语义解析模型服务来解析用户对车辆的控制意图，如此，可以使得车载语义解析模型的识别越来越精准。

本公开中的技术方案可以根据收集到车辆控制领域下的目标用户语料数据对车载语义解析模型进行更新，车载语义解析模型通过多次动态更新可以逐步提高语义解析的准确性，从而可以准确解析识别出用户的需求，提升了用户体验。此外，车载语义解析模型专门用于车辆控制领域，因此，在车辆驾驶场景中，可以迅速准确地对车辆进行相关的控制操作，提高自动驾驶的安全性。

在一种可能的实施方式中，步骤S101可以进一步包括：

获取训练数据集，训练数据集包括与车辆控制领域相关的原始语料数据的特征标注向量；

根据训练数据集进行模型训练，以得到初始的车载语义解析模型。

通过使用与车辆控制领域相关的原始语料数据的特征标注向量对神经网络模型进行模型训练，获得初始的车载语义解析模型。在本公开实施例中，与车辆控制领域相关的原始语料数据可以从公众可以获取到的已有语料数据库中获取。此时，初始的车载语义解析模型的识别准确度可能会因训练数据有限而受限。

在一种可能的实施方式中，步骤S105可以进一步包括：

根据目标用户语料数据的特征标注向量，更新训练数据集；

根据更新后的训练数据集重新进行模型训练，以得到更新后的车载语义解析模型。

由于模型训练的精度与训练数据的丰富程度密切相关，因此，在本公开实施例中，通过更新训练数据集，增加了与车辆控制相关的目标用户语料数据，提高了与车辆控制相关的语料数据的覆盖度。根据目标用户语料数据的特征标注向量，更新训练数据集，可以提高训练数据的覆盖度。使用更新后的训练数据集进行模型训练，获得的更新后的车载语义解析模型的识别率会更高。

每次使用更新后的训练数据集重新进行模型训练，得到更新后的车载语义解析模型精确度，可以比上一轮模型训练得到的车载语义解析模型的精确度更高。通过这样的方法，可以实现车载语义解析模型的精度的逐渐提升。

作为一种可能的实施方式，根据目标用户语料数据的特征标注向量，更新训练数据集可以是：将目标用户语料数据的特征标注向量添加至当前的训练数据集中，以更新训练数据集。也就是说，更新后的训练数据集可以包括：与车辆控制领域相关的原始语料数据的特征标注向量以及每次用户使用车载语义解析模型服务产生的车辆控制领域下的目标用户语料数据的特征标注向量。

作为另一种可能的实施方式，根据目标用户语料数据的特征标注向量，更新训练数据集，可以进一步包括：

将目标用户语料数据的特征标注向量加入至训练数据集；

响应于确定训练数据集的数据量超过预设的数据量阈值，从训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过数据量阈值，其中，训练数据集中的每条特征标注向量具有对应的时间戳。

在本公开实施例中，将目标用户语料数据的特征标注向量加入至训练数据集中后，增加了训练数据集的数据丰富度。但是当训练数据集的数据量超过预设的数据量阈值时，模型训练的效率可能会降低。基于此，当训练数据集的数据量超过预设的数据量阈值时，从训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，即删除距离当前时刻最远的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过数据量阈值。通过这样的方式，既可以利用最新的目标用户语料数据的特征标注向量来更新模型，以提高车载语义解析模型训练的精度，又可以使得训练数据集中的数据量不过多，进而保证模型训练的效率。

在一种示例性实施方式中，步骤S105还可以包括：响应于确定更新后的车载语义解析模型的精度不满足预设的精度要求，调整模型参数，并根据更新后的训练数据集重新进行模型训练。

其中，预设的精度要求可以包括：更新后的车载语义解析模型的精度大于预设的精度阈值。或者，预设的精度要求可以包括：更新后的车载语义解析模型的精度不能低于更新前的车载语义解析模型的精度。

在确定更新后的车载语义解析模型的精度不满足预设的精度要求时，说明车载语义解析模型中的模型参数设置不合适，此时，对当前的车载语义解析模型中的模型参数进行调整，之后，使用更新后的训练数据集重新进行模型训练。重复上述操作，直至更新后的车载语义解析模型的精度满足预设的精度要求为止。

作为一种可能的实施方式，对车载语义解析模型中的模型参数进行调整可以是：对车载语义解析模型中的模型参数进行权重衰减处理，即对车载语义解析模型中的目标函数加入正则化项来限制权重参数的个数，以防止过拟合。对车载语义解析模型中的模型参数进行调整还可以是：对车载语义解析模型中的模型参数进行批标准化处理，即对车载语义解析模型中的每一层神经网络层的输入数据都进行正则化处理，这样有利于让数据的分布更加均匀，通过这种数据标准化方法，可以提升模型的拟合能力。

此外，在确定更新后的车载语义解析模型的精度满足预设的精度要求后，执行步骤S106。

在本公开实施例中，在确定更新后的车载语义解析模型的精度不满足预设的精度要求时，调整模型参数，并根据更新后的训练数据集重新进行模型训练，直至更新后的车载语义解析模型的精度满足预设的精度要求为止。上述技术方案可以通过多次动态更新逐步提高车载语义解析模型的精度，从而基于更新后的车载语义解析模型生成的更新后的车载语义解析服务的准确度越高，可以更准确解析用户的需求，提升用户体验。

在一种可能的实施方式中，语义解析系统中除了部署有车载语义解析模型之外，还部署有其他类型的语义解析模型服务。也就是说，在这种情况下，语义解析系统中部署有多种语义解析模型，多种语义解析模型服务包括车载语义解析模型服务。在这种情况下，步骤S103可以进一步包括：

对用户语料日志中的用户语料数据进行意图分类；

将属于车辆控制意图类型的用户语料数据确定为与车载语义解析模型服务相关联的目标用户语料数据。

示例地，语义解析系统中部署了多种语义解析模型，每种语义解析模型可以对应于不同的领域。当多种车载语义解析模型部署于语义解析系统中，则获得多种对应的语义解析模型服务，其中，每种语义解析模型服务分别提供一种语义解析模型。例如，多种语义解析模型服务可以包括对应于通用领域的语义解析模型服务，对应于车辆控制领域的语义解析模型服务，即上述的车载语义解析模型服务，或者还包括对应于其他垂直领域的语义解析模型服务。

在这种情况下，语义解析系统的用户语料日志中记录有每种语义解析模型服务所解析的用户语料数据，此时，需要从用户语料日志中筛选出与车载语义解析模型服务相关联的目标用户语料数据。因此，在本公开的实施方式中，对语义解析系统的用户语料日志中的用户语料数据进行意图分类，并将属于车辆控制意图类型的用户语料数据确定为与车载语义解析模型服务相关联的目标用户语料数据。其中，可以通过CNN（ConvolutionalNeural Network，卷积神经网络）、LSTM（Long Short-Term Memory，长短期记忆网络）或FastText模型中的任一种模型实现对用户语料数据的意图分类。示例地，本实施例中通过采用TextCNN模型对用户语料数据进行意图分类，其对应的过程可以包括：先将用户语料数据进行分词处理以获得用户语料数据对应的词向量，然后将词向量依次经过一层卷积和一层池化，最后将输出外接归一化层从而实现对用户语料数据的意图分类。

示例地，车辆控制意图类型可以进一步包括：车辆部件控制、空调控制和车载系统控制。其中，车辆部件控制可以例如包括：对车窗升降的控制等；空调控制可以例如包括：对车辆空调开闭的控制或者对车辆空调温度的控制等；车载系统控制可以例如包括：对车载系统屏幕亮度的控制等。

在本公开实施例中，使用属于车辆控制意图类型的目标用户语料数据对车载语义解析模型进行动态更新训练，可以实现车载语义解析模型服务与车辆控制领域相匹配以提高语义解析的准确性，进而在车辆驾驶场景中，可以迅速准确地对车辆进行相关的控制操作，提高自动驾驶的安全性。

在其他可能的实施方式中，上述的车载语义解析模型生成方法还可以包括：

定时获取语义解析系统的用户语料日志；

对用户语料日志中的用户语料数据进行意图分类，包括：

从用户语料日志中获取相较于前次获取的用户语料日志而言新增的用户语料数据，并对新增的用户语料数据进行意图分类。

在本公开中，在使用语义解析系统为车辆提供语义解析服务的过程中，语义解析系统会产生用户语料日志，通过大数据服务每间隔预设时长定时收集语义解析系统产生的用户语料日志并将该用户语料日志存储于数据空间内。在使用将更新后的车载语义解析模型部署于语义解析系统中生成得更新的车载语义解析模型服务过程中，会产生新的用户语料日志，因此，每间隔预设时长可以通过大数据服务定时收集语义解析系统产生的新的用户语料日志，并对新增的用户语料日志中的用户语料数据进行意图分类，确定出目标用户语料数据。

在本公开实施例中，通过获取新增的用户语料数据，更新了训练数据集，并通过对用户语料数据进行意图分类增加了与车辆控制相关的目标用户语料数据，提高了与车辆控制相关的语料数据的覆盖度。根据目标用户语料数据的特征标注向量，更新训练数据集，可以提高训练数据的覆盖度。使用更新后的训练数据集进行模型训练，获得的更新后的车载语义解析模型的识别率会更高。

请参阅图2，本公开还提供一种车载语义解析模型生成装置10，装置10包括：

生成模块110，被配置为生成初始的车载语义解析模型；

部署模块120，被配置为将车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；

获取模块130，被配置为从语义解析系统的用户语料日志中获取与车载语义解析模型服务相关联的目标用户语料数据；

处理模块140，被配置为对目标用户语料数据进行标注，以得到目标用户语料数据的特征标注向量；

更新模块150，被配置为根据目标用户语料数据的特征标注向量，更新车载语义解析模型；

部署模块120，还被配置为将更新后的车载语义解析模型替代先前的车载语义解析模型部署到语义解析系统，以生成更新的车载语义解析模型服务。

可选的，请参阅图3，生成模块110，包括：

第一获取子模块111，被配置为获取训练数据集，训练数据集包括与车辆控制领域相关的原始语料数据的特征标注向量；

生成子模块112，被配置为根据训练数据集进行模型训练，以得到初始的车载语义解析模型。

可选的，请参阅图4，更新模块150，包括：

第一更新子模块151，被配置为根据目标用户语料数据的特征标注向量，更新训练数据集；

第二更新子模块152，被配置为根据更新后的训练数据集重新进行模型训练，以得到更新后的所述车载语义解析模型。

可选的，所述第二更新子模块152还被配置为响应于确定更新后的所述车载语义解析模型的精度不满足预设的精度要求，调整模型参数，并根据更新后的所述训练数据集重新进行模型训练。

可选的，请参阅图5，第一更新子模块151，包括：

添加子模块153，被配置为将目标用户语料数据的特征标注向量加入至训练数据集；

响应子模块154，被配置为响应于确定训练数据集的数据量超过预设的数据量阈值，从训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过数据量阈值，其中，训练数据集中的每条特征标注向量具有对应的时间戳。

可选的，请参阅图6，语义解析系统部署有多种语义解析模型，种语义解析模型服务包括车载语义解析模型服务；获取模块130，包括：

意图分类子模块131，被配置为对用户语料日志中的用户语料数据进行意图分类；

确定子模块132，被配置为将属于车辆控制意图类型的用户语料数据确定为与车载语义解析模型服务相关联的目标用户语料数据。

可选的，获取模块130，包括：

第二获取子模块133，被配置为定时获取所述语义解析系统的用户语料日志；

意图分类子模块131，还被配置为从用户语料日志中获取相较于前次获取的用户语料日志而言新增的用户语料数据，并对新增的用户语料数据进行意图分类。

在上述技术方案中，可以根据收集到的用户语料日志对车载语义解析模型进行更新，车载语义解析模型通过多次动态更新可以逐步提高语义解析的准确性，从而可以准确解析识别出用户的需求，提升了用户体验。此外，车载语义解析模型专门用于车辆控制领域，因此，在车辆驾驶场景中，可以迅速准确地对车辆进行相关的控制操作，提高自动驾驶的安全性。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的车载语义解析模型生成方法的步骤。

图7是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述车载语义解析模型生成方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入/输出接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsServer^TM，Mac OS X^TM，Unix^TM，Linux^TM，FreeBSD^TM或类似。

本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种车载语义解析模型生成方法，其特征在于，所述方法包括：

生成初始的车载语义解析模型；

将所述车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；

从所述语义解析系统的用户语料日志中获取与所述车载语义解析模型服务相关联的目标用户语料数据；

对所述目标用户语料数据进行标注，以得到所述目标用户语料数据的特征标注向量；

根据所述目标用户语料数据的特征标注向量，更新所述车载语义解析模型；

将更新后的所述车载语义解析模型替代先前的车载语义解析模型部署到所述语义解析系统，以生成更新的车载语义解析模型服务。

2.根据权利要求1所述的方法，其特征在于，所述生成初始的车载语义解析模型，包括：

获取训练数据集，所述训练数据集包括与车辆控制领域相关的原始语料数据的特征标注向量；

根据所述训练数据集进行模型训练，以得到初始的所述车载语义解析模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标用户语料数据的特征标注向量，更新所述车载语义解析模型，包括：

根据所述目标用户语料数据的特征标注向量，更新所述训练数据集；

根据更新后的所述训练数据集重新进行模型训练，以得到更新后的所述车载语义解析模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户语料数据的特征标注向量，更新所述车载语义解析模型，还包括：

响应于确定更新后的所述车载语义解析模型的精度不满足预设的精度要求，调整模型参数，并根据更新后的所述训练数据集重新进行模型训练。

5.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户语料数据的特征标注向量，更新所述训练数据集，包括：

将所述目标用户语料数据的特征标注向量加入至所述训练数据集；

响应于确定所述训练数据集的数据量超过预设的数据量阈值，从所述训练数据集中删除按照时间戳由早到晚的顺序排序靠前的预定数量的特征标注向量，以使删除操作后所得训练数据集的数据量不超过所述数据量阈值，其中，所述训练数据集中的每条特征标注向量具有对应的时间戳。

6.根据权利要求1所述的方法，其特征在于，所述语义解析系统部署有多种语义解析模型，所述多种语义解析模型包括所述车载语义解析模型服务；

所述从所述语义解析系统的用户语料日志中获取与所述车载语义解析模型服务相关联的目标用户语料数据，包括：

对所述用户语料日志中的用户语料数据进行意图分类；

将属于车辆控制意图类型的用户语料数据确定为与所述车载语义解析模型服务相关联的目标用户语料数据。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

定时获取所述语义解析系统的用户语料日志；

所述对所述用户语料日志中的用户语料数据进行意图分类，包括：

从所述用户语料日志中获取相较于前次获取的用户语料日志而言新增的用户语料数据，并对所述新增的用户语料数据进行意图分类。

8.一种车载语义解析模型生成装置，其特征在于，所述装置包括：

生成模块，被配置为生成初始的车载语义解析模型；

部署模块，被配置为将所述车载语义解析模型部署到用于为车辆提供语义解析服务的语义解析系统，以生成车载语义解析模型服务；

获取模块，被配置为从所述语义解析系统的用户语料日志中获取与所述车载语义解析模型服务相关联的目标用户语料数据；

处理模块，被配置为对所述目标用户语料数据进行标注，以得到所述目标用户语料数据的特征标注向量；

更新模块，被配置为根据所述目标用户语料数据的特征标注向量，更新所述车载语义解析模型；

所述部署模块，还被配置为将更新后的所述车载语义解析模型替代先前的车载语义解析模型部署到所述语义解析系统，以生成更新的车载语义解析模型服务。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为运行所述可执行指令，以实现权利要求1-7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。

Images