CN116881446A - 一种语义分类方法、装置、设备及其存储介质 - Google Patents

一种语义分类方法、装置、设备及其存储介质 Download PDF

Info

Publication number
CN116881446A
CN116881446A CN202310499707.0A CN202310499707A CN116881446A CN 116881446 A CN116881446 A CN 116881446A CN 202310499707 A CN202310499707 A CN 202310499707A CN 116881446 A CN116881446 A CN 116881446A
Authority
CN
China
Prior art keywords
text
semantic
readability
word segmentation
sentence
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
Application number
CN202310499707.0A
Other languages
English (en)
Inventor
袁美璐
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 Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty 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 Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202310499707.0A priority Critical patent/CN116881446A/zh
Publication of CN116881446A publication Critical patent/CN116881446A/zh
Pending legal-status Critical Current

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
    • G06F16/35—Clustering; Classification
    • 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
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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
    • G10L15/26—Speech to text systems
    • 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 Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Finance (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)

Abstract

本申请实施例属于语义分类技术领域，涉及一种语义分类方法、装置、设备及其存储介质，包括根据同义扩展词典对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对待处理文本进行可读性编码处理，获得可读性编码文本；将可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。通过引入同义词词林，在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得RoBERTa模型对坐席文本具有更丰富的理解，采用DPCNN实现更深层次提取文本语义特征，使得分类效果更优，有助于更加准确的理解客户语义意图，方便坐席进行业务推荐。

Description

一种语义分类方法、装置、设备及其存储介质
技术领域
本申请涉及语义分类技术领域，尤其涉及一种语义分类方法、装置、设备及其存储介质。
背景技术
目前市场上的智能客服系统大多采用关键词、关键句匹配的方式来完成对话交流，这种方式在实现理解用户意图方面还存在一定的距离，经常会出现类似“对不起，这个问题我听不懂哦”这样的回答，远没有达到真正意义上的语义理解。同时，由于自然语言的灵活性、多义性，对于同一意图往往存在很多种不同的口语表达方式，这虽然是语言的魅力，但同时也是对话交互技术所面临的重大难点。在这样的技术背景下，可以说。仅靠关键词匹配的方式根本无法真正理解用户意图并给予准确的反馈。
特别是在保险业务的智能投保和理赔业务中，由于对话语料的缺少，无法真正理解用户意图并给予准确的反馈，往往意味着将导致客户流失。因此，如何根据对话文本准确快速的理解用户的语义意图成为了亟需解决的问题。
发明内容
本申请实施例的目的在于提出一种语义分类方法、装置、设备及其存储介质，以实现根据对话文本准确快速的理解用户的语义意图。
为了解决上述技术问题，本申请实施例提供语义分类方法，采用了如下所述的技术方案：
一种语义分类方法，包括下述步骤：
获取目标对话文本；
对所述目标对话文本进行分词处理，获得各个分词；
基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；
根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；
基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；
将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；
根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
进一步的，所述获取目标对话文本的步骤，具体包括：
获取目标坐席与客户间的实时对话语音；
根据预设的对话语音识别技术，对所述实时对话语音进行语音识别，获得语音识别结果；
将所述语音识别结果以对话文本形式输出；
接收输出结果，完成对所述目标对话文本的获取。
进一步的，所述对所述目标对话文本进行分词处理，获得各个分词的步骤，具体包括：
根据预设的分词词典，对所述目标对话文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息，其中，所述预设的分词词典中包括预先整理的所有分词及各分词分别对应的可读性编号信息。
所述基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词的步骤，具体包括：
将哈工大信息检索研究中心同义词词林扩展版作为所述扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词。
进一步的，所述RoBERTa模型包括输入层、嵌入层、编码层，所述基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本的步骤，具体包括：
基于所述输入层，获取输入进所述RoBERTa模型中的所述待处理文本；
根据所述分词词典，对所述待处理文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息；
通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据；
通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本。
进一步的，所述通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据的步骤，具体包括：
获取预先设置的嵌入字符，所述嵌入字符包括CLS和SEP；
将所述嵌入字符中CLS和SEP，分别嵌入到所述待处理文本中每个句子的预设嵌入位置，获得各个句子对应的词嵌入输入数据。
进一步的，在执行所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤之前，所述方法还包括：
预先对所述嵌入字符中CLS和SEP设置可读性编号信息，其中，所述嵌入字符中CLS和SEP对应的可读性编号信息不同，且都与所述语义分词词典中可读性编号信息不同；
所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤，具体包括：
获取所述待处理文本中每个句子中的分词分别对应的可读性编号信息；
获取所述嵌入字符中CLS和SEP分别对应的可读性编号信息；
根据所述嵌入字符和所述待处理文本每个句子中的分词在相应词嵌入输入数据中的位置序列，将所述嵌入字符和所述待处理文本每个句子中的分词替换为相应的可读性编号信息，获得可读性编码文本。
进一步的，在执行所述将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果的步骤之后，所述方法还包括：
根据所述语义特征提取结果，构建所述待处理文本中每个句子对应的特征矩阵；
在执行所述根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类的步骤之前，所述方法还包括：
预先为不同对话语义主题设置不同的特征值区间，根据所述对话语义主题的数量设置语义分类数量；
所述预设的语义分类模型为根据概率分布情况进行语义分类的模型，所述根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类的步骤，具体包括：
分别根据每个句子对应的特征矩阵进行前向运算和反向传播梯度更新，获取每个句子对应的特征映射结果；
通过预设的归一化函数，对每个句子对应的所述特征映射结果进行归一化处理，获取每个句子对应的特征输出值；
根据所述每个句子对应的特征输出值，进行统计，统计所述待处理文本中所有句子对应的特征输出值分别在所述不同对话语义主题对应的特征值区间中的概率分布情况；
通过比较，筛选出概率分布情况为最大值时所对应的对话语义主题作为所述目标对话文本的分类类别。
为了解决上述技术问题，本申请实施例还提供语义分类装置，采用了如下所述的技术方案：
一种语义分类装置，包括：
目标对话文本获取模块，用于获取目标对话文本；
分词处理模块，用于对所述目标对话文本进行分词处理，获得各个分词；
同义扩展模块，用于基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；
待处理文本获取模块，用于根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；
可读性编码模块，用于基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；
语义特征提取模块，用于将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；
语义分类模块，用于根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
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，采用了如下所述的技术方案：
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上述所述的语义分类方法的步骤。
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，采用了如下所述的技术方案：
一种计算机可读存储介质，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上述所述的语义分类方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例所述语义分类方法，通过获取目标对话文本；对所述目标对话文本进行分词处理，获得各个分词；基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
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根据本申请的语义分类方法的一个实施例的流程图；
图3是图2所示步骤201的一个具体实施例的流程图；
图4是图2所示步骤205的一个具体实施例的流程图；
图5是图2所示步骤207的一个具体实施例的流程图；
图6根据本申请的语义分类装置的一个实施例的结构示意图；
图7根据本申请的计算机设备的一个实施例的结构示意图。
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 PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts 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义分类方法一般由服务器/终端设备执行，相应地，语义分类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义分类方法的一个实施例的流程图。所述的语义分类方法，包括以下步骤：
步骤201，获取目标对话文本。
继续参考图3，图3是图2所示步骤201的一个具体实施例的流程图，包括：
步骤301，获取目标坐席与客户间的实时对话语音；
步骤302，根据预设的对话语音识别技术，对所述实时对话语音进行语音识别，获得语音识别结果；
本实施例中，所示预设的对话语音识别技术可以为ASR语音识别技术。
步骤303，将所述语音识别结果以对话文本形式输出；
步骤304，接收输出结果，完成对所述目标对话文本的获取。
步骤202，对所述目标对话文本进行分词处理，获得各个分词。
本实施例中，所述对所述目标对话文本进行分词处理，获得各个分词的步骤，具体包括：根据预设的分词词典，对所述目标对话文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息，其中，所述预设的分词词典中包括预先整理的所有分词及各分词分别对应的可读性编号信息。
本实施例中，所述分词处理功能的实现，也可以在RoBERTa模型中内置分词处理模块，当RoBERTa模型的输入层获取到目标对话文本后，通过其内置的分词处理模块进行分词处理，其中，所述分词处理模块也可以为jieba分词模型。
其中，RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。
步骤203，基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词。
本实施例中，所述基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词的步骤，具体包括：将哈工大信息检索研究中心同义词词林扩展版作为所述扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词。
本实施例中，所述哈工大信息检索研究中心同义词词林扩展版剔除了罕见词和非常用词，同时参照多部电子词典资源，按照人民日报语料库中词语出现频度，构建了该同义词词典。
步骤204，根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本。
在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解。更加准确的预测坐席和客户间的对话需求。
步骤205，基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本。
本实施例中，所述RoBERTa模型包括输入层、嵌入层、编码层。
继续参考图4，图4是图2所示步骤205的一个具体实施例的流程图，包括：
步骤401，基于所述输入层，获取输入进所述RoBERTa模型中的所述待处理文本；
步骤402，根据所述分词词典，对所述待处理文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息；
步骤403，通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据；
本实施例中，所述通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据的步骤，具体包括：获取预先设置的嵌入字符，所述嵌入字符包括CLS和SEP；将所述嵌入字符中CLS和SEP，分别嵌入到所述待处理文本中每个句子的预设嵌入位置，获得各个句子对应的词嵌入输入数据。
步骤404，通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本。
本实施例中，在执行所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤之前，所述方法还包括：预先对所述嵌入字符中CLS和SEP设置可读性编号信息，其中，所述嵌入字符中CLS和SEP对应的可读性编号信息不同，且都与所述语义分词词典中可读性编号信息不同。
本实施例中，所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤，具体包括：获取所述待处理文本中每个句子中的分词分别对应的可读性编号信息；获取所述嵌入字符中CLS和SEP分别对应的可读性编号信息；根据所述嵌入字符和所述待处理文本每个句子中的分词在相应词嵌入输入数据中的位置序列，将所述嵌入字符和所述待处理文本每个句子中的分词替换为相应的可读性编号信息，获得可读性编码文本。
使用RoBERTa模型将待处理文本处理为机器可读的编码信息，作为TokenEmbedding，Position Embedding和Segment Embedding会根据文本的特殊标记[CLS]、[SEP]来获取，三个Embedding按元素相加后得到该条文本在RoBERTa编码层的词嵌入输入数据。
步骤206，将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果。
本实施例中，在执行所述将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果的步骤之后，所述方法还包括：根据所述语义特征提取结果，构建所述待处理文本中每个句子对应的特征矩阵。
本实施例中，所述DPCNN特征提取网络包括输入层、特征提取层、输出层。
本实施例中，所述DPCNN特征提取网络中的输入层，用于获取从所述RoBERTa模型的编码层输入的可读性编码文本；所述DPCNN特征提取网络中的特征提取层，用于根据所述可读性编码文本，构建特征矩阵，并根据特征矩阵和每个矩阵中元素对应的权重值，计算特征输出值；所述DPCNN特征提取网络中的输出层，用于对所述特征输出值进行输出。
DPCNN特征提取网络是一种低复杂度的词级深层CNN网络，弥补了CNN不能通过卷积获得文本中的长距离依赖关系的问题。DPCNN主要是通过不断加深网络获取长距离的文本依赖关系，从而揭示句子间的深层语义联系；同时，该特征提取网络的结构设计使得其每层的计算量都呈指数下降，故而该特征提取网络还能在不增加太多计算资源的情况下获得较高的特征提取准确率。
步骤207，根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
本实施例中，在执行所述根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类的步骤之前，所述方法还包括：预先为不同对话语义主题设置不同的特征值区间，根据所述对话语义主题的数量设置语义分类数量。
本实施例中，所述预设的语义分类模型为根据概率分布情况进行语义分类的模型。
继续参考图5，图5是图2所示步骤207的一个具体实施例的流程图，包括：
步骤501，分别根据每个句子对应的特征矩阵进行前向运算和反向传播梯度更新，获取每个句子对应的特征映射结果；
步骤502，通过预设的归一化函数，对每个句子对应的所述特征映射结果进行归一化处理，获取每个句子对应的特征输出值；
本实施例中，所述通过预设的归一化函数，对每个句子对应的所述特征映射结果进行归一化处理，获取每个句子对应的特征输出值的步骤，可以通过在DPCNN特征提取网络的输出层之后，增加一层全连接层网络，并通过softmax函数实现特征输出值归一化处理。
步骤503，根据所述每个句子对应的特征输出值，进行统计，统计所述待处理文本中所有句子对应的特征输出值分别在所述不同对话语义主题对应的特征值区间中的概率分布情况；
步骤504，通过比较，筛选出概率分布情况为最大值时所对应的对话语义主题作为所述目标对话文本的分类类别。
引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
本申请通过获取目标对话文本；对所述目标对话文本进行分词处理，获得各个分词；基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
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。
人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中，通过引入同义词词林，在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得RoBERTa模型对坐席文本具有更丰富的理解，采用DPCNN实现更深层次提取文本语义特征，使得分类效果更优，有助于更加准确的理解客户语义意图，方便坐席进行业务推荐。
进一步参考图6，作为对上述图2所示方法的实现，本申请提供了语义分类装置的一个实施例，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6所示，本实施例所述的语义分类装置600包括：目标对话文本获取模块601、分词处理模块602、同义扩展模块603、待处理文本获取模块604、可读性编码模块605、语义特征提取模块606和语义分类模块607。
其中：
目标对话文本获取模块601，用于获取目标对话文本；
分词处理模块602，用于对所述目标对话文本进行分词处理，获得各个分词；
同义扩展模块603，用于基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；
待处理文本获取模块604，用于根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；
可读性编码模块605，用于基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；
语义特征提取模块606，用于将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；
语义分类模块607，用于根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
本申请通过获取目标对话文本；对所述目标对话文本进行分词处理，获得各个分词；基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
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。
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7，图7为本实施例计算机设备基本结构框图。
所述计算机设备7包括通过系统总线相互通信连接存储器7a、处理器7b、网络接口7c。需要指出的是，图中仅示出了具有组件7a-7c的计算机设备7，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7a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7a可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器7a也可以是所述计算机设备7的外部存储设备，例如该计算机设备7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7a还可以既包括所述计算机设备7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7a通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如一种语义分类方法的计算机可读指令等。此外，所述存储器7a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7b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7b通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器7b用于运行所述存储器7a中存储的计算机可读指令或者处理数据，例如运行所述语义分类方法的计算机可读指令。
所述网络接口7c可包括无线网络接口或有线网络接口，该网络接口7c通常用于在所述计算机设备7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，属于语义分类技术领域。本申请通过获取目标对话文本；对所述目标对话文本进行分词处理，获得各个分词；基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
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处理器执行，以使所述处理器执行如上述的语义分类方法的步骤。
本实施例提出的计算机可读存储介质，属于语义分类技术领域。本申请通过获取目标对话文本；对所述目标对话文本进行分词处理，获得各个分词；基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；RoBERTa模型是BERT的改进版，相较于BERT，RoBERTa模型具备更大的模型参数量、更多的训练数据和更大的单次样本数据训练量，从而一定程度上提高了模型的训练速度和准确率。将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。引入同义词词林在拓展坐席对话文本词语丰富度的情境下，丰富了文本的语义，使得模型对坐席文本具有更丰富的理解，同时加入了DPCNN来更深层次提取文本语义特征，使得分类效果更优，有助于对主题分类更加精准与明确，方便坐席通话过程中的相关话术推荐和对客户语义意图进行分类识别。
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)

1.一种语义分类方法，其特征在于，包括下述步骤：
获取目标对话文本；
对所述目标对话文本进行分词处理，获得各个分词；
基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；
根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；
基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；
将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；
根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
2.根据权利要求1所述的语义分类方法，其特征在于，所述获取目标对话文本的步骤，具体包括：
获取目标坐席与客户间的实时对话语音；
根据预设的对话语音识别技术，对所述实时对话语音进行语音识别，获得语音识别结果；
将所述语音识别结果以对话文本形式输出；
接收输出结果，完成对所述目标对话文本的获取。
3.根据权利要求1所述的语义分类方法，其特征在于，所述对所述目标对话文本进行分词处理，获得各个分词的步骤，具体包括：
根据预设的分词词典，对所述目标对话文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息，其中，所述预设的分词词典中包括预先整理的所有分词及各分词分别对应的可读性编号信息；
所述基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词的步骤，具体包括：
将哈工大信息检索研究中心同义词词林扩展版作为所述扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词。
4.根据权利要求3所述的语义分类方法，其特征在于，所述RoBERTa模型包括输入层、嵌入层、编码层，所述基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本的步骤，具体包括：
基于所述输入层，获取输入进所述RoBERTa模型中的所述待处理文本；
根据所述分词词典，对所述待处理文本中每个句子进行分词处理，获得各个分词和所述各个分词对应的可读性编号信息；
通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据；
通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本。
5.根据权利要求4所述的语义分类方法，其特征在于，所述通过所述嵌入层，对所述待处理文本中每个句子进行嵌入处理，获取各个句子对应的词嵌入输入数据的步骤，具体包括：
获取预先设置的嵌入字符，所述嵌入字符包括CLS和SEP；
将所述嵌入字符中CLS和SEP，分别嵌入到所述待处理文本中每个句子的预设嵌入位置，获得各个句子对应的词嵌入输入数据。
6.根据权利要求5所述的语义分类方法，其特征在于，在执行所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤之前，所述方法还包括：
预先对所述嵌入字符中CLS和SEP设置可读性编号信息，其中，所述嵌入字符中CLS和SEP对应的可读性编号信息不同，且都与所述语义分词词典中可读性编号信息不同；
所述通过所述编码层，对所述各个句子对应的词嵌入输入数据进行可读性编码处理，获取可读性编码文本的步骤，具体包括：
获取所述待处理文本中每个句子中的分词分别对应的可读性编号信息；
获取所述嵌入字符中CLS和SEP分别对应的可读性编号信息；
根据所述嵌入字符和所述待处理文本每个句子中的分词在相应词嵌入输入数据中的位置序列，将所述嵌入字符和所述待处理文本每个句子中的分词替换为相应的可读性编号信息，获得可读性编码文本。
7.根据权利要求4至6任一项所述的语义分类方法，其特征在于，在执行所述将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果的步骤之后，所述方法还包括：
根据所述语义特征提取结果，构建所述待处理文本中每个句子对应的特征矩阵；
在执行所述根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类的步骤之前，所述方法还包括：
预先为不同对话语义主题设置不同的特征值区间，根据所述对话语义主题的数量设置语义分类数量；
所述预设的语义分类模型为根据概率分布情况进行语义分类的模型，所述根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类的步骤，具体包括：
分别根据每个句子对应的特征矩阵进行前向运算和反向传播梯度更新，获取每个句子对应的特征映射结果；
通过预设的归一化函数，对每个句子对应的所述特征映射结果进行归一化处理，获取每个句子对应的特征输出值；
根据所述每个句子对应的特征输出值，进行统计，统计所述待处理文本中所有句子对应的特征输出值分别在所述不同对话语义主题对应的特征值区间中的概率分布情况；
通过比较，筛选出概率分布情况为最大值时所对应的对话语义主题作为所述目标对话文本的分类类别。
8.一种语义分类装置，其特征在于，包括：
目标对话文本获取模块，用于获取目标对话文本；
分词处理模块，用于对所述目标对话文本进行分词处理，获得各个分词；
同义扩展模块，用于基于预设的扩展词典，对所述各个分词进行同义词扩展，获取若干个同义扩展词；
待处理文本获取模块，用于根据所述若干个同义扩展词对目标分词进行替换、扩充，获取待处理文本；
可读性编码模块，用于基于RoBERTa模型对所述待处理文本进行可读性编码处理，获得可读性编码文本；
语义特征提取模块，用于将所述可读性编码文本输入DPCNN特征提取网络，进行语义特征提取，获得语义特征提取结果；
语义分类模块，用于根据预设的语义分类模型和所述语义特征提取结果，对所述目标对话文本进行语义分类。
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中任一项所述的语义分类方法的步骤。
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中任一项所述的语义分类方法的步骤。
CN202310499707.0A 2023-05-05 2023-05-05 一种语义分类方法、装置、设备及其存储介质 Pending CN116881446A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310499707.0A CN116881446A (zh) 2023-05-05 2023-05-05 一种语义分类方法、装置、设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310499707.0A CN116881446A (zh) 2023-05-05 2023-05-05 一种语义分类方法、装置、设备及其存储介质

Publications (1)

Publication Number Publication Date
CN116881446A true CN116881446A (zh) 2023-10-13

Family

ID=88253610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310499707.0A Pending CN116881446A (zh) 2023-05-05 2023-05-05 一种语义分类方法、装置、设备及其存储介质

Country Status (1)

Country Link
CN (1) CN116881446A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117093717A (zh) * 2023-10-20 2023-11-21 湖南财信数字科技有限公司 一种相似文本聚合方法、装置、设备及其存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117093717A (zh) * 2023-10-20 2023-11-21 湖南财信数字科技有限公司 一种相似文本聚合方法、装置、设备及其存储介质
CN117093717B (zh) * 2023-10-20 2024-01-30 湖南财信数字科技有限公司 一种相似文本聚合方法、装置、设备及其存储介质

Similar Documents

Publication Publication Date Title
CN112101041B (zh) 基于语义相似度的实体关系抽取方法、装置、设备及介质
WO2021218028A1 (zh) 基于人工智能的面试内容精炼方法、装置、设备及介质
CN110808032B (zh) 一种语音识别方法、装置、计算机设备及存储介质
CN112328761B (zh) 一种意图标签设置方法、装置、计算机设备及存储介质
CN112287069B (zh) 基于语音语义的信息检索方法、装置及计算机设备
CN113722438B (zh) 基于句向量模型的句向量生成方法、装置及计算机设备
CN111694937A (zh) 基于人工智能的面试方法、装置、计算机设备及存储介质
CN111767375A (zh) 语义召回方法、装置、计算机设备及存储介质
CN107862058B (zh) 用于生成信息的方法和装置
CN115438149A (zh) 一种端到端模型训练方法、装置、计算机设备及存储介质
CN112395391A (zh) 概念图谱构建方法、装置、计算机设备及存储介质
CN116881446A (zh) 一种语义分类方法、装置、设备及其存储介质
CN114722832A (zh) 一种摘要提取方法、装置、设备以及存储介质
CN111382563A (zh) 文本相关性的确定方法及装置
CN117275466A (zh) 一种业务意图识别方法、装置、设备及其存储介质
WO2023137903A1 (zh) 基于粗糙语义的回复语句确定方法、装置及电子设备
CN115238077A (zh) 基于人工智能的文本分析方法、装置、设备及存储介质
CN112199954B (zh) 基于语音语义的疾病实体匹配方法、装置及计算机设备
CN114637831A (zh) 基于语义分析的数据查询方法及其相关设备
CN114218356A (zh) 基于人工智能的语义识别方法、装置、设备及存储介质
CN116756596B (zh) 文本聚类模型训练方法、文本聚类方法、装置及相关设备
CN112732913B (zh) 一种非均衡样本的分类方法、装置、设备及存储介质
CN113157896B (zh) 一种语音对话生成方法、装置、计算机设备及存储介质
CN116611434A (zh) 一种数据增强方法、装置、设备及其存储介质
CN117634474A (zh) 一种应用于中日文本的语种识别方法及相关设备

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