一种基于fastText和CRF的音乐领域命令理解方法技术

本发明专利技术涉及一种基于fastText和CRF的音乐领域命令理解方法，包括以下步骤：步骤1：训练字向量，得到预训练好的字向量和训练数据集合；步骤2：对从所述步骤1中所得的训练数据集合进行fastText模型训练，从预训练好的字向量得到所有字的向量，进行求和平均操作，得到句子语义向量C，把C输入模型，通过和计算得到意图识别结果y；步骤3：将输入样本输入为序列，对输入序列每个字进行字性标注，输出得到句子标注序列标签，然后根据标注序列标签提取出对应的音乐实体；步骤4：对步骤3中所得的所述目标序列标签进行处理，得到对应的音乐领域实体。本发明专利技术通过fastText技术判断用户话语是否含有音乐领域相关意图，结合CRF进行相关参数提取，解决音乐领域相关参数提取错误导致意图判断错误的问题。

【技术实现步骤摘要】
一种基于fastText和CRF的音乐领域命令理解方法
本专利技术涉及多媒体分析
，具体涉及一种基于fastText和CRF的音乐领域命令理解方法。
技术介绍
对话系统是人机交互的一种相当重要的形式，也是自然语言处理过程中的一个关键的研究方向。在音乐领域，能否正确解析出用户话语命令是完成用户指定任务的基础，在很多地方比如语音助手、音乐平台都有很丰富的应用场景。对于用户某条话语，条件随机场(CRF)模型并不能很好的区分其是否表达了一个音乐领域内的意图。CRF一般在序列标注、命名实体识别过程表现较好，但在识别音乐实体之前，需要判断此用户话语是否表达音乐意图，这样做有二个好处，一是若判断用户话语没有表达音乐意图，则不需要进行后续实体提取操作，因为此时已经完成无音乐意图解析操作，二是若不做判断，则很有可能一段用户话语没有表现音乐意图，但是被错误的提取出了音乐实体，比如“刘德华的老婆是谁”这句用户话语，若不先进行音乐意图判断操作，则很有可能将“刘德华”识别成歌手实体，从而这句话也被解析成音乐意图，而实际上这句话并没有表达音乐领域的相关意图。本专利技术提出了一种基于快速文本分类(fastT本文档来自技高网...

【技术保护点】
1.一种基于fastText和CRF的音乐领域命令理解方法，其特征在于：包括以下步骤：步骤1：训练字向量，得到预训练好的字向量和训练数据集合；步骤2：对从所述步骤1中所得的训练数据集合进行fastText模型训练，从预训练好的字向量得到所有字的向量，进行求和平均操作，得到句子语义向量C，把C输入模型，通过h＝tanh(Wc·C+bc)和y＝softmax(U·h+bh)计算得到意图识别结果y；其中Wc，U为神经网络的权重矩阵,softmax，tanh为激活函数，bc和bh为神经网络的偏置，y为输出结果；步骤3：将输入样本输入为序列，对输入序列每个字进行字性标注，输出得到句子标注序列标签，然后根...

【技术特征摘要】
1.一种基于fastText和CRF的音乐领域命令理解方法，其特征在于：包括以下步骤：步骤1：训练字向量，得到预训练好的字向量和训练数据集合；步骤2：对从所述步骤1中所得的训练数据集合进行fastText模型训练，从预训练好的字向量得到所有字的向量，进行求和平均操作，得到句子语义向量C，把C输入模型，通过h＝tanh(Wc·C+bc)和y＝softmax(U·h+bh)计算得到意图识别结果y；其中Wc，U为神经网络的权重矩阵,softmax，tanh为激活函数，bc和bh为神经网络的偏置，y为输出结果；步骤3：将输入样本输入为序列，对输入序列每个字进行字性标注，输出得到句子标注序列标签，然后根据标注序列标签提取出对应的音乐实体，所述提取出对应的音乐实体的过程为：定义X为输入样本随机变量序列，Y为目标标注随机变量序列，s(yi,x,i)为状态特征，状态特征依赖于当前位置，t(yi-1,yi,x,i)为转移特征，转移特征依赖当前和前一个位置，其中yi,yi-1是标注序列的标签，x是输入序列，i表示输入位置，K1为转移特征数量，K2为状态特征数量，K＝K1+K2，则可以用以下公式表示：然后对转移特征与状态特征在各个位置i求和，记作：其中n表...

【专利技术属性】
技术研发人员：李贤，段礼强，乐雨泉，
申请(专利权)人：苏州亭云智能科技有限公司，
类型：发明
国别省市：江苏,32