基于机器学习的语义解析方法、装置、介质及电子设备制造方法及图纸

本申请是关于一种基于机器学习的语义解析方法、装置、介质及电子设备，属于机器学习应用技术领域，该方法包括：当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板；获取语义模板约束信息与预测预测语义模板输入预测语义模板约束模型，输出约束后预测语义模板；根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。本申请基于预设的机器学习模型，根据各种输入信息，解析得到预测语义模板，进而有效保证语义解析的准确性和效率。

【技术实现步骤摘要】
基于机器学习的语义解析方法、装置、介质及电子设备
本申请涉及机器学习应用
，具体而言，涉及一种基于机器学习的语义解析方法、装置、介质及电子设备。
技术介绍
语义解析就是从用户输出的一段信息中解析出用户想要对某个对象输出的语义解析结果。目前，进行语义解析时，针对同样的语义解析结果，不同法人用户输出的初始信息通常不同，而且，同一用户，在不同的时间可能存在各种各样的表达。例如，需要开启空调时，不同的用户，甚至同一用户，会有很多的表达方式，针对用户输出的初始信息解析，存在解析出多个语义解析结果，而且效率难以保证。因此，现有技术中存在采用固定的解析方法解析用户语义时效率低、准确率低的问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本申请的目的在于提供一种基于机器学习的语义解析方案，进而至少在一定程度上基于预设的机器学习模型，根据各种输入信息，解析得到语义模板，进而有效保证语义解析的准确性和效率。根据本申请的一个方面，提供一种基于机器学习的语义解析方法，包括：当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板；获取接收到待处理的输入信息时的语义模板约束信息，并与预测预测语义模板共同输入预测语义模板约束模型，输出约束后预测语义模板，所述语义模板约束信息为输入信息相关的实时环境信息；根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。在本申请的一种示例性实施例中，所述当待处理的输入信息为文本形式时，当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息，包括：根据所述待处理的输入信息的文本，查找字词向量词典，获取所述文本中每个字的字向量；将所述字向量串联成字向量串，作为所述预输入信息。在本申请的一种示例性实施例中，若接收到的所述待处理的输入信息为非文本形式，所述当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息，包括：将所述非文本形式的所述待处理的输入信息转化为文本形式；将文本形式的所述待处理的输入信息转化为预输入信息。在本申请的一种示例性实施例中，所述机器学习模型的训练方法是：收集待处理的输入信息样本集，所述待处理的输入信息样本事先标定了对应的语义模板；将每个所述待处理的输入信息样本转化为预输入信息；将每个所述待处理的输入信息样本转化得到的预输入信息输入机器学习模型，得到每个所述待处理的输入信息样本对应的语义模板；如果存在所述机器学习模型针对所述待处理的输入信息样本输出的语义模板，与对所述样本事先标定的语义模板不一致，则调整机器学习模型的系数，直到所述机器学习模型针对所述待处理的输入信息样本输出的语义模板，与对所述样本事先标定的语义模板一致；如果所述机器学习模型针对所有所述待处理的输入信息样本输出的语义模板，与对每个所述样本事先标定的语义模板一致，训练结束。在本申请的一种示例性实施例中，根据每个所述待处理的输入信息的应用环境类型，训练适用于每个所述应用环境类型的机器学习模型，所述将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板，包括：获取所述预输入信息对应的应用环境类型；根据所述应用环境类型，查找所述应用环境类型对应的机器学习模型；将所述预输入信息输入与所述应用环境类型对应的机器学习模型，得到所述待处理的输入信息对应的预测语义模板。在本申请的一种示例性实施例中，在所述将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板之后，所述方法还包括：获取组成所述预测语义模板的语义块；判断所述组成所述预测语义模板的语义块中是否缺少必要语义块；如果缺少必要语义块，向用户发出补充所述缺少的必要语义块的类型对应的必要待处理的输入信息补充指令。在本申请的一种示例性实施例中，在所述如果缺少必要语义块，向用户发出补充所述缺少的必要语义块的类型对应的必要待处理的输入信息补充指令之后，所述方法还包括：当接收到补充的所述缺少的必要语义块的类型对应的必要待处理的输入信息，将所述必要待处理的输入信息和之前的待处理的输入信息，一起转化为预输入信息；将所述预输入信息输入预先训练好的机器学习模型，得到所述必要待处理的输入信息和之前的待处理的输入信息对应的预测语义模板；根据所述预测语义模板，将所述必要待处理的输入信息和之前的待处理的输入信息转化为预解析数据；根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。根据本申请的一个方面，提供一种基于机器学习的语义解析装置，其特征在于，包括：预处理模块，用于当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；模板解析模块，用于将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板；模板约束模块，用于获取接收到待处理的输入信息时的语义模板约束信息，并与预测预测语义模板共同输入预测语义模板约束模型，输出约束后预测语义模板，所述语义模板约束信息为输入信息相关的实时环境信息；转化模块，用于根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；获取模块，用于根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。根据本申请的一个方面，提供一种计算机可读存储介质，其上存储有基于机器学习的语义解析程序，其特征在于，所述基于机器学习的语义解析程序被处理器执行时实现上述任一项所述的方法。根据本申请的一个方面，提供一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的基于机器学习的语义解析程序；其中，所述处理器配置为经由执行所述基于机器学习的语义解析程序来执行上述任一项所述的方法。本申请一种基于机器学习的语义解析方法及相关装置，首先当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；这样可以将各种形式的待处理的输入信息转化为可以输入机器学习模型的预输入信息。进而，将所述预输入信息输入预先训练好的机器学习模型，可以准确、高效地得到所述待处理的输入信息对应的预测语义模板。其次，获取接收到待处理的输入信息时的语义模板约束信息，并与预测预测语义模板共同输入预测语义模板约束模型，输出约束后预测语义模板，所述语义模板约束信息为输入信息相关的实时环境信息；这样可以对通过实时环境信息约束预测出的语义模板，进一步保证语义模板的准确性。然后，根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；这样可以基于约束后语义模板对待处理的输入信息进行解析，得到本文档来自技高网...

【技术保护点】
1.一种基于机器学习的语义解析方法，其特征在于，包括：/n当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；/n将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板；/n获取接收到待处理的输入信息时的语义模板约束信息，并与预测预测语义模板共同输入预测语义模板约束模型，输出约束后预测语义模板，所述语义模板约束信息为输入信息相关的实时环境信息；/n根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；/n根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。/n

【技术特征摘要】
1.一种基于机器学习的语义解析方法，其特征在于，包括：
当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息；
将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板；
获取接收到待处理的输入信息时的语义模板约束信息，并与预测预测语义模板共同输入预测语义模板约束模型，输出约束后预测语义模板，所述语义模板约束信息为输入信息相关的实时环境信息；
根据所述约束后语义模板，将所述待处理的输入信息转化为预解析数据；
根据所述预解析数据，获取所述待处理的输入信息的语义解析结果。


2.根据权利要求1所述的方法，其特征在于，所述当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息，包括：
当接收到待处理的输入信息，且所述待处理的输入信息为文本形式时，根据所述待处理的输入信息的文本，查找字词向量词典，获取所述文本中每个字的字向量；
将所述字向量串联成字向量串，作为预输入信息。


3.根据权利要求1所述的方法，其特征在于，若接收到的所述待处理的输入信息为非文本形式，
所述当接收到待处理的输入信息，将所述待处理的输入信息转化为预输入信息，包括：
将所述非文本形式的所述待处理的输入信息转化为文本形式；
将文本形式的所述待处理的输入信息转化为预输入信息。


4.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练方法是：
收集待处理的输入信息样本集，所述待处理的输入信息样本事先标定了对应的语义模板；
将每个所述待处理的输入信息样本转化为预输入信息；
将每个所述待处理的输入信息样本转化得到的预输入信息输入机器学习模型，得到每个所述待处理的输入信息样本对应的语义模板；
如果存在所述机器学习模型针对所述待处理的输入信息样本输出的语义模板，与对所述样本事先标定的语义模板不一致，则调整机器学习模型的系数，直到所述机器学习模型针对所述待处理的输入信息样本输出的语义模板，与对所述样本事先标定的语义模板一致；
如果所述机器学习模型针对所有所述待处理的输入信息样本输出的语义模板，与对每个所述样本事先标定的语义模板一致，训练结束。


5.根据权利要求1所述的方法，其特征在于，根据每个所述待处理的输入信息的应用环境类型，训练适用于每个所述应用环境类型的机器学习模型，所述将所述预输入信息输入预先训练好的机器学习模型，得到所述待处理的输入信息对应的预测语义模板，包括：
获取所述预输入信息对应的应用环境类型；
根据所述应用环...

【专利技术属性】
技术研发人员：陈恺，房小颖，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44