模型的训练方法、装置、计算机设备和可读存储介质制造方法及图纸

本申请提出一种模型的训练方法、装置、计算机设备和可读存储介质，其中，方法用于意图识别模型，包括：获取目标意图；目标意图是对对话上文进行意图识别得到的；根据目标意图，查询与目标意图匹配的设定回复；确定匹配的设定回复与对话下文之间的语义相似度；对话下文接续在对话上文之后；若语义相似度大于设定相似度阈值，采用目标意图对对话上文进行标注得到第一正样本，以使意图识别模型根据第一正样本进行意图训练。该方法能够自动对第一正样本中的意图进行识别并标注，并采用经过标注的第一正样本，自动对意图识别模型进行训练，可以无需人工干预，缩短意图识别模型的优化周期，并且节省人工成本。

【技术实现步骤摘要】
模型的训练方法、装置、计算机设备和可读存储介质
本申请涉及人工智能
，尤其涉及一种模型的训练方法、装置、计算机设备和可读存储介质。
技术介绍
在电话销售的过程中，智能电销机器人可以识别出客户的真实意图，并向销售人员推荐与客户的真实意图匹配的推荐回复，从而销售人员可以参考上述推荐回复与客户进行沟通。然而上述方式的前提是，需在智能电销机器人中构建意图识别模型，当意图识别模型上线运行后，为了提升意图识别模型识别结果的准确性，需要对意图识别模型进行优化。现有技术中，在获取样本数据后，通过人工分析客户的真实意图，并对样本数据中的客户的真实意图进行标注，利用标注后的样本数据，对意图识别模型进行训练，以实现优化意图识别模型。然而，通过人工标注的方式，耗时耗力，意图识别模型的优化周期较长。
技术实现思路
本申请提出一种模型的训练方法、装置、计算机设备和可读存储介质，以实现自动对第一正样本中的意图进行识别并标注，并采用经过标注的第一正样本，自动对意图识别模型进行训练，可以无需人工干预，缩短意图识别模型的优化周期，并且节省人工成本，用于解决现有技术中通过人工标注的方式，耗时耗力，意图识别模型的优化周期较长的技术问题。本申请一方面实施例提出了一种模型的训练方法，所述方法用于意图识别模型，所述方法包括：获取目标意图；所述目标意图是对对话上文进行意图识别得到的；根据所述目标意图，查询与所述目标意图匹配的设定回复；确定所述匹配的设定回复与对话下文之间的语义相似度；所述对话下文接续在所述对话上文之后；若所述语义相似度大于设定相似度阈值，采用所述目标意图对所述对话上文进行标注得到第一正样本，以使所述意图识别模型根据所述第一正样本进行意图训练。本申请实施例的模型的训练方法，通过获取目标意图，其中，目标意图是对对话上文进行意图识别得到的，并根据目标意图，查询与目标意图匹配的设定回复，之后，确定匹配的设定回复与对话下文之间的语义相似度，若语义相似度大于设定相似度阈值，则采用目标意图对对话上文进行标注得到第一正样本，以使意图识别模型根据第一正样本进行意图训练。由此，可以实现自动对第一正样本中的意图进行识别并标注，并采用经过标注的第一正样本，自动对意图识别模型进行训练，可以无需人工干预，缩短意图识别模型的优化周期，并且节省人工成本。本申请又一方面实施例提出了一种模型的训练装置，所述装置用于意图识别模型，所述装置包括：获取模块，用于获取目标意图；所述目标意图是对对话上文进行意图识别得到的；查询模块，用于根据所述目标意图，查询与所述目标意图匹配的设定回复；确定模块，用于确定所述匹配的设定回复与对话下文之间的语义相似度；所述对话下文接续在所述对话上文之后；标注模块，用于若所述语义相似度大于设定相似度阈值，采用所述目标意图对所述对话上文进行标注得到第一正样本，以使所述意图识别模型根据所述第一正样本进行意图训练。本申请实施例的模型的训练装置，通过获取目标意图，其中，目标意图是对对话上文进行意图识别得到的，并根据目标意图，查询与目标意图匹配的设定回复，之后，确定匹配的设定回复与对话下文之间的语义相似度，若语义相似度大于设定相似度阈值，则采用目标意图对对话上文进行标注得到第一正样本，以使意图识别模型根据第一正样本进行意图训练。由此，可以实现自动对第一正样本中的意图进行识别并标注，并采用经过标注的第一正样本，自动对意图识别模型进行训练，可以无需人工干预，缩短意图识别模型的优化周期，并且节省人工成本。本申请又一方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本申请前述实施例提出的模型的训练方法。本申请又一方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请前述实施例提出的模型的训练方法。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例一所提供的模型的训练方法的流程示意图；图2为本申请实施例二所提供的模型的训练方法的流程示意图；图3为本申请实施例中意图识别模型的优化过程示意图一；图4为本申请实施例中意图识别模型的优化过程示意图二；图5为本申请实施例三所提供的模型的训练方法的流程示意图；图6为本申请实施例四所提供的模型的训练装置的结构示意图；图7为本申请实施例五所提供的模型的训练装置的结构示意图；图8示出了适于用来实现本申请实施方式的示例性计算机设备的框图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。本申请主要针对现有技术中通过人工标注的方式，耗时耗力，意图识别模型的优化周期较长的技术问题，提出一种模型的训练方法。本申请实施例的模型的训练方法，通过获取目标意图，其中，目标意图是对对话上文进行意图识别得到的；并根据目标意图，查询与目标意图匹配的设定回复，之后，确定匹配的设定回复与对话下文之间的语义相似度，若语义相似度大于设定相似度阈值，则采用目标意图对对话上文进行标注得到第一正样本，以使意图识别模型根据第一正样本进行意图训练。由此，可以实现自动对第一正样本中的意图进行识别并标注，并采用经过标注的第一正样本，自动对意图识别模型进行训练，可以无需人工干预，缩短意图识别模型的优化周期，并且节省人工成本。下面参考附图描述本申请实施例的模型的训练方法、装置、计算机设备和可读存储介质。图1为本申请实施例一所提供的模型的训练方法的流程示意图。本申请实施例以该模型的训练方法被配置于模型的训练装置中来举例说明，该模型的训练装置可以应用于任一计算机设备中，以使该计算机设备可以执行模型的训练功能。其中，计算机设备可以为个人电脑(PersonalComputer，简称PC)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。如图1所示，该模型的训练方法用于意图识别模型，包括以下步骤：步骤101，获取目标意图；目标意图是对对话上文进行意图识别得到的。本申请实施例中，对话上文是根据客户输入的对话语音确定的。当销售人员与客户进行对话的过程中，客户可以输入对话语音。相应的，本申请实施例的模型的训练装置可以获取客户输入的对话语音，并利用语音识别技术，对上述对话语音进行识别，得到对话上文。作为一种可能的实现方式，本申请实施例本文档来自技高网...

【技术保护点】
1.一种模型的训练方法，其特征在于，所述方法用于意图识别模型，所述方法包括以下步骤：/n获取目标意图；所述目标意图是对对话上文进行意图识别得到的；/n根据所述目标意图，查询与所述目标意图匹配的设定回复；/n确定所述匹配的设定回复与对话下文之间的语义相似度；所述对话下文接续在所述对话上文之后；/n若所述语义相似度大于设定相似度阈值，采用所述目标意图对所述对话上文进行标注得到第一正样本，以使所述意图识别模型根据所述第一正样本进行意图训练。/n

【技术特征摘要】
1.一种模型的训练方法，其特征在于，所述方法用于意图识别模型，所述方法包括以下步骤：
获取目标意图；所述目标意图是对对话上文进行意图识别得到的；
根据所述目标意图，查询与所述目标意图匹配的设定回复；
确定所述匹配的设定回复与对话下文之间的语义相似度；所述对话下文接续在所述对话上文之后；
若所述语义相似度大于设定相似度阈值，采用所述目标意图对所述对话上文进行标注得到第一正样本，以使所述意图识别模型根据所述第一正样本进行意图训练。


2.根据权利要求1所述的训练方法，其特征在于，所述获取目标意图，包括：
将所述对话上文输入所述意图识别模型，采用所述意图识别模型进行意图识别，以使所述意图识别模型输出所述目标意图，以及输出所述目标意图的置信度；
所述根据所述目标意图，查询与所述目标意图匹配的设定回复，包括：
若确定所述置信度大于置信度阈值，查询意图与回复之间的对应关系，得到与所述目标意图匹配的设定回复。


3.根据权利要求2所述的训练方法，其特征在于，所述获取所述意图识别模型输出的所述目标意图的置信度之后，还包括：
若确定所述置信度小于或等于所述置信度阈值，将所述对话上文添加到待标注列表中，以对所述待标注列表进行人工意图识别。


4.根据权利要求1所述的训练方法，其特征在于，所述确定所述匹配的设定回复与对话下文之间的语义相似度之后，还包括：
若确定所述语义相似度小于或等于所述设定相似度阈值，将所述对话上文添加到所述待标注列表中，以对所述待标注列表进行人工意图识别。


5.根据权利要求3或4所述的训练方法，其特征在于，所述将所述对话上文添加到待标注列表中，以对所述待标注列表进行人工意图识别之...

【专利技术属性】
技术研发人员：刘昊，于静磊，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11