一种语义分析方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种语义分析方法、装置、电子设备及存储介质，其中，该方法包括：获取多个样本服务内容，以及每个样本服务内容的语义标注信息；所述每个样本服务内容包括多个样本服务子内容；基于所有的样本服务子内容、所有的样本服务内容以及每个样本服务内容的语义标注信息，对待训练的语义分析模型进行训练，确定所述待训练的语义分析模型中针对样本服务子内容的第一注意力参数值，以及针对所述样本服务内容的第二注意力参数值，得到训练完成的语义分析模型；基于训练完成的语义分析模型确定目标服务内容的语义信息。采用上述方案，能够自动进行语义预测、预测的效率和准确度均较高。

【技术实现步骤摘要】
一种语义分析方法、装置、电子设备及存储介质
本申请涉及计算机
，具体而言，涉及一种语义分析方法、装置、电子设备及存储介质。
技术介绍
目前，用户对产品或服务质量的要求越来越高。比如在电子商务平台应用中，用户对产品的满意度也已经成为电商平台对商家进行优劣评估的关键指标，再比如对于网约车出行服务领域，其作为一种新兴的服务应用领域，网约车用户的满意度已经成为网约车服务质量的重要考核指标。相关技术中通常是依靠调研确定用户对产品或服务是否满意，比如在网上发布问卷链接或者通过话务客服在处理问题后请求打分等方式进行调研，但是，这种调研方式下测评的效率较低。
技术实现思路
有鉴于此，本申请的目的在于提供一种语义分析方法、装置、电子设备及存储介质，能够自动进行语义预测、预测的效率较高。主要包括以下几个方面：第一方面，本申请提供了一种语义分析方法，所述方法包括：获取多个样本服务内容，以及每个样本服务内容的语义标注信息；所述每个样本服务内容包括多个样本服务子内容；基于所有的样本服务子内容、所有本文档来自技高网...

【技术保护点】
1.一种语义分析方法，其特征在于，所述方法包括：/n获取多个样本服务内容，以及每个样本服务内容的语义标注信息；所述每个样本服务内容包括多个样本服务子内容；/n基于所有的样本服务子内容、所有的样本服务内容以及每个样本服务内容的语义标注信息，对待训练的语义分析模型进行训练，确定所述待训练的语义分析模型中针对样本服务子内容的第一注意力参数值，以及针对所述样本服务内容的第二注意力参数值，得到训练完成的语义分析模型；/n基于训练完成的语义分析模型确定目标服务内容的语义信息。/n

【技术特征摘要】
1.一种语义分析方法，其特征在于，所述方法包括：
获取多个样本服务内容，以及每个样本服务内容的语义标注信息；所述每个样本服务内容包括多个样本服务子内容；
基于所有的样本服务子内容、所有的样本服务内容以及每个样本服务内容的语义标注信息，对待训练的语义分析模型进行训练，确定所述待训练的语义分析模型中针对样本服务子内容的第一注意力参数值，以及针对所述样本服务内容的第二注意力参数值，得到训练完成的语义分析模型；
基于训练完成的语义分析模型确定目标服务内容的语义信息。


2.根据权利要求1所述的语义分析方法，其特征在于，所述语义分析模型至少包括第一注意力层、第二注意力层和输出预测层；所述基于所有的样本服务子内容、所有的样本服务内容以及每个样本服务内容的语义标注信息，对待训练的语义分析模型进行训练，确定所述待训练的语义分析模型中针对样本服务子内容的第一注意力参数值，以及针对所述样本服务内容的第二注意力参数值，得到训练完成的语义分析模型，包括：
针对每个样本服务内容包括的每个样本服务子内容，确定该样本服务子内容的编码特征向量；
将每个样本服务子内容的编码特征向量输入至待训练的第一注意力层，根据所述待训练的第一注意力层中针对该样本服务子内容的第一注意力参数初始值以及所述编码特征向量之间的第一加权求和运算结果，输出得到每个样本服务子内容对应的第一注意力特征向量；
将各个第一注意力特征向量输入至待训练的第二注意力层中，根据所述待训练的第二注意力层中针对所述每个样本服务内容的第二注意力参数初始值以及各个第一注意力特征向量之间的第二加权求和运算结果，输出得到所述每个样本服务内容对应的第二注意力特征向量；
将每个样本服务内容对应的第二注意力特征向量输入至待训练的输出预测层中，得到所述待训练的输出预测层的预测结果；将预测结果与该样本服务内容的语义标注信息进行对比，直至在所述预测结果与语义标注信息达到一致时，停止训练，确定训练完成的语义分析模型中针对样本服务子内容的第一注意力参数值，以及针对所述样本服务内容的第二注意力参数值。


3.根据权利要求2所述的语义分析方法，其特征在于，所述将每个样本服务子内容的编码特征向量输入至待训练的第一注意力层，根据所述待训练的第一注意力层中针对该样本服务子内容的第一注意力参数初始值以及所述编码特征向量之间的第一加权求和运算结果，输出得到每个样本服务子内容对应的第一注意力特征向量，包括：
针对每个样本服务子内容的编码特征向量中的每个编码特征值，从所述待训练的第一注意力层中针对所述每个样本服务子内容的第一注意力参数初始值中，确定该编码特征值的第一注意力参数初始值；
将各个编码特征值、以及每个编码特征值的第一注意力参数初始值进行加权求和运算，得到针对所述第一注意力层中每个输出对应的第一注意力特征值；
依次将针对所述第一注意力层各个输出应的第一注意力特征值进行组合，得到所述每个样本服务子内容对应的第一注意力特征向量。


4.根据权利要求2所述的语义分析方法，其特征在于，所述将各个第一注意力特征向量输入至待训练的第二注意力层中，根据所述待训练的第二注意力层中针对所述每个样本服务内容的第二注意力参数初始值以及各个第一注意力特征向量之间的第二加权求和运算结果，输出得到所述每个样本服务内容对应的第二注意力特征向量，包括：
针对各个第一注意力特征向量中的每个第一注意力特征向量，从所述待训练的第二注意力层中针对每个样本服务内容的第二注意力参数初始值中，确定该第一注意力特征向量的第二注意力参数初始值；
将各个第一注意力特征向量、以及每个第一注意力特征向量的第二注意力参数初始值进行加权求和运算，得到针对所述第二注意力层中每个输出对应的第二注意力特征值；
依次将针对所述第二注意力层各个输出对应的第二注意力特征值进行组合，得到每个样本服务内容对应的第二注意力特征向量。


5.根据权利要求2所述的语义分析方法，其特征在于，所述语义分析模型还包括输入编码层，在所述针对每个样本服务内容包括的每个样本服务子内容，确定该样本服务子内容的编码特征向量之前，还包括：
针对每个样本服务内容包括的每个样本服务子内容，从该样...

【专利技术属性】
技术研发人员：陈道昌，郑海霞，刘明星，王奕，朱宏图，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11