文本语义理解方法和模型训练方法、装置、设备和介质制造方法及图纸

公开了一种文本语义理解方法和装置、计算机可读存储介质和电子设备，其中，文本语义理解方法包括：获取待处理文本的文本特征和主题特征；根据所述待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息；基于所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。本公开实施例利用文本的主题特征与文本特征结合，通过两种特征相互补充，可以获得更好的领域信息和意图信息，通过文本的主题特征可以在特征层级建立领域和意图的相关性，使所获得的领域和意图保持一致，从而可以获得更好的语义理解的效果。

【技术实现步骤摘要】
文本语义理解方法和模型训练方法、装置、设备和介质
本公开涉及语音技术，尤其是一种文本语义理解方法和装置、模型训练方法和装置、计算机可读存储介质和电子设备。
技术介绍
随着人工智能的普及，语音已成为人机交互的重要方式，而对自然语言的理解(NaturalLanguageUnderstanding)则是实现人机交互的一个重要组成部分。语音识别将人类的语音识别为文字，语义理解则将语音识别得到的文字转换为一个机器能够看懂的结构化表达，以便后续进行人机交互。
技术实现思路
在实现本专利技术的过程中，本专利技术人通过研究发现，现有的文本语义理解方法通常仅利用文本的文本特征进行语义理解，往往忽略了文本的主题特征对于语义理解的作用，从而影响了语义理解的效果。为了解决上述技术问题，本公开实施例提供了一种文本语义理解的技术方案和模型的训练的技术方案。根据本公开实施例的一个方面，提供了一种文本语义理解方法，包括：获取待处理文本的文本特征和主题特征；根据所述待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息；基于所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。根据本公开实施例的另一个方面，提供了一种模型的训练方法，包括：获取第一文本数据集，所述第一文本数据集中的文本标注有领域信息和意图信息；确定所述第一文本数据集中至少一个第一文本的文本特征和主题特征；基于所述至少一个第一文本的文本特征和主题特征，利用所述至少一个第一文本训练领域和意图分类模型。根据本公开实施例的又一个方面，提供了文本语义理解装置，包括：文本接收模块，用于获取待处理文本的文本特征和主题特征；文本分类模块，用于根据所述文本接收模块获取的所述获取待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息；信息抽取模块，用于基于所述文本分类模块得到的所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。根据本公开实施例的再一个方面，提供了模型的训练装置，包括：获取模块，用于获取第一文本数据集，所述第一文本数据集中的文本标注有领域信息和意图信息；处理模块，用于确定所述获取模块获取的所述第一文本数据集中至少一个第一文本的文本特征和主题特征；训练模块，用于基于所述处理模块得到的所述至少一个第一文本的文本特征和主题特征，利用所述至少一个第一文本训练领域和意图分类模型。根据本公开实施例的再一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的方法。根据本公开实施例的再一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一实施例所述的方法。基于本公开上述实施例提供的文本语义理解方法和装置、计算机可读存储介质和电子设备，通过获取待处理文本的文本特征和主题特征，根据待处理文本的文本特征和主题特征，确定待处理文本的领域信息和意图信息，基于待处理文本的领域信息和意图信息，对待处理文本进行语义信息抽取，得到待处理文本的语义理解结果，利用文本的主题特征与文本特征结合，通过两种特征相互补充，可以获得更好的领域信息和意图信息，同时由于相同领域的句子间具有相近的主题分布，相似意图的句子也具有相近的主题分布，文本的主题特征恰好与文本的领域和意图相契合，因此通过文本的主题特征可以在特征层级建立领域和意图的相关性，使所获得的领域和意图保持一致，从而可以获得更好的语义理解的效果。基于本公开上述实施例提供的模型的训练方法和装置、计算机可读存储介质和电子设备，通过获取第一文本数据集，其中第一文本数据集中的文本标注有领域信息和意图信息，确定第一文本数据集中至少一个第一文本的文本特征和主题特征，基于至少一个第一文本的文本特征和主题特征，利用至少一个第一文本训练领域和意图分类模型，在训练领域和意图分类模型时考虑了文本的主题特征，通过将文本的主题特征与文本特征结合，利用两种特征相互补充，可以获得更好的领域信息和意图信息，同时由于相同领域的句子间具有相近的主题分布，相似意图的句子也具有相近的主题分布，文本的主题特征恰好与文本的领域和意图相契合，因此通过文本的主题特征可以在特征层级建立领域和意图的相关性，使所获得的领域和意图保持一致，从而可以获得更好的语义理解的效果。附图说明通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1是本公开所适用的系统框图。图2是本公开涉及的领域和意图分类模型的一个结构示意图。图3是本公开一示例性实施例提供的文本语义理解方法的流程示意图。图4是本公开图3所示实施例中步骤301的一个流程示意图。图5是本公开图3所示实施例中步骤302的一个流程示意图。图6是本公开图3所示实施例中步骤301的另一个流程示意图。图7是本公开图3所示实施例中步骤301的又一个流程示意图。图8是本公开图3所示实施例中步骤303的一个流程示意图。图9是本公开一示例性实施例提供的文本语义理解装置的结构示意图。图10是本公开另一示例性实施例提供的文本语义理解装置的结构示意图。图11是本公开一示例性实施例提供的模型的训练方法的流程示意图。图12是本公开图11所示实施例中步骤1103的一个流程示意图。图13是本公开图11所示实施例中步骤1102的一个流程示意图。图14是本公开图11所示实施例中步骤1102的另一个流程示意图。图15是本公开一示例性实施例提供的模型的训练方法的流程示意图。图16是本公开一示例性实施例提供的模型的训练装置的结构示意图。图17是本公开另一示例性实施例提供的模型的训练装置的结构示意图。图18是本公开一示例性实施例提供的电子设备的结构图。具体实施方式下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。还应理解，在本公开实施例中，“多个”可以指两个本文档来自技高网...

【技术保护点】
1.一种文本语义理解方法，包括：/n获取待处理文本的文本特征和主题特征；/n根据所述待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息；/n基于所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。/n

【技术特征摘要】
1.一种文本语义理解方法，包括：
获取待处理文本的文本特征和主题特征；
根据所述待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息；
基于所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。


2.根据权利要求1所述的方法，其中，所述获取待处理文本的文本特征和主题特征，包括：
通过领域和意图分类模型对所述待处理文本进行文本特征提取处理，得到所述待处理文本的文本特征；
通过主题模型对所述待处理文本进行主题特征提取处理，得到所述待处理文本的主题特征。


3.根据权利要求2所述的方法，其中，所述根据所述待处理文本的文本特征和主题特征，确定所述待处理文本的领域信息和意图信息，包括：
将所述待处理文本的主题特征输入所述领域和意图分类模型；
基于所述领域和意图分类模型对所述待处理文本进行领域分类和意图分类，得到所述待处理文本的领域信息和意图信息。


4.根据权利要求2或3所述的方法，其中，所述获取所述待处理文本的文本特征和主题特征，包括：
对所述待处理文本进行分词处理；
根据所述分词处理后的待处理文本，获取所述待处理文本的文本特征和主题特征。


5.根据权利要求4所述的方法，其中，所述文本特征包括：字符级文本特征和/或词语级文本特征；
所述获取所述待处理文本的文本特征，包括：
对所述分词处理后的待处理文本进行卷积处理，得到所述待处理文本的词语级文本特征；
对所述待处理文本进行卷积处理，得到所述待处理文本的字符级文本特征。


6.根据权利要求1至5中任意一项所述的方法，其中，所述基于所述待处理文本的领域信息和意图信息，对所述待处理文本进行语义信息抽取，包括：
将所述待处理文本的领域信息和意图信息输入标注模型；
基于所述标注模型对所述待处理文本进行语义信息抽取，得到所述待处理文本的语义理解结果。


7.一种模型的训练方法，包括：
获取第一文本数据集，所述第一文本数据集中的文本标注有领域信息和意图信息；
确定所述第一文本数据集中至少一个第一文本的文本特征和主题特征；
基于所述至少一个第一文本的文本特征和主题特征，利用所述至少一个第一文本训练领域和意图分类模型。


8.根据权利要求7所述的方法，其中，所述基于所述至少一个第一文本的文本特征和主题特征，利用所述至少一个第一文本训练领域和意图分类模型，包括：
通过所述领域和意图分类模型，基于所述至少一个第一文本的文本特征和主题特征，对所述至少一个第一文本进行领域预测和意图预测，得到领域预测信息和意图预测信息；
根据所述至少一个第一文本的领域预测信息和意图预测信息与所述至少一个第一文本标注的领域信息和意图信息之间的差异，对所述领域和意图分类模型进行训练。


9.根据权利要求7所述的方法，其中，所述确定所述第一文本数据集中至少一个第一文本的文本特征和主题特征，包括：
对所述第一文本数据集中的至少一个第一文本进行分词处理；
根据所述分词处理后的至少一个第一文本，确定所述第一文本数据集中至少一个第一文本的文本特征和主题特征。


10.根据权利要求9所述的...

【专利技术属性】
技术研发人员：张致恺，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京;11