场景类别的确定方法和场景分析模型的训练方法、装置制造方法及图纸

本公开实施例公开了一种场景类别的确定方法和场景分析模型的训练方法、装置，其中，场景类别的确定方法包括：在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；基于所述用户画像和所述相关数据信息，获得场景数据序列；基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别；本公开实施例在确定场景类别的过程中，除了应用到相关数据信息还应用了用户画像，由于用户画像体现了的年龄、性别、地域、用户偏好等信息，有助于更准确的识别用户意图，将用户画像作为先验知识运用于多模交互场景，增加了有益于分类的特征，提高了场景分类的准确率。

【技术实现步骤摘要】
场景类别的确定方法和场景分析模型的训练方法、装置
本公开涉及场景分类技术，尤其是一种场景类别的确定方法和场景分析模型的训练方法、装置。
技术介绍
传统的车载交互系统，基于命令和选择的交互方式，多模交互系统是基于场景，基于场景的交互系统可以理解当前处于什么场景，当前用户是谁，用户处于什么样的状态。目前车载多模态场景分类技术，基本都是使用了实时的传入车载交互系统的多模态信息，没有利用一些客观事实，历史信息等。
技术实现思路
为了解决上述没有利用客观事实及历史信息的技术问题，提出了本公开。本公开的实施例提供了一种场景类别的确定方法和场景分析模型的训练方法、装置。根据本公开实施例的一个方面，提供了一种场景类别的确定方法，包括：在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；基于所述用户画像和所述相关数据信息，获得场景数据序列；基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别。根据本公开实施例的另一方面，提供了一种场景分析模型的训练方法，包括：基于多个样本用户画像和多个样本数据帧确定多个样本场景数据序列；将所述多个样本场景数据序列输入场景分析模型，获得场景预测类别；基于所述场景预测类别和所述样本场景数据序列对应的标注场景类别训练所述场景分析模型。根据本公开实施例的又一方面，提供了一种场景分析装置，包括：信息获取模块，用于在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；信息合并模块，用于基于所述信息获取模块获取的所述用户画像和所述相关数据信息，获得场景数据序列；场景分类模块，用于基于所述场景分析模型对所述信息合并模块获得的场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别。根据本公开实施例的还一方面，提供了一种场景分析模型的训练装置，包括：样本确定模块，用于基于多个样本用户画像和多个样本数据帧确定多个样本场景数据序列；场景预测模块，用于将所述样本确定模块确定的多个样本场景数据序列输入场景分析模型，获得场景预测类别；模型训练模块，用于基于所述场景预测模块获得的场景预测类别和所述样本场景数据序列对应的标注场景类别训练所述场景分析模型。根据本公开实施例的再一方面，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实施例提供的场景类别的确定方法，或者用于执行上述实施例提供的场景分析模型的训练方法。根据本公开实施例的再一方面，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，并执行上述实施例提供的场景类别的确定方法，或者执行上述实施例提供的场景分析模型的训练方法。基于本公开上述实施例提供的一种场景类别的确定方法和场景分析模型的训练方法、装置，在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；基于所述用户画像和所述相关数据信息，获得场景数据序列；基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别；本公开实施例在确定场景类别的过程中，除了应用到相关数据信息还应用了用户画像，由于用户画像体现了的年龄、性别、地域、用户偏好等信息，有助于更准确的识别用户意图，将用户画像作为先验知识运用于多模交互场景，增加了有益于分类的特征，提高了场景分类的准确率。下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。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为本公开涉及到的场景分析模型的一个结构示意图。图2是本公开实施例涉及到的数据准备方法的流程示意图。图3为本公开经过图2的数据准备方法获得的训练集结构示意图。图4是本公开一些实施例中应用场景分析模型进行预测场景类别的流程示意图。图5是本公开一示例性实施例提供的场景类别的确定方法的流程示意图。图6是本公开图5所示的实施例中步骤502的一个流程示意图。图7是本公开图5所示的实施例中步骤503的一个流程示意图。图8是本公开一示例性实施例提供的场景分析模型的训练方法的流程示意图。图9是本公开另一示例性实施例提供的场景分析模型的训练方法的流程示意图。图10是本公开图9所示的实施例中步骤902的一个流程示意图。图11是本公开一示例性实施例提供的场景类别的确定装置的结构示意图。图12是本公开另一示例性实施例提供的场景类别的确定装置的结构示意图。图13是本公开一示例性实施例提供的场景分析模型的训练装置的结构示意图。图14是本公开另一示例性实施例提供的场景分析模型的训练装置的结构示意图。图15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”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。应注意到：相似的标号和字本文档来自技高网...

【技术保护点】
1.一种场景类别的确定方法，包括：/n在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；/n基于所述用户画像和所述相关数据信息，获得场景数据序列；/n基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别。/n

【技术特征摘要】
1.一种场景类别的确定方法，包括：
在预设时间段内，获取用户对应的用户画像和所述用户所处场景的相关数据信息；
基于所述用户画像和所述相关数据信息，获得场景数据序列；
基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别。


2.根据权利要求1所述的方法，其中，在基于所述用户画像和所述相关数据信息，获得场景数据序列之前，还包括：
对所述用户所处场景的相关数据信息进行时钟对齐；
基于所述预设时间段内包括的多个时刻中每个时刻对齐后的相关数据信息确定一个数据帧，获得所述多个时刻对应的多个数据帧。


3.根据权利要求2所述的方法，其中，所述用户画像包括向量化表示的多个用户标签；
所述基于所述用户画像和所述相关数据信息，获得场景数据序列，包括：
将所述向量化表示的多个用户标签分别与所述预设时间段内包括的多个时刻对应的多个数据帧进行合并；
基于对应所述多个时刻的多个场景数据，确定场景数据序列。


4.根据权利要求3所述的方法，其中，所述基于所述场景分析模型对所述场景数据序列进行处理，获得在所述预设时间段内所述用户所处场景的场景类别，包括：
将所述场景数据序列输入所述场景分析模型中；
基于所述场景分析模型对所述用户在所述预设时间段内所处的场景进行分类，获得所述场景类别。


5.根据权利要求1-4任一所述的方法，其中，所述场景分析模型为循环神经网络。


6.一种场景分析模型的训练方法，包括：
基于多个样本用户画像和多个样本数据帧确定多个样本场景数据序列；
将所述多个样本场景数据序列输入场景分析模型，获得场景预测类别；
基于所述场景预测类别和所述样本场景数据序列对应的标注场景类别训练所述场景分析模型。


7.根据权利要求6所述的方法，其中，所述样本用户画像包括向量化表示的多个用户标签；
所述基于多个样本用户画像和多个样本数据帧确定多个样本场景数据序列，包括：
针对每个所述样本用户画像，将所述向量化表示的多个用户标签和多个样本数据帧进行合并，获得多个样本场景数据；
基于所述多个样本场景数据确定多个样本场景数据序列。


8.根据权利要求6所述的方法...

【专利技术属性】
技术研发人员：叶超，
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