语义识别方法、装置及电子设备制造方法及图纸

本申请属于自然语言处理技术领域，具体涉及一种语义识别方法、装置及电子设备。方法包括：获取目标语句；当确定目标语句中存在待语义消歧的目标词语时，判断目标语句中是否存在各目标词语对应的语义指示词；语义指示词用于确定目标词语的语义；若确定目标语句中存在无语义指示的目标词语，则将目标语句输入语义消歧模型，得到各无语义指示的目标词语的语义；无语义指示的目标词语指的是在目标语句中不存在对应的语义指示词的目标词语；根据目标语句中的各目标词语的语义，得到目标语句的语义。本申请减少了语义识别计算量且提高了语义识别的效率。识别的效率。识别的效率。

【技术实现步骤摘要】
语义识别方法、装置及电子设备


[0001]本专利技术实施例属于自然语言处理
，具体涉及一种语义识别方法、装置及电子设备。

技术介绍

[0001]智能电视或者智能冰箱等电子设备可以接收用户的语音信号，并根据语音信号做出相应的操作(例如输出相关推荐，或者控制电子设备进行相应操作等)。以智能电视为例，智能电视在接收到用户的语音信号之后，可以将语音信号转换为相应的语句。然后，智能电视可以对该语句进行语义理解，得到该语句对应的语义。根据该语句对应的语义，智能电视可以做出相应的操作。
[0002]在对语句进行语义理解时，若该语句中存在多语义词语，则首先需要确定该多语义词语在该语句中的语义。在使用现有的语义识别方法对多语义词语进行语义识别时，针对不同的多语义词语需要构建不同的语义识别模型。然而，事实上，多语义词语的数量众多，也就是说，在使用现有的语义识别方法时，需要构建多个语义识别模型才能进行语义识别。
[0003]因此，现有的语义识别方法的计算量较大且效率较低。

技术实现思路

[0004]为了解决现有技术中的上述问题，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义识别方法，其特征在于，所述方法包括：获取目标语句；当确定所述目标语句中存在待语义消歧的目标词语时，判断所述目标语句中是否存在各目标词语对应的语义指示词；所述语义指示词用于确定所述目标词语的语义；若确定所述目标语句中存在无语义指示的目标词语，则将所述目标语句输入语义消歧模型，得到各所述无语义指示的目标词语的语义；所述无语义指示的目标词语指的是在所述目标语句中不存在对应的语义指示词的目标词语；根据所述目标语句中的各目标词语的语义，得到所述目标语句的语义。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对任一目标词语，若确定所述目标语句中存在该目标词语对应的语义指示词，则根据该目标词语对应的语义指示词，确定该目标词语的语义。3.根据权利要求1或2所述的方法，其特征在于，所述判断所述目标语句中是否存在各目标词语对应的语义指示词，包括：根据所述目标语句中的各词语，以及，所述目标词语与语义指示词的映射关系，判断所述目标语句中是否存在各目标词语对应的语义指示词。4.根据权利要求1或2所述的方法，其特征在于，所述方法包括：将所述目标语句中的词语与预设的多语义词语语料库中的多语义词语进行匹配，确定所述目标语句中是否存在待语义消歧的所述目标词语；若所述目标语句中的目标词语与所述多语义词语语料库中的任一多语义词语相同，则确定所述目标语句中存在待语义消歧的所述目标词语。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本数据集；其中，所述样本数据集包括：至少一个样本数据子集；所述样本数据子集包括：样本语句对应的正样本数据、所述样本语句对应的负样本数据；所述样本语句包括多语义样本词语，所述正样本数据包括所述样本语句、所述样本语句对应的正样本语句和正样本数据标签；所述负样本数据包括所述样本语句、所述样本语句对应的负样本语句和负样本数据标签，所述正样本语句为使用正样本词语替换所述样本语句中的所述多语义样本词语得到的语句，所述负样本语句为使用负样本词语替换所述样本语句中的所述多语义样本词语得到的语句，所述正样本词语与所述多语义样本词语的语义相同，所述负样本词语与所述多语义样本词语的语义不同；使用所述样本数据集训练预设的二分类模型，得到所述语义消歧模型。6.根据权利要求5所述的方法，其特征在于，所述获取样本数据集，包括：获取样本语料库，以及，多语义样本词语与各语义对应的词语的映射关系；其中，所述样本语料库包括：至少一个语料子集，所述语料子集包括：所述样本语句、所述多语义样本词语、所述多语义样本词语的正样本词语；根据所述样本语料库，以及，所述多语义样本词语与各语义对应的词语的映射关系，构建所述样本...

【专利技术属性】
技术研发人员：刘建国，王迪，朱毅，
申请(专利权)人：海尔智家股份有限公司，
类型：发明
国别省市：