标签识别模型训练方法、识别方法及相关设备技术

本发明专利技术提供一种标签识别模型训练方法、识别方法及相关设备，方法包括：获取反馈信息语料以及反馈信息语料的结构化标签；对所述反馈信息语料进行预处理；将所述反馈信息语料输入至标签识别模型的嵌入层，生成嵌入向量；将所生成的嵌入向量输入至所述标签识别模型的编码器，获得特征向量；将所述特征向量输入至所述标签识别模型的输出层，获得所述反馈信息语料的识别标签的概率分布；根据所述识别标签的概率分布以及所述结构化标签计算所述标签识别模型的损失函数；基于所述损失函数调整所述标签识别模型的模型参数。本发明专利技术能够对具有层级结构的标签进行学习，并融入到最终的分类任务中，能够有效提升最终的分类效果。能够有效提升最终的分类效果。能够有效提升最终的分类效果。

【技术实现步骤摘要】
标签识别模型训练方法、识别方法及相关设备


[0001]本专利技术涉及计算机应用
，尤其涉及一种标签识别模型训练方法、识别方法及相关设备。

技术介绍

[0002]随着旅游产业的发展和旅游产品类型的丰富。旅游产品的供应商数量和供应商反馈的诉求种类也逐步增多。供应商反馈的问题侧面反映了相关部门的服务存在质量问题，收集这些问题，并且及时传递给对应问题的处理人员，能够充分了解供应商反馈的诉求并及时进行改进和优化。通过对供应商反馈内容涉及的质量问题进行分类识别，能够将供应商的反馈分发到对应的处理人员，更快地对问题进行处理。但是面对大量的IM(InstantMessage)和问卷信息，人工进行打标分类并进行人工分发的方式会消耗大量的人力。因此，本文提出了旅游场景下从供应商反馈内容中自动识别质量问题的方法。利用深度学习技术，在作业调度平台上实现对供应商的反馈内容信息进行自动分类，基于模型的打标分类结果，由质量平台自动分发到对应的处理人员，以提升供应商体验和减少运营人力。
[0003]实际业务中，分类标签是呈层级结构的，比如，针对IM的一段会话...

【技术保护点】

【技术特征摘要】
1.一种基于反馈信息的标签识别模型训练方法，其特征在于，包括：获取反馈信息语料以及反馈信息语料的结构化标签；对所述反馈信息语料进行预处理；将所述反馈信息语料输入至标签识别模型的嵌入层，生成嵌入向量；将所生成的嵌入向量输入至所述标签识别模型的编码器，获得特征向量；将所述特征向量输入至所述标签识别模型的输出层，获得所述反馈信息语料的识别标签的概率分布；根据所述识别标签的概率分布以及所述结构化标签计算所述标签识别模型的损失函数；基于所述损失函数调整所述标签识别模型的模型参数。2.如权利要求1所述的基于反馈信息的标签识别模型训练方法，其特征在于，所述嵌入层包括：标志嵌入层，所述标志嵌入层基于所述反馈信息语料的语义标志获得标志嵌入向量；段嵌入层，所述段嵌入层基于所述反馈信息语料的分隔符将所述反馈信息语料转换为段嵌入向量；以及位置嵌入层，所述标志嵌入层基于所述反馈信息语料的语义标识对应的位置，获得位置嵌入向量，其中，所述嵌入向量为所述标志嵌入向量、段嵌入向量以及位置嵌入向量之和。3.如权利要求1所述的基于反馈信息的标签识别模型训练方法，其特征在于，所述编码层包括多个编码器，各所述编码器包括多头自注意力层、残差和标准化层以及全连接层。4.如权利要求1所述的基于反馈信息的标签识别模型训练方法，其特征在于，所述标签识别模型还包括标签编码层，所述标签编码层用于基于所述结构化标签获得标签特征。5.如权利要求4所述的基于反馈信息的标签识别模型训练方法，其特征在于，所述输出层用于：将所述反馈信息语料的特征向量与所述标签特征进行交互，获得结果向量；对所述结果向量执行线性变换和softmax的概率转换，获得所述反馈信息语料的识别标签的概率分布。6.如权利要求1所述的基于反馈信息的标签识别模型训练方法，其特征在于，所...

【专利技术属性】
技术研发人员：黄维，赵华，鞠剑勋，李健，
申请(专利权)人：上海携旅信息技术有限公司，
类型：发明
国别省市：