【技术实现步骤摘要】
文本语义匹配方法及制冷设备系统
[0001]本专利技术涉及制冷设备
,尤其涉及一种文本语义匹配方法及制冷设备系统。
技术介绍
[0002]随着人工智能的进步,人们希望将人工智能引入冰箱领域,使冰箱更加智能化。在冰箱智能化的过程中,涉及大量的针对冰箱场景的优化过程,这种优化包括用户与冰箱的口语的、文本的、视频的各种类型的交互的优化,在优化的过程中,专利技术人发现现有技术存在这样的问题:
[0003]现有的交互的响应速度慢,且准确率不够高,不能达到用户即时清晰地交流的需求,使用户明显感受到人机对话的不便,而不是如人与人对话一般的自然,使用体验较差。
技术实现思路
[0004]为解决上述的现有技术问题中的至少其一,本专利技术的目的在于提供一种交互响应速度快、反馈的信息精准的文本语义匹配方法及制冷设备系统
。
[0005]为实现上述专利技术目的,本专利技术一实施方式提供一种文本语义匹配方法,包括如下步骤:
[0006]将总文本数据中可标注的文本进行标注;
[0007]通过槽位抽取对所述总文本数据中不可标注的文本和已标注的文本均进行结果匹配,并判断匹配的结果;
[0008]若匹配成功则输出匹配结果;
[0009]若匹配失败,将失败对应的文本数据传输至深度融合网络模型进行特征提取,再根据特征提取结果计算文本语义的匹配结果;其中,所述深度融合网络模型是文本向量化模型和多维度特征提取模型的融合模型,所述文本向量化模型将文本数据向量化,所述多维度特征提取模型 ...
【技术保护点】
【技术特征摘要】
1.一种文本语义匹配方法,其特征在于,包括如下步骤:将总文本数据中可标注的文本进行标注;通过槽位抽取对所述总文本数据中不可标注的文本和已标注的文本均进行结果匹配,并判断匹配的结果;若匹配成功则输出匹配结果;若匹配失败,将失败对应的文本数据传输至深度融合网络模型进行特征提取,再根据特征提取结果计算文本语义的匹配结果;其中,所述深度融合网络模型是文本向量化模型和多维度特征提取模型的融合模型,所述文本向量化模型将文本数据向量化,所述多维度特征提取模型提取多维度交互特征和关联特征。2.根据权利要求1所述的文本语义匹配方法,其特征在于,所述步骤通过槽位抽取对所述总文本数据中不可标注的文本和已标注的文本均进行结果匹配包括:通过规则引擎对所述总文本数据中不可标注的文本和已标注的文本均进行结果匹配;当所述规则引擎检测出问题时,通过快速修复模块自动分析和修复规则定义,并重新通过规则引擎进行结果匹配。3.根据权利要求2所述的文本语义匹配方法,其特征在于,还包括步骤:当所述快速修复模块无法解决所述规则引擎检测出的问题、或者规则修复后所述规则引擎依旧无法进行结果匹配时,所述槽位抽取匹配失败;其中,所述问题包括规则定义不准确、规则冲突、或规则执行效率低下。4.根据权利要求1所述的文本语义匹配方法,其特征在于,所述步骤若匹配失败还包括:将失败对应的文本数据传输至深度融合网络模型进行特征提取,提取出交互特征;计算交互特征之间的聚合交互特征信息;计算交互特征之间的差异化交互特征信息;根据特征信息、聚合交互特征信息、差异化交互特征信息,计算文本语义的匹配结果。5.根据权利要求4所述的文本语义匹配方法,其特征在于,所述步骤计算交互特征之间的聚合交互特征信息包括:通过注意力加权求和,计算交互特征之间的聚合交互特征信息;所述步骤计算交互特征之间的差异化交互特征信息包括:通过注意力机制增强,计算交互特征之间的差异化交互特征信息。6.根据权利要求1所述的文本语义匹配方法,其特征在于,所述步骤对所述总文本数据中可标注的文本进行标注包括:对可标注的文本依次进行预标注、正式标注和标注质检,其中,当文本经过正式标注的值经过标注质检判断低于预设阈值时,将该文本返回预标注中重新标注。7.根据权利要求1所述的文本语义匹配方法,其特征在于,所述步骤将总文本数据中可标注的文本进行标注包括:将总文本数据中可标注的文本进行标注,并将标注后的文本分别存储为训练数据和测试数据;所述步骤将失败对应的文本数据传输至深度融合网络模型进行特征提取包括:对于匹配失败的被标注的文本数据,用所述训练数据训练所述深度融合网络模型,用
所述测试数据通过所述深度融合网络模型预测结果。8.根据权利要求1所述的文本语义匹配方法,其特征在于,还包括步骤:对所述总文本数据中不可标注的文本进行数据清洗;所述步骤将失败对应的文本数据传输至深度融合网络模型进行特征提取包括:对于匹配失败的不可标注的文本数据,采用...
【专利技术属性】
技术研发人员:曾谁飞,李华刚,孔令磊,张景瑞,刘卫强,李敏,
申请(专利权)人:青岛海尔智能技术研发有限公司海尔智家股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。