【技术实现步骤摘要】
提示词语句的识别方法、装置及电子设备
[0001]本申请涉及人工智能
，具体而言，涉及一种提示词语句的识别方法、装置及电子设备。
技术介绍
[0002]随着大规模预训练模型的蓬勃发展和算例的大规模提升，AIGC(AI Generate Content)人工智能内容生成技术呈现指数级的发展增速，开始重塑各个行业乃至全球的“数字化转型”。文生图是AIGC在图像内容生成领域的一种技术，用户通过输入一系列设想内容的Prompt提示词，即可借助AI大模型生成符合主题的图像内容，继而有效赋能企业各职能部门，辅助产生新的想法和设计方案，开发个性化和定制化的产品，提高设计的速度和敏捷性，降本增效。但是，非艺术专业或并不具备一定文学素养的用户在使用AI大模型时，由于提示词匮乏导致难以得到期望生成的图像。为了解决上述问题，现有技术通过专业人员构造(主题
‑
提示词)的意图词典，以降低企业自上而下推进文生图创作的入门门槛来提高用户体验感。
[0003]但是，随着创作领域的激增，重复含义的(主题
‑
提...
【技术保护点】
【技术特征摘要】
1.一种提示词语句的识别方法，其特征在于，包括：获取待识别的提示词语句，其中，所述待识别的提示词语句用于表征目标图像对应的文字描述信息，所述目标图像为目标对象期望生成的图像；将所述待识别的提示词语句输入至语义识别模型中，得到所述语义识别模型输出的待识别的提示词语句对应的目标语义特征向量以及所述待识别的提示词语句对应的目标意图类别；获取所述目标意图类别对应的预设聚类中心向量以及所述目标意图类别对应的意图边界阈值；计算所述目标语义特征向量与所述预设聚类中心向量之间的距离，得到目标距离；基于所述目标距离以及所述意图边界阈值确定所述待识别的提示词语句的识别结果，并基于所述识别结果对意图词典进行更新操作，其中，所述意图词典用于存储M个提示词语句，每个提示词语句用于表征一个图像对应的文字描述信息，每个图像为所述目标对象期望生成的图像，M为正整数。2.根据权利要求1所述的方法，其特征在于，基于所述目标距离以及所述意图边界阈值确定所述待识别的提示词语句的识别结果，包括：判断所述目标距离是否大于或等于所述意图边界阈值；在所述目标距离大于或等于所述意图边界阈值的情况下，确定第一识别结果为所述识别结果，其中，所述第一识别结果用于表征所述待识别的提示词语句为所述意图词典中未存在的提示词语句；在所述目标距离小于所述意图边界阈值的情况下，确定第二识别结果为所述识别结果，其中，所述第二识别结果用于表征所述待识别的提示词语句为所述意图词典中已存在的提示词语句。3.根据权利要求2所述的方法，其特征在于，基于所述识别结果对意图词典进行更新操作，包括：在确定所述识别结果为所述第一识别结果的情况下，将所述待识别的提示词语句添加至所述意图词典中；在确定所述识别结果为所述第二识别结果的情况下，禁止将所述待识别的提示词语句添加至所述意图词典中。4.根据权利要求1所述的方法，其特征在于，所述语义识别模型通过如下方式得到：获取目标训练集合，其中，所述目标训练集合中至少包括N个第一提示词语句，每个第一提示词语句用于表征一个第一图像对应的文字描述信息，每个第一图像为所述目标对象期望生成的图像，N为正整数；对所述每个第一提示词语句进行编码处理，得到N个第一特征向量；将所述N个第一特征向量输入至初始神经网络模型中，并依据交叉熵损失函数以及归一化指数函数对所述初始神经网络模型进行迭代训练，得到所述语义识别模型。5.根据权利要求4所述的方法，其特征在于，将所述N个第一特征向量输入至初始神经网络模型中，并依据交叉熵损失函数以及归一化指数函数对所述初始神经网络模型进行迭代训练，得到所述语义识别模型，包括：将所述N个第一特征向量输入至所述初始神经网络模型中的池化层，得到所述池化层
输出的N个第二特征向量，其中，所述池化层用于对所述第一特征向量进行特征筛选；将所述N个第二特征向量输入至所述初始神经网络模型中的致密层，得到所述致密层输出的N个第一语义特征向量，其中，所述致密层用于将所...
【专利技术属性】
技术研发人员：邱一晋，
申请(专利权)人：中国工商银行股份有限公司，
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。