需求识别方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种需求识别方法、系统、电子设备及存储介质，该方法包括：获取用户反馈信息的文本数据，基于预设信息提取模型对文本数据的每一段文本进行事件提取，得到每一段文本的事件元组；基于预设事件嵌入模型对每一段文本的事件元组进行事件嵌入，得到每一段文本的第一事件向量；通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量；基于第二事件向量进行用户需求分类，得到需求分类结果，根据需求分类结果确定需求信息。本发明专利技术实施例提供的需求识别方法提取每一段文本的事件元组，通过事件嵌入模型将事件元组嵌入到密集向量，结合事件注意力机制网络区分每一段文本中事件的重要性，提高了用户需求的识别准确性。的识别准确性。的识别准确性。

【技术实现步骤摘要】
需求识别方法、系统、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种需求识别方法、系统、电子设备及存储介质。

技术介绍

[0002]现有文本分类方法多为使用词嵌入技术等编码方式对文本信息进行编码，使用循环神经网络或者改进的卷积神经网络对多个事件捕捉上下文关系，从而完成分类工作，此类工作专于提升对语义特征的精准识别，对于每一段文本中所包含的所有事件的重要性没有加以区分。因此，每段文本经常会包含多个事件，不同事件对同一结果有不同的含义，将所有事件嵌入密集向量将影响预测的准确性。

技术实现思路

[0003]本专利技术提供一种需求识别方法、系统、电子设备及存储介质，旨在提高用户需求的识别准确性。
[0004]第一方面，本专利技术提供一种需求识别方法，包括：
[0005]获取用户反馈信息的文本数据，并基于预设信息提取模型对所述文本数据的每一段文本进行事件提取，得到每一段文本的事件元组；所述预设信息提取模型是通过相同关系实体结合的数据集训练得到；
[0006]基于预设事件嵌入模型对每一段文本的事件元组进行事件嵌入，得到每一段文本的第一事件向量；所述预设事件嵌入模型是基于第一历史事件集合训练得到；
[0007]通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量；所述预设事件注意力机制网络是根据历史事件向量集合训练得到；
[0008]基于所述第二事件向量进行用户需求分类，得到需求分类结果，并根据所述需求分类结果确定需求信息。
>[0009]在一个实施例中，所述第一历史事件集合中的每一个历史事件都包括第一头参数短语、关系短语和尾参数短语，且所述第一头参数短语、所述关系短语和所述尾参数短语依次连接；
[0010]所述预设事件嵌入模型的训练过程具体包括：
[0011]基于第一张量对所述第一头参数短语进行建模，并基于第二张量对所述尾参数短语进行建模；张量为预设神经张量网络的参数；
[0012]基于所述第一张量、所述第一头参数短语和所述关系短语构建第一嵌入，并基于所述第二张量、所述尾参数短语和所述关系短语构建第二嵌入；
[0013]基于第三张量构建所述第一嵌入和所述第二嵌入的语义组合；
[0014]基于所述第一嵌入、所述第二嵌入和所述第三张量对所述预设神经张量网络进行训练，得到所述预设事件嵌入模型。
[0015]所述得到所述预设事件嵌入模型之后，还包括：
[0016]将每一个历史事件的第一头参数短语更新为第二头参数短语，并调整每一个历史事件中第二头参数短语和所述关系短语的位置关系，得到第二历史事件集合；所述第一头参数短语和所述第二头参数短语为不同的参数短语；
[0017]确定在基于所述第一历史事件集合训练过程中的第一分值，并确定在基于所述第二历史事件集合训练过程中的第二分值；
[0018]基于所述第一分值和所述第二分值构建事件损失函数，并根据所述事件损失函数更新所述预设神经张量网络的网络参数。
[0019]所述通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量，包括：
[0020]通过所述预设事件注意力机制网络为每一个第一事件向量分配事件权重，并将每一个第一事件向量的事件权重进行加权和，得到所述第二事件向量。
[0021]所述预设事件注意力机制网络的训练过程具体包括：
[0022]将历史事件向量集合输入至所述预设事件注意力机制网络中，输出每一个历史事件向量的查询、键和值；
[0023]基于每一个历史事件向量的查询和键，计算出每一个历史事件向量的注意力得分；
[0024]基于每一个历史事件向量的注意力得分和值，计算出每一个历史事件向量的对齐向量；
[0025]将每一个历史事件向量的对齐向量进行加权计算，输出所述历史事件向量集合的输出结果。
[0026]所述基于所述第二事件向量进行用户需求分类，得到需求分类结果，并根据所述需求分类结果确定需求信息，包括：
[0027]将所述第二事件向量输入至全连接神经网络进行用户需求分类，得到所述需求分类结果；
[0028]根据所述需求分类结果统计各类需求的总数与占比，并根据各类需求的总数与占比确定出所述需求信息。
[0029]所述基于预设信息提取模型对所述文本数据的每一段文本进行事件提取，得到每一段文本的事件元组，包括：
[0030]基于所述预设开放信息提取模型，提取每一段文本的参数短语和关系短语；所述关系短语表征所述参数短语之间的相互关系的短语；
[0031]基于预设格式将每一段文本的参数短语和关系短语进行事件组合，得到每一段文本的事件元组。
[0032]第二方面，本专利技术提供一种需求识别系统，包括：
[0033]获取提取模块，用于获取用户反馈信息的文本数据，并基于预设信息提取模型对所述文本数据的每一段文本进行事件提取，得到每一段文本的事件元组；所述预设信息提取模型是通过相同关系实体结合的数据集训练得到；
[0034]事件嵌入模块，用于基于预设事件嵌入模型对每一段文本的事件元组进行事件嵌入，得到每一段文本的第一事件向量；所述预设事件嵌入模型是基于第一历史事件集合训练得到；
[0035]事件融合模块，用于通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量；所述预设事件注意力机制网络是根据历史事件向量集合训练得到；
[0036]需求识别模块，用于基于所述第二事件向量进行用户需求分类，得到需求分类结果，并根据所述需求分类结果确定需求信息。
[0037]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述需求识别方法。
[0038]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述需求识别方法。
[0039]第五方面，本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述需求识别方法。
[0040]本专利技术提供的需求识别方法、系统、电子设备及存储介质，获取用户反馈信息的文本数据，并基于预设信息提取模型对文本数据的每一段文本进行事件提取，得到每一段文本的事件元组；基于预设事件嵌入模型对每一段文本的事件元组进行事件嵌入，得到每一段文本的第一事件向量；通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量；基于第二事件向量进行用户需求分类，得到需求分类结果，并根据需求分类结果确定需求信息。在需求识别的过程中，提取出每一段文本的事件元组，通过事件嵌入模型将事件元组嵌入到密集向量，结合事件注意力机制网络区分每一段文本中事件的重要性，从而区分出了用户反馈信息所表达的主要需求的重要性，因此准确地分类出用户需求，提高了用户需求的识别准确性。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种需求识别方法，其特征在于，包括：获取用户反馈信息的文本数据，并基于预设信息提取模型对所述文本数据的每一段文本进行事件提取，得到每一段文本的事件元组；所述预设信息提取模型是通过相同关系实体结合的数据集训练得到；基于预设事件嵌入模型对每一段文本的事件元组进行事件嵌入，得到每一段文本的第一事件向量；所述预设事件嵌入模型是基于第一历史事件集合训练得到；通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量；所述预设事件注意力机制网络是根据历史事件向量集合训练得到；基于所述第二事件向量进行用户需求分类，得到需求分类结果，并根据所述需求分类结果确定需求信息。2.根据权利要求1所述的需求识别方法，其特征在于，所述第一历史事件集合中的每一个历史事件都包括第一头参数短语、关系短语和尾参数短语，且所述第一头参数短语、所述关系短语和所述尾参数短语依次连接；所述预设事件嵌入模型的训练过程具体包括：基于第一张量对所述第一头参数短语进行建模，并基于第二张量对所述尾参数短语进行建模；张量为预设神经张量网络的参数；基于所述第一张量、所述第一头参数短语和所述关系短语构建第一嵌入，并基于所述第二张量、所述尾参数短语和所述关系短语构建第二嵌入；基于第三张量构建所述第一嵌入和所述第二嵌入的语义组合；基于所述第一嵌入、所述第二嵌入和所述第三张量对所述预设神经张量网络进行训练，得到所述预设事件嵌入模型。3.根据权利要求2所述的需求识别方法，其特征在于，所述得到所述预设事件嵌入模型之后，还包括：将每一个历史事件的第一头参数短语更新为第二头参数短语，并调整每一个历史事件中第二头参数短语和所述关系短语的位置关系，得到第二历史事件集合；所述第一头参数短语和所述第二头参数短语为不同的参数短语；确定在基于所述第一历史事件集合训练过程中的第一分值，并确定在基于所述第二历史事件集合训练过程中的第二分值；基于所述第一分值和所述第二分值构建事件损失函数，并根据所述事件损失函数更新所述预设神经张量网络的网络参数。4.根据权利要求1所述的需求识别方法，其特征在于，所述通过预设事件注意力机制网络对所有第一事件向量进行融合，得到第二事件向量，包括：通过所述预设事件注意力机制网络为每一个第一事件向量分配事件权重，并将每一个第一事件向量的事件权重进行加权和，得到所述第二事件向量。5.根据权利要求1所述的需求识别方法，其特征在于，所述预设事件注意力机制网络的训...

【专利技术属性】
技术研发人员：郑才华，杨弋鋆，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：