【技术实现步骤摘要】
本专利技术涉及人机对话系统领域，具体涉及一种面向跨领域人机协同作业的机器人自然语言理解方法。
技术介绍
1、为实现跨领域人机协同作业，机器人自然语言理解过程是机器人系统的重要组成部分，该过程通过解析用户输入的文本，使机器人理解用户的意图，以及与该意图相关的槽位信息，从而用于生成人机对话状态、生成对话策略等其他后续系统步骤，因此，自然语言理解结果的准确性对人机对话系统的整体可靠性具有重要的意义。常用的自然语言理解方法包括基于规则/模板的方法、基于统计模型的方法和基于深度学习的方法，其中，基于规则/模板的方法对人下发的文本指令有格式上的限制，适合用于简单的人机对话过程，而在复杂场景中，易因用户表达方式的多样性而理解失败，具有较强的局限性。基于统计模型的方法需要在事先收集的大量数据集的基础上，计算给定用户对话文本的各类意图的条件概率，该方法在数据集足够庞大的情况下，具有一定的统计意义。然而，在实际应用中，场景数据的收集和标注通常较复杂，构造足以覆盖应用场景的足够的数据集缺少可行性。基于深度学习的方法利用多种形式的深度学习模型，可以同时识别用户...
【技术保护点】
1.一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（2）具体包括如下子步骤：
3.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（3）中各词元的通用槽位标注，是利用自然语言通用理解模型中的编码模块对输入的词元序列进行编码，建立其隐空间向量表达，编码-条件随机场架构对序列中所有词元对应的通用槽位标注进行同时预测。
4.根据权利要求1所述的一种面向跨领域人机协同作...
【技术特征摘要】
1.一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（2）具体包括如下子步骤：
3.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（3）中各词元的通用槽位标注，是利用自然语言通用理解模型中的编码模块对输入的词元序列进行编码，建立其隐空间向量表达，编码-条件随机场架构对序列中所有词元对应的通用槽位标注进行同时预测。
4.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（5）中自然语言理解场景模型是采用基于多任务深度学习框架的模型结构，其中包括编码层、特征融合层和输出层，各层特征如下：
5.根据权利要求1所述的一种面向跨领域人机协同作业的机器人自然语言理解方法，其特征在于，所述步骤（5）中的文本数据包括人机...
【专利技术属性】
技术研发人员：宋伟，袭向明，谢冰，张格格，赵文宇，朱世强，顾建军，
申请(专利权)人：之江实验室，
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。