System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种意图识别、模型的训练方法、装置、设备及介质制造方法及图纸_技高网

一种意图识别、模型的训练方法、装置、设备及介质制造方法及图纸

技术编号:41205277 阅读:3 留言:0更新日期:2024-05-07 22:31
本申请实施例提供了一种意图识别、模型的训练方法、装置、设备及介质,用以解决现有技术中对参与通话的角色的意图识别准确率较低的问题。由于本申请实施例在进行意图识别时,意图识别模型在识别目标意图时不基于原始待识别文本进行意图识别,而是通过预处理得到的第一目标文本和第二目标文本进行意图识别,且第二目标文本中只包括第一目标角色的意图,将多人物穿插对话的待识别文本转换为关于单人物的文本,提高了意图识别的准确率,而且本申请实施例综合了多个模型的优势对待识别文本进行处理,进一步提高了意图识别的准确率。

【技术实现步骤摘要】

本申请涉及人工智能,尤其涉及一种意图识别、模型的训练方法、装置、设备及介质


技术介绍

1、目前,各行各业为了营销产品,客服通常会通过电话与客户进行联系并向客户推荐产品。为了能够实现精准营销,提高营销转化率,需要对客服与客户沟通的通话录音进行分析,确定客户的意图之后,将不同意图的客户交给不同的团队进行维护,进而提高合作转化率,从而实现精准营销。

2、因此,如何对参与通话的角色的意图进行准确识别成为亟待解决的问题。


技术实现思路

1、本申请实施例提供了一种意图识别、模型的训练方法、装置、设备及介质,用以解决现有技术中对参与通话的角色的意图识别准确率较低的问题。

2、第一方面,本申请提供了一种意图识别方法,所述方法包括:

3、将待识别文本和第一标注文本输入第一识别模型,得到第一目标文本,所述第一标注文本为对所述待识别文本的文本内容进行总结的标注文本,所述第一目标文本为对所述待识别文本的文本内容进行总结的预测文本;

4、将包含第一目标角色的所述待识别文本和第二标注文本输入n个第二识别模型,得到第二目标文本,所述第二标注文本为对所述第一目标角色的意图进行分析的标注文本,所述第二目标文本为对所述第一目标角色的意图进行预测得到的预测文本,n为正整数;

5、将所述第一目标文本和n个所述第二目标文本进行拼接并输入意图识别模型中,得到所述第一目标角色的目标意图。

6、第二方面,本申请实施例还提供了一种意图识别模型的训练方法,所述方法包括:

7、获取训练样本集,所述训练样本集包括多个样本文本,以及每个样本文本的标签,所述样本文本包括第一样本文本和第二样本文本,所述第一样本文本为对第三目标文本的文本内容进行总结的预测文本,所述第二样本文本为对所述第三目标文本中的第二目标角色的意图预测的文本,所述标签用于标识所述第二目标角色的标准意图;

8、将所述样本文本和所述标签输入到初始识别模型中,得到所述第二目标角色的识别意图;

9、根据所述识别意图和所述标准意图确定损失值,根据所述损失值对所述初始识别模型的参数进行调整,得到所述意图识别模型。

10、第三方面,本申请实施例还提供了一种意图识别装置,所述装置包括:

11、预测模块,用于将待识别文本和第一标注文本输入第一识别模型,得到第一目标文本,所述第一标注文本为对所述待识别文本的文本内容进行总结的标注文本,所述第一目标文本为对所述待识别文本的文本内容进行总结的预测文本;将包含第一目标角色的所述待识别文本和第二标注文本输入n个第二识别模型,得到第二目标文本,所述第二标注文本为对所述第一目标角色的意图进行分析的标注文本,所述第二目标文本为对所述第一目标角色的意图进行预测得到的预测文本,n为正整数;

12、识别模块,用于将所述第一目标文本和n个所述第二目标文本进行拼接并输入意图识别模型中,得到所述第一目标角色的目标意图。

13、第四方面,本申请实施例还提供了一种意图识别模型的训练装置,所述装置包括:

14、获取模块,用于获取训练样本集,所述训练样本集包括多个样本文本,以及每个样本文本的标签,所述样本文本包括第一样本文本和第二样本文本,所述第一样本文本为对第三目标文本的文本内容进行总结的预测文本,所述第二样本文本为对所述第三目标文本中的第二目标角色的意图预测的文本,所述标签用于标识所述第二目标角色的标准意图;

15、识别模块,用于将所述样本文本和所述标签输入到初始识别模型中,得到所述第二目标角色的识别意图;

16、训练模块,用于根据所述识别意图和所述标准意图确定损失值,根据所述损失值对所述初始识别模型的参数进行调整,得到所述意图识别模型。

17、第五方面,本申请实施例提供了一种电子设备,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现上述任一项所述的意图识别方法的步骤,或上述任一项所述的意图识别模型的训练方法的步骤。

18、第六方面,本申请实施例提供了一种计算机存储介质,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行上述任一项所述的意图识别方法的步骤,或上述任一项所述的意图识别模型的训练方法的步骤。

19、第七方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在所述电子设备上运行时,使得所述电子设备执行上述任一项所述的意图识别方法的步骤,或上述任一项所述的意图识别模型的训练方法的步骤。

20、由于本申请实施例在进行意图识别时,将待识别文本和第一标注文本输入第一识别模型,得到第一识别模型输出的第一目标文本,其中,第一标注文本为对待识别文本的文本内容进行总结的标注文本,第一目标文本为对待识别文本的文本内容进行总结的预测文本,即使用第一识别模型对待识别文本进行预处理,得到对待识别文本的文本内容进行总结的预测文本;并将包含第一目标角色的待识别文本和第二标注文本输入n个第二识别模型,得到第二识别模型输出的第二目标文本,其中第二标注文本为对第一目标角色的意图进行分析的标注文本,第二目标文本为对第一目标角色的意图进行预测得到的预测文本,n为正整数,即使用第二识别模型对待检测文本再次进行预处理,得到待识别文本中包含的第一目标角色的意图的预测文本;将预处理得到的第一目标文本和n个第二目标文本进行拼接并输入到意图识别模型中,得到意图识别模型输出的第一目标角色的目标意图,使意图识别模型在识别目标意图时不基于原始待识别文本进行意图识别,而是通过预处理得到的第一目标文本和第二目标文本进行意图识别,且第二目标文本中只包括第一目标角色的意图,将多人物穿插对话的待识别文本转换为关于单人物的文本,提高了意图识别的准确率,而且本申请实施例综合了多个模型的优势对待识别文本进行处理,进一步提高了意图识别的准确率。

本文档来自技高网...

【技术保护点】

1.一种意图识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述将包含第一目标角色的所述待识别文本和第二标注文本输入N个第二识别模型,得到第二目标文本,包括:

3.根据权利要求1所述的方法,其特征在于,所述将待识别文本和第一标注文本输入第一识别模型之前,所述方法还包括:

4.一种意图识别模型的训练方法,其特征在于,所述方法包括:

5.根据权利要求4所述的方法,其特征在于,所述初始识别模型包括第一子模型、第二子模型和全连接层,所述将所述样本文本和所述标签输入到初始识别模型中,得到所述第二目标角色的识别意图包括:

6.根据权利要求5所述的方法,其特征在于,所述全连接层包括第一子全连接层、第二子全连接层、注意力层和第三子全连接层,所述将所述第一样本文本的特征矩阵和所述第二样本文本的特征矩阵和所述第二特征矩阵输入到所述全连接层,得到所述样本文本对应每个预设意图的权重包括:

7.一种意图识别装置,其特征在于,所述装置包括:

8.一种意图识别模型的训练装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-3任一项所述的意图识别方法的步骤,或如权利要求4-6任一项所述的意图识别模型的训练方法的步骤。

10.一种计算机存储介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行权利要求1-3任一项所述的意图识别方法的步骤,或如权利要求4-6任一项所述的意图识别模型的训练方法的步骤。

11.一种计算机程序产品,其特征在于,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在所述电子设备上运行时,使得所述电子设备执行权利要求1-3任一项所述的意图识别方法的步骤,或如权利要求4-6任一项所述的意图识别模型的训练方法的步骤。

...

【技术特征摘要】

1.一种意图识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述将包含第一目标角色的所述待识别文本和第二标注文本输入n个第二识别模型,得到第二目标文本,包括:

3.根据权利要求1所述的方法,其特征在于,所述将待识别文本和第一标注文本输入第一识别模型之前,所述方法还包括:

4.一种意图识别模型的训练方法,其特征在于,所述方法包括:

5.根据权利要求4所述的方法,其特征在于,所述初始识别模型包括第一子模型、第二子模型和全连接层,所述将所述样本文本和所述标签输入到初始识别模型中,得到所述第二目标角色的识别意图包括:

6.根据权利要求5所述的方法,其特征在于,所述全连接层包括第一子全连接层、第二子全连接层、注意力层和第三子全连接层,所述将所述第一样本文本的特征矩阵和所述第二样本文本的特征矩阵和所述第二特征矩阵输入到所述全连接层,得到所述样本文本对应每个预设意图的权重包括:

...

【专利技术属性】
技术研发人员:韩俊明蒋宁陆全肖冰马超吴海英
申请(专利权)人:马上消费金融股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1