【技术实现步骤摘要】
本申请涉及智慧家庭，具体而言，涉及一种用于构建轻量化模型的方法及装置、存储介质、电子装置。
技术介绍
1、目前，由于智慧家庭领域的家电产品涵盖范围广，知识结构复杂且层级关系强烈，不同类型的产品可能会有完全不同的特性和问题解决方案。在实际应用中，根据不同的业务需求，需要选择与需求相对应的知识，从而实现更精准、更高效的服务。因此，需要有效地整合、管理和应用智慧家庭领域的知识，以实现知识的分级管理。
2、为了对知识进行分级管理，相关技术通过自然语言处理技术对知识进行预处理，并且，对预处理后的数据进行深度处理，包括实体识别、关系抽取、情感分析等，以构建知识图谱，通过知识图谱来提供更精准的服务。
3、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
4、相关技术虽然能够通过知识图谱对知识进行管理，但是，没有针对不同业务需求进行分级，也没有为各个级别的知识分别训练轻量化模型。因此，对于具有复杂层级知识结构的智慧家庭领域的知识，相关技术难以针对用户地不同业务需求为用户提供更加精准地服务。
5、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
2、本公
3、在一些实施例中，所述方法包括：将构建的层级知识图谱转换为文本；其中，层级知识图谱中的知识按照相关程度和重要等级被划分为不同的层级；将文本输入多个基础模型进行训练，获得多个轻量化模型；每个轻量化模型对应层级知识图谱中一个或多个层级的知识。
4、可选地，构建层级知识图谱，包括：获取智慧家庭领域的知识库；其中，知识库包括结构化数据和非结构化数据；根据知识库，构建初级知识图谱；对初级知识图谱进行训练，获得层级知识图谱。
5、可选地，根据知识库，构建初级知识图谱，包括：对知识库中的结构化数据进行实体识别和关系建立；对知识库中的非结构化数据进行实体识别和关系抽取；根据实体和关系，构建初级知识图谱。
6、可选地，根据实体和关系，构建初级知识图谱，包括：根据实体和关系，进行实体链接和关系融合，获得初级知识图谱。
7、可选地，对知识库中的非结构化数据进行实体识别和关系抽取前，还包括：对非结构化数据进行文本清洗；和/或，对非结构化数据进行分词；和/或，对非结构化数据进行停用词去除；和/或，对非结构化数据进行词干提取。
8、可选地，对初级知识图谱进行训练，获得层级知识图谱，包括：对初级知识图谱进行聚类；并，对聚类后的初级知识图谱进行分级。
9、可选地，对聚类后的初级知识图谱进行分级，包括：根据学习算法进行分级；或，通过分类器模型进行分级。
10、可选地，根据机器学习算法进行分级，包括：对初级知识图谱中的数据进行特征提取，获得特征向量；根据特征向量，获取与特征向量对应的分级策略；根据分级策略，对初级知识图谱进行分级。
11、可选地，方法还包括：对分级的结果进行评估，根据评估结果，调整分级策略。
12、可选地，对初级知识图谱进行聚类，包括：通过图神经网络进行关系预测；将预测出的关系加入初级知识图谱。
13、可选地，将构建的层级知识图谱转换为文本，包括：对层级知识图谱中的数据进行向量化处理；根据向量化处理的结果，构建场景向量库；其中，场景向量库中的数据为数值型数据。
14、可选地，将文本输入多个基础模型进行训练，获得多个轻量化模型后，还包括：对多个轻量化模型分别进行测试，获得多个测试结果；根据多个测试结果，分别更新轻量化模型。
15、可选地，对多个基础模型分别进行测试，获得多个测试结果，包括：获取测试集；根据测试集，对多个基础模型分别进行测试，获得多个测试结果。
16、可选地，根据多个测试结果，分别更新轻量化模型，包括：根据多个测试结果，获取新增数据；根据新增数据，继续训练轻量化模型。
17、在一些实施例中，所述用于场景生成的装置包括：转换模块，被配置为将构建的层级知识图谱转换为文本；训练模块，被配置为将文本输入多个基础模型进行训练，获得多个轻量化模型。
18、在一些实施例中，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述的用于构建轻量化模型的方法。
19、在一些实施例中，所述电子装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述的用于构建轻量化模型的方法。
20、本公开实施例提供的一种用于构建轻量化模型的方法及装置、存储介质、电子装置，可以实现以下技术效果：
21、通过构建层级知识图谱，能够将知识按照相关程度和重要等级划分为不同的层级。并且，将层级知识图谱转换为文本，可以使得层级知识图谱中的知识形式更加统一，有利于于基础模型理解知识。这样，能够对知识进行分层和文本化处理，针对不同层级的知识训练相对应的轻量化模型，进而能够实现对知识进行分级管理，根据业务需求为用户提供不同级别的服务。
22、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
本文档来自技高网...【技术保护点】
1.一种用于构建轻量化模型的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建层级知识图谱，包括：
3.根据权利要求2所述的方法，其特征在于，根据知识库，构建初级知识图谱，包括：
4.根据权利要求3所述的方法，其特征在于，根据实体和关系，构建初级知识图谱，包括：
5.根据权利要求2所述的方法，其特征在于，对初级知识图谱进行训练，获得层级知识图谱，包括：
6.根据权利要求5所述的方法，其特征在于，对聚类后的初级知识图谱进行分级，包括：
7.根据权利要求6所述的方法，其特征在于，根据机器学习算法进行分级，包括：
8.根据权利要求7所述的方法，其特征在于，还包括：
9.根据权利要求5所述的方法，其特征在于，对初级知识图谱进行聚类，包括：
10.根据权利要求1至9任一项所述的方法，其特征在于，将构建的层级知识图谱转换为文本，包括：
11.一种用于构建轻量化模型的装置，其特征在于，包括：
12.一种计算机可读的存储介质，其特征在于，所述计
13.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至10中任一项所述的方法。
...【技术特征摘要】
1.一种用于构建轻量化模型的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建层级知识图谱，包括：
3.根据权利要求2所述的方法，其特征在于，根据知识库，构建初级知识图谱，包括：
4.根据权利要求3所述的方法，其特征在于，根据实体和关系，构建初级知识图谱，包括：
5.根据权利要求2所述的方法，其特征在于，对初级知识图谱进行训练，获得层级知识图谱，包括：
6.根据权利要求5所述的方法，其特征在于，对聚类后的初级知识图谱进行分级，包括：
7.根据权利要求6所述的方法，其特征在于，根据机器学习算法进行分级，包括：
8.根据权...
【专利技术属性】
技术研发人员：杜永杰，窦方正，田云龙，陶冶，王平辉，
申请(专利权)人：青岛海尔科技有限公司，
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。