【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种关键词检测模型的训练方法、关键词检测方法及装置。
技术介绍
1、关键词检测(keyword spotting，kws)是指对待检测文本进行关键词识别，即从待检测文本中检测指定词语的出现位置。
2、相关技术中，识别文本关键词时可以建模为自然语言处理(natural languageprocessing，nlp)中的命名实体识别(named entity recognition，ner)模型，将待识别的关键词作为命名实体，其余词汇均作为背景词汇，将识别关键词的任务转化为序列标注任务，从而识别出文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。
3、然而，上述方法采用的模型较为复杂，模型对应的存储量较大，运用于诸如手机等终端设备中容易导致终端设备的运行负担过重。
技术实现思路
1、本申请实施例提供了一种关键词检测模型的训练方法、关键词检测方法及装置。所述技术方案如下：
2、根据本申请实施例的一个方面，提供了一种关键...
【技术保护点】
1.一种关键词检测模型的训练方法，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，所述对所述经初步训练的关键词检测模型的模型参数进行压缩，得到压缩后的关键词检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述对角矩阵包含的奇异值中，选择满足第一条件的目标奇异值，包括：
4.根据权利要求2所述的方法，其特征在于，所述第一神经网络层的参数矩阵包括m×n个参数，所述第一正交矩阵包括m×m个参数，所述对角矩阵包括m×n个参数，所述第二正交矩阵包括n×n个参数，所述目标奇异值的数量为r，m、n、r均为大
...【技术特征摘要】
1.一种关键词检测模型的训练方法，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，所述对所述经初步训练的关键词检测模型的模型参数进行压缩，得到压缩后的关键词检测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述对角矩阵包含的奇异值中，选择满足第一条件的目标奇异值，包括：
4.根据权利要求2所述的方法，其特征在于，所述第一神经网络层的参数矩阵包括m×n个参数，所述第一正交矩阵包括m×m个参数，所述对角矩阵包括m×n个参数，所述第二正交矩阵包括n×n个参数，所述目标奇异值的数量为r，m、n、r均为大于1的整数；
5.根据权利要求1所述的方法，其特征在于，所述获取所述关键词检测模型的训练样本集，包括：
6.根据权利要求1所述的方法，其特征在于，所述关键词检测模型的输入数据的最大长度为l，l为正整数；
7.根据权利要求6所述的方法，其特征在于，所述剔除所述训练样本的文本中包含的非关键字符，得到所述训练样本的缩减文本，包括：
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据权利要求1所述的方法，其特征在于，所述采用所述训练样本集对所述压缩后的关键词检测模型进行训练，得到完成训练的关键词检测模型之后，还包括：
10.一种关键词检测方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特...
【专利技术属性】
技术研发人员：翟彬旭，
申请(专利权)人：腾讯科技深圳有限公司，
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。