[发明专利]上下文信息识别模型的训练方法、装置和存储介质

说明书

本发明公开了一种上下文信息识别模型的训练方法，包括：获取会话信息和对会话信息进行人工标注的验证集；根据预设规则对会话信息进行预处理，并计算获得会话信息中的分类指标，分类指标包括：第一信息熵、词的最大分布概率、回答信息的平均长度、指示代词的比例、关键词所在会话信息的比重、词性种类比例；根据计算获得的分类指标结合验证集训练SVM分类器；利用训练后的SVM分类器对会话信息中未标注的信息进行标注，生成数据集；将数据集作为GRU模型的输入，训练出识别会话信息中上下文信息的识别模型。本发明还公开了一种上下文信息识别模型的训练装置和存储介质。本发明能够提高会话信息中上下文信息的识别准确率和稳定性。

技术领域

本发明涉及信息处理领域，尤其涉及一种上下文信息识别模型的训练方法、装置和存储介质。

背景技术

近年来，随着互联网的飞速发展，信息资源正呈指数级增长。丰富的互联网信息资源给人们的生活带来了极大的便利，智能机器人也在各领域逐渐成熟发展。

然而目前智能机器人在进行对话过程中对于会话信息中的上下文的准确率和稳定性还比较低，因此，如何提高会话信息中上下文信息的识别准确率和稳定性，是本领域技术人员亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种上下文信息识别模型的训练方法、装置和存储介质，旨在提高会话信息中上下文信息的识别准确率和稳定性。

为实现上述目的，本发明提供一种上下文信息识别模型的训练方法，所述训练方法包括以下步骤：

获取会话信息和对所述会话信息进行人工标注的验证集；

根据预设规则对所述会话信息进行预处理，并计算获得所述会话信息中的分类指标，所述分类指标包括：所述会话信息的第一信息熵、所述会话信息中词的最大分布概率、所述会话信息中回答信息的平均长度、所述会话信息中指示代词的比例、所述会话信息中关键词所在会话信息的比重、所述会话信息中词性种类比例；

根据所述第一信息熵、分词的最大分布概率、回答信息的平均长度、指示代词的比例、关键词所在会话信息的比重、词性种类的比例结合验证集训练SVM分类器；

利用训练后的SVM分类器对所述会话信息中未标注的信息进行标注，生成数据集；

将所述数据集作为GRU模型的输入，训练出识别所述会话信息中上下文信息的识别模型。

可选地，所述根据预设规则对所述会话信息进行预处理，并计算获得所述会话信息中的分类指标的步骤还包括：

根据所述会话信息进行分词，获得所述会话信息中的词；

计算所述会话信息中每个词的分布概率，并根据所述会话信息中所有词的分布概率和第一预设算法计算所述会话信息中词的最大分布概率，其中第一预设算法为：

p_i表示所述会话信息中第i词的分布概率，P表示每个词的分布概率的集合，M(P)表示词的最大分布概率。

可选地，所述根据预设规则对所述会话信息进行预处理，并计算获得所述会话信息中的分类指标的步骤还包括：

根据第二预设算法计算所述会话信息中回答信息的第二信息熵；

根据获得的信息熵中最大信息熵和最小信息熵进行归一化获得所述第一信息熵，其中第二预设算法为：

E(P)表示第二信息熵，entropy表示第一信息熵。

可选地，所述根据预设规则对所述会话信息进行预处理，并计算获得所述会话信息中的分类指标的步骤还包括：

对所述会话信息进行分析，获得所述会话信息中指示代词；