[发明专利]训练数据获取方法及装置和智能音箱、智能电视

说明书

本申请公开了一种训练数据获取方法及装置和智能音箱、智能电视，该方法包括：获取用户行为数据；根据预先设置的分析模式对获取的用户行为数据进行分析；将分析结果作为训练数据中。本申请优化了训练数据。

技术领域

本申请涉及但不限于人工智能技术，尤指一种训练数据获取方法及装置和智能音箱、智能电视。

背景技术

目前，智能音箱、智能电视、智能汽车等智能产品的对话系统中，一般包括：唤醒(WakeUp)模块、语音识别(ASR)模块、自然语言理解(NLU)模块、对话管理(DM)模块、自然语言生成(NLG)模块、语音合成(TTS)模块等。其中，NLU模块是对话系统中的重要组成部分，用于根据ASR后的用户请求串(query)对用户的意图进行理解并做出响应。比如用户说“我要看猫和老鼠”，则NLU会对这个query进行理解后，按照用户的意图播放《猫和老鼠》。通常NLU会采用规则方法来确保基础功能，统计方法来增加泛化。

随着计算能力的增强，由于深度神经网络算法在大规模数据上的优势而被广泛用于NLU模块的统计方法部分。然而，深度神经网络往往需要大量的数据来做训练，人工标注数据的昂贵又会导致训练数据不足，导致了获取持续优化模型的训练数据成为瓶颈。

发明内容

本申请提供一种训练数据获取方法及装置和智能音箱、智能电视，能够优化训练数据。

本发明实施例提供了一种训练数据获取方法，包括：

获取用户行为数据；

根据预先设置的分析模式对获取的用户行为数据进行分析；

将分析结果作为训练数据。

可选地，所述预先设置的分析模式包括：根据预先设置的阈值对所述用户行为数据进行分析；

所述对获得的用户行为数据进行分析，包括：

根据预先设置的阈值对所述用户行为数据进行分析，获取正样例和/或负样例。

可选地，所述预先设置的分析模式包括：根据预先设置的数学模型对所述用户行为数据进行分析；

所述对获得的用户行为数据进行分析，包括：

根据预先设置的数学模型对所述用户行为数据进行分析，获取正样例和负样例。

可选地，所述方法还包括：将所述分析结果添加到自然语言理解NLU的训练数据中；

所述将分析结果添加到NLU的训练数据中，包括：

将所述正样例直接添加到所述训练数据中；对所述负样例进行人工标注后，再添加到所述训练数据中。

可选地，所述用户行为数据包括以下任一项或任意组合：

用户的实际使用行为数据、用户的自行修正数据、用户反馈的否定数据。

可选地，所述用户行为数据包括用户的实际使用行为数据，所述预先设置的阈值包括时长阈值；

所述对用户行为数据进行分析获取正样例和负样例，包括：

当用户的实际使用行为数据显示的播放时长大于或等于时长阈值时，该用户的实际使用行为数据为所述正样例，当用户的实际使用行为数据显示的播放时长小于时长阈值时，该用户的实际使用行为数据为所述负样例。

可选地，所述用户行为数据为用户的自行修正数据；所述预先设置的阈值为第一用户数阈值；

所述对用户行为数据进行分析获取正样例和负样例，包括：