[发明专利]一种基于语义识别的训练方法、训练装置及终端设备

权利要求书

1.一种基于语义识别的训练方法，其特征在于，包括：

对预设的操作指令语料进行预处理，获取基于第一操作指令文本的训练集；

对经过预处理的操作指令语料进行一级训练，获取基于操作指令语料的中间向量模型；

建立所述中间向量模型与所述训练集的映射关系；

根据所述映射关系，对与所述训练集对应的中间向量模型进行二级训练，获取基于操作指令意图的预测模型。

2.如权利要求1所述的基于语义识别的训练方法，其特征在于，对预设的操作指令语料进行预处理，获取基于第一操作指令文本的训练集，包括：

对所述操作指令语料进行格式化处理以及语义联想扩展；

对经过格式化处理以及扩展的操作指令语料重采样，获取数量平衡、多种类型的操作指令语料样本；

根据操作指令意图对所述操作指令语料样本进行分类标识，获取基于所述第一操作指令文本的训练集。

3.如权利要求1所述的基于语义识别的训练方法，其特征在于，对经过预处理的操作指令语料进行一级训练，获取基于操作指令语料的中间向量模型，包括：

采用第一训练模型将所述操作指令语料训练成字向量；

采用第二训练模型对所述字向量进行公开语料训练，获取字向量模型。

4.如权利要求1所述的基于语义识别的训练方法，其特征在于，建立所述中间向量模型与所述训练集的映射关系，包括：

根据所述中间向量模型，获取所述训练集的所述第一操作指令文本中每个字对应的字向量；

将与每个字相关联的字向量组成矩阵，获取与每个字对应的句向量。

5.如权利要求1所述的基于语义识别的训练方法，其特征在于，在根据所述映射关系，对与所述训练集对应的中间向量模型进行二级训练，获取基于操作指令意图的预测模型之前，包括：

按预设比例抽取每一类的操作指令语料，作为操作指令样本；

通过神经网络分类模型对所述操作指令样本进行训练以及对所述神经网络分类模型进行参数调整，获取神经网络训练模型。

6.如权利要求1-5任一项所述的基于语义识别的训练方法，其特征在于，所述训练方法还包括：

接收经过语音识别生成的操作指令信息；

对所述操作指令信息进行格式化处理，获取与所述操作指令信息对应的第二操作指令文本；

根据所述中间向量模型与所述训练集的映射关系，生成与所述第二操作指令文本中的字对应的字向量和句向量；

通过所述预测模型对所述字向量和句向量进行预测，获取预测分数；

根据所述预测分数确定所述操作指令的意图。

7.一种基于语义识别的训练装置，其特征在于，包括：

处理单元，用于对预设的操作指令语料进行预处理，获取基于第一操作指令文本的训练集；

训练单元，用于对经过预处理的操作指令语料进行一级训练，获取基于操作指令语料的中间向量模型；

建立映射单元，用于建立所述中间向量模型与所述训练集的映射关系；

建立模型单元，用于根据所述映射关系，对与所述训练集对应的中间向量模型进行二级训练，获取基于操作指令意图的预测模型。

8.如权利要求7所述的基于语义识别的训练装置，其特征在于，所述处理单元包括：

第一处理模块，用于对所述操作指令语料进行格式化处理以及语义联想扩展；

第二处理模块，用于对经过格式化处理以及扩展的操作指令语料重采样，获取数量平衡、多种类型的操作指令语料样本；

第三处理模块，用于根据操作指令意图对所述操作指令语料样本进行分类标识，获取基于所述第一操作指令文本的训练集。

9.如权利要求7所述的基于语义识别的训练装置，其特征在于，所述训练单元包括：

第一训练模块，用于采用第一训练模型将所述操作指令语料训练成字向量；

第二训练模块，用于采用第二训练模型对所述字向量进行公开语料训练，获取字向量模型。