[发明专利]信息识别、数据处理方法、装置及设备、信息交互方法在审

专利信息
申请号: 201910632610.6 申请日: 2019-07-14
公开(公告)号: CN112307199A 公开(公告)日: 2021-02-02
发明(设计)人: 唐铭谦;牛振兴;刘宇;田雷;徐良鹏 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06F16/33;G06F16/383;G06F40/289;G06K9/62
代理公司: 北京太合九思知识产权代理有限公司 11610 代理人: 曹威;刘戈
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 信息 识别 数据处理 方法 装置 设备 交互
【权利要求书】:

1.一种信息识别方法,其特征在于,包括:

接收任一用户端发送的待识别信息;

确定所述待识别信息对应待识别词语中,属于第一词语类型的第一关键词以及属于第二词语类型的第二关键词;

从向量特征库中查找与所述第一关键词相匹配的第一文本特征;其中,所述向量特征库包括属于第一词语类型的至少一个词语对应文本特征;

提取所述第二关键词对应第二文本特征;

将所述第一文本特征以及所述第二文本特征进行融合,获得待识别特征;

基于所述待识别特征,从对象识别模型对应至少一个类目中识别所述待识别信息对应的目标类目;

根据所述目标类目,输出至少一个目标对象至所述用户端,以供所述用户端展示所述至少一个目标对象。

2.根据权利要求1所述的方法,其特征在于,所述第一词语类型包括具有特定词语含义的词语类型;所述第二词语类型包括具有普通词语含义的词语类型。

3.根据权利要求1所述的方法,其特征在于,所述向量特征库通过以下方式确定:

确定具有特定含义的至少一个词语;

为每个词语随机生成一个参考向量,获得至少一个参考向量;

将所述至少一个参考向量进行向量内积归一处理,获得至少一个文本特征;

将所述至少一个词语以及每个词语对应文本特征关联存储,以构成所述向量特征库。

4.根据权利要求2所述的方法,其特征在于,所述将所述至少一个参考向量进行向量内积归一处理,获得至少一个文本特征包括:

基于每个参考向量的向量2范数,将所述至少一个参考向量进行向量内积归一处理,获得所述至少一个文本特征。

5.根据权利要求4所述的方法,其特征在于,所述基于每个参考向量的向量2范数,将所述至少一个参考向量进行向量内积归一处理,获得所述至少一个文本特征包括:

计算所述每个参考向量的向量2范数;

遍历所述至少一个词语的参考向量,如果任一个词语的参考向量的向量2范数与1的差值小于第一阈值,确定所述参考向量为对应词语的文本特征,如果任一个词语的参考向量的向量2范数与1的差值大于所述第一阈值,基于所述向量2范数调整所述参考向量中的元素,获得所述参考向量对应词语的文本特征。

6.根据权利要求1所述的方法,其特征在于,所述对象识别模型包括分类器以及识别器;其中,所述分类器包括至少一个类目;

所述基于所述待识别特征,从对象识别模型对应至少一个类目中识别所述待识别信息对应的目标类目包括:

将所述待识别特征输入所述对象识别模型的分类器,获得分类结果;

将所述待识别特征输入所述对象识别模型的识别器,获得识别结果;

如果所述识别结果满足识别条件,基于所述分类结果,从所述分类器对应至少一个类目中确定所述待识别信息对应的目标类目;

如果所述识别结果不满足识别条件,确定所述待识别信息的目标类目为空类目。

7.根据权利要求6所述的方法,其特征在于,所述识别器包括识别类目;

所述将所述待识别特征输入所述对象识别模型的识别器,获得识别结果包括:

将所述待识别特征输入所述对象识别模型的识别器,获得所述待识别特征对应所述识别类目的识别概率。

8.根据权利要求7所述的方法,其特征在于,所述如果所述识别结果满足识别条件,基于所述分类结果,从所述分类器对应至少一个类目中确定所述待识别信息对应的目标类目包括:

如果所述识别概率大于第二阈值,基于所述分类结果,从所述分类器对应至少一个类目中确定所述待识别信息对应的目标类目;

所述如果所述识别结果不满足识别条件,确定所述待识别信息的目标类目为空类目包括:

如果所述识别结果不大于第二阈值,基于所述分类结果,确定所述待识别信息的目标类目为空类目。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910632610.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top