[发明专利]自动生成正则表达式的方法、装置、设备及存储介质

说明书

本申请提供一种自动生成正则表达式的方法、自动生成正则表达式的装置、电子设备及计算机可读存储介质，方法包括：获取新增意图的意图表达对应的候选正则表达式集合；获取候选正则表达式集合中的候选正则表达式对于现有意图表达集合的第一命中矩阵；获取候选正则表达式对于新增意图表达集合的第二命中矩阵；确定候选正则表达式集合对应的初始变量矩阵和排序权重矩阵；基于第一命中矩阵、第二命中矩阵、初始变量矩阵和排序权重矩阵，构造人工神经网络；确定改变初始变量矩阵以使人工神经网络的损失函数符合损失条件时，人工神经网络的目标变量矩阵；基于目标变量矩阵，从候选正则表达式中筛选出目标正则表达式。

技术领域

本申请实施例涉及金融科技(Fintech)的数据处理技术领域，涉及但不限于一种自动生成正则表达式的方法、自动生成正则表达式的装置、电子设备及计算机可读存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，然而，由于金融行业的安全性、实时性要求，金融科技也对技术提出了更高的要求。

金融科技领域下，任务型对话系统越来越多的被应用到实际的场景中，通过对话机器人与用户进行交互，进行对话意图识别。对话意图识别，顾名思义就是判断用户要做什么，比如一个用户向对话机器人问了一个问题，于是对话机器人就需要判断这个用户问的是天气、是旅游还是问要购买电影票。如果是要购买电影票，接下来对话机器人又得判断用户要买哪家电影院，买哪部电影，哪个场次等等。简单而言，对话意图识别就是一个文本分类的问题，首先需要明确有哪几类意图，也就是需要预先定义好意图的类别，然后才能考虑意图识别的问题。

一个对话机器人的意图设置通常是非常复杂的，对话意图识别可以简单视为一个文本分类的问题，目前主流的意图识别算法包括正则表达式：通过人工分析每个意图点下的所有意图表达，总结出正则表达式，然后将用户的输入语句进行预处理后套用已有的模板，如果命中了某个意图模板，则识别成功。

然而，一个对话机器人通常包含了几百个大大小小的意图，所有的意图表达加起来有数几千甚至上万的量级。目前由人工对这些意图表达进行分析，并总结正则表达式，同时还要满足不同意图的正则表达式之间互斥，即两个不同的意图不能包含相同语义的正则表达式，由此导致正则表达式人工维护成本高，难以扩展。

发明内容

本申请实施例提供一种自动生成正则表达式的方法、自动生成正则表达式的装置、电子设备及计算机可读存储介质，以解决相关技术中正则表达式人工维护成本高，难以扩展的问题。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种自动生成正则表达式的方法，包括：

获取新增意图的意图表达对应的候选正则表达式集合；

获取所述候选正则表达式集合中的候选正则表达式对于现有意图表达集合的第一命中矩阵；

获取所述候选正则表达式对于新增意图表达集合的第二命中矩阵；

确定所述候选正则表达式集合对应的初始变量矩阵和排序权重矩阵；其中，所述初始变量矩阵用于指示每一所述候选正则表达式对应的分数；所述排序权重矩阵用于指示每一所述候选正则表达式对应的优先级；

基于所述第一命中矩阵、所述第二命中矩阵、所述初始变量矩阵和所述排序权重矩阵，构造人工神经网络；其中，所述初始变量矩阵用于输入所述人工神经网络的第二层；所述第一命中矩阵、所述第二命中矩阵和所述排序权重矩阵用于设置所述人工神经网络的第二层和所述人工神经网络的第三层神经元节点之间的连接权重；

确定改变所述初始变量矩阵以使所述人工神经网络的损失函数符合损失条件时，所述人工神经网络的目标变量矩阵；

基于所述目标变量矩阵，从所述候选正则表达式中筛选出目标正则表达式。