[发明专利]一种基于预训练模型的自然语言理解方法有效
| 申请号： | 201910903004.3 | 申请日： | 2019-09-24 |
| 公开（公告）号： | CN110674639B | 公开（公告）日： | 2022-12-09 |
| 发明（设计）人： | 王春辉;胡勇 | 申请（专利权）人： | 识因智能科技有限公司 |
| 主分类号： | G06F40/295 | 分类号： | G06F40/295;G06F40/30;G06F16/332;G06N3/04;G06N3/08 |
| 代理公司： | 北京中北知识产权代理有限公司 11253 | 代理人： | 卢业强 |
| 地址： | 100045 北京市石景*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于预训练模型的自然语言理解方法。所述方法包括：建立基于双向深度Transformer的预训练模型；对待理解语句进行分词处理，并在待理解语句的开始和结尾分别加入特殊标签，得到待理解语句的文本向量；以所述待理解语句的文本向量为输入，调用所述预训练模型，得到待理解语句的文本语义向量；进行意图识别；进行实体识别。本发明可以准确全面地理解意图、识别实体，为后续的对话提供坚实的基础；可以显著提高人机对话系统的质量和用户体验。 | ||
| 搜索关键词： | 一种 基于 训练 模型 自然语言 理解 方法 | ||
【主权项】：
1.一种基于预训练模型的自然语言理解方法，其特征在于，包括以下步骤：/n步骤1，建立基于双向深度Transformer的预训练模型，所述预训练模型的输入为一个句子经分词处理并在其开始和结尾分别加入特殊标签后得到的文本向量，输出为所述句子的文本语义向量；/n步骤2，对待理解语句进行分词处理，并在待理解语句的开始和结尾分别加入所述特殊标签，得到待理解语句的文本向量；/n步骤3，以所述待理解语句的文本向量为输入，调用所述预训练模型，得到待理解语句的文本语义向量；/n步骤4，将所述待理解语句的文本语义向量输入第一多层感知机进行与意图相关的语义特征提取，并由softmax层计算待理解语句针对每个预置的意图类别的概率，概率最大的意图类别为待理解语句的意图类别；/n步骤5，将所述待理解语句的文本语义向量输入第二多层感知机进行与实体相关的语义特征提取，然后送入双向长短期记忆网络进行前向语义与后向语义的融合，最后由一个条件随机场分别计算待理解语句的每个单词取预置的每个实体类别时的概率P，P最大时的每个实体类别即为每个单词的实体类别，进而得到识别的实体类别。/n
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识因智能科技有限公司，未经识因智能科技有限公司许可，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/patent/201910903004.3/，转载请声明来源钻瓜专利网。
