行业动作识别方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了行业动作识别方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域，具体方案为：获取输入文本；从输入文本之中提取关键词；根据关键词确定目标行业动作识别模型；根据目标行业动作识别模型对输入文本进行行业动作识别，以确定输入文本中的行业动作，其中，行业动作为依赖行业的描述意图的动作词。由此，可以实现行业动作的识别，从而为意图识别提供数据保障，进而提升了意图识别的准确率。确率。确率。

【技术实现步骤摘要】
行业动作识别方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，具体涉及自然语言处理和深度学习等人工智能
，尤其涉及一种行业动作识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网规模不断增加，智能化地为用户提供网络服务成为了热门的趋势。在这样的趋势下，能够更好的识别出用户的意图就能够真正的了解用户想要的是什么，从而能够为用户提供更贴心的服务，使用户的体验度提升，创造出更强的市场竞争力。由此看来，对用户的操作意图的识别就尤为重要。
[0003]目前，在客服场景中，客户会配置大量的细粒度意图用于意图识别，这种意图多由动作(即，行业动作)和核心业务词组成。随着意图数量的增多，意图之间会存在重复的业务词。

技术实现思路

[0004]本公开提供了一种行业动作识别方法、装置、电子设备及存储介质。
[0005]根据本公开的一方面，一种行业动作识别方法，包括：
[0006]获取输入文本；
[0007]从所述输入文本之中提取关键词；
[0008]根据所述关键词确定目标行业动作识别模型；以及
[0009]根据所述目标行业动作识别模型对所述输入文本进行行业动作识别，以确定所述输入文本中的行业动作。
[0010]根据本公开的另一方面，提供了一种模型的训练方法，包括：
[0011]获取样本文本，并获取待训练的行业动作识别模型，其中，所述样本文本中包含标定的行业动作，所述行业动作为依赖行业的描述意图的动作词；
[0012]将所述样本文本输入所述行业动作识别模型以生成预测的行业动作；
[0013]根据所述预测的行业动作和所述标定的行业动作生成损失值；以及
[0014]根据所述损失值对所述行业动作识别模型进行训练，以生成训练之后的所述行业动作识别模型。
[0015]根据本公开的另一方面，提供了一种行业动作识别装置，包括：
[0016]第一获取模块，用于获取输入文本；
[0017]提取模块，用于从所述输入文本之中提取关键词；
[0018]确定模块，用于根据所述关键词确定目标行业动作识别模型；以及
[0019]识别模块，用于根据所述目标行业动作识别模型对所述输入文本进行行业动作识别，以确定所述输入文本中的行业动作。
[0020]根据本公开的另一方面，提供了一种模型的训练装置，包括：
[0021]第二获取模块，用于获取样本文本，并获取待训练的行业动作识别模型，其中，所
述样本文本中包含标定的行业动作，所述行业动作为依赖行业的描述意图的动作词；
[0022]第一生成模块，用于将所述样本文本输入所述行业动作识别模型以生成预测的行业动作；
[0023]第二生成模块，用于根据所述预测的行业动作和所述标定的行业动作生成损失值；以及
[0024]第二训练模块，用于根据所述损失值对所述行业动作识别模型进行训练，以生成训练之后的所述行业动作识别模型。
[0025]根据本公开的另一方面，提供了一种电子设备，包括：
[0026]至少一个处理器；以及
[0027]与所述至少一个处理器通信连接的存储器；其中，
[0028]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面面或另一方面实施例所述的方法。
[0029]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面或另一方面实施例所述的方法。
[0030]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述一方面或另一方面实施例所述的方法。
[0031]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0032]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0033]图1为本公开实施例提供的一种行业动作识别方法的流程示意图；
[0034]图2为本公开实施例提供的另一种行业动作识别方法的流程示意图；
[0035]图3为本公开实施例提供的另一种行业动作识别方法的流程示意图；
[0036]图4为本公开实施例提供的另一种行业动作识别方法的流程示意图；
[0037]图5为本公开实施例提供的另一种行业动作识别方法的流程示意图；
[0038]图6为本公开实施例提供的另一种行业动作识别方法的流程示意图；
[0039]图7为本公开实施例提供的一种模型的训练方法的流程示意图；
[0040]图8为本公开实施例提供的一种行业动作识别装置的结构示意图；
[0041]图9为本公开实施例提供的一种模型的训练装置的结构示意图；以及
[0042]图10为根据本公开实施例的方法的电子设备的框图。
具体实施方式
[0043]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0044]下面参考附图描述本公开实施例的行业动作识别的方法、装置、电子设备及存储介质。
[0045]人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的
也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
[0046]自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
[0047]深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
[0048]本公开实施例提供的行业动作识别方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑、掌上电脑或服务器等，此处不做任何限定。
[0049]在本公开实施例中，电子设备中可以设置有处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行业动作识别方法，包括：获取输入文本；从所述输入文本之中提取关键词；根据所述关键词确定目标行业动作识别模型；以及根据所述目标行业动作识别模型对所述输入文本进行行业动作识别，以确定所述输入文本中的行业动作，其中，所述行业动作为依赖行业的描述意图的动作词。2.根据权利要求1所述的方法，其中，所述从所述输入文本之中提取关键词，包括：对所述输入文本进行分词以生成多个词；按照预设规则对所述多个词进行提取以得到所述关键词。3.根据权利要求1所述的方法，其中，根据所述关键词确定目标行业动作识别模型，包括：以所述关键词为索引从预设数据库之中进行查询，以生成查询结果；根据所述查询结果确定所述目标行业动作识别模型。4.根据权利要求1所述的方法，其中，根据所述关键词确定目标行业动作识别模型，包括：基于所述关键词确定目标行业类别；基于所述目标行业类别确定所述目标行业动作识别模型。5.根据权利要求4所述的方法，其中，所述基于所述目标行业类别确定所述目标行业动作识别模型，包括：在预设数据库中查找所述目标行业类别；在所述预设数据库中不存在所述目标行业类别的情况下，查找所述预设数据库中与所述目标行业类别相关的第一行业类别，并确定所述第一行业类别对应的行业动作识别模型为所述目标行业动作识别模型；和/或在所述预设数据库中不存在所述目标行业类别的情况下，输出提醒消息。6.根据权利要求1所述的方法，其中，所述目标行业动作识别模型通过以下方式生成：获取样本文本，其中，所述样本文本中包含标定的行业动作；将所述样本文本输入预设行业动作识别模型以生成预测的行业动作；根据所述预测的行业动作和所述标定的行业动作生成损失值，并根据所述损失值对所述预设行业动作识别模型进行训练，以得到所述目标行业动作识别模型。7.根据权利要求1所述的方法，还包括：若所述输入文本中的行业动作的识别概率小于识别概率阈值，则对所述输入文本进行标注以生成新样本文本；当所述新样本文本的数量达到样本累计阈值时，根据所述新样本文本对所述目标行业动作识别模型进行加强训练。8.一种模型的训练方法，包括：获取样本文本，并获取待训练的行业动作识别模型，其中，所述样本文本中包含标定的行业动作，所述行业动作为依赖行业的描述意图的动作词；将所述样本文本输入所述行业动作识别模型以生成预测的行业动作；根据所述预测的行业动作和所述标定的行业动作生成损失值；以及
根据所述损失值对所述行业动作识别模型进行训练，以生成训练之后的所述行业动作识别模型。9.一种行业动作识别装置，包括：第一获取模块，用于获取输入文本；提取模块，用于从所述输入文本之中提取关键词；确定模块，用于根据所述关键词确定目标行业动作识别模型；以及识别模块，用于根据所述目标行业动作识别模型对所述输入文本进行行业动作识别，以确定所述输入文本中的行业动作，其中，所述行业动作为依赖行业的描述意图的动作词。10.根据权利要求9所述的装置，其中，所述提取模块...

【专利技术属性】
技术研发人员：苑浩，赵志新，庞敏辉，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：