对象识别方法、装置、计算机可读存储介质及计算机设备制造方法及图纸

本申请公开了一种对象识别方法、装置、计算机可读存储介质及计算机设备。该方法包括：通过生成目标场景中的待识别对象所对应的文本描述数据和图结构数据，图结构数据包括待识别对象中的关键词以及各关键词之间的关联关系，并分别对文本描述数据和图结构数据进行特征编码，以得到文本描述数据所对应的文本编码特征和图结构数据所对应的图编码特征，并对文本编码特征和图编码特征进行融合处理，以确定待识别对象所对应的识别结果。本申请可保留待识别对象中的更多原始信息，可最大化利用待识别对象中的特征，根据文本描述信息和图结构数据信息一起来实现待识别对象的识别，提高了待识别对象识别的准确性。识别对象识别的准确性。识别对象识别的准确性。

【技术实现步骤摘要】
对象识别方法、装置、计算机可读存储介质及计算机设备


[0001]本申请涉及数据处理
，具体涉及一种对象识别方法、装置、计算机可读存储介质及计算机设备。

技术介绍

[0002]随着技术的进步，越来越多的用户在互联网上通过交互的方式获取各种所需的信息，例如医疗分类信息等。目前对交互的方式得到的对应数据的识别大都使用文本识别的方式。具体地，计算机设备首先获取数据信息，然后对数据信息提取文本特征，再根据文本特征进行分类，以得到对应的分类信息。在大多数对象识别场景中，发现通过文本识别的方式对数据进行识别会使得数据识别结果不准确，降低了用户体验。

技术实现思路

[0003]本申请实施例提供一种对象识别方法、装置、计算机可读存储介质及计算机设备，可以提高待识别对象识别的准确性。
[0004]本申请实施例提供了一种对象识别方法，包括：
[0005]获取目标场景中的待识别对象；
[0006]生成所述待识别对象所对应的文本描述数据和图结构数据，所述图结构数据是以图结构为基础形成的数据，所述图结构数据包括所述待识别对象中的关键词以及各关键词之间的关联关系；
[0007]对所述文本描述数据进行特征编码处理，以得到所述文本描述数据所对应的文本编码特征；
[0008]对所述图结构数据进行特征编码处理，以得到所述图结构数据所对应的图编码特征；
[0009]将所述文本编码特征和所述图编码特征进行融合处理，以确定所述待识别对象所对应的识别结果。
[0010]本申请实施例还提供一种对象识别装置，包括：
[0011]获取模块，用于获取目标场景中的待识别对象；
[0012]生成模块，用于生成所述待识别对象所对应的文本描述数据和图结构数据，所述图结构数据是以图结构为基础形成的数据，所述图结构数据包括所述待识别对象中的关键词以及各关键词之间的关联关系；
[0013]第一编码模块，用于对所述文本描述数据进行特征编码处理，以得到所述文本描述数据所对应的文本编码特征；
[0014]第二编码模块，用于对所述图结构数据进行特征编码处理，以得到所述图结构数据所对应的图编码特征；
[0015]融合处理模块，用于将所述文本编码特征和所述图编码特征进行融合处理，以确定所述待识别对象所对应的识别结果。
[0016]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如上任一实施例所述的对象识别方法中的步骤。
[0017]本申请实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，执行如上任一实施例所述的对象识别方法中的步骤。
[0018]本申请实施例提供的对象识别方法、装置、计算机可读存储介质及计算机设备，通过生成目标场景中的待识别对象所对应的文本描述数据和图结构数据，图结构数据包括待识别对象中的关键词以及各关键词之间的关联关系，并分别对文本描述数据和图结构数据进行特征编码处理，以得到文本描述数据所对应的文本编码特征和图结构数据所对应的图编码特征，并对文本编码特征和图编码特征进行融合处理，以确定待识别对象所对应的识别结果。本申请中，除了生成待识别对象所对应的文本描述数据之外，还生成待识别对象所对应的图结构数据，由于图结构数据中包括待识别对象中的关键词以及各关键词之间的关联关系，因此，可保留待识别对象中的文本描述信息以及图结构信息，即可保留待识别对象中的更多原始信息，可最大化利用待识别对象中的特征，将文本描述数据所对应的文本编码特征和图结构数据所对应的图编码特征进行融合处理，以确定所述待识别对象所对应的识别结果，如此，根据文本描述信息和图结构数据信息一起来实现待识别对象的识别，提高了待识别对象识别的准确性。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本申请实施例提欧共的对象识别方法的流程示意图。
[0021]图2为本申请实施例提供的生成文本电子病历和图结构病历的示意图。
[0022]图3为本申请实施例提供的对象识别方法的子流程示意图。
[0023]图4为本申请实施例提供的对象识别方法的另一子流程示意图。
[0024]图5为本申请实施例提供的图结构病历多对应的节点和边的示意图。
[0025]图6为本申请实施例提供的对象识别方法的另一子流程示意图。
[0026]图7为本申请实施例提供的对象识别方法的又一子流程示意图。
[0027]图8为本申请实施例提供的对象识别方法的流程示意图。
[0028]图9为本申请实施例提供的对象识别方法的训练流程示意图。
[0029]图10为本申请实施例提供的对象识别方法的另一训练流程示意图。
[0030]图11为本申请实施例提供的对象识别装置的结构示意图。
[0031]图12为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
[0032]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0033]本申请实施例提供一种对象识别方法、装置、计算机可读存储介质及计算机设备。具体地，本申请实施例的对象识别方法可以由计算机设备执行，其中，该计算机设备可以为终端或者服务器等设备。该终端可以为智能手机、平板电脑、笔记本电脑、游戏机、个人计算机(PC，Personal Computer)、智能车载终端、机器人等设备。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0034]本申请中的方案可以应用于任一种目标场景中，包括交互目标场景和非交互目标场景。本申请实施例以应用于交互目标场景为例进行说明，交互目标场景中包括更多的结构化特征。例如在智能问答领域，当用户所使用的电子设备出现故障，通过互联网提供的智能问答，用户说明电子设备出现故障时所对应的一些故障现象，最终实现具体的故障识别；例如，当用户生病，通过互联网提供的智能医生的智能问答，用户说明生病时所对应的一些症状体征，最终实现电子病历中具体的疾病识别等等。
[0035]现有的故障识别场景中，通过智能问答，提取出对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别方法，其特征在于，包括：获取目标场景中的待识别对象；生成所述待识别对象所对应的文本描述数据和图结构数据，所述图结构数据是以图结构为基础形成的数据，所述图结构数据包括所述待识别对象中的关键词以及各关键词之间的关联关系；对所述文本描述数据进行特征编码处理，以得到所述文本描述数据所对应的文本编码特征；对所述图结构数据进行特征编码处理，以得到所述图结构数据所对应的图编码特征；将所述文本编码特征和所述图编码特征进行融合处理，以确定所述待识别对象所对应的识别结果。2.根据权利要求1所述的对象识别方法，其特征在于，所述将所述文本编码特征和所述图编码特征进行融合处理，以确定所述待识别对象所对应的识别结果的步骤，包括：以所述文本编码特征为基础，将所述文本编码特征与所述图编码特征进行相关性融合处理，以得到包括图编码特征的新文本编码特征；将所述新文本编码特征和所述图编码特征进行聚合处理，以确定所述待识别对象所对应的识别结果。3.根据权利要求2所述的对象识别方法，其特征在于，所述以所述文本编码特征为基础，将所述文本编码特征与所述图编码特征进行相关性融合处理，以得到包括图编码特征的新文本编码特征的步骤，包括：以所述文本编码特征为基础，计算所述文本编码特征与所述图编码特征的相关性；根据所述相关性对所述文本编码特征进行融合处理，以得到包括图编码特征的新文本编码特征。4.根据权利要求3所述的对象识别方法，其特征在于，所述计算所述文本编码特征与所述图编码特征的相关性的步骤，包括：计算所述文本编码特征与所述图编码特征的相似度值；将所述相似度值进行归一化，以得到归一化相似度值；利用归一化相似度值对所述图编码特征进行加权处理，以确定所述文本编码特征与所述图编码特征的相关性；所述根据所述相关性对所述文本编码特征进行融合处理，以得到包括图编码特征的新文本编码特征的步骤，包括：将所述相关性所对应的相关性矩阵和所述文本编码特征所对应的矩阵进行拼接处理，以得到包括图编码特征的新文本编码特征。5.根据权利要求2所述的对象识别方法，其特征在于，所述将所述新文本编码特征和所述图编码特征进行聚合处理，以确定所述待识别对象所对应的识别结果的步骤，包括：对所述新文本编码特征进行第一特征聚合处理，以得到文本描述数据向量；对所述图编码特征进行第二特征聚合处理，以得到结构化数据向量；根据所述文本描述数据向量和所述结构化数据向量，确定所述待识别对象所对应的识别结果。6.根据权利要求5所述的对象识别方法，其特征在于，所述根据所述文本描述数据向量
和所述结构化数据向量，确定所述待识别对象所对应的识别结果的步骤，包括：对所述文本描述数据向量和所述结构化数据向量进行加权处理，以得到所述待识别对象所对应的识别向量；根据所述识别向量确定所述待识别对象所对应的识别结果。7.根据权利要求1所述的对象识别方法，其特征在于，所述图结构数据包括关键词所对应的节点集合，每个节点对应一个关键词，所述对所述图结构数据进行特征编码处理，以得到所述图结构数据所对应的图编码特征的步骤，包括：根据所述文本编码特征，对节点集合中的每个节点进行向量初始化，以得到每个节点的初始化特征向量；将所述初始化特征向量输入至图神经网络中进行特征编码处理，以得到所述图结构数据所对应的图编码特征。8.根据权利要求7所述的对象识别方法，其特征在于，所述根据所述文本编码特征，对节点集合中的每个节点进行向量初始化，以得到每个节点的初始化特征向量的步骤，包括：对于每个节点，计算所述节点中的每个文本相对于所述文本编码特征的初始注意力权重系数；根据所述初始注意力权重系数和所述节点所对应的文本编码特征，确定所述节点的初始化特征向量。9.根据权利要求8所述的对象识别方法，其特征在于，所述文本编码特征中包括主诉所对应的文本编码特征，所述对于每个节点，计算所述节点中的每个文本相对于所述文本编码特征的初始注意力权重系数的步骤，包括：获取所述文本编码特征中针对主诉...

【专利技术属性】
技术研发人员：姜磊，赵景鹤，贺志阳，胡加学，
申请(专利权)人：安徽科大讯飞医疗信息技术有限公司，
类型：发明
国别省市：