【技术实现步骤摘要】
本专利技术实施例涉及计算机，尤其涉及一种输出语句的识别方法、装置、设备及存储介质。
技术介绍
1、目前，在语音对话领域中，可以基于预先训练的对话模型实现智能应答。具体的，可以通过对话模型对输入语(即对用户发出的语音进行音频转换得到的语句)进行语义识别，并根据识别结果播报对应的应答语。
2、现有技术中，某些应用场景对于应答性能的要求较高(比如，要求低延时、低成本、以及高并发等)，所以在这些应用场景中一般采用小规模对话模型实现智能应答。另外，由于小规模对话模型的应答准确率较低，所以目前需要人工定期对小规模对话模型输出的应答语进行巡检，以确定小规模对话模型输出的应答语是否准确，从而根据巡检结果对小规模对话模型进行优化。
3、然而，在实现本专利技术过程中，发现现有技术中至少存在如下问题：由人工对小规模对话模型输出的应答语进行巡检，不仅巡检效率低，且确定出的巡检结果的准确率也低。
技术实现思路
1、本专利技术实施例提供了一种输出语句的识别方法、装置、设备及存储介质，可以提高对小规模对话模型输出的应答语的巡检效率、以及确定出的巡检结果的准确率。
2、第一方面，本专利技术实施例提供了一种输出语句的识别方法，该方法可以包括：获取目标样本对话信息组；其中，目标样本对话信息组包括样本输入语句、样本输出语句、以及样本输入语句的样本语义特征；样本语义特征和样本输出语句，通过预先训练的第一对话模型对样本输入语句进行处理得到；将目标样本对话信息组输入预先训练的第二对话模型，
3、第二方面，本专利技术实施例还提供了一种输出语句的识别装置，该装置可以包括：获取模块和确定模块；
4、具体的，获取模块，用于获取目标样本对话信息组；其中，目标样本对话信息组包括样本输入语句、样本输出语句、以及样本输入语句的样本语义特征；样本语义特征和样本输出语句，通过预先训练的第一对话模型对样本输入语句进行处理得到；确定模块，用于将目标样本对话信息组输入预先训练的第二对话模型，通过第二对话模型确定样本输入语句的预测语义特征，并根据样本语义特征与预测语义特征的匹配度，确定针对样本输出语句的准确性识别结果；第二对话模型对于语义特征的识别准确率高于第一对话模型。
5、第三方面，本专利技术实施例提供了一种输出语句的识别设备，该输出语句的识别设备包括：
6、一个或多个处理器；
7、存储器，用于存储一个或多个程序；
8、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的输出语句的识别方法。
9、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的输出语句的识别方法。
10、上述专利技术中的实施例具有如下优点或有益效果：
11、本专利技术实施例提供的技术方案中，可以预先得到一个小规模对话模型(即第一对话模型)和一个大规模对话模型(即第二对话模型)，第一对话模型和第二对话模型均可以对样本输入语句的语义特征进行识别，且第二对话模型对于语义特征的识别准确率要高于第一对话模型，在第一对话模型上线运行期间，可以通过第二对话模型实现对第一对话模型的输出结果的自动巡检。具体的，在第一对话模型上线运行期间，可以获取到目标样本对话信息组；该目标样本对话信息组不仅包括样本输入语句、以及第一对话模型输出的针对样本输入语句的样本输出语句，还包括第一对话模型在确定样本输出语句的过程中提取到的针对样本输入语句的样本语义特征；之后，将目标样本对话信息组输入到第二对话模型，由第二对话模型确定样本输入语句的预测语义特征。由于第二对话模型对于语义特征的识别准确率要高于第一对话模型，所以当第二对话模型输出的预测语义特征、与第一对话模型输出的样本语义特征之间的匹配度过低时，表示第一对话模型输出的样本输出语句可能不准确，也即是，预测语义特征与样本语义特征的匹配度可以表征第一对话模型输出的样本输出语句的准确性。基于此，本专利技术实施例中，通过第二对话模型，不仅确定出了样本输入语句的预测语义特征，还对预测语义特征和样本语义特征进行了匹配，并根据得到的匹配度确定出了针对样本输出语句的准确性识别结果(准确性识别结果包括两种，即识别准确和识别不准确)。可以看出，本专利技术实施例中，通过采用识别准确率较高的大规模对话模型对样本输入语句的样本语义特征(由小规模对话模型输出)和预测语义特征(由大规模对话模型输出)进行匹配，可以自动确定出针对样本输出语句的准确性识别结果，以实现对小规模对话模型输出的应答语的自动巡检。这样，无需人工对小规模对话模型输出的应答语进行巡检，所以可以提高对小规模对话模型输出的应答语的巡检效率、以及确定出的巡检结果的准确率。
本文档来自技高网...【技术保护点】
1.一种输出语句的识别方法，其特征在于，包括：
2.根据权利要求1所述的输出语句的识别方法，其特征在于，所述将所述目标样本对话信息组输入预先训练的第二对话模型，通过所述第二对话模型确定所述样本输入语句的预测语义特征，并根据所述样本语义特征与所述预测语义特征的匹配度，确定针对所述样本输出语句的准确性识别结果，包括：
3.根据权利要求2所述的输出语句的识别方法，其特征在于，所述基于所述目标样本对话信息组对应的对话节点，从各候选特征提取任务中确定与所述目标样本对话信息组对应的目标特征提取任务，包括：
4.根据权利要求3所述的输出语句的识别方法，其特征在于，所述在预设对应关系列表中查找与所述目标样本对话信息组对应的特征提取任务之后，所述方法还包括：
5.根据权利要求2所述的输出语句的识别方法，其特征在于，所述各候选特征提取任务包括实体识别任务、意图分类任务、以及应答合理性识别任务中的至少一种；所述实体识别任务，用于对实体识别属性的语义特征进行提取；所述意图分类任务，用于对意图分类属性的语义特征进行提取；所述应答合理性识别任务，用于对应答合理
6.根据权利要求5所述的输出语句的识别方法，其特征在于，所述实体识别任务包括各实体识别子任务；所述各实体识别子任务，用于对不同实体类别的实体识别属性的语义特征进行提取。
7.根据权利要求5所述的输出语句的识别方法，其特征在于，所述根据所述匹配度确定所述准确性识别结果之后，所述方法还包括：
8.根据权利要求1所述的输出语句的识别方法，其特征在于，所述获取目标样本对话信息组，包括：
9.根据权利要求8所述的输出语句的识别方法，其特征在于，所述根据所述各目标样本对话信息集分别包括的各样本对话信息组确定各候选样本对话信息组，包括：
10.一种输出语句的识别装置，其特征在于，包括：
11.一种输出语句的识别设备，其特征在于，所述输出语句的识别设备包括：
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9任意一项所述的输出语句的识别方法。
...【技术特征摘要】
1.一种输出语句的识别方法，其特征在于，包括：
2.根据权利要求1所述的输出语句的识别方法，其特征在于，所述将所述目标样本对话信息组输入预先训练的第二对话模型，通过所述第二对话模型确定所述样本输入语句的预测语义特征，并根据所述样本语义特征与所述预测语义特征的匹配度，确定针对所述样本输出语句的准确性识别结果，包括：
3.根据权利要求2所述的输出语句的识别方法，其特征在于，所述基于所述目标样本对话信息组对应的对话节点，从各候选特征提取任务中确定与所述目标样本对话信息组对应的目标特征提取任务，包括：
4.根据权利要求3所述的输出语句的识别方法，其特征在于，所述在预设对应关系列表中查找与所述目标样本对话信息组对应的特征提取任务之后，所述方法还包括：
5.根据权利要求2所述的输出语句的识别方法，其特征在于，所述各候选特征提取任务包括实体识别任务、意图分类任务、以及应答合理性识别任务中的至少一种；所述实体识别任务，用于对实体识别属性的语义特征进行提取；所述意图分类任务，用于对意图分类属性的语义特征进行...
【专利技术属性】
技术研发人员：姬宁，李博，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。