【技术实现步骤摘要】
本申请属于人工智能，尤其涉及一种模型训练方法、意图识别方法、装置、设备、介质及产品。
技术介绍
1、意图识别在自然语言处理领域扮演着至关重要的角色，广泛应用于智能客服、语音助手和自动问答系统等领域。随着深度学习技术的发展，意图识别模型的性能得到了显著提升。然而，这些模型的高性能依赖于大量高质量的标注数据，传统的数据标注方式主要依赖人工标注，而人工标注受到主观因素影响，可能标注的样本质量较低，使得训练得到的意图识别模型的意图识别准确率低。
技术实现思路
1、本申请实施例提供一种模型训练方法、意图识别方法、装置、设备、介质及产品，能够提高意图识别模型的意图识别准确率。
2、第一方面，本申请实施例提供一种模型训练方法，所述方法包括：
3、获取多个第一标注样本和多个未标注样本；
4、采用多个所述第一标注样本对初始意图识别模型进行训练，得到第一意图识别模型；
5、利用所述第一意图识别模型对多个所述未标注样本进行意图识别，得到多个第二标注样本；
6、采用多个所述第一标注样本和多个所述第二标注样本对所述第一意图识别模型进行训练，得到目标意图识别模型。
7、第二方面，本申请实施例提供一种意图识别方法，所述方法包括：
8、获取待识别文本；
9、根据目标意图识别模型对所述待识别文本进行识别，得到所述待识别文本的意图识别结果，所述目标意图识别模型是采用第一方面所述的模型训练方法得到的。
10、第三
11、第一获取模块，用于获取多个第一标注样本和多个未标注样本；
12、第一训练模块，用于采用多个所述第一标注样本对初始意图识别模型进行训练，得到第一意图识别模型；
13、标注模块，用于利用所述第一意图识别模型对多个所述未标注样本进行意图识别，得到多个第二标注样本；
14、第二训练模块，用于采用多个所述第一标注样本和多个所述第二标注样本对所述第一意图识别模型进行训练，得到目标意图识别模型。
15、第四方面，本申请实施例提供一种意图识别装置，所述装置包括：
16、第二获取模块，用于获取待识别文本；
17、识别模块，用于根据目标意图识别模型对所述待识别文本进行识别，得到所述待识别文本的意图识别结果，所述目标意图识别模型是采用第一方面所述的模型训练方法得到的。
18、第五方面，本申请实施例提供一种电子设备，包括：处理器以及存储有计算机程序指令的存储器；
19、所述处理器执行所述计算机程序指令时实现如第一方面所述的模型训练方法，或者实现如第二方面所述的意图识别方法。
20、第六方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面所述的模型训练方法，或者实现如第二方面所述的意图识别方法。
21、第七方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面所述的模型训练方法，或者实现如第二方面所述的意图识别方法。
22、本实施例中，通过第一标注样本对初始意图识别模型进行训练，得到第一意图识别模型，并采用第一意图识别模型对未标注样本进行标注，得到第二标注样本，采用第一标注样本和第二标注样本对第一意图识别模型进行训练，整个过程只需要少量的第一标注样本，即可实现对初始意图识别模型的训练，得到目标意图识别模型，由于用于模型训练的标注样本不再需要每个都由人工标注，可以降低人工进行样本标注的成本，并且，在进行模型训练过程中，不仅使用到了人工标注得到的第一标注样本，还使用到了非人工标注得到的第二标注样本，可以一定程度上降低训练过程中人工标注造成的主观因素影响，提高目标意图识别模型的意图识别准确率。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取多个第一标注样本和多个未标注样本，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述采用多个所述第一标注样本和多个所述第二标注样本对所述第一意图识别模型进行训练，得到目标意图识别模型，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述获取本轮训练中第一标注样本对应的第一采样比例和第二标注样本对应的第二采样比例，包括：
5.根据权利要求4所述的模型训练方法，其特征在于，所述根据所述上一轮训练结束后第一意图识别模型的性能指标值，对所述上一轮训练中第一采样比例和第二采样比例进行调整，得到所述本轮训练中的第一采样比例和第二采样比例，包括：
6.根据权利要求5所述的模型训练方法，其特征在于，所述第一规则包括：
7.一种意图识别方法，其特征在于，所述方法包括：
8.一种模型训练装置，其特征在于，所述装置包括：
9.一种意图识别装置，其特征在于，所述装置包括：
<...【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取多个第一标注样本和多个未标注样本，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述采用多个所述第一标注样本和多个所述第二标注样本对所述第一意图识别模型进行训练，得到目标意图识别模型，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述获取本轮训练中第一标注样本对应的第一采样比例和第二标注样本对应的第二采样比例，包括：
5.根据权利要求4所述的模型训练方法，其特征在于，所述根据所述上一轮训练结束后第一意图识别模型的性能指标值，对所述上一轮训练中第一采样比例和第二采样比例进行调整，得到所述本轮训练中的第一采样比例和第二采样比例，包括：
6.根据权利要求5所述的模型...
【专利技术属性】
技术研发人员：崔迎杰，陈勇，周瀚阁，梁振宝，田灿，丁笑兵，
申请(专利权)人：浙江吉利控股集团有限公司，
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。