申请/专利权人:镁佳(北京)科技有限公司
申请日:2023-08-22
公开(公告)日:2024-03-22
公开(公告)号:CN117033637B
主分类号:G06F16/35
分类号:G06F16/35;G06Q30/01;G06F16/332;G06F16/33;G06F40/35;G06F18/2433;G06F18/25;G06F18/2415;G06N3/08;G06N3/047;G10L15/01;G10L15/16
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2023.11.28#实质审查的生效;2023.11.10#公开
摘要:本发明涉及无效对话拒识技术领域,公开了无效对话拒识模型训练方法、无效对话拒识方法及装置,包括:获取对话音频数据与文本数据,文本数据为与对话音频数据对应的语音识别文本数据;将对话音频数据输入音频预训练模型,得到音频特征;将文本数据输入文本预训练模型,得到文本语义特征;对音频特征与文本语义特征进行融合,得到多模态综合特征;将音频特征、文本语义特征与多模态综合特征输入初始无效对话拒识模型,分别得到音频二分类结果、文本二分类结果与综合二分类结果;对初始无效对话拒识模型进行训练,得到目标无效对话拒识模型,本发明增强了模型单模态的拒识能力,使得模型能够排除语音识别错误的干扰,提升了拒识效果。
主权项:1.一种无效对话拒识模型训练方法,其特征在于,所述方法包括:获取对话音频数据与文本数据,所述文本数据为与所述对话音频数据对应的语音识别得到的文本数据;将所述对话音频数据输入音频预训练模型,得到音频特征;将所述文本数据输入文本预训练模型,得到文本语义特征;基于多模态互注意力网络,对所述音频特征与所述文本语义特征进行融合,得到多模态综合特征;将所述音频特征、所述文本语义特征与所述多模态综合特征输入初始无效对话拒识模型,分别得到音频二分类结果、文本二分类结果与综合二分类结果;基于所述音频二分类结果、文本二分类结果与综合二分类结果,对所述初始无效对话拒识模型进行训练,得到目标无效对话拒识模型;所述基于所述音频二分类结果、文本二分类结果与综合二分类结果,对所述初始无效对话拒识模型进行训练,得到目标无效对话拒识模型,包括:分别计算所述音频二分类结果、所述文本二分类结果与所述综合二分类结果的交叉熵损失,得到音频交叉熵损失、文本交叉熵损失与综合交叉熵损失;对所述音频交叉熵损失、文本交叉熵损失与综合交叉熵损失进行求和,得到总损失;基于所述总损失,对所述初始无效对话拒识模型进行训练,得到第一无效对话拒识模型;基于所述文本交叉熵损失,对所述第一无效对话拒识模型进行训练,得到目标无效对话拒识模型。
全文数据:
权利要求:
百度查询: 镁佳(北京)科技有限公司 无效对话拒识模型训练方法、无效对话拒识方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。