申请/专利权人:中信银行股份有限公司
申请日:2021-01-22
公开(公告)日:2024-04-12
公开(公告)号:CN112800239B
主分类号:G06F16/36
分类号:G06F16/36;G06F16/35;G06F16/31;G06F40/211;G06F40/289
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.06.01#实质审查的生效;2021.05.14#公开
摘要:本申请提供了一种意图识别模型训练方法、意图识别方法及装置,应用于自然语言处理技术领域,其中该方法包括:将知识图谱信息引入意图识别训练过程,用较小的代价使模型在fine‑tune的过程中学习到专业领域的知识,降低训练成本的同时,不仅增加了模型的知识维度,还增加了模型的可解释性;此外,用拉普拉斯算子取代softmax分类,进一步拉大了不相关句子之间的距离,缩短了相似句子之间的距离,这样,对于人工标注“A‑B”、“A‑C”和“D‑F”,有相同标注的两句话“A‑C”和“A‑B”之间的相似度被人为拉近,和“D‑F”的距离则人为拉远,这样,既增加了人工标注的利用率,同时,也使得训练结果也更加准确。
主权项:1.一种意图识别模型训练方法,其特征在于,包括:将样本文本与目标知识图谱关联,得到树状结构文本;确定所述树状结构文本的可视化矩阵,所述可视化矩阵用于表示树状结构文本中两个词之间是否可见;基于多个所述树状结构文本和所述可视化矩阵通过Mask-Transformer网络分别提取样本特征,所述Mask-Transformer在Transformer中间增加可见表达M,包括:多头注意力的更新如下:Qi+1,Ki+1,Vi+1=hiWq,hiWk,hiWv hi+1=Si+1Vi+1其中,Wq、Wh和Wv为可训练参数,hi为mask-attention层中第i个输出,dk为归一化参数,M为可视矩阵;基于提取到的多个样本特征,通过最小化目标函数训练意图识别模型,所述最小化目标函数为: 其中中Y为提取得到的样本特征,而Y'则为需要的样本特征的形式,为矩阵的frobenius范数,Y和Y'拥有相同的维度;其中为拉普拉斯项的矩阵形式,用于使得特征编码Y保持输入特征原始空间的数据关系。
全文数据:
权利要求:
百度查询: 中信银行股份有限公司 意图识别模型训练方法、意图识别方法及装置
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。