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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD