申请/专利权人：微软技术许可有限责任公司

申请日：2018-05-30

公开（公告）日：2024-04-30

公开（公告）号：CN110945515B

主分类号：G06F40/35

分类号：G06F40/35;G06N20/00;G10L15/06;G10L15/18

优先权：["20170727 US 15/661,855"]

专利状态码：有效-授权

法律状态：2024.04.30#授权;2020.04.24#实质审查的生效;2020.03.31#公开

摘要：本文中描述了一种机制，用于适应在已经使用具有第一组特征的第一组用户输入来训练的语言理解模型中使用的机器学习模型，以使用具有第二组特征的用户输入来有效地进行操作。损失是根据第一组特征、第二组特征或第一组和第二组共同的特征定义的。损失包括源侧标记损失、重建损失、对抗域分类损失、非对抗域分类损失、正交损失和目标侧标记损失中的一个或多个。使用梯度下降法将损失联合最小化，并将所得系数用于重新训练机器学习模型。

主权项：1.一种用于训练语言理解模型的方法，包括：访问先前用于训练对话系统的机器学习模型的初始训练数据集以及输入到所述对话系统中的、并且在初始训练数据之后接收到的用户输入数据集，所述初始训练数据集表示对所述对话系统输入的合成数据或实际数据；将所述初始训练数据集设置为源域，并且将收集的用户输入设置为目标域；创建对多个损失的表示，每个损失具有不同的损失类型，每个损失是基于所述源域、所述目标域、或两者的；定义包括所述多个损失的聚合损失，使得所述聚合损失是所述源域和所述目标域两者的函数；使用数值方法来确定用于所述机器学习模型的系数集，所确定的系数集在阈值数量的局部最小值内将所述聚合损失最小化；使用所确定的系数集来重新训练所述机器学习模型。

全文数据：

权利要求：

百度查询： 微软技术许可有限责任公司 数字助理的意图和槽检测

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