CN113345426B - 一种语音意图识别方法、装置及可读存储介质 - Google Patents
一种语音意图识别方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN113345426B CN113345426B CN202110616990.1A CN202110616990A CN113345426B CN 113345426 B CN113345426 B CN 113345426B CN 202110616990 A CN202110616990 A CN 202110616990A CN 113345426 B CN113345426 B CN 113345426B
- Authority
- CN
- China
- Prior art keywords
- training
- data
- intention
- model
- training data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 296
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 65
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007635 classification algorithm Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明提供一种语音意图识别方法、装置及可读存储介质,涉及语音意图识别领域,该语音意图识别方法包括:采集第一训练数据;将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;根据所述第一损失函数得到对抗样本数据;采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;根据所述目标模型确定待意图分类的语音数据的意图分类。用于对语音意图的准确分类,以提高用户体验。
Description
【技术领域】
本发明涉及计算机技术领域,尤其涉及一种语音意图识别方法、装置及可读存储介质。
【背景技术】
随着人工智能技术的快速发展以及人工智能技术在生活中的广泛使用,语音交互成为人与机器之间沟通交流的重要桥梁。语音意图识别技术则是实现语音交互的关键技术之一。
意图识别就是通过自然语言处理(Natural Language Processing,简称NLP)技术对文本进行语义理解,得到关键词信息,并基于关键词信息识别出用户的语音意图。目前,意图识别无法根据语境、语调等进行判别,识别能力差甚至会识别出与原本意图相反的意图。
因此,如何准确识别语音的意图,是本领域的技术难点之一。
【发明内容】
有鉴于此,本发明实施例提供了一种语音意图识别方法、装置及可读存储介质,用于准确识别语音的意图。
本发明一方面提供一种语音意图识别方法,所述语音意图识别方法包括:
采集第一训练数据;
将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
根据所述第一损失函数得到对抗样本数据;
采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
根据所述目标模型确定待意图分类的语音数据的意图分类。
可选的,所述根据所述目标模型确定待意图分类的语音数据的意图分类,包括:
可选的,所述将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算,包括:
可选的,所述根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,包括:
其中,J表示交叉熵函数,lossi表示第一损失函数。
可选的,所述根据所述第一损失函数得到对抗样本数据,包括:
根据所述第一损失函数计算所述训练模型的第一梯度;
根据所述第一梯度计算得到所述对抗样本数据。
可选的,所述根据所述第一损失函数计算所述训练模型的第一梯度,包括:
其中,gradi表示所述训练模型的梯度。
可选的,所述根据所述第一梯度计算得到所述对抗样本数据,包括:
Xadv=xi+∈sign(gradi)
其中,sign(gradi)表示求符号函数,∈表示求符号函数的系数且0≤∈≤1。
可选的,所述将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型,包括:
根据所述第二训练数据计算所述训练模型的第二损失函数;
根据所述第二损失函数计算所述训练模型的第二梯度;
根据所述第二梯度确定所述训练模型的参数,并将参数确定后的训练模型作为所述目标模型。
可选的,所述根据所述第二训练数据计算所述训练模型的第二损失函数,包括:
本发明第二方面提供一种语音意图识别装置,所述语音意图识别装置包括:
采集模块,用于采集第一训练数据;
计算模块,用于将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
所述计算模块还用于根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
所述计算模块还用于根据所述第一损失函数得到对抗样本数据;
所述采集模块还用于采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
所述计算模块还用于将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
意图分类模块,用于根据所述目标模型确定待意图分类的语音数据的意图分类。
本发明第三方面提供一种语音意图识别装置,所述语音意图识别装置包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行本发明第一方面中任一步骤的指令。
本发明第四方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现本发明第一方面中任一项所述的语音意图识别方法。
上述技术方案中的任一技术方案具有如下有益效果:
本发明实施例中,采集第一训练数据,第一训练数据可理解为包括语音意图数据。将所述第一训练数据输入至训练模型,本实施例中的训练模型可以是语音意图识别的算法模型,包括但不限于卷积神经网络(CNN)或者循环神经网络(RNN),以完成对所述第一训练数据的向前计算,根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,根据所述第一损失函数得到对抗样本数据,进而完成对训练模型的对抗训练,本实施例通过对抗训练和对比学习的方式,增强了训练模型的鲁棒性。采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;以第二训练数据为语音意图数据对训练模型进行训练,以确定训练模型的参数,当训练模型的参数达到最优时,记录并将参数固定,此时的训练模型即为目标模型。进一步的,使用目标模型对待意图分类的语音数据进行意图分类。该方法提高了场景下的意图识别能力,提高了用户的实际体验。同时,这个方案可以嵌套在多个任何类型的深度学习语音意图分类算法中,使用范围广泛。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例所提供的语音意图识别方法的一种流程示意图;
图2为本发明实施例所提供的语音意图识别方法的另一种流程示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
需要注意的是,本发明实施例所描述的“上”、“下”、“左”、“右”等方位词是以附图所示的角度来进行描述的,不应理解为对本发明实施例的限定。此外在上下文中,还需要理解的是,当提到一个元件被形成在另一个元件“上”或“下”时,其不仅能够直接形成在另一个元件“上”或者“下”,也可以通过中间元件间接形成在另一元件“上”或者“下”。
本发明提供一种语音意图识别方法,如图1所示,其为为本发明实施例所提供的语音意图识别方法的一种流程示意图,所述语音意图识别方法包括:
S11、采集第一训练数据;
本实施例中,第一训练数据可用如下公式表示:
其中,xi表示每一条语音文本,yi表示每一条语音文本对应的原始意图标签,1≤i≤n且n为自然数。
S12、将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
示例性的,本实施例中的训练模型可为卷积神经网络(CNN)或者循环神经网络(RNN)。
S13、根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
S14、根据所述第一损失函数得到对抗样本数据;
S15、采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
S16、将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
S17、根据所述目标模型确定待意图分类的语音数据的意图分类。
需要说明的是,本实施例中,可将语音意图识别分为两部分,第一部分可理解为训练阶段,也就是对训练模型的训练,第二部分可理解为测试阶段,也就是训练模型的参数确定之后的模型可称之为目标模型,在该阶段可通过目标模型对待语音意图识别的数据进行意图识别并按照识别后的结果进行分类。
本发明实施例中,采集第一训练数据,第一训练数据可理解为包括语音意图数据。将所述第一训练数据输入至训练模型,本实施例中的训练模型可以是语音意图识别的算法模型,包括但不限于卷积神经网络(CNN)或者循环神经网络(RNN),以完成对所述第一训练数据的向前计算,根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,根据所述第一损失函数得到对抗样本数据,进而完成对训练模型的对抗训练,本实施例通过对抗训练和对比学习的方式,增强了训练模型的鲁棒性。采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;以第二训练数据为语音意图数据对训练模型进行训练,以确定训练模型的参数,当训练模型的参数达到最优时,记录并将参数固定,此时的训练模型即为目标模型。进一步的,使用目标模型对待意图分类的语音数据进行意图分类。该方法提高了场景下的意图识别能力,提高了用户的实际体验。同时,这个方案可以嵌套在多个任何类型的深度学习语音意图分类算法中,使用范围广泛。
在语音意图识别的训练数据中,为了增加训练模型的准确性,会按照一定比例在意图数据中添加负分类意图标签数据,在本实施例中,每一条语音文本与对应的意图标签相符可理解为正分类意图标签,语音文本与对应的意图标签不相符可理解为负分类意图标签。通常正分类意图标签数据与负分类意图标签数据的比例为1:3或者1:5。负分类意图数据占比较大,其对应的空间较大,则对正分类意图的识别能力差,常常会将负分类意图标签识别为正分类意图标签。因此,后续需要人工检查,才能保证识别质量。
而本实施例中,在训练阶段通过对抗样本的对抗训练和对比学习的方式,增强了训练模型的鲁棒性,同时由于没有在语音意图训练数据中添加负分类意图数据,避免了将负分类意图标签识别为正的可能性,因此提高了语音意图识别的能力,进而提高了用户的体验。并且,本实施例中避免使用负分类意图数据,一方面压缩了需要训练的语音数据的使用空间,增加了训练速度,另一方面不用要后续人工进行核对,保证了语音意图识别的识别能力。
可选的,步骤S12所述将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算,具体包括:
进一步的,所述根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,包括:
其中,J表示交叉熵函数,lossi表示第一损失函数。
依然进一步的,如图2所示,其为本发明实施例所提供的语音意图识别方法的另一种流程示意图,所述根据所述第一损失函数得到对抗样本数据,包括:
S141、根据所述第一损失函数计算所述训练模型的第一梯度;
S142、根据所述第一梯度计算得到所述对抗样本数据。
可选的,步骤S142具所述根据所述第一损失函数计算所述训练模型的第一梯度,具体包括:
其中,gradi表示所述训练模型的梯度。
可选的,所述根据所述第一梯度计算得到所述对抗样本数据,包括:
Xadv=xi+∈sign(gradi)
本实施例中,当gradi>0时,sign(gradi)=1;当gradi<0时,sign(gradi)=-1,其中,sign(gradi)表示求符号函数,∈表示求符号函数的系数且0≤∈≤1。
本实施例中,由于第二训练数据包含了对抗样本数据,进而使得该训练模型以对抗训练和对比学习的方式,增强了训练模型的鲁棒性。
在本实施例中,将第二训练数据XADA作为新的语音意图训练数据来训练模型,示例性的可包括:
设定训练模型的批量数为b,每条批量中至少包括一条语音文本和该语音文本对应的原始意图标签;
进一步的,所述根据所述目标模型确定待意图分类的语音数据的意图分类,包括:
通过对待意图分类对语音数据进行意图分类,可根据语音、语调、对话者关系、对话内容以及对话场景等等来进一步对语音进行分类,以提高识别等准确度。
在另一种实施方式中,所述将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型,包括:
根据所述第二训练数据计算所述训练模型的第二损失函数;
根据所述第二损失函数计算所述训练模型的第二梯度;
根据所述第二梯度确定所述训练模型的参数,并将参数确定后的训练模型作为所述目标模型。
可以理解的是,经过第二损失函数以及第二梯度计算之后,其可根据差值对参数进行修正,修正后的参数值保持不变,使用修正(优化)后的参数值的训练模型可理解为目标模型。
进一步的,所述根据所述第二训练数据计算所述训练模型的第二损失函数,包括:
在本实施例中,发明人经过创造性的实验得出:当目标模型的最高得分低于0.8时,则认为输入至目标模型的该条语音文本与对应的原始意图标签不相符;反之,则二者相符。需要说明的是,目标模型的输出范围在0-1之间。
本发明另一种实施例中,提供一种语音意图识别装置,所述语音意图识别装置包括:
采集模块,用于采集第一训练数据;
计算模块,用于将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
所述计算模块还用于根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
所述计算模块还用于根据所述第一损失函数得到对抗样本数据;
所述采集模块还用于采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
所述计算模块还用于将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
意图分类模块,用于根据所述目标模型确定待意图分类的语音数据的意图分类。
本发明实施例的语音意图识别装置可实现上述语音意图识别方法中的任意步骤,因此其包含上述语音意图识别方法所包含的全部有益效果:采集第一训练数据,第一训练数据可理解为包括语音意图数据。将所述第一训练数据输入至训练模型,本实施例中的训练模型可以是语音意图识别的算法模型,包括但不限于卷积神经网络(CNN)或者循环神经网络(RNN),以完成对所述第一训练数据的向前计算,根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,根据所述第一损失函数得到对抗样本数据,进而完成对训练模型的对抗训练,本实施例通过对抗训练和对比学习的方式,增强了训练模型的鲁棒性。采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;以第二训练数据为语音意图数据对训练模型进行训练,以确定训练模型的参数,当训练模型的参数达到最优时,记录并将参数固定,此时的训练模型即为目标模型。进一步的,使用目标模型对待意图分类的语音数据进行意图分类。该方法提高了场景下的意图识别能力,提高了用户的实际体验。同时,这个方案可以嵌套在多个任何类型的深度学习语音意图分类算法中,使用范围广泛。
本实施例中,在训练阶段通过对抗样本的对抗训练和对比学习的方式,增强了训练模型的鲁棒性,同时由于没有在语音意图训练数据中添加负分类意图数据,避免了将负分类意图标签识别为正的可能性,因此提高了语音意图识别的能力,进而提高了用户的体验。并且,本实施例中避免使用负分类意图数据,一方面压缩了需要训练的语音数据的使用空间,增加了训练速度,另一方面不用要后续人工进行核对,保证了语音意图识别的识别能力。
本发明另一种实施例中,提供一种语音意图识别装置,所述语音意图识别装置包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行本发明语音意图识别方法中任一步骤的指令。
本发明实施例的语音意图识别装置可实现上述语音意图识别方法中的任意步骤,因此其包含上述语音意图识别方法所包含的全部有益效果:采集第一训练数据,第一训练数据可理解为包括语音意图数据。将所述第一训练数据输入至训练模型,本实施例中的训练模型可以是语音意图识别的算法模型,包括但不限于卷积神经网络(CNN)或者循环神经网络(RNN),以完成对所述第一训练数据的向前计算,根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,根据所述第一损失函数得到对抗样本数据,进而完成对训练模型的对抗训练,本实施例通过对抗训练和对比学习的方式,增强了训练模型的鲁棒性。采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;以第二训练数据为语音意图数据对训练模型进行训练,以确定训练模型的参数,当训练模型的参数达到最优时,记录并将参数固定,此时的训练模型即为目标模型。进一步的,使用目标模型对待意图分类的语音数据进行意图分类。该方法提高了场景下的意图识别能力,提高了用户的实际体验。同时,这个方案可以嵌套在多个任何类型的深度学习语音意图分类算法中,使用范围广泛。
本实施例中,在训练阶段通过对抗样本的对抗训练和对比学习的方式,增强了训练模型的鲁棒性,同时由于没有在语音意图训练数据中添加负分类意图数据,避免了将负分类意图标签识别为正的可能性,因此提高了语音意图识别的能力,进而提高了用户的体验。并且,本实施例中避免使用负分类意图数据,一方面压缩了需要训练的语音数据的使用空间,增加了训练速度,另一方面不用要后续人工进行核对,保证了语音意图识别的识别能力。
本发明另一种实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现本发明中任一所述的语音意图识别方法。
在本发明实施例中,由于本实施的计算机可读存储介质可实现上述方法的任一步骤,因此其包含上述方法的全部有益效果:采集第一训练数据,第一训练数据可理解为包括语音意图数据。将所述第一训练数据输入至训练模型,本实施例中的训练模型可以是语音意图识别的算法模型,包括但不限于卷积神经网络(CNN)或者循环神经网络(RNN),以完成对所述第一训练数据的向前计算,根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数,根据所述第一损失函数得到对抗样本数据,进而完成对训练模型的对抗训练,本实施例通过对抗训练和对比学习的方式,增强了训练模型的鲁棒性。采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;以第二训练数据为语音意图数据对训练模型进行训练,以确定训练模型的参数,当训练模型的参数达到最优时,记录并将参数固定,此时的训练模型即为目标模型。进一步的,使用目标模型对待意图分类的语音数据进行意图分类。该方法提高了场景下的意图识别能力,提高了用户的实际体验。同时,这个方案可以嵌套在多个任何类型的深度学习语音意图分类算法中,使用范围广泛。
本实施例中,在训练阶段通过对抗样本的对抗训练和对比学习的方式,增强了训练模型的鲁棒性,同时由于没有在语音意图训练数据中添加负分类意图数据,避免了将负分类意图标签识别为正的可能性,因此提高了语音意图识别的能力,进而提高了用户的体验。并且,本实施例中避免使用负分类意图数据,一方面压缩了需要训练的语音数据的使用空间,增加了训练速度,另一方面不用要后续人工进行核对,保证了语音意图识别的识别能力。
本公开实施例中方法以及装置可在终端设备中实现,该终端可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备600操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线604彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下装置可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,adhoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“用于获取待处理的耳语数据的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计
算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种语音意图识别方法,其特征在于,所述语音意图识别方法包括:
采集第一训练数据;
将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
根据所述第一损失函数得到对抗样本数据;
采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
根据所述目标模型确定待意图分类的语音数据的意图分类;
其中,所述根据所述目标模型确定待意图分类的语音数据的意图分类,包括:对每一条语音文本进行意图识别,当语音文本与对应的原始意图标签不同时,标记并记入负分类意图数据集或,对每一条所述语音文本进行意图识别,当所述语音文本与对应的原始意图标签相同时,标记并记入正分类意图数据集
其中,在语音意图识别的训练数据中,按照一定比例在意图数据中添加负分类意图标签数据;其中,语音文本与对应的意图标签不相符为负分类意图标签。
4.根据权利要求1所述的语音意图识别方法,其特征在于,所述根据所述第一损失函数得到对抗样本数据,包括:
根据所述第一损失函数计算所述训练模型的第一梯度;
根据所述第一梯度计算得到所述对抗样本数据。
6.根据权利要求4所述的语音意图识别方法,其特征在于,所述根据所述第一梯度计算得到所述对抗样本数据,包括:
Xadv=xi+∈sign(gradi)
其中,sign(gradi)表示求符号函数,∈表示求符号函数的系数且0≤∈≤1。
7.根据权利要求1所述的语音意图识别方法,其特征在于,所述将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型,包括:
根据所述第二训练数据计算所述训练模型的第二损失函数;
根据所述第二损失函数计算所述训练模型的第二梯度;
根据所述第二梯度确定所述训练模型的参数,并将参数确定后的训练模型作为所述目标模型。
8.一种语音意图识别装置,其特征在于,所述语音意图识别装置包括:
采集模块,用于采集第一训练数据;
计算模块,用于将所述第一训练数据输入至训练模型,以完成对所述第一训练数据的向前计算;
所述计算模块还用于根据所述第一训练数据的前向数据计算结果计算所述训练模型的第一损失函数;
所述计算模块还用于根据所述第一损失函数得到对抗样本数据;
所述采集模块还用于采集第二训练数据,所述第二训练数据至少包括所述对抗样本数据和所述第一训练数据;
所述计算模块还用于将所述第二训练数据输入至所述训练模型,确定所述训练模型的参数以得到目标模型;
意图分类模块,用于根据所述目标模型确定待意图分类的语音数据的意图分类;
其中,所述意图分类模块还用于执行如下操作:
对每一条语音文本进行意图识别,当语音文本与对应的原始意图标签不同时,标记并记入负分类意图数据集或,对每一条所述语音文本进行意图识别,当所述语音文本与对应的原始意图标签相同时,标记并记入正分类意图数据集
其中,所述语音意图识别装置还用于执行如下操作:语音意图识别的训练数据中,按照一定比例在意图数据中添加负分类意图标签数据;其中,语音文本与对应的意图标签不相符为负分类意图标签。
9.一种语音意图识别装置,其特征在于,所述语音意图识别装置包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-7中任一项步骤的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1-7中任一项所述的语音意图识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616990.1A CN113345426B (zh) | 2021-06-02 | 2021-06-02 | 一种语音意图识别方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110616990.1A CN113345426B (zh) | 2021-06-02 | 2021-06-02 | 一种语音意图识别方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113345426A CN113345426A (zh) | 2021-09-03 |
CN113345426B true CN113345426B (zh) | 2023-02-28 |
Family
ID=77472829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110616990.1A Active CN113345426B (zh) | 2021-06-02 | 2021-06-02 | 一种语音意图识别方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113345426B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712609A (zh) * | 2019-01-08 | 2019-05-03 | 华南理工大学 | 一种解决关键词识别样本不均衡的方法 |
CN110457701A (zh) * | 2019-08-08 | 2019-11-15 | 南京邮电大学 | 基于可解释性对抗文本的对抗训练方法 |
CN112860870A (zh) * | 2021-03-16 | 2021-05-28 | 云知声智能科技股份有限公司 | 一种噪音数据的识别方法和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10453444B2 (en) * | 2017-07-27 | 2019-10-22 | Microsoft Technology Licensing, Llc | Intent and slot detection for digital assistants |
-
2021
- 2021-06-02 CN CN202110616990.1A patent/CN113345426B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712609A (zh) * | 2019-01-08 | 2019-05-03 | 华南理工大学 | 一种解决关键词识别样本不均衡的方法 |
CN110457701A (zh) * | 2019-08-08 | 2019-11-15 | 南京邮电大学 | 基于可解释性对抗文本的对抗训练方法 |
CN112860870A (zh) * | 2021-03-16 | 2021-05-28 | 云知声智能科技股份有限公司 | 一种噪音数据的识别方法和设备 |
Non-Patent Citations (1)
Title |
---|
训练语料的不同利用方式对神经机器翻译模型的影响;邝少辉等;《中文信息学报》;20180815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113345426A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113470619B (zh) | 语音识别方法、装置、介质及设备 | |
CN112364860B (zh) | 字符识别模型的训练方法、装置和电子设备 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN112883966B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN112883967B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN117633228A (zh) | 模型训练方法和装置 | |
US20240282027A1 (en) | Method, apparatus, device and storage medium for generating animal figures | |
CN115270717A (zh) | 一种立场检测方法、装置、设备及介质 | |
CN111460214B (zh) | 分类模型训练方法、音频分类方法、装置、介质及设备 | |
CN118071428A (zh) | 用于多模态监测数据的智能处理系统及方法 | |
CN112200183A (zh) | 图像处理的方法、装置、设备和计算机可读介质 | |
CN111949837A (zh) | 信息处理方法、装置、电子设备以及存储介质 | |
CN113345426B (zh) | 一种语音意图识别方法、装置及可读存储介质 | |
WO2023130925A1 (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
CN114625876B (zh) | 作者特征模型的生成方法、作者信息处理方法和装置 | |
CN112685996B (zh) | 文本标点预测方法、装置、可读介质和电子设备 | |
CN113051400B (zh) | 标注数据确定方法、装置、可读介质及电子设备 | |
CN112418233B (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN114429629A (zh) | 图像处理方法、装置、可读存储介质及电子设备 | |
CN116089251A (zh) | 接口测试方法、设备、存储介质及程序产品 | |
CN112669816A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |