本發明(ming)涉及(ji)人(ren)工智能(neng)領域(yu)，具(ju)體而(er)言，涉及(ji)一種語音意(yi)圖識別(bie)模型(xing)的決(jue)策邊界增強(qiang)方(fang)法及(ji)裝置。

背景技術：

1、在(zai)語(yu)音(yin)識別(bie)(bie)和自然語(yu)言處理領域，語(yu)音(yin)意圖(tu)(tu)識別(bie)(bie)模(mo)型(xing)廣(guang)泛應(ying)用于(yu)智能語(yu)音(yin)助手、自動客服(fu)、語(yu)音(yin)搜索等場景。然而(er)，現有的(de)語(yu)音(yin)意圖(tu)(tu)識別(bie)(bie)模(mo)型(xing)在(zai)面對復雜、多變的(de)實際應(ying)用環境時，決(jue)策邊界不夠清(qing)晰，容易導致意圖(tu)(tu)識別(bie)(bie)錯誤，從而(er)影響(xiang)用戶體驗和系(xi)統(tong)的(de)可靠性。

2、語音意圖識別(bie)(bie)模(mo)型(xing)的(de)性能(neng)在(zai)很大(da)(da)程(cheng)度上依賴于模(mo)型(xing)的(de)決(jue)策邊界(jie)，即模(mo)型(xing)在(zai)不同意圖類別(bie)(bie)之(zhi)間(jian)區分能(neng)力的(de)明(ming)確程(cheng)度。當前，常規的(de)訓(xun)練(lian)(lian)方法通(tong)常側重于最(zui)大(da)(da)化模(mo)型(xing)對訓(xun)練(lian)(lian)數據(ju)的(de)擬合能(neng)力，而忽略了模(mo)型(xing)對不同類別(bie)(bie)間(jian)差異的(de)敏感性，這導致(zhi)在(zai)訓(xun)練(lian)(lian)數據(ju)和真實應用數據(ju)存在(zai)差異時，模(mo)型(xing)的(de)識別(bie)(bie)性能(neng)下降(jiang)。

3、針對上述的問(wen)題(ti)，目前尚未提(ti)出有(you)效的解決方案。

技術實現思路

1、本發明實(shi)施例提(ti)供(gong)了一種(zhong)語(yu)音意圖(tu)識(shi)別模(mo)型的(de)決策(ce)邊(bian)界(jie)增強方法及裝置，以至少解(jie)決語(yu)音意圖(tu)識(shi)別模(mo)型的(de)邊(bian)策(ce)邊(bian)界(jie)不清晰的(de)技術問題(ti)。

2、根據本發明實施例的(de)(de)(de)(de)(de)一個方面，提供了一種語音意(yi)(yi)圖識(shi)別(bie)模(mo)型的(de)(de)(de)(de)(de)決策邊界增強方法，包(bao)括(kuo)：計算(suan)用(yong)于(yu)訓練(lian)語音意(yi)(yi)圖識(shi)別(bie)模(mo)型的(de)(de)(de)(de)(de)訓練(lian)數(shu)據中(zhong)的(de)(de)(de)(de)(de)語音識(shi)別(bie)文本和人(ren)工識(shi)別(bie)文本之間的(de)(de)(de)(de)(de)主成分差(cha)(cha)(cha)異，并基(ji)于(yu)所(suo)(suo)述(shu)(shu)(shu)主成分差(cha)(cha)(cha)異確(que)定(ding)(ding)差(cha)(cha)(cha)異度(du)權重系數(shu)；基(ji)于(yu)所(suo)(suo)述(shu)(shu)(shu)差(cha)(cha)(cha)異度(du)權重系數(shu)來調整所(suo)(suo)述(shu)(shu)(shu)語音意(yi)(yi)圖識(shi)別(bie)模(mo)型的(de)(de)(de)(de)(de)損失函數(shu)，以增強所(suo)(suo)述(shu)(shu)(shu)語音意(yi)(yi)圖識(shi)別(bie)模(mo)型的(de)(de)(de)(de)(de)決策邊界；其中(zhong)，基(ji)于(yu)所(suo)(suo)述(shu)(shu)(shu)主成分差(cha)(cha)(cha)異確(que)定(ding)(ding)差(cha)(cha)(cha)異度(du)權重系數(shu)包(bao)括(kuo)：確(que)定(ding)(ding)超參數(shu)，其中(zhong)，所(suo)(suo)述(shu)(shu)(shu)超參數(shu)用(yong)于(yu)控(kong)制所(suo)(suo)述(shu)(shu)(shu)主成分差(cha)(cha)(cha)異對(dui)所(suo)(suo)述(shu)(shu)(shu)損失函數(shu)的(de)(de)(de)(de)(de)權重的(de)(de)(de)(de)(de)影響程度(du)；基(ji)于(yu)所(suo)(suo)述(shu)(shu)(shu)超參數(shu)和所(suo)(suo)述(shu)(shu)(shu)主成分差(cha)(cha)(cha)異，來確(que)定(ding)(ding)所(suo)(suo)述(shu)(shu)(shu)差(cha)(cha)(cha)異度(du)權重系數(shu)。

3、根(gen)據本發明實施例的(de)另一方面，還提供了一種語(yu)(yu)音(yin)意(yi)圖(tu)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)(mo)型的(de)決策邊(bian)界(jie)增強(qiang)裝置，包括(kuo)：計算模(mo)(mo)塊(kuai)，被(bei)配置為計算用于(yu)(yu)訓練(lian)語(yu)(yu)音(yin)意(yi)圖(tu)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)(mo)型的(de)訓練(lian)數(shu)據中的(de)語(yu)(yu)音(yin)識(shi)(shi)(shi)別(bie)(bie)(bie)文本和(he)人工識(shi)(shi)(shi)別(bie)(bie)(bie)文本之(zhi)間的(de)主(zhu)(zhu)成分(fen)(fen)差異(yi)(yi)，并基(ji)于(yu)(yu)所(suo)(suo)述(shu)(shu)(shu)主(zhu)(zhu)成分(fen)(fen)差異(yi)(yi)確(que)定(ding)差異(yi)(yi)度(du)權(quan)重(zhong)系(xi)數(shu)；增強(qiang)模(mo)(mo)塊(kuai)，被(bei)配置為基(ji)于(yu)(yu)所(suo)(suo)述(shu)(shu)(shu)差異(yi)(yi)度(du)權(quan)重(zhong)系(xi)數(shu)來調整所(suo)(suo)述(shu)(shu)(shu)語(yu)(yu)音(yin)意(yi)圖(tu)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)(mo)型的(de)損失函(han)數(shu)，以增強(qiang)所(suo)(suo)述(shu)(shu)(shu)語(yu)(yu)音(yin)意(yi)圖(tu)識(shi)(shi)(shi)別(bie)(bie)(bie)模(mo)(mo)型的(de)決策邊(bian)界(jie)；其中，基(ji)于(yu)(yu)所(suo)(suo)述(shu)(shu)(shu)主(zhu)(zhu)成分(fen)(fen)差異(yi)(yi)確(que)定(ding)差異(yi)(yi)度(du)權(quan)重(zhong)系(xi)數(shu)包括(kuo)：確(que)定(ding)超(chao)參(can)數(shu)，其中，所(suo)(suo)述(shu)(shu)(shu)超(chao)參(can)數(shu)用于(yu)(yu)控制所(suo)(suo)述(shu)(shu)(shu)主(zhu)(zhu)成分(fen)(fen)差異(yi)(yi)對所(suo)(suo)述(shu)(shu)(shu)損失函(han)數(shu)的(de)權(quan)重(zhong)的(de)影響程(cheng)度(du)；基(ji)于(yu)(yu)所(suo)(suo)述(shu)(shu)(shu)超(chao)參(can)數(shu)和(he)所(suo)(suo)述(shu)(shu)(shu)主(zhu)(zhu)成分(fen)(fen)差異(yi)(yi)，來確(que)定(ding)所(suo)(suo)述(shu)(shu)(shu)差異(yi)(yi)度(du)權(quan)重(zhong)系(xi)數(shu)。

4、在(zai)本(ben)發(fa)明(ming)實施例(li)中，計算(suan)用于訓(xun)練語(yu)(yu)音意(yi)(yi)圖識(shi)別模(mo)型的(de)(de)訓(xun)練數據中的(de)(de)語(yu)(yu)音識(shi)別文(wen)本(ben)和人工識(shi)別文(wen)本(ben)之間的(de)(de)主(zhu)(zhu)成分差異，并基于所述(shu)主(zhu)(zhu)成分差異確定差異度權重系數；基于所述(shu)差異度權重系數來調整所述(shu)語(yu)(yu)音意(yi)(yi)圖識(shi)別模(mo)型的(de)(de)損(sun)失函(han)數，以增強所述(shu)語(yu)(yu)音意(yi)(yi)圖識(shi)別模(mo)型的(de)(de)決(jue)策邊界(jie)，從而(er)解(jie)決(jue)了語(yu)(yu)音意(yi)(yi)圖識(shi)別模(mo)型的(de)(de)邊策邊界(jie)不清晰(xi)技術問(wen)題(ti)。

技術特征：

1.一種語音意圖識別模型的決(jue)策邊界增強方法，其特(te)征在于，包括：

2.根據(ju)權利要求1所述的方法，其特(te)征在于(yu)，確定超(chao)參數包括：

3.根(gen)據權利要求2所(suo)述(shu)(shu)的方法，其特征在于(yu)，確定所(suo)述(shu)(shu)超參數采樣點與(yu)所(suo)述(shu)(shu)語音意圖識別模(mo)型之間關系的概(gai)率近似(si)，包括：

4.根據權利要求3所述(shu)的方(fang)法，其特(te)征在于(yu)，基于(yu)所述(shu)概率近似在所述(shu)超參數(shu)空間(jian)中選擇下一(yi)組采樣(yang)點作為所述(shu)超參數(shu)采樣(yang)點，包括(kuo)：

5.根據(ju)權利要求1所(suo)(suo)述的方法，其特征在(zai)于，基(ji)于所(suo)(suo)述差異度權重(zhong)系數(shu)來調整所(suo)(suo)述語音意圖識別(bie)模型的損失(shi)函(han)數(shu)，包括(kuo)：

6.根(gen)據(ju)權利要求(qiu)1所述的方(fang)法，其特(te)征(zheng)在于，計算用于訓練語(yu)音意(yi)圖識(shi)別模型的訓練數(shu)據(ju)中(zhong)的語(yu)音識(shi)別文本和人工識(shi)別文本之(zhi)間的主(zhu)成分差異，包括：

7.一(yi)種語音(yin)意(yi)圖識(shi)別模(mo)型的決策(ce)邊界增強裝(zhuang)置，其(qi)特征在于，包(bao)括：

8.一種計算機(ji)可(ke)讀(du)存儲(chu)介(jie)質(zhi)，其(qi)特征在于，所述計算機(ji)可(ke)讀(du)存儲(chu)介(jie)質(zhi)包(bao)括(kuo)存儲(chu)的程(cheng)序，其(qi)中，在所述程(cheng)序運行(xing)時控(kong)制所述計算機(ji)可(ke)讀(du)存儲(chu)介(jie)質(zhi)所在設備執行(xing)權利(li)要求1至6中任意一項所述的方法。

9.一種計算機設(she)備(bei)，其特(te)征在于(yu)，包括：存(cun)儲(chu)器(qi)和處理器(qi)，

10.一(yi)種計(ji)(ji)算機(ji)(ji)程序產品，包(bao)括(kuo)計(ji)(ji)算機(ji)(ji)程序，其特征在于(yu)，該計(ji)(ji)算機(ji)(ji)程序被(bei)處(chu)理(li)器執(zhi)行(xing)時(shi)實現權利要求1至6中任一(yi)項所述的(de)方法的(de)步驟。

技術總結
本發明公開了一種語音意圖識別模型的決策邊界增強方法及裝置。其中，該方法包括：計算用于訓練語音意圖識別模型的訓練數據中的語音識別文本和人工識別文本之間的主成分差異，并基于所述主成分差異確定差異度權重系數；基于所述差異度權重系數來調整所述語音意圖識別模型的損失函數，以增強所述語音意圖識別模型的決策邊界；其中，基于所述主成分差異確定差異度權重系數包括：確定超參數，其中，所述超參數用于控制所述主成分差異對所述損失函數的權重的影響程度；基于所述超參數和所述主成分差異，來確定所述差異度權重系數。本發明解決了語音意圖識別模型的邊策邊界不清晰的技術問題。

技術研發人員：蔣正浩
受保護的技術使用者：世優（北京）科技股份有限公司
技術研發日：
技術公布日：2024/9/29