(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211012254.6 (22)申请日 2022.08.23 (71)申请人 北京合力亿 捷科技股份有限公司 地址 100089 北京市海淀区中关村南大街 甲12号寰太大厦18层 (72)发明人 肖齐梁　曲道俊　 (74)专利代理 机构 北京维正专利代理有限公司 11508 专利代理师 李继乾 (51)Int.Cl. G06F 40/35(2020.01) G06F 40/279(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06F 16/35(2019.01) (54)发明名称 对话标注模 型的训练方法、 对话标注方法及 装置 (57)摘要 本发明提供了一种对话标注模型的训练方 法、 对话标注方法及装置， 应用于人工智能领域， 所述训练方法将训练样本输入对话标注模型中， 得到所述对话标注模型的多个子模型的精度和 标签概率， 再 获取所述训练样 本中对话数据的特 征向量， 根据所述特征向量、 所述精度和所述标 签概率训练所述对话标注模型， 其中， 所述标签 概率为所述子模型用于标注所述训练样本的标 签的概率。 本发 明训练得到的对话标注模型包括 多个基于NLP （自然语言处理） 的子模型， 标注时 可以根据待标注对话数据的特征向量选取使用 所述对话标注模 型中的子模型， 通过调整子模型 的使用可以提高对话标注的准确率。 权利要求书1页 说明书7页 附图4页 CN 115310456 A 2022.11.08 CN 115310456 A 1.一种对话标注模型的训练方法， 其特 征在于， 包括： 将训练样本输入对话标注模型中， 得到所述对话标注模型的多个子模型的精度和标签 概率， 所述标签概 率为所述子模型用于标注所述训练样本的标签的概 率； 获取所述训练样本中对话数据的特 征向量； 根据所述特 征向量、 所述精度和所述标签概 率训练所述对话标注模型。 2.根据权利要求1所述的训练方法， 其特征在于， 还包括设置标签， 所述标签包括如下 一项或多 项： 实体标签、 文本含义标签、 或上 下文联系标签。 3.一种对话标注方法， 其特 征在于， 包括： 获取待标注对话数据的特 征向量； 根据所述特 征向量选取对话标注模型的子模型； 使用所述子模型 标注所述待标注对话数据。 4.根据权利要求3所述的对话标注方法， 其特征在于， 所述使用所述子模型标注所述待 标注对话数据， 包括： 根据所述子模型的权 重和输出概 率标注所述待标注对话数据。 5.根据权利要求3所述的对话标注方法， 其特 征在于， 还 包括： 使用规则模型对所述待标注对话数据进行标注， 所述规则模型用于根据规则表达 式匹 配或过滤所述待标注对话数据中的信息， 所述规则表达式包括如下一项或多项： 模糊匹配、 正则匹配、 相似匹配、 或关键词匹配。 6.根据权利要求5所述的对话标注方法， 其特 征在于， 还 包括： 调整所述对话标注模型和所述 规则模型的权 重。 7.一种对话标注模型的训练装置， 其特 征在于， 包括： 输入模块， 用于将训练样本输入对话标注模型中， 得到所述对话标注模型的多个子模 型的精度和标签概 率， 所述标签概 率为所述子模型用于标注所述训练样本的标签的概 率； 获取模块， 用于获取 所述训练样本中对话数据的特 征向量； 训练模块， 根据所述特 征向量、 所述精度和所述标签概 率训练所述对话标注模型。 8.一种对话标注装置， 其特 征在于， 包括： 获取模块， 获取待标注对话数据的特 征向量； 选取模块， 根据所述特 征向量选取对话标注模型的子模型； 标注模块， 使用所述子模型 标注所述待标注对话数据。 9.一种电子设备， 包括存储器和处理器， 所述存储器上存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现如权利要求1至 6任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1至 6任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115310456 A 2对话标注 模型的训练方 法、 对话标注方 法及装置 技术领域 [0001]本发明涉及人工智能领域， 尤其涉及一种对话标注模型的训练方法、 对话标注方 法及装置 。 背景技术 [0002]伴随着人工智能的浪潮， 问答系统、 智能助手、 聊天机器人等成为了研究的热门， 人们希望机器能够像人一样思考， 与人类对话， 这就要求机器要能够理解、 处理人的对话内 容， 因此对话分析就显得 尤为重要。 [0003]目前， 对话分析大多是对书面语言进行分析， 现有的对话标注系统大多是对有规 范格式的书面语言进行标注， 而口语对话中存在很多的名词的省略和指代不清楚的情况； 在对口语对话分析时还需要考虑上下文的关系和对话之 间的应答关系等， 因此使用传统的 对话标注系统对口语对话进行 标注的效果很 差。 发明内容 [0004]本发明提供了一种对话标注模型的训练方法、 对话标注方法、 装置、 电子设备及存 储介质； 本发明训练得到的对话标注模 型包括多个基于NLP(自然语 言处理)的子模型， 标注 时可以根据待标注对话数据的特征向量确定子模型的使用， 通过调整子模 型的使用可以提 高对话标注的准确率。 [0005]第一方面， 本发明的实施例提供了一种对话标注模型的训练方法， 包括： [0006]将训练样本输入对话标注模型中， 得到对话标注模型的多个子模型的精度和标签 概率， 所述标签概 率为子模型用于标注训练样本的标签的概 率； [0007]获取训练样本中对话数据的特 征向量； [0008]根据特征向量、 精度和标签概 率训练对话标注模型。 [0009]可选地， 训练方法还包括设置标签， 标签包括如下一项或多项： 实体标签、 文本含 义标签、 或上 下文联系标签。 [0010]第二方面， 本发明的实施例提供了一种对话标注方法， 包括： [0011]获取待标注对话数据的特 征向量； [0012]根据特征向量选取对话标注模型的子模型； [0013]使用子模型 标注待标注对话数据。 [0014]可选地， 使用子模型 标注待标注对话数据， 包括： [0015]根据子模型的权 重和输出概 率标注待标注对话数据。 [0016]可选地， 对话标注方法还 包括： [0017]使用规则模型对待标注对话数据进行标注， 规则模型根据规则表达式匹配或过滤 待标注对话数据中的信息， 规则表达式包括如下一项或多项： 模糊匹配、 正则匹配、 相似匹 配、 或关键词匹配。 [0018]可选地， 对话标注方法还 包括：说　明　书 1/7 页 3 CN 115310456 A 3