检测模型训练方法、语音对话检测方法及相关设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114155859A(43)申请公布日2022.03.08(21)申请号202010829628.8G10L25/51(2013.01)(22)申请日2020.08.18G10L25/30(2013.01)H04M3/51(2006.01)(71)申请人马上消费金融股份有限公司地址404100重庆市渝北区黄山大道中段52号渝兴广场B2栋4至8楼(72)发明人杜冰竹冯月赵立军蒋宁王洪斌吴海英(74)专利代理机构北京银龙知识产权代理有限公司11243代理人许静黄灿(51)Int.Cl.G10L15/26(2006.01)G10L15/06(2013.01)G10L15/16(2006.01)G10L15/18(2013.01)权利要求书2页说明书12页附图3页(54)发明名称检测模型训练方法、语音对话检测方法及相关设备(57)摘要本发明提供一种检测模型训练方法、语音对话检测方法及相关设备，该方法包括：构建待训练对话文本检测模型，所述待训练对话文本检测模型包括输入网络层、共享网络层和N个独占网络层，每一所述独占网络层与一个检测任务对应，N为正整数；利用目标文本以及N个检测任务对应的字段信息对所述待训练对话文本检测模型进行训练得到所述对话文本检测模型，所述N个检测任务各不相同。本发明实施例降低了语音检测的成本。CN114155859ACN114155859A权利要求书1/2页1.一种对话文本检测模型训练方法，其特征在于，所述方法包括：构建待训练对话文本检测模型，所述待训练对话文本检测模型包括输入网络层、共享网络层和N个独占网络层，每一所述独占网络层与一个检测任务对应，N为正整数；利用目标文本以及N个检测任务对应的字段信息对所述待训练对话文本检测模型进行训练得到所述对话文本检测模型，所述N个检测任务各不相同；其中，所述输入网络层的输入为所述目标文本以及N个检测任务对应的字段信息；所述共享网络层的输入为所述输入网络层输出的第一输出结果，所述独占网络层的输入为所述共享网络层的输出结果以及所述输入网络层输出的第二输出结果，每一所述独占网络层的输出结果为与所述独占网络层对应的检测任务的检测结果，所述第二输出结果为所述输入网络层基于所述检测任务输出的结果。2.根据权利要求1所述的方法，其特征在于，所述利用目标文本以及N个检测任务对应的字段信息对所述待训练对话文本检测模型进行训练得到所述对话文本检测模型包括：将所述目标文本以及N个检测任务对应的字段信息输入所述输入网络层，所述输入网络层输出所述目标文本对应的文本向量、位置向量得到所述第一输出结果，并输出所述N个检测任务对应的字段特征得到所述第二输出结果，其中，所述文本向量用于表示所述目标文本中每一个分词对应的嵌入向量，所述位置向量用于表示所述目标文本中每一个分词在所述目标文本中的位置信息；所述共享网络层对输入的所述文本向量以及位置向量进行相加后的信息进行编码，获得目标文本对应的编码信息；每一所述独占网络层利用对应的注意力机制对所述编码信息进行池化，得到每一所述独占网络层对应的检测任务的语义信息；每一所述独占网络层将对应的语义信息和对应的所述字段特征进行拼接后，输入到全连接神经网络进行分类，得到所述检测任务对应的检测结果。3.根据权利要求2所述的方法，其特征在于，所述输入网络层包括预训练的语言模型，所述输入网络层输出所述目标文本对应的文本向量包括：基于预设的分词表对所述目标文本进行分词处理，得到目标词汇表；根据预设的映射表对所述目标词汇表进行转换，获得基于索引表示的文本索引集，所述映射表包括词表中各分词与索引的对应关系；将所述文本索引集输入至所述预训练的语言模型，得到所述文本向量。4.根据权利要求3所述的方法，其特征在于，所述输入网络层输出所述目标文本对应的位置向量包括：在基于预设的分词表对所述目标文本进行分词处理，得到目标词汇表之后，根据正余弦函数计算所述目标文本中各分词的位置向量。5.根据权利要求2所述的方法，其特征在于，每一所述独占网络层包括Attenion层，每一所述独占网络层对应的注意力机制对所述编码信息进行池化，得到每一所述独占网络层对应的检测任务的语义信息的步骤，包括：接收所述编码信息；利用所述Attenion层的所述注意力机制，确定各时间步的权重信息，其中，不同的所述检测任务对应的各时间步的权重信息不同，每一时间步对应一个所述分词的权重；2CN114155859A权利要求书2/2页基于所述权重信息，对所述目标文本进行加权求和，得到每一所述独占网络层对应的检测任务对应的语义信息。6.一种语音对话检测方法，其特征在于，包括：将待检测的语音对话转换为目标对话文本；将所述目标对话文本以及M个检测任务对应的字段信息输入