电子设备、存储介质及基于神经网络的语义意图识别方法.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CN110276072A(43)申请公布日2019.09.24(21)申请号201910498793.7(22)申请日2019.06.10(71)申请人湖北亿咖通科技有限公司地址430000湖北省武汉市武汉经济技术开发区神龙大道18号太子湖文化数字产业园创谷启动区C101号(72)发明人李林峰黄海荣(74)专利代理机构上海波拓知识产权代理有限公司31264代理人张媛(51)Int.Cl.G06F17/27(2006.01)G06N3/04(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图2页(54)发明名称电子设备、存储介质及基于神经网络的语义意图识别方法(57)摘要本申请提供一种电子设备、存储介质及基于神经网络的语义意图识别方法，神经网络获取表示语义意图的第一位长的输入数据，将所述输入数据的第一位长扩展至目标位长，根据扩展至目标位长的输入数据进行神经网络计算识别处理，以得到用于表示语义意图的输出数据，将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据。本申请能够能够对输入、处理计算的数据进行位长的智能性调整，避免占据大量的内理和存储的空间，可以采用存储空间相对较小的计算机或处理芯片，而不再需要花费昂贵的费用购买大存储空间的计算机或处理芯片，从而有效地降低/控制成本。CN110276072ACN110276072A权利要求书1/2页1.一种基于神经网络的语义意图识别方法，其特征在于，所述基于神经网络的语义意图识别方法包括：神经网络获取表示语义意图的第一位长的输入数据；将所述输入数据的第一位长扩展至目标位长；根据扩展至目标位长的输入数据进行神经网络计算识别处理，以得到用于表示语义意图的输出数据；将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据。2.根据权利要求1所述的基于神经网络的语义意图识别方法，其特征在于，所述根据扩展至目标位长的输入数据进行神经网络计算识别处理，以得到用于表示语义意图的输出数据的步骤，具体包括：所述神经网络采用大于或等于所述目标位长的权重系数和偏置系数对所述目标位长的输入数据进行神经网络计算识别处理，以得到大于或等于所述目标位长的表示语义意图的输出数据。3.根据权利要求1所述的基于神经网络的语义意图识别方法，其特征在于，所述将所述输入数据的第一位长扩展至目标位长的步骤，具体包括：采用乘以固定数值的方式将所述输入数据的第一位长扩展至目标位长，其中，所述固定数值为所述神经网络根据预先配置所提供。4.根据权利要求1所述的基于神经网络的语义意图识别方法，其特征在于，所述将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据的步骤，具体包括：采用除以固定数值的方式将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据，其中，所述固定数值为所述神经网络根据预先配置所提供。5.根据权利要求1-4任一项所述的基于神经网络的语义意图识别方法，其特征在于，所述第一位长和所述第二位长相等，且所述目标位长为所述第一位长的整数倍。6.根据权利要求4所述的基于神经网络的语义意图识别方法，其特征在于，所述采用除以固定数值的方式将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据的步骤之前，还包括：对所述输出数据进行舍入误差补偿。7.根据权利要求6所述的基于神经网络的语义意图识别方法，其特征在于：所述对所述输出数据进行舍入误差补偿，包括：将所述输出数据加上2N-1，其中，N为所述输出数据将要缩小至所述第二位长所缩小的总位数；所述采用除以固定数值的方式将所述输出数据的位长缩小至第二位长后，输出最终的识别结果数据，对应包括：将已加上2N-1的所述输出数据除以所述固定数值以将位长缩小至第二位长。8.根据权利要求2所述的基于神经网络的语义意图识别方法，其特征在于，所述根据扩展至目标位长的输入数据进行神经网络计算识别处理的步骤中，所述神经网络的卷积层采用的卷积核的字长为3字节、4字节和5个字节，卷积核的维数为128维，使其与自然语言的特征相适配。9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征2CN110276072A权利要求书2/2页在于，所述计算机程序被处理器运行时执行上述权利要求1至8任一项所述的基于神经网络的语义意图识别方法的步骤。10.一种电子设备，其特征在于，包括处理器和存储器；所述存储器上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至8任一项所述的基于神经网络的语义意图识别方法。3CN110276072A说明书1/6页电子设备、存储介质及基于神经网络的语义意图识别方法技术领域[0001]本申请涉及神经网络计算技术领域，具体涉及一种电子设备、