本發明涉及一種基于NLP的訓練模式與識別模式動態切換的方法，包括以下步驟：S1：NLP請求通過NLP網關時，根據請求類型進行路由；S2：判斷請求類型，若為語義識別請求，則進入識別模式，選擇空閑中或識別中的NLP服務，輸出語義識別結果并返回識別結果，若無空閑中或識別中的NLP服務，則繼續嘗試選擇NLP服務直至請求超時；S3：判斷請求類型，若為語料發布類型的請求，則進入訓練模型，將語料加入發布隊列，直接返回結果。本發明能夠顯示NLP服務當前提供的是識別模式還是訓練模式，根據當前NLP服務的狀態切換流量，解決了識別請求誤入訓練模式的NLP服務，導致語義識別不準的問題。

技術領域

本發明涉及數據處理領域，特別涉及一種基于NLP的訓練模式與識別模式動態切換的方法。

背景技術

NLP是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數學于一體的學科。NLP由兩個主要的技術領域構成：自然語言理解和自然語言生成。

自然語言理解方向，主要目標是幫助機器更好理解人的語言，包括基礎的詞法、句法等語義理解，以及需求、篇章、情感層面的高層理解。

自然語言生成方向，主要目標是幫助機器生成人能夠理解的語言，比如文本生成、自動文摘等。

NLP技術基于大數據、知識圖譜、機器學習、語言學等技術和資源，并可以形成機器翻譯、深度問答、對話系統的具體應用系統，進而服務于各類實際業務和產品

目前大部分的意圖和語義識別都采用了NLP服務集群，而NLP服務正在訓練模式過程中,會占用大量的cpu資源，導致沒有空閑的資源來處理語義識別的請求，但是如果沒有關閉語義識別請求的入口，此時如果有識別請求進入，會造成無法處理語義識別結果，導致識別率大幅度下降；

當NLP服務正在處理識別請求時，如果有語料發布到nlp服務，會直接打斷了正在處理語義識別的請求,去觸發nlp服務進行模型訓練，沒有等識別請求處理結束后再去訓練，導致識別率下降

當前出現問題時，因為NLP服務沒有優雅切換模式，干擾總體的識別率，導致識別率不穩定，忽高忽低，同時也造成NLP服務訓練得到的模型識別不準的假象。

發明內容

為了解決上述問題，本發明提供一種基于NLP的訓練模式與識別模式動態切換的方法，能夠顯示NLP服務當前提供的是識別模式還是訓練模式，根據當前NLP服務的狀態切換流量，解決了識別請求誤入訓練模式的NLP服務，導致語義識別不準的問題。

本發明的技術方案如下所示：

一種基于NLP的訓練模式與識別模式動態切換的方法，包括以下步驟：

S1：NLP請求通過NLP網關時，根據請求類型進行路由；

S2：判斷請求類型，若為語義識別請求，則進入識別模式，選擇空閑中或識別中的NLP服務，輸出語義識別結果并返回識別結果，若無空閑中或識別中的NLP服務，則繼續嘗試選擇NLP服務直至請求超時；

S3：判斷請求類型，若為語料發布類型的請求，則進入訓練模型，將語料加入發布隊列，直接返回結果。

優選的，所述NLP服務包括4種狀態，具體為：空閑中，表示可以接受任何類型的請求；同步中，表示服務正在進行數據同步中，此時服務處于鎖住狀態，不接受任何新的請求；訓練中，表示服務正在進行語料訓練，此時服務處于鎖住狀態，不接受任何新的請求；識別中，表示服務正在提供語義識別的功能，可以接受語義識別類型的請求。