本申請提供一種語料識別方法及裝置、電子設備、存儲介質，該方法包括：獲取待識別語料；提取待識別語料的語料特征向量；語料特征向量包括：第一詞嵌入特征向量、第一句子嵌入特征向量以及第一詞頻特征向量；針對每個業務問題，根據業務問題對應的問題特征向量，計算語料特征向量與問題特征向量之間的特征相似度；問題特征向量包括第二詞嵌入特征向量、第二句子嵌入特征向量以及第二詞頻特征向量；選取與語料特征向量之間的特征相似度最高的業務問題作為待識別語料的識別結果。該方案可以減少人力成本，節省計算資源。

技術領域

本申請涉及人工智能技術領域，特別涉及一種語料識別方法及裝置、電子設備、計算機可讀存儲介質。

背景技術

隨著互聯網及電子商務的普及應用，智能客服也越來越多。智能客服是在大規模知識處理基礎上發展起來的一項面向行業的應用，適用于大規模知識處理、自然語言理解、知識管理、自動問答系統、推理等等技術行業，智能客服不僅為企業提供了細粒度知識管理技術，還為企業與海量用戶之間的溝通建立了一種基于自然語言的快捷有效的技術手段；同時還能夠為企業提供精細化管理所需的統計分析信息。

目前大部分智能客服都是基于大數據知識處理技術的應用，即提前將智能客服需要的數據存儲于知識庫中，在智能客服工作時，隨時去讀取知識庫中存儲的知識。數據即是由大量的“問答對”組成的，問題和對應答案匹配成一組，這些“問答對”來自平時訪客和人工客服的交流溝通，或者其它對話場合，然后經人工梳理形成可供智能客服使用的知識庫。

要實現智能客服，通常會需要準備大量訓練語料，讓機器學習模型學會自然語言與業務問題之間的關系，從而確定自然語言匹配的業務問題。但是準備大量訓練語料，需耗費大量人力的工作。

發明內容

本申請實施例提供了一種語料識別方法，用以減少人力成本。

本申請實施例提供了一種語料識別方法，所述方法包括：

獲取待識別語料；

提取所述待識別語料的語料特征向量；所述語料特征向量包括：第一詞嵌入特征向量、第一句子嵌入特征向量以及第一詞頻特征向量；

針對每個業務問題，根據所述業務問題對應的問題特征向量，計算所述語料特征向量與所述問題特征向量之間的特征相似度；所述問題特征向量包括第二詞嵌入特征向量、第二句子嵌入特征向量以及第二詞頻特征向量；

選取與所述語料特征向量之間的特征相似度最高的業務問題作為所述待識別語料的識別結果。

在一實施例中，所述針對每個業務問題，根據所述業務問題對應的問題特征向量，計算所述語料特征向量與所述問題特征向量之間的特征相似度，包括：

針對每個業務問題，提取所述業務問題對應的第二詞嵌入特征向量、第二句子嵌入特征向量以及第二詞頻特征向量；

計算所述第一詞嵌入特征向量與第二詞嵌入特征向量之間的第一相似度、所述第一句子嵌入特征向量與第二句子嵌入特征向量之間的第二相似度、所述第一詞頻特征向量與第二詞頻特征向量之間的第三相似度；

計算所述第一相似度、所述第二相似度與所述第三相似度之和，得到所述待識別語料的語料特征向量與所述業務問題的問題特征向量之間的特征相似度。

在一實施例中，所述提取所述待識別語料的語料特征向量，包括：

對所述待識別語料進行分詞，得到多個詞匯；

將每個所述詞匯分別作為已訓練的詞嵌入模型的輸入，獲得每個所述詞匯對應的詞嵌入特征；

計算所有詞匯對應的詞嵌入特征的平均值，得到所述第一詞嵌入特征。

在一實施例中，所述將每個所述詞匯分別作為已訓練的詞嵌入模型的輸入，獲得每個所述詞匯對應的詞嵌入特征之后，所述方法還包括：