训练语言模型的方法和标签设置方法

文档序号:8276 发布日期:2021-09-17 浏览:59次 英文

训练语言模型的方法和标签设置方法

技术领域

本公开涉及图像处理技术、计算机视觉、深度学习等人工智能领域,尤其涉及增强现实AR

技术领域

背景技术

标签是与内容相关性较强的关键字,它可以帮助人类或计算机对内容进行描述和分类,以便于检索。

发明内容

本公开提供了一种训练语言模型的方法、标签设置方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面,提供了一种训练语言模型的方法,包括:获取至少一个标准词和与所述至少一个标准词具有相同含义的口语词,作为样本词;以及利用所述样本词和包含所述样本词的语句来训练语言模型。

根据本公开的另一方面,提供了一种标签设置方法,包括:利用语言模型识别通话记录文件,得到目标文本;确定所述目标文本中的至少一个目标词;将所述至少一个目标词转换为至少一个标准词;以及响应于用户针对所述至少一个标准词中目标标准词的选择操作,根据所述目标标准词,为所述通话记录文件设置标签;其中,所述语言模型是根据本公开实施例所述的方法训练的。

根据本公开的另一方面,提供了一种训练语言模型的装置,包括:获取模块,用于获取至少一个标准词和与所述至少一个标准词具有相同含义的口语词,作为样本词;以及训练模块,用于利用所述样本词和包含所述样本词的语句来训练语言模型。

根据本公开的另一方面,提供了一种标签设置装置,包括:识别模块,用于利用语言模型识别通话记录文件,得到目标文本;确定模块,用于确定所述目标文本中的至少一个目标词;转换模块,用于将所述至少一个目标词转换为至少一个标准词;以及设置模块,用于响应于用户针对所述至少一个标准词中目标标准词的选择操作,根据所述目标标准词,为所述通话记录文件设置标签;其中,所述语言模型是根据本公开实施例所述的方法训练的。

本公开的另一个方面提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开实施例所示的方法。

根据本公开实施例的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开实施例所示的方法。

根据本公开实施例的另一方面,提供了一种计算机程序产品,计算机程序,所述计算机程序在被处理器执行时实现本公开实施例所示的方法。

应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案,不构成对本公开的限定。其中:

图1是根据本公开实施例的训练语言模型的方法、标签设置方法和装置的应用场景示意图;

图2示意性示出了根据本公开的实施例的训练语言模型的方法的流程图;

图3示意性示出了根据本公开的实施例的标签设置方法的流程图;

图4示意性示出了根据本公开另一实施例的标签设置方法的流程图;

图5示意性示出了根据本公开另一实施例的标签设置方法的流程图;

图6示意性示出了根据本公开实施例的训练语言模型的装置的框图;

图7示意性示出了根据本公开实施例的标签设置装置的框图;以及

图8示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。

以下将结合图1对本公开提供的训练语言模型的方法、标签设置方法和装置应用场景进行描述。

图1是根据本公开实施例的训练语言模型的方法、标签设置方法和装置的应用场景示意图。

如图1所示,该应用场景100包括寻求协助方110和提供协助方120。以工业场景为例,寻求协助方110可以为工人,提供协助方120可以为技术专家。

当寻求协助方110在作业现场遇到无法解决的问题时,可以通过AR(AugmentedReality,增强现实)远程协助工具等程序产品与提供协助方120建立音视频通话,以音视频通话的形式与不在作业现场的提供协助方120进行交流。其中,AR远程协助工具是以AR、RTC(Real-Time Communication,实时通信)技术为核心的,可以应用于售后服务场景的工具类程序产品。在音视频通话的过程中,提供协助方120可以通过AR(Augmented Reality,增强现实)远程协助工具提供的AR标注功能,为寻求协助方110提供辅助信息,协助寻求协助方110解决问题。

在本实施例中,可以对音视频通话的内容进行录制,获得用于记录通话过程的通话记录文件130。由于通话记录文件130包含了问题描述、如何解决问题等信息,因此该通话记录文件130具有作为案例的价值。基于此,可以将该通话记录文件130存储至后台的知识库中140。在存储通话记录文件130的过程中,为了便于索引,需要对该通话记录文件130设置标签。

示例性地,本实施例中,知识库140可以设置在后台的服务器中,该服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(Virtual Private Server,或简称VPS)中,存在的管理难度大,业务扩展性弱的缺陷。该服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。

以下将结合图2,对训练语言模型的方法进行详细描述。

需要说明的是,本实施例中的语言模型并不是针对某一特定用户的语言模型,并不能反映出某一特定用户的个人信息。

图2示意性示出了根据本公开的实施例的训练语言模型的方法的流程图。

如图2所示,该训练语言模型的方法200可以包括操作S210~操作S220。

在操作S210,获取至少一个标准词和与至少一个标准词具有相同含义的口语词,作为样本词。

在操作S220,利用样本词和包含样本词的语句来训练语言模型。

根据本公开的实施例,语言模型可以用于识别音视频文件中包含的语义信息。示例性地,本实施例中,可以将包含样本词的语句输入语言模型,得到该语句对应的语义信息,然后根据该语义信息中是否包含样本词来确定识别效果,根据识别效果调整语言模型的参数,继续训练,直到语言模型的识别效果达到预期目标。其中,标准词可以为符合语言规范的词语。口语词可以为用于表达与标准词相同含义的口语化的词语。示例性地,本实施例中,每个标准词可以对应零个、一个或多个口语词。

本实施例中的标准词、包含标准词的语句、口语词和包含口语词的语句可以来自于公开数据集,或者标准词、包含标准词的语句、口语词和包含口语词的语句的获取是经过了对应的用户的授权。

例如工业设备维修场景中,标准词例如可以包括设备名称、与设备名称对应的零部件名称以及与零部件名称对应的故障类型。

在实际的应用场景中,语言模型需要识别的词语通常是与特定领域相关的。例如工业设备维修场景,需要识别的词语可以包括设备名称、与设备名称对应的零部件名称以及与零部件名称对应的故障类型等与行业或企业高度相关的词语。常规的语言模型无法有效识别出这些特定领域内的词汇。

另外,在实际的通话过程中,参与通话的双方在沟通时往往使用口语化的表述方式,而不会严谨地使用符合语言规范的表述方式。例如,在意图表达某个含义时,不会使用用于表达该含义的标准词,而是会结合上下文信息,使用相对于该标准词更加简短的口语词进行代替。例如“回转马达”这一含义会被简称为“回转”或者“马达”等。

基于此,根据本公开的实施例,可以根据实际应用的领域,收集与领域相关的标准词,并对标准词进行关联,确定标准词之间的关联关系。例如,标准词可以为设备名称、零部件名称、故障类型等,则可以确定一个设备关联一组零部件,一个零部件关联一组故障类型。进一步地,可以收集针对每个标准词的口语化描述,得到与标准词对应的口语词。

然后利用收集到的标准词和口语词对语言模型进行训练,从而在利用语言模型识别时,可以重点识别口语词的准确率。

需要说明的是,通过本步骤得到的语言模型包含了音视频文件中包含的语义信息,但该语言模型的构建是在经用户授权后执行的,其构建过程符合相关法律法规。

以下将结合图3,对标签设置方法进行详细描述。

图3示意性示出了根据本公开的实施例的标签设置方法的流程图。

如图3所示,该标签设置方法300可以包括操作S310~操作S340。

在操作S310,利用语言模型识别通话记录文件,得到目标文本。

根据本公开的实施例,语言模型例如可以是由上文所示的训练语言模型的方法来训练的。通话记录文件可以用于记录音视频通话(包括音频通话或视频通话)的过程。目标文本可以用于表示通话记录文件中包含的语义信息。

本实施例中,标签设置方法的执行主体可以通过各种公开、合法合规的方式获取通话记录文件,例如可以是从公开数据集处获取的,或者是经过了用户的授权从用户处获取的。

然后,在操作S320,确定目标文本中的至少一个目标词。

根据本公开的实施例,可以预先收集与实际应用的领域相关的标准词,并收集与这些标准词具有相同含义的口语词,将收集到的标准词和对应的口语词作为标准词和口语词集合,可以理解的是,标准词和口语词集合包括至少一个标准词和至少一个口语词。然后可以根据标准词和口语词集合,确定目标文本中包含的标准词和/或口语词,作为目标词。

根据本公开的实施例,可以分别利用标准词和口语词集合中的每个词语,对目标文本进行词语匹配,以确定目标文本中的标准词和/或口语词。

例如,目标文本为“马达故障”,标准词和口语词集合中包括标准词“回转马达”和对应的口语词“马达”,则在对目标文本进行词语匹配时,可以匹配到目标文本中的“马达”这个词,作为目标词。

在操作S330,将至少一个目标词转换为至少一个标准词。

根据本公开的实施例,针对至少一个目标词中的每个目标词,在目标词为口语词的情况下,根据词语对应关系,将目标词转换为对应的标准词。其中,词语对应关系用于表示具有相同含义的标准词和口语词之间的对应关系。可以理解的是,在目标词已经为标准词的情况下,不执行上述转换处理。

在操作S340,响应于用户针对至少一个标准词中目标标准词的选择操作,根据目标标准词,为通话记录文件设置标签。

根据本公开的实施例,用户例如可以是通话记录文件所对应的通话参与者。根据本公开的另一些实施例,用户也可以是该通话参与者之外的其他人,本公开对此不做具体限定。

根据本公开的实施例,例如可以将用户选中的目标标准词设置为通话记录文件的标签。也可以预先为每个标准词配置对应的标签,为通话记录文件设置目标标准词所对应的标签。

根据本公开的实施例,利用语言模型对通话记录文件进行语音识别,并根据识别得到的文本确定与通话记录文件对应的标准词,供用户选择,然后根据用户选择的标准词为视频设置标签,可以提升设置标签的效率与标签质量。

根据本公开的另一些实施例,在确定通话记录文件所对应的标准词之后,可以向用户展示至少一个标准词,以方便用户对该至少一个标准词进行选择。

根据本公开的另一些实施例,在为通话记录文件设置标签后,可以存储通话记录文件和对应的标签,以供后续使用。

图4示意性示出了根据本公开另一实施例的标签设置方法的流程图。

如图4所示,该标签设置方法400可以包括操作S410~操作S460。

在操作S410,创建音视频通话。

根据本公开的实施例,音视频通话可以有两个参与者,也可以有多个参与者,本公开对此不作具体限定。

在操作S420,录制音视频通话,得到通话记录文件。

根据本公开的实施例,可以在音视频通话进行过程中进行录制,生成通话记录文件。该通话记录文件可以包括该音视频通话的全部内容,也可以只包括其中的部分内容,本公开对此不作具体限定。

然后,针对得到通话记录文件执行以下操作S430~S460。需要说明的是,操作S430~S460可以在音视频通话结束后执行,也可以在音视频通话进行中执行。

在操作S430,利用语言模型识别通话记录文件,得到目标文本。

在操作S440,确定目标文本中的至少一个目标词。

在操作S450,将至少一个目标词转换为至少一个标准词。

在操作S460,响应于用户针对至少一个标准词中目标标准词的选择操作,根据目标标准词,为通话记录文件设置标签。

根据本公开的实施例,操作S430~S460例如可以参考上文,在此不再赘述。

根据本公开的实施例,实现了自动为音视频通话生成标准词,供用户快速点选,以为音视频通话的通话记录文件设置标签,提升设置标签的效率与标签质量。

下面参考图5,结合具体实施例对标签设置方法做进一步说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。

图5示意性示出了根据本公开另一实施例的标签设置方法的流程图。

如图5所示,该标签设置方法500包括在操作S510,寻求协助方所对应的第一终端向提供协助方所对应的第二终端发起音视频通话请求,以寻求提供协助方的AR远程协助。

在操作S520,寻求协助方所对应的第一终端与提供协助方所对应的第二终端建立音视频通话,以由提供协助方向寻求协助方提供AR远程协助。

在操作S530,录制第一终端与第二终端之间的音视频通话过程,得到通话记录文件。

在操作S540,将通话记录文件输入语言模型,得到目标文本。

在操作S550,根据将目标文本与标准词和口语词集合中的词语进行匹配,确定目标文本中包含的标准词和/或口语词。

示例性地,本实施例中,目标文本中既包含的标准词也包含口语词。

在操作S560,对于目标文本中的口语词,将口语词转换为对应的标准词。对于目标文本中的标准词,不作转换处理。

在操作S570,将转换后的标准词通过第二终端展示给提供协助方。

在操作S580,提供协助方可以对第二终端中展示的标准词进行选择。在提供协助方进行选择之后,响应于提供协助方的选择操作,将提供协助方选择的标准词设置为通话记录文件的标签。

然后,在操作S590,将通话记录文件和对应的标签存储至知识库中。

根据本公开的实施例的标签设置方法,可以提高AR远程协助的智能化水平,提高通话记录文件的价值和利用效率。

图6示意性示出了根据本公开实施例的训练语言模型的装置的框图。

如图6所示,训练语言模型的装置600可以包括获取模块610和训练模块620。

获取模块610,可以用于获取至少一个标准词和与至少一个标准词具有相同含义的口语词,作为样本词。

训练模块620,可以用于利用样本词和包含样本词的语句来训练语言模型。

图7示意性示出了根据本公开实施例的标签设置装置的框图。

如图7所示,标签设置装置700可以包括识别模块710、确定模块720、转换模块730和设置模块740。

识别模块710,可以用于利用语言模型识别通话记录文件,得到目标文本。

确定模块720,可以用于确定目标文本中的至少一个目标词。

转换模块730,可以用于将至少一个目标词转换为至少一个标准词。

设置模块740,可以用于响应于用户针对至少一个标准词中目标标准词的选择操作,根据目标标准词,为通话记录文件设置标签。

其中,语言模型例如可以是根据本公开实施例所示的方法训练的。

根据本公开的实施例,所述确定模块可以包括确定子模块,可以用于根据标准词和口语词集合,确定所述目标文本中包含的标准词和/或口语词,作为所述目标词,其中,所述标准词和口语词集合包括至少一个标准词和至少一个口语词。

根据本公开的实施例,所述确定子模块具体可以用于分别利用所述标准词和口语词集合中的每个词语,对所述目标文本进行词语匹配,以确定目标文本中的标准词和/或口语词。

根据本公开的实施例,所述转换模块可以包括转换子模块,可以用于针对所述至少一个目标词中的每个目标词,在所述目标词为口语词的情况下,根据词语对应关系,将所述目标词转换为对应的标准词,其中,所述词语对应关系用于表示具有相同含义的标准词和口语词之间的对应关系。

根据本公开的实施例,上文所示的装置还可以包括展示模块,可以用于向所述用户展示所述至少一个标准词。

根据本公开的实施例,上文所示的装置还可以包括创建模块和录制模块。其中,创建模块,用于创建音视频通话。录制模块,用于录制所述音视频通话,得到所述通话记录文件。

需要说明的是,本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。

根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如训练语言模型的方法和/或标签设置方法。例如,在一些实施例中,训练语言模型的方法和/或标签设置方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的训练语言模型的方法和/或标签设置方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行训练语言模型的方法和/或标签设置方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(VirtualPrivate Server,或简称VPS)中,存在的管理难度大,业务扩展性弱的缺陷。该服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。

应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。

上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

完整详细技术资料下载
上一篇:石墨接头机器人自动装卡簧、装栓机
下一篇:一种单词学习方法、装置、系统及计算设备

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!