本發(fā)明涉及人工智能領(lǐng)域，具體而言，涉及一種語音意圖識別模型的決策邊界增強(qiáng)方法及裝置。

背景技術(shù)：

1、在語音識別和自然語言處理領(lǐng)域，語音意圖識別模型廣泛應(yīng)用于智能語音助手、自動客服、語音搜索等場景。然而，現(xiàn)有的語音意圖識別模型在面對復(fù)雜、多變的實際應(yīng)用環(huán)境時，決策邊界不夠清晰，容易導(dǎo)致意圖識別錯誤，從而影響用戶體驗和系統(tǒng)的可靠性。

2、語音意圖識別模型的性能在很大程度上依賴于模型的決策邊界，即模型在不同意圖類別之間區(qū)分能力的明確程度。當(dāng)前，常規(guī)的訓(xùn)練方法通常側(cè)重于最大化模型對訓(xùn)練數(shù)據(jù)的擬合能力，而忽略了模型對不同類別間差異的敏感性，這導(dǎo)致在訓(xùn)練數(shù)據(jù)和真實應(yīng)用數(shù)據(jù)存在差異時，模型的識別性能下降。

3、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種語音意圖識別模型的決策邊界增強(qiáng)方法及裝置，以至少解決語音意圖識別模型的邊策邊界不清晰的技術(shù)問題。

2、根據(jù)本發(fā)明實施例的一個方面，提供了一種語音意圖識別模型的決策邊界增強(qiáng)方法，包括：計算用于訓(xùn)練語音意圖識別模型的訓(xùn)練數(shù)據(jù)中的語音識別文本和人工識別文本之間的主成分差異，并基于所述主成分差異確定差異度權(quán)重系數(shù)；基于所述差異度權(quán)重系數(shù)來調(diào)整所述語音意圖識別模型的損失函數(shù)，以增強(qiáng)所述語音意圖識別模型的決策邊界；其中，基于所述主成分差異確定差異度權(quán)重系數(shù)包括：確定超參數(shù)，其中，所述超參數(shù)用于控制所述主成分差異對所述損失函數(shù)的權(quán)重的影響程度；基于所述超參數(shù)和所述主成分差異，來確定所述差異度權(quán)重系數(shù)。

3、根據(jù)本發(fā)明實施例的另一方面，還提供了一種語音意圖識別模型的決策邊界增強(qiáng)裝置，包括：計算模塊，被配置為計算用于訓(xùn)練語音意圖識別模型的訓(xùn)練數(shù)據(jù)中的語音識別文本和人工識別文本之間的主成分差異，并基于所述主成分差異確定差異度權(quán)重系數(shù)；增強(qiáng)模塊，被配置為基于所述差異度權(quán)重系數(shù)來調(diào)整所述語音意圖識別模型的損失函數(shù)，以增強(qiáng)所述語音意圖識別模型的決策邊界；其中，基于所述主成分差異確定差異度權(quán)重系數(shù)包括：確定超參數(shù)，其中，所述超參數(shù)用于控制所述主成分差異對所述損失函數(shù)的權(quán)重的影響程度；基于所述超參數(shù)和所述主成分差異，來確定所述差異度權(quán)重系數(shù)。

4、在本發(fā)明實施例中，計算用于訓(xùn)練語音意圖識別模型的訓(xùn)練數(shù)據(jù)中的語音識別文本和人工識別文本之間的主成分差異，并基于所述主成分差異確定差異度權(quán)重系數(shù)；基于所述差異度權(quán)重系數(shù)來調(diào)整所述語音意圖識別模型的損失函數(shù)，以增強(qiáng)所述語音意圖識別模型的決策邊界，從而解決了語音意圖識別模型的邊策邊界不清晰技術(shù)問題。

技術(shù)特征：

1.一種語音意圖識別模型的決策邊界增強(qiáng)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定超參數(shù)包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，確定所述超參數(shù)采樣點與所述語音意圖識別模型之間關(guān)系的概率近似，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述概率近似在所述超參數(shù)空間中選擇下一組采樣點作為所述超參數(shù)采樣點，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述差異度權(quán)重系數(shù)來調(diào)整所述語音意圖識別模型的損失函數(shù)，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，計算用于訓(xùn)練語音意圖識別模型的訓(xùn)練數(shù)據(jù)中的語音識別文本和人工識別文本之間的主成分差異，包括：

7.一種語音意圖識別模型的決策邊界增強(qiáng)裝置，其特征在于，包括：

8.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)包括存儲的程序，其中，在所述程序運行時控制所述計算機(jī)可讀存儲介質(zhì)所在設(shè)備執(zhí)行權(quán)利要求1至6中任意一項所述的方法。

9.一種計算機(jī)設(shè)備，其特征在于，包括：存儲器和處理器，

10.一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，其特征在于，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任一項所述的方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種語音意圖識別模型的決策邊界增強(qiáng)方法及裝置。其中，該方法包括：計算用于訓(xùn)練語音意圖識別模型的訓(xùn)練數(shù)據(jù)中的語音識別文本和人工識別文本之間的主成分差異，并基于所述主成分差異確定差異度權(quán)重系數(shù)；基于所述差異度權(quán)重系數(shù)來調(diào)整所述語音意圖識別模型的損失函數(shù)，以增強(qiáng)所述語音意圖識別模型的決策邊界；其中，基于所述主成分差異確定差異度權(quán)重系數(shù)包括：確定超參數(shù)，其中，所述超參數(shù)用于控制所述主成分差異對所述損失函數(shù)的權(quán)重的影響程度；基于所述超參數(shù)和所述主成分差異，來確定所述差異度權(quán)重系數(shù)。本發(fā)明解決了語音意圖識別模型的邊策邊界不清晰的技術(shù)問題。

技術(shù)研發(fā)人員：蔣正浩
受保護(hù)的技術(shù)使用者：世優(yōu)（北京）科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/29