语音意图识别模型的决策边界增强方法及装置与流程

本发明涉及人工智能领域，具体而言，涉及一种语音意图识别模型的决策边界增强方法及装置。

背景技术：

1、在语音识别和自然语言处理领域，语音意图识别模型广泛应用于智能语音助手、自动客服、语音搜索等场景。然而，现有的语音意图识别模型在面对复杂、多变的实际应用环境时，决策边界不够清晰，容易导致意图识别错误，从而影响用户体验和系统的可靠性。

2、语音意图识别模型的性能在很大程度上依赖于模型的决策边界，即模型在不同意图类别之间区分能力的明确程度。当前，常规的训练方法通常侧重于最大化模型对训练数据的拟合能力，而忽略了模型对不同类别间差异的敏感性，这导致在训练数据和真实应用数据存在差异时，模型的识别性能下降。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种语音意图识别模型的决策边界增强方法及装置，以至少解决语音意图识别模型的边策边界不清晰的技术问题。

2、根据本发明实施例的一个方面，提供了一种语音意图识别模型的决策边界增强方法，包括：计算用于训练语音意图识别模型的训练数据中的语音识别文本和人工识别文本之间的主成分差异，并基于所述主成分差异确定差异度权重系数；基于所述差异度权重系数来调整所述语音意图识别模型的损失函数，以增强所述语音意图识别模型的决策边界；其中，基于所述主成分差异确定差异度权重系数包括：确定超参数，其中，所述超参数用于控制所述主成分差异对所述损失函数的权重的影响程度；基于所述超参数和所述主成分差异，来确定所述差异度权重系数。

3、根据本发明实施例的另一方面，还提供了一种语音意图识别模型的决策边界增强装置，包括：计算模块，被配置为计算用于训练语音意图识别模型的训练数据中的语音识别文本和人工识别文本之间的主成分差异，并基于所述主成分差异确定差异度权重系数；增强模块，被配置为基于所述差异度权重系数来调整所述语音意图识别模型的损失函数，以增强所述语音意图识别模型的决策边界；其中，基于所述主成分差异确定差异度权重系数包括：确定超参数，其中，所述超参数用于控制所述主成分差异对所述损失函数的权重的影响程度；基于所述超参数和所述主成分差异，来确定所述差异度权重系数。

4、在本发明实施例中，计算用于训练语音意图识别模型的训练数据中的语音识别文本和人工识别文本之间的主成分差异，并基于所述主成分差异确定差异度权重系数；基于所述差异度权重系数来调整所述语音意图识别模型的损失函数，以增强所述语音意图识别模型的决策边界，从而解决了语音意图识别模型的边策边界不清晰技术问题。

技术特征：

1.一种语音意图识别模型的决策边界增强方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，确定超参数包括：

3.根据权利要求2所述的方法，其特征在于，确定所述超参数采样点与所述语音意图识别模型之间关系的概率近似，包括：

4.根据权利要求3所述的方法，其特征在于，基于所述概率近似在所述超参数空间中选择下一组采样点作为所述超参数采样点，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述差异度权重系数来调整所述语音意图识别模型的损失函数，包括：

6.根据权利要求1所述的方法，其特征在于，计算用于训练语音意图识别模型的训练数据中的语音识别文本和人工识别文本之间的主成分差异，包括：

7.一种语音意图识别模型的决策边界增强装置，其特征在于，包括：

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的方法。

9.一种计算机设备，其特征在于，包括：存储器和处理器，

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本发明公开了一种语音意图识别模型的决策边界增强方法及装置。其中，该方法包括：计算用于训练语音意图识别模型的训练数据中的语音识别文本和人工识别文本之间的主成分差异，并基于所述主成分差异确定差异度权重系数；基于所述差异度权重系数来调整所述语音意图识别模型的损失函数，以增强所述语音意图识别模型的决策边界；其中，基于所述主成分差异确定差异度权重系数包括：确定超参数，其中，所述超参数用于控制所述主成分差异对所述损失函数的权重的影响程度；基于所述超参数和所述主成分差异，来确定所述差异度权重系数。本发明解决了语音意图识别模型的边策边界不清晰的技术问题。

技术研发人员：蒋正浩
受保护的技术使用者：世优（北京）科技股份有限公司
技术研发日：
技术公布日：2024/9/29