CN116431806B 自然语言理解方法及冰箱 （青岛海尔电冰箱有限公司）

所述方法包括：获取与文本数据对应的标注文所述理解结果信息的准确率，提升用户体验效2对所述标注文本执行槽位抽取，并基于预设槽位数据库，对抽其中，所述若干匹配结果表征所述文本数据中若干元素在字词属性和/或字词含义层对所述文本数据执行预标注，得到第一标注文本信息；对所述第一根据所述标注文本中的槽位标注信息，对每个槽位都执行抽取根据所述若干槽位信息查询所述预设槽位数据库，并判断若否，则根据所述标注文本构建自然语言理解模型，并基于所基于词典或预设映射文件，获得每个匹配结果对应的语义文本信将所述数据特征输入卷积神经网络模型得到对应将所述数据特征输入多尺寸多通道卷积神经网络模型或蒸馏扩3若是，则将语音特征输入所述多尺寸多通道卷积神经网络若是，则将视频特征输入所述蒸馏扩散模型中，获得与所预设标注规则表征所述文本数据中若干专业领域词语和/或具有特殊含义词语对应的标注在所述对所述第一标注文本信息执行文本特征标注，得到所述统计并判断文本标注的正确率是否大于等于预设阈值，采用k折交叉验证方法对所述标注文本进行数据集划分，获得训练数据集和测试数据建自然语言理解模型，并基于所述自然语言理解模型对所述标注文本执行文本特征预测，对所述训练数据集执行预处理，并对预处理后的训练数据进行文本特对所述初始特征执行池化操作和全连接组合计算，获得所述标注文本对应的文本特将所述测试数据集输入至所述自然语言理解模型，预测所述测4将所述池化特征矩阵输入至全连接层，计算获得所述标注文本的文本特征信息的得将所述文本数据对应的理解结果信息转换为文本传输5[0002]自然语言理解(NaturalLanguageUnderstanding，简称NLU)是自然语言处理述文本数据中若干元素在字词属性和/或字词含义层面的特征，所述理解结果表征所述文6述预设标注规则表征所述文本数据中若干专业领域词语和/或具有特殊含义词语对应的标7[0019]作为本发明一实施方式的进一步改进，构建所述自理解结果信息转换为语音进行输出，和/或将所述文本数据对应的理解结果信息转换为语音传输至客户端输出，和/或将所述文本数据对应的理解结果信息转换为文本进行输出，和/或将所述文本数据对应的理解结果信息转换为文本传输至客[0026]图2(a)是本发明一实施方式中判断语音数据并将其转写为第一文本信息的步骤[0027]图2(b)是本发明一实施方式中判断视频数据并将其转写为第一文本信息的步骤[0030]图5是本发明一实施方式中对标注文本执行槽位抽取和槽位信息匹配的步骤示意8[0033]图8是本发明一实施方式中自然语言理解方法的一较优实施例的数据转化示意[0041]其中，所述若干匹配结果表征所述文本数据中若干元素在字词属性和/或字词含义层面的特征，所述理解结果表征所述文本数据整体的文本类别、情感内涵和/或内在意9户可对智能冰箱说出诸如“请问冰箱里还有青菜吗”的询问性语句，也可以对其发出诸如可包括用户对食材的偏好、喜爱和用户感兴趣的食材信息以及用户发表的一些评论数据，停顿位置或单词构成不一样以及其图像特征存在关联性等多种情况，对于步骤S02B中所述[0088]具体而言，所述连接时序分类算法(ConnectionistTemporalClas[0090]需说明地，对于步骤S02A中所述语音特征，可包括梅尔频率倒谱系数特征(Mel_变换后得到多帧语音数据信号的能量谱，并将所述能量谱通过一组Mel尺度的三角形滤波器组来对频谱进行平滑处理，消除谐波，再进一步通过对数运算和离散余弦变换后得到[0091]需强调地，所述语音特征还可使用感知线性预测特征(PerceptualLinear参数来取代MFCC特征，具体可基于实际模型参数和本方法实际应用的领域而进行具体选[0106]为了实现槽位的快速抽取和匹配，本发明对于步骤S2进行了细化操作，如图5所然语言模型对所述标注文本执行文本特征预测，得到对应于所述文本信息的若干匹配结进行槽位抽取。[0114]采用k折交叉验证方法对所述标注文本进行数据集划分，获得训练数据集和测试[0116]其中，所述k折交叉验证方法是先将所述文本数据划分成k个大小相等的数据子[0123]其中，所述预处理具体可包括对所述训练数据集中数值数据对应的理解结果信息转换为语音进行输出，和/或将所述文本数据对应的理解结果信息转换为语音传输至客户端输出，和/或将所述文本数据对应的理解结果信息转换为文本[0134]对转写后产生的文本数据102执行标注操作，根据其文本特征打上对应的标签实[0142]上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说