设备召回方法、多任务分类模型处理方法、装置、电子设备和可读存储介质与流程
本申请涉及人工智能,特别是涉及一种设备召回方法、设备召回模型处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术:
1、在智能家居领域中,特别是在智能交互系统中,实现对用户设备的准确、快速控制是关键步骤之一。为了实现对用户设备的准确、快速控制,需要进行设备召回。设备召回是从大量智能设备中检索并定位用户意图控制的目标设备的过程。
2、当前的设备召回方法主要依赖于模式匹配、字符串匹配等传统技术手段,通过预先设计的规则实现设备的召回和控制。然而,这些方法扩展性较差。尽管深度学习方法已被尝试应用于这类问题,但在处理复杂召回规则时,其准确率和响应速度仍然不够稳定。
3、因此,相关技术中的设备召回方法存在准确率不够高的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高设备召回准确率的设备召回方法、多任务分类模型处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种设备召回方法,包括:
3、获取设备控制信息以及目标空间中的若干个智能设备各自的设备信息;所述设备控制信息为用于对目标空间中的至少一个所述智能设备进行控制的信息;
4、获取各所述设备信息分别与所述设备控制信息之间的相关性信息;所述相关性信息指示所述设备信息对应的智能设备和设备位置,分别与所述设备控制信息指示的智能设备和位置信息之间的相关性;
5、根据各所述设备信息分别对应的相关性信息,在若干个所述智能设备中筛选出召回设备以执行所述设备控制信息所指示的目标动作。
6、第二方面,本申请还提供了一种多任务分类模型处理方法,包括:
7、获取训练样本集;所述训练样本集中的训练样本包括信息组样本和对应的分类样本标签;所述信息组样本包括设备控制样本信息和一智能设备的设备样本信息;所述设备控制样本信息为对至少一个智能设备进行控制的样本信息;每个训练样本对应的分类样本标签包括第一样本标签和第二样本标签,所述第一样本标签表征相应的设备样本信息对应的智能设备与所述设备控制样本信息指示的智能设备之间的第一真实相关性,所述第二样本标签表征相应的设备样本信息对应的设备样本位置与所述设备控制样本信息指示的位置样本信息之间的第二真实相关性;
8、基于所述信息组样本和对应的分类样本标签,对待训练的多任务分类模型进行训练,得到预训练的多任务分类模型;所述预训练的多任务分类模型用于输出待查询的信息组中设备信息对应的智能设备和设备位置,分别与所述待查询的信息组中设备控制信息指示的智能设备和位置信息之间的相关性。
9、第三方面,本申请还提供了一种设备召回装置,包括:
10、信息获取模块,用于获取设备控制信息以及目标空间中的若干个智能设备各自的设备信息;所述设备控制信息为用于对目标空间中的至少一个所述智能设备进行控制的信息;
11、相关性确定模块,用于获取各所述设备信息分别与所述设备控制信息之间的相关性信息;所述相关性信息指示所述设备信息对应的智能设备和设备位置,分别与所述设备控制信息指示的智能设备和位置信息之间的相关性;
12、筛选模块,用于根据各所述设备信息分别对应的相关性信息,在若干个所述智能设备中筛选出召回设备以执行所述设备控制信息所指示的目标动作。
13、第四方面,本申请还提供了一种多任务分类模型处理装置,包括:
14、样本获取模块,用于获取训练样本集;所述训练样本集中的训练样本包括信息组样本和对应的分类样本标签;所述信息组样本包括设备控制样本信息和一智能设备的设备样本信息;所述设备控制样本信息为对至少一个智能设备进行控制的样本信息;每个训练样本对应的分类样本标签包括第一样本标签和第二样本标签,所述第一样本标签表征相应的设备样本信息对应的智能设备与所述设备控制样本信息指示的智能设备之间的第一真实相关性,所述第二样本标签表征相应的设备样本信息对应的设备样本位置与所述设备控制样本信息指示的位置样本信息之间的第二真实相关性;
15、训练模块,用于基于所述信息组样本和对应的分类样本标签,对待训练的多任务分类模型进行训练,得到预训练的多任务分类模型;所述预训练的多任务分类模型用于输出待查询的信息组中设备信息对应的智能设备和设备位置,分别与所述待查询的信息组中设备控制信息指示的智能设备和位置信息之间的相关性。
16、第五方面,本申请还提供了一种电子设备。所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
17、第六方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
18、第七方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
19、上述设备召回方法、装置、电子设备、计算机可读存储介质和计算机程序产品,通过获取设备控制信息以及目标空间中的若干个智能设备各自的设备信息;设备控制信息为用于对目标空间中的至少一个智能设备进行控制的信息;获取各设备信息分别与设备控制信息之间的相关性信息;相关性信息指示设备信息对应的智能设备和设备位置,分别与设备控制信息指示的智能设备和位置信息之间的相关性;根据各设备信息分别对应的相关性信息,在若干个智能设备中筛选出召回设备以执行设备控制信息所指示的目标动作。
20、如此,通过获取设备控制信息以及目标空间中若干个智能设备各自的设备信息,并获取各设备信息分别与设备控制信息之间的相关性信息,该相关性信息同时指示设备维度和位置维度的匹配情况,进而根据相关性信息筛选出召回设备以执行目标动作;这样,能够从设备名称和位置名称两个维度综合衡量智能设备与用户控制意图的匹配程度,能够更准确地定位用户意图控制的目标设备,从而提高了设备召回的准确率。
1.一种设备召回方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据各所述设备信息分别对应的相关性信息,在若干个所述智能设备中筛选出召回设备,包括:
3.根据权利要求2所述的方法,其特征在于,所述设备控制信息包括第一设备名称;所述设备控制信息指示的位置信息包括第一位置名称;所述第一位置名称用于指示所述设备控制信息对应的智能设备所在的位置,或者,用于指示输入设备控制信息的目标对象的当前位置;每个所述设备信息包括相应的智能设备对应的第二位置名称和第二设备名称;各所述设备信息分别对应的相关性信息包括第一设备标签、第二设备标签、第一位置标签和第二位置标签;所述第一设备标签表征所述第一设备名称与所述第二设备名称是否完全匹配,所述第二设备标签表征所述第一设备名称与所述第二设备名称是否至少部分匹配,所述第一位置标签表征所述第一位置名称与所述第二位置名称是否完全匹配,所述第二位置标签表征所述第一位置名称与所述第二位置名称是否至少部分匹配;
4.根据权利要求3所述的方法,其特征在于,在筛选出的目标设备信息的数量为至少两个的情况下,所述根据所述目标设备信息对应的智能设备,确定所述召回设备,包括:
5.根据权利要求1所述的方法,其特征在于,所述获取各所述设备信息分别与所述设备控制信息之间的相关性信息,包括:
6.根据权利要求5所述的方法,其特征在于,所述预训练的多任务分类模型包括交叉编码器和线性分类层;所述线性分类层包括多个线性层;所述将各所述信息组输入至预训练的多任务分类模型,得到各所述信息组对应的第一分类标签和第二分类标签,包括:
7.根据权利要求6所述的方法,其特征在于,所述设备控制信息包括第一设备名称;所述设备控制信息指示的位置信息包括第一位置名称;所述第一位置名称用于指示所述设备控制信息对应的智能设备所在的位置,或者,用于指示输入设备控制信息的目标对象的当前位置;每个所述设备信息包括相应的智能设备对应的第二位置名称和第二设备名称;所述第一分类标签包括第一设备标签和第二设备标签;所述第二分类标签包括第一位置标签和第二位置标签;所述第一任务包括指示识别所述第一设备标签的第一子任务和指示识别所述第二设备标签的第二子任务;所述第二任务包括指示识别所述第一位置标签的第三子任务和指示识别所述第二位置标签的第四子任务;每个所述信息组对应的第一设备标签表征所述第一设备名称与所述第二设备名称是否完全匹配,对应的第二设备标签表征所述第一设备名称与所述第二设备名称是否至少部分匹配,对应的第一位置标签表征所述第一位置名称与所述第二位置名称是否完全匹配,对应的第二位置标签表征所述第一位置名称与所述第二位置名称是否至少部分匹配。
8.一种多任务分类模型处理方法,其特征在于,所述方法包括:
9.根据权利要求8所述的方法,其特征在于,所述基于所述信息组样本和对应的分类样本标签,对待训练的多任务分类模型进行训练,得到预训练的多任务分类模型,包括:
10.一种设备召回装置,其特征在于,所述装置包括:
11.一种多任务分类模型处理装置,其特征在于,所述装置包括:
12.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
14.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com