CN110705271A - 一种提供自然语言处理服务的系统及方法 - Google Patents
一种提供自然语言处理服务的系统及方法 Download PDFInfo
- Publication number
- CN110705271A CN110705271A CN201910923908.2A CN201910923908A CN110705271A CN 110705271 A CN110705271 A CN 110705271A CN 201910923908 A CN201910923908 A CN 201910923908A CN 110705271 A CN110705271 A CN 110705271A
- Authority
- CN
- China
- Prior art keywords
- natural language
- language processing
- data
- platform
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003058 natural language processing Methods 0.000 title claims abstract description 161
- 238000002372 labelling Methods 0.000 claims abstract description 23
- 230000000875 corresponding Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000006011 modification reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
本发明公开了一种提供自然语言处理服务的系统及方法,涉及自然语言处理技术领域。该系统一具体实施方式包括:标注平台、训练平台、自然语言处理应用平台、数据平台;所述标注平台,用于将标注后的数据存储至所述数据平台;所述训练平台,用于对所述标注后的数据进行训练用以生成自然语言处理模型;所述自然语言处理应用平台,用于使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以使得所述标注平台从所述服务日中获取新的待标注的数据。该实施方式可以源源不断地扩充待标注的数据,进而为用户提供持续的自然语言处理服务。
Description
技术领域
本发明涉及自然语言处理技术领域,尤其涉及一种提供自然语言处理服务的系统及方法。
背景技术
自然语言处理(NLP,Natural Language Processing)技术在实际落地中一直存在标注数据少、业务场景多、业务场景经常调整等诸多问题。因而如何解决实际落地及应用过程中的业务知识积累,并将这些知识积累持续用于提升基于现有的少量的先验知识获取的自然语言处理模型成为了研究的重点。
目前,虽已出现了基于SAAS(Software-as-a-Service,软件即服务)提供自然语言处理服务的解决方案,即通过网络提供软件服务,但仍不能满足为用户提供持续、高质量的自然语言处理服务的需要。
发明内容
有鉴于此,本发明提供一种提供自然语言处理服务的系统及方法,能够在为用户提供自然语言处理服务的同时,基于提供自然语言处理服务时产生的含有待识别文本的服务日志,不断获取新的待标注数据或训练数据,进而不断提升或改进训练得到的自然语言处理模型,从而为用户提供持续、高质量的自然语言处理服务。
为实现上述目的,根据本发明的一个方面,提供了一种提供自然语言处理服务的系统,包括:标注平台、训练平台、自然语言处理应用平台、数据平台;其中,所述标注平台,用于从所述数据平台中获取待标注的数据,对所述待标注的数据进行标注,并将标注后的数据存储至所述数据平台;所述训练平台,用于从所述数据平台获取所述标注后的数据,对所述标注后的数据进行训练用以生成自然语言处理模型,并将所述自然语言处理模型存储至所述数据平台;所述自然语言处理应用平台,用于从所述数据平台中获取所述自然语言处理模型,使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以使得所述标注平台从所述服务日中获取新的待标注的数据;所述数据平台,用于存储所述待标注的数据、所述标注后的数据、所述自然语言处理模型、所述服务日志。
可选地,所述自然语言处理应用平台,用于接收模型调用方的自然语言处理任务,所述自然语言处理任务指示了所述待识别文本。
可选地,所述自然语言处理应用平台用于将所述待识别文本对应的标签发送至所述模型调用方,并接收所述模型调用方校准后的所述待识别文本对应的标签。
可选地,所述训练平台使用校准后的标签评估以及优化所述自然语言处理模型。
可选地,所述自然语言处理模型具有模型标识,用于生成所述自然语言处理模型的所述待标注数据具有标注任务标识;相对应地存储所述模型标识、所述标注任务标识、所述待识别文本和所述标签。
为实现上述目的,根据本发明的另一个方面,提供了一种提供自然语言处理服务的方法,包括:从数据平台中获取待标注的数据,对待标注的数据进行标注,并将标注后的数据存储至所述数据平台;从所述数据平台中获取所述标注后的数据,对所述标注后的数据进行训练用以生成自然语言处理模型,并将所述自然语言处理模型存储至所述数据平台;从所述数据平台中获取所述自然语言处理服务模型对应的文件,根据所述自然语言处理服务模型,使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以从所述服务日志中获取新的待标注的数据。
可选地,接收模型调用方的自然语言处理任务,所述自然语言处理任务指示了所述待识别文本。
可选地,将所述待识别文本对应的标签发送至所述模型调用方,并接收所述模型调用方校准后的所述待识别文本对应的标签。
可选地,使用校准后的标签评估以及优化所述自然语言处理模型。
可选地,所述自然语言处理模型具有模型标识,用于生成所述自然语言处理模型的所述待标注数据具有标注任务标识;相对应地存储所述模型标识、所述标注任务标识、所述待识别文本和所述标签。
为实现上述目的,根据本发明的再一个方面,提供了一种用于提供自然语言处理服务的服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的提供自然语言处理服务的方法中任一所述方法。
为实现上述目的,根据本发明的又一个方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如上所述的提供自然语言处理服务的方法中任一所述方法。
上述发明提供的技术方案具有如下优点或有益效果:由于通过将提供自然语言处理服务时生成的含有待识别文本的服务日志存储至所述数据平台,使得提供自然语言处理服务的系统可以从服务日志中源源不断地获取新的待标注的数据,实现知识的累积,进而可以根据新的待标注的数据不断地更新或者提升自然语言处理模型,从而可以为用户提供持续、高效的自然语言处理服务。此外,还可以根据模型调用方校准后的待识别文本对应的标签,评估或优化自然语言处理模型,使得更新后的自然语言处理模型质量更高,可提升用户体验。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的提供自然语言处理服务的系统的主要结构的示意图;
图2是根据本发明实施例的提供自然语言处理服务的方法的主要流程的示意图;
图3是本发明实施例可以应用于其中的示例性系统架构图;
图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明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,而不会背离本发明的范围和精神。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。
图1是根据本发明实施例的一种提供自然语言处理服务的系统的主要结构的示意图,如图1所示,自然语言处理服务的系统100包括:标注平台101、训练平台102、自然语言处理应用平台103、数据平台104;其中,所述标注平台101,用于从所述数据平台中获取待标注的数据,对所述待标注的数据进行标注,并将标注后的数据存储至所述数据平台;所述训练平台102,用于从所述数据平台获取所述标注后的数据,对所述标注后的数据进行训练用以生成自然语言处理模型,并将所述自然语言处理模型存储至所述数据平台;所述自然语言处理应用平台103,用于从所述数据平台中获取所述自然语言处理模型,使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以使得所述标注平台从所述服务日中获取新的待标注的数据;所述数据平台104,用于存储所述待标注的数据、所述标注后的数据、所述自然语言处理模型、所述服务日志。
可以理解的是,数据平台104除却存储上述待标注的数据、标注后的数据、自然语言处理模型以及服务日志以外,还可以存储任何从其他业务平台或数据库等获取的数据。除此之外,在借助知识图谱、自定义规则(如正则表达式、领域特殊语言DSL等)、行业词库、词典(全国县市地名库)等对待标注数据进行预处理或者标注的情况下,数据平台还用于存储规则、词库词典、知识图谱等以便数据标注平台101根据实际需要从数据平台104中获取相应的规则、词典等用以提高数据标注的效率及质量。此外,为便于索引或者从数据平台快速获取相应的数据,采用文件及目录的形式存贮数据平台104中的数据,如标注平台102将标注后的数据作为单一文件存储至数据平台104等,进而使得数据平台104可以向标注平台101、训练平台102、自然语言处理应用平台103提供基于文件以及目录访问数据平台104的API。
在一种可选的实施方式中,所述自然语言处理应用平台103,用于接收模型调用方的自然语言处理任务,所述自然语言处理任务指示了所述待识别文本。
可以理解的是,提供自然语言处理服务的系统100可提供的自然语言处理任务有多种,如机器翻译、语言生成、语言理解等。因而为提供不同种自然语言处理服务而训练生成的自然语言处理模型亦不同。因此,模型调用方可以根据实际需求选择性地调用相应地自然语言处理模型,且在调用自然语言处理模型时将含有待识别文本的自然语言处理任务发送至自然语言处理应用平台103,以使得自然语言处理模型根据相应地待识别文本给出相应地的标签。如以将待识别文本“hello world”翻译为中文为例进行说明,调用相应地英译汉机器翻译模型后,给出待识别文本“hello world”的标签为“你好世界”。
在一种可选的实施方式中,所述自然语言处理应用平台103用于将所述待识别文本对应的标签发送至所述模型调用方,并接收所述模型调用方校准后的所述待识别文本对应的标签。
由于在生成自然语言处理模型时训练数据有限,因而不能完全百分百准确地根据模型调用方发送的自然语言处理任务所指示的待识别文本给出正确的标签。因此,模型调用方在接收到自然语言处理模型返回的待识别文本的标签时,可以根据实际情况,对标签进行人工校准。
可以理解的是,虽然自然语言处理模型给出的待识别文本的标签有一定误差,但仍可以将待识别文本及对应的标签用作待标注的数据,在经过标注平台的校准后,用以扩充自然语言处理模型的训练数据。
在一种可选的实施方式中,所述训练平台102使用校准后的标签评估以及优化所述自然语言处理模型。
由于人工校准后的待识别文本对应的标签可靠度高,因而提供自然语言处理系统100的训练平台可以在接收到模型调用方通过日志回流等方式返回的待识别文本及校准后的标签后,使用待识别文本及校准后的标签对自然语言处理模型进行优化,进而可以得到更符合用户或者模型调用方需求的高质量的自然语言处理模型,也即为模型调用方提供持续、优质的自然语言处理服务。
在一种可选的实施方式中,所述自然语言处理模型具有模型标识,用于生成所述自然语言处理模型的所述待标注数据具有标注任务标识;相对应地存储所述模型标识、所述标注任务标识、所述待识别文本和所述标签。
可以理解的是,为提升用户体验,同时为便于标注平台或训练平台从数据平台104中获取服务日志中的数据,在数据平台104中相对应地存储模型标识、标注任务标识、待识别文本和标签。具体地,如下表1所示,自然语言处理应用平台103在接收到模型调用方返回的含有待识别文本及校准后的标签的服务日志,或生成含有待识别文本及标签的服务日志后,可以根据服务日志所指示的模型标识,根据存储在自然语言处理应用平台103中的模型标识、标注任务标识的对应关系后,在数据平台104中相对应地存储模型标识、标注任务标识、待识别文本和标签,进而使得标注平台101、训练平台102可以根据存储额度标注任务标识从数据平台104中获取待识别文本和/或标签。
表1含有待识别文本的服务日志的数据存储格式
模型标识
标注任务标识
待识别文本
标签
其他
值得注意的是,为节省数据平台104的存储空间,自然语言处理应用平台103也可以根据相对应地存储在其中的模型标识、标注任务标识,在数据平台104中相对应地存储标注任务标识、待识别文本和标签(详见表2),进而使得标注平台101、训练平台102可以根据存储额度标注任务标识从数据平台104中获取待识别文本和/或标签。
表2含有待识别文本的服务日志的另一数据存储格式
标注任务标识
待识别文本
标签
其他
可以理解的是,存储于数据平台104中的含有待识别文本的服务日志,出存储有模型标识、标注任务标识、待识别文本和标签外,还可以根据实际需求存储时间戳等其他信息。
在上述实施例的基础上,提供自然语言处理服务的系统由于通过将提供自然语言处理服务时生成的含有待识别文本的服务日志存储至所述数据平台,使得提供自然语言处理服务的系统可以从服务日志中源源不断地获取新的待标注的数据,实现知识的累积,进而可以根据新的待标注的数据不断地更新或者提升自然语言处理模型,从而可以为用户提供持续、高效的自然语言处理服务。此外,还可以根据模型调用方校准后的待识别文本对应的标签,评估或优化自然语言处理模型,使得更新后的自然语言处理模型质量更高,可提升用户体验。
在上述实施例的基础上,本发明实施例提供了一种提供自然语言处理服务的方法,具体可以包括的步骤如下:
步骤S201,从数据平台中获取待标注的数据,对待标注的数据进行标注,并将标注后的数据存储至所述数据平台。
步骤S202,从所述数据平台中获取所述标注后的数据,对所述标注后的数据进行训练用以生成自然语言处理模型,并将所述自然语言处理模型存储至所述数据平台。
步骤S203,从所述数据平台中获取所述自然语言处理服务模型对应的文件,根据所述自然语言处理服务模型,使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以从所述服务日志中获取新的待标注的数据。
在一种可选的实施方式中,接收模型调用方的自然语言处理任务,所述自然语言处理任务指示了所述待识别文本。
在一种可选的实施方式中,将所述待识别文本对应的标签发送至所述模型调用方,并接收所述模型调用方校准后的所述待识别文本对应的标签。
在一种可选的实施方式中,使用校准后的标签评估以及优化所述自然语言处理模型。
在一种可选的实施方式中,所述自然语言处理模型具有模型标识,用于生成所述自然语言处理模型的所述待标注数据具有标注任务标识;相对应地存储所述模型标识、所述标注任务标识、所述待识别文本和所述标签。
图3示出了可以应用本发明实施例的提供自然语言处理服务的方法的示例性系统架构300。
如图3所示,系统架构300可以包括终端设备301、302、303,网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备301、302、303通过网络304与服务器305交互,以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器305可以是提供各种服务的服务器,例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如待识别文本的标签)反馈给终端设备。
需要说明的是,本发明实施例所提供的提供自然语言处理服务的方法一般由服务器305执行。
应该理解,图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图4,其示出了适于用来实现本发明实施例的终端设备的计算机系统400的结构示意图。图4示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:从数据平台中获取待标注的数据,对待标注的数据进行标注,并将标注后的数据存储至所述数据平台;从所述数据平台中获取所述标注后的数据,对所述标注后的数据进行训练用以生成自然语言处理模型,并将所述自然语言处理模型存储至所述数据平台;从所述数据平台中获取所述自然语言处理服务模型对应的文件,根据所述自然语言处理服务模型,使用所述自然语言处理模型对待识别文本提供标签,将生成的含有所述待识别文本的服务日志存储至所述数据平台,以从所述服务日志中获取新的待标注的数据。
根据本发明实施例的技术方案,由于通过将提供自然语言处理服务时生成的含有待识别文本的服务日志存储至所述数据平台,使得提供自然语言处理服务的系统可以从服务日志中源源不断地获取新的待标注的数据,实现知识的累积,进而可以根据新的待标注的数据不断地更新或者提升自然语言处理模型,从而可以为用户提供持续、高效的自然语言处理服务。此外,还可以根据模型调用方校准后的待识别文本对应的标签,评估或优化自然语言处理模型,使得更新后的自然语言处理模型质量更高,可提升用户体验。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。