(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111641342.8 (22)申请日 2021.12.2 9 (71)申请人 普强时代 （珠海横琴） 信息技 术有限 公司 地址 519000 广东省珠海市 市辖区横琴新 区宝华路6号105室-58115 （集中办公 室） (72)发明人 崔释文　李全忠　何国涛　蒲瑶　 (74)专利代理 机构 北京睿康信诚知识产权代理 事务所(普通 合伙) 11685 代理人 李建国 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 40/253(2020.01)G06F 40/211(2020.01) (54)发明名称 一种建立AI模型的方法以及装置、 存储介 质、 电子装置 (57)摘要 本申请公开了一种建立AI模型的方法以及 装置、 存储介质、 电子装置。 该方法包括基于业务 场景， 通过预设神经网络模型建立所述AI模型， 其中所述预设神经网络模型为使用多组数据通 过机器学习训练得出的， 多组数据中的每组数据 均包括： 样本数据和所述数据的类别标签； 在建 立所述AI模型的过程中， 增加预设语法分析模 块， 其中所述预设语法分析模块基于文本标记任 务， 所述预设语 法分析模块用以适配于所述业务 场景中的对应文本表述。 本申请解决了通过预设 系统创建的AI模型识别率不高的技术问题。 通过 本申请在建立AI模型时结合语 法分析模块， 以提 高AI模型的识别率。 权利要求书1页 说明书6页 附图2页 CN 114298283 A 2022.04.08 CN 114298283 A 1.一种建立AI模型的方法， 其特 征在于， 包括： 基于业务场景， 通过预设神经网络模型建立所述AI模型， 其中所述预设神经网络模型 为使用多组数据通过机器学习训练得出 的， 多组数据中的每组数据均包括： 样本数据和所 述数据的类别标签； 在建立所述AI模型的过程中， 增加预设语法分析模块， 其中所述预设语法分析模块基 于文本标记任务， 所述预设语法分析模块用以适配于所述 业务场景中的对应文本表述。 2.根据权利要求1所述的方法， 其特征在于， 所述预设语法分析模块至少包括如下之一 的规则表述： 上 下文无关文法、 正则表达式、 递归下降法、 分析树。 3.根据权利要求1所述的方法， 其特征在于， 所述预设神经网络模型采用深度神经网络 模型。 4.根据权利要求1所述的方法， 其特征在于， 所述在建立所述AI模型的过程中， 增加预 设语法分析模块还 包括： 在建立所述AI模型的过程中， 按照预设语句标准、 预设语句的话术固定的场景增加所 述预设语法分析模块。 5.根据权利要求1所述的方法， 其特征在于， 所述在建立所述AI模型的过程中， 增加预 设语法分析模块还 包括： 在建立所述AI模型的过程中， 按照不同发言人角色增 加所述预设语法分析模块。 6.根据权利要求1所述的方法， 其特征在于， 所述在建立所述AI模型的过程中， 增加预 设语法分析模块， 其中所述预设语法分析模块基于文本标记任务， 所述预设语法分析模块 用以适配于所述 业务场景中的对应文本表述包括： 基于所述文本标记任务进行文本标记； 通过所述增加的预设语法分析模块中的所述文本标记结果， 建立所述AI模型。 7.根据权利要求1所述的方法， 其特征在于， 所述基于业务场景， 通过预设神经网络模 型建立所述AI模型， 还 包括： 基于交叉验证确定通过 所述预设神经网络模型建立的所述AI模型的准确率、 召回率。 8.一种建立AI模型的装置， 其特 征在于， 包括： 模型初始化模块， 用于基于业务场景， 通过预设神经网络模型建立所述AI模型， 其中所 述预设神经网络模型为使用多组数据通过机器学习训练得出的， 多组数据中的每组数据均 包括： 样本数据和所述数据的类别标签； 训练模块， 用于在建立所述AI模型的过程中， 增加预设语法分析模块， 其中所述预设语 法分析模块基于文本标记任务， 所述预设语法分析模块用以适配于所述业务场景中的对应 文本表述。 9.一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中存储有计算机 程序， 其中， 所述计算机程序被设置为 运行时执 行所述权利要求1至7任一项所述的方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项所述的方 法。权　利　要　求　书 1/1 页 2 CN 114298283 A 2一种建立AI模型的方 法以及装 置、 存储介质、 电子 装置 技术领域 [0001]本申请涉及领域， 具体而言， 涉及一种建立AI模型的方法以及装置、 存储介质、 电 子装置。 背景技术 [0002]深度神经网络模型(AI模型)， 能够用于多种业 务场景的识别。 [0003]基于相关系统创建的深度神经 网络模型(AI模型)的泛用性较差， 比如对于一些语 句标准、 话 术相对固定的场景识别率 不高。 [0004]针对相关技术中通过预设系统创建的AI模型识别率不高的问题， 目前尚未提出有 效的解决方案 。 发明内容 [0005]本申请的主要目的在于提供一种建立AI模型的方法以及装置、 存储介质、 电子装 置， 以解决过 预设系统创建的AI模型识别率 不高的问题。 [0006]为了实现上述目的， 根据本申请的一个方面， 提供了一种建立AI模型的方法。 [0007]根据本申请的建立AI模型的方法包括： 基于业务场景， 通过预设神经网络模型建 立所述AI模型， 其中所述预设神经网络模型为使用多组数据通过机器学习训练得出的， 多 组数据中的每组数据均包括： 样本数据和所述数据的类别标签； 在建立所述AI模型的过程 中， 增加预设语法分析模块， 其中所述预设语法分析模块基于文本标记任务， 所述预设语法 分析模块用以适配于所述 业务场景中的对应文本表述。 [0008]进一步地， 所述预设语法分析模块至少包括如下之一的规则表述： 上下文无关文 法、 正则表达式、 递归下降法、 分析树。 [0009]进一步地， 所述预设神经网络模型采用深度神经网络模型。 [0010]进一步地， 所述在建立所述AI模型的过程中， 增加预设语法分析模块还包括： 在建 立所述AI模型 的过程中， 按照预设语句标准、 预设语句的话术固定的场景增加所述预设语 法分析模块。 [0011]进一步地， 所述在建立所述AI模型的过程中， 增加预设语法分析模块还包括： 在建 立所述AI模型的过程中， 按照不同发言人角色增 加所述预设语法分析模块。 [0012]进一步地， 所述在建立所述AI模型的过程中， 增加预设语法分析模块， 其中所述预 设语法分析模块基于文本标记任务， 所述预设语法分析模块用以适配于所述业务场景中的 对应文本表述包括： 基于所述文本标记任务进行文本标记； 通过所述增加的预设语法分析 模块中的所述文本标记结果， 建立所述AI模型。 [0013]进一步地， 所述基于业务场景， 通过预设神经网络模型建立所述AI模型， 还包括： 基于交叉验证确定通过 所述预设神经网络模型建立的所述AI模型的准确率、 召回率。 [0014]为了实现上述目的， 根据本申请的另一方面， 提供了一种建立AI模型的装置 。 [0015]根据本申请的建立AI模型的装置包括： 模型初始化模块， 用于基于业务场景， 通过说　明　书 1/6 页 3 CN 114298283 A 3