[发明专利]人机交互中自然语言意图理解方法及装置

权利要求书

1.一种人机交互中自然语言意图理解方法，其特征在于，包括以下步骤：

获取待解析的对话文本信息；

确定所述对话文本信息中每个分词的词向量；

根据意图识别模型和所述词向量，生成与所述对话文本信息的意图类型；

获取与所述意图类型对应的意图要素抽取模型；

根据所述意图要素抽取模型和所述词向量，从所述对话文本信息中确定出表达所述意图类型所需要的意图要素的关键词信息。

2.如权利要求1所述的人机交互中自然语言意图理解方法，其特征在于，所述确定所述对话文本信息中每个分词的词向量，包括：

对所述对话文本信息进行分词，以生成所述对话文本信息的分词结果；

根据所述分词结果生成所述对话文本信息中每个分词的词向量。

3.如权利要求1所述的人机交互中自然语言意图理解方法，其特征在于，所述意图识别模型是基于长短时记忆(LSTM)的循环神经网络预先建立的，所述意图识别模型包括多个LSTM单元，所述根据意图识别模型和所述词向量，生成与所述对话文本信息的意图类型，包括：

在当前分词为第一个分词时，获取第一初始隐向量，并将所述第一初始隐向量和所述第一个分词的词向量输入第一个LSTM单元，以通过所述LSTM单元生成所述当前分词的第一隐向量；

在当前分词为第i个分词时，获取第i-1个分词的第一隐向量，并将所述第i-1个分词的第一隐向量和所述第i个分词的词向量输入第i个LSTM单元，以通过所述第i个LSTM单元生成所述第i个分词的第一隐向量，其中，i为大于或者等于2，且小于N的正整数，其中，N为所述文本信息中分词的总数；

获取第N个分词的第一隐向量，并根据所述第N个分词的第一隐向量确定出所述文本信息所表达的候选意图类型及其对应的概率信息；

根据所述候选意图类型所对应的概率信息，确定出所述对话文本信息的意图类型。

4.如权利要求1所述的人机交互中自然语言意图理解方法，其特征在于，所述意图要素抽取模型是基于双向的长短时记忆(LSTM)的循环神经网络预先建立的。