[发明专利]计算机执行的用户意图预测方法、装置及设备

说明书

本说明书实施例提供一种计算机执行的用户意图预测方法、装置及设备，在预测方法中，接收用户请求。根据用户请求，确定当前领域。获取在预定特征空间表达的用户特征。若当前领域为源领域，则将用户特征输入深度学习网络的源领域路径，以通过源领域路径预测用户意图。若当前领域为目标领域，则将用户特征输入深度学习网络的目标领域路径，以通过目标领域路径预测用户意图。源领域路径包括深度学习网络的底层网络部分和第一上层部分，目标领域路径包括深度学习网络的底层网络部分和第二上层部分。源领域路径通过源领域的第一样本集训练确定，目标领域路径通过目标领域的第二样本集训练确定，第一样本集的样本数量大于第二样本集的样本数量。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种计算机执行的用户意图预测方法、装置及设备。

背景技术

传统的用户意图预测方法如下：获取待预测意图用户的用户特征。将获取的用户特征输入预测模型，以预测用户意图。为了保证预测模型的精度，其通常是基于预先收集的大量样本数据训练得到的。然而，当某领域的样本数据比较少或者难获取时，如，在客服系统冷启动阶段，或者用户反馈缺失等情况下，通常只能收集到较少的样本数据，从而训练得到的预测模型往往不能很好地对用户意图进行预测。

因此，需要提供一种用户意图预测方法，以便能够在样本数据较少的情况下，也能够对用户意图进行准确预测。

发明内容

本说明书一个或多个实施例描述了一种计算机执行的用户意图预测方法、装置及设备，可以在目标领域的样本集的样本数量较少的情况下，实现对用户意图的准确预测。

第一方面，提供了一种计算机执行的用户意图预测方法，包括：

接收用户的用户请求；

根据所述用户请求，确定当前领域；

获取所述用户的在预定特征空间表达的用户特征；

若当前领域为源领域，则将所述用户特征输入深度学习网络的源领域路径，以通过所述源领域路径预测所述用户的用户意图；

若当前领域为目标领域，则将所述用户特征输入深度学习网络的目标领域路径，以通过所述目标领域路径预测所述用户的用户意图；

其中，所述深度学习网络包括底层网络部分和上层网络部分，所述上层网络部分包括第一上层部分和第二上层部分；所述源领域路径包括所述底层网络部分和所述第一上层部分，所述目标领域路径包括所述底层网络部分和所述第二上层部分；所述源领域路径通过所述源领域的第一样本集训练确定，所述目标领域路径通过所述目标领域的第二样本集训练确定，所述第一样本集的样本数量大于所述第二样本集的样本数量。

第二方面，提供了一种计算机执行的用户意图预测装置，包括：

接收单元，用于接收用户的用户请求；

确定单元，用于根据所述接收单元接收的所述用户请求，确定当前领域；

获取单元，用于所述用户的在预定特征空间表达的用户特征；

输入单元，用于若当前领域为源领域，则将所述用户特征输入深度学习网络的源领域路径，以通过所述源领域路径预测所述用户的用户意图；

所述输入单元，还用于若当前领域为目标领域，则将所述用户特征输入深度学习网络的目标领域路径，以通过所述目标领域路径预测所述用户的用户意图；

其中，所述深度学习网络包括底层网络部分和上层网络部分，所述上层网络部分包括第一上层部分和第二上层部分；所述源领域路径包括所述底层网络部分和所述第一上层部分，所述目标领域路径包括所述底层网络部分和所述第二上层部分；所述源领域路径通过所述源领域的第一样本集训练确定，所述目标领域路径通过所述目标领域的第二样本集训练确定，所述第一样本集的样本数量大于所述第二样本集的样本数量。