[发明专利]一种意图识别方法及装置

说明书

本发明提供了一种意图识别方法及装置，包括：获取待意图识别信息；采用预先构建的意图信息抽取模型对所述待意图识别信息进行序列标注，得到意图关键词；判断所述待意图识别信息是否包含否定词；当所述待意图识别信息包含否定词时，根据所述意图关键词、以及其与所述否定词之间的关联关系，得到所述待意图识别信息的准确意图。本发明提供的意图识别方法，可以提升意图识别的准确性。

技术领域

本发明涉及语义识别技术领域，尤指一种意图识别方法及装置。

背景技术

随着人工智能时代的来临，语音助手、智能陪护机器人等职能对话系统为人们生活带来了方便。对话系统主要由语音识别、语义理解、对话管理、答案生成、语音合成几个模块组成。意图识别作为语义理解的一部分，在整个对话过程中起着重要作用。

常见的意图识别方法有基于规则模板、基于统计特征分类等传统方法，还基于卷积神经网络、基于循环神经网络等深度学习方法。规则模板依赖数据，需要大量人力去编写相应的模板，随着数据增多，适应性太差；统计特征分类需要人为抽取特征，成本高，还不能得到用户隐含的意图，准确率也无法保障。基于卷积神经网络、循环神经网络等深度学习模型强依赖于训练样本的数据量和数据质量，在数据资源不足的情况下，很难对用户的意图充分建模，对于出现频率较低的话术，意图识别不可控。

比如，用户输入“我不想吃肯德基，我要吃川菜”，传统方法中如果没有对应的模板去解析，则很难识别出“肯德基”是否定意图；在类似这样既有否定意图、又有肯定意图的训练样本语料不足的情况下，深度学习模型很难学习到“肯德基”与“不想吃”之间的依存关系，所以现有技术往往会忽略“不想吃”这一需求，以为“肯德基”、“川菜”都是肯定意图，给用户返回包含肯德基和川菜的结果，比如向客户推荐吃肯德基的地方和吃川菜的地方。

发明内容

本发明的目的之一是为了克服现有技术中存在的至少部分不足，提供一种意图识别方法及装置，针对存在否定意图的语句，或既有肯定意图又有否定意图的复杂语句，提升意图识别的准确性。

本发明提供的技术方案如下：

一种意图识别方法，包括：获取待意图识别信息；采用预先构建的意图信息抽取模型对所述待意图识别信息进行序列标注，得到意图关键词；判断所述待意图识别信息是否包含否定词；当所述待意图识别信息包含否定词时，根据所述意图关键词、以及其与所述否定词之间的关联关系，得到所述待意图识别信息的准确意图。

进一步可选的，所述采用预先构建的意图信息抽取模型对所述待意图识别信息进行序列标注，得到意图关键词，之前包括：获取带有人工标注的意图关键词的语料样本；基于双向长短期记忆网络和条件随机场算法建立深度学习网络；用所述语料样本训练所述深度学习网络；当所述深度学习网络收敛时，得到意图信息抽取模型。

进一步可选的，所述采用所述意图信息抽取模型对所述待意图识别信息进行序列标注，得到意图关键词，包括：将所述待意图识别信息转换为符合高斯分布的语料向量；将所述语料向量分别输入双向长短期记忆网络中学习，得到每个字对应每种标签的概率；根据所述每个字对应每种标签的概率，再结合标签之间的依赖关系，经条件随机场算法得到概率最大的一组标签记录，作为序列标注的结果；根据所述序列标注的结果，得到意图关键词。

进一步可选的，所述判断所述待意图识别信息是否包含否定词包括：对序列标注后的待意图识别信息进行分词；遍历分词后的每个词语，判断是否至少存在一个词语在包含否定词的词库中能找到与其语义相同或相近的否定词；当至少存在一个词语在包含否定词的词库中能找到与其语义相同或相近的否定词时，则所述待意图识别信息包含否定词。

进一步可选的，所述根据所述意图关键词、以及其与所述否定词之间的关联关系，得到所述待意图识别信息的准确意图包括：根据文法规则模板，分析所述意图关键词与所述否定词之间的语义依存关系；根据所述意图关键词和所述语义依存关系得到所述待意图识别信息的准确意图。