[发明专利]意图分类模型构建方法、装置、设备及存储介质

说明书

本公开提供了一种意图分类模型构建方法、装置、设备及存储介质，涉及计算机技术领域。该方法包括：获取用户输入的样本语料，以构建语料库；对样本语料进行分词处理；根据分词结果中各词语在语料库中的出现频率，构建意图分类模型的词典；根据词典中各词语的字词特征，将各条样本语料转换为特征向量；分别对神经网络的中间网络层、激活层及正则化方式进行初始化；以及以各特征向量作为训练集，基于预先设置的算法库中的各轻量算法，对经初始化后的神经网络进行训练，以获得意图分类模型。该方法能够提高意图类别预测的准确性，提升用户体验。

技术领域

本公开涉及计算机技术领域，尤其涉及一种意图分类模型构建方法、装置、设备及存储介质。

背景技术

随着大数据和互联网的发展，在电商领域，用户越来越喜欢通过智能助理来导购，更愿意随时随地体验身边的高科技产品，如何从海量数据中挖掘用户意图，对用户需求进行准确定位，是一件有意义的工作。

相关技术中，使用设定好的话术模板来匹配用户句式，从而识别用户的意图类别。这种方法中的话术模板是根据经验人工设定的，导致智能助理对用户的意图类别的预测不全面。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种意图分类模型构建方法、装置、设备及存储介质，能够提高意图类别预测的准确性，提升用户体验。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种意图分类模型构建方法，包括：获取用户输入的样本语料，以构建语料库；对样本语料进行分词处理；根据分词结果中各词语在语料库中的出现频率，构建意图分类模型的词典；根据词典中各词语的字词特征，将各条样本语料转换为特征向量；分别对神经网络的中间网络层、激活层及正则化方式进行初始化；以及以各特征向量作为训练集，基于预先设置的算法库中的各轻量算法，对经初始化后的神经网络中进行训练，以获得意图分类模型。

在本公开一个实施例中，预先设置的算法库包括如下轻量算法的至少其中之一：预先设置的掩膜层算子、预先设置的稠密张量前向传播层、预先配置的神经网络层数、特征向量分批处理中批次大小及神经网络权重参数的归一化处理方式。

在本公开一个实施例中，预先设置的算法库还包括：位置向量化轻量算法，用于在进行拼接之前，在输入张量的不同位置，使用不同的算法控制不同位置的权重。

在本公开一个实施例中，预先设置的算法库还包括：预先设置的注意力机制。

在本公开一个实施例中，预先设置的算法库还包括：基于多层感知机和基于卷积的高速路方式轻量算法。

在本公开一个实施例中，还包括：将反馈的坏案例和重新标记的标签加入训练集，优化意图分类模型。

在本公开一个实施例中，对经初始化后的神经网络中进行训练之前，方法还包括：将特征向量的长度调整为预设长度；及将调整长度后的各特征向量分为不同批次，以在对神经网络进行训练时，分批次进行训练。

根据本公开的另一个方面，提供一种意图类别预测方法，包括：获取待预测语句；以及基于根据上述任一意图分类模型构建方法构建的意图分类模型，对待预测语句进行预测，得到意图类别预测结果。

在本公开一个实施例中，对待预测语句进行预测，得到意图类别预测结果包括：对待预测语句进行预测，得到每种预设意图类别的概率；以及将概率最大的意图类别作为意图类别预测结果。