[发明专利]一种意图识别方法及装置

权利要求书

1.一种意图识别方法，其特征在于，包括：

获取待识别对象的对话咨询信息；

将所述对话咨询信息的文本输入到预先训练的意图识别模型中，获得所述意图识别模型对所述对话咨询信息的文本进行特征提取后，确定的所述对话咨询信息对应于各预设意图类别的概率值，其中，所述意图识别模型的网络结构至少包括卷积神经网络、长短期记忆网络和分类网络；

根据所述对应于各预设意图类别的概率值，确定所述待识别对象的意图类别。

2.如权利要求1所述的方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层，则获得所述意图识别模型对所述对话咨询信息的文本进行特征提取后，确定的所述对话咨询信息对应于各预设意图类别的概率值，具体包括：

通过所述输入层将所述对话咨询信息的文本进行分词处理，并生成各分词对应的词向量；

通过所述卷积层对生成的各词向量进行特征提取，获得与所述各词向量对应的各卷积特征向量；

通过所述池化层将所述各卷积特征向量中各维度按照分词顺序进行组合，获得各重组后的卷积特征向量；

通过所述长短期记忆网络层将所述各重组后的卷积特征向量进行特征提取，并通过所述分类网络映射为一维向量，根据所述一维向量，确定所述对话咨询信息对应于各预设意图类别的概率值。

3.如权利要求1所述的方法，其特征在于，获得所述意图识别模型对所述对话咨询信息的文本进行特征提取后，确定的所述对话咨询信息对应于各预设意图类别的概率值，具体包括：

将所述对话咨询信息的文本进行分词处理，并生成各分词对应的词向量；

分别通过所述卷积神经网络和所述长短期记忆网络对生成的各词向量进行特征提取，获得各卷积特征向量和各全局特征向量；

将所述各卷积特征向量和所述各全局特征向量进行连接，并通过所述分类网络映射为一维向量，根据所述一维向量，确定所述对话咨询信息对应于各预设意图类别的概率值。

4.如权利要求1所述的方法，其特征在于，根据所述对应于各预设意图类别的概率值，确定所述待识别对象的意图类别，具体包括：

将所述对应于各预设意图类别的概率值中的最大值对应的意图类别，确定为所述待识别对象的意图类别。

5.如权利要求1所述的方法，其特征在于，所述各预设意图类别至少包括金融业务知识类、物联网业务知识类、金税业务知识类和其他业务知识类。

6.如权利要求1-5任一项所述的方法，其特征在于，确定所述待识别对象的意图类别之后，进一步包括：

根据所述待识别对象的意图类别，确定对应的业务知识数据库；

从所述对应的业务知识数据库中确定与所述对话咨询信息对应的对话咨询答案；或，

根据所述对应的业务知识数据库，推荐与所述对话咨询信息关联的业务知识。

7.一种意图识别装置，其特征在于，包括：

获取模块，用于获取待识别对象的对话咨询信息；

处理模块，用于将所述对话咨询信息的文本输入到预先训练的意图识别模型中，获得所述意图识别模型对所述对话咨询信息的文本进行特征提取后，确定的所述对话咨询信息对应于各预设意图类别的概率值，其中，所述意图识别模型的网络结构至少包括卷积神经网络、长短期记忆网络和分类网络；

第一确定模块，用于根据所述对应于各预设意图类别的概率值，确定所述待识别对象的意图类别。