[发明专利]一种意图识别方法及装置

说明书

本申请涉及计算机技术领域，尤其涉及一种意图识别方法及装置，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，这样，能提升意图识别效率和准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种意图识别方法及装置。

背景技术

随着人工智能技术的飞速发展，纳税服务步入“互联网+税务”的智能化 时代，通过人工智能和机器学习分析所有数据，在税务领域智能客服问答系统 中，能够识别出用户的意图对于理解用户提出的问题以及欲求得到的帮助具有 重要的意义，现有技术中，用户意图识别主要使用规则匹配和基于特征的机器 学习，但现有技术中的这种方法机器学习采用的网络结构单一，准确性不高， 并且扩展性较差。

发明内容

本申请实施例提供一种意图识别方法及装置，以提升用户意图识别准确性。

本申请实施例提供的具体技术方案如下：

一种意图识别方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，确定所述待识别对象的意图类别之后，进一步包括：