[发明专利]一种多任务意图分类方法、装置、设备及存储介质

说明书

本发明公开了一种多任务意图分类方法、装置、设备及存储介质，该方法包括：获取文本信息，将文本信息转换为词向量；将词向量转换为第一隐藏状态向量；利用第一隐藏状态向量分别执行意图分类任务和命名实体识别任务，得到意图分类结果和实体识别结果。该方法实现避免槽位标记，节省人工成本。

技术领域

本发明涉及计算机技术领域，特别是涉及一种多任务意图分类方法、装置、设备及存储介质。

背景技术

目前，智能机器人交互是实现城市智能化的一项重要工作。近年来，随着计算机集群计算能力的大幅度提升，人工智能算法研究和产业落地步入了发展快车道，而智能机器人交互作为人工智能重要分支——自然语言处理的一个重要应用，也逐渐成为学术界、工业界重点投入的研究热点和产品方向。无论在教育领域，金融领域，还是医疗领域都有着广泛的应用，通过使用智能机器人，可以提高效率，减少人力资源。智能机器人交互对社会经济效益和国家科技发展都具有重大意义。

命名实体识别在智能机器人交互系统中，需要从用户的提问中准确的识别出各种实体的类型才能更好地回答用户，例如：“我想订一张后天从杭州到三亚的机票？”“从三亚飞杭州的机票多少钱？”，分别需要准确地识别出“后天”，“三亚”和“杭州”才能准确回答用户的问题。对话系统需要接收纯文本形式的自然语言，必需经过实体识别将无结构化的数据转化为结构化数据，才能进行后续的意图识别等步骤。

意图识别也被称为SUC(Spoken Utterance Classification)，是将用户输入的自然语言会话进行划分，类别(classification)对应的就是用户意图。例如“今天天气如何”，其意图为“询问天气”。自然地，可以将意图识别看作一个典型的分类问题。意图的分类和定义可参考ISO-24617-2标准，其中共有56种详细的定义。面向任务的对话系统中的意图识别通常可以视为文本分类任务。同时，意图的定义与对话系统自身的定位和所具有的知识库有很大关系，即意图的定义具有非常强的领域相关性。意图分类是口语理解(SLU)系统中的重要任务。

现有技术中，开始联合处理意图分类(ID)和填槽(SF)任务一起完成多任务意图分类处理。但是，当前的联合模型需要大量手动标注的数据样本，手动标注数据需要很多成本，尤其是槽位标记。因此，如何避免槽位标记，节省人工成本是亟待解决的问题。

发明内容

本发明的目的是提供一种多任务意图分类方法、装置、设备及存储介质，以实现避免槽位标记，节省人工成本。

为解决上述技术问题，本发明提供一种多任务意图分类方法，包括：

获取文本信息，将文本信息转换为词向量；

将词向量转换为第一隐藏状态向量；

利用第一隐藏状态向量分别执行意图分类任务和命名实体识别任务，得到意图分类结果和实体识别结果。

优选的，所述将文本信息转换为词向量，包括：

从文本信息中提取词信息；

将词信息进行向量转换，生成词向量。

优选的，所述将词向量转换为第一隐藏状态向量，包括：

将词向量输入至第一双向LSTM神经网络，输出得到第一隐藏状态向量。

优选的，所述利用第一隐藏状态向量分别执行意图分类任务和命名实体识别任务，得到意图分类结果和实体识别结果，包括：

将第一隐藏状态向量输入至意图分类任务，执行意图分类任务得到意图分类结果；

将第一隐藏状态向量输入至命名实体识别任务，执行命名实体识别任务得到实体识别结果。

优选的，所述将第一隐藏状态向量输入至意图分类任务，执行意图分类任务得到意图分类结果，包括：