[发明专利]一种对话意图的识别方法、装置、电子设备及存储介质

权利要求书

1.一种对话意图的识别方法，包括：

获取待预测意图类别的样本句子和多个已标注意图类别的支撑句子；

将所述样本句子和所述支撑句子输入至预先训练好的意图识别模型中，所述意图识别模型根据所述样本句子和所述支撑句子生成所述样本句子对应的样本句子向量和所述支撑句子对应的类别向量，计算所述样本句子向量和所述类别向量之间的匹配度，根据多个所述匹配度得到所述样本句子的预测意图类别。

2.根据权利要求1所述的识别方法，根据所述样本句子和所述支撑句子生成所述支撑句子对应的类别向量，包括：

根据所述样本句子和所述支撑句子生成所述支撑句子对应的支撑句子向量；

根据所述支撑句子向量生成所述支撑句子对应的所述类别向量。

3.根据权利要求2所述的识别方法，所述根据所述样本句子和所述支撑句子生成所述支撑句子对应的支撑句子向量，包括：

根据所述样本句子生成对应的样本词向量序列；

根据所述支撑句子生成对应的支撑词向量序列；

将所述样本词向量序列输入至时间循环神经网络序列模型中，得到所述样本句子中样本单词的输出隐状态；

将所述支撑词向量序列输入至所述时间循环神经网络序列模型中，得到所述支撑句子中支撑单词的输出隐状态；

根据所述样本单词的输出隐状态和所述支撑单词的输出隐状态，生成所述支撑句子对应的输出向量序列；根据所述支撑句子对应的输出向量序列生成所述支撑句子向量。

4.根据权利要求1所述的识别方法，所述根据所述样本句子和所述支撑句子生成所述样本句子对应的样本句子向量，包括：

根据所述样本句子生成对应的样本词向量序列；

根据所述支撑句子生成对应的支撑词向量序列；

将所述样本词向量序列输入至时间循环神经网络序列模型中，得到所述样本句子中样本单词的输出隐状态；

将所述支撑词向量序列输入至所述时间循环神经网络序列模型中，得到所述支撑句子中支撑单词的输出隐状态；

根据所述样本单词的输出隐状态和所述支撑单词的输出隐状态，生成所述样本句子对应的输出向量序列；

根据所述样本句子对应的输出向量序列生成所述样本句子向量。

5.根据权利要求3-4所述的识别方法，所述根据所述样本句子生成对应的样本词向量序列，包括：

对所述样本句子进行分词处理，得到多个所述样本单词；

对所述样本单词进行词性标注，得到样本单词词性；

对所述样本单词进行命名实体识别，得到样本单词命名实体；

根据所述样本单词、所述样本单词词性和所述样本单词命名实体，生成所述样本句子对应的所述样本词向量序列。

6.根据权利要求3-4所述的识别方法，所述根据所述支撑句子生成对应的支撑词向量序列，包括：

对所述支撑句子进行分词处理，得到多个所述支撑单词；

对所述支撑单词进行词性标注，得到支撑单词词性；

对所述支撑单词进行命名实体识别，得到支撑单词命名实体；

根据所述支撑单词、所述支撑单词词性和所述支撑单词命名实体，生成所述支撑句子对应的所述支撑词向量序列。

7.根据权利要求4所述的识别方法，所述根据所述样本句子对应的输出向量序列生成所述样本句子向量，包括：

获取所述样本句子中所述样本单词在语料库中的样本词频和样本逆文档频率；

根据所述样本词频和所述样本逆文档频率生成所述样本单词对应的输出向量的权重；

根据所述样本句子对应的输出向量序列中的输出向量和对应的权重，生成所述样本句子向量。

8.根据权利要求3所述的识别方法，所述根据所述支撑句子对应的输出向量序列生成所述支撑句子向量，包括：

获取所述支撑句子中所述支撑单词在语料库中的支撑词频和支撑逆文档频率；

根据所述支撑词频和所述支撑逆文档频率生成所述支撑单词对应的输出向量的权重；

根据所述支撑句子对应的输出向量序列中的输出向量和对应的权重，生成所述支撑句子向量。