[发明专利]一种语音意图识别方法及装置

权利要求书

1.一种语音意图识别方法，其特征在于，所述方法具体包括：

获取用户的语音数据，根据所述语音数据，确定所述语音数据对应的文本数据；

根据所述语音数据，通过意图识别模型的第一分支网络，确定第一特征向量，以及根据所述文本数据，通过所述意图识别模型的第二分支网络，确定第二特征向量；

获取所述用户的关联数据，根据所述关联数据，通过所述意图识别模型的第三分支网络，确定第三特征向量，其中，所述关联数据包括用户信息数据、用户行为数据以及历史交互数据中的至少一种，所述历史交互数据是在与所述用户交互的过程中，向所述用户发送的语音；

将所述第一特征向量、所述第二特征向量以及所述第三特征向量进行融合，确定总特征向量，将所述总特征向量输入所述意图识别模型的中间分支网络，确定所述中间分支网络输出的用户意图向量；

将所述用户意图向量输入所述意图识别模型的各输出分支网络，并根据各输出分支网络分别输出的各分类结果，确定所述用户的意图识别结果，所述用户的意图用于确定回复所述用户的语音信息，不同输出分支网络用于输出不同意图类型的分类结果。

2.如权利要求1所述的方法，其特征在于，根据所述语音数据，通过意图识别模型的第一分支网络，确定第一特征向量，具体包括：

去除所述语音数据中的无效数据，得到待识别数据；

将确定出的待识别数据输入到意图识别模型的第一分支网络，确定第一特征向量。

3.如权利要求1所述的方法，其特征在于，根据所述关联数据，通过所述意图识别模型的第三分支网络，确定第三特征向量，具体包括：

根据所述用户的用户信息数据，确定该用户对应的各预设类型的用户信息数据；

针对每个预设类型，对该类型的用户信息数据进行编码，确定画像编码；

将各类型的画像编码，分别输入所述第三分支网络中各预设的类型对应的神经网络层，得到各画像编码对应的画像向量；

将各画像编码对应的画像向量进行融合，确定综合画像向量；

将所述综合画像向量作为输入，输入所述第三分支网络中的融合网络层，确定所述融合网络层的输出，作为所述第三特征向量。

4.如权利要求1所述的方法，其特征在于，所述用户行为数据为在与所述用户交互的过程之前，记录的所述用户行为数据；

根据所述关联数据，通过所述意图识别模型的第三分支网络，确定第三特征向量，具体包括：

根据所述用户行为数据，对所述用户的各行为进行编码；

根据所述用户各行为的编码，确定各用户行为向量；

将各用户行为向量作为输入，依次输入所述意图识别模型的第三分支网络，根据所述意图识别模型的第三分支网络的隐层特征，确定第三特征向量。

5.如权利要求3所述的方法，其特征在于，根据所述关联数据，通过所述意图识别模型的第三分支网络，确定第三特征向量，具体包括：

根据历史交互数据，确定与所述用户交互过程中发送的各语音；

按照各语音的发送排序，确定目标语音；

将所述目标语音对应的文本数据作为输入，输入所述意图识别模型的第三分支网络，确定第三特征向量。

6.如权利要求1所述的方法，其特征在于，各输出分支网络至少包括：用于输出用户情绪的输出分支网络、用于输出用户态度的输出分支网络以及输出用户是否肯定的输出分支网络中的两种。