[发明专利]意图识别的方法、介质、装置和计算设备

权利要求书

1.一种意图识别的方法，其特征在于，包括：

获取待识别的文本数据；

使用文本分类模型按照类别粗细分层对所述文本数据进行识别；

使用小样本学习模型对所述文本数据进行识别；

使用预设的阈值，分别确定出所述文本分类模型的第一识别结果及所述小样本学习模型的第二识别结果各自对应的置信度级别；

将所述第一识别结果和所述第二识别结果进行比较，根据比较结果是否符合预设的投票规则，对所述置信度级别进行级别调整，将级别调整后的第一识别结果和第二识别结果作为意图识别结果。

2.根据权利要求1所述的方法，其特征在于，所述文本分类模型划分的类别包括第一层意图类别和第二层意图类别，且所述第二层意图类别的粗细粒度细于所述第一层意图类别的粗细粒度。

3.根据权利要求2所述的方法，其特征在于，所述使用文本分类模型按照类别粗细分层对所述文本数据进行识别，包括：

使用文本分类模型对所述文本数据进行编码；

对所述编码后的文本数据，分别按照所述第一层意图类别和第二层意图类别进行特征抽取；

根据所述特征抽取得到的特征矩阵，计算所述文本数据在所述第一层意图类别和第二层意图类别的各类别的概率分布。

4.根据权利要求3所述的方法，其特征在于，所述对所述编码后的文本数据，分别按照所述第一层意图类别和第二层意图类别进行特征抽取，包括：

对所述编码后的文本数据，按照所述第一层意图类别进行特征抽取；

对所述编码后的文本数据，结合所述第一层意图类别特征抽取得到的特征矩阵，按照所述第二层意图类别进行特征抽取。

5.根据权利要求3所述的方法，其特征在于，所述根据所述特征抽取得到的特征矩阵，计算所述文本数据在所述第一层意图类别和第二层意图类别的各类别的概率分布，包括：

对所述第一层意图类别的特征矩阵进行归一化操作，得到所述文本数据在所述第一层意图类别中各类别的概率分布；

对所述第二层意图类别的特征矩阵进行掩膜的归一化操作，得到所述文本数据在所述第二层意图类别中各类别的概率分布。

6.根据权利要求1所述的方法，其特征在于，所述小样本学习模型在训练过程中使用来自同一个场景的查询集和支撑集进行训练。

7.根据权利要求1所述的方法，其特征在于，所述根据比较结果是否符合预设的投票规则，对所述置信度级别进行级别调整，包括：

若所述第一识别结果和第二识别结果有交集，则将二者的置信度级别均进行升级调整；

若所述第一识别结果和第二识别结果无交集，则对所述第一识别结果和第二识别结果的置信度级别中的至少之一，进行降级调整或维持原级别。

8.根据权利要求7所述的方法，其特征在于，所述若所述第一识别结果和第二识别结果有交集，则将二者的置信度级别均进行升级调整，包括：

若所述第一识别结果和第二识别结果有交集，且对应的置信度级别均为中等以上的级别，则将每个置信度级别都提高一个级别。

9.根据权利要求7所述的方法，其特征在于，所述若所述第一识别结果和第二识别结果无交集，则对所述第一识别结果和第二识别结果的置信度级别中的至少之一，进行降级调整或维持原级别，包括：

若所述第一识别结果和第二识别结果无交集，则将所述第一识别结果和第二识别结果的置信度级别中，原来为强的级别降级为中等，原来为中等的保持不变。

10.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若所述第一识别结果和第二识别结果其中之一识别出其他类别，则将另一个识别结果对应的置信度级别降低一个级别；其中，所述其他类别为所述文本分类模型和小样本学习模型划分的类别以外的类别。