[发明专利]获取文本意图的方法和系统

权利要求书

1.获取文本意图的方法，其特征在于，所述方法包括：

根据本地数据库中的历史文本构建分词词典；

通过包含所述分词词典的分词工具对所述历史文本进行分词，获取分词集合；

通过预设的空间向量模型和TF-IDF构建所述历史文本的特征向量；

通过所述特征向量和预设的意图类别对预设的支持向量机分类模型进行训练；

通过经过所述训练的支持向量机分类模型获取待分类文本的意图类别。

2.如权利要求1所述的方法，其特征在于，所述通过预设的空间向量模型和TF-IDF构建所述历史文本的特征向量，包括：

根据公式：获取所述分词的TF-IDF值，其中，表示词在文本中出现的次数，表示文本的总词数，表示文本集合的大小，表示文本集合中包含词的文本数量；

根据所述TF-IDF值获取所述历史文本的特征向量。

3.如权利要求1所述的方法，其特征在于，所述根据本地数据中的历史文本构建分词词典，包括：

获取本地数据库中的历史文本，并从所述历史文本中生成n-gram构成的候选词集合；

按照词频、点互信息、邻接熵、语言规则的顺序依序对所述候选词集合进行候选词过滤，获取过滤后候选词集合，所述词频为单个候选词在所述候选词集合中出现的次数。

4.如权利要求3所述的方法，其特征在于，所述按照词频、点互信息、邻接熵、语言规则的顺序依序对所述候选词集合进行候选词过滤，获取过滤后候选词集合，包括：

过滤所述候选词集合中词频小于预设的词频阈值的候选词，获取第一候选词集合；

过滤所述第一候选词集合中点互信息小于预设的点互信息阈值的候选词，获取第二候选词集合，所述点互信息根据公式：获取，其中，n为候选词w的长度，是候选词在语料库中出现的频率，是中的第i个中文汉字或英文单词，和是组成候选词w的两段字符串，，分别是这两段字符串在语料库中的频率；

过滤所述第二候选词集合中邻接熵小于预设的邻接熵阈值的候选词，获取第三候选词集合，所述邻接熵根据公式：获取，其中，和分别是候选词的左右信息熵，和分别是候选词的左右邻接字符的集合，和分别是左右邻接字符，和分别是左右邻接字符的频率，候选词的邻接熵取和两者的最小值；

过滤所述第三候选词集合中不符合语法规则和组合词规则的候选词，获取过滤后候选词集合。

5.如权利要求1-4任一项所述的方法，其特征在于，所述分词工具为jieba分词工具，所述意图类别包括：办公电脑及外设运维、视频会议运维、网络安全运维、网络运维、应用系统运维、主机运维。

6.获取文本意图的系统，其特征在于，所述系统包括：

分词词典构建模块，用于根据本地数据库中的历史文本构建分词词典；

分词集合获取模块，用于通过包含所述分词词典的分词工具对所述历史文本进行分词，获取分词集合；

特征向量构建模块，用于通过预设的空间向量模型和TF-IDF构建所述历史文本的特征向量；

训练模块，用于通过所述特征向量和预设的意图类别对预设的支持向量机分类模型进行训练；

意图类别获取模块，用于通过经过所述训练的支持向量机分类模型获取待分类文本的意图类别。

7.如权利要求6所述的系统，其特征在于，所述通过预设的空间向量模型和TF-IDF构建所述历史文本的特征向量，包括：

根据公式：获取所述分词的TF-IDF值，其中，表示词在文本中出现的次数，表示文本的总词数，表示文本集合的大小，表示文本集合中包含词的文本数量；

根据所述TF-IDF值获取所述历史文本的特征向量。

8.如权利要求6所述的系统，其特征在于，所述根据本地数据中的历史文本构建分词词典，包括：

获取本地数据库中的历史文本，并从所述历史文本中生成n-gram构成的候选词集合；

按照词频、点互信息、邻接熵、语言规则的顺序依序对所述候选词集合进行候选词过滤，获取过滤后候选词集合，所述词频为单个候选词在所述候选词集合中出现的次数。