[发明专利]意图识别模型的训练方法、意图识别方法、装置及设备

权利要求书

1.一种意图识别模型的训练方法，其特征在于，所述方法包括：

获取多个第一文本数据；

提取各个第一文本数据的语义特征；

基于所述各个第一文本数据的语义特征，对所述多个第一文本数据进行聚类处理，得到至少一个意图类别；

从各个意图类别对应的多个第一文本数据中分别筛选出目标数量个第二文本数据，所述第二文本数据包含多个意图类别的文本数据，且各个意图类别的文本数据的数据量相同，

或者，

从第一意图类别对应的各个第一文本数据中筛选出第二文本数据，所述第二文本数据为所述第一意图类别的文本数据，所述至少一个意图类别包含所述第一意图类别，所述第一意图类别为各个意图类别中包含第三文本数据的数量最少的意图类别，所述第三文本数据已标注有意图类别标注结果且用于训练意图识别模型；

获取各个第二文本数据的意图类别标注结果；

根据所述各个第二文本数据的意图类别标注结果获取意图识别模型。

2.根据权利要求1所述的方法，其特征在于，所述提取各个第一文本数据的语义特征之后，还包括：

基于所述各个第一文本数据的语义特征，对所述各个第一文本数据进行分类处理，得到所述各个第一文本数据各自对应的各个意图类别的概率；

根据所述各个第一文本数据各自对应的各个意图类别的概率，从所述多个第一文本数据中筛选出符合数据条件的多个第二文本数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述各个第一文本数据各自对应的各个意图类别的概率，从所述多个第一文本数据中筛选出符合数据条件的多个第二文本数据，包括：

响应于所述符合数据条件的多个第二文本数据为信息熵大于或者等于目标信息熵的文本数据，则根据所述各个第一文本数据对应的各个意图类别的概率，计算所述各个第一文本数据的信息熵，所述信息熵指示确定文本数据对应的意图类别的难易程度；

响应于存在至少一个第一文本数据的信息熵大于或者等于目标信息熵，将所述至少一个第一文本数据作为所述第二文本数据。

4.根据权利要求2所述的方法，其特征在于，所述根据所述各个第一文本数据各自对应的各个意图类别的概率，从所述多个第一文本数据中筛选出符合数据条件的多个第二文本数据，包括：

响应于所述符合数据条件的多个第二文本数据为满足第一条件和第二条件中的至少一项的文本数据，则从所述各个第一文本数据对应的各个意图类别的概率中确定最大概率，满足第一条件是指各个意图类别的概率中最大概率小于或者等于概率阈值，满足第二条件是指各个意图类别的概率中最大概率所对应的意图类别 为第二意图类别，所述第二意图类别为各个意图类别中包含第三文本数据的数量最少的意图类别；

响应于存在至少一个第一文本数据满足第一条件和第二条件中的至少一项，将所述至少一个第一文本数据确定为所述第二文本数据。

5.根据权利要求2所述的方法，其特征在于，所述根据所述各个第一文本数据各自对应的各个意图类别的概率，从所述多个第一文本数据中筛选出符合数据条件的多个第二文本数据，包括：

响应于所述符合数据条件的多个第二文本数据为每两个意图类别之间的概率差值均小于或者等于概率差值阈值的文本数据，则基于所述各个第一文本数据对应的各个意图类别的概率，确定所述各个第一文本数据对应的每两个意图类别之间的概率差值；

响应于存在至少一个第一文本数据对应的每两个意图类别之间的概率差值均小于或者等于概率差值阈值，将所述至少一个第一文本数据确定为所述第二文本数据。

6.一种意图识别方法，其特征在于，所述方法包括：

获取待识别意图的文本数据；

基于意图识别模型确定所述文本数据的意图类别，所述意图识别模型是根据权利要求1-5中任一项所述的方法得到的。