[发明专利]意图识别方法、装置、计算机设备及存储介质

说明书

本申请为人工智能技术的自然语言处理技术领域，本申请提供了一种意图识别方法、装置、计算机设备及存储介质，其中，所述方法包括：接收用户输入的对话文本，将对话文本转化为统一格式的词向量矩阵，使用预设数量的注意力模型对词向量矩阵进行处理，得到预设数量的不同维度的文本特征，将文本特征输入预先训练好的意图识别模型中，提取出对话文本的所有意图关系，基于所有意图关系生成对话文本的意图识别结果，从而通过CRF层识别对话文本的多级意图关系，基于多级意图关系确定对话文本的意图，以极大提高意图识别的准确率。

技术领域

本申请涉及人工智能技术的自然语言处理技术领域，具体而言，本申请涉及一种意图识别方法、装置、计算机设备及存储介质。

背景技术

自然语言的对话、问答、智能客服、聊天机器人等应用中，用户意图的准确识别和分类是决定应用成功运行的第一步；然后才能针对用户意图，或直接构造答案，或通过多轮对话填充词槽、补足问题后提供答案，最后为用户提供自动化的服务；当然多轮对话的每一轮中，也需要识别用户回答或反问意图。

目前的意图识别方式，大多通过文本分类的方法进行建模，主要通过构建不同的网络模型进行特征的提取，像卷积神经网络、循环神经网络、注意力机制、预训练模型微调等。这些基本都是在编码端对意图识别进行建模，但是意图识别的类别是一种序列化的多级标签，比如贷后催收场景下的标签为“客户本人-有承诺-当天存款-下午存”。这样意图关系可以分为四个级别，每一级是上一级的进一步细化，这种结构存在一定的序列关系信息，因此现有通过文本分类进行建模的方式，对文本的意图识别的准确率较低。

发明内容

本申请的主要目的为提供一种意图识别方法、装置、计算机设备及存储介质，以提高意图识别的准确率。

为了实现上述发明目的，本申请提供一种意图识别方法，其包括以下步骤：

接收用户输入的对话文本；

将所述对话文本转化为统一格式的词向量矩阵，使用预设数量的注意力模型对所述对话文本的词向量矩阵进行处理，得到预设数量的不同维度的特征，将所述预设数量的不同维度的特征作为所述对话文本的文本特征；

将所述对话文本的文本特征输入预先训练好的意图识别模型中；其中，所述意图识别模型包括多层感知器及CRF层；

在所述意图识别模型中，按照所述对话文本的上下文顺序从所述所有文本特征中提取出第一个文本特征，将所述第一个文本特征输入多层感知器，预测所述第一个文本特征的第一意图得分，将所述第一个文本特征及第一意图得分输入所述CRF层，确定所述第一个文本特征的第一级意图关系；

按照所述对话文本的上下文顺序从所述所有文本特征中提取出第二个文本特征，将所述第一个文本特征与第二个文本特征进行连接后得到第一连接文本特征，将所述第一连接文本特征输入所述多层感知器，预测所述第一连接文本特征的第二意图得分，将所述第一连接文本特征及第二意图得分输入所述CRF层，确定所述第一连接文本特征的第二级意图关系；

按照所述对话文本的上下文顺序从所述所有文本特征中提取出第三个文本特征，将所述第一个文本特征、第二个文本特征及第三个文本特征进行连接后得到第二连接文本特征，将所述第二连接文本特征输入所述多层感知器，预测所述第二连接文本特征的第三意图得分，将所述第二连接文本特征及第三意图得分输入所述CRF层，确定所述第二连接文本特征的第三级意图关系，以此类推，直至得到最后一个连接文本特征对应的最后一级意图关系为止；

基于所有意图关系生成所述对话文本的意图识别结果。

优选地，所述基于所有意图关系生成所述对话文本的意图识别结果，包括：

预测所述第一级意图关系的多个下一级意图关系；

判断所述多个下一级意图关系中是否存在与所述第二级意图关系相近的意图关系；