[发明专利]一种意图识别方法、装置及其相关设备

权利要求书

1.一种意图识别方法，其特征在于，该方法包括：

获取与待检测音频对应的音素序列，并基于所述音素序列，确定与所述待检测音频对应的文本序列；

基于交叉注意力机制，对所述文本序列和所述音素序列进行特征提取和融合，获取与所述待检测音频对应的句子特征向量；

基于所述句子特征向量，获取用于表征所述待检测音频的意图的预测结果。

2.根据权利要求1所述的意图识别方法，其特征在于，所述基于所述句子特征向量，获取用于表征所述待检测音频的意图的预测结果具体包括：

输入所述句子特征向量至全连接神经网络进行分类预测，获取所述预测结果。

3.根据权利要求2所述的意图识别方法，其特征在于，所述基于交叉注意力机制，对所述文本序列和所述音素序列进行特征提取和融合，获取与所述待检测音频对应的句子特征向量包括：

分别对所述文本序列和所述音素序列进行编码，获取与所述文本序列对应的文本序列特征向量，以及与所述音素序列对应的音素序列特征向量；

根据文本序列权重参数和音素序列权重参数，对所述文本序列特征向量和所述音素序列特征向量进行拼接，获取所述句子特征向量。

4.根据权利要求3所述的意图识别方法，其特征在于，所述对所述文本序列和所述音素序列进行编码，获取与所述文本序列对应的文本序列特征向量，以及与所述音素序列对应的音素序列特征向量包括：

采用双向神经网络对所述文本序列和所述音素序列进行编码，获取与所述文本序列对应的文本序列特征向量，以及与所述音素序列对应的音素序列特征向量。

5.根据权利要求3所述的意图识别方法，其特征在于，所述文本序列权重参数和所述音素序列权重参数通过对多个预先存储的音频样本进行训练获取，具体包括：

对样本文本序列和样本音素序列进行编码，获取与所述样本文本序列对应的样本文本序列特征向量，以及与所述样本音素序列对应的样本音素序列特征向量；其中，所述样本文本序列和所述样本音素序列通过对所述音频样本进行语音识别得到；

计算所述样本文本序列特征向量中每个文本的嵌入向量与所述样本音素序列特征向量的余弦相似度，得到每个文本的权重，通过归一化指数函数，归一化所有文本对应的权重，得到所述文本序列权重参数；

根据所述文本序列权重参数得到所述音素序列权重参数。

6.根据权利要求5所述的意图识别方法，其特征在于，所述文本序列权重参数和所述音素序列权重参数通过如下方式进行调整，具体包括：

确定由人工听取的所述音频样本转写的真实文本；

基于交叉熵损失函数，计算表征所述音频样本的意图的预测结果与所述真实文本的差异；

基于所述差异，调整所述文本序列权重参数和所述音素序列权重参数。

7.一种意图识别装置，其特征在于，包括：

语音识别模块，用于获取与待检测音频对应的音素序列，并基于所述音素序列，确定与所述待检测音频对应的文本序列；

交叉注意力模块，用于基于交叉注意力机制，对所述文本序列和所述音素序列进行特征提取和融合，获取与所述待检测音频对应的句子特征向量；

全连接神经网络分类模块，用于基于所述句子特征向量，获取用于表征所述待检测音频的意图的预测结果。

8.根据权利要求7所述的意图识别装置，其特征在于，所述全连接神经网络分类模块包括：

输入所述句子特征向量至全连接神经网络进行分类预测，获取所述预测结果。

9.根据权利要求8所述的意图识别装置，其特征在于，所述交叉注意力模块具体包括：

编码单元，分别对所述文本序列和所述音素序列进行编码，获取与所述文本序列对应的文本序列特征向量，以及与所述音素序列对应的音素序列特征向量；

拼接单元，根据文本序列权重参数和所述音素序列权重参数，对所述文本序列特征向量和所述音素序列特征向量进行拼接，获取所述句子特征向量。