[发明专利]一种意图识别方法、装置及其相关设备

说明书

本公开提供了一种意图识别方法、装置及其相关设备，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。该方法可以提升口语意图识别的准确率。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种意图识别方法、装置及其相关设备。

背景技术

随着深度学习和自然语言处理技术的发展，许多重复繁琐的问答都移交给智能语音对话系统完成。智能语音对话系统包含语音识别、口语理解、对话管理、对话生成以及语音合成五大模块。口语理解模块主要由领域识别、意图识别、槽位填充三个任务组成，用于对话系统的下一步响应动作的意图识别的现有方法为利用文本层面的特征信息实现意图识别，现有方法在口语意图识别任务下准确率较低。如何提升口语意图识别的准确率亟待解决。

发明内容

针对现有技术存在的问题，本公开实施例提供一种意图识别方法、装置及其相关设备，实现提升口语意图识别的准确率。

第一方面，本公开提供一种意图识别方法，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。

根据本公开提供的意图识别方法，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。

根据本公开提供的意图识别方法，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。

根据本公开提供的意图识别方法，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。

根据本公开提供的意图识别方法，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，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所述样本文本序列特征向量，以及与所述样本音素序列对应的所述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。

根据本公开提供的意图识别方法，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。