[发明专利]意图转译方法及电子设备

权利要求书

1.一种意图转译方法，其特征在于，包括：

获取用户的意图表达作为待测文本；

使用预先构建的联合模型对所述待测文本进行业务类型识别及槽填充处理，得到所述待测文本的目标业务类型及槽填充结果；

根据所述槽填充结果确定路由目标地址；

基于所述目标业务类型所对应的服务质量性能配置要求通过预先构建的路由决策模型计算得到网络链路权重；

基于所述网络链路权重，计算得到路由源地址与所述路由目标地址之间的最短路径，并将其作为所述待测文本的意图转译结果。

2.根据权利要求1所述的方法，其特征在于，所述联合模型包括LDA模型及BERT模型；

所述使用预先构建的联合模型对所述待测文本进行业务类型识别及槽填充处理，得到所述待测文本的目标业务类型及槽填充结果，包括：

通过所述LDA模型对所述待测文本进行特征扩展，得到扩展文本；

将所述扩展文本转化为向量，得到特征扩展向量；

通过所述BERT模型对所述待测文本进行语义提取，得到全文信息向量；

将所述全文信息向量及所述特征扩展向量进行拼接，对拼接后的向量进行softmax分类处理，得到业务类型分布概率及所述槽填充结果；

将所述业务类型分布概率中的最大概率值对应的业务类型作为所述目标业务类型。

3.根据权利要求2所述的方法，其特征在于，所述通过所述BERT模型对所述待测文本进行语义提取，得到全文信息向量，包括：

在所述待测文本的首部加上第一标签，在所述待测文本每一个句子的尾部加上第二标签，得到文本序列；

基于所述文本序列生成每个元素对应的原始词向量、位置向量及分割向量；

将所述文本序列每个元素对应的所述原始词向量、所述位置向量和所述分割向量求和，求和后的向量经Transformer层处理，输出所述第一标签的目标向量、所述第二标签的目标向量及所述待测文本的目标向量，将所述第一标签的目标向量、所述第二标签的目标向量及所述待测文本的目标向量作为所述全文信息向量。

4.根据权利要求3所述的方法，其特征在于，所述softmax分类处理包括：

基于所述第一标签的目标向量计算所述待测文本被预测为每一个业务类型的概率，得到业务类型分布概率；

基于所述第二标签的目标向量、所述待测文本的目标向量及所述特征扩展向量对所述待测文本及所述扩展文本进行槽填充标注，得到槽填充结果。

5.根据权利要求2所述的方法，其特征在于，在所述对拼接后的向量进行softmax分类处理，得到业务类型分布概率及所述槽填充结果之前，将拼接后的向量输入全连接层进行处理，将所述全连接层的输出作为所述softmax分类处理的输入。

6.根据权利要求2所述的方法，其特征在于，所述LDA模型为利用训练文本进行预训练后的模型，所述预训练过程为：

对所述训练文本中的每个词随机分配一个所述业务类型；

遍历所述训练文本，采用吉布斯采样方法对全部所述业务类型进行采样，并更新每个词对应的所述业务类型，直至采样结果收敛为止，得到所述LDA模型。

7.根据权利要求1～6任一项所述的方法，其特征在于，利用迪杰斯特拉算法计算所述路由源地址与所述路由目标地址之间的最短路径。

8.根据权利要求1～6任一项所述的方法，其特征在于，在所述使用预先构建的联合模型对所述待测文本进行业务类型识别及槽填充处理之前，对所述待测文本进行预处理，所述预处理包括下列中至少一个：

对所述待测文本进行分词；

去除所述待测文本中的标点符号；

过滤所述待测文本中的停用词；

将所述待测文本中的大小写统一化；

对所述待测文本中的繁简字体统一化。

9.根据权利要求1～6任一项所述的方法，其特征在于，所述路由决策模型根据DDPG算法构建。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任意一项所述的方法。