[发明专利]意图转译方法及电子设备

说明书

本申请提供一种意图转译方法及电子设备。意图转译方法包括：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。本申请的意图转译方法及电子设备，实现对用户使用自然语言表达的意图的转译，用户意图的表达形式不受限制。

技术领域

本申请涉及网络通信与机器学习技术领域，尤其涉及一种意图转译方法及电子设备。

背景技术

基于意图的网络(IBN,Intent-Based Networking)是一种新兴的网络范式，无需网络管理员敢于，能够简化网络管理。IBN的工作流程主要涉及到意图转译、策略验证、策略下发与执行以及实时反馈等。现有的意图转译方法中，主要是通过基于规则或基于词典进行关键字的抽取来识别用户意图，没有做到语义层面的理解，用户需使用特定模板表达意图，意图表达受到限制。

发明内容

有鉴于此，本申请的目的在于提出一种意图转译方法及电子设备。

基于上述目的，本申请提供了一种意图转译方法，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。

进一步的，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。

进一步的，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。

进一步的，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；