[发明专利]一种未知意图文本的识别方法及装置

权利要求书

1.一种未知意图文本的识别方法，其特征在于，包括：

获取每个训练样本对应的K个正样本和S个负样本，所述正样本是从所述训练样本的同类别样本中随机获取的，所述负样本是从所述训练样本的不同类别样本中随机获取的，K和S均为大于或者等于1的正整数；

使用分类器获取所述训练样本及其对应的所述正样本和所述负样本的句子表示，所述分类器通过对比学习损失函数使同类别样本的句子表示相互聚拢，通过分类学习损失函数使不同类别的句子表示相互远离；

根据所述句子表示确定每个类别的决策中心，并学习每个类别的决策边界；

获取待识别文本与各个类别的决策中心的相似度，以确定最大相似度对应的目标类别；

判断所述待识别文本是否位于所述目标类别的决策边界之外；

如果所述待识别文本位于所述目标类别的决策边界之外，确定所述待识别文本为未知意图文本；

如果所述待识别文本位于所述目标类别的决策边界之内，确定所述待分类文本属于所述目标类别。

2.根据权利要求1所述的方法，其特征在于，所述对比学习损失函数是根据所述训练样本与其任意所述正样本之间的距离，以及，所述训练样本与其所有所述负样本之间的距离之和构造的。

3.根据权利要求2所述的方法，其特征在于，所述对比学习损失函数具体为以下Loss₁：

其中，N为正样本的数量，v_i表示训练样本的句子表示的归一化结果，v_j表示正样本的句子表示的归一化结果，v^-表示负样本的句子表示的归一化结果，V⁺表示所有正样本的集合，V^-表示所有负样本的集合，τ为超参数，exp(v_i·v_j/τ)表示所述训练样本与其任意所述正样本之间的距离，所述表示所述训练样本与其所有所述负样本之间的距离之和。

4.根据权利要求3所述的方法，其特征在于，所述分类学习损失函数是根据所述训练样本的句子表示与其类别对应的真实标签的表示之间的余弦距离，以及，所述训练样本的句子表示与所有其他类别标签的表示之间的余弦距离之和构造的。

5.根据权利要求4所述的方法，其特征在于，所述分类学习损失函数具体为以下Loss₂：

其中，z_i表示训练样本的句子表示，θ_yi表示训练样本的真实标签的表示，θ_j表示其他类别标签的表示，cos(θ_yi,z_i)表示所述训练样本的句子表示与其类别对应的真实标签的表示之间的余弦距离，cos(θ_j,z_i)表示所述训练样本的句子表示与其他类别标签的表示之间的余弦距离，m为一个预设的参数，s为一个预设倍数。

6.根据权利要求1所述的方法，其特征在于，所述学习每个类别的决策边界，包括：

根据所述训练样本的句子表示与其类别对应的决策中心之间的余弦距离与所述决策半径的数值关系构造决策边界优化函数，所述数值关系包括所述训练样本的句子表示与其类别对应的决策中心之间的余弦距离大于类别的决策边界，或者，所述训练样本的句子表示与其类别对应的决策中心之间的余弦距离小于或等于类别的决策边界；

根据所述决策边界优化函数学习每个所述类别簇的决策边界。

7.根据权利要求6所述的方法，其特征在于，所述决策边界优化函数具体为以下L_b：

其中，N为正样本的数量，Δ_yi表示类别的决策半径，c_yi表示类别的决策中心，z_i表示训练样本的句子表示，cos(c_yi,z_i)表示训练样本z_i与决策中心c_yi之间的余弦距离。