[发明专利]一种意图识别方法及装置

权利要求书

1.一种意图识别方法，其特征在于，所述方法包括：

处理待意图识别的文本，形成对应于所述文本的长度的N个特征集合，其中，每一个所述特征集合均包括有用于确定所述文本的文本向量所需的特征，N为大于或等于1的整数；

为每一个所述特征集合分别选取对应的文本向量确定模型，其中，所述文本向量模型用于基于对应的特征集合确定所述文本的文本向量；

利用每一个所述文本向量确定模型分别处理对应的特征集合，得到每一个所述文本向量确定模型对应的文本向量；

利用意图识别模型对所得到的文本向量进行意图识别处理。

2.根据权利要求1所述的方法，其特征在于，处理待意图识别的文本，形成对应于所述文本的长度的N个特征集合，包括：

在所述文本的长度不大于目标长度的情况下，对所述文本进行词性标注处理，得到词性标注集合，其中，所述词性标注集合中包括有所述文本涉及的分词的词性信息；

确定所述文本对应的情感极性信息；

将所述词性标注集合、所述情感极性信息以及所述文本整合为第一特征集合。

3.根据权利要求1所述的方法，其特征在于，处理待意图识别的文本，形成对应于所述文本的长度的N个特征集合，包括：

在所述文本的长度大于目标长度的情况下，将所述文本切分为对应的词集合和字集合；

处理所述词集合，形成第二特征集合；

处理所述字集合，形成第三特征集合。

4.根据权利要求3所述的方法，其特征在于，处理所述词集合，形成第二特征集合，包括：

确定所述词集合中每一个分词对应的词向量；

利用双向循环神经网络模型处理所确定的词向量，得到每一个分词对应的上下文特征向量；

将每一个所述分词对应的词向量和上下文特征向量，整合为所述第二特征集合。

5.根据权利要求4所述的方法，其特征在于，利用每一个所述文本向量确定模型分别处理对应的特征集合，得到每一个所述文本向量确定模型对应的文本向量，包括：

利用词级别的注意力机制模型处理所述第二特征集合包括的上下文特征向量，得到每一个所述分词对应的权重；

基于每一个所述分词对应的词向量和权重，确定所述文本的文本向量。

6.根据权利要求4所述的方法，其特征在于，处理所述字集合，形成第三特征集合，包括：

确定所述字集合中每一个字对应的字向量以及位置向量，其中，所述位置向量用于描述对应的字在所述文本中的位置；

对于每一个字，融合所述字对应的字向量和位置向量，形成所述字对应的第一目标向量；

整合每一个字对应的第一目标向量，形成所述第三特征集合。

7.根据权利要求3所述的方法，其特征在于，利用意图识别模型对所得到的文本向量进行意图识别处理，包括：

融合所述文本对应的两个文本向量得到第二目标向量，其中，所述两个文本向量中的一个文本向量由所述第二特征集合对应的文本向量确定模型处理所述第二特征集合而得，另一个文本向量由所述第三特征集合对应的文本向量确定模型处理所述第三特征集合而得；

利用所述意图识别模型对所述第二目标向量进行意图识别处理。

8.一种意图识别装置，其特征在于，所述装置包括：

第一处理单元，用于处理待意图识别的文本，形成对应于所述文本的长度的N个特征集合，其中，每一个所述特征集合均包括有用于确定所述文本的文本向量所需的特征，N为大于或等于1的整数；

选取单元，用于为每一个所述特征集合分别选取对应的文本向量确定模型，其中，所述文本向量模型用于基于对应的特征集合确定所述文本的文本向量；

第二处理单元，用于利用每一个所述文本向量确定模型分别处理对应的特征集合，得到每一个所述文本向量确定模型对应的文本向量；

识别单元，用于利用意图识别模型对所得到的文本向量进行意图识别处理。