[发明专利]意图识别方法、意图识别模型训练方法、系统及装置

说明书

本申请公开了一种意图识别方法、意图识别模型训练方法、系统及装置，该方法包括：基于更新后的第一意图识别模型获得待识别数据的预测意图；其中，更新后的第一意图识别模型中的参数与训练后的第二意图识别模型中对应的参数一致，训练第二意图识别模型的过程包括：基于初始的第二意图识别模型获得每个回流样本的样本标签和样本标签的置信度；获得每个回流样本与其余回流样本之间的相似度，基于相似度获得第一损失；基于每个回流样本的样本标签的置信度确定权重系数，基于所有回流样本的第一损失和权重系数获得第一总损失；基于第一总损失调整第二意图识别模型的参数。通过上述方式，本申请能够提高意图识别的准确性。

技术领域

本申请涉及自然语言处理技术领域，特别是涉及一种意图识别方法、意图识别模型训练方法、系统及装置。

背景技术

随着人工智能技术的快速发展，越来越多的场景中需要运用到意图识别技术。常规的意图识别方法是预先构建包含数据库的意图识别模型，并由意图识别模型根据待处理数据与数据库中数据的相似度来预测待处理数据的意图类别。并且，在实际使用中，由于场景变更等因素的影响，使得意图识别模型需要不定时进行更新。然而，由于目前的意图识别模型相对固定，需要通过离线的方式进行更新，导致意图识别的效率较低。

发明内容

本申请主要解决的技术问题是提供一种意图识别方法、意图识别模型训练方法、系统及装置，能够提高意图识别的准确性。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种意图识别方法，包括：基于更新后的第一意图识别模型获得待识别数据的预测意图；其中，更新后的所述第一意图识别模型中的参数与训练后的第二意图识别模型中对应的参数一致，训练所述第二意图识别模型的过程包括：基于初始的所述第二意图识别模型获得每个回流样本的样本标签和所述样本标签的置信度；其中，初始的所述第二意图识别模型中的参数与更新前的所述第一意图识别模型中对应的参数一致；获得每个所述回流样本与其余所述回流样本之间的相似度，基于所述相似度获得相应的第一损失；基于每个所述回流样本的所述样本标签的置信度确定相应的权重系数，基于所有所述回流样本的第一损失和对应的权重系数获得第一总损失；基于所述第一总损失调整所述第二意图识别模型的参数。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种意图识别模型的训练方法，包括：基于初始的所述第二意图识别模型获得每个回流样本的样本标签和所述样本标签的置信度；其中，初始的所述第二意图识别模型中的参数与更新前的所述第一意图识别模型中对应的参数一致；获得每个所述回流样本与其余所述回流样本之间的相似度，基于所述相似度获得相应的第一损失；基于每个所述回流样本的所述样本标签的置信度确定相应的权重系数，基于所有所述回流样本的第一损失和对应的权重系数获得第一总损失；基于所述第一总损失调整所述第二意图识别模型的参数。

为解决上述技术问题，本申请采用的又一个技术方案是：提供一种意图识别系统，包括：获得模块，用于基于更新后的第一意图识别模型获得待识别数据的预测意图；其中，更新后的所述第一意图识别模型中的参数与训练后的第二意图识别模型中对应的参数一致；训练模块，用于训练所述第二意图识别模型；其中，训练所述第二意图识别模型的过程包括：基于初始的所述第二意图识别模型获得每个回流样本的样本标签和所述样本标签的置信度；其中，初始的所述第二意图识别模型中的参数与更新前的所述第一意图识别模型中对应的参数一致；获得每个所述回流样本与其余所述回流样本之间的相似度，基于所述相似度获得相应的第一损失；基于每个所述回流样本的所述样本标签的置信度确定相应的权重系数，基于所有所述回流样本的第一损失和对应的权重系数获得第一总损失；基于所述第一总损失调整所述第二意图识别模型的参数。

为解决上述技术问题，本申请采用的又一个技术方案是：提供一种电子设备，包括：相互耦接的存储器和处理器，所述存储器存储有程序数据，所述处理器调用所述程序数据以执行上述技术方案中提到的意图识别方法。