文本的意图识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113627197A(43)申请公布日2021.11.09(21)申请号202110919623.9(22)申请日2021.08.11(71)申请人未鲲（上海）科技服务有限公司地址200135上海市浦东新区自由贸易试验区陆家嘴环路1333号15楼(72)发明人郭宗超(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强(51)Int.Cl.G06F40/35(2020.01)G06F16/35(2019.01)G06K9/62(2006.01)权利要求书2页说明书12页附图5页(54)发明名称文本的意图识别方法、装置、设备及存储介质(57)摘要本申请实施例公开一种文本的意图识别方法、装置、设备及存储介质，其中方法包括如下步骤：获取待检测的目标文本，获取所述目标文本的长度信息；根据所述长度信息确定目标分类模型，所述目标分类模型为第一分类模型或者第二分类型模型；将所述目标文本输入所述第一分类模型或者所述第二分类模型；通过所述第一分类模型的所述至少两种单一分类模型确定出所述目标文本的至少两个初始意图识别结果，并根据所述至少两个初始意图识别结果确定出所述目标文本的意图识别结果，其中一种单一分类模型用于确定所述目标文本的一种初始意图识别结果；或者通过所述第二分类模型确定出所述目标文本的意图识别结果。采用本申请，可以提高文本的意图识别结果的准确率。CN113627197ACN113627197A权利要求书1/2页1.一种文本的意图识别方法，其特征在于，包括：获取待检测的目标文本，获取所述目标文本的长度信息；根据所述长度信息确定目标分类模型，所述目标分类模型为第一分类模型或者第二分类型模型；所述第一分类模型包括至少两种单一分类模型，不同单一分类模型的注意力层不同；所述第二分类模型具有与第一分类模型中各单一分类模型相同结构的至少两种注意力层，所述第二分类模型由样本数据以及所述样本数据通过至少两种注意力层生成的初始特征向量融合训练得到；将所述目标文本输入所述第一分类模型或者所述第二分类模型；通过所述第一分类模型的所述至少两种单一分类模型确定出所述目标文本的至少两个初始意图识别结果，并根据所述至少两个初始意图识别结果确定出所述目标文本的意图识别结果，其中一种单一分类模型用于确定所述目标文本的一种初始意图识别结果；或者通过所述第二分类模型确定出所述目标文本的意图识别结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述长度信息确定目标分类模型，包括：根据所述目标文本的长度信息确定所述目标文本的长度；若所述目标文本的长度小于或者等于长度阈值，则确定所述目标分类模型为所述第一分类模型；若所述目标文本的长度大于所述长度阈值，则确定所述目标分类模型为所述第二分类模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个初始意图识别结果确定出所述目标文本的意图识别结果，包括：统计所述至少两个初始意图识别结果的意图种类和每种意图种类对应的数量，获取所述数量最大的意图种类对应的初始意图识别结果；当所述数量最大的意图种类为一个时，将所述数量最大的意图种类对应的初始意图识别结果确定为所述目标文本的意图识别结果；当所述数量最大的意图种类大于一个时，随机获取一个数量最大的意图种类对应的初始意图识别结果，作为所述目标文本的意图识别结果。4.根据权利要求1‑3任一项所述的方法，其特征在于，所述第二分类模型的初始分类模型中包括初始向量生成模块和初始向量融合模块，所述初始向量生成模块具有与第一分类模型中各单一分类模型相同结构的至少两种注意力层；所述方法还包括：获取所述初始分类模型和所述初始分类模型对应的训练数据集合，所述训练数据集合中包括训练样本数据以及所述训练样本数据携带的样本意图标签；将所述训练样本数据输入所述初始分类模型，并通过所述初始向量生成模块中的所述至少两种注意力层和所述训练样本数据，生成所述训练样本数据对应的至少两种初始特征向量；基于所述初始向量融合模块、所述训练样本数据对应的至少两种初始特征向量和所述训练样本数据携带的样本意图标签，生成第二分类模型。5.根据权利要求4所述的方法，其特征在于，所述通过所述初始向量生成模块中的所述至少两种注意力层和所述训练样本数据，生成所述训练样本数据对应的至少两种初始特征2CN113627197A权利要求书2/2页向量，包括：通过所述初始向量生成模块获得所述训练数据对应词向量和位置向量，并通过所述至少两种注意力层基于所述词向量与所述位置向量，生成所述训练样本数据对应的至少两个初始特征向量。6.根据权利要求4所述的方法，其特征在于，所述基于所述初始向量融合模块、所述训练样本数据对应的至少两种初始特征向量和所述训练样本数据携带