[发明专利]一种意图识别的方法、装置及计算机可读存储介质

说明书

本发明提供了一种意图识别的方法、装置及计算机可读存储介质。本发明实施例提供的意图识别的方法，基于语料样本，生成异构文本网络；利用图嵌入算法，对所述异构文本网络进行学习，得到所述语料样本及词的向量表示，并根据所述语料样本与所述语料样本的词之间的向量相似度，确定所述语料样本的关键词；利用所述多个语料样本的关键词，训练意图识别模型，直至满足预设的训练结束条件后，得到训练完成的所述意图识别模型；接收查询语料，并利用训练完成的所述意图识别模型，识别所述查询语料的意图。本发明可以提升意图识别模型的识别准确度，降低意图识别模型对标注数据的依赖度。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种意图识别的方法、装置及计算机可读存储介质。

背景技术

随着互联网规模不断增加，智能化地为用户提供网络服务成为了热门的趋势。在这样的趋势下，能够更好的识别出用户的意图就能够真正的了解用户想要的是什么，从而能够为用户提供更贴心的服务，使用户的体验度提升，提高产品的市场竞争力。因此，对用户的操作意图的识别就尤为重要。

传统的意图识别方法主要分为三类，分别是导航类，信息类，事务类。导航类是指用户期望找到某个网站的首页。信息类是指用户期望找到一些满足需求的网页，这些网页往往是内容型的，例如新闻，百科类的网页。通过阅读这些页面，用户可以得到满意的信息。事务类是指用户期望找到某个网页能够完成某项事务。例如银行转账，购买商品，查询机票信息等。

但是，随着信息采集技术的发展，简单地对意图进行分类已经无法满足为用户提供服务时对用户意图的识别要求，用户输入的信息往往简短但表达的内容很复杂，传统的意图识别方法识别出的结果往往不是用户真正想要表达的，这就需要更加智能的意图识别方法来对用户的复杂信息进行识别。

现有技术目前主流的意图识别方法，通常存在着模型的识别准确度不高的问题。针对相关技术中对用户的意图进行识别时识别准确度低的问题，目前还没有有效的解决方案。

发明内容

本发明实施例要解决的技术问题是提供一种意图识别的方法、装置及计算机可读存储介质，用以提升意图识别模型的识别准确度。

为解决上述技术问题，本发明实施例提供的意图识别的方法，包括：

基于语料样本，生成异构文本网络，其中，所述语料样本包括意图已标注的多个标注语料和意图未标注的多个未标注语料，所述异构文本网络包括：所述语料样本与词之间的第一共现关系，以及，词与词之间的第二共现关系；

利用图嵌入算法，对所述异构文本网络进行学习，得到所述语料样本及词的向量表示，并根据所述语料样本与所述语料样本的词之间的向量相似度，确定所述语料样本的关键词；

利用所述多个语料样本的关键词，训练意图识别模型，直至满足预设的训练结束条件后，得到训练完成的所述意图识别模型，其中，所述意图识别模型包括多个不同语言层级的意图识别分类器；

接收查询语料，并利用训练完成的所述意图识别模型，识别所述查询语料的意图。

优选的，所述利用所述多个语料样本的关键词，训练意图识别模型的步骤，包括：

利用所述标注语料的关键词，训练意图识别分类器；

在所述训练结束条件满足时，结束训练过程，否则，利用训练得到的多个意图识别分类器，预测得到所述未标注语料的意图和预测置信度；

获取所述标注语料的特征向量的概率分布，从所述未标注语料中，选择出预测置信度大于预设第一门限，且特征向量对应的概率小于预设第二门限的目标语料，并根据预测得到的意图和预测置信度，对所述目标语料进行标注；

从所述未标注语料中删除所述目标语料，并在所述标注语料中添加所述目标语料，返回利用所述标注语料，训练所述意图识别分类器的步骤。