[发明专利]文本意图识别方法、装置、设备和存储介质

权利要求书

1.一种文本意图识别方法，其特征在于，所述方法包括：

获取待处理的文本信息以及数据库所存储的多个标准句子；

计算所述多个待处理的文本信息的特征值以及获取所述数据库所存储的多个标准句子的特征值；

通过所述多个标准句子的特征值以及获取所述待处理的文本信息的特征值计算多个第一相似度，得到第一相似度集合；

提取所述第一相似度集合中最大的所述第一相似度，得到第一目标相似度；

判断所述第一目标相似度是否小于阈值；

若所述第一目标相似度小于阈值，则将所述多个标准句子的特征值以及所述待处理的文本信息的特征值输入至目标神经网络模型，通过所述目标神经网络模型输出第二相似度集合，所述目标神经网络模型为长短期记忆模型、注意力模型、双向长短期记忆BiLSTM模型以及软最大值Softmax层串联而成的神经网络；

通过提取所述第二相似度集合中的元素，得到用户的最终意图。

2.根据权利要求1所述的方法，其特征在于，所述若所述第一目标相似度小于阈值，则将所述多个标准句子的特征值以及所述待处理的文本信息的特征值输入至目标神经网络模型，通过所述目标神经网络模型输出第二相似度集合，包括：

获取所述待处理的文本信息以及所述数据库所存储的多个标准句子，得到第一矩阵a以及第二矩阵b的集合；

分别将每个所述第二矩阵b与所述第一矩阵a组合成输入信息，将所述输入信息输入至第一神经网络，得到多个所述第一神经网络的第一输出矩阵和所述第一神经网络的第二输出矩阵所述第一神经网络模型是指长短期记忆模型；

将所述多个和输入至第二神经网络模型，得到所述第二神经网络的第一输出矩阵和所述第二神经网络的第二输出矩阵所述第二神经网络模型是指注意力Attention模型；

将和组合成集合m_a和集合m_b，所述m_a为所述m_b为

将所述多个集合m_a以及对应的集合m_b依次输入至第三神经网络模型，通过所述第三神经网络模型输出得到m_a对应的概率v_a和对应的概率v_b，所述第三神经网络模型为BiLSTM模型；

将v_a和v_b依次输入池化层，得到第二相似度集合v，所述池化层包括最大池化层以及平均池化层，所述v为{v_a,vue,v_a,max,v_b,vue,v_b,max}。

3.根据权利要求1所述的方法，其特征在于，所述通过所述多个标准句子的特征值以及所述待处理的文本信息的特征值计算多个第一相似度，并提取最大的所述第一相似度，得到第一目标相似度，包括：

获取所述多个待处理文本信息中每一个词汇的特征值以及所述多个标准句子的特征值；

通过所述多个待处理文本信息中每一个词汇的特征值将所述多个待处理文本信息映射成多个第一向量；

通过所述多个标准句子的特征值将所述数据库所存储的多个标准句子映射成多个第二向量；

通过计算每一个所述第一向量与所述多个第二向量之间的所述第一相似度，得到多个所述第一相似度；

将所述多个第一相似度按照数值从大到小排序，并提取数值最大的所述第一相似度作为所述第一目标相似度。

4.根据权利要求1所述的方法，其特征在于，所述计算所述多个待处理的文本信息的特征值以及获取所述数据库所存储的多个标准句子的特征值，包括：

通过计算文档词频，所述x_a为词汇在所述待处理文本信息中出现的次数，所述x_b为所述待处理的文本信息的词数；

通过计算逆文档词频，所述y_a为数据库所存储的句子总数，所述y_b为数据库所存储包含所述词汇的句子数；

通过TFIDF＝TF*IDF计算所述多个待处理文本信息中每一个词汇的特征值以及获取所述多个标准句子的特征值。