[发明专利]文本意图识别方法、装置、设备和存储介质

说明书

本发明涉及人工智能领域，提供一种文本意图识别方法、装置、设备和存储介质。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；计算多个待处理的文本信息的特征值以及获取数据库所存储的多个标准句子的特征值；通过多个标准句子的特征值以及获取待处理的文本信息的特征值计算多个第一相似度，并提取最大的第一相似度，得到第一目标相似度；判断第一目标相似度是否小于阈值；若第一目标相似度小于阈值，则将多个标准句子的特征值以及待处理的文本信息的特征值输入至目标神经网络模型，通过目标神经网络模型输出第二相似度集合；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。加快深度文本匹配的效率。

技术领域

本发明涉及语音语义领域，尤其涉及一种文本意图识别方法、装置、设备和存储介质。

背景技术

智能对话是一种使用自然语言与用户交互的人工智能系统，通过对用户意图分析和理解来达到对话的目的。系统理解人类所传递的信息并转化为一种内部状态，然后根据对话状态策略采取相应的行为，最后转化为人类可以理解的自然语言。传统的文本匹配方法是基于字面的相似度计算，而对于基于语义匹配，如：“Iphone多少钱”和“苹果手机什么价格”则基本无能为力。其次，除了计算消息-候选回复之间的相似度，意图识别也常常使用文本分类的方式。但分类模型属于有监督训练，不仅需要人工标注训练集，对于数据类别的平衡性要求也比较高。再者，对于特定的文本匹配需求，比如“我的支付宝借呗开通了”和“我的支付宝借呗没有开通”，从字面意思上，具有极高的特征相似性，极容易被判定为相同的意图，但这种语句相似但意思截然相反的情况，在实际的对话系统中出现的频率极高且很难通过常规的文本匹配来解决,导致意图识别的准确度低。

发明内容

本发明提供了一种通过配置文本意图识别方法，能够提高了机器识别文本意图的准确度。

第一方面，本发明提供一种文本意图识别方法，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。

在一些可能的设计中，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；