[发明专利]文本意图分类方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能领域，涉及一种文本意图分类方法，包括获取预设检测模型、待检测文本和样本分类；输入所述待检测文本和所述样本分类至所述预设检测模型中，基于所述预设检测模型中的编码层、分类层和关系层对所述待检测文本进行意图识别，输出得到所述待检测文本和所述样本分类的关系分数；根据独热编码选取所述关系分数中最高分数对应的样本分类，确定所述最高分数对应的样本分类为所述待检测文本的意图分类。本申请还提供一种文本意图分类装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，所述关系分数可存储于区块链中。本申请实现了对文本意图精确而高效地分类。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种文本意图分类方法、装置、计算机设备及存储介质。

背景技术

文本分类是自然语言处理中非常常见的处理任务。由于数据的类别往往是不均衡的长尾分布或者是无标签数据，通常需要大量的人力成本对数据进行标注。而对于一个成熟的工业系统，需要标注的文本数据往往是数以万计的，其所需要的人力和资金成本也是巨大的。

现有的文本分类方法一般采用下采样的分类方式，即在某个样本数量较多的类别选取少量的样本，使得所有的文本类别中的样本都处于均衡的分布，但是，这种方式浪费了许多有价值的数据。除此之外，在数据都是大量的无标签数据时，当前一般采用规则的方法进行处理，然而规则分类的方式泛化性低。由此，最终导致文本数据意图分类的准确率低下的问题。

发明内容

本申请实施例的目的在于提出一种文本意图分类方法、装置、计算机设备及存储介质，以解决文本意图分类准确率低下的技术问题。

为了解决上述技术问题，本申请实施例提供一种文本意图分类方法，采用了如下所述的技术方案：

获取预设检测模型、待检测文本和样本分类；

输入所述待检测文本和所述样本分类至所述预设检测模型中，基于所述预设检测模型中的编码层、分类层和关系层对所述待检测文本进行意图识别，输出得到所述待检测文本和所述样本分类的关系分数；

根据独热编码选取所述关系分数中最高分数对应的样本分类，确定所述最高分数对应的样本分类为所述待检测文本的意图分类。

进一步的，所述基于所述预设检测模型中的编码层、分类层和关系层对所述待检测文本进行意图识别的步骤具体包括：

基于所述预设检测模型中的编码层对所述待检测文本和所述样本分类进行编码，得到样本表征；

输入所述样本表征至所述预设检测模型中的分类层，输出得到分类表征；

获取所述待检测文本的文本矢量，输入所述分类表征和所述文本矢量至所述预设检测模型中的关系层，输出得到所述待检测文本与所述样本分类的关系分数。

进一步的，所述输入所述分类表征和所述文本矢量至所述预设检测模型中的关系层，输出得到所述待检测文本与所述样本分类的关系分数的步骤具体包括：

获取第一预设权重值和第二预设权重值；

基于所述预设检测模型中关系层的激活函数，对所述第一预设权重值、所述第二预设权重值、所述分类表征和所述文本矢量进行计算，得到每个所述样本分类与所述待检测文本的关系分数。

进一步的，所述获取预设检测模型的步骤具体包括：

构建小样本训练集和预设小样本模型；

划分所述小样本训练集为第一子样本集和第二子样本集，根据所述第一子样本集对所述预设小样本模型进行训练，并计算所述预设小样本模型的损失函数，在所述损失函数收敛时，确定所述预设小样本模型为待验证样本模型；