[发明专利]融入情感信息的意图识别方法及装置、存储介质、计算机设备

说明书

一种融入情感信息的意图识别方法及装置、存储介质、计算机设备，其中，所述方法包括：获取目标文本，将所述目标文本通过编码器得到文本表示，所述编码器用于将所述目标文本中的字符转换为对应的向量表示，以得到所述文本表示；通过情感分类模型对所述文本表示进行情感分类，以得到所述文本表示对应的情感表示，其中，所述情感分类模型是基于各个文本与其对应的情感表示训练得到；结合所述文本表示和所述情感表示，通过意图分类器对所述目标文本进行意图识别。通过本发明方案能够提升意图识别准确率，改善识别效果。

技术领域

本发明涉及人工智能技术领域，具体地涉及一种融入情感信息的意图识别方法及装置、存储介质、计算机设备。

背景技术

意图识别是一种给定请求(query)后，判断句子所属意图的任务，在对话系统中应用广泛。目前主流的解决方法是将这个任务建模成文本分类任务。当前的意图识别模型往往局限在单独的文本请求上。

然而，在某些场景下，情感信息也是影响意图识别的一个重要因素，而现有的意图识别方法忽视了情感这一信息，导致意图识别结果的准确率较低、识别效果不理想。

发明内容

本发明解决的技术问题是如何提高一种融入情感信息的意图识别方法，以提高意图识别结果的准确率，从而改善识别效果。

为解决上述技术问题，本发明实施例提供一种融入情感信息的意图识别方法，所述方法包括：获取目标文本，将所述目标文本通过编码器得到文本表示，所述编码器用于将所述目标文本中的字符转换为对应的向量表示，以得到所述文本表示；通过情感分类模型对所述文本表示进行情感分类，以得到所述文本表示对应的情感表示，其中，所述情感分类模型是基于各个文本与其对应的情感表示训练得到；结合所述文本表示和所述情感表示，通过意图分类器对所述目标文本进行意图识别。

可选的，所述文本表示包括文本表示矩阵，所述情感表示包括情感表示矩阵，所述结合所述文本表示和所述情感表示，通过意图分类器对所述目标文本进行意图识别，包括：将所述文本表示矩阵和所述情感表示矩阵相加/拼接，将相加/拼接结果输入意图分类器中以得到意图识别结果。

可选的，所述情感分类模型和意图分类器的训练方法包括：以若干个第一样本文本和各个第一样本文本对应的情感标签作为第一训练样本，经过训练得到所述情感分类模型和所述意图分类器。

可选的，所述情感分类模型的训练方法包括：以若干个第二样本文本和各个第二样本文本对应的情感标签作为第二训练样本；通过所述第二训练样本得到初始模型；获取若干个无监督的第三样本文本，将各个第三样本文本输入所述初始情感分类模型中得到各个第三样本文本对应的情感表示；获取得到的各个第三样本文本对应的情感表示对应的模型置信度；将所述模型置信度高于预设值的第三样本文本和其对应的情感表示作为第二训练样本；通过所述第二训练样本对所述初始模型进行调整，得到所述情感分类模型。

可选的，所述文本表示对应的情感表示包括多种情感表示以及各种情感表示的概率。

可选的，所述情感分类模型的训练方法包括：获取若干个无监督的第四样本文本，为各个第四样本文本生成初始的情感标签，所述初始情感标签包括多种情感以及各种情感的概率；对若干个第四样本文本的初始情感标签进行聚类，得到第一聚类结果；对若干个第四样本文本进行意图识别，并对所述第四样本文本的意图识别结果进行聚类，得到第二聚类结果；根据所述第一聚类结果和第二聚类结果的差异，调整所述初始情感标签各种情感的概率，得到所述第四样本文本对应的情感标签；以若干个第四样本文本和各个第四样本文本对应的情感标签作为第三训练样本，经过训练得到所述情感分类模型。

可选的，根据所述第一聚类结果和第二聚类结果的差异，调整所述初始情感标签各种情感的概率，包括：计算第一聚类结果的KL散度和第二聚类结果的交叉熵之和；所述调整所述初始情感标签各种情感的概率，得到所述第四样本文本对应的情感标签，包括：调整所述初始情感标签各种情感的概率以使得所述和的值最小，将此时的初始情感标签作为所述第四样本对应的情感标签。