[发明专利]一种基于异构图神经网络的用户意图识别方法及装置

说明书

本发明公开了一种基于异构图神经网络的用户意图识别方法及装置，意图识别装置根据对话内容直接识别用户意图进而得到一个初步的识别结果；历史信息筛选装置根据对话内容以及初步结果对用户历史信息进行筛选，得到与对话内容相关的用户历史信息；识别结果调整装置结合对话内容，初步识别结果以及相关的历史信息对识别结果进行调整进而更准确地识别用户意图。本发明解决了传统深度学习方法无法有效识别用户个性化表达的问题，设计了一种两阶段的意图识别策略，利用异构图神经网络结合用户历史发言，有效对用户个性化发言进行识别，提高了意图识别的准确性，进而为系统做出准确回复提供了帮助。

技术领域

本发明涉及计算机应用、计算机系统及其技术产品技术领域，尤其涉及一种基于异构图神经网络的用户意图识别方法及装置。

背景技术

自然语言理解是人工智能的核心课题之一。通过利用计算机模拟人类间的语言交互过程，使计算机理解和运用人类的自然语言，为人类提供信息服务，如解答问题、查询资料等。传统的自然语言理解技术已应用于多个领域，包括搜索系统、问答系统、对话系统等。搜索系统根据用户输入，识别用户意图，为用户返回最相关的内容，像百度、谷歌、必应等搜索引擎，微信里的搜一搜，甚至在京东、淘宝上选购心仪的商品时都离不开搜索系统。问答系统和对话系统也逐渐出现在日常生活中，如智能客服、聊天机器人等。自然语言理解技术的快速发展，使计算机能更准确地理解用户意图，进而为用户提供方便快捷的服务。

传统的自然语言理解技术通常采用领域专家手工定制的规则模板来解析用户输入，这就导致模型无法泛化，用于汽车领域的搜索系统就无法应用于计算机领域，每个系统都需要消耗大量的时间和精力来精心构造。另一方面，由于自然语言的口语化和多样性，输入的文本通常是不规范的甚至是存在拼写或者语法错误的，这也导致基于规则模板的模型鲁棒性差，需要用户输入准确才能进行识别，为用户的使用带来诸多不便。

近年来，基于深度学习的自然语言理解技术受到学术界与工业界的广泛关注，并展现了巨大的商业潜力。与基于规则模板的方法相比，基于深度学习的方法通过数据驱动，实现了端到端的深度学习模型，减少了模型训练过程中的人工干预，使模型可以很方便的从一个领域迁移到另一领域。传统的基于深度学习的方法通常采用时序模型对对话语义建模，忽略了对话中多用户间灵活频繁的交互过程，为了解决这一问题，最近的一些方法采用图神经网络为对话建模。然而，由于自然语言的随意性和多样性，人们可以用多种多样个性化的方式来表达自己的意图，这为准确识别用户意图带来了更多的困难。

发明内容

本发明目的就是为了弥补已有技术无法准确识别用户个性化表达的缺陷，提供一种基于异构图神经网络的用户意图识别方法及装置。

本发明是通过以下技术方案实现的：

一种基于异构图神经网络的用户意图识别装置，包括有意图识别装置、历史信息筛选装置和识别结果调整装置；

所述意图识别装置根据用户的对话内容直接识别用户意图得到初步的识别结果；

所述历史信息筛选装置根据对话内容以及初步的识别结果对用户历史信息进行筛选，得到与对话内容相关的用户历史信息；

所述识别结果调整装置采用异构图神经网络对当前对话内容以及与对话内容相关的用户历史信息进行编码，进而对所述初步的识别结果进行调整，识别最终的用户意图。

所述的意图识别装置根据对话内容直接识别用户意图得到初步的识别结果，具体如下：意图识别装置将对话内容转化为对应的特征向量，并对对话内容中每句话得到一个初步的识别结果。

所述的意图识别装置将对话内容转化为对应的特征向量，并对对话内容中每句话得到一个初步的识别结果，具体如下：意图识别装置采用卷积神经网络和双向长短期记忆网络得到包含上下文语境信息的句子特征向量，使用全连接层作为分类器，对对话内容中的每句话进行分类，进而为对话内容中的每句话得到一个初步的识别结果。