[发明专利]意图识别模型的训练与意图识别的方法、装置

说明书

本公开提供了一种意图识别模型的训练与意图识别的方法、装置，涉及自然语言处理、深度学习等人工智能技术领域。意图识别模型的训练方法包括：获取包含多个训练文本与多个训练文本的第一标注意图的训练数据；构建包含特征提取层与第一识别层的神经网络模型；根据多个训练文本的分词结果与多个训练文本的第一标注意图，训练所述神经网络模型，得到意图识别模型。意图识别的方法包括：获取待识别文本；将所述待识别文本的分词结果输入意图识别模型，根据所述意图识别模型的输出结果，得到所述待识别文本的第一意图结果与第二意图结果。

技术领域

本公开涉及计算机技术领域，尤其涉及自然语言处理、深度学习等人工智能技术领域。提供了一种意图识别模型的训练与意图识别的方法、装置、电子设备和可读存储介质。

背景技术

在人机对话交互过程中，机器需要理解对话语句的意图。但现有技术在识别对话语句的意图时，通常仅会识别出对话语句的句子级别意图与词语级别意图中的一种，无法同时识别出对话语句的句子级别意图与词语级别意图。

发明内容

根据本公开的第一方面，提供了一种意图识别模型的训练方法，包括：获取包含多个训练文本与多个训练文本的第一标注意图的训练数据；构建包含特征提取层与第一识别层的神经网络模型，所述第一识别层用于根据候选意图的语义向量与所述特征提取层输出的训练文本中每个分词的第一语义向量，输出训练文本的第一意图结果与训练文本中每个分词与候选意图之间的分数；根据多个训练文本的分词结果与多个训练文本的第一标注意图，训练所述神经网络模型，得到意图识别模型。

根据本公开的第二方面，提供了一种意图识别的方法，包括：获取待识别文本；将所述待识别文本的分词结果输入意图识别模型，根据所述意图识别模型的输出结果，得到所述待识别文本的第一意图结果与第二意图结果。

根据本公开的第三方面，提供了一种意图识别模型的训练装置，包括：第一获取单元，用于获取包含多个训练文本与多个训练文本的第一标注意图的训练数据；构建单元，用于构建包含特征提取层与第一识别层的神经网络模型，所述第一识别层用于根据候选意图的语义向量与所述特征提取层输出的训练文本中每个分词的第一语义向量，输出训练文本的第一意图结果与训练文本中每个分词与候选意图之间的分数；训练单元，用于根据多个训练文本的分词结果与多个训练文本的第一标注意图，训练所述神经网络模型，得到意图识别模型。

根据本公开的第四方面，提供了一种意图识别的装置，包括：第二获取单元，用于获取待识别文本；识别单元，用于将所述待识别文本的分词结果输入意图识别模型，根据所述意图识别模型的输出结果，得到所述待识别文本的第一意图结果与第二意图结果。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。

由以上技术方案可以看出，本实施例通过构建包含特征提取层与第一识别层的神经网络模型，并设置候选意图的语义向量的方式，使得训练得到的意图识别模型除了能够识别文本的句子级别意图之外，还能够识别文本的词语级别意图，从而提升了意图识别模型的识别性能。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；