[发明专利]一种融合了主题信息的多意图识别方法和系统

权利要求书

1.一种融合了主题信息的多意图识别方法，其特征在于，包括：

步骤1、获取用户的输入文本并对其进行规范化处理得到处理文本；

步骤2、获取处理文本中基于句子的主题信息和基于词的主题信息；

步骤3、将处理文本与所述基于句子的主题信息进行融合；

步骤4、将步骤3中融合后的文本及基于词的主题信息分别转化为向量表示；

步骤5、构建意图识别模型并训练；

步骤6、将步骤4中转化得到的向量表示输入意图识别模型，得到意图分类结果。

2.根据权利要求1所述的一种融合了主题信息的多意图识别方法，其特征在于，所述步骤2具体为：

步骤21、构建主题模型并训练；

步骤22、将处理文本输入训练后的主题模型中以获取基于句子的主题信息和基于词的主题信息。

3.根据权利要求2所述的一种融合了主题信息的多意图识别方法，其特征在于，所述主题模型采用概率排序法选取基于句子的主题信息和基于词的主题信息。

4.根据权利要求1所述的一种融合了主题信息的多意图识别方法，其特征在于，所述步骤3将处理文本与所述基于句子的主题信息进行融合所采用的方法为全采样融合法或随机采样融合法。

5.根据权利要求1所述的一种融合了主题信息的多意图识别方法，其特征在于，所述步骤4具体为采用预训练语言模型将融合后的文本及基于词的主题信息分别转化为向量表示。

6.根据权利要求5所述的一种融合了主题信息的多意图识别方法，其特征在于，所述预训练语言模型包括单向特征表示的自回归预训练语言模型、双向特征表示的自编码预训练语言模型或双向特征表示的自回归预训练语言模型。

7.根据权利要求1所述的一种融合了主题信息的多意图识别方法，其特征在于，所述步骤5构建意图识别模型包括搭建神经网络基础框架，构建基于词的主题信息融合网络层。

8.根据权利要求7所述的一种融合了主题信息的多意图识别方法，其特征在于，所述步骤5进行模型训练时还包括设定损失函数并迭代更新意图识别模型的参数。

9.一种融合了主题信息的多意图识别系统，其特征在于，包括：

文本获取单元：用于获取用户的输入文本并对输入文本进行规范化处理得到处理文本；

主题获取单元：用于根据处理文本获取基于句子的主题信息和基于词的主题信息；

主题融合单元：用于将处理文本与基于句子的主题信息进行融合；

向量转换单元：用于将主题融合单元中融合后的文本及基于词的主题信息分别转化为向量表示；

意图分类单元：用于根据融合后的文本的向量表示和基于词的主题信息向量表示获取意图分类结果。