[发明专利]意图识别模型训练方法、装置、计算机设备及存储介质

说明书

本发明公开了一种意图识别模型训练方法、装置、计算机设备及存储介质，该方法包括：将样本文本输入至意图识别模型，得到N个意图概率值；根据实际意图类别确定N个预设意图类别中的K个目标意图类别和N‑K个非目标意图类别；根据K个目标意图类别、N‑K个非目标意图类别和预设的概率阈值计算损失函数，根据损失函数调整意图识别模型的参数，直至损失函数收敛；计算预设的概率阈值的准确率并判断是否满足预设条件，若准确率满足预设条件，输出参数更新后的意图识别模型。可通过网络模型提高意图识别的速度和效率，降低人力成本和时间成本，可通过调整意图识别模型的参数以及判断预设的概率阈值的准确率是否满足预设条件来提升意图识别模型的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种意图识别模型训练方法、装置、计算机设备及存储介质。

背景技术

与客户的交流沟通始终占据着业务的一席之地，在交流沟通过程中，及时、准确地针对客户的回复识别出客户的意图是十分重要的。大型企业由于业务系统十分复杂，业务系统包含大量业务场景，每个业务场景包含多种备选意图，且每个客户的回复内容中包含多种意图。传统的深度学习模型根据预设的概率阈值进行意图识别，无法在大量意图中准确识别出客户的多种意图，使得现有技术方法所构建的多目标意图识别模型的识别准确率较低，影响业务员对客户意图进行及时正确地响应和服务。

发明内容

本发明实施例提供一种意图识别模型训练方法、装置、计算机设备及存储介质，以解决多目标意图识别模型的识别准确率较低的问题。

一种意图识别模型训练方法，包括：

获取待识别意图的样本文本，将所述样本文本输入至意图识别模型，得到所述样本文本属于N个预设意图类别的N个意图概率值，其中，所述样本文本包括客户的回复文本，所述预设意图类别包括退保、续保、出险、进度、产品咨询、流程咨询中的N个，N为大于2的整数；

获取所述样本文本的实际意图类别，根据所述实际意图类别确定所述N个预设意图类别中的K个目标意图类别和N-K个非目标意图类别，所述实际意图类别包括所述预设意图类别中的K个，K为大于1的整数，K≤N；

根据K个所述目标意图类别、N-K个所述非目标意图类别和预设的概率阈值计算损失函数，根据所述损失函数调整所述意图识别模型的参数，直至所述损失函数收敛；

确定大于所述预设的概率阈值的意图概率值对应的预设意图类别为预测目标意图类别，根据所述预测目标意图类别和所述实际意图类别计算所述预设的概率阈值的准确率；

判断所述准确率是否满足预设条件，若所述准确率满足预设条件，输出参数更新后的意图识别模型。

一种意图识别模型训练装置，包括：

概率值确定模型，用于获取待识别意图的样本文本，将所述样本文本输入至意图识别模型，得到所述样本文本属于N个预设意图类别的N个意图概率值，其中，所述样本文本包括客户的回复文本，所述预设意图类别包括退保、续保、出险、进度、产品咨询、流程咨询中的N个，N为大于2的整数；

目标意图类别确定模块，用于获取所述样本文本的实际意图类别，根据所述实际意图类别确定所述N个预设意图类别中的K个目标意图类别和N-K个非目标意图类别，所述实际意图类别包括所述预设意图类别中的K个，K为大于1的整数，K≤N；

参数调整模块，用于根据K个所述目标意图类别、N-K个所述非目标意图类别和预设的概率阈值计算损失函数，根据所述损失函数调整所述意图识别模型的参数，直至所述损失函数收敛；

样本文本信息计算模块，用于确定大于所述预设的概率阈值的意图概率值对应的预设意图类别为预测目标意图类别，根据所述预测目标意图类别和所述实际意图类别计算所述预设的概率阈值的准确率；