[发明专利]基于改进XGBoost算法的意图识别方法及装置

摘要

本发明提供了一种基于改进XGBoost算法的意图识别方法，采用Scikit‑learn算法中CountVectorizer和TfidfVectorizer类提取文本特征，然后生成训练集；待对训练样本完成训练之后，保存训练模型参数countVectorizer和tfidfVectorizer，作为中间件存储于本地，然后将训练后的样本信息输送至XGBoost模型进行意图训练，直至达到损失函数条件，终止模型训练，最终将XGBoost训练后模型自动存储于本地；将训练好模型对用户的语句进行意图识别。本发明将训练countVectorizer和tfidfVectorizer中间件存储于本地，便于程序本地化加载运行，根据训练文本数据特征间相互关联关系，直接对用户数据进行处理，从而降低系统开销，提高运行效率；将XGBoost训练后模型自动存储于本地，便于运行加载训练好的模型，复用率高。

主权项

1.一种基于改进XGBoost算法的意图识别方法，其特征在于：包括以下步骤，S10、通过自定义词库对原始文本数据进行分词，分词结果通过停用词词库进行过滤，得到初始化数据；S20、对Scikit‑learn算法中的CountVectorizer函数和TfidfVectorizer函数通过输入初始化数据进行训练；S30、将训练后的特征函数countVectorizer和tfidfVectorizer进行本地化存储，形成本地中间件，保留文本数据特征间相互关联关系，形成XGBoost模型初始数据；S40、将XGBoost模型初始数据，经过XGBoost模型中梯度增强算法进行模型训练，得到基于XGBoost与Scikit‑learn算法意图识别模型；S50、将训练后的XGBoost模型进行本地化存储；S60、基于XGBoost与Scikit‑learn算法意图识别模型，对用户输入的语句进行意图识别。