CN111400440A - 一种意图识别的方法及装置 - Google Patents

一种意图识别的方法及装置 Download PDF

Info

Publication number
CN111400440A
CN111400440A CN202010130004.7A CN202010130004A CN111400440A CN 111400440 A CN111400440 A CN 111400440A CN 202010130004 A CN202010130004 A CN 202010130004A CN 111400440 A CN111400440 A CN 111400440A
Authority
CN
China
Prior art keywords
keyword
information
intention
target text
attention
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010130004.7A
Other languages
English (en)
Inventor
林伟翔
朱子棋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Huahai Tongchuang Technology Co ltd
Original Assignee
Shenzhen Huahai Tongchuang Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Huahai Tongchuang Technology Co ltd filed Critical Shenzhen Huahai Tongchuang Technology Co ltd
Priority to CN202010130004.7A priority Critical patent/CN111400440A/zh
Publication of CN111400440A publication Critical patent/CN111400440A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query

Abstract

本申请适用于计算机技术领域，提供了一种意图识别的方法，包括：获取待识别的目标文本；基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；基于所述关键词注意力信息和所述意图信息，得到所述目标文本对应的意图信息。上述方法，在识别意图的过程中使用了关键信息和注意力信息，可以准确地识别意图信息，提高识别的准确度。

Description

一种意图识别的方法及装置
技术领域
本申请属于计算机技术领域，尤其涉及一种意图识别的方法及装置。
背景技术
目前，对于很多行业来说，都会应用到对文本信息识别得到文本意图这一方法，尤其是在服务行业，会对用户的提出的问题的文本进行识别，从而确定用户的意图，但是，现有的识别方式，一般采用的是关键词提取或者关键词匹配的方式，不能准确的获取到文本意图，文本意图识别准确率低。
发明内容
本申请实施例提供了一种意图识别的方法及装置，可以解决现有的识别方式不能准确的获取到文本意图，文本意图识别准确率低问题。
第一方面，本申请实施例提供了一种意图识别的方法，包括：
获取待识别的目标文本；
基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
进一步地，所述基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息，包括：
基于所述目标文本获取所有关键词的有序集合；
根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息及所述关键词对应的关键词意图信息。
进一步地，根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息，包括：
将所述关键词的有序集合输入预设注意力模型进行处理，得到所述关键词在所述目标文本中的注意力信息；其中，所述预设注意力模型的训练方法包括所述预设注意力模型的输入为前一次迭代训练对应的所述预设注意力模型输出的状态信息和样本关键词信息，所述预设注意力模型的输出为所述样本关键词信息对应的注意力信息和本次迭代训练对应的状态信息。
进一步地，所述关键词意图信息包括所述关键词对应的意图权重信息，所述意图权重信息包括标识所述关键词被识别为预设意图的概率。
进一步地，基于所述目标文本获取所述目标文本中所述关键词对应的关键词意图信息，包括：
基于所述目标文本获取所述目标文本中的关键词；
根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息。
进一步地，在所述根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息之前，还包括：
创建权重矩阵，所述权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息。
进一步地，所述基于所述注意力信息和所述关键信息，得到所述目标文本对应的意图信息，包括：
将所述注意力信息和所述关键词意图信息相乘得到计算结果，基于所述计算结果得到所述目标文本对应的意图信息。
进一步地，所述注意力信息包括每个所述关键词在目标文本中的影响力信息，所述影响力信息为每个所述关键词在目标文本中的影响力权重。
第二方面，本申请实施例提供了一种意图识别的装置，包括：
第一获取单元，用于获取待识别的目标文本；
第二获取单元，用于基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
确定单元，用于基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
进一步地，所述第二获取单元，包括：
第三获取单元，用于基于所述目标文本获取所有关键词的有序集合；
生成单元，用于根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息及所述关键词对应的关键词意图信息。
进一步地，生成单元，具体用于：
将所述关键词的有序集合输入预设注意力模型进行处理，得到所述关键词在所述目标文本中的注意力信息；其中，所述预设注意力模型的训练方法包括所述预设注意力模型的输入为前一次迭代训练对应的所述预设注意力模型输出的状态信息和样本关键词信息，所述预设注意力模型的输出为所述样本关键词信息对应的注意力信息和本次迭代训练对应的状态信息。
进一步地，所述意图信息包括所述关键词对应的意图权重信息，所述意图权重信息包括标识所述关键词被识别为预设意图的概率。
进一步地，第二获取单元，具体用于：
基于所述目标文本获取所述目标文本中的关键词；
根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息。
进一步地，第二获取单元，具体还用于：
创建权重矩阵，所述权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息。
进一步地，所述确定单元，具体用于：
将所述注意力信息和所述关键词意图信息相乘得到计算结果，基于所述计算结果得到所述目标文本对应的意图信息。
进一步地，所述注意力信息包括每个所述关键词在目标文本中的影响力信息，所述影响力信息为每个所述关键词在目标文本中的影响力权重。
第三方面，本申请实施例提供了一种意图识别的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
本申请实施例中，获取待识别的目标文本；基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。上述方法，在识别意图的过程中使用了关键信息和注意力信息，可以准确地识别意图信息，提高识别的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的一种意图识别模型的训练方法的示意流程图；
图2是本申请第一实施例提供的一种意图识别模型的训练方法中关键词在目标文本中的影响力信息的示意图；
图3是本申请第一实施例提供的一种意图识别模型的训练方法中基于所述目标文本获取所述目标文本中所述关键词对应的意图信息的细化的示意流程图；
图4是本申请第一实施例提供的一种意图识别模型的训练方法中S102的细化的示意流程图；
图5是本申请第二实施例提供的意图识别的装置的示意图；
图6是本申请第三实施例提供的意图识别的设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
请参见图1，图1是本申请第一实施例提供的一种意图识别的方法的示意流程图。本实施例中一种意图识别的方法的执行主体为具有意图识别功能的设备，设备包括但不限于台式电脑、机器人、服务器等。如图1所示的意图识别的方法可包括：
S101：获取待识别的目标文本。
在本实施例中，获取待识别的目标文本。在部分实施例中，待识别文本即为需要判断意图的文本，例如，在服务行业用户咨询提出的问题：“你好，我的存款怎么没有到账？”、“是在维护吗？”等等，可以从历史客户咨询文本中获取待识别的目标文本。
其中，目标文本可以为对上述需要判断意图的文本处理后生成的各种关键词组合成的有序集合，此处不做限定。
即本系统可以直接获取用户输入的文本进行意图识别，也可以接受其它系统对用户输入的本文处理后的文本进行意图识别。
S102：基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息。
设备基于目标文本获取目标文本中各关键词对应的注意力信息及关键词对应的意图信息。其中，设备可以基于目标文本获取目标文本中的关键词，具体方法可以为设备对待识别的目标文本进行分词处理，获取待识别的目标文本的关键词，进行分词处理时可以使用开源包jieba(MIT许可证)，也可以使用其他方式进行分词，此处不做限定。
进一步地，所述注意力信息包括每个所述关键词在目标文本中的影响力信息，所述影响力信息为每个所述关键词在目标文本中的影响力权重。如图2所示，设备中预设不同的关键词在待识别的目标文本中的注意力信息，关键词在待识别文本中的注意力信息标识关键词在意图识别过程中的影响力，注意力信息越大的目标关键词在意图识别过程中对最终判断结果的影响力越大。例如，待识别文本“我忘记密码了游戏登陆不了”中，“忘记”的注意力信息为0.482，“我”的注意力信息为0.001，可以判断“忘记”在在意图识别过程中对最终判断结果的影响力大于“我”。其中，每一待识别文本中的所有的关键词的注意力信息相加得到的和恒定为1，以待识别文本“能不能给我刷新一下状态啊我游戏登陆不了”为例，“能不能”的注意力信息为0.002、“给我”的注意力信息为0.021、“刷新”的注意力信息为0.239、“一下”的注意力信息为0.000、“状态”的注意力信息为0.135、“啊”的注意力信息为0.000、“我”的注意力信息为0.011、“游戏”的注意力信息为0.302、“登陆”的注意力信息为0.189、“不了”的注意力信息为0.101，则每一待识别文本中的所有的关键词的注意力信息相加为0.002+0.021+0.239++0.135+0.000+0.011+0.302+0.189+0.101＝1。
进一步地，为了准确的获取关键词在待识别文本中的注意力信息，根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息可以包括：将所述关键词的有序集合输入预设注意力模型进行处理，得到所述关键词在所述目标文本中的注意力信息；其中，所述预设注意力模型的训练方法包括所述预设注意力模型的输入为前一次迭代训练对应的所述预设注意力模型输出的状态信息和样本关键词信息，所述预设注意力模型的输出为所述样本关键词信息对应的注意力信息和本次迭代训练对应的状态信息。进一步地，预设注意力模型的训练方法可以为获取样本文本的样本关键词信息及其对应的注意力标签。设备获取样本文本的样本关键词信息及其对应的注意力标签，将样本关键词信息及其对应的注意力标签关联存储。其中，样本关键词信息可以为样本文本的关键词的有序集合。设备基于所述样本文本的样本关键词信息及其对应的注意力标签对预设深度神经网络进行迭代训练，得到预设注意力模型，预设注意力模型的输入为前一次迭代训练对应的预设注意力模型输出的状态信息和样本关键词，预设注意力模型的输出为样本关键词对应的注意力信息和本次迭代训练对应的状态信息。其中，本实施例中的深度神经网络包括但是不限于循环神经网络 (RNN)、卷积神经网络(CNN)，长短期记忆网络(LSTM)，双向循环神经网络(bidirectional RNN)，门控循环单元神经网络(GRU)。
进一步地，当设备中预先存储了预设注意力信息时，当检测到注意力信息修改指令时，对注意力信息进行修改。当设备获取注意力信息修改指令，注意力信息修改指令用于修改预设注意力信息。在本实施例中，当用户希望某一预设关键词在文本中的影响力变高时，则只需要略微调高该预设关键词的注意力信息，相对应的可以讲其他关键词的注意力信息调低，强针对性的微调。
设备基于关键词确定每个关键词对应的关键词意图信息，其中，关键词意图信息为基于每个关键词生成的用于标识关键词被识别为某一意图的概率。设备中可以预先存储预设关键词对应的关键词意图信息，基于关键词确定每个关键词对应的关键词意图信息。
进一步地，所述关键词意图信息包括所述关键词对应的意图权重信息，所述意图权重信息包括标识所述关键词被识别为预设意图的概率。在本实施例中，关键词意图信息包括关键词对应的意图权重信息，关键词对应的意图权重信息标识关键词被识别为某一意图的概率，设备中可以预先存储预设关键词、预设意图权重信息、预设关键词以及预设意图权重信息之间的对应关系，设备基于预设关键词以及预设意图权重信息之间的对应关系，可以确定关键词对应的意图权重信息。
进一步地，当所述关键词意图信息包括所述关键词对应的意图权重信息时，基于所述目标文本获取所述目标文本中所述关键词对应的关键词意图信息，可以包括S1021～S1022，如图3所示，S1021～S1022具体如下：
S1021：基于所述目标文本获取所述目标文本中的关键词。
设备基于目标文本获取目标文本中的关键词，本步骤可以参与S101中对获取关键词的相关描述，此处不再赘述。
S1022：根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息。
基于预设权重矩阵，获取每个所述关键词对应的意图权重信息。设备中预先存储权重矩阵，权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息，举例来说，权重矩阵如下所示：
Figure BDA0002395546580000091
权重矩阵为一个m×n矩阵，其中m为预设关键词的数量，n为意图信息的数量。矩阵中的一个元素wij可以简要理解为第i个预设关键词对第j个意图信息的权重，并且，一个关键词对应的多个意图的意图权重信息之和恒定为1。
设备基于权重矩阵，获取关键词对应的意图权重信息。在一个实施例中，待识别文本为“账号无法登陆”，关键词为“账号”、“无法”、“登陆”，基于如下所示的权重矩阵，获取关键词“账号”对应的不同意图的意图权重信息分别为0.1、0.3、0.7；获取关键词“无法”对应的不同意图的意图权重信息分别为0.001、0.002、0.997；获取关键词“登录”对应的不同意图的意图权重信息分别为0、0.1、0.9。
Figure BDA0002395546580000101
一种实施方式中，可以获取每个关键词在权重矩阵中最大的意图权重信息作为该关键词对应的意图信息的权重，则获取关键词“账号”对应的意图权重信息为0.7；获取关键词“无法”对应的意图权重信息为0.997；获取关键词“登录”对应的意图权重信息为0.9。设备可以将0.7、0.997、0.9这组数据作为关键词对应的意图权重信息，也可以将0.7、0.997、0.9这组数据进行计算得到的计算结果作为关键词对应的意图权重信息，例如，相乘或者加权计算等等。需要说明的是，上述实施例只是对本方案的解释说明，是本方案的一种实施方式，不做其他限定。
进一步地，当检测到修改指令时，对所述预设意图权重信息进行修改。当设备获取修改指令，修改指令用于修改预设意图权重信息。在本实施例中，当用户希望包含有意图信息编号为1的预设关键词的客户咨询文本有更大的概率被识别为意图3，则只需要略微调高w13。这项调整不会影响其他意图的判断，强针对性的微调。
进一步地，在S1022之前，还可以包括：创建权重矩阵，所述权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息。设备创建权重矩阵，权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息，举例来说，权重矩阵为一个m×n矩阵，其中m为预设关键词的数量， n为意图信息的数量。矩阵中的一个元素wij可以简要理解为第i个预设关键词对第j个意图信息的权重。设备基于预设关键词意图权重矩阵，获取关键词对应的意图权重信息。
进一步地，S102可以包括S1023～S1024，如图4所示，S1023～S1024具体如下：
S1023：基于所述目标文本获取所有关键词的有序集合。
设备基于目标文本获取所有关键词的有序集合。设备可以将关键词按照关键词在目标文本中的出现顺序进行排列，得到所有关键词的有序集合 Xi＝[xi1,xi2…xik]，其中，k为关键词的数量，xij代表目标文本的关键词中的第j个关键词。
S1024：根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息及所述关键词对应的意图信息。
设备根据所有关键词的有序集合生成各关键词对应的注意力信息及关键词对应的意图信息。
S103：基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
设备基于注意力信息和关键词意图信息，得到目标文本对应的意图信息。目标文本对应的意图信息可以为文字形式，例如，待识别的目标文本为“抽奖页面是什么”，则对应的意图信息为“近期活动咨询”；也可以将不同的意图进行编号，目标文本对应的意图信息可以为意图编号的形式，待识别的目标文本为“请问我的账户为什么上不去？”，待识别的目标文本对应的意图信息为“账户不能登录”，对应的意图编号为12。
进一步地，S103可以包括：将所述注意力信息和所述关键词意图信息相乘得到计算结果，基于所述计算结果得到所述目标文本对应的意图信息。设备将注意力信息和关键词意图信息相乘得到计算结果，计算结果为在识别过程中使用的一个系数，每一组数据对应了一个计算结果，处理每组数据时，需要用到该组数据对应的计算结果。
本申请实施例中，获取待识别的目标文本；基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。上述方法，在识别意图的过程中使用了关键信息和注意力信息，可以准确地识别意图信息，提高识别的准确度。
请参见图5，图5是本申请第二实施例提供的意图识别的装置的示意图。包括的各单元用于执行图1、图3～图4对应的实施例中的各步骤。具体请参阅图1、图3～图4各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图5，意图识别的装置5包括：
第一获取单元510，用于获取待识别的目标文本；
第二获取单元520，用于基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
确定单元530，用于基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
进一步地，第二获取单元520，包括：
第三获取单元，用于基于所述目标文本获取所有关键词的有序集合；
生成单元，用于根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息及所述关键词对应的关键词意图信息。
进一步地，生成单元，具体用于：
将所述关键词的有序集合输入预设注意力模型进行处理，得到所述关键词在所述目标文本中的注意力信息；其中，所述预设注意力模型的训练方法包括所述预设注意力模型的输入为前一次迭代训练对应的所述预设注意力模型输出的状态信息和样本关键词信息，所述预设注意力模型的输出为所述样本关键词信息对应的注意力信息和本次迭代训练对应的状态信息。
进一步地，所述关键词意图信息包括所述关键词对应的意图权重信息，所述意图权重信息包括标识所述关键词被识别为预设意图的概率。
进一步地，第二获取单元520，具体用于：
基于所述目标文本获取所述目标文本中的关键词；
根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息。
进一步地，第二获取单元520，具体还用于：
创建权重矩阵，所述权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息。
进一步地，所述确定单元530，具体用于：
将所述注意力信息和所述关键词关键信息相乘得到计算结果，基于所述计算结果得到所述目标文本对应的意图信息。
进一步地，所述注意力信息包括每个所述关键词在目标文本中的影响力信息，所述影响力信息为每个所述关键词在目标文本中的影响力权重。
图6是本申请第三实施例提供的意图识别的设备的示意图。如图6所示，该实施例的意图识别的设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如意图识别的程序。所述处理器60执行所述计算机程序62时实现上述各个意图识别的方法实施例中的步骤，例如图1所示的步骤101至106。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块310至360的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述意图识别模型的训练设备6中的执行过程。例如，所述计算机程序62可以被分割成第一获取单元、第二获取单元、确定单元，各单元具体功能如下：
第一获取单元，用于获取待识别的目标文本；
第二获取单元，用于基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
确定单元，用于基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
所述意图识别的设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是意图识别的设备6的示例，并不构成对意图识别的设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述意图识别的设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述意图识别的设备6的内部存储单元，例如意图识别的设备6的硬盘或内存。所述存储器61也可以是所述意图识别的设备6的外部存储设备，例如所述意图识别的设备6上配备的插接式硬盘，智能存储卡 (Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述意图识别的设备6还可以既包括所述意图识别的设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述意图识别的设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM， RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U 盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种意图识别的方法，其特征在于，包括：
获取待识别的目标文本；
基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
2.如权利要求1所述的意图识别的方法，其特征在于，所述基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息，包括：
基于所述目标文本获取所有关键词的有序集合；
根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息及所述关键词对应的关键词意图信息。
3.如权利要求2所述的意图识别的方法，其特征在于，根据所述所有关键词的有序集合生成所述各关键词对应的注意力信息，包括：
将所述关键词的有序集合输入预设注意力模型进行处理，得到所述关键词在所述目标文本中的注意力信息；其中，所述预设注意力模型的训练方法包括所述预设注意力模型的输入为前一次迭代训练对应的所述预设注意力模型输出的状态信息和样本关键词信息，所述预设注意力模型的输出为所述样本关键词信息对应的注意力信息和本次迭代训练对应的状态信息。
4.如权利要求1所述的意图识别的方法，其特征在于，所述关键词意图信息包括所述关键词对应的意图权重信息，所述意图权重信息包括标识所述关键词被识别为预设意图的概率。
5.如权利要求4所述的意图识别的方法，其特征在于，基于所述目标文本获取所述目标文本中所述关键词对应的关键词意图信息，包括：
基于所述目标文本获取所述目标文本中的关键词；
根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息。
6.如权利要求5所述的意图识别的方法，其特征在于，在所述根据所述关键词从权重矩阵中获取所述关键词对应的意图权重信息之前，还包括：
创建权重矩阵，所述权重矩阵中的元素为每个预设关键词对应的不同的预设意图的意图权重信息。
7.如权利要求1所述的意图识别的方法，其特征在于，所述基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息，包括：
将所述注意力信息和所述关键词意图信息相乘得到计算结果，基于所述计算结果得到所述目标文本对应的意图信息。
8.如权利要求1所述的意图识别的方法，其特征在于，所述注意力信息包括每个所述关键词在目标文本中的影响力信息，所述影响力信息为每个所述关键词在目标文本中的影响力权重。
9.一种意图识别的装置，其特征在于，包括：
第一获取单元，用于获取待识别的目标文本；
第二获取单元，用于基于所述目标文本获取所述目标文本中各关键词对应的注意力信息及所述关键词对应的关键词意图信息；所述注意力信息包括每个所述关键词在所述目标文本中的影响力信息；
确定单元，用于基于所述注意力信息和所述关键词意图信息，得到所述目标文本对应的意图信息。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
CN202010130004.7A 2020-02-28 2020-02-28 一种意图识别的方法及装置 Pending CN111400440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010130004.7A CN111400440A (zh) 2020-02-28 2020-02-28 一种意图识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010130004.7A CN111400440A (zh) 2020-02-28 2020-02-28 一种意图识别的方法及装置

Publications (1)

Publication Number Publication Date
CN111400440A true CN111400440A (zh) 2020-07-10

Family

ID=71432102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010130004.7A Pending CN111400440A (zh) 2020-02-28 2020-02-28 一种意图识别的方法及装置

Country Status (1)

Country Link
CN (1) CN111400440A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338058A (zh) * 2020-09-27 2022-04-12 中国移动通信有限公司研究院 一种信息处理方法、装置和存储介质
CN116738973A (zh) * 2022-09-30 2023-09-12 荣耀终端有限公司 一种搜索意图识别方法、构建预测模型的方法和电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787458A (zh) * 2016-03-11 2016-07-20 重庆邮电大学 基于人工设计特征和深度学习特征自适应融合的红外行为识别方法
CN107193865A (zh) * 2017-04-06 2017-09-22 上海奔影网络科技有限公司 人机交互中自然语言意图理解方法及装置
CN107943860A (zh) * 2017-11-08 2018-04-20 北京奇艺世纪科技有限公司 模型的训练方法、文本意图的识别方法及装置
CN108090098A (zh) * 2016-11-22 2018-05-29 科大讯飞股份有限公司 一种文本处理方法及装置
CN109241255A (zh) * 2018-08-20 2019-01-18 华中师范大学 一种基于深度学习的意图识别方法
CN109741751A (zh) * 2018-12-11 2019-05-10 上海交通大学 面向智能语音控制的意图识别方法及装置
CN109840276A (zh) * 2019-02-12 2019-06-04 北京健康有益科技有限公司 基于文本意图识别的智能对话方法、装置和存储介质
CN110134967A (zh) * 2019-05-22 2019-08-16 北京金山数字娱乐科技有限公司 文本处理方法、装置、计算设备及计算机可读存储介质
CN110263122A (zh) * 2019-05-08 2019-09-20 北京奇艺世纪科技有限公司 一种关键词获取方法、装置及计算机可读存储介质
CN110704622A (zh) * 2019-09-27 2020-01-17 北京明略软件系统有限公司 文本情感分类方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787458A (zh) * 2016-03-11 2016-07-20 重庆邮电大学 基于人工设计特征和深度学习特征自适应融合的红外行为识别方法
CN108090098A (zh) * 2016-11-22 2018-05-29 科大讯飞股份有限公司 一种文本处理方法及装置
CN107193865A (zh) * 2017-04-06 2017-09-22 上海奔影网络科技有限公司 人机交互中自然语言意图理解方法及装置
CN107943860A (zh) * 2017-11-08 2018-04-20 北京奇艺世纪科技有限公司 模型的训练方法、文本意图的识别方法及装置
CN109241255A (zh) * 2018-08-20 2019-01-18 华中师范大学 一种基于深度学习的意图识别方法
CN109741751A (zh) * 2018-12-11 2019-05-10 上海交通大学 面向智能语音控制的意图识别方法及装置
CN109840276A (zh) * 2019-02-12 2019-06-04 北京健康有益科技有限公司 基于文本意图识别的智能对话方法、装置和存储介质
CN110263122A (zh) * 2019-05-08 2019-09-20 北京奇艺世纪科技有限公司 一种关键词获取方法、装置及计算机可读存储介质
CN110134967A (zh) * 2019-05-22 2019-08-16 北京金山数字娱乐科技有限公司 文本处理方法、装置、计算设备及计算机可读存储介质
CN110704622A (zh) * 2019-09-27 2020-01-17 北京明略软件系统有限公司 文本情感分类方法、装置及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338058A (zh) * 2020-09-27 2022-04-12 中国移动通信有限公司研究院 一种信息处理方法、装置和存储介质
CN116738973A (zh) * 2022-09-30 2023-09-12 荣耀终端有限公司 一种搜索意图识别方法、构建预测模型的方法和电子设备
CN116738973B (zh) * 2022-09-30 2024-04-19 荣耀终端有限公司 一种搜索意图识别方法、构建预测模型的方法和电子设备

Similar Documents

Publication Publication Date Title
WO2019080661A1 (zh) 用户意图识别方法及装置
CN110705585A (zh) 网络欺诈识别方法、装置、计算机装置及存储介质
WO2022105496A1 (zh) 智能回访方法、装置、电子设备及可读存储介质
CN112070545B (zh) 用于优化信息触达的方法、装置、介质和电子设备
CN114943673A (zh) 瑕疵图像生成方法、装置、电子设备及存储介质
CN111597309A (zh) 相似企业推荐方法、装置、电子设备及介质
CN113326991A (zh) 自动授权方法、装置、计算机设备及存储介质
CN111400440A (zh) 一种意图识别的方法及装置
CN113407854A (zh) 一种应用推荐方法、装置、设备及计算机可读存储介质
US20220229904A1 (en) Privacy-protection-based data processing model acquisition method and apparatus, terminal device and storage medium
CN111552865A (zh) 用户兴趣画像方法及相关设备
CN115222443A (zh) 客户群体划分方法、装置、设备及存储介质
CN111679959A (zh) 计算机性能数据确定方法、装置、计算机设备及存储介质
CN116629423A (zh) 用户行为预测方法、装置、设备及存储介质
CN116485019A (zh) 一种数据处理方法及装置
CN110705733A (zh) 取号方法、装置、电子设备及计算机可读存储介质
CN110929499A (zh) 文本相似度获取方法、装置、介质及电子设备
CN115618415A (zh) 敏感数据识别方法、装置、电子设备和存储介质
CN114897099A (zh) 基于客群偏差平滑优化的用户分类方法、装置及电子设备
CN115378806A (zh) 流量分配方法、装置、计算机设备及存储介质
CN114511393A (zh) 财务数据处理方法及系统
CN111597453A (zh) 用户画像方法、装置、计算机设备及计算机可读存储介质
CN107368597B (zh) 信息输出方法和装置
CN112381458A (zh) 项目评审方法、项目评审装置、设备及存储介质
CN114238583B (zh) 自然语言处理方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zheng Wanteng

Inventor after: Lin Weixiang

Inventor after: Zhu Ziqi

Inventor before: Lin Weixiang

Inventor before: Zhu Ziqi