CN111930950A - 多意图响应方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种多意图响应方法、装置、计算机设备和存储介质。所述方法包括：获取目标文本；对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本；对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型；基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。采用本方法能够更准确对多意图的文本进行响应。

Description

多意图响应方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种多意图响应方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了人工智能等技术。企业通过人工智能等技术，可以更智能地服务用户。例如，若用户存在咨询业务或者其他问题，则可以将咨询业务或者问题发送至智能机器人，通过智能机器人对用户所发送的内容进行分析，可以智能回复用户。

在智能机器人所接收到内容中，可能包括一个意图或者多个意图。若存在多个意图，传统的方法无法准确对多个意图的内容进行响应。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确响应多个意图的多意图响应方法、装置、计算机设备和存储介质。

一种多意图响应方法，所述方法包括：

获取目标文本；

对所述目标文本进行多意图检测，若检测到所述目标文本存在至少两个意图，则将所述目标文本进行分割，得到所述至少两个意图对应的至少两个子文本；

对所述至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定所述至少两个意图中每个意图的类型；

基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

在其中一个实施例中，所述意图的类型为常见型或任务型，所述任务型意图的响应时长大于所述常见型意图的响应时长；

所述基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型均为所述常见型，则分别针对各个所述常见型意图得到对应的响应消息；

若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则先针对所述常见型意图得到对应的响应消息，再针对所述任务型意图得到对应的响应消息；

若所述至少两个意图所包括的各个意图的类型均为所述任务型，则分别针对各个所述任务型意图得到对应的响应消息。

在其中一个实施例中，所述若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则先针对所述常见型意图得到对应的响应消息，再针对所述任务型意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则针对所述常见型意图得到对应的响应消息，依次针对每个所述任务型意图，检测当前时刻处理的任务；

若当前时刻处理的任务不是所要响应的所述任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的所述任务型意图得到对应的响应消息；

若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的所述任务型意图的任务，则针对所要响应的所述任务型意图得到对应的响应消息。

在其中一个实施例中，所述若所述至少两个意图所包括的各个意图的类型均为所述任务型，则分别针对各个所述任务型意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型均为所述任务型，则依次针对每个所述任务型意图，检测当前时刻处理的任务；

若当前时刻处理的任务不是所要响应的所述任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的所述任务型意图得到对应的响应消息；

若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的所述任务型意图的任务，则针对所要响应的所述任务型意图得到对应的响应消息。

在其中一个实施例中，所述对所述目标文本进行多意图检测，包括：

检测所述目标文本的断点位置；

若所述目标文本存在断点位置，则所述目标文本存在至少两个意图。

在其中一个实施例中，所述检测所述目标文本的断点位置，包括：

通过训练完成的多意图检测模型检测所述目标文本的断点位置；所述多意图检测模型包括卷积神经网络和自注意力子模型。

在其中一个实施例中，所述方法还包括：

获取多意图训练文本，以及所述多意图训练文本对应的多意图验证文本；所述多意图验证文本标注有断点位置；

将所述多意图训练文本输入多意图检测模型中，输出所述多意图训练文本的断点位置；

将所述多意图训练文本的断点位置和所述多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整所述多意图检测模型的参数，得到新的多意图检测模型；

将所述多意图训练文本输入所述新的多意图检测模型中，返回所述输出所述多意图训练文本的断点位置步骤，直到调整次数达到预设次数阈值，从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型。

在其中一个实施例中，所述从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型，包括：

将各个所述匹配结果进行比较，确定所述多意图训练文本的断点位置和所述多意图验证文本的断点位置最匹配的匹配结果，并将所述最匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

在其中一个实施例中，所述多意图验证文本的生成方式，包括：

获取至少两个文本，每个文本表征一个意图；

将所述至少两个文本进行拼接，并在不同文本的拼接处标注断点位置，得到多意图验证文本。

一种多意图响应装置，所述装置包括：

目标文本获取模块，用于获取目标文本；

多意图检测模块，用于对所述目标文本进行多意图检测，若检测到所述目标文本存在至少两个意图，则将所述目标文本进行分割，得到所述至少两个意图对应的至少两个子文本；

意图识别模块，用于对所述至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定所述至少两个意图中每个意图的类型；

响应消息获取模块，用于基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述多意图响应方法、装置、计算机设备和存储介质，对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本；对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型，基于不同类型的意图，可以得到与该类型的意图相匹配的响应消息，避免了在对多意图的文本进行响应的过程中，采用了交互或者错误的方式进行响应而造成响应消息不准确，并且响应效率低的问题，从而提高了对多意图的目标文本进行响应，所得到的响应消息的准确性，并且提高了对多意图的目标文本进行响应的效率。

附图说明

图1为一个实施例中多意图响应方法的应用环境图；

图2为一个实施例中多意图响应方法的流程示意图；

图3为一个实施例中对多意图检测模型进行训练的流程示意图；

图4为一个实施例中基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息步骤的流程示意图；

图5为一个实施例中多意图响应装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的多意图响应方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。终端102接收用户输入的目标文本，将该目标文本发送至服务器104。服务器104获取终端102发送的目标文本；对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本；对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型；基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。进一步地，服务器104可以将响应消息返回至终端102中。终端102接收到响应消息，可以将响应消息展示在显示界面中。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

需要指出的是，服务器104可以实现上述多意图响应方法，终端102也可以实现上述多意图响应方法。

在一个实施例中，如图2所示，提供了一种多意图响应方法，包括以下步骤：

步骤202，获取目标文本。

目标文本指的是包括文字的信息。目标文本中可以包括单个字、关键词、句子或者段落等其中的至少一种。目标文本也可以是中文文本、英文文本、日文文本等其中的至少一种。

在一个实施方式中，计算机设备从存储器中获取目标文本。在另一个实施方式中，计算机设备接收用户所在终端发送的目标文本；目标文本是用户所在用户接收输入的文本信息生成的。在另一个实施方式中，计算机设备接收用户输入的文本信息生成目标文本。计算机设备具体如何获取目标文本的方式并不限定。其中，计算机设备可以终端、也可以是服务器，不限于此。

在一个实施例中，计算机设备获取语音信息，识别该语音信息得到目标文本。同样地，计算机设备具体如何获取语音信息的方式并不限定。

步骤204，对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本。

意图指的是希望达到某种目的打算。多意图指的是目标文本中希望达到多种目的打算。子文本指的是目标文本中意图所对应的部分文本。例如，目标文本是“还款日期什么时候，余额是否足够还款”，则该目标文本中存在两个意图，两个意图分别对应的两个子文本是“还款日期什么时候”和“余额是否足够还款”。

多意图检测指的是检测目标文本是否存在多个意图。计算机设备对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本为多意图文本，将目标文本进行分割，得到至少两个意图对应的至少两个子文本，即每个意图对应一个子文本。

步骤206，对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型。

计算机设备可以将至少两个子文本以batch（批处理）的形式输入意图识别模型中，通过意图识别模型对至少两个子文本分别进行意图识别，可以得到至少两个意图，也可以分别确定至少两个意图中每个意图的类型。

通过意图识别，得到的至少两个意图，可以确定目标文本所要达到的至少两种目的打算。

例如，计算机设备将目标文本进行分割，得到两个子文本，分别为“我要查账单”，“我还能用多少钱”，对两个子文本分别进行意图识别，可以确定两个子文本的意图分别是查询账单以及查询可用余额。

又如，计算机设备将目标文本进行分割，得到两个子文本，分别为“我想知道我卡里还有多少钱”，“能提额吗”，对两个子文本分别进行意图识别，可以确定两个子文本的意图分别是账户余额查询以及是否可以提额。

意图的类型如常见型（Frequently Asked Questions，FAQ）、任务型、人工服务型等。

常见型意图指的是常见的意图，例如，查询余额、如何注册成为会员等意图。常见型意图所对应的响应消息预先存储在存储器中，若需要获取常见型意见对应的响应消息，可以直接从存储器中获取到该常见型意图所对应的响应消息，无需开启新的任务，响应时长短，响应速度快。

任务型意图指的是需要开启任务对该文本进行分析的意图，例如，账单是否可以延期、查询账单、申请额度等意图。任务型意图所对应的响应消息需要开启任务进行分析，则响应时长大于常见型的意图的响应时长，响应速度慢于常见型的意图的响应速度。任务型意图在开启的任务内，可以包括一次或者至少两次的交互。一次交互为接收包括意图的消息，以及对包括意图的消息进行响应得到响应消息的过程。

人工服务型意图指的是需要人工进行交互解决的意图，例如，复杂的意图或者直接表示需要人工服务的意图。人工服务型意图需要转接至人工服务，通过人工达到该意图。

计算机设备预先存储有各个类型的意图，将意图识别得到的意图与预先存储的各个类型的意图进行匹配，将相匹配的意图的类型作为意图识别得到的意图的类型。

步骤208，基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

计算机设备确定目标文本中每个意图的类型之后，针对每一个意图的类型，得到与该类型的意图对应的响应消息。

例如，针对常见型意图“查询余额”，得到的响应消息是“您的账户余额为1000元”。针对任务型意图“能提额吗”，得到的响应消息是“根据综合评分，您可以提高固定额度和临时额度，请问您提升什么额度呢”。针对人工服务型意图“我要转接人工”，得到的响应消息是“已为您转接至人工服务，请稍等”。

可以理解的是，目标文本所包括的各个子文本的意图可以是各种类型的意图，而不同类型的意图所对应的响应消息以及响应方式是不同的。例如，针对常见型意图，可以直接从数据库中获取到该常见型意图的响应消息，针对任务型意图，需要开启任务进行分析得到相应消息，而人工服务型意图，需要转接至人工服务，通过人工服务达到该意图。

上述多意图响应方法，对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本；对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型，基于不同类型的意图，可以得到与该类型的意图相匹配的响应消息，避免了在对多意图的文本进行响应的过程中，采用了交互或者错误的方式进行响应而造成响应消息不准确，并且响应效率低的问题，从而提高了对多意图的目标文本进行响应，所得到的响应消息的准确性，并且提高了对多意图的目标文本进行响应的效率。

在一个实施例中，用户终端获取用户输入的信息，并将该信息发送至计算机设备。计算机设备获取到用户终端发送的信息，将该信息转换为文本，得到目标文本，执行对目标文本进行多意图检测步骤，并将该信息的响应消息返回至该用户终端中。

用户终端获取用户输入的信息可以是文本信息、语音信息、图片信息、视频信息等。若用户输入的信息为文本信息，则计算机设备将该文本信息作为目标文本。若用户输入的信息为语音信息，则计算机设备对该语音信息进行语音识别，将该语音信息转换为文本，得到目标文本。

若用户输入的信息为图片信息，则计算机设备对该图片信息进行文字检测，将检测出的文本作为目标文本。在一种实施方式中，计算机设备对该图片信息进行文字检测，检测出图片信息中所记载的文字，从而得到图片信息中的文本。

若用户输入的信息为视频信息，视频信息包括语音信息和图片帧，则计算机设备对语音信息进行语音识别，得到第一文本；对各个图片帧进行文字检测，得到第二文本；将第一文本和第二文本进行融合，得到目标文本。

可以理解的是，视频信息包括了语音片段和由图片帧组成的视频片段，则语音片段中可能包括有用户所表达的信息，图片帧中也可能记载有用户所表达的信息。因此，计算机设备对语音信息进行语音识别，得到第一文本，对各个图片帧进行文本检测，得到第二文本，并将第一文本和第二文本进行融合，得到目标文本。

在一种实施方式中，计算机设备可以将第一文本和第二文本进行拼接，得到目标文本。在另一种实施方式中，计算机设备可以将第一文本和第二文本进行拼接，得到中间文本；确定第一文本和第二文本之间重复的文本，并从中间文本中去除该重复的文本，得到目标文本。

例如，计算机设备对语音信息进行语音识别，得到第一文本“查询余额，查询账单”，对各个图片帧进行文本检测，得到第二文本“确定余额是否足够支付”，则可以将第一文本和第二文本进行拼接得到目标文本“查询余额，查询账单，确定余额是否足够支付”。

又如，计算机设备对语音信息进行语音识别，得到第一文本“查询余额，查询账单”，对各个图片帧进行文本检测，得到第二文本“查询余额，确定余额是否足够支付”，则可以将第一文本和第二文本进行拼接得到中间文本“查询余额，查询账单；查询余额，确定余额是否足够支付”，确定第一文本和第二文本之间重复的文本为“查询余额”，则从中间文本中去除该重复的文本，得到目标文本为“查询余额，查询账单，确定余额是否足够支付”。

在一个实施例中，对目标文本进行多意图检测，包括：检测目标文本的断点位置；若目标文本存在断点位置，则目标文本存在至少两个意图。

断点位置指的是目标文本中不同意图之间的位置。若目标文本存在断点位置，表示目标文本存在至少两个意图，即该目标文本为多意图的文本；若目标文本不存在断点位置，表示目标文本仅有一个意图。

例如，目标文本为“我要查账单，还能用多少钱”，则可以识别出目标文本的断点位置为“，”位置，即我要查账单为目标文本的其中一个意图，还能用多少钱为目标文本的另一个意图。

目标文本的断点位置越多，表示目标文本中所包括的意图越多。目标文本中所包括的意图的数量=断点位置的数量+1。例如，断点位置的数量为1个时，目标文本所包括的意图的数量为2个；断点位置的数量为3个时，目标文本所包括的意图的数量为4个。

将目标文本进行分割，得到至少两个意图对应的至少两个子文本包括：按照目标文本中的断点位置，将目标文本进行分割。计算机设备确定目标文本中的断点位置之后，从断点位置对目标文本进行分割，可以得到至少两个意图对应的至少两个子文本。

在本实施例中，检测目标文本的断点位置；若目标文本存在断点位置，则目标文本存在至少两个意图，可以更准确对目标文本进行多意图检测。

在一个实施例中，断点位置可以采用预设标识进行标记。例如，预设标识可以是预设符号如“@”、“%”、“#”等，也可以是预设图案，如红色图案、黄色图案、三角图案、红色圆点等，不限于此。

在一个实施例中，检测目标文本的断点位置，包括：通过训练完成的多意图检测模型检测目标文本的断点位置；多意图检测模型包括卷积神经网络和自注意力子模型。

卷积神经网络（Convolutional Neural Networks，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deeplearning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariantclassification），因此也被称为“平移不变人工神经网络（Shift-Invariant ArtificialNeural Networks, SIANN）”。

注意力机制模仿了生物观察行为的内部过程，即一种将内部经验和外部感觉对齐从而增加部分区域的观察精细度的机制。注意力机制可以快速提取稀疏数据的重要特征，因而被广泛用于自然语言处理任务，特别是机器翻译。而自注意力机制是注意力机制的改进，其减少了对外部信息的依赖，更擅长捕捉数据或特征的内部相关性。自注意力子模型即自注意力机制。

在本实施例中，通过训练完成的多意图检测模型，可以更准确地检测出目标文本的断点位置。

在一个实施例中，如图3所示，上述方法还包括：

步骤302，获取多意图训练文本，以及多意图训练文本对应的多意图验证文本；多意图验证文本标注有断点位置。

多意图训练文本指的是用于对多意图检测模型进行训练的多意图的文本。多意图验证文本指的是用于对多意图检测模型输出的结果进行验证的多意图的文本。多意图验证文本标注有断点位置。也就是说，在多意图训练文本的基础上标注有断点位置，可以得到多意图验证文本。

多意图验证文本的生成方式，包括：获取至少两个文本，每个文本表征一个意图；将至少两个文本进行拼接，并在不同文本的拼接处标注断点位置，得到多意图验证文本。

计算机设备从已知意图的语料库（一个或者多个不同的语料库）中获取至少两个文本。每个文本表征一个意图，至少两个文本中的各个文本所表征的意图可以均不同，也可以存在相同。

例如，将“我还款”和“查询账单”两个文本进行拼接，得到“我还款，查询账单”，则拼接处为“，”位置，在拼接处标注断点位置，得到多意图验证文本。又如，将“我还款”、“查询账单”和“提升额度”三个文本进行拼接，得到“我还款，查询账单，提升额度”，则拼接处分别为“款”和“查”之间的位置，以及“单”和“提”之间的位置，在拼接处标注断点位置，得到多意图验证文本。

在另一种实施方式中，计算机设备可以采用BME（Begin，Middle，End）序列标注方式对至少两个文本进行标注和拼接，得到包括标注数据的多意图验证文本；标注数据包括多意图验证文本中的断点位置。多意图验证文本的标注数据中还可以包括各个意图的具体内容。

在BME序列标注方式中，命名实体的开始Begin，命名实体中间Middle，命名实体结尾End。也就是说，在一个意图中，文本的开始为Begin，文本的中间为Middle，文本的结尾为End。

例如，计算机设备获取两个不同意图的文本，分别是“我还款”和“查询账单”，其中，“我还款”表征还款意图，“查询账单”表征查询账单意图。采用BME序列标注方式对两个文本进行标注，对“我还款”标注得到“BME”，对“我要查账单”标注得到“BMME”，BME序列标注中每个字母与的文本的每个实体一一对应。将两个文本进行拼接，得到“我还款，我要查账单”，对应的BME序列标注为“BMEBMME”，“BMEBMME”为标注数据。在标注数据中，可以将每个E作为断点位置。

可以理解的是，在BME序列标注（标注数据）中，存在两个B或者两个以上的B，该文本为多意图的文本。在BME序列标注（标注数据）中，存在一个或者多个B，而M的数量和E的数量并不一定与B的数量相一致。例如，“没我要查账单”对应的BME序列标注（标注数据）为“BBMME”，第一个意图的文本“没”对应“B”，第二个意图的文本“我要查账单”对应“BMME”。若第一个意图的文本只有一个实体，则将第一个B作为断点位置。

步骤304，将多意图训练文本输入多意图检测模型中，输出多意图训练文本的断点位置。

具体地，计算机设备将多意图训练文本输入卷积神经网络，通过卷积神经网络输出中间结果，再将中间结果输入自注意力子模型中，输出多意图训练文本的断点位置。第一次将多意图训练文本输入的多意图检测模型可以是初始的多意图检测模型，即未经过训练的多意图检测模型。

步骤306，将多意图训练文本的断点位置和多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整多意图检测模型的参数，得到新的多意图检测模型。

可以理解的是，匹配结果可以是多意图检测模型所输出的多意图训练文本的断点位置可以与多意图验证文本所标注的断点位置相一致，也可以与多意图验证文本所标注的断点位置不一致。若多意图检测模型所输出的多意图训练文本的断点位置与多意图验证文本所标注的断点位置不一致，则匹配结果还可以包括多意图训练文本中不一致的断点位置的数量，多意图训练文本中不一致的断点位置与多意图验证文本中对应的断点位置之间的距离，等信息。

步骤308，将多意图训练文本输入新的多意图检测模型中，返回输出多意图训练文本的断点位置步骤，直到调整次数达到预设次数阈值，从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型。

计算机设备根据匹配结果调整多意图检测模型的参数，可以得到新的多意图检测模型，将多意图训练文本输入新的多意图检测模型中，返回输出多意图训练文本的断点位置步骤，可以得到新的匹配结果，并再次调整多意图检测模型的参数，得到新的多意图检测模型，直到调整次数达到预设次数阈值，则从得到的各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型。其中，预设次数阈值可以根据需要进行设置，例如39次，50次等。

在另一个实施例中，对多意图检测模型的训练方式，包括：获取多意图训练文本，以及多意图训练文本对应的多意图验证文本；多意图验证文本标注有断点位置；将多意图训练文本输入多意图检测模型中，输出多意图训练文本的断点位置；将多意图训练文本的断点位置和多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整多意图检测模型的参数，得到新的多意图检测模型；若匹配结果中多意图训练文本的断点位置和多意图验证文本的断点位置相匹配，则停止调整多意图检测模型的参数，将相匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

可以理解的是，若匹配结果中多意图训练文本的断点位置和多意图验证文本的断点位置相匹配，则相匹配的匹配结果所对应的多意图检测模型可以准确检测出多意图训练文本的断点位置，可以将该多意图检测模型作为训练完成的多意图检测模型。

计算机设备确定匹配结果中多意图训练文本的断点位置和多意图验证文本的断点位置相匹配，则停止调整多意图检测模型的参数，节约了计算机资源，得到训练完成的多意图检测模型。

在另一个实施例中，对多意图检测模型的训练方式，包括：获取多意图训练文本，以及多意图训练文本对应的多意图验证文本；多意图验证文本标注有断点位置；将多意图训练文本输入多意图检测模型中，输出多意图训练文本的断点位置；将多意图训练文本的断点位置和多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整多意图检测模型的参数，得到新的多意图检测模型，并从匹配结果中确定多意图训练文本的断点位置和多意图验证文本的断点位置之间的匹配度；若依次获取的预设数量的匹配结果所确定的各个匹配度均小于匹配度阈值，则停止调整多意图检测模型的参数，将最后一次得到的多意图检测模型作为训练完成的多意图检测模型。

预设数量可以根据需要进行设定。匹配度指的是多意图训练文本的断点位置和多意图验证文本的断点位置之间的匹配程度。匹配度越高，则该匹配度的多意图训练文本所对应的多意图训练模型越准确。

若依次获取的预设数量的匹配结果所确定的各个匹配度均小于匹配度阈值，表示依次获取的预设数量的匹配结果所确定的各个匹配度均未提升至匹配度阈值，则停止调整多意图检测模型的参数，将最后一次得到的多意图检测模型作为训练完成的多意图检测模型。

在一种实施方式中，从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型，包括：将各个匹配结果进行比较，确定多意图训练文本的断点位置和多意图验证文本的断点位置最匹配的匹配结果，并将最匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

多意图训练文本的断点位置和多意图验证文本的断点位置最匹配的匹配结果，表示该最匹配的匹配结果所对应的多意图检测模型所输出的多意图训练文本的断点位置，与多意图验证文本的断点位置最匹配，则该最匹配的匹配结果所对应的多意图检测模型为各个多意图检测模型中对多意图检测最准确的一个。因此，将最匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型，可以更准确对目标文本进行多意图检测。

在另一种实施方式中，确定多意图训练文本的断点位置和多意图验证文本的断点位置次匹配的匹配结果，并将次匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

在另一种实施方式中，从各个多意图检测模型中随机确定其中一个作为训练完成的多意图检测模型。

在另一种实施方式中，从各个多意图检测模型中确定最后一次调整参数得到的多意图检测模型作为训练完成的多意图检测模型。

计算机设备从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型的方式并不限定，可以根据需要进行设置。

在一个实施例中，意图的类型为常见型或任务型，任务型意图的响应时长大于常见型意图的响应时长。如图4所示，基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息，包括：

步骤402，若至少两个意图所包括的各个意图的类型均为常见型，则分别针对各个常见型意图得到对应的响应消息。

常见型意图指的是常见的意图，例如，查询余额、查询账单等意图。任务型意图指的是需要开启任务对该文本进行分析的意图，例如，账单是否可以延期、申请额度等意图。

常见型意图所对应的响应消息预先存储在存储器中，若需要获取常见型意图对应的响应消息，可以直接从存储器中获取到该常见型意图所对应的响应消息，无需开启新的任务，响应时长短，响应速度快。任务型意图所对应的响应消息需要开启任务进行分析。因此，任务型意图的响应时长大于常见型意图的响应时长。

若至少两个意图所包括的各个意图的类型均为常见型，则计算机设备按照处理顺序分别针对各个常见型意图，直接从存储器中获取到对应的响应消息。其中，处理顺序可以是按照各个常见型意图在目标文本中的顺序，也可以是按照各个常见型意图在目标文本中的倒序，还可以是随机确定的顺序，不限于此。

例如，目标文本为“我要查账单，我还能用多少钱”，目标文本所包括的2个意图的类型均为常见型，则得到的响应消息分别为“您可以通过我行信用卡地带网站或者网上银行和手机银行查询对应账单详细情况，如果有账务问题也可以拨打400***进行咨询”，“分期前您的额度是20000元扣除本次分期手续费，分期后您的卡片还有19000元，额度会随着您之后的还款会逐步释放。如有超限部分，则需抵充超限部分还款至固定额度内方可使用”。

又如，目标文本为“我卡丢了，账单能延期吗”目标文本所包括的2个意图的类型均为常见型，则得到的响应消息分别为“您的卡片丢失，为确保账户安全，建议您尽呈办理挂失。我行已为信用卡持卡人提供3天环款宽限期服务”，“您本期环款日为5月20日，您可在5月23日下午17点前确保环款至信，用卡并入账，均视同于正常按时环款；如有外币账单，需在5月22日17点前办理购汇业务”；若继续接收到目标文本“那我的账单是多少”，则得到的响应消息为“请问您要查当期账单，历史账单，还是未出账单呢”

步骤404，若至少两个意图所包括的各个意图的类型包括常见型和任务型，则先针对常见型意图得到对应的响应消息，再针对任务型意图得到对应的响应消息。

任务型意图的响应时长大于常见型意图的响应时长，计算机设备对常见型意图的响应较快，计算机设备对任务型意图的响应较慢。若至少两个意图所包括的各个意图的类型包括常见型和任务型时，先针对常见型意图，从存储器中直接得到对应的响应消息，再针对任务型意图开启任务进行分析，得到对应的响应消息。可以理解的是，先针对常见型意图进行响应，再针对任务型意图进行响应，可以更快对目标文本进行响应。

步骤406，若至少两个意图所包括的各个意图的类型均为任务型，则分别针对各个任务型意图得到对应的响应消息。

若至少两个意图所包括的各个意图的类型均为任务型，则计算机设备开启任务，按照处理顺序分别针对各个任务型意图进行分析，得到对应的响应消息。其中，处理顺序可以是按照各个任务型意图在目标文本中的顺序，也可以是按照各个任务型意图在目标文本中的倒序，还可以是随机确定的顺序，不限于此。

在本实施例中，基于至少两个意图所包括的各个意图的类型，可以按照预设的响应方式进行响应，从而更快速更准确地得到各个意图的响应消息。

在一个实施例中，若至少两个意图所包括的各个意图的类型包括常见型和任务型，则先针对常见型意图得到对应的响应消息，再针对任务型意图得到对应的响应消息，包括：若至少两个意图所包括的各个意图的类型包括常见型和任务型，则针对常见型意图得到对应的响应消息，依次针对每个任务型意图，检测当前时刻处理的任务；若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则针对所要响应的任务型意图得到对应的响应消息。

任务指的是计算机设备实现某种意图的整个执行过程。在一个任务中，可以通过一轮交互或者多轮交互。例如：一个意图为充话费，若获取到输入的文本为充话费，则得到的响应消息为询问手机号码和充值金额，若继续接收到手机号码和充值金额，则为手机号码所在的智能终端充值对应的充值金额，从而实现充话费的意图。则上述实现充话费这一意图的整个执行过程为一个任务。

若至少两个意图所包括的各个意图的类型包括常见型和任务型，则首先针对常见型意图得到对应的响应消息，可以更快速地对多意图的目标文本进行响应，依次针对每个任务型意图得到对应的响应消息。其中，针对常见型意图得到对应的响应消息，以及依次针对每个任务型意图检测当前时刻处理的任务，可以同时执行，也可以先执行其中一个步骤再执行另一个步骤。

若任务型意图的数量为一个，则直接针对该任务型意图得到对应的响应消息。若任务型意图的数量为至少两个，则按照处理顺序依次对各个任务型意图进行响应，得到对应的响应消息。其中，处理顺序可以是按照各个任务型意图在目标文本中的顺序，也可以是按照各个任务型意图在目标文本中的倒序，还可以是随机确定的顺序，不限于此。

计算机设备从各个任务型意图中确定所要响应的任务型意图，计算机设备检测当前时刻处理的任务。若当前时刻处理的任务不是所要响应的任务型意图的任务，即当前时刻处理的任务与所要响应的任务型意图的任务不同，则停止处理当前时刻处理的任务，开启所要响应的任务型意图的任务，得到所要响应的任务型意图对应的响应消息。其中，停止处理当前时刻处理的任务，可以清空当前时刻处理的任务的任务栈。任务栈即任务堆栈，是某一个任务的特定的存储区或寄存器。

若当前时刻无处理的任务，则可以直接开启所要响应的任务型意图的任务，得到所要响应的任务型意图对应的响应消息。若当前时刻处理的任务是所要响应的任务型意图的任务，表示所要响应的任务型意图可以在当前时刻处理的任务之内进行处理，则在当前时刻处理的任务中继续处理所要响应的任务型意图，以实现所要响应的任务型意图。

例如，当前时刻处理的任务为充话费，若所要响应的任务型意图为手机号码和充值金额，则在充话费的任务中获取手机号码和充值金额，为该手机号码进行充值，实现充话费的意图。

在本实施例中，若至少两个意图所包括的各个意图的类型包括常见型和任务型，则先针对常见型意图得到对应的响应消息，可以快速对多意图的目标文本进行响应；再依次针对每个任务型意图，检测当前时刻处理的任务，若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息，可以切换至新的任务对所要响应的任务型意图进行准确处理；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则直接针对所要响应的任务型意图进行处理，可以快速得到所要响应的任务型意图对应的响应消息。

例如，目标文本为“我想知道我卡里还有多少钱，能提额吗”，目标文本所包括的2个意图的类型包括常见型和任务型，则针对常见型意图得到对应的响应消息为“您好，您的固定额度为10万元、可用额度9万元，预借现金额度9万元。人民币/美元帐户透支；人民币共1万元，美元0元”。依次针对每个任务型意图，检测当前时刻处理的任务，当前时刻无处理的任务，则直接开启任务对该任务型意图进行分析，得到对应的响应消息为“根据综合评分,您可以提高固定额度和临时额度,请问您提升什么额度呢”。

又如，目标文本为“我卡丢了，我想查本期账单”，目标文本所包括的2个意图的类型包括常见型和任务型，则针对常见型意图得到对应的响应消息为“您的卡片丢失，为确保账户安全，建议您尽量办理挂失”。依次针对每个任务型意图，检测当前时刻处理的任务，当前时刻处理的任务不是所要响应的任务型意图的任务，停止处理当前时刻处理的任务，开启所要响应的任务型意图的任务对该任务型意图进行分析，得到对应的响应消息为“您当前的账单全额是金额5000元，最低环款额为500元，目前已环款2000元，最低环款额已还清，还需在7月20日前环3000元才全额环款”。

在一个实施例中，若至少两个意图所包括的各个意图的类型均为任务型，则分别针对各个任务型意图得到对应的响应消息，包括：若至少两个意图所包括的各个意图的类型均为任务型，则依次针对每个任务型意图，检测当前时刻处理的任务；若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则针对所要响应的任务型意图得到对应的响应消息。

任务指的是计算机设备实现某种意图的整个执行过程。在一个任务中，可以通过一轮交互或者多轮交互。例如：一个意图为充话费，若获取到输入的文本为充话费，则得到的响应消息为询问手机号码和充值金额，若继续接收到手机号码和充值金额，则为手机号码所在的智能终端充值对应的充值金额，从而实现充话费的意图。则上述实现充话费这一意图的整个执行过程为一个任务。

若至少两个意图所包括的各个意图的类型均为任务型，则按照处理顺序依次对各个任务型意图进行响应，得到对应的响应消息。其中，处理顺序可以是按照各个任务型意图在目标文本中的顺序，也可以是按照各个任务型意图在目标文本中的倒序，还可以是随机确定的顺序，不限于此。

计算机设备从各个任务型意图中确定所要响应的任务型意图，计算机设备检测当前时刻处理的任务。若当前时刻处理的任务不是所要响应的任务型意图的任务，即当前时刻处理的任务与所要响应的任务型意图的任务不同，则停止处理当前时刻处理的任务，开启所要响应的任务型意图的任务，得到所要响应的任务型意图对应的响应消息。其中，停止处理当前时刻处理的任务，可以清空当前时刻处理的任务的任务栈。

若当前时刻无处理的任务，则可以直接开启所要响应的任务型意图的任务，得到所要响应的任务型意图对应的响应消息。若当前时刻处理的任务是所要响应的任务型意图的任务，表示所要响应的任务型意图可以在当前时刻处理的任务之内进行处理，则在当前时刻处理的任务中继续处理所要响应的任务型意图，以实现所要响应的任务型意图。

例如，当前时刻处理的任务为充话费，若所要响应的任务型意图为手机号码和充值金额，则在充话费的任务中获取手机号码和充值金额，为该手机号码进行充值，实现充话费的意图。

在本实施例中，若至少两个意图所包括的各个意图的类型均为任务型，则依次针对每个任务型意图，检测当前时刻处理的任务，若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息，可以切换至新的任务对所要响应的任务型意图进行准确处理；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则直接针对所要响应的任务型意图进行处理，可以快速得到所要响应的任务型意图对应的响应消息。

例如，目标文本为“额度帮忙申请一下，提高额度，还有查询本月账单”，目标文本所包括的2个意图的类型均为任务型，依次针对每个任务型意图，检测当前时刻处理的任务，当前时刻无处理的任务，则直接开启任务对该任务型意图进行分析，得到对应的响应消息分别为“好的。识别到您要【调整额度】并【查询账单】，先为您办理【调整额度】。根据综合评分，您可以提高固定额度和临时额度，请问您提升什么额度呢”，若继续接收到目标文本为“固定吧”，当前时刻处理的任务为所要响应的任务型的任务，对继续接收到的目标文本进行分析，得到的响应消息为“好的，您的固定额度暂时还无法提升。请问您还要继续【调整额度】还是要【查询账单】呢”。

又如，目标文本为“额度帮忙申请一下，提高额度，还有查询本月账单”目标文本所包括的2个意图的类型均为任务型，依次针对每个任务型意图，检测当前时刻处理的任务，当前时刻处理的任务不是所要响应的任务型意图的任务，停止处理当前时刻处理的任务，开启所要响应的任务型意图的任务对该任务型意图进行分析，得到对应的响应消息为“好的。识别到您要【提高额度】并【查询账单】，先为您办理提高额度根据综合评分，您可以提高固定额度和临时额度，请问您提升什么额度呢”，若继续接收到目标文本为“固定吧”，当前时刻处理的任务为所要响应的任务型的任务，对继续接收到的目标文本进行分析，得到的响应消息为“好的，您的固定额度暂时还无法提升。请问您还要继续【提高额度】还是要【查询账单】呢”。

应该理解的是，虽然图2至图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种多意图响应装置500，包括：目标文本获取模块502、多意图检测模块504、意图识别模块506和响应消息获取模块508，其中：

目标文本获取模块502，用于获取目标文本。

多意图检测模块504，用于对目标文本进行多意图检测，若检测到目标文本存在至少两个意图时，将目标文本进行分割，得到至少两个意图对应的至少两个子文本。

意图识别模块506，用于对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型。

响应消息获取模块508，用于基于至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

上述多意图响应装置，对目标文本进行多意图检测，若检测到目标文本存在至少两个意图，则将目标文本进行分割，得到至少两个意图对应的至少两个子文本；对至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定至少两个意图中每个意图的类型，基于不同类型的意图，可以得到与该类型的意图相匹配的响应消息，避免了在对多意图的文本进行响应的过程中，采用了交互或者错误的方式进行响应而造成响应消息不准确，并且响应效率低的问题，从而提高了对多意图的目标文本进行响应，所得到的响应消息的准确性，并且提高了对多意图的目标文本进行响应的效率。

在一个实施例中，意图的类型为常见型或任务型，任务型意图的响应时长大于常见型意图的响应时长；上述响应消息获取模块508还用于若至少两个意图所包括的各个意图的类型均为常见型时，分别针对各个常见型意图得到对应的响应消息；若至少两个意图所包括的各个意图的类型包括常见型和任务型，则先针对常见型意图得到对应的响应消息，再针对任务型意图得到对应的响应消息；若至少两个意图所包括的各个意图的类型均为任务型，则分别针对各个任务型意图得到对应的响应消息。

在一个实施例中，上述响应消息获取模块508还用于若至少两个意图所包括的各个意图的类型包括常见型和任务型，则针对常见型意图得到对应的响应消息，依次针对每个任务型意图，检测当前时刻处理的任务；若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则针对所要响应的任务型意图得到对应的响应消息。

在一个实施例中，上述响应消息获取模块508还用于若至少两个意图所包括的各个意图的类型均为任务型，则依次针对每个任务型意图，检测当前时刻处理的任务；若当前时刻处理的任务不是所要响应的任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的任务型意图得到对应的响应消息；若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的任务型意图的任务，则针对所要响应的任务型意图得到对应的响应消息。

在一个实施例中，上述多意图检测模块504还用于检测目标文本的断点位置；若目标文本存在断点位置，则目标文本存在至少两个意图。

在一个实施例中，上述多意图检测模块504还用于通过训练完成的多意图检测模型检测目标文本的断点位置；多意图检测模型包括卷积神经网络和自注意力子模型。

在一个实施例中，上述多意图响应装置500还包括训练模块，用于获取多意图训练文本，以及多意图训练文本对应的多意图验证文本；多意图验证文本标注有断点位置；将多意图训练文本输入多意图检测模型中，输出多意图训练文本的断点位置；将多意图训练文本的断点位置和多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整多意图检测模型的参数，得到新的多意图检测模型；将多意图训练文本输入新的多意图检测模型中，返回输出多意图训练文本的断点位置步骤，直到调整次数达到预设次数阈值，从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型。

在一个实施例中，上述训练模块还用于将各个匹配结果进行比较，确定多意图训练文本的断点位置和多意图验证文本的断点位置最匹配的匹配结果，并将最匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

在一个实施例中，上述训练模块还用于获取至少两个文本，每个文本表征一个意图；将至少两个文本进行拼接，并在不同文本的拼接处标注断点位置，得到多意图验证文本。

关于多意图响应装置的具体限定可以参见上文中对于多意图响应方法的限定，在此不再赘述。上述多意图响应装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器或者终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储多意图响应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多意图响应方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种多意图响应方法，其特征在于，所述方法包括：

获取目标文本；

对所述目标文本进行多意图检测，若检测到所述目标文本存在至少两个意图，则将所述目标文本进行分割，得到所述至少两个意图对应的至少两个子文本；

对所述至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定所述至少两个意图中每个意图的类型；

基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

2.根据权利要求1所述的方法，其特征在于，所述意图的类型为常见型或任务型，所述任务型意图的响应时长大于所述常见型意图的响应时长；

所述基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型均为所述常见型，则分别针对各个所述常见型意图得到对应的响应消息；

若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则先针对所述常见型意图得到对应的响应消息，再针对所述任务型意图得到对应的响应消息；

若所述至少两个意图所包括的各个意图的类型均为所述任务型，则分别针对各个所述任务型意图得到对应的响应消息。

3.根据权利要求2所述的方法，其特征在于，所述若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则先针对所述常见型意图得到对应的响应消息，再针对所述任务型意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型包括所述常见型和所述任务型，则针对所述常见型意图得到对应的响应消息，依次针对每个所述任务型意图，检测当前时刻处理的任务；

若当前时刻处理的任务不是所要响应的所述任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的所述任务型意图得到对应的响应消息；

若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的所述任务型意图的任务，则针对所要响应的所述任务型意图得到对应的响应消息。

4.根据权利要求2所述的方法，其特征在于，所述若所述至少两个意图所包括的各个意图的类型均为所述任务型，则分别针对各个所述任务型意图得到对应的响应消息，包括：

若所述至少两个意图所包括的各个意图的类型均为所述任务型，则依次针对每个所述任务型意图，检测当前时刻处理的任务；

若当前时刻处理的任务不是所要响应的所述任务型意图的任务，则停止处理当前时刻处理的任务，并针对所要响应的所述任务型意图得到对应的响应消息；

若当前时刻无处理的任务，或者当前时刻处理的任务是所要响应的所述任务型意图的任务，则针对所要响应的所述任务型意图得到对应的响应消息。

5.根据权利要求1所述的方法，其特征在于，所述对所述目标文本进行多意图检测，包括：

检测所述目标文本的断点位置；

若所述目标文本存在断点位置，则所述目标文本存在至少两个意图。

6.根据权利要求5所述的方法，其特征在于，所述检测所述目标文本的断点位置，包括：

通过训练完成的多意图检测模型检测所述目标文本的断点位置；所述多意图检测模型包括卷积神经网络和自注意力子模型。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取多意图训练文本，以及所述多意图训练文本对应的多意图验证文本；所述多意图验证文本标注有断点位置；

将所述多意图训练文本输入多意图检测模型中，输出所述多意图训练文本的断点位置；

将所述多意图训练文本的断点位置和所述多意图验证文本所标注的断点位置进行匹配，根据匹配结果调整所述多意图检测模型的参数，得到新的多意图检测模型；

将所述多意图训练文本输入所述新的多意图检测模型中，返回所述输出所述多意图训练文本的断点位置步骤，直到调整次数达到预设次数阈值，从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型。

8.根据权利要求7所述的方法，其特征在于，所述从各个多意图检测模型中确定其中一个作为训练完成的多意图检测模型，包括：

将各个所述匹配结果进行比较，确定所述多意图训练文本的断点位置和所述多意图验证文本的断点位置最匹配的匹配结果，并将所述最匹配的匹配结果所对应的多意图检测模型作为训练完成的多意图检测模型。

9.根据权利要求7所述的方法，其特征在于，所述多意图验证文本的生成方式，包括：

获取至少两个文本，每个文本表征一个意图；

将所述至少两个文本进行拼接，并在不同文本的拼接处标注断点位置，得到多意图验证文本。

10.一种多意图响应装置，其特征在于，所述装置包括：

目标文本获取模块，用于获取目标文本；

多意图检测模块，用于对所述目标文本进行多意图检测，若检测到所述目标文本存在至少两个意图，则将所述目标文本进行分割，得到所述至少两个意图对应的至少两个子文本；

意图识别模块，用于对所述至少两个子文本分别进行意图识别，得到至少两个意图，并分别确定所述至少两个意图中每个意图的类型；

响应消息获取模块，用于基于所述至少两个意图所包括的各个意图的类型，分别针对各个意图得到对应的响应消息。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

Images