[發明專利]一種用戶意圖識別方法及系統

在審

• 申請號: 201710537736.6
• 申請日: 2017-07-04
• 公開（公告）號: CN107346340A
• 公開（公告）日: 2017-11-14
• 發明（設計）人: 吳友政
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06K9/62;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 王寶筠

1.一種用戶意圖識別方法，其特征在于，包括：

獲取用戶輸入的對話文本；

將所述對話文本進行分字處理，得到所述對話文本的漢字串；

將所述漢字串輸入至雙向循環神經網絡模型來確定用戶意圖，所述雙向循環神經網絡模型包括：前向循環神經網絡模型和后向循環神經網絡模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取用戶輸入的對話文本，具體為：

獲取用戶輸入的語音會話；

采用語音轉文字引擎將所述語音會話轉換為對話文本。

3.根據權利要求1所述的方法，其特征在于，在所述將所述漢字串輸入至雙向循環神經網絡模型來確定用戶意圖步驟之前，還包括：

采用多條不同對話文本及其對應的用戶意圖組成的對話樣本進行訓練，獲得預先訓練的所述雙向循環神經網絡模型。

4.根據權利要求1所述的方法，其特征在于，所述將所述漢字串輸入至雙向循環神經網絡模型來確定用戶意圖，具體為：

接收所述分字處理后得到的所述對話文本中的漢字串；

對所述漢字串中的多個漢字進行字向量的計算，得到多個字向量；

針對所述多個字向量，通過所述前向循環神經網絡模型計算所述對話文本的前向表示，以及通過所述后向循環神經網絡模型計算所述對話文本的后向表示；

根據所述前向表示和所述后向表示進行全連接計算，得到所述對話文本的句子表示；

根據所述句子表示采用softmax分類器預測所述對話文本的用戶意圖。

5.根據權利要求4所述的方法，其特征在于，所述根據所述句子表示采用softmax分類器預測所述對話文本的用戶意圖，具體為：

采用softmax分類器計算所述對話文本在所有用戶意圖上的分布函數；

根據所述分布函數計算所述所有用戶意圖對應的用戶意圖概率；

將所述用戶意圖概率最大的用戶意圖作為所述對話文本的用戶意圖輸出。

6.一種用戶意圖識別系統，其特征在于，包括：

獲取模塊，用于獲取用戶輸入的對話文本；

分字處理模塊，用于將所述對話文本進行分字處理，得到所述對話文本的漢字串；

意圖確定模塊，用于將所述漢字串輸入至雙向循環神經網絡模型來確定用戶意圖，所述雙向循環神經網絡模型包括：前向循環神經網絡模型和后向循環神經網絡模型。

7.根據權利要求6所述的系統，其特征在于，所述獲取單元包括：

獲取單元，用于獲取用戶輸入的語音會話；

轉換單元，用于采用語音轉文字引擎將所述語音會話轉換為對話文本。

8.根據權利要求6所述的系統，其特征在于，還包括：

訓練模塊，用于采用由多條不同對話文本及其對應的用戶意圖組成的對話樣本進行訓練，獲得預先訓練的所述雙向循環神經網絡模型。

9.根據權利要求6所述的系統，其特征在于，所述意圖確定模塊包括：

接收單元，用于接收所述分字處理后得到的所述對話文本中的漢字串；

第一計算單元，用于對所述漢字串中的多個漢字進行字向量的計算，得到多個字向量；

第二計算單元，用于針對所述多個字向量，通過所述前向循環神經網絡模型計算所述對話文本的前向表示，以及通過所述后向循環神經網絡模型計算所述對話文本的后向表示；

第三計算單元，用于根據所述前向表示和所述后向表示進行全連接計算，得到所述對話文本的句子表示；

預測單元，用于根據所述句子表示采用softmax分類器預測所述對話文本的用戶意圖。

10.根據權利要求9所述的系統，其特征在于，所述預測單元包括：

第四計算單元，用于采用softmax分類器計算所述對話文本在所有用戶意圖上的分布函數；

第五計算單元，用于根據所述分布函數計算所述所有用戶意圖對應的用戶意圖概率；

輸出單元，用于將所述用戶意圖概率最大的用戶意圖作為所述對話文本的用戶意圖輸出。