[發明專利]用戶查詢意圖理解方法、系統及計算機終端

在審

• 申請號: 201711487965.8
• 申請日: 2017-12-30
• 公開（公告）號: CN108228820A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 李成華;劉麗君;葉正
• 申請（專利權）人: 廈門太迪智能科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 鄧超

1.一種用戶查詢意圖理解方法，其特征在于，包括：

S1以預定意圖領域的種子概念為起點，爬取知識庫內與該領域相關的概念和所述概念的分類標簽；

S2根據爬取的所述概念和所述概念的分類標簽建立預定意圖領域的概念鏈接圖；

S3計算所述概念鏈接圖中概念節點屬于預定意圖領域的概率；

S4獲取用戶查詢語句，檢索所述概念鏈接圖，若所述用戶查詢語句覆蓋所述概念節點，返回所述概念節點所示概念；否則利用深度學習模型，計算所述用戶查詢語句和所述概念節點之間的相似度，并返回與所述用戶查詢語句最相似的前K個概念；

S5根據返回結果和所述概念節點屬于預定意圖領域的概率，計算所述用戶查詢語句屬于預定意圖領域的概率，并與預定閾值相比較以判斷是否屬于所述預定意圖領域。

2.根據權利要求1所述的用戶查詢意圖理解方法，其特征在于，步驟S1包括：

標注少量的預定意圖領域的查詢語句，將該查詢語句中的概念作為種子概念；

以所述種子概念為起點，利用所述分類標簽的上下位關系、所述分類標簽和概念之間的包含關系和所述概念之間的有效鏈接關系，爬蟲獲得與該預定意圖領域相關的所有概念和所述概念的分類標簽。

3.根據權利要求2所述的用戶查詢意圖理解方法，其特征在于，所述步驟S2包括：

以所述概念和所述概念的分類標簽作為節點，若所述分類標簽存在上下位關系、所述分類標簽和所述概念存在包含關系、所述概念之間存在有效鏈接關系，則相應的分類標簽之間、概念之間、分類標簽與概念之間存在邊，所有的節點與邊共同構成無向的概念鏈接圖；

記錄所述概念之間有效鏈接關系次數，獲取所述無向的概念鏈接圖的權重矩陣。

4.根據權利要求3所述的用戶查詢意圖理解方法，其特征在于，所述有效鏈接的定義是：若A概念和B概念在所述知識庫的文章中相互鏈接，則A概念和B概念存在有效鏈接。

5.根據權利要求3所述的用戶查詢意圖理解方法，其特征在于，所述深度學習模型包括：

輸入層，將所述用戶查詢語句和所述概念鏈接圖中概念節點的文本轉化成相應的向量矩陣；

表示層，將所述向量矩陣輸入到預先訓練的神經網絡模型中進行迭代，轉化為低緯度的語義向量；

匹配層，計算兩個所述語義向量的相似度。

6.根據權利要求5所述的用戶查詢意圖理解方法，其特征在于，所述概念節點的文本為所述概念節點所示概念的文章摘要。

7.根據權利要求5所述的用戶查詢意圖理解方法，其特征在于，所述神經網絡模型采用所述知識庫的數據進行訓練。

8.一種用戶查詢意圖理解系統，其特征在于，包括：

數據爬取模塊，以預定意圖領域的種子概念為起點，爬取知識庫內與該領域相關的概念和所述概念的分類標簽；

鏈接圖構建模塊，根據爬取的所述概念和所述概念的分類標簽建立預定意圖領域的概念鏈接圖；

概率計算模塊，計算所述概念鏈接圖中概念節點屬于預定意圖領域的概率；

概念返回模塊，獲取用戶查詢語句，檢索所述概念鏈接圖，若所述用戶查詢語句覆蓋所述概念節點，返回所述概念節點所示概念；否則利用深度學習模型，計算所述用戶查詢語句和所述概念節點之間的相似度，并返回與所述用戶查詢語句最相似的前K個概念；

意圖判斷模塊，根據返回結果和所述概念節點屬于預定意圖領域的概率，計算所述用戶查詢語句屬于預定意圖領域的概率，并與預定閾值相比較以判斷是否屬于所述預定意圖領域。

9.一種計算機終端，其特征在于，包括存儲器以及處理器，所述存儲器用于存儲計算機程序，所述處理器運行所述計算機程序以使所述計算機終端執行根據權利要求1至6中任一項所述的用戶查詢意圖理解方法。

10.一種計算機可讀存儲介質，其特征在于，其存儲有權利要求9所述的計算機終端中所使用的所述計算機程序。