[發(fā)明專利]一種意圖識別模型生成方法、意圖識別方法及裝置

在審

• 申請?zhí)枺?/td>: 201811290240.4
• 申請日: 2018-10-31
• 公開（公告）號: CN109657229A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設計）人: 符文君
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G10L15/22;G10L15/26
• 代理公司: 北京潤澤恒知識產(chǎn)權代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明提供了一種意圖識別模型生成方法、意圖識別方法及裝置，屬于計算機技術領域。具體的，該生成方法可以將每個樣本文本輸入初始意圖識別模型，并根據(jù)每個樣本文本對應的每個樣本文本區(qū)域的樣本區(qū)域向量、樣本區(qū)域拼音向量以及樣本區(qū)域標簽向量，確定每個樣本文本的預測意圖值，基于樣本文本的預測意圖值及真實意圖值計算損失值，當損失值在預設范圍內(nèi)，將初始意圖識別模型作為意圖識別模型，這樣，利用該意圖識別模型進行意圖識別時，會基于待分類表述文本的區(qū)域向量、區(qū)域拼音向量及區(qū)域標簽向量進行識別，由于區(qū)域拼音向量和區(qū)域標簽向量可以降低識別錯誤的詞語及領域詞語存在的歧義對準確性造成的偏差，進而可以提高意圖識別的準確率。

技術領域

本發(fā)明屬于計算機技術領域，特別是涉及一種意圖識別模型生成方法、意圖識別方法及裝置。

背景技術

隨著計算機技術的快速發(fā)展，智能助手作為一種結合機器智能和對話的新型產(chǎn)品形態(tài)，以用戶意圖理解為基礎，幫助用戶完成特定任務，為用戶帶來了人性化的服務體驗和服務便利。

目前，智能助手以人機語音交互方式為主，現(xiàn)有技術中，通常是獲取樣本文本中的詞向量以及上下文詞向量進行訓練，得到意圖識別模型，這樣，在進行意圖識別時，可以利用該訓練的意圖識別模型提取該待分類表述文本中每個詞語的詞向量以及上下文詞向量矩陣，然后，基于提取的每個詞語的詞向量以及上下文詞向量矩陣確定用戶輸入對應的意圖，進而生成并執(zhí)行一系列行為和策略，實現(xiàn)與用戶的交互。但是，待分類表述文本往往是對用戶輸入的語音進行語音識別得到的，由于語音識別的精度有限，這樣，待分類表述文本中可能會出現(xiàn)錯別字，同時，實際使用過程中，文本中可能會理解會出現(xiàn)歧義的詞語，進而會導致利用該訓練的意圖識別模型識別的意圖與用戶的實際意圖不符，意圖識別的準確率較低。

發(fā)明內(nèi)容

本發(fā)明提供一種意圖識別模型生成方法、意圖識別方法及裝置，以便解決意圖識別的準確率較低的問題。

依據(jù)本發(fā)明的第一方面，提供了一種意圖識別模型生成方法，該方法包括：

將訓練樣本集中的每個樣本文本輸入初始意圖識別模型；

根據(jù)每個所述樣本文本對應的每個樣本文本區(qū)域的樣本區(qū)域向量、樣本區(qū)域拼音向量以及樣本區(qū)域標簽向量，并利用所述初始意圖識別模型，確定每個所述樣本文本的預測意圖值；

基于每個所述樣本文本的預測意圖值以及每個樣本文本的真實意圖值，計算所述初始意圖識別模型的損失值；

當所述損失值在預設范圍內(nèi)，將所述初始意圖識別模型作為意圖識別模型。

可選的，所述計算所述初始意圖識別模型的損失值之后，所述方法還包括：

當所述損失值不在所述預設范圍內(nèi)，調(diào)整所述初始意圖識別模型的參數(shù)，并基于所述訓練樣本集對調(diào)整后的初始意圖識別模型繼續(xù)訓練。

可選的，所述將訓練樣本集中的每個樣本文本輸入初始意圖識別模型之前，所述方法還包括：

對初始意圖識別模型中各層的參數(shù)進行初始化；其中，所述初始意圖識別模型包括區(qū)域向量對齊層、區(qū)域向量注意力層、全連接層以及軟最大值softmax層；

所述區(qū)域向量對齊層的參數(shù)至少包括：每個樣本文本中每個樣本詞語的詞向量、拼音詞向量以及上下文詞向量矩陣，以及每個實體標簽的上下文詞向量矩陣。

可選的，所述根據(jù)每個所述樣本文本對應的每個樣本文本區(qū)域的樣本區(qū)域向量、樣本區(qū)域拼音向量以及樣本區(qū)域標簽向量，并利用所述初始意圖識別模型，確定每個所述樣本文本的預測意圖值，包括：

對于每個所述樣本文本，將該樣本文本輸入所述區(qū)域向量對齊層，基于所述區(qū)域向量對齊層對該樣本文本進行劃分，得到該樣本文本對應的至少一個樣本文本區(qū)域；