[發明專利]一種意圖識別的方法

在審

• 申請號: 202010558040.3
• 申請日: 2020-06-18
• 公開（公告）號: CN111881672A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 孔冬兵
• 申請（專利權）人: 升智信息科技（南京）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

1.一種意圖識別的方法，其特征在于，包括以下步驟：

步驟一、獲取話術語境下的候選意圖的文本，對每個候選意圖的文本進行預處理；

步驟二、通過TF-IDF來計算單詞的權重；具體如下：

2.1、對于每個語境，獲取當前語境下所有候選意圖列表，長度記為N，此即為文檔總數；

2.2、對于每一個意圖，記錄該意圖下預先配置的標準文本個數為n，n表示條目數；對于意圖下的每一個單詞，計算該意圖下包含該單詞的標準文本個數c，c表示詞頻；同時計算所有出現了該單詞的意圖的個數df_t，df_t即為文檔頻率；

2.3、分別計算詞頻TF和逆文本頻率指數IDF，這兩者相乘得到單詞的權重；

步驟三、保存步驟二得到的單詞的權重，以供后續通話過程中來查詢使用；

步驟四、通話過程中，對用戶輸入的文本進行預處理，計算單詞向量，再分別將預處理后的用戶輸入文本和步驟一預處理后的候選意圖中配置的標準文本轉換為向量，進而計算這兩個文本的余弦相似度；

所述計算這兩個文本的余弦相似度具體如下；

4.1、將單詞向量與步驟二計算的單詞的權重相乘得到加權后的單詞向量；加權后的單詞向量相加得到文本對應的向量；

4.2、通過以下公式來計算兩個文本的余弦相似度cosine(v1,v2)；

其中v1和v2分別是第一個文本S1和第二個文本S2對應的向量；第一個文本S1是指預處理后的用戶輸入文本，第二個文本S2是指預處理后的候選意圖中配置的標準文本；

步驟五、確定與預處理后的用戶輸入文本余弦相似度最大的標準文本對應的意圖。

2.根據權利要求1所述的一種意圖識別的方法，其特征在于，步驟一中，文本預處理的過程如下：

1.1、去除標點符號、預先定義的停止詞；

1.2、對去除后的文本進行分詞。

3.根據權利要求1所述的一種意圖識別的方法，其特征在于，步驟四中，文本轉換為向量的過程如下：

對于語料充足的話術，通過Word2Vec工具來轉換；

而對于語料不足的話術，則采用One-Hot Encoder方法：以兩個文本所有的詞為向量空間，每個詞都代表不同的維度，其對應維度值為1，而其他的維度值為0；計算文本的向量時，將每一個詞的向量相加即可。

4.根據權利要求1所述的一種意圖識別的方法，其特征在于，步驟三中，保存的格式使用鍵值對的形式，將各個語境下的詞權重的保存到數據庫。

5.根據權利要求1所述的一種意圖識別的方法，其特征在于，對于通話過程中動態計算出的權重值，保存到內存中，生命周期僅為程序運行周期。

6.根據權利要求1所述的一種意圖識別的方法，其特征在于，標準文本指預先配置的文本。