[發明專利]一種意圖識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010591979.X
• 申請日: 2020-06-24
• 公開（公告）號: CN111737989A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 周楠楠;湯耀華;楊海軍;徐倩
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/35;G06F40/205;G06F40/117;G06F16/35;G06F16/332
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 鄒雅瑩

1.一種意圖識別方法，其特征在于，包括：

接收待識別文本信息；

將所述文本中的各個語句分別切分為具有不同語義的語句子片段；

提取各個語句子片段的關鍵詞；

將所述各個語句子片段和從所述各個語句子片段中提取的關鍵詞輸入文本分類模型中進行分類，獲得分類結果；

將所述分類結果為指定類別的語句子片段按順序重新組合，獲得重組后文本；

對所述重組后文本進行意圖識別。

2.如權利要求1所述的方法，其特征在于，將所述文本中的各個語句分別切分為具有不同語義的語句子片段，具體包括：

針對所述文本中的每一語句，利用語義切分模型對所述語句進行切分，獲得具有不同語義的語句子片段，所述語義切分模型是根據按照語義進行序列標注后的多個樣本語句對第一預設訓練模型進行訓練獲得的。

3.如權利要求1所述的方法，其特征在于，

所述文本分類模型是根據多個樣本語句的子片段和子片段中的關鍵詞對第二預設訓練模型進行訓練獲得的，所述樣本語句的子片段是根據語義對所述樣本語句進行切分獲得的。

4.如權利要求1所述的方法，其特征在于，

所述提取各個語句子片段的關鍵詞，具體包括：

利用關鍵詞提取模型提取各個語句子片段的關鍵詞，所述關鍵詞提取模型是根據多個樣本語句的子片段對第三預設訓練模型進行訓練獲得的。

5.如權利要求1-4任一項所述的方法，其特征在于，在接收待識別文本信息之前，還包括：

獲取樣本語句；

針對每一樣本語句，將所述樣本語句根據語義進行序列標注，對所述樣本語句的每個字標注標簽；

將所述每一樣本語句作為第一樣本數據輸入到第一預設訓練模型，預測所述每個字的標簽，并確定預測的標簽與標注的標簽之間的標簽誤差；

根據所述標簽誤差，對所述第一預設訓練模型進行迭代機器訓練；

將訓練結束時的所述第一預設訓練模型，作為所述語義切分模型；和/或

獲取樣本語句；

針對每一樣本語句，將所述樣本語句根據語義切分成N個子片段，N為大于等于1的整數；

針對每一子片段，根據關鍵詞將所述子片段進行序列標注，對所述子片段的每個字標注標簽；

將所述每一子片段作為第二樣本數據輸入到第三預設訓練模型，預測所述每個字的標簽，并確定預測的標簽與標注的標簽之間的標簽誤差；

根據所述標簽誤差，對所述第三預設訓練模型進行迭代機器訓練；

將訓練結束時的所述第三預設訓練模型，作為所述關鍵詞提取模型；和/或

獲取樣本語句；

針對每一樣本語句，將所述樣本語句根據語義切分成N個子片段，N為大于等于1的整數；

針對每一子片段，根據預設規則對所述子片段標注類別標簽；

提取所述子片段中的關鍵詞；

將所述每一子片段和所述每一子片段的關鍵詞作為第三樣本數據輸入到第二預設訓練模型，預測所述子片段的類別標簽，并確定預測的類別標簽與標注的類別標簽之間的類別標簽誤差；

根據所述類別標簽誤差，對所述第二預設訓練模型進行迭代機器訓練；

將訓練結束時的所述第二預設訓練模型，作為所述文本分類模型。