[發明專利]一種基于多參數K-means算法的意圖識別方法、裝置和電子設備

在審

• 申請號: 202010721000.6
• 申請日: 2020-07-24
• 公開（公告）號: CN111950294A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 孔醍;劉宗全;張家興
• 申請（專利權）人: 北京奇保信安科技有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F16/35;G06K9/62
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喻穎

本發明提供了一種基于多參數K?means算法的意圖識別方法、裝置和電子設備。該方法包括：建立樣本數據集，該樣本數據集包括多個由對話文本轉化得到的語義向量；使用K?means算法對樣本數據集進行多輪聚類處理，每一輪聚類采用不同的k值，并輸出初始的聚類結果；設定融合策略，并確定待融合的初始的聚類結果，融合策略包括融合參數和融合規則；根據融合規則，對待融合的初始的聚類結果進行融合處理，形成最終的聚類結果；基于最終的聚類結果，對當前用戶對話輸入的語音，進行意圖識別。本發明的方法采用改進了的K?means算法，實現了更精確的意圖分類和識別，提高了意圖聚類質量，還優化了方法。

技術領域

本發明涉及計算機信息處理領域，具體涉及一種基于多參數K-means算法的意圖識別方法、裝置和電子設備。

背景技術

隨著互聯網技術的發展，對話系統在電商、智能設備等方面有著廣泛的應用，越來越引起人們的關注。意圖識別是對話系統中首要且重要的任務，并且是一個多分類問題，相應地，需要使用一個多分類的模型來做對應的處理。事實上，分類問題是機器學習的基本問題，與其對應的還有回歸、聚類等等。

聚類，就是將已有的數據對象進行分類，讓每一類內部之間的相似度盡可能的大，每一類外部之間的相似度盡可能的小。一般情況下，在對數據進行劃分的過程中，只靠信息之間簡單的相似性作為準則，沒有任何背景知識和相應的假設，不需要定義類別和性質，按照自然屬性進行分類，由此，聚類分析被認為是一種無監督分析方法。聚類在許多領域中都得到應用，如：生物學，統計學，神經網絡，信息檢索，圖像處理和數據挖掘。但是，如何利用這些領域知識來提高聚類分析的質量，是半監督聚類分析的重要研究內容。

現有的聚類算法一般分為五類，分別是劃分方法，層次方法，基于密度的方法，基于網格的方法和基于模型的方法。其中，最經典的k-means算法是基于劃分的聚類方法。傳統的k-means聚類算法是一種無監督學習方法，它按照基礎優化準則對數據進行分類，通過最自然的相關性，沒有考慮用戶真實世界提供的任何知識。但是，在應用的聚類質量和方法優化方面仍存在很大改進空間。

因此，有必要提供一種聚類質量更高且更優化的基于多參數K-means算法的意圖識別方法。

發明內容

為了解決上述問題，本發明提供了一種基于多參數K-means算法的意圖識別方法，應用于智能語音機器人中對用戶意圖的識別，包括：建立樣本數據集，該樣本數據集包括多個由對話文本轉化得到的語義向量，所述對話文本是用戶與智能語音機器人進行對話時輸入的語音所轉化；使用K-means算法對所述樣本數據集進行多輪聚類處理，每一輪聚類采用不同的k值，并輸出初始的聚類結果，所述k值是K-means算法中初始中心向量的個數；設定融合策略，并確定待融合的初始的聚類結果，所述融合策略包括融合參數和融合規則；根據所述融合規則，對所述待融合的初始的聚類結果進行融合處理，形成最終的聚類結果；基于所述最終的聚類結果，對當前用戶與智能語音機器人進行對話時輸入的語音，進行意圖識別。

優選地，所述設定融合策略包括：設定多個融合參數，該融合參數包括同一類內的純度、整體純度、純度增益、噪音比率、同一類內的覆蓋度和輪廓系數中的至少兩個；純度達到純度設定閾值和/或噪音比率小于噪音設定閾值。

優選地，所述設定融合策略還包括：設定融合規則，所述融合規則包括設定語義相同或相近的第一規則、向量相似度超過設定閾值的第二規則；按照所述第一規則和/或第二規則對待融合的不同類集合進行融合處理，自適應選定最優k’值。

優選地，還包括：設定樣本服從正態分布，初始的聚類結果中的類數量隨著所述多輪聚類處理的輪數增加而增加，并且在所述多輪聚類處理的輪數達到特定輪數時，初始的聚類結果中的類數量逐漸減小；基于融合參數中至少一個參數最優的規則，確定Qrglow類集合和Qrghigh類集合作為待融合的初始的聚類結果。