[發明專利]用戶意圖分析方法、裝置、電子設備及計算機存儲介質

在審

• 申請號: 202011302192.3
• 申請日: 2020-11-19
• 公開（公告）號: CN112380870A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 李志韜;王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N20/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種用戶意圖分析方法，其特征在于，所述方法包括：

獲取用戶的輸入文本，將所述輸入文本轉化為語義向量；

對所述語義向量進行意圖預測，得到所述輸入文本的預測意圖標簽；

利用特征提取網絡對所述預測意圖標簽進行特征提取，根據提取到的特征生成多個目標意圖；

計算所述多個目標意圖中各目標意圖的優先度；

根據所述優先度從所述多個目標意圖中選取預設數量的目標意圖為用戶意圖。

2.如權利要求1所述的用戶意圖分析方法，其特征在于，所述將所述輸入文本轉化為語義向量，包括：

構建文本向量化模型；

獲取歷史文本，對所述歷史文本進行預設實體標記，得到訓練文本；

利用所述訓練文本對所述文本向量化模型進行迭代訓練，直至所述文本向量化模型收斂，得到訓練完成的文本向量化模型；

利用訓練完成的文本向量化模型對所述輸入文本進行轉化，得到所述輸入文本的語義向量。

3.如權利要求2所述的用戶意圖分析方法，其特征在于，所述對所述歷史文本進行預設實體標記，得到訓練文本，包括：

根據預設實體構建包含非預設實體字符標簽、預設實體開始字符標簽、預設實體中間字符標簽的標簽集合；

利用所述標簽集合中的標簽對所述歷史文本中的每個字符進行標記，得到訓練文本。

4.如權利要求2所述的用戶意圖分析方法，其特征在于，所述利用所述訓練文本對所述文本向量化模型進行迭代訓練，直至所述文本向量化模型收斂，包括：

將所述訓練文本輸入至所述文本向量化模型進行向量轉化，得到預測文本向量；

獲取所述訓練文本對應的標準文本向量；

計算所述預測文本向量與所述標準文本向量之間的損失值，當所述損失值小于預設損失閾值時，確定所述文本向量化模型收斂。

5.如權利要求1所述的用戶意圖分析方法，其特征在于，所述利用特征提取網絡對所述預測意圖標簽進行特征提取，包括：

通過特征提取網絡的可視層標記所述預測意圖標簽的數據表征；

通過特征提取網絡的隱藏層利用機器學習算法對所述可視層標記的數據表征進行特征提取。

6.如權利要求5所述的用戶意圖分析方法，其特征在于，所述通過特征提取網絡的隱藏層利用機器學習算法對所述可視層標記的數據表征進行特征提取，包括：

利用如下所述機器學習算法對所述可視層標記的數據表征進行特征提取：

其中，h為對所述可視層描述的數據表征進行特征提取得到的數據特征，Y為所述數據表征，w為所述可視層與所述隱藏層之間的權值矩陣，b為所述隱藏層的偏置向量。

7.如權利要求1至6中任一項所述的用戶意圖分析方法，其特征在于，所述對所述語義向量進行意圖預測，得到所述輸入文本的預測意圖標簽，包括：

構建包含多層下采樣層的意圖預測網絡；

利用所述意圖預測網絡中的前向下采樣層對所述語義向量進行下采樣，得到前向語義特征；

利用所述特征篩選模型中的后向下采樣層對所述前向語義特征進行下采樣，得到后向語義特征；

對獲得的前向語義特征和后向語義特征進行特征融合，得到融合語義特征；

將所述融合語義特征作為所述輸入文本的預測意圖標簽。

8.一種用戶意圖分析裝置，其特征在于，所述裝置包括：

向量轉化模塊，用于獲取用戶的輸入文本，將所述輸入文本轉化為語義向量；

意圖預測模塊，用于對所述語義向量進行意圖預測，得到所述輸入文本的預測意圖標簽；

特征提取模塊，用于利用特征提取網絡對所述預測意圖標簽進行特征提取，根據提取到的特征生成多個目標意圖；

優先度計算模塊，用于計算所述多個目標意圖中各目標意圖的優先度；

意圖篩選模塊，用于根據所述優先度選取預設數量的目標意圖為用戶意圖。