[發明專利]文本意圖識別方法、裝置以及相關設備

在審

• 申請號: 202011309413.X
• 申請日: 2020-11-20
• 公開（公告）號: CN112417855A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 李杰;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G10L15/26
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種文本意圖識別方法，其特征在于，包括：

獲取語音信息和文本隊列，將所述語音信息轉換為待識別文本，所述文本隊列包括一條或多條文本；

對所述待識別文本和所述文本隊列中的每條文本提取特征，得到所述待識別文本的文本特征和所述每條文本對應的文本特征；

根據所述待識別文本的文本特征與所述每條文本的文本特征，得到所述待識別文本的融合特征；

將所述融合特征通過意圖分類模型進行意圖分類，得到所述待識別文本對應的意圖。

2.根據權利要求1所述方法，其特征在于，所述文本隊列容納k條文本，所述將所述語音信息轉換為待識別文本之后，還包括：

當所述文本隊列中的文本數量小于k時，將所述待識別文本加入所述文本隊列，所述文本隊列中的k條文本按照加入的時間順序排列；

當所述文本隊列中的文本數量等于k時，刪除所述文本隊列中最先加入的文本，將所述待識別文本加入所述文本隊列。

3.根據權利要求1所述方法，其特征在于，對所述待識別文本和所述文本隊列中的每條文本提取特征，得到所述待識別文本的文本特征和所述每條文本的文本特征，包括：

對所述待識別文本，提取單詞層面的特征，得到所述待識別文本的單詞層面特征，使用m個注意力模型提取句子層面的特征，得到所述待識別文本的句子層面特征，將所述待識別文本的單詞層面特征和所述待識別文本的句子層面特征作為所述待識別文本的文本特征；其中，m是大于1的正整數；

對所述每條文本，提取單詞層面的特征，得到所述每條文本的單詞層面特征，使用m個注意力模型提取句子層面的特征，得到所述每條文本的句子層面特征，將所述每條文本的單詞層面特征和所述每條文本的句子層面特征作為所述每條文本的文本特征。

4.根據權利要求3所述方法，其特征在于，所述對所述待識別文本，提取單詞層面的特征，得到所述待識別文本的單詞層面特征，包括：

使用分詞工具對所述待識別文本進行分詞處理，得到n個詞，將所述每條文本的所述n個詞映射到詞嵌入矩陣V中得到n個詞向量，連接所述n個詞向量得到所述每條文本的詞向量矩陣，作為所述待識別文本的單詞層面特征；

對所述每條文本，提取單詞層面的特征，得到所述每條文本的單詞層面特征，包括：

使用分詞工具對所述每條文本進行分詞處理，得到n個詞，將所述每條文本中的所述n個詞映射到詞嵌入矩陣V中得到n個詞向量，連接所述n個詞向量得到所述每條文本的詞向量矩陣，作為所述每條文本的單詞層面特征。

5.根據權利要求3所述的方法，其特征在于，所述使用m個注意力模型提取句子層面的特征，得到所述待識別文本的句子層面特征，包括：

對所述待識別文本的詞向量矩陣，使用m個注意力模型對所述待識別文本的詞向量矩陣進行處理，得到m個不同層面的特征，將所述m個不同層面的特征作為所述待識別文本的句子層面特征；其中，第i個注意力模型的輸出作為第i+1個注意力模型的輸入，所述m個注意力模型中的每個注意力模型輸出一個層面的特征，i為大于等于1，小于m的正整數。

6.根據權利要求5所述的方法，其特征在于，所述使用m個注意力模型提取句子層面的特征，得到所述每條文本的句子層面特征，包括：

對所述每條文本的詞向量矩陣，使用m個注意力模型對所述每條文本的詞向量矩陣進行處理，得到m個不同層面的特征，將所述m個不同層面的特征作為所述每條文本的句子層面特征。