[發(fā)明專利]一種語音意圖識(shí)別方法及裝置

在審

• 申請?zhí)枺?/td>: 202011493429.0
• 申請日: 2020-12-16
• 公開（公告）號: CN112597301A
• 公開（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 李世杰;包夢蛟;陳歡;錢瑞峰
• 申請（專利權(quán)）人: 北京三快在線科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F16/332;G06K9/62;G06N3/04
• 代理公司: 北京曼威知識(shí)產(chǎn)權(quán)代理有限公司 11709
• 代理人: 方志煒

1.一種語音意圖識(shí)別方法，其特征在于，所述方法具體包括：

獲取用戶的語音數(shù)據(jù)，根據(jù)所述語音數(shù)據(jù)，確定所述語音數(shù)據(jù)對應(yīng)的文本數(shù)據(jù)；

根據(jù)所述語音數(shù)據(jù)，通過意圖識(shí)別模型的第一分支網(wǎng)絡(luò)，確定第一特征向量，以及根據(jù)所述文本數(shù)據(jù)，通過所述意圖識(shí)別模型的第二分支網(wǎng)絡(luò)，確定第二特征向量；

獲取所述用戶的關(guān)聯(lián)數(shù)據(jù)，根據(jù)所述關(guān)聯(lián)數(shù)據(jù)，通過所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，確定第三特征向量，其中，所述關(guān)聯(lián)數(shù)據(jù)包括用戶信息數(shù)據(jù)、用戶行為數(shù)據(jù)以及歷史交互數(shù)據(jù)中的至少一種，所述歷史交互數(shù)據(jù)是在與所述用戶交互的過程中，向所述用戶發(fā)送的語音；

將所述第一特征向量、所述第二特征向量以及所述第三特征向量進(jìn)行融合，確定總特征向量，將所述總特征向量輸入所述意圖識(shí)別模型的中間分支網(wǎng)絡(luò)，確定所述中間分支網(wǎng)絡(luò)輸出的用戶意圖向量；

將所述用戶意圖向量輸入所述意圖識(shí)別模型的各輸出分支網(wǎng)絡(luò)，并根據(jù)各輸出分支網(wǎng)絡(luò)分別輸出的各分類結(jié)果，確定所述用戶的意圖識(shí)別結(jié)果，所述用戶的意圖用于確定回復(fù)所述用戶的語音信息，不同輸出分支網(wǎng)絡(luò)用于輸出不同意圖類型的分類結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述語音數(shù)據(jù)，通過意圖識(shí)別模型的第一分支網(wǎng)絡(luò)，確定第一特征向量，具體包括：

去除所述語音數(shù)據(jù)中的無效數(shù)據(jù)，得到待識(shí)別數(shù)據(jù)；

將確定出的待識(shí)別數(shù)據(jù)輸入到意圖識(shí)別模型的第一分支網(wǎng)絡(luò)，確定第一特征向量。

3.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述關(guān)聯(lián)數(shù)據(jù)，通過所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，確定第三特征向量，具體包括：

根據(jù)所述用戶的用戶信息數(shù)據(jù)，確定該用戶對應(yīng)的各預(yù)設(shè)類型的用戶信息數(shù)據(jù)；

針對每個(gè)預(yù)設(shè)類型，對該類型的用戶信息數(shù)據(jù)進(jìn)行編碼，確定畫像編碼；

將各類型的畫像編碼，分別輸入所述第三分支網(wǎng)絡(luò)中各預(yù)設(shè)的類型對應(yīng)的神經(jīng)網(wǎng)絡(luò)層，得到各畫像編碼對應(yīng)的畫像向量；

將各畫像編碼對應(yīng)的畫像向量進(jìn)行融合，確定綜合畫像向量；

將所述綜合畫像向量作為輸入，輸入所述第三分支網(wǎng)絡(luò)中的融合網(wǎng)絡(luò)層，確定所述融合網(wǎng)絡(luò)層的輸出，作為所述第三特征向量。

4.如權(quán)利要求1所述的方法，其特征在于，所述用戶行為數(shù)據(jù)為在與所述用戶交互的過程之前，記錄的所述用戶行為數(shù)據(jù)；

根據(jù)所述關(guān)聯(lián)數(shù)據(jù)，通過所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，確定第三特征向量，具體包括：

根據(jù)所述用戶行為數(shù)據(jù)，對所述用戶的各行為進(jìn)行編碼；

根據(jù)所述用戶各行為的編碼，確定各用戶行為向量；

將各用戶行為向量作為輸入，依次輸入所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，根據(jù)所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)的隱層特征，確定第三特征向量。

5.如權(quán)利要求3所述的方法，其特征在于，根據(jù)所述關(guān)聯(lián)數(shù)據(jù)，通過所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，確定第三特征向量，具體包括：

根據(jù)歷史交互數(shù)據(jù)，確定與所述用戶交互過程中發(fā)送的各語音；

按照各語音的發(fā)送排序，確定目標(biāo)語音；

將所述目標(biāo)語音對應(yīng)的文本數(shù)據(jù)作為輸入，輸入所述意圖識(shí)別模型的第三分支網(wǎng)絡(luò)，確定第三特征向量。

6.如權(quán)利要求1所述的方法，其特征在于，各輸出分支網(wǎng)絡(luò)至少包括：用于輸出用戶情緒的輸出分支網(wǎng)絡(luò)、用于輸出用戶態(tài)度的輸出分支網(wǎng)絡(luò)以及輸出用戶是否肯定的輸出分支網(wǎng)絡(luò)中的兩種。