[發明專利]文本意圖識別方法、裝置、設備及存儲介質

在審

• 申請號: 202110722331.6
• 申請日: 2021-06-28
• 公開（公告）號: CN113297346A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 蔣佳惟
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/33;G06F16/35;G06F40/126;G06F40/151;G06F40/242;G06F40/279;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

本發明涉及人工智能領域，公開了一種文本意圖識別方法、裝置、設備及存儲介質，用于提高多音字文本的檢出率，從而提升文本意圖識別的準確性。文本意圖識別方法包括：獲取初始文本，對初始文本進行預處理，得到預處理后的文本；對預處理后的文本進行分詞處理，將分詞文本轉換為目標索引項，并進行向量化處理，得到初始向量；調用預置的序列到序列模型，基于注意力機制對初始向量進行編碼和解碼處理，得到初始拼音序列；對初始拼音序列進行詞嵌入處理，得到目標拼音序列，將目標拼音序列與預置的語料庫進行匹配，得到匹配結果，根據匹配結果確定目標用戶意圖。此外，本發明還涉及區塊鏈技術，目標用戶意圖可存儲于區塊鏈節點中。

技術領域

本發明涉及神經網絡領域，尤其涉及一種文本意圖識別方法、裝置、設備及存儲介質。

背景技術

隨著互聯網技術的迅速發展，文本數據的數量迅速增長，如何從這些文本數據中抽取有用的信息，解決信息過載問題，已成為當前的一個迫切需求，關鍵詞識別和抽取作為文本挖掘中一項重要的技術，是信息檢索、文本分類以及推薦系統等方面的重要一環。

中文字的發音在整個文本的識別過程中也有著重要的地位，中文的發音常被用于隱晦的代表一些關鍵詞，進而避開系統的檢測，現有的文本識別技術基于拼音字典進行中文字的轉換，但大多沒有考慮到一些多音字的情況，導致文本意圖識別的準確性低下。

發明內容

本發明提供了一種文本意圖識別方法、裝置、設備及存儲介質，用于通過調用預置的序列到序列模型的編碼器，基于注意力機制對初始向量進行編碼處理，得到編碼向量，調用預置的序列到序列模型的解碼器，對編碼向量進行解碼處理，得到初始拼音序列，提高了多音字文本的檢出率，從而提升了文本意圖識別的準確性。

本發明第一方面提供了一種文本意圖識別方法，包括：獲取初始文本，對所述初始文本進行預處理，得到預處理后的文本，所述初始文本包括用戶輸入的句子和/或詞語；對所述預處理后的文本進行分詞處理，得到分詞文本，將所述分詞文本轉換為目標索引項，并對所述目標索引項進行向量化處理，得到初始向量；調用預置的序列到序列模型中的編碼器，基于注意力機制對所述初始向量進行編碼處理，得到編碼向量，調用所述序列到序列模型中的解碼器，對所述編碼向量進行解碼處理，得到初始拼音序列，所述初始拼音序列包括多音字文本對應的拼音序列；對所述初始拼音序列進行詞嵌入處理，得到目標拼音序列，將所述目標拼音序列與預置的語料庫進行匹配，得到匹配結果，根據所述匹配結果確定目標用戶意圖。

可選的，在本發明第一方面的第一種實現方式中，所述獲取初始文本，對所述初始文本進行預處理，得到預處理后的文本，所述初始文本包括用戶輸入的句子和/或詞語包括：接收用戶請求，將所述用戶請求存入預置的卡夫卡消息隊列并進行異步處理，得到初始文本，所述初始文本包括用戶輸入的句子和/或詞語；采用正則表達式刪除所述初始文本中的空格和特殊符號，并調用預置的數據分析工具包查找并刪除所述初始文本中的重復值，得到預處理后的文本。

可選的，在本發明第一方面的第二種實現方式中，所述對所述預處理后的文本進行分詞處理，得到分詞文本，將所述分詞文本轉換為目標索引項，并對所述目標索引項進行向量化處理，得到初始向量包括：調用預置的文本分詞工具，對所述預處理后的文本進行分詞處理，得到分詞文本；將所述分詞文本中的每一個單詞與預置的索引詞典進行匹配，得到目標索引項，所述目標索引項包括每一個單詞對應的索引項，每一個單詞對應唯一的一個索引項；調用預置的文本向量化算法，對所述目標索引項進行詞嵌入，得到詞向量，對所述詞向量進行拼接處理，得到初始向量。