[發明專利]一種融合了主題信息的多意圖識別方法和系統

在審

• 申請號: 202111465255.1
• 申請日: 2021-12-03
• 公開（公告）號: CN114154492A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 饒璐;孫銳;展華益
• 申請（專利權）人: 四川啟?？丝萍加邢薰?/a>
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/216;G06F40/151;G06F40/30;G06F16/35;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

1.一種融合了主題信息的多意圖識別方法，其特征在于，包括：

步驟1、獲取用戶的輸入文本并對其進行規范化處理得到處理文本；

步驟2、獲取處理文本中基于句子的主題信息和基于詞的主題信息；

步驟3、將處理文本與所述基于句子的主題信息進行融合；

步驟4、將步驟3中融合后的文本及基于詞的主題信息分別轉化為向量表示；

步驟5、構建意圖識別模型并訓練；

步驟6、將步驟4中轉化得到的向量表示輸入意圖識別模型，得到意圖分類結果。

2.根據權利要求1所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述步驟2具體為：

步驟21、構建主題模型并訓練；

步驟22、將處理文本輸入訓練后的主題模型中以獲取基于句子的主題信息和基于詞的主題信息。

3.根據權利要求2所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述主題模型采用概率排序法選取基于句子的主題信息和基于詞的主題信息。

4.根據權利要求1所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述步驟3將處理文本與所述基于句子的主題信息進行融合所采用的方法為全采樣融合法或隨機采樣融合法。

5.根據權利要求1所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述步驟4具體為采用預訓練語言模型將融合后的文本及基于詞的主題信息分別轉化為向量表示。

6.根據權利要求5所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述預訓練語言模型包括單向特征表示的自回歸預訓練語言模型、雙向特征表示的自編碼預訓練語言模型或雙向特征表示的自回歸預訓練語言模型。

7.根據權利要求1所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述步驟5構建意圖識別模型包括搭建神經網絡基礎框架，構建基于詞的主題信息融合網絡層。

8.根據權利要求7所述的一種融合了主題信息的多意圖識別方法，其特征在于，所述步驟5進行模型訓練時還包括設定損失函數并迭代更新意圖識別模型的參數。

9.一種融合了主題信息的多意圖識別系統，其特征在于，包括：

文本獲取單元：用于獲取用戶的輸入文本并對輸入文本進行規范化處理得到處理文本；

主題獲取單元：用于根據處理文本獲取基于句子的主題信息和基于詞的主題信息；

主題融合單元：用于將處理文本與基于句子的主題信息進行融合；

向量轉換單元：用于將主題融合單元中融合后的文本及基于詞的主題信息分別轉化為向量表示；

意圖分類單元：用于根據融合后的文本的向量表示和基于詞的主題信息向量表示獲取意圖分類結果。