[發明專利]意圖轉譯方法及電子設備

在審

• 申請號: 202210002913.1
• 申請日: 2022-01-04
• 公開（公告）號: CN114528843A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 謝坤;黃小紅;陳紫薇
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 孫曉鳳

1.一種意圖轉譯方法，其特征在于，包括：

獲取用戶的意圖表達作為待測文本；

使用預先構建的聯合模型對所述待測文本進行業務類型識別及槽填充處理，得到所述待測文本的目標業務類型及槽填充結果；

根據所述槽填充結果確定路由目標地址；

基于所述目標業務類型所對應的服務質量性能配置要求通過預先構建的路由決策模型計算得到網絡鏈路權重；

基于所述網絡鏈路權重，計算得到路由源地址與所述路由目標地址之間的最短路徑，并將其作為所述待測文本的意圖轉譯結果。

2.根據權利要求1所述的方法，其特征在于，所述聯合模型包括LDA模型及BERT模型；

所述使用預先構建的聯合模型對所述待測文本進行業務類型識別及槽填充處理，得到所述待測文本的目標業務類型及槽填充結果，包括：

通過所述LDA模型對所述待測文本進行特征擴展，得到擴展文本；

將所述擴展文本轉化為向量，得到特征擴展向量；

通過所述BERT模型對所述待測文本進行語義提取，得到全文信息向量；

將所述全文信息向量及所述特征擴展向量進行拼接，對拼接后的向量進行softmax分類處理，得到業務類型分布概率及所述槽填充結果；

將所述業務類型分布概率中的最大概率值對應的業務類型作為所述目標業務類型。

3.根據權利要求2所述的方法，其特征在于，所述通過所述BERT模型對所述待測文本進行語義提取，得到全文信息向量，包括：

在所述待測文本的首部加上第一標簽，在所述待測文本每一個句子的尾部加上第二標簽，得到文本序列；

基于所述文本序列生成每個元素對應的原始詞向量、位置向量及分割向量；

將所述文本序列每個元素對應的所述原始詞向量、所述位置向量和所述分割向量求和，求和后的向量經Transformer層處理，輸出所述第一標簽的目標向量、所述第二標簽的目標向量及所述待測文本的目標向量，將所述第一標簽的目標向量、所述第二標簽的目標向量及所述待測文本的目標向量作為所述全文信息向量。

4.根據權利要求3所述的方法，其特征在于，所述softmax分類處理包括：

基于所述第一標簽的目標向量計算所述待測文本被預測為每一個業務類型的概率，得到業務類型分布概率；

基于所述第二標簽的目標向量、所述待測文本的目標向量及所述特征擴展向量對所述待測文本及所述擴展文本進行槽填充標注，得到槽填充結果。

5.根據權利要求2所述的方法，其特征在于，在所述對拼接后的向量進行softmax分類處理，得到業務類型分布概率及所述槽填充結果之前，將拼接后的向量輸入全連接層進行處理，將所述全連接層的輸出作為所述softmax分類處理的輸入。

6.根據權利要求2所述的方法，其特征在于，所述LDA模型為利用訓練文本進行預訓練后的模型，所述預訓練過程為：

對所述訓練文本中的每個詞隨機分配一個所述業務類型；

遍歷所述訓練文本，采用吉布斯采樣方法對全部所述業務類型進行采樣，并更新每個詞對應的所述業務類型，直至采樣結果收斂為止，得到所述LDA模型。

7.根據權利要求1～6任一項所述的方法，其特征在于，利用迪杰斯特拉算法計算所述路由源地址與所述路由目標地址之間的最短路徑。

8.根據權利要求1～6任一項所述的方法，其特征在于，在所述使用預先構建的聯合模型對所述待測文本進行業務類型識別及槽填充處理之前，對所述待測文本進行預處理，所述預處理包括下列中至少一個：

對所述待測文本進行分詞；

去除所述待測文本中的標點符號；

過濾所述待測文本中的停用詞；

將所述待測文本中的大小寫統一化；

對所述待測文本中的繁簡字體統一化。

9.根據權利要求1～6任一項所述的方法，其特征在于，所述路由決策模型根據DDPG算法構建。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至9任意一項所述的方法。