[发明专利]一种人机交互中自然语言意图理解方法

权利要求书

1.一种人机交互中自然语言意图理解方法，其特征在于，包括训练阶段和预测阶段，具体步骤如下：

步骤1、建立指令体系数据库：根据对话应用场景，将对话的逻辑以及顺序以树形结构排列，树伸展的方向为对话进行的顺序，树的结点为一个意图；

步骤2、对文本自然语言指令数据进行意图标注，将每句训练数据标注一个意图；

步骤3、将文本自然语言指令数据向量化，构建词性向量空间模型，具体构建步骤是：

步骤3.1归一化数据：根据预先建立的同义词表将训练数据中的同义词转换为同一个词；

步骤3.2建立字典文件：该字典文件包含两列，即“词”和“权重”，词是归一化数据中出现的所有词和词性，即将词和词性以同等重要性进行统计，每行存储一个词或词性及其权重，共计D个词和词性；权重是每种词或词性出现的次数，采用逆文本频率log₂(N/n_k)其中N为归一化数据中的文本指令数目，n_k为出现该词或词性的文本指令数；

步骤3.3将归一化数据通过字典向量化：即将归一化数据中每行数据转化为一个D维向量；

步骤3.4向量归一化：将得到的向量除以它的模，得到模为1的归一化向量；

步骤4、用堆栈式去噪自编码器对词性向量空间模型中的向量进行压缩感知，提取指令的高阶特征，即高阶特征向量；

步骤5、用支持向量机进行训练和预测，实现自然语言指令的意图理解。

2.根据权利要求1所述的人机交互中自然语言意图理解方法，其特征在于，所述的步骤4用堆栈式去噪自编码器提取指令高阶特征的具体步骤如下：

步骤4.1在随机堆栈式去噪自编码器中输入步骤3量化得到的向量，并在助词、叹词、语气词维度增加随机噪声，即在对应维度随机增加一个服从高斯分布的零均值随机量；

步骤4.2采用逐层训练的方式对随机堆栈式自编码器进行预训练；

步骤4.3在网络的顶端连接一个单层感知机，对整个网络进行微调，得到最终堆栈式自编码器和高阶特征向量。

3.根据权利要求1所述的人机交互中自然语言意图理解的方法，其特征是，步骤5所述的用支持向量机进行训练和预测的具体步骤如下：

(1)训练过程：训练样本为经过堆栈式自编码器提取的高阶特征，标签为事先人工标注的意图，将其输入高斯核支持向量机，即SVM分类器，得到SVM模型；

(2)预测过程：将高阶特征输入到训练得到的SVM模型中，得出预测结果及对应概率。