[发明专利]一种用户意图识别方法及系统

权利要求书

1.一种用户意图识别方法，其特征在于，包括：

获取用户输入的对话文本；

将所述对话文本进行分字处理，得到所述对话文本的汉字串；

将所述汉字串输入至双向循环神经网络模型来确定用户意图，所述双向循环神经网络模型包括：前向循环神经网络模型和后向循环神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述获取用户输入的对话文本，具体为：

获取用户输入的语音会话；

采用语音转文字引擎将所述语音会话转换为对话文本。

3.根据权利要求1所述的方法，其特征在于，在所述将所述汉字串输入至双向循环神经网络模型来确定用户意图步骤之前，还包括：

采用多条不同对话文本及其对应的用户意图组成的对话样本进行训练，获得预先训练的所述双向循环神经网络模型。

4.根据权利要求1所述的方法，其特征在于，所述将所述汉字串输入至双向循环神经网络模型来确定用户意图，具体为：

接收所述分字处理后得到的所述对话文本中的汉字串；

对所述汉字串中的多个汉字进行字向量的计算，得到多个字向量；

针对所述多个字向量，通过所述前向循环神经网络模型计算所述对话文本的前向表示，以及通过所述后向循环神经网络模型计算所述对话文本的后向表示；

根据所述前向表示和所述后向表示进行全连接计算，得到所述对话文本的句子表示；

根据所述句子表示采用softmax分类器预测所述对话文本的用户意图。

5.根据权利要求4所述的方法，其特征在于，所述根据所述句子表示采用softmax分类器预测所述对话文本的用户意图，具体为：

采用softmax分类器计算所述对话文本在所有用户意图上的分布函数；

根据所述分布函数计算所述所有用户意图对应的用户意图概率；

将所述用户意图概率最大的用户意图作为所述对话文本的用户意图输出。

6.一种用户意图识别系统，其特征在于，包括：

获取模块，用于获取用户输入的对话文本；

分字处理模块，用于将所述对话文本进行分字处理，得到所述对话文本的汉字串；

意图确定模块，用于将所述汉字串输入至双向循环神经网络模型来确定用户意图，所述双向循环神经网络模型包括：前向循环神经网络模型和后向循环神经网络模型。

7.根据权利要求6所述的系统，其特征在于，所述获取单元包括：

获取单元，用于获取用户输入的语音会话；

转换单元，用于采用语音转文字引擎将所述语音会话转换为对话文本。

8.根据权利要求6所述的系统，其特征在于，还包括：

训练模块，用于采用由多条不同对话文本及其对应的用户意图组成的对话样本进行训练，获得预先训练的所述双向循环神经网络模型。

9.根据权利要求6所述的系统，其特征在于，所述意图确定模块包括：

接收单元，用于接收所述分字处理后得到的所述对话文本中的汉字串；

第一计算单元，用于对所述汉字串中的多个汉字进行字向量的计算，得到多个字向量；

第二计算单元，用于针对所述多个字向量，通过所述前向循环神经网络模型计算所述对话文本的前向表示，以及通过所述后向循环神经网络模型计算所述对话文本的后向表示；

第三计算单元，用于根据所述前向表示和所述后向表示进行全连接计算，得到所述对话文本的句子表示；

预测单元，用于根据所述句子表示采用softmax分类器预测所述对话文本的用户意图。

10.根据权利要求9所述的系统，其特征在于，所述预测单元包括：

第四计算单元，用于采用softmax分类器计算所述对话文本在所有用户意图上的分布函数；

第五计算单元，用于根据所述分布函数计算所述所有用户意图对应的用户意图概率；

输出单元，用于将所述用户意图概率最大的用户意图作为所述对话文本的用户意图输出。