[发明专利]一种基于文本相似度的意图识别方法

权利要求书

1.一种基于文本相似度的意图识别方法，其特征在于，包括：

预定义意图类别，获取话术文本数据，将所述话术文本数据与所述意图类别进行相似度计算得到意图识别知识库；

将用户语音转成用户问题文本，将所述用户问题文本与所述意图识别知识库进行相似度计算，得到意图识别结果；

其中，所述相似度计算方法包括基于字符的相似度算法和基于词向量的相似度算法。

2.如权利要求1所述的基于文本相似度的意图识别方法，其特征在于，所述基于字符的相似度算法为基于编辑距离的相似度算法，包括：

，其中q为所述用户问题文本，S为所述意图识别知识库中的句子，为q与S之间的最小编辑距离，len(q)为所述用户问题文本的文本长度，len(q)为所述意图识别知识库中句子的字符长度。

3.如权利要求2所述的基于文本相似度的意图识别方法，其特征在于，所述基于字符的相似度算法为基于相同词典的相似度算法，包括：

，其中，为所述用户问题文本q分词之后的序列，为所述意图识别知识库中的句子S分词之后的序列，为序列q_W中词的个数，len(S_u)为序列S_u中词的个数，为序列q_W中与序列S_u中词义相同的词的个数。

4.如权利要求3所述的基于文本相似度的意图识别方法，其特征在于，所述相似度计算结果为：；当时，得到所述意图识别结果，其中。

5.如权利要求4所述的基于文本相似度的意图识别方法，其特征在于，当

且时，转到所述基于词向量的相似度算法进行意图识别，否则转到意图识别模型进行意图识别。

6.如权利要求5所述的基于文本相似度的意图识别方法，其特征在于，所述基于词向量的相似度算法为：

为所述用户问题文本q分词之后的序列，为所述意图识别知识库中的句子S分词之后的序列，；

所述q的向量V_q为：；其中，l_q为所述q中词的个数，W_i为所述q中的词，V_qWi为所述W_i的向量值，W为权重，所述q_Wi的词性为动词或名词时，；所述q_Wi的词性为时间或方位时，；

所述S的向量V_S为：；其中，l_S为所述S中词的个数，u_i为所述S中的词，V_Sui为所述u_i的向量值，u为权重，所述S_ui的词性为动词或名词时，；所述S_ui的词性为时间或方位时，；

则所述q与所述S的相似度为：，当所述时，得到所述意图识别结果，其中，。

7.如权利要求6所述的基于文本相似度的意图识别方法，其特征在于，所述。

8.如权利要求6所述的基于文本相似度的意图识别方法，其特征在于，当所述意图识别失败时，将所述用户问题文本q投入到意图识别模型中进行识别，获取意图识别结果，所述意图识别模型由深度学习网络训练而成。