[发明专利]基于文本分类器的意图识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种基于文本分类器的意图识别方法、装置、设备及存储介质，用于通过文本分类器中的预测模型或预置网络确定意图标签，确定目标用户的意图，提高了意图识别的灵活性和意图识别的准确率，本发明方法包括：在目标人员的语音对话信息中获取待识别文本数据；将待识别文本数据输入预置文本分类器中的预测模型进行预测，得到预测标签和对应的预测标签置信分数；判断预测标签置信分数是否大于或等于意图阈值；若预测标签置信分数大于或等于意图阈值，则确定预测标签为意图标签；若预测标签置信分数小于意图阈值，则根据预置网络和所述待识别文本数据获取新意图标签；根据意图标签或新意图标签，获取目标人员的意图。

技术领域

本发明涉及人工智能技术领域，尤其涉及基于文本分类器的意图识别方法、装置、设备及存储介质。

背景技术

随着计算机技术的快速发展，人工智能技术应用的领域越来越广泛，通过人工智能技术能够让机器解读用户意图，帮助用户完成特定任务，为用户带来了人性化的服务体验和服务便利。

目前利用语义相似度的识别方法对文本的意图进行分类，这种传统的意图识别方法主要是解决词汇层面的相似度问题，对句子的长度或者词序有一定的要求，降低了意图识别的灵活性，这也在一定程度上降低了意图分类的准确率。

发明内容

本发明实施例提供了一种基于文本分类器的意图识别方法、装置、设备及存储介质，用于通过文本分类器中的预测模型或预置网络确定意图标签，从而确定目标用户的意图，提高了意图识别的灵活性和意图识别的准确率。

为本发明实施例的第一方面提供一种基于文本分类器的意图识别方法，包括：在目标人员的语音对话信息中获取待识别文本数据；将所述待识别文本数据输入预置文本分类器中的预测模型进行预测，得到预测标签和对应的预测标签置信分数；判断所述预测标签置信分数是否大于或等于意图阈值；若所述预测标签置信分数大于或等于所述意图阈值，则确定所述预测标签为意图标签；若所述预测标签置信分数小于所述意图阈值，则根据预置网络和所述待识别文本数据重新获取新意图标签；根据所述意图标签或所述新意图标签，获取目标人员的意图。

可选的，在本发明实施例第一方面的第一种实现方式中，所述将所述待识别文本数据输入预置文本分类器中的预测模型进行预测，得到预测标签和对应的预测标签置信分数包括：采用预置分词法对所述待识别文本数据进行分词，得到词语数据；根据所述词语数据，获取目标特征向量；基于预置函数、所述目标特征向量与预置匹配树，获取预测标签和对应的预测标签置信分数。

可选的，在本发明实施例第一方面的第二种实现方式中，所述基于预置函数、所述目标特征向量与预置匹配树，获取预测标签和对应的预测标签置信分数包括：基于预置匹配树和所述目标特征向量，获取预测标签置信分数；根据所述预测标签置信分数和所述预置匹配树进行霍夫曼编码，得到预测标签。

可选的，在本发明实施例第一方面的第三种实现方式中，所述根据所述词语数据，获取目标特征向量包括：基于预置向量模型与所述词语数据，得到词语向量和N元词语向量，N为正整数；基于哈希桶，在预置特征层中对所述词语向量和所述N元词语向量进行计算，获取词语特征向量；基于预置函数，对所述词语特征向量进行处理，得到目标特征向量。

可选的，在本发明实施例第一方面的第四种实现方式中，所述若所述预测标签置信分数小于所述意图阈值，则根据预置网络和所述待识别文本数据重新获取新意图标签包括：基于预置网络将所述待识别文本数据映射到预置目标空间，得到新目标特征向量；基于预置相似度公式、所述新目标特征向量与预置目标特征向量，获取目标相似度，所述预置目标特征向量为预置标准对话的向量；判断所述目标相似度是否大于或等于匹配阈值；若所述目标相似度大于或等于所述匹配阈值，则确定所述待识别文本数据与所述预置标准对话相匹配，根据所述预置标准对话获取新意图标签，所述新意图标签为所述预置标准对话对应的预置标签。