[发明专利]文本意图识别方法、装置、电子设备及存储介质

权利要求书

1.一种文本意图识别方法，其特征在于，所述文本意图识别方法包括：

获取会话文本，并对所述会话文本进行实体识别得到多个实体；

根据所述会话文本生成包含上下文特征的第一文本向量，及根据所述多个实体生成实体特征向量；

通过卷积运算将所述第一文本向量转换为多个粒度第二文本向量；

对所述多个粒度的第二文本向量进行特征提取得到语义特征向量，拼接所述语义特征向量及所述实体特征向量得到模板特征向量；

根据所述模板特征向量确定所述会话文本对应的意图类别。

2.如权利要求1所述的文本意图识别方法，其特征在于，所述将所述多个实体转换成实体特征向量包括：

利用词向量映射模型将所述多个实体映射为词向量集合，其中，每个实体对应一个词向量；

计算所述词向量集合的每个维度的均值；

根据所述每个维度的均值生成实体特征向量。

3.如权利要求1所述的文本意图识别方法，其特征在于，所述通过卷积运算将所述第一文本向量转换为多个第二文本向量包括：

获取多个预设的卷积核矩阵向量；

针对每一个预设的卷积核矩阵向量，从所述第一文本向量中的起始位置开始逐次滑动直至滑动至所述第一文本向量中的终止位置，获取每次滑动时所述预设的卷积核矩阵向量对应的子矩阵向量；

计算每次滑动时所述预设的卷积核矩阵向量与对应的子矩阵向量的乘积得到多个元素，并累加所述多个元素得到卷积结果；

将每一个预设的卷积核矩阵向量每次滑动时得到的卷积结果作为第二文本向量。

4.如权利要求1所述的文本意图识别方法，其特征在于，所述对所述多个粒度的第二文本向量进行特征提取得到语义特征向量包括：

对所述多个粒度的第二文本向量进行最大池化后提取每个粒度的第二文本向量的最大值，并进行拼接得到语义特征向量。

5.如权利要求1所述的文本意图识别方法，其特征在于，所述对所述会话文本进行实体识别得到多个实体包括：

将所述会话文本输入至命名实体识别模型中进行实体识别得到多个实体。

6.如权利要求5所述的文本意图识别方法，其特征在于，所述命名实体识别模型的训练过程包括：

在预设的训练集中提取训练会话文本；

标注所述训练会话文本对应的训练实体，并基于所述训练实体及所述训练会话文本构建待训练命名实体识别模型的训练样本；

将所述训练样本输入所述待训练命名实体识别模型进行模型训练，获得命名实体识别模型。

7.如权利要求1所述的文本意图识别方法，其特征在于，所述将所述会话文本转换为包含上下文特征的第一文本向量包括：

对所述会话文本进行分词操作，得到与所述会话文本对应的字集合；

利用第一词向量映射模型将所述字集合映射为字向量集合；

将所述字向量集合表示为按字序排列的字向量矩阵；

基于所述字向量矩阵，计算每个字向量的上文向量及下文向量；

将每个字向量、所述字向量的上文向量以及所述字向量的下文向量进行拼接，得到包含上下文特征的第一文本向量。

8.一种文本意图识别装置，其特征在于，所述文本意图识别装置包括：

获取模块，用于获取会话文本，并对所述会话文本进行实体识别得到多个实体；

生成模块，用于根据所述会话文本生成包含上下文特征的第一文本向量，及根据所述多个实体生成实体特征向量；

转换模块，用于通过卷积运算将所述第一文本向量转换为多个粒度第二文本向量；

拼接模块，用于对所述多个粒度的第二文本向量进行特征提取得到语义特征向量，拼接所述语义特征向量及所述实体特征向量得到模板特征向量；

确定模块，用于根据所述模板特征向量确定所述会话文本对应的意图类别。