[发明专利]一种基于深度学习的医疗对话系统意图识别分类方法

权利要求书

1.一种基于深度学习的医疗对话系统意图识别分类方法，其特征在于：包括以下步骤

步骤1：收集样本，分拣样本的意图输入信息和意图输出信息，将意图输入信息分割并进行数量化获得具有N个特征向量的特征向量集，每个意图输入信息根据特征向量集进行数量化，意图输出信息进行数量化，并在意图输入信息与意图输出信息之间建立单一性映射；

步骤2：获得客户文本，将客户文本分解成M个特征向量，并将M个特征向量对照特征向量集，将客户文本根据特征向量集进行数量化，并且提取样本中所有包含M个特征向量的意图输入信息样本；

步骤3：将步骤2中获得的所有包含M个特征向量的意图输入信息样本进行聚集获取其交集，从交集中获取第M+1个特征向量；

步骤4：将客户文本扩充成M+1个特征向量，并M+1个特征向量与样本中的意图输入信息的N个特征向量对比，提取样本中所有包含M+1个特征向量的意图输入信息样本；

步骤5：将将步骤4中获得的所有包含M+1个特征向量的意图输入信息样本进行聚集获取其交集，从交集中获取第M+2个特征向量；

步骤6：直至扩展到获得第N+k个特征向量(第N+K+1个特征向量为零)，根据单一性映射，获得对应的意图输出结果。

2.根据权利要求1所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：所述意图输入信息进行数量化后的N个特征向量，对其赋予权重。

3.根据权利要求2所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：所述步骤3中，按照权重高低顺序排列获得第N+1个向量。

4.根据权利要求1所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：所述样本集的N特征向量是每个样本的特征向量的并集。

5.根据权利要求1所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：所述意图输入信息的矩阵定义为R_i＝[r_i1，r_i2，r_i3，r_i4…r_iN],i＝1，2…P,其中P代表样本量，r_ij代表特征向量；与R_i对应的意图输出信息，其对应的单一性映射为C_i＝[“输出信息”]，即映射函数F(R_i)＝C_i＝[“输出信息i”]。

6.根据权利要求5所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：对特征向量r_i1，r_i2，r_i3，r_i4…r_iN赋予权重，依序为[a_i1，a_i2，a_i3，a_i4…a_iN]。

7.根据权利要求1所述的基于深度学习的医疗对话系统意图识别分类方法，其特征在于：步骤3中的聚集，若客户文本含有M个特征向量，则将样本中所有包含M个特征向量不为零的意图输入信息R_i集合起来；求解出第M+1个向量，第M+1个向量为除去M个特征向量后，集合起来的样本中交集最多的特征向量，此特征向量不为零。