[发明专利]意图识别方法、装置、计算设备及存储介质

权利要求书

1.一种意图识别方法，其特征在于，所述方法包括：

获取第一样本集，其中，所述第一样本集包括已知M维特征向量和对应的已知文本分类结果，所述第一样本集对应第一意图问题；

将所述已知M维特征向量输入第一神经网络的分层加权层进行加权求和，获得加权特征向量，将所述加权特征向量输入所述第一神经网络的分类层，得到预测值；

由所述预测值和所述已知文本分类结果之间的差距获得损失，通过所述损失对所述第一神经网络进行反向传播，调整所述第一神经网络的所述分层加权层和所述分类层的参数，获得意图识别模型的第一分层加权层和第一分类层，其中，所述意图识别模型包括多个分层加权层和多个分类层，所述意图识别模型中的不同意图问题所对应的分层加权层以及分类层的是分开进行训练的，所述第一分层加权层和所述第一分类层对应所述第一意图问题；

获取用户回答文本，其中，所述用户回答文本对应一个目标意图问题；

将所述用户回答文本输入所述意图识别模型的特征提取层，输出M维特征向量，其中，所述特征提取层包括M个网络层，所述M个网络层中的每个网络层输出一个维度的特征向量，所述M为整数；

将所述M维特征向量输入所述意图识别模型的目标分层加权层，获得所述加权特征向量，其中，所述目标分层加权层与所述用户回答文本的目标意图问题存在对应关系；

将所述加权特征向量输入所述意图识别模型的目标分类层，得到所述用户回答文本的分类结果，其中，所述目标分类层与所述用户回答文本的目标意图问题存在对应关系。

2.根据权利要求1所述的方法，其特征在于，在所述获取用户回答文本之前，所述方法还包括：

获取第二样本集，其中，所述第二样本集包括已知用户回答文本和对应的已知文本分类结果；

使用所述第二样本集对第二神经网络进行训练后获得所述意图识别模型。

3.根据权利要求2所述的方法，其特征在于，所述意图识别模型包括特征提取层、分层加权层和分类层；

所述使用所述第二样本集对第二神经网络进行训练后获得所述意图识别模型，包括：

获取所述第二样本集的一个子集，其中，所述子集对应一个目标意图问题；

将所述子集中的已知用户回答文本输入所述第二神经网络的特征提取层，输出M维特征向量；

将所述M维特征向量输入所述第二神经网络的目标分层加权层，获得加权特征向量，其中，所述第二神经网络包括多个分层加权层和多个分类层，所述目标分层加权层与所述目标意图问题存在对应关系；

将所述加权特征向量输入所述第二神经网络的目标分类层，得到预测值，其中，所述目标分类层与所述目标意图问题存在对应关系；

由所述预测值和所述已知文本分类结果之间的差距获得损失，通过所述损失对所述第二神经网络进行反向传播，调整所述第二神经网络的所述特征提取层、所述目标分层加权层和所述目标分类层的参数。

4.根据权利要求1至3任一项所述的方法，其特征在于，在所述获取用户回答文本之前，所述方法还包括：

获取用户回答语音，将所述用户回答语音转换为所述用户回答文本。