[发明专利]模型训练方法和装置、意图识别方法和装置

权利要求书

1.一种模型训练方法，所述方法包括：

获取不同时间段的搜索行为数据以及已训练的意图识别模型对所述搜索行为数据的意图识别结果；

将各个时间段中的搜索行为数据以及与搜索行为数据对应意图识别结果作为一个数据样本；

基于与各个时间段相邻的上一时间段的数据样本，为各个时间段的搜索行为数据进行意图类别标注，得到标注数据集，所述标注数据集包括至少一个标注数据，每个标注数据包括：当前时间段的搜索行为数据、与当前时间段相邻的上一个时间段的数据样本、当前时间段的搜索行为数据的意图类别；

基于所述标注数据集，对意图再识别模型进行训练，得到训练完成的意图再识别模型，所述意图再识别模型的输出为：当前搜索行为数据对应的意图识别结果。

2.根据权利要求1所述的方法，其中，所述意图识别结果包括至少两种意图类别，所述意图再识别模型用于对所述至少两种意图类别中任意两种类别之间的界限进行再划分。

3.根据权利要求1所述的方法，其中，所述获取不同时间段的搜索行为数据以及已训练的意图识别模型对所述搜索行为数据的意图识别结果，包括：

通过已训练的意图识别模型对不同时间不同对象的搜索行为数据进行意图识别，得到意图识别结果；

获取所述不同时间不同对象的搜索行为数据；

将同一对象的时间间隔小于设定时间的搜索行为数据，作为一个时间段中的搜索行为数据；

筛选所述意图识别结果中与不同对象的各个时间段的搜索行为数据对应的意图识别结果，得到不同时间段的所述意图识别模型对所述搜索行为数据的意图识别结果。

4.根据权利要求1所述的方法，其中，所述基于与各个时间段相邻的上一时间段的数据样本，为各个时间段的搜索行为数据进行意图类别标注，得到标注数据集，包括：

针对所有时间段中的各个时间段，获取与该时间段相邻的上一时间段的数据样本；

确定所述上一时间段的数据样本的意图类别；

将所述意图类别作为该时间段的数据样本中的意图标注结果；

组合所述上一时间段的数据样本，该时间段的搜索行为数据以及与该时间段的搜索行为数据对应的意图标注结果，得到标注数据集中的标注数据。

5.根据权利要求1所述的方法，其中，所述意图再识别模型采用基于预训练语言的深度神经网络，所述深度神经网络包括：串联连接的三层全连接层和一层激活函数层。

6.根据权利要求3所述的方法，其中，所述通过已训练的意图识别模型对不同时间不同对象的搜索行为数据进行意图识别，得到意图识别结果，包括：

将不同时间不同对象的搜索行为数据输入已训练的意图识别模型，得到由所述已训练的意图识别模型输出的不同时间不同对象的搜索行为数据属于搜索或闲聊不同意图类别的概率值。

7.根据权利要求6所述的方法，其中，搜索或闲聊不同意图类别包括：显著搜索意图、较显著搜索意图、显著闲聊意图、较显著闲聊意图、非显著搜索或闲聊意图。

8.一种意图识别方法，所述方法包括：

获取待识别行为数据；

基于所述待识别行为数据，获取已训练的意图识别模型的意图识别结果；

将所述待识别行为数据、所述意图识别结果输入采用如权利要求1-7中任一项所述的方法生成的意图再识别模型，得到意图分类结果。

9.根据权利要求8所述的方法，其中，所述意图分类结果包括：所述待识别行为数据属于搜索或闲聊不同意图类别的概率值；所述方法还包括：基于所述概率值，对所述待识别行为数据进行处理，得到处理结果。

10.根据权利要求9所述的方法，其中，所述基于所述概率值，对所述待识别行为数据进行处理，得到处理结果，包括：

响应于所述概率值大于闲聊概率阈值且小于搜索概率阈值，对所述待识别行为数据进行搜索并展示搜索结果，同时对所述待识别行为数据进行回复。