[发明专利]意图识别模型处理方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能领域，应用于智慧城市领域中，涉及一种意图识别模型处理方法、装置、计算机设备及存储介质，方法包括：获取带有意图识别节点标识和样本标签的训练样本；根据意图识别节点标识生成误差掩码向量；将训练样本输入初始意图识别模型，得到意图预测结果；根据误差掩码向量、意图预测结果和样本标签计算预测误差；基于预测误差对初始意图识别模型进行调整，直至得到的预测误差满足训练停止条件，得到意图识别模型，意图识别模型用于在至少一个意图识别节点进行意图识别。此外，本申请还涉及区块链技术，训练样本可存储于区块链中。本申请降低了意图识别系统的臃肿。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种意图识别模型处理方法、装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展，人工智能的应用越来越广泛。人机对话是人工智能领域中的重要应用，当前，人机对话旨在实现人与计算机通过人类所用的自然语言进行交流。在人机对话中，计算机需要通过意图识别系统对人的话语进行意图识别，从而选择相应的话术进行回应。

在实际应用中，计算机基于人机对话提供的服务可能由多个流程节点构成，例如，在保险理赔领域，理赔申请由多个节点组成，不同节点需要进行不同种类的意图识别，从而根据用户意图实现节点的跳转。在传统的意图识别中，通常在每个节点单独设置意图识别模型，这样会导致建立意图识别系统的成本过高，并使得意图识别系统较为臃肿。

发明内容

本申请实施例的目的在于提出一种意图识别模型处理方法、装置、计算机设备及存储介质，以解决意图识别系统较为臃肿的问题。

为了解决上述技术问题，本申请实施例提供一种意图识别模型处理方法，采用了如下所述的技术方案：

获取带有意图识别节点标识和样本标签的训练样本；

根据所述意图识别节点标识生成节点掩码向量；

将所述训练样本输入初始意图识别模型，得到意图预测结果；

根据所述节点掩码向量、所述意图预测结果和所述样本标签计算预测误差；

基于所述预测误差对所述初始意图识别模型进行调整，直至得到的预测误差满足训练停止条件，得到意图识别模型，所述意图识别模型用于在至少一个意图识别节点进行意图识别。

为了解决上述技术问题，本申请实施例还提供一种意图识别模型处理装置，采用了如下所述的技术方案：

样本获取模块，用于获取带有意图识别节点标识和样本标签的训练样本；

向量生成模块，用于根据所述意图识别节点标识生成节点掩码向量；

训练输入模块，用于将所述训练样本输入初始意图识别模型，得到意图预测结果；

误差计算模块，用于根据所述节点掩码向量、所述意图预测结果和所述样本标签计算预测误差；

模型调整模块，用于基于所述预测误差对所述初始意图识别模型进行调整，直至得到的预测误差满足训练停止条件，得到意图识别模型，所述意图识别模型用于在至少一个意图识别节点进行意图识别。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

获取带有意图识别节点标识和样本标签的训练样本；

根据所述意图识别节点标识生成节点掩码向量；

将所述训练样本输入初始意图识别模型，得到意图预测结果；

根据所述节点掩码向量、所述意图预测结果和所述样本标签计算预测误差；