[发明专利]文本意图识别方法、装置、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：

获取初始文本，对所述初始文本进行预处理，得到预处理后的文本，所述初始文本包括用户输入的句子和/或词语；

对所述预处理后的文本进行分词处理，得到分词文本，将所述分词文本转换为目标索引项，并对所述目标索引项进行向量化处理，得到初始向量；

调用预置的序列到序列模型中的编码器，基于注意力机制对所述初始向量进行编码处理，得到编码向量，调用所述序列到序列模型中的解码器，对所述编码向量进行解码处理，得到初始拼音序列，所述初始拼音序列包括多音字文本对应的拼音序列；

对所述初始拼音序列进行词嵌入处理，得到目标拼音序列，将所述目标拼音序列与预置的语料库进行匹配，得到匹配结果，根据所述匹配结果确定目标用户意图。

2.根据权利要求1所述的文本意图识别方法，其特征在于，所述获取初始文本，对所述初始文本进行预处理，得到预处理后的文本，所述初始文本包括用户输入的句子和/或词语包括：

接收用户请求，将所述用户请求存入预置的卡夫卡消息队列并进行异步处理，得到初始文本，所述初始文本包括用户输入的句子和/或词语；

采用正则表达式删除所述初始文本中的空格和特殊符号，并调用预置的数据分析工具包查找并删除所述初始文本中的重复值，得到预处理后的文本。

3.根据权利要求1所述的文本意图识别方法，其特征在于，所述对所述预处理后的文本进行分词处理，得到分词文本，将所述分词文本转换为目标索引项，并对所述目标索引项进行向量化处理，得到初始向量包括：

调用预置的文本分词工具，对所述预处理后的文本进行分词处理，得到分词文本；

将所述分词文本中的每一个单词与预置的索引词典进行匹配，得到目标索引项，所述目标索引项包括每一个单词对应的索引项，每一个单词对应唯一的一个索引项；

调用预置的文本向量化算法，对所述目标索引项进行词嵌入，得到词向量，对所述词向量进行拼接处理，得到初始向量。

4.根据权利要求1所述的文本意图识别方法，其特征在于，所述调用预置的序列到序列模型中的编码器，基于注意力机制对所述初始向量进行编码处理，得到编码向量，调用所述序列到序列模型中的解码器，对所述编码向量进行解码处理，得到初始拼音序列，所述初始拼音序列包括多音字文本对应的拼音序列包括：

调用预置的序列到序列模型中的编码器，基于预设的循环神经网络，对所述初始向量进行编码运算，得到多个编码隐藏状态，通过所述编码器中的归一化指数层，对所述多个编码隐藏状态进行基于注意力机制的归一化处理，得到编码向量；

调用所述序列到序列模型中的解码器，基于预设的循环神经网络，对所述编码向量进行解码运算，得到多个解码隐藏状态，通过所述解码器中的归一化指数层，对所述多个解码隐藏状态进行基于注意力机制的归一化处理，得到初始拼音序列，所述初始拼音序列包括多音字文本对应的拼音序列。

5.根据权利要求4所述的文本意图识别方法，其特征在于，所述调用预置的序列到序列模型中的编码器，基于预设的循环神经网络，对所述初始向量进行编码运算，得到多个编码隐藏状态，通过所述编码器中的归一化指数层，对所述多个编码隐藏状态进行基于注意力机制的归一化处理，得到编码向量包括：

调用预置的序列到序列模型中的编码器，基于预设的循环神经网络，对所述初始向量进行编码运算，得到多个编码隐藏状态，所述多个编码隐藏状态为所述初始向量中每一个词向量对应的隐藏状态；

获取每一个编码隐藏状态对应的分数，通过所述编码器中的归一化指数层，对所述每一个编码隐藏状态对应的分数进行基于注意力机制的归一化处理，得到每一个编码隐藏状态对应的归一化分数；

将每一个编码隐藏状态乘以每一个编码隐藏状态对应的归一化分数，得到对齐向量，对所述对齐向量进行求和，得到编码向量。