[发明专利]基于多意图识别的语义分析方法、装置、设备及存储介质

权利要求书

1.一种基于多意图识别的语义分析方法，其特征在于，所述方法包括：

获取用户语料，对所述用户语料进行分词处理，得到语料分词；

利用所述语料分词生成所述用户语料的向量矩阵，利用预先构建的分类模型根据所述向量矩阵判断所述用户语料是否包含多重语义；

当所述用户语料不包含多重语义，重新获取用户语料并返回对所述用户语料进行分词处理的步骤；

当所述用户语料包含多重语义，利用预设的多个语义识别模型分别对所述用户语料进行语义识别，得到每一个语义识别模型输出的识别结果，所述识别结果包含所述用户语料与多个预设的语义标签的距离值；

从所述语义标签中逐个选取其中一个语义标签为目标标签，根据所述距离值统计所述目标标签与所述用户语料的距离值总和，并将所述距离值总和大于预设阈值的语义标签汇集为所述用户语料的用户意图。

2.如权利要求1所述的基于多意图识别的语义分析方法，其特征在于，所述对所述用户语料进行分词处理，得到语料分词，包括：

对所述用户语料进行无意词删除，得到标准语料；

将所述标准语料按照不同的数据长度在预设的词典中进行检索，汇集从所述词典中检索到的与所述标准语料中相同的词语为所述用户语料的语料分词。

3.如权利要求1所述的基于多意图识别的语义分析方法，其特征在于，所述利用所述语料分词生成所述用户语料的向量矩阵，包括：

将所述语料分词中每一个分词转换为分词向量，对所述分词向量进行长度统一化处理，得到统一长度向量；

将每一个所述统一长度向量作为行向量进行拼接，得到所述用户语料的向量矩阵。

4.如权利要求1所述的基于多意图识别的语义分析方法，其特征在于，所述对所述分词向量进行长度统一化处理，得到统一长度向量，包括：

统计每一个所述分词向量的向量长度，确定所述向量长度最大的分词向量为目标向量；

利用预设参数将所述分词向量中每一个向量的向量长度延长至所述目标向量的向量长度，得到统一长度向量。

5.如权利要求1所述的基于多意图识别的语义分析方法，其特征在于，所述利用预先构建的分类模型根据所述向量矩阵判断所述用户语料是否包含多重语义，包括：

获取预设的降维矩阵，将所述降维矩阵与所述向量矩阵进行乘积运算，得到所述向量矩阵的低维矩阵；

利用预设的分类模型对所述低维矩阵进行卷积及池化操作，得到所述低维矩阵的低维特征表达；

将所述低维特征表达映射至预先构建的高维空间，得到所述低维矩阵的高维特征表达；

计算所述高维特征表达与预设的多语义标签的匹配值；

当所述匹配值小于或等于预设匹配阈值，则确定所述用户语料不包含多重语义；

当所述匹配值大于所述预设匹配阈值，则确定所述用户语料包含多重语义。

6.如权利要求1所述的基于多意图识别的语义分析方法，其特征在于，所述利用预设的多个语义识别模型分别对所述用户语料进行语义识别，得到每一个语义识别模型输出的识别结果，包括：

从预设多个语义识别模型中逐个选取其中一个为目标模型，利用所述目标模型提取所述用户语料的语义特征；

根据所述语义特征分别计算所述用户语料与多个预设的语义标签之间的距离值；

汇集所有语义识别模型输出的所述用户语料与多个预设的语义标签之间的距离值为识别结果。

7.如权利要求1至6任一项所述的基于多意图识别的语义分析方法，其特征在于，所述根据所述语义特征分别计算所述用户语料与多个预设的语义标签之间的距离值，包括：

利用如下距离算法计算所述用户语料与多个预设的语义标签之间的距离值：

其中，D_i为所述用户语料与第i个语义标签的距离值，P为所述用户语料的语义特征，Q_i为第i个语义标签。