[发明专利]基于人工智能的用户意图识别方法及相关设备

权利要求书

1.一种基于人工智能的用户意图识别方法，其特征在于，所述方法包括：

储存每一个用户的沟通文本和沟通文本的意图标签以获取文本数据库，所述沟通文本的意图标签为所述沟通文本对应的用户需要咨询的预设问题的ID信息；

基于所述文本数据库训练第一双曲嵌入网络以获取第二双曲嵌入网络；

基于所述第二双曲嵌入网络获取所述文本数据库中每一个沟通文本在双曲空间中的双曲向量；

基于所有沟通文本的双曲向量和意图标签计算每一种意图标签的双曲标准向量；

采集待识别沟通文本，将所述待识别沟通文本输入所述第二双曲嵌入网络以获取待识别双曲向量，并对比所述待识别双曲向量和每一种意图标签的双曲标准向量以获取所述待识别沟通文本的意图识别结果。

2.如权利要求1所述的基于人工智能的用户意图识别方法，其特征在于，所述储存每一个用户的沟通文本和沟通文本的意图标签以获取文本数据库，包括：

依据业务场景设置多个预设问题和每一个预设问题的ID信息，所述预设问题的ID信息为所述预设问题的唯一标识；

在人工客服与用户的单次沟通记录中，若用户的咨询问题为所述多个预设问题中的任意一个，则采集所述单次沟通记录中所述咨询问题之前的沟通记录作为沟通文本，并将预设问题的ID信息作为所述沟通文本的意图标签，得到一组训练样本；

遍历每一个人工客服与所有用户的所有单次沟通记录以获取多组训练样本；

储存所有训练样本以获取文本数据库。

3.如权利要求1所述的基于人工智能的用户意图识别方法，其特征在于，所述基于所述文本数据库训练第一双曲嵌入网络以获取第二双曲嵌入网络包括：

搭建第一双曲嵌入网络；

从所述文本数据库的所有沟通文本中随机选取一个沟通文本作为目标文本，并将所述目标文本的意图标签作为目标意图标签；

将所述文本数据库中同一意图标签的所有沟通文本作为所述意图标签的沟通文本集，所述沟通文本集与不同意图标签的数量相同；

从每一种意图标签的沟通文本集中随机选取一个待匹配沟通文本，所述目标意图标签对应的待匹配沟通文本与所述目标文本构成一组正样本对，将所述目标意图标签之外的每一个待匹配沟通文本与所述目标文本构成多组负样本对；

基于所述正样本对和所述多组负样本对计算预设损失函数的数值；

基于所述预设损失函数和黎曼优化器更新所述第一双曲嵌入网络，完成一次训练；

不断从所述文本数据库中选取新的目标文本以完成多次训练，当所述预设损失函数的数值不再变化时，停止训练得到第二双曲嵌入网络，所述第二双曲嵌入网络的输入为沟通文本，输出为所述沟通文本在双曲空间中的双曲向量，所述双曲向量可以表示沟通文本在双曲空间中的语义特征。

4.如权利要求3所述的基于人工智能的用户意图识别方法，其特征在于，所述基于所述正样本对和所述多组负样本对计算预设损失函数的数值包括：

将所述正样本对中的两个沟通文本依次输入所述第一双曲嵌入网络以获取每一个沟通文本的输出结果；

计算所述正样本对中两个沟通文本的输出结果在双曲空间中的双曲距离作为正样本距离，所述双曲距离满足关系式：

其中，u和v分别表示所述正样本对中的两个沟通文本的输出结果，为莫比乌斯加法，c为所述双曲空间的预设曲率，表示计算的欧氏距离，d(u,v)为u和v的双曲距离；

按照相同的方法计算每一组负样本对中两个沟通文本的输出结果在双曲空间中的双曲距离以获取每一组负样本对的负样本距离；

基于所述正样本距离和所述负样本距离计算预设损失函数的数值，所述预设损失函数满足关系式：

其中，d⁺表示正样本距离，N为负样本对的数量，为第j组负样本对的负样本距离，Loss为预设损失函数的数值。