[发明专利]一种人机交互中自然语言意图理解方法

摘要

本发明公开了一种人机交互中自然语言意图理解的方法，首先对文本自然语言指令数据进行意图标注，将每句文本标注一个意图；然后将文本向量化，这里在传统的文本向量空间模型的基础上，融合了文本指令的词性信息，定义了一种新的文本表示模型——词性向量空间模型；然后，将堆栈式去噪自编码器应用于自然语言指令意图理解，提取指令的高阶特征；最后，用支持向量机进行训练和预测，实现自然语言指令的意图理解。本发明能够挖掘自然语言指令中更多的语义信息，提高意图理解的识别率，还采用了堆栈式去噪自编码器，在训练时加入随机噪声，更贴近实际应用场景，使得训练得到的模型具有更强的泛化能力。

主权项

1.一种人机交互中自然语言意图理解方法，其特征在于，包括训练阶段和预测阶段，具体步骤如下：步骤1、建立指令体系数据库：根据对话应用场景，将对话的逻辑以及顺序以树形结构排列，树伸展的方向为对话进行的顺序，树的结点为一个意图；步骤2、对文本自然语言指令数据进行意图标注，将每句训练数据标注一个意图；步骤3、将文本自然语言指令数据向量化，构建词性向量空间模型，具体构建步骤是：步骤3.1归一化数据：根据预先建立的同义词表将训练数据中的同义词转换为同一个词；步骤3.2建立字典文件：该字典文件包含两列，即“词”和“权重”，词是归一化数据中出现的所有词和词性，即将词和词性以同等重要性进行统计，每行存储一个词或词性及其权重，共计D个词和词性；权重是每种词或词性出现的次数，采用逆文本频率log2(N/nk)其中N为归一化数据中的文本指令数目，nk为出现该词或词性的文本指令数；步骤3.3将归一化数据通过字典向量化：即将归一化数据中每行数据转化为一个D维向量；步骤3.4向量归一化：将得到的向量除以它的模，得到模为1的归一化向量；步骤4、用堆栈式去噪自编码器对词性向量空间模型中的向量进行压缩感知，提取指令的高阶特征，即高阶特征向量；步骤5、用支持向量机进行训练和预测，实现自然语言指令的意图理解。