申请/专利权人：平安科技(深圳)有限公司

申请日：2020-01-13

公开（公告）日：2024-04-23

公开（公告）号：CN111221944B

主分类号：G06F16/33

分类号：G06F16/33;G06F16/35;G06F16/332;G06F40/30;G06N3/045;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2020.12.01#实质审查的生效;2020.06.02#公开

摘要：本发明涉及人工智能领域，提供一种文本意图识别方法、装置、设备和存储介质。方法包括：获取待处理的文本信息以及数据库所存储的多个标准句子；计算多个待处理的文本信息的特征值以及获取数据库所存储的多个标准句子的特征值；通过多个标准句子的特征值以及获取待处理的文本信息的特征值计算多个第一相似度，并提取最大的第一相似度，得到第一目标相似度；判断第一目标相似度是否小于阈值；若第一目标相似度小于阈值，则将多个标准句子的特征值以及待处理的文本信息的特征值输入至目标神经网络模型，通过目标神经网络模型输出第二相似度集合；通过提取所述第二相似度集合中的元素，得到用户的最终意图。加快深度文本匹配的效率。

主权项：1.一种文本意图识别方法，其特征在于，所述方法包括：获取待处理的文本信息以及数据库所存储的多个标准句子；计算所述多个待处理的文本信息的特征值以及获取所述数据库所存储的多个标准句子的特征值；通过所述多个标准句子的特征值以及获取所述待处理的文本信息的特征值计算多个第一相似度，得到第一相似度集合；提取所述第一相似度集合中最大的所述第一相似度，得到第一目标相似度；判断所述第一目标相似度是否小于阈值；若所述第一目标相似度小于阈值，则将所述多个标准句子的特征值以及所述待处理的文本信息的特征值输入至目标神经网络模型，通过所述目标神经网络模型输出第二相似度集合，所述目标神经网络模型为长短期记忆模型、注意力模型、双向长短期记忆BiLSTM模型以及软最大值Softmax层串联而成的神经网络；所述若所述第一目标相似度小于阈值，则将所述多个标准句子的特征值以及所述待处理的文本信息的特征值输入至目标神经网络模型，通过所述目标神经网络模型输出第二相似度集合，包括：获取所述待处理的文本信息以及所述数据库所存储的多个标准句子，得到第一矩阵以及第二矩阵的集合；分别将每个所述第二矩阵与所述第一矩阵组合成输入信息，将所述输入信息输入至第一神经网络，得到多个所述第一神经网络的第一输出矩阵和所述第一神经网络的第二输出矩阵，所述第一神经网络模型是指长短期记忆模型；将所述多个和输入至第二神经网络模型，得到所述第二神经网络的第一输出矩阵和所述第二神经网络的第二输出矩阵，所述第二神经网络模型是指注意力Attention模型；将、、和组合成集合和集合，所述为，所述为；将所述集合以及对应的集合依次输入至第三神经网络模型，通过所述第三神经网络模型输出得到对应的概率和对应的概率，所述第三神经网络模型为BiLSTM模型；将和依次输入池化层，得到第二相似度集合v，所述池化层包括最大池化层以及平均池化层，所述v为{}；通过提取所述第二相似度集合中的元素，得到用户的最终意图。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 文本意图识别方法、装置、设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD