一种基于迁移学习的用户意图识别的方法技术

本发明专利技术公开了一种基于迁移学习的用户意图识别的方法，包括如下步骤：步骤S01，建立源语言到其它语言的空间迁移模型，步骤S02，抽取训练好的翻译模型的编码器网络，并增加注意力和全连接网络，构成用户意图识别模型S02‑1，在翻译模型的编码器网络的基础上，增加注意力和全连接网络，并根据用户意图类别构建输出层；步骤S03，使用用户意图标注语料，固定编码器参数，训练S02‑2构建的用户意图识别模型，经过以上算法步骤后，即得到用户意图识别模型。

【技术实现步骤摘要】
一种基于迁移学习的用户意图识别的方法
本专利技术涉及一种识别方法，具体是一种基于迁移学习的用户意图识别的方法。
技术介绍
对用户的问题进行语义分析，识别出用户的意图，从而根据用户意图，给出相应的响应，是对话系统需要解决的核心问题。用户意图识别面临的主要问题是目标领域或目标场景语料资源不足，缺少有标注的语料或者收集和标注语料成本太高。而机器学习的方法则需要大量的目标领域的语料支持，意图识别技术一般基于深度学习的CNN（ConvolutionalNeuralNetworks，卷积神经网络）或RNN（RecurrentNeuralNetwork，循环神经网络）分类算法，用户意图识别面临的主要问题是通过深度学习的CNN或RNN分类算法来训练意图识别模型需要大量的且成本较高的人工标注语料，而当目标领域或目标场景语料资源不足，缺少有标注的语料或者收集和标注语料成本太高时，只能使用少量的人工标注语料来训练意图识别模型，此时意图识别模型欠拟合，模型预测的准确率将非常低。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。专利CN106777011A《一种基于深度多任务学习的文本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的用户意图识别的方法，其特征在于，包括如下步骤：步骤S01，建立源语言到其它语言的空间迁移模型；步骤S02，抽取训练好的翻译模型的编码器网络，并增加注意力和全连接网络，构成用户意图识别模型；步骤S03，使用用户意图标注语料，固定编码器参数，训练步骤S02构成的用户意图识别模型；经过以上算法步骤后，即得到用户意图识别模型。

【技术特征摘要】
1.一种基于迁移学习的用户意图识别的方法，其特征在于，包括如下步骤：步骤S01，建立源语言到其它语言的空间迁移模型；步骤S02，抽取训练好的翻译模型的编码器网络，并增加注意力和全连接网络，构成用户意图识别模型；步骤S03，使用用户意图标注语料，固定编码器参数，训练步骤S02构成的用户意图识别模型；经过以上算法步骤后，即得到用户意图识别模型。2.根据权利要求1所述的基于迁移学习的用户意图识别的方法，其特征在于，所述语料为源语言到任何其它语言，所述源语言为用户意图识别任务中的语料语言。3.根据权利要求1所述的基于迁移学习的用户意图识别的方法，其特征在于，所述步骤S01具体如下：S01-1，收集翻译...

【专利技术属性】
技术研发人员：陈国锋，
申请(专利权)人：北京捷易迅信息技术有限公司，
类型：发明
国别省市：北京,11