意图识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能，提供一种意图识别方法、装置、设备及存储介质。该方法获取用户音频的多个转译文本，基于语句筛选网络层筛选出多个候选文本，基于词汇筛选网络层筛选出目标词汇，基于编码网络层对目标词汇进行编码处理，得到语句向量，基于输出网络层对语句向量进行意图识别，提高音频意图的准确性。此外，本发明专利技术还涉及区块链技术，所述音频意图可存储于区块链中。链中。链中。

【技术实现步骤摘要】
意图识别方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种意图识别方法、装置、设备及存储介质。

技术介绍

[0002]在目前的意图识别方案中，通常是从自动语音识别模块中获取用户语音的转译文本，进而利用自然语言理解模块对转译文本进行意图识别，然而，由于自动语音识别模块在生成转译文本时，存在一定比例的转译错误，从而导致无法准确的识别出用户意图。

技术实现思路

[0003]鉴于以上内容，有必要提供一种意图识别方法、装置、设备及存储介质，能够解决因存在一定比例的转译错误，从而导致无法准确的识别出用户意图的技术问题。
[0004]一方面，本专利技术提出一种意图识别方法，所述意图识别方法包括：
[0005]获取用户音频的多个转译文本；
[0006]获取预先训练完成的意图识别模型，所述意图识别模型包括语句筛选网络层、词汇筛选网络层、编码网络层及输出网络层；
[0007]基于所述语句筛选网络层，从所述多个转译文本中筛选出多个候选文本；
[0008]基于所述词汇筛选网络层，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种意图识别方法，其特征在于，所述意图识别方法包括：获取用户音频的多个转译文本；获取预先训练完成的意图识别模型，所述意图识别模型包括语句筛选网络层、词汇筛选网络层、编码网络层及输出网络层；基于所述语句筛选网络层，从所述多个转译文本中筛选出多个候选文本；基于所述词汇筛选网络层，从所述多个候选文本的文本词汇中筛选出目标词汇；基于所述编码网络层对所述目标词汇进行编码处理，得到所述用户音频的语句向量；基于所述输出网络层对所述语句向量进行意图识别，得到所述用户音频的音频意图。2.如权利要求1所述的意图识别方法，其特征在于，所述基于所述语句筛选网络层，从所述多个转译文本中筛选出多个候选文本包括：对每个转译文本进行字编码，得到每个转译文本的多个字向量；计算所述多个字向量中对应元素的平均值，得到每个转译文本的文本向量；获取所述语句筛选网络层的语句参数向量；计算所述语句参数向量与所述文本向量的乘积，得到第一特征向量；对所述第一特征向量进行归一化处理，得到每个转译文本的文本分值；基于所述文本分值按照从大至小的顺序，从所述多个转译文本中筛选出对应的转译文本作为所述多个候选文本，所述多个候选文本的文本数量等于预设数量。3.如权利要求1所述的意图识别方法，其特征在于，所述基于所述词汇筛选网络层，从所述多个候选文本的文本词汇中筛选出目标词汇包括：对每个候选文本进行分词处理，得到所述文本词汇及所述文本词汇在每个候选文本上的词汇位置；基于所述词汇位置对所述文本词汇进行编码处理，得到每个候选文本的字向量矩阵；获取所述词汇筛选网络层的词汇参数向量；计算所述字向量矩阵与所述词汇参数向量的乘积，得到每个候选文本的第二特征向量；比较多个所述第二特征向量中相同元素位置上的特征元素的大小；将每个元素位置上最大的特征元素所对应的文本词汇确定为所述目标词汇。4.如权利要求1所述的意图识别方法，其特征在于，所述编码网络层包括编码器及解码器，所述基于所述编码网络层对所述目标词汇进行编码处理，得到所述用户音频的语句向量包括：对所述目标词汇进行词汇编码，得到词汇向量，并对所述目标词汇进行位置编码，得到位置向量；对所述目标词汇进行标签编码，得到标签向量；计算所述词汇向量、所述位置向量及所述标签向量中相同位置上的元素总和，得到目标向量；基于所述编码器对所述目标向量进行重编码处理，得到编码向量；基于所述解码器对所述编码向量进行解码处理，得到所述语句向量。5.如权利要求4所述的意...

【专利技术属性】
技术研发人员：孙金辉，马骏，王少军，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：