一种意图识别方法及装置

专利主权项内容

1.一种意图识别方法，其特征在于，包括：获取用户的回答文本；将所述回答文本分别输入至少一个意图识别模型，生成与每个意图识别模型对应的预测结果，其中，所述意图识别模型是通过将获取的标识有意图标签的标准回答文本划分为训练数据集和验证数据集，有放回的随机选取至少一个样本作为每个所述训练数据集，并将所述训练数据集输入分类模型所包括的第一分类模型，以生成对应的所述第一分类模型中的决策树根节点，选取所述样本的至少一个属性作为从所述决策树根节点分裂的决策树子节点的分裂属性，将由决策树根节点和决策树子节点组成的决策树作为与每个所述训练数据集对应的基础预测模型所包括的第一基础预测模型，将多个所述验证数据集输入所述基础预测模型，对所述基础预测模型的模型参数进行验证，确定每个所述训练数据集对应的意图识别模型得到的；将获取的带有意图标签的用户的回答文本对应的句向量使用Random Smote算法，通过上采样的方法进行类别不均衡处理，在相邻近的小类样本之间线性插值，对于每个少数类样本X，从少数类集合中随机选择两个样本y1和y2，以x、y1、y2为顶点构成一个三角形区域，并根据过采样倍率N, 在该三角形区域内随机生成N个新的少数类样本；根据每个意图识别模型所对应的预测结果，确定所述回答文本的行为意图；所述根据每个意图识别模型所对应的预测结果，确定所述回答文本的行为意图，包括：将根据所述每个意图识别模型对应的预测结果输入逻辑回归模型，并为所述每个意图识别模型对应的预测结果分配权值；根据所述每个意图识别模型对应的预测结果对应的权值，确定所述回答文本的行为意图；所述分类模型还包括第二分类模型；所述基础预测模型还包括第二基础预测模型；将每个所述训练数据集输入至少一个分类模型，对每个所述分类模型进行训练，生成每个训练数据集所对应的基础预测模型，包括：将所述训练数据集输入第二分类模型，并对所述第二分类模型进行训练；计算所述第二分类模型对应的第一损失函数的梯度方向；将所述第二分类模型输出的预测结果输入所述第一损失函数的梯度方向，生成下一次输入第二分类模型的训练数据集；将所述训练数据集输入所述第二分类模型，以生成所述第二基础预测模型。