(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210729949.X (22)申请日 2022.06.24 (71)申请人 平安普惠企业管理有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 吴绍锋　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 40/30(2020.01) G06F 40/289(2020.01)G06F 40/268(2020.01) (54)发明名称 意图分类方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及智能决策技术， 揭露了一种意图 分类方法， 包括： 获取交互信息， 并识别交互信息 中交互对象， 根据交互对象拆分为交互语句集； 对交互语句集进行分词操作， 得到交互语句分词 文本， 并标注每个分词词语的词性； 查询 交互语 句集的意图词语， 得到意图标签， 对意图标签进 行向量编码， 得到第一意图特征； 根据交互语句 分词文本及交互语句分词文本中分词词语的词 性， 计算第二意图特征； 对交互语句分词文本进 行向量编码， 得到第三意图特征； 利用预先训练 完成的分类模 型融合第一意图特征、 第二意图特 征以及第三意图特征， 并进行意图分类。 本发明 还提出一种意图分类装置、 电子设备以及存储介 质。 本发明可以提升意图分类时的准确性。 权利要求书2页 说明书12页 附图3页 CN 114943306 A 2022.08.26 CN 114943306 A 1.一种意图分类方法， 其特 征在于， 所述方法包括： 获取用户的交 互信息， 将所述交 互信息转 化为文本格式， 得到交 互文本； 识别所述交互文本 中的交互对象， 并根据 所述交互对象将所述交互文本拆分为交互语 句集； 对所述交互语句集中的每个交互语句进行分词操作， 得到多个交互语句分词文本， 并 标注每个所述交 互语句分词文本中分词 词语的词性； 根据预构建的意图词语库查询每个所述交互语句分词 文本中的意图词语， 并将查询到 的意图词语在所述交互语句分词文本中进行标记， 得到意图标签， 对所述意图标签进行向 量编码操作， 得到第一 意图特征； 根据所述交互语句分词文本中分词词语的词性， 计算所述交互语句集的第二意图特 征； 对每个所述交 互语句分词文本进行向量编码 操作， 得到第三 意图特征； 利用预先训练完成的分类模型融合所述第 一意图特征、 所述第 二意图特征以及所述第 三意图特征， 得到多维意图特征， 并对 所述多维意图特征进 行分类， 得到所述交互信息的意 图分类结果。 2.如权利要求1所述的意图分类方法， 其特征在于， 所述根据所述交互语句分词 文本中 分词词语的词性， 计算所述交 互语句集中的第二 意图特征， 包括： 统计词性相同的所有分词 词语在对应的交 互语句分词文本中的词语数量； 计算词性相同的分词 词语数量占对应的交 互语句分词文本中总分词 词语数量的比率； 统计每个所述意图标签在每 个所述交 互语句分词文本中的标签数量； 汇总所述词语数量、 所述比率以及所述标签数量， 得到所述第二 意图特征。 3.如权利要求1所述的意图分类方法， 其特征在于， 所述将所述交互信 息转化为文本格 式， 得到交 互文本， 包括： 对所述交 互信息执 行语音加窗分帧处 理， 得到语音帧序列； 提取所述语音帧序列的声学 特征； 根据所述声学 特征对所述所述交 互信息执 行解码操作， 得到所述交 互文本。 4.如权利要求1所述的意图分类方法， 其特征在于， 所述根据所述交互对象将所述交互 文本拆分为交 互语句集， 包括： 识别所述交 互对象的交 互槽位； 查询所述交互槽位中每一 次交互操作， 并根据每一 次所述交互操作将所述交互文本分 割成多个交 互操作文本， 得到所述交 互语句集。 5.如权利要求1所述的意图分类方法， 其特征在于， 所述利用预先训练完成的分类模型 对所述多维意图特 征进行分类， 包括： 利用所述全连接网络层对所述所述第 一意图特征、 所述第 二意图特征以及所述第 三意 图特征进行意图特 征融合， 得到所述多维意图特 征； 利用所述softmax层的softmax函数计算所述多维意图特征命中预设的意图分类标签 的概率值； 确定所述 概率值最大的所述 意图分类标签为所述交 互信息的意图分类结果。 6.如权利要求5所述的意图分类方法， 其特征在于， 所述利用所述softmax层的softmax权　利　要　求　书 1/2 页 2 CN 114943306 A 2函数计算所述多维意图特 征命中预设的意图分类标签的概 率值， 包括： 所述softmax函数采用下述 函数； 其中， Zi为所述softmax层中第i个神经元的输出值， K为所述意图分类标签的数量， softmax(Zi)为所述多维意图特 征分类在第c个所述 意图分类标签下的概 率值。 7.如权利要求1所述的意图分类方法， 其特征在于， 所述对每个所述交互语句分词 文本 进行向量编码 操作， 得到第三 意图特征， 包括： 查询每个所述交 互语句分词文本中的词语位置以及统计分词文本 长度； 根据所述词语位置以及所述分词 文本长度， 对每个所述交互语句分词文本进行字符编 码， 得到所述第三 意图特征。 8.一种意图分类装置， 其特 征在于， 所述装置包括： 交互信息处理模块， 用于获取用户的交互信 息， 将所述交互信 息转化为文本格 式， 得到 交互文本； 识别所述交互文本中的交互对 象， 并根据所述交互对 象将所述交互文本拆分为 交互语句集； 对所述交互语句集中的每个交互语句进行分词操作， 得到多个交互语句分词 文本， 并标注每 个所述交 互语句分词文本中分词 词语的词性； 意图特征提取模块， 用于根据 预构建的意图词语库查询每个所述交互语句分词 文本中 的意图词语， 并将查询到的意图词语在所述交互语句分词文本中进 行标记， 得到意图标签， 对所述意图标签进行向量编码操作， 得到第一意图特征； 根据所述交互语句分词文本中分 词词语的词性， 计算所述交互语句集的第二意图特征； 对每个所述交互语句分词文本进行 向量编码 操作， 得到第三 意图特征； 意图分类模块， 用于利用预先训练完成的分类模型融合所述第一意图特征、 所述第二 意图特征以及所述第三意图特征， 得到多维意图特征， 并对所述多维意图特征进 行分类， 得 到所述交 互信息的意图分类结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的意图分类方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任意 一项所述的意图分类方法。权　利　要　求　书 2/2 页 3 CN 114943306 A 3