CN110717514A 会话意图识别方法、装置、计算机设备和存储介质 （平安国际智慧城市科技股份有限公司）

司2将所述综合特征以及所述预测特征输入预训练模型，当多个分词关联的意图描述文本不同时，根据所述词性生成每个分词对应的词性向将多个分词的词向量、词性向量及主题向量进行融合3特征融合模块，用于通过所述第一模型并根据所述图形特征，确定9.一种计算机设备，包括存储器和处理器，所述存储4[0003]传统的进行会话意图识别的方式主要是利用神经语言程序学NLP(Neuro-LinguisticProgramming)的关键词匹配工具识别会话消息的意图。但这种方法依赖大量56以根据当前顺序练习对话的会话类型对当前顺序练习会话进行意图识别或评分等分析处7构成的模型。神经网络模型具体可以是VGG(VisualGeometryGroup视觉集合组)网络模型、GoogleNet(谷歌网络)模型或ResNet(能效评估系统)网络模型等CNN(Convolutional络)模型，还可以是LSTM(LongShort-TermMemoryNeuralNetwork，长短时记忆神经网[0033]图形特征具体可以是计算机设备从下文会话图片中提取出的可以表示图片的形设备可将下文会话图片输入至第一模型中，通过第一模型提取下文会话图片的图形特征。绘图片的图形特征，通过第一模型的池化层结构和/或全连接层结构确定手绘图片相应的8[0043]在一个实施例中，计算机设备可通过循环神经网络提取类别标签文本的文本特地获得会话图片相应的类别标签文本。将图形特征和相应的类别标签文本进行跨模态融识别过程中既能充分利用会话图片本身的图形特征，又能结合会话图片所属的类别信息。9图识别策略识别下文会话消息的意图。本实施例意图识别策略包括规则匹配和模型识别。[0056]在一个实施例中，计算机设备可预先设置类别标签文本和编码数据的映射计算机设备确定与图像特征相应的类别标签为“支出”时，则可确定相应的编码数据果。对中间结果依次进行池化处理(比如sumpooling处理)和回归处理(比如softmax处[0062]计算机设备查询会话文本中每个分词对应的词性是否包含预存储的词性(记作目第一出现顺序的分词关联的意图预描述文本确定为相应会话文本对应的最终的意图描述[0066]语义分析模型是经过训练后具有自然语言处理(NLP，naturallanguage练得到的用于提取文本语义的语言模型。比如word2vector模型word2vec模型(wordto还可以对得到的多个分词进行同义词扩展。同义词是指与原始分词含义相同或相近的词而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一[0076]在一个实施例中，特征提取模块302还用于监听用于答复当前会话分支中上文会[0078]在一个实施例中，意图识别模块306还用于获取与会话图片对应的意图预描述文[0080]在一个实施例中，意图识别模块306还用于当多个分词关联的意图描述文本不同[0081]关于会话意图识别装置的具体限定可以参见上文中对于会话意图识别方法的限非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)D