[發明專利]人機交互中自然語言意圖理解方法及裝置有效
| 申請號： | 201710219326.7 | 申請日： | 2017-04-06 |
| 公開（公告）號： | CN107193865B | 公開（公告）日： | 2020-03-10 |
| 發明（設計）人： | 劉振國;孫世杰;張海雷;胡一川;汪冠春 | 申請（專利權）人： | 上海奔影網絡科技有限公司 |
| 主分類號： | G06F16/9032 | 分類號： | G06F16/9032 |
| 代理公司： | 北京清亦華知識產權代理事務所(普通合伙) 11201 | 代理人： | 張潤 |
| 地址： | 100081 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 人機交互 自然語言 意圖 理解 方法 裝置 | ||
1.一種人機交互中自然語言意圖理解方法，其特征在于，包括以下步驟：
獲取待解析的對話文本信息；
確定所述對話文本信息中每個分詞的詞向量；
根據意圖識別模型和所述詞向量，生成與所述對話文本信息的意圖類型；
獲取與所述意圖類型對應的意圖要素抽取模型；
根據所述意圖要素抽取模型和所述詞向量，從所述對話文本信息中確定出表達所述意圖類型所需要的意圖要素的關鍵詞信息。
2.如權利要求1所述的人機交互中自然語言意圖理解方法，其特征在于，所述確定所述對話文本信息中每個分詞的詞向量，包括：
對所述對話文本信息進行分詞，以生成所述對話文本信息的分詞結果；
根據所述分詞結果生成所述對話文本信息中每個分詞的詞向量。
3.如權利要求1所述的人機交互中自然語言意圖理解方法，其特征在于，所述意圖識別模型是基于長短時記憶(LSTM)的循環神經網絡預先建立的，所述意圖識別模型包括多個LSTM單元，所述根據意圖識別模型和所述詞向量，生成與所述對話文本信息的意圖類型，包括：
在當前分詞為第一個分詞時，獲取第一初始隱向量，并將所述第一初始隱向量和所述第一個分詞的詞向量輸入第一個LSTM單元，以通過所述LSTM單元生成所述當前分詞的第一隱向量；
在當前分詞為第i個分詞時，獲取第i-1個分詞的第一隱向量，并將所述第i-1個分詞的第一隱向量和所述第i個分詞的詞向量輸入第i個LSTM單元，以通過所述第i個LSTM單元生成所述第i個分詞的第一隱向量，其中，i為大于或者等于2，且小于N的正整數，其中，N為所述文本信息中分詞的總數；
獲取第N個分詞的第一隱向量，并根據所述第N個分詞的第一隱向量確定出所述文本信息所表達的候選意圖類型及其對應的概率信息；
根據所述候選意圖類型所對應的概率信息，確定出所述對話文本信息的意圖類型。
4.如權利要求1所述的人機交互中自然語言意圖理解方法，其特征在于，所述意圖要素抽取模型是基于雙向的長短時記憶(LSTM)的循環神經網絡預先建立的。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海奔影網絡科技有限公司，未經上海奔影網絡科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201710219326.7/1.html，轉載請聲明來源鉆瓜專利網。
