一种意图确定方法及装置与流程

1.本公开涉及计算机技术领域，尤其涉及一种意图确定方法及装置。


背景技术：

2.随着科学技术的发展，对自然语言的意图理解是目前智能化场景中必不可少的一环，对话理解任务是自然语言处理任务中的一种意图识别类型，通常的意图识别方式为：定义一个意图集合与实体词集合，其中每个意图可以对应实体词集合的一个子集，每个口语句子都可以对应意图集合中的一个或多个意图，同时句子中可以包含若干词语片段，每个片段对应一个实体词。
3.在现有技术中，语句意图识别任务通常会利用标注样本或模板等训练数据，实现语句意图识别，例如，需要基于人工标注的模板做意图匹配，对满足模板条件的自然语言返回对应的意图识别结果，显然，这种意图识别的方式依赖于人工抽象总结自然语言的规律以及人工标注意识模板。然而，由于纯靠人工标注意识模板，会导致人工工作量巨大、标注效率低下的问题；并且，由于人工抽象总结自然语言的规律的主观因素高，会存在标注人员难以理解深层语义信息，导致人工标注不准确的问题，以及人工标注难以将意图标注完整，会存在漏标意图的情况。
4.也就是说，目前的语句意图确定的方式过于依赖人工标注意识模板，易出现人工标注不准确、漏标意图、标注效率低下的情况，从而导致无法准确、全面、高效地识别语句的意图。


技术实现要素：

5.有鉴于此，本公开实施例提供了一种意图确定方法、装置、计算机设备及计算机可读存储介质，以解决现有技术中过于依赖人工标注意识模板，易出现人工标注不准确、漏标意图、标注效率低下的情况，从而导致无法准确、全面、高效地识别语句的意图的问题。
6.本公开实施例的第一方面，提供了一种意图确定方法，所述方法包括：
7.获取待识别文本；
8.根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；
9.针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；
10.根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。
11.本公开实施例的第二方面，提供了一种意图确定装置，所述装置包括：
12.文本获取模块，用于获取获取待识别文本；
13.第一确定模块，用于根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；
14.第二确定模块，用于针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；
15.意图确定模块，用于根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。
16.本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
17.本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
18.本公开实施例与现有技术相比存在的有益效果是：本公开实施例可以先获取待识别文本。然后，可以根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度。接着，可以针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度。紧接着，可以根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。这样，由于本实施例是根据待识别文本与各个候选意图之间的文本相似度和语义相似度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。
附图说明
19.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
20.图1是本公开实施例的应用场景的场景示意图；
21.图2是本公开实施例提供的意图确定方法的流程图；
22.图3是本公开实施例提供的意图确定装置的框图；
23.图4是本公开实施例提供的计算机设备的示意图。
具体实施方式
24.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
25.下面将结合附图详细说明根据本公开实施例的一种意图确定方法和装置。
26.在现有技术中，目前的语句意图确定的方式过于依赖人工标注意识模板，易出现
人工标注不准确、漏标意图、标注效率低下的情况，从而导致无法准确、全面、高效地识别语句的意图的问题。
27.为了解决上述问题。本发明提供了一种意图确定方法，在本方法中，可以先获取待识别文本。然后，可以根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度。接着，可以针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度。紧接着，可以根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。这样，由于本实施例是根据待识别文本与各个候选意图之间的文本相似度和语义相似度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。
28.举例说明，本公开实施例可以应用到如图1所示的应用场景。在该场景中，可以包括终端设备1。
29.终端设备1可以是硬件，也可以是软件。当终端设备1为硬件时，其可以是具有支持数据处理功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备1为软件时，其可以安装在如上所述的电子设备中。终端设备1可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。当然，本发明实施例也是可以应用于服务器中的。
30.具体地，在图1所示的应用场景中，用户可以通过终端设备1输入待识别文本，终端设备1可以先根据该待识别文本以及预设的若干候选意图，确定该待识别文本分别与各个候选意图之间的文本相似度和语义相似度。然后，终端设备1可以针对每个候选意图，根据该待识别文本与该候选意图之间的文本相似度和语义相似度，确定该候选意图的意图相似度。接着，终端设备1可以根据若干候选意图各自分别对应的意图相似度，从若干候选意图中筛选该待识别文本对应的目标意图。这样，由于本实施例是根据待识别文本与各个候选意图之间的文本相似度和语义相似度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。
31.需要说明的是，终端设备1的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
32.需要注意的是，上述应用场景仅是为了便于理解本公开而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。
33.图2是本公开实施例提供的一种意图确定方法的流程图。图2的一种意图确定方法可以由图1的终端设备(或服务器)执行。如图2所示，该意图确定方法包括：
34.s201：获取待识别文本。
35.在本实施例中，可以将用户通过终端设备输入的文本信息称之为待识别文本。待识别文本可以包括若干字符串，待识别文本可以为包括汉字、英文或者数字等各种类型字符的字符串；在一种实现方式中，待识别文本可以为用户对话日志，比如，待识别文本可以为“天猫商城订单怎样查询”。在一种实现方式中，用户通过实体键盘、虚拟键盘或者语音输入的方式，在询问对话界面(比如客服对话界面)输入一信息后，可以将该信息作为待识别文本。
36.s202：根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度。
37.在本实施例中，可以预先设置了若干候选意图，其中，候选意图可以理解为预先设置的意图表述。需要说明的是，每个候选意图均对应一个意图标识，而一个意图标识可以对应一个或多个候选意图，可以理解的是，一个意图标识对应的多个候选意图可以理解为属于相似描述的多个意图表述。其中，意图标识可以理解为预设的意图的标签，而候选意图为意图标识的一种意图表述。举例来说，预设的意图标识为“卡券订单怎么查”，该意图标识对应的属于相似描述的候选意图可以包括“天猫商城订单怎样查询”、“天猫的订单在哪里查询”等。需要强调的是，在一种实现方式中若干意图标识和若干意图标识对应的候选意图可以预先存储在预设的知识库中。
38.作为一种示例，在获取到待识别文本后，可以从文本和语义两个维度分别评估待识别文本分别与各个候选意图之间的相似度，以便可以精准匹配到待识别文本对应的意图。具体地，针对每个候选意图，可以根据待识别文本和该候选意图，确定该待识别文本与该候选意图之间的文本相似度，比如，可以利用bm25算法确定该待识别文本与该候选意图之间的文本相似度；以及，可以根据待识别文本和该候选意图，确定该待识别文本与该候选意图之间的语义相似度，比如，可以利用文本的文本内容对应的语义分类结果或者文本的文本向量，确定该待识别文本与该候选意图之间的语义相似度。可以理解的是，文本相似度为待识别文本与候选意图在文本字面维度的相似度，语义相似度为待识别文本与候选意图在文本语义维度的相似度；也就是说，文本相似度可以反映待识别文本与候选意图在文本内容的字面方面的相似度，语义相似度可以反映待识别文本与候选意图在文本内容的语义方面的相似度。需要说明的是，待识别文本与候选意图之间的文本相似度越高，说明待识别文本与候选意图在文本字面方面的相似度越高，反之，待识别文本与候选意图之间的文本相似度越低，说明待识别文本与候选意图在文本字面方面的相似度越低；待识别文本与候选意图之间的语义相似度越高，说明待识别文本与候选意图在文本语义方面的相似度越高，反之，待识别文本与候选意图之间的语义相似度越低，说明待识别文本与候选意图在文本语义方面的相似度越低。
39.举例来说，假设预设的候选意图包括候选意图“卡券订单怎么查”，在获取到待识别文本“天猫商城订单怎样查询”后，可以计算该待识别文本与该候选意图之间的文本相似度和语义相似度。
40.s203：针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度。
41.在获取到待识别文本分别与各个候选意图之间的文本相似度和语义相似度后，可
以根据待识别文本分别与各个候选意图之间的文本相似度和语义相似度，确定待识别文本分别与各个候选意图的意图相似度。其中，待识别文本与候选意图的意图相似度可以理解为综合文本字面维度和文本语义维度所评估得到的意图相似度。
42.也就是说，在本实施例中，针对每个候选意图，可以根据待识别文本与该候选意图之间的文本相似度和语义相似度，确定该候选意图的意图相似度。例如，可以将待识别文本与该候选意图之间的文本相似度和语义相似度之和作为该候选意图的意图相似度，也可以将待识别文本与该候选意图之间的文本相似度和语义相似度的平均值作为该候选意图的意图相似度；当然，还可以采用其它的意图相似度确定方式，具体地意图相似度确定方式将在后续进行介绍。
43.s204：根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。
44.在确定各个候选意图各自分别对应的意图相似度后，可以先基于所有候选意图各自分别对应的意图相似度，筛选出意图相似度满足预设条件的候选意图。然后，可以将满足预设条件的候选意图对应的意图标识作为待识别文本对应的目标意图。需要说明的是，待识别文本对应的目标意图可以为一个目标意图，也可以为多个目标意图，在本实施例中对于待识别文本对应的目标意图的数量不做限定。
45.其中，所述预设条件可以为多种实现方式，接下来，将针对两种预设条件的实现方式进行说明介绍。
46.第一种预设条件的实现方式为：将意图相似度大于预设相似度阈值的候选意图对应的意图标识作为所述待识别文本对应的目标意图。
47.在本实施例中，可以预先设置有预设相似度阈值，在确定各个候选意图各自分别对应的意图相似度后，可以先筛选出意图相似度大于预设相似度阈值的候选意图。然后，可以分别确定意图相似度大于预设相似度阈值的各个候选意图各自分别对应的意图标识。接着，可以将意图相似度大于预设相似度阈值的所有候选意图对应的意图标识作为待识别文本对应的目标意图。其中，预设相似度阈值可以根据不同用户需求进行调整。
48.第二种预设条件的实现方式为：根据所述若干候选意图各自分别对应的意图相似度对所述若干候选意图进行排序，得到排序结果；以及，根据所述排序结果，确定所述待识别文本对应的目标意图。
49.在本实施例中，可以先根据若干候选意图各自分别对应的意图相似度对所述若干候选意图进行排序，得到排序结果，例如，按照意图相似度从大到小的顺序对所述若干候选意图进行排序，或者，按照意图相似度从小到大的顺序对所述若干候选意图进行排序，得到排序结果。然后，可以根据预设的筛选比例，从若干候选意图中筛选出预设的筛选比例的候选意图，接着，可以将筛选出的候选意图对应的意图标识作为待识别文本对应的目标意图。例如，假设预设的筛选比例为1％，且所有候选意图的数量为1000个；若排序结果是按照意图相似度从大到小的顺序排序得到的，则可以将排序结果中排名前10的候选意图筛选出来，以及可以将排序结果中排名前10的候选意图对应的意图标识作为待识别文本对应的目标意图；若排序结果是按照意图相似度从小到大的顺序排序得到的，则可以将排序结果中排名后10的候选意图筛选出来，以及可以将排序结果中排名后10的候选意图对应的意图标识作为待识别文本对应的目标意图。
50.本公开实施例与现有技术相比存在的有益效果是：本公开实施例可以先获取待识别文本。然后，可以根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度。接着，可以针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度。紧接着，可以根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。这样，由于本实施例是根据待识别文本与各个候选意图之间的文本相似度和语义相似度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。
51.接下来，将介绍s202，即“根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度”的一种具体实现方式。具体地，在一种实现方式中，s202可以包括：
52.针对每一个候选意图，根据所述待识别文本的文本内容和所述候选意图的文本内容，确定所述待识别文本与所述候选意图之间的文本相似度；以及，根据所述待识别文本的文本向量和所述候选意图的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度。
53.在本实施例中，在获取到待识别文本后，可以从文本和语义两个维度去评估待识别文本分别与各个候选意图之间的语义相似度，以便可以精准匹配到待识别文本对应的意图。接下来将分别介绍在本实施例中，待识别文本与候选意图之间的文本相似度的确定方式，以及，待识别文本与候选意图之间的语义相似度的确定方式。
54.在本实施例中，待识别文本与一候选意图之间的文本相似度的确定方式可以包括以下步骤：
55.s202a：对所述待识别文本的文本内容进行分词处理，得到若干字符串。
56.在本实施例中，可以根据待识别文本中各个字符串的词性对待识别文本的文本内容进行分词处理，例如，先确定待识别文本中各个字符串的词性，接着，可以根据各个字符串的词性对对待识别文本的文本内容进行分词处理。举例来说，假设待识别文本为“天猫商城订单怎样查询”，由于“天猫商城订单”的词性为名词，“怎样”的词性为疑问代词，“查询”的词性为动词，则可以将该待识别文本进行分词处理，得到三个字符串，分为为“天猫商城订单”、“怎样”和“查询”。当然，本实施例还可以采用其它方式进行分词处理，例如可以采用正向最大匹配法、逆向最大匹配法、最少切分法等分词处理方式。
57.s202b：可以针对每个字符串，根据所述字符串和所述候选意图的文本内容，确定所述字符串与所述候选意图的文本内容之间的相关程度值。
58.在本实施例中，针对每个字符串，可以根据该字符串在候选意图的文本内容中出现的频率以及出现的独立性，确定该字符串与该候选意图的文本内容之间的相关程度值，例如，可以利用二值独立模型确定该字符串与该候选意图的文本内容之间的相关程度值。其中，字符串与候选意图的文本内容之间的相关程度值可以理解为字符串与候选意图的文
本内容之间的关联的程度。可以理解的是，字符串在候选意图的文本内容中出现的频率越高以及出现的独立性越低，该字符串与该候选意图的文本内容之间的相关程度值越高；反之，字符串在候选意图的文本内容中出现的频率越低以及出现的独立性越高，该字符串与该候选意图的文本内容之间的相关程度值越低。
59.s202c：根据所述字符串和所述若干候选意图的文本内容，确定所述字符串的权重值。
60.在本实施例中，可以利用文本内容中包含有该字符串的候选意图的数量确定该字符串的权重值，例如可以利用idf值(即单词权重值)的公式确定字符串的权重值。可以理解的是，文本内容中包含有该字符串的候选意图的数量越多，该字符串的权重值越高，反之，文本内容中包含有该字符串的候选意图的数量越少，该字符串的权重值越低。
61.s202d：根据各个字符串的权重值和相关程度值，确定所述待识别文本与所述候选意图之间的文本相似度。
62.在确定候选意图的每个字符串的权重值和相关程度值后，可以分别根据各个字符串的权重值和相关程度值，确定待识别文本与该候选意图之间的文本相似度。例如，可以将所有字符串的权重值和相关程度值的乘积之和作为该待识别文本与该候选意图之间的文本相似度。
63.在本实施例中，待识别文本与一候选意图之间的语义相似度的确定方式可以包括以下步骤：
64.s202a：获取预设的所述候选意图的文本向量。
65.需要说明的是，由于将文本转化为向量后再计算语义相似度的方式对于数据的依赖更小，因此，将文本转化为向量后再计算语义相似度的效果比直接进行语义分类更好；因此，在本实施例中，在获取到待识别文本后，可以先获取预设的候选意图的文本向量。需要说明的是，文本向量可以理解为文本内容对应的数字列表。
66.在本实施例的一种实现方式中，所有候选意图可以预先都转化为对应的文本向量，以及，将所有候选意图各自分别对应的文本向量存储在向量数据库中，以便可以根据需求直接调用候选意图进行使用。
67.s202b：将所述待识别文本输入文本向量生成模型，得到所述待识别文本的文本向量。
68.在本实施例中，文本向量生成模型可以为已训练的意图分类模型的编码网络模块。其中，所述已训练的意图分类模型是基于样本文本以及样本文本对应的意图标签训练得到的，样本文本对应的意图标签可以理解为样本文本对应的正确的意图标识。
69.可以理解的是，利用样本文本以及样本文本对应的意图标签对意图分类模型进行训练后，得到已训练的意图分类模型，具体为：将样本文本输入意图分类模型，得到该意图分类模型输出的该样本文本属于各个意图标签的概率，根据概率最高的意图标签和样本文本对应的意图标签确定损失值，以及，根据损失值对意图分类模型的模型参数进行调整，直至意图分类模型的模型参数满足预设条件，例如模型参数拟合；这样，可以使得训练后的意图分类模型中的文本向量分布满足以下特点：属于同一意图的文本向量尽可能接近，属于不同意图的文本向量尽可能远离。然后，可以将已训练的意图分类模型中的编码网络模块作为文本向量生成模型。这样，便可以通过向文本向量生成模型输入文本内容，便可以得到
文本向量生成模型输出的文本内容对应的文本向量。
70.需要说明的是，在一种实现方式中，文本向量生成模型可以为双向编码器(bidirectional encoder representation from transformers，bert)。以及，意图分类模型训练时采用的归一化函数可以为amsoftmax函数。
71.s202c：根据所述候选意图的文本向量和所述待识别文本的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度。
72.由于文本向量可以反映文本的语义，因此，对于每个候选意图，在确定待识别文本与该候选意图之间的语义相似度后，可以利用候选意图的文本向量和待识别文本的文本向量之间的相似度，确定待识别文本与候选意图之间的语义相似度。在一种实现方式中，可以确定候选意图的文本向量和待识别文本的文本向量之间的余弦相似度，然后，可以将该余弦相似度作为该待识别文本与该候选意图之间的语义相似度。
73.接下来，将介绍s203，即“根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度”的多种具体实现方式。接下来，将介绍其中的两种实现方式：
74.第一种实现方式：可以利用预设相似度权重值，确定候选意图的意图相似度。具体地，在实现方式中，s203可以包括以下步骤：
75.s203a：获取预设的文本相似度权重值和预设的语义相似度权重值。
76.在本实现方式中，文本相似度权重值和语义相似度权重值可以为预先设置的。需要说明的是，文本相似度权重值和语义相似度权重值可以根据不同的实际需求进行调整。
77.s203b：根据所述预设的文本相似度权重值和所述待识别文本与所述候选意图之间的文本相似度，确定第一相似度。
78.作为一种示例，可以将预设的文本相似度权重值和待识别文本与候选意图之间的文本相似度之间的乘积，作为第一相似度。
79.s203c：根据所述预设的语义相似度权重值和所述待识别文本与所述候选意图之间的语义相似度，确定第二相似度。
80.作为一种示例，可以将预设的语义相似度权重值和待识别文本与候选意图之间的语义相似度之间的乘积，作为第二相似度。
81.s203d：根据所述第一相似度和所述第二相似度，确定所述候选意图的意图相似度。
82.在确定候选意图对应的第一相似度和第二相似度后，可以利用第一相似度和第二相似度，计算该候选意图的意图相似度。例如，可以将第一相似度和第二相似度的和作为该候选意图的意图相似度，或者，可以将第一相似度和第二相似度的平均值作为该候选意图的意图相似度。
83.第二种实现方式：可以根据待识别文本的字符长度确定候选意图的意图相似度。具体地，在实现方式中，s203可以包括以下步骤：
84.s203a：若所述待识别文本的字符长度小于或等于预设长度阈值，将所述待识别文本与所述候选意图之间的文本相似度作为所述候选意图的意图相似度。
85.s203b：若所述待识别文本的字符长度大于所述预设长度阈值，将所述待识别文本与所述候选意图之间的语义相似度作为所述候选意图的意图相似度。
86.由于待识别文本的字符长度较短时，待识别文本与候选意图的字面的相似度(即文本相似度)越大，说明待识别文本的真实意图为该候选意图的概率越大；待识别文本的字符长度较长时，待识别文本与候选意图之间的语义的相似度(即语义相似度)越大，说明待识别文本的真实意图为该候选意图的概率越大。因此，在本实现方式中，可以先确定待识别文本的字符长度；然后，可以根据待识别文本的字符长度确定候选意图的意图相似度，具体地，若待识别文本的字符长度小于或等于预设长度阈值(比如5个字符长度)，则可以将该待识别文本与候选意图之间的文本相似度作为该候选意图的意图相似度，若该待识别文本的字符长度大于该预设长度阈值，则可以将该待识别文本与该候选意图之间的语义相似度作为该候选意图的意图相似度。
87.需要说明的是，为了提高待识别文本的意图确定结果的准确性、全面性和高效性，在本实施例的一种实现方式中，可以将待识别文本和待识别文本对应的意图标识作为意图标识和/或候选意图的补充，可以使得意图标识更加丰富和/或意图标识对应的候选意图更加丰富，从而可以进一步提高待识别文本的意图确定结果的准确性、全面性和高效性。具体地，在本实施例中，有多种将待识别文本和待识别文本对应的真实意图作为候选意图的补充方式，接下来，将对其中两种方式进行介绍。
88.第一种实现方式，若待识别文本对应的目标意图包括多个目标意图，所述方法还可以包括以下步骤：
89.响应于意图确定指令，在将所述多个目标意图中确定所述意图确定指令对应的一个目标意图，并将该目标意图对应的意图标识确定为所述待识别文本的真实意图；以及，将所述待识别文本作为该意图标识对应的候选意图进行存储。
90.在本实现方式中，若待识别文本对应的目标意图包括多个目标意图，可以利用终端设备将多个目标意图向用户展示，以便用户在所展示的多个目标意图中选择一个目标意图，此时，可以根据用户所选择的目标意图对应的意图标识生成意图确定指令，其中，该意图确定指令可以包括用户所选择的目标意图。这样，便可以响应于意图确定指令，将该意图确定指令中的意图标识确定为待识别文本的真实意图。并且，可以将该待识别文本作为该意图标识对应的候选意图进行存储，例如，可以将该待识别文本作为该意图标识对应的候选意图存储至预设的知识库，以及，将所述待识别文本对应的文本向量存储至向量数据库中。这样，可以将待识别文本作为待识别文本对应的候选意图的补充，可以使得意图标识对应的候选意图更加丰富，可以进一步提高待识别文本的意图确定结果的准确性、全面性和高效性。
91.第二种实现方式，若待识别文本对应的目标意图包括多个目标意图，所述方法还可以包括以下步骤：
92.响应于意图标注指令，将所述意图标注指令包括的标注意图确定为所述待识别文本的意图标识，其中，所述意图标识与所述多个目标意图各自对应的意图标识均不相同；将所述标注意图作为意图标识进行存储，以及，将所述待识别文本作为所述标注意图对应的候选意图进行存储。
93.在本实现方式中，若待识别文本对应的目标意图包括多个目标意图，且用户认为所述多个目标意图均不为待识别文本的真实意图标识，则用户可以利用终端设备标注待识别文本的真实意图标识，以及，将所标注的待识别文本的真实意图标识作为标注意图，此
时，可以根据标注意图生成意图标注指令，其中，该意图标注指令包括该标注意图。这样，便可以响应于意图标注指令，将该意图标注指令中的标注意图确定为待识别文本的真实意图，即将所述意图标注指令包括的标注意图确定为所述待识别文本的意图标识。并且，可以将所述标注意图作为意图标识进行存储，比如，将所述标注意图作为意图标识存储至预设的知识库中；以及，可以将所述待识别文本作为所述标注意图对应的候选意图进行存储，比如，可以将所述待识别文本作为所述标注意图对应的候选意图存储至知识库中，以及，将所述待识别文本对应的文本向量存储至向量数据库中。这样，可以将待识别文本和待识别文本对应的意图标识作为意图标识和候选意图的补充，可以使得意图标识更加丰富和意图标识对应的候选意图更加丰富，从而可以进一步提高待识别文本的意图确定结果的准确性、全面性和高效性。
94.上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
95.下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
96.图3是本公开实施例提供的意图确定装置的示意图。如图3所示，该意图确定装置包括：
97.文本获取模块301，用于获取获取待识别文本；
98.第一确定模块302，用于根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；
99.第二确定模块303，用于针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；
100.意图确定模块304，用于根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。
101.可选的，所述第一确定模块302，用于：
102.针对每一个候选意图，根据所述待识别文本的文本内容和所述候选意图的文本内容，确定所述待识别文本与所述候选意图之间的文本相似度；以及，根据所述待识别文本的文本向量和所述候选意图的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度。
103.可选的，所述第一确定模块302，具体用于：
104.对所述待识别文本的文本内容进行分词处理，得到若干字符串；
105.针对每个字符串，根据所述字符串和所述候选意图的文本内容，确定所述字符串与所述候选意图的文本内容之间的相关程度值；以及，根据所述字符串和所述若干候选意图的文本内容，确定所述字符串的权重值；
106.根据各个字符串的权重值和相关程度值，确定所述待识别文本与所述候选意图之间的文本相似度。
107.可选的，所述第一确定模块302，具体用于：
108.获取预设的所述候选意图的文本向量；
109.将所述待识别文本输入文本向量生成模型，得到所述待识别文本的文本向量；
110.根据所述候选意图的文本向量和所述待识别文本的文本向量，确定所述待识别文
本与所述候选意图之间的语义相似度。
111.可选的，所述文本向量生成模型为已训练的意图分类模型的编码网络模块；其中，所述已训练的意图分类模型是基于样本文本以及样本文本对应的意图标签训练得到的。
112.可选的，所述第一确定模块302，具体用于：
113.确定所述候选意图的文本向量和所述待识别文本的文本向量之间的余弦相似度；
114.将所述余弦相似度作为所述待识别文本与所述候选意图之间的语义相似度。
115.可选的，所述第二确定模块303，用于：
116.获取预设的文本相似度权重值和预设的语义相似度权重值；
117.根据所述预设的文本相似度权重值和所述待识别文本与所述候选意图之间的文本相似度，确定第一相似度；
118.根据所述预设的语义相似度权重值和所述待识别文本与所述候选意图之间的语义相似度，确定第二相似度；
119.根据所述第一相似度和所述第二相似度，确定所述候选意图的意图相似度。
120.可选的，所述第二确定模块303，具体用于：
121.若所述待识别文本的字符长度小于或等于预设长度阈值，将所述待识别文本与所述候选意图之间的文本相似度作为所述候选意图的意图相似度；
122.若所述待识别文本的字符长度大于所述预设长度阈值，将所述待识别文本与所述候选意图之间的语义相似度作为所述候选意图的意图相似度。
123.可选的，所述意图确定模块304，用于：
124.将意图相似度大于预设相似度阈值的候选意图对应的意图标识作为所述待识别文本对应的目标意图；或者，
125.根据所述若干候选意图各自分别对应的意图相似度对所述若干候选意图进行排序，得到排序结果；以及，根据所述排序结果，确定所述待识别文本对应的目标意图。
126.可选的，所述待识别文本对应的目标意图包括多个目标意图；所述装置还包括存储模块，用于：
127.响应于意图确定指令，在所述多个目标意图中确定所述意图确定指令对应的一个目标意图，并将该目标意图对应的意图标识确定为所述待识别文本的真实意图；以及，将所述待识别文本作为该意图标识对应的候选意图进行存储；或者，
128.响应于意图标注指令，将所述意图标注指令包括的标注意图确定为所述待识别文本的意图标识，其中，所述意图标识与所述多个目标意图各自对应的意图标识均不相同；将所述标注意图作为意图标识进行存储，以及，将所述待识别文本作为所述标注意图对应的候选意图进行存储。
129.本公开实施例与现有技术相比存在的有益效果是：本公开实施例一种意图确定装置，所述装置包括：文本获取模块，用于获取获取待识别文本；第一确定模块，用于根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；第二确定模块，用于针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；意图确定模块，用于根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。这样，由于本实施例是根据待识别文本与各个候选意图之间的文本相似度和语义相似
度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。
130.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
131.图4是本公开实施例提供的计算机设备4的示意图。如图4所示，该实施例的计算机设备4包括：处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/模块的功能。
132.示例性地，计算机程序403可以被分割成一个或多个模块/模块，一个或多个模块/模块被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在计算机设备4中的执行过程。
133.计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。
134.处理器401可以是中央处理模块(central processing unit，cpu)，也可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
135.存储器402可以是计算机设备4的内部存储模块，例如，计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备，例如，计算机设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器402还可以既包括计算机设备4的内部存储模块也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
136.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块、模块完成，即将装置的内部结构划分成不同的功能模块或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块、模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中，上述集成的模块
既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，各功能模块、模块的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。上述系统中模块、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
137.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
138.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
139.在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或模块的间接耦合或通讯连接，可以是电性，机械或其它的形式。
140.作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
141.另外，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
142.集成的模块/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
143.以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

技术特征：
1.一种意图确定方法，其特征在于，所述方法包括：获取待识别文本；根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度，包括：针对每一个候选意图，根据所述待识别文本的文本内容和所述候选意图的文本内容，确定所述待识别文本与所述候选意图之间的文本相似度；以及，根据所述待识别文本的文本向量和所述候选意图的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度。3.根据权利要求2所述的方法，其特征在于，所述根据所述待识别文本的文本内容和所述候选意图的文本内容，确定所述待识别文本与所述候选意图之间的文本相似度，包括：对所述待识别文本的文本内容进行分词处理，得到若干字符串；针对每个字符串，根据所述字符串和所述候选意图的文本内容，确定所述字符串与所述候选意图的文本内容之间的相关程度值；以及，根据所述字符串和所述若干候选意图的文本内容，确定所述字符串的权重值；根据各个字符串的权重值和相关程度值，确定所述待识别文本与所述候选意图之间的文本相似度。4.根据权利要求2所述的方法，其特征在于，所述根据所述待识别文本的文本向量和所述候选意图的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度，包括：获取预设的所述候选意图的文本向量；将所述待识别文本输入文本向量生成模型，得到所述待识别文本的文本向量；根据所述候选意图的文本向量和所述待识别文本的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度。5.根据权利要求4所述的方法，其特征在于，所述文本向量生成模型为已训练的意图分类模型的编码网络模块；其中，所述已训练的意图分类模型是基于样本文本以及样本文本对应的意图标签训练得到的。6.根据权利要求4所述的方法，其特征在于，所述根据所述候选意图的文本向量和所述待识别文本的文本向量，确定所述待识别文本与所述候选意图之间的语义相似度，包括：确定所述候选意图的文本向量和所述待识别文本的文本向量之间的余弦相似度；将所述余弦相似度作为所述待识别文本与所述候选意图之间的语义相似度。7.根据权利要求1所述的方法，其特征在于，所述根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度，包括：获取预设的文本相似度权重值和预设的语义相似度权重值；根据所述预设的文本相似度权重值和所述待识别文本与所述候选意图之间的文本相
似度，确定第一相似度；根据所述预设的语义相似度权重值和所述待识别文本与所述候选意图之间的语义相似度，确定第二相似度；根据所述第一相似度和所述第二相似度，确定所述候选意图的意图相似度。8.根据权利要求1所述的方法，其特征在于，所述根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度，包括：若所述待识别文本的字符长度小于或等于预设长度阈值，将所述待识别文本与所述候选意图之间的文本相似度作为所述候选意图的意图相似度；若所述待识别文本的字符长度大于所述预设长度阈值，将所述待识别文本与所述候选意图之间的语义相似度作为所述候选意图的意图相似度。9.根据权利要求1所述的方法，其特征在于，所述根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图，包括：将意图相似度大于预设相似度阈值的候选意图对应的意图标识作为所述待识别文本对应的目标意图；或者，根据所述若干候选意图各自分别对应的意图相似度对所述若干候选意图进行排序，得到排序结果；以及，根据所述排序结果，确定所述待识别文本对应的目标意图。10.根据权利要求1-9中任一所述的方法，其特征在于，所述待识别文本对应的目标意图包括多个目标意图；所述方法还包括：响应于意图确定指令，在所述多个目标意图中确定所述意图确定指令对应的一个目标意图，并将该目标意图对应的意图标识确定为所述待识别文本的真实意图；以及，将所述待识别文本作为该意图标识对应的候选意图进行存储；或者，响应于意图标注指令，将所述意图标注指令包括的标注意图确定为所述待识别文本的意图标识，其中，所述意图标识与所述多个目标意图各自对应的意图标识均不相同；将所述标注意图作为意图标识进行存储，以及，将所述待识别文本作为所述标注意图对应的候选意图进行存储。11.一种意图确定装置，其特征在于，所述装置包括：文本获取模块，用于获取获取待识别文本；第一确定模块，用于根据所述待识别文本以及若干候选意图，确定所述待识别文本分别与各个候选意图之间的文本相似度和语义相似度；第二确定模块，用于针对每个候选意图，根据所述待识别文本与所述候选意图之间的文本相似度和语义相似度，确定所述候选意图的意图相似度；意图确定模块，用于根据所述若干候选意图各自分别对应的意图相似度，确定所述待识别文本对应的目标意图。12.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至11中任一项所述方法的步骤。13.一种计算机可读存储介质，所述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11中任一项所述方法的步骤。

技术总结
本公开涉及计算机技术领域，提供了一种意图确定方法及装置。本公开可以根据待识别文本与各个候选意图之间的文本相似度和语义相似度，确定该待识别文本对应的目标意图的，即，该待识别文本对应的目标意图是基于待识别文本与各个候选意图之间的文本相似度和语义相似度两个维度相结合确定的，因此，本实施例可以精准匹配到待识别文本对应的意图，而不需要和现有技术一样，依赖人工标注意识模板来确定待识别文本对应的意图，从而可以避免出现人工标注不准确、漏标意图、标注效率低下的情况；可见，本实施例所提供的方法可以提高待识别文本的意图确定结果的准确性、全面性和高效性，进而提高了用户体验。而提高了用户体验。而提高了用户体验。


技术研发人员：武文杰
受保护的技术使用者：深圳集智数字科技有限公司
技术研发日：2021.11.26
技术公布日：2022/3/8