本申请实施例属于人工智能领域，涉及一种语音意图识别方法，包括获取待处理语音数据，转换待处理语音数据为待处理文本；获取预设标准文本，输入待处理文本和预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到待处理文本和每个预设标准文本的匹配分数；根据预设匹配模型中的排序层，确定匹配分数最高的预设标准文本为待处理文本的匹配文本；输入匹配文本至预设意图识别模型，基于预设意图识别模型输出得到匹配文本的意图，将匹配文本的意图作为待处理文本的意图。本申请还提供一种语音意图识别装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，意图可存储于区块链中。本申请提高了语音文本意图识别的准确率。的准确率。的准确率。
【技术实现步骤摘要】
语音意图识别方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及语音意图识别方法、装置、计算机设备及存储介质。
技术介绍
[0002]自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。传统的对话机器人中，大致包括:任务型语音机器人、对话型语音机器人及闲聊型机器人。这些所有的机器人能完成一个正常的对话的最核心任务就是在与用户对话的过程中对用户说的话进行的意图识别。然而当前普通的对话机器人在对用户进行识别时，往往只能识别简单的客户意图，当情景较为复杂或者处理语料较多时，意图识别的准确率较低，无法实现对用户的智能对话服务。
技术实现思路
[0003]本申请实施例的目的在于提出一种语音意图识别方法、装置、计算机设备及存储介质，以解决意图识别准确率低下的技术问题。
[0004]为了解决上述技术问题，本申请实施例提供一种语音意图识别方法，采用了如下所述的技术方案：
[0005]获取待处理语音数据，转换所述待处理语音数据为待处理文本；
[0006]获取预设标准文本，输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到所述待处理文本和每个所述预设标准文本的匹配分数；
[0007]根据所述预设匹配模型中的排序层，确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本；
[0008]输入所述匹配文本至预设意图识别模型，基于所述预设意图识别模型输出得到所述匹配文本的意图，将所述匹配文本的意图作为所述待处理文本的意图。
[0009]进一步的，所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到所述待处理文本和每个所述预设标准文本的匹配分数的步骤具体包括：
[0010]基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码，得到第一句向量和第二句向量；
[0011]输入所述第一句向量和所述第二句向量至所述转换层，计算得到相似度矩阵；
[0012]根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取，得到每个特征的匹配分数。
[0013]进一步的，所述输入所述第一句向量和所述第二句向量至所述转换层，计算得到相似度矩阵的步骤具体包括：
[0014]基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似
度；
[0015]根据所述字相似度生成所述相似度矩阵。
[0016]进一步的，所述基于预设意图识别模型输出得到所述匹配文本的意图的步骤具体包括：
[0017]所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层，输入所述匹配文本至所述编码层中，经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层，输出得到所述匹配文本的意图。
[0018]进一步的，在所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层的步骤之前还包括：
[0019]创建基础识别模型，所述基础识别模型包括基础匹配模型和基础意图识别模型；
[0020]获取测试文本，输入所述测试文本至所述基础识别模型中，计算得到总损失函数；
[0021]在所述总损失函数收敛时，确定所述基础识别模型训练完成，将训练完成的基础匹配模型和训练完成的基础意图识别模型分别作为预设匹配模型和预设意图识别模型。
[0022]进一步的，所述输入所述测试文本至所述基础识别模型中，计算得到总损失函数的步骤具体包括：
[0023]输入所述测试文本和所述预设标准文本至所述基础匹配模型中，得到所述测试文本和所述预设标准文本的预测匹配结果，将所述预测匹配结果作为所述基础匹配模型的第一损失函数；
[0024]根据所述预测匹配结果，选取预测匹配文本，输入所述预测匹配文本至所述基础意图识别模型中，输出得到预测识别结果，根据所述预测识别结果计算得到所述基础意图识别模型的第二损失函数；
[0025]根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数。
[0026]进一步的，所述根据所述第一损失函数和所述第二损失函数计算得到所述基础识别模型的总损失函数的步骤具体包括：
[0027]分别获取所述第一损失函数和所述第二损失函数的第一预设权重值和第二预设权重值；
[0028]根据所述第一预设权重值和所述第二预设权重对所述第一损失函数和所述第二损失函数进行加权求和，计算得到所述基础识别模型的总损失函数。
[0029]为了解决上述技术问题，本申请实施例还提供一种语音意图识别装置，采用了如下所述的技术方案：
[0030]获取模块，用于获取待处理语音数据，转换所述待处理语音数据为待处理文本；
[0031]输出模块，用于获取预设标准文本，输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到所述待处理文本和每个所述预设标准文本的匹配分数；
[0032]确认模块，用于根据所述预设匹配模型中的排序层，确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本；
[0033]识别模块，用于输入所述匹配文本至预设意图识别模型，基于所述预设意图识别模型输出得到所述匹配文本的意图，将所述匹配文本的意图作为所述待处理文本的意图。
[0034]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器和处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述语音意图识别方法的步骤。
[0035]为了解决上述技术问题，本申请实施例还提供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可读指令，所述计算机可读指令被处理器执行时实现上述语音意图识别方法的步骤。
[0036]上述语音意图识别方法，通过获取待处理语音数据，转换待处理语音数据为待处理文本；获取预设标准文本，输入待处理文本和预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到待处理文本和每个预设标准文本的匹配分数，通过该匹配分数可以对与待处理文本匹配的匹配文本进行精确获取；之后，根据预设匹配模型中的排序层，确定匹配分数最高的预设标准文本为待处理文本的匹配文本，使得通过获取匹配文本能够得到与待处理文本同类的文本，进一步使得在对文本进行意图识别时，能够根据该匹配文本快速而精确地获取到待处理对应的意图；最后，输入匹配文本至预设意图识别模型，基于预设意图识别模型输出得到匹配文本的意图，将匹配文本的意图作为待处理文本的意图，由此提高了语音文本意图识别的准确率，并且提高了在对大量语音文本意图进行识别时的识别效率，进一步实现了智能的语音对话服务。
附图说明
[0037]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语音意图识别方法，其特征在于，包括下述步骤：获取待处理语音数据，转换所述待处理语音数据为待处理文本；获取预设标准文本，输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到所述待处理文本和每个所述预设标准文本的匹配分数；根据所述预设匹配模型中的排序层，确定所述匹配分数最高的预设标准文本为所述待处理文本的匹配文本；输入所述匹配文本至预设意图识别模型，基于所述预设意图识别模型输出得到所述匹配文本的意图，将所述匹配文本的意图作为所述待处理文本的意图。2.根据权利要求1所述的语音意图识别方法，其特征在于，所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层，经过转换层和池化层，输出得到所述待处理文本和每个所述预设标准文本的匹配分数的步骤具体包括：基于所述编码层对分别对所述预设标准文本和所述待处理文本进行编码，得到第一句向量和第二句向量；输入所述第一句向量和所述第二句向量至所述转换层，计算得到相似度矩阵；根据所述池化层对所述相似度矩阵中的每个相似度进行池化特征提取，得到每个特征的匹配分数。3.根据权利要求2所述的语音意图识别方法，其特征在于，所述输入所述第一句向量和所述第二句向量至所述转换层，计算得到相似度矩阵的步骤具体包括：基于所述转换层计算所述第一句向量和所述第二句向量中每个字之间的字相似度；根据所述字相似度生成所述相似度矩阵。4.根据权利要求1所述的语音意图识别方法，其特征在于，所述基于预设意图识别模型输出得到所述匹配文本的意图的步骤具体包括：所述预设意图识别模型包括编码层、第一长短期记忆网络层、第二长短期记忆网络层和激活层，输入所述匹配文本至所述编码层中，经过所述第一长短期记忆网络层、所述第二长短期记忆网络层和所述激活层，输出得到所述匹配文本的意图。5.根据权利要求1所述的语音意图识别方法，其特征在于，在所述输入所述待处理文本和所述预设标准文本至预设匹配模型的编码层的步骤之前还包括：创建基础识别模型，所述基础识别模型包括基础匹配模型和基础意图识别模型；获取测试文本，输入所述测试文本至所述基础识别模型中，计算得到总损失函数；在所述总损失函数收敛时，确定所述基础识别模型训练完成，将训练完成的基础匹...
【专利技术属性】
技术研发人员：汪澈，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。