基于多层NLU的意图推理方法、系统、装置及设备制造方法及图纸

本发明专利技术涉及人工智能、自然语言及医疗健康处理技术领域，公开了一种基于多层NLU的意图推理方法、系统、装置及设备，包括：获取目标文本；利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块；根据意图推理结果，确定目标文本的最终意图推理结果。本申请增加的非模型形式的意图推理模块，无需花费大量时间训练即可构建，可以随相关系统快速上线，满足相关系统紧急上线的需求，不延误相关系统上线，同时基本保证了相关系统的NLU推理功能的正常使用，降低了对神经网络模型的依赖。神经网络模型的依赖。神经网络模型的依赖。

【技术实现步骤摘要】
基于多层NLU的意图推理方法、系统、装置及设备


[0001]本专利技术涉及人工智能技术、自然语言及医疗健康处理
，尤其涉及一种基于多层NLU的意图推理方法、系统、装置及设备。

技术介绍

[0002]NLU模型优化困难，遇到问题不能及时修补。而且训练数据中的脏数据对模型效果影响较大，如果发现脏数据可能需要对大量数据重新标注。因此，要得到性能稳定的NLU模型需要较长时间训练和验证。但是很多时候需要用到NLU模型的相关系统急需上线，如果因为NLU模型尚未就绪而延误系统上线，可能会造成比较大的损失。尤其在医疗健康领域，样本不仅难以收集，而且标注的准确性对模型的准确性尤为关键，因此应用于医疗健康领域、性能稳定的模型难以获取到，严重延误了相关系统的上线。

技术实现思路

[0003]本专利技术提供一种基于多层NLU的意图推理方法、系统、装置及设备，以解决得到性能稳定的NLU模型周期较长，可能延误相关系统上线的技术问题。
[0004]第一方面，提供了一种基于多层NLU的意图推理方法，包括：
[0005]获取目标文本；
[0006]利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块；
[0007]根据意图推理结果，确定目标文本的最终意图推理结果。
[0008]第二方面，提供了一种基于多层NLU的意图推理系统，该系统包括：用户层和推理层，其中，推理层包括至少一种意图推理模块；
[0009]用户层，用于接收第一用户数据，根据第一用户数据获取目标文本；
[0010]推理层，用于利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的意图推理结果，根据意图推理结果，确定目标文本的最终意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块。
[0011]第三方面，提供了一种基于多层NLU的意图推理装置，包括：
[0012]第一数据获取模块，用于获取目标文本；
[0013]意图推理模块，用于利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块；
[0014]意图确定模块，用于根据意图推理结果，确定目标文本的最终意图推理结果。
[0015]第四方面，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可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于多层NLU的意图推
理方法的步骤。
[0016]第五方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于多层NLU的意图推理方法的步骤。
[0017]上述基于多层NLU的意图推理方法、系统、装置及设备所实现的方案中，增加的非模型形式的意图推理模块，无需花费大量时间训练即可构建，可以随相关系统快速上线，满足相关系统紧急上线的需求，不延误相关系统上线，同时基本保证了相关系统的NLU推理功能的正常使用，降低了对神经网络模型的依赖。本实施例尤其可以解决在医疗健康领域，样本难以收集，应用于医疗健康领域、性能稳定的模型难以获取到的技术问题，保证了相关系统的准时上线。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术一实施例中基于多层NLU的意图推理方法的一应用环境示意图；
[0020]图2是本专利技术一实施例中基于多层NLU的意图推理方法的一流程示意图；
[0021]图3是本专利技术一实施例中基于多层NLU的意图推理系统的结构示意图；
[0022]图4是本专利技术另一实施例中基于多层NLU的意图推理系统的结构示意图；
[0023]图5是本专利技术一实施例中基于多层NLU的意图推理装置的一结构示意图；
[0024]图6是本专利技术一实施例中计算机设备的结构示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]本专利技术实施例提供的基于多层NLU的意图推理方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务端进行通信。客户端接收用户的第一用户数据，根据第一用户数据获取目标文本。服务端可以通过客户端获取目标文本，获取目标文本；利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块；根据意图推理结果，确定目标文本的最终意图推理结果。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。下面通过具体的实施例对本专利技术进行详细的描述。
[0027]例如，在医疗健康领域，在网上智能医疗平台，用户使用客户端输入想要了解的病症的治疗方法或治疗指导意见，服务端则根据用户输入的目标文本，利用至少一种意图推理模块分别对目标文本进行意图推理，得到每种意图推理模块对目标文本进行意图推理的
意图推理结果，其中，意图推理模块中包括至少一个非模型形式的意图推理模块；根据意图推理结果，确定目标文本的最终意图推理结果，并将最终意图推理结果返回给用户的客户端。其中，在本实施例中，意图推理结果为智能医疗平台通过智能问答和推理模块得到的某种疾病的治疗方法或治疗指导意见。
[0028]自然语言理解(Natural Language Understanding,NLU)是所有支持机器理解文本内容的方法模型或任务的总称。NLU在文本信息处理处理系统中扮演着非常重要的角色，是推荐、问答、搜索等系统的必备模块。
[0029]请参阅图2所示，图2为本专利技术实施例提供的基于多层NLU的意图推理方法的一个流程示意图，包括如下步骤：
[0030]S10：获取目标文本。
[0031]具体地，本实施例应用于基于多层NLU的意图推理系统。
[0032]目标文本可以是根据第一用户提供的第一用户数据生成的。例如，第一用户数据为第一用户提供的目标语音，对目标语音进行语音转文本，得到目标文本。或者，第一用户数据为第一用户通过输入提供给计算机设备的目标文本。
[0033]S20：利用至少一种意图推理模块分别对目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多层NLU的意图推理方法，其特征在于，包括：获取目标文本；利用至少一种意图推理模块分别对所述目标文本进行意图推理，得到每种意图推理模块对所述目标文本进行意图推理的意图推理结果，其中，所述意图推理模块中包括至少一个非模型形式的意图推理模块；根据所述意图推理结果，确定所述目标文本的最终意图推理结果。2.如权利要求1所述的基于多层NLU的意图推理方法，其特征在于，所述利用至少一种意图推理模块分别对所述目标文本进行意图推理，得到每种意图推理模块对所述目标文本进行意图推理的意图推理结果，包括：利用基于关键字匹配的意图推理模块对所述目标文本与预设的关键字进行匹配，根据匹配结果以及所述关键字与意图之间的映射关系，将得到的意图推理结果作为第一意图推理结果；根据所述第一意图推理结果和第一预设流转规则，确定是否启用第二意图推理模块；若确定启用第二意图推理模块，则利用基于文本相似度匹配的意图推理模块，计算所述目标文本与预设的标准文本之间的文本相似度，根据所述文本相似度以及标准文本与意图之间的映射关系，将得到的意图推理结果作为第二意图推理结果；根据所述第二意图推理结果和第二预设流转规则，确定是否启用第三意图推理模块；若确定启用第三意图推理模块，则将所述目标文本输入至已训练的意图推理模型，利用所述已训练的意图推理模型对所述目标文本进行意图预测，将得到意图推理结果作为第三意图推理结果。3.如权利要求2所述的基于多层NLU的意图推理方法，其特征在于，所述根据所述意图推理结果，确定所述目标文本的最终意图推理结果，包括：根据所述第一意图推理结果所包含的意图、第二意图推理结果所包含的意图和第三意图推理结果所包含的意图，确定出现次数最高的意图作为所述目标文本的最终意图推理结果；或者，将第三意图推理结果所包含的意图作为所述目标文本的最终意图推理结果。4.如权利要求2所述的基于多层NLU的意图推理方法，其特征在于，所述根据所述意图推理结果，确定所述目标文本的最终意图推理结果，包括：获取所述基于关键字匹配的意图推理模块的第一置信度、基于文本相似度匹配的意图推理模块的第二置信度、意图推理模型的第三置信度；将所述第一意图推理结果、第二意图推理结果、第三意图推理结果、第一置信度、第二置信度、第三置信度以及目标文本作为整体输入至已训练的意图确认模型中，利用所述已训练的意图确认模型输出所述目标文本的最终意图推理结果。5.如权利要求4所述的基于多层NLU的意图推理方法，其特征在于，所述已训练的意图确认模型通过以下步骤训练得到：构建第一数据集，其中，所述第一数据集中每个第一样本包括一个历史文本及对应的第一意图推理结果、第二意图推理结果、第三意图推理结果、第一置信度、第二置信度、第三置信度，所述第一样本的标签为所述历史文本的真实意图；
利用所述第一数据集对预训练的意图确认模型进行训练，得到已训练的意图确认模型，其中，所述预训练的意图确认模型基于xgboost模型构建。6.一种基于多层NLU的意图推理系统，其特征在于，所述系统...

【专利技术属性】
技术研发人员：刘佳瑞，王世朋，姚海申，孙行智，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：