【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 ...
【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:
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。