(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211182238.1 (22)申请日 2022.09.27 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田街道福安 社区益田路5 033号平安金融 中心23楼 (72)发明人 孙金辉　李平　马骏　王少军　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 专利代理师 宋然然 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/332(2019.01) G06F 40/35(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 意图识别方法、 装置、 电子设备及可读存储 介质 (57)摘要 本申请涉及人工智能以及数字医疗 领域， 公 开了一种意图识别方法、 装置、 电子设备及可读 存储介质， 其方法包括： 获取待识别文本； 基于特 征提取网络层， 对待识别文本进行特征提取， 得 到语义特征向量； 基于各全连接网络层， 确定语 义特征向量是否属于多个意图分类中的任意一 个； 若是， 则将语义特征向量所属的意图分类， 作 为待识别文本的意图识别结果； 若否， 则拒识待 识别文本。 本申请提供的方法利用多个全连接网 络层分别对语义特征向量进行处理， 每个全 连接 网络层对应一个意图分类， 故可以确定该语义特 征向量是否属于任意一个意图分类； 本申请基于 现有拒识 语料， 将多分类问题 转换成对于每个意 图的二分类问题， 使意图识别模 型的拒识能力更 强。 权利要求书2页 说明书10页 附图3页 CN 115510231 A 2022.12.23 CN 115510231 A 1.一种意图识别方法， 其特征在于， 所述意图识别方法基于意图识别模型实现， 所述意 图识别模型包括特征提取网络层和多个全连接网络层， 其中， 所述特征提取网络层分别连 接各所述全连接网络层， 每 个所述全连接网络层对应一个意图分类； 所述方法包括： 获取待识别文本； 基于所述特 征提取网络层， 对所述待识别文本进行 特征提取， 得到语义特 征向量； 基于各所述全连接网络层， 确定所述语义特征向量是否属于所述多个意图分类中的任 意一个； 若是， 则将所述语义特 征向量所属的意图分类， 作为所述待识别文本的意图识别结果； 若否， 则拒识所述待识别文本 。 2.根据权利要求1所述的方法， 其特征在于， 所述确定所述语义特征向量是否属于所述 多个意图分类中的任意 一个， 包括： 利用各所述全连接网络层， 分别对所述语义特 征向量进行处 理， 得到多个分类概 率值； 基于设置的分类概率阈值， 对多个所述分类概率值进行分类处理， 得到多个分类预测 值； 基于所述多个分类预测值， 确定所述语义特征向量是否属于所述多个意图分类中的任 意一个。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述多个分类预测值， 确定所述 语义特征向量是否属于所述多个意图分类中的任意 一个， 包括： 若一个所述全连接网络层输出的分类预测值为第 一预设值， 则确定所述语义特征向量 不属于所述全连接网络层对应的意图分类； 若一个所述全连接网络层输出的分类预测值为第 二预设值， 则确定所述语义特征向量 属于所述全连接网络层对应的意图分类。 4.根据权利要求1所述的方法， 其特征在于， 所述意图识别模型是根据 下述方法训练得 到的： 获取训练样本集； 其中， 所述训练样本集包括多个样本组； 各所述样本组包括多个正样 本和多个负 样本； 所述多个样本组与所述各 所述全连接网络层一 一对应； 获取意图识别初始模型， 其中， 所述意图识别初始模型的损失函数包括： 交叉熵损失函 数和对比学习损失函数； 将所述训练样本集输入所述 意图识别初始模型进行训练， 得到意图识别模型。 5.根据权利要求4所述的方法， 其特征在于， 所述将所述训练样本集输入所述意图识别 初始模型进行训练， 得到意图识别模型， 包括： 基于所述特征提取网络层， 对各所述样本组中的多个正样本和多个负样本进行特征提 取， 得到各 所述样本组对应的多个正语义特 征向量和多个负语义特 征向量； 基于所述各全连接网络层， 对各所述正语义特征向量和各所述负语义特征向量进行处 理， 得到多个预测值； 其中， 所述预测值用于指示所述正语义特征向量、 或所述负语义特征 向量为正类的概 率； 基于各所述正语义特征向量和各所述负语义特征向量， 得到对比学习损 失函数值； 以 及基于多个所述预测值， 得到交叉熵损失函数值；权　利　要　求　书 1/2 页 2 CN 115510231 A 2基于所述对比学习损失函数值和所述交叉熵损失函数值， 对所述意图识别初始模型进 行参数调整， 得到所述 意图识别模型。 6.根据权利要求1 ‑5任一所述的方法， 其特 征在于， 所述获取待识别文本， 包括： 将获取到的文本数据， 直接作为所述待识别文本； 或， 对获取到的语音数据进行语音识别， 得到所述语音数据对应的间接文本数据， 并将所 述间接文本数据作为所述待识别文本 。 7.根据权利 要求1‑5任一所述的方法， 其特征在于， 所述特征提取网络包括： BERT模型、 Doc2vec模型、 TF ‑IDF模型中的一种。 8.一种意图识别装置， 其特征在于， 所述意图识别装置部署有意图识别模型， 所述意图 识别模型包括特征提取网络层和多个全连接网络层， 其中， 所述特征提取网络层分别连接 各所述全连接网络层， 每 个所述全连接网络层对应一个意图分类； 所述装置包括： 获取模块， 用于获取待识别文本； 特征提取模块， 用于基于所述特征提取网络层， 对所述待识别文本进行特征提取， 得到 语义特征向量； 预测模块， 用于基于各所述全连接网络层， 确定所述语义特征向量是否属于所述多个 意图分类中的任意一个； 若是， 则将所述语义特征向量所属的意图分类， 作为所述待识别文 本的意图识别结果； 若否， 则拒识所述待识别文本 。 9.一种电子设备， 包括： 处理器； 以及 被安排成存储计算机可执行指令的存储器， 所述可执行指令在被执行时使所述处理器 执行所述权利要求1 ‑7任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处 理器运行时执 行如权利要求1 ‑7任一所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115510231 A 3