(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 202211270028.8 (22)申请日 2022.10.18 (71)申请人 江西电信 信息产业有限公司 地址 330000 江西省南昌市南昌经济技 术 开发区桂苑 大道 （创业大厦） 3楼 (72)发明人 尧德鹏　何美斌　陶俊　罗序俊　 曾云松　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 何世磊 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06K 9/62(2022.01) (54)发明名称 一种用户的意图识别方法及系统 (57)摘要 本发明提供了一种用户的意图识别方法及 系统， 该方法包括获取原始样本数据， 并根据原 始样本数据选取出第一样本数据集 以及第二样 本数据集； 根据第一样本数据集生成选择集， 并 将bert原始模型以及选择集输入至优化模块中， 以使优化模块输 出bert_variant最优模型； 根据 第二样本数据集生成训练集， 并将训练集输入至 bert_variant最优模型中， 以进行参数训练； 当 获取到语音指令时， 将语音指令转换成对应的文 本数据， 并将文本数据输入至训练完成的bert_ variant最优模型中， 以根据文本数据输出用户 的意图。 通过上述方式能够有效的降低推理时 延， 使之更加适用于实时交互场景， 提升了用户 的使用体验。 权利要求书3页 说明书11页 附图2页 CN 115329063 A 2022.11.11 CN 115329063 A 1.一种用户的意图识别方法， 其特 征在于， 所述方法包括： 获取根据用户的语音指令生成的原始样本数据， 并根据 所述原始样本数据选取出位于 不同时间段的第一样本数据集以及第二样本数据集； 根据所述第 一样本数据集生成对应的选择集， 并将bert原始模型以及所述选择集输入 至预设优化模块中， 以使所述优化模块输出b ert_variant最优模型， 所述选择集包括正样 本以及负 样本， 所述ber t原始模型包括若干层编码器； 根据所述第二样本数据集生成对应的训练集， 并将所述训练集输入至所述bert_ variant最优 模型中， 以对所述ber t_variant最优 模型进行参数训练； 当获取到用户实时输入的语音指令时， 将所述语音指令转换成对应的文本数据， 并将 所述文本数据输入至训练完成的bert_variant最优模型中， 以使训练完成的bert_variant 最优模型根据所述文本数据输出 所述用户的意图。 2.根据权利要求1所述的用户的意图识别方法， 其特征在于： 所述将bert原始模型以及 所述选择集输入至预设优化模块中， 以使 所述优化模块输出bert_var iant最优模 型的步骤 包括： 将所述正样本以及所述负样本均输入至所述bert原始模型中， 以对应获取到若干层所 述编码器分别输出的若干特 征向量； 建立所述正样本和所述负样本与若干所述特征向量之间的索引关系， 并根据若干所述 特征向量生成对应的特征向量集合， 以使所述优化模块根据所述特征向量集合输出所述 bert_variant最优 模型。 3.根据权利要求1所述的用户的意图识别方法， 其特征在于： 所述根据 所述第一样本数 据集生成对应的选择集的步骤 包括： 当获取到所述第一样本数据集时， 识别出所述第一样本数据集中包含的若干用户意 图， 并根据若干所述用户意图生成对应的若干数据组， 其中， 同一所述数据组内的两个数据 互为所述 正样本， 不同所述数据组内的任意两个数据互为所述负 样本； 根据若干所述数据组生成对应的若干样本集， 其中， 每一所述样本集均包括一待测样 本、 所述正样本以及所述负 样本， 且每一所述样本集均具有唯一 性； 对若干所述样本集进行整合处 理， 以生成所述选择集。 4.根据权利要求3所述的用户的意图识别方法， 其特征在于： 所述将bert原始模型以及 所述选择集输入至预设优化模块中， 以使 所述优化模块输出bert_var iant最优模 型的步骤 还包括： 依次遍历若干所述样本集以及若干层所述编码器， 并获取每一所述样本集中的待测样 本对应的编 码器输出的第一特征向量、 每一所述正样本对应的编 码器输出的第二特征向量 以及每一所述负 样本对应的编码器输出的第三特 征向量； 计算出所述第 一特征向量与 所述第二特征向量之间的第 一余弦相似度、 所述第 一特征 向量与所述第三特征向量之 间的第二余弦相似度， 并判断所述第一余弦相似度是否大于所 述第二余弦相似度； 若判断到所述第一 余弦相似度大于所述第二 余弦相似度， 则判定预测结果 正确； 若判断到所述第一 余弦相似度小于所述第二 余弦相似度， 则判定预测结果 错误。 5.根据权利要求1所述的用户的意图识别方法， 其特征在于： 所述将所述文本数据输入权　利　要　求　书 1/3 页 2 CN 115329063 A 2至训练完成的bert_variant最优模型中， 以使训练完成的bert_variant最优模型根据所述 文本数据输出 所述用户的意图的步骤之后， 所述方法还 包括： 当识别出所述用户的意图时， 根据所述意图生成对应的回复指令， 所述回复指令包括 若干关键词； 响应于所述回复指令， 调用出对应的文本数据库， 并在所述文本数据库中查找出对应 的回复文本， 以将所述回复文本实时显示在显示终端。 6.一种用户的意图识别系统， 其特 征在于， 所述系统包括： 获取模块， 用于获取根据用户的语音指令生成的原始样本数据， 并根据所述原始样本 数据选取 出位于不同时间段的第一样本数据集以及第二样本数据集； 处理模块， 用于根据所述第一样本数据集生成对应的选择集， 并将bert原始模型以及 所述选择集输入至预设优化模块中， 以使所述优化模块输出bert_variant最优模型， 所述 选择集包括 正样本以及负 样本， 所述ber t原始模型包括若干层编码器； 训练模块， 用于根据所述第二样本数据集生成对应的训练集， 并将所述训练集输入至 所述bert_variant最优 模型中， 以对所述ber t_variant最优 模型进行参数训练； 输出模块， 用于当获取到用户实时输入的语音指令时， 将所述语音指令转换成对应的 文本数据， 并将所述文本数据输入至训练完成的bert_variant最优模型中， 以使训练完成 的bert_variant最优 模型根据所述文本数据输出 所述用户的意图。 7.根据权利要求6所述的用户的意图识别系统， 其特 征在于： 所述处 理模块具体用于： 将所述正样本以及所述负样本均输入至所述bert原始模型中， 以对应获取到若干层所 述编码器分别输出的若干特 征向量； 建立所述正样本和所述负样本与若干所述特征向量之间的索引关系， 并根据若干所述 特征向量生成对应的特征向量集合， 以使所述优化模块根据所述特征向量集合输出所述 bert_variant最优 模型。 8.根据权利要求6所述的用户的意图识别系统， 其特征在于： 所述处理模块还具体用 于： 当获取到所述第一样本数据集时， 识别出所述第一样本数据集中包含的若干用户意 图， 并根据若干所述用户意图生成对应的若干数据组， 其中， 同一所述数据组内的两个数据 互为所述 正样本， 不同所述数据组内的任意两个数据互为所述负 样本； 根据若干所述数据组生成对应的若干样本集， 其中， 每一所述样本集均包括一待测样 本、 所述正样本以及所述负 样本， 且每一所述样本集均具有唯一 性； 对若干所述样本集进行整合处 理， 以生成所述选择集。 9.根据权利要求8所述的用户的意图识别系统， 其特征在于： 所述处理模块还具体用 于： 依次遍历若干所述样本集以及若干层所述编码器， 并获取每一所述样本集中的待测样 本对应的编 码器输出的第一特征向量、 每一所述正样本对应的编 码器输出的第二特征向量 以及每一所述负 样本对应的编码器输出的第三特 征向量； 计算出所述第 一特征向量与 所述第二特征向量之间的第 一余弦相似度、 所述第 一特征 向量与所述第三特征向量之 间的第二余弦相似度， 并判断所述第一余弦相似度是否大于所 述第二余弦相似度；权　利　要　求　书 2/3 页 3 CN 115329063 A 3