(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 202210969510.4 (22)申请日 2022.08.12 (71)申请人 上海上湖信息技 术有限公司 地址 200120 上海市浦东 新区中国 （上海） 自由贸易试验区丹桂路999弄20号8楼 802室 (72)发明人 高峰　倪博溢　王春平　李铁铮　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张英英 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 40/211(2020.01) G06F 40/30(2020.01) (54)发明名称 意向度预测方法及装置、 终端设备、 计算机 可读存储介质 (57)摘要 本发明公开了一种意向度预测方法及 装置、 终端设备、 计算机可读存储介质， 所述意向度预 测方法包括： 获取至少一个对话文本， 每一对话 文本包括多个对话片段， 对话片段为对话文本中 时间连续的至少一个句子； 确定每一对话文本中 每一对话片段的语义重要度， 不同对话片段具有 不同语义重要度； 至少根据各个对话文本中每一 对话片段的语义重要度计算各个对话文本的意 向度。 使用上述技术方案能够准确地计算对话文 本的意向度。 权利要求书2页 说明书9页 附图4页 CN 115391504 A 2022.11.25 CN 115391504 A 1.一种意向度预测方法， 其特 征在于， 包括： 获取至少一个对话文本， 每一对话文本包括多个对话片段， 对话片段为对话文本中时 间连续的至少一个句子； 确定每一对话文本中每一对话片段的语义重要度， 不同对话片段具有不同语义重要 度； 至少根据各个对话文本中每一对话片段的语义重要度计算各个对话文本的意向度。 2.根据权利要求1所述的意向度 预测方法， 其特征在于， 所述至少根据 各个对话文本中 每一对话片段的语义重要度计算各个对话文本的意向度包括： 根据每一对话文本中多个对 话片段及其语义权重计算对话文本的文本向量， 所述对话片段的语义权重用于表征所述对 话片段的语义重要度； 根据各个对话文本的文本向量计算各个对话文本的意向度。 3.根据权利要求1所述的意向度 预测方法， 其特征在于， 所述确定每一对话文本 中每一 对话片段的语义重要度包括： 对时间排序在后的所述对话片段较于时间排序在前的所述对话片段分配更高的语义 权重， 所述对话片段 具有对话时间， 所述语义权 重用于表征 所述对话片段的语义重要度； 和/或， 对对话内容具有肯定意愿或否定意愿的所述对话片段较于对话内容不具有肯 定意愿或否 定意愿的所述对话片段分配更高的语义权 重。 4.根据权利要求1所述的意向度 预测方法， 其特征在于， 采用以下方式将所述对话文本 划分为多个对话片段： 获取用户与对话目标在每一对话文本中表述的多个句子， 每一句子具有对话时间， 各 个句子按照时间顺序排序； 对于所述用户表述的相邻的第 一句子与第 二句子， 如果所述第 一句子与所述第 二句子 之间不存在所述对话目标表述的句子时， 则将所述第一句子与所述第二句子加入同一对话 片段； 或者， 对于所述用户表述的相邻的第三句子与第 四句子， 如果所述用户表述的所述第 三句子与所述第四句子之 间存在所述对话目标表 述的句子， 则将所述第四句子加入新的对 话片段。 5.根据权利要求1所述的意向度 预测方法， 其特征在于， 所述至少根据 各个对话文本中 每一对话片段的语义重要度计算各个对话文本的意向度还包括： 获取所述至少一个对话文 本以及每一对话文本对应的用户特 征信息， 所述用户特 征信息用于表示用户的基本属性； 根据各个对话文本中每一对话片段的语义重要度以及各个对话文本对应的用户特征 信息计算各个对话文本的意向度。 6.根据权利要求5所述的意向度 预测方法， 其特征在于， 所述根据 各个对话文本 中每一 对话片段 的语义重要度以及各个对话文本对应的用户特征信息计算各个对话文本的意向 度包括： 根据所述用户特征信 息计算用户特征向量， 并根据每一对话文本 中每一对话片段及其 语义重要度计算对话文本的文本向量； 根据各个对话文本的所述文本向量和所述用户特 征向量计算各个对话文本的意向度。 7.根据权利要求1所述的意向度 预测方法， 其特征在于， 所述对话文本的意向度由用户权　利　要　求　书 1/2 页 2 CN 115391504 A 2意向预测模型预测得到， 所述用户意向预测模型的输入为所述对话文本中的多个对话片 段。 8.根据权利要求7所述的意向度 预测方法， 其特征在于， 所述用户意向预测模型包括卷 积神经网络子模型、 循环神经网络子模 型和计算模块， 其中， 所述卷积神经网络子模型用于 计算每一对话片段的第一片段向量； 所述循环神经网络子模型用于根据 所述第一片段向量计算第 二片段向量， 所述第 二片 段向量具有时间顺序信息和所述第一片段向量的信息； 所述计算模块用于确定各个第 二片段向量的语义权重， 并根据 各个第二片段向量及其 语义权重计算所述对话文本的文本向量， 以根据所述对话文本的文本向量计算各个对话文 本的意向度， 所述语义权 重用于表征 所述对话片段的语义重要度。 9.根据权利要求7所述的意向度预测方法， 其特征在于， 所述用户意向预测模型包括 transformer模型和计算模块， 其中， 所述transformer模型用于根据各个对话片段的时间 排序以及各个对话片段的信息确定各个片段向量的语义权重， 以根据各个片段向量及其语 义权重计算所述对话文本的文本向量； 所述计算模块用于根据所述对话文本的文本向量计算各个对话文本的意向度。 10.一种意向度预测装置， 其特 征在于， 包括： 获取模块， 用于获取至少一个对话文本， 每一对话文本包括多个对话片段， 对话片段为 对话文本中时间连续的至少一个句子； 语义重要度确定模块， 用于确定每一对话文本中每一对话片段的语义重要度， 不同对 话片段具有不同语义重要度； 意向度计算模块， 用于至少根据各个对话文本 中每一对话片段的语义重要度计算各个 对话文本的意向度。 11.一种终端设备， 包括存储器和处理器， 所述存储器上存储有可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器运行所述计算机程序时执行权利要求1至9中任一 项所述意向度预测方法的步骤。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机可读 存储介质为 非易失性存储介质或非瞬态存储介质， 所述计算机程序被处理器运行时执行权 利要求1至9中任一项所述 意向度预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115391504 A 3