买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京淇瑀信息科技有限公司

摘要：本发明公开了一种基于规则的自然语言表达意图获取方法、装置、系统和存储介质，通过设置自然规则判断用户的意图，方法包括：设置多个固定规则，所述固定规则包括主题词和与主题词对应的意图标签，对所述主题词进行扩展，获取与所述主题词意思相近的同义词，将扩展后的同义词补充进所述固定规则；接收用户的语音输入，当语音输入为问句时判断是否能够匹配所述固定规则，如果有匹配的固定规则，输出匹配的固定规则的意图标签；如果没有匹配的固定规则，则将所述问句输入意图判断模型，获取所述问句的意图标签；根据所述意图标签回答所述用户。

主权项：1.一种基于规则的自然语言表达意图获取方法，其特征在于，方法包括：设置多个固定规则，所述固定规则包括主题词和与主题词对应的意图标签，其中，意图标签是对主题词的意思表达，对所述主题词采用人工和或深度语义DSSM模型的方式进行扩展，获取与所述主题词意思相近的近义词和同义词，将扩展后的近义词和同义词补充进所述固定规则；DSSM模型包括输入层、表示层和匹配层，输入层和表示层为两个，第一个输入层输入要进行扩展的主题词，第二个输入层输入字典中排队需要进行匹配的词，在输入层将词转化为字向量进行输入；表示层是多层神经网络，在表示层，输入的字向量会转化为低维语义向量；在匹配层采用余弦算法计算输入层输入两个词语的相似程度，输出匹配值判断输入的两个词是否是近义词；接收用户的语音输入，对语音输入内的句式结构进行挖掘判断用户的话语是否是问句，或采用基于深度学习的问句判断模型判断用户输入的话语是否是问句；深度学习的问句判断模型为TextCNN模型；当语音输入为问句时判断是否能够匹配所述固定规则，如果有匹配的固定规则，输出匹配的固定规则的意图标签；如果没有匹配的固定规则，则对所述问句进行划词处理，将划词后的短语采用word2vec算法向量化以转化为数字特征，将向量化后的短语输入意图判断模型；意图识别模型基于深度学习文本分类模型TextCNN生成，模型包括卷积层、池化层和输出层；意图识别模型对用户的语音输入进行转化，将转化后的文本进行划词处理，经过卷积层和池化层的计算，输出层输出意图标签；根据意图标签确定所述问句的意图标签；在与用户进行沟通之前确定对话的逻辑策略，逻辑策略中包括设有很多节点的逻辑树，以及每个节点对应的应答文本；在逻辑树中，根据所述意图标签确定下一个节点，将该节点对应的应答文本转化为语音回应用户；如果意图判断模型仍然无法判断用户的意图则使用兜底策略回答所述用户；将使用兜底策略回答的所述用户的问句汇总为待分类问句集，人工审核所述待分类问句集，根据所述问句的内容生成新的固定规则。

全文数据：

权利要求：

百度查询： 北京淇瑀信息科技有限公司 基于规则的自然语言表达意图获取方法、装置和系统