意图识别方法、装置、设备以及存储介质与流程

本技术涉及计算机，尤其涉及一种意图识别方法、装置、设备以及存储介质。

背景技术：

1、随着科技的发展，意图识别广泛应用于日常生活中，例如，通过收集车辆内用户的语音，来识别用户的意图，进而根据该意图对车辆进行控制。

2、在相关技术中，大多方法都是对单意图文本进行识别的。当需要对多意图文本进行识别时，需使用训练得到的机器学习模型，对多意图文本进行识别，得到多个意图。

3、当使用机器学习模型对文本进行识别过程中，需要图像处理单元gpu来运行机器学习模型，进而使用机器学习模型对该文本进行计算处理。而实际中，gpu的处理能力有限，使用机器学习模型来对文本进行识别，会增大gpu的处理负担，降低gpu的处理效率。

技术实现思路

1、本技术提供了一种意图识别方法、装置、设备以及存储介质，该方法在得到控制意图时无需使用gpu，减少了gpu的处理负担，间接提高了gpu的处理效率。

2、第一方面，本技术提供了一种意图识别方法，所述方法包括：

3、获取待识别的多意图文本；

4、使用多意图文法网络，对所述文本中的文字进行匹配，得到匹配成功的匹配规则序列，多意图文法网络包括多个匹配规则；

5、根据所述匹配规则序列，确定所述匹配规则序列对应的控制意图序列；

6、根据每个控制意图在所述控制意图序列中的顺序，依次执行每个控制意图对应的操作。

7、可选的，所述多意图文法网络包括至少一个网络单元，每个网络单元串行连接，所述使用多意图文法网络，对所述文本中的文字进行匹配，得到匹配成功的匹配规则序列，包括：

8、将所述文本输入多意图文法网络中的第一个网络单元中，以将第一个网络单元作为当前网络单元来对所述文本进行匹配处理；

9、当最后一个匹配成功的节点为所述当前网络单元的根节点时，跳出所述多意图文法网络，获取匹配过程中匹配成功的目标匹配规则以及每个目标匹配规则对应的顺序标识，根据每个目标匹配规则对应的顺序标识，对所述目标匹配规则进行排序，得到匹配成功的匹配规则序列；

10、当最后一个匹配成功的节点不为所述当前网络单元的根节点时，将所述文本输入所述当前网络单元的下一个网络单元，以将下一个网络单元作为所述当前网络单元继续对所述文本进行匹配处理；

11、其中，所述根节点为所述网络单元中的最后一层中的节点。

12、可选的，每个网络单元包括多层结构，每层结构至少包括一个节点，每个节点加载有匹配规则或其他规则，所述其他规则用于识别连词或助词，所述将所述文本输入多意图文法网络中的第一个网络单元中，以使用当前网络单元对所述文本进行匹配，包括：

13、将所述文本输入所述当前网络单元的第一层，以将第一层作为当前层对文本进行匹配处理；

14、当所述当前层存在匹配成功的节点，且节点对应的规则为匹配规则时，将所述匹配规则确定为目标匹配规则，并为所述目标匹配规则标记顺序标识，根据所述节点是否为根节点执行相应操作；

15、当所述当前层存在匹配成功的节点，且所述节点对应的规则不为匹配规则时，根据所述节点是否为根节点执行相应操作；

16、当所述当前层不存在匹配成功的节点时，确定最后一个匹配成功的节点不为所述当前网络单元的根节点。

17、可选的，所述根据所述节点是否为根节点执行相应操作，包括：

18、当所述节点为根节点时，确定最后一个匹配成功的节点为所述当前网络单元的根节点；

19、当所述节点不为根节点时，基于所述当前层的下一层的节点进行检测。

20、可选的，所述基于所述当前层的下一层的节点进行检测，包括：

21、获取与所述节点匹配成功时所使用的词汇；

22、在所述文本中，确定所述词汇之后的参考文本；

23、使用下一层的所有节点，对所述参考文本进行匹配。

24、可选的，所述匹配规则为扩充巴科斯-瑙尔范式abnf规则，所述abnf规则包括动作子规则和实体子规则，所述方法还包括：

25、获取预设的abnf规则以及至少一个多意图识别句式；

26、对于每个多意图识别句式，根据所述多意图识别句式、所述动作子规则以及所述实体子规则，确定所述多意图识别句式对应的abnf规则语句；

27、使用预设的abnf工具，对每种abnf规则语句进行处理，得到每个abnf规则语句对应的网络单元；

28、按照预设顺序，将每个abnf规则语句对应的网络单元进行串联，得到多意图文法网络。

29、可选的，所述根据所述匹配规则序列，确定所述匹配规则序列对应的控制意图序列，包括：

30、确定所述匹配规则序列中每个匹配规则的名称；

31、根据每个名称，以及预设的名称与控制意图的对应关系，确定每个名称对应的控制意图；

32、按照每个名称对应的匹配规则在所述匹配规则序列的顺序，对每个名称对应的控制意图进行排序，得到所述匹配规则序列对应的控制意图序列。

33、第二方面，本技术提供了一种意图识别装置，所述装置包括：

34、获取单元，用于获取待识别的多意图文本；

35、匹配单元，用于使用多意图文法网络，对所述文本中的文字进行匹配，得到匹配成功的匹配规则序列，多意图文法网络包括多个匹配规则；

36、确定单元，用于根据所述匹配规则序列，确定所述匹配规则序列对应的控制意图序列；

37、执行单元，用于根据每个控制意图在所述控制意图序列中的顺序，依次执行每个控制意图对应的操作。

38、可选的，所述多意图文法网络包括至少一个网络单元，每个网络单元串行连接，所述匹配单元，用于：

39、将所述文本输入多意图文法网络中的第一个网络单元中，以将第一个网络单元作为当前网络单元来对所述文本进行匹配处理；

40、当最后一个匹配成功的节点为所述当前网络单元的根节点时，跳出所述多意图文法网络，获取匹配过程中匹配成功的目标匹配规则以及每个目标匹配规则对应的顺序标识，根据每个目标匹配规则对应的顺序标识，对所述目标匹配规则进行排序，得到匹配成功的匹配规则序列；

41、当最后一个匹配成功的节点不为所述当前网络单元的根节点时，将所述文本输入所述当前网络单元的下一个网络单元，以将下一个网络单元作为所述当前网络单元继续对所述文本进行匹配处理；

42、其中，所述根节点为所述网络单元中的最后一层中的节点。

43、可选的，每个网络单元包括多层结构，每层结构至少包括一个节点，每个节点加载有匹配规则或其他规则，所述其他规则用于识别连词或助词，所述匹配单元，用于：

44、将所述文本输入所述当前网络单元的第一层，以将第一层作为当前层对文本进行匹配处理；

45、当所述当前层存在匹配成功的节点，且节点对应的规则为匹配规则时，将所述匹配规则确定为目标匹配规则，并为所述目标匹配规则标记顺序标识，根据所述节点是否为根节点执行相应操作；

46、当所述当前层存在匹配成功的节点，且所述节点对应的规则不为匹配规则时，根据所述节点是否为根节点执行相应操作；

47、当所述当前层不存在匹配成功的节点时，确定最后一个匹配成功的节点不为所述当前网络单元的根节点。

48、可选的，所述匹配单元，用于：

49、当所述节点为根节点时，确定最后一个匹配成功的节点为所述当前网络单元的根节点；

50、当所述节点不为根节点时，基于所述当前层的下一层的节点进行检测。

51、可选的，所述匹配单元，用于：

52、获取与所述节点匹配成功时所使用的词汇；

53、在所述文本中，确定所述词汇之后的参考文本；

54、使用下一层的所有节点，对所述参考文本进行匹配。

55、可选的，所述匹配规则为扩充巴科斯-瑙尔范式abnf规则，所述abnf规则包括动作子规则和实体子规则，所述装置还包括网络生成单元，网络生成单元用于：

56、获取预设的abnf规则以及至少一个多意图识别句式；

57、对于每个多意图识别句式，根据所述多意图识别句式、所述动作子规则以及所述实体子规则，确定所述多意图识别句式对应的abnf规则语句；

58、使用预设的abnf工具，对每种abnf规则语句进行处理，得到每个abnf规则语句对应的网络单元；

59、按照预设顺序，将每个abnf规则语句对应的网络单元进行串联，得到多意图文法网络。

60、可选的，所述确定单元，用于：

61、确定所述匹配规则序列中每个匹配规则的名称；

62、根据每个名称，以及预设的名称与控制意图的对应关系，确定每个名称对应的控制意图；

63、按照每个名称对应的匹配规则在所述匹配规则序列的顺序，对每个名称对应的控制意图进行排序，得到所述匹配规则序列对应的控制意图序列。

64、第三方面，本技术提供了一种意图识别设备，包括：至少一个通信接口；与所述至少一个通信接口相连接的至少一个总线；与所述至少一个总线相连接的至少一个处理器；与所述至少一个总线相连接的至少一个存储器，其中，所述处理器被配置为：

65、获取待识别的多意图文本；

66、使用多意图文法网络，对所述文本中的文字进行匹配，得到匹配成功的匹配规则序列，多意图文法网络包括多个匹配规则；

67、根据所述匹配规则序列，确定所述匹配规则序列对应的控制意图序列；

68、根据每个控制意图在所述控制意图序列中的顺序，依次执行每个控制意图对应的操作。

69、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述意图识别方法。

70、本技术实施例提供的上述技术方案与现有技术相比具有如下优点：在本技术实施例中，获取待识别的多意图文本；使用多意图文法网络，对文本中的文字进行匹配，得到匹配成功的匹配规则序列，多意图文法网络包括多个匹配规则；根据匹配规则序列，确定匹配规则序列对应的控制意图序列；根据每个控制意图在所述控制意图序列中的顺序，依次执行每个控制意图对应的操作。由于本技术只需要对文字进行匹配，而匹配过程是在中央处理器cpu中进行的，因此，本技术在得到控制意图时无需使用gpu，减少了gpu的处理负担，间接提高了gpu的处理效率。