本技術(shù)涉及人工智能，特別是涉及一種金融服務(wù)應(yīng)用的意圖識別方法、裝置、計算機(jī)設(shè)備、存儲介質(zhì)和計算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、隨著計算機(jī)技術(shù)的發(fā)展，為了更高效地為用戶提供相應(yīng)的搜索結(jié)果或回復(fù)內(nèi)容，可以通過訓(xùn)練自然語言處理模型來進(jìn)行意圖識別。

2、在相關(guān)技術(shù)中，針對用戶在金融服務(wù)應(yīng)用中輸入的信息，為了獲取更好的識別效果，往往需要獲取大量的金融領(lǐng)域訓(xùn)練數(shù)據(jù)，并人工設(shè)置訓(xùn)練標(biāo)簽，在經(jīng)過多次訓(xùn)練后，通過訓(xùn)練好的模型進(jìn)行意圖識別。

3、然而，該方式訓(xùn)練成本較高，難以高效地對用戶在金融服務(wù)應(yīng)用中輸入的信息進(jìn)行意圖識別。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠提高意圖識別效率的金融服務(wù)應(yīng)用的意圖識別方法、裝置、計算機(jī)設(shè)備、計算機(jī)可讀存儲介質(zhì)和計算機(jī)程序產(chǎn)品。

2、第一方面，本技術(shù)提供了一種金融服務(wù)應(yīng)用的意圖識別方法。所述方法包括：

3、獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本；

4、將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本；

5、將所述目標(biāo)金融行業(yè)知識文本和所述待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型，由所述通用語言模型根據(jù)所述目標(biāo)金融行業(yè)知識文本，確定所述待識別文本的上下文語義，并根據(jù)所述上下文語義確定所述待識別文本對應(yīng)的用戶意圖。

6、在其中一個實施例中，所述將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，包括：

7、將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中各個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，得到所述待識別文本與各個金融行業(yè)知識文本的文本特征相似度。

8、在其中一個實施例中，所述將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，包括：

9、確定預(yù)先構(gòu)建的金融行業(yè)知識庫中各類別的金融行業(yè)知識對應(yīng)的知識標(biāo)簽；

10、對所述待識別文本與各個知識標(biāo)簽進(jìn)行匹配，并確定匹配的知識標(biāo)簽對應(yīng)的目標(biāo)類別金融行業(yè)知識；

11、將所述待識別文本對應(yīng)的文本特征，與所述目標(biāo)類別金融行業(yè)知識的金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對。

12、在其中一個實施例中，所述金融行業(yè)知識庫通過如下步驟構(gòu)建得到：

13、對預(yù)先獲取的多個金融行業(yè)知識文本進(jìn)行聚類，得到多個類別的金融行業(yè)知識和各類別金融行業(yè)知識對應(yīng)的金融行業(yè)知識文本；

14、針對各類別金融行業(yè)知識，獲取所述類別金融行業(yè)知識的各個金融行業(yè)知識文本對應(yīng)的文本向量，根據(jù)多個文本向量，確定所述類別金融行業(yè)知識的金融行業(yè)知識文本對應(yīng)的文本特征。

15、在其中一個實施例中，所述根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本，包括：

16、確定所述待識別文本的意圖識別難度，并確定與所述意圖識別難度對應(yīng)的文本篩選數(shù)量k；所述k為正整數(shù)，且所述k與所述意圖識別難度正相關(guān)；

17、根據(jù)比對得到的文本特征相似度，從所述多個金融行業(yè)知識文本中，獲取文本特征相似度最高的k個金融行業(yè)知識文本，得到與所述待識別文本關(guān)聯(lián)的金融行業(yè)知識文本。

18、在其中一個實施例中，所述獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本，包括：

19、將用戶在金融服務(wù)應(yīng)用的搜索框中輸入的文本信息，作為待進(jìn)行意圖識別的待識別文本；

20、和/或，

21、將用戶在金融服務(wù)應(yīng)用的對話框中輸入的文本信息，作為待進(jìn)行意圖識別的待識別文本。

22、第二方面，本技術(shù)還提供了一種金融服務(wù)應(yīng)用的意圖識別裝置。所述裝置包括：

23、文本獲取模塊，用于獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本；

24、特征比對模塊，用于將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本；

25、意圖識別模塊，用于將所述目標(biāo)金融行業(yè)知識文本和所述待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型，由所述通用語言模型根據(jù)所述目標(biāo)金融行業(yè)知識文本，確定所述待識別文本的上下文語義，并根據(jù)所述上下文語義確定所述待識別文本對應(yīng)的用戶意圖。

26、第三方面，本技術(shù)還提供了一種計算機(jī)設(shè)備。所述計算機(jī)設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)以下步驟：

27、獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本；

28、將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本；

29、將所述目標(biāo)金融行業(yè)知識文本和所述待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型，由所述通用語言模型根據(jù)所述目標(biāo)金融行業(yè)知識文本，確定所述待識別文本的上下文語義，并根據(jù)所述上下文語義確定所述待識別文本對應(yīng)的用戶意圖。

30、第四方面，本技術(shù)還提供了一種計算機(jī)可讀存儲介質(zhì)。所述計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)以下步驟：

31、獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本；

32、將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本；

33、將所述目標(biāo)金融行業(yè)知識文本和所述待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型?，由所述通用語言模型根據(jù)所述目標(biāo)金融行業(yè)知識文本，確定所述待識別文本的上下文語義，并根據(jù)所述上下文語義確定所述待識別文本對應(yīng)的用戶意圖。

34、第五方面，本技術(shù)還提供了一種計算機(jī)程序產(chǎn)品。所述計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)以下步驟：

35、獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本；

36、將所述待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與所述待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本；

37、將所述目標(biāo)金融行業(yè)知識文本和所述待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型?，由所述通用語言模型根據(jù)所述目標(biāo)金融行業(yè)知識文本，確定所述待識別文本的上下文語義，并根據(jù)所述上下文語義確定所述待識別文本對應(yīng)的用戶意圖。

38、上述金融服務(wù)應(yīng)用的意圖識別方法、裝置、計算機(jī)設(shè)備、存儲介質(zhì)和計算機(jī)程序產(chǎn)品，可以獲取用戶在金融服務(wù)應(yīng)用輸入的待進(jìn)行意圖識別的待識別文本，然后將待識別文本對應(yīng)的文本特征，與預(yù)先構(gòu)建的金融行業(yè)知識庫中多個金融行業(yè)知識文本對應(yīng)的文本特征進(jìn)行比對，根據(jù)比對得到的文本特征相似度，確定與待識別文本關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本，之后，可以將目標(biāo)金融行業(yè)知識文本和待識別文本輸入到預(yù)先訓(xùn)練好的通用語言模型，由通用語言模型根據(jù)目標(biāo)金融行業(yè)知識文本，確定待識別文本的上下文語義，并根據(jù)上下文語義確定待識別文本對應(yīng)的用戶意圖。本技術(shù)中，通過向通用語言模型輸入與待識別文本存在語言關(guān)聯(lián)的目標(biāo)金融行業(yè)知識文本，能夠在避免對通用語言模型進(jìn)行二次訓(xùn)練的情況下，使通過用語言模型適配金融領(lǐng)域并理解目標(biāo)金融行業(yè)知識，從而有助于快速理解用戶在金融服務(wù)應(yīng)用中輸入待識別文本的用戶意圖，提高意圖識別效率。