基于神经网络模型的意图分类方法、系统、终端及介质

摘要

本发明公开了一种基于神经网络模型的意图分类方法，包括：获取意图分类任务数据；针对意图分类数据集撰写正则表达式规则以及对应的逻辑甄选操作；将正则表达式转换为有限状态自动机；将有限状态自动机转换为三维张量；利用张量分解方法分解三维张量，得到三个矩阵初始化TFRNN的参数；初始化逻辑甄选层的参数，将逻辑甄选层和TFRNN构成意图分类模型；将意图分类任务数据输入意图分类模型进行训练，输出意图分类结果。该方法将正则表达式转化为其对应的循环神经网络形式，将这个神经网络正确地初始化，使得在未训练的时候运行神经网络等价于直接运行正则表达式。循环神经网络经过训练后具备非常强的可解释性。