多模态的深度语义意图识别方法、系统、设备及存储介质

本发明涉及意图识别技术领域，具体提供一种多模态的深度语义意图识别方法、系统、设备及存储介质，包括：获取文本数据，并从所述文本数据中提取多层文本语义信息；获取图像数据，并从所述图像数据中提取多层图像语义信息；利用跨模态注意力机制将所述多层文本语义信息和多层图像语义信息融合为特征向量；利用分类器识别所述特征向量对应的意图类别。本发明通过关注层次化特征，解决传统模型因忽略语言层级结构导致的语义偏差问题，提升了意图识别的准确性。