本发明属于自然语言理解领域技术,具体涉及一种基于bert+bilstm+crf与xgboost模型的多意图识别方法和系统;本技术方案中,使用bert处理预处理完成的数据集,得到动态的词向量,不同于以往的使用word2vec或glove模型获取的词向量。Bert模型输出的词向量具有动态特性,能够解决一词多义的问题。词向量再经过bi l stm+crf转换为句向量,bi l stm+crf模型能够同时处理距离较远的上下文文本信息,通过近邻标签的关系得到最优的句向量预测序列。在主意图识别方面使用Xgboost模型,该模型的识别精度较高且更加灵活,因此用在主意图。得到所有的主意图过后,我们利用TF‑I DF模型选取标准意图,以此为意图判断依据。将经由bert+bi l stm+crf模型处理过后的句向量输入到新的bert模型当中,最终输出子意图。