1.一種語音交互中確定用戶意圖的方法，其特征在于，包括：
接收用戶當(dāng)前輸入的語音數(shù)據(jù)信息；
對所述語音數(shù)據(jù)信息進(jìn)行識別，得到所述語音數(shù)據(jù)信息對應(yīng)的文本數(shù)據(jù)信息；
獲取根據(jù)所述用戶的日志記錄得到的用戶意圖分類模型和目標(biāo)轉(zhuǎn)移概率矩陣；
根據(jù)所述用戶意圖分類模型和所述目標(biāo)轉(zhuǎn)移概率矩陣確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖類別；
在所述目標(biāo)意圖類別對應(yīng)的數(shù)據(jù)庫中查找與所述文本數(shù)據(jù)信息對應(yīng)的應(yīng)答信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取根據(jù)所述用戶的日志記錄得到的用戶意圖分類模型和目標(biāo)轉(zhuǎn)移概率矩陣，包括：
獲取預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型和預(yù)設(shè)的轉(zhuǎn)移概率矩陣；
根據(jù)預(yù)設(shè)的文本模板從所述日志記錄中提取出意圖分類訓(xùn)練語料；
利用所述意圖分類訓(xùn)練語料和所述預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述用戶意圖分類模型；
利用預(yù)設(shè)上下文訓(xùn)練語料和預(yù)設(shè)的轉(zhuǎn)移概率矩陣進(jìn)行訓(xùn)練，得到初始轉(zhuǎn)移概率矩陣；
利用所述日志記錄修正所述初始概率矩陣，得到所述目標(biāo)轉(zhuǎn)移概率矩陣。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文本數(shù)據(jù)信息包括以下至少一項：文本信息和拼音信息；
所述意圖分類訓(xùn)練語料包括以下至少一種形式：
文本語料和拼音預(yù)料。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述用戶意圖分類模型和所述目標(biāo)轉(zhuǎn)移概率矩陣確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖類別，包括：
將所述文本數(shù)據(jù)信息作為所述用戶意圖分類模型的輸入，得到所述文本數(shù)據(jù)信息對應(yīng)的第一分類結(jié)果；
獲取所述文本數(shù)據(jù)信息對應(yīng)的上一句文本數(shù)據(jù)信息所屬的意圖類別；
根據(jù)所述上一句文本數(shù)據(jù)信息所屬的意圖類別和所述目標(biāo)轉(zhuǎn)移概率矩陣，確定所述文本數(shù)據(jù)信息對應(yīng)的第二分類結(jié)果；
根據(jù)所述第一分類結(jié)果和所述第二分類結(jié)果確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖分類。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一分類結(jié)果和所述第二分類結(jié)果確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖分類，包括：
根據(jù)所述第一分類結(jié)果和所述第二分類結(jié)果的乘積，確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖分類。
6.一種語音交互中確定用戶意圖的裝置，其特征在于，包括：
接收模塊，用于接收用戶當(dāng)前輸入的語音數(shù)據(jù)信息；
識別模塊，用于對所述語音數(shù)據(jù)信息進(jìn)行識別，得到所述語音數(shù)據(jù)信息對應(yīng)的文本數(shù)據(jù)信息；
獲取模塊，用于獲取根據(jù)所述用戶的日志記錄得到的用戶意圖分類模型和目標(biāo)轉(zhuǎn)移概率矩陣；
確定模塊，用于根據(jù)所述用戶意圖分類模型和所述目標(biāo)轉(zhuǎn)移概率矩陣確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖類別；
查找模塊，用于在所述目標(biāo)意圖類別對應(yīng)的數(shù)據(jù)庫中查找與所述文本數(shù)據(jù)信息對應(yīng)的應(yīng)答信息。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述獲取模塊包括：
第一獲取子模塊，用于獲取預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型和預(yù)設(shè)的轉(zhuǎn)移概率矩陣；
提取子模塊，用于根據(jù)預(yù)設(shè)的文本模板從所述日志記錄中提取出意圖分類訓(xùn)練語料；
第一訓(xùn)練子模塊，用于利用所述意圖分類訓(xùn)練語料和所述預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述用戶意圖分類模型；
第二訓(xùn)練子模塊，用于利用預(yù)設(shè)上下文訓(xùn)練語料和預(yù)設(shè)的轉(zhuǎn)移概率矩陣進(jìn)行訓(xùn)練，得到初始轉(zhuǎn)移概率矩陣；
修正子模塊，用于利用所述日志記錄修正所述初始概率矩陣，得到所述目標(biāo)轉(zhuǎn)移概率矩陣。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述文本數(shù)據(jù)信息包括以下至少一項：文本信息和拼音信息；
所述意圖分類訓(xùn)練語料包括以下至少一種形式：
文本語料和拼音預(yù)料。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述確定模塊包括：
處理子模塊，用于將所述文本數(shù)據(jù)信息作為所述用戶意圖分類模型的輸入，得到所述文本數(shù)據(jù)信息對應(yīng)的第一分類結(jié)果；
第二獲取子模塊，用于獲取所述文本數(shù)據(jù)信息對應(yīng)的上一句文本數(shù)據(jù)信息所屬的意圖類別；
第一確定子模塊，用于根據(jù)所述上一句文本數(shù)據(jù)信息所屬的意圖類別和所述目標(biāo)轉(zhuǎn)移概率矩陣，確定所述文本數(shù)據(jù)信息對應(yīng)的第二分類結(jié)果；
第二確定子模塊，用于根據(jù)所述第一分類結(jié)果和所述第二分類結(jié)果確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖分類。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述第二確定子模塊用于：
根據(jù)所述第一分類結(jié)果和所述第二分類結(jié)果的乘積，確定所述文本數(shù)據(jù)信息所屬的目標(biāo)意圖分類。