本申请提供一种多模态意图识别方法、装置、电子设备和存储介质。涉及人工智能技术领域，所述方法包括：获取待识别数据,所述待识别数据包括至少两种模态的数据，每一模态数据具有不同的数据类型；对所述待识别数据进行编码，得到每一模态数据的表示序列；将所述每一模态数据的表示序列作为节点特征，构建多模态异构图；通过基于注意力机制的全局视图对所述多模态异构图进行编码，得到所述多模态异构图的表示；根据所述多模态异构图的表示进行分类，得到意图识别结果。上述方法可有效地对多模态信息进行融合，采用多模态异构图提升用户交互意图识别准确率，实现自然灵活的人机交互。