CN107562816A - 用户意图自动识别方法及装置 - Google Patents

Abstract

本发明涉及一种用户意图自动识别方法及装置，所述方法包括：根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；若无法根据所述输入语句识别用户行为意图，则在数据库中检索与所述输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；若在所述数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户识别意图作为用户意图。本发明提供的用户意图自动识别方法及装置，能够自动分级识别用户意图，提高了用户意图识别的精确度，并结合对用户的情绪分析，强化机器人对用户意图识别的程度。

Description

用户意图自动识别方法及装置

技术领域

本发明涉及人工智能技术领域，具体涉及用户意图自动识别方法及装置。

背景技术

随着社会的信息化进程日益加剧，通过自然语言与用户交流的机器人也逐渐走入人们的生活。在机器人与用户交互的过程中，基本可以将机器人分为三类：简单的一问一答方式，没有上下文，这种方式根本上是对传统检索方式的升级和迭代；有目标的人机对话，这种对话的目的是解决用户的某一特定需求，如：订票、订酒店等，机器人需要在尽量少的对话轮数中挖掘到用户的需求信息；闲聊模式是用户与机器人之间进行的无目的对话。目前的机器人人系统不论是一问一答、有目标的对话还是闲聊，都鲜少有考虑到用户意图和情绪的。

目前已经有的一种识别用户意图的方案是通过各种类型的传感器获取到用户生理指数，根据分析用户生理状态的变化获知用户意图和情绪。该方案的缺点为：应用范围有限，必须有传感器接触到用户，使用不方便；所获取的生理指数与用户意图没有直接对应关系，比如：用户血压、心跳增加，既可能是激动紧张也可能是受环境温度变化影响，还可能是健康情况发生变化；另外，不是所有的用户意图都会通过生理指数体现，如：预定外卖和寻找代驾的需求，可能用户的生理指数是完全相同的。因此，如何便捷精准地识别用户真实的意图是本技术领域人员亟需解决的问题。

发明内容

针对现有技术中的缺陷，本发明提供的用户意图自动识别方法及装置，能够自动分级识别用户意图，提高了用户意图识别的精确度，并结合对用户的情绪分析，强化机器人对用户意图识别的程度。

第一方面，本发明提供了一种用户意图自动识别方法，包括：

根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；

若无法根据所述输入语句识别用户行为意图，则在数据库中检索与所述输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；

若在所述数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户识别意图作为用户意图。

本发明提供的用户意图自动识别方法，根据计算机识别用户意图的困难程度，对用户意图进行建模，将用户意图分为用户行为意图、用户查询意图、用户其它意图三层，分别采用适合的方法对每层意图进行识别，通过分级的方式识别用户意图，提高了用户意图识别的精确度并降低了人力的消耗和对标注数据的要求。

优选地，所述根据输入语句识别用户行为意图，包括：

对输入语句进行分词处理；

对分词处理得到的词语进行词性标注，并对得到的词语进行命名实体识别和实体链接；

根据命名实体识别的结果和实体链接结果识别用户行为意图。

优选地，所述利用用户意图分类器识别用户其它意图，包括：

将分词处理得到的词语、词语的词性以及命名实体识别结果、实体链接结果输入用户意图分类器，得到用户其它意图。

优选地，还包括：

根据用户的输入信息识别用户情绪；

根据所述用户情绪和所述用户意图，判断用户的意图强烈度。

优选地，所述根据用户的输入信息识别用户情绪，包括：

将用户的输入信息输入粗粒度情绪分类器，根据所述粗粒度情绪分类器输出的置信度高的情绪作为用户的粗粒度情绪值；

将用户的输入信息输入细粒度情绪分类器，根据所述细粒度情绪分类器输出的置信度高的情绪作为用户的细粒度情绪值。

优选地，所述粗粒度情绪分类器和所述细粒度情绪分类器的构建方法包括：

获取与所述用户相关的样本数据；

对所述样本数据进行粗粒度标注和细粒度标注；

根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器。

优选地，还包括：将标注后的样本数据分为训练集和测试集；

所述根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器，包括：

根据训练集中的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器；

在训练完后，还包括：

利用测试集中的样本数据，对训练得到的所述粗粒度情绪分类器和所述细粒度情绪分类器进行测试，获得所述粗粒度情绪分类器和所述细粒度情绪分类器的置信度；

根据所述置信度检验所述粗粒度情绪分类器和所述细粒度情绪分类器的训练结果。

优选地，获取与所述用户相关的样本数据，包括：

获取所述用户与机器人交互产生是文本数据，

和/或，

通过互联网获取与所述用户相关的文本数据。

本发明中对用户情绪的判断，以粗粒度情绪分类器和细粒度情绪分类器的置信度作为最终情绪判断结果的权值，对机器人最终的行为或动作起指导作用，使得机器人能够根据用户的情绪对用户的意图作出更精细的判断，以增加机器人在人机交互过程中对用户需求的把握，使得机器人更加符合用户期望。

第二方面，本发明提供了一种用户意图自动识别装置，包括：

第一意图识别模块，用于根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；

第二意图识别模块，用于若无法根据所述输入语句识别用户行为意图，则在数据库中检索与所述输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；

第三意图识别模块，用于若在所述数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户其它意图作为用户意图。

本发明提供的用户意图自动识别装置，根据计算机识别用户意图的困难程度，对用户意图进行建模，将用户意图分为用户行为意图、用户查询意图、用户其它意图三层，分别采用适合的方法对每层意图进行识别，通过分级的方式识别用户意图，提高了用户意图识别的精确度并降低了人力的消耗和对标注数据的要求。

优选地，所述第一意图识别模块具体用于：

对输入语句进行分词处理；

对分词处理得到的词语进行词性标注，并对得到的词语进行命名实体识别和实体链接；

根据命名实体识别的结果和实体链接结果识别用户行为意图。

优选地，所述第三意图识别模块具体用于：

将分词处理得到的词语、词语的词性以及命名实体识别结果、实体链接结果输入用户意图分类器，得到用户其它意图。

优选地，还包括情绪识别模块，用于：

根据用户的输入信息识别用户情绪；

根据所述用户情绪和所述用户意图，判断用户的意图强烈度。

优选地，所述情绪识别模块具体用于：

将用户的输入信息输入粗粒度情绪分类器，根据所述粗粒度情绪分类器输出的置信度高的情绪作为用户的粗粒度情绪值；

将用户的输入信息输入细粒度情绪分类器，根据所述细粒度情绪分类器输出的置信度高的情绪作为用户的细粒度情绪值。

优选地，还包括分类器构建模块，用于通过以下步骤构建所述粗粒度情绪分类器和所述细粒度情绪分类器：

获取与所述用户相关的样本数据；

对所述样本数据进行粗粒度标注和细粒度标注；

根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器。

优选地，所述分类器构建模块还用于：将标注后的样本数据分为训练集和测试集；

所述根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器，包括：

根据训练集中的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器；

在训练完后，还包括：

利用测试集中的样本数据，对训练得到的所述粗粒度情绪分类器和所述细粒度情绪分类器进行测试，获得所述粗粒度情绪分类器和所述细粒度情绪分类器的置信度；

根据所述置信度检验所述粗粒度情绪分类器和所述细粒度情绪分类器的训练结果。

优选地，所述分类器构建模块中，获取与所述用户相关的样本数据，包括：

获取所述用户与机器人交互产生是文本数据，

和/或，

通过互联网获取与所述用户相关的文本数据。

本发明中对用户情绪的判断，以粗粒度情绪分类器和细粒度情绪分类器的置信度作为最终情绪判断结果的权值，对机器人最终的行为或动作起指导作用，使得机器人能够根据用户的情绪对用户的意图作出更精细的判断，以增加机器人在人机交互过程中对用户需求的把握，使得机器人更加符合用户期望。

第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述的任一方法。

附图说明

图1为本发明实施例所提供的户意图自动识别方法的流程图；

图2为本发明实施例所提供的户意图自动识别系统的结构框图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

首先对本实施例中涉及到的名词作出解释，本实施例中将用户意图分为用户行为意图、用户查询意图和用户其它意图。

1、用户行为意图，指用户明确的带有指令性或命令性的意图，细分为命令机器人控制外部设备和命令机器人控制自身。

2、用户查询意图，指用户查询相关信息的意图，类似于用户一问一答或有目标对话的需求。

3、用户其它意图，指除用户行为意图和用户查询意图之外的其它意图。

如图1所示，本实施例提供了一种用户意图自动识别方法，包括：

步骤S1，根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图。

其中，输入语句是指文本信息，机器人可以将用户输入的语音信号转化为文本信息得到输入语句。步骤S1是仅利用输入语句本身识别用户行为意图，方法简单高效。

用户行为意图对应的自然语言一般为命令格式，如：播放音乐、打开空调、去学习唱歌。因此，为了提高意图识别效率，步骤S1的优选实施方法包括：对输入语句进行分词处理，对分词处理得到的词语进行词性标注，并对得到的词语进行命名实体识别和实体链接，根据命名实体识别的结果和实体链接结果识别用户行为意图。

其中，命名实体是指文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。

对于无法通过步骤S1的方法识别用户意图的，则采用步骤S2的方法进行识别。

步骤S2，若无法根据输入语句识别用户行为意图，则在数据库中检索与输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图。

其中，数据库是预先构建的存储有“语句-用户查询意图”对的库，即数据中存储的每个语句都标注有对应的用户查询意图，只需将输入语句与数据库中的语句进行相似度比对，找到相似语句，然后通过相似语句检索到该语句对应的用户查询意图作为用户意图。步骤S2是通过查询数据库的方法识别用户意图，可以识别用户查询意图，能够识别步骤S1无法识别的输入语句，提高了用户意图识别的精度。

对于无法通过步骤S1和S2识别用户意图的即为用户其它意图，采用步骤S3的方法进行识别。

步骤S3，若在数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图。

其中，用户意图分类器是通过深度学习或手工或其它方式建立的分类器，用户意图分类器会根据输入信息输出对应的用户意图，具体包括：将步骤S1中通过分词处理得到的词语、词语的词性以及命名实体识别结果、实体链接结果输入用户意图分类器，得到用户其它意图。

与步骤S1、S2中的方法相比，用户意图分类器的意图识别精确度较高，且能够识别复杂语句中的用户意图，识别对象不限于固定的句型，也不需要配备大型数据库，但建立的分类器的过程需要较大的样本量，需要投入较大的人力物力。

本实施例提供的用户意图自动识别方法，根据计算机识别用户意图的困难程度，对用户意图进行建模，将用户意图分为用户行为意图、用户查询意图、用户其它意图三层，分别采用适合的方法对每层意图进行识别，通过分级的方式识别用户意图，提高了用户意图识别的精确度并降低了人力的消耗和对标注数据的要求。

在很多情况下，识别到用户意图仅仅意味着机器人知道了将要执行的操作，但是用户希望机器人执行的程度还无法获知，如：机器人知道用户期望打开空调，但是并不知道用户期望设定的温度。为了解决上述问题，本实施例将识别到的用户意图与用户情绪相结合，以指导机器人的行为。

因此，在上述任一方法实施例的基础上，本实施例提供的用户意图自动识别方法还包括以下步骤：

步骤S4，根据用户的输入信息识别用户情绪。

其中，用户的输入信息包括但不限于文本信息、语音信息、表情信息、动作信息等一系列可以体现用户情绪的信息，通过分析输入信息可以推测用户情绪。例如，通过分析用户的语音信息中的语调、音调、音量等特征，可以得到用户情绪。

步骤S5，根据用户情绪和用户意图，判断用户的意图强烈度。

其中，意图强烈度指用户希望机器人执行相关操作的程度。例如，用户希望机器人打开空调，那么意图强烈度是指用户希望空调设定的温度；用户希望机器人播放音乐，那么意图强烈度是至用户希望播放什么类型的音乐及音量。

本实施例对用户情绪同时进行粗粒度与细粒度两种粒度的建模。粗粒度情绪将用户情绪分为：正面情绪、负面情绪和中性情绪。结合心理学中情绪发展分化的理论，细粒度情绪将用户的情绪按以下类型划分：欲求、喜悦、厌恶、忿急、烦闷、惊骇、喜欢、忿急、同情、尊重、爱、道德感、美感、理智感、惊奇、痛苦、兴趣、愤怒、悲伤、惧怕、害羞、依恋、分离、伤心、恐惧、羞愧、自豪、骄傲、焦虑、内疚、同情。

基于上述对用户情绪的分类，步骤S4的优选实施方式包括：

步骤S41，将用户的输入信息输入粗粒度情绪分类器，根据粗粒度情绪分类器输出的置信度高的情绪作为用户的粗粒度情绪值。

步骤S42，将用户的输入信息输入细粒度情绪分类器，根据细粒度情绪分类器输出的置信度最高的情绪作为用户的细粒度情绪值。

最终机器人采取的行为或动作，是结合用户意图和用户情绪做出的决策，如：用户想打开空调且用户当前情绪为负面(粗粒度情绪分类器的置信度为90％)焦虑(细粒度情绪分类器的置信度为85％)的情绪，则将空调温度设置到较低的档位；用户想打开空调且用户当前情绪为中性的理智的，则将空调温度设置到一般的档位。

本实施例中对用户情绪的判断，以粗粒度情绪分类器和细粒度情绪分类器的置信度作为最终情绪判断结果的权值，对机器人最终的行为或动作起指导作用，使得机器人能够根据用户的情绪对用户的意图作出更精细的判断，以增加机器人在人机交互过程中对用户需求的把握，使得机器人更加符合用户期望。

其中，粗粒度情绪分类器和细粒度情绪分类器的构建方法包括：

步骤S101，获取与用户相关的样本数据。

其中，样本数据的来源可以是用户与机器人交互产生是文本数据，或，通过互联网获取与用户相关的文本数据，例如用户的社交媒体、web检索历史、等信息。通过获取用户更加全面的信息，以便能够更加全面的获取用户的特征，使得构建的分类器的分类结果更加精准。

步骤S102，对样本数据进行粗粒度标注和细粒度标注。即标注每个样本数据对应的粗粒度情绪和细粒度情绪。

步骤S103，根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器。

其中，若无法获取用户的个性化信息，如用户的社交媒体、web检索历史、等信息，则可以使用通用的用户信息训练得到通用情绪分类器，其训练过程为：获取大量用户的通用用户信息作为样本数据，采用步骤S102、S103的方法对样本数据进行标注，并用标注有的样本数据训练通用情绪分类器，通用情绪分类器包括粗粒度通用情绪分类器和细粒度通用情绪分类器，可分别用来判断用户的粗粒度情绪标签和细粒度情绪标签。通用情绪分类器是基于大量用户数据得到，可以较好地识别普通用户的情绪，在无法获得用户个性化信息时，也就无法获得用户个性化的情绪分类器，此时，在步骤S4(或步骤S41和S42)中可以选用通用情绪分类器识别用户的用户情绪，作为个性化的情绪分类器的补充。

为了提高情绪分类器的分类精度，将步骤S102标注的样本数据分为训练集和测试集。训练集的样本数据用于训练粗粒度情绪分类器和细粒度情绪分类器。测试集的样本数据用于对训练得到的粗粒度情绪分类器和细粒度情绪分类器进行测试，根据测试结果分别获得粗粒度情绪分类器和细粒度情绪分类器的置信度，根据置信度检验粗粒度情绪分类器和细粒度情绪分类器的训练结果，若不满足要求，则继续对分类器进行训练。

为了提高意图识别的精度，在意图识别过程中，还可以通过各种检测用户生理指数的传感器获取用户的心跳、体温、血压等生理参数，将用户的生理参数作为判断依据，辅助判断用户意图。也可以结合用户个人知识图谱、web检索历史、社交网站留言等用户信息，以增加机器人对用户的了解，增加机器人识别用户意图和情绪的准确度。

用户在和机器人交互的过程中，产生了大量的数据，这些用户数据包含了丰富的信息，包括用户的需求、意图和情绪。本实施例提供的用户意图自动识别方法，通过各种方式识别出用户的交互意图和交互时的情绪可以使聊天机器人变得更加智能更加符合用户的期望，增强用户体验。

本实施例中所提到的用户意图分类器以及各种情绪分类器均可以通过现有的分类器实现，如决策树分类器、K-近邻分类器、朴素贝叶斯分类器等，也可以通过神经网络技术训练得到分类器，上述实现分类器的方法均为现有技术，在此不再赘述。

基于与上述用户意图自动识别方法相同的发明构思，本实施例提供了一种用户意图自动识别装置，如图2所示，包括：

第一意图识别模块，用于根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；

第二意图识别模块，用于若无法根据输入语句识别用户行为意图，则在数据库中检索与输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；

第三意图识别模块，用于若在数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户其它意图作为用户意图。

优选地，所述第一意图识别模块具体用于：

对输入语句进行分词处理；

对分词处理得到的词语进行词性标注，并对得到的词语进行命名实体识别和实体链接；

根据命名实体识别的结果和实体链接结果识别用户行为意图。

优选地，所述第三意图识别模块具体用于：

将分词处理得到的词语、词语的词性以及命名实体识别结果、实体链接结果输入用户意图分类器，得到用户其它意图。

优选地，还包括情绪识别模块，用于：

根据用户的输入信息识别用户情绪；

根据所述用户情绪和所述用户意图，判断用户的意图强烈度。

优选地，所述情绪识别模块具体用于：

将用户的输入信息输入粗粒度情绪分类器，根据所述粗粒度情绪分类器输出的置信度高的情绪作为用户的粗粒度情绪值；

将用户的输入信息输入细粒度情绪分类器，根据所述细粒度情绪分类器输出的置信度高的情绪作为用户的细粒度情绪值。

优选地，还包括分类器构建模块，用于通过以下步骤构建所述粗粒度情绪分类器和所述细粒度情绪分类器：

获取与所述用户相关的样本数据；

对所述样本数据进行粗粒度标注和细粒度标注；

根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器。

优选地，所述分类器构建模块还用于：将标注后的样本数据分为训练集和测试集；

所述根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器，包括：

根据训练集中的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器；

在训练完后，还包括：

利用测试集中的样本数据，对训练得到的所述粗粒度情绪分类器和所述细粒度情绪分类器进行测试，获得所述粗粒度情绪分类器和所述细粒度情绪分类器的置信度；

根据所述置信度检验所述粗粒度情绪分类器和所述细粒度情绪分类器的训练结果。

优选地，所述分类器构建模块中，获取与所述用户相关的样本数据，包括：

获取所述用户与机器人交互产生是文本数据，

和/或，

通过互联网获取与所述用户相关的文本数据。

本实施例提供的用户意图自动识别装置与上述用户意图自动识别方法出于相同的发明构思，具有相同的有益效果，此处不再赘述。

基于与上述用户意图自动识别方法相同的发明构思，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述用户意图自动识别方法的实施例中的任一的方法。本实施例提供的计算机可读存储介质中的计算机程序与上述用户意图自动识别方法出于相同的发明构思，具有相同的有益效果，此处不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种用户意图自动识别方法，其特征在于，包括：

根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；

若无法根据所述输入语句识别用户行为意图，则在数据库中检索与所述输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；

若在所述数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户识别意图作为用户意图。

2.根据权利要求1所述的方法，其特征在于，所述根据输入语句识别用户行为意图，包括：

对输入语句进行分词处理；

对分词处理得到的词语进行词性标注，并对得到的词语进行命名实体识别和实体链接；

根据命名实体识别的结果和实体链接结果识别用户行为意图。

3.根据权利要求2所述的方法，其特征在于，所述利用用户意图分类器识别用户其它意图，包括：

将分词处理得到的词语、词语的词性以及命名实体识别结果、实体链接结果输入用户意图分类器，得到用户其它意图。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据用户的输入信息识别用户情绪；

根据所述用户情绪和所述用户意图，判断用户的意图强烈度。

5.根据权利要求4所述的方法，其特征在于，所述根据用户的输入信息识别用户情绪，包括：

将用户的输入信息输入粗粒度情绪分类器，根据所述粗粒度情绪分类器输出的置信度高的情绪作为用户的粗粒度情绪值；

将用户的输入信息输入细粒度情绪分类器，根据所述细粒度情绪分类器输出的置信度高的情绪作为用户的细粒度情绪值。

6.根据权利要求5所述的方法，其特征在于，所述粗粒度情绪分类器和所述细粒度情绪分类器的构建方法包括：

获取与所述用户相关的样本数据；

对所述样本数据进行粗粒度标注和细粒度标注；

根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器。

7.根据权利要求6所述的方法，其特征在于，还包括：将标注后的样本数据分为训练集和测试集；

所述根据标注后的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器，包括：

根据训练集中的样本数据训练得到粗粒度情绪分类器和细粒度情绪分类器；

在训练完后，还包括：

利用测试集中的样本数据，对训练得到的所述粗粒度情绪分类器和所述细粒度情绪分类器进行测试，获得所述粗粒度情绪分类器和所述细粒度情绪分类器的置信度；

根据所述置信度检验所述粗粒度情绪分类器和所述细粒度情绪分类器的训练结果。

8.根据权利要求6或7所述的方法，其特征在于，获取与所述用户相关的样本数据，包括：

获取所述用户与机器人交互产生是文本数据，

和/或，

通过互联网获取与所述用户相关的文本数据。

9.一种用户意图自动识别装置，其特征在于，包括：

第一意图识别模块，用于根据输入语句识别用户行为意图，将所述用户行为意图作为用户意图；

第二意图识别模块，用于若无法根据所述输入语句识别用户行为意图，则在数据库中检索与所述输入语句相似的语句，将检索到的语句对应的用户查询意图作为用户意图；

第三意图识别模块，用于若在所述数据库中检索不到相似语句，则利用用户意图分类器识别用户其它意图，将所述用户其它意图作为用户意图。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8之一所述的方法。