CN109284386A - 可定制的意图识别方法及装置 - Google Patents

可定制的意图识别方法及装置 Download PDF

Info

Publication number
CN109284386A
CN109284386A CN201811197993.0A CN201811197993A CN109284386A CN 109284386 A CN109284386 A CN 109284386A CN 201811197993 A CN201811197993 A CN 201811197993A CN 109284386 A CN109284386 A CN 109284386A
Authority
CN
China
Prior art keywords
user
intention
intention assessment
training
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811197993.0A
Other languages
English (en)
Inventor
谭斌
许洛
孙锐
展华益
王欣
杨兰
饶璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201811197993.0A priority Critical patent/CN109284386A/zh
Publication of CN109284386A publication Critical patent/CN109284386A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/04—Training, enrolment or model building

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

本发明涉及自然语言处理领域，现有意图识别模型不能根据用户差异化进行意图识别的问题，提出一种可定制的意图识别方法，包括：获取用户需要进行意图识别的输入数据，采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图；将候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集，采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型，采用用户定制意图识别模型进行用户意图的识别。本发明适用于智能家居的意图识别。

Description

可定制的意图识别方法及装置
技术领域
本发明涉及自然语言处理领域，特别涉及一种意图识别方法及装置。
背景技术
意图识别方法是一种根据语句识别该语句的意图的识别方法，意图识别方法可以应用在各个领域。比如随着智能家居的不断发展，在家庭环境下智能家电的应用越来越多，智能家电对用户的意图识别以向用户提供相应的服务。例如，用户向智能电视说出“我想看刘德华的电影”，则识别出用户的意图是随机播放刘德华参演的一部电影，或者，用户向智能电视说出“我要看天气”，则识别出用户的意图是显示当天的天气情况。
但是，现有技术中的意图识别模型，都是开发人员根据自身领域理解所训练得到，但用户由于地域、年龄与个人习惯等差异，很多文本的表述与理解都会存在差异，同样的意图识别模型，不能满足用户差异化的需求，则意图识别方法可能不能很好的理解用户的意图，例如，用户说出“我要买小米”，则意图识别方法可能会识别为“科技”，也有可能识别为“食物”，这种情况还需要用户重新说“我要买小米手机”或者是“我要买小米来熬粥”，才能为用户提供服务。
发明内容
本发明所要解决的技术问题是：克服现有意图识别模型不能根据用户差异化进行意图识别的问题，提出一种可定制的意图识别方法及装置。
本发明解决上述技术问题，采用的技术方案是：
A、获取用户需要进行意图识别的输入数据，采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图；
B、将候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集，采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型；
C、采用用户定制意图识别模型进行用户意图的识别。
进一步的，所述步骤B中采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型之后，还包括：将客户端上的意图识别基础模型更新为用户定制意图识别模型。
优选的，所述步骤B中根据定制训练样本和训练数据集生成用户定制数据集包括：将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
进一步的，所述步骤A还包括，若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据；
和/或，所述步骤B中将预设的意图种类标签反馈展示给用户是指：通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户或通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
优选的，所述步骤A中预先根据训练数据集训练得到的意图识别基础模型包括：将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。
为解决上述技术问题，本发明还提供了一种可定制的意图识别装置，包括用户交互模块、意图识别模块、用户定制数据集生成模块和用户定制模型训练模块；
用户交互模块，用于获取用户需要进行意图识别的输入数据，将输入数据对应的候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，获取用户对意图种类标签的选择；
意图识别模块，用于采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图；还用于采用用户定制意图识别模型进行用户意图的识别；
用户定制数据集生成模块，用于将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集；
用户定制模型训练模块，用于采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型。
进一步的，还包括模型更新模块，所述模型更新模块用于在得到用户定制意图识别模型之后，将客户端上的意图识别基础模型更新为用户定制意图识别模型。
优选的，所述用户定制数据集生成模块还用于将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
进一步的，所述用户交互模块还包括数据转换单元，所述数据转换单元用于若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据；
和/或，所述用户交互模块还包括显示屏单元或者语音单元，所述显示屏单元用于将预设的意图种类标签反馈展示给用户时，通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户；所述语音单元用于将预设的意图种类标签反馈展示给用户时，通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
优选的，所述意图识别模块包括意图识别基础模型生成单元，所述意图识别基础模型生成单元用于将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。
本发明的有益效果是：
将候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集，采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型，如此可实现根据用户差异化进行意图识别，使得用户定制意图识别模型识别出的候选意图更贴近用户的需求，提高了意图识别的准确率。
附图说明
图1为本发明的一种可选的可定制的意图识别方法的流程图；
图2为本发明的一种可选的可定制的意图识别装置的结构示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明进行进一步详细说明。
一种可定制的意图识别方法，如图1所示，包括如下步骤：
A、获取用户需要进行意图识别的输入数据，采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图；
B、将候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集，采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型。
C、采用用户定制意图识别模型进行用户意图的识别。
对上述步骤作进一步地解释说明如下：
可选地，上述可定制的意图识别方法可以但不限于应用于定制差异化的家庭智能设备的服务查询。例如：用户在智能电视中定制差异化的查询服务及用户在智能音响中定制差异化的查询服务等等。
可选地，上述可定制的意图识别方法可以但不限于应用于客户端，为了性能的更优考虑，可将复杂的操作放在服务器中进行，例如将步骤B中的采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型放在服务器中进行，其它部分放在客户端进行。
为了节省客户端的存储资源，可将步骤B中根据定制训练样本和训练数据集生成用户定制训练数据集放在服务器中进行，例如客户端将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本后发送定制训练样本至服务器，然后服务器根据定制训练样本和训练数据集生成用户定制训练数据集放在服务器中进行。
为了适应不同类型的输入数据的意图识别，例如输入数据可为文本类型的输入数据，可以是语音类型的输入数据，则步骤A中还可包括：若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据；而将语音类型的数据转换为文本类型的输入数据为现有技术，例如可通过现有的语音识别模块来进行转换，此处不再赘述。
预先根据训练数据集训练得到的意图识别基础模型可采用：将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。例如“天气：今天的气温如何”，这是训练数据集里的一条分类标签样本，“天气”表示文本所属的意图种类标签，“今天的气温如何”是意图种类标签对应的文本信息。神经网络模型的选择可根据需求的不同来进行，可包括：多层感知机以及其它变种等；卷积神经网络结构以及其它变种等；循环神经网络结构以及其它变种等，上述训练数据集为包含大量中文的中文文本。
为适应不同的用户的需求，所述步骤B中将预设的意图种类标签反馈展示给用户可包括：通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户或通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
用户通过多模态输入或文本输入的方式，来判断结果是否符合用户定制的要求，如果不符合用户要求，将任务范围内全部意图种类标签反馈展示给用户，用户通过多模态输入或文本输入的方式进行选择，重新定义该文本所对应的意图种类标签，得到用户定制意图种类标签，例如：用户的输入是“我要买小米”，通过上步的初步意图识别，得到了其候选意图是“美食”，客户端设备通过显示模块或者是语音将结果反馈给用户供其进行判断，如果用户觉得这个结果符合他自身意图，则会通过硬件设备或者是语音指令进行确认通过；如果用户觉得这个结果不符合自身意图，则会通过硬件设备或者是语音指令进行否认，发送申请定制的指令，客户端设备收到指令后，会通过显示模块或语音模块向用户展示所有的意图种类标签，用户从这所有的标签中，选择符合自身要求的意图，例如选择意图种类标签为“科技”，客户端设备会将“科技：我要买小米”这一条样本信息存储起来，此时用户完成了一次意图识别的定制训练样本的生成。
为了提升定制训练样本对训练数据集的影响，可将定制训练样本的作用进行增强，例如：将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型可包括：将定制训练样本按设定的倍数添加到上述分类标签文本中，将新的分类标签文本和上述词向量矩阵文本输入到意图识别基础模型中进行迭代训练即可得到用户定制意图识别模型。
若上述用户定制意图识别模型的训练是在服务器上进行的，此时可在客户端上向用户发送模型更新提醒，用户可选择立即更新或者是稍后更新，稍后更新可根据用户需求，设定为“客户端设备关机时更新”或者是“客户端设备下次启动时更新”等，如此根据相应需要更新的选择将客户端上的意图识别基础模型更新为用户定制意图识别模型。可也采用默认设置，一旦服务器完成了用户定制意图识别模型的生成，则默认将客户端上的意图识别基础模型更新为用户定制意图识别模型。若用户定制意图识别模型的训练是在客户端上进行的，此步骤可不要。
最后，采用用户定制意图识别模型对用户新输入的数据进行用户意图的识别。
需要说明的是，在附图的流程图示出的步骤可以在诸如智能电视、智能音箱等智能家居设备中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的一种可定制的意图识别装置的结构框图，该装置包括用户交互模块、意图识别模块、用户定制数据集生成模块和用户定制模型训练模块；
用户交互模块，用于获取用户需要进行意图识别的输入数据，将输入数据对应的候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，获取用户对意图种类标签的选择；
意图识别模块，用于采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图，还用于采用用户定制意图识别模型进行用户意图的识别；
用户定制数据集生成模块，用于将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集；
用户定制模型训练模块，用于采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型。
可选地，上述可定制的意图识别方法可以但不限于应用于定制差异化的家庭智能设备的服务查询。例如：用户在智能电视中定制差异化的查询服务及用户在智能音响中定制差异化的查询服务等等。
可选地，上述可定制的意图识别方法可以但不限于应用于客户端，例如为了提高性能，可将复杂的操作放在服务器中进行，例如可将用户定制模型训练模块放在服务器中进行，用户交互模块、意图识别模块和用户定制数据集生成模块放在客户端进行，此时客户端将生成的用户定制训练数据集发送给服务器端。
为了节省客户端的存储资源，可将用户定制数据集生成模块放在服务器中进行，例如客户端将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本后发送定制训练样本至服务器，然后服务器根据定制训练样本和训练数据集生成用户定制训练数据集放在服务器中进行。
为了适应不同类型的输入数据的意图识别，例如输入数据可为文本类型的输入数据，可以是语音类型的输入数据，用户交互模块还包括数据转换单元，数据转换单元还用于若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据。而将语音类型的数据转换为文本类型的输入数据为现有技术，例如数据转换单元可采用现有的语音识别模块，此处不再赘述。
所述意图识别模块包括意图识别基础模型生成单元，所述意图识别基础模型生成单元用于将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。例如“天气：今天的气温如何”，这是训练数据集里的一条分类标签样本，“天气”表示文本所属的意图种类标签，“今天的气温如何”是意图种类标签对应的文本信息。神经网络模型的选择可根据需求的不同来进行，可包括：多层感知机以及其它变种等；卷积神经网络结构以及其它变种等；循环神经网络结构以及其它变种等。
为适应不同的用户的需求，用户交互模块还包括显示屏单元或者语音单元，所述显示屏单元用于将预设的意图种类标签反馈展示给用户时，通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户；所述语音单元用于将预设的意图种类标签反馈展示给用户时，通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
用户通过多模态输入或文本输入的方式，来判断结果是否符合用户定制的要求，如果不符合用户要求，将任务范围内全部意图种类标签反馈展示给用户，用户通过多模态输入或文本输入的方式进行选择，重新定义该文本所对应的意图种类标签，得到用户定制意图种类标签，例如：用户的输入是“我要买小米”，通过上步的初步意图识别，得到了其候选意图是“美食”，客户端设备通过显示模块或者是语音将结果反馈给用户供其进行判断，如果用户觉得这个结果符合他自身意图，则会通过硬件设备或者是语音指令进行确认通过；如果用户觉得这个结果不符合自身意图，则会通过硬件设备或者是语音指令进行否认，发送申请定制的指令，客户端设备收到指令后，会通过显示模块或语音模块向用户展示所有的意图种类标签，用户从这所有的标签中，选择符合自身要求的意图，例如选择意图种类标签为“科技”，客户端设备会将“科技：我要买小米”这一条样本信息存储起来，此时用户完成了一次意图识别的定制训练样本的生成。
为了提升定制训练样本对训练数据集的影响，可将定制训练样本的作用进行增强，例如：所述用户定制数据集生成模块还用于将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型可采用：将定制训练样本按设定的倍数添加到上述分类标签文本中，将新的分类标签文本和上述词向量矩阵文本输入到意图识别基础模型中进行迭代训练即可得到用户定制意图识别模型。
若上述用户定制意图识别模型的训练是在服务器上进行的，则还可包括还包括模型更新模块，所述模型更新模块用于在得到用户定制意图识别模型之后，将客户端上的意图识别基础模型更新为用户定制意图识别模型。此时可在客户端上向用户发送模型更新提醒，用户可选择立即更新或者是稍后更新，稍后更新可根据用户需求，设定为“客户端设备关机时更新”或者是“客户端设备下次启动时更新”等，如此根据相应需要更新的选择将客户端上的意图识别基础模型更新为用户定制意图识别模型。可也采用默认设置，一旦服务器完成了用户定制意图识别模型的生成，则默认将客户端上的意图识别基础模型更新为用户定制意图识别模型。若用户定制意图识别模型的训练是在客户端上进行的，此步骤可不要。

Claims (10)

1.可定制的意图识别方法，其特征在于，包括如下步骤：
A、获取用户需要进行意图识别的输入数据，采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图；
B、将候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集，采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型；
C、采用用户定制意图识别模型进行用户意图的识别。
2.如权利要求1所述的可定制的意图识别方法，其特征在于，所述步骤B中采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型之后，还包括：将客户端上的意图识别基础模型更新为用户定制意图识别模型。
3.如权利要求1所述的可定制的意图识别方法，其特征在于，所述步骤B中根据定制训练样本和训练数据集生成用户定制数据集包括：将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
4.如权利要求1所述的可定制的意图识别方法，其特征在于，所述步骤A还包括，若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据；
和/或，所述步骤B中将预设的意图种类标签反馈展示给用户是指：通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户或通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
5.如权利要求1所述的可定制的意图识别方法，其特征在于，所述步骤A中预先根据训练数据集训练得到的意图识别基础模型包括：将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。
6.可定制的意图识别装置，其特征在于，包括用户交互模块、意图识别模块、用户定制数据集生成模块和用户定制模型训练模块；
用户交互模块，用于获取用户需要进行意图识别的输入数据，将输入数据对应的候选意图反馈给用户，若候选意图不符合用户要求，将预设的意图种类标签反馈展示给用户，获取用户对意图种类标签的选择；
意图识别模块，用于采用预先根据训练数据集训练得到的意图识别基础模型对输入数据进行初步的意图识别得到对应的候选意图，还用于采用用户定制意图识别模型进行用户意图的识别；
用户定制数据集生成模块，用于将用户对意图种类标签的选择和对应的输入数据组合成定制训练样本，根据定制训练样本和训练数据集生成用户定制训练数据集；
用户定制模型训练模块，用于采用意图识别基础模型对用户定制训练数据集进行训练得到用户定制意图识别模型。
7.如权利要求6所述的可定制的意图识别装置，其特征在于，还包括模型更新模块，所述模型更新模块用于在得到用户定制意图识别模型之后，将客户端上的意图识别基础模型更新为用户定制意图识别模型。
8.如权利要求6所述的可定制的意图识别装置，其特征在于，所述用户定制数据集生成模块还用于将定制训练样本按设定的倍数添加到训练数据集里得到用户定制数据集。
9.如权利要求6所述的可定制的意图识别装置，其特征在于，所述用户交互模块还包括数据转换单元，所述数据转换单元用于若输入数据不是文本类型的输入数据，则将输入数据转换为文本类型的输入数据；
和/或，所述用户交互模块还包括显示屏单元或者语音单元，所述显示屏单元用于将预设的意图种类标签反馈展示给用户时，通过显示屏以文本的方式将预设的意图种类标签反馈展示给用户；所述语音单元用于将预设的意图种类标签反馈展示给用户时，通过语音设备以语音的方式将预设的意图种类标签反馈展示给用户。
10.如权利要求6所述的可定制的意图识别装置，其特征在于，所述意图识别模块包括意图识别基础模型生成单元，所述意图识别基础模型生成单元用于将训练数据集根据预设的意图种类标签进行分类生成分类标签文本，将训练数据集进行分词处理得到分词文本，对分词文本进行训练得到词向量，词向量向量化训练数据集得到词向量矩阵文本，将分类标签文本和词向量矩阵文本输入到预先建立的神经网络模型中进行迭代训练得到意图识别基础模型。
CN201811197993.0A 2018-10-15 2018-10-15 可定制的意图识别方法及装置 Pending CN109284386A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811197993.0A CN109284386A (zh) 2018-10-15 2018-10-15 可定制的意图识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811197993.0A CN109284386A (zh) 2018-10-15 2018-10-15 可定制的意图识别方法及装置

Publications (1)

Publication Number Publication Date
CN109284386A true CN109284386A (zh) 2019-01-29

Family

ID=65176502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811197993.0A Pending CN109284386A (zh) 2018-10-15 2018-10-15 可定制的意图识别方法及装置

Country Status (1)

Country Link
CN (1) CN109284386A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933704A (zh) * 2019-03-15 2019-06-25 杭州一骑轻尘信息技术有限公司 车辆咨询信息处理方法及装置
CN110619878A (zh) * 2019-10-17 2019-12-27 苏州思必驰信息科技有限公司 用于办公系统的语音交互方法和装置
CN111161740A (zh) * 2019-12-31 2020-05-15 中国建设银行股份有限公司 意图识别模型训练方法、意图识别方法以及相关装置
CN111324727A (zh) * 2020-02-19 2020-06-23 百度在线网络技术（北京）有限公司 用户意图识别方法、装置、设备和可读存储介质
WO2020211008A1 (zh) * 2019-04-17 2020-10-22 深圳市欢太科技有限公司 语音识别方法、装置、存储介质及电子设备
CN112148874A (zh) * 2020-07-07 2020-12-29 四川长虹电器股份有限公司 可自动新增用户潜在意图的意图识别方法及系统
WO2023102889A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 语音交互的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103730116A (zh) * 2014-01-07 2014-04-16 苏州思必驰信息科技有限公司 在智能手表上实现智能家居设备控制的系统及其方法
CN104951428A (zh) * 2014-03-26 2015-09-30 阿里巴巴集团控股有限公司 用户意图识别方法及装置
CN107291867A (zh) * 2017-06-13 2017-10-24 北京百度网讯科技有限公司 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质
CN107918653A (zh) * 2017-11-16 2018-04-17 百度在线网络技术（北京）有限公司 一种基于喜好反馈的智能播放方法和装置
CN108363690A (zh) * 2018-02-08 2018-08-03 北京十三科技有限公司 基于神经网络的对话语义意图预测方法及学习训练方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103730116A (zh) * 2014-01-07 2014-04-16 苏州思必驰信息科技有限公司 在智能手表上实现智能家居设备控制的系统及其方法
CN104951428A (zh) * 2014-03-26 2015-09-30 阿里巴巴集团控股有限公司 用户意图识别方法及装置
CN107291867A (zh) * 2017-06-13 2017-10-24 北京百度网讯科技有限公司 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质
CN107918653A (zh) * 2017-11-16 2018-04-17 百度在线网络技术（北京）有限公司 一种基于喜好反馈的智能播放方法和装置
CN108363690A (zh) * 2018-02-08 2018-08-03 北京十三科技有限公司 基于神经网络的对话语义意图预测方法及学习训练方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933704A (zh) * 2019-03-15 2019-06-25 杭州一骑轻尘信息技术有限公司 车辆咨询信息处理方法及装置
WO2020211008A1 (zh) * 2019-04-17 2020-10-22 深圳市欢太科技有限公司 语音识别方法、装置、存储介质及电子设备
CN113348502A (zh) * 2019-04-17 2021-09-03 深圳市欢太科技有限公司 语音识别方法、装置、存储介质及电子设备
CN110619878A (zh) * 2019-10-17 2019-12-27 苏州思必驰信息科技有限公司 用于办公系统的语音交互方法和装置
CN110619878B (zh) * 2019-10-17 2022-04-12 思必驰科技股份有限公司 用于办公系统的语音交互方法和装置
CN111161740A (zh) * 2019-12-31 2020-05-15 中国建设银行股份有限公司 意图识别模型训练方法、意图识别方法以及相关装置
CN111324727A (zh) * 2020-02-19 2020-06-23 百度在线网络技术（北京）有限公司 用户意图识别方法、装置、设备和可读存储介质
US11646016B2 (en) 2020-02-19 2023-05-09 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for recognizing user intention, device, and readable storage medium
CN112148874A (zh) * 2020-07-07 2020-12-29 四川长虹电器股份有限公司 可自动新增用户潜在意图的意图识别方法及系统
WO2023102889A1 (zh) * 2021-12-10 2023-06-15 华为技术有限公司 语音交互的方法和装置

Similar Documents

Publication Publication Date Title
CN109284386A (zh) 可定制的意图识别方法及装置
US11488576B2 (en) Artificial intelligence apparatus for generating text or speech having content-based style and method for the same
US10217059B2 (en) Method and system for generating natural language training data
CN105843381B (zh) 用于实现多模态交互的数据处理方法及多模态交互系统
CN110362667B (zh) 智能客服方法、装置、设备及可读存储介质
CN106021463B (zh) 基于人工智能提供智能服务的方法、智能服务系统及智能终端
US7836002B2 (en) Activity-centric domain scoping
CN105391730B (zh) 一种信息反馈方法、装置及系统
CN107515944A (zh) 基于人工智能的交互方法、用户终端、及存储介质
US20190221208A1 (en) Method, user interface, and device for audio-based emoji input
CN110109541B (zh) 一种多模态交互的方法
CN111651497B (zh) 用户标签挖掘方法、装置、存储介质及电子设备
CN110476173A (zh) 利用强化学习的分层设备放置
CN110096516B (zh) 自定义的数据库交互的对话生成方法及系统
CN107564522A (zh) 一种智能控制方法及装置
CN111813910A (zh) 客服问题的更新方法、系统、终端设备及计算机存储介质
CN113806537B (zh) 商品类目分类方法及其装置、设备、介质、产品
CN110019777A (zh) 一种信息分类的方法及设备
CN112148874A (zh) 可自动新增用户潜在意图的意图识别方法及系统
JP2022020574A (ja) ユーザ対話における情報処理方法、装置、電子デバイス及び記憶媒体
CN112579031A (zh) 一种语音交互的方法、系统和电子设备
Someshwar et al. Implementation of virtual assistant with sign language using deep learning and TensorFlow
CN110674276A (zh) 机器人自学习方法、机器人终端、装置及可读存储介质
CN110531632A (zh) 控制方法及系统
CN117992587A (zh) 一种基于大模型的人机交互方法、装置及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190129

RJ01 Rejection of invention patent application after publication