CN110162780B - 用户意图的识别方法和装置 - Google Patents

Abstract

本发明实施例适用于信息技术领域，提供了一种用户意图的识别方法和装置，所述方法包括：接收客户端发送的文本信息；对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；获取与所述多个关键词相匹配的业务命令及参数；将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理，有效地解决了现有技术中语音语义识别速度慢、效率低、准确度差的问题。

Description

用户意图的识别方法和装置

技术领域

本发明属于信息技术领域，特别是涉及一种用户意图的识别方法、一种用户意图的识别装置、一种服务器、一种终端设备及一种计算机可读存储介质。

背景技术

语音助手等应用程序可以通过与用户之间的智能对话、即时问答等智能交互方式来查询信息或获取服务，帮助用户解决问题。例如，用户可以通过语音指令实现天气查询、打车、打电话等功能。

上述功能的实现需要语音助手对用户的语音语义进行识别，然后按照用户实际的意图完成相应的操作，主要应用在日常生活领域。但是，在其他行业或领域，对于此类技术的需求也很大。以证券行业为例，现有的证券行业APP附带的语音功能集中在投资资讯、选股等方面，无法全面覆盖APP各项功能菜单，尤其是交易功能。当前的语音语义识别技术在识别证券行业相关内容时，识别速度慢、效率低、准确度差，经常会将用户指令误识别成生活化的相关词语，严重影响用户操作。

发明内容

有鉴于此，本发明实施例提供了一种用户意图的识别方法和装置，以解决现有技术中语音语义识别速度慢、效率低、准确度差的问题。

本发明实施例的第一方面提供了一种用户意图的识别方法，包括：

接收客户端发送的文本信息；

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数；

将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

本发明实施例的第二方面提供了一种用户意图的识别方法，包括：

接收用户语音信息，将所述用户语音信息转换为文本信息；

将所述文本信息发送至服务器；

接收所述服务器针对所述文本信息反馈的业务命令及参数；

采用所述业务命令及参数进行业务处理；

其中，所述业务命令及参数由所述服务器按照如下方式生成：

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数。

本发明实施例的第三方面提供了一种用户意图的识别装置，包括：

接收模块，用于接收客户端发送的文本信息；

分词模块，用于对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

识别模块，用于遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取模块，用于获取与所述多个关键词相匹配的业务命令及参数；

指示模块，用于将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

本发明实施例的第四方面提供了一种用户意图的识别装置，包括：

转换模块，用于接收用户语音信息，将所述用户语音信息转换为文本信息；

发送模块，用于将所述文本信息发送至服务器；

接收模块，用于接收所述服务器针对所述文本信息反馈的业务命令及参数；

处理模块，用于采用所述业务命令及参数进行业务处理；

其中，所述业务命令及参数由所述服务器通过调用如下模块生成：

分词模块，用于对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

识别模块，用于遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取模块，用于获取与所述多个关键词相匹配的业务命令及参数。

本发明实施例的第五方面提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述用户意图的识别方法的步骤：

接收客户端发送的文本信息；

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数；

将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

本发明实施例的第六方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述用户意图的识别方法的步骤：

接收用户语音信息，将所述用户语音信息转换为文本信息；

将所述文本信息发送至服务器；

接收所述服务器针对所述文本信息反馈的业务命令及参数；

采用所述业务命令及参数进行业务处理；

其中，所述业务命令及参数由所述服务器按照如下方式生成：

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数。

本发明实施例的第七方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述用户意图的识别方法的步骤：

接收客户端发送的文本信息；

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数；

将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

与现有技术相比，本发明实施例包括以下优点：

本发明实施例，通过接收客户端发送的文本信息，并对对该文本信息进行分词，获得包括多个待识别词语的分词词语列表后，可以遍历上述分词词语列表中的各个词语，识别出多个关键词，然后获取与多个关键词相匹配的业务命令及参数，从而可以将业务命令及参数反馈至客户端，指示客户端按照业务命令及参数进行业务处理。本实施例通过将用户语音信息转换得到的文本进行分词，从而提取出具有特定操作含义的关键词用于用户意图的识别，并根据识别结果获取相应的业务命令及参数，有效地解决了现有技术中语音语义识别速度慢、效率低、准确度差的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的一种用户意图的识别方法的步骤流程示意图；

图2是本发明一个实施例的另一种用户意图的识别方法的步骤流程示意图；

图3是本发明一个实施例的又一种用户意图的识别方法的步骤流程示意图；

图4是本发明一个实施例的一种用户意图的识别方法的交互过程示意图；

图5是本发明一个实施例的一种用户意图的识别方法的服务器内部执行过程示意图；

图6是本发明一个实施例的一种用户意图的识别装置的示意图；

图7是本发明一个实施例的另一种用户意图的识别装置的示意图；

图8是本发明一个实施例的一种服务器的示意图；

图9是本发明一个实施例的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本发明。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

下面通过具体实施例来说明本发明的技术方案。

参照图1，示出了本发明一个实施例的一种用户意图的识别方法的步骤流程示意图，具体可以包括如下步骤：

S101、接收客户端发送的文本信息；

需要说明的是，本实施例是从服务器侧对用户意图的识别方法进行的介绍。

通常，用户可以向终端设备发送语音信息，以指示终端设备完成某项操作。例如，用户可以对着终端设备说出“请帮我最新价半仓买入金证股份呢”这样的话。终端设备在接收到这句语音信息后，可以将其转换为文本信息，并将文本信息发送至服务器，由服务器对上述文本信息作进一步的分析和处理。

需要说明的是，终端设备接收用户发送的语音信息可以是通过某个客户端来实现的，该客户端可以是用户事先安装于终端设备上的应用程序APP。例如，某证券APP等等。当然，本实施例并不仅限于用于证券行业的用户意图识别，也可以用于其他行业或场景的用户意图识别，如日常生活中识别用户购买机票的意图、预定旅游行程的意图等等，本实施例对此不作限定。

因此，用户在打开终端设备上安装的某个客户端后，可以对着该客户端说出某个句子，指示客户端完成相应的操作。客户端接收到用户说出的句子后，可以通过语音识别的方式将该句子转换成文本信息，然后发送至服务器。

本实施例中的服务器可以是与当前的客户端关联的后台服务器。例如，可以是开发当前客户端的券商的智能中台，通过该智能中台可以对用户在各个客户端上的操作进行响应。

S102、对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

分词(Word Segmentation)是指将连续的汉字序列按照一定的规范重新组合成一个个单独的词序列的过程。

现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。以字符串匹配的分词方法为例，该方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行匹配。若在词典中找到某个字符串，则匹配成功(识别出一个词)。按照扫描方向的不同，字符串匹配的分词方法可以分为正向匹配和逆向匹配。正向匹配即是按照汉字串由左到右的方向进行匹配，而逆向匹配则是按照汉字串由右到左的方向进行匹配。

以上对分词技术作了简单的介绍，本领域技术人员可以根据实际需要采用不同的分词方法对接收到的文本信息进行分词，本实施例对此不作限定。

以前述步骤的文本信息“请帮我最新价半仓买入金证股份呢”为例，其分词结果可以表示为“请/帮/我/最新价/半仓/买入/金证股份/呢”。其中通过符号“/”分割开的各个词语即是后续步骤中待识别的词语。

S103、遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

在本发明实施例中，在对接收到的文本信息进行分词，获得多个词语后，可以逐个对各个词语进行识别，提取出其中的多个关键词。

在具体实现中，可以根据行业特性，预先采集生成多个行业数据库。例如，可以根据证券行业中针对股票、基金等品种的操作方式，生成包括买入、卖出、加仓、减仓等词语在内的业务类型数据库，也可以以各个股票、基金的名称或代码为基础，生成产品品种数据库。当获得多个分词后的词语时，可以逐个将各个词语在不同的数据库中进行匹配，若某个词语命中其中一个数据库中的目标词，则可以将该词语提取为关键词。待分词后的全部词语均查找完毕后，可以将所有命中关键词的词语提取为关键词。

例如，针对“请/帮/我/最新价/半仓/买入/金证股份/呢”这几个分词词语，经过与对应的数据库进行查找匹配，可以发现“最新价”命中价格数据库中的目标词，“半仓”命中数量数据库中的目标词，而“买入”和“金证股份”则分别命中业务类型数据库和产品品种数据库中的目标词，从而可以提取“最新价、半仓、买入、金证股份”这四个词语作为关键词。

作为本申请的一种示例，还可以通过将分词后获得的各个词语分别在预先生成的推导树的节点中进行匹配，从而提取出命中各个节点所对应的目标词的那些词语作为关键词。

本实施例中的推导树可以是一种多叉树，包括多个根节点，任一根节点下又包括多个叶子节点，每个根几点和叶子节点均对应于特定业务的一个目标词。通过按照一定的顺序将分词后获得的各个词语在上述推导树中进行查找，可以将命中某个节点的词语提取作为关键词，从而得到一条从根节点到叶子节点的搜索路径，该搜索路径中的各个节点分别与上述词语中的多个关键词一一对应。

需要说明的是，根据查找顺序的不同，得到的搜索路径也可能是不同的。例如，针对“请/帮/我/最新价/半仓/买入/金证股份/呢”这几个分词词语，若按照分词词语列表正向查找的方式，得到的搜索路径可以表示为“根节点→最新价→半仓→买入→金证股份”；而按照分词词语列表逆向查找的方式，得到的搜索路径可以表示为“根节点→金证股份→买入→半仓→最新价”。本实施例对查找的顺序不作限定。

S104、获取与所述多个关键词相匹配的业务命令及参数；

通常，从分词词语列表中提取出的关键词均代表某种操作以及如何执行该操作的信息。因此，在本发明实施例中，在提取出分词词语列表中的多个关键词后，可以进一步获取与上述多个关键词相匹配的业务命令及参数。

例如，针对上述关键词“最新价、半仓、买入、金证股份”，可以得到，该操作为“买入命令”，相应的参数为“金证股份、半仓、最新价”。

S105、将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

服务器根据客户端发送的文本信息分析得到包含用户意图的具体的业务操作指令后，可以将相应的业务命令及参数反馈至客户端，指示客户端按照该命令及参数进行业务处理，完成匹配用户意图的操作过程。

在本发明实施例中，通过接收客户端发送的文本信息，并对对该文本信息进行分词，获得包括多个待识别词语的分词词语列表后，可以遍历上述分词词语列表中的各个词语，识别出多个关键词，然后获取与多个关键词相匹配的业务命令及参数，从而可以将业务命令及参数反馈至客户端，指示客户端按照业务命令及参数进行业务处理。本实施例通过将用户语音信息转换得到的文本进行分词，从而提取出具有特定操作含义的关键词用于用户意图的识别，并根据识别结果获取相应的业务命令及参数，有效地解决了现有技术中语音语义识别速度慢、效率低、准确度差的问题。

参照图2，示出了本发明一个实施例的另一种用户意图的识别方法的步骤流程示意图，具体可以包括如下步骤：

S201、接收客户端发送的文本信息；

需要说明的是，本实施例是从服务器侧对用户意图的识别方法进行的介绍。上述服务器可以是与某个客户端相关联的智能中台，通过该智能中台可以对用户在各个客户端上的操作进行响应。上述客户端可以是用户事先安装于终端设备上的应用程序APP。例如，某证券APP等等。当然，本实施例并不仅限于用于证券行业的用户意图识别，也可以用于其他行业或场景的用户意图识别，如日常生活中识别用户购买机票的意图、预定旅游行程的意图等等，本实施例对此不作限定。

为了便于理解，本实施例以证券行业的用户意图识别进行后续的介绍和说明。

在具体实现中，用户在打开终端设备上安装的某证券APP后，可以对着该APP说出某个句子，以指示APP完成相应的操作。APP接收到用户说出的句子后，可以通过语音识别的方式将该句子转换成文本信息，然后发送至智能中台。

需要说明的是，APP在接收到用户说出的句子后，可以通过嵌入于APP内的语音语义识别模块将该句子转换为文本信息，也可以通过调用第三方的输入法软件将该句子转换为文本信息，本实施例对此不作限定。

例如，转换后得到的文本信息可以是“请帮我最新价半仓买入金证股份呢”。然后，APP可以将上述文本信息发送至智能中台。

S202、对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

在本发明实施例中，智能中台可以采用结巴分词等开源的分词算法对接收到的文本信息进行分词，得到待识别的词语。

结巴分词支持精确模式、全模式、搜索引擎模式等多种分词模式，精确模式能够将句子最精确地切开，适合文本分析。同时，结巴分词还支持开发者使用自定定义的词典，以便包含自有词库中没有的词语，提高分词的准确性。

在具体实现中，可以沿正向顺序对上述文本信息进行分词，获得多个分词后的词语。然后，按照逆向顺序对多个分词后的词语进行排列，获得分词词语列表。

例如，对于上述文本信息“请帮我最新价半仓买入金证股份呢”，正向分词后获得的多个词语为“请/帮/我/最新价/半仓/买入/金证股份/呢”。然后，可以按照逆向顺序，重新对这些词语进行排列，得到分词词语列表，即“呢，金证股份，买入，半仓，最新价，我，帮，请”。

S203、加载预置的推导树，所述推导树包括多个根节点，所述多个根节点分别包括多个叶子节点；

在本发明实施例中，可以通过将分词后获得的各个词语分别在预先生成的推导树的节点中进行匹配，提取出命中各个节点所对应的目标词的那些词语作为关键词，从而识别出用户意图。

在具体实现中，可以首先获取预先配置的推导树模板，该推导树模板可以通过从预先采集的业务语句中提取关键词配置得到。然后，针对任一关键词，可以分别获取与该关键词相关联的多个关联词，从而将上述多个关联词分别导入该关键词对应的根节点下的多个叶子节点中，生成推导树。

S204、遍历所述分词词语列表中的各个词语，依据所述各个词语生成从所述推导树的根节点到叶子节点的搜索路径，所述搜索路径中的各个节点分别与所述词语中的多个关键词一一对应；

在本发明实施例中，在遍历分词词语列表中的各个词语，生成从推导树的根节点到叶子节点的搜索路径时，可以首先将当前节点置为根节点，然后确定分词词语列表中的第一个词语是否存在于推导树的当前节点中。

例如，可以首先确定分词词语列表中的第一个词语“呢”是否存在于当前节点中。

若上述分词词语列表中的第一个词语不存在于推导树的当前节点中，则可以舍弃第一个词语，并依次确定分词词语列表中的其他词语是否存在于当前节点中；若上述分词词语列表中的第一个词语存在于推导树的当前节点中，则可以将该第一个词语识别为搜索路径中的节点对应的关键词，并依次确定分词词语列表中的其他词语是否存在于当前节点的子节点中。

例如，对于第一个词语“呢”，经确认该词不存在于当前节点中，则可以舍弃该词语，继续判断第二个词语“金证股份”是否存在于当前节点中。

经确认，“金证股份”存在于当前节点，此时，可以将当前节点识别为最终的搜索路径中的一个节点并将“金证股份”这个词识别为该节点对应的关键词，然后判断“金证股份”的下一个词语即“买入”是否存在于当前节点的叶子节点中。

类似地，“买入”这个词存在于“金证股份”对应的根节点的叶子节点中，此时，可以将“买入”这个词对应的节点置为当前节点，将该节点识别为最终的搜索路径中的一个节点并将“买入”这个词识别为该节点对应的关键词，然后判断“买入”的下一个词语即“半仓”是否存在于当前节点的叶子节点中。

当分词词语列表中的任一词语均被舍弃或被识别为关键词时，可以依据得到的关键词生成搜索路径。即，搜索路径可以表示为“根节点→金证股份→买入→半仓→最新价”，一条搜索路径表示一次具体的业务意义。

S205、确定所述多个关键词中的目标关键词，所述目标关键词为在预置的业务类型数据库中所包含的关键词；

在本发明实施例中，在得到包含多个节点的搜索路径后，可以确定该搜索路径中各个节点所对应的关键词中究竟哪一个为目标关键词。上述目标关键词可以是在预置的业务类型数据库中所包含的关键词。

在具体实现中，可以根据证券行业的行业特性，预先采集多个具体的词语或词组生成业务类型数据库，然后将搜索路径中各个节点对应的关键词分别在上述业务类型数据库中进行查找，如果某个关键词命中该数据库中的某个目标词，则可以将该关键词识别为目标关键词，而将其他节点对应的关键词识别为参数关键词。

例如，根据证券行业的行业特性，可以采集包括买入、卖出、加仓、减仓等在内的特定操作类型词语构成业务类型数据库。在根据推导树生成“根节点→金证股份→买入→半仓→最新价”这一条搜索路径后，可以将该路径中各个节点对应的关键词在上述业务类型数据库中进行匹配查找，从而可知仅仅“买入”这一个关键词命中上述业务类型数据库中的目标词。此时，可以将“买入”识别为目标关键词，目标关键词体现的是用户具体的操作意图，即“买入命令”。

S206、获取与所述目标关键词相匹配的业务命令；以及，获取与除所述目标关键词外的其他关键词相匹配的业务参数；

以上述搜索路径为例，其体现的业务命令即为“买入命令”，业务参数为“金证股份、半仓、最新价”。

S207、将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

智能中台根据客户端发送的文本信息分析得到包含用户意图的具体的业务操作指令后，可以将相应的业务命令及参数反馈至客户端，指示客户端按照该命令及参数进行业务处理，完成匹配用户意图的操作过程。

在本发明实施例中，客户端在接收的用户语音信息后，通过将语音信息转换成文本信息并发送至智能中台，由智能中台根据预先生成的推导树及自定义的分词词典库对上述文本信息进行处理，可以穷举所有的支持的命令和对应参数，达到收缩用户意图的范围的目的，提高用户意图的识别能力。

参照图3，示出了本发明一个实施例的又一种用户意图的识别方法的步骤流程示意图，具体可以包括如下步骤：

S301、接收用户语音信息，将所述用户语音信息转换为文本信息；

需要说明的是，本实施例是从客户端侧对用户意图的识别方法进行的介绍。上述客户端可以是用户事先安装于终端设备上的应用程序APP。

在本发明实施例中，用户在打开终端设备上安装的某APP后，可以对着该APP说出某个句子，以指示APP完成相应的操作。APP接收到用户说出的句子后，可以通过语音识别的方式将该句子转换成文本信息。

在具体实现中，APP在接收到用户说出的句子后，可以通过嵌入于APP内的语音语义识别模块将该句子转换为文本信息，也可以通过调用第三方的输入法软件将该句子转换为文本信息，本实施例对此不作限定。

S302、将所述文本信息发送至服务器；

在本发明实施例中，服务器可以是与客户端相关联的智能中台等后台服务器。通过该智能中台可以对用户在各个客户端上的操作进行响应。

在本发明实施例中，智能中台在接收到客户端的文本信息后，可以首先对文本信息进行分词，获得包括多个待识别的词语的分词词语列表，然后通过遍历分词词语列表中的各个词语，可以识别上述词语中的多个关键词，并获取与多个关键词相匹配的业务命令及参数。

需要说明的是，智能中台根据接收到的文本信息识别出体现用户意图的业务命令及参数过程与前述实施例中步骤S102-S104以及步骤S202-S206类似，相关实现细节可以相互参阅，本实施例对此不再赘述。

S303、接收所述服务器针对所述文本信息反馈的业务命令及参数；

S304、采用所述业务命令及参数进行业务处理。

智能中台根据客户端发送的文本信息分析得到体现用户意图的具体的业务操作指令后，可以将相应的业务命令及参数反馈至客户端，指示客户端按照该命令及参数进行业务处理，完成匹配用户意图的业务处理过程。

在本发明实施例中，客户端在接收的用户语音信息后，通过将语音信息转换成文本信息并发送至智能中台，由智能中台根据预先生成的推导树及自定义的分词词典库对上述文本信息进行处理，识别出与用户意图相匹配的业务命令及参数，使得客户端可以按照上述业务命令及参数进行相应的业务处理，提高了用户在客户端上的操作便利性。

为了便于理解，下面以一个具体的示例对本发明的用户意图的识别方法作一介绍。

首先，介绍推导树的生成过程，主要包括以下几个部分：

1、产生推导树模板(人工配置)：

推导树模板可以是由人工配置的一种多叉树模板。可以根据具体所支持的业务类型，在系统中设计语料场景，并且将语句中的关键词提取出来。通常，一句话可能会有多个关键词，每个关键词都可以生成对应的词ID，并用词ID作为key，形成推导树模板。

2、填充词ID(数据导入+人工补充)：

在系统中，需要对每个词ID进行扩充。有些词ID的词可以通过程序从外部数据源获取到的(例如：证券名称、证券代码)，则利用程序获取并导入到系统中。有些需要人工补充的则由人工在系统中进行补充。例如，买入、购买等等词。

3、生成推导树：

在系统启动后，可以首先读取推导树模板，然后开始遍历推导树模板。针对每个词ID找到该词ID下的所有词，并对词ID进行扩展，最终形成完整的推导树。

以前述实施例中“根节点→金证股份→买入→半仓→最新价”这样的路径为例。根据业务场景和类型提取词ID以后，会形成这样的模板：根节点→证券名称→交易方式→委托数量→委托价格。其中，证券名称、交易方式、委托数量、委托价格都是词ID。证券名称可以包括金证股份在内的中国证券市场所有可交易的证券名称；交易方式包括买入、卖出；委托数量可以是具体的数字，也可以是全仓、半仓等模糊词；委托价格可以是具体的数字，也可以是最新价、涨停价、跌停价等模糊词。

在生成推导树的时候，可以首先读取到“根节点→证券名称→交易方式→委托数量→委托价格”这样的推导树模板，然后依次扩充证券名称、交易方式、委托数量、委托价格这些词ID，可以根据这个模板形成最终类似于如下所示的推导树：“根节点→金证股份|浦发银行|深发展A|……|50ETF→买入|卖出→{数字}|全仓|半仓→{数字}|最新价|涨停价|跌停价”。

其次，介绍本方法的交互过程。如图4所示，是本发明一个实施例的一种用户意图的识别方法的交互过程示意图。在图4中，整个交互过程包括三个执行主体，即客户端、第三方输入法软件和智能中台。具体的交互流程为：

1、客户端首先将用户语音信息发送至第三方输入法软件，第三方输入法软件返回对应的文字内容；需要说明的是，在实际处理过程中，也可以在客户端中嵌入语音识别模块，从而可以直接由客户端对用户语音信息进行识别和转换；

2、客户端再将文字内容发送到智能中台，并由智能中台返回识别出来的用户意图所对应的命令和参数；

3、客户端执行命令并带入参数。

最后，介绍智能中台内部的执行逻辑。如图5所示，是本发明一个实施例的一种用户意图的识别方法的服务器内部执行过程示意图。

假设用户所说的话是“请帮我最新价半仓买入金证股份呢”，同时推导树中包含了“根节点→金证股份→买入→半仓→最新价”这样的一条从根节点到叶子节点的路径，这条路径代表的命令是买入命令，参数有金证股份、半仓、最新价。另外，自定义的分词词典库中包含了以下词语：最新价、半仓、买入、金证股份。

按照上述流程，智能中台内部的会执行如下步骤：

1、收到客户端发送的语音文字“请帮我最新价半仓买入金证股份呢”；

2、加载推导树(推导树中包含了这样的一条从根节点到叶子节点的路径：根节点→金证股份→买入→半仓→最新价)；

3、将推导树的当前节点置为根节点；

4、对“请帮我最新价半仓买入金证股份”进行分词，分词后的句子为“请/帮/我/最新价/半仓/买入/金证股份/呢”，分词词语列表为：{呢，金证股份，买入，半仓，最新价，我，帮，请}；

5、获取分词词语列表中的第一个词语“呢”；

6、推导树当前节点(根节点)的子节点中不存在“呢”这个词，因此，从分词词语列表中获取下一个词语“金证股份”；

7、推导树当前节点(根节点)的子节点中存在“金证股份”这个词，因此，将推导树的当前节点置为“金证股份”对应的节点，并从分词词语列表中获取下一个词语“买入”；

8、推导树当前节点(“金证股份”对应的节点)的子节点中存在“买入”这个词，因此，将推导树的当前节点置为“买入”对应的节点，并从分词词语列表中获取下一个词语“半仓”；

9、推导树当前节点(“买入”对应的节点)的子节点中存在“半仓”这个词，因此，将推导树的当前节点置为“半仓”对应的节点，并从分词词语列表中获取下一个词语“最新价”；

10、推导树当前节点(“半仓”对应的节点)的子节点中存在“最新价”这个词，因此，将推导树的当前节点置为“最新价”对应的节点，并从分词词语列表中获取下一个词语“我”；

11、推导树当前节点(“最新价”对应的节点)的子节点中不存在“我”这个词，因此，从分词词语列表中获取下一个词语“帮”；

12、推导树当前节点(“最新价”对应的节点)的子节点中不存在“帮”这个词，因此，从分词词语列表中获取下一个词语“请”；

13、推导树当前节点(“最新价”对应的节点)的子节点中不存在“请”这个词，并且词语列表中没有未识别的词语了。因此，根据当前节点所代表的业务意义可以得知，命令为买入命令，参数有金证股份、半仓、最新价；

14、输出命令“买入命令”、参数“金证股份、半仓、最新价”。

需要说明的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

参照图6，示出了本发明一个实施例的一种用户意图的识别装置的示意图，所述装置可以应用于服务器，所述装置具体可以包括如下模块：

接收模块601，用于接收客户端发送的文本信息；

分词模块602，用于对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

识别模块603，用于遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取模块604，用于获取与所述多个关键词相匹配的业务命令及参数；

指示模块605，用于将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

在本发明实施例中，所述分词模块602具体可以包括如下子模块：

分词子模块，用于沿正向顺序对所述文本信息进行分词，获得多个分词后的词语；

排序子模块，用于按照逆向顺序对所述多个分词后的词语进行排列，获得分词词语列表。

在本发明实施例中，所述识别模块603具体可以包括如下子模块：

推导树加载子模块，用于加载预置的推导树，所述推导树包括多个根节点，所述多个根节点分别包括多个叶子节点；

搜索路径生成子模块，用于遍历所述分词词语列表中的各个词语，依据所述各个词语生成从所述推导树的根节点到叶子节点的搜索路径，所述搜索路径中的各个节点分别与所述词语中的多个关键词一一对应。

在本发明实施例中，所述搜索路径生成子模块具体可以包括如下单元：

第一确定单元，用于确定所述分词词语列表中的第一个词语是否存在于所述推导树的当前节点中；

第二确定单元，用于若所述分词词语列表中的第一个词语不存在于所述推导树的当前节点中，则舍弃所述第一个词语，并依次确定所述分词词语列表中的其他词语是否存在于所述当前节点中；

第三确定单元，用于若所述分词词语列表中的第一个词语存在于所述推导树的当前节点中，则将所述第一个词语识别为搜索路径中的节点对应的关键词，并依次确定所述分词词语列表中的其他词语是否存在于所述当前节点的子节点中；

生成单元，用于在所述分词词语列表中的任一词语均被舍弃或被识别为所述关键词时，依据所述关键词生成所述搜索路径。

在本发明实施例中，所述推导树通过调用如下模块生成：

推导树模板获取模块，用于获取预先配置的推导树模板，所述推导树模板通过从预先采集的业务语句中提取关键词配置得到；

关联词获取模块，用于针对任一关键词，分别获取与所述关键词相关联的多个关联词；

推导树生成模块，用于将所述多个关联词分别导入所述关键词对应的根节点下的多个叶子节点中，生成推导树。

在本发明实施例中，所述获取模块604具体可以包括如下子模块：

目标关键词确定子模块，用于确定所述多个关键词中的目标关键词，所述目标关键词为在预置的业务类型数据库中所包含的关键词；

业务命令获取子模块，用于获取与所述目标关键词相匹配的业务命令；以及，

业务参数获取子模块，用于获取与除所述目标关键词外的其他关键词相匹配的业务参数。

参照图7，示出了本发明一个实施例的另一种用户意图的识别装置的示意图，所述装置可以应用于客户端，所述装置具体可以包括如下模块：

转换模块701，用于接收用户语音信息，将所述用户语音信息转换为文本信息；

发送模块702，用于将所述文本信息发送至服务器；

接收模块703，用于接收所述服务器针对所述文本信息反馈的业务命令及参数；

处理模块704，用于采用所述业务命令及参数进行业务处理；

其中，所述业务命令及参数由所述服务器通过调用如下模块生成：

分词模块，用于对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

识别模块，用于遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取模块，用于获取与所述多个关键词相匹配的业务命令及参数。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述得比较简单，相关之处参见方法实施例部分的说明即可。

参照图8，示出了本发明一个实施例的一种服务器的示意图。如图8所示，本实施例的服务器800包括：处理器810、存储器820以及存储在所述存储器820中并可在所述处理器810上运行的计算机程序821。所述处理器810执行所述计算机程序821时实现上述用户意图的识别方法各个实施例中的步骤，例如图1所示的步骤S101至S105及图2所示的步骤S201至S207。或者，所述处理器810执行所述计算机程序821时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块601至605的功能。

示例性的，所述计算机程序821可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器820中，并由所述处理器810执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段可以用于描述所述计算机程序821在所述服务器800中的执行过程。例如，所述计算机程序821可以被分割成接收模块、分词模块、识别模块、获取模块、指示模块，各模块具体功能如下：

接收模块，用于接收客户端发送的文本信息；

分词模块，用于对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

识别模块，用于遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取模块，用于获取与所述多个关键词相匹配的业务命令及参数；

指示模块，用于将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理。

所述服务器800可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述服务器800可包括，但不仅限于，处理器810、存储器820。本领域技术人员可以理解，图8仅仅是服务器800的一种示例，并不构成对服务器800的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器800还可以包括输入输出设备、网络接入设备、总线等。

所述处理器810可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器820可以是所述服务器800的内部存储单元，例如服务器800的硬盘或内存。所述存储器820也可以是所述服务器800的外部存储设备，例如所述服务器800上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等等。进一步地，所述存储器820还可以既包括所述服务器800的内部存储单元也包括外部存储设备。所述存储器820用于存储所述计算机程序821以及所述服务器800所需的其他程序和数据。所述存储器820还可以用于暂时地存储已经输出或者将要输出的数据。

参照图9，示出了本发明一个实施例的一种终端设备的示意图。如图9所示，本实施例的终端设备900包括：处理器910、存储器920以及存储在所述存储器920中并可在所述处理器910上运行的计算机程序921。所述处理器910执行所述计算机程序921时实现上述用户意图的识别方法各个实施例中的步骤，例如图3所示的步骤S301至S304。或者，所述处理器910执行所述计算机程序921时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块701至704的功能。

以上所述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精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用户意图的识别方法，其特征在于，包括：

接收客户端发送的文本信息；

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数；

将所述业务命令及参数反馈至所述客户端，以指示所述客户端按照所述业务命令及参数进行业务处理；

其中，所述遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词的步骤包括：

加载预置的推导树，所述推导树包括多个根节点，所述多个根节点分别包括多个叶子节点；

遍历所述分词词语列表中的各个词语，依据所述各个词语生成从所述推导树的根节点到叶子节点的搜索路径，所述搜索路径中的各个节点分别与所述词语中的多个关键词一一对应；

所述获取与所述多个关键词相匹配的业务命令及参数的步骤包括：

确定所述多个关键词中的目标关键词，所述目标关键词为在预置的业务类型数据库中所包含的关键词；

获取与所述目标关键词相匹配的业务命令；以及，

获取与除所述目标关键词外的其他关键词相匹配的业务参数。

2.根据权利要求1所述的方法，其特征在于，所述对所述文本信息进行分词，获得分词词语列表的步骤包括：

沿正向顺序对所述文本信息进行分词，获得多个分词后的词语；

按照逆向顺序对所述多个分词后的词语进行排列，获得分词词语列表。

3.根据权利要求1所述的方法，其特征在于，所述遍历所述分词词语列表中的各个词语，依据所述各个词语生成从所述推导树的根节点到叶子节点的搜索路径的步骤包括：

确定所述分词词语列表中的第一个词语是否存在于所述推导树的当前节点中；

若所述分词词语列表中的第一个词语不存在于所述推导树的当前节点中，则舍弃所述第一个词语，并依次确定所述分词词语列表中的其他词语是否存在于所述当前节点中；

若所述分词词语列表中的第一个词语存在于所述推导树的当前节点中，则将所述第一个词语识别为搜索路径中的节点对应的关键词，并依次确定所述分词词语列表中的其他词语是否存在于所述当前节点的子节点中；

当所述分词词语列表中的任一词语均被舍弃或被识别为所述关键词时，依据所述关键词生成所述搜索路径。

4.根据权利要求1所述的方法，其特征在于，所述推导树通过如下方式生成：

获取预先配置的推导树模板，所述推导树模板通过从预先采集的业务语句中提取关键词配置得到；

针对任一关键词，分别获取与所述关键词相关联的多个关联词；

将所述多个关联词分别导入所述关键词对应的根节点下的多个叶子节点中，生成推导树。

5.一种用户意图的识别方法，其特征在于，包括：

接收用户语音信息，将所述用户语音信息转换为文本信息；

将所述文本信息发送至服务器；

接收所述服务器针对所述文本信息反馈的业务命令及参数；

采用所述业务命令及参数进行业务处理；

其中，所述业务命令及参数由所述服务器按照如下方式生成：

对所述文本信息进行分词，获得分词词语列表，所述分词词语列表中包括多个待识别的词语；

遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词；

获取与所述多个关键词相匹配的业务命令及参数；

其中，所述遍历所述分词词语列表中的各个词语，识别所述词语中的多个关键词的步骤包括：

加载预置的推导树，所述推导树包括多个根节点，所述多个根节点分别包括多个叶子节点；

遍历所述分词词语列表中的各个词语，依据所述各个词语生成从所述推导树的根节点到叶子节点的搜索路径，所述搜索路径中的各个节点分别与所述词语中的多个关键词一一对应；

所述获取与所述多个关键词相匹配的业务命令及参数的步骤包括：

确定所述多个关键词中的目标关键词，所述目标关键词为在预置的业务类型数据库中所包含的关键词；

获取与所述目标关键词相匹配的业务命令；以及，

获取与除所述目标关键词外的其他关键词相匹配的业务参数。

6.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任一项所述用户意图的识别方法的步骤。

7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求5所述用户意图的识别方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4任一项所述用户意图的识别方法的步骤。

Images