CN110555096A - 用户意图识别方法、系统、终端及介质 - Google Patents
用户意图识别方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN110555096A CN110555096A CN201810556074.1A CN201810556074A CN110555096A CN 110555096 A CN110555096 A CN 110555096A CN 201810556074 A CN201810556074 A CN 201810556074A CN 110555096 A CN110555096 A CN 110555096A
- Authority
- CN
- China
- Prior art keywords
- intention
- intention type
- text information
- model
- error correction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012937 correction Methods 0.000 claims abstract description 68
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000013145 classification model Methods 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Machine Translation (AREA)
Abstract
本发明公开的一种用户意图识别方法,具体包括以下步骤:获取用户输入自然语言文本信息;对所述文本信息进行预处理;将预处理后的文本信息输入意图类型识别模型中识别,意图类型识别模型输出与输入文本信息对应的意图类型标签;将所述预处理后的文本信息和所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的与输入文本信息相对应的意图类型标签;若置信度高于预设阈值,则输出识别的与输入文本信息相对应的意图类型标签。本发明的方法可提高用户意图类型识别的正确率。
Description
技术领域
本发明涉及用户意图确定技术领域,具体涉及一种用户意图识别方法、系统、终端及介质。
背景技术
目前现有技术中的用户意图类型确定方法存在以下问题:1、覆盖的自然语言不全面,可能用户新输入的自然语言与已有语句库中的语句都不相似;2、不考虑上下文的语言场景,而用户的意图类型往往与上下文语境相关,导致对用户意图类型的判断出错,用户意图类型确定方法识别的用户意图类型不准确。
发明内容
针对现有技术中的缺陷,本发明的目的之一在于提供一种用户意图识别方法,以提高用户意图识别的正确率。
第一方面,本发明实施例提供的一种用户意图识别方法,具体包括以下步骤:
获取用户输入的自然语言文本信息;
对所述文本信息进行预处理;
将预处理后的文本信息输入意图类型识别模型中,意图类型识别模型输出与所述输入的文本信息所对应的意图类型标签;
将所述预处理后的文本信息和所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的与输入文本信息相对应的意图类型标签。
可选地,对所述文本信息进行预处理的具体方法包括:分词处理、词性标注、词语纠正、实体识别和场景识别。
可选地,所述方法还包括建立意图类型识别模型,所述建立意图类型识别模型的方法具体包括:
对于已标记自然语言意图类型的语句库,将语句库进行均分,分为N类,N为整数;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
可选地,所述方法还包括建立纠错模型,所述建立纠错模型的方法具体包括:
获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
第二方面,本发明实施例提供的一种用户意图识别系统,包括获取模块、文本处理模块、意图类型识别模块和纠错模块,所述获取模块用于获取用户输入的自然语言文本信息;所述文本处理模块用于对所述文本信息进行预处理;所述意图类型识别模块用于将处理后的文本信息输入意图类型识别模型中识别,意图类型识别模型输出与输入的文本信息对应的意图类型标签;所述纠错模块用于将所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的输入的文本信息对应的意图类型标签。
可选地,所述文本处理模块对文本信息进行预处理的具体方法包括:分词处理、词性标注、词语纠正、实体识别和场景识别。
可选地,所述意图类型识别模块包括意图类型识别模型,所述意图类型识别模型的建立方法具体包括:对于已标记自然语言意图类型的语句库,将语句库进行均分,分为N类,N为整数;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
可选地,所述纠错模块包括纠错模型,所述纠错模型的建立方法具体包括:获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
第三方面,本发明实施例还提供一种可识别用户意图的智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述的方法。
第四方面,本发明实施例还还提供一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述方法。
由上述技术方案可知,本发明提供的用户意图识别方法及系统,通过对获取的自然语言文本信息进行预处理,将预处理后的自然语言文本信息输入到意图类型识别模型中识别得到意图类型标签,再将自然语言文本信息和识别的意图类型标签输入纠错模型中进行分析和纠错,纠错模型判断意图类型标签的识别是否可信,如果不可信,则根据纠错模型对意图类型进行纠正,输出正确的与自然语言文本信息对应的用户意图类型标签。
本发明的有益效果:
本发明提供的用户意图识别方法、系统、终端及介质,通过对获取的自然语言文本信息进行预处理,将预处理后的自然语言文本信息输入到意图类型识别模型中识别得到意图类型标签,再将自然语言文本信息和识别的意图类型标签输入纠错模型中进行分析和纠错,纠错模型判断意图类型标签的识别是否可信,如果不可信,则根据纠错模型对意图类型进行纠正,输出正确的与自然语言文本信息对应的用户意图类型标签,进而提高用户意图类型识别的正确率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种用户意图识别方法的第一实施例的流程图;
图2示出了本发明所提供的一种用户意图识别系统第一实施例的结构框图;
图3示出了本发明所提供的一种可识别用户意图的智能终端的结构框图。
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。
图1示出了本发明所提供的一种用户意图识别方法的第一实施例的流程图,该方法具体包括以下步骤:
S101:获取用户输入的自然语言文本信息。具体地,用户输入自然语言文本信息可通过手工输入或语音输入。文本信息可以是一句话也可以是一段话。
S102:对所述自然语言文本信息进行预处理。
具体地,对文本信息进行预处理包括对文本进行分词处理、词性标注、词语纠正、实体识别和场景识别。
S103:将处理后的文本信息输入意图类型识别模型中识别,意图类型识别模型输出与所述输入的文本信息所对应的意图类型标签。
S104:将所述预处理后的文本信息和所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的与输入文本信息相对应的意图类型标签;若置信度高于预设阈值,则输出识别的与输入文本信息相对应的意图类型标签。
上述方法还包括建立意图类型识别模型和建立纠错模型。建立意图类型识别模型和建立纠错模型的步骤可以在S101步骤之前也可以是在S102步骤之后。
建立意图类型识别模型的方法具体包括:
对于已标记自然语言意图类型的语句库,将所述语句库进行均分,分为N类,N为整数;N根据实际情况确定;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
确定用户意图类别的算法有以下两种:
有标注好意图类型的语句库,对于用户新输入的自然语言,判断新输入自然语言与语句库中自然语言的相似度,获得相似度最高的语句库中自然语言A所对应的意图类型就是新输入自然语言的意图类型;
有标注好意图类型的语句库,使用机器学习、深度学习等方法建立基于已有语句库的人工智能模型,对于用户新输入的自然语言,人工智能模型可以自动判断该自然语言对应的意图类型。
建立纠错模型的方法具体包括:
获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
本发明实施例提供的用户意图识别方法,通过对获取的自然语言文本信息进行预处理,将预处理后的自然语言文本信息输入到意图类型识别模型中识别得到意图类型标签,再将自然语言文本信息和识别的意图类型标签输入纠错模型中进行分析和纠错,纠错模型判断意图类型标签的识别是否可信,如果不可信,则根据纠错模型对意图类型进行纠正,输出正确的与自然语言文本信息对应的用户意图类型标签,进而提高用户意图类型识别的正确率。
将上述实施例描述的方法植入智能设备中,如:智能机器人,智能机器人能根据用户输入自然语言文本数据判断用户意图,采用智能机器人识别用户意图为应用场景对上述用户意图识别方法作进一步说明:
用户通过语音输入的方式对智能机器人说:今天天气如何?智能机器人回答:请问你想知道哪里的天气啊(语气词)?(问句,信息补充)。用户输入:深圳(根据上下文补充信息)。机器人回复:今天深圳的温度是15-25℃。智能机器人获取用户输入几句话的内容信息,根据这几句话判断用户意图的方法的处理过程:首先,将“今天天气如何”这句话进行预处理,预处理包括分词处理、词性标注、词语纠正、实体识别和场景识别,分别得到“今天”、“天气”和“如何”三个词语,将“今天”、“天气”和“如何”输入到意图类型识别模型中识别,由于中文中的语气词和句式的数量有限,因此在模型训练时可以以枚举的方式全部列举出来,意图类型识别模型在具体判断时则基于设置的规则进行判断,意图类型识别模型输出意图类型标签。意图类型识别模型输出意图类型标签为闲聊。由于意图类型识别模型本身存在一定的错误概率,所以会出现意图识别错误的现象。例如:用户输入“帮我定一个一点的闹钟”和“一点叫我起床”会出现意图识别错误,“今天天气真好啊”和“今天天气好不好”会出现意图识别错误,意图类型识别模型在理解否定句和具有代词时容易出错。无法准确识别这两个句子包含的用户意图。“今天天气好不好”由于关键词都包含“今天”“天气”“不”“好”这些词语,意图类型识别模型对这种高度类似的句子会出现混淆,在意图类型识别模型对该文本信息进行识别后,输出错误的意图类型标签为闲聊,将预处理后得到的“今天”“天气”“不”“好”和输出的闲聊意图类型标签输入纠错模型中,纠错模型对判断意图类型标签为错误标签的概率比较大,经常出现判断出错,则判断意图类型标签判断出错,对意图类型标签进行纠正,纠错模型中存在此类语句的正确的意图类型是询问天气,纠错模型输出询问天气的意图类型标签。
第二方面,本发明提供的一种用户意图识别系统的第一实施例的结构框图,该系统包括获取模块201、文本处理模块202、意图类型识别模块203和纠错模块204,所述获取模块201用于获取用户输入自然语言的文本信息;所述文本处理模块202用于对所述文本信息进行预处理;所述意图类型识别模块203用于将处理后的文本信息输入意图类型识别模型中识别,意图类型识别模型输出与输入的文本信息对应的意图类型标签;所述纠错模块204用于将所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的输入的文本信息对应的意图类型标签。
进一步地,所述文本处理模块202对文本信息进行预处理的具体方法为,对文本信息进行分词处理、词性标注、词语纠正、实体识别和场景识别。
意图类型识别模块包括意图类型识别模型,建立意图类型识别模型的方法具体包括:
对于已标记自然语言意图类型的语句库,将所述语句库进行均分,分为N类,N为整数;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
纠错模块包括纠错模型,建立纠错模型的方法具体包括:
获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
由上述技术方案可知,本发明提供的用户意图识别系统,通过对获取的自然语言文本信息进行预处理,将预处理后的自然语言文本信息输入到意图类型识别模型中识别得到意图类型标签,再将自然语言文本信息和识别的意图类型标签输入纠错模型中进行分析和纠错,纠错模型判断意图类型标签的识别是否可信,如果不可信,则根据纠错模型对意图类型进行纠正,输出正确的与自然语言文本信息对应的用户意图类型标签。
在本发明还提供一种可识别用户意图的智能终端的第一实施例,如图3所示,示出了用户意图识别终端的结构框图,该终端包括处理器301、输入设备302、输出设备303和存储器304,所述处理器301、输入设备302、输出设备303和存储器304相互连接,所述存储器304用于存储计算机程序,所述计算机程序包括程序指令,所述处理器301被配置用于调用所述程序指令,执行上述实施例描述的方法。
应当理解,在本发明实施例中,所称处理器301可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。
输入设备302可以包括触控板、麦克风等,输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器,并向处理器801提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如,存储器304还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的方法实施例所描述的实现方式,也可执行本发明实施例所描述的系统的实现方式,在此不再赘述。
在本发明还提供一种计算机可读存储介质的实施例,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执上述实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
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.用户意图识别方法,其特征在于,具体包括以下步骤:
获取用户输入的自然语言文本信息;
对所述文本信息进行预处理;
将预处理后的文本信息输入意图类型识别模型中,意图类型识别模型输出与所述输入的文本信息所对应的意图类型标签;
将所述预处理后的文本信息和所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的与输入文本信息相对应的意图类型标签;若置信度高于预设阈值,则输出识别的与输入文本信息相对应的意图类型标签。
2.如权利要求1所述的用户意图识别方法,其特征在于,对所述文本信息进行预处理的具体方法包括:分词处理、词性标注、词语纠正、实体识别和场景识别。
3.如权利要求1所述的用户意图识别方法,其特征在于,所述方法还包括建立意图类型识别模型,所述建立意图类型识别模型的方法具体包括:
对于已标记自然语言意图类型的语句库,将所述语句库进行均分,分为N类,N为整数;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
4.如权利要求3所述的用户意图识别方法,其特征在于,所述方法还包括建立纠错模型,所述建立纠错模型的方法具体包括:
获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
5.一种用户意图识别系统,其特征在于,包括获取模块、文本处理模块、意图类型识别模块和纠错模块,所述获取模块用于获取用户输入的自然语言文本信息;所述文本处理模块用于对所述文本信息进行预处理;所述意图类型识别模块用于将处理后的文本信息输入意图类型识别模型中识别,意图类型识别模型输出与输入的文本信息对应的意图类型标签;所述纠错模块用于将所述预处理后的文本信息和所述意图类型标签输入纠错模型中分析和纠错,纠错模型判断意图类型标签为错误标签的置信度,若置信度低于预设阈值,则判断意图类型标签判断出错,对意图类型标签进行纠正,输出正确的与输入文本信息相对应的意图类型标签。
6.如权利要求5所述的用户意图识别系统,其特征在于,所述文本处理模块对文本信息进行预处理的具体方法包括:分词处理、词性标注、词语纠正、实体识别和场景识别。
7.如权利要求5所述的用户意图识别系统,其特征在于,所述意图类型识别模块包括意图类型识别模型,所述意图类型识别模型的建立方法具体包括:对于已标记自然语言意图类型的语句库,将所述语句库进行均分,分为N类,N为整数;
依次将N个分类中的一个分类作为验证集,将剩余N-1个分类作为训练集,训练得到意图分类模型;
将N个分类依次作为验证集输入到意图分类模型,将得到的N个准确度取平均值作为意图分类模型的最终准确度。
8.如权利要求7所述的用户意图识别系统,其特征在于,所述纠错模块包括纠错模型,所述纠错模型的建立方法具体包括:获取在用不同验证集判断意图类型识别模型的准确度时输出错误的意图类别识别列表;
统计出各个错误的意图类别识别列表中每一个类别意图的错误数量;
统计错误自然语言的场景、语言、句型、语气、语气词在对应的类别意图错误中出现的频率及所述自然语言对应正确的意图类型标签;
将错误的意图类别识别列表中的例子与语句库中正确的意图类型标签进行对比,统计将其中一种意图类型错判为另一种意图类型的情况,得到纠错模型。
9.一种可识别用户意图的智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810556074.1A CN110555096A (zh) | 2018-06-01 | 2018-06-01 | 用户意图识别方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810556074.1A CN110555096A (zh) | 2018-06-01 | 2018-06-01 | 用户意图识别方法、系统、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555096A true CN110555096A (zh) | 2019-12-10 |
Family
ID=68734496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810556074.1A Pending CN110555096A (zh) | 2018-06-01 | 2018-06-01 | 用户意图识别方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555096A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126038A (zh) * | 2019-12-24 | 2020-05-08 | 北京明略软件系统有限公司 | 信息获取模型生成方法、装置及信息获取方法、装置 |
CN111310441A (zh) * | 2020-01-20 | 2020-06-19 | 上海眼控科技股份有限公司 | 基于bert的语音识别后文本修正方法、装置、终端及介质 |
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 |
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 |
CN112287108A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 一种物联领域的意图识别优化方法 |
CN112989035A (zh) * | 2020-12-22 | 2021-06-18 | 平安普惠企业管理有限公司 | 基于文本分类识别用户意图的方法、装置及存储介质 |
CN113240438A (zh) * | 2021-05-11 | 2021-08-10 | 京东数字科技控股股份有限公司 | 意图识别方法、设备、存储介质及程序产品 |
CN114357994A (zh) * | 2022-01-06 | 2022-04-15 | 京东科技信息技术有限公司 | 意图识别处理和置信度判断模型的生成方法及装置 |
CN116136957A (zh) * | 2023-04-18 | 2023-05-19 | 之江实验室 | 一种基于意图一致性的文本纠错方法、装置和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778176A (zh) * | 2014-01-13 | 2015-07-15 | 阿里巴巴集团控股有限公司 | 一种数据搜索处理方法及装置 |
CN106446524A (zh) * | 2016-08-31 | 2017-02-22 | 北京智能管家科技有限公司 | 智能硬件多模态级联建模方法及装置 |
CN106547798A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
CN107210035A (zh) * | 2015-01-03 | 2017-09-26 | 微软技术许可有限责任公司 | 语言理解系统和方法的生成 |
WO2018034426A1 (ko) * | 2016-08-17 | 2018-02-22 | 창원대학교 산학협력단 | 커널 rdr을 이용한 태깅 말뭉치 오류 자동수정방법 |
-
2018
- 2018-06-01 CN CN201810556074.1A patent/CN110555096A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778176A (zh) * | 2014-01-13 | 2015-07-15 | 阿里巴巴集团控股有限公司 | 一种数据搜索处理方法及装置 |
CN107210035A (zh) * | 2015-01-03 | 2017-09-26 | 微软技术许可有限责任公司 | 语言理解系统和方法的生成 |
CN106547798A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 信息推送方法及装置 |
WO2018034426A1 (ko) * | 2016-08-17 | 2018-02-22 | 창원대학교 산학협력단 | 커널 rdr을 이용한 태깅 말뭉치 오류 자동수정방법 |
CN106446524A (zh) * | 2016-08-31 | 2017-02-22 | 北京智能管家科技有限公司 | 智能硬件多模态级联建模方法及装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126038B (zh) * | 2019-12-24 | 2023-05-23 | 北京明略软件系统有限公司 | 信息获取模型生成方法、装置及信息获取方法、装置 |
CN111126038A (zh) * | 2019-12-24 | 2020-05-08 | 北京明略软件系统有限公司 | 信息获取模型生成方法、装置及信息获取方法、装置 |
CN111310441A (zh) * | 2020-01-20 | 2020-06-19 | 上海眼控科技股份有限公司 | 基于bert的语音识别后文本修正方法、装置、终端及介质 |
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 |
CN112287108A (zh) * | 2020-10-29 | 2021-01-29 | 四川长虹电器股份有限公司 | 一种物联领域的意图识别优化方法 |
CN112989035A (zh) * | 2020-12-22 | 2021-06-18 | 平安普惠企业管理有限公司 | 基于文本分类识别用户意图的方法、装置及存储介质 |
CN112989035B (zh) * | 2020-12-22 | 2023-08-15 | 深圳市中保信息技术有限公司 | 基于文本分类识别用户意图的方法、装置及存储介质 |
CN113240438A (zh) * | 2021-05-11 | 2021-08-10 | 京东数字科技控股股份有限公司 | 意图识别方法、设备、存储介质及程序产品 |
CN114357994A (zh) * | 2022-01-06 | 2022-04-15 | 京东科技信息技术有限公司 | 意图识别处理和置信度判断模型的生成方法及装置 |
CN116136957A (zh) * | 2023-04-18 | 2023-05-19 | 之江实验室 | 一种基于意图一致性的文本纠错方法、装置和介质 |
CN116136957B (zh) * | 2023-04-18 | 2023-07-07 | 之江实验室 | 一种基于意图一致性的文本纠错方法、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555096A (zh) | 用户意图识别方法、系统、终端及介质 | |
KR102171220B1 (ko) | 클레임 서류의 문자 인식 방법, 장치, 서버 및 저장매체 | |
WO2020224119A1 (zh) | 用于语音识别的音频语料筛选方法、装置及计算机设备 | |
CN109446885B (zh) | 一种基于文本的元器件识别方法、系统、装置和存储介质 | |
WO2022142041A1 (zh) | 意图识别模型的训练方法、装置、计算机设备和存储介质 | |
CN109559735B (zh) | 一种基于神经网络的语音识别方法、终端设备及介质 | |
CN112380981A (zh) | 人脸关键点的检测方法、装置、存储介质及电子设备 | |
CN110718226A (zh) | 语音识别结果处理方法、装置、电子设备及介质 | |
CN110826494A (zh) | 标注数据质量评价方法、装置、计算机设备及存储介质 | |
CN111325031B (zh) | 简历解析方法及装置 | |
CN111354340A (zh) | 数据标注准确度验证方法、装置、电子设备及存储介质 | |
CN111354354B (zh) | 一种基于语义识别的训练方法、训练装置及终端设备 | |
WO2022267454A1 (zh) | 分析文本的方法、装置、设备及存储介质 | |
CN110929514B (zh) | 文本校对方法、装置、计算机可读存储介质及电子设备 | |
CN115858776B (zh) | 一种变体文本分类识别方法、系统、存储介质和电子设备 | |
CN110826616A (zh) | 信息处理方法及装置、电子设备、存储介质 | |
CN114297409A (zh) | 模型训练方法、信息抽取方法及装置、电子设备、介质 | |
CN114065762A (zh) | 一种文本信息的处理方法、装置、介质及设备 | |
CN114203158A (zh) | 一种儿童中文口语评测和检错纠错方法及装置 | |
CN112418217A (zh) | 用于识别字符的方法、装置、设备和介质 | |
CN108021918B (zh) | 文字识别方法及装置 | |
CN112101019A (zh) | 一种基于词性标注和组块分析的需求模板符合性检查优化方法 | |
CN113268977B (zh) | 基于语言模型的文本纠错方法、装置、终端设备及介质 | |
CN111785259A (zh) | 信息处理方法、装置及电子设备 | |
CN113420122B (zh) | 分析文本的方法、装置、设备及存储介质 |
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 |