CN110837547A - 一种人机交互中多意图文本理解的方法及装置 - Google Patents

Abstract

本发明提供了一种人机交互中多意图文本理解的方法，包括：基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；按照预先设定好的子句序列，对分解后的若干子句所对应的每个待分类子句进行第一意图分类，判断待分类子句是否存在第一意图分类结果，若不存在，将待分类子句丢弃；否则，按照第一意图分类结果序列，存储待分类子句的第一意图分类结果；若每个待分类子句都不存在第一意图分类结果，则返回未理解意图；否则，基于第一意图分类结果序列，获取与待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。用以通过对预设文本进行分解，并分别获取分解文本的意图，来提高多意图文本理解的精确性。

Description

一种人机交互中多意图文本理解的方法及装置

技术领域

本发明涉及人机交互技术领域，特别涉及一种人机交互中多意图文本理解的方法及装置。

背景技术

目前，多意图文本识别主要应用于查询、问答等，对准确性要求相对不高且非任务式领域，但是在任务式对话中，存在多意图文本意图提取不精确的情况，这样会导致在人机对话系统中由于理解不准确或意图丢失，影响了对话任务完成度。

发明内容

本发明提供一种人机交互中多意图文本理解的方法及装置，用以通过对预设文本进行分解，并分别获取分解文本的意图，来提高多意图文本理解的精确性。

本发明提供一种人机交互中多意图文本理解的方法，包括：

步骤S1：基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

步骤S2：按照预先设定好的子句序列，对分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

步骤S3：若所述步骤S2中的所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

在一种可能实现的方式中，在执行步骤S1之前，还包括：

步骤S01：获取用户输入的预设文本；

步骤S02：对获取的所述用户输入的预设文本整体进行第二意图分类；

步骤S03:判断所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，执行所述步骤S1-S3。

在一种可能实现的方式中，在执行所述步骤S2之前，且在执行所述步骤S1之后，还包括：

步骤S11：确定所述步骤S1中所分解后的若干子句中的每个子句的当前长度；

步骤S12：基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断，并继续执行步骤S12，直至结束；

步骤S13：获取所述步骤S12中的所述当前长度大于预设长度的所有待分类子句的子句序列，并执行所述步骤S2。

在一种可能实现的方式中，在执行所述步骤S12之后，还包括：

对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

在一种可能实现的方式中，还包括：

所述步骤S1中，在将所述用户输入的预设文本分解成若干子句之前，还包括：滤除所述预设文本中的冗余文本。

本发明提供一种人机交互中多意图文本理解的装置，包括：

分解模块，用于基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

处理模块，用于按照预先设定好的子句序列，对所述分解模块所分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，并判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；

否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

且若所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

在一种可能实现的方式中，还包括：

第一获取模块，用于所述分解模块对所述用户输入的预设文本分解之前，获取用户输入的预设文本；

分类模块，用于对所述第一获取模块所获取的所述用户输入的预设文本整体进行第二意图分类；

所述处理模块，用于判断所述分类模块进行所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；

若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，继续执行后续操作。

在一种可能实现的方式中，还包括：

确定模块，用于确定所述分解模块所分解后的若干子句中的每个子句的当前长度；

所述处理模块，还用于基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断；

所述装置，还包括：

第二获取模块，用于获取所述当前长度大于预设长度的所有待分类子句的子句序列。

在一种可能实现的方式中，

所述处理模块，还用于对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

在一种可能实现的方式中，还包括：

滤除模块，用于在将所述用户输入的预设文本分解成若干子句之前，滤除所述预设文本中的冗余文本。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种人机交互多意图文本理解的方法的流程图；

图2为本发明实施例中一种人机交互多意图文本理解的装置的结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供一种人机交互中多意图文本理解的方法，如图1所示，包括：

步骤S1：基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

步骤S2：按照预先设定好的子句序列，对分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

步骤S3：若所述步骤S2中的所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

上述当前交互场景分句模型，是以交互场景为基础的分句模型，如交互场景可以是与学校、医院、餐厅等相关的场景，其好处是，提高对预设文本进行分解的准确性。

上述待分类子句，可以是通过对拆分后的若干子句中的每个子句进行长度判别后，将长度小于或等于2的子句合并到后一个子句，以此类推，得到的。

上述第一意图分类，就是为了判断该待分类子句是否存在第一意图分类结果，并且上述将没有第一意图分类结果的待分类子句丢弃，可有效的提高运行效率。

上述文本意图，可以是用户的目的或目标。以智能客服为例，文本意图包括但不限于用户需要的售后服务，如故障申报、投诉意见等；用户需要办理的业务类型，如信息查询、网上订餐、订机票等。

上述第一意图分类结果序列，可以对应的一个第一意图分类结果，是为了方便对第一意图分类结果进行调用。

上述未理解意图，例如是，当文本内容为“，，，，，，”时，并未获得与“，，，，，，”对应的意图分类结果，此时可返回未理解意图。

例如，当用户输入的预设文本为“我要去查询流量套餐信息”，通过当前流量套餐分句模型，对其进行分句，并分为“我要去”、“查询流量”和“套餐信息”，此时，“我要去”、“查询流量”和“套餐信息”即为待分类子句，且“我要去”没有第一意图分类结果，“查询流量”和“套餐信息”有分别对应的第一意图分类结果，将“查询流量”的第一意图分类结果进行存储，且对应的第一意图分类结果序列为z1，将“套餐信息”的第一意图分类结果进行存储，且对应的第一意图分类结果序列为z2。也就是将有第一意图分类结果的文本意图存储到同一数组中，其中同一数据即为第一意图分类结果序列。

上述技术方案的有益效果是：用以通过对预设文本进行分解，并分别获取分解文本的意图，来提高多意图文本理解的精确性。

本发明实施例提供一种人机交互中多意图文本理解的方法，在执行步骤S1之前，还包括：

步骤S01：获取用户输入的预设文本；

步骤S02：对获取的所述用户输入的预设文本整体进行第二意图分类；

步骤S03:判断所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，执行所述步骤S1-S3。

上述第二意图分类，是为了确定预设文本整体有没有意图分类结果。

上述预设文本，可以是用户输入的任何文本。

上述技术方案的有益效果是：对预设文本分解之前，先对预设文本整体进行意图分类，可有效节省获取文本意图的时间。

本发明实施例提供一种人机交互中多意图文本理解的方法，在执行所述步骤S2之前，且在执行所述步骤S1之后，还包括：

步骤S11：确定所述步骤S1中所分解后的若干子句中的每个子句的当前长度；

步骤S12：基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断，并继续执行步骤S12，直至结束；

步骤S13：获取所述步骤S12中的所述当前长度大于预设长度的所有待分类子句的子句序列，并执行所述步骤S2。

例如：设预设长度为2，当用户输入的预设文本为“我要去查询流量套餐信息”分解之后，成为“我”“要去”“查询”“流量套餐信息”，其每个分句分别对应的当前长度为：1,2,2,6；

此时，将“我”合并到下一个子句“要去”，组合成“我要去”，对应的当前长度为3，此时，继续对下一个子句“查询”进行判断，其对应的当前长度为2，则将“查询”合并到下一个子句“流量套餐信息”，组合成“查询流量套餐信息”，其对应的当前长度为8；

并获取当前长度大于2的“我要去”和“查询流量套餐信息”两个子句的子句序列，其子句序列可以是按获取子句的顺序排列的，如“我要去”为a1,“查询流量套餐信息”为a2，a1在a2之前。

上述技术方案的有益效果是：通过对子句长度进行合并，便于提高识别文本意图的准确性。

本发明实施例提供一种人机交互中多意图文本理解的方法，在执行所述步骤S12之后，还包括：

对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

例如：设预设长度为2，当用户输入的预设文本为“查询流量套餐”分解为“查询”、“流量”和“套餐”，当“查询”和“流量”合并之后成为“查询流量”，此时，对应的文本意图结果为“当前流量使用速度为2mbps”,当将“套餐”合并之后为“查询流量套餐”，对应的文本意图结果为“当前流量套餐总计2GB，已使用1GB，剩余1GB”，其好处是，便于获取更加准确的文本意图。

上述技术方案的有益效果是：将最合一个待分类子句合并到上一个待分类子句，可避免因文本信息的遗失而导致的意图识别错误。

本发明实施例提供一种人机交互中多意图文本理解的方法，还包括：

所述步骤S1中，在将所述用户输入的预设文本分解成若干子句之前，还包括：滤除所述预设文本中的冗余文本。

上述冗余文本例如可以是，语助词、标点符号、空白文本等；

上述技术方案的有益效果是：滤除冗余文本，将有利减少冗余文本对预设文本的干扰，提高获取文本意图准确度和速度，进而节省获取时间。

本发明提供一种人机交互中多意图文本理解的装置，如图2所示，包括：

分解模块，用于基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

处理模块，用于按照预先设定好的子句序列，对所述分解模块所分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，并判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；

否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

且若所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

上述技术方案的有益效果是：用以通过对预设文本进行分解，并分别获取分解文本的意图，来提高多意图文本理解的精确性。

本发明提供一种人机交互中多意图文本理解的装置，还包括：

第一获取模块，用于所述分解模块对所述用户输入的预设文本分解之前，获取用户输入的预设文本；

分类模块，用于对所述第一获取模块所获取的所述用户输入的预设文本整体进行第二意图分类；

所述处理模块，用于判断所述分类模块进行所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；

若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，继续执行后续操作。

上述技术方案的有益效果是：对预设文本分解之前，先对预设文本整体进行意图分类，可有效节省获取文本意图的时间。

本发明提供一种人机交互中多意图文本理解的装置，还包括：

确定模块，用于确定所述分解模块所分解后的若干子句中的每个子句的当前长度；

所述处理模块，还用于基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断；

所述装置，还包括：

第二获取模块，用于获取所述当前长度大于预设长度的所有待分类子句的子句序列。

上述技术方案的有益效果是：通过对子句长度进行合并，便于提高识别文本意图的准确性。

本发明提供一种人机交互中多意图文本理解的装置，

所述处理模块，还用于对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

上述技术方案的有益效果是：将最合一个待分类子句合并到上一个待分类子句，可避免因文本信息的遗失而导致的意图识别错误。

本发明提供一种人机交互中多意图文本理解的装置，还包括：

滤除模块，用于在将所述用户输入的预设文本分解成若干子句之前，滤除所述预设文本中的冗余文本。

上述技术方案的有益效果是：滤除冗余文本，将有利减少冗余文本对预设文本的干扰，提高获取文本意图准确度和速度，进而节省获取时间。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种人机交互中多意图文本理解的方法，其特征在于，包括：

步骤S1：基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

步骤S2：按照预先设定好的子句序列，对分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

步骤S3：若所述步骤S2中的所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

2.如权利要求1所述的方法，其特征在于，在执行步骤S1之前，还包括：

步骤S01：获取用户输入的预设文本；

步骤S02：对获取的所述用户输入的预设文本整体进行第二意图分类；

步骤S03:判断所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，执行所述步骤S1-S3。

3.如权利要求1所述的方法，其特征在于，在执行所述步骤S2之前，且在执行所述步骤S1之后，还包括：

步骤S11：确定所述步骤S1中所分解后的若干子句中的每个子句的当前长度；

步骤S12：基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断，并继续执行步骤S12，直至结束；

步骤S13：获取所述步骤S12中的所述当前长度大于预设长度的所有待分类子句的子句序列，并执行所述步骤S2。

4.如权利要求3所述的方法，其特征在于，在执行所述步骤S12之后，还包括：对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

5.如权利要求1所述的方法，其特征在于，还包括：所述步骤S1中，在将所述用户输入的预设文本分解成若干子句之前，还包括：滤除所述预设文本中的冗余文本。

6.一种人机交互中多意图文本理解的装置，其特征在于，包括：

分解模块，用于基于预先建立好的当前交互场景分句模型，将用户输入的预设文本分解成若干子句；

处理模块，用于按照预先设定好的子句序列，对所述分解模块所分解后的所述若干子句所对应的每个待分类子句进行第一意图分类，并判断所述待分类子句是否存在第一意图分类结果，若不存在，将所述待分类子句丢弃；

否则，按照第一意图分类结果序列，存储所述待分类子句的第一意图分类结果；

且若所述每个待分类子句都不存在第一意图分类结果，则返回未理解意图；

否则，基于所述第一意图分类结果序列，获取与所述待分类子句的第一意图分类结果相关的文本意图，并返回理解意图序列。

7.如权利要求6所述的装置，其特征在于，还包括：

第一获取模块，用于所述分解模块对所述用户输入的预设文本分解之前，获取用户输入的预设文本；

分类模块，用于对所述第一获取模块所获取的所述用户输入的预设文本整体进行第二意图分类；

所述处理模块，用于判断所述分类模块进行所述第二意图分类后的所述预设文本整体是否存在第二意图分类结果；

若存在，根据所述第二意图分类结果获取所述文本意图，并返回理解意图结果，且人机交互结束；否则，继续执行后续操作。

8.如权利要求6所述的装置，其特征在于，还包括：

确定模块，用于确定所述分解模块所分解后的若干子句中的每个子句的当前长度；

所述处理模块，还用于基于预先设定的顺序判断规则，判断所述若干子句中的当前子句的当前长度是否小于或等于预设长度，若是，将所述当前子句合并到下一个子句；

否则，对所述当前子句的下一个子句的当前长度进行判断；

所述装置，还包括：

第二获取模块，用于获取所述当前长度大于预设长度的所有待分类子句的子句序列。

9.如权利要求8所述的装置，其特征在于，

所述处理模块，还用于对所有待分类子句中的最后一个待分类子句的当前长度进行判断，若所述最后一个待分类子句的当前长度小于或等于预设长度，则将所述最后一个待分类子句与所述最后一个待分类子句的上一个待分类子句进行合并。

10.如权利要求6所述的装置，其特征在于，还包括：

滤除模块，用于在将所述用户输入的预设文本分解成若干子句之前，滤除所述预设文本中的冗余文本。

Images