CN110909159A - 一种用户意图识别方法、装置、终端及存储介质 - Google Patents
一种用户意图识别方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110909159A CN110909159A CN201910935489.4A CN201910935489A CN110909159A CN 110909159 A CN110909159 A CN 110909159A CN 201910935489 A CN201910935489 A CN 201910935489A CN 110909159 A CN110909159 A CN 110909159A
- Authority
- CN
- China
- Prior art keywords
- man
- task
- information
- preset
- machine conversation
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及一种用户意图识别方法、装置、终端及存储介质,所述方法包括:确定当前轮次的人机对话任务;利用预设的神经网络分类模型对所述人机对话任务进行分类;确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
Description
技术领域
本申请涉及多轮对话技术领域,尤其涉及一种用户意图识别方法、装置、终端及存储介质。
背景技术
多轮对话是一种在人机对话中,初步明确用户意图的情况下,获取必要信息以最终得到明确用户指令的方式。多轮对话与一件事情的处理相对应。在多轮对话中主要包含语义理解、对话管理以及语言生成,其中对话管理负责人机对话中的辅助决策,在人机对话过程中不断根据当前状态决定下一步应该采取的最优动作,从而最有效的辅助用户完成信息获取或者服务获取的任务。
相关技术中,在人机对话过程中,每轮对话均需要用户输入明确的信息,无法对用户意图进行推理和联想,降低了用户体验。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种用户意图识别方法、装置、终端及存储介质。
第一方面,本申请实施例提供了一种用户意图识别方法,所述方法包括:
确定当前轮次的人机对话任务;
利用预设的神经网络分类模型对所述人机对话任务进行分类;
确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
在本申请的可选实施方式中,所述利用预设的神经网络分类模型对所述人机对话任务进行分类,包括:
利用预设的神经网络分类模型对所述人机对话任务进行领域、意图的分类。
在本申请的可选实施方式中,所述从第二预设知识图谱中获取与所述关键信息对应的隐藏信息,包括:
从预设专业/常识知识图谱中获取与所述关键信息对应的专业/常识隐藏信息;
从预设用户特征知识图谱中获取与所述关键信息对应的用户特征隐藏信息。
在本申请的可选实施方式中,还包括:
确定需要通过人机对话获取的所述人机对话任务所需的补充信息;
通过人机对话获取所述人机对话任务所需的补充信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别,包括:
基于所述人机对话任务、所述隐藏信息以及所述补充信息进行用户意图识别。
在本申请的可选实施方式中,所述方法还包括:
从第三预设知识图谱中获取与分类结果相匹配的历史对话信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别,包括:
基于所述人机对话任务、所述隐藏信息以及所述历史对话信息进行用户意图识别。
在本申请的可选实施方式中,所述预设的神经网络分类模型,包括:
基于textCNN的短文本分类模型。
第二方面,本申请实施例提供了一种用户意图识别装置,所述装置包括:
任务确定模块,用于确定当前轮次的人机对话任务;
任务分类模块,用于利用预设的神经网络分类模型对所述人机对话任务进行分类;
信息查询模块,用于确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
信息获取模块,用于从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
意图识别模块,用于基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
第三方面,本申请实施例提供了一种终端,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述所述的用户意图识别方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述的用户意图识别方法。
本申请实施例提供的技术方案,对于人机对话任务,利用预设的神经网络分类模型进行分类,从与分类结果相匹配的第一预设知识图谱中查询人机对话任务所需的关键信息,进而第二预设知识图谱中获取与关键信息对应的隐藏信息,基于人机对话任务以及隐藏信息可以实现用户意图的识别,对每轮对话中用户的意图进行推理和联想,提高了用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,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地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请实施例提供的一种用户意图识别方法的实施流程示意图;
图2为本申请实施例提供的一种任务所需信息知识图谱的示意图;
图3为本申请实施例提供的一种专业/常识知识图谱的示意图;
图4为本申请实施例提供的一种用户特征知识图谱的示意图;
图5为本申请实施例提供的另一种用户意图识别方法的实施流程示意图;
图6为本申请实施例提供的一种历史对话信息知识图谱的示意图;
图7为本申请实施例提供的一种用户意图识别装置的结构示意图;
图8为本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
对于知识图谱,也被称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及知识之间的相互关系。构建知识图谱是目前实现人工智能技术在具体行业领域中应用的核心。
目前,在很多应用领域都可以用到知识图谱,需要构建相应的知识图谱。例如,利用知识图谱可以展示一个人的成就,则可以相应的构建用于展示一个人的成就的知识图谱,利用知识图谱可以展示多个人物之间的关系,则可以相应的构建用于展示多个人物之间的关系的知识图谱,利用知识图谱可以展示事物属性,则相应的可以构建用于展示事物属性的知识图谱。
相关技术中,在人机对话过程中,每轮对话均需要用户输入明确的信息,无法对用户意图进行推理和联想,降低了用户体验。为此,在本申请实施例中,利用构建的知识图谱对每轮对话中的用户意图进行识别,以对每轮对话中用户的意图进行推理和联想,提高用户体验,同时实现在尽可能少的对话轮数中,满足用户需求和完成信息获取或者服务获取的任务。
如图1所示,为本申请实施例提供的一种用户意图识别方法的实施流程示意图,该方法具体可以包括以下步骤:
S101,确定当前轮次的人机对话任务;
在人机对话过程中,对于每轮人机对话,由用户提出任务,由计算机对任务进行处理。对于当前轮次的人机对话,需要确定当前轮次的人机对话任务,初步明确用户意图,后续获取必要信息对用户意图进行识别。
对于当前轮次的人机对话任务,例如可以是“天气怎么样”、“股票怎么样”、“路况怎么样”等。
S102,利用预设的神经网络分类模型对所述人机对话任务进行分类;
对于上述所确定的人机对话任务,在本申请实施例中利用预设的神经网络分类模型对该人机对话任务进行分类。其中,在本申请实施例中对人机对话任务进行领域、意图的分类,即利用预设的神经网络分类模型对该人机对话任务进行领域、意图的分类。
例如,对于当前轮次的人机对话任务:“天气怎么样”,利用预设的神经网络分类模型对该人机对话任务进行领域分类“天气”,利用预设的神经网络分类模型对该人机对话任务进行意图分类“查询”。
其中,在本申请实施例中预设的神经网络分类模型可以包括基于textCNN的短文本分类模型。对于基于textCNN的短文本分类模型,是利用卷积神经网络对文本进行分类的算法,本申请实施例中在此不再一一赘述。
S103,确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
对于上述的分类结果,在本申请实施例中确定与该分类结果相匹配的第一预设知识图谱,其中,该第一预设知识图谱可以是任务所需信息知识图谱。
例如,利用预设的神经网络分类模型对该人机对话任务进行领域分类“天气”,利用预设的神经网络分类模型对该人机对话任务进行意图分类“查询”,与该“天气”、“查询”相匹配的任务所需信息知识图谱,如图2所示,任务所需信息知识图谱中知识体系如下:
1、实体类型:任务、信息;
2、关系类型:需要<任务,信息>、属于<信息,任务>。
对于任务所需信息知识图谱,用于存储人机对话任务所需的关键信息,从该任务所需信息知识图谱中查询人机对话任务所需的关键信息。
例如,对于人机对话任务“天气怎么样”,所需的关键信息:时间、地点,可以从任务所需信息知识图谱中查询人机对话任务所需的关键信息(时间、地点)。
另外,对于人机对话任务所需的关键信息,即人机对话任务所缺少的信息。例如,对于人机对话任务“天气怎么样”,可以从任务所需信息知识图谱中查询人机对话任务所需的关键信息(时间、地点),对于关键信息(时间、地点),即人机对话任务“天气怎么样”中所缺少的信息。
S104,从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
针对上述步骤的关键信息,为人机对话任务所缺少的信息,故需要对获取关键信息对应的隐藏信息。其中,在本申请实施例中可以从第二预设知识图谱中获取与所述关键信息对应的隐藏信息。
对于第二预设知识图谱,可以包括预设专业/常识知识图谱、预设用户特征知识图谱。从预设专业/常识知识图谱中获取与所述关键信息对应的专业/常识隐藏信息,从预设用户特征知识图谱中获取与所述关键信息对应的用户特征隐藏信息。
对于专业/常识知识图谱,用于存储相关领域、意图的专业知识和常识,如图3所示,专业/常识知识图谱知识体系如下:
1、实体类型:信息、常识、专业知识;
2、关系类型:需要<信息,常识>、属于<常识,信息>、需要<信息,专业知识>、属于<专业知识,信息>。
例如,对于上述从任务所需信息知识图谱中查询人机对话任务所需的关键信息(时间、地点),对于关键信息(时间、地点),即人机对话任务“天气怎么样”中所缺少的信息,可以从预设专业/常识知识图谱中获取与所述关键信息(时间、地点)对应的专业/常识隐藏信息(当前所在的位置和当前时间)。
对于用户特征知识图谱,用于存储用户的特征和习惯,如图4所示,用户特征知识图谱知识体系如下:
1、实体类型:用户、特征信息;
2、关系类型:有<用户,特征信息>。
例如,对于从任务所需信息知识图谱中查询人机对话任务所需的关键信息(天气关注类型),对于关键信息(天气关注类型),即人机对话任务“天气怎么样”中所缺少的信息,从预设用户特征知识图谱中获取与所述关键信息(天气关注类型)对应的用户特征隐藏信息(PM2.5),该用户特征隐藏信息(PM2.5)可以表示用户经常查询PM2.5的情况。
基于上述,通过多个知识图谱的相互结合,从预设专业/常识知识图谱中获取与所述关键信息对应的专业/常识隐藏信息,从预设用户特征知识图谱中获取与所述关键信息对应的用户特征隐藏信息,可以最大限度地对人机对话任务中所缺少的信息进行补充,方便后续对用户意图的识别。
S105,基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
针对上述人机对话任务以及隐藏信息,可以基于所述人机对话任务以及所述隐藏信息进行用户意图识别。其中,在基于所述人机对话任务以及所述隐藏信息进行用户意图识别之前,可以判断是否已获取完人机对话任务所需关键信息对应的隐藏信息。
例如,对于人机对话任务“天气怎么样”,可以从任务所需信息知识图谱中查询人机对话任务(“天气怎么样”)所需的关键信息(时间、地点、天气关注类型),从预设专业/常识知识图谱中获取与关键信息(时间、地点)对应的专业/常识隐藏信息(当前所在的位置和当前时间),从预设用户特征知识图谱中获取与关键信息(天气关注类型)对应的用户特征隐藏信息(PM2.5),在获取完人机对话任务(“天气怎么样”)所需关键信息(时间、地点、天气关注类型)对应的专业/常识隐藏信息(当前所在的位置和当前时间)、用户特征隐藏信息(PM2.5)之后,基于人机对话任务(“天气怎么样”)、专业/常识隐藏信息(当前所在的位置和当前时间)、用户特征隐藏信息(PM2.5),识别用户意图,即“在当前所在的位置,当前时间下的PM2.5怎么样”,如此可以对用户潜在的意图(或者任务)进行推理和联想,提高用户体验。
通过上述对本申请实施例提供的技术方案的描述,对于人机对话任务,利用预设的神经网络分类模型进行分类,从与分类结果相匹配的第一预设知识图谱中查询人机对话任务所需的关键信息,进而第二预设知识图谱中获取与关键信息对应的隐藏信息,基于人机对话任务以及隐藏信息可以实现用户意图的识别,对每轮对话中用户的意图进行推理和联想,提高了用户体验。
如图5所示,为本申请实施例提供的另一种用户意图识别方法的实施流程示意图,该方法具体可以包括以下步骤:
S501,确定当前轮次的人机对话任务;
在本申请实施例中,本步骤与上述步骤S101类似,本申请实施例在此不再一一赘述。
S502,利用预设的神经网络分类模型对所述人机对话任务进行分类;
在本申请实施例中,本步骤与上述步骤S102类似,本申请实施例在此不再一一赘述。
S503,确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
在本申请实施例中,本步骤与上述步骤S103类似,本申请实施例在此不再一一赘述。
S504,从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
在本申请实施例中,本步骤与上述步骤S104类似,本申请实施例在此不再一一赘述。
S505,确定需要通过人机对话获取的所述人机对话任务所需的补充信息,通过人机对话获取所述人机对话任务所需的补充信息;
从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息之后,判断第二预设知识图谱中是否包含所有关键信息对应的隐藏信息;如果第二预设知识图谱中包含所有关键信息对应的隐藏信息,则可以直接从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;如果第二预设知识图谱中包含部分关键信息对应的隐藏信息,一方面从第二预设知识图谱中获取与部分关键信息对应的隐藏信息,另一方确定需要通过人机对话获取的所述人机对话任务所需的补充信息,即另一部分关键信息,后续通过人机对话获取所述人机对话任务所需的补充信息。
例如,从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息(时间、地点、天气关注类型),第二预设知识图谱中包含部分关键信息(时间、地点)对应的隐藏信息(当前所在的位置和当前时间),确定需要通过人机对话获取的所述人机对话任务所需的另一部分关键信息(天气关注类型),后续通过人机对话获取所述人机对话任务所需的另一部分关键信息。
基于上述,确定需要通过人机对话获取的所述人机对话任务所需的补充信息,通过人机对话获取所述人机对话任务所需的补充信息,对人机对话任务中所缺少的信息进行补充。
S506,从第三预设知识图谱中获取与分类结果相匹配的历史对话信息;
在本申请实施例中,还可以从第三预设知识图谱中获取与分类结果相匹配的历史对话信息,以对人机对话任务中所缺少的信息进行补充。
在本申请实施例中,第三预设知识图谱可以是历史对话信息知识图谱,用于存储问题关键词和信息关键词的对应关系,即历史对话信息,如图6所示,历史对话信息知识图谱知识体系如下:
1、实体类型:问题关键词、信息关键词;
2、关系类型:需要<问题关键词,信息关键词>、属于<信息关键词,问题关键词>。
例如,通过查询历史对话信息知识图谱中问题关键词1与信息关键词2的对应关系,实现对人机对话任务中所缺少的信息进行补充。
S507,基于所述人机对话任务、所述隐藏信息、所述补充信息、以及历史对话信息进行用户意图识别。
基于上述步骤(获取隐藏信息、获取补充信息、获取历史对话信息),最大限度地对人机对话任务中所缺少的信息进行补充,针对上述人机对话任务以及获取的隐藏信息、补充信息、历史对话信息,进行用户意图识别。
在本申请实施例中,根据专业/常识隐藏信息、用户特征隐藏信息、补充信息、历史对话信息对人机对话任务中所缺少的信息进行补充,可以最大限度地获取人机对话任务所需信息,提高对用户意图识别的准确性。
与上述方法实施例相对应,本申请实施例还提供了一种用户意图识别装置,如图7所示,该装置可以包括:任务确定模块710、任务分类模块720、信息查询模块730、信息获取模块740、意图识别模块750。
任务确定模块710,用于确定当前轮次的人机对话任务;
任务分类模块720,用于利用预设的神经网络分类模型对所述人机对话任务进行分类;
信息查询模块730,用于确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
信息获取模块740,用于从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
意图识别模块750,用于基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
本申请实施例还提供了一种终端,如图8所示,包括处理器81、通信接口82、存储器83和通信总线84,其中,处理器81,通信接口82,存储器83通过通信总线84完成相互间的通信,
存储器83,用于存放计算机程序;
处理器81,用于执行存储器83上所存放的程序时,实现如下步骤:
确定当前轮次的人机对话任务;
利用预设的神经网络分类模型对所述人机对话任务进行分类;
确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
本申请实施例还提供了一种存储介质,该存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中执行的用户意图识别方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中,或者从一个存储介质向另一个存储介质发送,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行发送。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用户意图识别方法,其特征在于,所述方法包括:
确定当前轮次的人机对话任务;
利用预设的神经网络分类模型对所述人机对话任务进行分类;
确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
2.根据权利要求1所述的方法,其特征在于,所述利用预设的神经网络分类模型对所述人机对话任务进行分类,包括:
利用预设的神经网络分类模型对所述人机对话任务进行领域、意图的分类。
3.根据权利要求1所述的方法,其特征在于,所述从第二预设知识图谱中获取与所述关键信息对应的隐藏信息,包括:
从预设专业/常识知识图谱中获取与所述关键信息对应的专业/常识隐藏信息;
从预设用户特征知识图谱中获取与所述关键信息对应的用户特征隐藏信息。
4.根据权利要求1所述的方法,其特征在于,还包括:
确定需要通过人机对话获取的所述人机对话任务所需的补充信息;
通过人机对话获取所述人机对话任务所需的补充信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别,包括:
基于所述人机对话任务、所述隐藏信息以及所述补充信息进行用户意图识别。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从第三预设知识图谱中获取与分类结果相匹配的历史对话信息;
基于所述人机对话任务以及所述隐藏信息进行用户意图识别,包括:
基于所述人机对话任务、所述隐藏信息以及所述历史对话信息进行用户意图识别。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述预设的神经网络分类模型,包括:
基于textCNN的短文本分类模型。
7.一种用户意图识别装置,其特征在于,所述装置包括:
任务确定模块,用于确定当前轮次的人机对话任务;
任务分类模块,用于利用预设的神经网络分类模型对所述人机对话任务进行分类;
信息查询模块,用于确定与分类结果相匹配的第一预设知识图谱,并从所述第一预设知识图谱中查询所述人机对话任务所需的关键信息;
信息获取模块,用于从第二预设知识图谱中获取与所述关键信息对应的隐藏信息;
意图识别模块,用于基于所述人机对话任务以及所述隐藏信息进行用户意图识别。
8.根据权利要求7所述的装置,其特征在于,所述任务分类模块具体用于:
利用预设的神经网络分类模型对所述人机对话任务进行领域、意图的分类。
9.一种终端,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6所述的方法步骤。
10.一种存储介质,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如权利要求1-6所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935489.4A CN110909159B (zh) | 2019-09-29 | 2019-09-29 | 一种用户意图识别方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935489.4A CN110909159B (zh) | 2019-09-29 | 2019-09-29 | 一种用户意图识别方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909159A true CN110909159A (zh) | 2020-03-24 |
CN110909159B CN110909159B (zh) | 2022-09-16 |
Family
ID=69814986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910935489.4A Active CN110909159B (zh) | 2019-09-29 | 2019-09-29 | 一种用户意图识别方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909159B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021218087A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 基于人工智能的意图识别的方法、装置、计算机设备 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150050921A1 (en) * | 2013-08-12 | 2015-02-19 | Yahoo! Inc. | Displaying location-based images that match the weather conditions |
CN106095833A (zh) * | 2016-06-01 | 2016-11-09 | 竹间智能科技(上海)有限公司 | 人机对话内容处理方法 |
CN106375577A (zh) * | 2016-08-31 | 2017-02-01 | 珠海市魅族科技有限公司 | 日历提醒方法及装置 |
WO2017142116A1 (en) * | 2016-02-17 | 2017-08-24 | Joonyoung Lee | Activity-centric contextual modes of operation for electronic devices |
CN107589826A (zh) * | 2016-07-07 | 2018-01-16 | 深圳狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法及系统 |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技(上海)有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
CN108874782A (zh) * | 2018-06-29 | 2018-11-23 | 北京寻领科技有限公司 | 一种层次注意力lstm和知识图谱的多轮对话管理方法 |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
US20180349755A1 (en) * | 2017-06-02 | 2018-12-06 | Microsoft Technology Licensing, Llc | Modeling an action completion conversation using a knowledge graph |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN109446307A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种实现智能对话中对话管理的方法 |
CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
CN109657238A (zh) * | 2018-12-10 | 2019-04-19 | 宁波深擎信息科技有限公司 | 基于知识图谱的上下文识别补全方法、系统、终端及介质 |
CN109800291A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技(深圳)有限公司 | 问题应答方法及装置、电子设备和存储介质 |
CN109815321A (zh) * | 2018-12-26 | 2019-05-28 | 出门问问信息科技有限公司 | 问答方法、装置、设备及存储介质 |
CN110008413A (zh) * | 2019-03-14 | 2019-07-12 | 海信集团有限公司 | 一种交通出行问题查询方法和装置 |
CN110019824A (zh) * | 2017-07-20 | 2019-07-16 | 苏州狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法、装置及系统 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
CN110263133A (zh) * | 2019-05-07 | 2019-09-20 | 平安科技(深圳)有限公司 | 基于知识图谱的问答方法、电子装置、设备及存储介质 |
-
2019
- 2019-09-29 CN CN201910935489.4A patent/CN110909159B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150050921A1 (en) * | 2013-08-12 | 2015-02-19 | Yahoo! Inc. | Displaying location-based images that match the weather conditions |
WO2017142116A1 (en) * | 2016-02-17 | 2017-08-24 | Joonyoung Lee | Activity-centric contextual modes of operation for electronic devices |
CN106095833A (zh) * | 2016-06-01 | 2016-11-09 | 竹间智能科技(上海)有限公司 | 人机对话内容处理方法 |
CN107589826A (zh) * | 2016-07-07 | 2018-01-16 | 深圳狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法及系统 |
CN106375577A (zh) * | 2016-08-31 | 2017-02-01 | 珠海市魅族科技有限公司 | 日历提醒方法及装置 |
US20180349755A1 (en) * | 2017-06-02 | 2018-12-06 | Microsoft Technology Licensing, Llc | Modeling an action completion conversation using a knowledge graph |
CN110019824A (zh) * | 2017-07-20 | 2019-07-16 | 苏州狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法、装置及系统 |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
CN107943998A (zh) * | 2017-12-05 | 2018-04-20 | 竹间智能科技(上海)有限公司 | 一种基于知识图谱的人机对话控制系统及方法 |
CN108920497A (zh) * | 2018-05-23 | 2018-11-30 | 北京奇艺世纪科技有限公司 | 一种人机交互方法及装置 |
CN108874782A (zh) * | 2018-06-29 | 2018-11-23 | 北京寻领科技有限公司 | 一种层次注意力lstm和知识图谱的多轮对话管理方法 |
CN109446307A (zh) * | 2018-10-16 | 2019-03-08 | 浪潮软件股份有限公司 | 一种实现智能对话中对话管理的方法 |
CN109616108A (zh) * | 2018-11-29 | 2019-04-12 | 北京羽扇智信息科技有限公司 | 多轮对话交互处理方法、装置、电子设备及存储介质 |
CN109284363A (zh) * | 2018-12-03 | 2019-01-29 | 北京羽扇智信息科技有限公司 | 一种问答方法、装置、电子设备及存储介质 |
CN109657238A (zh) * | 2018-12-10 | 2019-04-19 | 宁波深擎信息科技有限公司 | 基于知识图谱的上下文识别补全方法、系统、终端及介质 |
CN109800291A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技(深圳)有限公司 | 问题应答方法及装置、电子设备和存储介质 |
CN109815321A (zh) * | 2018-12-26 | 2019-05-28 | 出门问问信息科技有限公司 | 问答方法、装置、设备及存储介质 |
CN110008413A (zh) * | 2019-03-14 | 2019-07-12 | 海信集团有限公司 | 一种交通出行问题查询方法和装置 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
CN110263133A (zh) * | 2019-05-07 | 2019-09-20 | 平安科技(深圳)有限公司 | 基于知识图谱的问答方法、电子装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
程广兵: "运营商问答系统融入AI 打造智能客服", 《通信世界》 * |
郭群等: "一种面向移动终端的自然口语任务理解方法", 《计算机系统应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021218087A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 基于人工智能的意图识别的方法、装置、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110909159B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063221B (zh) | 基于混合策略的查询意图识别方法和装置 | |
CN109634698B (zh) | 菜单显示方法、装置、计算机设备及存储介质 | |
CN108170859B (zh) | 语音查询的方法、装置、存储介质及终端设备 | |
CN109635117B (zh) | 一种基于知识图谱识别用户意图方法及装置 | |
CN110162695B (zh) | 一种信息推送的方法及设备 | |
CN111566638B (zh) | 向应用编程接口添加描述性元数据以供智能代理使用 | |
US20190114711A1 (en) | Financial analysis system and method for unstructured text data | |
CN112151035A (zh) | 一种语音控制方法、装置、电子设备及可读存储介质 | |
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN107958059B (zh) | 智能问答方法、装置、终端和计算机可读存储介质 | |
CN115455161A (zh) | 对话处理方法、装置、电子设备及存储介质 | |
CN113379301A (zh) | 通过决策树模型对用户进行分类的方法、装置和设备 | |
CN112035626A (zh) | 一种大规模意图的快速识别方法、装置和电子设备 | |
CN110569924A (zh) | 图标处理方法、装置、可读存储介质及计算机设备 | |
CN112364147A (zh) | 一种基于知识图谱的跨领域多轮对话方法及实现系统 | |
CN111522966A (zh) | 基于知识图谱的数据处理方法、装置、电子设备及介质 | |
CN110909159B (zh) | 一种用户意图识别方法、装置、终端及存储介质 | |
CN108021713B (zh) | 一种文档聚类的方法和装置 | |
CN112579031A (zh) | 一种语音交互的方法、系统和电子设备 | |
CN114090877A (zh) | 职位信息推荐方法、装置、电子设备及存储介质 | |
CN112163415A (zh) | 针对反馈内容的用户意图识别方法、装置及电子设备 | |
US11100407B2 (en) | Building domain models from dialog interactions | |
CN110489517B (zh) | 虚拟助理的自动学习方法及系统 | |
CN116701613A (zh) | 一种基于人工智能的科技成果管理业务服务系统及方法 | |
CN110705889A (zh) | 一种企业筛选方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |