CN111104495B - 基于意图识别的信息交互方法、装置、设备和存储介质 - Google Patents
基于意图识别的信息交互方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111104495B CN111104495B CN201911131846.8A CN201911131846A CN111104495B CN 111104495 B CN111104495 B CN 111104495B CN 201911131846 A CN201911131846 A CN 201911131846A CN 111104495 B CN111104495 B CN 111104495B
- Authority
- CN
- China
- Prior art keywords
- information
- intention
- service
- prediction
- text
- 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.)
- Active
Links
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
- G06F16/33—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
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及一种基于意图识别的信息交互方法、装置、计算机设备和存储介质。所述方法包括:获取用户终端输入的会话信息的文本信息;通过意图识别模型识别文本信息的实体词槽和用户意图;将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定对应的意图预测信息;若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;识别意图预测信息的业务类型,从业务类型对应的业务系统中获取意图预测信息的目标业务信息;利用意图预测信息和目标业务信息拼接生成交互答复信息,将交互答复发送至用户终端。采用本方法能够有效提高意图识别的准确度和信息交互效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于意图识别的信息交互方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,人机交互的应用越来越普遍。例如,用户在与客服进行交互的过程中,可以利用机器客服进行辅助交互回答,以较少人工客服成本。
传统的方式中,通常采用交互规则或树模型进行话术切换和问答处理。当用户在交互过程中切换了业务时,若树模型或者图模型没有相应的模板时,需要重新构建相应的交互规则或者树模型,或者需要重新调用相应业务的树模型进行意图识别等处理,意图识别和话术切换的效率和准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高意图识别的准确度和信息交互效率的基于意图识别的信息交互方法、装置、计算机设备和存储介质。
一种基于意图识别的信息交互方法,所述方法包括:
获取用户终端输入的会话信息,提取所述会话信息对应的文本信息;
将所述文本信息输入至已训练的意图识别模型,提取所述文本信息中的实体词槽和识别所述文本信息对应的用户意图;
将所述实体词槽和所述用户意图输入至已训练的业务预测模型,根据所述用户意图和所述实体词槽确定对应的意图预测信息;
若所述意图预测信息为不明确意图,根据所述意图预测信息向所述用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;
识别所述意图预测信息的业务类型,从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;
利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息,将所述交互答复发送至所述用户终端。
在其中一个实施例中,所述提取所述文本信息中的实体词槽的步骤包括:对所述文本信息进行分词处理,得当多个文本词;对所述多个文本词进行特征提取,得到对应的文本词向量;计算多个文本词向量的实体特征,根据所述实体特征提取所述文本信息中的实体关键词,将所述实体关键词和对应的实体特征类别确定为所述文本信息的实体词槽。
在其中一个实施例中,所述识别所述文本信息对应的用户意图的步骤包括:对所述文本信息进行特征提取,得到所述文本信息对应的文本向量;根据所述实体特征和所述文本向量对所述文本信息进行意图分类,计算所述文本向量的意图类别;根据所述意图类别确定所述文本信息的用户意图。
在其中一个实施例中,在根据所述业务类型调用对应的业务预测模型之前,所述方法还包括:获取多个业务类型的样本业务数据,所述样本业务数据包括标注样本业务数据和未标注样本业务数据,所述标注样本业务数据包括实体词槽和意图类别;利用所述标注样本业务数据生成训练集,利用所述未标注样本业务数据生成验证集;将所述训练集输入至预先构建的深度学习模型,利用所述标注样本业务数据的实体词槽和意图类别对所述深度学习模型进行学习训练,得到初始业务预测模型;将所述验证集输入至所述初始业务预测模型,利用所述验证集中的未标注样本业务数据对所述初始业务预测模型进行验证;直到所述验证集中满足条件阈值的样本数量达到验证阈值时,停止训练,得到所需的业务预测模型。
在其中一个实施例中,所述会话信息携带用户标识,所述根据所述用户意图和所述实体词槽确定对应的意图预测信息包括:根据所述用户标识获取实体信息集合,所述实体信息集合包括多个历史会话信息的实体词槽;将所述多个实体词槽与所述实体信息集合中的实体词槽进行上下文分析,根据分析结果和所述用户意图确定推测槽位;根据所述多个实体词槽和所述推测槽位计算与多个意图模板话术的相似度,提取所述相似度达到预设阈值的意图模板话术,将所述意图模板话术确定为意图预测信息。
在其中一个实施例中,所述从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息包括:调用所述业务类型对应的业务系统的业务数据库,根据所述意图预测信息从所述业务数据库中获取所述推测槽位对应的多个业务元素值;计算所述多个业务元素值的概率分布值,根据所述概率分布值计算多个业务元素值的置信度;将所述置信度满足阈值的业务元素值确定为所述意图预测信息对应的目标业务信息。
在其中一个实施例中,所述利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息包括:将所述目标业务信息的业务元素值确定为所述推测槽位的槽位值,将所述槽位值填充至所述意图预测信息的推测槽位中;利用填充后的意图预测信息和业务元素值拼接生成所述会话信息的交互回复信息。
在其中一个实施例中,所述方法还包括:获取所述用户终端输入的当前会话信息,持续利用所述业务预测模型根据历史会话信息对所述当前会话信息进行意图识别,得到所述当前会话信息的当前用户意图;若所述当前用户意图的业务类型变更时,确定所述当前用户意图对应的当前业务类型,通过所述业务预测模型根据所述当前业务类型预测所述当前会话信息对应的意图预测信息;从所述当前业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息进行信息交互。
一种基于意图识别的信息交互装置,所述装置包括:
信息交互模块,用于获取用户终端输入的会话信息,提取所述会话信息对应的文本信息;
意图识别模块,用于将所述文本信息输入至已训练的意图识别模型,提取所述文本信息中的实体词槽和识别所述文本信息对应的用户意图;
业务预测模块,用于将所述实体词槽和所述用户意图输入至已训练的业务预测模型,根据所述用户意图和所述实体词槽确定对应的意图预测信息;若所述意图预测信息为不明确意图,根据所述意图预测信息向所述用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;
业务信息获取模块,用于识别所述意图预测信息的业务类型,从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;
交互信息生成模块,用于利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息;所述信息交互模块还用于将所述交互答复发送至所述用户终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的基于意图识别的信息交互方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的基于意图识别的信息交互方法的步骤。
上述基于意图识别的信息交互方法、装置、计算机设备和存储介质,获取用户终端输入的会话信息后,提取会话信息对应的文本信息,将文本信息输入至已训练的意图识别模型,提取出文本信息中的实体词槽和识别文本信息对应的用户意图,由此能够通过意图识别模型准确有效地识别出用户意图。将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定意图预测信息。若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息,由此能够准确地获取意图明确的意图预测信息。识别意图预测信息的业务类型,并从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息,通过业务预测模型根据用户意图和实体词槽能够准确有效地预测相应的意图预测信息。利用意图预测信息和目标业务信息拼接生成交互答复信息,将交互答复发送至用户终端,以有效进行信息交互。通过意图识别模型能够快速准确地识别出用户意图,进而利用业务预测模型根据用户意图和实体词槽准确有效地确定意图预测信息以及相应的业务信息,在保证识别效率的同时,有效提高了意图识别和业务信息获取的准确度,进而有效提高了信息交互的效率和准确性。
附图说明
图1为一个实施例中基于意图识别的信息交互方法的应用场景图;
图2为一个实施例中基于意图识别的信息交互方法的流程示意图;
图3为一个实施例中识别意图预测信息步骤的流程示意图;
图4为一个实施例中获取目标业务信息步骤的流程示意图;
图5为一个实施例中基于意图识别的信息交互装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于意图识别的信息交互方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与服务器104进行通信。服务器104获取用户终端102输入的会话信息,服务器104提取会话信息对应的文本信息,通过意图识别模型识别文本信息的实体词槽和用户意图。服务器104进而通过业务预测模型根据用户意图和实体词槽确定意图预测信息。若意图预测信息为不明确意图,服务器104根据意图预测信息向用户终端102发送提示信息进行会话交互,直到得到明确意图的意图预测信息。服务器104识别意图预测信息的业务类型,进而从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息。服务器104则利用意图预测信息和目标业务信息拼接生成交互答复信息,将交互答复发送至用户终端102。其中,用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、智能机器人和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于意图识别的信息交互方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取用户终端输入的会话信息,提取会话信息对应的文本信息。
用户可以通过用户终端中部署的智能交互应用与服务器进行人机交互,例如常见的智能咨询交互系统以及智能呼叫机器人系统等。其中,智能呼叫机器人可以针对企业的业务进行外呼,还可以根据用户的呼入请求进行相应业务的交互处理,以实现相关业务场景的自动化和智能化信息交互。
其中,会话信息可以为多种形式的内容,语音信息,也可以为文本信息。例如可以为文本信息,还可以为语音信息,会话信息为为本信息时,还可以包括图片等形式的内容。当会话信息为文字数据时,服务器可以直接识别文本信息中的文字内容,提取出会话信息对应的文本信息。
若会话信息为语音信息时,用户可以通过对应的用户终端的交互应用进行语音交互,用户终端输入语音信息并发送至服务器对应的智能交互系统。服务器接收到终端发送的语音信息后,通过语音识别模型对语音信息进行语音识别,能够有效提取出语音信息中的文字内容。例如服务器可以首先对语音信息中的语音信号进行噪声抑制等预处理,对预处理后的语音信号进行特征提取,服务器进而将提取出的语音信号特征转换为对应的字符序列,根据字符序列识别得到对应的文本信息,从而得到语音信息对应的文字信息。语音识别技术已经比较成熟,在此不再详细赘述。
步骤204,将文本信息输入至已训练的意图识别模型,提取文本信息中的实体词槽和识别文本信息对应的用户意图。
其中,意图识别模型为服务器预先利用大量样本数据通过基于深度学习模型进行训练得到。例如,意图识别模型可以为基于词袋(bag of words)的算法模型,也可以为基于LSTM(Long Short-Term Memory,长短期记忆网络)模型或者基于预训练的BERT(Bidirectional Encoder Representation from Transformers,双向编码器表征模型)等深度学习模型训练得到的。
其中,实体表示客观存在并可相互区别的事物。实体可以是具体的人、事、物,也可以是抽象的概念或联系。即实体可以是人也可以是物体实物,也可以是抽象概念。实体信息则指用于表示客观存在并可相互区别的事物的信息。其中,词槽可以为实体信息对应的信息表示。
服务器识别出语音信息对应的文本信息后,则将识别出的文本信息输入至意图识别模型中,服务器可以首先通过意图识别模型对文本信息进行实体识别和实体抽取。具体地,服务器可以对文本信息进行分词得当多个文本词,对多个文本词进行特征提取,提取出对应的多个文本词向量。服务器进而计算多个文本词向量的实体特征,根据实体特征提取文本信息中的实体关键词,将实体关键词和对应的实体特征类别确定为文本信息的实体词槽。
服务器提取出文本信息中的实体词槽后,进一步通过意图识别模型根据实体词槽识别文本信息对应的用户意图。具体地,服务器根据实体特征和文本向量对文本信息进行意图分类,从而根据意图类别确定文本信息的用户意图,由此能够快速有效地识别出用户终端发送的语音信息的用户意图。
进一步地,服务器还可以获取用户的用户信息以及用户终端与服务器的历史交互信息,根据用户信息、历史交互信息和当前文本信息确定当前会话信息的词槽和用户意图。
步骤206,将实体词槽和用户意图输入至至已训练的业务预测模型,根据用户意图和实体词槽确定对应的意图预测信息。
其中,智能交互系统中部署了多个业务系统对应的业务预测模型,业务预测模型为服务器预先利用大量样本业务数据通过基于深度学习模型进行训练得到。其中,业务预测模型可以包括多个业务类型的意图模板信息。
服务器通过意图识别模型识别出用户终端发送的语音信息的实体词槽和用户意图后,进一步将识别出的实体词槽和用户意图输入至预先训练的业务预测模型中,通过业务预测模型根据用户意图和实体词槽确定意图预测信息。具体地,服务器根据实体词槽之间的关联性和用户意图预测多个候选意图预测信息,计算用户意图和实体词槽与多个候选意图预测信息的相似度,提取相似度达到满足条件的候选意图预测信息作为文本信息对应的意图预测信息。
例如,意图预测信息可以为预先定义的意图模板话术,也可以根据业务类型对应的意图模板话术根据实体词槽和用户意图生成意图预测信息。服务器利用业务预测模型根据当前会话信息以及多轮历史会话信息的实体词槽预测对应的意图预测信息。例如若用户终端发送的信息为“寻找附近的酒店”,预测生成的意图模板话术可以为“附近最近的酒店是_”。其中“_”的内容则为意图预测信息对应的目标业务信息。
步骤208,若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息。
服务器利用业务预测模型确定出意图预测信息后,判断得到的意图预测信息是否为明确的意图。若当前得到的意图预测信息为不明确意图,不明确意图可以表示为无法确定具体的目标业务信息的意图。服务器则根据当前意图预测信息生成对应的提示信息发送至用户终端,使得用户终端根据提示信息输入会话信息,以进一步识别用户意图和意图预测信息,直到服务器根据多轮会话信息得到明确意图的意图预测信息。通过多轮会话交互能够准确有效地得到意图明确的意图预测信息,以有效提高业务信息获取的准确性。
步骤210,识别意图预测信息的业务类型,从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息。
服务器通过业务预测模型用户意图和实体词槽确定出意图预测信息后,识别意图预测信息的业务类型。服务器则根据业务类型调用对应的业务系统,进而从该业务系统中获取与意图预测信息对应的目标业务信息。具体地,服务器可以根据意图预测信息和用户意图确定业务范围和目标业务槽位,进而根据业务范围和目标业务槽位从业务数据库中获取与意图预测信息相匹配的业务信息,并获取匹配度最高的业务信息作为目标业务信息。
其中,若意图预测信息对应的目标业务槽位包括用户信息时,服务器还可以获取该用户终端的用户信息,进而根据业务范围和目标业务槽位以及用户信息从业务数据库中获取与意图预测信息对应的目标业务信息。
步骤212,利用意图预测信息和业务信息拼接生成交互答复信息,将交互答复信息发送至用户终端。
服务器获取意图预测信息对应的目标业务信息后,则对意图预测信息和业务信息进行拼接填充。具体地,目标业务信息包括目标业务槽位和目标业务槽位值,服务器则根据意图预测信息的模板将目标业务槽位值填充拼接至意图预测信息中,从而生成当前语音信息对应的交互答复信息,并将交互答复信息发送至用户终端。服务器还可以通过智能交互系统将交互答复信息转换为对应的语音交互答复信息,进而将语音交互答复信息发送给用户终端,以进行智能语音交互。服务器通过意图识别模型能够准确有效地识别出用户意图,进而利用业务预测模型根据用户意图和实体词槽能够准确有效地预测相应的意图预测信息,并获取意图预测信息对应的业务信息生成交互答复信息以进行人机交互,采用意图识别模型和业务预测模型能够快速确定目标用户意图以及相应的业务信息,由此能够在保证识别效率的同时,能够有效提高意图识别和业务信息获取的准确度,进而有效提高了信息交互的效率和准确性。
上述基于意图识别的信息交互方法中,服务器获取用户终端输入的会话信息后,提取会话信息对应的文本信息,将文本信息输入至已训练的意图识别模型,提取出文本信息中的实体词槽和识别文本信息对应的用户意图,由此能够通过意图识别模型准确有效地识别出用户意图。服务器进而将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定意图预测信息。若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息,由此能够准确地获取意图明确的意图预测信息。服务器识别意图预测信息的业务类型,进而从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息,通过业务预测模型根据用户意图和实体词槽能够准确有效地预测相应的意图预测信息。服务器则利用意图预测信息和目标业务信息拼接生成交互答复信息,将交互答复发送至用户终端,以有效进行信息交互。服务器通过意图识别模型能够快速准确地识别出用户意图,进而利用业务预测模型根据用户意图和实体词槽准确有效地确定意图预测信息以及相应的业务信息,在保证识别效率的同时,有效提高了意图识别和业务信息获取的准确度,进而有效提高了信息交互的效率和准确性。
在一个实施例中,提取出文本信息中的实体信息,根据实体信息确定对应的实体词槽包括:对文本信息进行分词处理,得当多个文本词;对多个文本词进行特征提取,得到对应的文本词向量;计算多个文本词向量的实体特征,根据实体特征提取文本信息中的实体关键词,将实体关键词和对应的实体特征类别确定为文本信息的实体词槽。
其中,实体词槽可以包括槽位和槽位值,槽位可以指会话信息中的关键信息属性,即可表示为实体信息类别。例如可以是服务器需要获取的关键信息;槽位值可以指会话信息中的关键信息属性对应的具体内容。例如可以是用户表达的具体关键信息。例如,“性别”对应的信息属性可以为槽位,“男”则可以为“性别”槽位对应的槽位值。
服务器获取用户终端输入的语音信息,并识别出语音信息对应的文本信息后,将识别出的文本信息输入至意图识别模型中。服务器进而通过意图识别模型对文本信息进行实体识别和实体抽取。具体地,服务器可以对文本信息进行分词得当多个文本词,对多个文本词进行特征提取,提取出对应的多个文本词向量。服务器进而计算多个文本词向量的实体特征,根据实体特征提取文本信息中的实体关键词,将实体关键词和对应的实体特征类别确定为文本信息的实体词槽。服务器通过意图识别模型能够快速准确地识别出用户输入信息中的实体词槽,以准确有效地识别出对应的用户意图。
在其中一个实施例中,服务器还可以预先业务类型对应的配置实体定义表,实体定义表中存储了业务类型所需的多种实体信息,实体定义表中的实体信息可以仅为实体特征类别。服务器可以将文本信息中的多个文本词与实体定义表中定义的多种实体信息进行匹配,根据匹配结果提取出文本信息中的实体特征类别,进而根据文本信息的上下文信息识别实体特征类别对应的实体关键词,利用实体特征类别和对应的实体关键词得到文本信息对应的实体词槽。
例如,例如若用户终端发送的信息为“查询我的电话余额”,其中的实体信息则可以包括“话费余额”、“用户账户”,由此能够准确有效地提取出文本信息中的实体词槽。在每个业务中,可以预先设定一些业务强相关的实体作为词槽,例如在酒店预定业务中“酒店名”,“地址”,“时间”这些词即为词槽中的实体特征类别。这些词槽会在用户输入信息中通过实体抽取技术进行提取。由于这些词槽关系着会话状态,例如只有收集了“酒店名”,“时间”,“地点”之类的词槽才可以去预定酒店。在预测过程中,意图识别模型进而根据实体词槽识别用户输入信息的用户意图。
在一个实施例中,根据实体词槽识别文本信息对应的用户意图步骤,具体包括以下内容:对文本信息进行特征提取,得到文本信息对应的文本向量;根据实体特征和文本向量对文本信息进行意图分类,计算文本向量的意图类别;根据意图类别确定文本信息的用户意图。
服务器获取用户终端输入的语音信息,并识别出语音信息对应的文本信息后,将识别出的文本信息输入至意图识别模型中。服务器进而通过意图识别模型对文本信息进行实体识别和实体抽取,提取出文本信息中的实体词槽后,继续利用意图识别模型根据实体词槽识别文本信息对应的用户意图。
具体地,服务器对文本信息进行特征提取,得到文本信息对应的文本向量,根据实体特征和文本向量对文本信息进行意图分类,计算文本向量对应多个意图类别的概率。服务器将概率值最大的意图类别确定为目标意图类别,进而根据目标意图类别确定文本信息的用户意图。
例如,例如若用户终端发送的信息为“查询我的电话余额”,其中的实体信息则可以包括“话费余额”、“用户账户”。服务器进而可以通过意图识别模型识别出对应的用户意图为“话费查询”,由此能够准确有效地提取出文本信息中的实体词槽,进而能够准确有效地识别出当前信息对应的用户意图。
在一个实施例中,在根据业务类型调用对应的业务预测模型之前,该方法还包括训练业务预测模型的步骤,该步骤具体包括以下内容:获取多个业务类型的样本业务数据,样本业务数据包括标注样本业务数据和未标注样本业务数据,标注样本业务数据包括实体词槽和意图类别;利用标注样本业务数据生成训练集,利用未标注样本业务数据生成验证集;将训练集输入至预先构建的深度学习模型,利用标注样本业务数据的实体词槽和意图类别对深度学习模型进行学习训练,得到初始业务预测模型;将验证集输入至初始业务预测模型,利用验证集中的未标注样本业务数据对初始业务预测模型进行验证;直到验证集中满足条件阈值的样本数量达到验证阈值时,停止训练,得到所需的业务预测模型。
服务器在获取用户终端发送的语音信息以进行信息交互之前,需要预先构建和训练出业务预测模型。具体地,服务器可以预先从本地数据库或第三方数据库中获取大量的样本业务数据。其中,样本业务数据包括标注样本业务数据和未标注样本业务数据,标注样本业务数据包括实体词槽和意图类别。服务器利用大量的样本业务数据生成训练集和验证集训练集中的样本业务数据可以是经过人工标注后的多个槽位信息,验证集中是未标注的多个槽位信息。
服务器首先对样本业务数据进行数据清洗和数据预处理,具体地,服务器对样本业务数据进行向量化,得到多个文本数据对应的特征向量,并将特征向量转换为对应的特征变量。服务器进一步对特征变量进行衍生处理,得到处理后的多个特征变量。如对特征变量进行缺失值填充、异常值抽取更替等。
服务器则获取预设的深度学习模型,例如可以是基于自注意力网络机器学习模型。例如,深度习模型中包括多个神经网络模型,神经网络模型可以包括预设的输入层、输入层、关系分析网络层、图卷积网络层、自注意力网络层、分类层和输出层。神经网络模型的网络层可以包括激活函数以及偏差损失函数,例如通过LSTM层输出的完全连接人工神经网络也包括对应的激活函数。图卷积网络层还可以引入语法快捷方式弧以增强信息流,并调整图形转换网络以捕获信息增强的表示。神经网络模型中还包括确定误差的计算方式,例如可以采用均方误差算法;还包括确定权重参数的迭代更新方式,例如可以采用RMSprop算法。神经网络模型中还可以包括一层普通的神经网络层,用于输出结果的降维。
服务器获取预设的深度学习模型后,则将训练集中的标注样本业务数据输入至深度学习模型中进行学习和训练,通过学习标注样本业务数据中已标注的实体词槽和意图类别以及意图预测信息的依赖关系和关联关系等。服务器通过对训练集中的大量训标注样本业务数据进行训练后,可以得到得到多个特征变量对应的特征维度值和权重,进而根据多个特征变量对应的特征维度值和权重构建初始业务预测模型。
服务器得到初始业务预测模型后,获取验证集,将验证集中的未标注样本业务数据输入至初始业务预测模型进行进一步训练和验证,得到多个验证数据对应的类别概率。直到验证集数据中满足条件阈值的数量达到验证阈值时,则停止训练,进而得到训练完成的业务预测模型。进一步地,服务器在训练业务预测模型的过程中,还可以计算损失参数,并利用梯度下降算法不断对业务预测模型进行更新,使得业务预测模型的预测准确性更高。通过对大量的样本业务数据进行训练和学习,进而能够有效构建和训练出预测准确率较高的业务预测模型,从而有效提高了意图预测信息的识别和预测准确率。
在一个实施例中,如图3所示,会话信息携带用户标识,根据用户意图和实体词槽确定对应的意图预测信息的步骤,具体包括以下内容:
步骤302,根据用户标识获取实体信息集合,实体信息集合包括多个历史会话信息的实体词槽。
步骤304,将多个实体词槽与实体信息集合中的实体词槽进行上下文分析,根据分析结果和用户意图确定推测槽位。
步骤306,根据多个实体词槽和推测槽位计算与多个意图模板话术的相似度,提取相似度达到预设阈值的意图模板话术,将意图模板话术确定为意图预测信息。
其中,用户终端与服务器进行交互的过程中可能会产生多轮会话信息,业务预测模型则可以将每轮的会话信息中提取的实体信息存储至该用户标识对应的实体信息集合中,实体信息集合则了包括多个历史会话信息的实体词槽,实体信息集合可以为实体词槽对应的实体数据矩阵。
服务器获取用户终端输入的会话信息,通过意图识别模型提取出文本信息中的实体词槽和识别文本信息对应的用户意图后,服务器进而将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定意图预测信息。服务器通过业务预测模型识别意图预测信息的过程中,根据用户标识获取当前用户的实体信息集合,将多个实体词槽与实体信息集合中的实体词槽进行上下文分析,根据分析结果和用户意图确定推测槽位。
具体地,服务器可以计算多个实体词槽之间的关联性,根据关联性和用户意图计算多个实体词槽与候选槽位的相似度,提取相似度达到预设阈值的候选槽位,将候选槽位作为推测槽位。服务器进而根据多个实体词槽和推测槽位计算与多个意图模板话术的相似度,提取相似度达到预设阈值的意图模板话术,将意图模板话术确定为意图预测信息。
由于实体信息集合是历史会话信息的实体词槽,利用当前会话信息的实体词槽与实体信息集合中的实体词槽进行上下文分析,能够准确有效分析出用户的意图预测信息,由此能够有效提高意图预测信息的识别准确度。
在一个实施例中,如图4所示,利用意图预测信息和目标业务信息拼接生成交互答复信息的步骤,具体包括以下内容:
步骤402,调用业务类型对应的业务系统的业务数据库,根据意图预测信息从业务数据库中获取推测槽位对应的多个业务元素值。
步骤404,计算多个业务元素值的概率分布值,根据概率分布值计算多个业务元素值的置信度。
步骤406,将置信度满足阈值的业务元素值确定为意图预测信息对应的目标业务信息。
其中,业务元素值可以为目标业务槽位对应的业务信息值。服务器从业务系统中获取的业务元素值可以为一个,也可以为多个。每个业务类型对应相应的业务系统,业务系统包括业务数据库,业务数据库中存储了与业务类型相应的若干业务信息。
服务器通过业务预测模型识别意图预测信息时,根据用户标识获取实体信息集合,实体信息集合包括多个历史会话信息的实体词槽。将多个实体词槽与实体信息集合中的实体词槽进行上下文分析,根据分析结果和用户意图确定推测槽位。根据多个实体词槽和推测槽位计算与多个意图模板话术的相似度,提取相似度达到预设阈值的意图模板话术,将意图模板话术确定为意图预测信息。
服务器通过业务预测模型分析出当前会话信息的意图预测信息后,则调用业务类型对应的业务系统的业务数据库,根据意图预测信息从业务数据库中获取推测槽位对应的多个业务元素值。具体地,服务器可以根据意图预测信息和用户意图确定业务范围和目标业务槽位,目标业务槽位即可以为推测槽位。服务器进而根据业务范围和推测槽位从业务类型对应的业务数据库中获取与推测槽位对应的业务元素值,服务器进而计算获取的业务元素值的概率分布值,根据概率分布值计算业务元素值的置信度。提取将置信度满足阈值的业务元素值,并将该业务元素值确定为意图预测信息对应的目标业务信息。通过意图识别模型识别用户意图后,利用业务预测模型能够快速确定目标用户意图以及相应的目标业务信息并生成的交互回复信息,由此能够有效提高意图识别和业务信息获取的准确度
在一个实施例中,利用意图预测信息和目标业务信息拼接生成交互答复信息的步骤包括:将目标业务信息的业务元素值确定为推测槽位的槽位值,将槽位值填充至意图预测信息的推测槽位中;利用填充后的意图预测信息和业务元素值拼接生成会话信息的交互回复信息。
服务器通过业务预测模型分析出当前会话信息的意图预测信息,根据业务类型和意图预测信息从业务系统中获取推测槽位对应的多个业务元素值。将置信度满足阈值的业务元素值确定为意图预测信息对应的目标业务信息后,服务器将目标业务信息的业务元素值确定为推测槽位的槽位值,则将目标业务信息的业务元素值填充至意图预测信息的推测槽位的槽位值中,并利用填充后的意图预测信息和业务元素值拼接生成会话信息的交互回复信息,由此能够准确有效地获取与用户意图相匹配的业务信息,通过意图预测信息与目标业务信息拼接生成完整的交互回复信息,能够有效生成用户意图对应的友好回复信息。通过意图识别模型识别用户意图后,利用业务预测模型能够快速确定目标用户意图以及相应的目标业务信息并生成的交互回复信息,由此能够有效提高意图识别和业务信息获取的准确度,进而有效提高了信息交互的效率和准确性。
在一个实施例中,该方法还包括:获取用户终端输入的当前会话信息,持续利用业务预测模型根据历史会话信息对当前会话信息进行意图识别,得到当前会话信息的当前用户意图;若当前用户意图的业务类型变更时,确定当前用户意图对应的当前业务类型,通过业务预测模型根据当前业务类型预测当前会话信息对应的意图预测信息;从当前业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息;利用意图预测信息和目标业务信息拼接生成交互答复信息进行信息交互。
服务器获取用户终端输入的会话信息后,通过意图识别模型提取出文本信息中的实体词槽和识别文本信息对应的用户意图,进而将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定意图预测信息。若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息。服务器识别意图预测信息的业务类型,进而从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息,通过业务预测模型根据用户意图和实体词槽能够准确有效地预测相应的意图预测信息。服务器则利用意图预测信息和目标业务信息拼接生成交互答复信息,将交互答复发送至用户终端,以进行信息交互。
用户终端与服务器进行信息交互的过程中,可以发起多轮会话信息进行多轮会话交互。其中,用户在交互过程中可能会针对同一业务类型进行交互,在当前业务类型交互后,用户也可能切换业务类型。例如,在业务咨询类交互系统中,当用户咨询完一个业务类型的业务信息后,还可能切换另一个业务类型继续进行业务咨询。如用户在咨询“机票”类业务信息后,接下来还可能会继续咨询“酒店”类业务信息。
具体地,用户终端与服务器进行持续多轮交互的过程中,服务器获取用户终端输入的当前会话信息,持续利用业务预测模型根据历史会话信息对当前会话信息进行意图识别,得到当前会话信息的当前用户意图。服务器识别出当前会话信息的当前用户意图后,还可以识别当前用户意图对应的业务类型,并判断当前用户意图对应的业务类型与上一轮会话信息的业务类型是否一致。若当前用户意图的业务类型不一致时,表示用户切换了业务类型,服务器则确定当前用户意图对应的当前业务类型,进而通过业务预测模型根据当前业务类型预测当前会话信息对应的意图预测信息。服务器则从当前业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息,并利用意图预测信息和目标业务信息拼接生成交互答复信息进行信息交互。服务器通过意图识别模型能够快速准确地识别出用户意图,进而利用业务预测模型根据用户意图和实体词槽准确有效地确定意图预测信息以及相应的业务信息,有效提高了意图识别和业务信息获取的准确度以及信息交互效率。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于意图识别的信息交互装置,包括:信息交互模块502、意图识别模块504、业务预测模块506、业务信息获取模块508和交互信息生成模块510,其中:
信息交互模块502,用于获取用户终端输入的会话信息,提取会话信息对应的文本信息;
意图识别模块504,用于将文本信息输入至已训练的意图识别模型,提取文本信息中的实体词槽和识别文本信息对应的用户意图;
业务预测模块506,用于将实体词槽和用户意图输入至已训练的业务预测模型,根据用户意图和实体词槽确定对应的意图预测信息;若意图预测信息为不明确意图,根据意图预测信息向用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;
业务信息获取模块508,用于识别意图预测信息的业务类型,从业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息;
交互信息生成模块510,用于利用意图预测信息和目标业务信息拼接生成交互答复信息;信息交互模块502还用于将交互答复发送至用户终端。
在一个实施例中,意图识别模块504还用于对文本信息进行分词处理,得当多个文本词;对多个文本词进行特征提取,得到对应的文本词向量;计算多个文本词向量的实体特征,根据实体特征提取文本信息中的实体关键词,将实体关键词和对应的实体特征类别确定为文本信息的实体词槽。
在一个实施例中,意图识别模块504还用于对文本信息进行特征提取,得到文本信息对应的文本向量;根据实体特征和文本向量对文本信息进行意图分类,计算文本向量的意图类别;根据意图类别确定文本信息的用户意图。
在一个实施例中,该装置还包括模型构建模块,用于获取多个业务类型的样本业务数据,样本业务数据包括标注样本业务数据和未标注样本业务数据,标注样本业务数据包括实体词槽和意图类别;利用标注样本业务数据生成训练集,利用未标注样本业务数据生成验证集;将训练集输入至预先构建的深度学习模型,利用标注样本业务数据的实体词槽和意图类别对深度学习模型进行学习训练,得到初始业务预测模型;将验证集输入至初始业务预测模型,利用验证集中的未标注样本业务数据对初始业务预测模型进行验证;直到验证集中满足条件阈值的样本数量达到验证阈值时,停止训练,得到所需的业务预测模型。
在一个实施例中,会话信息携带用户标识,业务预测模块506还用于根据用户标识获取实体信息集合,实体信息集合包括多个历史会话信息的实体词槽;将多个实体词槽与实体信息集合中的实体词槽进行上下文分析,根据分析结果和用户意图确定推测槽位;根据多个实体词槽和推测槽位计算与多个意图模板话术的相似度,提取相似度达到预设阈值的意图模板话术,将意图模板话术确定为意图预测信息。
在一个实施例中,业务信息获取模块508,用于根据业务类型和意图预测信息获取推测槽位对应的多个业务元素值;计算多个业务元素值的概率分布值,根据概率分布值计算多个业务元素值的置信度;将置信度满足阈值的业务元素值确定为意图预测信息对应的目标业务信息。
在一个实施例中,交互信息生成模块510还用于利用意图预测信息和目标业务信息拼接生成交互答复信息包括:将目标业务信息的业务元素值填充至意图预测信息的推测槽位中,利用填充后的意图预测信息和业务元素值拼接生成会话信息的交互回复信息。
在一个实施例中,信息交互模块502还用于获取用户终端输入的当前会话信息,意图识别模块504还用于持续利用业务预测模型根据历史会话信息对当前会话信息进行意图识别,得到当前会话信息的当前用户意图;业务预测模块506还用于若当前用户意图的业务类型变更时,确定当前用户意图对应的当前业务类型,通过业务预测模型根据当前业务类型预测当前会话信息对应的意图预测信息;业务信息获取模块508还用于从当前业务类型对应的业务系统中获取与意图预测信息对应的目标业务信息;交互信息生成模块510还用于利用意图预测信息和目标业务信息拼接生成交互答复信息进行信息交互。
关于基于意图识别的信息交互装置的具体限定可以参见上文中对于基于意图识别的信息交互方法的限定,在此不再赘述。上述基于意图识别的信息交互装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储会话信息、历史会话信息、业务数据库等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本申请任意一个实施例中提供的基于意图识别的信息交互方法的步骤。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请任意一个实施例中提供的基于意图识别的信息交互方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种基于意图识别的信息交互方法,所述方法包括:
获取用户终端输入的会话信息,提取所述会话信息对应的文本信息;
将所述文本信息输入至已训练的意图识别模型,提取所述文本信息中的实体词槽和识别所述文本信息对应的用户意图;
将所述实体词槽和所述用户意图输入至已训练的业务预测模型,根据所述用户意图和所述实体词槽确定对应的意图预测信息;
若所述意图预测信息为不明确意图,根据所述意图预测信息向所述用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;
识别所述意图预测信息的业务类型,从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;
利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息,将所述交互答复发送至所述用户终端。
2.根据权利要求1所述的方法,其特征在于,所述提取所述文本信息中的实体词槽的步骤包括:
对所述文本信息进行分词处理,得当多个文本词;
对所述多个文本词进行特征提取,得到对应的文本词向量;
计算多个文本词向量的实体特征,根据所述实体特征提取所述文本信息中的实体关键词,将所述实体关键词和对应的实体特征类别确定为所述文本信息的实体词槽。
3.根据权利要求2所述的方法,其特征在于,所述识别所述文本信息对应的用户意图的步骤包括:
对所述文本信息进行特征提取,得到所述文本信息对应的文本向量;
根据所述实体特征和所述文本向量对所述文本信息进行意图分类,计算所述文本向量的意图类别;
根据所述意图类别确定所述文本信息的用户意图。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取多个业务类型的样本业务数据,所述样本业务数据包括标注样本业务数据和未标注样本业务数据,所述标注样本业务数据包括实体词槽和意图类别;
利用所述标注样本业务数据生成训练集,利用所述未标注样本业务数据生成验证集;
将所述训练集输入至预先构建的深度学习模型,利用所述标注样本业务数据的实体词槽和意图类别对所述深度学习模型进行学习训练,得到初始业务预测模型;
将所述验证集输入至所述初始业务预测模型,利用所述验证集中的未标注样本业务数据对所述初始业务预测模型进行验证;直到所述验证集中满足条件阈值的样本数量达到验证阈值时,停止训练,得到所需的业务预测模型。
5.根据权利要求1所述的方法,其特征在于,所述会话信息携带用户标识,所述根据所述用户意图和所述实体词槽确定对应的意图预测信息包括:
根据所述用户标识获取实体信息集合,所述实体信息集合包括多个历史会话信息的实体词槽;
将所述多个实体词槽与所述实体信息集合中的实体词槽进行上下文分析,根据分析结果和所述用户意图确定推测槽位;
根据所述多个实体词槽和所述推测槽位计算与多个意图模板话术的相似度,提取所述相似度达到预设阈值的意图模板话术,将所述意图模板话术确定为意图预测信息。
6.根据权利要求5所述的方法,其特征在于,所述从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息包括:
调用所述业务类型对应的业务系统的业务数据库,根据所述意图预测信息从所述业务数据库中获取所述推测槽位对应的多个业务元素值;
计算所述多个业务元素值的概率分布值,根据所述概率分布值计算多个业务元素值的置信度;
将所述置信度满足阈值的业务元素值确定为所述意图预测信息对应的目标业务信息。
7.根据权利要求6所述的方法,其特征在于,所述利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息的步骤包括:
将所述目标业务信息的业务元素值确定为所述推测槽位的槽位值,将所述槽位值填充至所述意图预测信息的推测槽位中;
利用填充后的意图预测信息和业务元素值拼接生成所述会话信息的交互回复信息。
8.根据权利要求1至7任意一项所述的方法,其特征在于,所述方法还包括:
获取所述用户终端输入的当前会话信息,持续利用所述业务预测模型根据历史会话信息对所述当前会话信息进行意图识别,得到所述当前会话信息的当前用户意图;
若所述当前用户意图的业务类型变更时,确定所述当前用户意图对应的当前业务类型,通过所述业务预测模型根据所述当前业务类型预测所述当前会话信息对应的意图预测信息;
从所述当前业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息进行信息交互。
9.一种基于意图识别的信息交互装置,所述装置包括:
信息交互模块,用于获取用户终端输入的会话信息,提取所述会话信息对应的文本信息;
意图识别模块,用于将所述文本信息输入至已训练的意图识别模型,提取所述文本信息中的实体词槽和识别所述文本信息对应的用户意图;
业务预测模块,用于将所述实体词槽和所述用户意图输入至已训练的业务预测模型,根据所述用户意图和所述实体词槽确定对应的意图预测信息;若所述意图预测信息为不明确意图,根据所述意图预测信息向所述用户终端发送提示信息进行会话交互,直到得到明确意图的意图预测信息;
业务信息获取模块,用于识别所述意图预测信息的业务类型,从所述业务类型对应的业务系统中获取与所述意图预测信息对应的目标业务信息;
交互信息生成模块,用于利用所述意图预测信息和所述目标业务信息拼接生成交互答复信息;所述信息交互模块还用于将所述交互答复发送至所述用户终端。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911131846.8A CN111104495B (zh) | 2019-11-19 | 2019-11-19 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911131846.8A CN111104495B (zh) | 2019-11-19 | 2019-11-19 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104495A CN111104495A (zh) | 2020-05-05 |
CN111104495B true CN111104495B (zh) | 2023-07-28 |
Family
ID=70420813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911131846.8A Active CN111104495B (zh) | 2019-11-19 | 2019-11-19 | 基于意图识别的信息交互方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104495B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597318A (zh) * | 2020-05-21 | 2020-08-28 | 普信恒业科技发展(北京)有限公司 | 业务任务的执行方法、装置及系统 |
CN111612158B (zh) * | 2020-05-22 | 2024-03-01 | 云知声智能科技股份有限公司 | 模型部署方法、装置、设备和存储介质 |
CN113779975B (zh) * | 2020-06-10 | 2024-03-01 | 北京猎户星空科技有限公司 | 一种语义识别方法、装置、设备及介质 |
CN111666400B (zh) * | 2020-07-10 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 消息获取方法、装置、计算机设备及存储介质 |
CN111914072A (zh) * | 2020-07-14 | 2020-11-10 | 青岛聚好联科技有限公司 | 一种信息交互方法、设备及装置 |
CN112069828B (zh) * | 2020-07-31 | 2023-07-04 | 飞诺门阵(北京)科技有限公司 | 一种文本意图的识别方法及装置 |
CN111953763B (zh) * | 2020-08-06 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 一种业务数据推送方法、装置及存储介质 |
CN111653262B (zh) * | 2020-08-06 | 2020-11-17 | 上海荣数信息技术有限公司 | 一种智能语音交互系统及方法 |
CN112182176A (zh) * | 2020-09-25 | 2021-01-05 | 北京字节跳动网络技术有限公司 | 智能问答方法、装置、设备及可读存储介质 |
CN112183098B (zh) * | 2020-09-30 | 2022-05-06 | 完美世界(北京)软件科技发展有限公司 | 会话的处理方法和装置、存储介质、电子装置 |
CN112199486A (zh) * | 2020-10-21 | 2021-01-08 | 中国电子科技集团公司第十五研究所 | 一种办公场景的任务型多轮对话方法及系统 |
CN112257427A (zh) * | 2020-10-23 | 2021-01-22 | 岭东核电有限公司 | 作业问题处理方法、装置、计算机设备和存储介质 |
US20220147668A1 (en) * | 2020-11-10 | 2022-05-12 | Advanced Micro Devices, Inc. | Reducing burn-in for monte-carlo simulations via machine learning |
CN112380853B (zh) * | 2020-11-16 | 2024-04-26 | 中国平安人寿保险股份有限公司 | 业务场景交互方法、装置、终端设备及存储介质 |
CN112529585A (zh) * | 2020-12-09 | 2021-03-19 | 支付宝(杭州)信息技术有限公司 | 风险交易的交互唤醒方法、装置、设备及系统 |
CN112527969B (zh) * | 2020-12-22 | 2022-11-15 | 上海浦东发展银行股份有限公司 | 增量意图聚类方法、装置、设备及存储介质 |
CN112699228B (zh) * | 2020-12-31 | 2023-07-14 | 青岛海尔科技有限公司 | 业务访问方法、装置、电子设备及存储介质 |
CN114694646A (zh) * | 2020-12-31 | 2022-07-01 | 华为技术有限公司 | 一种语音交互处理方法及相关装置 |
CN113031768A (zh) * | 2021-03-16 | 2021-06-25 | 深圳追一科技有限公司 | 客服服务方法、装置、电子设备及存储介质 |
CN112925898B (zh) * | 2021-04-13 | 2023-07-18 | 平安科技(深圳)有限公司 | 基于人工智能的问答方法、装置、服务器及存储介质 |
CN113139816A (zh) * | 2021-04-26 | 2021-07-20 | 北京沃东天骏信息技术有限公司 | 信息处理方法、装置、电子设备和存储介质 |
CN113377904B (zh) * | 2021-06-04 | 2024-05-10 | 百度在线网络技术(北京)有限公司 | 行业动作识别方法、装置、电子设备及存储介质 |
CN113094474B (zh) * | 2021-06-08 | 2022-05-10 | 深圳追一科技有限公司 | 智能问答方法和装置、服务器、计算机可读存储介质 |
CN113342965B (zh) * | 2021-06-24 | 2023-11-14 | 平安国际融资租赁有限公司 | 意图预测及反馈方法、装置、计算机设备及可读存储介质 |
CN113744712A (zh) * | 2021-07-29 | 2021-12-03 | 中国工商银行股份有限公司 | 智能外呼语音拼接方法、装置、设备、介质和程序产品 |
CN113657110A (zh) * | 2021-08-10 | 2021-11-16 | 阿波罗智联(北京)科技有限公司 | 信息处理方法、装置和电子设备 |
CN115223563B (zh) * | 2021-09-16 | 2023-09-15 | 广州汽车集团股份有限公司 | 一种车辆导航语音交互方法、装置及存储介质 |
CN114244795B (zh) * | 2021-12-16 | 2024-02-09 | 北京百度网讯科技有限公司 | 一种信息的推送方法、装置、设备及介质 |
CN115186092B (zh) * | 2022-07-11 | 2023-06-20 | 贝壳找房(北京)科技有限公司 | 线上交互处理方法和装置、存储介质和程序产品 |
CN117874176A (zh) * | 2022-09-30 | 2024-04-12 | 中兴通讯股份有限公司 | 电信网管产品的意图驱动方法及装置 |
CN117034958A (zh) * | 2023-07-21 | 2023-11-10 | 南京领行科技股份有限公司 | 用户意图识别方法、答复生成方法、以及服务器 |
CN116756579B (zh) * | 2023-08-22 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 大语言模型的训练方法及基于大语言模型的文本处理方法 |
CN117034094B (zh) * | 2023-10-10 | 2024-03-12 | 连连银通电子支付有限公司 | 一种账户类型预测方法及账户类型预测装置 |
CN117076654B (zh) * | 2023-10-18 | 2024-02-27 | 联通在线信息科技有限公司 | 用于对话系统的异常检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334201A (zh) * | 2019-07-18 | 2019-10-15 | 中国工商银行股份有限公司 | 一种意图识别方法、装置及系统 |
CN110377716A (zh) * | 2019-07-23 | 2019-10-25 | 百度在线网络技术(北京)有限公司 | 对话的交互方法、装置及计算机可读存储介质 |
CN110390108A (zh) * | 2019-07-29 | 2019-10-29 | 中国工商银行股份有限公司 | 基于深度强化学习的任务型交互方法和系统 |
-
2019
- 2019-11-19 CN CN201911131846.8A patent/CN111104495B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334201A (zh) * | 2019-07-18 | 2019-10-15 | 中国工商银行股份有限公司 | 一种意图识别方法、装置及系统 |
CN110377716A (zh) * | 2019-07-23 | 2019-10-25 | 百度在线网络技术(北京)有限公司 | 对话的交互方法、装置及计算机可读存储介质 |
CN110390108A (zh) * | 2019-07-29 | 2019-10-29 | 中国工商银行股份有限公司 | 基于深度强化学习的任务型交互方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111104495A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104495B (zh) | 基于意图识别的信息交互方法、装置、设备和存储介质 | |
CN110162633B (zh) | 语音数据意图确定方法、装置、计算机设备和存储介质 | |
CN111028827A (zh) | 基于情绪识别的交互处理方法、装置、设备和存储介质 | |
CN110598206B (zh) | 文本语义识别方法、装置、计算机设备和存储介质 | |
CN111105782B (zh) | 会话交互处理方法、装置、计算机设备和存储介质 | |
CN111160017A (zh) | 关键词抽取方法、话术评分方法以及话术推荐方法 | |
CN110444198B (zh) | 检索方法、装置、计算机设备和存储介质 | |
WO2017206661A1 (zh) | 语音识别的方法及系统 | |
KR102485342B1 (ko) | 차량의 환경에 기반한 추천 신뢰도 판단 장치 및 방법 | |
CN109344242B (zh) | 一种对话问答方法、装置、设备及存储介质 | |
CN111223476B (zh) | 语音特征向量的提取方法、装置、计算机设备和存储介质 | |
CN111274372A (zh) | 用于人机交互的方法、电子设备和计算机可读存储介质 | |
CN114245203B (zh) | 基于剧本的视频剪辑方法、装置、设备及介质 | |
CN113268609A (zh) | 基于知识图谱的对话内容推荐方法、装置、设备及介质 | |
CN111191032A (zh) | 语料扩充方法、装置、计算机设备和存储介质 | |
CN114120978A (zh) | 情绪识别模型训练、语音交互方法、装置、设备及介质 | |
CN113282737B (zh) | 人机协作的智能客服对话方法及装置 | |
CN112766319A (zh) | 对话意图识别模型训练方法、装置、计算机设备及介质 | |
CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
CN113590078A (zh) | 虚拟形象合成方法、装置、计算设备及存储介质 | |
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 | |
CN115495553A (zh) | 查询文本排序方法、装置、计算机设备及存储介质 | |
CN113343711B (zh) | 工单生成方法、装置、设备及存储介质 | |
CN111209297A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN113536784A (zh) | 文本处理方法、装置、计算机设备和存储介质 |
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 |