CN111143524A - 一种用户意图确定方法及电子设备 - Google Patents
一种用户意图确定方法及电子设备 Download PDFInfo
- Publication number
- CN111143524A CN111143524A CN201911241990.7A CN201911241990A CN111143524A CN 111143524 A CN111143524 A CN 111143524A CN 201911241990 A CN201911241990 A CN 201911241990A CN 111143524 A CN111143524 A CN 111143524A
- Authority
- CN
- China
- Prior art keywords
- user
- intention
- log
- dialog
- target
- 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 34
- 238000002372 labelling Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000001364 causal effect Effects 0.000 claims description 8
- 210000002569 neuron Anatomy 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种用户意图确定方法及电子设备,该方法包括:在接收到用户输入的目标信息的情况下,判断所述目标信息是否符合预设条件;在所述目标信息不符合预设条件的情况下,判断本地是否存在与所述目标信息对应的意图轨迹;在本地存在与所述目标信息对应的意图轨迹的情况下,根据所述意图轨迹确定所述目标信息对应的用户的实际意图。采用本申请所公开的方案,在目标不符合预设条件的情况下,也能够基于意图轨迹确定用户的实际意图,提高用户意图识别的准确度。
Description
技术领域
本申请涉及信息识别领域,特别涉及一种用户意图确定方法及电子设备。
背景技术
近些年来,信息识别技术取得显著进步,应用范围也越来越广,开始从实验室走向大众生活。然而自然语言经过长期演化,变得极为复杂,通常一种事物或者现象就可能有很多种表述方式,因此,这也给信息识别带来极大的困难。
在现有技术中,通常是在机器中设置固定的词汇,如果用户的描述中不存在机器预存储的词汇,无法与机器中的词汇匹配一致时,机器就无法识别,此时,机器无法理解用户的实际意图。
因此,在用户描述中没有出现机器预存储的关键词时,如何确定用户的实际意图,提高用户意图识别的准确度,是一亟待解决的技术问题。
发明内容
本申请实施例的目的在于提供一种用户意图确定方法及电子设备,用以提高用户意图识别的准确度。
本申请的实施例采用了如下技术方案:一种用户意图确定方法,包括:
在接收到用户输入的目标信息的情况下,判断所述目标信息是否符合预设条件;
在所述目标信息不符合预设条件的情况下,判断本地是否存在与所述目标信息对应的意图轨迹;
在本地存在与所述目标信息对应的意图轨迹的情况下,根据所述意图轨迹确定所述目标信息对应的用户的实际意图。
本申请的有益效果在于:在目标信息不符合预设条件,但是本地存在与目标信息对应的意图轨迹的情况下,能够根据该意图轨迹确定目标信息对应的用户的实际意图,从而在目标不符合预设条件的情况下,也能够基于意图轨迹确定用户的实际意图,提高用户意图识别的准确度。
在一个实施例中,所述方法还包括:
获取用户对话日志和所述对话日志中的标注信息;
根据所述用户对话日志和所述标注信息创建所述意图轨迹。
在一个实施例中,所述方法还包括:
获取历史对话日志;
确定所述历史对话日志中需要进行标注的对话日志;
为需要进行标注的对话日志添加标注信息;
将添加标注信息后的对话日志存储在本地。
本实施例的有益效果在于:能够实现对对话日志的自动标注和自动存储,从而无需进行人工标注和存储,简化了用户操作。
在一个实施例中,所述确定所述对话日志中需要进行标注的对话日志,包括:
将历史对话日志与本地存储的实际意图进行匹配;
确定所述历史对话日志与本地存储的实际意图不匹配的第一目标对话日志;
将所述第一目标对话日志与本地存储的意图轨迹进行匹配;
确定所述第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志。
本实施例的有益效果在于:确定所述历史对话日志与本地存储的实际意图不匹配的第一目标对话日志,然后确定所述第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志,从而基于本地存储的实际意图对需要标注的对话日志进行筛选,再通过轨迹意图对需要标注的对话日志进行二次筛选,简化了标注过程。
在一个实施例中,所述方法还包括:
在接收到显示用户对话日志的指令的情况下,提取并显示本地存储的用户对话日志;
接收对所述对话日志的标注操作;
根据所述标注操作生成所述对话日志的标注信息;
将所述对话日志和所述对话日志的标注信息对应存储。
在一个实施例中,所述根据所述用户对话日志和标注信息创建意图轨迹,包括:
根据所述用户对话日志和标注信息确定所述第二目标对话日志;
提取所述第二目标对话日志中的多个子意图;
根据第二目标对话日志中的多个子意图构造目标意图空间;
根据所述目标意图空间中多个子意图之间的逻辑关系创建所述意图轨迹;
或者
将所述用户对话日志和所述对话日志中的标注信息导入预训练的神经元网络的输入层节点;其中,所述预训练的神经元网络用于根据所述用户对话日志和所述对话日志中的标注信息生成与所述用户对话日志相关的意图轨迹;
从所述预训练的神经元网络的输出层获取与所述用户对话日志相关的意图轨迹。
本实施例的有益效果在于:能够通过构造意图空间,然后基于意图空间中多个子意图之间的逻辑关系自动创建意图轨迹,也可以通过神经元网络自动创建意图轨迹,从而能够自动创建意图轨迹,简化了用户操作。
在一个实施例中,所述多个子意图之间的逻辑关系包括以下至少一种关系:
子意图之间的直接先后关系、子意图之间的因果关系以及子意图之间的并发关系。
在一个实施例中,判断所述目标信息是否符合预设条件,包括:
判断所述目标信息是否能够与本地预存储的至少一项实际意图匹配。
本申请实施例还提供了一种电子设备,包括:
第一判断模块,用于在接收到用户输入的目标信息的情况下,判断所述目标信息是否符合预设条件;
第二判断模块,用于在所述目标信息不符合预设条件的情况下,判断本地是否存在与所述目标信息对应的意图轨迹;
确定模块,在本地存在与所述目标信息对应的意图轨迹的情况下,根据所述意图轨迹确定所述目标信息对应的用户的实际意图。
在一个实施例中,所述电子设备还包括:
获取模块,用于获取用户对话日志和所述对话日志中的标注信息;
创建模块,用于根据所述用户对话日志和所述标注信息创建所述意图轨迹。
附图说明
图1为本申请实施例的一种用户意图确定方法的流程图;
图2为本申请实施例的一种用户意图确定方法的流程图;
图3为本申请实施例的一种用户意图确定方法的流程图;
图4为本申请实施例的一种用户意图确定方法的流程图;
图5为本申请实施例的一种用户意图确定方法的流程图;
图6A为本申请实施例的一种用户意图确定方法的流程图;
图6B为意图轨迹建立过程的示意图;
图7为本申请实施例的一种用户意图确定装置的框图;
图8为本申请实施例的一种用户意图确定装置的框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式,它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所申请的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例的一种用户意图确定方法,该方法可以应用在提供用户意图识别的设备上。如图1所示,该方法包括以下步骤S11-S13:
在步骤S11中,在接收到用户输入的目标信息的情况下,判断目标信息是否符合预设条件;
在步骤S12中,在目标信息不符合预设条件的情况下,判断本地是否存在与目标信息对应的意图轨迹;
在步骤S13中,在本地存在与目标信息对应的意图轨迹的情况下,根据意图轨迹确定目标信息对应的用户的实际意图。
本申请所公开的方案中,本地预存储有固定的词汇用来表征用户的实际意图。本实施例中,在接收到用户输入的目标信息的情况下,判断目标信息是否符合预设条件;其中,用户输入的目标信息可以是用户输入的文字信息,也可以是用户输入的语音信息。而判断目标信息是否符合预设条件可以是判断用户输入的文字信息或语音信息是否能够与本地预存储的至少一项用于表征用户实际意图的词汇匹配。
在目标信息不符合预设条件的情况下,判断本地是否存在与目标信息对应的意图轨迹;该步骤中,目标信息不符合预设条件的情况是指用户输入的文字或者语音信息不能够与本地预存储的任何一项用于表征用户实际意图的词汇匹配,在这种情况下,判断本地是否存在与目标信息对应的意图轨迹。
在本地存在与目标信息对应的意图轨迹的情况下,根据意图轨迹确定目标信息对应的用户的实际意图。
举例而言,手机提供商提供一套智能对话服务,用于解决用户手机出现的问题,该服务中存储有用于表征用户实际意图的词汇“死机”,当用户手机死机时,用户的实际意图为设为A(死机),用户通过移动终端输入文字信息或语音信息B,“我的手机没反应了,我该怎么办”时。由于服务器中只存储关键词“死机”,而用户的上述描述中,并没有出现“死机”,所以当服务器接收到手机发送的该段描述时,无法识别用户这段描述,即用户输入的文字信息或语音信息不符合预设条件。此时,判断本地是否存在与目标信息对应的意图轨迹。
该意图轨迹通过如下方式预先建立:
例如,在历史对话日志中存在以下三条用户的描述,分别为:B:我的手机没反应了。C:手机屏幕怎么按都没有回应。D:手机白屏了。
对这三条描述进行标注,即将其实际意图标注为:A意图,即死机。该标注可以是通过人工标注的方式实现,也可以是基于语义识别将其自动标注为标准描述,即死机。此时,可以通过用户对话日志和标注信息创建意图轨迹,可以通过各个子意图之间的逻辑关系创建意图轨迹,也可以将用户对话日志和对话日志中的标注信息导入预训练的神经元网络来实现对意图轨迹的获取。最后基于上述三条描述创建出意图轨迹:σ1:B,C,D→A,则将意图轨迹σ1存储在本地,则关于历史对话日志B、C和D对应的意图轨迹创建完毕,当用户下次说出B、C和D任意一种意图时,都能基于该意图轨迹σ1推出用户的实际意图为A(死机)。
即当本地存在与文字信息或语音信息B“我的手机没反应了,我该怎么办”对应的意图轨迹σ1时,根据该意图轨迹确定用户输入的信息对应的用户的实际意图为A(死机)。
本申请的有益效果在于:在目标信息不符合预设条件,但是本地存在与目标信息对应的意图轨迹的情况下,能够根据该意图轨迹确定目标信息对应的用户的实际意图,从而在目标不符合预设条件的情况下,也能够基于意图轨迹确定用户的实际意图,提高用户意图识别的准确度。
在一个实施例中,如图2所示,方法还可被实施为如下步骤S21-S22:
在步骤S21中,获取用户对话日志和对话日志中的标注信息;
在步骤S22中,根据用户对话日志和标注信息创建意图轨迹。
本实施例中,获取用户对话日志和对话日志中的标注信息,其中,该标注信息可以是人工标注,也可以是基于语义识别对对话日志进行自动标注。在获取到用户对话日志和对话日志中的标注信息之后,根据用户对话日志和标注信息创建意图轨迹,具体的,通过用户对话日志和标注信息创建意图轨迹,可以通过各个子意图之间的逻辑关系创建意图轨迹,也可以将用户对话日志和对话日志中的标注信息导入预训练的神经元网络来实现对意图轨迹的获取。
在一个实施例中,如图3所示,方法还可被实施为如下步骤S31-S34:
在步骤S31中,获取历史对话日志;
在步骤S32中,确定历史对话日志中需要进行标注的对话日志;
在步骤S33中,为需要进行标注的对话日志添加标注信息;
在步骤S34中,将添加标注信息后的对话日志存储在本地。
本实施例中,获取历史对话日志,确定历史对话日志中需要进行标注的对话日志,例如,在历史对话日志中存在以下三条需要进行标注的对话日志,分别为:B:我的手机没反应了。C:手机屏幕怎么按都没有回应。D:手机白屏了。将上述三条需要进行标注的对话日志B、C和D都标注为用户实际意图A,即死机。然后将添加标注后的对话日志存储在本地。
本实施例的有益效果在于:能够实现对对话日志的自动标注和自动存储,从而无需进行人工标注和存储,简化了用户操作。
在一个实施例中,上述步骤S32可被实施为如下步骤S41-S44:
在步骤S41中,将历史对话日志与本地存储的实际意图进行匹配;
在步骤S42中,确定历史对话日志与本地存储的实际意图不匹配的第一目标对话日志;
在步骤S43中,将第一目标对话日志与本地存储的意图轨迹进行匹配;
在步骤S44中,确定第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志。
本实施例中,确定历史对话日志中需要进行标注的对话日志时,将历史对话日志与本地存储的实际意图进行匹配,确定历史对话日志与本地存储的实际意图不匹配的第一目标对话日志,也就是说,历史对话日志中,与本地存储的实际意图匹配的对话日志不需要再次进行标注。只标注与本地存储的实际意图不匹配的第一目标对话日志即可。在进行匹配时,将第一目标对话日志与本地存储的意图轨迹进行匹配;确定第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志。通过上述步骤,实现了对历史对话日志的二次筛选。
本实施例的有益效果在于:确定历史对话日志与本地存储的实际意图不匹配的第一目标对话日志,然后确定第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志,从而基于本地存储的实际意图对需要标注的对话日志进行筛选,再通过轨迹意图对需要标注的对话日志进行二次筛选,简化了标注过程。
在一个实施例中,如图5所示,方法还可被实施为如下步骤S51-S54:
在步骤S51中,在接收到显示用户对话日志的指令的情况下,提取并显示本地存储的用户对话日志;
在步骤S52中,接收对对话日志的标注操作;
在步骤S53中,根据标注操作生成对话日志的标注信息;
在步骤S54中,将对话日志和对话日志的标注信息对应存储。
本实施例中,用户可以对用户对话日志进行主动标注,具体的,用户可以向本方案的执行主体(如移动终端)发出显示用户对话日志的指令,然后移动终端在接收到显示用户对话日志的指令的情况下,提取并显示本地存储的用户对话日志;用户可以对移动终端上显示的对话日志进行标注操作,移动终端接收到对对话日志的标注操作时,根据该标注操作生成对话日志的标注信息;并将对话日志和对话日志的标注信息对应存储。
在一个实施例中,如图6A所示,上述步骤S22可被实施为如下步骤S61-S64,或者实施为如下步骤S65-S66:
在步骤S61中,根据用户对话日志和标注信息确定第二目标对话日志;
在步骤S62中,提取第二目标对话日志中的多个子意图;
在步骤S63中,根据第二目标对话日志中的多个子意图构造目标意图空间;
在步骤S64中,根据目标意图空间中多个子意图之间的逻辑关系创建意图轨迹;
在步骤S65中,将用户对话日志和对话日志中的标注信息导入预训练的神经元网络的输入层节点;其中,预训练的神经元网络用于根据用户对话日志和对话日志中的标注信息生成与用户对话日志相关的意图轨迹;
在步骤S66中,从预训练的神经元网络的输出层获取与用户对话日志相关的意图轨迹。
本方案中,根据用户对话日志和标注信息创建意图轨迹可通过如下两种方式实现:
方式一
根据用户对话日志和标注信息确定第二目标对话日志;提取第二目标对话日志中的多个子意图;根据第二目标对话日志中的多个子意图构造目标意图空间;根据目标意图空间中多个子意图之间的逻辑关系创建意图轨迹。
其中,子意图之间的逻辑关系包括以下至少一种关系:
子意图之间的直接先后关系、子意图之间的因果关系以及子意图之间的并发关系。
为了便于本领域技术人员更清晰的理解本申请,首先,分别对子意图之间的直接先后关系、子意图之间的因果关系以及子意图之间的并发关系进行介绍:
子意图之间的直接先后关系是指:
其中,W表示对话日志,σ表示意图轨迹,上述充要条件是指:存在属于对话日志W的意图轨迹σ,σ可以包括多个子意图,t1t2…tn表示这些子意图的序号,a与t1t2…tn中的其中一项对应,b也与t1t2…tn中的其中一项对应,通过a可以推导出b。
也就是说,b也可以与ti+1……ti+n中的任意一项对应,当然,b也可以是对应ti,当b对应ti本身时,a和b为并列关系,只要通过a可以推导出b,那么a和b之间就存在直接先后关系。
子意图之间的因果关系是指:
假设子意图a和子意图b之间存在因果关系,其表达式定义为:a→b,其充要条件为a>W b且b≯W a,即通过a可以推导出b,但是通过b不能推导出a。
子意图之间的并发关系是指:
假设子意图a和子意图b之间存在并发关系,其表达式定义为:a//W b,其充要条件为a>W b且b>W a,也就是说,当通过a可以推导出b,且通过b也可以推导出a,也就是上述a和b都与ti对应的情况。
下面,介绍该方式一的具体实现方式:
在提取第二目标对话日志中的多个子意图之后,根据多个子意图构造目标意图空间,然后确定目标意图空间中各个子意图之间的关系,根据这些关系,形成多个子意图之间的关系集合Xw,该Xw关系式如下:
上述关系式中,A为第一子意图集合,B为第二子意图集合,A中的任意子意图a都应当与B中的任意子意图b存在因果关系,而A中的任意两个子意图a1和a2不存在任何关系(如直接先后关系、因果关系和并发关系),B中的任意两个子意图b1和b2也不存在任何关系。也就是说,在该子意图对集合中,A中的子意图可以推导出B中的子意图,而B中的子意图不能推导A中的子意图。在构建出子意图之间的关系集合Xw之后,确定其最大子意图对集合Yw,具体如下。
其中,W是工作日志,a,b∈T,T是子意图集合,Xw是子意图的关系集合,Yw是最大子意图对集合,该最大子意图对集合是指如果存在子意图对(A,B),也存在子意图对(A,C),那么二者的最大子意图对则为(A(B,C))。通过以上的关系结构,使得设备可以基于这些关系构造推断出对话日志中的多个子意图之间的逻辑关系。
下面,通过具体示例来描述本方式,在对话日志中,存在如下表所示的关系,Case1、Case2和Case3为对话日志,其各自对应不同的意图。
对话日志 | 意图 | 对话日志 | 意图 | 对话日志 | 意图 |
Case1 | A | Case2 | C | Case2 | F |
Case2 | A | Case3 | C | Case3 | F |
Case3 | A | Case1 | F | Case2 | G |
Case1 | B | Case2 | D | Case3 | H |
Case2 | B | Case3 | D | Case3 | G |
Case3 | B | Case2 | E | ||
Case1 | C | Case3 | E |
不难看出,日志中包含7个意图,A、B、C、D、E、F、G、H,根据上述Xw和Yw的关系结构推断出各个意图之间的逻辑关系:
直接关系:A>WB,B>WC,C>WF,C>WD,D>WE,E>WF,F>WG,H>WG,F>WH;
因果关系:A→B,B→C,C→F,C→D,D→E,E→F,F→G,H→G,F→H;
并发关系:无。
然后根据该关系构造出子意图的关系集合Xw和最大子意图对集合Yw分别如下:
Xw={(A,B),(B,C),(C,D),(D,E),(C,F),(E,F),(F,G),(F,H),(H,G),(C,(D,F)),((C,E),F),(F,(G,H))}
Yw={(A,B),(B,C),(C,(D,F)),(D,E),((C,E),F),(F,(G,H)),(H,G)}
可见,通过Xw得到Yw实质上是一种去除冗余关系的过程,例如Xw里面存在(C,D)、(C,F)、和(C,(D,F)),实质上只要有(C,(D,F))这一子意图对就可以表示C、D和F之间的关系,因此,在Yw中仅仅保留了(C,(D,F))。
进一步地,可以通过最大子意图集合Yw来创建意图轨迹,图6B为意图轨迹建立过程的示意图。假设G为实际意图,在建立意图轨迹之后,A、B、C、D、E、F、H都可以作为用户提问进行输入,最后都可以输出实际意图G。
方式二
将用户对话日志和对话日志中的标注信息导入预训练的神经元网络的输入层节点;其中,预训练的神经元网络用于根据用户对话日志和对话日志中的标注信息生成与用户对话日志相关的意图轨迹;从预训练的神经元网络的输出层获取与用户对话日志相关的意图轨迹。
本实施例的有益效果在于:能够通过构造意图空间,然后基于意图空间中多个子意图之间的逻辑关系自动创建意图轨迹,也可以通过神经元网络自动创建意图轨迹,从而能够自动创建意图轨迹,简化了用户操作。
在一个实施例中,上述步骤S11中,判断目标信息是否符合预设条件可被实施为如下步骤:
判断目标信息是否能够与本地预存储的至少一项实际意图匹配。
本申请实施例还提供了一种电子设备,该电子设备可以是台式电脑、笔记本、手机、平板电脑、POS机、车载电脑等各类可以接收用户输入的语音信息或文字信息的设备,如图7所示,该电子设备包括:
第一判断模块71,用于在接收到用户输入的目标信息的情况下,判断目标信息是否符合预设条件;
第二判断模块72,用于在目标信息不符合预设条件的情况下,判断本地是否存在与目标信息对应的意图轨迹;
确定模块73,在本地存在与目标信息对应的意图轨迹的情况下,根据意图轨迹确定目标信息对应的用户的实际意图。
在一个实施例中,如图8所示,该电子设备还包括:
获取模块81,用于获取用户对话日志和对话日志中的标注信息;
创建模块82,用于根据用户对话日志和标注信息创建意图轨迹。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种用户意图确定方法,包括:
在接收到用户输入的目标信息的情况下,判断所述目标信息是否符合预设条件;
在所述目标信息不符合预设条件的情况下,判断本地是否存在与所述目标信息对应的意图轨迹;
在本地存在与所述目标信息对应的意图轨迹的情况下,根据所述意图轨迹确定所述目标信息对应的用户的实际意图。
2.如权利要求1所述的方法,所述方法还包括:
获取用户对话日志和所述对话日志中的标注信息;
根据所述用户对话日志和所述标注信息创建所述意图轨迹。
3.如权利要求2所述的方法,所述方法还包括:
获取历史对话日志;
确定所述历史对话日志中需要进行标注的对话日志;
为需要进行标注的对话日志添加标注信息;
将添加标注信息后的对话日志存储在本地。
4.如权利要求3所述的方法,所述确定所述对话日志中需要进行标注的对话日志,包括:
将历史对话日志与本地存储的实际意图进行匹配;
确定所述历史对话日志与本地存储的实际意图不匹配的第一目标对话日志;
将所述第一目标对话日志与本地存储的意图轨迹进行匹配;
确定所述第一目标对话日志中,与本地存储的意图轨迹不匹配的第二目标对话日志为需要进行标注的对话日志。
5.如权利要求2所述的方法,所述方法还包括:
在接收到显示用户对话日志的指令的情况下,提取并显示本地存储的用户对话日志;
接收对所述对话日志的标注操作;
根据所述标注操作生成所述对话日志的标注信息;
将所述对话日志和所述对话日志的标注信息对应存储。
6.如权利要求2-5任意一项所述的方法,所述根据所述用户对话日志和标注信息创建意图轨迹,包括:
根据所述用户对话日志和标注信息确定所述第二目标对话日志;
提取所述第二目标对话日志中的多个子意图;
根据第二目标对话日志中的多个子意图构造目标意图空间;
根据所述目标意图空间中多个子意图之间的逻辑关系创建所述意图轨迹;
或者
将所述用户对话日志和所述对话日志中的标注信息导入预训练的神经元网络的输入层节点;其中,所述预训练的神经元网络用于根据所述用户对话日志和所述对话日志中的标注信息生成与所述用户对话日志相关的意图轨迹;
从所述预训练的神经元网络的输出层获取与所述用户对话日志相关的意图轨迹。
7.如权利要求6所述的方法,所述多个子意图之间的逻辑关系包括以下至少一种关系:
子意图之间的直接先后关系、子意图之间的因果关系以及子意图之间的并发关系。
8.如权利要求1所述的方法,判断所述目标信息是否符合预设条件,包括:
判断所述目标信息是否能够与本地预存储的至少一项实际意图匹配。
9.一种电子设备,包括:
第一判断模块,用于在接收到用户输入的目标信息的情况下,判断所述目标信息是否符合预设条件;
第二判断模块,用于在所述目标信息不符合预设条件的情况下,判断本地是否存在与所述目标信息对应的意图轨迹;
确定模块,在本地存在与所述目标信息对应的意图轨迹的情况下,根据所述意图轨迹确定所述目标信息对应的用户的实际意图。
10.如权利要求9所述的电子设备,所述电子设备还包括:
获取模块,用于获取用户对话日志和所述对话日志中的标注信息;
创建模块,用于根据所述用户对话日志和所述标注信息创建所述意图轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241990.7A CN111143524A (zh) | 2019-12-06 | 2019-12-06 | 一种用户意图确定方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911241990.7A CN111143524A (zh) | 2019-12-06 | 2019-12-06 | 一种用户意图确定方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111143524A true CN111143524A (zh) | 2020-05-12 |
Family
ID=70517720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911241990.7A Pending CN111143524A (zh) | 2019-12-06 | 2019-12-06 | 一种用户意图确定方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111143524A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652001A (zh) * | 2020-06-04 | 2020-09-11 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170213545A1 (en) * | 2016-01-22 | 2017-07-27 | Electronics And Telecommunications Research Institute | Self-learning based dialogue apparatus and method for incremental dialogue knowledge |
CN109145104A (zh) * | 2018-09-29 | 2019-01-04 | 北京百度网讯科技有限公司 | 用于对话交互的方法和装置 |
CN109446509A (zh) * | 2018-09-06 | 2019-03-08 | 厦门快商通信息技术有限公司 | 一种对话语料意图分析方法、系统及电子设备 |
CN110189752A (zh) * | 2019-03-12 | 2019-08-30 | 广东小天才科技有限公司 | 一种多意图的识别方法及装置、终端设备 |
CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
-
2019
- 2019-12-06 CN CN201911241990.7A patent/CN111143524A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170213545A1 (en) * | 2016-01-22 | 2017-07-27 | Electronics And Telecommunications Research Institute | Self-learning based dialogue apparatus and method for incremental dialogue knowledge |
CN109446509A (zh) * | 2018-09-06 | 2019-03-08 | 厦门快商通信息技术有限公司 | 一种对话语料意图分析方法、系统及电子设备 |
CN109145104A (zh) * | 2018-09-29 | 2019-01-04 | 北京百度网讯科技有限公司 | 用于对话交互的方法和装置 |
CN110189752A (zh) * | 2019-03-12 | 2019-08-30 | 广东小天才科技有限公司 | 一种多意图的识别方法及装置、终端设备 |
CN110377911A (zh) * | 2019-07-23 | 2019-10-25 | 中国工商银行股份有限公司 | 对话框架下的意图识别方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652001A (zh) * | 2020-06-04 | 2020-09-11 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020082572A1 (zh) | 生成式对抗网络的训练方法、相关设备及介质 | |
US7584099B2 (en) | Method and system for interpreting verbal inputs in multimodal dialog system | |
CN107305575B (zh) | 人机智能问答系统的断句识别方法和装置 | |
JP6682638B2 (ja) | 情報入力方法、情報入力装置、及び情報入力システム | |
CN109256125B (zh) | 语音的离线识别方法、装置与存储介质 | |
CN111444341B (zh) | 用户画像构建方法、装置、设备及可读存储介质 | |
CN110268472B (zh) | 用于自动化对话系统的检测机构 | |
US20220050968A1 (en) | Intent resolution for chatbot conversations with negation and coreferences | |
CN114564595A (zh) | 知识图谱更新方法、装置及电子设备 | |
CN107315688A (zh) | 一种Monkey测试方法及装置 | |
US20200311350A1 (en) | Generating method, learning method, generating apparatus, and non-transitory computer-readable storage medium for storing generating program | |
CN114253990A (zh) | 数据库查询方法、装置、计算机设备和存储介质 | |
CN111143524A (zh) | 一种用户意图确定方法及电子设备 | |
US11093716B2 (en) | Conversation support apparatus, conversation support method, and computer readable recording medium | |
CN117456995A (zh) | 一种养老服务机器人的交互方法及系统 | |
CN116644159A (zh) | 关键词提取方法、装置、设备及计算机可读存储介质 | |
CN113782004B (zh) | 人机语音交互测试方法、装置、计算机设备和存储介质 | |
CN112328871B (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 | |
US11942086B2 (en) | Description support device and description support method | |
CN111625636B (zh) | 一种人机对话的拒绝识别方法、装置、设备、介质 | |
CN114528851A (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN112307186A (zh) | 基于情绪识别的问答服务方法、系统、终端设备及介质 | |
CN111859148A (zh) | 主题的提取方法、装置、设备及计算机可读存储介质 | |
CN110413636A (zh) | 一种数据处理方法和装置 | |
JP5850886B2 (ja) | 情報処理装置及び方法 |
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 |