CN112100339A - 用于智能语音机器人的用户意图识别方法、装置和电子设备 - Google Patents
用于智能语音机器人的用户意图识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112100339A CN112100339A CN202011217840.5A CN202011217840A CN112100339A CN 112100339 A CN112100339 A CN 112100339A CN 202011217840 A CN202011217840 A CN 202011217840A CN 112100339 A CN112100339 A CN 112100339A
- Authority
- CN
- China
- Prior art keywords
- intention
- user
- voice
- knowledge base
- current
- 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 48
- 238000012549 training Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种用于智能语音机器人的用户意图识别方法、装置和电子设备。该方法包括：构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，及引导用户对话以确定用户承续意图的回复语句；在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；基于意图预测值，从意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给当前用户；根据用户的意图序列确定用户的总意图，及该轮对话中智能语音机器人是否积极回应了该总意图。本发明减少了用户意图识别时间，提升了意图识别效率。
Description
技术领域
本发明涉及计算机信息处理领域，具体涉及一种用于智能语音机器人的用户意图识别方法、装置和电子设备。
背景技术
随着互联网技术的发展，对话系统在电商、智能设备等方面有着广泛的应用，越来越引起人们的关注。常见的对话系统有S*、E*、B*、微*、阿*、智能音响等。意图识别是对话系统中首要且重要的任务，特别是在开放式对话场景中，受限于分类器的能力，将对话划分到几十或者几百个粗粒度意图中，比较粗的粒度使聊天机器人不能精准的捕捉到用户意图，进而影响了人机交互的效果。
目前智能语音机器人与用户进行交流主要依据话术进行，对单句意图识别有较高的要求，需要识别出用户语句的意图，目前常用的算法有逻辑回归、支持向量机、决策树等。但由于语句的前后文本之间有一定联系，目前常用的算法有较大的局限性，存在对用户意图识别准确率不高的问题，导致用户投诉增多的问题。 发明内容 本发明旨在解决现有客户服务中心的语音机器人对用户意图识别率不高，对用户的意图判断错误，导致用户的投诉增多的问题。
因此，有必要提供一种更快速且更精确的用户意图识别方法。
发明内容
为了解决上述问题，本发明提供了一种用于智能语音机器人的用户意图识别方法，包括：构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中；在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给所述当前用户；在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
优选地，还包括：在智能语音机器人未积极回应用户的总意图时，记录用户的对方语音以便根据该对话语音更新所述意图知识库。
优选地，通过意图识别预测模型计算用户的意图预测值。
优选地，所述意图识别预测模型根据本轮对话中用户的前一意图和用户当前的对话语音预测用户的当前意图。
优选地，所述意图识别预测模型的建立过程包括：建立意图识别预测模型的训练数据集，该训练数据集包括用户的对话语音和前一意图；使用该训练数据集训练分类模型，以使该意图识别预测模型能根据用户的对话语音计算该用户的意图预测值。
优选地，用户对话数据包括用户对话语音、用户对话语音转换后的用户对话文本、用户对话文本转换后的句向量和每个词的词向量，所述意图预测值用于表示用户意图的概率。
优选地，还包括：当基于所述意图预测值从所述意图知识库中查找不到对应的主意图时，返回给所述当前用户兜底回复语句，同时，根据所述当前意图和用户的对话语音预测该当前意图的承续意图，所述预测的当前意图和当前意图的承续意图用于更新所述意图知识库。
优选地，所述兜底回复语句用于引导用户对话以确定用户承续意图的回复语句。
此外，本发明还提供了一种用于智能语音机器人的用户意图识别装置，包括：构建模块，用于构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中；计算模块，用于在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；处理模块，基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给所述当前用户；确定模块，在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
优选地，还包括更新模块，所述更新模块在智能语音机器人未积极回应用户的总意图时，记录用户的对方语音以便根据该对话语音更新所述意图知识库。
优选地，通过意图识别预测模型计算用户的意图预测值。
优选地，所述意图识别预测模型根据本轮对话中用户的前一意图和用户当前的对话语音预测用户的当前意图。
优选地，还包括建立模块，所述建立模块用于建立意图识别预测模型的训练数据集，该训练数据集包括用户的对话语音和前一意图；使用该训练数据集训练分类模型，以使该意图识别预测模型能根据用户的对话语音计算该用户的意图预测值。
优选地，用户对话数据包括用户对话语音、用户对话语音转换后的用户对话文本、用户对话文本转换后的句向量和每个词的词向量，所述意图预测值用于表示用户意图的概率。
优选地，还包括：当基于所述意图预测值从所述意图知识库中查找不到对应的主意图时，返回给所述当前用户兜底回复语句，同时，根据所述当前意图和用户的对话语音预测该当前意图的承续意图，所述预测的当前意图和当前意图的承续意图用于更新所述意图知识库。
优选地，所述兜底回复语句用于引导用户对话以确定用户承续意图的回复语句。
此外，本发明还提供了一种电子设备，其中，该电子设备包括：处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行本发明所述的用于智能语音机器人的用户意图识别方法。
此外，本发明还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现本发明所述的用于智能语音机器人的用户意图识别方法。
有益效果
与现有技术相比，本发明的用户意图识别方法通过构建意图识别预测模型来计算用户的意图预测值，基于所计算的意图预测值来预测用户的主意图，以实现对用户意图的初步识别，再进一步进行精确识别，由此，能够减少用户意图识别时间，还能够提升意图识别效率。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明的用于智能语音机器人的用户意图识别方法的一示例的流程图。
图2是本发明的用于智能语音机器人的用户意图识别方法的另一示例的流程图。
图3是本发明的用于智能语音机器人的用户意图识别装置的一示例的示意性结构框图。
图4是本发明的用于智能语音机器人的用户意图识别装置的另一示例的示意性结构框图。
图5是本发明的用于智能语音机器人的用户意图识别装置的又一示例的示意性结构框图。
图6是根据本发明的一种电子设备的示例性实施例的结构框图。
图7是根据本发明的计算机可读介质的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
为了能更精准地识别用户意图，本发明提出了一种用户意图识别方法，该方法能够减少用户意图识别时间，还能够提升意图识别效率。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
实施例1
下面，将参照图1和图2描述本发明的用于智能语音机器人的用户意图识别方法的实施例。
图1是本发明的用于智能语音机器人的用户意图识别方法的一示例的流程图。
如图1所示，一种用户意图识别方法，该方法包括如下步骤。
步骤S101，构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中。
步骤S102，在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值。
步骤S103，基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给所述当前用户。
步骤S104，在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
首先，在步骤S101中，构建意图知识库，该意图知识库存储多个条目。
具体地，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中。
参见下表，对本发明的意图知识库中承续意图集进行具体说明。
从上表中可知，意图知识库包括主意图、承续意图和回复语句等。具体地，例如主意图a是“要求解决身份证扫描模糊的问题”，在所述意图知识库中包括与主意图a相关联的承续意图集A，在本示例中，该承续意图集A包括A1、A2和A3，其中，承续意图A1为尺寸，承续意图A2为光线，承续意图A3为对焦。
进一步地，还包括用于引导用户对话以确定用户承续意图的回复语句，该回复语句为“你扫描的尺寸、光线、对焦等哪个有问题”。更进一步地，基于回复语句“你扫描的尺寸、光线、对焦等哪个有问题”，用户回答说“尺寸”，再进一步根据“尺寸”，继续进行对话，形成一轮或多轮对话文本信息，以用于后续的关键信息提取。
需要说明的是，上述仅作为优选示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S102中，在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值。
在本示例中，例如在资源请求审批的场景中，抽取一轮语音对话，并从该轮语音对话中获取待识别的用户对话语音，以进行意图识别。
优选地，构建意图识别预测模型，根据本轮对话中用户的前一意图和用户当前的对话语音预测用户的当前意图。
进一步地，构建意图识别预测模型还包括：建立训练数据集，该训练数据集包括用户的对话语音和前一意图。
更进一步地，所述用户对话数据包括用户对话语音、用户对话语音转 换后的用户对话文本、用户对话文本转换后的句向量和每个词的词向量， 所述意图预测值用于表示用户意图的概率。
需要说明的是，在本示例中，例如使用BERT预训练模型对用户的用户对话文本进行语义表示，以进行语义向量转换，以得到对应的句向量和每一个词的词向量。但是不限于此，在其他示例中，还可以使用RoBERTa模型、DistilBERT模型、XLNet模型等。上述仅作为示例进行说明，不能理解成对本发明的限制。
在本示例中，使用该训练数据集训练分类模型，以使该意图识别预测模型能根据用户的对话语音计算该用户的意图预测值。
因此，通过意图识别预测模型计算用户的意图预测值，基于所计算的意图预测值来预测用户的主意图，以实现对用户意图的初步识别，再进一步进行精确识别，由此减少了用户意图识别时间，提升了意图识别效率。
接下来，在步骤S103中，基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给所述当前用户。
在本示例中，所计算的意图预测值Y1，从意图知识库中查找与Y1相对应的主意图。
例如，Y1对应的主意图b为“身份证问题”，获取与该主意图b对应的回复语句，例如该回复语句为“你是不是不知道怎么扫描”、“你是想知道身份证的用途吗”等，将该回复语句逐一返回给当前用户，以继续进行对话，再根据对话分析，进一步判断用户意图（主意图和总意图）。
如图2所示，还包括设定特定阈值的步骤S201。
在步骤S201中，设定特定阈值，以用于将所计算的意图预测值与特定阈值进行比较。
具体地，在所计算的意图预测值大于等于特定阈值的情况下，判断从意图知识库中查找与该意图预测值相对应的主意图。
进一步地，在所计算的意图预测值小于特定阈值的情况下，判断不从意图知识库中查找与该意图预测值相对应的主意图。
在另一示例中，根据所计算的意图预测值，判断为无需进行查找主意图。在该情况下，当基于所述意图预测值从所述意图知识库中查找不到对应的主意图时，返回给所述当前用户兜底回复语句，同时，根据所述当前意图和用户的对话语音预测该当前意图的承续意图，所述预测的当前意图和当前意图的承续意图用于更新所述意图知识库。
优选地，所述兜底回复语句用于引导用户对话以确定用户承续意图的回复语句。
由此，通过使用模型计算得到意图预测值，再根据意图预测值进行初步意图识别，能够更精准地识别用户意图，并能够实现更细粒度的用户意图挖，因此，减少了意图识别时间，实现了快速识别，并进一步提升了意图识别效率。
接下来，在步骤S104中，在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
具体地，通过从意图知识库中查找主意图，确定用户的意图序列，并进一步确定用户的主意图和总意图。
在本示例中，还包括判断智能语音机器人是否回应该总意图。
具体地，在智能语音机器人未积极回应用户的总意图时，记录用户的对方语音以便根据该对话语音更新所述意图知识库。
由此，通过上述识别过程，能够快速地且精确地识别用户意图，从而提升了意图识别效率，还提高了意图识别准确性。
需要说明的是，上述仅作为示例进行说明，不能理解对本发明的限制。
上述方法的过程仅用于对本发明的说明，其中，步骤的顺序和数量没有特别的限制。此外，上述方法中的步骤还可以拆分成两个、三个，或者有些步骤也可以合并成一个步骤，根据实际示例进行调整。
与现有技术相比，本发明的用户意图识别方法通过构建意图识别预测模型来计算用户的意图预测值，基于所计算的意图预测值来预测用户的主意图，以实现对用户意图的初步识别，再进一步进行精确识别，由此，能够减少用户意图识别时间，还能够提升意图识别效率。
本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序（计算机程序）。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
下面描述本发明的装置的实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。
实施例2
参照图3、图4和图5，本发明还提供了一种用于智能语音机器人的用户意图识别装置300，包括：构建模块301，用于构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中；计算模块302，用于在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；处理模块303，基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给所述当前用户；确定模块304，在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
如图4所示，还包括更新模块401，所述更新模块401在智能语音机器人未积极回应用户的总意图时，记录用户的对方语音以便根据该对话语音更新所述意图知识库。
优选地，通过意图识别预测模型计算用户的意图预测值。
优选地，所述意图识别预测模型根据本轮对话中用户的前一意图和用户当前的对话语音预测用户的当前意图。
如图5所示，还包括建立模块501，所述建立模块501用于建立意图识别预测模型的训练数据集，该训练数据集包括用户的对话语音和前一意图；使用该训练数据集训练分类模型，以使该意图识别预测模型能根据用户的对话语音计算该用户的意图预测值。
优选地，所述用户对话数据包括用户对话语音、用户对话语音转换后 的用户对话文本、用户对话文本转换后的句向量和每个词的词向量，所述 意图预测值用于表示用户意图的概率。
优选地，还包括：当基于所述意图预测值从所述意图知识库中查找不到对应的主意图时，返回给所述当前用户兜底回复语句，同时，根据所述当前意图和用户的对话语音预测该当前意图的承续意图，所述预测的当前意图和当前意图的承续意图用于更新所述意图知识库。
优选地，所述兜底回复语句用于引导用户对话以确定用户承续意图的回复语句。
需要说明的是，在实施例2中，省略了与实施例1相同的部分的说明。
与现有技术相比，本发明的用户意图识别装置通过构建意图识别预测模型来预测用户的主意图，以实现对用户意图的初步识别，再进一步进行精确识别，由此，能够减少用户意图识别时间，还能够提升意图识别效率。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
实施例3
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图6是根据本发明的一种电子设备的示例性实施例的结构框图。下面将参照图6来描述根据本发明的电子设备200。图6显示的电子设备200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件（包括存储单元220和处理单元210）的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书的上述电子设备处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图1所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元（ROM）2203。
所述存储单元220还可以包括具有一组（至少一个）程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法。
如图7所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于智能语音机器人的用户意图识别方法，其特征在于，包括：
构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中；
在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；
基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给当前用户；
在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
2.根据权利要求1所述的用户意图识别方法，其特征在于，还包括：
在智能语音机器人未积极回应用户的总意图时，记录用户的对方语音以便根据该对话语音更新所述意图知识库。
3.根据权利要求1所述的用户意图识别方法，其特征在于，通过意图识别预测模型计算用户的意图预测值。
4.根据权利要求3所述的用户意图识别方法，其特征在于，所述意图识别预测模型根据本轮对话中用户的前一意图和用户当前的对话语音预测用户的当前意图。
5.根据权利要求4所述的用户意图识别方法，其特征在于，所述意图识别预测模型的建立过程包括：
建立意图识别预测模型的训练数据集，该训练数据集包括用户的对话语音和前一意图；
使用该训练数据集训练分类模型，以使该意图识别预测模型能根据用户的对话语音计算该用户的意图预测值。
6.根据权利要求5所述的用户意图识别方法，其特征在于，
用户对话数据包括用户对话语音、用户对话语音转换后的用户对话文本、用户对话文本转换后的句向量和每个词的词向量，所述意图预测值用于表示用户意图的概率。
7.根据权利要求1所述的用户意图识别方法，其特征在于，还包括：
当基于所述意图预测值从所述意图知识库中查找不到对应的主意图时，返回给所述当前用户兜底回复语句，同时，根据当前意图和用户的对话语音预测该当前意图的承续意图，所述预测的当前意图和当前意图的承续意图用于更新所述意图知识库。
8.一种用于智能语音机器人的用户意图识别装置，其特征在于，包括：
构建模块，用于构建意图知识库，该意图知识库存储多个条目，每个条目包括一个主意图，还包括与该主意图相关联的承续意图集，以及引导用户对话以确定用户承续意图的回复语句，其中，各承续意图集中包含的每个承续意图亦作为主意图存储于所述意图知识库中的条目中；
计算模块，用于在预定场景进行的一轮语音对话中，获取待识别的用户对话语音，并计算用户的意图预测值；
处理模块，基于所述意图预测值，从所述意图知识库中查找对应的主意图，获取与该主意图对应的回复语句并返回给当前用户；
确定模块，在本轮语音对话结束时，根据用户的意图序列确定用户的总意图，以及该轮对话中智能语音机器人是否积极回应了该总意图。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1至7中任一项所述的用于智能语音机器人的用户意图识别方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1至7中任一项所述的用于智能语音机器人的用户意图识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217840.5A CN112100339A (zh) | 2020-11-04 | 2020-11-04 | 用于智能语音机器人的用户意图识别方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217840.5A CN112100339A (zh) | 2020-11-04 | 2020-11-04 | 用于智能语音机器人的用户意图识别方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112100339A true CN112100339A (zh) | 2020-12-18 |
Family
ID=73784523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011217840.5A Pending CN112100339A (zh) | 2020-11-04 | 2020-11-04 | 用于智能语音机器人的用户意图识别方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112100339A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112863499A (zh) * | 2021-01-13 | 2021-05-28 | 北京小米松果电子有限公司 | 语音识别方法及装置、存储介质 |
| CN113158690A (zh) * | 2021-03-15 | 2021-07-23 | 京东数科海益信息科技有限公司 | 对话机器人的测试方法和装置 |
| CN113488047A (zh) * | 2021-07-06 | 2021-10-08 | 思必驰科技股份有限公司 | 人机对话打断方法、电子设备及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700369A (zh) * | 2013-11-26 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 语音导航方法及系统 |
| US20180130463A1 (en) * | 2016-11-10 | 2018-05-10 | Samsung Electronics Co., Ltd. | Voice recognition apparatus and method |
| CN109635105A (zh) * | 2018-10-29 | 2019-04-16 | 厦门快商通信息技术有限公司 | 一种中文文本多意图识别方法及系统 |
| CN111191016A (zh) * | 2019-12-27 | 2020-05-22 | 车智互联（北京）科技有限公司 | 一种多轮对话处理方法、装置及计算设备 |
| CN111191000A (zh) * | 2019-12-20 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 一种智能语音机器人的对话管理方法、装置和系统 |
| CN111699469A (zh) * | 2018-03-08 | 2020-09-22 | 三星电子株式会社 | 基于意图的交互式响应方法及其电子设备 |
| CN111753063A (zh) * | 2020-02-28 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
-
2020
- 2020-11-04 CN CN202011217840.5A patent/CN112100339A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700369A (zh) * | 2013-11-26 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 语音导航方法及系统 |
| US20180130463A1 (en) * | 2016-11-10 | 2018-05-10 | Samsung Electronics Co., Ltd. | Voice recognition apparatus and method |
| CN111699469A (zh) * | 2018-03-08 | 2020-09-22 | 三星电子株式会社 | 基于意图的交互式响应方法及其电子设备 |
| CN109635105A (zh) * | 2018-10-29 | 2019-04-16 | 厦门快商通信息技术有限公司 | 一种中文文本多意图识别方法及系统 |
| CN111191000A (zh) * | 2019-12-20 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 一种智能语音机器人的对话管理方法、装置和系统 |
| CN111191016A (zh) * | 2019-12-27 | 2020-05-22 | 车智互联（北京）科技有限公司 | 一种多轮对话处理方法、装置及计算设备 |
| CN111753063A (zh) * | 2020-02-28 | 2020-10-09 | 北京沃东天骏信息技术有限公司 | 一种应答方法、装置、服务器及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112863499A (zh) * | 2021-01-13 | 2021-05-28 | 北京小米松果电子有限公司 | 语音识别方法及装置、存储介质 |
| CN112863499B (zh) * | 2021-01-13 | 2023-01-24 | 北京小米松果电子有限公司 | 语音识别方法及装置、存储介质 |
| CN113158690A (zh) * | 2021-03-15 | 2021-07-23 | 京东数科海益信息科技有限公司 | 对话机器人的测试方法和装置 |
| CN113158690B (zh) * | 2021-03-15 | 2024-05-17 | 京东科技信息技术有限公司 | 对话机器人的测试方法和装置 |
| CN113488047A (zh) * | 2021-07-06 | 2021-10-08 | 思必驰科技股份有限公司 | 人机对话打断方法、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108847241B (zh) | 将会议语音识别为文本的方法、电子设备及存储介质 | |
| KR102288249B1 (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
| WO2019076286A1 (zh) | 一种语句的用户意图识别方法和装置 | |
| CN112100339A (zh) | 用于智能语音机器人的用户意图识别方法、装置和电子设备 | |
| CN111428010A (zh) | 人机智能问答的方法和装置 | |
| CN110268472B (zh) | 用于自动化对话系统的检测机构 | |
| CN112035626A (zh) | 一种大规模意图的快速识别方法、装置和电子设备 | |
| CN111402861A (zh) | 一种语音识别方法、装置、设备及存储介质 | |
| WO2024045475A1 (zh) | 语音识别方法、装置、设备和介质 | |
| CN112016275A (zh) | 一种语音识别文本的智能纠错方法、系统和电子设备 | |
| CN113505198B (zh) | 关键词驱动的生成式对话回复方法、装置及电子设备 | |
| CN113591463B (zh) | 意图识别方法、装置、电子设备及存储介质 | |
| CN112669842A (zh) | 人机对话控制方法、装置、计算机设备及存储介质 | |
| CN114330371A (zh) | 基于提示学习的会话意图识别方法、装置和电子设备 | |
| CN114220461A (zh) | 客服话术的引导方法、装置、设备及存储介质 | |
| CN112084769B (zh) | 依存句法模型优化方法、装置、设备及可读存储介质 | |
| CN113486170A (zh) | 基于人机交互的自然语言处理方法、装置、设备及介质 | |
| CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
| KR102358485B1 (ko) | 도메인 자동 분류 대화 시스템 | |
| CN111966798A (zh) | 一种基于多轮K-means算法的意图识别方法、装置和电子设备 | |
| CN113569578B (zh) | 一种用户意图识别方法、装置和计算机设备 | |
| CN115312034A (zh) | 基于自动机和字典树处理语音信号的方法、装置和设备 | |
| KR20190074508A (ko) | 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법 | |
| CN111538817A (zh) | 人机交互方法和装置 | |
| 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 |
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 |