CN112966177A - 咨询意图的识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本申请公开了一种咨询意图的识别方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为自然语言处理和深度学习技术领域。该方法的一具体实施方式包括：过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；计算第一标题和第一查询词的信息重合度；若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。该实施方式提供的咨询意图的识别方法，能更准确的识别用户的咨询意图，基于最全查询词检索得到匹配供应商，提高了供应商匹配结果的准确性，增强了用户的咨询体验，提升了B2B平台的线索撮合体验。

Description

咨询意图的识别方法、装置、设备以及存储介质

技术领域

本申请实施例涉及计算机领域，具体涉及自然语言处理、深度学习等人工智能领域，尤其涉及咨询意图的识别方法、装置、设备以及存储介质。

背景技术

近年来，随着互联网的快速发展，在网站上构建表单，让用户通过表单主动咨询，是一种常见的咨询物品的方式。目前的咨询方式主要是基于用户填写的输入信息进行咨询意图的识别进而匹配出合适的可报价供应商，但这种方式或多或少强依赖于用户的输入信息，因而对咨询意图的多样性差别不敏感，从而导致匹配的可报价供应商满足度变差。

发明内容

本申请实施例提出了一种咨询意图的识别方法、装置、设备以及存储介质。

第一方面，本申请实施例提出了一种咨询意图的识别方法，包括：过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；计算第一标题和第一查询词的信息重合度；若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

第二方面，本申请实施例提出了一种咨询意图的识别装置，包括：过滤模块，被配置成过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；第一计算模块，被配置成计算第一标题和第一查询词的信息重合度；第一确定模块，被配置成若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本申请实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的咨询意图的识别方法、装置、设备以及存储介质，首先过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；然后计算第一标题和第一查询词的信息重合度；最后若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。本申请提供了一种咨询意图的识别方法，能更准确的识别用户的咨询意图，进而使用户的咨询体验得到增强。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的咨询意图的识别方法的一个实施例的流程图；

图3是根据本申请的咨询意图的识别方法的另一个实施例的流程图；

图4是图3所示的咨询意图的识别方法的构建检索表达式步骤的分解流程图；

图5是按照权重排序构造的属性树的示意图；

图6是根据本申请的咨询意图的识别方法的又一个实施例的流程图；

图7是图6所示的咨询意图的识别方法的构建查询词步骤的分解流程图；

图8是图6所示的咨询意图的识别方法的分发咨询结果步骤的分解流程图；

图9是图8所示的咨询结果的分发方法的另一个实施例的流程图；

图10是图8所示的咨询结果的分发方法的一个实现流程图；

图11是根据本申请的咨询意图的识别方法的一个实现流程图；

图12是根据本申请的咨询意图的识别装置的一个实施例的结构示意图；

图13是用来实现本申请实施例的咨询意图的识别方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的咨询意图的识别方法或咨询意图的识别装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用，例如浏览器等等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取到的查询词进行分析和处理，并生成处理结果(例如检索结果)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的咨询意图的识别方法一般由服务器105执行，相应地，咨询意图的识别装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的咨询意图的识别方法的一个实施例的流程200。该咨询意图的识别方法包括以下步骤：

步骤201，过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词。

在本实施例中，咨询意图的识别方法的执行主体(例如图1所示的服务器105)可以过滤用户咨询物品的标题和用户输入的前置查询词，以得到第一标题和第一查询词。过滤用户咨询物品的标题可将用户咨询物品的标题中命中一般停用词词表中的词及命中自定义词集合中的文本替换为空格，其中，一般停用词词表可采用现有的一般停用词词表，本申请对此不做具体限定；自定义词集合为预先定义好的，其中可包括如“厂家直销”，“量大价优”，“低价出售”等文本。前置查询词为用户在得到该咨询物品之前输入的查询词，过滤用户输入的前置查询词可通过判断用户的前置查询词是否为公司名，如果是公司名，则将该前置查询词定为无意义查询词，忽略即可；如果不是，则将该前置查询词也通过一般停用词词表进行过滤，即将该前置查询词中命中一般停用词词表的部分替换为空格。对用户咨询物品的标题和用户输入的前置查询词进行过滤，从而得到过滤后的标题和查询词，将其记为第一标题和第一查询词。

步骤202，计算第一标题和第一查询词的信息重合度。

在本实施例中，在得到第一标题和第一查询词后，上述执行主体可以计算第一标题和第一查询词的信息重合度。第一标题和第一查询词的信息重合度代表了第一标题和第一查询词的匹配度和相关性。作为示例，计算两个文本串的信息重合度可通过计算两个文本串的最长公共序列长度与长度较短的文本串的长度的比值，并将该比值作为该短文本串的信息重合度。在本实施例中的计算第一标题和第一查询词的信息重合度即是计算第一标题和第一查询词的最长公共序列长度与第一查询词的长度的比值，并将该比值作为第一查询词的信息重合度。由于第一标题是对用户咨询物品的标题进行过滤而得到的，第一查询词是对用户输入的前置查询词进行过滤而得到的，所以通过计算第一标题与第一查询词的信息重合度能够判断出用户输入的前置查询词是否能准确表达用户真正的咨询意图。

在本实施例的一些可选实现方式中，也可通过预先构建的词频-逆向文件频率(term frequency–inverse document frequency，TF-IDF)模型计算出两个文本串的TF-IDF值并构成向量，然后利用余弦函数计算两个文本串的余弦相似度值，同时通过计算两个文本串的最长公共序列长度与长度较短的文本串的长度的比值作为该短文本串的信息量代表度，通过两个值一起确定短文本的信息量。也即在本实施例中通过预先构建的TF-IDF模型计算出第一标题和第一查询词两个文本串的TF-IDF值并构成向量，然后利用余弦函数计算两个文本串的余弦相似度值，同时通过计算两个文本串的最长公共序列长度与长度较短的文本串(前置查询词)的长度的比值作为该短文本串的信息量代表度，通过两个值一起确定短文本的信息量。

步骤203，若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

在本实施例中，若上述信息重合度大于第一预设阈值，则上述执行主体会将第一查询词的长度与第二预设阈值进行比较，并基于比较结果确定最全查询词并进行检索，其中，最全查询词为能够代表用户最全面的咨询意图的词语或短语。若步骤202计算出的信息重合度大于第一预设阈值，则说明第一查询词能够准确的表达用户的咨询意图。之后将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词，将第一查询词的长度与第二预设阈值进行比较是因为如果第一查询词的长度过短的话可能会使最终的检索结果范围过大而不精准，例如，可将第二预设阈值设置为2，判断第一查询词的长度是否小于2，基于比较结果来确定最全查询词。最后基于确定的最全查询词进行检索。

在本实施例的一些可选实现方式中，基于比较结果确定最全查询词并进行检索，包括：若第一查询词长度不小于第二预设阈值，则将第一查询词作为最全查询词进行检索；若第一查询词长度小于第二预设阈值，则拼接第一标题与预先提取的咨询物品的第一属性信息，得到第二拼接信息，将第二拼接信息作为最全查询词进行检索。若第一查询词长度不小于第二预设阈值，则说明第一查询词的长度合适，基于第一查询词进行检索能够得到符合用户咨询意图的检索结果，在此情况下可将第一查询词作为最全查询词进行检索。若第一查询词长度小于第二预设阈值，则说明第一查询词过短，在此情况下将第一查询词作为最全查询词进行检索，可能会使检索结果范围过大而不精准，所以此时需构建新的最全查询词，可拼接第一标题与预先提取的咨询物品的第一属性信息，得到第二拼接信息，其中，用户咨询物品的第一属性信息可以包括但不限于该物品的品牌、参数、型号和用处等，本申请对此不做具体限定。最后将第二拼接信息作为最全查询词进行检索。可选地，可通过用户咨询物品的标识访问预先构建的摘要库，将该物品对应的标题、所属类别、对应标签、品牌、型号、参数等属性信息提取出来。

在本实施例的一些可选实现方式中，若信息重合度不大于第一预设阈值，拼接预先提取的咨询物品的第一属性信息和第一查询词，得到第一拼接信息，将第一拼接信息作为最全查询词进行检索。若步骤202计算出的信息重合度不大于第一预设阈值，则说明第一查询词与第一标题和第一查询词的最长公共序列长度的重合度低，表明第一查询词不能够全面的表达用户的咨询意图，所以此时将拼接预先提取的咨询物品的第一属性信息和第一查询词，从而得到第一拼接信息，该第一拼接信息能够更全面的表达用户的咨询意图，最后将该第一拼接信息作为最全查询词进行检索。

本申请实施例提供的咨询意图的识别方法，首先过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；然后计算第一标题和第一查询词的信息重合度；最后若所述信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。本申请提供了一种咨询意图的识别方法，能更准确的识别用户的咨询意图，从而生成最全查询词并基于最全查询词进行检索，进一步提高了供应商匹配结果的准确性，使用户的咨询体验得到增强，提升了现有B2B平台的线索撮合体验。

继续参考图3，图3示出了根据本申请的咨询意图的识别方法的另一个实施例的流程300。该咨询意图的识别方法包括以下步骤：

步骤301，基于最全查询词进行检索，得到召回的供应商信息。

在本实施例中，咨询意图的识别方法的执行主体可以基于最全查询词进行检索，从而得到召回的供应商的信息。在构建好能表达用户咨询意图的最全查询词之后，上述执行主体会基于最全查询词进行检索，召回与用户查询意图相匹配的供应商，从而得到召回的供应商信息，其中，召回的供应商信息可为召回的供应商的名称、召回的供应商的数目等。

步骤302，响应于召回的供应商的数目小于第三预设阈值，基于预先构建的切词系统构建包含用户咨询意图的检索表达式并进行检索。

在本实施例中，在上述召回供应商的数目小于第三预设阈值的情况下，上述执行主体会基于预先构建的切词系统构建包含用户咨询意图的检索表达式并进行检索。最全查询词为高程度上表达用户咨询意图的查询词，基于最全查询词检索召回的供应商数目少于第三预设阈值，则需要构建中程度上包含用户咨询意图的检索表达式，并基于该检索表达式进行检索，以召回更多的物料及供应商。

本申请实施例提供的咨询意图的识别方法，首先基于最全查询词进行检索，得到召回的供应商信息；然后响应于召回的供应商的数目小于第三预设阈值，基于预先构建的切词系统构建包含用户咨询意图的检索表达式并进行检索。本申请提供了一种咨询意图的识别方法，该方法基于能完全表达用户咨询意图的最全查询词进行检索得到召回的供应商信息，在召回的供应商的数目少于预设阈值的情况下，构建中程度上包含用户咨询意图的检索表达式，并基于该检索表达式进行检索，以召回更多的物料及供应商，进而提高供应商匹配结果的准确性。

继续参考图4，图4示出了图3所示的咨询意图的识别方法的构建检索表达式步骤的分解流程400。该构建检索表达式步骤可以分解以下：

步骤401，基于预先构建的切词系统对最全查询词进行切词，得到切词结果。

在本实施例中，可基于预先构建的切词系统对最全查询词进行切词，得到切词结果。切词系统可采用现有技术进行构建，本申请对此不做具体限定。最全查询词可以为一个大的拼接文本，其中可以包括多个词，切词系统对最全查询词进行切词，以返回切词结果，将每一个切词结果记为一个term。

步骤402，拼接第一标题、咨询物品对应的第二属性信息和第一查询词，得到第三拼接信息。

在本实施例中，可拼接第一标题、咨询物品对应的第二属性信息和第一查询词，得到第三拼接信息。其中，第一标题和第一查询词是对用户咨询物品的标题和用户输入的前置查询词而得到的，用户咨询物对应的第二属性信息可以包括但不限于用户咨询物品对应的标签和用户咨询物品对应的供应商的主营范围，将第一标题、咨询物品对应的第二属性信息和第一查询词进行拼接，以得到完整的拼接字符串，将其记为第三拼接信息。

步骤403，统计切词结果在第三拼接信息中的词频，并计算切词结果的词频-逆文本频率指数值。

在本实施例中，统计每个term在第三拼接信息中的词频，并计算切词结果的词频-逆文本频率指数值。TF-IDF是一种用于信息检索与文本挖掘的常用加权技术。TF-IDF是一种统计方法，一般用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。作为示例，可遍历切词系统返回的term，统计每个term在第三拼接信息中出现的词频，也即每个term在第三拼接信息中出现的频率，同时查询该term对应的逆向文件频率，最后计算该term的TF-IDF值，TF-IDF实际上是用TF乘以IDF，用TF-IDF代表该term的权重。

步骤404，基于词频-逆文本频率指数值，选取预定数目的切词结果，得到切词结果集合。

在本实施例中，可基于计算出的每个term的TF-IDF，选取预定数目的切词结果，得到切词结果集合。作为示例，可将每个term对应的TF-IDF值进行排序，并选取TF-IDF值较高的预定数目的term，以得到一个term集合，例如可选取TF-IDF值前六的term以得到term集合。

步骤405，基于切词结果集合中的切词结果与第二属性信息的最长公共匹配序列得到检索短语。

在本实施例中，可基于term集合中的term与第二属性信息的最长公共匹配序列，得到term短语，其中，第二属性信息包括但不限于用户咨询物品对应的标签和用户咨询物品对应的供应商的主营范围。

步骤406，基于检索短语构建检索表达式，并基于检索表达式进行检索。

在本实施例中，将步骤405得到的term短语作为检索表达式，基于检索表达式进行检索。

在本实施例的一些可选实现方式中，如果term个数大于6，则将非前六位的且不是地域、物品品牌、物品参数、物品信号等属性信息的term，在检索表达式中干预成可选词；如果term个数不大于6，则将地域、物品品牌、物品参数、物品信号等不在前置查询词中出现的term在检索表达式中干预成可选词。将干预完成的检索表达式作为新的检索表达式，并再次基于检索表达式进行检索。

在本实施例的一些可选实现方式中，当最全查询词中包含地域、物品品牌、物品参数、物品信号等较多属性信息(也即term数量较多)时，如果按照“最长逐级递减”的原则去遍历所有属性组合并逐个进行判断，直到匹配的供应商数满足要求，其最坏遍历数为：C_n+C¹ _n+C² _n+……+Cⁿ _n＝2ⁿ，也即时间复杂度为O(2ⁿ)。这对于一个检索系统，这样的时间复杂度是不能接受的。所以本方法提供了一种最快寻找算法，可利用最快寻找算法来寻找能包含用户咨询意图的检索表达式，具体实现过程如下：

当发现用户的咨询意图中包含A、B、C、D、E等较多属性时，首先对所有的属性按照权重大小进行排序，假设排序结果为：A>B>C>D，然后依此按权重进行一个属性树的构造，该属性树具有如下定义：

(1)根节点为空；

(2)除根节点外，每个节点包含一个字符表示属性；

(3)从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串，也即属性组合；

(4)每个字符在建立树的过程中都要加上一个区分的结束符，表示根到每个节点的路径都是一个组合；

(5)每个节点均是可结束节点，也即从根节点到任何节点都可以停止，其通过路径表述该路径的所有节点对应的属性组合。

按照权重排序构造的属性树如图5所示，图5是按照权重排序构造的属性树的示意图。可以看出，图5所示的属性树的根节点为空，除根节点外，每个节点包含一个字符表示属性，如图中所示的A、B、C、D。然后可将构建用户咨询意图的问题转化为寻找该属性树中满足检索场景召回数量要求的最长最大权重路径了。该寻找路径算法包括以下步骤：

(1)将所有属性每两个进行组合，如图5中的AB、AC、AD、BC、BD、CD；

(2)对所有的组合进行检索召回，如果有物料召回则将该pair标记为1，反之标记为0；

(3)对属性树进行遍历剪枝，包括：首先遍历所有被标记为0的pair，然后将属性树中以该pair为前缀的子树都进行剪枝，例如假设BC这个组合没有物料召回，那么会将BC这pair标记为0，并将以BC为前缀的子树都进行剪枝，如图5所示；

(4)在剪枝完成的树中寻找最左最长路径，例如A->B->D。

本实施例中的最快寻找算法只需要C² _n步检索操作，时间复杂度为O(n²)，也即该最快寻找算法将时间复杂度从O(2ⁿ)降到了O(n²)。在属性term较多的场景下，提升了寻找效果和效率。

本申请实施例提供的构建检索表达式方法，首先基于预先构建的切词系统对最全查询词进行切词，得到切词结果；之后拼接第一标题、咨询物品对应的第二属性信息和第一查询词，得到第三拼接信息；并统计切词结果在第三拼接信息中的词频，并计算切词结果的词频-逆文本频率指数值；然后基于词频-逆文本频率指数值，选取预定数目的切词结果，得到切词结果集合；并基于切词结果集合中的切词结果与第二属性信息的最长公共匹配序列得到检索短语；最后基于检索短语构建检索表达式，并基于检索表达式进行检索。本申请提供了一种构建检索表达式的方法，能基于预先构建的切词系统构建中程度上包含用户咨询意图的检索表达式，并基于该检索表达式进行检索，以召回更多物料及供应商，进而提高供应商匹配结果的准确性。

继续参考图6，图6是根据本申请的咨询意图的识别方法的又一个实施例的流程600。该咨询意图的识别方法包括以下步骤：

步骤601，计算基于最全查询词进行检索召回的满足用户咨询意图的物料数，记为第一物料数。

在本实施例中，计算基于最全查询词进行检索召回的满足用户咨询意图的物料数，记为第一物料数。作为示例，可将基于最全查询词进行检索召回物料的类别、参数、品牌、地域、型号、用途等属性信息与用户查询词进行比对，得到两者的共有属性，并统计共有属性的数目。如果用户的查询词中包含该属性信息，召回物料中也包含该信息，则记为一次匹配。如果匹配次数/共有属性总数的值大于预设阈值a，则将其记为基于最全查询词进行检索召回的满足用户咨询意图的物料，最后统计基于最全查询词进行检索召回的满足用户咨询意图的物料总数，即第一物料数，第一物料数是完全满足用户咨询意图的物料数。

步骤602，计算基于检索表达式进行检索召回的满足用户咨询意图的物料数，记为第二物料数。

在本实施例中，计算基于检索表达式进行检索召回的满足用户咨询意图的物料数，记为第二物料数。作为示例，可将基于检索表达式进行检索召回物料的类别、参数、品牌、地域、型号、用途等属性信息与用户查询词进行比对，得到两者的共有属性，并统计共有属性的数目。如果用户的查询词中包含该属性信息，召回物料中也包含该信息，则记为一次匹配。如果匹配次数/共有属性总数的值大于预设阈值b，则将其记为基于检索表达式进行检索召回的满足用户咨询意图的物料，最后统计基于检索表达式进行检索召回的满足用户咨询意图的物料总数，即第二物料数，第二物料数是基本满足用户咨询意图的物料数。

步骤603，将第一物料数和第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含用户基本咨询诉求的查询词。

在本实施例中，将第一物料数和第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含用户基本咨询诉求的查询词。计算完全满足用户咨询意图的物料数x与基本满足用户咨询意图的物料数y的和x+y，将x+y的值与第四预设阈值进行比较，可以看出检索结果是否能满足用户的咨询需求，基于比较结果来确定是否进行之后的操作，即是否构建包含用户基本咨询诉求的查询词。

在本实施例的一些可选实现方式中，若第一物料数和第二物料数的和不大于第四预设阈值，则基于切词结果的权重值构建包含用户基本咨询诉求的查询词。第一物料数和第二物料数的和不大于第四预设阈值，说明第一物料数和第二物料数的和无法满足用户的咨询诉求，此时需要构建低程度上表达用户咨询诉求的查询词，即包含用户基本咨询诉求的查询词。

在本实施例的一些可选实现方式中，若第一物料数和第二物料数的和大于第四预设阈值，则不构建包含用户基本咨询诉求的查询词。第一物料数和第二物料数的和大于第四预设阈值，说明第一物料数和第二物料数的和已经可以满足用户的咨询诉求，此时就不需要进行构建查询词了。

步骤604，若构建查询词，则基于查询词进行检索。

在本实施例中，若构建查询词，则基于查询词进行检索。在构建了包含用户基本咨询诉求的查询词的情况下，基于该查询词进行检索，以得到更多的召回物料，并将该召回结果与基于最全查询词、检索表达式进行检索召回的结果进行合并，作为最终的召回结果。

步骤605，基于查询词进行检索召回供应商，并为用户分发召回供应商。

在本实施例中，基于查询词进行检索可召回供应商及物料，上述执行主体可为用户分发召回的供应商。作为示例，可按照时间序列分批次为用户分发匹配供应商。

本申请实施例提供的咨询意图的识别方法，首先计算基于最全查询词进行检索召回的满足用户咨询意图的物料数，记为第一物料数；然后计算基于检索表达式进行检索召回的满足用户咨询意图的物料数，记为第二物料数；之后将第一物料数和第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含用户基本咨询诉求的查询词；若构建查询词，则基于查询词进行检索；最后基于查询词进行检索召回供应商，并为用户分发召回供应商。本申请提供了一种咨询意图的识别方法，该方法在完全满足用户咨询需求的物料数与基本满足用户咨询需求的物料数小于预设阈值的情况下，构建低程度上包含用户基本咨询诉求的查询词，并基于该查询词再次进行检索，以召回更多物料，并将召回物料与基于最全查询词、检索表达式进行检索召回的结果进行合并，作为最终的召回结果，从而使得召回结果能满足用户的咨询诉求，提高了供应商匹配结果的准确性，提升用户的咨询体验，进而提升现有B2B平台的线索撮合体验。

继续参考图7，图7示出了图6所示的咨询意图的识别方法的构建查询词步骤的分解流程700。该构建查询词步骤可以分解以下：

步骤701，遍历切词结果的切词权重，得到大于预设权重阈值的切词结果集合。

在本实施例中，遍历每个term的切词权重，得到大于预设权重阈值的切词结果集合。其中，切词权重是由切词系统对最全查询词进行切词之后返回的。作为示例，可遍历每个term的切词权重，得到大于预设权重阈值的且属于上述term短语集合中的term，以得到切词结果集合，其中，保留的term的长度需大于1。

步骤702，将切词结果集合中的每个切词结果的切词权重与计算权重相加，得到权重值最大的切词结果。

在本实施例中，将上述切词结果集合中的每个term的切词权重与计算权重相加，以得到权重值最大的切词结果，其中，计算权重为词频-逆文本频率指数值。此外，如果有两个或两个以上可以粘接的term，则将各个可以粘接的term的权重相加求和，并将该和作为粘接之后的term的权重值。

步骤703，将权重值最大的切词结果作为包含用户基本咨询诉求的查询词。

在本实施例中，取步骤702计算结果中权重值最高的term作为包含用户基本咨询诉求的查询词。

本申请实施例提供的构建查询词方法，首先遍历切词结果的切词权重，得到大于预设权重阈值的切词结果集合；然后将切词结果集合中的每个切词结果的切词权重与计算权重相加，得到权重值最大的切词结果；最后将权重值最大的切词结果作为包含用户基本咨询诉求的查询词。本申请提供了一种构建查询词的方法，将切词权重与计算权重的和最大的切词结果作为包含用户基本咨询诉求的查询词，并基于该查询此再次进行检索，以得到召回物料，能够在最大程度上召回满足用户咨询需求的物料。

继续参考图8，图8示出了图6所示的咨询意图的识别方法的分发咨询结果步骤的分解流程800。该咨询结果的分发方法包括以下步骤：

步骤801，计算用户咨询信息预计被响应概率，记做第一概率。

在本实施例中，咨询结果的分发方法的执行主体可以计算用户咨询信息预计被响应概率，记做第一概率。第一概率为用户咨询物品的信息预计被供应商响应的概率。作为示例，可通过线上提取供应商属性信息与用户输入的前置查询词的属性信息，将提取出的信息代入预先拟合的多元非线性统计回归模型中，从而求出用户咨询信息预计被供应商响应的概率，即第一概率，将其记为P。其中，多元非线性统计回归模型的拟合过程可通过线下对历史咨询相应数据进行分析，从而建立数学模型，并利用最小二乘法进行数学优化，从而拟合出一个多元非线性统计回归模型。上述历史咨询相应数据包括供应商属性信息与用户咨询物品对应的属性信息，供应商属性信息包括：历史响应率前五位(top5)的供应商响应率的和、历史响应率top20的供应商响应率的和、基于最全查询词召回的高意图匹配供应商数量和匹配供应商集合中匹配供应商的数目；用户咨询物品对应的属性信息包括：与用户咨询物品同三级行业下的历史咨询响应率、与用户咨询物品同二级行业下的历史咨询响应率、与用户咨询物品同一级行业下的历史咨询响应率、咨询用户的用户名字数、用户指定咨询物品所属top5的咨询响应率、相同收货地域(省)的咨询历史响应率和相同收货地域(市)的咨询历史响应率，其中，咨询用户的用户名字数可以为1个字、2个字、3个字或其他。例如：假设用户咨询物品为“包子机”，那么其属于三级行业下的物品，对应的二级行业为“面食机器”，对应的一级行业为“机械”。

在本实施例的一些可选实现方式中，计算用户咨询信息预计被响应概率，包括：将咨询信息对应的第一属性信息和匹配供应商集合对应的第二属性信息输入至预先构建的非线性回归模型中，得到用户咨询物品预计被响应概率。其中，咨询信息对应的第一属性信息为与用户咨询物品对应的属性信息，可包括：与用户咨询物品同三级行业、同二级行业、同一级行业下的历史咨询响应率、咨询用户的用户名字数、用户指定咨询物品所属top5的咨询响应率、相同收货地域(省和市)的咨询历史响应率。

步骤802，响应于第一概率大于第一预设阈值，分发基于用户咨询信息进行检索得到的匹配供应商集合中的部分供应商，分发间隔为第一预定时长；响应于到达第一预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商。

在本实施例中，在第一概率大于第一预设阈值的情况下，上述执行主体会分发匹配供应商集合中的部分供应商，且分发间隔为第一预定时长。匹配供应商集合是通过用户输入的前值查询词来构建最全查询词，再基于最全查询词进行检索召回供应商，从而得到的匹配供应商集合。在第一概率P大于预设阈值的情况下，分发部分供应商，分发间隔为第一预定时长，若到达第一预定时长，则需要确定用户的咨询诉求是否得到满足或者报价次数是否达到阈值，基于确定结果分发匹配供应商集合中剩余部分供应商，如果用户的咨询诉求已经得到满足或者报价次数已经达到阈值，则不再进行分发，如果用户的咨询诉求没有得到满足或者报价次数没有达到阈值，则继续分发匹配供应商集合中的剩余供应商。如果第二次分发的供应商仍然没有满足用户的咨询诉求，则继续分发供应商。

步骤803，响应于分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕，停止分发。

在本实施例中，在分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕的情况下，则停止分发。通过步骤802进行分发的供应商数目达到第二预设阈值说明已经为咨询用户分发了足够多的供应商，此时就不再进行分发了，以防止用户接收过多的供应商信息从而被打扰，或者当匹配供应商集合中的供应商已分发完毕时，也不再进行分发。

在本实施例的一些可选实现方式中，在分发匹配供应商之后，若在该咨询信息预估的最长被响应时间内无人回应，则将该咨询信息放入被动分发单元中。在被动分发单元里的咨询信息可以被相同行业的供应商优先看到，可在与用户咨询意图最高程度上匹配的供应商一直未进行报价的时候联系供应商进行报价。

本申请实施例提供的咨询结果的分发方法，首先计算用户咨询信息预计被响应概率，记做第一概率；然后响应于第一概率大于第一预设阈值，分发基于用户输入的前置查询词进行检索得到的匹配供应商集合中的部分供应商，分发间隔为第一预定时长；响应于到达第一预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商；最后响应于分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕，停止分发。本申请提供了一种为用户分发咨询结果的方法，该方法通过预估用户咨询信息的被响应概率，基于该预估被响应概率按照时间序列逐批次为用户分发匹配供应商，在提升平台线索分发时效性和准确性的同时，有效减少了用户被过度打扰和供应商被过度竞争的发生几率，极大地提升了用户和供应商双方的咨询体验。

继续参考图9，图9示出了图8所示的咨询结果的分发方法的另一个实施例的流程900。该咨询结果的分发方法包括以下步骤：

步骤901，遍历基于用户咨询信息进行检索召回的物料，提取物料对应的供应商信息。

在本实施例中，咨询结果的分发方法的执行主体可以遍历基于用户咨询信息进行检索所召回的物料，并提取上述物料对应的供应商信息。基于用户输入的前置查询词和用户咨询物品的属性信息可以构建最全查询词和检索表达式，基于最全查询词进行检索可召回完全匹配物料，基于检索表达式进行检索可召回基本匹配物料，通过对完全匹配物料和基本匹配物料进行遍历，提取上述所有物料对应的供应商信息。

步骤902，基于预先构建的排序模型对供应商进行排序，得到匹配供应商集合。

在本实施例中，上述执行主体可基于预先构建的排序模型对步骤901得到的供应商进行排序，从而返回排序好的匹配供应商集合。学习排序(Learning to Rank，LTR)是一种监督学习的排序方法。将完全匹配物料、基本匹配物料和对应的供应商信息输入至排序模型中，基于返回的得分和该供应商被命中到匹配物料(完全匹配物料/基本匹配物料)个数等因素对供应商进行排序去重，从而得到最终的匹配供应商集合。

步骤903，计算用户咨询信息预计被响应概率，并计算历史响应率之和为预定数值的供应商总数。

在本实施例中，上述执行主体可计算用户咨询信息预计被响应概率，并计算历史响应率之和为预定数值的供应商总数。本步骤中的计算用户咨询信息预计被响应概率与前述实施例的步骤801相对应，具体实现方式可以参考前述对步骤801的描述，此处不再赘述。

可通过线下提取的供应商属性信息来计算历史响应率之和为预定数值的供应商总数。作为示例，可通过通过线下提取的供应商属性信息来计算历史响应率之和为300％的供应商总数，将其记为N。

步骤904，响应于第一概率大于第一预设阈值，分发基于用户咨询信息进行检索得到的匹配供应商集合中的部分供应商，分发间隔为第一预定时长，响应于到达第一预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商。

在本实施例中，在第一概率P大于第一预设阈值的情况下，则分发匹配供应商集合中的部分供应商，分发间隔为第一预定时长，若到达第一预订时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商。步骤904与前述实施例的步骤802相对应，具体实现方式可以参考前述对步骤802的描述，此处不再赘述。

在本实施例的一些可选实现方式中，分发基于用户咨询信息进行检索得到的匹配供应商集合中的部分供应商，包括：基于历史响应率分发匹配供应商集合中的第一数目的供应商。即在P大于第一预设阈值的情况下，分发匹配供应商集合中历史响应率较高的头部供应商，分发供应商数目为N个，分发间隔为第一预订时长T。为用户分发历史响应率高的预定数目的供应商，以使分发的供应商能够尽快响应用户的咨询诉求，从而最大程度上提升咨询的响应率。

在本实施例的一些可选实现方式中，响应于到达第一预定时长且用户的咨询诉求未得到满足，分发匹配供应商集合中的剩余第二数目的供应商，分发间隔为第二预定时长，其中，第二数目大于第一数目，第二预定时长小于第一预定时长。如果T时内，用户的咨询诉求没有得到满足或者供应商的报价次数没有达到阈值，则继续为用户分发供应商，分发匹配供应商集合中的剩余部分供应商，分发数目为k₁*N，其中，k₁＞1，分发间隔为k₁*T，其中，k₂<1。第二次分发的供应商数目大于第一次分发供应商的数目，第二次分发的时间间隔小于第一次分发的时间间隔，以提升用户咨询的响应率。如果第二次分发供应商之后，用户的咨询诉求仍然没有得到满足或者供应商报价次数仍然没有达到阈值，则继续循环执行步骤904，继续为用户分发匹配供应商集合中的剩余供应商。

在本实施例的一些可选实现方式中，响应于到达第一预定时长且用户的咨询诉求得到满足，停止分发。若T时内，用户的咨询诉求已经得到满足或者供应商的报价次数已经达到了阈值，则停止供应商的分发。

步骤905，响应于第一概率不大于第一预设阈值，基于历史响应率分发匹配供应商集合中的第三数目的供应商，分发间隔为第三预定时长；响应于到达第三预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商。

在本实施例中，在第一概率P不大于第一预设阈值的情况下，则基于历史响应率分发匹配供应商集合中的第三数目的供应商，也即分发匹配供应商集合中的历史响应率高的头部供应商，分发数目为W₁，W₁＝k₃*N，其中，k₃＞1，分发间隔为T₁，T₁＝T/k₃。响应于到达第三预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商，如果达到第三预定时长，但是用户的咨询诉求没有得到满足或者报价次数没有达到阈值，则继续分发匹配供应商集合中的剩余供应商，否则停止分发。另外，假如第二次分发的供应商仍然没有满足用户的咨询诉求，则继续分发供应商。

在本实施例的一些可选实现方式中，响应于到达第三预定时长且用户的咨询诉求未得到满足，分发匹配供应商集合中的剩余第四数目的供应商，分发间隔为第四预定时长，其中，第四数目大于第三数目，第四预定时长小于第三预定时长。如果第三预定时长，用户的咨询诉求没有得到满足或者供应商的报价次数没有达到阈值，则继续为用户分发供应商，分发匹配供应商集合中的剩余部分供应商，分发数目为W₂，W₂＝k₃*W₁，分发间隔为T₂，T₂＝T₁/k₃。第二次分发的供应商数目大于第一次分发供应商的数目，第二次分发的时间间隔小于第一次分发的时间间隔，以提升用户咨询的响应率。

在本实施例的一些可选实现方式中，响应于到达第三预定时长且用户的咨询诉求得到满足，停止分发。若T₁时内，用户的咨询诉求已经得到满足或者供应商的报价次数已经达到了阈值，则停止供应商的分发。

在本实施例的一些可选实现方式中，第三数目大于第一数目，第三预定时长小于第一预定时长。在P不大于第一预设阈值时分发的供应商数目大于P大于第一预设阈值时分发的供应商数目，且P不大于第一预设阈值时分发供应商的时间间隔小于P大于第一预设阈值时分发供应商的时间间隔，以使在用户咨询信息被供应商响应概率小的时候，在更短的时间间隔内为用户分发更多的供应商，以提高用户咨询信息被响应率。

步骤906，响应于分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕，停止分发。

在本实施例中，在分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕的情况下，则停止分发。步骤906与前述实施例的步骤803相对应，具体实现方式可以参考前述对步骤803的描述，此处不再赘述。

本申请实施例提供的咨询结果的分发方法，首先遍历基于用户咨询信息进行检索召回的物料，提取物料对应的供应商信息；并基于预先构建的排序模型对供应商进行排序，得到匹配供应商集合；然后计算用户咨询信息预计被响应概率，并计算历史响应率之和为预定数值的供应商总数；之后响应于第一概率大于第一预设阈值，分发基于用户输入的前置查询词进行检索得到的匹配供应商集合中的部分供应商，分发间隔为第一预定时长，响应于到达第一预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商；响应于第一概率不大于第一预设阈值，基于历史响应率分发匹配供应商集合中的第三数目的供应商，分发间隔为第三预定时长；响应于到达第三预定时长，确定用户的咨询诉求是否得到满足，基于确定结果分发匹配供应商集合中剩余部分供应商；最后响应于分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕，停止分发。本申请提供了一种为用户分发咨询结果的方法，该方法按照时间序列逐批次为用户分发匹配供应商，在分发的供应商没有满足用户的咨询诉求时，继续为用户分发剩余供应商，且分发间隔更短、分发供应商数目更多，以达到快速为用户匹配出合适的供应商的效果，在提升平台线索分发时效性和准确性的同时，有效减少了用户被过度打扰和供应商被过度竞争的发生几率，极大地提升了用户和供应商双方的咨询体验。

继续参考图10，图10是图8所示的咨询结果的分发方法的一个实现流程图，如图10所示，为用户分发基于用户咨询信息召回的供应商，在分发供应商之后，判断用户的咨询诉求是否得到满足，若用户的咨询诉求得到满足，则停止分发；若用户的咨询诉求没有得到满足，则继续进行供应商的分发，在第二次分发之后，继续判断用户的咨询诉求是否得到满足或供应商响应次数是否达到了阈值，如果用户的咨询诉求得到满足或供应商响应次数达到了阈值，则停止分发；如果用户的咨询诉求没有得到满足或供应商响应次数没有达到阈值，则循环供应商的分发步骤，直至分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕，则停止分发。

继续参考图11，图11是根据本申请的咨询意图的识别方法的一个实现流程图，如图11所示，首先，用户输入咨询信息，解析提取单元会提取用户咨询物品对应的标题、标签、类目、品牌、型号和参数等属性信息，之后咨询最全信息查询词构建单元会基于提取的属性信息与用户的咨询信息构建能表达用户咨询意图的最全查询词，然后由query优化单元(查询词优化单元)、expression改写单元(表达改写单元)和query降价单元对构建的最全查询词进行优化，从而生成高、中、低程度上表达用户咨询意图的信息，以基于生成的能表达用户咨询意图的查询词进行检索召回匹配物料及供应商。之后，用户咨询属性提取单元和供应商属性提取单元会基于用户的咨询信息和得到的匹配供应商集合提取用户咨询属性信息和供应商属性信息，再将提取的用户咨询属性信息和供应商属性信息输入至预先构建的多元回归模型中，以得到用户咨询信息预估被供应商响应的概率。基于该预估被响应概率进行供应商的分发，且将该预估被响应概率与第一预设阈值继续比较，基于比较结果来确定分发供应商的数目及分发时间间隔，当分发供应商数目达到第二预设阈值或匹配供应商集合中的供应商已分发完毕时，停止分发。提升了用户和供应商双方的咨询体验。

进一步参考图12，作为对上述各图所示方法的实现，本申请提供了一种咨询意图的识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图12所示，本实施例的咨询意图的识别装置1200可以包括：过滤模块1201、第一计算模块1202和第一确定模块1203。其中，过滤模块1201，被配置成过滤用户咨询物品的标题和用户输入的前置查询词，得到第一标题和第一查询词；第一计算模块1202，被配置成计算第一标题和第一查询词的信息重合度；第一确定模块1203，被配置成若信息重合度大于第一预设阈值，将第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

在本实施例中，咨询意图的识别装置1200中：过滤模块1201、第一计算模块1202和第一确定模块1203的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，该咨询意图的识别装置还包括：第二确定模块，被配置成若信息重合度不大于第一预设阈值，拼接预先提取的咨询物品的第一属性信息和第一查询词，得到第一拼接信息，将第一拼接信息作为最全查询词进行检索。

在本实施例的一些可选的实现方式中，第一确定模块包括：第一确定子模块，被配置成若第一查询词长度不小于第二预设阈值，则将第一查询词作为最全查询词进行检索；第二确定子模块，被配置成若第一查询词长度小于第二预设阈值，则拼接第一标题与预先提取的咨询物品的第一属性信息，得到第二拼接信息，将第二拼接信息作为最全查询词进行检索。

在本实施例的一些可选的实现方式中，该咨询意图的识别装置还包括：第一检索模块，被配置成基于最全查询词进行检索，得到召回的供应商信息；第一构建模块，被配置成响应于召回供应商的数目小于第三预设阈值，基于预先构建的切词系统构建包含用户咨询意图的检索表达式并进行检索。

在本实施例的一些可选的实现方式中，第一构建模块进一步配置成：基于切词系统对最全查询词进行切词，得到切词结果；拼接第一标题、咨询物品对应的第二属性信息和第一查询词，得到第三拼接信息；统计切词结果在第三拼接信息中的词频，并计算切词结果的词频-逆文本频率指数值；基于词频-逆文本频率指数值，选取预定数目的切词结果，得到切词结果集合；利用最快寻找算法得到切词结果集合中的切词结果与第二属性信息的最长公共匹配序列，得到检索短语；基于检索短语构建检索表达式，并基于检索表达式进行检索。

在本实施例的一些可选的实现方式中，该咨询意图的识别装置还包括：第二计算模块，被配置成计算基于最全查询词进行检索召回的满足用户咨询意图的物料数，记为第一物料数；第三计算模块，被配置成计算基于检索表达式进行检索召回的满足用户咨询意图的物料数，记为第二物料数；第三确定模块，被配置成将第一物料数和第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含用户基本咨询诉求的查询词；第二检索模块，被配置成若构建查询词，则基于查询词进行检索。

在本实施例的一些可选的实现方式中，第三确定模块包括：第一构建子模块，被配置成若第一物料数和第二物料数的和不大于第四预设阈值，则基于切词结果的权重值构建包含用户基本咨询诉求的查询词；第二构建子模块，被配置成若第一物料数和第二物料数的和大于第四预设阈值，则不构建包含用户基本咨询诉求的查询词。

在本实施例的一些可选的实现方式中，第一构建子模块进一步配置成：遍历切词结果的切词权重，得到大于预设权重阈值的切词结果集合；将切词结果集合中的每个切词结果的切词权重与计算权重相加，得到权重值最大的切词结果，其中，计算权重为词频-逆文本频率指数值；将权重值最大的切词结果作为包含用户基本咨询诉求的查询词。

根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图13示出了可以用来实施本公开的实施例的示例电子设备1300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图13所示，设备1300包括计算单元1301，其可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序，来执行各种适当的动作和处理。在RAM 1303中，还可存储设备1300操作所需的各种程序和数据。计算单元1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。

设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306，例如键盘、鼠标等；输出单元1307，例如各种类型的显示器、扬声器等；存储单元1308，例如磁盘、光盘等；以及通信单元1309，例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1301执行上文所描述的各个方法和处理，例如咨询意图的识别方法。例如，在一些实施例中，咨询意图的识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到RAM 1303并由计算单元1301执行时，可以执行上文描述的咨询意图的识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行咨询意图的识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种咨询意图的识别方法，包括：

过滤用户咨询物品的标题和所述用户输入的前置查询词，得到第一标题和第一查询词；

计算所述第一标题和所述第一查询词的信息重合度；

若所述信息重合度大于第一预设阈值，将所述第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

2.根据权利要求1所述的方法，其中，所述方法还包括：

若所述信息重合度不大于第一预设阈值，拼接预先提取的所述咨询物品的第一属性信息和所述第一查询词，得到第一拼接信息，将所述第一拼接信息作为最全查询词进行检索。

3.根据权利要求1所述的方法，其中，所述将所述第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索，包括：

若所述第一查询词长度不小于第二预设阈值，则将所述第一查询词作为最全查询词进行检索；

若所述第一查询词长度小于第二预设阈值，则拼接所述第一标题与预先提取的所述咨询物品的第一属性信息，得到第二拼接信息，将所述第二拼接信息作为所述最全查询词进行检索。

4.根据权利要求1-3任一项所述的方法，其中，所述方法还包括：

基于所述最全查询词进行检索，得到召回的供应商信息；以及

响应于所述召回的供应商的数目小于第三预设阈值，基于预先构建的切词系统构建包含所述用户咨询意图的检索表达式并进行检索。

5.根据权利要求4所述的方法，其中，所述基于预先构建的切词系统构建包含所述用户咨询意图的检索表达式并进行检索，包括：

基于所述切词系统对所述最全查询词进行切词，得到切词结果；

拼接所述第一标题、所述咨询物品对应的第二属性信息和所述第一查询词，得到第三拼接信息；

统计所述切词结果在所述第三拼接信息中的词频，并计算所述切词结果的词频-逆文本频率指数值；

基于所述词频-逆文本频率指数值，选取预定数目的所述切词结果，得到切词结果集合；

基于所述切词结果集合中的切词结果与所述第二属性信息的最长公共匹配序列得到检索短语；

基于所述检索短语构建检索表达式，并基于所述检索表达式进行检索。

6.根据权利要求5所述的方法，其中，所述方法还包括：

计算基于所述最全查询词进行检索召回的满足所述用户咨询意图的物料数，记为第一物料数；

计算基于所述检索表达式进行检索召回的满足所述用户咨询意图的物料数，记为第二物料数；

将所述第一物料数和所述第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含所述用户基本咨询诉求的查询词；

若构建所述查询词，则基于所述查询词进行检索。

7.根据权利要求6所述的方法，其中，所述基于比较结果确定是否构建包含所述用户基本咨询诉求的查询词，包括：

若所述第一物料数和所述第二物料数的和不大于第四预设阈值，则基于所述切词结果的权重值构建包含所述用户基本咨询诉求的查询词；

若所述第一物料数和所述第二物料数的和大于第四预设阈值，则不构建包含所述用户基本咨询诉求的查询词。

8.根据权利要求7所述的方法，其中，所述基于所述切词结果的权重值构建包含所述用户基本咨询诉求的查询词，包括：

遍历所述切词结果的切词权重，得到大于预设权重阈值的切词结果集合；

将所述切词结果集合中的每个切词结果的切词权重与计算权重相加，得到权重值最大的切词结果，其中，所述计算权重为词频-逆文本频率指数值；

将所述权重值最大的切词结果作为包含所述用户基本咨询诉求的查询词。

9.一种咨询意图的识别装置，包括：

过滤模块，被配置成过滤用户咨询物品的标题和所述用户输入的前置查询词，得到第一标题和第一查询词；

第一计算模块，被配置成计算所述第一标题和所述第一查询词的信息重合度；

第一确定模块，被配置成若所述信息重合度大于第一预设阈值，将所述第一查询词的长度与第二预设阈值进行比较，基于比较结果确定最全查询词并进行检索。

10.根据权利要求9所述的装置，其中，所述装置还包括：

第二确定模块，被配置成若所述信息重合度不大于第一预设阈值，拼接预先提取的所述咨询物品的第一属性信息和所述第一查询词，得到第一拼接信息，将所述第一拼接信息作为最全查询词进行检索。

11.根据权利要求9所述的装置，其中，所述第一确定模块包括：

第一确定子模块，被配置成若所述第一查询词长度不小于第二预设阈值，则将所述第一查询词作为最全查询词进行检索；

第二确定子模块，被配置成若所述第一查询词长度小于第二预设阈值，则拼接所述第一标题与预先提取的所述咨询物品的第一属性信息，得到第二拼接信息，将所述第二拼接信息作为所述最全查询词进行检索。

12.根据权利要求9-11任一项所述的装置，其中，所述装置还包括：

第一检索模块，被配置成基于所述最全查询词进行检索，得到召回的供应商信息；

第一构建模块，被配置成响应于所述召回的供应商的数目小于第三预设阈值，基于预先构建的切词系统构建包含所述用户咨询意图的检索表达式并进行检索。

13.根据权利要求12所述的装置，其中，所述第一构建模块进一步配置成：

基于所述切词系统对所述最全查询词进行切词，得到切词结果；

拼接所述第一标题、所述咨询物品对应的第二属性信息和所述第一查询词，得到第三拼接信息；

统计所述切词结果在所述第三拼接信息中的词频，并计算所述切词结果的词频-逆文本频率指数值；

基于所述词频-逆文本频率指数值，选取预定数目的所述切词结果，得到切词结果集合；

基于所述切词结果集合中的切词结果与所述第二属性信息的最长公共匹配序列得到检索短语；

基于所述检索短语构建检索表达式，并基于所述检索表达式进行检索。

14.根据权利要求13所述的装置，其中，所述装置还包括：

第二计算模块，被配置成计算基于所述最全查询词进行检索召回的满足所述用户咨询意图的物料数，记为第一物料数；

第三计算模块，被配置成计算基于所述检索表达式进行检索召回的满足所述用户咨询意图的物料数，记为第二物料数；

第三确定模块，被配置成将所述第一物料数和所述第二物料数的和与第四预设阈值进行比较，基于比较结果确定是否构建包含所述用户基本咨询诉求的查询词；

第二检索模块，被配置成若构建所述查询词，则基于所述查询词进行检索。

15.根据权利要求14所述的装置，其中，所述第三确定模块包括：

第一构建子模块，被配置成若所述第一物料数和所述第二物料数的和不大于第四预设阈值，则基于所述切词结果的权重值构建包含所述用户基本咨询诉求的查询词；

第二构建子模块，被配置成若所述第一物料数和所述第二物料数的和大于第四预设阈值，则不构建包含所述用户基本咨询诉求的查询词。

16.根据权利要求15所述的装置，其中，所述第一构建子模块进一步配置成：

遍历所述切词结果的切词权重，得到大于预设权重阈值的切词结果集合；

将所述切词结果集合中的每个切词结果的切词权重与计算权重相加，得到权重值最大的切词结果，其中，所述计算权重为词频-逆文本频率指数值；

将所述权重值最大的切词结果作为包含所述用户基本咨询诉求的查询词。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

Images