CN115495561A - 问题意图识别方法、装置及电子设备 - Google Patents
问题意图识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115495561A CN115495561A CN202210983411.1A CN202210983411A CN115495561A CN 115495561 A CN115495561 A CN 115495561A CN 202210983411 A CN202210983411 A CN 202210983411A CN 115495561 A CN115495561 A CN 115495561A
- Authority
- CN
- China
- Prior art keywords
- product
- consultation
- target
- target product
- question
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Machine Translation (AREA)
Abstract
本申请提供了一种问题意图识别方法、装置及电子设备,方法应用于服务器;服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;方法包括:获取目标产品咨询问题;对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式;将目标问题模式与问题模式库中的多种问题模式进行匹配;将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图。本申请通过模式匹配方式实现问题的多意图精准识别。
Description
技术领域
本申请涉及意图识别技术领域,尤其是涉及一种问题意图识别方法、装置及电子设备。
背景技术
在任务型对话系统中,对用户咨询的问题提供精准回答的前提是要准确地识别出用户的咨询意图。在保险产品问答领域中,用户的问题多种多样,对用户的意图进行精准识别提出了很大的挑战。如对于问句“i客保、康瑞倍致的等待期及犹豫期是多久”,需要识别出两款产品的两个咨询意图。
意图识别作为一种典型的文本多分类问题,目前主流的方法是基于深度学习及预训练语言模型进行处理。对于多意图识别问题,需要利用多标签分类的模型,利用编码器对输入的问句进行编码,然后将编码输入到多标签分类模型中进行解码,最终识别出的多个意图。但是深度学习模型等需要大量的标注数据进行训练,且对标注的数据质量要求较高。然而在使用的过程中这类数据一般较难收集,直接使用深度学习模型效果往往不佳。
发明内容
本申请的目的在于提供一种问题意图识别方法、装置及电子设备,通过模式匹配方式实现问题的多意图精准识别。
第一方面,本申请实施例提供一种问题意图识别方法,方法应用于服务器;服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;方法包括:获取目标产品咨询问题;对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式;将目标问题模式与问题模式库中的多种问题模式进行匹配;将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图。
在本申请较佳的实施方式中,上述对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式的步骤,包括:对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称;对目标产品咨询问题进行实体属性提取,确定与产品名称相关联的产品属性;基于产品名称和产品属性,生成目标产品咨询问题对应的目标问题模式。
在本申请较佳的实施方式中,上述对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称的步骤,包括:利用正则表达式对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称。
在本申请较佳的实施方式中,上述方法还包括:如果产品名称为产品简称,将产品简称与对应标准产品名称进行关联。
在本申请较佳的实施方式中,上述对目标产品咨询问题进行实体属性提取,确定与产品名称相关联的产品属性的步骤,包括:采用预设分词库对目标产品咨询问题进行分词处理,并抽取与产品名称相关联的产品属性;预设分词库中预先添加有多种产品名称分别对应的属性词组;属性词组包括针对同一产品属性的多种表述词汇。
在本申请较佳的实施方式中,上述基于产品名称和产品属性,生成目标产品咨询问题对应的目标问题模式的步骤,包括:按照产品名称和产品属性在目标产品咨询问题中的位置顺序,对产品名称和产品属性进行排列,生成目标产品咨询问题对应的目标问题模式。
在本申请较佳的实施方式中,上述问题模式库的构建过程如下:获取多个咨询场景下的多个咨询问题;针对每个咨询场景下的每个咨询问题,对咨询问题进行实体识别和实体属性提取,生成咨询问题对应的问题模式;为咨询问题添加对应的意图标签;将问题模式与意图标签进行关联;将多个咨询场景下的多个咨询问题中,问题模式与意图标签的关联关系添加至预设数据库,得到问题模式库。
第二方面,本申请实施例还提供一种问题意图识别装置,装置应用于服务器;服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;装置包括:问题获取模块,用于获取目标产品咨询问题;模式确定模块,用于对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式;模式匹配模块,用于将目标问题模式与问题模式库中的多种问题模式进行匹配;意图确定模块,用于将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图。
第三方面,本申请实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述第一方面所述的方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述第一方面所述的方法。
本申请实施例提供的问题意图识别方法、装置及电子设备中,方法应用于服务器;该服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;在实际应用中,首先对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式;将目标问题模式与问题模式库中的多种问题模式进行匹配;将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图,通过模式匹配方式实现问题的多意图识别,提高意图识别准确率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,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问题意图识别方法的流程图;
图2为本申请实施例提供的一种目标问题模式确定方法的流程图;
图3为本申请实施例提供的一种问题模式库构建方法的流程图;
图4为本申请实施例提供的一种问题意图识别装置的结构框图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本申请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。
当前的多意图识别一般采用TextCNN等深度学习模型进行处理。深度学习模型往往需要大量的、质量高、标注好的训练样本。然而在使用的过程中这类数据一般较难收集,直接使用深度学习模型效果往往不佳。
基于此,本申请实施例提供一种问题意图识别方法、装置及电子设备,通过模式匹配方式实现问题的多意图精准识别。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种问题意图识别方法进行详细介绍。
图1为本申请实施例提供的一种问题意图识别方法的流程图,该方法应用于服务器;该服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性。以保险行业应用场景为例,通过挖掘保险产品咨询场景的问答数据,可以构造出丰富且通用的问题模式,比如,该方法具体包括以下步骤:
步骤S102,获取目标产品咨询问题。该目标产品咨询问题可以是多种不同应用场景中的咨询问题,比如,保险行业中的保险产品咨询问题,或者银行业中的理财产品咨询问题,或者医疗行业中药品的咨询问题等。
步骤S104,对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式。
上述实体识别是为了从目标产品咨询问题中识别出产品名称,实体属性提取是为了从目标产品咨询问题中提取出产品名称对应的属性,产品名称和属性间的顺序排列即为目标问题模式。
步骤S106,将目标问题模式与问题模式库中的多种问题模式进行匹配;问题模式库中的问题模式包括顺序排列的至少一个产品名称与至少一个产品属性,即不同的问题模式对应不同的产品名称和产品属性间的排列组合。
由于每个问题模式对应有明确的意图,因此,通过将目标问题模式与问题模式库中的多种问题模式进行匹配,就可以确定出目标问题模式对应的意图,即如下步骤:
步骤S108,将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图。
本申请实施例提供的问题意图识别方法中,首先通过实体识别及属性提取方法,得到目标问句中涉及的实体及属性类型确定的目标问题模式;然后将该目标问题模式与预先设计好的多种根据意图确定的问题模式进行匹配,从而得到多意图识别结果。本申请实施例中通过挖掘保险产品咨询场景的问答数据,构造了丰富且通用的问答模式,实现问题与答案之间的精准匹配。基于模式匹配的多意图识别方法,可以大大提高产品问答准确性。另外,利用构造的模板还可以生成问答场景数据,反哺基于深度学习模型的多意图识别方法。
基于上述方法实施例,本申请实施例还提供一种问题意图识别方法,该方法在上一实施例的基础上实现,本实施例重点描述目标问题模式的确定过程,以下问题模式库的构建过程。
参见图2所示,上述对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式的步骤,包括以下步骤:
步骤S202,对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称;具体实施时,可以利用正则表达式对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称。如果产品名称为产品简称,将产品简称与对应标准产品名称进行关联。
步骤S204,对目标产品咨询问题进行实体属性提取,确定与产品名称相关联的产品属性。
具体实施时,采用预设分词库对目标产品咨询问题进行分词处理,并抽取与产品名称相关联的产品属性;预设分词库中预先添加有多种产品名称分别对应的属性词组;属性词组包括针对同一产品属性的多种表述词汇。
上述预设分词库可以为结巴词库,首先可以根据保险产品关联的属性,构造与属性相关的词组,加入至结巴分词预先定义的字典中,然后利用结巴分词对问句进行分词,然后将分词后的词组映射到相应的属性上。如针对保险产品的等待期这一属性,如果问句中提到“等待期”、“多长时间生效”、“多久生效”等字眼,此时这些字眼均指示保险产品的等待期这一属性。
步骤S206,基于产品名称和产品属性,生成目标产品咨询问题对应的目标问题模式。
按照产品名称和产品属性在目标产品咨询问题中的位置顺序,对产品名称和产品属性进行排列,生成目标产品咨询问题对应的目标问题模式。
以保险行业中保险产品的咨询为例进行说明,参见图3所示,上述问题模式库的构建过程如下:
步骤S302,获取多个咨询场景下的多个咨询问题。
也就是保险产品问答典型数据集整理,具体可以从对话系统日志中收集用户咨询的产品问题,分析咨询场景及相应的意图。然后还可以基于上述数据集进行训练集与测试集划分。利用咨询场景及问答的意图,对数据进行训练集及测试集的划分。这里训练集应该要包含所有的场景及问答意图。比如“请问XX保险的投保年龄和等待期是什么?”这个问题针对的场景为保险属性咨询,而意图为查询投保年龄、查询等待期。
步骤S304,针对每个咨询场景下的每个咨询问题,对咨询问题进行实体识别和实体属性提取,生成咨询问题对应的问题模式;为咨询问题添加对应的意图标签;将问题模式与意图标签进行关联;
具体应用中,可以利用正则表达式识别出问句中的实体,即保险产品名称,这里需要考虑实体是否涉及简称的问题,对于识别出的简称,可以利用实体对齐将实体简称及实体标准名称进行关联。实体属性提取过程与前述内容相同,如利用结巴分词进行处理,在此不再赘述。
问题模式的设计,是基于任务场景,从训练集中问句识别并提取出的产品名称及实体属性而设计的问题模式。比如保险产品1及保险产品2的等待期及犹豫期是多久?此时保险产品1和保险产品2为两款保险产品实体,利用<prod>进行标记,等待期及犹豫期为保险产品的两个属性,利用<attr>进行标记。此时模式设计可以为<prod><prod><attr><attr>,其中<prod>代表识别的实体,为product的缩写,<attr>代表识别的实体属性,为attribute的缩写。
虽然意图跟属性是一一对应的,但是这里的属性需要考虑主体,到底意图查询的是哪个产品的属性。例如“保险产品1的等待期,犹豫期是多久”,“保险产品1的等待期,保险产品2的犹豫期分别是多久”,这两个问题的意图虽然都是查询等待期、犹豫期这两个产品属性,但是第一个问的是同一种产品的属性,第二个问得是不同产品的属性。它们的模式分别为<prod><attr><attr>以及<prod><attr><prod><attr>。
步骤S306,将多个咨询场景下的多个咨询问题中,问题模式与意图标签的关联关系添加至预设数据库,得到问题模式库。
本申请实施例提供的问题意图识别方法,通过挖掘保险产品咨询场景的问答数据,构造了丰富且通用的问题模式,通过上述问题模式库,可以对目标产品咨询问题进行模式匹配,从而识别其多个意图,实现问题与意图之间的精准匹配。基于模式匹配的多意图识别方法,可以大大提高产品问答准确性。此时,利用构造的模板还可以生成问答场景数据,反哺基于深度学习模型的多意图识别方法。
基于上述方法实施例,本申请实施例还提供一种问题意图识别装置,该装置应用于服务器;服务器中预先存储有问题模式库;问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;参见图4所示,装置包括:
问题获取模块42,用于获取目标产品咨询问题;模式确定模块44,用于对目标产品咨询问题进行实体识别和实体属性提取,确定目标产品咨询问题对应的目标问题模式;模式匹配模块46,用于将目标问题模式与问题模式库中的多种问题模式进行匹配;意图确定模块48,用于将匹配到的问题模式对应的意图确定为目标产品咨询问题的目标意图。
在本申请较佳的实施方式中,上述模式确定模块44,用于对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称;对目标产品咨询问题进行实体属性提取,确定与产品名称相关联的产品属性;基于产品名称和产品属性,生成目标产品咨询问题对应的目标问题模式。
在本申请较佳的实施方式中,上述模式确定模块44,用于利用正则表达式对目标产品咨询问题进行实体识别,确定目标产品咨询问题中的产品名称。
在本申请较佳的实施方式中,上述模式确定模块44,用于如果产品名称为产品简称,将产品简称与对应标准产品名称进行关联。
在本申请较佳的实施方式中,上述模式确定模块44,用于采用预设分词库对目标产品咨询问题进行分词处理,并抽取与产品名称相关联的产品属性;预设分词库中预先添加有多种产品名称分别对应的属性词组;属性词组包括针对同一产品属性的多种表述词汇。
在本申请较佳的实施方式中,上述模式确定模块44,用于按照产品名称和产品属性在目标产品咨询问题中的位置顺序,对产品名称和产品属性进行排列,生成目标产品咨询问题对应的目标问题模式。
在本申请较佳的实施方式中,上述装置还包括:问题模式库构建模块,用于执行问题模式库的构建过程:获取多个咨询场景下的多个咨询问题;针对每个咨询场景下的每个咨询问题,对咨询问题进行实体识别和实体属性提取,生成咨询问题对应的问题模式;为咨询问题添加对应的意图标签;将问题模式与意图标签进行关联;将多个咨询场景下的多个咨询问题中,问题模式与意图标签的关联关系添加至预设数据库,得到问题模式库。
本申请实施例提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置的实施例部分未提及之处,可参考前述方法实施例中相应内容。
本申请实施例还提供了一种电子设备,如图5所示,为该电子设备的结构示意图,其中,该电子设备包括处理器51和存储器50,该存储器50存储有能够被该处理器51执行的计算机可执行指令,该处理器51执行该计算机可执行指令以实现上述方法。
在图5示出的实施方式中,该电子设备还包括总线52和通信接口53,其中,处理器51、通信接口53和存储器50通过总线52连接。
其中,存储器50可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线52可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线52可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器51可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器51中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器51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 SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated 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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器51读取存储器中的信息,结合其硬件完成前述实施例的方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,该计算机可执行指令促使处理器实现上述方法,具体实现可参见前述方法实施例,在此不再赘述。
本申请实施例所提供的方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种问题意图识别方法,其特征在于,所述方法应用于服务器;所述服务器中预先存储有问题模式库;所述问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;所述问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;所述方法包括:
获取目标产品咨询问题;
对所述目标产品咨询问题进行实体识别和实体属性提取,确定所述目标产品咨询问题对应的目标问题模式;
将所述目标问题模式与所述问题模式库中的多种问题模式进行匹配;
将匹配到的问题模式对应的意图确定为所述目标产品咨询问题的目标意图。
2.根据权利要求1所述的方法,其特征在于,对所述目标产品咨询问题进行实体识别和实体属性提取,确定所述目标产品咨询问题对应的目标问题模式的步骤,包括:
对所述目标产品咨询问题进行实体识别,确定所述目标产品咨询问题中的产品名称;
对所述目标产品咨询问题进行实体属性提取,确定与所述产品名称相关联的产品属性;
基于所述产品名称和所述产品属性,生成所述目标产品咨询问题对应的目标问题模式。
3.根据权利要求2所述的方法,其特征在于,对所述目标产品咨询问题进行实体识别,确定所述目标产品咨询问题中的产品名称的步骤,包括:
利用正则表达式对所述目标产品咨询问题进行实体识别,确定所述目标产品咨询问题中的产品名称。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述产品名称为产品简称,将所述产品简称与对应标准产品名称进行关联。
5.根据权利要求2所述的方法,其特征在于,对所述目标产品咨询问题进行实体属性提取,确定与所述产品名称相关联的产品属性的步骤,包括:
采用预设分词库对所述目标产品咨询问题进行分词处理,并抽取与所述产品名称相关联的产品属性;所述预设分词库中预先添加有多种产品名称分别对应的属性词组;所述属性词组包括针对同一产品属性的多种表述词汇。
6.根据权利要求2所述的方法,其特征在于,基于所述产品名称和所述产品属性,生成所述目标产品咨询问题对应的目标问题模式的步骤,包括:
按照所述产品名称和所述产品属性在所述目标产品咨询问题中的位置顺序,对所述产品名称和所述产品属性进行排列,生成所述目标产品咨询问题对应的目标问题模式。
7.根据权利要求1所述的方法,其特征在于,所述问题模式库的构建过程如下:
获取多个咨询场景下的多个咨询问题;
针对每个咨询场景下的每个咨询问题,对所述咨询问题进行实体识别和实体属性提取,生成所述咨询问题对应的问题模式;为所述咨询问题添加对应的意图标签;将所述问题模式与所述意图标签进行关联;
将多个咨询场景下的多个咨询问题中,问题模式与意图标签的关联关系添加至预设数据库,得到问题模式库。
8.一种问题意图识别装置,其特征在于,所述装置应用于服务器;所述服务器中预先存储有问题模式库;所述问题模式库中包括多种咨询场景下的多种问题模式与意图间的对应关系;所述问题模式包括顺序排列的至少一个产品名称与至少一个产品属性;所述装置包括:
问题获取模块,用于获取目标产品咨询问题;
模式确定模块,用于对所述目标产品咨询问题进行实体识别和实体属性提取,确定所述目标产品咨询问题对应的目标问题模式;
模式匹配模块,用于将所述目标问题模式与所述问题模式库中的多种问题模式进行匹配;
意图确定模块,用于将匹配到的问题模式对应的意图确定为所述目标产品咨询问题的目标意图。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983411.1A CN115495561A (zh) | 2022-08-16 | 2022-08-16 | 问题意图识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983411.1A CN115495561A (zh) | 2022-08-16 | 2022-08-16 | 问题意图识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115495561A true CN115495561A (zh) | 2022-12-20 |
Family
ID=84466711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210983411.1A Pending CN115495561A (zh) | 2022-08-16 | 2022-08-16 | 问题意图识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115495561A (zh) |
-
2022
- 2022-08-16 CN CN202210983411.1A patent/CN115495561A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457431B (zh) | 基于知识图谱的问答方法、装置、计算机设备和存储介质 | |
CN112417102B (zh) | 一种语音查询方法、装置、服务器和可读存储介质 | |
CN111324743A (zh) | 文本关系抽取的方法、装置、计算机设备及存储介质 | |
WO2020233131A1 (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN113707300B (zh) | 基于人工智能的搜索意图识别方法、装置、设备及介质 | |
WO2021121158A1 (zh) | 公文文件处理方法、装置、计算机设备及存储介质 | |
CN104915420B (zh) | 知识库数据处理方法及系统 | |
CN114757176A (zh) | 一种获取目标意图识别模型的方法以及意图识别方法 | |
CN112925898B (zh) | 基于人工智能的问答方法、装置、服务器及存储介质 | |
US20220358297A1 (en) | Method for human-machine dialogue, computing device and computer-readable storage medium | |
CN111916216A (zh) | 一种基于深度学习的医药知识图谱构建方法及系统 | |
CN111506595B (zh) | 一种数据查询方法、系统及相关设备 | |
CN111708867A (zh) | 应用于电力运检的问答查询方法及装置、设备 | |
CN111783425B (zh) | 基于句法分析模型的意图识别方法及相关装置 | |
CN113486182A (zh) | 一种意图识别的方法、系统、电子设备及可读存储介质 | |
CN113535925A (zh) | 语音播报方法、装置、设备及存储介质 | |
CN113157887A (zh) | 知识问答意图识别方法、装置、及计算机设备 | |
CN109684357B (zh) | 信息处理方法及装置、存储介质、终端 | |
CN111611781A (zh) | 数据标注方法、问答方法、装置及电子设备 | |
CN110929519B (zh) | 实体属性抽取方法及装置 | |
CN109993190B (zh) | 一种本体匹配方法、装置和计算机存储介质 | |
CN115495561A (zh) | 问题意图识别方法、装置及电子设备 | |
CN115881108A (zh) | 语音识别方法、装置、设备及存储介质 | |
CN115062126A (zh) | 一种语句分析方法、装置、电子设备及可读存储介质 | |
WO2021135103A1 (zh) | 一种语义分析方法、装置、计算机设备及存储介质 |
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 |