CN115796185A - 语义意图的确定方法及装置、存储介质及电子装置 - Google Patents
语义意图的确定方法及装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115796185A CN115796185A CN202211349225.9A CN202211349225A CN115796185A CN 115796185 A CN115796185 A CN 115796185A CN 202211349225 A CN202211349225 A CN 202211349225A CN 115796185 A CN115796185 A CN 115796185A
- Authority
- CN
- China
- Prior art keywords
- entity
- intention
- relational
- relationship
- entities
- 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
Landscapes
- Machine Translation (AREA)
Abstract
本申请公开了一种语义意图的确定方法及装置、存储介质及电子装置,涉及智慧家庭技术领域,该语义意图的确定方法包括:通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;根据所述关系列表确定所述输入文本的语义意图。
Description
技术领域
本申请涉及智慧家庭技术领域,具体而言,涉及一种语义意图的确定方法及装置、存储介质及电子装置。
背景技术
相关技术中,智能问答系统的用户输入中用户提及的实体本身具有正向和负向关系,且实体之间也存在与或关系,这些关系的准确识别是精准理解用户意图的关键。而在基于知识图谱的问答中,知识图谱中存在不同的正负向关系连接的节点,查询时会返回正向或者负向关系连接的节点,导致在理解错误时查询得到的答案将会南辕北辙,而这在用户进行健康、医疗相关领域的问答时如果出现错误会带来较为严重的后果。例如,用户询问“头疼能吃什么”,在错误理解用户意图的情况下,问答系统反馈给了用户头疼不能吃的食物列表,导致用户选择吃了不能吃的食物,导致用户头疼症状加重,甚至引发更加严重的后果。
一般来说,对话分析需要知道用户的意图、用户关注的实体、实体关系(与或非关系),每一项任务均可以通过单独的自然语言处理模型,但是模型的训练和测试需要大量的数据集来支撑,耗费大量的资源。而目前通过现有的联合模型仅能够识别得到用户意图和实体结果,与或非关系则是通过规则匹配关系词的方法进行一些简单的处理。其中,联合模型能够将用户意图以及实体识别出来,模型将会通过意图分支网络得到用户的粗粒度意图,而槽填充分支网络则获取实体信息,然后利用字典匹配的方式,先将“与或非”的关系词识别出来,然后通过规则将关系赋予实体词。
在得到意图和实体词之后,基于规则匹配的关键词提取是较为常见的方法,但这类方法是依赖于字典的,并且当实体未被正确识别且其中可能存在关系词中的字符时,会导致错误结果,另外该方法覆盖的范围也仅局限于字典中含有的关系词中,不具有泛化性。而基于模型的关系抽取方法,需要额外的人力进行数据集构造,并且需要独立于意图和槽填充模型之外,而单独构造关系抽取模型在资源利用和时间成本上代价太大
针对相关技术中,现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低等问题,尚未提出有效的解决方案。
因此,有必要对相关技术予以改良以克服相关技术中的所述缺陷。
发明内容
本发明实施例提供了一种语义意图的确定方法及装置、存储介质及电子装置,以至少解决相关技术中现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低的问题。
根据本发明实施例的一方面,提供一种语义意图的确定方法,包括:通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;根据所述关系列表确定所述输入文本的语义意图。
在一个示例性的实施例中,通过第一联合模型对第一对象的输入文本进行实体识别和意图识别之前,所述方法还包括:输入训练文本到第二联合模型中进行实体识别和意图识别,以得到所述训练文本对应的实体识别结果和意图识别结果,其中,所述训练文本对应的实体识别结果包括非关系实体;接收第二对象的调整操作,并根据所述调整操作对所述训练文本对应的实体识别结果和意图识别结果进行调整;根据所述调整后的实体识别结果和意图识别结果对所述第二联合模型的参数进行调节,以得到所述第一联合模型。
在一个示例性的实施例中,对第一对象的输入文本进行实体识别和意图识别,包括:控制所述第一联合模型对从所述输入文本中识别出的实体进行标记,以确定所述实体识别结果中的所述关系实体和所述非关系实体;至少根据所述关系实体对所述输入文本中识别出的意图进行分类,得到所述意图识别结果。
在一个示例性的实施例中,根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表,包括:对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,以及对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果;将所述第一输出结果和所述第二输出结果确定为所述非关系实体的关系列表。
在一个示例性的实施例中,对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,包括:获取所述关系实体中的第一类关系实体以及所述第一类关系实体在所述实体识别结果中的第一位置,以及获取所述关系实体中的第二类关系实体以及所述第二类关系实体在所述实体识别结果中的第二位置,其中,所述第一类关系实体用于指示所述多个非关系实体之间的与关系,所述第二类关系实体用于指示所述多个非关系实体之间的或关系;根据所述第一位置将所述实体识别结果中与所述第一类关系实体前后相邻的两个非关系实体之间的关系确定为第一类关系,以及根据所述第二位置将所述实体识别结果中与所述第二类关系实体前后相邻的两个非关系实体之间的关系确定为第二类关系,并确定所述实体识别结果中相互相邻的两个非关系实体之间的关系为所述第一类关系;将所述多个非关系实体以及所述多个非关系实体之间存在的所述第一类关系和所述第二类关系确定为第一输出结果。
在一个示例性的实施例中,对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果,包括:在所述意图类别为第一类意图的情况下,确定所述多个非关系实体均为第一类非关系实体,并将所述第一类非关系实体以及所述第一类非关系实体的意图类别确定为所述第二输出结果,其中,所述第一类非关系实体的意图类别为正向意图;在所述意图类别为第二类意图的情况下,确定所述多个非关系实体均为第二类非关系实体,并将所述第二类非关系实体以及所述第二类非关系实体的意图类别确定为所述第二输出结果,其中,所述第二类非关系实体的意图类别为负向意图;在所述意图类别为第三类意图的情况下,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,并将所述多个非关系实体以及所述多个非关系实体的意图类别确定为所述第二输出结果。
在一个示例性的实施例中,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,包括:确定所述实体识别结果中第三类关系实体以及所述第三类关系实体在所述实体识别结果中的第三位置,以及所述实体识别结果中第四类关系实体以及所述第四类关系实体在所述实体识别结果中的第四位置;根据所述第三位置确定所述实体识别结果中位于所述第三位置之后,且与所述第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,以及根据所述第四位置确定所述实体识别结果中位于所述第四位置之后,且与所述第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,并确定所述实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图。
根据本发明实施例的另一方面,还提供了一种语义意图的确定装置,包括:识别模块,用于通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;提取模块,用于根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;确定模块,用于根据所述关系列表确定所述输入文本的语义意图。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述语义意图的确定方法。
根据本发明实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述语义意图的确定方法。
通过本发明,通过第一联合模型对由第一对象的对话语音所转换成的输入文本进行实体识别和意图识别,以得到所述输入文本对应的意图识别结果和包括了关系实体和非关系实体的实体识别结果,其中,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;根据所述关系列表确定所述输入文本的语义意图;采用上述技术方案,解决了相关技术中现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低的问题;实现了精准分析用户意图的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种可选的语义意图的确定方法的硬件环境示意图;
图2是根据本申请实施例的一种可选的语义意图的确定方法的流程图;
图3是根据本申请实施例的一种可选的语义意图的确定方法的流程示意图;
图4是根据本发明实施例的一种可选的语义意图的确定装置的组成示意图;
图5是根据本发明实施例的一种可选的语义意图的确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种语义意图的确定方法。该语义意图的确定方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(IntelligenceHouse)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述语义意图的确定方法可以应用于如图1所示的由多个终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与多个终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
在本实施例中提供了一种语义意图的确定方法,包括但不限于应用于计算机终端,图2是根据本发明实施例的语义意图的确定方法的流程图,该流程包括如下步骤:
步骤S202:通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
步骤S204:根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
步骤S206:根据所述关系列表确定所述输入文本的语义意图。
通过上述步骤,通过第一联合模型对由第一对象的对话语音所转换成的输入文本进行实体识别和意图识别,以得到所述输入文本对应的意图识别结果和包括了关系实体和非关系实体的实体识别结果,其中,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;根据所述关系列表确定所述输入文本的语义意图;采用上述技术方案,解决了相关技术中现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低的问题;实现了精准分析用户意图的技术效果。
可选的,执行上述步骤S202:通过第一联合模型对第一对象的输入文本进行实体识别和意图识别之前,所述方法还包括:输入训练文本到第二联合模型中进行实体识别和意图识别,以得到所述训练文本对应的实体识别结果和意图识别结果,其中,所述训练文本对应的实体识别结果包括非关系实体;接收第二对象的调整操作,并根据所述调整操作对所述训练文本对应的实体识别结果和意图识别结果进行调整;根据所述调整后的实体识别结果和意图识别结果对所述第二联合模型的参数进行调节,以得到所述第一联合模型。
现有技术中的第二联合模型并不能对关系实体进行标注和提取,因此,需要先将训练文本输入到第二联合模型中进行训练,并接收研发人员(相当于上述第二对象)的调整操作,以对第二联合模型的实体识别结果和意图识别结果进行调整,在经过大量的训练后,第二联合模型会根据调整后的实体识别结果和意图识别结果进行学习,并进行参数调节,以得到能够标注关系实体的第一联合模型;通过上述方案,通过输入大量的训练文本以及对模型的输出结果进行调整,完成对现有的第二联合模型的调整,得到能够直接提取出关系实体的第一联合模型,提高工作效率。
可选的,执行上述步骤S202:通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,可以通过以下方案来实现,具体包括:控制所述第一联合模型对从所述输入文本中识别出的实体进行标记,以确定所述实体识别结果中的所述关系实体和所述非关系实体;至少根据所述关系实体对所述输入文本中识别出的意图进行分类,得到所述意图识别结果。
在对输入文本进行实体识别时,需要先对从输入文本中识别出的实体进行标记,以标记出实体识别结果中的关系实体和非关系实体,在得到非关系实体后,可以根据关系实体对从输入文本中识别出的意图进行分类,得到意图识别结果,其中,关系实体可以为与、或、正、负等,可以将意图分类为正向意图、负向意图、与意图、或意图;通过对输入文本的识别结果进行标记,确定出输入文本中的关系实体,以更好地识别出用户输入文本对应的真实意图,提升用户体验。
可选的,对意图进行分类还可以根据其他分类标准,可以为技术领域,例如医药、健康等;也可以是食品类别,如饮品、甜点等,本申请对此不作限制。
基于上述步骤,上述步骤S204:根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表,可以通过以下方案来实现,包括:对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,以及对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果;将所述第一输出结果、所述第二输出结果、所述意图识别结果的意图类别和所述实体识别结果中包括的非关系实体确定为所述非关系实体的关系列表。
根据预设提取规则对实体识别结果和意图识别结果进行非关系实体的关系提取,以得到非关系实体的关系列表,预设提取规则包括:对实体识别结果进行多个非关系实体之间的关系提取,以得到第一输出结果;对意图识别结果进行对多个分关系实体的意图类别提取,以得到第二输出结果,将得到的第一输出结果、第二输出结果、该意图识别结果的意图类别和该实体识别结果中包括的非关系实体确定为该非关系实体的关系列表;通过上述方案,通过第一联合模型对用户的输入文本经过一系列的处理,直接得到非关系实体的关系列表,从而可以直观的获知用户的意图。
可选的,执行上述提取步骤:对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,可以通过以下方案来实现,包括:获取所述关系实体中的第一类关系实体以及所述第一类关系实体在所述实体识别结果中的第一位置,以及获取所述关系实体中的第二类关系实体以及所述第二类关系实体在所述实体识别结果中的第二位置,其中,所述第一类关系实体用于指示所述多个非关系实体之间的与关系,所述第二类关系实体用于指示所述多个非关系实体之间的或关系;根据所述第一位置将所述实体识别结果中与所述第一类关系实体前后相邻的两个非关系实体之间的关系确定为第一类关系,以及根据所述第二位置将所述实体识别结果中与所述第二类关系实体前后相邻的两个非关系实体之间的关系确定为第二类关系,并确定所述实体识别结果中相互相邻的两个非关系实体之间的关系为所述第一类关系;将所述多个非关系实体以及所述多个非关系实体之间存在的所述第一类关系和所述第二类关系确定为第一输出结果。
对实体识别结果进行对多个非关系实体之间的关系提取以得到第一输出结果的过程包括:获取关系实体中的用于指示多个非关系实体之间的与关系的第一类关系实体和该第一类关系实体在得到的实体识别结果中的第一位置,以及获取关系实体中的用于指示多个非关系实体之间的或关系的第二类关系实体和该第二类关系实体在得到的实体识别结果中的第二位置,其中,第一类关系实体可以为“和”、“与”、“以及”、“配合”等关系词,第二类关系实体可以为“或”、“还”等关系词;根据第一类关系实体的第一位置在实体识别结果中确定与该第一类关系实体前后相邻的两个非关系实体之间的关系为第一类关系,即与关系;例如从输入文本“我不能吃苹果和梨”中识别出的实体识别结果中包含“苹果”,“和”,“梨”三个连续的实体,确定“和”的第一位置,然后确定出“苹果”与“梨”之间的关系为与关系;并根据第二类关系实体的第二位置在实体识别结果中确定与该第二类关系实体前后相邻的两个非关系实体之间的关系为第二类关系,即或关系,例如从输入文本“我想要鱼或熊掌”中识别出的实体识别结果包含“鱼”,“或”“熊掌”三个连续的实体,确定“或”的第二位置,从而确定出“鱼”和“熊掌”之间的关系为或关系;最后,将获得的所有的非关系实体以及存在的第一类关系和第二类关系确定为第一输出结果。第一输出结果的格式可以为{“实体类型1”:与或关系列表1,“实体类型2”:与或关系列表2,......}。
需要说明的是,对于用户(相当于上述第一对象)的输入文本而言,输入文本中的文字顺序就是用户所要表达的意图顺序,因此,在对输入文本进行实体识别和意图识别得到实体识别结果和意图识别结果后,实体识别结果和意图识别结果的顺序不能变动,依旧与输入文本对应保持一致,因此可以通过各个实体在该实体识别结果中的位置来标识实体,例如上述第一位置和第二位置,还可以通过其他方式来标识实体,例如通过编号的方式,本申请对此不作限制。
另一方面,上述意图类别提取步骤:对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果,可以通过以下方案来实现:在所述意图类别为第一类意图的情况下,确定所述多个非关系实体均为第一类非关系实体,并将所述第一类非关系实体以及所述第一类非关系实体的意图类别确定为所述第二输出结果,其中,所述第一类非关系实体的意图类别为正向意图;在所述意图类别为第二类意图的情况下,确定所述多个非关系实体均为第二类非关系实体,并将所述第二类非关系实体以及所述第二类非关系实体的意图类别确定为所述第二输出结果,其中,所述第二类非关系实体的意图类别为负向意图;在所述意图类别为第三类意图的情况下,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,并将所述多个非关系实体以及所述多个非关系实体的意图类别确定为所述第二输出结果。
第一联合模型的输出结果中的意图识别结果是已经分类过的意图,在确定意图类别为第一类意图的情况下,确定该输入文本中的多个非关系实体都为第一类非关系实体,并将第一类非关系实体以及该第一类非关系实体的意图类别确定为第二输出结果,第一类非关系实体的意图类别为正向意图;在确定意图类别为第二类意图的情况下,确定该输入文本中的多个非关系实体都为第二类非关系实体,并将第二类非关系实体以及该第二类非关系实体的意图类别确定为第二输出结果,且第二类非关系实体的意图类别为负向意图;在确定意图类别为第三类意图的情况下,根据实体识别结果中的关系实体确定该多个非关系实体的意图类别,并将该多个非关系实体以及该多个非关系实体的意图类别确定为第二输出结果。其中,第二输出结果的格式可以是:{“实体类型1”:正负关系列表1,“实体类型2”:正负关系列表2,......}。
需要说明的是,实体列表和正负向关系列表的各个位置一一对应,而与或关系列表会缺少一维,因为与或关系列表是表示两个实体之间的关系,当仅有一个实体时,与或关系列表为空。
需要说明的是,上述第四输出结果的格式可以为:{“实体类型1”:实体列表1,“实体类型2”:实体列表2,......}。
可选的,上述确定步骤:根据所述实体识别结果中的关系实体确定所述非关系实体的意图类别,包括:确定所述实体识别结果中第三类关系实体以及所述第三类关系实体在所述实体识别结果中的第三位置,以及所述实体识别结果中第四类关系实体以及所述第四类关系实体在所述实体识别结果中的第四位置;根据所述第三位置确定所述实体识别结果中位于所述第三位置之后,且与所述第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,以及根据所述第四位置确定所述实体识别结果中位于所述第四位置之后,且与所述第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,并确定所述实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图。
根据实体识别结果中的关系实体确定该多个非关系实体的意图类别,包括以下过程:先确定实体识别结果中包括的第三类关系实体和该第三类关系实体在实体识别结果中的第三位置,以及实体识别结果中包括的第四类关系实体和该第四类关系实体在实体识别结果中的第四位置;然后根据第三位置确定在实体识别结果中确定位于该第三位置之后的,且与该第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,根据第四位置确定在实体识别结果中确定位于该第四位置之后,且与该第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,最后确定实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图;通过上述步骤,精确地对输入文本中的非关系实体所要表达的含义进行识别,避免由于遗漏了与该非关系实体存在联系的关系实体,而导致含义南辕北辙。
显然,上述所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。为了更好的理解上述语义意图的确定方法,以下结合实施例对上述过程进行说明,但不用于限定本发明实施例的技术方案,具体地:
图3是根据本申请实施例的一种可选的语义意图的确定方法的流程示意图,如图3所示,具有以下步骤:
步骤1:用户输入对话语音,计算机终端将接收到的对话语音转换成文本,并输入到联合意图识别和槽填充模型;
步骤2:联合意图识别和槽填充模型的处理模块对输入文本进行处理;
需要说明的是,上述意图识别的处理过程可以采用BERT(Bidirectional EncoderRepresentation from Transformers,预训练语言模型)等模型,其中,意图识别一般包含前馈神经网络层和分类网络层,分类网络层一般选择Softmax;上述槽填充模型一般包含前馈神经网络层和分类网络层,而分类网络层一般选择CRF(条件随机场)。
其中,采用上述技术的优点在于:
BERT:使用了Transformer作为特征提取器,而Transformer又使用了Attention机制作为特征提取器,在CBOW(Continuous Bag Of Words,连续词袋模型)的思想上添加了语言掩码模型(MLM),减少了训练阶段和推理阶段(测试阶段)的不匹配,避免了过拟合;BERT可以完成以下任务:文本分类;序列标注任务,比如分词、实体识别和词性标注;句子关系判断,比如自然语言推理。
Softmax:一般用于处理分类任务中初始输出结果,将可以为任何值的vector映射为vector内每个值属于(0,1),所有值之和等于1,可以理解为概率,比如经过softmax后的vector为[0.88,0.12,0],那么这个图片为第一类的P=0.88。
步骤2a:处理模块同时对输入文本进行意图识别和槽填充结果识别;
步骤2b:对槽填充结果识别得到的初步实体结果按照预设标记规则进行实体标注,以确定关系实体和非关系实体,对意图识别得到的初步意图结果按照预设分类规则进行分类;
需要说明的是,采用统一的标注格式,譬如BIO格式,也可以是其他的标注格式,本申请对此不作限制。
步骤2c:若初步意图结果的分类结果为正向意图或负向意图,则直接确定所有实体结果均为正向意图或负向意图;若初步意图结果的分类结果为其他意图,则根据槽填充结果识别得到的关系实体确定非关系实体的意图类别;
需要说明的是,上述正向意图可以用Suitable来表示,上述负向意图可以用Taboo来表示,此外,与意图可以用AndEnitity来表示,或意图可以用OrEntity来表示,上述描述仅用作示例,本申请对此不作限制。
步骤2d:确定实体结果中包括的关系实体,将与指示正向意图的关系实体相邻的,位于该关系实体下一个位置的非关系实体的意图确定为正向意图,将与知识负向意图的关系实体相邻的,位于该关系实体下一个位置的非关系实体的意图确定为负向意图。
需要说明的是,上述指示正向意图的关系实体可以为“好”、“有利”、“有益”、“不影响”、“适合”等关系实体词,上述指示负向意图的关系实体可以为“不”、“无”、“少”、“没有”、“坏”、“有害”等关系实体词,还可以包括其他关系实体词,例如,用于表示与关系的“和”、“与”、“以及”、“配合”等,用于标识或关系的“或”、“还”等,本申请对此不作限制。
步骤3:处理模块输出处理结果,包括意图结果和槽填充结果;
需要说明的是,上述槽填充结果为通过固定格式标注后的关系实体词和非关系实体词,非关系实体词譬如B-and、B-not等,关系实体词譬如B-Recipe、B-Time等。
步骤4:联合意图识别和槽填充模型对得到的意图结果和槽填充结果进行与或非关系提取,得到非关系实体的关系列表。
需要说明的是,上述关系列表包括四个输出结果,分别为意图类别、非关系实体结果、实体间的与或关系列表、实体的正负意图类别。
通过上述步骤,采用改进联合模型输入输出的方法,在已有模型的基础上,将关系词加入到实体列表,并基于关系词对用户意图做了进一步地精细化处理,然后在改进的输入输出的基础上,采用更加简单的关系词规则处理,达到最终用户精准意图分析的目标。且该框架最大程度地降低了资源成本,避免因增加模型带来的人力和模型训练测试资源的成本增加,同时语言模型的泛化能力能够弥补基于字典关系词匹配方法中字典不完备的问题。
以下结合图4对本发明的方案进行进一步描述,图4是根据本申请实施例的一种可选的语义意图的确定装置的组成示意图,具体包括:
语音模块42,用于接收第一对象的对话语音,并将对话语音转换成文本输入到处理模块中进行处理;
处理模块44,运行于处理模块的联合意图识别和槽填充模型对输入文本进行意图识别和实体识别,得到意图识别结果和实体识别结果,其中,实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
分析模块46,用于对得到的意图识别结果和实体识别结果按照预设规则进行分析,得到第一对象的精准意图。
通过上述装置,对第一对象输入的对话语音进行文本转换,并将输入文本输入到联合意图识别和槽填充模型中进行处理,得到意图识别结果和包括关系实体和非关系实体的实体识别结果,其中,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系,并对得到的意图识别结果和实体识别结果进行提取分析,得到第一对象的精准意图;采用上述装置,解决了相关技术中现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低的问题;实现了精准分析用户意图的技术效果。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
在本实施例中还提供了一种语义意图的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种可选的语义意图的确定装置的结构框图,该装置包括:
识别模块52,用于通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
提取模块54,用于根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
确定模块56,用于根据所述关系列表确定所述输入文本的语义意图。
通过上述装置,通过第一联合模型对由第一对象的对话语音所转换成的输入文本进行实体识别和意图识别,以得到所述输入文本对应的意图识别结果和包括了关系实体和非关系实体的实体识别结果,其中,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;根据所述关系列表确定所述输入文本的语义意图;采用上述技术方案,解决了相关技术中现有联合模型在意图识别过程中仅能识别出用户对话中存在的意图和实体词,无法对用户对话中存在的关系词进行识别,导致意图识别准确率低的问题;实现了精准分析用户意图的技术效果。
可选的,识别模块52,还用于在通过第一联合模型对第一对象的输入文本进行实体识别和意图识别之前,输入训练文本到第二联合模型中进行实体识别和意图识别,以得到所述训练文本对应的实体识别结果和意图识别结果,其中,所述训练文本对应的实体识别结果包括非关系实体;接收第二对象的调整操作,并根据所述调整操作对所述训练文本对应的实体识别结果和意图识别结果进行调整;根据所述调整后的实体识别结果和意图识别结果对所述第二联合模型的参数进行调节,以得到所述第一联合模型。
现有技术中的第二联合模型并不能对关系实体进行标注和提取,因此,需要先将训练文本输入到第二联合模型中进行训练,并接收研发人员(相当于上述第二对象)的调整操作,以对第二联合模型的实体识别结果和意图识别结果进行调整,在经过大量的训练后,第二联合模型会根据调整后的实体识别结果和意图识别结果进行学习,并进行参数调节,以得到能够标注关系实体的第一联合模型;通过上述方案,通过输入大量的训练文本以及对模型的输出结果进行调整,完成对现有的第二联合模型的调整,得到能够直接提取出关系实体的第一联合模型,提高工作效率。
可选的,识别模块52,还用于控制所述第一联合模型对从所述输入文本中识别出的实体进行标记,以确定所述实体识别结果中的所述关系实体和所述非关系实体;至少根据所述关系实体对所述输入文本中识别出的意图进行分类,得到所述意图识别结果。
在对输入文本进行实体识别时,需要先对从输入文本中识别出的实体进行标记,以标记出实体识别结果中的关系实体和非关系实体,在得到非关系实体后,可以根据关系实体对从输入文本中识别出的意图进行分类,得到意图识别结果,其中,关系实体可以为与、或、正、负等,可以将意图分类为正向意图、负向意图、与意图、或意图;通过对输入文本的识别结果进行标记,确定出输入文本中的关系实体,以更好地识别出用户输入文本对应的真实意图,提升用户体验。
可选的,对意图进行分类还可以根据其他分类标准,可以为技术领域,例如医药、健康等;也可以是食品类别,如饮品、甜点等,本申请对此不作限制。
基于上述步骤,提取模块54,还用于对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,以及对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果;将所述第一输出结果、所述第二输出结果、所述意图识别结果的意图类别和所述实体识别结果中包括的非关系实体确定为所述非关系实体的关系列表。
根据预设提取规则对实体识别结果和意图识别结果进行非关系实体的关系提取,以得到非关系实体的关系列表,预设提取规则包括:对实体识别结果进行多个非关系实体之间的关系提取,以得到第一输出结果;对意图识别结果进行对多个分关系实体的意图类别提取,以得到第二输出结果,将得到的第一输出结果、第二输出结果、该意图识别结果的意图类别和该实体识别结果中包括的非关系实体确定为该非关系实体的关系列表;通过上述方案,通过第一联合模型对用户的输入文本经过一系列的处理,直接得到非关系实体的关系列表,从而可以直观的获知用户的意图。
可选的,提取模块54,还用于获取所述关系实体中的第一类关系实体以及所述第一类关系实体在所述实体识别结果中的第一位置,以及获取所述关系实体中的第二类关系实体以及所述第二类关系实体在所述实体识别结果中的第二位置,其中,所述第一类关系实体用于指示所述多个非关系实体之间的与关系,所述第二类关系实体用于指示所述多个非关系实体之间的或关系;根据所述第一位置将所述实体识别结果中与所述第一类关系实体前后相邻的两个非关系实体之间的关系确定为第一类关系,以及根据所述第二位置将所述实体识别结果中与所述第二类关系实体前后相邻的两个非关系实体之间的关系确定为第二类关系,并确定所述实体识别结果中相互相邻的两个非关系实体之间的关系为所述第一类关系;将所述多个非关系实体以及所述多个非关系实体之间存在的所述第一类关系和所述第二类关系确定为第一输出结果。
对实体识别结果进行对多个非关系实体之间的关系提取以得到第一输出结果的过程包括:获取关系实体中的用于指示多个非关系实体之间的与关系的第一类关系实体和该第一类关系实体在得到的实体识别结果中的第一位置,以及获取关系实体中的用于指示多个非关系实体之间的或关系的第二类关系实体和该第二类关系实体在得到的实体识别结果中的第二位置,其中,第一类关系实体可以为“和”、“与”、“以及”、“配合”等关系词,第二类关系实体可以为“或”、“还”等关系词;根据第一类关系实体的第一位置在实体识别结果中确定与该第一类关系实体前后相邻的两个非关系实体之间的关系为第一类关系,即与关系;例如从输入文本“我不能吃苹果和梨”中识别出的实体识别结果中包含“苹果”,“和”,“梨”三个连续的实体,确定“和”的第一位置,然后确定出“苹果”与“梨”之间的关系为与关系;并根据第二类关系实体的第二位置在实体识别结果中确定与该第二类关系实体前后相邻的两个非关系实体之间的关系为第二类关系,即或关系,例如从输入文本“我想要鱼或熊掌”中识别出的实体识别结果包含“鱼”,“或”“熊掌”三个连续的实体,确定“或”的第二位置,从而确定出“鱼”和“熊掌”之间的关系为或关系;最后,将获得的所有的非关系实体以及存在的第一类关系和第二类关系确定为第一输出结果。第一输出结果的格式可以为{“实体类型1”:与或关系列表1,“实体类型2”:与或关系列表2,......}。
需要说明的是,对于用户(相当于上述第一对象)的输入文本而言,输入文本中的文字顺序就是用户所要表达的意图顺序,因此,在对输入文本进行实体识别和意图识别得到实体识别结果和意图识别结果后,实体识别结果和意图识别结果的顺序不能变动,依旧与输入文本对应保持一致,因此可以通过各个实体在该实体识别结果中的位置来标识实体,例如上述第一位置和第二位置,还可以通过其他方式来标识实体,例如通过编号的方式,本申请对此不作限制。
可选的,提取模块54,还用于在所述意图类别为第一类意图的情况下,确定所述多个非关系实体均为第一类非关系实体,并将所述第一类非关系实体以及所述第一类非关系实体的意图类别确定为所述第二输出结果,其中,所述第一类非关系实体的意图类别为正向意图;在所述意图类别为第二类意图的情况下,确定所述多个非关系实体均为第二类非关系实体,并将所述第二类非关系实体以及所述第二类非关系实体的意图类别确定为所述第二输出结果,其中,所述第二类非关系实体的意图类别为负向意图;在所述意图类别为第三类意图的情况下,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,并将所述多个非关系实体以及所述多个非关系实体的意图类别确定为所述第二输出结果。
第一联合模型的输出结果中的意图识别结果是已经分类过的意图,在确定意图类别为第一类意图的情况下,确定该输入文本中的多个非关系实体都为第一类非关系实体,并将第一类非关系实体以及该第一类非关系实体的意图类别确定为第二输出结果,第一类非关系实体的意图类别为正向意图;在确定意图类别为第二类意图的情况下,确定该输入文本中的多个非关系实体都为第二类非关系实体,并将第二类非关系实体以及该第二类非关系实体的意图类别确定为第二输出结果,且第二类非关系实体的意图类别为负向意图;在确定意图类别为第三类意图的情况下,根据实体识别结果中的关系实体确定该多个非关系实体的意图类别,并将该多个非关系实体以及该多个非关系实体的意图类别确定为第二输出结果。其中,第二输出结果的格式可以是:{“实体类型1”:正负关系列表1,“实体类型2”:正负关系列表2,......}。
需要说明的是,实体列表和正负向关系列表的各个位置一一对应,而与或关系列表会缺少一维,因为与或关系列表是表示两个实体之间的关系,当仅有一个实体时,与或关系列表为空。
需要说明的是,上述第四输出结果的格式可以为:{“实体类型1”:实体列表1,“实体类型2”:实体列表2,......}。
基于上述步骤,确定模块56,还用于确定所述实体识别结果中第三类关系实体以及所述第三类关系实体在所述实体识别结果中的第三位置,以及所述实体识别结果中第四类关系实体以及所述第四类关系实体在所述实体识别结果中的第四位置;根据所述第三位置确定所述实体识别结果中位于所述第三位置之后,且与所述第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,以及根据所述第四位置确定所述实体识别结果中位于所述第四位置之后,且与所述第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,并确定所述实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图。
根据实体识别结果中的关系实体确定该多个非关系实体的意图类别,包括以下过程:先确定实体识别结果中包括的第三类关系实体和该第三类关系实体在实体识别结果中的第三位置,以及实体识别结果中包括的第四类关系实体和该第四类关系实体在实体识别结果中的第四位置;然后根据第三位置确定在实体识别结果中确定位于该第三位置之后的,且与该第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,根据第四位置确定在实体识别结果中确定位于该第四位置之后,且与该第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,最后确定实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图;通过上述步骤,精确地对输入文本中的非关系实体所要表达的含义进行识别,避免由于遗漏了与该非关系实体存在联系的关系实体,而导致含义南辕北辙。
本发明的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中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
S2,根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
S3,根据所述关系列表确定所述输入文本的语义意图。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
S2,根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
S3,根据所述关系列表确定所述输入文本的语义意图。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种语义意图的确定方法,其特征在于,包括:
通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
根据所述关系列表确定所述输入文本的语义意图。
2.根据权利要求1所述的语义意图的确定方法,其特征在于,通过第一联合模型对第一对象的输入文本进行实体识别和意图识别之前,所述方法还包括:
输入训练文本到第二联合模型中进行实体识别和意图识别,以得到所述训练文本对应的实体识别结果和意图识别结果,其中,所述训练文本对应的实体识别结果包括非关系实体;
接收第二对象的调整操作,并根据所述调整操作对所述训练文本对应的实体识别结果和意图识别结果进行调整;
根据所述调整后的实体识别结果和意图识别结果对所述第二联合模型的参数进行调节,以得到所述第一联合模型。
3.根据权利要求1所述的语义意图的确定方法,其特征在于,通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,包括:
对从所述输入文本中识别出的实体进行标记,以确定所述实体识别结果中的所述关系实体和所述非关系实体;
至少根据所述关系实体对所述输入文本中识别出的意图进行分类,得到所述意图识别结果。
4.根据权利要求1所述的语义意图的确定方法,其特征在于,根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表,包括:
对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,以及对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果;
将所述第一输出结果、所述第二输出结果、所述意图识别结果的意图类别和所述实体识别结果中包括的非关系实体确定为所述非关系实体的关系列表。
5.根据权利要求4所述的语义意图的确定方法,其特征在于,对所述实体识别结果进行对多个非关系实体之间的关系提取,得到第一输出结果,包括:
获取所述关系实体中的第一类关系实体以及所述第一类关系实体在所述实体识别结果中的第一位置,以及获取所述关系实体中的第二类关系实体以及所述第二类关系实体在所述实体识别结果中的第二位置,其中,所述第一类关系实体用于指示所述多个非关系实体之间的与关系,所述第二类关系实体用于指示所述多个非关系实体之间的或关系;
根据所述第一位置将所述实体识别结果中与所述第一类关系实体前后相邻的两个非关系实体之间的关系确定为第一类关系,以及根据所述第二位置将所述实体识别结果中与所述第二类关系实体前后相邻的两个非关系实体之间的关系确定为第二类关系,并确定所述实体识别结果中相互相邻的两个非关系实体之间的关系为所述第一类关系;
将所述多个非关系实体以及所述多个非关系实体之间存在的所述第一类关系和所述第二类关系确定为第一输出结果。
6.根据权利要求4所述的语义意图的确定方法,其特征在于,对所述意图识别结果进行对所述多个非关系实体的意图类别提取,得到第二输出结果,包括:
在所述意图类别为第一类意图的情况下,确定所述多个非关系实体均为第一类非关系实体,并将所述第一类非关系实体以及所述第一类非关系实体的意图类别确定为所述第二输出结果,其中,所述第一类非关系实体的意图类别为正向意图;
在所述意图类别为第二类意图的情况下,确定所述多个非关系实体均为第二类非关系实体,并将所述第二类非关系实体以及所述第二类非关系实体的意图类别确定为所述第二输出结果,其中,所述第二类非关系实体的意图类别为负向意图;
在所述意图类别为第三类意图的情况下,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,并将所述多个非关系实体以及所述多个非关系实体的意图类别确定为所述第二输出结果。
7.根据权利要求6所述的语义意图的确定方法,其特征在于,根据所述实体识别结果中的关系实体确定所述多个非关系实体的意图类别,包括:
确定所述实体识别结果中第三类关系实体以及所述第三类关系实体在所述实体识别结果中的第三位置,以及所述实体识别结果中第四类关系实体以及所述第四类关系实体在所述实体识别结果中的第四位置;
根据所述第三位置确定所述实体识别结果中位于所述第三位置之后,且与所述第三位置对应的第三类关系实体相邻的非关系实体的意图类别为正向意图,以及根据所述第四位置确定所述实体识别结果中位于所述第四位置之后,且与所述第四位置对应的第四类关系实体相邻的非关系实体的意图类别为负向意图,并确定所述实体识别结果中相互相邻的两个非关系实体的意图类别为正向意图。
8.一种语义意图的确定装置,其特征在于,包括:
识别模块,用于通过第一联合模型对第一对象的输入文本进行实体识别和意图识别,以得到所述输入文本对应的实体识别结果和意图识别结果,其中,所述输入文本为所述第一对象的对话语音所转换成的文本,所述实体识别结果包括关系实体和非关系实体,所述非关系实体为所述输入文本中包含的实体,所述关系实体用于指示所述非关系实体之间的关系;
提取模块,用于根据预设提取规则对所述实体识别结果和所述意图识别结果进行非关系实体的关系提取,以得到所述非关系实体的关系列表;
确定模块,用于根据所述关系列表确定所述输入文本的语义意图。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211349225.9A CN115796185A (zh) | 2022-10-31 | 2022-10-31 | 语义意图的确定方法及装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211349225.9A CN115796185A (zh) | 2022-10-31 | 2022-10-31 | 语义意图的确定方法及装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115796185A true CN115796185A (zh) | 2023-03-14 |
Family
ID=85434633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211349225.9A Pending CN115796185A (zh) | 2022-10-31 | 2022-10-31 | 语义意图的确定方法及装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115796185A (zh) |
-
2022
- 2022-10-31 CN CN202211349225.9A patent/CN115796185A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414683B (zh) | 数学题解答方法及装置 | |
CN110765246B (zh) | 基于智能机器人的问答方法、装置、存储介质和智能设备 | |
CN108764480A (zh) | 一种信息处理的系统 | |
CN113360616A (zh) | 自动问答处理方法、装置、设备及存储介质 | |
CN110795913B (zh) | 一种文本编码方法、装置、存储介质及终端 | |
CN109101624A (zh) | 对话处理方法、装置、电子设备及存储介质 | |
CN111680147A (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
CN108932945A (zh) | 一种语音指令的处理方法及装置 | |
CN110364146A (zh) | 语音识别方法、装置、语音识别设备及存储介质 | |
CN113312468B (zh) | 基于对话模式的话术推荐方法、装置、设备及介质 | |
CN109993543A (zh) | 一种投诉处理方法及系统 | |
CN109033356A (zh) | 为客服系统日志打标签的方法及客服系统 | |
CN108628908B (zh) | 分类用户提问-回答界限的方法、装置和电子设备 | |
WO2024021407A1 (zh) | 知识图谱的更新方法和装置、存储介质及电子装置 | |
CN110472008A (zh) | 智能交互方法以及装置 | |
CN108230121B (zh) | 一种基于循环神经网络的产品设计方法 | |
CN114676689A (zh) | 语句文本的识别方法和装置、存储介质及电子装置 | |
CN115269774A (zh) | 文本意图的识别方法和装置、存储介质和电子装置 | |
CN111475628A (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
Mehta et al. | Probabilistic ontology trees for belief tracking in dialog systems | |
CN109241133A (zh) | 数据监测方法、装置、计算设备及存储介质 | |
CN110866094A (zh) | 指令识别方法、装置、存储介质、电子装置 | |
CN109145124B (zh) | 信息的存储方法、装置、存储介质及电子装置 | |
CN115796185A (zh) | 语义意图的确定方法及装置、存储介质及电子装置 | |
CN116881752A (zh) | 数据的聚类方法和装置、存储介质及电子设备 |
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 |