CN116739004B - 一种意图识别方法、装置、设备及可读存储介质 - Google Patents
一种意图识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116739004B CN116739004B CN202311013873.1A CN202311013873A CN116739004B CN 116739004 B CN116739004 B CN 116739004B CN 202311013873 A CN202311013873 A CN 202311013873A CN 116739004 B CN116739004 B CN 116739004B
- Authority
- CN
- China
- Prior art keywords
- node
- target
- prompt
- intention
- target node
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012549 training Methods 0.000 claims description 24
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000010561 standard procedure Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种意图识别方法、装置、设备及可读存储介质,涉及计算机技术领域,以提高意图识别的准确性。该方法包括:对于人工智能对话的目标节点,获取所述目标节点的节点提示;利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;其中,所述目标节点的节点提示是根据以下信息确定的:所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话序SOP,用户对所述目标节点的输入;或所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。本申请实施例可以提高意图识别的准确性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种意图识别方法、装置、设备及可读存储介质。
背景技术
目前,通过ASR(Automatic Speech Recognition,自动语音识别技术)将语音转换为对话文本,再对对话文本进行意图识别,通过编排业务场景适配的对话流程和对话模板回复的模式建立对话式AI(Artificial Intelligence,人工智能)应用。意图识别在对话式AI中起着非常重要的作用。
以营销场景为例,在营销场景下的对话式AI有其自身特性,需要以业务场景的营销目的为中心,在对话的全过程中以对话AI为主导,用户为辅的形式,通过对用户的回应进行相应的话术引导,最终实现营销的目的。然而,现有的意图识别方式无法对用户的意图进行精准识别,从而影响了营销效果。
发明内容
本申请实施例提供一种意图识别方法、装置、设备及可读存储介质,以提高意图识别的准确性。
第一方面,本申请实施例提供了一种意图识别方法,包括:
对于人工智能对话的目标节点,获取所述目标节点的节点提示;
利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;
其中,所述目标节点的节点提示是根据以下信息确定的:
所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话序SOP(Standard Operation Procedure,标准作业程序),用户对所述目标节点的输入;或
所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。
第二方面,本申请实施例还提供一种意图识别装置,包括:
第一获取模块,用于对于人工智能对话的目标节点,获取所述目标节点的节点提示;
第一识别模块,用于利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;
其中,所述目标节点的节点提示是根据以下信息确定的:
所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或
所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。
第三方面,本申请实施例还提供一种电子设备,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程序,所述处理器执行所述程序时实现如上所述的意图识别方法中的步骤。
第四方面,本申请实施例还提供一种可读存储介质,所述可读存储介质上存储程序,所述程序被处理器执行时实现如上所述的意图识别方法中的步骤。
在本申请实施例中,获取目标节点的节点提示,并基于该所述节点提示进行意图识别,得到所述目标节点对应的用户意图。其中,所述目标节点的节点提示是根据以下信息确定的:所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或所述目标节点的节点说明,所述目标节点的预设意图类别,目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。由于节点意图中融合了节点的信息以及用户对目标节点的输入等信息,使得获得的节点提示更能准确的反应当前节点的特征,从而可提高对节点的用户意图进行识别的准确性。
附图说明
图1是本申请实施例提供的意图识别方法的流程图之一;
图2是本申请实施例提供的意图识别方法的流程图之二;
图3是本申请实施例的意图识别的具体示意图;
图4是本申请实施例提供的意图识别装置的结构图。
具体实施方式
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
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实施例,并不是全部的实施例。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。
参见图1,图1是本申请实施例提供的意图识别方法的流程图,如图1所示,包括以下步骤:
步骤101、对于人工智能对话的目标节点,获取所述目标节点的节点提示。
其中,所述目标节点可以是人工智能机器人进行AI对话的过程中的任一节点。所述目标节点的节点提示,可以理解为是对目标节点的功能的说明或者描述的准确翻译,以使得意图识别大模型能够准确的理解目标节点的功能或者作用。例如,某个节点是用于确认身份的身份核实节点,用于推荐产品的产品推荐节点等。
该AI对话中可包括一个或多个节点,不同的节点,可对应不同的节点提示的确定方法。
若所述目标节点为AI对话流程中的第一个节点,所述目标节点的节点提示(Prompt)可以根据所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话SOP,用户对所述目标节点的输入(如用户的应答等)确定。
具体的,利用所述目标节点的节点说明,所述目标节点的预设意图类别,对话SOP以及用户对所述目标节点的输入,更新所述目标领域的提示模板的要素,得到所述目标节点的节点提示。
其中,所述目标节点的节点说明可以包括节点类型,节点编号(例如对话流程中的第几个节点),功能描述等。
目标节点的预设意图类别可根据不同的节点设置不同的意图类别,通常,对于第一个节点(如身份确定节点等),预设的意图类别可包括肯定身份,否定身份,反问身份等。
对话SOP可以包括节点的话术等。
目标领域的提示模板指的是针对某个领域而设计的提示模板,可以认为是在各个领域通用的提示模板的基础上,根据各个领域自身的特性而形成的提示模板。例如,该目标领域可以是营销领域等。不同的领域的提示模板,可以包括相同或者不同的指令,案例,推理过程,辅助信息(如节点功能说明等)等要素。
在构建目标领域的提示模板时,可获取所述目标领域的预设的对话流程模板和节点话术模板,并根据所述预设的对话流程模板和所述节点话术模板,构建所述目标领域的提示模板。其中,该预设的对话流程模板和节点话术模板可以由该目标领域的专家基于业务场景设计的标签体系而确定的对话流程模板和节点话术模板。对话流程模板可以包括该对话有哪些个节点,每个节点的功能是什么等,节点话术模板可以包括每个节点对应的话术等。
根据获得的所述目标节点的节点说明,所述目标节点的预设意图类别,对话SOP以及用户对所述目标节点的输入,更新或者填充所述目标领域的提示模板的要素,从而得到所述目标节点的节点提示。
若所述目标节点为AI对话流程中除第一个节点之外的其他节点,利用所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术以及用户对所述目标节点的输入,对所述前一节点的节点提示的要素进行处理,得到所述目标节点的节点提示。
其中,目标节点的预设意图类别可根据不同的节点设置不同的意图类别。通常,对于第二个节点(如确定用户是否关注业务的节点等),预设的意图类别可包括肯定关注,否定关注,咨询详情等。
在对所述前一节点的节点提示进行处理,得到所述目标节点的节点提示的过程中,可将根据所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术以及用户对所述目标节点的输入作为对前一节点的节点提示的补充,也即,在进行处理时,目标领域的提示模板的要素中,既包括根据目标节点确定的信息,也包括根据前一节点确定的信息,从而使得获得的目标节点的节点提示更为准确和详细。
步骤102、利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图。
在本申请实施例中,意图识别大模型可根据不同的场景使用不同的大模型。比如,针对营销场景,该意图识别大模型可以为营销大模型。通过意图识别,可得到目标节点对应的用户意图,从而可更准确的后续处理流程。
在本申请实施例中,可选的,还可包括:训练所述意图识别大模型。具体的,可利用标注好的对话意图数据对所述目标领域的提示模板进行处理(如填充或更新模板中的要素),得到意图指令训练集,利用所述意图指令训练集对预设大模型进行训练,得到所述意图识别大模型。
在本申请实施例中,获取目标节点的节点提示,并基于该所述节点提示进行意图识别,得到所述目标节点对应的用户意图。其中,所述目标节点的节点提示是根据以下信息确定的:所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或所述目标节点的节点说明,所述目标节点的预设意图类别,目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。由于节点意图中融合了节点的信息以及用户对目标节点的输入等信息,使得获得的节点提示更能准确的反应当前节点的特征,从而可提高对节点的用户意图进行识别的准确性。
以营销场景下筛选意向用户为例,营销机器人主动呼叫用户,用户接通电话后,营销机器人先进行身份确认,然后根据用户的回答意图进行相应的话术引导到明确客户是否关注过营销产品的节点,依次类推,最终完成整个场景流程。最后,根据用户的交互结果判定该用户是否为意向用户。在进行意图识别时,营销大模型利用了当前节点的营销机器人的话术语义和用户的回复进行用户意图的识别,由于使用了节点的语义信息,因此,在营销大模型进行意图识别的时候,可将注意力集中到该节点层次对应候选的意图,缩小了语义解空间,从而可以有效提高意图识别的准确率。
参见图2,图2是本申请实施例提供的基于营销机器人的处理过程示意,如图2所示,包括以下步骤:
步骤201、构建场景意图类别体系、话术模板和流程编排。可包括:
业务专家根据业务场景设计标签体系,以及编排营销机器人的对话流程模板和对应节点话术模板,从而基于对话流程模板和对应节点话术模板构建领域大模型。
之后,构建领域prompt模板,该模块主要包括指令、案例、推理过程、辅助信息(如当前节点功能说明,SOP)等要素。根据营销领域的特点,从通用的prompt模板中选择要素,并进行设置。
步骤202、训练营销大模型。
在此,可通过历史数据收集标注好的对话意图数据,并基于标注好的对话意图数据填充或更新领域prompt模板,得到意图指令训练集。利用意图指令训练集训练预设的大模型,得到营销大模型。其中,该预设的大模型可以是开源的任一大模型。通过利用先验知识,可减少人工标注数量,提高营销场景机器人的构建效率。
步骤203、利用营销大模型进行意图识别。
参见图3,图3是营销场景下的意图识别的具体示意图。
营销机器人主动呼叫用户,用户接通电话后,营销机器人先进行身份确认。对于第一个节点(一级节点,亮明身份,核实对方身份),营销机器人与用户进行对话,得到用户的输入,即应答。将一级节点的节点说明、预设意图类别(肯定身份,否定身份,反问身份等),对话SOP以及用户对一级节点的输入作为领域提示模板的输入,更新所述目标领域的提示模板的要素,得到所述一级节点的节点提示。
一级节点的节点提示经营销大模型进行意图识别之后,得到用户的意图。基于该用户意图进行流程编排,得到用于下一个节点的对应话术。假设,下一个节点为明确业务关注节点,即二级节点。
若检测到结束语句(如感谢,再见等),则结束流程。否则,在二级节点,营销机器人继续与用户进行对话,得到用户的输入,即应答。将二级节点的节点说明、预设意图类别,一级节点的节点的话术以及用户对二级节点的输入作为所述目标领域的提示模板的输入,对一级节点的节点提示进行处理,得到二级节点的节点提示。
二级节点的节点提示经营销大模型进行意图识别之后,得到用户的意图。基于该用户意图进行流程编排,得到用于下一个节点的对应话术。假设,下一个节点为感谢和动作展示节点,即三级节点。
若检测到结束语句(如感谢,再见等),则结束流程。否则,营销机器人继续与用户进行对话,得到用户的输入,即应答。否则,可按照二级节点的相同处理方式,对三级节点进行处理。
重复上述过程,直至检测到结束语句或会话结束。其中,后续节点的处理方式和二级节点的处理原理相同。
通过以上方式,使得营销场景下的机器人的意图识别效果得到了提升,提高了营销机器人的服务效能。同时,由于在营销场景下,用户的应答内容较少,在本申请实施例中,利用节点的说明、前一节点的提示信息等信息进行意图识别,可提高对针对超短文本的意图识别的准确性。
参见图4,图4是本申请实施例提供的意图识别装置的结构图。如图4所示,意图识别装置包括:
第一获取模块401,用于对于人工智能对话的目标节点,获取所述目标节点的节点提示;
第一识别模块402,用于利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;
其中,所述目标节点的节点提示是根据以下信息确定的:
所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或
所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入。
可选的,若所述目标节点为第一个节点,所述第一获取模块用于:
利用所述目标节点的节点说明,所述目标节点的预设意图类别,对话标准作业程序SOP以及用户对所述目标节点的输入,更新所述目标领域的提示模板的要素,得到所述目标节点的节点提示。
可选的,若所述目标节点为除第一个节点之外的其他节点,所述第一获取模块用于:
利用所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术以及用户对所述目标节点的输入,对所述前一节点的节点提示的要素进行处理,得到所述目标节点的节点提示。
可选的,所述装置还包括:
第二获取模块,用于根据所述用户意图获得目标话术,其中,所述目标话术用于作为所述人工智能对话的下一节点的应答话术。
可选的,所述装置还包括:
训练模块,用于训练所述意图识别大模型,包括:
第一获取子模块,用于利用标注好的对话意图数据对所述目标领域的提示模板进行处理,得到意图指令训练集;
第一训练子模块,用于利用所述意图指令训练集对预设大模型进行训练,得到所述意图识别大模型。
可选的,所述装置还包括:
第三获取模块,用于构建所述目标领域的提示模板,包括:
第一获取子模块,用于获取所述目标领域的预设的对话流程模板和节点话术模板;
第一构建子模块,用于根据所述预设的对话流程模板和所述节点话术模板,构建所述目标领域的提示模板。
本申请实施例提供的装置,可以执行上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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)或处理器(processor)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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供了一种通信设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;所述处理器,用于读取存储器中的程序实现如前所述的意图识别方法中的步骤。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序,该程序被处理器执行时实现上述意图识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的可读存储介质,可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例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。根据这样的理解,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、磁盘、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (12)
1.一种意图识别方法,其特征在于,包括:
对于人工智能对话的目标节点,获取所述目标节点的节点提示;
利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;
其中,所述目标节点的节点提示是根据以下信息确定的:
所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或
所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入;
其中,所述方法还包括:
构建所述目标领域的提示模板,包括:
获取所述目标领域的预设的对话流程模板和节点话术模板;
根据所述预设的对话流程模板和所述节点话术模板,构建所述目标领域的提示模板。
2.根据权利要求1所述的方法,其特征在于,若所述目标节点为第一个节点,所述获取所述目标节点的节点提示,包括:
利用所述目标节点的节点说明,所述目标节点的预设意图类别,对话标准作业程序SOP以及用户对所述目标节点的输入,更新所述目标领域的提示模板的要素,得到所述目标节点的节点提示。
3.根据权利要求1所述的方法,其特征在于,若所述目标节点为除第一个节点之外的其他节点,所述获取所述目标节点的节点提示,包括:
将所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术以及用户对所述目标节点的输入,对所述前一节点的节点提示进行处理,得到所述目标节点的节点提示。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述用户意图获得目标话术,其中,所述目标话术用于作为所述人工智能对话的下一节点的应答话术。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
训练所述意图识别大模型,包括:
利用标注好的对话意图数据对所述目标领域的提示模板进行处理,得到意图指令训练集;
利用所述意图指令训练集对预设大模型进行训练,得到所述意图识别大模型。
6.一种意图识别装置,其特征在于,包括:
第一获取模块,用于对于人工智能对话的目标节点,获取所述目标节点的节点提示;
第一识别模块,用于利用意图识别大模型对所述节点提示进行意图识别,得到所述目标节点对应的用户意图;
其中,所述目标节点的节点提示是根据以下信息确定的:
所述目标节点的节点说明,所述目标节点的预设意图类别,目标领域的提示模板,对话标准作业程序SOP,用户对所述目标节点的输入;或
所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术,所述前一节点的节点提示,用户对所述目标节点的输入;
其中,所述装置还包括:
第三获取模块,用于构建所述目标领域的提示模板,包括:
第一获取子模块,用于获取所述目标领域的预设的对话流程模板和节点话术模板;
第一构建子模块,用于根据所述预设的对话流程模板和所述节点话术模板,构建所述目标领域的提示模板。
7.根据权利要求6所述的装置,其特征在于,若所述目标节点为第一个节点,所述第一获取模块用于:
利用所述目标节点的节点说明,所述目标节点的预设意图类别,对话标准作业程序SOP以及用户对所述目标节点的输入,更新所述目标领域的提示模板的要素,得到所述目标节点的节点提示。
8.根据权利要求6所述的装置,其特征在于,若所述目标节点为除第一个节点之外的其他节点,所述第一获取模块用于:
利用所述目标节点的节点说明,所述目标节点的预设意图类别,所述目标节点的前一节点的话术以及用户对所述目标节点的输入,对所述前一节点的节点提示的要素进行处理,得到所述目标节点的节点提示。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于根据所述用户意图获得目标话术,其中,所述目标话术用于作为所述人工智能对话的下一节点的应答话术。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
训练模块,用于训练所述意图识别大模型,包括:
第一获取子模块,用于利用标注好的对话意图数据对所述目标领域的提示模板进行处理,得到意图指令训练集;
第一训练子模块,用于利用所述意图指令训练集对预设大模型进行训练,得到所述意图识别大模型。
11.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器,用于读取存储器中的程序实现如权利要求1至5中任一项所述的意图识别方法中的步骤。
12.一种可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述的意图识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311013873.1A CN116739004B (zh) | 2023-08-14 | 2023-08-14 | 一种意图识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311013873.1A CN116739004B (zh) | 2023-08-14 | 2023-08-14 | 一种意图识别方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739004A CN116739004A (zh) | 2023-09-12 |
CN116739004B true CN116739004B (zh) | 2023-11-17 |
Family
ID=87909985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311013873.1A Active CN116739004B (zh) | 2023-08-14 | 2023-08-14 | 一种意图识别方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739004B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556864B (zh) * | 2024-01-12 | 2024-04-16 | 阿里云计算有限公司 | 信息处理方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11392773B1 (en) * | 2019-01-31 | 2022-07-19 | Amazon Technologies, Inc. | Goal-oriented conversational training data generation |
KR20220158573A (ko) * | 2021-05-24 | 2022-12-01 | 네이버 주식회사 | 페르소나 챗봇 제어 방법 및 시스템 |
CN115510219A (zh) * | 2022-09-28 | 2022-12-23 | 平安科技(深圳)有限公司 | 话术推荐方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230135179A1 (en) * | 2021-10-21 | 2023-05-04 | Meta Platforms, Inc. | Systems and Methods for Implementing Smart Assistant Systems |
-
2023
- 2023-08-14 CN CN202311013873.1A patent/CN116739004B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11392773B1 (en) * | 2019-01-31 | 2022-07-19 | Amazon Technologies, Inc. | Goal-oriented conversational training data generation |
KR20220158573A (ko) * | 2021-05-24 | 2022-12-01 | 네이버 주식회사 | 페르소나 챗봇 제어 방법 및 시스템 |
CN115510219A (zh) * | 2022-09-28 | 2022-12-23 | 平安科技(深圳)有限公司 | 话术推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116739004A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891438B2 (en) | Deep learning techniques based multi-purpose conversational agents for processing natural language queries | |
CN106503236B (zh) | 基于人工智能的问题分类方法以及装置 | |
CN111212190B (zh) | 一种基于话术策略管理的对话管理方法、装置和系统 | |
WO2020062006A1 (en) | Intent and context-aware dialogue based virtual assistance | |
CN116739004B (zh) | 一种意图识别方法、装置、设备及可读存储介质 | |
CN112380853B (zh) | 业务场景交互方法、装置、终端设备及存储介质 | |
CN111581360A (zh) | 一种辅助客服的方法、系统和设备 | |
CN110955770A (zh) | 一种智能对话系统 | |
CN112084317A (zh) | 预训练语言模型的方法和装置 | |
CN115129878A (zh) | 一种对话业务执行方法、装置、存储介质及电子设备 | |
CN115509485A (zh) | 一种业务表单的填写方法、装置、电子设备和存储介质 | |
CN110750626B (zh) | 一种基于场景的任务驱动的多轮对话方法及系统 | |
CN116662555B (zh) | 一种请求文本处理方法、装置、电子设备及存储介质 | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
CN116049411B (zh) | 一种信息匹配方法、装置、设备和可读存储介质 | |
CN113159901A (zh) | 融资租赁业务会话的实现方法和装置 | |
CN115757749B (zh) | 一种对话处理方法、装置、电子设备及存储介质 | |
CN117496984A (zh) | 目标对象的交互方法、装置、设备及可读存储介质 | |
JP6988756B2 (ja) | タグ推定装置、タグ推定方法、プログラム | |
CN113326359A (zh) | 一种对话应答及应答策略匹配模型的训练方法和装置 | |
CN116680368B (zh) | 一种基于贝叶斯分类器的水利知识问答方法、设备及介质 | |
CN111309990A (zh) | 一种语句应答方法及装置 | |
CN114997727A (zh) | 一种客服会话的评估方法及装置 | |
CN116860945A (zh) | 基于隐式反馈信息的缺陷对话检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |