CN116955649A - 意图识别方法、装置、电子设备及存储介质 - Google Patents
意图识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116955649A CN116955649A CN202310907628.9A CN202310907628A CN116955649A CN 116955649 A CN116955649 A CN 116955649A CN 202310907628 A CN202310907628 A CN 202310907628A CN 116955649 A CN116955649 A CN 116955649A
- Authority
- CN
- China
- Prior art keywords
- analysis result
- semantic analysis
- user
- semantic
- instruction
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004044 response Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 36
- 230000009471 action Effects 0.000 description 17
- 238000004378 air conditioning Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- PENWAFASUFITRC-UHFFFAOYSA-N 2-(4-chlorophenyl)imidazo[2,1-a]isoquinoline Chemical group C1=CC(Cl)=CC=C1C1=CN(C=CC=2C3=CC=CC=2)C3=N1 PENWAFASUFITRC-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及人工智能技术领域,提供了一种意图识别方法、装置、电子设备及存储介质。该方法包括:获取用户指令,对用户指令进行语义解析,得到第一语义解析结果;基于第一语义解析结果识别用户意图;响应于基于第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;基于第一语义解析结果和第二语义解析结果识别用户意图;响应于基于第一语义解析结果和第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果;基于第一语义解析结果和第三语义解析结果识别用户意图。该方法能提高意图识别的准确度,提升用户体验。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种意图识别方法、装置、电子设备及存储介质。
背景技术
在汽车领域,随着车载系统不断升级,智能化越来越受到大众青睐。车载设备智能化离不开语音交互,而语音交互的核心就是要理解用户话术的意图,这就离不开语义解析技术。语义解析,又称为深层语义分析,即将输入的句子转换为计算机可识别、可计算的语义表示。
在用户与车载智能设备对话的过程中,用户可能与车载智能设备进行多轮对话,其中的单次表述可能存在意图信息不完整的情况。此时,仅针对用户与车载智能设备的本轮对话进行意图识别,可能无法明确用户具体的意图,存在操作对象不清、意图模糊等问题,这就给语义解析带来了难题。
发明内容
有鉴于此,本申请实施例提供了一种意图识别方法、装置、电子设备及存储介质,以解决现有技术中意图识别准确度不够的问题。
本申请实施例的第一方面,提供了一种意图识别方法,包括:
获取用户指令,对用户指令进行语义解析,得到第一语义解析结果;
基于第一语义解析结果识别用户意图;
响应于基于第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;
基于第一语义解析结果和第二语义解析结果识别用户意图;
响应于基于第一语义解析结果和第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果,N为大于1的整数;
基于第一语义解析结果和第三语义解析结果识别用户意图;
其中,第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
本申请实施例的第二方面,提供了一种意图识别装置,包括:
获取模块,被配置为获取用户指令,对用户指令进行语义解析,得到第一语义解析结果;
识别模块,被配置为基于第一语义解析结果识别用户意图;
获取模块还被配置为响应于基于第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;
识别模块还被配置为基于第一语义解析结果和第二语义解析结果识别用户意图;
获取模块还被配置为响应于基于第一语义解析结果和第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果,N为大于1的整数;
识别模块还被配置为基于第一语义解析结果和第三语义解析结果识别用户意图;
其中,第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面,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程序,该计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例通过对用户指令进行语义解析,得到以巴克斯范式规则表达的第一解析结果,首先基于该第一解析结果进行意图识别,然后在无法识别时,基于第一解析结果和对用户上一轮指令进行语义解析得到的第二解析结果进行意图识别,最后在仍然无法识别时,基于第一解析结果和对用户上N轮指令进行语义解析得到的第三解析结果进行意图识别,利用多轮次历史数据提高了指令的解析成功率,提高了意图识别的准确度,提升了用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1是本申请实施例的应用场景的场景示意图。
图2是本申请实施例提供的一种意图识别方法的流程示意图。
图3是本申请实施例提供的对用户指令进行语义解析的方法的流程示意图。
图4(A)是本申请实施例提供的拆解树的结构示意图。
图4(B)是本申请实施例提供的规则匹配树的结构示意图。
图5是本申请实施例提供的基于第一语义解析结果识别用户意图的方法的流程示意图。
图6是本申请实施例提供的基于第一语义解析结果和第二语义解析结果识别用户意图的方法的流程示意图。
图7是本申请实施例提供的基于第一语义解析结果和第三语义解析结果识别用户意图的方法的流程示意图。
图8是本申请实施例提供的一种意图识别方法的流程示意图。
图9是本申请实施例提供的一种意图识别装置的示意图。
图10是本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面将结合附图详细说明根据本申请实施例的一种意图识别方法和装置。
图1是本申请实施例的应用场景的场景示意图。该应用场景可以包括车辆1、用户2和车载设备3。
用户2可以是车辆1中的驾乘人员。车载设备3可以是硬件,也可以是软件。当车载设备3为硬件时,其可以是具有显示屏且支持与服务器、用户终端等通信的各种电子设备,包括但不限于车载信息娱乐系统(In-Vehicle Infotainment,IVI)车载单元(On boardUnit,OBU)、电子控制单元(Electronic Control Unit,ECU)等。当车载设备3为软件时,其可以安装在如上所述的电子设备中。车载设备3可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本申请实施例对此不作限制。进一步地,车载设备3上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
用户可以通过发送指令至车载单元3,指令可以是语音指令,或者其他指令。车载单元3接收到用户指令后,可以对其进行解析,识别出指令中的意图,然后基于识别出的意图控制车载设备执行对应的操作。
需要说明的是,车辆1、用户2和车载设备3的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本申请实施例对此不作限制。
上文提及,在用户与车载智能设备对话的过程中,用户可能与车载智能设备进行多轮对话,其中的单次表述可能存在意图信息不完整的情况。此时,仅针对用户与车载智能设备的本轮对话进行意图识别,可能无法明确用户具体的意图,存在操作对象不清、意图模糊等问题,这就给语义解析带来了难题。
例如,用户通常是带着明确目的与车载智能设备进行对话的,如用户发出指令“调空调温度”、“25度”、“风量大小”、“调高”。然而,部分情况下用户的一次指令所包含的话语表述中,并不会包含执行任务所需的全部信息。比如在说完“空调温度调高”以后,用户可能还需要调节温度,就会说“调高”。车载智能设备仅根据获取的指令中的“调高”信息,无法准确确定出用户意图。
鉴于此,本申请实施例通过对用户指令进行语义解析,得到以巴克斯范式规则表达的第一解析结果,首先基于该第一解析结果进行意图识别,然后在无法识别时,基于第一解析结果和对用户上一轮指令进行语义解析得到的第二解析结果进行意图识别,最后在仍然无法识别时,基于第一解析结果和对用户上N轮指令进行语义解析得到的第三解析结果进行意图识别,利用多轮次历史数据提高了指令的解析成功率,提高了意图识别的准确度,提升了用户体验。
图2是本申请实施例提供的一种意图识别方法的流程示意图。图2的意图识别方法可以由图1的车载设备3执行。如图2所示,该意图识别方法包括如下步骤:
在步骤S201中,获取用户指令,对用户指令进行语义解析,得到第一语义解析结果。
在步骤S202中,基于第一语义解析结果识别用户意图。
在步骤S203中,响应于基于第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果。
在步骤S204中,基于第一语义解析结果和第二语义解析结果识别用户意图。
在步骤S205中,响应于基于第一语义解析结果和第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果。
其中,N为大于1的整数。
在步骤S206中,基于第一语义解析结果和第三语义解析结果识别用户意图。
其中,第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
本申请实施例中,车载设备可以接收用户发送的指令,其中用户指令可以是语音指令,或者其他执行,例如通过手势发出的指令等。车载设备在获取用户指令后,可以对用户指令进行语义解析,得到第一语义解析结果。第一语义解析结果可以是以巴克斯范式规则表达的解析指令。
本申请实施例中,可以基于第一语义解析结果识别用户意图,例如将第一语义解析结果与标准指令库中的标准指令进行对比,当能够得到与第一语义解析结果匹配的标准指令时,则可以将匹配的标准指令中的意图作为用户意图。若车载设备基于第一语义解析结果能够识别出用户意图,则可以根据识别出的用户意图执行对应操作。
进一步的,若车载设备基于第一语义解析结果无法确定用户意图,可以获取对用户上一轮指令进行语义解析的第二语义解析结果。其中,对用户上一轮指令进行语义解析的第二语义解析结果同样可以是以巴克斯范式规则表达的解析指令。将第一语义解析结果和第二语义解析结果组合得到第一组合解析指令后,再与标准指令库中的标准指令进行对比,当能够得到与第一组合解析结果匹配的标准指令时,则可以将匹配的标准指令中的意图作为用户意图。
更进一步的,若车载设备基于第一组合解析结果无法确定用户意图,可以获取对用户上N轮指令进行语义解析的第三语义解析结果。其中,对用户上N轮指令进行语义解析的第三语义解析结果同样可以是以巴克斯范式规则表达的解析指令。将第一语义解析结果和第三语义解析结果组合得到第二组合解析指令后,再与标准指令库中的标准指令进行对比,当能够得到与第二组合解析结果匹配的标准指令时,则可以将匹配的标准指令中的意图作为用户意图。
根据本申请实施例提供的技术方案,通过对用户指令进行语义解析,得到以巴克斯范式规则表达的第一解析结果,首先基于该第一解析结果进行意图识别,然后在无法识别时,基于第一解析结果和对用户上一轮指令进行语义解析得到的第二解析结果进行意图识别,最后在仍然无法识别时,基于第一解析结果和对用户上N轮指令进行语义解析得到的第三解析结果进行意图识别,利用多轮次历史数据提高了指令的解析成功率,提高了意图识别的准确度,提升了用户体验。
图3是本申请实施例提供的对用户指令进行语义解析的方法的流程示意图。如图3所示,该方法包括如下步骤:
在步骤S301中,获取用户指令的实体数据。
其中,实体数据包括设备名称、操作方法和操作内容中的至少一项。
在步骤S302中,基于词法分析器、语法分析器和树分析器构建文法树状结构解析器。
在步骤S303中,使用文法树状结构解析器对实体数据逐字拆解,得到拆解文本。
在步骤S304中,使用巴克斯范式文法协议规则对拆解文本进行表达,得到第一语义解析结果。
本申请实施例中,可以首先用户指令的实体数据,其中,实体数据中包括设备名称、操作方法和/或操作内容等信息。具体的,可以将实体数据存放于搜索服务器elasticsearch中的semantic_entity索引中,用于进行多轮服务的数据信息检索,并用于进行规则解析流程处理。实体数据的存储格式如表1所示:
表1
formatName | returnName | label |
空调 | airConditioning | device |
温度 | temperature | function |
其中,formatName为格式名,returnName为返回名,label为标签,device为设备,function为功能。
用户指令的实体数据可以通过在semantic_entity索引中搜索得到。以用户指令为“温度高一点”为例,实体搜索中可搜索出实体数据为entityData={"formatName":"温度","returnName":"temperature","label":"function"},其中entityData为实体数据。
随后,可以对实体数据进行解析。具体的,可以先利用antlr生成的词法分析器、语法分析器和树分析器等构建文法树状结构解析器abnfFuzzer。解析器abnfFuzzer对实体数据逐字进行拆解,得到拆解文本。如图4(A)所示,若用户指令的实体数据为“打开空调”,则可以采用图4(A)的方式对其逐字拆解。
本申请实施例中,可以结合不同业务场景对应的不同实体数据信息以及规则,对拆解后的实体数据进行解析。例如可以在abnfFuzzer中加入车载行业的实体数据信息以及车载行业各领域规则数据即可适用于车载行业语义解析。
本申请实施例中,可以使用巴克斯范式(abnf)文法协议规则对拆解文本进行表达。其中,abnf规则可以为:以“rule_[领域]_[意图]_[设备]_[操作]_[功能]”为开头编写各领域abnf规则,当参数为unkown时,代表该参数值未知或不确定。其中,领域、意图、设备、操作和功能均为abnf规则中的参数,且该规则中还可以包括其他参数。
可以通过abnf规则,首先将拆解文本表达为中间指令,例如rule_domain_intent_name_action_function=[anyword]/mid_source_set。其中,mid_source_set即为中间指令。
以deviceControl领域abnf规则为例,完整语义意图指令参数规则可以是:rule_DeviceControl_StatesControl_airConditioning_open=
mid_airConditioning_open,其中,DeviceControl为领域参数设备控制,StatesControl为意图状态控制,airConditioning为设备空调,open为操作打开,mid_airConditioning_open为中间指令打开空调。
进一步的,deviceControl领域的部分指令参数规则例如可以是:rule unknownunknown unknown add function=mid add function,或者rule_unknown_unknown_unknown_add_unknown=mid_add。其中mid_add_function为中间指令添加功能,mid_add为中间指令添加。
需要说明的是,mid_为中间指令,其为起承转合的临时变量。其中mid_指令的含义根据用户指令的实体数据信息确定,例如若用户指令为“打开空调”,此时中间变量mid_airConditioning_open="打开""空调";若用户指令为“温度高一点”,此时中间变量mid_add_function="温度""高一点";若用户指令为“高一点”,此时预设变量mid_add="高一点"。其中,可以利用分析器abnfFuzzer将规则解析成树状结构。规则匹配树结构的一个示例可以如图4(B)所示。
仍然以用户指令为“温度高一点”为例,可以基于实体数据entityData确定abnf规则中的对应的指令为rule_unknown_unknown_unknown_add_function,然后使用实体数据entityData替换该指令中的参数,得到当前输入识别结果数据即第一解析结果为curData={"function":"temperature","action":"add"},其中,curData为第一解析结果。
根据本申请实施例提供的技术方案,通过使用abnfFuzzer解析器和abnf规则对用户指令进行解析,得到规范表达的用户指令,从而能够对该指令进行检索匹配,提高意图识别准确度。
图5是本申请实施例提供的基于第一语义解析结果识别用户意图的方法的流程示意图。如图5所示,该方法包括如下步骤:
在步骤S501中,基于第一语义解析结果确定业务场景。
在步骤S502中,将第一语义解析结果与预先构建的业务场景的知识图谱中的标准指令进行匹配。
在步骤S503中,响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图。
其中,知识图谱包括业务场景中的标准指令库。
本申请实施例中,可以首先基于第一语义解析结果确定业务场景,然后将第一语义解析结果与预先构建的业务场景的知识图谱中的标准指令进行匹配。其中,各业务场景的知识图谱可以通过获取该业务场景中的全部标准指令,然后基于该全部标准指令组成的标准指令库构建该场景的知识图谱。需要说明的是,全部标准指令是一种理想化的表达,在实际使用中,由于业务新增、业务变更等,可能导致标准指令也会不停变化,因此无法真正实现获取全部标准指令。通常,大部分常规标准指令即可组成标准指令库,因此,这里的知识图谱中所包括的业务场景的标准指令库,在理想状态下可以包括该业务场景下的全部标准指令,在实际使用中可以包括大部分常规标准指令。
以基于车载语音的车载设备控制场景为例,该业务场景下的一个标准指令库可以如表2所示:
表2
编号 | 设备(name) | 功能(function) | 操作(action) |
1 | airConditioning | \ | open |
2 | airConditioning | temperature | add |
3 | airConditioning | windGear | add |
其中,设备可以是空调airConditioning,功能可以包括温度temperature和风力windGear,操作可以包括打开open和调高add。将多个标准指令库组合可以得到该业务场景的知识图谱。
本申请实施例中,可以将第一语义解析结果与预先构建的业务场景的知识图谱中的标准指令进行匹配,若能够确定出唯一匹配的标准指令,则将标准指令中的意图作为用户意图。以用户指令为“打开空调”为例,采用前述方式对其进行解析得到的第一解析结果为curData={"domain":"SmartVehicle","intent":"StatesControl","name":"airConditioni ng","action":"open"}。将其与车载语音的车载设备控制场景中的知识图谱中的标准指令进行匹配,可以得到唯一匹配的标准指令rule_SmartVehicle_StatesControl_airConditioning_open_unknown。进一步的,可以将标准指令中的意图StatesControl作为本次识别的用户意图。其中,SmartVehicle为领域智能车辆,StatesControl为意图状态控制。
具体的,在将第一解析结果与知识图谱中的标准指令进行匹配时,可以按照领域-设备-操作-功能-其他的顺序依次匹配。即,首先在知识图谱中匹配与第一解析结果中领域相同的标准指令,然后匹配与第一解析结果中设备相同的标准指令,接着匹配与第一解析结果中操作相同的标准指令,再然后匹配与第一解析结果中功能相同的标准指令,最后匹配与第一解析结果中其他参数相同的标准指令。若存在唯一路径对应的标准指令与该第一解析结果对应,则该标准指令与第一解析结果匹配。
根据本申请实施例提供的技术方案,通过构建知识图谱,使用abnf表达的用户指令解析结果与知识图谱中的标准指令进行匹配来进行用户指令的意图识别,能够提高匹配精度,提升用户体验。
图6是本申请实施例提供的基于第一语义解析结果和第二语义解析结果识别用户意图的方法的流程示意图。如图6所示,该方法包括如下步骤:
在步骤S601中,将第一语义解析结果与第二语义解析结果组合,得到第一组合语义解析结果。
在步骤S602中,将第一组合语义解析结果与知识图谱中的标准指令进行匹配。
在步骤S603中,响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图。
本申请实施例中,当基于第一语义解析结果无法确定用户意图时,可以基于一语义解析结果与第二语义解析结果确定用户意图。具体的,可以首先将第一语义解析结果与第二语义解析结果组合,得到第一组合语义解析结果。
在将第一语义解析结果与第二语义解析结果组合时,可以通过将第一语义解析结果中的参数插入第二语义解析结果,得到第一组合语义解析结果。
以用户指令为“温度高一点”且用户上一轮指令为“打开空调”为例,可以得到第一解析结果为curData={"function":"temperature","action":"add"},第二解析结果为preData1={"domain":"SmartVehicle","intent":"StatesControl","name":"airCondition ing","action":"open"}。可以直接将curData中的参数直接插入preData1得到第一组合语义解析结果conData1,当curData中的参数在preData1中已经存在时,使用curData中的参数替换preData1中的对应参数,得到conData1={"domain":"SmartVehicle","intent":"StatesControl","name":"airConditio ning","action":"add","function":"temperature"}。
另一方面,也可以在abnf规则下在各个语义槽中对各参数使用curData中的参数和preData1中的参数进行插入。当preData1中包含curData中相同的参数时,可以直接将preData1的该参数替换为curData对应参数的值。当preData1的参数中未包含curData中的某个参数时,则直接插入该参数信息。得到第一组合语义解析结果conData1={"domain":"SmartVehicle","intent":"StatesControl","name":"airConditio ning","action":"add","function":"temperature"}。
本申请实施例中,在得到第一组合语义解析结果后,可以将第一组合语义解析结果与知识图谱中的标准指令进行匹配,当能够确定出唯一匹配的标准指令时,将标准指令中的意图作为用户意图。具体的匹配方法与图5所示实施例中的匹配方法相同,此处不再赘述。
图7是本申请实施例提供的基于第一语义解析结果和第三语义解析结果识别用户意图的方法的流程示意图。如图7所示,该方法包括如下步骤:
在步骤S701中,将第一语义解析结果与第三语义解析结果组合,得到第二组合语义解析结果。
在步骤S702中,将第二组合语义解析结果与知识图谱中的标准指令进行匹配。
在步骤S703中,响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图。
在步骤S704中,响应于确定出M条匹配的标准指令,分别获取M条标准指令的权重,确定权重值最高的标准指令中的意图为用户意图。
其中,标准指令的权重根据在预设时间范围T内的用户日志中,标准指令出现的次数与所有用户指令出现的次数之比确定,M为大于1的整数,T为正数。
本申请实施例中,当基于第一语义解析结果与第二语义解析结果无法确定用户意图时,可以基于一语义解析结果与第三语义解析结果确定用户意图。具体的,可以首先将第一语义解析结果与第三语义解析结果组合,得到第一组合语义解析结果。其中,第三语义解析结果是对用户上N轮指令进行语义解析的结果,即第三语义解析结果可能包括多个数据,例如preData2,preData3,...,preDataN。采用与将curData与preData1组合得到conData1相同的方法,分别将curData与preData2,preData3,...,preDataN组合,得到第二组合语义解析结果conData2,conData3,...,conDataN。将第一语义解析结果与第三语义解析结果组合可以是,将第一语义解析结果中的参数插入第三语义解析结果,得到第二组合语义解析结果。
本申请实施例中,将第二组合语义解析结果与知识图谱中的标准指令进行匹配。当能够确定出唯一匹配的标准指令时,将标准指令中的意图作为用户意图。当确定出M条匹配的标准指令,分别获取M条标准指令的权重,确定权重值最高的标准指令中的意图为用户意图。其中,标准指令的权重根据在预设时间范围T内的用户日志中,标准指令出现的次数与所有用户指令出现的次数之比确定。
具体的,可以获取预设时间范围T内的用户日志,该预设时间范围例如可以是最近一周。从获取的用户日志中筛选出与各业务场景相关的日志,例如筛选出成功解析车载设备控制相关的日志,其代码可以是code=2000。得到的日志例如可以包括:
{"code":2000,"domain":"SmartVehicle","intent":"StatesControl","name":"airC onditioning","action":"open","text":"打开空调"};
{"code":2000,
"domain":"SmartVehicle","intent":"StatesControl","name":"airConditioning","function":"temperature","action":"add","text":"空调温度调高一点"};
{"code":2000,
"domain":"SmartVehicle","intent":"StatesControl","name":"airConditioning","function":"windGear","action":"add","text":"空调风量调高一点"}。
对上述日志进行统计,可以得到各意图指令的权重。即,统计各意图数据出现的取值的次数,某意图的出现次数/所有意图的总出现次数即为该意图的权重。例如,设意图1:设备=空调、功能=温度、操作=调高,意图2:设备=空调、功能=风量、操作=调高。意图1出现次数为20、意图2出现次数为10,则意图1权重=0.66、意图2权重为0.33。
本申请实施例中,N的取值可以根据实际需要确定,例如可以确定N为最近2分钟内的解析轮数。可以从知识图谱中查询前述数据对应的设备-功能-操作间的关系路径,若仅有一条关系路径结果,则判断为解析成功;若存在多条关系路径结果,则根据近一周时间用户日志计算意图指令的权重数据并按权重降序排列,返回权重最高的语义结果,判断为解析成功;否则解析失败。
以当前轮用户指令是“高一点”为例,结合规则构建流程中rule_unknown_unknown_unknown_add_unknown规则,可以确定前述实体数据中未包含相关实体数据,故解析结果curData={"action":"add"}。
进一步假设历史轮结果数据分别为:
preData1={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","action":"open"};
preData2={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","function":"temperature","action":"add"};
preData3={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","function":"windGear","action":"add"}。
将curData分别与preData2,preData3,...,preDataN组合,得到第二组合语义解析结果conData2,conData3,...,conDataN为:
conData1={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","action":"add"}
conData2={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","function":"temperature","action":"add"}
conData3={"domain":"SmartVehicle","intent":"StatesControl","name":"airCon ditioning","function":"windGear","action":"add"}
从知识图谱中查询以上处理后的结果数据对应的设备-功能-操作间的关系路径,可得到conData2、conData3符合关系路径。进一步获取conData2、conData3的权重值,若conData2权重值为0.66,conData3权重值为0.33,则最终输出结果conData2,即确定conData2中包含的意图为用户指令的意图。
根据本申请实施例提供的技术方案,通过结合多轮语义构建用于检索匹配的组合解析结果,并基于历史用户日志为各组合解析确定权重,能够进一步准确识别用户指令的意图,提升用户体验。
本申请实施例中,解析指令和标准指令的指令格式为:规则_领域_意图_设备_操作_功能_其他。其中,对于没有对应取值的参数,可以用unknown表示。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
图8是本申请实施例提供的一种意图识别方法的流程示意图。本申请实施例提高的意图识别方法,可以对自动语音识别(Automatic Speech Recognition,ASR)语音识别出的文本,利用elasticsearch进行实体搜索,解析出实体语料信息,利用abnf规则解析树进行相应的规则解析,解析出功能、操作等信息;与前一轮解析结果进行槽位信息替换或填充,利用知识图谱数据检测是否符合设备-功能-操作间的关系路径,如符合则返回语义结果;如不符合则与2分钟内前N轮解析结果分别进行信息替换或填充,并从知识图谱中查询得到设备-功能-操作间的关系路径,若存在多条关系路径,则根据用户近一周时间请求统计数据,得到各意图槽位值权重取并按权重降序排列,返回权重最高的语义结果。可以有效解决需求场景中,不同设备相同操作或相同设备不同操作等类型的语义解析
如图8所示,该方法包括:首先进行文本输入,该文本可以对用户语音指令进行转换后的文本。然后从缓存中获取上一轮数据信息,其中缓存可以是Redis缓存。接下来,对文本进行实体搜索与规则解析,自elasticsearch中获取当前轮所能识别的参数信息。然后结合前一轮的语义处理结果进行槽位数据处理,从车载设备的知识图谱中获取解析结果。若能够解析成功,则将解析成功数据封装并返回。若无法解析成功,则结合2分钟内除前一轮外的N轮语义处理结果进行槽位数据处理,从车载设备的知识图谱中获取解析结果。若能够解析成功,则进一步判断结果是否唯一。若当前结果唯一,则将解析成功数据封装并返回。若当前结果不唯一,则根据最近一周意图指令的权重数据将得到的结果按照权重降序排列,返回权重最高的语义结果,并将该语义结果数据封装并返回。若无法解析成功,则输出失败结果,并返回数据。
采用本申请实施例的技术方案可以满足车载设备的多轮语义解析,对于后续功能的扩展支持,仅需要编写简单的规则以及添加相关的槽位、实体数据即可满足新功能多轮语义理解的支持。对项目功能扩展具有很好的兼容性,可有效节省后续开发成本及时间成本。借助车载设备知识图谱数据保证了多轮场景的语义理解结果的准确性,利用多轮次历史数据提高了指令的解析成功率,利用近段时间意图指令权重数据是解析结果更符合用户使用习惯。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图9是本申请实施例提供的一种意图识别装置的示意图。如图9所示,该意图识别装置包括:
获取模块901,被配置为获取用户指令,对用户指令进行语义解析,得到第一语义解析结果;
识别模块902,被配置为基于第一语义解析结果识别用户意图;
获取模块还被配置为响应于基于第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;
识别模块还被配置为基于第一语义解析结果和第二语义解析结果识别用户意图;
获取模块还被配置为响应于基于第一语义解析结果和第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果,N为大于1的整数;
识别模块还被配置为基于第一语义解析结果和第三语义解析结果识别用户意图;
其中,第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
根据本申请实施例提供的技术方案,通过对用户指令进行语义解析,得到以巴克斯范式规则表达的第一解析结果,首先基于该第一解析结果进行意图识别,然后在无法识别时,基于第一解析结果和对用户上一轮指令进行语义解析得到的第二解析结果进行意图识别,最后在仍然无法识别时,基于第一解析结果和对用户上N轮指令进行语义解析得到的第三解析结果进行意图识别,利用多轮次历史数据提高了指令的解析成功率,提高了意图识别的准确度,提升了用户体验。
本申请实施例中,对用户指令进行语义解析,得到第一语义解析结果,包括:获取用户指令的实体数据,实体数据包括设备名称、操作方法和操作内容中的至少一项;基于词法分析器、语法分析器和树分析器构建文法树状结构解析器;使用文法树状结构解析器对实体数据逐字拆解,得到拆解文本;使用巴克斯范式文法协议规则对拆解文本进行表达,得到第一语义解析结果。
本申请实施例中,基于第一语义解析结果识别用户意图,包括:基于第一语义解析结果确定业务场景;将第一语义解析结果与预先构建的业务场景的知识图谱中的标准指令进行匹配;响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图;其中,知识图谱包括业务场景中的标准指令库。
本申请实施例中,基于第一语义解析结果和第二语义解析结果识别用户意图,包括:将第一语义解析结果与第二语义解析结果组合,得到第一组合语义解析结果;将第一组合语义解析结果与知识图谱中的标准指令进行匹配;响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图。
本申请实施例中,基于第一语义解析结果和第三语义解析结果识别用户意图,包括:将第一语义解析结果与第三语义解析结果组合,得到第二组合语义解析结果;将第二组合语义解析结果与知识图谱中的标准指令进行匹配;响应于确定出唯一匹配的标准指令,将标准指令中的意图作为用户意图;或者响应于确定出M条匹配的标准指令,分别获取M条标准指令的权重,确定权重值最高的标准指令中的意图为用户意图;其中,标准指令的权重根据在预设时间范围T内的用户日志中,标准指令出现的次数与所有用户指令出现的次数之比确定,M为大于1的整数,T为正数。
本申请实施例中,将第一语义解析结果与第二语义解析结果组合,得到第一组合语义解析结果步骤,包括:将第一语义解析结果中的参数插入第二语义解析结果,得到第一组合语义解析结果;将第一语义解析结果与第三语义解析结果组合,得到第二组合语义解析结果步骤,包括:将第一语义解析结果中的参数插入第三语义解析结果,得到第二组合语义解析结果。
本申请实施例中,解析指令和标准指令的指令格式为:规则_领域_意图_设备_操作_功能_其他。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图10是本申请实施例提供的电子设备的示意图。如图10所示,该实施例的电子设备10包括:处理器1001、存储器1002以及存储在该存储器1002中并且可在处理器1001上运行的计算机程序1003。处理器1001执行计算机程序1003时实现上述各个方法实施例中的步骤。或者,处理器1001执行计算机程序1003时实现上述各装置实施例中各模块/单元的功能。
电子设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备10可以包括但不仅限于处理器1001和存储器1002。本领域技术人员可以理解,图10仅仅是电子设备10的示例,并不构成对电子设备10的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器1001可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器1002可以是电子设备10的内部存储单元,例如,电子设备10的硬盘或内存。存储器1002也可以是电子设备10的外部存储设备,例如,电子设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。存储器1002还可以既包括电子设备10的内部存储单元也包括外部存储设备。存储器1002用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。
集成的模块/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,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本申请的技术方案,而非对其限制;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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种意图识别方法,其特征在于,包括:
获取用户指令,对所述用户指令进行语义解析,得到第一语义解析结果;
基于所述第一语义解析结果识别用户意图;
响应于基于所述第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;
基于所述第一语义解析结果和所述第二语义解析结果识别用户意图;
响应于基于所述第一语义解析结果和所述第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果,N为大于1的整数;
基于所述第一语义解析结果和所述第三语义解析结果识别用户意图;
其中,所述第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
2.根据权利要求1所述的方法,其特征在于,所述对所述用户指令进行语义解析,得到第一语义解析结果,包括:
获取所述用户指令的实体数据,所述实体数据包括设备名称、操作方法和操作内容中的至少一项;
基于词法分析器、语法分析器和树分析器构建文法树状结构解析器;
使用所述文法树状结构解析器对所述实体数据逐字拆解,得到拆解文本;
使用巴克斯范式文法协议规则对所述拆解文本进行表达,得到所述第一语义解析结果。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一语义解析结果识别用户意图,包括:
基于所述第一语义解析结果确定业务场景;
将所述第一语义解析结果与预先构建的所述业务场景的知识图谱中的标准指令进行匹配;
响应于确定出唯一匹配的标准指令,将所述标准指令中的意图作为所述用户意图;
其中,所述知识图谱包括所述业务场景中的标准指令库。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一语义解析结果和所述第二语义解析结果识别用户意图,包括:
将所述第一语义解析结果与所述第二语义解析结果组合,得到第一组合语义解析结果;
将所述第一组合语义解析结果与所述知识图谱中的标准指令进行匹配;
响应于确定出唯一匹配的标准指令,将所述标准指令中的意图作为所述用户意图。
5.根据权利要求3所述的方法,其特征在于,所述基于所述第一语义解析结果和所述第三语义解析结果识别用户意图,包括:
将所述第一语义解析结果与所述第三语义解析结果组合,得到第二组合语义解析结果;
将所述第二组合语义解析结果与所述知识图谱中的标准指令进行匹配;
响应于确定出唯一匹配的标准指令,将所述标准指令中的意图作为所述用户意图;或者
响应于确定出M条匹配的标准指令,分别获取所述M条标准指令的权重,确定权重值最高的标准指令中的意图为所述用户意图;
其中,标准指令的权重根据在预设时间范围T内的用户日志中,标准指令出现的次数与所有用户指令出现的次数之比确定,M为大于1的整数,T为正数。
6.根据权利要求4或5所述的方法,其特征在于,所述将所述第一语义解析结果与所述第二语义解析结果组合,得到第一组合语义解析结果步骤,包括:将所述第一语义解析结果中的参数插入所述第二语义解析结果,得到第一组合语义解析结果;
所述将所述第一语义解析结果与所述第三语义解析结果组合,得到第二组合语义解析结果步骤,包括:将所述第一语义解析结果中的参数插入所述第三语义解析结果,得到第二组合语义解析结果。
7.根据权利要求3所述的方法,其特征在于,所述解析指令和标准指令的指令格式为:规则_领域_意图_设备_操作_功能_其他。
8.一种意图识别装置,其特征在于,包括:
获取模块,被配置为获取用户指令,对所述用户指令进行语义解析,得到第一语义解析结果;
识别模块,被配置为基于所述第一语义解析结果识别用户意图;
所述获取模块还被配置为响应于基于所述第一语义解析结果无法确定用户意图,获取对用户上一轮指令进行语义解析的第二语义解析结果;
所述识别模块还被配置为基于所述第一语义解析结果和所述第二语义解析结果识别用户意图;
所述获取模块还被配置为响应于基于所述第一语义解析结果和所述第二语义解析结果无法确定用户意图,获取对用户上N轮指令进行语义解析的第三语义解析结果,N为大于1的整数;
所述识别模块还被配置为基于所述第一语义解析结果和所述第三语义解析结果识别用户意图;
其中,所述第一语义解析结果、第二语义解析结果和第三语义解析结果为以巴克斯范式规则表达的解析指令。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907628.9A CN116955649B (zh) | 2023-07-21 | 2023-07-21 | 意图识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907628.9A CN116955649B (zh) | 2023-07-21 | 2023-07-21 | 意图识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116955649A true CN116955649A (zh) | 2023-10-27 |
CN116955649B CN116955649B (zh) | 2024-10-11 |
Family
ID=88448761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310907628.9A Active CN116955649B (zh) | 2023-07-21 | 2023-07-21 | 意图识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955649B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372054A (zh) * | 2015-07-24 | 2017-02-01 | 中兴通讯股份有限公司 | 一种多语言语义解析的方法和装置 |
CN111984778A (zh) * | 2020-09-08 | 2020-11-24 | 四川长虹电器股份有限公司 | 基于依存句法分析和汉语语法的多轮语义分析方法 |
CN114817467A (zh) * | 2022-04-20 | 2022-07-29 | 中国人民解放军国防科技大学 | 一种意图识别响应方法、装置、设备及存储介质 |
WO2022179206A1 (zh) * | 2021-02-27 | 2022-09-01 | 华为技术有限公司 | 语义理解方法及装置 |
CN115457951A (zh) * | 2022-05-10 | 2022-12-09 | 北京罗克维尔斯科技有限公司 | 一种语音控制方法、装置、电子设备以及存储介质 |
CN115759121A (zh) * | 2022-11-01 | 2023-03-07 | 深圳康佳电子科技有限公司 | 一种对话领域意图解析方法、装置、设备及存储介质 |
-
2023
- 2023-07-21 CN CN202310907628.9A patent/CN116955649B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372054A (zh) * | 2015-07-24 | 2017-02-01 | 中兴通讯股份有限公司 | 一种多语言语义解析的方法和装置 |
CN111984778A (zh) * | 2020-09-08 | 2020-11-24 | 四川长虹电器股份有限公司 | 基于依存句法分析和汉语语法的多轮语义分析方法 |
WO2022179206A1 (zh) * | 2021-02-27 | 2022-09-01 | 华为技术有限公司 | 语义理解方法及装置 |
CN114817467A (zh) * | 2022-04-20 | 2022-07-29 | 中国人民解放军国防科技大学 | 一种意图识别响应方法、装置、设备及存储介质 |
CN115457951A (zh) * | 2022-05-10 | 2022-12-09 | 北京罗克维尔斯科技有限公司 | 一种语音控制方法、装置、电子设备以及存储介质 |
CN115759121A (zh) * | 2022-11-01 | 2023-03-07 | 深圳康佳电子科技有限公司 | 一种对话领域意图解析方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
李泽宇;李磊;李煜祺;鲁兴河;王淑平;潘玉林;: "一种智能语音技术在指挥系统中的应用方法", 通信电源技术, no. 05, 10 March 2020 (2020-03-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN116955649B (zh) | 2024-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022237253A1 (zh) | 一种测试用例生成方法、装置及设备 | |
CN114547329A (zh) | 建立预训练语言模型的方法、语义解析方法和装置 | |
CN109145282B (zh) | 断句模型训练方法、断句方法、装置及计算机设备 | |
CN107526809B (zh) | 基于人工智能推送音乐的方法和装置 | |
CN109753658B (zh) | 交互方法和装置 | |
CN112416962A (zh) | 数据查询方法、装置以及存储介质 | |
CN116244410B (zh) | 一种基于知识图谱和自然语言的指标数据分析方法及系统 | |
CN112181924A (zh) | 文件转换方法、装置、设备及介质 | |
CN116028608A (zh) | 问答交互方法、装置、计算机设备及可读存储介质 | |
CN109033082B (zh) | 语义模型的学习训练方法、装置及计算机可读存储介质 | |
CN109992651B (zh) | 一种问题目标特征自动识别和抽取方法 | |
CN112446405A (zh) | 一种家电客服的用户意图引导方法及智能家电 | |
CN111354354A (zh) | 一种基于语义识别的训练方法、训练装置及终端设备 | |
CN116662555B (zh) | 一种请求文本处理方法、装置、电子设备及存储介质 | |
CN116955649B (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN111639160A (zh) | 领域识别的方法、交互的方法、电子设备及存储介质 | |
CN113255374B (zh) | 问答管理方法及系统 | |
CN109446318A (zh) | 一种确定汽车维修文档主题的方法及相关设备 | |
CN111538810B (zh) | 数据生成方法、装置、电子设备及存储介质 | |
CN113704422A (zh) | 一种文本推荐方法、装置、计算机设备和存储介质 | |
CN111353293B (zh) | 一种语句材料生成方法及终端设备 | |
CN112487180A (zh) | 文本分类方法和装置、计算机可读存储介质和电子设备 | |
CN112395414A (zh) | 文本分类方法和分类模型的训练方法、装置、介质和设备 | |
CN112632991B (zh) | 一种中文语言的特征信息提取方法及装置 | |
CN111737988B (zh) | 一种复述句识别的方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240118 Address after: No. 13 Xingxiang Road, Zengjia Town, High tech Zone, Shapingba District, Chongqing, 400039 Applicant after: Chongqing Selis Phoenix Intelligent Innovation Technology Co.,Ltd. Address before: 401120 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing City Applicant before: Chongqing Celes New Energy Automobile Design Institute Co.,Ltd. |
|
GR01 | Patent grant |