CN117034958A

CN117034958A - 用户意图识别方法、答复生成方法、以及服务器

Info

Publication number: CN117034958A
Application number: CN202310906360.7A
Authority: CN
Inventors: 何东魁; 孙世杰; 李京峰
Original assignee: Nanjing Leading Technology Co Ltd
Current assignee: Nanjing Leading Technology Co Ltd
Priority date: 2023-07-21
Filing date: 2023-07-21
Publication date: 2023-11-10

Abstract

本发明提供一种用户意图识别方法、答复生成方法、以及服务器，涉及智能客服技术领域，该方法包括：获取用户输入的信息；将用户输入的信息加入到提示词模板中；其中，提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；将加入用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图。本发明实施例能够通过提示词模板中的预设用户意图和预设用户意图对应的描述预设用户意图的内容增加输入模型的信息，这样模型增加了更多信息进行用户意图的识别，提高了识别的准确率。

Description

用户意图识别方法、答复生成方法、以及服务器

技术领域

本发明涉及智能客服技术领域，尤其涉及一种用户意图识别方法、答复生成方法、以及服务器。

背景技术

目前智能客服技术已经大规模应用于网约车行业，不断解决乘客和司机侧的客服问题。然而，现有智能客服技术仍然面临着一系列瓶颈。在QA问答、任务式多轮会话、闲聊等场景下，采用传统NLU自然语言理解算法，对线上的用户输入进行实时意图理解，根据不同的会话目的构建业务处理流程，再交付DST会话状态管理模块进行slot filling填槽作为信息补足，之后路由到相应的action模块解决问题，并最终向用户提供理想的答案，以满足其在线客服需求。

在核心的NLU意图理解部分，由于用户方面问题的不可预测性和业务复杂性，只能依赖基于填槽知识归纳，需要反复向用户确认信息，以获取意图信息，降低用户体验。

发明内容

本发明提供一种用户意图识别方法、答复生成方法、以及服务器，能够通过提示词模板中的预设用户意图和预设用户意图对应的描述预设用户意图的内容增加输入模型的信息，这样模型增加了更多信息进行用户意图的识别，提高了识别的准确率。

第一方面，本发明实施例提供一种用户意图识别方法，包括：

获取用户输入的信息；

将用户输入的信息加入到提示词模板中；其中，所述提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；

将加入所述用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图。

上述方法，能够将用户输入的信息加入到提示词模板中，将提示词模板输入到LLM模型中，得到用户意图，由于提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容，将这些信息均发给LLM模型，增加了提供给模型的信息，提高了识别的准确率，同时不需要反复询问用户内容，提高了用户体验感。

在一种可能实施的方式中，通过以下方法更新提示词模板：

根据多个用户输入的历史信息和历史信息对应的用户意图，确定多个备选提示词模板；

从多个备选提示词模板中，选择目标提示词模板，并采用所述目标提示词模板更新所述提示词模板。

上述方法，能够通过多个用户输入的历史信息和历史信息对应的用户意图，确定多个备选提示词模板，并选择新的提示词模板更新旧的提示词模板，这样可以将不断新的用户输入的信息和对应用户意图增加到提示词模板中，进而丰富提示词模板，提高了识别的准确率。

在一种可能实施的方式中，从多个备选提示词模板中，选择目标提示词模板，包括：

针对每个备选提示词模板，根据该备选提示词模板，确定多个用户输入的历史信息对应的预测用户意图；并根据多个用户输入的历史信息对应的实际用户意图和多个用户输入的历史信息对应的预测用户意图，确定该备选提示词模板的多个相似度；根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度；

根据每个备选提示词模板的可选度，选择目标提示词模板。

上述方法，能够通过多个用户输入的历史信息的实际用户意图和备选提示词模板识别出的预测用户意图的相似度，对备选提示词模板进行选择，这样相比与实际的用户意图选择的模板，提高了模板的准确率。

在一种可能实施的方式中，根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度，包括：

根据该备选提示词模板的多个相似度和确定每个相似度时的多个用户输入的历史信息对应的实际用户意图对应的权重，确定该备选提示词模板的可选度。

上述方法，采用不同的用户意图对应的权重，对每个相似度进行不同的加权处理，能够更好的区分不同的相似度对备选提示词模板的可选度的贡献。

第二方面，本发明实施例提供一种答复生成方法，包括：

获取用户输入的信息；

将加入所述用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图；

根据所述用户意图，确定用户输入的信息对应的答复，并将用户输入的信息对应的答复反馈给用户。

在一种可能实施的方式中，通过以下方法更新提示词模板：

根据每个备选提示词模板的可选度，选择目标提示词模板。

在一种可能实施的方式中，根据所述用户意图，确定用户输入的信息对应的答复，包括：

根据用户输入的信息，确定业务场景；

根据所述业务场景对应的处理策略对所述用户意图进行处理，确定用户输入的信息对应的答复。

第三方面，本发明实施例提供一种服务器，包括：

处理器；

处理器，用于执行所述存储器中的计算机程序或指令，使得如第一方面中任一所述的用户意图识别方法被执行，或使得如第二方面中任一所述的答复生成方法被执行。

第四方面，本发明实施例提供一种计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行如第一方面中任一所述的用户意图识别方法，或使得所述处理器能够执行如第一方面中任一所述的答复生成方法。

第五方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述如第一方面中任一所述的用户意图识别方法，或使得计算机执行上述如第二方面中任一所述的答复生成方法。

另外，第二方面至第五方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

图1为本发明实施例提供的一种用户意图识别方法的流程图；

图2为本发明实施例提供的一种提示词模板的示意图；

图3为本发明实施例提供的一种更新提示词模板的方法的流程图；

图4为本发明实施例提供的一种确定提示词模板的可选度的示意图；

图5为本发明实施例提供的一种答复生成方法的流程图；

图6为本发明实施例提供的一种用户意图识别装置的结构示意图；

图7为本发明实施例提供的一种答复生成装置的结构示意图；

图8为本发明实施例提供的一种服务器的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

实施例1

结合图1所示，本发明实施例提供了一种用户意图识别方法，包括：

S100：获取用户输入的信息；

示例性的，本发明实施例提供用户界面作为接口，例如，在网约车平台的乘客端的用户界面上，用户输入：网约车司机不来接我。这样将“网约车司机不来接我”作为用户输入的信息。其中，用户界面除了可以由网约车平台的乘客端提供之外，还可以由app、聊天软件中的小程序等等提供。

或者，本发明实施例提供客服电话作为接口，例如，网约车平台提供客服电话，用户拨打客服电话，在客户电话接通后，将用户的通话内容作为用户输入的信息。

S101：将用户输入的信息加入到提示词模板中；其中，提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；

其中，描述预设用户意图的内容为基于用户输入的信息提炼的，例如，用户输入的信息为网约车司机一直不来接我，那么提炼的内容可以为网约车司机不接客。

具体的，可以基于相同的用户意图的用户输入的信息提炼的内容，组成预设用户意图和预设用户意图对应的描述预设用户意图的内容。在组成提示词模板时，一个用户输入的信息，提炼一个问题，一个用户输入的信息对应一个用户意图，将具有相同的用户意图的用户输入的信息组成在一起，提炼的问题进行相似度对比，如果相似度比较高，那么可以将其保留一个即可。上述进行提示词模板的生成可以基于LLM模型生成。

结合图2所示，提示词模板中包括：限制词、预设用户意图、描述预设用户意图的内容；

限制词包括：some choices are given below(以下给出多个选择).It isprovided in a numbered list(0to 5)(在编号列表中提供),where each item in thelist corresponds to a summary(其中列表中的每个项目对应一个摘要)。

Using only the choices above and not prior knowledge,return thechoice that is most relevant to the question(只使用上面的选择，而不使用先验知识，返回与问题最相关的选择)。Provide choice in the following format(按以下格式提供选择).explain why this summary was selected in relation to the question(解释为什么选择与该问题相关的摘要)。

用户输入的信息添加到“Using only the choices above and not priorknowledge,return the choice that is most relevant to the question”，与“Providechoice in the following format”之间。

LLM模型反馈用户意图时，实际上输出的也是提示词模板，该提示词模板与输入LLM模型的提示词模板不同的是，在explain why this summary was selected inrelation to the question之前，填入LLM模型反馈的用户意图。

限制词主要限制LLM模型输出的用户意图是在提示词模板中的预设用户意图。例如，当提示词模板中预设用户意图包括取消订单、行程问题、投诉司机；可以为取消订单，可以为行程问题、可以为投诉司机。基于上述提示词模板，LLM模型输出的用户意图，只能是上述n种预设用户意图中的一个。

提示词模板包括的预设用户意图和预设用户意图对应的描述预设用户意图的内容如下所示：

用户意图为取消订单，描述预设用户意图的内容为临时改变行程、上车点错误；

用户意图为行程问题，描述预设用户意图的内容为修改目的地、推荐线路不合理；

用户意图为投诉司机，描述预设用户意图的内容为不开空调、开车抽烟、未提示系安全带、态度不好。

S102：将加入用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图。

其中，在实际使用过程中，调用LLM模型接口，将加入用户输入的信息后的提示词模板通过LLM模型接口发送给LLM模型，LLM模型基于提示词模板和用户输入的信息，并限制LLM模型输出的用户意图只在提示词模板中的预设用户意图中，使得LLM模型输出用户意图。

需要说明的是，LLM大语言模型包括行业内所有的无论是否开源的LLM大语言模型，都可以被用作此场景。同时有能力针对不同的LLM API(Application ProgrammingInterface，应用程序接口)做适配，且具备随意切换不同的LLM大模型的能力。例如LLM模型不仅可以输出用户意图，还可以生成提示词模板。

本发明通过提示词模板增加了输入给LLM模型的信息，增加信息的目的是更便于LLM大语言模型发挥文本理解能力和生成能力。同时因为巨量的训练数据和加入了人类标注反馈的RLHF(Reinforcement Learning from Human Feedback)强化学习方法，相较传统NLU算法，LLM大语言模型的能力有大幅提升，从而提高了识别的准确率。

由于网约车平台不断接到用户输入的新的信息和新的用户意图，为了提高LLM模型输出的用户意图的准确率，本发明实施例还提出了周期性更新提示词模板。

以预设时间段为一个周期，例如一周的时间为一个周期，当过完一周后，例如该周内用户输入的信息和对应的用户意图，更新提示词模板；

或者以在上一次更新之后用户输入的信息的总数达到预设数量，为一个周期，利用上一次更新后的用户输入的信息和对应的用户意图，更新提示词模板。

本发明实施例还提供了一种具体的更新提示词模板的方法，结合图3所示，包括：

S300：根据多个用户输入的历史信息和历史信息对应的用户意图，确定多个备选提示词模板；

示例性的，将多个用户输入的历史信息和历史信息对应的用户意图进行划分，划分多个数组；每个数组包括至少一个用户输入的历史信息和历史信息对应的用户意图；

划分过程中，可以随机划分多个用户输入的历史信息和历史信息对应的用户意图；同时划分时，针对每个数据包含的用户输入的历史信息的个数可以相同，也可以不同，对此，本发明不做具体限制。

将每个数组中的用户输入的历史信息和历史信息对应的用户意图通过LLM模型接口发送给LLM模型，得到每个数组对应的提示词模板，将每个数据对应的提示词模板作为备选提示词模板；该提示词模板中包括至少一个预设用户意图，即可以为一个或者多个。

S301：从多个备选提示词模板中，选择目标提示词模板，并采用所述目标提示词模板更新所述提示词模板。

步骤301具体实现方式包括：针对每个备选提示词模板，根据该备选提示词模板，确定多个用户输入的历史信息对应的预测用户意图；并根据多个用户输入的历史信息对应的实际用户意图和多个用户输入的历史信息对应的预测用户意图，确定该备选提示词模板的多个相似度；根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度；

根据每个备选提示词模板的可选度，选择目标提示词模板。

示例性的，根据多个用户输入的历史信息和历史信息对应的用户意图，确定多个备选提示词模板，结合图4所示，采用用户输入的历史信息(input)，和该用户输入的历史信息对应的用户意图(answer)，输入到LLM模型中，得到备选提示词模板。

用户输入的历史信息(input)，和该用户输入的历史信息对应的用户意图(answer)例如：

Input：网约车司机不来接我，answer：接乘问题；

Input：我在车上丢东西了，answer：寻找物品；

Input：联系不到乘客，answer：司乘沟通问题；

得到备选提示词模板，该备选提示词模板中，包括由LLM模型输出的多个预设用户意图和多个预设用户意图对应的描述预设用户意图的内容；即通过用户输入的历史信息和该历史信息对应的用户意图，得到提示词模板。

得到的备选提示词模板可以为意图0：问题1、问题2、问题3…；意图1：问题1、问题2、问题3…；意图2：问题1、问题2、问题3…；意图3：问题1、问题2、问题3…；

其中，意图为预设用户意图，问题1、问题2、问题3为描述预设用户意图的内容；也就是从用户输入的历史信息中提炼出来的问题。

可以基于不同的历史信息和历史信息对应的用户意图，得到多个备选提示词模板。

针对任意一个备选提示词模板，从多个用户输入的历史信息中选择一个用户输入的历史信息，再结合图4所示，将历史信息和该备选提示词模板通过LLM模型接口发送给LLM模型，得到该用户输入的历史信息对应的预测用户意图；将该用户输入的历史信息对应的预测用户意图和该用户输入的历史信息对应的实际用户意图进行相似度计算，得到相似度，依次类推，选择多个用户输入的历史信息，得到多个相似度，基于多个相似度，确定该备选提示词模板的可选度；将所有的备选提示词模板均进行如上计算，得到每个备选提示词模板的可选度。

其中，相似度计算过程中，采用用户输入的历史信息对应的预测用户意图的向量和该用户输入的历史信息对应的实际用户意图的向量之间的余弦距离，作为他们之间的相似度，例如：

C＝cos_sim(A,B)

其中，C表示相似度，A表示用户输入的历史信息对应的预测用户意图的向量，B表示用户输入的历史信息对应的实际用户意图的向量。C的值为[-1,1]之间的实数，其中-1表示实际用户意图和预测用户意图完全不相似，1表示两个句子完全相似，0表示两个句子之间毫无关系。

根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度具体实现方式包括：

直接将多个相似度相加，得到该备选提示词模板的可选度；

例如，该备选提示词模板的多个相似度为C1～Cn，该备选提示词模板的可选度为C1+C2+C3+……+Cn。

或根据该备选提示词模板的多个相似度和确定每个相似度时的多个用户输入的历史信息对应的实际用户意图对应的权重，确定该备选提示词模板的可选度。

详细来说，sum＝w1×C1+w2×C2+...+wn×Cn

其中，sum为备选提示词模板的可选度，C1～Cn为该备选提示词模板的多个相似度，w1，w2，...，wn表示确定每个相似度时的多个用户输入的历史信息对应的实际用户意图对应的权重，可以为实数或整数。

例如，采用用户A输入的历史信息和该备选提示词模板，得到用户A输入的历史信息对应的预测用户意图，采用用户A输入的历史信息对应的实际用户意图和用户A输入的历史信息对应的预测用户意图计算相似度，在计算该备选提示词模板中，采用用户A输入的历史信息对应的实际用户意图和用户A输入的历史信息对应的预测用户意图计算的相似度，乘以用户A输入的历史信息对应的实际用户意图的权重。

对于权重的具体数值可以基于用户意图的新旧确定。

示例性的，可以将以前就有的用户意图，也就说旧的用户意图设置为比较低的权重，将新的用户意图设置为比较高的权重，以前就有的用户意图为更新之前的提示词模板中的预设用户意图，新的用户意图为更新之前的提示词模板中没有的预设用户意图。

即可以将用户的实际用户意图与更新之前的提示词模板中的预设用户意图进行对比，当实际用户意图不在更新之前的提示词模板中，那么设定的权重比较大，当实际用户意图在更新之前的提示词模板中，那么设定的权重比较小，这样针对包含比较多的新的用户意图的备选提示词模板，它的可选度比较大，从而能够在最终选择时，将包含比较多的新的用户意图的备选提示词模板选择出来。

结合表1所示：

表1

权重1	权重2
		7.5	2.5

其中，权重1为新的用户意图的权重，权重2为旧的用户意图的权重。当得到一个相似度时，判断确定该相似度时的多个用户输入的历史信息对应的实际用户意图，是否在未更新的提示词模板中，如果在，则确定采用权重2对该相似度进行加权，2.5乘以该相似度；如果确定该相似度时的多个用户输入的历史信息对应的实际用户意图，不在未更新的提示词模板中，则确定采用权重1对该相似度进行加权，7.5乘以该相似度。依次类推，得到该备选提示词模板的每个相似度和对应的权重，计算该备选提示词模板的可选度。

需要说明的是，除了上述基于用户意图的新旧确定权重的值之外，还可以根据具体的确定该相似度时的多个用户输入的历史信息对应的实际用户意图，确定权重，例如，基于该实际用户意图的重视程度，确定权重。对此，本发明不做具体限制，基于实际情况确定每个相似度对应的权重。

其中，根据每个备选提示词模板的可选度，选择目标提示词模板，具体包括：

将最大的可选度的备选提示词模板，作为选择的目标提示词模板；或

将按照从大到小的顺序的前几名可选度的备选提示词模板，作为选择的目标提示词模板。

详细来说，采用最大的可选度的备选提示词模板，更新旧的提示词模板；或者，按照从大到小的顺序的前几名，例如全部的k％，所有备选提示词模板的5％的个数，按照从大到小的顺序，选择％的个数的可选度的备选提示词模板，将选择的多个目标提示词模板更新旧的提示词模板中。

其中，上述介绍的旧的提示词模板为更前之前的提示词模板。

具体的更新过程包括：当目标提示词模板与旧的提示词模板相比，目标提示词模板中包括旧的提示词模板中不包含的预设用户意图，则将旧的提示词模板中不包含的预设用户意图和该预设用户意图对应的描述预设用户意图的内容直接添加到旧的提示词模板中；

当目标提示词模板与旧的提示词模板相比，目标提示词模板中包括旧的提示词模板中包含的预设用户意图，则将目标提示词模板中包含的旧的提示词模板中包含的每个预设用户意图对应的描述预设用户意图的内容，与旧的提示词模板中包含的每个预设用户意图对应的描述预设用户意图的内容进行相似度对比，将相似度比较低的预设用户意图对应的描述预设用户意图的内容添加到对应的预设用户意图中。

例如，目标提示词模板中包括：意图0：问题1、问题2、问题3…；意图1：问题1、问题2、问题3…；意图2：问题1、问题2、问题3…；意图3：问题1、问题2、问题3…；

旧的提示词模板中包括：意图0：问题1、问题2、问题3…；意图1：问题1、问题2、问题3…；意图2：问题1、问题2、问题3…；

由于目标提示词模板包含意图3，旧的提示词模板不包括意图3，那么将意图3以及意图3对应的问题1、问题2、问题3…添加到旧的提示词模板中。

同时，对比目标提示词模板中意图0对应的问题1、问题2、问题3…和旧的提示词模板中意图0对应的问题1、问题2、问题3…进行相似度对比，如果目标提示词模板中意图0对应的问题1和旧的提示词模板中意图0对应的问题1、问题2、问题3…即所有问题均不相同，那么将目标提示词模板中意图0对应的问题1，添加到旧的提示词模板中意图0对应的问题中。

同样的，将目标提示词模板中意图1对应的问题1、问题2、问题3…和旧的提示词模板中意图1对应的问题1、问题2、问题3…进行相似度对比，将目标提示词模板中意图2对应的问题1、问题2、问题3…和旧的提示词模板中意图2对应的问题1、问题2、问题3…进行相似度对比，直到目标提示词模板中与旧的提示词模板中预设用户意图和对应的描述预设用户意图的内容不同的内容，全部添加到旧的提示词模板为止。

实施例2

本发明实施例提供了一种答复生成方法，结合图5所示，包括：

S500：获取用户输入的信息；

S501：将用户输入的信息加入到提示词模板中；其中，提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；

S502：将加入用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图；

S503：根据用户意图，确定用户输入的信息对应的答复，并将用户输入的信息对应的答复反馈给用户。

可选的，通过以下方法更新提示词模板：

可选的，从多个备选提示词模板中，选择目标提示词模板，包括：

根据每个备选提示词模板的可选度，选择目标提示词模板。

可选的，根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度，包括：

上述更新提示词模板的部分与实施例1相似，具体理解可以参照实施例1。

可选的，根据所述用户意图，确定用户输入的信息对应的答复，包括：

确定业务场景；

根据业务场景对应的处理策略对用户意图进行处理，确定用户输入的信息对应的答复。

示例性的，业务场景包括对话、闲聊；其中，确定任务场景可以根据用户输入的信息确定的，例如，将用户输入的信息通过调用LLM模型接口发送给LLM模型，得到任务场景；

或者在网约车平台的用户界面上，让用户选择对应的业务场景，当用户选择对话，那么对应的业务场景为对话；当用户选择闲聊，那么对应的业务场景为闲聊。

若业务场景为对话，根据用户输入的信息识别用户意图(识别方式如上所示)，当识别出来用户意图，将识别出的用户意图展示给用户，用户确认用户意图(代表用户认可LLM模型理解的意图)后，根据用户意图和用户输入的信息匹配知识库模块对应的问题，得到用户输入的信息对应的答复，将对应的答复展示给用户。在用户否认用户意图后(代表用户不认可LLM模型理解的意图)，提示用户重新输入新的信息，在基于新的信息重新确定用户意图。

当识别不出来用户意图，即需要任务多轮对话，需要判断是否实体缺失，如果确定实体缺失，那么需要将用户输入的信息通过LLM模型接口发送给LLM模型，得到询问用户实体的问题；将询问用户实体的问题展示给用户，用户回复后，判断是否实体缺失，如果缺失，那么继续询问用户实体，直到判断出实体不缺失为止，根据实体不缺失的所有用户输入的信息识别用户意图(识别方式如上所示)，得到用户意图，将识别出的用户意图展示给用户，用户确认用户意图后，根据用户意图和用户输入的信息匹配知识库模块对应的问题，得到用户输入的信息对应的答复，将对应的答复展示给用户。在用户否认用户意图后，提示用户重新输入新的信息，在基于新的信息重新确定用户意图。

若基于用户输入的信息的业务场景为闲聊，则识别用户意图(识别方式如上所示)，将用户意图匹配知识库模块对应的答复，将对应的答复展示给用户，直至用户不再输入信息。

实施例3

本发明实施例提供了一种用户意图识别装置，结合图6所示，包括：

获取模块600，用于获取用户输入的信息；

加入模块601，用于将用户输入的信息加入到提示词模板中；其中，所述提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；

识别模块602，用于将加入所述用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图。

可选的，所述装置还包括更新模块，更新模块和加入模块601相连；

所述更新模块，具体用于：

可选的，所述更新模块，具体用于：

根据每个备选提示词模板的可选度，选择目标提示词模板。

可选的，所述更新模块，具体用于：

实施例4

本发明实施例提供了一种答复生成装置，结合图7所示，包括：

获取模块700，用于获取用户输入的信息；

加入模块701，用于将用户输入的信息加入到提示词模板中；其中，所述提示词模板包括多个预设用户意图和每个预设用户意图对应的描述预设用户意图的内容；

识别模块702，用于将加入所述用户输入的信息后的提示词模板通过大语言模型LLM，得到用户意图；

答复模块703，用于根据所述用户意图，确定用户输入的信息对应的答复，并将用户输入的信息对应的答复反馈给用户。

所述更新模块，具体用于：根据多个用户输入的历史信息和历史信息对应的用户意图，确定多个备选提示词模板；

可选的，所述更新模块，具体用于：

根据每个备选提示词模板的可选度，选择目标提示词模板。

可选的，所述更新模块，具体用于：

可选的，答复模块703，具体用于：确定业务场景；

实施例5

另外，结合图1-图7描述的本发明实施例的一种用户意图识别方法和装置，或一种答复生成方法和装置均可以由服务器来实现。

服务器，包括：处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如上述介绍的任一项所述的用户意图识别方法，或以实现如上述介绍的任一项所述的答复生成方法。

基于上述的介绍，示例性的，提出了图8的服务器结构。

服务器可以包括处理器810以及存储有计算机程序指令的存储器820。

具体地，上述处理器810可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器820可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器820可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器820可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器820可在数据处理装置的内部或外部。在特定实施例中，存储器820是非易失性固态存储器。在特定实施例中，存储器820包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器810通过读取并执行存储器820中存储的计算机程序指令，以实现上述实施例中的任意一种执行任务的方法。

在一个示例中，服务器还可包括通信接口830和总线840。其中，如图8所示，处理器810、存储器820、通信接口830通过总线840连接并完成相互间的通信。

通信接口830，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线840包括硬件、软件或两者，将服务器的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线840可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

另外，结合上述实施例中的服务器，本发明实施例可提供一种存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行如上述任一项所述的用户意图识别方法，或使得所述服务器能够执行如上述任一项所述的答复生成方法。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种用户意图识别方法，其特征在于，包括：

获取用户输入的信息；

2.根据权利要求1所述的用户意图识别方法，其特征在于，通过以下方法更新提示词模板：

3.根据权利要求2所述的用户意图识别方法，其特征在于，从多个备选提示词模板中，选择目标提示词模板，包括：

根据每个备选提示词模板的可选度，选择目标提示词模板。

4.根据权利要求3所述的用户意图识别方法，其特征在于，根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度，包括：

5.一种答复生成方法，其特征在于，包括：

获取用户输入的信息；

6.根据权利要求5所述的答复生成方法，其特征在于，通过以下方法更新提示词模板：

7.根据权利要求6所述的答复生成方法，其特征在于，从多个备选提示词模板中，选择目标提示词模板，包括：

根据每个备选提示词模板的可选度，选择目标提示词模板。

8.根据权利要求7所述的答复生成方法，其特征在于，根据该备选提示词模板的多个相似度，确定该备选提示词模板的可选度，包括：

9.根据权利要求5所述的答复生成方法，其特征在于，根据所述用户意图，确定用户输入的信息对应的答复，包括：

根据用户输入的信息，确定业务场景；

10.一种服务器，其特征在于，包括：

存储器，用于存储计算机程序或指令；

处理器，用于执行所述存储器中的计算机程序或指令，使得如权利要求1-4中任一所述的用户意图识别方法被执行，或使得如权利要求5-9中任一所述的答复生成方法被执行。