TW201917601A

TW201917601A - 使用者意圖識別方法及裝置

Info

Publication number: TW201917601A
Application number: TW107129570A
Authority: TW
Inventors: 劉佳; 崔恒斌; 張家興; 吳麗娟; 毛瑤瑤
Original assignee: 香港商阿里巴巴集團服務有限公司
Priority date: 2017-10-25
Filing date: 2018-08-24
Publication date: 2019-05-01
Also published as: TWI700632B; CN107862005A; WO2019080661A1

Abstract

本說明書實施例提供一種使用者意圖識別方法及裝置，在使用者意圖識別方法中，首先獲取使用者的對話文字，並確定該對話文字與多個預定義要件的關聯度值。之後根據上述確定的關聯度值，選取與對話文字相匹配的第一要件。最後根據選取的第一要件，從知識庫中匹配對應的知識點。在匹配到知識點之後，根據該知識點確定使用者意圖識別結果。

Description

使用者意圖識別方法及裝置

本說明書一個或多個實施例涉及電腦技術領域，尤其涉及一種使用者意圖識別方法及裝置。

在線上或者熱線服務中，熱線系統可以接收使用者發送的各種問題，並對接收的問題進行分析。通過對接收的問題進行分析，識別出使用者的意圖。因此，需要提供一種快速的識別使用者意圖的方案。

本說明書一個或多個實施例描述了一種使用者意圖識別方法及裝置，以快速地對使用者的問題進行解答。　　第一方面，提供了一種使用者意圖識別方法，包括：　　獲取使用者的對話文字；　　確定所述對話文字與多個預定義要件的關聯度值，所述多個預定義要件是從知識庫的知識點中抽取的，且所述多個預定義要件分別歸屬於N個類別，N為正整數；　　根據所述關聯度值以及預設臨限值，從所述多個預定義要件中選取第一要件；　　根據所述第一要件，從所述知識庫中匹配對應的知識點；　　根據所述知識點，確定使用者意圖識別結果。　　第二方面，提供了一種使用者意圖識別裝置，包括：　　獲取單元，用於獲取使用者的對話文字；　　確定單元，用於確定所述獲取單元獲取的所述對話文字與多個預定義要件的關聯度值，所述多個預定義要件是從知識庫的知識點中抽取的，且所述多個預定義要件分別歸屬於N個類別，N為正整數；　　選取單元，用於根據所述確定單元確定的所述關聯度值以及預設臨限值，從所述多個預定義要件中選取第一要件；　　匹配單元，用於根據所述選取單元選取的所述第一要件，從所述知識庫中匹配對應的知識點；　　所述確定單元，還用於根據所述匹配單元匹配的所述知識點，確定使用者意圖識別結果。　　本說明書一個或多個實施例提供的使用者意圖識別方法及裝置，首先獲取使用者的對話文字，並確定該對話文字與多個預定義要件的關聯度值。之後根據上述確定的關聯度值，選取與對話文字相匹配的第一要件。最後根據選取的第一要件，從知識庫中匹配對應的知識點。在匹配到知識點之後，根據該知識點確定使用者意圖識別結果。由此，可以快速地識別使用者意圖。

下面結合附圖，對本說明書提供的方案進行描述。　　本說明書一個實施例提供的使用者意圖識別方法可以應用於如圖1所示的場景中，圖1中，熱線系統可以為任一能提供“智慧機器人”服務的系統。具體地，其可以接收使用者發送的各種問題，並對接收的問題進行分析。通過對接收的問題進行分析，識別出使用者的意圖。需要說明的是，在識別使用者意圖的過程中，熱線系統可以與使用者進行多輪會話。在識別出使用者的意圖之後，對使用者的問題進行解答。　　圖1中，熱線系統中可以儲存有知識庫，該知識庫由一個或多個知識點構成。其中，每個知識點具有對應的解答方案。此處的知識點可以理解為對預先收集的使用者的問題的規範表述。具體地，熱線系統在接收到使用者的問題之後，可以將問題與知識庫中的知識點進行匹配。將相匹配的知識點對應的解答方案作為使用者的問題的答案發送給使用者。　　圖2為本說明書一個實施例提供的使用者意圖識別方法流程圖。所述方法的執行主體可以為具有處理能力的設備：伺服器或者系統或者裝置，如，圖1中的熱線系統。如圖2所示，所述方法具體可以包括：　　步驟210，獲取使用者的對話文字。　　此處的對話文字可以為任一能表述使用者想要問的問題的文字。如，可以為：“花唄還不上錢，怎麼辦？”、“花唄如何還款？”以及“餘額寶收益怎麼樣？”等。　　步驟220，確定對話文字與多個預定義要件的關聯度值。　　可以理解的是，由於直接獲取的使用者的對話文字比較口語化，機器不容易識別。因此，在獲取到使用者的對話文字之後，通常先要進行預處理，如，分詞處理等。此處的分詞處理等預處理過程為傳統常規技術，在此不復贅述。　　此處的預定義要件可以是從知識點中抽取的。如，對於“花唄還款失敗”這個知識點，“花唄”、“還款”和“失敗”就可以作為預定義要件。上述預定義要件可以具有對應的類別，一個預定義要件可以唯一地歸屬於一個類別，也即預定義要件之間可以不交叉存在。在一個例子中，上述抽取的預定義要件可以歸屬於如下三個類別：“業務類型”、“框架動詞”以及“問題類型”。如前述例子，“花唄”可以歸屬於“業務類型”，“還款”可以歸屬於“框架動詞”，“失敗”可以歸屬於“問題類型”。需要說明的是，“業務類型”是一個比較寬泛的類別，歸屬於該類別的預定義要件還可以為：“賬戶”、“密碼”、“餘額寶”、“花唄”、“借唄”、“定期理財”等。歸屬於“框架動詞”的預定義要件通常是知識點中最核心的動詞或者動詞短語，如，可以為：“登錄”、“忘記”、“支付”、“還款”、“借款”等。歸屬於“問題類型”可以為：“什麼”、“何時”、“何地”、“是否”、“失敗”、“什麼意思”等。　　在本說明書的一個例子中，可以允許知識庫中的某些知識點的預定義要件所歸屬的類別數目小於總的類別數目。舉例來說，假設某知識庫中的預定義要件所歸屬的總的類別數目為3個，分別為：“業務類型”、“框架動詞”以及“問題類型”。某個知識點為“花唄還款”，即構成該知識點的預定義要件所歸屬的類別分別為“業務類型”和“框架動詞”，也即類別的數目為2個。　　在本說明書的另一個例子中，上述預定義要件還可以具有對應的擴展要件，該擴展要件的個數可以為多個。其作用可以是為了更好的識別出對話文字中的預定義要件。在一個例子中，該擴展要件可以為對應的預定義要件的別名，該別名是方便使用者理解的名稱。如，在預定義要件為“費用改造”時，對應的擴展要件可以為“支付寶”等。　　此外，本說明書的預定義要件通常可以準確表達含義，同時具有泛化性。可以理解的是，較優的預定義要件通常出現在兩個以上的知識點中。在本說明書的再一個例子中，知識點還可以包括附屬描述部分，該部分可以在與使用者進行多輪會話的過程中形成反問問句時使用。以類別分別為：“業務類型”、“框架動詞”以及“問題類型”為例來說，一個完整的知識點所包含的內容部分可以如表1所示。表1 可以理解的是，表1中，預定義要件1、預定義要件2以及預定義要件3可以構成一個知識點。　　當然，在實際應用中，表1中的知識點還可以包括其它部分內容，如，解答方案等，本說明書對此不作限定。　　步驟220中，確定對話文字與多個預定義要件的關聯度值的方法可以包括：模型識別的方法及/或計算文字匹配度值的方法。模型識別的方法具體為：將預處理後的對話文字輸入要件識別模型，該要件識別模型可以是預先訓練好的分類模型，通過該分類模型可以直接得到將對話文字分類到各個預定義要件的機率值。將上述機率值作為上述關聯度值。計算文字匹配度值的方法具體為：通過相似度算法，計算對話文字與各個預定義要件的相似度值，將該相似度值作為上述關聯度值。　　當通過兩種方法來確定上述關聯度值時，可以直接將兩種方法得到的結果相加或者也可以通過別的方法將兩種方法得到的結果進行融合。　　在一個例子中，各個預定義要件以及對應的關聯度值可以如表2所示。表2 可以理解的是，表1中每行的預定義要件可以構成一個知識點，也即這些預定義要件是從對應的知識點中抽取的。需要說明的是，表2只是為了便於理解本實施例而給出的示例性說明，並不作為本實施例的限制。如，表2中還可以包括其它類別的預定義要件等。　　步驟230，根據關聯度值以及預設臨限值，從多個預定義要件中選取第一要件。　　在一種實現方式中，在執行步驟230之前，可以先確定各個預定義要件的等級資訊，之後根據等級資訊，從多個預定義要件中選取第一要件。其具體過程可以為：根據關聯度值以及預設臨限值，確定各個預定義要件對應的等級資訊。根據等級資訊，從多個預定義要件中選取第一要件。　　以表2為例來說，可以預先設定兩個臨限值：0.8和0.6。具體地，當預定義要件的關聯度值大於等於0.8時，可以將預定義要件的等級資訊確定為高等級（如，表2中“花唄”、“還款”和“失敗”的等級資訊為高等級）。當預定義要件的關聯度值在0.6與0.8之間時，可以將預定義要件的等級資訊確定為中等級（如，表2中“忘記”的等級資訊為中等級）。當預定義要件的關聯度值小於0.6時，可以將預定義要件的等級資訊確定為低等級。還需要說明的是，在本說明書中，高等級的預定義要件可以稱為可信要件，中等級的預定義要件可以稱為候選要件，低等級的預定義要件可以稱為未知要件。　　需要說明的是，上述只是一種設定臨限值的方式。在其它實現方式中，對歸屬於不同類別的預定義要件，可以設定不同的臨限值，本說明書對此不作限定。　　在確定出各個預定義要件的等級資訊之後，可以將高等級的預定義要件選取為第一要件，也即可以將可信要件選取為第一要件。如，可以將表2中的“花唄”、“還款”和“失敗”選取為第一要件。　　步驟240，根據第一要件，從知識庫中匹配對應的知識點。　　從表1中可以看出，當歸屬於同一類別的預定義要件唯一時，才可以匹配到唯一的知識點。因此，本說明書要求歸屬於同一類別的第一要件唯一，也即本說明書中同一類別下的可信要件是唯一的，而候選要件則可以有多個。　　如前述例子，可以匹配到知識點為：“花唄還款失敗”。　　步驟250，根據知識點，確定使用者意圖識別結果。　　在匹配到唯一的知識點之後，就可以確定使用者意圖識別結果。　　當然，在實際應用中，有可能會出現不能選取出所有類別下的可信要件的情況，此時會匹配到多個知識點。如前述例子，可能只選取出可信要件：“花唄”和“還款”，也即未選取出“問題類型”下的可信要件。則從表2中可以匹配到兩個知識點：“花唄還款失敗”和“花唄如何還款”。　　當匹配到多個知識點時，需要與使用者進行多輪互動，以確定使用者意圖。在與使用者進行多輪互動的過程中，如何確定反問問句，以快速地確定使用者意圖成為關鍵。在本說明書中，提出了如下確定反問問句的方法：　　步驟A，根據等級資訊，從多個預定義要件中選取第二要件。　　在一種實現方式中，可以將中等級的預定義要件選取為第二要件，也即可以將候選要件選取為第二要件。如，可以將表2中的“失敗”選取為第二要件。　　步驟B，根據第一要件、第二要件所歸屬的類別以及等級資訊，從反問模板庫中讀取相匹配的反問模板。　　此處的反問模板庫用於記錄歸屬於不同類別的要件的等級資訊與反問模板之間的對應關係。在一個例子中，反問模板庫可以如表3所示。表3 表3中，“✔”表示高等級，“√”表示中等級，“×”表示低等級。舉例來說，假設選取的第一要件（即可信要件）為：“花唄”和“還款”，選取的第二要件（即候選要件）為：“失敗”。因為“花唄”所歸屬的類別為：“業務類型”，“還款”所歸屬的類別為：“框架動詞”，“失敗”所歸屬的類別為“問題類型”。此外，“花唄”和“還款”所對應的等級資訊為：“高等級”，“失敗”所對應的等級資訊為：“中等級”。所以可以匹配到表3中的第5行，也即讀取的反問模板為：“請問您在#business##frame#時，#type#了還是怎麼了？”。　　步驟C，根據第一要件、第二要件以及反問模板，確定對應的反問問句。　　具體地，可以將反問模板中不同類別的資訊替換為該類別下的第一要件或者第二要件。如前述例子，可以假設“#business#”為“業務類型”的資訊，“#frame#”為“框架動詞”的資訊，“#type#”為“問題類型”的資訊。則確定的對應的反問問句為：“請問您在花唄還款時，失敗了還是怎麼了？”。　　在確定反問問句的時候，當第一要件或者第二要件的名稱比較特殊使用者不易懂的，則可以替換為對應的附屬描述，以達到換一種表達方式的目的。此外，如果產生的反問問句不夠通順，且需要再次進行互動，則可以通過配置特定的反問問句來實現。　　步驟D，向使用者發送反問問句。　　步驟E，根據接收的反問問句的答案，確定使用者意圖識別結果。　　此處，在接收到使用者對反問問句的答案，就可以最終確定使用者意圖識別結果了。　　綜上，本說明書上述實施例中借助第一要件和第二要件，結合反問模版，適配出個性化的反問問句，盡可能地降低了互動的難度。　　需要說明的是，在執行上述步驟210-步驟250的過程中，有可能選取不到第一要件，也有可能可以選取到第一要件，但是從知識庫中匹配不到知識點，此時可以向使用者發送預設的反問問句，如，“請問您遇到了什麼問題？”。還需要說明的是，在本說明書中，對於某些特殊的對話文字，可以有特定的問法，其可以通過配置完成。如，在第一要件與預設集合中的要件相同時，獲取與要件相對應的預設的反問問句。根據接收的預設的反問問句的答案，確定使用者意圖識別結果。　　經實驗表明，通過本說明書上述實施例提出的使用者意圖識別方法，可以將使用者意圖識別準確率和召回率都提升5%。此外，通過上述針對性的反問問句的互動，使用者更願意與機器人進行多輪對話。　　圖3為本說明書另一個實施例提供的使用者意圖識別方法示意圖。圖3中，可以預先從知識庫中的知識點抽取出三要件，即從知識庫的知識點中抽取分別歸屬於“業務類型”、“框架動詞”以及“問題類型”的要件。當接收到使用者的對話文字時，通過計算對話文字與預先抽取的要件的識別機率值，來識別對話文字中的要件。之後，根據計算的識別機率以及臨限值，將識別的要件劃分為可信要件、候選要件以及未知要件。最後，通過可信要件從知識庫中匹配對應的知識點。若匹配到對應的知識點，則直接輸出使用者意圖。若匹配到多個知識點，則根據可信要件和候選要件從反問模板庫中匹配對應的反問模板。之後根據匹配的反問模板來向使用者輸出反問問句，並根據反問問句的答案，識別使用者意圖。　　與上述使用者意圖識別方法對應地，本說明書一個實施例還提供的一種使用者意圖識別裝置，如圖4所示，該裝置包括：　　獲取單元401，用於獲取使用者的對話文字。　　確定單元402，用於確定獲取單元401獲取的對話文字與多個預定義要件的關聯度值，多個預定義要件是從知識庫的知識點中抽取的，且多個預定義要件分別歸屬於N個類別，N為正整數。　　此處的類別可以包括：業務類型、框架動詞以及問題類型等。　　可選地，確定單元402具體可以用於：　　將對話文字輸入要件識別模型，輸出多個預定義要件對應的機率值，其中要件識別模型是預定義的用於計算輸入的文字與多個預定義要件相匹配的機率值的機器學習模型。　　及/或，　　計算對話文字與多個預定義要件的匹配度值。　　根據機率值及/或匹配度值，確定對話文字與多個預定義要件的關聯度值。　　選取單元403，用於根據確定單元402確定的關聯度值以及預設臨限值，從多個預定義要件中選取第一要件。　　可選地，選取單元403具體可以用於：　　根據關聯度值以及預設臨限值，確定多個預定義要件對應的等級資訊。　　根據等級資訊，從多個預定義要件中選取第一要件。　　匹配單元404，用於根據選取單元403選取的第一要件，從知識庫中匹配對應的知識點。　　確定單元402，還用於根據匹配單元404匹配的知識點，確定使用者意圖識別結果。　　可選地，確定單元402還可以用於：　　根據等級資訊，從多個預定義要件中選取第二要件。　　根據第一要件、第二要件所歸屬的類別以及等級資訊，從反問模板庫中讀取相匹配的反問模板，反問模板庫用於記錄歸屬於不同類別的要件的等級資訊與反問模板之間的對應關係。　　根據第一要件、所述第二要件以及反問模板，確定對應的反問問句。　　向使用者發送反問問句。　　根據接收的反問問句的答案，確定使用者意圖識別結果。　　可選地，該裝置還可以包括：　　發送單元405，用於向使用者發送預設的反問問句。　　確定單元402，還用於根據接收的預設的反問問句的答案，確定使用者意圖識別結果。　　可選地，獲取單元401，還用於當第一要件與預設集合中的要件相同時，獲取與要件相對應的預設的反問問句。　　確定單元402，還用於根據接收的預設的反問問句的答案，確定使用者意圖識別結果。　　本說明書上述實施例裝置的各功能模塊的功能，可以通過上述方法實施例的各步驟來實現，因此，本說明書一個實施例提供的裝置的具體工作過程，在此不復贅述。　　本說明書一個實施例提供的使用者意圖識別裝置，獲取單元401獲取使用者的對話文字。確定單元402確定獲取的對話文字與多個預定義要件的關聯度值。選取單元403根據關聯度值以及預設臨限值，從多個預定義要件中選取第一要件。匹配單元404根據選取的第一要件，從知識庫中匹配對應的知識點。確定單元402根據匹配的知識點，確定使用者意圖識別結果。由此，可以快速地識別使用者意圖。　　本領域技術人員應該可以意識到，在上述一個或多個示例中，本發明所描述的功能可以用硬體、軟體、韌體或它們的任意組合來實現。當使用軟體實現時，可以將這些功能儲存在電腦可讀媒體中或者作為電腦可讀媒體上的一個或多個指令或代碼進行傳輸。　　以上所述的具體實施方式，對本發明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發明的具體實施方式而已，並不用於限定本發明的保護範圍，凡在本發明的技術方案的基礎之上，所做的任何修改、等同替換、改進等，均應包括在本發明的保護範圍之內。

S210‧‧‧步驟

S220‧‧‧步驟

S230‧‧‧步驟

S240‧‧‧步驟

S250‧‧‧步驟

401‧‧‧獲取單元

402‧‧‧確定單元

403‧‧‧選取單元

404‧‧‧匹配單元

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。　　圖1為本說明書一個實施例提供的使用者意圖識別方法的應用場景示意圖；　　圖2為本說明書一個實施例提供的使用者意圖識別方法流程圖；　　圖3為本說明另一個實施例提供的使用者意圖識別方法示意圖；　　圖4為本說明書一個實施例提供的使用者意圖識別裝置示意圖。

Claims

一種使用者意圖識別方法，其特徵在於，包括：　　獲取使用者的對話文字；　　確定所述對話文字與多個預定義要件的關聯度值，所述多個預定義要件是從知識庫的知識點中抽取的，且所述多個預定義要件分別歸屬於N個類別，N為正整數；　　根據所述關聯度值以及預設臨限值，從所述多個預定義要件中選取第一要件；　　根據所述第一要件，從所述知識庫中匹配對應的知識點；　　根據所述知識點，確定使用者意圖識別結果。
根據請求項1所述的方法，其中，所述確定所述對話文字與多個預定義要件的關聯度值，包括：　　將所述對話文字輸入要件識別模型，輸出所述多個預定義要件對應的機率值，其中要件識別模型是預定義的用於計算輸入的文字與多個預定義要件相匹配的機率值的機器學習模型；　　及/或，　　計算所述對話文字與所述多個預定義要件的匹配度值；　　根據所述機率值及/或所述匹配度值，確定所述對話文字與多個預定義要件的關聯度值。
根據請求項1或2所述的方法，其中，所述根據所述關聯度值以及預設臨限值，從所述多個預定義要件中選取第一要件，包括：　　根據所述關聯度值以及所述預設臨限值，確定所述多個預定義要件對應的等級資訊；　　根據所述等級資訊，從所述多個預定義要件中選取第一要件。
根據請求項3所述的方法，其中，當匹配的知識點為多個時，所述根據所述知識點，確定使用者意圖識別結果，包括：　　根據所述等級資訊，從所述多個預定義要件中選取第二要件；　　根據所述第一要件、所述第二要件所歸屬的類別以及等級資訊，從反問模板庫中讀取相匹配的反問模板，所述反問模板庫用於記錄歸屬於不同類別的要件的等級資訊與反問模板之間的對應關係；　　根據所述第一要件、所述第二要件以及所述反問模板，確定對應的反問問句；　　向使用者發送所述反問問句；　　根據接收的所述反問問句的答案，確定使用者意圖識別結果。
根據請求項3所述的方法，其中，當所述等級資訊為低等級時或者當未匹配到知識點時，還包括：　　向使用者發送預設的反問問句；　　根據接收的所述預設的反問問句的答案，確定使用者意圖識別結果。
根據請求項1所述的方法，其中，還包括：　　當所述第一要件與預設集合中的要件相同時，獲取與所述要件相對應的預設的反問問句；　　根據接收的所述預設的反問問句的答案，確定使用者意圖識別結果。
根據請求項1-6任一項所述的方法，其中，所述類別包括：業務類型、框架動詞以及問題類型。
一種使用者意圖識別裝置，其特徵在於，包括：　　獲取單元，用於獲取使用者的對話文字；　　確定單元，用於確定所述獲取單元獲取的所述對話文字與多個預定義要件的關聯度值，所述多個預定義要件是從知識庫的知識點中抽取的，且所述多個預定義要件分別歸屬於N個類別，N為正整數；　　選取單元，用於根據所述確定單元確定的所述關聯度值以及預設臨限值，從所述多個預定義要件中選取第一要件；　　匹配單元，用於根據所述選取單元選取的所述第一要件，從所述知識庫中匹配對應的知識點；　　所述確定單元，還用於根據所述匹配單元匹配的所述知識點，確定使用者意圖識別結果。
根據請求項8所述的裝置，其中，所述確定單元具體用於：　　將所述對話文字輸入要件識別模型，輸出所述多個預定義要件對應的機率值，其中要件識別模型是預定義的用於計算輸入的文字與多個預定義要件相匹配的機率值的機器學習模型；　　及/或，　　計算所述對話文字與所述多個預定義要件的匹配度值；　　根據所述機率值及/或所述匹配度值，確定所述對話文字與多個預定義要件的關聯度值。
根據請求項8或9所述的裝置，其中，所述選取單元具體用於：　　根據所述關聯度值以及所述預設臨限值，確定所述多個預定義要件對應的等級資訊；　　根據所述等級資訊，從所述多個預定義要件中選取第一要件。
根據請求項10所述的裝置，其中，所述確定單元還用於：　　根據所述等級資訊，從所述多個預定義要件中選取第二要件；　　根據所述第一要件、所述第二要件所歸屬的類別以及等級資訊，從反問模板庫中讀取相匹配的反問模板，所述反問模板庫用於記錄歸屬於不同類別的要件的等級資訊與反問模板之間的對應關係；　　根據所述第一要件、所述第二要件以及所述反問模板，確定對應的反問問句；　　向使用者發送所述反問問句；　　根據接收的所述反問問句的答案，確定使用者意圖識別結果。
根據請求項10所述的裝置，其中，還包括：　　發送單元，用於向使用者發送預設的反問問句；　　所述確定單元，還用於根據接收的所述預設的反問問句的答案，確定使用者意圖識別結果。
根據請求項8所述的裝置，其中，　　所述獲取單元，還用於當所述第一要件與預設集合中的要件相同時，獲取與所述要件相對應的預設的反問問句；　　所述確定單元，還用於根據接收的所述預設的反問問句的答案，確定使用者意圖識別結果。
根據請求項8-13任一項所述的裝置，其中，所述類別包括：業務類型、框架動詞以及問題類型。