CN107688614A - 意图获取方法、电子装置及计算机可读存储介质 - Google Patents

意图获取方法、电子装置及计算机可读存储介质 Download PDF

Info

Publication number
CN107688614A
CN107688614A CN201710660484.6A CN201710660484A CN107688614A CN 107688614 A CN107688614 A CN 107688614A CN 201710660484 A CN201710660484 A CN 201710660484A CN 107688614 A CN107688614 A CN 107688614A
Authority
CN
China
Prior art keywords
node
intention
groove
layer
user
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
Application number
CN201710660484.6A
Other languages
English (en)
Other versions
CN107688614B (zh
Inventor
周俊琨
官民
严江浩
彭小明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201710660484.6A priority Critical patent/CN107688614B/zh
Priority to SG11201902848QA priority patent/SG11201902848QA/en
Priority to US16/337,929 priority patent/US10423725B2/en
Priority to PCT/CN2017/100056 priority patent/WO2019024162A1/zh
Publication of CN107688614A publication Critical patent/CN107688614A/zh
Application granted granted Critical
Publication of CN107688614B publication Critical patent/CN107688614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种意图获取方法，该方法包括步骤：将文本句子分解成多个词语；将所述分解成的多个词语映射至预设关键词；于一预先设置的知识图谱中确定一个与映射后的词语语义最相近的意图节点；根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点；若所述补槽后的意图节点为出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图；若为非出口节点，则根据预设的追问模式确定该用户的意图。本发明提高了迁移效率和人机交互响应速度。

Description

意图获取方法、电子装置及计算机可读存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种意图获取方法、电子装置及计算机可读存储介质。
背景技术
目前，业务同事在维护知识库时，不太专业，没有考虑知识分类的鉴别性，导致鉴别性差的知识添加到知识库后有可能会影响全局。另外，目前的大部分客服机器人对多轮对话交互与对话管理不支持，或者就算支持也需要人工介入和配置。而且在线或者电话等不同渠道需要对多轮对话进行定制化管理，导致***迁移性较差。
发明内容
本发明的主要目的在于提供一种意图获取方法、电子装置及计算机可读存储介质，提高了迁移效率和人机交互响应速度，对全局结果影响小。
首先，为实现上述目的，本发明提出一种电子装置，所述电子装置包括存储器、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意图获取***，所述意图获取***被所述处理器执行时实现如下步骤：
获取用户当前对话的文本句子，通过预设的分词算法将所述文本句子分解成多个词语；
根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语；
于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点；
根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点；
若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图；及
若所述补槽后的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图。
优选地，所述预先设置的知识图谱包括：意图节点层、详细意图层、及知识库层，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
优选地，所述不同类型的词语要素包括：系列要素、目标要素、及动作要素，所述意图节点层包括三级节点：由系列要素组成的第一级节点、由目标要素组成的第二级节点、及由动作要素组成的第三级节点。
优选地，所述预设的补槽方式包括：渠道信息补槽方式、用户信息补槽方式、及知识图谱信息补槽方式，所述渠道信息包括：***渠道信息、产险渠道信息、及电话渠道信息，所述用户信息包括：用户的帐号类型、每个类型帐号的操作权限。
优选地，所述根据预设的补槽方式对所述最相近的意图节点进行语义补槽包括：
若所述补槽方式为渠道信息补槽方式，则在所述最相近的意图节点中补充缺少的渠道信息；
若所述补槽方式为用户信息补槽方式，则在所述最相近的意图节点中补充缺少的用户信息；及
若所述补槽方式为知识图谱信息补槽方式，则在所述知识图谱的意图节点层中确定所述最相近的意图节点所在的节点路径对应的所有要素信息，并在所述最相近的意图节点中补充缺少的要素信息。
优选地，所述预设的追问模式包括枚举型模式和要素型模式，所述枚举型模式根据不同渠道类型确定不同的枚举策略，并根据不同的枚举策略输出相应的枚举提示信息，所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。
优选地，所述根据预设的追问模式确定该用户的意图包括：
若所述预设的追问模式为枚举型模式，且所述渠道类型为***渠道，则输出第一预定数量的枚举提示信息；
若所述预设的追问模式为枚举型模式，且所述渠道类型为产险渠道，则输出第二预定数量的枚举提示信息；及
若所述预设的追问模式为枚举型模式，且所述渠道类型为电话渠道，则输出第三预定数量的枚举提示信息。
此外，为实现上述目的，本发明还提供一种意图获取方法，该方法应用于电子装置，所述方法包括：
获取用户当前对话的文本句子，通过预设的分词算法将所述文本句子分解成多个词语；
根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语；
于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点；
根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点；
若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图；及
若所述补槽后的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图。
优选地，所述预先设置的知识图谱包括：意图节点层、详细意图层、及知识库层，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
进一步地，为实现上述目的，本发明还提供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意图获取***，所述意图获取***可被至少一个处理器执行，以使所述至少一个处理器执行如上述的意图获取方法的步骤。
本发明提出的意图获取方法、电子装置及计算机可读存储介质，只在指定的较小范围内获取用户的意图信息，人机交互响应速度会更快，即使知识库中存在不准确的知识，也不会影响全局。若用户意图不明确，则通过智能追问模式进一步确定该用户的意图，实现了用户意图获取服务端的全自动流程。进一步地，本发明在语义补槽和意图追问时考虑到了不同渠道类型的情形，当***在不同渠道之间迁移时，可以无间断进行，降低了迁移工作的学习成本，只需要学会使用迁移工具即可，不易出错，迁移效率高且安全可靠。
附图说明
图1为本发明电子装置一可选的硬件架构的示意图；
图2为本发明电子装置中意图获取***各实施例的功能模块示意图；
图3为本发明意图获取方法一实施例的实施流程示意图；
图4为本发明中所预先设置的知识图谱的示例图；
图5为图4所述知识图谱中的意图节点层的词语语义组合示例图；
图6为本发明的实现架构示意图；
图7为本发明的规划架构示意图。
附图标记：
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
进一步需要说明的是，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。
首先，本发明提出一种电子装置2。
参阅图1所示，是本发明电子装置一可选的硬件架构的示意图。
本实施例中，所述电子装置2可包括，但不限于，可通过***总线相互通信连接存储器21、处理器22、网络接口23。其中，所述电子装置2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该电子装置2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。需要指出的是，图1仅示出了具有组件21-23的电子装置2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，所述存储器21至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器21可以是所述电子装置2的内部存储单元，例如该电子装置2的硬盘或内存。在另一些实施例中，所述存储器21也可以是所述电子装置2的外部存储设备，例如该电子装置2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(Flash Card)等。当然，所述存储器21还可以既包括所述电子装置2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器21通常用于存储安装于所述电子装置2的操作***和各类应用软件，例如所述意图获取***20的程序代码等。此外，所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置2的总体操作，例如执行与所述电子装置2进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据，例如运行所述的意图获取***20等。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述电子装置2与其他电子设备之间建立通信连接。例如，所述网络接口23可以用于通过通信网络将所述电子装置2与其它电子设备或客户端相连。所述通信网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯***(Global System of Mobilecommunication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
至此，己经详细介绍了本发明相关设备的硬件结构和功能。下面，将基于上述相关设备，提出本发明的各个实施例。
参阅图2所示，是本发明电子装置2中意图获取***20各实施例的功能模块图。本实施例中，所述的意图获取***20可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器21中，并由一个或多个处理器(本实施例中为所述处理器22)所执行，以完成本发明。例如，在图2中，所述的意图获取***20可以被分割成分词模块201、意图获取模块202、意图知识获取模块203、训练模块204、后处理模块205、训练数据模块206、测试数据模块207、上文模块208、以及知识图谱模块209。其中，所述意图获取模块202及意图知识获取模块203可以合并组合成语义理解模块200。本发明所称的功能模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述意图获取***20在所述电子装置2中的执行过程。以下将就各功能模块201-209的功能进行详细描述。
需要说明的是，实现本发明目的核心功能的模块为分词模块201和意图获取模块202，其它模块203-209是实现本发明核心功能的补充和进一步完善。
所述分词模块201，用于获取用户当前对话(即本轮对话)的文本句子，通过预设的分词算法将所述文本句子分解成多个词语。优选地，如果用户当前对话的内容为语音信息，则先通过语音识别算法(如MATLAB算法或DTW算法)将用户的语音信息转化成文本句子。
所述意图获取模块202，用于根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语。例如，用户当前对话的文本句子为：询问***账单，则分解成的多个词语包括：询问、***、账单，如果预设关键词包括：查询、***、账单。由于词语“询问”的词性与关键词“查询”的词性相同(皆为动词)且意义相近，则词语“询问”映射至关键词“查询”。同理，词语“***”映射至关键词“***”，词语“账单”映射至关键词“账单”，即所述文本句子映射后的词语包括：查询、***、账单。
所述意图获取模块202，还用于：于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点。
优选地，在本实施例中，所述预先设置的知识图谱包括，但不限于，意图节点层(或称其为知识体系层、知识节点层)、详细意图层、及知识库层。其中，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点(或称其为“最后一级节点”)相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
优选地，在本实施例中，所述不同类型的词语要素包括，但不限于，系列要素(如***)、目标要素(如账单或卡片)、及动作要素(如查询)。举例而言，参阅图4所示，在本实施例中，所述意图节点层包括三级节点：由系列要素组成的第一级节点(如***节点)、由目标要素组成的第二级节点(如账单节点或卡片节点)、由动作要素组成的第三级节点(如查询节点或补寄节点)。其中，所述括号内标注的“是”和“否”用于记录某节点是否为出口节点，“是”代表出口节点，“否”代表非出口节点。
需要说明的是，在本实施例中，所述意图节点层包括三级节点并不是指所有的出口节点都是第三级节点，某些出口节点可能是第二级节点，如图4中的卡片节点(第二级节点)即是出口节点。进一步地，在其它实施例中，根据不同的应用环境，所述意图节点层也可以是四级节点或其它根据不同应用环境设置的多级节点。
进一步参阅图4所示，查询节点(出口节点)输出的意图信息为“查询***本期账单”、及“查询***历史账单”，卡片节点(出口节点)输出的意图信息为“***卡片”。相应地，所述详细意图层中的详细意图信息包括：“查询***本期账单、查询***历史账单、及***卡片”等。从所述详细意图层中筛选出有意义的详细意图信息“查询***本期账单、查询***历史账单”(剔除无意义的详细意图信息“***卡片”)，并将筛选出的上述有意义的详细意图信息作为具体知识存储至所述知识库层。
优选地，在本实施例中，所述语义最相近的意图节点的确定步骤包括：遍历所述知识图谱中的意图节点层，根据近义词模式以及词语的词性，于所述意图节点层中确定一个与所述映射后的词语语义最相近的意图节点。举例而言，参阅图5所示，通过对图4中的意图节点层所有节点的词语语义进行不同组合，可以得到所述意图节点层中所有的出口节点的意图信息。例如，查询节点(出口节点)包含的意图信息为：“***、账单、查询(是)”，补寄节点包含的意图信息为：“***、账单、补寄(是)”。其中，所述括号内标注的“是”和“否”用于记录某节点是否为出口节点，“是”代表出口节点，“否”代表非出口节点。
所述意图获取模块202，还用于：根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点。
在本实施例中，所述预设的补槽方式包括，但不限于，渠道信息补槽方式、用户信息补槽方式、及知识图谱信息补槽方式，具体补槽过程可以采用其中一种补槽方式单独进行，也可以多种补槽方式结合进行，在此不作限定。在本实施例中，所述渠道信息包括：***渠道信息(代表用户通过***中心的联系渠道进行当前对话)、产险渠道信息(代表用户通过产险销售中心的联系渠道进行当前对话)、及电话渠道信息(代表用户通过自助客服电话渠道进行当前对话)。所述用户信息包括：用户的帐号类型、每个类型帐号的操作权限等。所述知识图谱信息参阅图4所述，在此不再赘述。
若所述补槽方式为渠道信息补槽方式，则在所述最相近的意图节点中补充缺少的渠道信息。举例而言，如果所述最相近的意图节点为“查询、账单”，且该用户系通过***联系渠道进行当前对话，则在所述最相近的意图节点“查询、账单”中补充“***”渠道信息，得到补槽后的意图节点“查询、***、账单”。
若所述补槽方式为用户信息补槽方式，则在所述最相近的意图节点中补充缺少的用户信息。举例而言，如果所述最相近的意图节点为“查询、账单”，且该用户信息中的帐号类型只包括***，则在所述最相近的意图节点“查询、账单”中补充“***”用户信息，得到补槽后的意图节点“查询、***、账单”。
若所述补槽方式为知识图谱信息补槽方式，则在所述知识图谱的意图节点层中确定所述最相近的意图节点所在的节点路径对应的所有要素信息，并在所述最相近的意图节点中补充缺少的要素信息(如系列要素信息)。举例而言，如果最相近的意图节点为“卡片”，且卡片节点路径对应的所有要素信息包括“***、卡片”，则在所述最相近的意图节点“卡片”中补充缺少的要素信息“***”，得到补槽后的意图节点“***、卡片”。
所述意图获取模块202，还用于：若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图，即对所述补槽后的意图节点下的知识根据用户产生意图的语料进行搜索得到相应知识。需要说明的是，如果所述补槽后的意图节点下的知识只有一条，则直接返回该知识作为该用户的意图信息。
举例而言，参阅图4所示，若所述补槽后的意图节点为查询节点(出口节点)，所述详细意图层中与查询节点相关联的详细意图信息包括：“查询***本期账单、查询***历史账单”，则确定该用户的意图为查询***本期账单或查询***历史账单，并输出该确定的用户意图至电子装置的显示单元或用户端设备，由该用户进行最终确认。
由于本发明只在指定的较小范围内(与出口节点相关联的小范围内)获取该用户的意图信息，不会在整个详细意图层中寻找该用户的意图信息，因此，本发明的人机交互响应速度会更快。另外，由于搜索只在较小范围内进行，因此，即使知识库中存在不准确的知识，也不会影响全局。
所述意图获取模块202，还用于：若所述补槽后的意图节点不是所述意图节点层中的出口节点(非出口节点)，则根据预设的追问模式确定该用户的意图。在本实施例中，所述预设的追问模式包括，但不限于，枚举型模式和要素型模式(或称之为“开放式追问模式”)。其中，所述枚举型模式根据不同渠道类型确定不同的枚举策略，并根据不同的枚举策略输出相应的枚举提示信息。所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。例如，输出所述枚举提示信息或要素提示信息至电子装置的显示单元或用户端设备。本发明可以采用单一的追问模式确定该用户的意图，也可以采用多种追问模式相结合的方式确定该用户的意图。
优选地，在其它实施例中，若所述预设的追问模式为枚举型模式，且所述渠道类型包括***渠道(如在线***查询)、产险渠道(如在线产险咨询)、及电话渠道(如银行客服电话)。若该渠道类型为***渠道，则输出第一预定数量(如最多6个)的枚举提示信息；若该渠道类型为产险渠道，则输出第二预定数量(如最多4个)的枚举提示信息；若该渠道类型为电话渠道，则输出第三预定数量(如最多2个)的枚举提示信息。
举例而言，当渠道类型为电话渠道，且所述补槽后的意图节点为账单节点(非出口节点)，则输出的枚举提示信息可以是：
查询***账单？还是
补寄***账单？
当渠道类型为***渠道，且所述补槽后的意图节点为***节点(非出口节点)，则输出的枚举提示信息可以是：
查询***账单？
补寄***账单？还是
***卡片？
优选地，在其它实施例中，若所述预设的追问模式为要素型模式，所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。举例而言，若所述补槽后的意图节点为账单节点，且该账单节点中缺少的要素信息包括动作要素信息(如查询或补寄)，则输出额要素提示信息可以是：进行***账单的何种操作？
由于本发明在用户意图不明确时(即所述补槽后的意图节点不是所述意图节点层中的出口节点时)，通过预设的追问模式(枚举型模式或要素型模式)进一步确定该用户的意图，从而使得用户意图获取在服务端的过程中无需客服人员介入，实现了用户意图获取服务端的全自动流程。
进一步地，由于本发明在进一步追问用户意图时考虑到了不同渠道类型的情形(根据不同渠道类型确定不同的枚举策略，并输出相应的枚举提示信息)，且在对所述最相近的意图节点进行语义补槽时也考虑到了不同渠道类型的补槽方式(***渠道补槽方式、产险渠道补槽方式、电话渠道补槽方式)，因此，当***在不同渠道之间进行迁移时，可以无间断进行，降低了迁移工作的学习成本，只需要学会使用迁移工具即可，不易出错，迁移效率高且安全可靠。
需要说明的是，在其它实施例中，所述意图获取模块202还用于：若所述补槽后的意图节点不是所述意图节点层中的出口节点，则输出意图获取失败的信息至电子装置的显示单元或用户端设备，提示用户重新进行对话。
进一步地，在其它实施例中，所述语义补槽的步骤也可以去除，此种情形下所述意图获取模块202，还用于：若所述确定的意图节点(即最相近的意图节点)为所述意图节点层中的出口节点，则根据该确定的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该确定的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图，即对该确定的意图节点下的知识根据用户产生意图的语料进行搜索得到相应知识。
进一步地，若所述语义补槽的步骤去除，此种情形下所述意图获取模块202还用于：若所述确定的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图，或者输出意图获取失败的信息至电子装置的显示单元或用户端设备，提示用户重新进行对话。
优选地，在其它实施例中，该意图获取***20还包括意图知识获取模块203，所述意图知识获取模块203用于：
输出该确定的用户意图，将该确定的用户意图存储至所述知识图谱的知识库层，以获取用户的意图知识。具体而言，***先计算该确定的用户意图中的词向量与知识库层中预先存储的词向量之间的夹角余弦值，得到该确定的用户意图中的词向量与知识库层中预先存储的词向量之间的相似度值(相似度匹配)。若该相似度值大于预设阀值(80％)，则将该确定的用户意图存储至所述知识图谱的知识库层。
优选地，在其它实施例中，该意图获取***20还包括训练模块204，所述训练模块204用于：对训练语料依次进行分词操作、词向量模型操作、关键词相似词向量操作、第一次人工筛选、二次词向量操作、及第二次人工筛选，得到用于关键词映射的训练数据。
优选地，在其它实施例中，所述语义理解模块200还包括：
根据预设的命名实体识别算法(如基于深层神经网络的命名实体识别算法)，从所述分解成的多个词语中识别出特定词语(如***、账单等)；
根据预设的集外词检测算法(如两阶段集外词查询算法、词格修正算法等)，针对所述识别出的特定词语进行关键词扩展，并将扩展得到的词语添加至所述分解成的多个词语中。
优选地，在其它实施例中，该意图获取***20还包括后处理模块205，所述后处理模块205用于：根据用户画像信息(或用户属性信息等)，对所述获取的用户意图知识进行不同处理，并进行语义结果反馈应答。在本实施例中，所述用户属性信息包括，但不限于，用户性别(男和女)、用户年龄、用户等级等。例如，如果该用户的属性信息为VIP用户，则提供该用户查询较长时间(如100天)的***账单信息，或者当无法获取该用户的意图信息时，自动切换至人工服务。如果该用户的属性信息为非VIP用户，则提供该用户查询较短时间(如30天)的***账单信息，或者当无法获取该用户的意图信息时，提示用户重新进行对话等。
优选地，在其它实施例中，该意图获取***20还包括训练数据模块206，所述训练数据模块206用于：存储进行分词训练的自定义词典及停用词表，以及存储进行语义识别训练的线上文本数据及语义配置模型。
优选地，在其它实施例中，该意图获取***20还包括测试数据模块207，所述测试数据模块207用于：
存储验证分词效果的分词测试数据，以及存储验证语义理解效果的语义测试数据；
利用预设的分词测试数据和分词分析算法(如计算准确率、召回率、F值的算法)，验证所述分词结果的效果；及
利用预设的语义测试数据和语义分析算法(如单步算法)，验证所述获取的用户意图知识的语义理解效果，并将该语义理解效果存储至知识库层。
优选地，在其它实施例中，该意图获取***20还包括上文模块208，所述上文模块208用于：在获取用户当前对话(即本轮对话)的意图时，记录上轮对话的语义信息(即上轮语义)及电子装置状态信息(如机器人状态)等。
优选地，在其它实施例中，该意图获取***20还包括知识图谱模块209，所述知识图谱模块209用于存储所述预先设置的知识图谱。
通过上述功能模块201-209，本发明所提出的意图获取***20，只在指定的较小范围内获取用户的意图信息，人机交互响应速度会更快，即使知识库中存在不准确的知识，也不会影响全局。若用户意图不明确，则通过智能追问模式进一步确定该用户的意图，实现了用户意图获取服务端的全自动流程。进一步地，本发明在语义补槽和意图追问时考虑到了不同渠道类型的情形，当***在不同渠道之间迁移时，可以无间断进行，降低了迁移工作的学习成本，只需要学会使用迁移工具即可，不易出错，迁移效率高且安全可靠。
此外，本发明还提出一种意图获取方法。
参阅图3所示，是本发明意图获取方法一实施例的实施流程示意图。在本实施例中，根据不同的需求，图3所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。
步骤S31，获取用户当前对话(即本轮对话)的文本句子，通过预设的分词算法将所述文本句子分解成多个词语。优选地，如果用户当前对话的内容为语音信息，则先通过语音识别算法(如MATLAB算法或DTW算法)将用户的语音信息转化成文本句子。
步骤S32，根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语。例如，用户当前对话的文本句子为：询问***账单，则分解成的多个词语包括：询问、***、账单，如果预设关键词包括：查询、***、账单。由于词语“询问”的词性与关键词“查询”的词性相同(皆为动词)且意义相近，则词语“询问”映射至关键词“查询”。同理，词语“***”映射至关键词“***”，词语“账单”映射至关键词“账单”，即所述文本句子映射后的词语包括：查询、***、账单。
步骤S33，于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点。
优选地，在本实施例中，所述预先设置的知识图谱包括，但不限于，意图节点层(或称其为知识体系层、知识节点层)、详细意图层、及知识库层。其中，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点(或称其为“最后一级节点”)相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
优选地，在本实施例中，所述不同类型的词语要素包括，但不限于，系列要素(如***)、目标要素(如账单或卡片)、及动作要素(如查询)。举例而言，参阅图4所示，在本实施例中，所述意图节点层包括三级节点：由系列要素组成的第一级节点(如***节点)、由目标要素组成的第二级节点(如账单节点或卡片节点)、由动作要素组成的第三级节点(如查询节点或补寄节点)。其中，所述括号内标注的“是”和“否”用于记录某节点是否为出口节点，“是”代表出口节点，“否”代表非出口节点。
需要说明的是，在本实施例中，所述意图节点层包括三级节点并不是指所有的出口节点都是第三级节点，某些出口节点可能是第二级节点，如图4中的卡片节点(第二级节点)即是出口节点。进一步地，在其它实施例中，根据不同的应用环境，所述意图节点层也可以是四级节点或其它根据不同应用环境设置的多级节点。
进一步参阅图4所示，查询节点(出口节点)输出的意图信息为“查询***本期账单”、及“查询***历史账单”，卡片节点(出口节点)输出的意图信息为“***卡片”。相应地，所述详细意图层中的详细意图信息包括：“查询***本期账单、查询***历史账单、及***卡片”等。从所述详细意图层中筛选出有意义的详细意图信息“查询***本期账单、查询***历史账单”(剔除无意义的详细意图信息“***卡片”)，并将筛选出的上述有意义的详细意图信息作为具体知识存储至所述知识库层。
优选地，在本实施例中，所述语义最相近的意图节点的确定步骤包括：遍历所述知识图谱中的意图节点层，根据近义词模式以及词语的词性，于所述意图节点层中确定一个与所述映射后的词语语义最相近的意图节点。举例而言，参阅图5所示，通过对图4中的意图节点层所有节点的词语语义进行不同组合，可以得到所述意图节点层中所有的出口节点的意图信息。例如，查询节点(出口节点)包含的意图信息为：“***、账单、查询(是)”，补寄节点包含的意图信息为：“***、账单、补寄(是)”。其中，所述括号内标注的“是”和“否”用于记录某节点是否为出口节点，“是”代表出口节点，“否”代表非出口节点。
步骤S34，根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点。
在本实施例中，所述预设的补槽方式包括，但不限于，渠道信息补槽方式、用户信息补槽方式、及知识图谱信息补槽方式，具体补槽过程可以采用其中一种补槽方式单独进行，也可以多种补槽方式结合进行，在此不作限定。在本实施例中，所述渠道信息包括：***渠道信息(代表用户通过***中心的联系渠道进行当前对话)、产险渠道信息(代表用户通过产险销售中心的联系渠道进行当前对话)、及电话渠道信息(代表用户通过自助客服电话渠道进行当前对话)。所述用户信息包括：用户的帐号类型、每个类型帐号的操作权限等。所述知识图谱信息参阅图4所述，在此不再赘述。
若所述补槽方式为渠道信息补槽方式，则在所述最相近的意图节点中补充缺少的渠道信息。举例而言，如果所述最相近的意图节点为“查询、账单”，且该用户系通过***联系渠道进行当前对话，则在所述最相近的意图节点“查询、账单”中补充“***”渠道信息，得到补槽后的意图节点“查询、***、账单”。
若所述补槽方式为用户信息补槽方式，则在所述最相近的意图节点中补充缺少的用户信息。举例而言，如果所述最相近的意图节点为“查询、账单”，且该用户信息中的帐号类型只包括***，则在所述最相近的意图节点“查询、账单”中补充“***”用户信息，得到补槽后的意图节点“查询、***、账单”。
若所述补槽方式为知识图谱信息补槽方式，则在所述知识图谱的意图节点层中确定所述最相近的意图节点所在的节点路径对应的所有要素信息，并在所述最相近的意图节点中补充缺少的要素信息(如系列要素信息)。举例而言，如果最相近的意图节点为“卡片”，且卡片节点路径对应的所有要素信息包括“***、卡片”，则在所述最相近的意图节点“卡片”中补充缺少的要素信息“***”，得到补槽后的意图节点“***、卡片”。
步骤S35，若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图，即对所述补槽后的意图节点下的知识根据用户产生意图的语料进行搜索得到相应知识。需要说明的是，如果所述补槽后的意图节点下的知识只有一条，则直接返回该知识作为该用户的意图信息。
举例而言，参阅图4所示，若所述补槽后的意图节点为查询节点(出口节点)，所述详细意图层中与查询节点相关联的详细意图信息包括：“查询***本期账单、查询***历史账单”，则确定该用户的意图为查询***本期账单或查询***历史账单，并输出该确定的用户意图至电子装置的显示单元或用户端设备，由该用户进行最终确认。
由于本发明只在指定的较小范围内(与出口节点相关联的小范围内)获取该用户的意图信息，不会在整个详细意图层中寻找该用户的意图信息，因此，本发明的人机交互响应速度会更快。另外，由于搜索只在较小范围内进行，因此，即使知识库中存在不准确的知识，也不会影响全局。
步骤S36，若所述补槽后的意图节点不是所述意图节点层中的出口节点(非出口节点)，则根据预设的追问模式确定该用户的意图。在本实施例中，所述预设的追问模式包括，但不限于，枚举型模式和要素型模式(或称之为“开放式追问模式”)。其中，所述枚举型模式根据不同渠道类型确定不同的枚举策略，并根据不同的枚举策略输出相应的枚举提示信息。所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。例如，输出所述枚举提示信息或要素提示信息至电子装置的显示单元或用户端设备。本发明可以采用单一的追问模式确定该用户的意图，也可以采用多种追问模式相结合的方式确定该用户的意图。
优选地，在其它实施例中，若所述预设的追问模式为枚举型模式，且所述渠道类型包括***渠道(如在线***查询)、产险渠道(如在线产险咨询)、及电话渠道(如银行客服电话)。若该渠道类型为***渠道，则输出第一预定数量(如最多6个)的枚举提示信息；若该渠道类型为产险渠道，则输出第二预定数量(如最多4个)的枚举提示信息；若该渠道类型为电话渠道，则输出第三预定数量(如最多2个)的枚举提示信息。
举例而言，当渠道类型为电话渠道，且所述补槽后的意图节点为账单节点(非出口节点)，则输出的枚举提示信息可以是：
查询***账单？还是
补寄***账单？
当渠道类型为***渠道，且所述补槽后的意图节点为***节点(非出口节点)，则输出的枚举提示信息可以是：
查询***账单？
补寄***账单？还是
***卡片？
优选地，在其它实施例中，若所述预设的追问模式为要素型模式，所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。举例而言，若所述补槽后的意图节点为账单节点，且该账单节点中缺少的要素信息包括动作要素信息(如查询或补寄)，则输出额要素提示信息可以是：进行***账单的何种操作？
由于本发明在用户意图不明确时(即所述补槽后的意图节点不是所述意图节点层中的出口节点时)，通过预设的追问模式(枚举型模式或要素型模式)进一步确定该用户的意图，从而使得用户意图获取在服务端的过程中无需客服人员介入，实现了用户意图获取服务端的全自动流程。
进一步地，由于本发明在进一步追问用户意图时考虑到了不同渠道类型的情形(根据不同渠道类型确定不同的枚举策略，并输出相应的枚举提示信息)，且在对所述最相近的意图节点进行语义补槽时也考虑到了不同渠道类型的补槽方式(***渠道补槽方式、产险渠道补槽方式、电话渠道补槽方式)，因此，当***在不同渠道之间进行迁移时，可以无间断进行，降低了迁移工作的学习成本，只需要学会使用迁移工具即可，不易出错，迁移效率高且安全可靠。
需要说明的是，在其它实施例中，所述步骤S36也可以设置为：若所述补槽后的意图节点不是所述意图节点层中的出口节点，则输出意图获取失败的信息至电子装置的显示单元或用户端设备，提示用户重新进行对话。
进一步地，在其它实施例中，所述步骤S34也可以去除，此种情形下步骤S35包括：若所述步骤S33中确定的意图节点(即最相近的意图节点)为所述意图节点层中的出口节点，则根据该确定的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该确定的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图，即对该确定的意图节点下的知识根据用户产生意图的语料进行搜索得到相应知识。
进一步地，若所述步骤S34去除，此种情形下步骤S36包括：若所述确定的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图，或者输出意图获取失败的信息至电子装置的显示单元或用户端设备，提示用户重新进行对话。
优选地，在其它实施例中，该方法还包括意图知识获取步骤：
输出该确定的用户意图，将该确定的用户意图存储至所述知识图谱的知识库层，以获取用户的意图知识。具体而言，***先计算该确定的用户意图中的词向量与知识库层中预先存储的词向量之间的夹角余弦值，得到该确定的用户意图中的词向量与知识库层中预先存储的词向量之间的相似度值(相似度匹配)。若该相似度值大于预设阀值(80％)，则将该确定的用户意图存储至所述知识图谱的知识库层。
优选地，在其它实施例中，该方法还包括训练步骤：对训练语料依次进行分词操作、词向量模型操作、关键词相似词向量操作、第一次人工筛选、二次词向量操作、及第二次人工筛选，得到用于关键词映射的训练数据。
优选地，在其它实施例中，步骤S31之后、步骤S32之前还包括如下步骤：
根据预设的命名实体识别算法(如基于深层神经网络的命名实体识别算法)，从所述分解成的多个词语中识别出特定词语(如***、账单等)；
根据预设的集外词检测算法(如两阶段集外词查询算法、词格修正算法等)，针对所述识别出的特定词语进行关键词扩展，并将扩展得到的词语添加至所述分解成的多个词语中。
优选地，在其它实施例中，该方法还包括后处理步骤：根据用户画像信息(或用户属性信息等)，对所述获取的用户意图知识进行不同处理，并进行语义结果反馈应答。在本实施例中，所述用户属性信息包括，但不限于，用户性别(男和女)、用户年龄、用户等级等。例如，如果该用户的属性信息为VIP用户，则提供该用户查询较长时间(如100天)的***账单信息，或者当无法获取该用户的意图信息时，自动切换至人工服务。如果该用户的属性信息为非VIP用户，则提供该用户查询较短时间(如30天)的***账单信息，或者当无法获取该用户的意图信息时，提示用户重新进行对话等。
优选地，在其它实施例中，该方法还包括训练数据步骤：存储进行分词训练的自定义词典及停用词表，以及存储进行语义识别训练的线上文本数据及语义配置模型。
优选地，在其它实施例中，该方法还包括测试数据步骤：
存储验证分词效果的分词测试数据，以及存储验证语义理解效果的语义测试数据；
利用预设的分词测试数据和分词分析算法(如计算准确率、召回率、F值的算法)，验证所述分词结果的效果；及
利用预设的语义测试数据和语义分析算法(如单步算法)，验证所述获取的用户意图知识的语义理解效果，并将该语义理解效果存储至知识库层。
优选地，在其它实施例中，该方法还包括上文记录步骤：在获取用户当前对话(即本轮对话)的意图时，记录上轮对话的语义信息(即上轮语义)及电子装置状态信息(如机器人状态)等。
通过上述步骤S31-S36，本发明所提出的意图获取方法，只在指定的较小范围内获取用户的意图信息，人机交互响应速度会更快，即使知识库中存在不准确的知识，也不会影响全局。若用户意图不明确，则通过智能追问模式进一步确定该用户的意图，实现了用户意图获取服务端的全自动流程。进一步地，本发明在语义补槽和意图追问时考虑到了不同渠道类型的情形，当***在不同渠道之间迁移时，可以无间断进行，降低了迁移工作的学习成本，只需要学会使用迁移工具即可，不易出错，迁移效率高且安全可靠。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质(如ROM/RAM、磁碟、光盘)，所述计算机可读存储介质存储有意图获取***20，所述意图获取***20可被至少一个处理器22执行，以使所述至少一个处理器执行如上所述的意图获取方法的步骤。
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来实现，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，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器、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意图获取***，所述意图获取***被所述处理器执行时实现如下步骤：
获取用户当前对话的文本句子，通过预设的分词算法将所述文本句子分解成多个词语；
根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语；
于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点；
根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点；
若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图；及
若所述补槽后的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图。
2.如权利要求1所述的电子装置，其特征在于，所述预先设置的知识图谱包括：意图节点层、详细意图层、及知识库层，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
3.如权利要求2所述的电子装置，其特征在于，所述不同类型的词语要素包括：系列要素、目标要素、及动作要素，所述意图节点层包括三级节点：由系列要素组成的第一级节点、由目标要素组成的第二级节点、及由动作要素组成的第三级节点。
4.如权利要求2所述的电子装置，其特征在于，所述预设的补槽方式包括：渠道信息补槽方式、用户信息补槽方式、及知识图谱信息补槽方式，所述渠道信息包括：***渠道信息、产险渠道信息、及电话渠道信息，所述用户信息包括：用户的帐号类型、每个类型帐号的操作权限。
5.如权利要求4所述的电子装置，其特征在于，所述根据预设的补槽方式对所述最相近的意图节点进行语义补槽包括：
若所述补槽方式为渠道信息补槽方式，则在所述最相近的意图节点中补充缺少的渠道信息；
若所述补槽方式为用户信息补槽方式，则在所述最相近的意图节点中补充缺少的用户信息；及
若所述补槽方式为知识图谱信息补槽方式，则在所述知识图谱的意图节点层中确定所述最相近的意图节点所在的节点路径对应的所有要素信息，并在所述最相近的意图节点中补充缺少的要素信息。
6.如权利要求4所述的电子装置，其特征在于，所述预设的追问模式包括枚举型模式和要素型模式，所述枚举型模式根据不同渠道类型确定不同的枚举策略，并根据不同的枚举策略输出相应的枚举提示信息，所述要素型模式根据所述补槽后的意图节点中缺少的要素信息，输出相应的要素提示信息。
7.如权利要求6所述的电子装置，其特征在于，所述根据预设的追问模式确定该用户的意图包括：
若所述预设的追问模式为枚举型模式，且所述渠道类型为***渠道，则输出第一预定数量的枚举提示信息；
若所述预设的追问模式为枚举型模式，且所述渠道类型为产险渠道，则输出第二预定数量的枚举提示信息；及
若所述预设的追问模式为枚举型模式，且所述渠道类型为电话渠道，则输出第三预定数量的枚举提示信息。
8.一种意图获取方法，应用于电子装置，其特征在于，所述方法包括：
获取用户当前对话的文本句子，通过预设的分词算法将所述文本句子分解成多个词语；
根据近义词模式以及词语的词性，将所述分解成的多个词语映射至预设关键词，获得所述文本句子映射后的词语；
于一预先设置的知识图谱中确定一个与所述映射后的词语语义最相近的意图节点；
根据预设的补槽方式对所述最相近的意图节点进行语义补槽，得到补槽后的意图节点；
若所述补槽后的意图节点为所述意图节点层中的出口节点，则根据该补槽后的意图节点对应的意图信息，在所述知识图谱的详细意图层中的指定范围内获取与该补槽后的意图节点相关联的详细意图信息，并根据获取的详细意图信息确定该用户的意图；及
若所述补槽后的意图节点不是所述意图节点层中的出口节点，则根据预设的追问模式确定该用户的意图。
9.如权利要求8所述的意图获取方法，其特征在于，所述预先设置的知识图谱包括：意图节点层、详细意图层、及知识库层，所述意图节点层包括根据不同类型的词语要素组成的多级节点，所述详细意图层存储与所述意图节点层的出口节点相关联的详细意图信息，所述知识库层存储从所述详细意图层中筛选出的详细意图信息，将筛选出的详细意图信息记录为具体知识。
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意图获取***，所述意图获取***可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求8-9中任一项所述的意图获取方法的步骤。
CN201710660484.6A 2017-08-04 2017-08-04 意图获取方法、电子装置及计算机可读存储介质 Active CN107688614B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710660484.6A CN107688614B (zh) 2017-08-04 2017-08-04 意图获取方法、电子装置及计算机可读存储介质
SG11201902848QA SG11201902848QA (en) 2017-08-04 2017-08-31 Intention acquisition method, electronic device and computer-readable storage medium
US16/337,929 US10423725B2 (en) 2017-08-04 2017-08-31 Intention acquisition method, electronic device and computer-readable storage medium
PCT/CN2017/100056 WO2019024162A1 (zh) 2017-08-04 2017-08-31 意图获取方法、电子装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710660484.6A CN107688614B (zh) 2017-08-04 2017-08-04 意图获取方法、电子装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107688614A true CN107688614A (zh) 2018-02-13
CN107688614B CN107688614B (zh) 2018-08-10

Family

ID=61153164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710660484.6A Active CN107688614B (zh) 2017-08-04 2017-08-04 意图获取方法、电子装置及计算机可读存储介质

Country Status (4)

Country Link
US (1) US10423725B2 (zh)
CN (1) CN107688614B (zh)
SG (1) SG11201902848QA (zh)
WO (1) WO2019024162A1 (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920497A (zh) * 2018-05-23 2018-11-30 北京奇艺世纪科技有限公司 一种人机交互方法及装置
CN109033223A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 用于跨类型对话的方法、装置、设备以及计算机可读存储介质
CN109271557A (zh) * 2018-08-31 2019-01-25 北京字节跳动网络技术有限公司 用于输出信息的方法和装置
CN109388802A (zh) * 2018-10-11 2019-02-26 北京轮子科技有限公司 一种基于深度学习的语义理解方法和装置
CN109597993A (zh) * 2018-11-30 2019-04-09 深圳前海微众银行股份有限公司 语句分析处理方法、装置、设备以及计算机可读存储介质
CN109815326A (zh) * 2019-01-24 2019-05-28 网易（杭州）网络有限公司 对话控制方法及装置
CN109871543A (zh) * 2019-03-12 2019-06-11 广东小天才科技有限公司 一种意图获取方法及***
CN110032724A (zh) * 2018-12-19 2019-07-19 阿里巴巴集团控股有限公司 用于识别用户意图的方法及装置
CN110086826A (zh) * 2019-05-13 2019-08-02 西安点告网络科技有限公司 信息处理方法
CN110211577A (zh) * 2019-07-19 2019-09-06 宁波方太厨具有限公司 终端设备及其语音交互方法
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN110738044A (zh) * 2019-10-17 2020-01-31 杭州涂鸦信息技术有限公司 控制意图识别方法及装置、电子设备和存储介质
CN110909159A (zh) * 2019-09-29 2020-03-24 珠海格力电器股份有限公司 一种用户意图识别方法、装置、终端及存储介质
CN111048088A (zh) * 2019-12-26 2020-04-21 北京蓦然认知科技有限公司 一种多应用程序的语音交互方法和装置
CN111078855A (zh) * 2019-12-19 2020-04-28 联想(北京)有限公司 信息处理方法、装置、电子设备及存储介质
CN111126553A (zh) * 2019-12-25 2020-05-08 平安银行股份有限公司 智能机器人面试方法、设备、存储介质及装置
CN111125309A (zh) * 2019-12-23 2020-05-08 中电云脑(天津)科技有限公司 自然语言处理方法、装置及计算设备、存储介质
CN111339745A (zh) * 2020-03-06 2020-06-26 京东方科技集团股份有限公司 一种随访报告生成方法、设备、电子设备和存储介质
CN111400480A (zh) * 2020-04-21 2020-07-10 支付宝(杭州)信息技术有限公司 针对多轮对话的用户意图识别方法和装置
CN111539741A (zh) * 2020-05-15 2020-08-14 支付宝(杭州)信息技术有限公司 识别操作风险的方法、***和非暂时性存储介质
CN111680144A (zh) * 2020-06-03 2020-09-18 湖北亿咖通科技有限公司 多轮对话语音交互的方法及***、存储介质、电子设备
CN112115276A (zh) * 2020-09-18 2020-12-22 平安科技（深圳）有限公司 基于知识图谱的智能客服方法、装置、设备及存储介质
CN113807063A (zh) * 2021-09-01 2021-12-17 海南大学 面向dikw内容的意图驱动交互填表方法

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6893186B2 (ja) * 2018-02-16 2021-06-23 日本電信電話株式会社 フレーズベクトル学習装置、方法、及びプログラム
US10726204B2 (en) * 2018-05-24 2020-07-28 International Business Machines Corporation Training data expansion for natural language classification
JP6988715B2 (ja) * 2018-06-29 2022-01-05 日本電信電話株式会社 回答文選択装置、方法、およびプログラム
CN110069631B (zh) * 2019-04-08 2022-11-29 腾讯科技（深圳）有限公司 一种文本处理方法、装置以及相关设备
CN110502608B (zh) * 2019-07-05 2023-10-10 平安科技（深圳）有限公司 基于知识图谱的人机对话方法及人机对话装置
CN110442700A (zh) * 2019-08-12 2019-11-12 珠海格力电器股份有限公司 用于人机交互的人机多轮对话方法及***、智能设备
CN110516046A (zh) * 2019-08-30 2019-11-29 北京泰迪熊移动科技有限公司 一种负面标记号码识别方法、设备及计算机存储介质
CN110598215A (zh) * 2019-09-11 2019-12-20 海南大学 关系定义一切语义的存在计算模型中的语义识别和推导方法
CN110825880A (zh) * 2019-09-18 2020-02-21 平安科技（深圳）有限公司 案件胜率确定方法、装置、设备及计算机可读存储介质
CN110704703A (zh) * 2019-09-27 2020-01-17 北京百度网讯科技有限公司 人机对话方法及装置
CN110909169A (zh) * 2019-09-30 2020-03-24 珠海格力电器股份有限公司 基于知识图谱的控制方法、***、电子设备和存储介质
CN110941694A (zh) * 2019-10-14 2020-03-31 珠海格力电器股份有限公司 知识图谱的搜索定位方法、***、电子设备和存储介质
CN110909138B (zh) * 2019-10-31 2023-03-07 杭州未名信科科技有限公司 一种用户意图识别方法及***
CN111046667B (zh) * 2019-11-14 2024-02-06 深圳市优必选科技股份有限公司 一种语句识别方法、语句识别装置及智能设备
CN111125379B (zh) * 2019-12-26 2022-12-06 科大讯飞股份有限公司 知识库扩充方法、装置、电子设备和存储介质
CN111241257B (zh) * 2020-01-03 2023-07-21 联想(北京)有限公司 信息处理方法和电子设备
US11386132B2 (en) 2020-05-08 2022-07-12 International Business Machines Corporation System and method for retrieving results and responses with context based exclusion criteria
CN111611350B (zh) * 2020-05-26 2024-04-09 北京妙医佳健康科技集团有限公司 基于健康知识的应答方法、装置及电子设备
CN111737423B (zh) * 2020-08-26 2021-01-01 北京声智科技有限公司 领域识别方法、装置、电子设备及存储介质
CN112104734B (zh) * 2020-09-15 2022-09-02 北京百度网讯科技有限公司 用于推送信息的方法、装置、设备以及存储介质
CN112905774A (zh) * 2021-02-22 2021-06-04 武汉市聚联科软件有限公司 一种基于事理图谱的人机对话深度意图理解方法
CN113407667B (zh) * 2021-06-11 2024-03-22 上海适享文化传播有限公司 基于语音固定条件下的查询方法
CN113420124B (zh) * 2021-06-25 2024-03-22 上海适享文化传播有限公司 解决语音检索多条件下的冲突方法
CN113657083B (zh) * 2021-08-30 2023-04-18 海南大学 面向意图计算与推理的dikw资源交互填充***
CN114398903B (zh) * 2022-01-21 2023-06-20 平安科技（深圳）有限公司 意图识别方法、装置、电子设备及存储介质
CN114708047B (zh) * 2022-06-06 2022-09-09 上海荣数信息技术有限公司 一种基于知识图谱的外呼策略运营方法与***
CN114817576B (zh) * 2022-06-28 2022-11-18 北京邮电大学 模型训练及专利知识图谱补全方法、装置及存储介质
CN116049425B (zh) * 2022-11-04 2023-09-22 合肥中科前沿科技有限公司 一种基于rcs架构的机器人交互方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119587A1 (en) * 2007-11-02 2009-05-07 Allen James F Interactive complex task teaching system
CN101431573A (zh) * 2007-11-08 2009-05-13 上海赢思软件技术有限公司 通过人机交互技术实现自动客户服务的方法和设备
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding
CN104731895A (zh) * 2015-03-18 2015-06-24 北京京东尚科信息技术有限公司 自动应答的方法和装置
CN104866593A (zh) * 2015-05-29 2015-08-26 中国电子科技集团公司第二十八研究所 一种基于知识图谱的数据库搜索方法
US20150317302A1 (en) * 2014-04-30 2015-11-05 Microsoft Corporation Transferring information across language understanding model domains
CN106486120A (zh) * 2016-10-21 2017-03-08 上海智臻智能网络科技股份有限公司 交互式语音应答方法及应答***
CN106682190A (zh) * 2016-12-29 2017-05-17 北京奇虎科技有限公司 标签知识库的构建方法、装置、应用搜索方法和服务器
CN106709040A (zh) * 2016-12-29 2017-05-24 北京奇虎科技有限公司 一种应用搜索方法和服务器
CN106919655A (zh) * 2017-01-24 2017-07-04 网易（杭州）网络有限公司 一种***方法和装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0816620A (ja) * 1994-04-28 1996-01-19 Fujitsu Ltd データ分類装置／方法、データ分類木生成装置／方法、派生語抽出装置／方法、シソーラス構築装置／方法、データ処理システム
US5956740A (en) * 1996-10-23 1999-09-21 Iti, Inc. Document searching system for multilingual documents
US6243670B1 (en) * 1998-09-02 2001-06-05 Nippon Telegraph And Telephone Corporation Method, apparatus, and computer readable medium for performing semantic analysis and generating a semantic structure having linked frames
US8407281B2 (en) * 2000-07-25 2013-03-26 Newton Howard Intention-based automated conflict prediction and notification system
US9524291B2 (en) * 2010-10-06 2016-12-20 Virtuoz Sa Visual display of semantic information
US9092802B1 (en) * 2011-08-15 2015-07-28 Ramakrishna Akella Statistical machine learning and business process models systems and methods
US9916538B2 (en) * 2012-09-15 2018-03-13 Z Advanced Computing, Inc. Method and system for feature detection
US8873813B2 (en) * 2012-09-17 2014-10-28 Z Advanced Computing, Inc. Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities
US20160041986A1 (en) * 2014-08-08 2016-02-11 Cuong Duc Nguyen Smart Search Engine
JP6614152B2 (ja) * 2014-09-05 2019-12-04 日本電気株式会社 テキスト処理システム、テキスト処理方法、及び、コンピュータ・プログラム
JP6433209B2 (ja) * 2014-09-18 2018-12-05 大和ハウス工業株式会社 対話用通信システム及び対話用通信方法
US9818405B2 (en) * 2016-03-15 2017-11-14 SAESTEK Ses ve Iletisim Bilgisayar Tekn. San. Ve Tic. A.S. Dialog management system
CN105843875B (zh) * 2016-03-18 2019-09-13 北京光年无限科技有限公司 一种面向智能机器人的问答数据处理方法及装置
US10606952B2 (en) * 2016-06-24 2020-03-31 Elemental Cognition Llc Architecture and processes for computer learning and understanding
CN106447346A (zh) * 2016-08-29 2017-02-22 北京中电普华信息技术有限公司 一种智能电力客服***的构建方法及***
US20190012388A1 (en) * 2017-07-07 2019-01-10 Jordi Torras Method and system for a semantic search engine using an underlying knowledge base

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119587A1 (en) * 2007-11-02 2009-05-07 Allen James F Interactive complex task teaching system
CN101431573A (zh) * 2007-11-08 2009-05-13 上海赢思软件技术有限公司 通过人机交互技术实现自动客户服务的方法和设备
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding
US20150317302A1 (en) * 2014-04-30 2015-11-05 Microsoft Corporation Transferring information across language understanding model domains
CN104731895A (zh) * 2015-03-18 2015-06-24 北京京东尚科信息技术有限公司 自动应答的方法和装置
CN104866593A (zh) * 2015-05-29 2015-08-26 中国电子科技集团公司第二十八研究所 一种基于知识图谱的数据库搜索方法
CN106486120A (zh) * 2016-10-21 2017-03-08 上海智臻智能网络科技股份有限公司 交互式语音应答方法及应答***
CN106682190A (zh) * 2016-12-29 2017-05-17 北京奇虎科技有限公司 标签知识库的构建方法、装置、应用搜索方法和服务器
CN106709040A (zh) * 2016-12-29 2017-05-24 北京奇虎科技有限公司 一种应用搜索方法和服务器
CN106919655A (zh) * 2017-01-24 2017-07-04 网易（杭州）网络有限公司 一种***方法和装置

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920497A (zh) * 2018-05-23 2018-11-30 北京奇艺世纪科技有限公司 一种人机交互方法及装置
CN109033223A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 用于跨类型对话的方法、装置、设备以及计算机可读存储介质
CN109271557A (zh) * 2018-08-31 2019-01-25 北京字节跳动网络技术有限公司 用于输出信息的方法和装置
CN109271557B (zh) * 2018-08-31 2022-03-22 北京字节跳动网络技术有限公司 用于输出信息的方法和装置
US11800201B2 (en) 2018-08-31 2023-10-24 Beijing Bytedance Network Technology Co., Ltd. Method and apparatus for outputting information
CN109388802A (zh) * 2018-10-11 2019-02-26 北京轮子科技有限公司 一种基于深度学习的语义理解方法和装置
CN109388802B (zh) * 2018-10-11 2022-11-25 北京轮子科技有限公司 一种基于深度学习的语义理解方法和装置
CN109597993A (zh) * 2018-11-30 2019-04-09 深圳前海微众银行股份有限公司 语句分析处理方法、装置、设备以及计算机可读存储介质
CN110032724A (zh) * 2018-12-19 2019-07-19 阿里巴巴集团控股有限公司 用于识别用户意图的方法及装置
CN110032724B (zh) * 2018-12-19 2022-11-25 阿里巴巴集团控股有限公司 用于识别用户意图的方法及装置
CN109815326A (zh) * 2019-01-24 2019-05-28 网易（杭州）网络有限公司 对话控制方法及装置
CN109871543B (zh) * 2019-03-12 2023-10-24 广东小天才科技有限公司 一种意图获取方法及***
CN109871543A (zh) * 2019-03-12 2019-06-11 广东小天才科技有限公司 一种意图获取方法及***
CN110086826A (zh) * 2019-05-13 2019-08-02 西安点告网络科技有限公司 信息处理方法
CN110086826B (zh) * 2019-05-13 2021-09-17 西安点告网络科技有限公司 信息处理方法
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN110263180B (zh) * 2019-06-13 2021-06-04 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN110211577A (zh) * 2019-07-19 2019-09-06 宁波方太厨具有限公司 终端设备及其语音交互方法
CN110211577B (zh) * 2019-07-19 2021-06-04 宁波方太厨具有限公司 终端设备及其语音交互方法
CN110909159B (zh) * 2019-09-29 2022-09-16 珠海格力电器股份有限公司 一种用户意图识别方法、装置、终端及存储介质
CN110909159A (zh) * 2019-09-29 2020-03-24 珠海格力电器股份有限公司 一种用户意图识别方法、装置、终端及存储介质
CN110738044A (zh) * 2019-10-17 2020-01-31 杭州涂鸦信息技术有限公司 控制意图识别方法及装置、电子设备和存储介质
CN110738044B (zh) * 2019-10-17 2023-09-22 杭州涂鸦信息技术有限公司 控制意图识别方法及装置、电子设备和存储介质
CN111078855A (zh) * 2019-12-19 2020-04-28 联想(北京)有限公司 信息处理方法、装置、电子设备及存储介质
CN111125309A (zh) * 2019-12-23 2020-05-08 中电云脑(天津)科技有限公司 自然语言处理方法、装置及计算设备、存储介质
CN111126553B (zh) * 2019-12-25 2024-04-30 平安银行股份有限公司 智能机器人面试方法、设备、存储介质及装置
CN111126553A (zh) * 2019-12-25 2020-05-08 平安银行股份有限公司 智能机器人面试方法、设备、存储介质及装置
CN111048088A (zh) * 2019-12-26 2020-04-21 北京蓦然认知科技有限公司 一种多应用程序的语音交互方法和装置
CN111339745A (zh) * 2020-03-06 2020-06-26 京东方科技集团股份有限公司 一种随访报告生成方法、设备、电子设备和存储介质
CN111400480B (zh) * 2020-04-21 2023-05-12 支付宝(杭州)信息技术有限公司 针对多轮对话的用户意图识别方法和装置
CN111400480A (zh) * 2020-04-21 2020-07-10 支付宝(杭州)信息技术有限公司 针对多轮对话的用户意图识别方法和装置
CN111539741B (zh) * 2020-05-15 2023-02-24 支付宝(杭州)信息技术有限公司 识别操作风险的方法、***和非暂时性存储介质
CN111539741A (zh) * 2020-05-15 2020-08-14 支付宝(杭州)信息技术有限公司 识别操作风险的方法、***和非暂时性存储介质
CN111680144A (zh) * 2020-06-03 2020-09-18 湖北亿咖通科技有限公司 多轮对话语音交互的方法及***、存储介质、电子设备
WO2021189956A1 (zh) * 2020-09-18 2021-09-30 平安科技（深圳）有限公司 基于知识图谱的智能客服方法、装置、设备及存储介质
CN112115276A (zh) * 2020-09-18 2020-12-22 平安科技（深圳）有限公司 基于知识图谱的智能客服方法、装置、设备及存储介质
CN112115276B (zh) * 2020-09-18 2024-05-24 平安科技（深圳）有限公司 基于知识图谱的智能客服方法、装置、设备及存储介质
CN113807063A (zh) * 2021-09-01 2021-12-17 海南大学 面向dikw内容的意图驱动交互填表方法
CN113807063B (zh) * 2021-09-01 2023-09-05 海南大学 面向dikw内容的意图驱动交互填表方法

Also Published As

Publication number Publication date
US20190228069A1 (en) 2019-07-25
US10423725B2 (en) 2019-09-24
WO2019024162A1 (zh) 2019-02-07
SG11201902848QA (en) 2019-05-30
CN107688614B (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN107688614B (zh) 意图获取方法、电子装置及计算机可读存储介质
CN105335133B (zh) 用于生成业务规则模型的方法和装置
CN108256074A (zh) 校验处理的方法、装置、电子设备和存储介质
CN107908606A (zh) 基于不同信息源自动生成报表的方法和***
CN110399609A (zh) 意图识别方法、装置、设备及计算机可读存储介质
CN108170759A (zh) 投诉案件处理的方法、装置、计算机设备及存储介质
CN110347776A (zh) 兴趣点名称匹配方法、装置、设备及存储介质
CN108920677A (zh) 问卷调查方法、调查***及电子设备
CN107688651A (zh) 新闻情感方向判断方法、电子设备及计算机可读存储介质
CN111309887A (zh) 一种训练文本关键内容提取模型的方法和***
CN107679075A (zh) 网络监控方法和设备
CN111831908A (zh) 医疗领域知识图谱构建方法、装置、设备及存储介质
CN114547318A (zh) 故障信息获取方法、装置、设备和计算机存储介质
CN111259167B (zh) 用户请求风险识别方法及装置
CN110532773B (zh) 恶意访问行为识别方法、数据处理方法、装置和设备
CN106776782A (zh) 基于人工智能的语义相似度获取方法及装置
CN110232108A (zh) 人机对话方法以及对话***
CN111198949B (zh) 一种文本标签确定方法和***
CN110458383B (zh) 需求处理服务化的实现方法、装置及计算机设备、存储介质
CN116127960A (zh) 信息抽取方法、装置、存储介质及计算机设备
CN109857793A (zh) 技术背景数据的处理方法、装置、电子设备及存储介质
CN112685389B (zh) 数据管理方法、数据管理装置、电子设备及存储介质
CN111652102B (zh) 一种输电通道目标物辨识方法及***
CN110727767B (zh) 一种扩展文本样本的方法及***
CN112528662A (zh) 基于元学习的实体类别识别方法、装置、设备和存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1246446

Country of ref document: HK

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Intent acquisition method, electronic device and computer readable storage medium

Effective date of registration: 20210625

Granted publication date: 20180810

Pledgee: Shenzhen hi tech investment small loan Co.,Ltd.

Pledgor: PING AN TECHNOLOGY (SHENZHEN) Co.,Ltd.

Registration number: Y2021980005317

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20220721

Granted publication date: 20180810

Pledgee: Shenzhen hi tech investment small loan Co.,Ltd.

Pledgor: PING AN TECHNOLOGY (SHENZHEN) Co.,Ltd.

Registration number: Y2021980005317