CN111625637B - 意图训练和解析方法及装置 - Google Patents
意图训练和解析方法及装置 Download PDFInfo
- Publication number
- CN111625637B CN111625637B CN202010482780.3A CN202010482780A CN111625637B CN 111625637 B CN111625637 B CN 111625637B CN 202010482780 A CN202010482780 A CN 202010482780A CN 111625637 B CN111625637 B CN 111625637B
- Authority
- CN
- China
- Prior art keywords
- semantic
- intention
- intent
- custom
- business
- 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
Images
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
- G06F16/33—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)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本申请提供了意图训练和解析方法及装置,包括:响应于开发者的意图编辑指令,向所述开发者展示意图编辑界面;至少响应于经由所述第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与所述至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与所述多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及所述开发者的训练指令,查找语义意图库中是否存在所述自定义语义意图;若所述语义意图库中不存在所述自定义语义意图,将所述自定义语义意图与关联的业务意图进行关联存储,将所述自定义语义意图与关联的用户说法进行关联存储。
Description
技术领域
本发明涉及意图管理技术领域,特别涉及意图训练和解析方法及装置。
背景技术
智能对话一般是针对应用场景做定制,智能对话的开发人员针对业务场景设计这个场景需要的每一个意图,然后用算法实现每个意图的理解。
现在的对话定制平台,比如某度UNIT(智能对话定制与服务平台),某软LUIS(自然语言理解平台),某歌的DialogFlow(对话式人工智能引擎),都是对话开发人员根据业务场景要求直接定义业务需要的意图。这样容易造成开发效率不高,以及容易给意图理解算法造成障碍,使得意图理解算法的实现难度提高。
发明内容
本发明实施例提供一种多意图识别训练和使用方法及装置,用于至少解决上述技术问题之一。
第一方面,本发明实施例提供一种意图训练方法,包括:响应于开发者的意图编辑指令,向所述开发者展示意图编辑界面,其中,所述意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;至少响应于经由所述第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与所述至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与所述多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及所述开发者的训练指令,查找语义意图库中是否存在所述自定义语义意图,其中,所述语义意图库包括多个自定义语义意图,和与多个自定义语义意图关联的至少一个自定义业务意图,以及与所述多个语义意图中的任一自定义语义意图关联的至少一个用户说法;若所述语义意图库中不存在所述自定义语义意图,将所述自定义语义意图与关联的业务意图进行关联存储,将所述自定义语义意图与关联的用户说法进行关联存储;基于所述自定义业务意图和与所述自定义业务意图关联的多个自定义语义意图以及与所述自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,所述语义意图模型的输入为所述用户说法,输出为所述语义意图。
第二方面,本发明实施例提供一种意图解析方法,包括:基于第一方面所述的语义意图库中的自定义语义意图与自定义语义意图关联的至少一个用户说法的关联关系,将所述用户说法解构成与所述用户说法关联的至少一个语义意图;对所述至少一个语义意图进行意图理解;将所述至少一个语义意图构造成与所述至少一个语义意图关联的业务意图;输出所述关联的业务意图。
第三方面,本发明实施例提供一种意图训练装置,包括:意图编辑模块,配置为响应于开发者的意图编辑指令,向所述开发者展示意图编辑界面,其中,所述意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;查找模块,配置为至少响应于经由所述第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与所述至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与所述多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及所述开发者的训练指令,查找语义意图库中是否存在所述自定义语义意图,其中,所述语义意图库包括多个自定义语义意图,和与多个自定义语义意图关联的至少一个自定义业务意图,以及与所述多个语义意图中的任一自定义语义意图关联的至少一个用户说法;存储模块,配置为若所述语义意图库中不存在所述自定义语义意图,将所述自定义语义意图与关联的业务意图进行关联存储,将所述自定义语义意图与关联的用户说法进行关联存储;训练模块,配置为基于所述自定义业务意图和与所述自定义业务意图关联的多个自定义语义意图以及与所述自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,所述语义意图模型的输入为所述用户说法,输出为所述语义意图。
第四方面,本发明实施例提供一种意图解析装置,包括:解构模块,配置为基于第一方面所述的语义意图库中的自定语义意图与自定义语义意图关联的至少一个用户说法的关联关系,将所述用户说法解构成与所述用户说法关联的至少一个语义意图;意图理解模块,配置为对所述至少一个语义意图进行意图理解;构造模块,将所述至少一个语义意图构造成与所述至少一个语义意图关联的业务意图;内容输出模块,配置为输出所述关联的业务意图。
第五方面,本发明实施例提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的意图训练或解析方法的步骤。
第六方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的意图训练或解析方法的步骤。
本申请的方法和装置提供的方案,将意图分为语义意图和业务意图两层,使得缩短了对话场景开发需要的时间周期,通过用户不断使用对话平台,能够持续丰富对话平台语义意图库内的内容,从而有效地提高了后续开发对话***的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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他的附图。
图1为本发明一实施例提供的一种意图训练方法的流程图;
图2为本发明一实施例提供的另一种意图训练方法的流程图;
图3为本发明一实施例提供的再一种意图训练方法的流程图;
图4为本发明一实施例提供的一种意图解析方法的流程图;
图5为本发明一实施例提供的另一种意图解析方法的流程图;
图6为现有的一实施例提供的一个具体实施例的解析阶段流程图;
图7为现有的一实施例提供的一个具体实施例的训练和解析阶段流程图;
图8为本发明一实施例提供的一个具体实施例的解析阶段流程图;
图9为本发明一实施例提供的另一个具体实施例的解析阶段流程图;
图10为本发明一实施例提供的一个具体实施例的训练和解析阶段流程图;
图11为本发明一实施例提供的一种意图训练装置的框图;
图12为本发明一实施例提供的一种意图解析装置的框图;
图13是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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作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。
请参考图1,其示出了本申请的意图训练方法一实施例的流程图,本实施例的意图训练方法可以适用于服务器等设备。
如图1所示,在步骤101中,响应于开发者的意图编辑指令,向开发者展示意图编辑界面;
在步骤102中,至少响应于经由第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及开发者的训练指令,查找语义意图库中是否存在自定义语义意图;
在步骤103中,若语义意图库中不存在自定义语义意图,将自定义语义意图与关联的业务意图进行关联存储,将自定义语义意图与关联的用户说法进行关联存储;
在步骤104中,基于自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练。
在本实施例中,对于步骤101,意图训练装置在开发者进行意图编辑操作之后,向开发者展示一个意图编辑界面。之后,对于步骤102,当开发者对意图编辑界面中的第一采集框、第二采集框以及第三采集框进行编辑时,意图训练装置分别将自定义业务意图、与自定义业务意图关联的自定义语义意图以及与自定义语义意图关联的用户说法填充至第一采集框、第二采集框以及第三采集框中,意图训练装置在开发者进行意图训练操作之后,查找语义意图库中是否存在自定义语义意图。然后,对于步骤103,如果语义意图库中不存在自定义语义意图,意图训练装置则将自定义语义意图、与自定义语义意图关联的业务意图以及与自定义语义意图关联的用户说法进行存储,从而对语义意图库的内容进行不断丰富。之后,对于步骤104,意图训练装置基于将自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,训练一个语义意图模型。
本实施例的方法,在开发者进行意图编辑操作之后,意图训练装置向开发者展示一个意图编辑界面,使得开发者能够对业务意图进行细分,并对细分的业务意图进行训练,经由业务意图关联语义意图,语义意图关联用户说法,使得业务意图能够与用户说法进行细分关联。
在本申请的一个具体实施例中,意图编辑界面可以是网页或应用程序、语音交互、手势交互、体感交互、程序命令操作等各种人机交互界面。
其中,在意图编辑界面中的第一采集框、第二采集框以及第三采集框可以是同一采集框,用于响应开发者的语音、手势、体感以及文字等信息输入,从而实现采用人机交互的方式对信息进行采集。
进一步参考图2,其示出了本申请一实施例提供的另一种意图训练方法的流程图。该流程图主要是对流程图1中的步骤102“查找语义意图库中是否存在自定义语义意图”的情况的进一步限定的步骤的流程图。
如图2所示,在步骤201中,若语义意图库中存在自定义语义意图,查找语义意图库中是否存在与自定义语义意图关联的自定义业务意图;
在步骤202中,若语义意图库中不存在与自定义语义意图关联的自定义业务意图,基于自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练;
在步骤203中,若语义意图库中存在与自定义语义意图关联的业务意图,跳过对语义意图模型的训练。
在本实施例中,对于步骤201,如果语义意图库中存在自定义语义意图,意图训练装置则继续查找语义意图库中是否存在与自定义语义意图相关联的自定义业务意图。之后,对于步骤202,如果语义意图库中不存在与自定义语义意图关联的自定义业务意图,意图训练装置则将自定义语义意图、与自定义语义意图关联的业务意图以及与自定义语义意图关联的用户说法进行存储,从而对语义意图库的内容进行不断丰富。之后,对于步骤203,如果语义意图库中存在与自定义语义意图关联的业务意图,意图训练装置直接跳过对语义意图模型的训练。
本实施例的方法,当自定义语义意图存在于语义意图库中时,再次在语义意图库中查找是否存在与自定义语义意图关联自定义业务意图,从而避免了语义意图库中存在自定义语义意图,而不存在与自定义语义意图关联的自动业务意图时,造成意图理解错误的问题。
具体地,在一个对话场景中,用户说法为“是的”关联“确定”的自定义语义意图,以及关联“是本人”的自定义业务意图。在需要将“确定”的自定义语义意关联其他自定义业务意图时, 如果意图训练装置查找自定义语义意图存在于语义意图库中后,直接跳过对语义意图模型的训练,则会造成意图训练装置只将“确定”的自定义语义意图理解关联为“是本人”的自定义业务意图。
进一步参考图3,其示出了本申请一实施例提供的再一种意图训练方法的流程图。该流程图主要是对流程图1的附加流程进一步限定的步骤的流程图。在该实施例中,意图编辑界面还包括推荐选项。
如图3所示,在步骤301中,响应于开发者对第一采集框或第二采集框或第三采集框的编辑操作,向开发者展示对应的至少一个业务意图的推荐选项或至少一个语义意图的推荐选项或至少一个用户说法的推荐选项;
在步骤302中,响应于开发者对推荐选项的选择,将开发者选择的推荐选项相应填充至第一采集框或第二采集框或第三采集框中。
在本实施例中,对于步骤301,意图训练装置在开发者对第一采集框或第二采集框或第三采集框的编辑操作之后,向开发者对应展示业务意图的推荐选项或语义意图的推荐选项或用户说法的推荐选项。然后,对于步骤302,意图训练装置在开发者选择推荐选项之后,将开发者选择的推荐选项填充至第一采集框或第二采集框或第三采集框中。
本实施例的方法,通过开发者选择对应的推荐选项,实现了便捷地对第一采集框或第二采集框或第三采集框编辑的效果。
进一步参考图4,其示出了本申请一实施例提供的一种意图解析方法的流程图。本实施例的意图解析方法可以适用于具备通讯或者实时语音对话功能的终端,如智能手机、平板、电脑等。
如图4所示,基于意图训练装置的语义意图库中的自定义语义意图与自定义语义意图关联的至少一个用户说法的关联关系,在步骤401中,将用户说法解构成与用户说法关联的至少一个语义意图;
在步骤402中,对至少一个语义意图进行意图理解;
在步骤403中,将至少一个语义意图构造成与至少一个语义意图关联的业务意图;
在步骤404中,输出关联的业务意图。
在本实施例中,对于步骤401,意图解析装置将用户说法解构成与用户说法关联的多个语义意图。之后,对于步骤402,意图解析装置再将解构后的多个语义意图进行意图理解。之后,对于步骤403,意图解析装置将意图理解后的多个语义意图进行重新构造成与语音意图关联的业务意图。之后,对于步骤404,意图解析装置输出关联的业务意图。
进一步参考图5,其示出了本申请一实施例提供的另一种意图解析方法的流程图。该流程图主要是对流程图4中的步骤402“对至少一个语义意图进行意图理解”的情况的进一步限定的步骤的流程图。
如图5所示,在步骤501中,获取当前轮对话的业务意图;
在步骤502中,将当前轮对话的业务意图解构成与当前轮对话意图关联的至少一个语义意图;
在步骤503中,对至少一个语义意图进行意图理解。
在本实施例中,对于步骤501,意图理解装置首先获取与用户当前轮对话的业务意图。之后,对于步骤502,意图理解装置再将当前轮对话的业务意图解构成与当前轮对话意图关联的至少一个语义意图。之后,对于步骤503,意图理解装置对至少一个语义意图进行意图理解。
本实施例的方法,采用意图理解装置获取一个与当前轮对话场景相关联的业务意图,再将该业务意图解构成当前轮对话意图关联的至少一个语义意图,并将该语义意图输入给意图理解算法,实现了对对话语境的限定,进而减少了业务意图关联的语义意图数量,有效地提高了意图理解算法的意图理解精度。
需要说明的是,上述方法步骤并不用于限制各步骤的执行顺序,实际上,某些步骤可能会同时执行或者以与步骤限定的相反的顺序执行,本申请在此没有限制。
目前市面的智能对话***中直观的理解只是意图一层,还未见到将语言学的语用和语义两层概念借鉴到智能对话***的技术,使得意图分为业务意图和语义意图,基于业务意图与语义意图关联,语义意图与用户说法关联,对智能对话进行意图解析的技术方案;
下面对通过描述发明人在实现本发明的过程中遇到的一些问题和对最终确定的方案的一个具体实施例进行说明,以使本领域技术人员更好地理解本申请的方案。
智能对话一般是针对应用场景做定制,智能对话的开发人员针对业务场景设计这个场景需要的每一个意图,然后用算法实现每个意图的理解。
在这里,对话场景可以是:
疫情防控中的社区人员调查,确认用户的身份、外出情况、健康状况等;
查询快递的状态:通过快递单号或电话号码查询快递的派送状态和送达时效等;
小区物业的问题反馈或报修登记等。
意图是:是/否本人(用于回答“您是张三先生吗”)、是否发烧、查快递、催快递、查快递时效、报修、扰民等。
比如一个快递查询的对话流程:
用户:我的快递到哪了,给我催一下,都三天了,什么时候能到
机器人:您好,请问您的订单号是多少
用户:93676024158
机器人:这个件比较远,正常5天可以送到
用户:现在到哪了,我着急用,明天下午能送达到吗
机器人:最近快递比较多,我帮您登记催一下可以吗
用户:好的,谢谢,赶紧给我送下
机器人:好的,给您登记催单了,我们会尽快帮您处理
用户:那什么时候能送到
机器人:已经帮您登记催件,快递到达后快递小哥会优先给您派送。
谢谢您的谅解
用户:好的
机器人:很高兴为您服务,再见!
用户说的每一句话都对应一个或多个用户要表达的意图,发明人在实现本申请的过程中发现现有技术中存在的缺陷主要是由以下原因导致的:语言学上有语义和语用区分,语义是字面意思,语用是结合场景和上下文的意思。智能对话的实现上把这两层混在了一起。
请参考图6,其示出了现有技术中,语义意图与业务意图的关联关系。
请参考图7,其示出了现有技术中,一个具体实施例的训练和解析阶段流程图。
发明人发现,目前市面上的对话定制平台,都是对话开发人员根据业务场景要求直接定义业务需要的意图。比如“是本人”意图包含说法:
是的
对
嗯
本人
啥事
你说
“否认本人”意图包含的说法:
不是
我是他爱人
在上面的例子里“是的”和“你说”,“不是”和“我是他爱人”从句子意图上不同,但在这个业务场景上表达的是同一个意图,在这个业务场景下把这些表达同一个业务意图的说法都作为一个意图,然后用相似句、意图规则或机器学习的方法来实现这个意图的理解算法。
每个场景的每一轮对话都有这个场景独特的语境,比如“是否是本人”,“确认用户的运单号是否正确”,“确认用户的电话号码是否正确”等意图包含了公共的部分(是的,不是,对,不对等),但也都 有自己独特的部分,以上三个意图都要实现公共的部分,这样带来的问题是:
1、开发效率不高;
2、因为意图之间有重复的说法,容易给意图理解算法造成障碍,“是的”同时属于以上三个意图,提高意图理解算法的实现难度。
以及目前市面还未出现针对语义意图和业务意图进行组合映射、多义映射、推理映射的技术方案。其中,语义意图和业务意图的关联关系上只有组合:也可以实现部分场景,但对复杂意图的处理能力较弱。
请参考图8,其示出了本申请的用户说法与语义意图的关联关系。
如图8所示,用户说法解构成与用户说法关联的至少一个语义意图包括:当多个用户说法同时与某一语义意图关联时,将多个用户说法解析成与多个用户说法关联的某一语义意图;或当某一用户说法同时与多个语义意图关联时,将某一用户说法解析成与某一用户说法关联的多个语义意图;或当多个用户说法同时与多个语义意图关联时,将多个用户说法解析成与多个用户说法关联的多个语义意图。
进一步参考图9,其示出了本申请的语义意图与业务意图的关联关系。
如图9所示,至少一个语义意图构造成与至少一个语义意图关联的业务意图包括:当多个语义意图同时与某一业务意图关联时,将多个语义意图构造成与多个语义意图关联的某一业务意图;或当某一语义意图同时与多个业务意图关联时,将某一语义意图构造成与某一语义意图关联的多个业务意图;或当多个语义意图同时与多个业务意图关联时,将多个语义意图构造成与多个语义意图关联的多个业务意图。
a.为了产品上更好理解,我们把意图分为两层:语义意图和业务意图,分别借鉴了语言学的语义和语用的概念。业务意图的“是本人”包含了四个语义意图,四个语义意图分别包括多个用户说法:
确认:是的、对
语气确认:嗯、哦
确认本人:本人、我是
什么事:啥事、咋了、你说
b.语义意图和业务意图的映射分为以下几种方式:
1.组合:出现其中任何一个语义意图都认为是对应的业务意图
比如上面业务意图的“是本人”包含了四个语义意图,四个语义意图分别包括多个用户说法的例子
又比如:
回答“社区组织了一个公益健康讲座您要了解一下吗”的语义意图可以是如下三个,该三个语义意图分别对应至少一个用户说法:
确认:好的
感兴趣:了解一下,介绍一下
参加:我要参加
2.多义:
比如:“快一点”在催促、快递催单、快递确认催单(回答“我帮您登记催一下好吗”是表示确认)、快递确认上门取件等场景下表示的意图不同,都可以使用
“没问题”在有的场景下表示确认,有的场景下表示否认
“嗯”在有的场景下表示确认,有的场景下是个无意义的语气词
通过意图映射可以很好的解决这些问题。
3.推理:某几个语义意图组合起来表示一个新的意图。
嗯,我买了一个手机,然后嗯,从广东寄到江苏的,然后我那个手机退了,他也说后面有个正品,好像给我也邮寄过来了,现在中转路上,我想不要寄过来了吧。
这句话里有多个语义意图:买手机,邮寄(从广东寄到江苏),退货,快递状态(“给我也邮寄过来了,现在中转路上”,有的场景隐含查快递的意图),取消订单等
但业务目的是要“中途退回快递”
C.因为做了细分,语义意图相对语用意图数量上一般会增多,这样也增加了意图分类算法的消歧难度。这里我们使用期望意图的方式解决,因为在一个场景的一轮对话中需要的语义意图一般是较少的,比如在机器人问用户“请问您是张三先生吗”,机器期望的主要业务意图的“是否本人”,拆解成语义意图就是“确认”“语气确认”“确认本人”“什么事”,把这4个在当前场景下的期望意图作为意图理解的输入和用户说的话一起给意图理解算法,能很好的帮助意图理解算法提高意图理解的精度。这种方式是通过技术方法设定了机器在对话中的语境知识。
请参考图10,其示出了本申请的提供的一个具体实施例的训练和解析阶段流程图。
如图10所示,
定义业务意图:根据对话业务场景定义需要业务意图。
业务意图拆分为语义意图:把业务意图中和语境相关的说法拆分成语义上独立的多个语义意图。
语义意图推荐:意图开发人员输入一个例句自动推荐可以拆分的语义意图,这个过程不是必须的。
语义意图查找:从语义意图库里查找已经存在的意图,如果存在,就直接使用,如果不存在,走意图训练的流程。
在意图解析流程中,意图解析前和后分别多出语用意图到语义意图解构和语义意图到语用意图构造的过程,同时在意图解析是需要用到语境中的期望意图集合。
期望意图:期望意图在方案实现上可以没有,但会影响语义理解的精度,实际效果加上期望意图有很大提升。
综上,意图训练和解析方法及装置的直接效果是开发一个对话场景需要的周期缩短了,更大的意义在于随着对话平台的使用,对话平台积累的语义意图库会越来越大,后续开发对话***会越来越快。以及
a.分为语义意图和业务意图两层,提高了业务意图定制的周期。
b.语义意图和语用意图的组合、多义、推理映射方式,解决了意图公用和复杂意图推理的问题
c.期望意图集,解决了限定语境下的意图理解精度问题。
请参考图11,其示出了本发明一实施例提供的一种意图训练装置的框图。
如图11所示,意图训练装置600,包括意图编辑模块610、查找模块620、存储模块630以及训练模块640。
其中,意图编辑模块610,配置为响应于开发者的意图编辑指令,向开发者展示意图编解界面,其中,意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;查找模块620,配置为至少响应于经由第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及开发者的训练指令,查找语义意图库中是否存在自定义语义意图,其中,语义意图库包括多个自定义语义意图,和与多个自定义语义意图关联的至少一个自定义业务意图,以及与多个语义意图中的任一自定义语义意图关联的至少一个用户说法;存储模块630,配置为若语义意图库中不存在自定义语义意图,将自定义语义意图与关联的业务意图进行关联存储,将自定义语义意图与关联的用户说法进行关联存储;训练模块640,配置为基于自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,语义意图模型的输入为用户说法,输出为语义意图。
请参考图12,其示出了本发明一实施例提供的一种意图解析装置的框图。
如图12所示,意图解析装置700包括,解构模块710、意图理解模块720、构造模块730以及内容输出模块740。
其中,解构模块710,配置为基于语义意图库中的自定语义意图与自定义语义意图关联的至少一个用户说法的关联关系,将用户说法解构成与用户说法关联的至少一个语义意图;意图理解模块720,配置为对至少一个语义意图进行意图理解;构造模块730,将至少一个语义意图构造成与至少一个语义意图关联的业务意图;内容输出模块740,配置为输出关联的业务意图。
应当理解,图11和12中记载的诸模块与参考图1、图2、图3、图4和图5中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图12中的诸模块,在此不再赘述。
值得注意的是,本公开的实施例中的模块并不用于限制本公开的方案,例如判断模块可以描述为当设备处于交互状态时,判断交互状态是否为播放场景的模块。另外,还可以通过硬件处理器来实现相关功能模块,例如判断模块也可以用处理器实现,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种非易失性计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的意图训练和解析方法;
作为一种实施方式,本发明的非易失性计算机存储介质存储有计算机可执行指令,计算机可执行指令设置为:
响应于开发者的意图编辑指令,向开发者展示意图编解界面;
至少响应于经由第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及开发者的训练指令,查找语义意图库中是否存在自定义语义意图;
若语义意图库中不存在自定义语义意图,将与自定义语义意图关联的业务意图进行关联存储,将与自定义语义意图关联的用户说法进行关联存储;
基于自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据意图训练和解析装置的使用所创建的数据等。此外,非易失性计算机可读存储介质可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至用于语音对话的通讯补偿装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述任一项多意图识别训练和使用方法。
图13是本发明一实施例提供的电子设备的结构示意图。
如图13所示,该设备包括:一个或多个处理器810以及存储器820,图13中以一个处理器810为例。意图训练和解析方法的设备还可以包括:输入装置830和输出装置840。处理器810、存储器820、输入装置830和输出装置840可以通过总线或者其他方式连接,图13中以通过总线连接为例。存储器820为上述的非易失性计算机可读存储介质。处理器810通过运行存储在存储器820中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例意图训练和解析方法。输入装置830可接收输入的数字或字符信息,以及产生与意图训练和解析装置的用户设置以及功能控制有关的键信号输入。输出装置840可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于意图训练和解析装置中,包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
响应于开发者的意图编辑指令,向开发者展示意图编解界面,其中,意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;
至少响应于经由第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与多个语义意图中的任一自定义语义意图关联的至少一个用户说法,以及开发者的训练指令,查找语义意图库中是否存在自定义语义意图,其中,语义意图库包括至少一个自定义业务意图,和任一自定义业务意图关联的多个自定义语义意图,以及与多个语义意图中的任一自定义语义意图关联的至少一个用户说法;
若语义意图库中不存在自定义语义意图,将与自定义语义意图关联的业务意图进行关联存储,将与自定义语义意图关联的用户说法进行关联存储;
基于自定义业务意图和与自定义业务意图关联的多个自定义语义意图以及与自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,语义意图模型的输入为用户说法,输出为业务意图。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、***总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (9)
1.一种意图训练方法,包括:
响应于开发者的意图编辑指令,向所述开发者展示意图编辑界面,其中,所述意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;
至少响应于经由所述第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与所述至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与所述多个自定义语义意图中的任一自定义语义意图关联的至少一个用户说法,以及所述开发者的训练指令,查找语义意图库中是否存在所述自定义语义意图,其中,所述语义意图库包括多个自定义语义意图,和与多个自定义语义意图关联的至少一个自定义业务意图,以及与所述多个自定义语义意图中的任一自定义语义意图关联的至少一个用户说法;
若所述语义意图库中不存在所述自定义语义意图,将所述自定义语义意图与关联的自定义业务意图进行关联存储,将所述自定义语义意图与关联的用户说法进行关联存储;
基于所述自定义业务意图和与所述自定义业务意图关联的多个自定义语义意图以及与所述自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,所述语义意图模型的输入为所述用户说法,输出为所述自定义语义意图。
2.根据权利要求1所述的方法,其中,在所述查找语义意图库中是否存在所述自定义语义意图之后,所述方法还包括:
若所述语义意图库中存在所述自定义语义意图,查找所述语义意图库中是否存在与所述自定义语义意图关联的自定义业务意图;
若语义意图库中不存在与所述自定义语义意图关联的自定义业务意图,基于所述自定义业务意图和与所述自定义业务意图关联的多个自定义语义意图以及与所述自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练;
若所述语义意图库中存在与所述自定义语义意图关联的自定义业务意图,跳过对语义意图模型的训练。
3.根据权利要求1所述的方法,其中,所述意图编辑界面还包括推荐选项,所述方法还包括:
响应于开发者对所述第一采集框或所述第二采集框或所述第三采集框的编辑操作,向开发者展示对应的至少一个自定义业务意图的推荐选项或至少一个自定义语义意图的推荐选项或至少一个用户说法的推荐选项;
响应于开发者对所述推荐选项的选择,将所述开发者选择的推荐选项相应填充至所述第一采集框或所述第二采集框或所述第三采集框中。
4.一种意图解析方法,包括:
基于根据权利要求1-3中任一项所述的语义意图库中的自定义语义意图与自定义语义意图关联的至少一个用户说法的关联关系,将所述用户说法解构成与所述用户说法关联的至少一个语义意图;
对所述至少一个语义意图进行意图理解;
将所述至少一个语义意图构造成与所述至少一个语义意图关联的业务意图;
输出所述关联的业务意图,
其中,所述将所述至少一个语义意图构造成与所述至少一个语义意图关联的业务意图包括:
当多个所述语义意图同时与某一所述业务意图关联时,将多个所述语义意图构造成与多个所述语义意图关联的某一所述业务意图;或
当某一所述语义意图同时与多个所述业务意图关联时,将某一所述语义意图构造成与某一所述语义意图关联的多个所述业务意图;或
当多个所述语义意图同时与多个所述业务意图关联时,将多个所述语义意图构造成与多个所述语义意图关联的多个所述业务意图。
5.根据权利要求4所述的方法,其中,所述将所述用户说法解构成与所述用户说法关联的至少一个语义意图包括:
当多个所述用户说法同时与某一所述语义意图关联时,将多个所述用户说法解析成与多个所述用户说法关联的某一所述语义意图;或
当某一所述用户说法同时与多个所述语义意图关联时,将某一所述用户说法解析成与某一所述用户说法关联的多个所述语义意图;或
当多个所述用户说法同时与多个所述语义意图关联时,将多个所述用户说法解析成与多个所述用户说法关联的多个所述语义意图。
6.根据权利要求4所述的方法,其中,所述对所述至少一个语义意图进行意图理解包括:
获取当前轮对话的业务意图;
将所述当前轮对话的业务意图解构成与当前轮对话意图关联的至少一个语义意图;
对至少一个所述语义意图进行意图理解。
7.一种意图训练装置,包括:
意图编辑模块,配置为响应于开发者的意图编辑指令,向所述开发者展示意图编辑界面,其中,所述意图编辑界面中至少包括至少一个第一采集框和与任一第一采集框关联的多个第二采集框,以及与任一第二采集框关联的至少一个第三采集框;
查找模块,配置为至少响应于经由所述第一采集框采集的至少一个自定义业务意图,和经由第二采集框采集的与所述至少一个自定义业务意图中的任一自定义业务意图关联的多个自定义语义意图,和经由第三采集框采集的与所述多个自定义语义意图中的任一自定义语义意图关联的至少一个用户说法,以及所述开发者的训练指令,查找语义意图库中是否存在所述自定义语义意图,其中,所述语义意图库包括至少一个自定义业务意图,和任一自定义业务意图关联的多个自定义语义意图,以及与所述多个自定义语义意图中的任一自定义语义意图关联的至少一个用户说法;
存储模块,配置为若所述语义意图库中不存在所述自定义语义意图,将所述自定义语义意图与关联的自定义业务意图进行关联存储,将所述自定义语义意图与关联的用户说法进行关联存储;
训练模块,配置为基于所述自定义业务意图和与所述自定义业务意图关联的多个自定义语义意图以及与所述自定义语义意图关联的至少一个用户说法,对语义意图模型进行训练,其中,所述语义意图模型的输入为所述用户说法,输出为所述自定义业务意图。
8.一种意图解析装置,包括:
解构模块,配置为基于根据权利要求7所述的意图训练装置中的语义意图库中的自定语义意图与自定义语义意图关联的至少一个用户说法的关联关系,将所述用户说法解构成与所述用户说法关联的至少一个语义意图;
意图理解模块,配置为对所述至少一个语义意图进行意图理解;
构造模块,将所述至少一个语义意图构造成与所述至少一个语义意图关联的业务意图;
内容输出模块,配置为输出所述关联的业务意图,
其中所述构造模块具体配置为:
当多个所述语义意图同时与某一所述业务意图关联时,将多个所述语义意图构造成与多个所述语义意图关联的某一所述业务意图;或
当某一所述语义意图同时与多个所述业务意图关联时,将某一所述语义意图构造成与某一所述语义意图关联的多个所述业务意图;或
当多个所述语义意图同时与多个所述业务意图关联时,将多个所述语义意图构造成与多个所述语义意图关联的多个所述业务意图。
9.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010482780.3A CN111625637B (zh) | 2020-05-27 | 2020-05-27 | 意图训练和解析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010482780.3A CN111625637B (zh) | 2020-05-27 | 2020-05-27 | 意图训练和解析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111625637A CN111625637A (zh) | 2020-09-04 |
CN111625637B true CN111625637B (zh) | 2022-07-08 |
Family
ID=72271197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010482780.3A Active CN111625637B (zh) | 2020-05-27 | 2020-05-27 | 意图训练和解析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111625637B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
CN111063353A (zh) * | 2019-12-31 | 2020-04-24 | 苏州思必驰信息科技有限公司 | 允许自定义语音交互内容的客户端处理方法及用户终端 |
CN111078846A (zh) * | 2019-11-25 | 2020-04-28 | 青牛智胜(深圳)科技有限公司 | 一种基于业务场景的多轮对话体系构建方法及*** |
-
2020
- 2020-05-27 CN CN202010482780.3A patent/CN111625637B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
CN111078846A (zh) * | 2019-11-25 | 2020-04-28 | 青牛智胜(深圳)科技有限公司 | 一种基于业务场景的多轮对话体系构建方法及*** |
CN111063353A (zh) * | 2019-12-31 | 2020-04-24 | 苏州思必驰信息科技有限公司 | 允许自定义语音交互内容的客户端处理方法及用户终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111625637A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377716B (zh) | 对话的交互方法、装置及计算机可读存储介质 | |
McTear et al. | The conversational interface | |
EP4141695A1 (en) | Response method in man-machine dialogue, dialogue system, and storage medium | |
CN106548773B (zh) | 基于人工智能的儿童用户搜索方法及装置 | |
US20190187782A1 (en) | Method of implementing virtual reality system, and virtual reality device | |
CN104969173B (zh) | 动态应用过滤运算器的自适应对话状态管理方法和*** | |
US20220293089A1 (en) | Voice dialogue processing method and apparatus | |
US20140046876A1 (en) | System and method of providing a computer-generated response | |
O’Shea et al. | Systems engineering and conversational agents | |
US9361589B2 (en) | System and a method for providing a dialog with a user | |
CN110209774A (zh) | 处理会话信息的方法、装置及终端设备 | |
CN108470188B (zh) | 基于图像分析的交互方法及电子设备 | |
CN109948151A (zh) | 构建语音助手的方法 | |
Wilks et al. | A prototype for a conversational companion for reminiscing about images | |
EP2879062A2 (en) | A system and a method for providing a dialog with a user | |
Sabharwal et al. | Developing Cognitive Bots Using the IBM Watson Engine: Practical, Hands-on Guide to Developing Complex Cognitive Bots Using the IBM Watson Platform | |
CN113763925B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
CN111625637B (zh) | 意图训练和解析方法及装置 | |
CN108268443A (zh) | 确定话题点转移以及获取回复文本的方法、装置 | |
CN112069830A (zh) | 一种智能会话方法及装置 | |
CN109002498B (zh) | 人机对话方法、装置、设备及存储介质 | |
JP2018072784A (ja) | 音声認識方法、コンピュータプログラム及び装置 | |
CN111523343A (zh) | 阅读互动方法、装置、设备、服务器及存储介质 | |
CN114896988A (zh) | 统一的对话理解方法及框架 | |
CN114860910A (zh) | 智能对话方法及*** |
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 | ||
CB02 | Change of applicant information |
Address after: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Sipic Technology Co.,Ltd. Address before: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: AI SPEECH Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |