CN118098283A - 一种5g消息语音意图识别***、方法、设备及介质 - Google Patents
一种5g消息语音意图识别***、方法、设备及介质 Download PDFInfo
- Publication number
- CN118098283A CN118098283A CN202410506755.2A CN202410506755A CN118098283A CN 118098283 A CN118098283 A CN 118098283A CN 202410506755 A CN202410506755 A CN 202410506755A CN 118098283 A CN118098283 A CN 118098283A
- Authority
- CN
- China
- Prior art keywords
- action
- intention
- return value
- strategy
- time step
- 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 35
- 230000009471 action Effects 0.000 claims abstract description 274
- 239000013598 vector Substances 0.000 claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 28
- 230000000875 corresponding effect Effects 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 29
- 230000011218 segmentation Effects 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000002789 length control Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Machine Translation (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种5G消息语音意图识别***、方法、设备及介质，该***包括数据向量生成模块、意图识别模块、概率分布生成模块、预期回报值生成模块、实际回报值生成模块以及语音意图响应模块，根据生成的5G消息的情景数据的数据向量对5G消息进行意图识别，得到意图标签，确定意图标签所对应的动作的概率分布，根据概率分布生成意图标签的动作策略，生成动作策略的预期回报值，确定意图标签的执行动作，逐个生成执行动作的实际回报值，根据实际回报值和预期回报值对动作策略进行策略更新后，再生成意图标签的目标动作，根据目标动作对5G消息所对应的语音意图进行响应，提高了5G消息语音意图识别时的准确性。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种5G消息语音意图识别***、方法、设备及介质。
背景技术
随着智能语音助手和语音交互应用的普及，用户对于语音交互的期望也在不断提升，准确地识别用户的语音意图，能够提升***的响应速度和准确性，从而提升用户体验，让用户感受到更加便捷和流畅的交互过程。
在实际应用中，语音意图识别通常是无反馈的，即在识别完用户语音输入后不会及时获得用户对于识别结果的反馈，这就意味着无法根据用户的反馈来及时调整和优化识别结果，导致了信息反馈的缺失，如果在识别过程中出现错误，但没有反馈机制及时纠正，就会导致准确性下降。
发明内容
本发明提供一种5G消息语音意图识别***、方法、设备及介质，其主要目的在于解决5G消息语音意图识别准确性较低的问题。
为实现上述目的，本发明提供的一种5G消息语音意图识别***，其特征在于，所述***包括数据向量生成模块、意图识别模块、概率分布生成模块、预期回报值生成模块、实际回报值生成模块以及语音意图响应模块，其中：
所述数据向量生成模块，用于获取5G消息的情景数据，生成所述情景数据的数据向量；
所述意图识别模块，用于根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
所述概率分布生成模块，用于根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
所述预期回报值生成模块，用于根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
所述实际回报值生成模块，用于确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
所述语音意图响应模块，用于根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
可选地，所述数据向量生成模块在执行生成所述情景数据的数据向量时，包括：
对所述情景数据中的文本数据进行文本分词，得到所述文本数据的数据分词；
对所述情景数据中的语音数据进行语音降噪，得到所述语音数据的降噪数据；
根据所述数据分词生成所述文本数据的分词向量；
根据所述降噪数据提取所述语音数据的语音特征；
对所述分词向量和所述语音特征进行特征融合，得到所述情景数据的融合特征，根据所述融合特征确定所述情景数据的数据向量。
可选地，所述预期回报值生成模块在执行生成所述动作策略的预期回报值时，包括：
利用预设的预期回报值生成算法生成所述动作策略的预期回报值，其中，所述预设的预期回报值生成算法为：其中，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下根据所述动作策略确定的策略动作产生的回报值，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是时间步，/>是在时间步/>下采取所述动作策略产生的预期回报值。
可选地，所述实际回报值生成模块在执行逐个生成所述执行动作的实际回报值时，包括：
利用预设的实际回报值逐个生成所述执行动作的实际回报值，其中，所述预设的实际回报值生成算法为：其中，/>是所述执行动作的实际回报值，/>是在时间步/>下根据所述执行动作产生的回报值，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的执行动作，/>是时间步，/>是在时间步/>下所述意图标签为/>，所述执行动作为/>时产生的实际回报值。
可选地，所述语音意图响应模块在执行根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
根据所述实际回报值和所述预期回报值生成所述动作策略的回报差异；
选取所述回报差异中差异值最大的回报差异为目标差异，确定所述目标差异所对应的更新动作；
根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略。
可选地，所述语音意图响应模块在执行根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
生成所述更新动作的影响参数；
根据所述影响参数生成所述动作策略的更新步长；
根据所述更新步长和预设的更新算法对所述动作策略进行策略更新，直至所述策略更新的更新次数等于预设的次数阈值时，根据所述策略更新产生的更新参数生成所述动作策略的更新策略，其中，所述预设的更新算法为：其中，/>是所述更新策略所对应的更新策略参数，/>是所述更新步长，/>是所述动作策略所对应的动作策略参数，/>是所述影响参数在参数空间中的变化方向，/>是所述执行动作的影响参数。
可选地，所述语音意图响应模块在执行生成所述更新动作的影响参数时，包括：
根据预设的影响参数生成算法生成所述更新动作的影响参数，其中，所述影响参数生成算法为：其中，/>是所述更新动作的影响参数，是所述更新动作所对应的即时奖励，/>是折现因子，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值。
为了解决上述问题，本发明还提供一种5G消息语音意图识别方法，所述方法包括：
获取5G消息的情景数据，生成所述情景数据的数据向量；
根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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上述所述的5G消息语音意图识别方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的5G消息语音意图识别方法。
本发明通过从5G消息中获取相关的情景数据后，将情景数据转化为机器可以处理的向量形式，以便后续的处理和分析，使用生成的数据向量对5G消息进行意图识别，确定用户的意图标签，将语音消息映射到预定义的一组意图标签，以便后续的动作选择，根据预设的策略函数，确定意图标签所对应的动作的概率分布，考虑了在特定情景下，每个意图标签可能对应的动作选择的概率，根据生成的动作策略，执行具体的动作，对应用户的意图标签进行响应，逐个生成实际回报值，评估每个动作的实际效果，这可以通过用户反馈、***性能等指标来衡量，根据实际回报值和预期回报值对动作策略进行策略更新，以提高后续的动作选择准确性，根据更新后的策略生成目标动作，对应于5G消息所对应的语音意图，最终，根据生成的目标动作对用户的语音意图进行响应，完成整个意图识别和动作执行的过程，通过这些步骤，可以不断地优化动作选择策略，提高语音意图识别的准确性，因此本发明提出的5G消息语音意图识别***、方法、设备及介质，可以提高5G消息语音意图识别时的准确性。
附图说明
图1为本发明一实施例提供的5G消息语音意图识别***的***架构图；
图2为本发明一实施例提供的5G消息语音意图识别方法的流程示意图；
图3为本发明一实施例提供的实现所述5G消息语音意图识别方法的电子设备的结构示意图。
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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
实际上，5G消息语音意图识别***所部署的服务端设备可能是由一台或多台设备构成的。上述5G消息语音意图识别***可以实现为：业务实例、虚拟机、硬件设备。比如，该5G消息语音意图识别***可以实现为部署在云节点中的一个或多个设备上的一种业务实例。简单来说，该5G消息语音意图识别***可以理解为是部署在云节点上的一种软件，用于为各用户端提供5G消息语音意图识别***。或者，该5G消息语音意图识别***也可以实现为部署在云节点中的一个或多个设备上的一种虚拟机。该虚拟机中安装有用于管理各用户端的应用软件。或者，该5G消息语音意图识别***还可以实现为由众多相同或不同类型的硬件设备构成的服务端，设置一个或多个硬件设备用于为各用户端提供5G消息语音意图识别***。
在实现形式上，5G消息语音意图识别***和用户端相互适应。即，5G消息语音意图识别***作为安装于云服务平台的应用，则用户端作为与该应用建立通信连接的客户端；或实现5G消息语音意图识别***作为网站实现，则用户端作为网页实现；再或实现5G消息语音意图识别***作为云服务平台实现，则用户端作为即时通信应用中的小程序实现。
如图1所示，是本发明一实施例提供的5G消息语音意图识别***的***架构图。
本发明所述5G消息语音意图识别***100可以设置于云端服务器中，在实现形式上，可以作为一个或多个服务设备，也可以作为一应用安装于云端(例如移动服务运营方的服务器、服务器集群等)上，或者也可以开发为网站。根据实现的功能，所述5G消息语音意图识别***100可以包括数据向量生成模块101、意图识别模块102、概率分布生成模块103、预期回报值生成模块104、实际回报值生成模块105以及语音意图响应模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
本发明实施例中，5G消息语音意图识别***中，上述各个模块均可独立实现，且与其他模块调用。这里的调用可以理解为，某一模块可以连接另一类型的多个模块，并为其连接的多个模块提供相应服务。比如，分享评测模块可以调用同一信息采集模块，以获取该信息采集模块采集的信息基于上述特性，本发明实施例提供的5G消息语音意图识别***中，无需修改程序代码，即可通过增加模块、并直接调用的形式来调整5G消息语音意图识别***架构的适用范围，实现集群式水平拓展，以便达到快捷灵活拓展5G消息语音意图识别***的目的。实际应用中，上述模块可以设置在同一设备或不同设备中，也可以是设置在虚拟设备中，例如云端服务器中的服务实例。
下面结合具体实施例，分别针对5G消息语音意图识别***的各个组成部分以及具体工作流程进行说明：
所述数据向量生成模块101，用于获取5G消息的情景数据，生成所述情景数据的数据向量。
在本发明实施例中，所述数据向量生成模块101在执行获取5G消息的情景数据时，假设用户正在与5G消息平台进行一次交互，使用语音发送消息：“播放一首钢琴曲给我听。”，平台会将用户当前的语音消息作为情景数据的一部分，同时也会考虑到之前的对话历史以及当前的场景信息，以便更好地理解用户的意图，并提供更准确的响应。
详细地，用户的语音消息：“播放一首钢琴曲给我听。”被识别并转换为文本，这个文本片段作为当前已识别的语音片段被平台获取。
进一步地，在此之前的对话历史中，用户可能已经提到过自己喜欢的音乐类型或曲目，例如，用户可能之前曾询问过***有关古典音乐或钢琴曲的相关信息。
进一步地，5G消息平台可能还会获取一些场景信息，如当前的时间、用户所在的位置等，这些信息可能会影响到***对于用户请求的响应，比如推荐适合当前时间和地点的音乐。
在本发明实施例中，所述数据向量生成模块101在执行生成所述情景数据的数据向量时，包括：
对所述情景数据中的文本数据进行文本分词，得到所述文本数据的数据分词；
对所述情景数据中的语音数据进行语音降噪，得到所述语音数据的降噪数据；
根据所述数据分词生成所述文本数据的分词向量；
根据所述降噪数据提取所述语音数据的语音特征；
对所述分词向量和所述语音特征进行特征融合，得到所述情景数据的融合特征，根据所述融合特征确定所述情景数据的数据向量。
详细地，文本分词是将文本数据按照语言的语法规则进行切分，将连续的字符序列划分成具有一定含义的词语或符号序列的过程，在这一步，将文本数据进行分析，将句子中的单词或词组切分成有意义的词语，例如：对于用户的语音消息进行文本转化后，得到“播放一首钢琴曲给我听”的文本，会将其分词为[“播放”,“一首”,“钢琴曲”,“给”,“我”,“听”]。
详细地，语音降噪是通过处理技术去除语音信号中的噪音，提取出清晰的语音信号的过程，在这一步，会对接收到的语音数据进行处理，去除可能存在的背景噪音和干扰，提取出清晰的语音信号。
详细地，特征融合是将不同类型的特征结合在一起，形成一个更加综合和全面的特征表示的过程，可以采用简单的拼接方式将文本向量和语音特征向量连接在一起，也可以采用更复杂的方法（如神经网络）进行特征融合。
进一步地，根据融合特征确定情景数据的数据向量，这通常是一个高维度的向量表示，可以将融合特征直接作为情景数据的向量表示，也可以通过进一步的处理（如降维、归一化等）得到更加紧凑和可解释的数据向量。
所述意图识别模块102，用于根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签。
在本发明实施例中，所述意图识别模块102在执行根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签时，包括：首先定义一个动作空间，该空间包含了所有可能的用户意图标签，这些标签描述了用户可能的行为或需求，如“查询天气”，“播放音乐”，“发送短信”等；然后，利用预训练的意图识别模型，对输入的数据向量进行分类，确定的意图标签。
例如：对于用户发送的语音消息“播放一首钢琴曲给我听”，将其所对应的数据向量输入预训练的意图识别模型中，模型可能输出“播放音乐”这一意图标签，因为消息明确了用户的播放音乐的需求，并且提到了“钢琴曲”，暗示用户想要听音乐而不是其他形式的媒体内容。
所述概率分布生成模块103，用于根据预设的策略函数确定所述意图标签所对应的动作的概率分布。
在本发明实施例中，所述概率分布生成模块103在执行根据预设的策略函数确定所述意图标签所对应的动作的概率分布时，包括：所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步。
详细地，所述预设的策略函数可以在面对不同的意图标签时，根据历史数据或者其他信息，决定选择哪种动作以最大化某种指标，比如用户满意度。
例如：假设已经通过意图识别确定了用户的意图标签为“播放音乐”，那么根据预设的策略函数，***将会根据历史数据或者其他信息，计算出在意图标签为“播放音乐”的情况下，选择不同的音乐动作的概率分布。比如，可能会考虑用户的喜好、播放历史、音乐库的内容等因素，最终决定播放哪首钢琴曲或者其他类型的音乐。
所述预期回报值生成模块104，用于根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值。
在本发明实施例中，所述预期回报值生成模块104在执行根据所述概率分布生成所述意图标签的动作策略时，意味着根据预设的策略函数计算出在特定意图标签下选择每个动作的概率分布后，按照这个分布随机选择一个动作来执行，这样做可以保持多样性，并且在长期运行中，能够保证概率较大的动作更有机会被选择到，从而更好地满足用户的需求。
详细地，假设通过意图识别确定用户意图标签为“播放音乐”，然后根据预设的策略函数计算出在这个意图标签下选择不同音乐动作的概率分布，例如，可能计算出以下概率分布：播放古典钢琴曲为0.6；播放流行钢琴曲为0.3；播放其他类型音乐为0.1，然后根据这个概率分布随机选择一个动作来执行，比如可能会选择播放古典钢琴曲的动作，也有一定概率会选择播放流行钢琴曲或其他类型音乐的动作，这样就实现了根据预设概率分布生成意图标签的动作策略。
在本发明实施例中，所述预期回报值生成模块104在执行生成所述动作策略的预期回报值时，包括：
利用预设的预期回报值生成算法生成所述动作策略的预期回报值，其中，所述预设的预期回报值生成算法为：其中，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下根据所述动作策略确定的策略动作产生的回报值，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是时间步，/>是在时间步/>下采取所述动作策略产生的预期回报值。
详细地，计算在特定意图标签下所对应的动作策略的预期回报值，所述预期回报值表示在当前意图标签的情况下，采取相应的动作策略所能获得的平均回报值的期望。
详细地，假设通过意图识别确定用户意图标签为“播放音乐”，那么根据预设的预期回报值生成算法，需要计算在这个意图标签下不同动作策略的预期回报值，假设有如下的预期回报值：播放古典钢琴曲的预期回报值为4.5，播放流行钢琴曲的预期回报值为3.8，播放其他类型音乐的预期回报值为2.2，再根据上述三者的预期回报值生成动作策略的预期回报值，这里的预期回报值可以根据历史数据、用户反馈等信息计算得出。比如，可以根据用户偏好、历史播放记录以及曲目的流行程度等因素来评估每种动作策略的预期回报值。
所述实际回报值生成模块105，用于确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值。
在本发明实施例中，所述实际回报值生成模块105在执行确定所述意图标签的执行动作时，包括：根据意图标签识别结果，确定应该执行的具体动作或操作，这些动作通常被设计为满足用户意图或需求的具体响应。
例如：确定用户的意图标签为“播放音乐”，根据预先定义的动作策略或业务逻辑，选择最适合的执行动作。在这个例子中，可能的执行动作包括：播放一首古典钢琴曲，播放一首流行钢琴曲，播放一首符合其他音乐类型的钢琴曲。
在本发明实施例中，所述实际回报值生成模块105在执行逐个生成所述执行动作的实际回报值时，包括：
利用预设的实际回报值逐个生成所述执行动作的实际回报值，其中，所述预设的实际回报值生成算法为：其中，/>是所述执行动作的实际回报值，/>是在时间步/>下根据所述执行动作产生的回报值，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的执行动作，/>是时间步，/>是在时间步下所述意图标签为/>，所述执行动作为/>时产生的实际回报值。
详细地，对于“播放一首钢琴曲给我听”，假设已经识别出用户的意图标签为“播放音乐”，并确定了执行动作为“播放一首钢琴曲”。根据预设的实际回报值生成算法，需要计算在这个意图标签和执行动作下的实际回报值。
进一步地，假设已经有如下的实际回报值：对于播放古典钢琴曲，实际回报值为4.8，这里的实际回报值可以根据用户反馈等信息计算得出，比如，根据用户对播放不同类型音乐的喜好、播放后的行为反馈等，可以评估每种动作的实际回报值，因此，在这个例子中，根据预设的实际回报值生成算法，可以计算出在意图标签为“播放音乐”，执行动作为“播放一首钢琴曲”的情况下，对应的实际回报值为 4.8，以此评估该动作的效果。
所述语音意图响应模块106，用于根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
在本发明实施例中，所述语音意图响应模块106在执行根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
根据所述实际回报值和所述预期回报值生成所述动作策略的回报差异；
选取所述回报差异中差异值最大的回报差异为目标差异，确定所述目标差异所对应的更新动作；
根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略。
详细地，所述根据所述实际回报值和所述预期回报值生成所述动作策略的回报差异是指计算实际回报值与预期回报值之间的差异，以衡量每个动作执行的效果，这可以通过计算实际回报值与预期回报值之间的差值来实现，如果实际回报值高于预期回报值，则说明执行的动作效果良好；反之，则可能需要更新策略。
详细地，所述在计算回报差异后，选取差异值最大的回报差异作为目标差异，这个目标差异代表了当前策略中最需要改进的部分，确定目标差异后，需要找出对应的执行动作，这个动作将被更新以改善5G消息平台的性能。
详细地，所述更新动作可以是改变执行动作的选择方式、调整执行动作的参数等，以期望获得更好的回报值，更新后的策略将在下一次执行动作时生效。
详细地，在示例“播放一首钢琴曲给我听”中，假设预期的回报值为 4.5。现在已经计算了不同类型钢琴曲的实际回报值，比如古典钢琴曲的实际回报值为 4.8，这意味着执行古典钢琴曲的效果比预期的要好，因此差异值为正，如果这是目标差异，平台可能会决定继续优先选择播放古典钢琴曲的动作，并且可以通过调整相关参数或者增加类似古典钢琴曲的推荐来进一步提高实际回报值。
详细地，所述语音意图响应模块106在执行根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
生成所述更新动作的影响参数；
根据所述影响参数生成所述动作策略的更新步长；
根据所述更新步长和预设的更新算法对所述动作策略进行策略更新，直至所述策略更新的更新次数等于预设的次数阈值时，根据所述策略更新产生的更新参数生成所述动作策略的更新策略，其中，所述预设的更新算法为：其中，/>是所述更新策略所对应的更新策略参数，/>是所述更新步长，/>是所述动作策略所对应的动作策略参数，/>是所述影响参数在参数空间中的变化方向，/>是所述执行动作的影响参数。
详细地，更新步长是一个调节参数，用来控制策略参数更新的速度，它可能基于训练过程中的经验选择，通常是一个小的正数。
详细地，通过更新步长控制着每次更新的幅度，将动作策略参数根据误差进行调整，使其向目标值靠拢。
详细地，所述语音意图响应模块106在执行生成所述更新动作的影响参数时，包括：
根据预设的影响参数生成算法生成所述更新动作的影响参数，其中，所述影响参数生成算法为：其中，/>是所述更新动作的影响参数，是所述更新动作所对应的即时奖励，/>是折现因子，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值。
详细地，即时奖励是指执行动作后得到的奖励，是为了考虑未来奖励对当前决策的影响。
详细地，折扣因子用于权衡当前奖励和未来奖励的重要性，通常取值范围为 0 到1。
详细地，预设的影响参数生成算法表示执行动作的影响，通过计算这个变化量，可以更加全面地了解执行动作对5G信息平台的影响，从而指导调整动作策略以优化5G信息平台的表现。
在本发明实施例中，所述语音意图响应模块106在执行根据所述更新策略生成所述意图标签的目标动作时，包括：分析当前的动作策略以及更新策略，确定需要针对哪些意图标签生成目标动作；根据所述更新策略确定意图标签所对应的动作的概率分布，根据所述概率分布生成所述意图标签的目标动作。
在本发明实施例中，所述语音意图响应模块106在执行根据所述目标动作对所述5G消息所对应的语音意图进行响应时，包括：执行与目标动作对应的操作，例如：发送特定类型的消息、执行特定的网络操作等；监控动作执行的结果，例如：消息是否成功发送、网络操作是否顺利完成等；根据实际执行结果更新预期回报值，并可能触发下一轮策略更新的过程。
参照图2所示，为本发明一实施例提供的5G消息语音意图识别方法的流程示意图。在本实施例中，所述5G消息语音意图识别方法包括：
S1、获取5G消息的情景数据，生成所述情景数据的数据向量；
S2、根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
S3、根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作的/>概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
S4、根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
S5、确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
S6、根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
本发明通过从5G消息中获取相关的情景数据后，将情景数据转化为机器可以处理的向量形式，以便后续的处理和分析，使用生成的数据向量对5G消息进行意图识别，确定用户的意图标签，将语音消息映射到预定义的一组意图标签，以便后续的动作选择，根据预设的策略函数，确定意图标签所对应的动作的概率分布，考虑了在特定情景下，每个意图标签可能对应的动作选择的概率，根据生成的动作策略，执行具体的动作，对应用户的意图标签进行响应，逐个生成实际回报值，评估每个动作的实际效果，这可以通过用户反馈、***性能等指标来衡量，根据实际回报值和预期回报值对动作策略进行策略更新，以提高后续的动作选择准确性，根据更新后的策略生成目标动作，对应于5G消息所对应的语音意图，最终，根据生成的目标动作对用户的语音意图进行响应，完成整个意图识别和动作执行的过程，通过这些步骤，可以不断地优化动作选择策略，提高语音意图识别的准确性，因此本发明提出的5G消息语音意图识别方法，可以提高5G消息语音意图识别时的准确性。
如图3所示，是本发明一实施例提供的实现5G消息语音意图识别方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如5G消息语音意图识别程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行5G消息语音意图识别程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的存储介质，所述存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如5G消息语音意图识别程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他电子设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的5G消息语音意图识别程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取5G消息的情景数据，生成所述情景数据的数据向量；
根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/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，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述存储介质可以包括：能够携带所述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（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取5G消息的情景数据，生成所述情景数据的数据向量；
根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；/>
根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
在本发明所提供的几个实施例中，应该理解到，所揭露的电子设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种5G消息语音意图识别***，其特征在于，所述***包括数据向量生成模块、意图识别模块、概率分布生成模块、预期回报值生成模块、实际回报值生成模块以及语音意图响应模块，其中：
所述数据向量生成模块，用于获取5G消息的情景数据，生成所述情景数据的数据向量；
所述意图识别模块，用于根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
所述概率分布生成模块，用于根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
所述预期回报值生成模块，用于根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
所述实际回报值生成模块，用于确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
所述语音意图响应模块，用于根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
2.如权利要求1所述的5G消息语音意图识别***，其特征在于，所述数据向量生成模块在执行生成所述情景数据的数据向量时，包括：
对所述情景数据中的文本数据进行文本分词，得到所述文本数据的数据分词；
对所述情景数据中的语音数据进行语音降噪，得到所述语音数据的降噪数据；
根据所述数据分词生成所述文本数据的分词向量；
根据所述降噪数据提取所述语音数据的语音特征；
对所述分词向量和所述语音特征进行特征融合，得到所述情景数据的融合特征，根据所述融合特征确定所述情景数据的数据向量。
3.如权利要求1所述的5G消息语音意图识别***，其特征在于，所述预期回报值生成模块在执行生成所述动作策略的预期回报值时，包括：
利用预设的预期回报值生成算法生成所述动作策略的预期回报值，其中，所述预设的预期回报值生成算法为：其中，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下根据所述动作策略确定的策略动作产生的回报值，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是时间步，/>是在时间步/>下采取所述动作策略产生的预期回报值。
4.如权利要求1所述的5G消息语音意图识别***，其特征在于，所述实际回报值生成模块在执行逐个生成所述执行动作的实际回报值时，包括：
利用预设的实际回报值逐个生成所述执行动作的实际回报值，其中，所述预设的实际回报值生成算法为：其中，/>是所述执行动作的实际回报值，/>是在时间步/>下根据所述执行动作产生的回报值，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的执行动作，/>是时间步，/>是在时间步/>下所述意图标签为/>，所述执行动作为/>时产生的实际回报值。
5.如权利要求1所述的5G消息语音意图识别***，其特征在于，所述语音意图响应模块在执行根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
根据所述实际回报值和所述预期回报值生成所述动作策略的回报差异；
选取所述回报差异中差异值最大的回报差异为目标差异，确定所述目标差异所对应的更新动作；
根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略。
6.如权利要求5所述的5G消息语音意图识别***，其特征在于，所述语音意图响应模块在执行根据所述更新动作对所述动作策略进行策略更新，得到所述动作策略的更新策略时，包括：
生成所述更新动作的影响参数；
根据所述影响参数生成所述动作策略的更新步长；
根据所述更新步长和预设的更新算法对所述动作策略进行策略更新，直至所述策略更新的更新次数等于预设的次数阈值时，根据所述策略更新产生的更新参数生成所述动作策略的更新策略，其中，所述预设的更新算法为：其中，/>是所述更新策略所对应的更新策略参数，/>是所述更新步长，/>是所述动作策略所对应的动作策略参数，/>是所述影响参数在参数空间中的变化方向，/>是所述执行动作的影响参数。
7.如权利要求6所述的5G消息语音意图识别***，其特征在于，所述语音意图响应模块在执行生成所述更新动作的影响参数时，包括：
根据预设的影响参数生成算法生成所述更新动作的影响参数，其中，所述影响参数生成算法为：其中，/>是所述更新动作的影响参数，是所述更新动作所对应的即时奖励，/>是折现因子，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值，/>是在时间步/>下的所述意图标签/>所对应的动作策略的预期回报值。
8.一种5G消息语音意图识别方法，其特征在于，所述方法包括：
获取5G消息的情景数据，生成所述情景数据的数据向量；
根据所述数据向量对所述5G消息进行意图识别，得到所述5G消息的意图标签；
根据预设的策略函数确定所述意图标签所对应的动作的概率分布，其中，所述预设的策略函数为：其中，/>是在时间步/>下所述意图标签/>所对应的动作/>的概率分布，/>表示在时间步/>下当意图标签为/>时，选择的动作为/>的概率，/>是在时间步/>下的所述意图标签所对应的动作，/>是在时间步/>下的具体状态，/>是在时间步/>下的所述意图标签，/>是根据所述意图标签选择的具体动作，/>是时间步；
根据所述概率分布生成所述意图标签的动作策略，生成所述动作策略的预期回报值；
确定所述意图标签的执行动作，逐个生成所述执行动作的实际回报值；
根据所述实际回报值和所述预期回报值对所述动作策略进行策略更新，得到所述动作策略的更新策略，根据所述更新策略生成所述意图标签的目标动作，根据所述目标动作对所述5G消息所对应的语音意图进行响应。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求8所述的5G消息语音意图识别方法。
10.一种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8所述的5G消息语音意图识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410506755.2A CN118098283B (zh) | 2024-04-25 | 2024-04-25 | 一种5g消息语音意图识别***、方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410506755.2A CN118098283B (zh) | 2024-04-25 | 2024-04-25 | 一种5g消息语音意图识别***、方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118098283A true CN118098283A (zh) | 2024-05-28 |
| CN118098283B CN118098283B (zh) | 2024-06-25 |
Family
ID=91155209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410506755.2A Active CN118098283B (zh) | 2024-04-25 | 2024-04-25 | 一种5g消息语音意图识别***、方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118098283B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115955452A (zh) * | 2023-03-15 | 2023-04-11 | 上海帜讯信息技术股份有限公司 | 基于多轮会话意图识别的5g消息推送方法和装置 |
| CN117786525A (zh) * | 2023-12-08 | 2024-03-29 | 北京航空航天大学 | 一种航天器意图识别方法、装置、电子设备及存储介质 |
| CN117851909A (zh) * | 2024-03-05 | 2024-04-09 | 深圳市雅乐实业有限公司 | 一种基于跳跃连接的多循环决策意图识别***及方法 |
-
2024
- 2024-04-25 CN CN202410506755.2A patent/CN118098283B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115955452A (zh) * | 2023-03-15 | 2023-04-11 | 上海帜讯信息技术股份有限公司 | 基于多轮会话意图识别的5g消息推送方法和装置 |
| CN117786525A (zh) * | 2023-12-08 | 2024-03-29 | 北京航空航天大学 | 一种航天器意图识别方法、装置、电子设备及存储介质 |
| CN117851909A (zh) * | 2024-03-05 | 2024-04-09 | 深圳市雅乐实业有限公司 | 一种基于跳跃连接的多循环决策意图识别***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118098283B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10540977B2 (en) | Proximity-based engagement with digital assistants | |
| CN111178537B (zh) | 一种特征提取模型训练方法及设备 | |
| CN114461777B (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN113807515A (zh) | 模型训练的方法、装置、计算机设备及存储介质 | |
| CN113344647B (zh) | 一种信息推荐的方法及装置 | |
| CN112820324B (zh) | 多标签语音活动检测方法、装置及存储介质 | |
| CN116662555B (zh) | 一种请求文本处理方法、装置、电子设备及存储介质 | |
| KR20170048008A (ko) | 질의의도를 분석하기 위한 장치 및 방법 | |
| CN108628863B (zh) | 信息获取方法和装置 | |
| CN118098283B (zh) | 一种5g消息语音意图识别***、方法、设备及介质 | |
| CN113806501A (zh) | 意图识别模型的训练方法、意图识别方法和设备 | |
| CN117235371A (zh) | 视频推荐方法、模型训练方法及装置 | |
| CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
| CN116486815A (zh) | 车载语音信号处理方法及装置 | |
| CN114548114B (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
| CN113469237B (zh) | 用户意图识别方法、装置、电子设备及存储介质 | |
| CN114297380A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN113413607A (zh) | 一种信息推荐方法、装置、计算机设备及存储介质 | |
| CN111883126A (zh) | 数据处理方式的选择方法、装置及电子设备 | |
| CN111949776A (zh) | 一种用户标签评估的方法、装置和电子设备 | |
| CN110807179A (zh) | 一种用户识别方法、装置、服务器及存储介质 | |
| CN113157877B (zh) | 多语义识别方法、装置、设备和介质 | |
| CN115131709B (zh) | 视频类别预测方法、视频类别预测模型的训练方法及装置 | |
| US20240236237A1 (en) | Systems and methods for adaptive computer-assistance prompts | |
| CN108170673B (zh) | 基于人工智能的信息格调识别方法和装置 |
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 | ||
| GR01 | Patent grant |