多轮对话的意图识别方法、装置、计算机设备及存储介质与流程

1.本公开涉及人工智能技术领域，尤其涉及一种多轮对话的意图识别方法、装置、计算机设备及存储介质。


背景技术：

2.随着人工智能技术的发展，基于人工智能使计算机设备响应于用户语料，以触发与用户进行多轮对话的场景也日益普遍，例如，电商领域的智能客服系统，该智能客服系统可以代替商家应对客户的线上沟通，与客户进行多轮对话。
3.相关技术中，用户输入咨询语料后，计算机设备通常是对该咨询语料进行识别处理，提取关键字，从而获取用户的对话意图，并进行反馈答复。
4.这种方式下，识别得到的用户意图的意图表征准确性不高，多轮对话的意图识别效果较差，导致多轮对话的意图识别的可靠性不高，实用性不佳。


技术实现要素：

5.本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
6.为此，本公开的目的在于提出一种多轮对话的意图识别方法、装置、计算机设备、存储介质及计算机程序产品，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
7.本公开第一方面实施例提出的多轮对话的意图识别方法，包括：接收用户语料；获取所述用户语料的上文语料信息，其中，所述上文语料信息包括：所述用户语料的上文语料、所述上文语料的上文语料意图、所述上文语料意图的上文反馈答案，；确定所述用户语料和所述上文语料信息之间的关系信息；以及根据所述关系信息，识别所述用户语料对应的目标对话意图。
8.本公开第一方面实施例提出的多轮对话的意图识别方法，通过接收用户语料，获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案，确定用户语料和上文语料信息之间的关系信息，以及根据关系信息，识别用户语料对应的目标对话意图，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
9.本公开第二方面实施例提出的多轮对话的意图识别装置，包括：接收模块，用于接收用户语料；获取模块，用于获取所述用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案；确定模块，用于确定所述用户语料和所述上文语料信息之间的关系信息；以及识别模块，用于根据
所述关系信息，识别所述用户语料对应的目标对话意图。
10.本公开第二方面实施例提出的多轮对话的意图识别装置，通过接收用户语料，获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案，确定用户语料和上文语料信息之间的关系信息，以及根据关系信息，识别用户语料对应的目标对话意图，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
11.本公开第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的多轮对话的意图识别方法。
12.本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的多轮对话的意图识别方法。
13.本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的多轮对话的意图识别方法。
14.本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
15.本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
16.图1是本公开一实施例提出的方法的多轮对话的意图识别流程示意图；
17.图2是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图；
18.图3是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图；
19.图4是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图；
20.图5是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图；
21.图6是本公开实施例中的多轮对话的意图识别系统结构示意图；
22.图7是本公开实施例中的多轮对话的意图识别流程示意图；
23.图8是本公开一实施例提出的多轮对话的意图识别装置的结构示意图；
24.图9是本公开另一实施例提出的多轮对话的意图识别装置的结构示意图；
25.图10示出了适于用于实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
26.下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
27.图1是本公开一实施例提出的多轮对话的意图识别方法的流程示意图。
28.其中，需要说明的是，本实施例的多轮对话的意图识别方法的执行主体为多轮对话的意图识别装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在计算机设备中，计算机设备可以包括但不限于终端、服务器端等。
29.如图1所示，该多轮对话的意图识别方法，包括：
30.s101：接收用户语料。
31.其中，语料可以是来自用户的，用于进行咨询沟通的信息，具体可以例如是一段询问文本、咨询图片、咨询链接、一段询问语音等，而位于本轮对话中待处理的语料，可以被称为用户语料，对此不做限制。
32.可以理解的是，该多轮对话的意图识别方法的执行主体中，通常可以初步识别用户语料中的用户意图，并根据预先配置的信息反馈机制，针对该用户意图进行反馈，满足用户的基本需求。
33.本公开实施例中可以在多轮对话的意图识别方法的执行主体中设置语料接收接口，经由该语料接收接口接收用户语料，对此不做限制。
34.s102：获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案。
35.其中，在多轮对话过程中，相对于本轮对话中所接收用户语料，处于上一轮的对话可以被称为上文语料，而与上文语料相关的描述信息，可以被称为上文语料信息。
36.其中，由该多轮对话的意图识别方法的执行主体对上文语料分析处理，获得的用户意图(例如，对信息的查询、增添、更改等操作意向)，可以被称为上文语料意图。
37.本公开实施例在获取上文语料意图时，可以是采用自然语言理解技术，对上文语料进行分析处理，以获得上文语料意图，或者，还可以是采用第三方意图识别装置，对上文语料进行分析处理，以获得上文语料意图，而后将所得上文语料意图传输至本公开实施例的执行主体，对此不做限制。
38.其中，由该多轮对话的意图识别方法的执行主体针对所得上文语料意图，根据预先配置的信息反馈机制，对用户发送的反馈信息，可以被称为上文反馈答案。
39.也即是说，本公开实施例在接收用户语料后，可以获取用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案，通过结合用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案对该用户语料对应的目标用户意图进行分析处理，可以有效地识别出该用户语料的真实对话意图，由于解析得到上文语料相关的多种维度的信息，以对用户语料进行意图识别，能够有效提升意图识别因素的考量全面性，使得用户语料的意图与上文语料相关意图能够连贯衔接，避免上下文意图识别断篇，从而有效提升多轮对话的意图识别的鲁棒性和表现性能。
40.s103：确定用户语料和上文语料信息之间的关系信息。
41.其中，在多轮对话过程中，用于描述用户语料与上文语料之间的逻辑关系、语义关系、意图承接关系(例如，意图转折、意图补充等承接关系)的相关信息，可以被称为关系信息。
42.可以理解的是，在多轮对话过程中，相邻的两轮对话之间可能存在关联性，由此，本公开实施例中，通过确定用户语料和上文语料信息之间的关系信息，该关系信息可用于
确定目标对话意图，能够有效地适配于实际用户语料的个性化交互场景，从而能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
43.一些实施例中，确定用户语料和上文语料信息之间的关系信息，可以是将用户语料和上文语料信息输入至预训练的关系识别模型中，该关系识别模型可以是预先基于人工智能方法训练得到的，以确定用户语料和上文语料信息之间的关系信息，该关系识别模型可以执行关系识别任务，在训练得到关系识别模型时，可以是基于样本用户语料、样本上文语料信息，以及标注关系信息对初始的人工智能模型进行正向的和/或反向的迭代训练、模型优化、模型调参，将样本用户语料、样本上文语料信息输入至初始的人工智能模型之中，直至人工智能模型输出的预测关系信息与标注关系信息之间满足收敛条件，将训练得到的人工智能模型作为关系识别模型，对此不做限制。
44.另一些实施例中，也可以采用数学算法、或者工程学方法计算用户语料和上文语料信息之间在整体多轮对话中的上下文语义衔接信息(上下文语义衔接信息例如，是对上下文意图承接、对上下文意图转折，还是对上下文意图补充)，并将分析计算得到的上下文语义衔接信息作为用户语料和上文语料信息之间的关系信息。
45.另一些实施例中，还可以是分析用户语料和上文语料信息之间的语义相似度、语境相似度等信息作为用户语料和上文语料信息之间的关系信息。
46.当然，也可以采用其他任意可能的方式实现确定用户语料和上文语料信息之间的关系信息，对此不做限制。
47.s104：根据关系信息，识别用户语料对应的目标对话意图。
48.其中，联合用户语料和上文语料信息之间的关系信息，对用户语料进行分析处理得到的用户意图，可以被称为目标对话意图，该目标对话意图相较于仅根据用户语料分析得到的初始用户意图而言，具备了更多维度的上下文信息，从而得到的目标对话意图能够更准确地表征出用户真实的对话交互意图。
49.一些实施例中，在根据关系信息，识别用户语料对应的目标对话意图时，可以是对用户语料进行初始识别，得到初始用户意图，而后，采用用户语料和上文语料信息之间的关系信息对初始用户意图进行校正处理，并将校正处理得到的用户意图作为目标对话意图。
50.另一些实施例中，也可以采用关系信息，并联合意图识别模型识别用户语料对应的目标对话意图，该意图识别模型可以自适应学习建模关系信息对用户语料的意图作用情况，且，该意图识别模型可以是预先建模训练得到，以实现根据关系信息，识别用户语料对应的目标对话意图。
51.另一些实施例中，还可以在分析用户语料的过程中，联合关系信息将上文语料的意图、语义等内容映射至本轮意图分析过程当中，以实现根据关系信息，识别用户语料对应的目标对话意图。
52.当然，还可以采用其他任意可能的方式来实现根据关系信息，识别用户语料对应的目标对话意图，对此不做限制。
53.本实施例中，通过接收用户语料，获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案，确定用户语料和上文语料信息之间的关系信息，以及根据关系信息，识别用户语料对应
的目标对话意图，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
54.图2是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图。
55.如图2所示，该多轮对话的意图识别方法，包括：
56.s201：接收用户语料。
57.s202：获取用户语料的上文语料信息，其中，上文语料信息包括：上文语料和上文语料意图。
58.s203：确定用户语料和上文语料信息之间的关系信息。
59.s201-s203的描述说明可以具体参见上述实施例，在此不再赘述。
60.s204：获取用户语料的用户语料意图。
61.其中，由该多轮对话的意图识别方法的执行主体对用户语料直接进行分析处理得到的用户意图，可以被称为用户语料意图。
62.可以理解的是，该多轮对话的意图识别方法在本轮对话过程中获取用户语料意图后，可以标记并储存该用户语料意图，便于在下一轮对话中将该用户语料意图作为上文语料意图进行调用，避免在下一轮对话中再次分析用户语料意图而带来的延迟，较大程度地提升了该多轮对话的意图识别方法的执行效率。
63.本公开实施例在获取用户语料的用户语料意图，可以直接采用单句意图识别对用户语料进行识别得到用户语料意图，该用户语料意图也可以理解为上文中描述的初始用户意图，对此不做限制。
64.s205：根据关系信息，确定目标纠正方法。
65.本公开实施例中可以在确定用户语料和上文语料信息之间的关系信息之后，根据关系信息对用户语料的用户语料意图进行相应的纠正处理，则描述该相应的纠正处理逻辑的方法，可以被称为目标纠正方法。
66.本公开实施例中，根据关系信息确定纠正方法，可以是将该关系信息输入至预训练的判定模型(该判定模型可以是预先基于人工智能方法训练获得的)中，以确定目标纠正方法，或者，还可以根据预先配置的关系表，该关系表可以记载适用于该关系信息的纠正方法，并将该关系表中适用于该关系信息的纠正方法作为目标纠正方法，对此不做限制。
67.由此，本公开实施例通过根据关系信息确定目标纠正方法，可以有效提升所得目标纠正方法对于该用户语料意图的适用性，且该目标纠正方法是基于关系信息确定的，因此还能够有效适配于人机交互的上下文语境，提升该多轮对话的意图识别方法的实用性和应用灵活性。
68.本公开实施例在根据关系信息，确定目标纠正方法时，可以对关系信息的具体类别进行分析处理，假设关系信息是上下文意图承接，则可以相应的结合上文语料意图对用户语料意图进行承接补充处理，以纠正用户语料意图，则该相应的结合上文语料意图对用户语料意图进行承接补充处理的处理方式，可以例如是目标纠正方法，相应的，目标纠正方法，还可以是结合上文语料意图对用户语料意图进行转折处理的处理方式等，对此不做限制。
69.s206：采用目标纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
70.可以理解的是，不同应用场景中的用户语料与上文语料信息之间可能存在不同的关系信息，由此，适用于不同应用场景中的纠正方法也可能存在差异，本公开实施例中，当基于关系信息，确定目标纠正方法，而后采用目标纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，可以有效提升所得目标纠正方法对于该用户语料意图的适用性，且该目标纠正方法是基于关系信息确定的，因此还能够有效适配于人机交互的上下文语境，提升该多轮对话的意图识别方法的实用性和应用灵活性。
71.可选的，一些实施例中，在获取用户语料的用户语料意图后，可以在关系信息指示：用户语料意图和上文语料意图相同时，确定目标纠正方法是转折意图纠正方法，而后根据上文语料，结合转折意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，由此，在关系信息指示：用户语料意图和上文语料意图相同时，该用户语料可能用于转折表达上文语料意图，使得多轮对话的意图识别方法能够对人机交互的转折意图进行准确识别，提升意图识别的灵活性，并且及时地采用转折意图纠正方法联合上文语料对用户语料意图进行纠正处理，保障所得目标对话意图能够完整地表征用户的转折意图，提升转折意图的表征准确性。
72.其中，在多轮对话过程中，用户语料意图中所涉及处理对象与上文语料意图中所涉及处理对象相同，但处理方式可能发生变化，此时表明该用户语料可能存在转折意图，而转折意图纠正方法，是指针对于该转折意图，结合上文语料意图，对该用户语料意图进行转折纠正处理，以得到目标对话意图的方法。
73.可选的，另一些实施例中，在获取用户语料的用户语料意图后，还可以对关系信息指示的其他任意可能的内容进行分析处理，并根据分析处理的结果获取到适配的目标纠正方法，以对用户语料意图进行纠正处理，满足多样化的人机交互需求，具体可以参见下述实施例。
74.本实施例中，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。由于用户语料和上文语料信息之间的关系存在多种可能，当根据关系信息，确定目标纠正方法，可以有效提升所得目标纠正方法对于该用户语料意图的适用性，且该目标纠正方法是基于关系信息确定的，因此还能够有效适配于人机交互的上下文语境，提升该多轮对话的意图识别方法的实用性和应用灵活性。使得多轮对话的意图识别方法能够对人机交互的转折意图进行准确识别，提升意图识别的灵活性，并且及时地采用转折意图纠正方法联合上文语料对用户语料意图进行纠正处理，保障所得目标对话意图能够完整地表征用户的转折意图，提升转折意图的表征准确性。
75.图3是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图。
76.如图3所示，该多轮对话的意图识别方法，包括：
77.s301：接收用户语料。
78.s302：获取用户语料的上文语料信息，其中，上文语料信息包括：上文语料和上文语料意图。
79.s303：确定用户语料和上文语料信息之间的关系信息。
80.s304：获取用户语料的用户语料意图。
81.s301-s304的描述说明可以具体参见上述实施例，在此不再赘述。
82.s305：如果关系信息指示：用户语料意图和上文语料意图不相同，则判断用户语料意图是否满足意图模糊条件。
83.其中，意图模糊，是指在意图识别过程中根据语料所得语料意图的可靠性不高，不能满足该多轮对话的意图识别方法的需要，而意图模糊条件，可以是预先设定的判断条件，用于判断用户语料意图可靠性是否满足该多轮对话意图识别方法的需要。
84.举例而言，本公开实施例中可以预先设定模糊阈值，在采用自然语言理解技术获取用户语料意图的同时，对所得用户语料意图的可靠性进行分析处理，得到该用户语料意图的置信度，而后将该置信度与预设模糊阈值进行对比处理，以判断该用户语料意图是否满足意图模糊条件。
85.当然，一些实施例中，还可以采用第三方分析装置，结合用户语料，对所得用户语料进行可靠性分析，以判断用户语料意图是否满足意图模糊条件，或者，还可以将用户语料和用户语料意图输入至预训练的意图模糊判断模型中(该意图模糊判断模型可以是预先基于多个用户语料和对应的用户语料意图，经过迭代训练获得)，以判断该用户语料意图是否满足意图模糊条件，对此不做限制。
86.本公开实施中，在关系信息指示：用户语料意图和上文语料意图不相同时，即两轮对话中的处理对象不同时，可以确定该用户语料较大概率不存在转折意图，而后通过判断用户语料意图是否满足意图模糊条件，触发后续步骤，进一步确定目标纠正方法，可以有效提升所得目标纠正方法的合理性。
87.s306：如果用户语料意图满足意图模糊条件，则确定目标纠正方法是补充意图纠正方法。
88.其中，在多轮对话过程中，当用户语料意图中所涉及处理对象与上文语料意图所涉及处理对象不相同，且所得用户语料意图的可靠性不高，此时表明该用户语料可能存在补充意图，用于对上文语料进行补充说明，而补充意图纠正方法，是针对该补充意图，结合上文语料意图，对用户语料意图进行补充纠正处理，以得到目标对话意图的方法。
89.也即是说，本公开实施例中，在关系信息指示：用户语料意图和上文语料意图不相同的前提下，可以在用户语料意图满足意图模糊条件时，确定目标纠正方法是补充意图纠正方法，触发后续步骤，从而有效提升该目标纠正方法的适用性。
90.s307：根据上文语料，结合补充意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
91.本公开实施例在确定目标纠正方法是补充意图纠正方法时，根据上文语料，结合补充意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，例如，可以将上文语料意图和用户语料意图等相关信息输入至预训练的补充纠正处理模型中，以得到目标对话意图，或者，还可以结合用户语料中的补充意图，对上文语料意图进行补充纠正处理，以得到目标对话意图，对此不做限制。
92.可选的，一些实施例中，根据上文语料，结合补充意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图可以是对上文语料和用户语料进行组合处理，以得到组合语料，确定与组合语料对应的组合语料意图，在组合语料意图和上文语料意图相同时，将上文语料意图作为目标对话意图，在组合语料意图和上文语料意图不相同，且组合语料意
图不满足意图模糊条件时，将组合语料意图作为目标对话意图，在组合语料意图和上文语料意图不相同，且组合语料意图满足意图模糊条件时，将用户语料意图作为目标对话意图，由此，当确定该用户语料用于补充上文语料意图时，对上文语料和用户语料进行组合处理，可以使所得组合语料对应的组合语料意图能够有效表征用户的补充意图，而后根据该组合语料意图、上文语料意图和意图模糊条件进行分析处理，选择合适的语料意图作为目标对话意图，有效地提升了确定目标纠正方法过程中的严谨性和合理性。
93.其中，组合处理，是指结合用户语料中的补充意图，将上文语料和用户语料整合为一个可以完整表征上文语料意图和用户语料意图的新语料，而所得新预料，可以称为组合语料。
94.可以理解的是，当所得组合语料意图满足意图模糊条件时，该组合语料意图可靠性较低，且对用户语料的表征性可能低于用户语料意图，此时将用户语料意图作为目标对话意图更为贴合用户实际意图。
95.可选的，一些实施例中，在组合语料意图和上文语料意图不相同，且组合语料意图满足意图模糊条件时，将用户语料意图作为目标对话意图后，可以对目标对话意图进行模糊标记处理，由此，能够避免该多轮对话的意图识别方法在调用该目标对话意图时再次判断目标对话意图是否满足意图模糊条件而带来的逻辑时延，较大程度地提升了该多轮对话的意图识别方法的执行效率。
96.其中，标记，可以使被标记的事物区别于其他事物，便于对该标记事物的处理，而模糊标记处理，是指在目标对话意图满足意图模糊条件，对该目标对话意图进行标记，便于该多轮对话的意图识别方法在调用该目标对话意图后的分析处理。
97.也即是说，本公开实施例在获取用户语料的用户语料意图后，可以在关系信息指示：用户语料意图和上文语料意图不相同时，判断用户语料意图是否满足意图模糊条件，在判定用户语料意图满足意图模糊条件时，确定目标纠正方法是补充意图纠正方法，而后根据上文语料，结合补充意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，由此，在该用户语料意图满足意图模糊条件，即该用户语料意图的置信度低于模糊阈值时，该用户语料可能用于补充上文语料意图，使得该多轮对话的意图识别方法能够准确识别出人机交互中的补充意图，提升意图识别的实用性，通过采用补充意图纠正方法，结合上文语料对用户语料意图进行纠正处理，可以使所得目标对话意图能够完整地表征用户的补充意图，有效地提升所得目标对话意图对用户补充意图的表征准确性。
98.举例而言，预先设定模糊阈值为0.9，上文语料为“我的发票开了没？”，则经过处理可得上文语料意图为“发票进度查询”，用户语料为“能不能改一下配送地址”，经过处理分析可得用户语料意图为“能否修改订单”，该用户语料意图的置信度为0.889980316，低于模糊阈值0.9，则可以将上文语料和用户语料进行组合处理，得到组合语料为“我的发票开了没，能不能改一下配送地址”，则经过处理可得该组合语料意图为“发票收票地址能否修改”，该组合语料的置信度为0.924856314，大于模糊阈值0.9，且该组合语料意图与上文语料意图不同，可以确定该组合语料意图“发票收票地址能否修改”为目标对话意图。
99.本实施例中，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。在该
用户语料意图满足意图模糊条件，即该用户语料意图的置信度低于模糊阈值时，该用户语料可能用于补充上文语料意图，使得该多轮对话的意图识别方法能够准确识别出人机交互中的补充意图，提升意图识别的实用性，通过采用补充意图纠正方法，结合上文语料对用户语料意图进行纠正处理，可以使所得目标对话意图能够完整地表征用户的补充意图，有效地提升所得目标对话意图对用户补充意图的表征准确性。当确定该用户语料用于补充上文语料意图时，对上文语料和用户语料进行组合处理，可以使所得组合语料对应的组合语料意图能够有效表征用户的补充意图，而后根据该组合语料意图、上文语料意图和意图模糊条件进行分析处理，选择合适的语料意图作为目标对话意图，有效地提升了确定目标纠正方法过程中的严谨性和合理性。将用户语料意图作为目标对话意图后，可以对目标对话意图进行模糊标记处理，能够避免该多轮对话的意图识别方法在调用该目标对话意图时再次判断目标对话意图是否满足意图模糊条件而带来的逻辑时延，较大程度地提升了该多轮对话的意图识别方法的执行效率。
100.图4是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图。
101.如图4所示，该多轮对话的意图识别方法，包括：
102.s401：接收用户语料。
103.s402：获取用户语料的上文语料信息，其中，上文语料信息包括：上文语料和上文语料意图。
104.s403：确定用户语料和上文语料信息之间的关系信息。
105.s404：获取用户语料的用户语料意图。
106.s405：如果关系信息指示：用户语料意图和上文语料意图相同，则确定目标纠正方法是转折意图纠正方法。
107.s401-s405的描述说明可以具体参见上述实施例，在此不再赘述。
108.s406：获取上文语料的上文语料实体，和上文语料实体的上文实体信息。
109.其中，实体，可以是指语料意图中所表达的处理对象，该处理对象可以是物品、人员、时间等，对此不做限制，而上文语料实体，可以是指上文语料意图中所表达的处理对象。
110.本公开实施例中，获取实体，通常采用命名实体识别(named entity recognition，ner)技术处理对应的语料，以获得语料实体，该命名实体识别技术可以具体如长短期记忆网络(long short-term memory，lstm)、机器学习、统计等，对此不做限制。
111.其中，实体信息，可以是描述实体特征的相关信息，该实体信息可以具体例如为实体的颜色、大小等，对此不作限制，而上文实体信息，是描述上文语料中实体特征的相关信息。
112.s407：获取用户语料的用户语料实体，和用户语料实体的用户实体信息。
113.其中，用户语料实体，可以是指用户语料意图中所表达的处理对象，该处理对象可以是物品、人员、时间等，对此不做限制。
114.其中，用户实体信息，是指描述用户语料中实体特征的相关信息，该实体信息可以具体例如为实体的颜色、大小等，对此不作限制。
115.由此，本公开实施例中，通过获取上文语料实体、上文实体信息、用户语料实体以及用户实体信息，以便于对用户语料与上文语料之间进行关联性分析，从而确定目标纠正方法，能够有效提升该意图识别过程的针对性和合理性。
116.可选的，一些实施例中，上文实体信息包括：上文实体类型和上文实体值，用户实体信息包括：用户实体类型和用户实体值，在上文实体类型和用户实体类型相同，且上文实体值和用户实体值不相同时，确定上文实体信息和用户实体信息之间满足匹配条件；在上文实体类型和用户实体类型不相同时，确定上文实体信息和用户实体信息之间不满足匹配条件；在上文实体值和用户实体值相同时，确定上文实体信息和用户实体信息之间不满足匹配条件，由于在用户存在转折意图时，上文实体类型和用户实体类型较大概率是相同的，当基于该实体类型进行转折时，上文实体值和用户实体值较大概率是不同的，由此，通过分析处理上文实体类型和用户实体类型之间的关系以及上文实体值和用户实体值之间的关系，可以有效提升判断上文实体信息和用户实体信息之间是否满足匹配条件的准确率，保障确定目标纠正方法过程中的可靠性。
117.其中，预先根据实体属性特征划分并命名的多个种类，可以被称为实体类型，单个实体类型中包含的多个实体中具有某些共同性质和特征，上文实体类型，可以是指按照预先设定的分类规则，上文语料中实体所属的种类，而用户实体类型，可以是指按照预先设定的分类规则，用户语料中实体所属的种类。
118.其中，预先设定的，根据实体属性特征，二次划分属于同一类型中多个实体的二级类型，可以被称为实体值，该实体值可以具体例如数字标识、特征前缀等，对此不做限制，上文实体值，是指上文语料中实体所属的二级类型，而用户实体值，可以是指用户语料中实体的二级类型。
119.其中，匹配是指经过该多轮对话的意图识别方法分析处理后，确定上文语料意图与用户语料意图之间存在转折关系，而匹配条件，可以是指预先设定的，用于判断上文语料意图与用户语料意图之间是否存在转折关系的限制性条件。
120.可以理解的是，当上文实体类型和用户实体类型相同时，可以确定上文语料与用户语料存在关联性，而后通过分析比较上文实和用户实体的二级类型，即实体值是否相同，可以分析出用户意图中是否基于该实体类型存在转折意图，从而适配目标纠正方法，能够有效地提升了该所得目标纠正方法的实用性。
121.s408：如果上文实体信息和用户实体信息之间不满足匹配条件，则将用户语料意图作为目标对话意图。
122.本公开实施例中，当上文实体信息和用户实体信息之间不满足匹配条件时，用户语料与上文语料可能不存在转折关系，上文语料与用户语料的关联性较低，此时将用户语料意图作为目标对话意图更适用于当时的应用场景，有效地提升所得目标纠正方法的合理性。
123.s409：如果上文实体信息和用户实体信息之间满足匹配条件，则对上文语料和用户语料进行拼接处理，以得到拼接语料。
124.其中，拼接语料，是指在上文实体信息和用户实体信息之间满足匹配条件，即用户语料中可能存在转折意图时，对上文语料和用户语料进行拼接处理而得到的整合语料，该整合语料中包含了上文语料意图、用户语料意图以及转折意图，能够有效地表征用户的转折意图。
125.本公开实施例中，在上文实体信息和用户实体信息之间满足匹配条件时，对上文语料和用户语料进行拼接处理，以得到拼接语料，例如，可以将上文语料与用户语料输入至
预训练的拼接处理模型中(该拼接处理模型可以是预先基于人工智能训练方法得到的)，以得到拼接语料，或者，还可以采用第三方处理装置，通过处理上文语料和用户语料而得到拼接语料，对此不做限制。
126.可选的，一些实施例中，对上文语料和用户语料进行拼接处理，以得到拼接语料，可以是采用预设占位符对上文语料进行泛化处理，以得到上文泛化语料；采用预设占位符对用户语料进行泛化处理，以得到用户泛化语料；采用目标转折词对上文泛化语料和用户泛化语料进行拼接处理，以得到拼接语料，由此，通过采用预设占位符对上文语料和用户语料进行泛化处理，可以分别提取上文语料和用户语料中的实体特征，以便于对上文语料和用户语料进行分析处理，而后采用目标转折词对上文泛化语料和用户泛化语料进行拼接处理，使所得拼接语料可以有效地表征用户的转折意图。
127.其中，占位符，是指在意图识别过程中设定的一个符号，该符号被用于替换并占领语料结构中的一个位置，可以简化语料结构，便于后续分析处理。
128.其中，泛化，是指事物由具体的、个别的扩大为一般的，比如“先生”也用于称呼女性，战场也用于称呼考场、赛场等，而泛化处理，可以是指将用户语料中实体的实体值替换为实体类型，由此提升预料中实体的表征范围。
129.其中，上文泛化语料，是指采用预设占位符对上文语料进行泛化处理得到语料，而用户泛化语料，是指采用预设占位符对用户语料进行泛化处理得到语料。
130.由此，本公开实施例，在上文实体信息和用户实体信息之间满足匹配条件时，对上文语料和用户语料进行拼接处理，以得到拼接语料，该拼接语料可以有效地表征用户的转折意图，触发后续步骤，保证所得目标对话意图的可靠性。
131.s410：确定拼接语料的拼接语料意图。
132.其中，由该多轮对话的意图识别方法对所得拼接语料进行分析处理，获得的语料意图，可以被称为拼接语料意图。
133.本公开实施例在得到拼接语料后，可以对所得拼接语料进行分析处理，以获得拼接语料意图，该拼接语料意图可以有效表征用户的转折意图，被用于后续与用户语料意图进行对比分析处理，从而确定目标对话意图。
134.s411：在拼接语料意图与用户语料意图相同时，将用户语料意图作为目标对话意图。
135.本公开实施例中，在拼接语料意图与用户语料意图相同时，用户语料中较大概率不存在转折意图，此时将用户语料意图作为目标对话意图更贴合上下文语境，保障了所得目标对话意图的适用性。
136.s412：在拼接语料意图与用户语料意图不相同时，将拼接语料意图作为目标对话意图。
137.本公开实施例中，在拼接语料意图与用户语料意图不相同时，可以确定用户语料中存在转折意图，将拼接语料意图作为目标对话意图，能够有效提升所得目标对话意图对用户转折意图表征的准确性。
138.也即是说，本公开实施例在确定目标纠正方法是转折意图纠正方法后，可以获取上文语料实体、上文实体信息、用户语料实体以及用户实体信息，以便于对用户语料与上文语料之间关联性分析，通过判断上文实体信息和用户实体信息之间是否满足匹配条件，可
以确定用户是否有转折意图，在确定用户不存在转折意图时，可以将用户语料意图作为目标对话意图，在确定用户存在转折意图时，可以对上文语料和用户语料进行拼接处理，以便于分析用户的转折意图，提升所得拼接语料的拼接语料意图对用户转折意图的表征性，而后将所得拼接语料意图与用户语料意图进行对比，可以进一步判断用户是否存在转折意图，在拼接语料意图与用户语料意图相同时，用户较大概率不存在转折意图，可以将用户语料意图作为目标对话意图，在拼接语料意图与用户语料意图不相同时，用户较大概率存在转折意图，可以将拼接语料意图作为目标对话意图，从而有效地使得意图识别过程适配于用户语料的个性化识别交互场景，较大程度地提升了所得目标对话意图的实用性。
139.举例而言，上文语料为“开了个人发票”，用户语料为“要开企业发票”，通过自然语言理解技术对上文语料和用户语料进行分析处理，可以得到相同的语料意图“发票开具与报销政策”，而后采用ner模块对上文语料和用户语料进行实体识别，可以获得上文实体为发票类型，上文实体值为个人发票，用户语料实体为发票类型，用户语料实体值为企业发票，此时两者的实体类型相同而实体值不同，满足匹配条件，可以对上文语料和用户语料进行泛化处理，获得上文语料泛化结果为：开了{fapiao_type}，用户语料泛化结果为：要开{fapiao_type}，采用转折词拼接上文语料泛化结果和用户语料泛化结果，得到拼接语料：开了{fapiao_type}，但是要开{fapiao_type}，采用自然语言理解技术对拼接语料进行识别，可以得到拼接语料意图为修改发票类型，该拼接语料意图与用户语料意图不同，则可以将拼接语料意图“修改发票类型”作为目标对话意图。
140.本实施例中，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。在确定目标纠正方法是转折意图纠正方法后，可以获取上文语料实体、上文实体信息、用户语料实体以及用户实体信息，以便于对用户语料与上文语料之间关联性分析，通过判断上文实体信息和用户实体信息之间是否满足匹配条件，可以确定用户是否有转折意图，在确定用户不存在转折意图时，可以将用户语料意图作为目标对话意图，在确定用户存在转折意图时，可以对上文语料和用户语料进行拼接处理，以便于分析用户的转折意图，提升所得拼接语料的拼接语料意图对用户转折意图的表征性，而后将所得拼接语料意图与用户语料意图进行对比，可以进一步判断用户是否存在转折意图，在拼接语料意图与用户语料意图相同时，用户较大概率不存在转折意图，可以将用户语料意图作为目标对话意图，在拼接语料意图与用户语料意图不相同时，用户较大概率存在转折意图，可以将拼接语料意图作为目标对话意图，从而有效地使得意图识别过程适配于用户语料的个性化场景，较大程度地提升了所得目标对话意图的实用性。由于在用户存在转折意图时，上文实体类型和用户实体类型较大概率是相同的，当基于该实体类型进行转折时，上文实体值和用户实体值较大概率是不同的，由此，通过分析处理上文实体类型和用户实体类型之间的关系以及上文实体值和用户实体值之间的关系，可以有效提升判断上文实体信息和用户实体信息之间是否满足匹配条件的准确率，保障确定目标纠正方法过程中的可靠性。通过采用预设占位符对上文语料和用户语料进行泛化处理，可以分别提取上文语料和用户语料中的实体特征，以便于对上文语料和用户语料进行分析处理，而后采用目标转折词对上文泛化语料和用户泛化语料进行拼接处理，使所得拼接语料可以有效地表征用户的转折意图。
141.图5是本公开另一实施例提出的多轮对话的意图识别方法的流程示意图。
142.如图5所示，该多轮对话的意图识别方法，包括：
143.s501：接收用户语料。
144.s502：获取用户语料的上文语料信息，其中，上文语料信息包括：上文语料、上文语料意图及上文反馈答案。
145.s503：确定用户语料和上文语料信息之间的关系信息。
146.s504：获取用户语料的用户语料意图。
147.s501-s504的描述说明可以具体参见上述实施例，在此不再赘述。
148.s505：如果关系信息指示：用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件，则判断用户语料与上文反馈答案之间是否存在反馈关系。
149.其中，反馈，是指多轮对话过程中，对话双方针对所接收到的信息，所进行得回复操作，上文反馈答案，可以是指在上轮对话过程中，该多轮对话的意图识别方法针对上文语料，向用户发送的回复信息。
150.其中，反馈关系，可以用来描述用户语料与上文反馈答案之间存在关联性，即该用户语料是用户针对上文反馈答案而发出的回复信息。
151.本公开实施例在用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件时，通过判断用户语料与上文反馈答案之间是否存在反馈关系，可以触发后续步骤，确定目标纠正方法，有效提升了确定目标纠正方法的灵活性。
152.s506：如果用户语料与上文反馈答案之间存在反馈关系，则确定目标纠正方法是反馈意图纠正方法。
153.其中，针对用户语料与上文反馈答案之间存在的反馈关系，对上文反馈答案和用户语料意图进行分析处理，以得到目标对话意图的方法，可以被称为反馈意图纠正方法。
154.也即是说，本公开实施例在用户语料与上文反馈答案之间存在反馈关系，可以确定目标纠正方法是反馈意图纠正方法，从而触发后续步骤，有效提升所得目标对话意图的准确性。
155.s507：根据上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
156.本公开实施例在确定目标纠正方法是反馈意图纠正方法时，结合上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，例如，可以基于该上文反馈答案确定多个候选对话意图，而后结合用户语料进行分析处理，从多个候选对话意图中确定目标对话意图，或者，还可以采用第三方处理装置，通过对上文反馈答案和用户语料意图进行分析处理，以得到目标对话意图，对此不做限制。
157.可选的，一些实施例中，根据上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，可以是获取用户语料的用户语料实体，获取上文反馈答案中的候选反馈实体，在用户语料实体命中候选反馈实体时，将上文语料意图作为目标对话意图，在用户语料实体未命中候选反馈实体时，将用户语料意图作为目标对话意图，由此，通过判断用户语料实体是否命中候选反馈实体，可以判断用户语料意图相对于上文语料意图是否发生了变化，进而确定目标对话意图，有效地提升了意图识别过程中判断用户语料和上文反馈答案之间是否存在反馈关系的准确性。
158.其中，候选反馈实体，是指该意图识别过程中，采用命名实体识别的方法对上文反馈答案进行分析处理，以获得的实体，可以理解的是候选反馈实体的数量可能是多个。
159.其中，命中，是指用户语料实体与上文反馈答案中的一个候选反馈实体语义相近或者相同。
160.本公开实施例中，在采用反馈意图纠正方法对用户语料意图进行纠正处理的过程中，可以根据用户语料实体和候选反馈实体确定用户语料实体是否命中候选反馈实体，例如，可以对用户语料实体和候选反馈实体进行字符对比，根据对比结果确定用户语料实体是否命中候选反馈实体，或者，还可以采用第三方确定装置，对用户语料实体和候选反馈实体进行分析对比，以确定用户语料实体是否命中候选反馈实体，对此不做限制。
161.可选的，一些实施例中，根据上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，还可以是确定候选反馈实体的反馈实体类型，在用户语料实体的用户实体类型与反馈实体类型相同时，确定用户语料实体命中候选反馈实体，在用户语料实体的用户实体类型与反馈实体类型不相同时，确定用户语料实体未命中候选反馈实体，由此，通过判断用户实体类型与反馈实体类型是否相同，判定用户语料实体是否命中候选反馈实体，可以有效提升意图识别过程中判断用户语料与上文反馈答案之间是否存在反馈关系的准确性，从而确定目标对话意图，有效地提升了意图识别过程中的逻辑完整性。
162.可以理解的是，通过判断用户语料实体的用户实体类型与反馈实体类型是否相同，可以确定按照预先设定的分类机制，用户语料实体与候选反馈实体是否属于同一种类，以此分析上文反馈答案与用户语料之间的关联性，触发后续步骤，有效提升所得目标纠正方法的可靠性。
163.也即是说，公开实施例在获取用户语料的用户语料意图后，可以在关系信息指示：用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件时，判断用户语料与上文反馈答案之间是否存在反馈关系，在用户语料与上文反馈答案之间存在反馈关系时，确定目标纠正方法是反馈意图纠正方法，而后根据上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图，由此，在用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件时，该用户语料与上文反馈答案可能存在关联性，在确定用户语料与上文反馈答案之间存在反馈关系时，采用反馈意图纠正方法，结合上文反馈答案对用户语料意图进行纠正处理，从而保障所得目标对话意图对用户反馈意图的表征性，使得意图识别过程更智能化。
164.举例而言，上文语料为“退款是退到哪了？”，上文反馈答案为
“……
。请问您要咨询的订单号是什么？”，本文语料为“324xxxx这个订单退到哪了”，经过分析处理可得上文语料意图为“售后退款方式查询”，用户语料意图为“售后处理进度和周期”，采用ner技术对用户语料进行实体识别，以获得用户语料实体为“订单号：324xxxx”，该用户语料存在用户语料实体，且该用户语料实体“订单号”与上文反馈答案
“……
。请问您要咨询的订单号是什么？”匹配成功，可以确定该目标对话意图为上文语料意图“售后退款方式查询”。
165.图6是本公开实施例中的多轮对话的意图识别系统结构示意图，如图6所示，该多轮对话的意图识别系统结构由意图决策逻辑模块、ner模块、自然语言理解(natural language understanding，nlu)模块、对话管理(dialog management，dm)模块和远程字典
服务(remote dictionary server，redis)模块组成。
166.其中，意图决策逻辑模块，可以被用于对用户语料意图的分析处理，以得到目标对话意图。
167.其中，ner模块，可以被用于对语料进行分析处理，以获得语料实体，发送至意图决策逻辑模块，意图决策逻辑模块确定目标对话意图。
168.其中，nlu模块，可以被用于获取语料对应的语料意图，发送至意图决策逻辑模块，意图决策逻辑模块确定目标对话意图。
169.其中，dm模块，可以根据意图决策逻辑模块的输出结果，对用户语料进行应答。
170.其中，redis模块，可以存储多轮对话过程中的语料和对应的语料意图，并可以被意图决策逻辑模块调用，意图决策逻辑模块确定目标对话意图。
171.图7是本公开实施例中的多轮对话的意图识别流程示意图，如图7所示，本公开实施例在多轮对话的意图识别过程中，加入意图决策逻辑，通过本轮对话与上轮对话的关系分析，来纠正用户本轮意图，最终dm按照决策结果意图应答；
172.本公开实施例的主要思路包括：如果本轮用户意图模糊，则存在用户补充信息的可能，需要做补充意图纠正；如果用户意图与上轮一致，则用户存在转折表达的可能，需要做转折意图纠正；如果用户表达与上文答案存在反馈关系，则需要做反馈意图纠正。
173.本方案首先判断用户本文意图与上文的关系，并基于关系纠正意图，按照以下步骤纠正意图：
174.其中，判断用户语料与上文语料是否为补充关系，从而进行补充意图纠正的步骤可以是：
175.a、调用nlu模块识别用户语料的意图识别结果，缓存用户语料意图和用户语料(可以缓存到redis模块中)，提供给下一轮使用；获取上文语料意图(从redis模块读取)，如果用户语料意图与上文语料意图不同，继续执行；
176.b、如果用户语料意图的置信度低于意图模糊阈值(举例：0.9)，则将用户语料与上文语料(从redis模块读取)直接组合，得到组合语料，并调用nlu模块重新识别该组合语料；
177.c、如果步骤b的识别结果与上文语料意图相同，则确定用户语料为补充上文语料信息，返回上文语料意图并跳出意图决策逻辑；
178.d、步骤b的识别结果与上文语料意图不同且置信度大于模糊阈值，则确定为补充纠正后所得组合语料意图发生变化，返回所得组合语料意图并跳出意图决策逻辑；
179.e、其他情况跳出补充意图纠正；
180.其中，判断用户语料与上文语料是否为转折关系，从而进行转折意图纠正的步骤可以是：
181.a、如果用户语料意图与上文语料意图相同，则继续执行，否则跳出；
182.b、将上文语料及用户语料经过ner模块实体识别，获取上文语料和用户语料对应的上文语料实体和用户语料实体，如果上文语料实体与用户语料实体的实体类型相同且实体值不同，则继续执行；
183.c、将上文语料和用户语料中的实体信息泛化为占位符语料，将泛化后的本文语料与上文语料，使用转折衔接词组合，得到拼接语料，调用nlu模块重新识别该拼接语料，得到拼接语料意图；
184.d、如果步骤c的识别结果与用户语料意图相同，则说明非转折意图，按照用户语料意图返回并跳出意图决策逻辑；
185.e、如果步骤c的识别结果与用户语料意图不同，则说明用户有转折意图，则按照拼接语料意图返回并跳出意图决策逻辑；
186.f、其他情况跳出转折意图纠正；
187.其中，判断用户语料与上文反馈答案是否为转折关系，从而进行反馈意图纠正的步骤可以是：
188.a、如果用户语料意图与上文语料意图不同，且用户语料意图的置信度高于意图模糊阈值，则继续执行；
189.b、获取上文反馈答案(从redis模块获取)，如果上句是反问(判断是否反问：什么？呢？多少？)，则将用户语料经过ner模块实体识别，如果用户语料中含有实体，则获取用户语料实体及用户语料实体类型；
190.c、使用用户语料实体类型在上文反馈答案的多个候选反馈实体中进行匹配，如果匹配成功，说明针对上文反馈答案中的候选反馈实体，用户在用户语料中做了应答且用户意图没有改变，可以直接继承上文语料意图，返回上文语料意图并跳出意图决策逻辑；
191.d、其他情况跳出反馈意图纠正；
192.其中，该意图决策逻辑模块，还具备兜底逻辑，即在以上步骤没有出决策结果，则兜底返回用户语料意图并跳出意图决策逻辑。
193.其中，在意图决策逻辑模块输出目标对话意图后，dm模块可以根据目标对话意图进行反馈：
194.a、按照意图决策逻辑返回的目标对话意图，推送对应的应答方案；
195.b、缓存本次应答结果提供给下轮使用(缓存到redis库)；
196.本实施例中，在用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件时，该用户语料与上文反馈答案可能存在关联性，在确定用户语料与上文反馈答案之间存在反馈关系时，采用反馈意图纠正方法，结合上文反馈答案对用户语料意图进行纠正处理，从而保障所得目标对话意图对用户反馈意图的表征性，使得意图识别过程更智能化。通过判断用户语料实体是否命中候选反馈实体，可以判断用户语料意图相对于上文语料意图是否发生了变化，进而确定目标对话意图，有效地提升了意图识别过程中判断用户语料和上文反馈答案之间是否存在反馈关系的准确性。通过判断用户实体类型与反馈实体类型是否相同，判定用户语料实体是否命中候选反馈实体，可以有效提升意图识别过程中判断用户语料与上文反馈答案之间是否存在反馈关系的准确性，从而确定目标对话意图，有效地提升了意图识别过程中的逻辑完整性。
197.图8是本公开一实施例提出的多轮对话的意图识别装置的结构示意图。
198.如图8所示，该多轮对话的意图识别装置80，包括：
199.接收模块801，用于接收用户语料；
200.获取模块802，用于获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案；
201.确定模块803，用于确定用户语料和上文语料信息之间的关系信息；以及
202.识别模块804，用于根据关系信息，识别用户语料对应的目标对话意图。
203.可选的，在本公开的一些实施例中，如图9所示，图9是本公开另一实施例提出的多轮对话的意图识别装置的结构示意图，识别模块804，包括：
204.获取子模块8041，用于获取用户语料的用户语料意图；
205.确定子模块8042，用于根据关系信息，确定目标纠正方法；
206.处理子模块8043，用于采用目标纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
207.可选的，在本公开的一些实施例中，确定子模块8042，具体用于：
208.在关系信息指示：用户语料意图和上文语料意图不相同时，判断用户语料意图是否满足意图模糊条件；
209.在用户语料意图满足意图模糊条件时，确定目标纠正方法是补充意图纠正方法；
210.其中，处理子模块8043，具体用于：
211.根据上文语料，结合补充意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
212.可选的，在本公开的一些实施例中，确定子模块8042，还用于：
213.当关系信息指示：用户语料意图和上文语料意图相同时，确定目标纠正方法是转折意图纠正方法；
214.其中，处理子模块8043，还用于：
215.根据上文语料，结合转折意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
216.可选的，在本公开的一些实施例中，确定子模块8042，还用于：
217.在关系信息指示：用户语料意图和上文语料意图不相同，且用户语料意图不满足意图模糊条件时，判断用户语料与上文反馈答案之间是否存在反馈关系；
218.在用户语料与上文反馈答案之间存在反馈关系时，确定目标纠正方法是反馈意图纠正方法；
219.其中，处理子模块8043，还用于：
220.根据上文反馈答案，采用反馈意图纠正方法对用户语料意图进行纠正处理，以得到目标对话意图。
221.可选的，在本公开的一些实施例中，处理子模块8043，具体用于：
222.对上文语料和用户语料进行组合处理，以得到组合语料；
223.确定与组合语料对应的组合语料意图；
224.在组合语料意图和上文语料意图相同时，将上文语料意图作为目标对话意图；
225.在组合语料意图和上文语料意图不相同，且组合语料意图不满足意图模糊条件时，将组合语料意图作为目标对话意图；
226.在组合语料意图和上文语料意图不相同，且组合语料意图满足意图模糊条件时，将用户语料意图作为目标对话意图。
227.可选的，在本公开的一些实施例中，处理子模块8043，还用于：
228.在将用户语料意图作为目标对话意图之后，对目标对话意图进行模糊标记处理。
229.可选的，在本公开的一些实施例中，处理子模块8043，具体用于：
230.获取上文语料的上文语料实体，和上文语料实体的上文实体信息；
231.获取用户语料的用户语料实体，和用户语料实体的用户实体信息；
232.在上文实体信息和用户实体信息之间不满足匹配条件时，将用户语料意图作为目标对话意图；
233.在上文实体信息和用户实体信息之间满足匹配条件时，对上文语料和用户语料进行拼接处理，以得到拼接语料；
234.确定拼接语料的拼接语料意图；
235.在拼接语料意图与用户语料意图相同时，将用户语料意图作为目标对话意图；
236.在拼接语料意图与用户语料意图不相同时，将拼接语料意图作为目标对话意图。
237.可选的，在本公开的一些实施例中，处理子模块8043，还用于：
238.采用预设占位符对上文语料进行泛化处理，以得到上文泛化语料；
239.采用预设占位符对用户语料进行泛化处理，以得到用户泛化语料；
240.采用目标转折词对上文泛化语料和用户泛化语料进行拼接处理，以得到拼接语料。
241.可选的，在本公开的一些实施例中，其中，
242.上文实体信息包括：上文实体类型和上文实体值；
243.用户实体信息包括：用户实体类型和用户实体值；
244.其中，处理子模块8043还用于：
245.在上文实体类型和用户实体类型相同，且上文实体值和用户实体值不相同时，确定上文实体信息和用户实体信息之间满足匹配条件；
246.在上文实体类型和用户实体类型不相同时，确定上文实体信息和用户实体信息之间不满足匹配条件；
247.在上文实体值和用户实体值相同时，确定上文实体信息和用户实体信息之间不满足匹配条件。
248.可选的，在本公开的一些实施例中，处理子模块8043，具体用于：
249.获取用户语料的用户语料实体；
250.获取上文反馈答案中的候选反馈实体；
251.在用户语料实体命中候选反馈实体时，将上文语料意图作为目标对话意图；
252.在用户语料实体未命中候选反馈实体时，将用户语料意图作为目标对话意图。
253.可选的，在本公开的一些实施例中，处理子模块8043，还用于：
254.确定候选反馈实体的反馈实体类型；
255.在用户语料实体的用户实体类型与反馈实体类型相同时，确定用户语料实体命中候选反馈实体；
256.在用户语料实体的用户实体类型与反馈实体类型不相同时，确定用户语料实体未命中候选反馈实体。
257.需要说明的是，前述对多轮对话的意图识别方法的解释说明也适用于本实施例的多轮对话的意图识别装置，此处不再赘述。
258.本实施例中，通过接收用户语料，获取用户语料的上文语料信息，其中，上文语料信息包括：用户语料的上文语料、上文语料的上文语料意图、上文语料意图的上文反馈答案，确定用户语料和上文语料信息之间的关系信息，以及根据关系信息，识别用户语料对应
的目标对话意图，当基于用户语料和相应的上文语料信息之间的关系信息对该用户语料的对话意图进行识别分析，能够有效提升所得目标对话意图的意图表征准确性，有效提升多轮对话的意图识别效果，从而有效地提升多轮对话的意图识别可靠性和实用性。
259.为了实现上述实施例，本公开还提出一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开前述实施例提出的多轮对话的意图识别方法。
260.为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开前述实施例提出的多轮对话的意图识别方法。
261.为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的多轮对话的意图识别方法。
262.图10示出了适于用于实现本公开实施方式的示例性计算机设备的框图。图10显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
263.如图10所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
264.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称：vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci)总线。
265.计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
266.存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory；以下简称：ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图10未显示，通常称为“硬盘驱动器”)。
267.尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc read only memory；以下简称：cd-rom)、数字多功能只读光盘(digital video disc read only memory；以下简称：dvd-rom)或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
268.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及
程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
269.计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
270.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的多轮对话的意图识别方法。
271.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
272.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
273.需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
274.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
275.应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
276.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
277.此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模
块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
278.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
279.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
280.尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。