用户意图识别方法、装置、电子设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种用户意图识别方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.在智能问答领域中，基于意图识别模型为基础的任务型机器人具有广泛的应用场景，可用于售前咨询、售后服务以及产品销售等。目前主流的意图识别模型主要基于对客户的输入文本进行语义分类，这种方法在意图类别比较少同时客户的输入文本流畅度较高(或asr语音转写正确率高)的情况下模型分类效果比较好。但目前更广泛且方便的交互方式为客户通过语音输入与对话系统交互，在客户语音输入噪声大的情况或用户表达不清楚时，导致asr转写正确率低，这就使得基于分类的意图识别模型对用户意图识别准确率较低。


技术实现要素：

3.本发明提供一种用户意图识别方法、装置及计算机可读存储介质，其主要目的在于解决用户意图识别准确率较低的问题。
4.为实现上述目的，本发明提供的一种用户意图识别方法，包括：
5.根据用户会话数据得到用户会话文本；
6.基于所述用户会话文本查找预设的标准问答库，得到标准问题文本；
7.对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列；
8.利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵；
9.计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
10.可选地，所述根据用户会话数据得到用户会话文本，包括：
11.判断所述用户会话数据的数据类型；
12.在所述用户会话数据的数据类型为语音数据时，利用预设的语音接口调用语音转换工具，并根据所述语音转换工具将所述语音数据转换为文本数据；
13.汇总所有文本数据，得到所述用户会话文本。
14.可选地，所述基于所述用户会话文本查找预设的标准问答库，得到标准问题文本，包括：
15.对所述用户会话文本进行分词处理，并除去停用词，得到分词结果；
16.从所述分词结果中挑选出一个或多个关键词，根据所述关键词匹配所述预设的标准问答库中的标准问题；
17.汇总匹配到的所有标准问题，得到所述标准问题文本。
18.可选地，所述对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列，包括：
19.利用预设的编码算法将所述用户会话文本及所述标准问题文本进行编码，得到标识字符串；
20.利用预设的语言模型对所述标识字符串序列化，得到所述会话序列及所述问题序列。
21.可选地，所述利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵，包括：
22.对所述会话序列及所述问题序列进行特征增强；
23.计算增强后的会话序列及问题序列的行向量相似度，得到会话相似度矩阵，计算增强后的问题序列及会话序列的行向量相似度，得到问题相似度矩阵；
24.利用预设的核函数分别对所述会话相似度矩阵及所述问题相似度矩阵进行维度转换，得到所述标准会话矩阵及所述标准问题矩阵。
25.可选地，所述计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，包括：
26.利用预构建的语义特征提取层的编码器及解码器，对所述标准会话矩阵及所述标准问题矩阵中的向量进行整合，得到会话输出序列及问题输出序列；
27.拼接所述会话输出序列及问题输出序列，并利用预设的相似预测层计算所述会话输出序列及所述问题输出序列的相似度，得到所述相似度分数。
28.可选地，所述根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端，包括：
29.提取最高相似度分数的标准问题，并基于所述标准问题查找所述标准问答库中的标准答案；
30.将所述标准答案进行语音转化，得到所述标准回复，并将所述标准回复发送至回复终端。
31.为了解决上述问题，本发明还提供一种用户意图识别装置，所述装置包括：
32.文本转换模块，用于根据用户会话数据得到用户会话文本；
33.问题查找模块，用于基于所述用户会话文本查找预设的标准问答库，得到标准问题文本；
34.序列编码模块，用于对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列；
35.矩阵计算模块，用于利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵；
36.问答回复模块，用于计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
37.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：
38.存储器，存储至少一个指令；及
39.处理器，执行所述存储器中存储的指令以实现上述所述的用户意图识别方法。
40.为了解决上述问题，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
储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的用户意图识别方法。
41.本发明实施例基于用户会话文本查找预设的标准问答库，可以得到所述用户会话文本对应的标准问题文本，进一步将所述用户会话文本及所述标准问题文本序列化，可以提高模型的泛化能力，并且，通过将所述会话序列及所述问题序列进行交互计算，使得得到的标准会话矩阵及标准问题矩阵中的向量信息更加丰富，即使用户的语义不明或文本转化不太准确时，也能匹配到比较准确的答案，提高了根据用户问题匹配标准答案的准确率。因此，本发明提出的用户意图识别方法、装置、电子设备及计算机可读存储介质，可以解决用户意图识别准确率较低的问题。
附图说明
42.图1为本发明一实施例提供的用户意图识别方法的流程示意图；
43.图2为图1中其中一个步骤的详细实施流程示意图；
44.图3为图1中另一个步骤的详细实施流程示意图；
45.图4为图1中另一个步骤的详细实施流程示意图；
46.图5为图1中另一个步骤的详细实施流程示意图；
47.图6为本发明一实施例提供的用户意图识别装置的功能模块图；
48.图7为本发明一实施例提供的实现所述用户意图识别方法的电子设备的结构示意图。
49.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
50.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
51.本技术实施例提供一种用户意图识别方法。所述用户意图识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述用户意图识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
52.参照图1所示，为本发明一实施例提供的用户意图识别方法的流程示意图。在本实施例中，所述用户意图识别方法包括：
53.s1、根据用户会话数据得到用户会话文本。
54.本发明实施例中，所述用户会话数据可以为智能问答应用场景下，用户对于产品情况、售后服务等提出的问题，比如，银行领域中，用户a询问关于贷款产品情况时，则所述用户会话数据可以为“我问下你们那贷款一般多少钱”。
55.具体地，参照图2所示，所述根据用户会话数据得到用户会话文本，包括：
56.s10、判断所述用户会话数据的数据类型；
57.s11、在所述用户会话数据的数据类型为语音数据时，利用预设的语音接口调用语音转换工具，并根据所述语音转换工具将所述语音数据转换为文本数据；
58.s12、汇总所有文本数据，得到所述用户会话文本。
59.本发明实施例中，预设的语音接口中包括语音协议，当所述原始数据为语音数据时，所述语音接口利用所述语音协议调用语音转换工具。所述语音转换工具可以为第三方工具，比如讯飞语音转换工具。
60.本发明实施例通过将所述用户会话数据转化为文本数据，提高了对用户会话数据中用户意图识别的准确率。
61.s2、基于所述用户会话文本查找预设的标准问答库，得到标准问题文本。
62.本发明实施例中，所述标准问答库包括标准问题及标准答案，比如，银行领域中，所述标准问题可以为“咨询贷款额度”，对应的标准答案可以为“本行的贷款额度根据用户的信用等级进行划分，
…”
。
63.具体地，参照图3所示，所述基于所述用户会话文本查找预设的标准问答库，得到标准问题文本，包括：
64.s20、对所述用户会话文本进行分词处理，并除去停用词，得到分词结果；
65.s21、从所述分词结果中挑选出一个或多个关键词，根据所述关键词匹配所述预设的标准问答库中的标准问题；
66.s22、汇总匹配到的所有标准问题，得到所述标准问题文本。
67.本发明实施例中，可以使用预设的语言处理算法对所述用户会话文本进行分词处理并提取关键词，所述预设的语言处理算法可以为textrank、基于语义的关键词提取算法等。比如，基于用户a的问题“我问下你们那贷款一般多少钱”，提取其中的关键词“贷款”，并基于所述关键词“贷款”匹配出所述标准问答库中的标准问题为“咨询贷款额度”、“咨询贷款期限”等。由于用户的表达习惯、口音等各不相同，通过提取所述用户会话文本中的关键词来查找标准问题，能提高对用户意图识别的准确率，同时通过关键词预先筛选出标准问题，也能进一步提升模型的推理速度。
68.s3、对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列。
69.详细地，参照图4所示，所述对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列，包括：
70.s30、利用预设的编码算法将所述用户会话文本及所述标准问题文本进行编码，得到标识字符串；
71.s31、利用预设的语言模型对所述标识字符串序列化，得到所述会话序列及所述问题序列。
72.本发明实施例中，所述预设的编码算法可以为文本领域常用的token化算法，比如，基于训练语料构建字典或者直接使用预训练模型的字典，然后对文本进行数字化编码。利用所述编码算法将所述用户会话文本及所述标准问题文本转化成标识(token)字符串，其中，每个字符被称为token。所述预设的语言模型可以为bert模型，所述序列化是指将所述标识(token)字符串中的每个字符用向量表示，并基于生成的向量得到序列，比如，对于将所述用户会话文本编码后的标识字符串，利用所述bert模型获取每个token的上下字符，得到字符向量(向量维度可以为d)，汇总所有的字符向量得到会话序列q，同理可得到问题序列r(其中的向量维度也为d)。
73.本发明实施例中，通过将所述用户会话文本及所述标准问题文本序列化，提高了
模型的泛化能力。
74.s4、利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵。
75.具体地，参照图5所示，所述利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵，包括：
76.s40、对所述会话序列及所述问题序列进行特征增强；
77.s41、计算增强后的会话序列及问题序列的行向量相似度，得到会话相似度矩阵，计算增强后的问题序列及会话序列的行向量相似度，得到问题相似度矩阵；
78.s42、利用预设的核函数分别对所述会话相似度矩阵及所述问题相似度矩阵进行维度转换，得到所述标准会话矩阵及所述标准问题矩阵。
79.其中，可以通过预构建的语义特征提取层对所述会话序列及所述问题序列进行特征增强，所述预构建的语义特征提取层可以为基于注意力机制的transformer层，所述transformer层包括多层encoder-decoder(编码器-解码器)架构，所述encoder(编码器)中包括self-attention(自注意力机制)层及前馈神经网络，所述self-attention(自注意力机制)层可以加强各序列间的关系(通过各序列间的长短距离来实现)，所述前馈神经网络用于提高各序列间的并行交互能力。所述decoder(解码器)包括multi-head attention(多头注意力机制)层，所述multi-head attention层能捕捉到更丰富的向量特征信息。利用所述语义特征提取层能够加强向量特征，并提高并行计算能力。
80.本发明实施例中，以用户会话文本长度为n，标准问题长度为m为例，通过所述核函数匹配层首先计算会话序列q和问题序列r的每一行向量的相似度(可以为cos相似度)，则得到n*m的相似度矩阵m，然后通过k个核函数(可以为rbf函数)对所述相似度矩阵m进行计算，得到维度为k*n*m的矩阵k，将矩阵k与序列r(也是一个矩阵，由于假设标准问题长度为m，故维度为m*d)相乘，得到维度为k*n*d的矩阵z，最后将所述矩阵z中的向量进行求和得到维度为n*d的标准会话矩阵f并输出，同理可得维度为m*d的标准问题矩阵。
81.本发明实施例通过所述预构建的核函数匹配层将所述会话序列及所述问题序列进行交互计算，使得得到的标准会话矩阵及标准问题矩阵中的向量信息更加丰富，提高了根据用户问题匹配标准答案的准确率。
82.s5、计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
83.具体地，所述计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，包括：
84.利用预构建的语义特征提取层的编码器及解码器，对所述标准会话矩阵及所述标准问题矩阵中的向量进行整合，得到会话输出序列及问题输出序列；
85.拼接所述会话输出序列及问题输出序列，并利用预设的相似预测层计算所述会话输出序列及所述问题输出序列的相似度，得到所述相似度分数。
86.本发明实施例中，所述预构建的语义特征提取层也可以为transformer层，利用所述transformer层中的编码器及解码器对所述标准会话矩阵及所述标准问题矩阵中每个向量的上下向量进行整合，得到会话输出矩阵及问题输出矩阵，并选取所述会话输出矩阵及所述问题输出矩阵中的第一个序列作为所述会话输出序列及所述问题输出序列。所述预设的相似预测层可以为dense层，所述dense层将所述会话输出序列及所述问题输出序列经过
非线性变化,提取所述会话输出序列及所述问题输出序列之间的关联性，并基于所述关联性计算序列之间的相似度。
87.具体地，所述根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端，包括：
88.提取最高相似度分数的标准问题，并基于所述标准问题查找所述标准问答库中的标准答案；
89.将所述标准答案进行语音转化，得到所述标准回复，并将所述标准回复发送至回复终端。
90.其中，由于用户的会话文本会匹配到多个标准问题，从而会计算出多个相似度分数，选取最高相似度分数的标准问题，并在所述标准问答库中查找到对应的标准答案，将所述标准答案转化为语音回复(即所述标准回复)上传至回复终端。
91.本发明实施例基于用户会话文本查找预设的标准问答库，可以得到所述用户会话文本对应的标准问题文本，进一步将所述用户会话文本及所述标准问题文本序列化，可以提高模型的泛化能力，并且，通过将所述会话序列及所述问题序列进行交互计算，使得得到的标准会话矩阵及标准问题矩阵中的向量信息更加丰富，即使用户的语义不明或文本转化不太准确时，也能匹配到比较准确的答案，提高了根据用户问题匹配标准答案的准确率。因此本发明实施例可以解决用户意图识别准确率较低的问题。
92.如图6所示，是本发明一实施例提供的用户意图识别装置的功能模块图。
93.本发明所述用户意图识别装置100可以安装于电子设备中。根据实现的功能，所述用户意图识别装置100可以包括文本转换模块101、问题查找模块102、序列编码模块103、矩阵计算模块104及问答回复模块105。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。
94.在本实施例中，关于各模块/单元的功能如下：
95.所述文本转换模块101，用于根据用户会话数据得到用户会话文本。
96.本发明实施例中，所述用户会话数据可以为智能问答应用场景下，用户对于产品情况、售后服务等提出的问题，比如，银行领域中，用户a询问关于贷款产品情况时，则所述用户会话数据可以为“我问下你们那贷款一般多少钱”。
97.具体地，所述文本转换模块101通过下述操作得到用户会话文本：
98.判断所述用户会话数据的数据类型；
99.在所述用户会话数据的数据类型为语音数据时，利用预设的语音接口调用语音转换工具，并根据所述语音转换工具将所述语音数据转换为文本数据；
100.汇总所有文本数据，得到所述用户会话文本。
101.本发明实施例中，预设的语音接口中包括语音协议，当所述原始数据为语音数据时，所述语音接口利用所述语音协议调用语音转换工具。所述语音转换工具可以为第三方工具，比如讯飞语音转换工具。
102.进一步地，本发明实施例中，通过将所述用户会话数据转化为文本数据，提高了对用户会话数据中用户意图识别的准确率。
103.所述问题查找模块102，用于基于所述用户会话文本查找预设的标准问答库，得到
标准问题文本。
104.本发明实施例中，所述标准问答库包括标准问题及标准答案，比如，银行领域中，所述标准问题可以为“咨询贷款额度”，对应的标准答案可以为“本行的贷款额度根据用户的信用等级进行划分，
…”
。
105.具体地，所述问题查找模块102通过下述操作得到标准问题文本：
106.对所述用户会话文本进行分词处理，并除去停用词，得到分词结果；
107.从所述分词结果中挑选出一个或多个关键词，根据所述关键词匹配所述预设的标准问答库中的标准问题；
108.汇总匹配到的所有标准问题，得到所述标准问题文本。
109.本发明实施例中，可以使用预设的语言处理算法对所述用户会话文本进行分词处理并提取关键词，所述预设的语言处理算法可以为textrank、基于语义的关键词提取算法等。比如，基于用户a的问题“我问下你们那贷款一般多少钱”，提取其中的关键词“贷款”，并基于所述关键词“贷款”匹配出所述标准问答库中的标准问题为“咨询贷款额度”、“咨询贷款期限”等。由于用户的表达习惯、口音等各不相同，通过提取所述用户会话文本中的关键词来查找标准问题，能提高对用户意图识别的准确率，同时通过关键词预先筛选出标准问题，也能进一步提升模型的推理速度。
110.所述序列编码模块103，用于对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列。
111.详细地，所述序列编码模块103通过下述操作得到会话序列及问题序列：
112.利用预设的编码算法将所述用户会话文本及所述标准问题文本进行编码，得到标识字符串；
113.利用预设的语言模型对所述标识字符串序列化，得到所述会话序列及所述问题序列。
114.本发明实施例中，所述预设的编码算法可以为文本领域常用的token化算法，比如，基于训练语料构建字典或者直接使用预训练模型的字典，然后对文本进行数字化编码。利用所述编码算法将所述用户会话文本及所述标准问题文本转化成标识(token)字符串，其中，每个字符被称为token。所述预设的语言模型可以为bert模型，所述序列化是指将所述标识(token)字符串中的每个字符用向量表示，并基于生成的向量得到序列，比如，对于将所述用户会话文本编码后的标识字符串，利用所述bert模型获取每个token的上下字符，得到字符向量(向量维度可以为d)，汇总所有的字符向量得到会话序列q，同理可得到问题序列r(其中的向量维度也为d)。
115.本发明实施例中，通过将所述用户会话文本及所述标准问题文本序列化，提高了模型的泛化能力。
116.所述矩阵计算模块104，用于利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵。
117.具体地，所述矩阵计算模块104通过下述操作得到标准会话矩阵及标准问题矩阵：
118.对所述会话序列及所述问题序列进行特征增强；
119.计算增强后的会话序列及问题序列的行向量相似度，得到会话相似度矩阵，计算增强后的问题序列及会话序列的行向量相似度，得到问题相似度矩阵；
120.利用预设的核函数分别对所述会话相似度矩阵及所述问题相似度矩阵进行维度转换，得到所述标准会话矩阵及所述标准问题矩阵。
121.其中，可以通过预构建的语义特征提取层对所述会话序列及所述问题序列进行特征增强，所述预构建的语义特征提取层可以为基于注意力机制的transformer层，所述transformer层包括多层encoder-decoder(编码器-解码器)架构，所述encoder(编码器)中包括self-attention(自注意力机制)层及前馈神经网络，所述self-attention(自注意力机制)层可以加强各序列间的关系(通过各序列间的长短距离来实现)，所述前馈神经网络用于提高各序列间的并行交互能力。所述decoder(解码器)包括multi-head attention(多头注意力机制)层，所述multi-head attention层能捕捉到更丰富的向量特征信息。利用所述语义特征提取层能够加强向量特征，并提高并行计算能力。
122.本发明实施例中，以用户会话文本长度为n，标准问题长度为m为例，通过所述核函数匹配层首先计算会话序列q和问题序列r的每一行向量的相似度(可以为cos相似度)，则得到n*m的相似度矩阵m，然后通过k个核函数(可以为rbf函数)对所述相似度矩阵m进行计算，得到维度为k*n*m的矩阵k，将矩阵k与序列r(也是一个矩阵，由于假设标准问题长度为m，故维度为m*d)相乘，得到维度为k*n*d的矩阵z，最后将所述矩阵z中的向量进行求和得到维度为n*d的标准会话矩阵f并输出，同理可得维度为m*d的标准问题矩阵。
123.本发明实施例通过所述预构建的核函数匹配层将所述会话序列及所述问题序列进行交互计算，使得得到的标准会话矩阵及标准问题矩阵中的向量信息更加丰富，提高了根据用户问题匹配标准答案的准确率。
124.所述问答回复模块105，用于计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
125.具体地，所述问答回复模块105通过下述操作计算所述标准会话矩阵及所述标准问题矩阵的相似度分数：
126.利用预构建的语义特征提取层的编码器及解码器，对所述标准会话矩阵及所述标准问题矩阵中的向量进行整合，得到会话输出序列及问题输出序列；
127.拼接所述会话输出序列及问题输出序列，并利用预设的相似预测层计算所述会话输出序列及所述问题输出序列的相似度，得到所述相似度分数。
128.本发明实施例中，所述预构建的语义特征提取层也可以为transformer层，利用所述transformer层中的编码器及解码器对所述标准会话矩阵及所述标准问题矩阵中每个向量的上下向量进行整合，得到会话输出矩阵及问题输出矩阵，并选取所述会话输出矩阵及所述问题输出矩阵中的第一个序列作为所述会话输出序列及所述问题输出序列。所述预设的相似预测层可以为dense层，所述dense层将所述会话输出序列及所述问题输出序列经过非线性变化,提取所述会话输出序列及所述问题输出序列之间的关联性，并基于所述关联性计算序列之间的相似度。
129.具体地，所述问答回复模块105通过下述操作得到标准回复，并将所述标准回复发送至回复终端：
130.提取最高相似度分数的标准问题，并基于所述标准问题查找所述标准问答库中的标准答案；
131.将所述标准答案进行语音转化，得到所述标准回复，并将所述标准回复发送至回复终端。
132.其中，由于用户的会话文本会匹配到多个标准问题，从而会计算出多个相似度分数，选取最高相似度分数的标准问题，并在所述标准问答库中查找到对应的标准答案，将所述标准答案转化为语音回复(即所述标准回复)上传至回复终端。
133.如图7所示，是本发明一实施例提供的实现用户意图识别方法的电子设备的结构示意图。
134.所述电子设备1可以包括处理器10、存储器11和总线，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，如用户意图识别程序12。
135.其中，所述存储器11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、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1的内部存储单元，例如该电子设备1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1的外部存储设备，例如电子设备1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1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1的应用软件及各类数据，例如用户意图识别程序12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。
136.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(control unit)，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(例如用户意图识别程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
137.所述总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，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。
138.图7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7示出的结构并不构成对所述电子设备1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。
139.例如，尽管未示出，所述电子设备1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1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。
140.进一步地，所述电子设备1还可以包括网络接口，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1与其他电子设备之间建立通信连接。
141.可选地，该电子设备1还可以包括用户接口，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1中处理的信息以及用于显示可视化的用户界面。
142.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。
143.所述电子设备1中的所述存储器11存储的用户意图识别程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
144.根据用户会话数据得到用户会话文本；
145.基于所述用户会话文本查找预设的标准问答库，得到标准问题文本；
146.对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列；
147.利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵；
148.计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
149.具体地，所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述，在此不赘述。
150.进一步地，所述电子设备1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，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：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)。
151.本发明还提供一种计算机可读存储介质，所述可读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：
152.根据用户会话数据得到用户会话文本；
153.基于所述用户会话文本查找预设的标准问答库，得到标准问题文本；
154.对所述用户会话文本及所述标准问题文本进行序列编码，得到会话序列及问题序列；
155.利用预构建的核函数匹配层分别对所述会话序列及所述问题序列进行交互计算，得到标准会话矩阵及标准问题矩阵；
156.计算所述标准会话矩阵及所述标准问题矩阵的相似度分数，根据所述相似度分数查找所述标准问答库，得到标准回复，并将所述标准回复发送至回复终端。
157.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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。
158.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。
159.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。
160.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。
161.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
162.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
163.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
164.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。