基于意图识别的智能寻人方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于意图识别的智能寻人方法、装置、设备及计算机可读存储介质。


背景技术：

2.随着语音识别技术的发展，语音指令成为人工智能技术中常见的操控技术，例如通过语音进行智能家居控制、机器人问答交互等。
3.然而，在通讯录智能寻人领域时，由于在对用户的输入语音翻译时，可能出现个别字的偏差，通过寻找“找、找一下”等关键字进行查询的方式，容易出现寻文件时，错误触发了寻人程序的情况，或在寻人程序下，出现错误的查询结果，例如“找**”变成了“赵**”，无法准确得到用户想要查询的结果。


技术实现要素：

4.本发明提供一种基于意图识别的智能寻人方法、装置、设备及存储介质，其主要目的在于通过识别用户意图意图识别，精确寻人指令，提高通讯录智能寻人的准确性。
5.为实现上述目的，本发明提供的一种基于意图识别的智能寻人方法，包括：
6.获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指令；
7.根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值；
8.当所述文本指令的字符串长度大于或等于所述预设阈值时，则利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名；
9.当所述文本指令的字符串长度小于所述预设阈值时，利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名；
10.根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
11.可选的，所述利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别之前，所述方法还包括：
12.获取预构建的的语句样本集合及预构建的寻人意图识别模型；
13.依次从所述语句样本集合中提取一个语句样本，并利用所述寻人意图识别模型对所述语句样本进行二分类语义识别，得到意图类型；
14.当所述意图类型为预设的非寻人意图时，利用所述寻人意图识别模型的输出层，输出预设的空白人名字符作为预测人名；
15.当所述意图类型为预设的寻人意图时，获取所述语句样本对应的拼音化字符，并利用所述寻人意图识别模型对所述拼音化字符进行人名置信度评估，并根据置信度评估结果，筛选置信度分数最高的词语作为预测人名；
16.利用预构建的意图-人名组合交叉熵损失函数，对所述意图类别及所述预测人名
进行损失值计算，得到组合损失值，并最小化所述组合损失值，得到所述组合损失值最小时的模型组合参数；
17.利用前反馈神经网络对所述模型组合参数进行网络逆向更新，得到更新寻人意图识别模型；
18.判断所述组合损失值是否小于预设的合格阈值；
19.当所述组合损失值大于所述合格阈值时，返回上述依次从所述语句样本集合中提取一个语句样本的步骤，对所述更新寻人意图识别模型进行迭代更新；
20.当所述组合损失值小于或等于所述合格阈值时，将最终优化的更新寻人意图识别模型作为训练完成的寻人意图识别模型。
21.可选的，所述利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名，包括：
22.利用分词工具对所述文本指令进行分词操作，并将分词结果进行词性标注及顺序排列操作，得到分词结果集合；
23.对所述分词结果集合进行人名筛选，得到目标人名。
24.可选的，所述根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息，包括：
25.判断所述目标人名的来源；
26.当所述目标人名来自所述寻人意图识别模型时，根据预设的查询策略对所述目标人名进行通信录查询，得到所述目标人名对应的公开信息；
27.当所述目标人名来自所述分词工具时，判断所述目标人名是否为空集；
28.当所述分词工具得到的目标人名为空集时，生成非寻人意图的提示信息；
29.当所述分词工具得到的目标人名为非空集时，对所述目标人名进行通讯录精确匹配操作；
30.判断所述目标人名是否实现精确匹配；
31.当所述目标人名实现精确匹配，输出所述目标人名对应的公开信息；
32.当所述目标人名未实现精确匹配，利用所述寻人意图识别模型所述文本指令进行人名识别，并查询得到所述目标人名对应的公开信息。
33.可选的，所述根据预设的查询策略对所述目标人名进行通信录查询，得到所述目标人名对应的公开信息，包括：
34.根据预设的查询策略，将所述目标人名进行拼音化，得到原始拼音，并将所述原始拼音进行前后鼻音转化，得到转化拼音；
35.根据所述原始拼音及所述转化拼音，对预构建的通讯录进行字符串精确查询，得到查询人物集合，并将所述查询人物集合中各个人名的公开信息进行展示。
36.为了解决上述问题，本发明还提供一种基于意图识别的智能寻人装置，所述装置包括：
37.文本获取模块，用于获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指令；
38.字符长度筛选模块，用于根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值，及当所述文本指令的字符串长度大于或等于所述预设阈值时，则
利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名；
39.意图识别人名模块，用于当所述文本指令的字符串长度小于所述预设阈值时，利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名；
40.数据查询模块，用于根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
41.可选的，所述利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别之前，所述方法还包括：
42.获取预构建的的语句样本集合及预构建的寻人意图识别模型；
43.依次从所述语句样本集合中提取一个语句样本，并利用所述寻人意图识别模型对所述语句样本进行二分类语义识别，得到意图类型；
44.当所述意图类型为预设的非寻人意图时，利用所述寻人意图识别模型的输出层，输出预设的空白人名字符作为预测人名；
45.当所述意图类型为预设的寻人意图时，获取所述语句样本对应的拼音化字符，并利用所述寻人意图识别模型对所述拼音化字符进行人名置信度评估，并根据置信度评估结果，筛选置信度分数最高的词语作为预测人名；
46.利用预构建的意图-人名组合交叉熵损失函数，对所述意图类别及所述预测人名进行损失值计算，得到组合损失值，并最小化所述组合损失值，得到所述组合损失值最小时的模型组合参数；
47.利用前反馈神经网络对所述模型组合参数进行网络逆向更新，得到更新寻人意图识别模型；
48.判断所述组合损失值是否小于预设的合格阈值；
49.当所述组合损失值大于所述合格阈值时，返回上述依次从所述语句样本集合中提取一个语句样本的步骤，对所述更新寻人意图识别模型进行迭代更新；
50.当所述组合损失值小于或等于所述合格阈值时，将最终优化的更新寻人意图识别模型作为训练完成的寻人意图识别模型。
51.可选的，所述利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名，包括：
52.利用分词工具对所述文本指令进行分词操作，并将分词结果进行词性标注及顺序排列操作，得到分词结果集合；
53.对所述分词结果集合进行人名筛选，得到目标人名。
54.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：
55.至少一个处理器；以及，
56.与所述至少一个处理器通信连接的存储器；其中，
57.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基于意图识别的智能寻人方法。
58.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基于意图识别的智能寻人方法。
59.本发明实施例获取用户的输入语音并转化为文本指令，然后通过限定字符串长度的方法，将长字符的文本指令进行分词查询，得到目标人名，而短字符的文本指令通过预训练的寻人意图识别模型进行识别，其中，所述寻人意图识别为二分类网络与人名置信度识别网络组合的神经网络模型，其中，二分类网络用于判断用户意图是否进入寻人程序，而所述人名置信度识别网络用于通过计算置信度将语句进行划分，可以增加人名识别的准确性与完整性，从而增加通讯录智能寻人的准确性；而通过长短字符串地分开查询的方式，可以避免所述寻人意图识别模型对长字符串的文本指令进行解析，增加了智能寻人过程的速度。因此，本发明实施例提供的一种基于意图识别的智能寻人方法、装置、设备及存储介质，能够在于通过识别用户意图意图识别，精确寻人指令，提高通讯录智能寻人的准确性。
附图说明
60.图1为本发明一实施例提供的基于意图识别的智能寻人方法的流程示意图；
61.图2为本发明一实施例提供的基于意图识别的智能寻人方法中一个步骤的详细流程示意图；
62.图3为本发明一实施例提供的基于意图识别的智能寻人方法中一个步骤的详细流程示意图；
63.图4为本发明一实施例提供的基于意图识别的智能寻人方法中一个步骤的详细流程示意图；
64.图5为本发明一实施例提供的基于意图识别的智能寻人装置的功能模块图；
65.图6为本发明一实施例提供的实现所述基于意图识别的智能寻人方法的电子设备的结构示意图。
66.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
67.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。
68.本技术实施例提供一种基于意图识别的智能寻人方法。本技术实施例中，所述基于意图识别的智能寻人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，所述基于意图识别的智能寻人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。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
69.参照图1所示，为本发明一实施例提供的基于意图识别的智能寻人方法的流程示意图。在本实施例中，所述基于意图识别的智能寻人方法包括：
70.s1、获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指
令。
71.本发明实施例中，在用户进行常见问题解答(frequently-asked questions，简称faq)功能时，获取到的用户语音作为所述输入语音。
72.然后通过语音文本转换(voice-to-text)技术将所述输入语音进行语音转文本操作，得到文本指令。
73.s2、根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值。
74.应当知道，由于语音输入长度越大，翻译结果的准确率越高，因而文本指令的字符串长度越长，越容易识别用户意图及对应的目标人名，而字符串长度越小就不容易，例如“找一下**银行**分行的赵a”，则可以较大置信度的识别“赵a”为目标人名，而若是“查找b”，则可能在语音转文本过程中变为“查赵b”，且不断无法确认“b”是否为人名或文件名，也无法确认“赵b”或“b”哪一个是准确度目标人名，因此需要更加准确的识别方式进行判断。
75.因此，本发明实施例中，所述意图识别策略为：查询所述文本指令的字符串长度，将长字符串的文本指令进行分词工具查询，将短字符串的文本指令进行模型查询。
76.当所述文本指令的字符串长度大于或等于所述预设阈值时，则s3、利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名。
77.详细的，参考图2所示，本发明实施例中，所述利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名，包括：
78.s31、利用分词工具对所述文本指令进行分词操作，并将分词结果进行词性标注及顺序排列操作，得到分词结果集合；
79.s32、对所述分词结果集合进行人名筛选，得到目标人名。
80.本发明实施例可以利用jieba分词工具或中文分词系统等工具对所述分词工具进行分词、词性标注及排序操作，得到分词结果集合，然后通过筛选分词结果集合中的各个名词，在从各个名词中筛选人名，得到目标人名，其中，通过分词筛选得到的目标人名为数据集，可能为多个，也可能为空值。
81.当所述文本指令的字符串长度小于所述预设阈值时，s4、利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名。
82.本发明实施例中，所述寻人意图识别模型为基于二分类网络及人名置信度识别网络的神经网络模型。其中，所述二分类网络用于通过语义识别识别用户的动作意图是否为寻人，而所述人名置信度识别网络是截取二到四个字，得到词语，并查看各个词语作为人名的置信度，选取置信度最高的人名作为目标人名。
83.本发明实施例中由于人名的特殊性，例如“国庆”等有可能为节日或者人名，因此需要先对用户的意图进行识别，判断用户是否要查询人物。具体的，本发明实施例将所述文本指令进行量化编码，得到量化文本，再通过特征提取网络对所述量化文本进行卷积、池化及扁平化操作，得到特征序列集合，并将各个特征序列导入所述二分类网络中进行全连接操作，得到组合特征，并识别组合特征的类别是否为寻人、寻地址等预设种类的意图，进行意图分类判断，得到用户的意图类型，当意图类型为非寻人意图时，输出预设的人名字符作
为预测人名，如“null”等。当所述意图类型为寻人意图时，再对所述文本指令进行拼音化，通过所述人名置信度识别网络对拼音化结果进行截取及人名置信度分析，识别得到目标人名。其中，人名置信度包括用户行为习惯、语气停顿等方面进行分析。
84.详细的，人名置信度分析过程中，可以通过预设的2字节框、3字节框及4字节框对用户输入的文本指令进行遍历截取，例如“我要找一下**银行的国庆经理”，得到【2字节：
……“
的国”“国庆”“庆经
”……
；3字节“银行的”“的国庆
”……
；4字节
……
】，然后通过人名置信度查询预设的百家姓列表，及通过各个分词前后词性推断本分词词性，对各个分词进行加权计算，得到各个分词属于人名的置信度。
85.详细的，参考图3所示，本发明实施例中，所述利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别之前，所述方法还包括：
86.s401、获取预构建的的语句样本集合及预构建的寻人意图识别模型；
87.s402、依次从所述语句样本集合中提取一个语句样本，并利用所述寻人意图识别模型对所述语句样本进行二分类语义识别，得到意图类型；
88.s403、判断所述意图类型是否为寻人意图；
89.当所述意图类型为预设的非寻人意图时，s404、利用所述寻人意图识别模型的输出层，输出预设的空白人名字符作为预测人名；
90.当所述意图类型为预设的寻人意图时，s405、获取所述语句样本对应的拼音化字符，并利用所述寻人意图识别模型对所述拼音化字符进行人名置信度评估，并根据置信度评估结果，筛选置信度分数最高的词语作为预测人名；
91.s406、利用预构建的意图-人名组合交叉熵损失函数，对所述意图类别及所述预测人名进行损失值计算，得到组合损失值，并最小化所述组合损失值，得到所述组合损失值最小时的模型组合参数；
92.s407、利用前反馈神经网络对所述模型组合参数进行网络逆向更新，得到更新寻人意图识别模型；
93.s408、判断所述组合损失值是否小于预设的合格阈值；
94.当所述组合损失值大于所述合格阈值时，返回上述s402的步骤，对所述更新寻人意图识别模型进行迭代更新；
95.当所述组合损失值小于或等于所述合格阈值时，s409、将最终优化的更新寻人意图识别模型作为训练完成的寻人意图识别模型。
96.本发明实施例中，所述语句样本集合包括多类型的短语文本，例如，找人意图的文本、查文件意图的文本、单个人名或文件名等。本发明实施例通过预构建的寻人意图识别模型对所述语句样本进行正向传播计算，然后利用前反馈神经网络，通过交叉熵算法、梯度下降方法，将模型的预测人名与意图类型，与所述语句样本对应的真实结果进行组合损失值计算，并将最小化组合损失值对应的模型组合参数进行逆向反馈，对所述寻人意图识别模型进行更新，得到更新寻人意图识别模型。其中，所述交叉熵算法为将二分类网络的交叉熵损失函数与所述人名置信度识别网络的交叉熵损失函数进行权重加权计算得到的，其中，二分类网络的交叉熵损失函数与所述人名置信度识别网络的交叉熵损失函数为softmax中的常见损失函数，此处不加以赘述。
97.本发明在训练过程通过监督所述组合损失值判断训练的进度，当所述组合损失值
小于预设的合格阈值，如0.1，表明所述更新寻人意图识别模型的预测结果的误差较小，训练可以结束，得到训练完成的寻人意图识别模型。
98.s5、根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
99.详细的，参考图4所示，本发明实施例中，所述步骤s5，包括：
100.s51、判断所述目标人名的来源；
101.当所述目标人名来自所述寻人意图识别模型时，s52、根据预设的查询策略对所述目标人名进行通信录查询，得到所述目标人名对应的公开信息；
102.当所述目标人名来自所述分词工具时，s53、判断所述目标人名是否为空集；
103.当所述分词工具得到的目标人名为空集时，s54、生成非寻人意图的提示信息；
104.当所述分词工具得到的目标人名为非空集时，s55、对所述目标人名进行通讯录精确匹配操作；
105.s56、判断所述目标人名是否实现精确匹配；
106.当所述目标人名实现精确匹配，s57、输出所述目标人名对应的公开信息；
107.当所述目标人名未实现精确匹配，s58、利用所述寻人意图识别模型所述文本指令进行人名识别，并查询得到所述目标人名对应的公开信息。
108.本发明实施例中，根据所述目标人名进行通讯录查询的过程可以分为两类，一类为分词模型得到的目标人名，一类为寻人意图识别模型得到的目标人名。其中，分词模型得到的目标人名数量多、名字完整性差，而所述寻人意图识别模型得到的目标人名较为精确，因此需要采用不同方式进行目标人名查询。其中，本发明实施例通过精确匹配的方式进行通讯录查询，是指字符串中的每一个字符全部相对应才算匹配，不能多字符，也不能少字符。
109.而对于模型来源的目标人名来说，本发明实施例中，所述根据预设的查询策略对所述目标人名进行通信录查询，得到所述目标人名对应的公开信息，包括：
110.根据预设的查询策略，将所述目标人名进行拼音化，得到原始拼音，并将所述原始拼音进行前后鼻音转化，得到转化拼音；
111.根据所述原始拼音及所述转化拼音，对预构建的通讯录进行字符串精确查询，得到查询人物集合，并将所述查询人物集合中各个人名的公开信息进行展示。
112.本发明实施例中，当目标人名的拼音为“jinchen”，通过字符串精确，可以从所述通讯录中提取“jinchen”、“zhaojinchen”、“wangjinchen”等包含“jinchen”字符串的各个人物为目标人物，并将目标人物的公开信息进行展示。
113.此外，由于查询人名与查询组织、部门等有异曲同工之处，因此除了查询人名以外，还可以应用于用户语音交互场景下的多种查询服务。
114.本发明实施例获取用户的输入语音并转化为文本指令，然后通过限定字符串长度的方法，将长字符的文本指令进行分词查询，得到目标人名，而短字符的文本指令通过预训练的寻人意图识别模型进行识别，其中，所述寻人意图识别为二分类网络与人名置信度识别网络组合的神经网络模型，其中，二分类网络用于判断用户意图是否进入寻人程序，而所述人名置信度识别网络用于通过计算置信度将语句进行划分，可以增加人名识别的准确性与完整性，从而增加通讯录智能寻人的准确性；而通过长短字符串地分开查询的方式，可以避免所述寻人意图识别模型对长字符串的文本指令进行解析，增加了智能寻人过程的速
度。因此，本发明实施例提供的一种基于意图识别的智能寻人方法，能够在于通过识别用户意图意图识别，精确寻人指令，提高通讯录智能寻人的准确性。
115.如图5所示，是本发明一实施例提供的基于意图识别的智能寻人装置的功能模块图。
116.本发明所述基于意图识别的智能寻人装置100可以安装于电子设备中。根据实现的功能，所述基于意图识别的智能寻人装置100可以包括文本获取模块101、字符长度筛选模块102、意图识别人名模块103及数据查询模块104。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。
117.在本实施例中，关于各模块/单元的功能如下：
118.所述文本获取模块101，用于获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指令；
119.所述字符长度筛选模块102，用于根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值，及当所述文本指令的字符串长度大于或等于所述预设阈值时，则利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名；
120.所述意图识别人名模块103，用于当所述文本指令的字符串长度小于所述预设阈值时，利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名；
121.所述数据查询模块104，用于根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
122.详细地，本技术实施例中所述基于意图识别的智能寻人装置100中所述的各模块在使用时采用与上述图1至图4中所述的基于意图识别的智能寻人方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
123.如图6所示，是本发明一实施例提供的实现基于意图识别的智能寻人方法的电子设备1的结构示意图。
124.所述电子设备1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，如基于意图识别的智能寻人程序。
125.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1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(例如执行基于意图识别的智能寻人程序等)，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。
126.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，例如基于意图识别的智能寻人程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
127.所述通信总线12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。
128.所述通信接口13用于上述电子设备1与其他设备之间的通信，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。
129.图6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6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。
130.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。
131.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。
132.所述电子设备1中的所述存储器11存储的基于意图识别的智能寻人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：
133.获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指令；
134.根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值；
135.当所述文本指令的字符串长度大于或等于所述预设阈值时，则利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名；
136.当所述文本指令的字符串长度小于所述预设阈值时，利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名；
137.根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
138.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。
139.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)。
140.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：
141.获取用户的输入语音，并将所述输入语音进行语音转文本操作，得到文本指令；
142.根据预设的意图识别策略，判断所述文本指令的字符串长度是否大于预设阈值；
143.当所述文本指令的字符串长度大于或等于所述预设阈值时，则利用分词工具对所述文本指令进行分词，并从分词结果中筛选得到目标人名；
144.当所述文本指令的字符串长度小于所述预设阈值时，利用预训练的寻人意图识别模型的二分类网络对所述文本指令进行寻人意图识别，得到意图识别结果，并根据所述意图识别结果及所述寻人意图识别模型中的人名置信度识别网络对所述文本指令进行人名定位，得到目标人名；
145.根据所述目标人名进行通讯录查询，得到所述目标人名对应的公开信息。
146.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。
147.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。
148.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。
149.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。
150.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。
151.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。
152.本技术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、技术及应用系统。
153.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。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
154.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。