一种意图预测方法、电子设备及可读存储介质与流程

本公开涉及人工智能，更具体地，涉及一种意图预测方法、一种电子设备、及一种计算机可读存储介质。

背景技术：

1、近年来，随着人工智能的兴起，以对话系统为核心的能力得到了广泛的关注，例如智能客服、智能声控等。

2、对话系统主要包括语音识别、自然语言理解、文本生成、语音合成等多个模块。其中，自然语言理解模块是对话系统的核心，包括意图预测模块、意图识别模块、对话管理模块等。

3、意图预测是为了让对话系统更好地服务用户，提升用户体验而设计的，其核心技术是根据用户的历史行为和用户画像等信息在用户不表述的情况下预测用户当前的意图。

技术实现思路

1、本公开的一个目的是提供一种预测意图的新技术方案。

2、根据本公开的第一方面，提供了一种意图预测方法，包括：

3、获取第一用户输入的第一历史查询文本、及所述第一用户的第一用户画像；

4、根据所述第一历史查询文本和预先设定的多个候选意图，确定与每个文本对一一对应的相似度特征的第一特征值；根据所述第一用户画像确定用户画像特征的第一特征值；其中，所述文本对包括第一历史查询文本和候选意图；

5、根据设定的多个文本领域对所述相似度特征的第一特征值进行聚合编码，得到对应文本领域的第一相似度聚合特征向量；其中，每个文本领域包括至少一个相似度特征；

6、根据设定的多个画像领域对所述用户画像特征的第一特征值进行聚合编码，得到对应画像领域的第一画像聚合特征向量；其中，每个画像领域包括至少一个用户画像特征；

7、根据所述第一相似度聚合特征向量和所述第一画像聚合特征向量，确定与所述第一用户匹配的候选意图，作为预测意图；

8、根据所述预测意图对所述第一用户进行响应。

9、可选的，所述根据所述第一历史查询文本和预先设定的多个候选意图，确定与候选意图一一对应的相似度特征的第一特征值，包括：

10、确定所述第一历史查询文本的第一文本向量；

11、确定每个候选意图的第二文本向量；

12、确定所述第一文本向量和每个候选意图的第二文本向量之间的相似度分数，作为对应相似度特征的第一特征值。

13、可选的，所述根据设定的多个文本领域对所述相似度特征的第一特征值进行聚合编码，得到对应文本领域的第一相似度聚合特征向量，包括：

14、基于预先训练得到的特征编码网络，对每个相似度特征的第一特征值进行编码，得到对应的第一相似度特征向量；

15、基于预先训练得到的特征聚合网络，对属于相同文本领域的相似度特征的第一相似度特征向量进行聚合，得到对应每个文本领域的第一相似度聚合特征向量。

16、可选的，所述方法还包括：

17、在未获取到属于任一文本领域的第一历史查询文本的情况下，将所述任一文本领域对应的第一相似度聚合特征向量设置为缺省值。

18、可选的，所述根据设定的多个画像领域对所述用户画像特征的第一特征值进行聚合编码，得到对应画像领域的第一画像聚合特征向量，包括：

19、基于预先训练得到的特征编码网络，对每个用户画像特征的第一特征值进行编码，得到对应的第一画像特征向量；

20、基于预先训练得到的特征聚合网络，对属于相同画像领域的用户画像特征的第一画像特征向量进行聚合，得到对应画像领域的第一画像聚合特征向量。

21、可选的，所述根据所述第一相似度聚合特征向量和所述第一画像聚合特征向量，确定与所述第一用户匹配的候选意图，作为预测意图，包括：

22、将所述第一相似度聚合特征向量和所述第一画像聚合特征向量输入至预先训练得到的自注意力网络中，得到多个交互特征；

23、对所述多个交互特征进行拼接，得到拼接特征；

24、根据所述拼接特征和预先训练得到的分类网络，得到第一匹配分数向量，所述第一匹配分数向量中的每个元素表示所述第一用户与对应的候选意图的匹配分数；

25、根据所述第一匹配分数向量确定与所述第一用户匹配的候选意图，作为预测意图。

26、可选的，所述方法还包括：

27、获取第二用户的第二用户画像、所述第二用户输入的第二历史查询文本、所述第二用户的实际意图；所述实际意图所多个候选意图中的一个；

28、根据所述第二用户画像、所述第二历史查询文本、及所述实际意图，生成对应第二用户的训练样本；

29、根据所述训练样本训练串联神经网络，更新所述串联神经网络中各网络的网络参数，所述串联神经网络包括依次连接的特征编码网络、特征聚合网络、自注意力网络和所述分类网络。

30、可选的，所述根据所述第二用户画像、所述第二历史查询文本、及所述实际意图，生成对应第二用户的训练样本，包括：

31、根据所述第二用户画像确定用户画像特征的第二特征值，并确定所述第二历史查询文本的相似度特征的第二特征值；

32、根据所述实际意图，得到所述第二用户的第二匹配分数向量；

33、根据所述相似度特征的第二特征值、所述用户画像特征的第二特征值和所述第二匹配分数向量，得到对应第二用户的训练样本。

34、根据本公开的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器用于存储可执行的计算机程序；所述计算机程序用于控制所述处理器执行根据本公开第一方面所述的方法。

35、根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如本公开第一方面所述的方法。

36、通过本公开的实施例，根据第一用户输入的第一历史查询文本和预先设定的多个候选意图，确定与每个第一历史查询文本和候选意图所构成的文本对一一对应的相似度特征的第一特征值，根据第一用户的第一用户画像确定用户画像特征的第一特征值；根据多个文本领域对相似度特征的第一特征值进行聚合编码，得到对应每个文本领域的第一相似度聚合特征向量，根据多个画像领域对用户画像特征的第一特征值进行聚合编码，得到对应每个画像领域的第一画像聚合特征向量；再根据第一相似度聚合特征向量和第一画像聚合特征向量，确定与第一用户匹配的候选意图，可以根据第一用户的历史行为和用户画像等信息，在第一用户不表述的情况下准确地预测第一用户的意图。此外，在准确预测第一用户的意图的基础上，可以快速地为第一用户提供相应的解决方案，有效降低进线的转人工率。

37、通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

技术特征：

1.一种意图预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一历史查询文本和预先设定的多个候选意图，确定与候选意图一一对应的相似度特征的第一特征值，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据设定的多个文本领域对所述相似度特征的第一特征值进行聚合编码，得到对应文本领域的第一相似度聚合特征向量，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述根据设定的多个画像领域对所述用户画像特征的第一特征值进行聚合编码，得到对应画像领域的第一画像聚合特征向量，包括：

6.根据权利要求3至5中任一项所述的方法，其特征在于，所述根据所述第一相似度聚合特征向量和所述第一画像聚合特征向量，确定与所述第一用户匹配的候选意图，作为预测意图，包括：

7.根据权利要求6所述方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述根据所述第二用户画像、所述第二历史查询文本、及所述实际意图，生成对应第二用户的训练样本，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储可执行的计算机程序；所述计算机程序用于控制所述处理器执行根据权利要求1至8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至8中任一项所述的方法。

技术总结
本公开提供了一种意图预测方法、电子设备及可读存储介质，方法包括：获取第一用户输入的第一历史查询文本、及第一用户的第一用户画像；根据第一历史查询文本和预先设定的多个候选意图，确定与每个文本对一一对应的相似度特征的第一特征值；根据第一用户画像确定用户画像特征的第一特征值；根据设定的多个文本领域对相似度特征的第一特征值进行聚合编码，得到对应文本领域的第一相似度聚合特征向量；根据设定的多个画像领域对用户画像特征的第一特征值进行聚合编码，得到对应画像领域的第一画像聚合特征向量；根据第一相似度聚合特征向量和第一画像聚合特征向量，确定与第一用户匹配的候选意图，作为预测意图；根据预测意图对第一用户进行响应。

技术研发人员：周乾琳,曹智泉,陈见耸,陈炜
受保护的技术使用者：汉海信息技术（上海）有限公司
技术研发日：
技术公布日：2024/3/17