CN110704641A 一种万级意图分类方法、装置、存储介质及电子设备 （零犀(北京)科技有限公司）

化学习算法构建的意图决策模型确定用户的真2基于所述多个候选意图以及补全后的对话语境信息，根据抽取的实体与关系，利用预先构建好的全景图谱对所述对话语句进行语境分析，所述利用预先构建好的全景图谱对所述对话语句进行语境分析，补全对话的语境信利用预先构建好的全景图谱对所述对话语句进行文化语境分析，补全用户情绪信息、利用预先构建好的全景图谱对所述对话语句进行场景语境分析，补全对话的场景信利用语义匹配模型和/或意图分类模型对所述对话语句进行语义分析，获得用户的多判断所述第一意图和所述第二意图是否相同，若所述第一意图和所述第二意图不相38.根据权利要求5所述的万级意图分类方法，其将所述对话语句嵌入表示的结果输入到所述语义匹配模型和/或意图分类模型对所述所述首个对话语句以及所述至少一轮澄清对话的澄清4[0008]上述方法基于一种全新的三层人机对话技术框架实现，该框架包括语义理解层、5[0010]上述实现方式通过全景图谱引入领域知识，因此能够对语境[0014]上述实现方式描述了意图决策模型可能的输入和输出，该模型可以进行动态决多个候选意图，包括：利用语义匹配模型和/或意图分类模型对所述对话语句进行语义分[0016]在语义理解层，可以根据需求采用语义匹配模型和意图分类6[0019]上述两种实现方式描述了在语义理解层同时采用语义匹配模型和意图分类模型[0020]在第一方面的一种实现方式中，所述利用语义匹配模型和/或意图分类模型对所语义匹配模型和/或意图分类模型对所述对话语句进行语义分析，获得用户的多个候选意[0022]在第一方面的一种实现方式中，所述获取与用户进行的至少一轮对话的对话语所述首个对话语句以及所述至少一轮澄清对话的澄清改善语义理解层模型的意图分类结果的准确度，进而有利于提高最终的意图决策的准确7[0039]自然人机对话技术的核心问题之一是用户意图识别，一旦机器人(泛指可以与用8语统计特征或分布式向量表示对句子的语义相似性进行匹配的意图识别，或者利用标注语料训练分类模型对意图进行识别，这种综合语义匹配和分类模型两个技术方案的传统语义理解框架基本能够准确识别用户90％以上的意图。但对于万级意图分类需求，由于业务被看似相似的几个业务诉求的文字表达，很可能属于完全不同的意图分类，可以称之为万级框架分类准确度不高，导致语义缠绕问题成为制约自然人机对话系统在大型企业业务场景中成功落地应用的重要因素。思想，基于Bert等预训练模型进行参数微调来提高语义匹配模型或意图分类模型的准确据上下文语言表达环境进行对话状态的动态决策，可以称为多轮自由对话的动态决策问9分类。基于传统框架的认知智能主要依据统计特征或模式来解决语义理解和意图分类问示融合到统计特征空间进行联合学习和建模是解决万级意图分类下的自然人机对话问题义特征表示)中进一步嵌入领域知识相关实体与关系特征，提升语义匹配模型和分类模型[0054]下面将结合图2至图5具体阐述如何在图1的技术框架的基础上实现用户的意图分3中决策判断层的一种具体实现方式。图2至图5中方法都可以由进行人机对话的机器人执如，语句是否有代词(有代词则存在缺失)，语句是否省略了主语或宾语(省略了则存在缺失)，等等。若不存在信息缺失，则可利用语义理解层的模型进行用户意图分类(见步骤及对话所涉及领域的领域知识三个特征维度进行嵌入表示(比如，基于Bert模型的分布式入表示的结果输入到所述语义匹配模型和/或意图分类模型对所述对话语句进行语义分[0097]在万级意图分类装置300的一种实现方式中，所述对话的语境信息包括对话语句中的实体与槽位信息，语义理解模块330利用补全后的对话语境信息补全所述对话语句中[0098]本申请实施例提供的万级意图分类装置300，其实现原理及产生的技术效果在前可编程只读存储器(ProgrammableRead-OnlyMemory，简称PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，简称EPROM)，电可擦除只读存储器信号的处理能力。上述的处理器410可以是通用处理器，包括中央处理器(Central处理器(DigitalSignalProcessor,简称DSP)、专用集成电路(ApplicationSpecific[0102]通信接口430包括一个或多个(图中仅示出一个)，可以用于和其他设备进行直接这些计算机程序指令，以实现本申请实施例提供的万级意图分类方法以及其他期望的功[0108]再者，在本申请各个实施例中的各功能