意图识别方法、装置、设备、存储介质及程序产品与流程

本技术属于数据处理，尤其涉及一种意图识别方法、装置、设备、存储介质及程序产品。

背景技术：

1、随着对话交互技术的发展，对意图识别的要求越来越高。

2、在意图识别的实现过程中，处理效率与成本控制至关重要。意图识别过程需要从海量的意图描述中，定位并确定与用户需求相匹配的意图。然而，当面对较大规模的意图池时，这一过程不仅会导致候选意图的收敛效率低下，还会使计算消耗与成本随着已存储意图数量的增加而持续增长，对意图识别的整体性能造成影响。

3、因此，需要一种提升意图识别效率、优化计算成本的方法。

技术实现思路

1、本技术实施例提供一种意图识别方法、装置、设备、存储介质及程序产品，能够提升意图识别效率、优化计算成本。

2、第一方面，本技术实施例提供一种意图识别方法，方法包括：

3、获取用户查询信息对应的查询向量；

4、从多个意图向量集合中查询与所述查询向量匹配的候选意图向量集合；

5、从所述候选意图向量集合中查询与所述查询向量匹配的候选意图向量；

6、从多轮历史用户对话中提取历史关键意图信息；

7、将所述历史关键意图信息与所述候选意图向量对应的候选意图信息对齐，得到用于区分不同所述候选意图信息的候选意图要点；

8、基于所述用户查询信息、所述历史关键意图信息和所述候选意图要点，从所述候选意图信息中确定目标意图。

9、在一个可以实现的实施方式中，所述候选意图向量集合为意图向量集合中的至少一个，所述意图向量集合是通过以下方式得到：

10、对预先存储的多个意图进行特征映射，得到所述多个意图对应的意图向量；

11、计算每两个所述意图向量之间的意图相似度；

12、根据所述意图相似度，将所述意图向量划分为多个所述意图向量集合。

13、在一个可以实现的实施方式中，从所述候选意图向量集合中查询与所述查询向量匹配的候选意图向量，包括：

14、基于预设的归一化参数，对每个中心相似度进行归一化处理，得到每个所述意图向量集合对应的检索权重，所述中心相似度为所述查询向量与每个所述候选意图向量集合对应的中心向量之间的向量相似度；

15、根据所述检索权重，从所述候选意图向量集合中选取中间意图向量；

16、计算所述查询向量与所述中间意图向量之间的候选相似度；

17、根据所述候选相似度，从所述中间意图向量中确定所述候选意图向量。

18、在一个可以实现的实施方式中，所述意图向量集合对应的中心向量是通过以下方式获得的：

19、根据所述意图向量集合内每个意图向量在预设时间窗口内的命中频率、最近更新时间和预设的权重参数，计算每个所述意图向量对应的第一意图权重；

20、对所述第一意图权重进行归一化处理，得到第二意图权重；

21、根据所述第二意图权重对所述意图向量进行加权计算，得到所述意图向量集合对应的中心向量。

22、在一个可以实现的实施方式中，响应于更新所述意图向量，所述方法还包括：

23、获取所述意图向量集合对应的更新意图向量集合，所述更新意图向量集合包括一个或多个发生更新的更新意图向量；

24、根据所述更新意图向量集合和预设的更新系数，更新所述意图向量集合对应的中心向量。

25、在一个可以实现的实施方式中，根据所述更新意图向量集合和预设的更新系数，更新所述意图向量集合对应的中心向量，包括：

26、根据所述更新意图向量集合内所述更新意图向量的数量，确定所述意图向量集合对应的更新幅度；

27、根据所述意图向量集合中的当前意图向量，计算每个所述意图向量集合对应的当前中心向量；

28、在所述更新幅度小于或等于预设的更新幅度阈值的情况下，根据预设的第一更新权重，对所述当前中心向量和所述意图向量集合在更新前的历史中心向量进行滑动平均计算，得到所述意图向量集合更新后的中心向量；

29、在所述更新幅度大于预设的更新幅度阈值的情况下，根据预设的第二更新权重、更新前的所述意图向量集合和所述更新意图向量集合内所述更新意图向量的数量，对所述当前中心向量和所述意图向量集合在更新前的历史中心向量进行加权平均计算，得到所述意图向量集合更新后的中心向量。

30、在一个可以实现的实施方式中，在所述更新幅度大于预设的更新幅度阈值的情况下，所述意图向量集合更新后的中心向量通过以下公式计算：

31、

32、其中，表示所述意图向量集合更新后的中心向量，表示所述意图向量集合在更新前的历史中心向量，表示所述第二更新权重，表示所述更新意图向量集合，表示所述更新意图向量集合内所述更新意图向量的数量，表示所述更新意图向量集合内第个更新意图向量，为正整数，大于等于1且小于等于所述更新意图向量集合内所述更新意图向量的数量，表示所述更新意图向量集合内所有更新意图向量之和，表示更新前的所述意图向量集合内意图向量的数量。

33、在一个可以实现的实施方式中，所述方法还包括：

34、计算每个所述意图向量集合中不同所述意图向量之间的簇内相似度，并根据所述簇内相似度，计算每个所述意图向量集合对应的簇内相似度平均值；

35、计算分别属于任意两个不同所述意图向量集合中第一意图向量与第二意图向量之间的跨簇相似度；

36、根据所述跨簇相似度，确定每个意图向量对应的跨簇最大相似度；

37、在所述簇内相似度平均值小于预设的簇内阈值，和/或，所述跨簇最大相似度大于预设的簇间阈值的情况下，根据所述簇内相似度平均值和所述跨簇最大相似度，将所述意图向量集合重新划分为至少一个所述意图向量集合，使得簇内相似度平均值大于或等于所述簇内阈值，且，所述跨簇最大相似度小于或等于所述簇间阈值。

38、在一个可以实现的实施方式中，从多轮历史用户对话中提取历史关键意图信息，包括：

39、从所述多轮历史用户对话中提取与用户意图相关的关键信息，所述关键信息包括用户需求、用户确认信息、用户否认信息、偏好信息和约束条件中的至少一种；

40、根据所述关键信息对应的对话时间，为所述关键信息分配时间衰减权重；

41、根据所述时间衰减权重和所述关键信息是否为用户直述，对所述关键信息中的冲突信息进行合并，得到所述历史关键意图信息。

42、在一个可以实现的实施方式中，基于所述用户查询信息、所述历史关键意图信息和所述候选意图要点，从所述候选意图信息中确定目标意图，包括：

43、基于所述用户查询信息、所述历史关键意图信息和所述候选意图要点，生成上下文提示信息；

44、将所述上下文提示信息输入意图识别模型，以使所述意图识别模型基于上下文提示信息进行意图匹配，并输出至少一组待选意图信息，所述待选意图信息包括待选意图、所述待选意图对应的意图置信度和所述待选意图的生成依据信息，所述待选意图的生成依据信息为所述历史关键意图信息和所述用户查询信息中的至少一种；

45、将所述意图置信度与预设置信度阈值进行比较；

46、在所述意图置信度大于所述预设置信度阈值的情况下，将所述意图置信度对应的待选意图确定为所述目标意图。

47、在一个可以实现的实施方式中，在所述意图置信度小于或等于所述预设置信度阈值，或，接收用户报错信息的情况下，所述方法还包括：

48、记录所述查询向量、所述查询向量对应的真实候选意图向量集合和所述目标意图对应的错误候选意图向量集合，得到中心向量更新样本；

49、计算所述查询向量与所述真实候选意图向量集合对应的真实中心向量之间的第一相似度；

50、计算所述查询向量与至少一个错误中心向量之间的第二相似度，所述错误中心向量为所述目标意图对应的错误候选意图向量集合对应的中心向量；

51、确定所述第一相似度和所述第二相似度之间的相似度差值；

52、根据最大的所述相似度差值，确定所述中心向量更新样本对应的混淆边际；

53、对所述混淆边际进行归一化处理，得到所述中心向量更新样本对应的样本权重；

54、根据所述样本权重对各个所述中心向量更新样本中的查询向量进行加权平均计算，得到所述真实中心向量对应的更新向量；

55、根据预设的中心向量更新权重，对所述真实中心向量和所述更新向量进行加权融合，得到更新后的所述真实中心向量。

56、在一个可以实现的实施方式中，所述混淆边际通过以下公式计算得到：

57、

58、其中，为所述中心向量更新样本，表示所述错误候选意图向量集合，表示真实候选意图向量集合，表示所述查询向量，表示最大值函数，用于计算两个向量之间的相似度，表示错误中心向量，表示真实中心向量；

59、所述样本权重通过以下公式计算得到：

60、

61、其中，表示所述中心向量更新样本对应的样本权重，表示预设的样本权重最小值，表示预设的样本权重最大值，表示预设时间范围内所述样本权重的均值，表示预设时间范围内所述样本权重的方差，表示数值限制幅度函数，用于将数值限制在所述样本权重最小值和所述样本权重最大值之间，表示预设的归一化权重，表示非线性映射函数；

62、所述更新后的所述真实中心向量通过以下公式计算得到：

63、

64、其中，表示更新后的所述真实中心向量，表示预设的中心向量更新权重，大于零且小于等于1，表示所述真实中心向量，表示所述中心向量更新样本中的查询向量，表示所有所述中心向量更新样本的样本权重之和。

65、第二方面，本技术实施例提供了一种意图识别装置，装置包括：

66、获取模块，用于获取用户查询信息对应的查询向量；

67、第一查询模块，用于从多个意图向量集合中查询与所述查询向量匹配的候选意图向量集合；

68、第二查询模块，用于从所述候选意图向量集合中查询与所述查询向量匹配的候选意图向量；

69、意图提取模块，用于从多轮历史用户对话中提取历史关键意图信息；

70、对齐模块，用于将所述历史关键意图信息与所述候选意图向量对应的候选意图信息对齐，得到用于区分不同所述候选意图信息的候选意图要点；

71、意图确定模块，用于基于所述用户查询信息、所述历史关键意图信息和所述候选意图要点，从所述候选意图信息中确定目标意图。

72、第三方面，本技术实施例提供了一种意图识别设备，设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如第一方面所述的方法。

73、第四方面，本技术实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面所述的方法。

74、第五方面，本技术实施例提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如第一方面所述的方法。

75、本技术实施例的意图识别方法、装置、设备、存储介质及程序产品，通过从多个意图向量集合中查询与所述查询向量匹配的候选意图向量集合；从所述候选意图向量集合中查询与所述查询向量匹配的候选意图向量，可以实现意图向量集合、候选意图向量集合、候选意图向量分层筛选，无需遍历全部意图，快速聚焦高相关候选意图，减少无效匹配计算，从而提升了识别效率；仅提取多轮对话中的历史关键意图信息，而非全量对话，再通过对齐筛选出区分候选意图信息的候选意图要点，避免冗余信息占用计算资源，降低处理成本。