一种基于大模型的用户意图多轮消歧与任务确认方法与流程

本发明属于人机交互，具体涉及一种利用大语言模型实现用户自然语言意图的多轮消歧与精准确认方法，可应用于企业级ai助手、智能客服和工业操作辅助等需要准确理解用户需求的场景。

背景技术：

1、ai辅助系统需要准确理解用户意图才能正确执行任务。现有意图理解方法存在以下不足：

2、1. 歧义处理能力弱：用户的自然语言表述常包含多义词、省略和隐含条件，现有系统通常只选择置信度最高的单一解读，忽略其他合理解读导致理解偏差；

3、2. 消歧策略简单：部分系统虽能识别歧义但仅通过简单反问"您是指a还是b"处理，对复杂的多维度歧义缺乏系统化的消歧策略；

4、3. 上下文利用不足：多轮对话中的历史信息未被充分利用，每轮交互独立处理导致用户重复提供信息；

5、4. 确认机制缺失：系统在理解意图后直接执行操作而不向用户确认，对于高风险操作增加了误操作风险；

6、5. 个性化适应不足：不同用户的表述习惯和常见需求存在差异，系统未建立用户级的意图理解模型。

7、上述局限导致ai辅助系统在面对模糊或复杂需求时的理解准确率不足，影响用户体验和任务执行效果。

技术实现思路

1、（一）要解决的技术问题

2、针对用户意图歧义处理能力弱、消歧策略简单和确认机制缺失的问题，本发明提出一种基于大语言模型的多轮消歧与任务确认方法，目标实现三轮以内的意图消歧成功率不低于90%，任务确认通过率不低于85%。

3、语义要素提取：从用户输入中提取动作意图、操作对象、约束条件和预期目标四个维度的信息；

4、候选假设生成：对存在多种解读的维度生成候选意图假设；

5、上下文补全：利用对话历史补全指代词和省略成分；

6、合理性校验：基于领域知识排除不合理假设。

7、区分度分析：识别能有效区分候选假设的关键信息缺口；

8、问题生成：生成自然流畅的消歧问题，提供选项式回答；

9、假设更新：根据用户回答更新置信度分布；

10、迭代收窄：重复消歧直至意图明确。

11、任务结构化：将意图转化为结构化任务描述；

12、确认呈现：以自然语言呈现任务确认摘要；

13、部分修正：支持用户部分确认部分修正。

14、1. 意图理解准确率提升：多维度解析与系统化消歧使意图理解准确率显著提升；

15、2. 用户交互体验改善：自然流畅的消歧问题和选项式回答降低用户交互负担；

16、3. 误操作风险降低：结构化任务确认机制避免系统误解用户意图执行错误操作；

17、4. 消歧效率提升：基于区分度分析的消歧问题设计使大多数歧义在三轮以内解决；

18、5. 个性化理解增强：用户级意图偏好模型使系统对高频用户的理解效率持续提升。

1.一种基于大模型的用户意图多轮消歧与任务确认方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤一中意图解析进一步包括：结合对话历史上下文，对用户当前输入中的指代词和省略成分进行补全，还原完整的语义表达；所述步骤三中任务确认进一步包括：当用户对确认摘要部分认可部分修正时，系统仅对修正部分重新执行意图解析和消歧，保留已确认部分不变。

3.根据权利要求1所述的方法，其特征在于，所述步骤二中消歧问题生成进一步包括：对消歧问题进行用户友好度优化，将技术化的区分条件转化为贴近用户认知的自然语言表述，并提供选项式回答方式降低用户回答门槛；所述方法还包括意图模式学习机制，记录各用户的意图表述习惯和常见需求模式，建立用户级意图先验知识，减少后续交互中的消歧轮次。