一种车辆座舱用户意图分类方法、装置及车辆与流程

本发明涉及自然语言处理，具体涉及一种车辆座舱用户意图分类方法、装置及车辆。

背景技术：

1、随着智能座舱技术的快速发展，车载语音交互系统已成为人机交互的重要方式。车辆座舱用户意图分类作为语音交互系统的核心环节，其准确率直接决定了后续指令执行和信息反馈的质量。

2、目前，现有的用户意图分类方法主要存在以下不足：

3、第一，口语化表达处理能力不足。车载场景下用户的语音输入往往包含大量语气词、填充词及无实义连接词（如“那个”、“嗯”、“就是”等），现有方法通常采用通用停用词表进行简单过滤，缺乏针对口语场景的精细化语义净化机制，导致噪声词汇干扰后续语义理解，降低分类准确率。

4、第二，语义表征能力有限。现有方法多采用词袋模型或简单的词向量平均池化生成文本表征，未能充分考虑不同词性对意图表达的贡献差异，核心意图词汇（如名词、动词）与修饰性词汇（如形容词、副词）被同等对待，导致关键语义信息被稀释。

5、第三，意图类别的泛化覆盖能力不足。现有方法依赖人工维护的固定关键词表进行意图匹配，面对用户多样化的口语表达方式时，难以覆盖同义替换、近义泛化等语言变体，导致召回率偏低，且新增意图类别时需要大量人工标注和配置工作，扩展性差。

6、第四，单一相似度度量方式存在局限性。仅依赖余弦相似度或单一距离度量进行意图匹配，在面对不同规模的意图类别词组集时，难以兼顾方向相似性和绝对距离差异，容易产生误分类。

技术实现思路

1、鉴于上述现有技术的不足，本技术的目的在于提供一种车辆座舱用户意图分类方法、装置及车辆，其旨在解决现有技术中车载语音交互场景下口语化查询文本的意图分类准确率低、语义表征能力弱、意图类别泛化覆盖不足以及单一相似度度量方式易产生误分类的技术问题。

2、第一方面，本技术实施例提供一种车辆座舱用户意图分类方法，应用于车辆座舱的语音交互系统，包括：

3、接收用户通过所述车辆座舱的语音采集模块输入的语音指令，并将所述语音指令转换为原始查询文本；

4、对所述原始查询文本进行语义净化处理，剔除语义贡献度低于预设阈值的冗余词汇，得到净化后文本；

5、对所述净化后文本进行词性加权语义增强处理，生成文本向量；

6、基于预构建的意图类别词组集进行语义泛化扩展，生成各意图类别的基准向量；

7、将所述文本向量分别与各意图类别的基准向量进行双维度相似度计算，加权融合得到各意图类别的综合匹配评分，将综合匹配评分最高的意图类别确定为最终分类结果。

8、在上述技术方案中，通过语义净化、词性加权语义增强、词组语义泛化扩展以及双维度相似度计算的协同配合，形成了从噪声剔除、语义强化、覆盖扩展到精准匹配的完整意图分类链路，有效提升了车载口语化场景下用户意图分类的准确率和鲁棒性。

9、一种实施例中，所述对用户输入的原始查询文本进行语义净化处理，包括：基于预构建的停用词字典、语义冗余判定结果以及词频权重值进行联合筛选，将同时满足停用词命中、语义冗余判定为弱冗余且词频权重值低于均值阈值的词汇进行剔除。

10、在上述技术方案中，通过停用词字典、语义冗余判定与词频权重值的三重联合筛选机制，避免了单一维度过滤导致的误删或漏删问题，在有效去除口语噪声词汇的同时保留了具有语义贡献的核心词汇，提升了输入文本的语义纯净度。

11、一种实施例中，所述对所述净化后文本进行词性加权语义增强处理，包括：对所述净化后文本进行分词和词性标注；根据词性类别为各词汇设置差异化权重，其中名词和动词的权重高于形容词和副词的权重；将各词汇映射为词向量，按照对应词性权重进行加权融合并归一化，生成所述文本向量。

12、在上述技术方案中，通过词性差异化加权策略，使承载核心意图语义的名词和动词在文本向量中获得更高的表征权重，有效抑制了修饰性词汇对意图表达的稀释作用，提升了文本向量对关键意图信息的区分度和表达能力。

13、一种实施例中，所述基于预构建的意图类别词组集进行语义泛化扩展，包括：利用预训练的词向量模型对各意图类别词组集内的词汇进行语义聚类，将词向量相似度大于等于预设聚类阈值的词汇归入对应词组集；对扩展后的词组进行交叉去重处理，并建立词组集关联映射表以实现跨类别复用。

14、在上述技术方案中，通过基于词向量模型的语义聚类实现词组的自动化泛化扩展，无需人工逐一维护同义词表即可覆盖用户多样化的口语表达变体，显著提升了意图类别的召回率；同时通过交叉去重和关联映射表机制，避免了词组冗余和跨类别冲突，降低了新增意图类别的配置成本。

15、一种实施例中，所述将所述文本向量分别与各意图类别的基准向量进行双维度相似度计算，包括：分别计算所述文本向量与各意图类别基准向量之间的余弦相似度和曼哈顿距离；根据各意图类别所包含的泛化短语数量自适应调整所述余弦相似度和所述曼哈顿距离的权重系数；对加权后的余弦相似度和曼哈顿距离进行融合，得到所述综合匹配评分。

16、在上述技术方案中，通过余弦相似度与曼哈顿距离的双维度融合，兼顾了向量方向相似性和绝对距离差异两个互补维度；同时根据各意图类别的泛化短语数量自适应调整权重系数，使词组规模较大的类别更侧重方向相似性、词组规模较小的类别更侧重绝对距离，有效降低了不同规模类别间的误分类率。

17、一种实施例中，在确定最终分类结果之前，还包括：若所述原始查询文本命中某一意图类别的预设禁止词，则屏蔽该类别的最高评分资格，提取次高评分的候选类别作为最终分类结果。

18、在上述技术方案中，通过引入禁止词校验机制，为意图分类结果增加了安全兜底保障，有效防止因语义相近但业务逻辑互斥的类别之间发生误分类，提升了系统在边界场景下的分类可靠性和业务安全性。

19、第二方面，本技术实施例提供一种车辆座舱用户意图分类装置，包括：

20、语音交互接口模块，用于接收用户通过所述车辆座舱的语音采集模块输入的语音指令，并将所述语音指令转换为原始查询文本；

21、语义净化模块，用于对所述原始查询文本进行语义净化处理，剔除语义贡献度低于预设阈值的冗余词汇，得到净化后文本；

22、语义增强模块，用于对所述净化后文本进行词性加权语义增强处理，生成文本向量；

23、词组泛化扩展模块，用于基于预构建的意图类别词组集进行语义泛化扩展，生成各意图类别的基准向量；

24、双维度向量匹配模块，用于将所述文本向量分别与各意图类别的基准向量进行双维度相似度计算，加权融合得到各意图类别的综合匹配评分，将综合匹配评分最高的意图类别确定为最终分类结果。

25、在上述技术方案中，通过各功能模块的协同配合，实现了从语义净化、语义增强、词组泛化扩展到双维度向量匹配的完整意图分类流程，模块化设计便于各模块独立优化和灵活扩展，提升了系统的可维护性和工程部署效率。

26、一种实施例中，所述语义增强模块具体用于：对所述净化后文本进行分词和词性标注，根据词性类别为各词汇设置差异化权重，其中名词和动词的权重高于形容词和副词的权重；将各词汇映射为词向量，按照对应词性权重进行加权融合并归一化，生成所述文本向量。

27、在上述技术方案中，语义增强模块通过词性差异化加权融合策略生成文本向量，使核心意图词汇获得更高的表征权重，有效提升了文本向量对关键语义信息的表达能力和区分度。

28、一种实施例中，所述双维度向量匹配模块还用于：若所述原始查询文本命中某一意图类别的预设禁止词，则屏蔽该类别的最高评分资格，提取次高评分的候选类别作为最终分类结果。

29、在上述技术方案中，双维度向量匹配模块通过集成禁止词校验功能，在向量匹配评分的基础上增加了业务规则层面的安全约束，有效防止语义相近但业务互斥的类别之间发生误分类，提升了分类结果的业务可靠性。

30、第三方面，本技术实施例提供一种车辆，包括车载语音交互系统和处理器，所述处理器被配置为执行上述的车辆座舱用户意图分类方法，以对用户通过所述车载语音交互系统输入的查询文本进行意图分类，并根据分类结果执行对应的车辆控制指令或信息反馈操作。

31、在上述技术方案中，通过将上述车辆座舱用户意图分类方法应用于车辆的车载语音交互系统，使车辆能够准确理解用户口语化表达的真实意图，并据此执行精准的车辆控制或信息反馈，提升了车载语音交互的智能化水平和用户体验。

32、与现有技术相比，本发明具有以下有益效果：

33、1、本技术通过停用词字典、语义冗余判定与词频权重的联合筛选机制，实现对口语化文本中噪声词汇的精准剔除，有效提升了输入文本的语义纯净度；

34、2、本技术通过词性差异化加权融合策略，强化了核心意图词汇在文本向量中的表征权重，提升了语义表征的区分度；

35、3、本技术通过基于词向量模型的语义聚类泛化扩展机制，自动覆盖同义、近义表达变体，显著提升了意图类别的召回率和系统扩展性；

36、4、本技术通过余弦相似度与曼哈顿距离的双维度自适应加权融合，兼顾了方向相似性和绝对距离差异，有效降低了误分类率。