[发明专利]对话交互意图的识别方法和装置

说明书

本申请公开了一种对话交互意图的识别方法和装置，其中方法包括：对于首轮对话语句，利用预设的多分类模型，对该轮对话语句所属的垂直领域进行识别；对于除所述首轮对话语句之外的每轮对话语句，利用预设的上一轮对话语句所属垂直领域对应的二分类模型，判断该轮对话语句所属的垂直领域是否是上一轮对话语句所属的垂直领域，如果不是，则利用所述多分类模型，对该轮对话语句所属的垂直领域进行识别；其中，所述二分类模型利用属于相应垂直领域的语料和不属于相应垂直领域的语料训练得到，且所述语料包括不完整语句。本申请易于实现，且可以提高识别效率和用户体验。

技术领域

本发明涉及人工智能技术，特别是涉及一种对话交互意图的识别方法和装 置。

背景技术

随着人工智能技术的快速发展，人机对话技术近年来受到学术界和工业界 的广泛关注。各种各样的智能机器人层出不穷，已经在医疗、军事、汽车、商 业等领域获得了成功的应用，并逐渐对我们的生活产生重大影响。典型的智能 对话交互机器人框架都是分模块串行处理对话任务的，每个模块负责特定的任 务，并将生成的结果传递给下一个模块。图1为现有的面向任务的对话系统框 架示意图，如1所示，整个交互框架通常由自然语言理解(Natural Language Understanding,NLU),对话状态跟踪(Dialogue State Tracking,DST),对话策略 学习(Dialogue Policy Learning，DPL)，自然语言生成(NaturalLanguage Generation，NLG)四个部分构成。

人机对话系统的一个关键任务就是：如何让聊天机器人理解用户的问句意 图、将用户的输入正确地分类到相应的领域中。该任务的实现将直接影响特定 领域的人机对话质量。因此，图1中的NLU模块是整个人机交互过程中比较核 心的部分，该模块的主要任务就是把用户输入的自然语言语句映射成为机器可 读的结构化语义表述，这种结构化的语义表述通常包含两部分内容，一部分是 获取用户的意图，另一部分是提取自然语言问句的槽值。自然语言理解是人工 智能的AI-Hard问题，也是当前智能交互的核心难题，因为机器要理解用户的自 然语言问句，要面临语言的多样性、多义性、知识依赖和上下文依赖等诸多挑 战。

发明人在实现本发明的过程中发现，上述现有针对多轮对话的对话意图识 别方案存在实现复杂，效率低以及对用户参与的依赖性强等问题。具体分析如 下：

在现有的对话意图识别方案中，需要预先针对意图不完整问句单独设置一 类(比如select类)，然后，将该类语句作为语料，进行多标签分类模型训练， 得到一个多标签分类模型。在人机对话过程中，如果会话过程中存在属于上述 不完整问句所在类的问句，为了明确这些问句具体属于哪个垂直领域，首先， 通过多标签分类模型获得多个标签指示的多个可能的垂直领域，然后，再利用 上下文信息决策当前问句的垂直领域，如果利用上下文还不能够明确问句属于 哪个垂直领域，就需要再与用户进行新一轮的交互，在交互中通过反问用户， 再基于用户的回答进行垂直领域的识别，如果基于该轮回答还不能明确问句属 于哪个垂直领域，将会再触发新一轮的交互。

可见，上述对话意图方案是基于预设的多标签分类模型进行识别的。而利 用多标签分类模型所识别出的是多个可能的垂直领域，并不是一个明确的垂直 领域，之后，还需要从这些多个可能的垂直领域中，确认出不完整自然语言问 句真正所属的垂直领域，此时，需要再利用上下文进行决策，极端情况下还需 要一轮一轮地向用户询问。因此，上述现有的对话意图方案需要结合上下文决 策、与用户交互等手段，实现复杂。另外，与用户之间的交互确认，一方面会 增加处理时延，另一方面，增加了用户的对话轮数，从而降低了用户体验。

发明内容

有鉴于此，本发明的主要目的在于提供一种对话交互意图的识别方法和装 置，该方法易于实现，且可以提高识别效率和用户体验。

为了达到上述目的，本发明提出的技术方案为：

一种对话交互意图的识别方法，包括：