[发明专利]一种用于机器人服务的业务引导方法、系统和存储介质

说明书

本发明提出的一种用于机器人服务的业务引导方法，通过意图识别模型获取用户表达信息对应的备选意图及各备选意图对应的概率；从用户表达信息中提取关键字，通过关键字索引模型获取关键字对应的所有意图标签作为验证意图。本发明通过大数据训练的意图识别模型直接对用于表达信息进行意图识别，然后结合关键字进一步对获取的备选意图进行验证和概率调整，最后再根据概率，依次和客户确认备选意图是否正确，以获得客户需要的目标意图，实现高效精确的智能服务引导。

技术领域

本发明涉及智能机器人领域，尤其涉及一种用于机器人服务的业务引导方法、系统和存储单元。

背景技术

对话系统是一种基于自然语言的人机对话系统，人可以通过对话系统，使用自然语言与计算机进行多轮对话交互来完成某种任务，如查询信息，获取帮助等。

一般而言，根据对话系统的任务类型不同，对话系统框架分为任务导向系统(Task-oriented Dialogue System)和非任务导向系统(Non-Task-Oriented DialogueSystem)。非任务导向系统的特点是：非面向目标，通常期待的是语义相关性和渐近性，对准确率要求不高，且都是面向开放领域，在对话质量上不需要用户的反馈。非任务导向系统是通过生成方法或者基于检索的方式实现。

任务导向系统以任务型对话和问答为代表，满足用户特定性的目标需求，在训练过程中需要用户的反馈(require user feedback on dialogue quality)。问答系统侧重于一问一答，即直接根据用户的问题给出精确的答案。问答系统更接近一个信息检索的过程，过程可能涉及简单的上下文处理。问答系统和任务导向系统的最根本区别在于是否需要维护一个用户目标状态的表示和是否需要一个决策过程来完成任务。目前的多数商业目标导向型对话系统仍然具有很强的领域性，并较多地依赖于人工构造特征。

任务型多轮对话机器人只有十来年的发展历史，目前已能较好地解决确定性高的多轮任务。但当前任务型机器人能正常工作的场景往往过于理想化，用户说的话大部分情形下都无法精确表达成act-slot-value三元组，所以在这个基础上构建的后续流程就变得很脆弱。很多学者提出了各种端到端的研究方案，试图提升任务型机器人的使用鲁棒性。但这些方案基本都需要利用海量的历史对话数据进行训练，而且效果也并未在真实复杂场景中得到过验证。

如何提高服务型机器人的准确性、智能性、高效性，本质上都面对着实现机器人对用户意图进行精确识别的问题。

发明内容

为了解决上述现有技术中机器人无法精确的识别用户意图的缺陷，本发明提出了一种用于机器人服务的业务引导方法、系统和存储单元。

本发明采用以下技术方案：

一种用于机器人服务的业务引导方法，包括以下步骤：

S1、获取意图识别模型和关键字索引模型；意图识别模型用于根据用户表达信息从预设的多个意图标签中筛选预设数量的备选意图以及每一个备选意图对应的概率，预设数量大于或等于1；关键字索引模型，用于检测获取的关键字对应的各意图标签；意图标签归类为非业务类和业务类；

S2、获取用户表达信息，通过意图识别模型获取用户表达信息对应的备选意图及各备选意图对应的概率；

S3、从用户表达信息中提取关键字，通过关键字索引模型获取关键字对应的所有意图标签作为验证意图；

S4、判断备选意图和验证意图中是否存在重合项；是，则根据预设的概率调整模型调整各备选意图的概率；否，则直接执行步骤S5；

S5、根据概率，对各备选意图进行排序，并与客户进行人机交互，顺序验证各备选意图，直至获得用户确认的备选意图作为目标意图。

优选的，步骤S5具体包括以下步骤：