本公开提供一种用户意图确定方法和装置、存储介质、电子设备；涉及信息处理技术领域。该方法包括：获取用户会话文本，确定与用户会话文本对应的初始特征向量；基于用户会话文本和初始特征向量，构建多因素对话图；多因素对话图包括内容节点、内容组节点和对象节点；根据多因素对话图进行每类节点的图编码，以获得每类节点的向量表示；基于每类节点的向量表示进行用户意图识别，确定目标用户意图。本公开可以解决相关技术中只考虑文本本身信息导致的识别结果准确度低的问题。识别结果准确度低的问题。识别结果准确度低的问题。
【技术实现步骤摘要】
用户意图确定方法和装置、存储介质、电子设备
[0001]本公开涉及信息处理
，具体而言，涉及一种用户意图确定方法和装置、存储介质、电子设备。
技术介绍
[0002]随着互联网技术的不断发展应用，用户与服务方大都通过线上客服进行沟通交流。如何在客服与用户的交互会话过程中，准确的识别用户意图是影响服务效果的重要因素。
[0003]相关技术中，通过挖掘对话语句与相关历史语句的关系来确定用户意图。但其只考虑文本本身信息并没有考虑对话语句中的其他因素，导致识别结果准确度低。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]本公开实施例的目的在于提供一种用户意图确定方法和装置、存储介质、电子设备，进而在一定程度上解决了相关技术中只考虑文本本身信息导致的识别结果准确度低的问题。
[0006]根据本公开的第一方面，提供了一种用户意图确定方法，包括：获取用户会话文本，确定与所述用户会话文本对应的初始特征向量；基于所述用户会话文本和所述初始特征向量，构建多因素对话图；所述多因素对话图包括内容节点、内容组节点和对象节点；根据所述多因素对话图进行每类节点的图编码，以获得每类节点的向量表示；基于每类节点的向量表示进行用户意图识别，确定目标用户意图。
[0007]可选地，所述用户会话文本包括说话者信息；所述构建多因素对话图包括：基于所述用户会话文本中的单句，确定所述内容节点；基于所述说话者信息，对所述用户会话文本进行语句划分，基于划分的每组语句确定所述内容组节点；基于所述说话者信息，确定所述对象节点；在所述内容节点、所述内容组节点、所述对象节点之间添加对应的关系边，以构建多因素对话图。
[0008]可选地，所述关系边包括：包含关系边、顺序关系边和对象属性边，所述在所述内容节点、所述内容组节点、所述对象节点之间添加对应的关系边，包括：在所述内容节点与对应的内容组节点之间添加包含关系边；在所述内容组节点与对应的对象节点之间及相同对象的内容组节点之间分别添加对象属性边；在相邻的内容组节点之间及同组内的相邻内容节点之间分别添加顺序关系边。
[0009]可选地，所述多因素对话图还包括关键词节点，所述方法还包括：根据领域关键词知识图谱，确定所述用户会话文本中的关键词信息；基于所述关键词信息，确定所述用户会话文本对应的关键词节点；基于所述关键词节点，构建多因素对话图。
[0010]可选地，所述基于所述关键词节点，构建多因素对话图，包括：在所述关键词节点
与对应的内容节点之间添加包含关系边，构建多因素对话图。
[0011]可选地，所述根据所述多因素对话图进行每类节点的图编码，包括：基于所述初始特征向量，确定所述多因素对话图中每类节点的初始向量表示；确定所述多因素对话图的邻接矩阵；将每类节点的所述初始向量表示和所述邻接矩阵输入经训练的图卷积神经网络模型，以更新每类节点的向量表示。
[0012]可选地，所述基于所述初始特征向量，确定所述多因素对话图中每类节点的初始向量表示，包括：根据所述内容节点对应的初始特征向量，确定所述内容节点的初始向量表示；根据所述内容节点的初始向量表示，确定所述内容组节点的初始向量表示；根据所述内容组节点的初始向量表示，确定所述对象节点的初始向量表示。
[0013]可选地，所述基于每类节点的向量表示进行用户意图识别，包括：将每类节点的向量表示进行拼接，以获得多层次特征向量；采用经训练的第一神经网络模型对所述多层次特征向量进行分类，确定目标用户意图。
[0014]可选地，所述方法还包括：对每类节点的向量表示分别进行显著特征提取，以获得每类节点的显著特征向量。
[0015]可选地，所述确定与所述用户会话文本对应的初始特征向量，包括：对所述用户会话文本的每个单句进行词向量化，以获得单句向量；对所述单句向量进行特征提取，以获得单句特征向量；基于所述单句特征向量，确定与所述用户会话文本对应的初始特征向量。
[0016]可选地，所述基于所述单句特征向量，确定与所述用户会话文本对应的初始特征向量，包括：将所述单句特征向量按会话顺序输入经训练的第二神经网络模型进行上下文特征提取，以获得与所述用户会话文本对应的初始特征向量。
[0017]根据本公开的第二方面，提供一种用户意图确定装置，装置包括：特征确定模块、图构建模块、图编码模块和意图识别模块，特征确定模块用于获取用户会话文本，确定与所述用户会话文本对应的初始特征向量；图构建模块，用于基于所述用户会话文本和所述初始特征向量，构建多因素对话图；所述多因素对话图包括内容节点、内容组节点和对象节点；图编码模块，用于根据所述多因素对话图进行每类节点的图编码，以获得每类节点的向量表示；意图识别模块，用于基于每类节点的向量表示进行用户意图识别，确定目标用户意图。
[0018]根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的方法。
[0019]根据本公开的第四方面，提供一种电子设备，包括：一个或多个处理器；以及存储装置，用于一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述任一实施例所述的方法。
[0020]本公开示例性实施例可以具有以下部分或全部有益效果：
[0021]在本公开示例实施方式所提供的用户意图确定方法中，一方面，可以基于用户会话文本及其对应初始特征向量，构建包括内容节点、内容组节点和对象节点的多因素对话图；通过内容节点、内容组节点和对象节点引入三类会话相关信息，将不同方面的相关因素融入多因素对话图，从而能够更准确的识别用户意图。另一方面，本公开可以通过特征确定、多因素图构建、图编码和用户意图识别的过程，实现用户会话文本相关信息的充分挖掘和融合，可以实现更小粒度更细门类的意图识别，同时提高识别精确度和准确度。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0023]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1示意性示出了根据本公开的一个实施例的用户意图确定方法和装置的示例性应用场景架构图。
[0025]图2示意性示出了根据本公开的一个实施例中用户意图确定方法的流程图。
[0026]图3示意性示出了根据本公开的一个实施例中构建多因素对话图的流程图。
[0027]图4示意性示出了根据本公开的一个实施例中基于用户会话文本构建多因素对话图的示意图之一。
[0028]图5示意性示出了根本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户意图确定方法，其特征在于，包括：获取用户会话文本，确定与所述用户会话文本对应的初始特征向量；基于所述用户会话文本和所述初始特征向量，构建多因素对话图；所述多因素对话图包括内容节点、内容组节点和对象节点；根据所述多因素对话图进行每类节点的图编码，以获得每类节点的向量表示；基于每类节点的向量表示进行用户意图识别，确定目标用户意图。2.根据权利要求1所述的用户意图确定方法，其特征在于，所述用户会话文本包括说话者信息；所述构建多因素对话图包括：基于所述用户会话文本中的单句，确定所述内容节点；基于所述说话者信息，对所述用户会话文本进行语句划分，基于划分的每组语句确定所述内容组节点；基于所述说话者信息，确定所述对象节点；在所述内容节点、所述内容组节点、所述对象节点之间添加对应的关系边，以构建多因素对话图。3.根据权利要求2所述的用户意图确定方法，其特征在于，所述关系边包括：包含关系边、顺序关系边和对象属性边，所述在所述内容节点、所述内容组节点、所述对象节点之间添加对应的关系边，包括：在所述内容节点与对应的内容组节点之间添加包含关系边；在所述内容组节点与对应的对象节点之间及相同对象的内容组节点之间分别添加对象属性边；在相邻的内容组节点之间及同组内的相邻内容节点之间分别添加顺序关系边。4.根据权利要求1所述的用户意图确定方法，其特征在于，所述多因素对话图还包括关键词节点，所述方法还包括：根据领域关键词知识图谱，确定所述用户会话文本中的关键词信息；基于所述关键词信息，确定所述用户会话文本对应的关键词节点；基于所述关键词节点，构建多因素对话图。5.根据权利要求4所述的用户意图确定方法，其特征在于，所述基于所述关键词节点，构建多因素对话图，包括：在所述关键词节点与对应的内容节点之间添加包含关系边，构建多因素对话图。6.根据权利要求1所述的用户意图确定方法，其特征在于，所述根据所述多因素对话图进行每类节点的图编码，包括：基于所述初始特征向量，确定所述多因素对话图中每类节点的初始向量表示；确定所述多因素对话图的邻接矩阵；将每类节点的所述初始向量表示和所述邻接矩阵输入经训练的图卷积神经网络模型，以更新每类节点的向量表示。7.根据权利要求6所述的用户意图确定方法，其特征在于，所述基于所述初始特征向量，确定所述多因素对话图中每类节点的初始向量表示，包括：根据...
【专利技术属性】
技术研发人员：许慧楠，邹波，宋双永，刘丹，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。