System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能对话的,特别涉及一种基于结构信息的意图识别的智能问题优化对话方法及系统。
技术介绍
1、意图识别是指通过对用户输入的信息进行分析,识别用户的真正意图。在聊天机器人、语音助手、智能客服等应用中,都广泛使用。在使用这些产品的时候,输入的每一段文字、说的每一句话、做的每一个动作,都在表现用户的意图。因此提高对用户意图的准确识别对于提升智能应用的用户体验至关重要。
2、当前市场上广泛采用的意图识别技术主要分为两类,一是基于机器学习的方法,通过训练模型来学习用户输入的模式和语境,以实现准确的意图分类。二是基于预定义规则的技术,通过事先设定规则和模式匹配来判断用户的意图。然而,这两种方法在面对用户输入内容不清晰或不完整的情况下,无法稳定的精准识别用户意图。而如果希望稳定精准识别用户意图,需要大量优质数据和漫长的训练时间。
3、当前意图识别技术在面对复杂、多样化的用户输入时存在精准性不足、对数据依赖较强以及适应性不足等问题。因此,迫切需要一种更为高效、精准、且对数据需求较小的意图识别技术,以提升用户体验和应用的普适性。
技术实现思路
1、本专利技术的目的在于提供一种基于结构信息的意图识别的智能问题优化对话方法及系统,解决意图识别现有技术中复杂、多样化的用户输入时存在精准性不足、对数据依赖较强以及适应性不足等问题,准确识别意图,以便提升应用的普适性。
2、为实现上述目的,本专利技术采取的技术方案为:
3、第一方面,本专利技术实施例提
4、s1、通过预设方式获取用户输入的需求问题,对所述需求问题的意图进行初步识别;
5、s2、当所述需求问题的意图无法被初步识别时,采用思维工具对所述需求问题进行转化;
6、s3、根据步骤s1初步识别出的意图或步骤s2转化得出的意图,采用大型语言模型与用户进行多轮交互,补全信息并产出结果。
7、进一步地,所述步骤s1包括:
8、s11、通过预设方式获取用户输入的需求问题,调用规则分类器进行初步识别;所述规则分类器为预设的正则表达式,用于匹配不同模式的关键词、短语或句式;
9、s12、当规则分类器识别出意图是聊天型时,则执行步骤s3;
10、s13、当规则分类器无法识别出意图时,则由意图识别器进行意图识别,判断意图是问答型或是任务型;所述意图识别器为采用transformer模型,根据多种业务场景训练出的分类模型。
11、进一步地,所述步骤s2包括:
12、当由意图识别器判断意图是任务型时,采用思维链工具分析处理确认用户输入的任务相关信息,包括:要达成的目标、可能阻碍目标实现的因素和障碍的解决策略;
13、当由意图识别器判断意图是问答型时,采用思维树工具分析处理用户输入的问答相关信息,包括:核心主题,由核心主题展开的子主题,每个子主题的所需要收集的信息和对收集到的信息的分析方法。
14、进一步地,所述步骤s3,包括:
15、当识别出的意图是聊天型时,大型语言模型使用自然语言生成方式生成与用户聊天意图相匹配的回复;
16、当识别出的意图是问答型时,大型语言模型依据思维树工具分析处理的用户问答相关信息,与用户多轮信息交互,将获得的信息与私域知识库的数据相结合,填写在结构化模版中,将产出的结果呈现给用户;所述私域知识库为基于用户提供的文档知识创建的知识库;
17、当识别出的意图是任务型时,大型语言模型按照思维链工具分析处理的用户任务相关信息,结合提示优化器与私域知识库,提供结构化模版与用户进行单轮信息交互,在用户补全信息后,将结果呈现给用户。
18、第二方面,本专利技术实施例还提供一种基于结构信息的意图识别的智能问题优化对话系统,包括:
19、问题类型判断模块,通过预设方式获取用户输入的需求问题,对所述需求问题的意图进行初步识别;
20、链式拆分模块,用于当所述需求问题的意图无法被初步识别时,采用思维工具对所述需求问题进行转化;
21、大型语言模型模块,用于根据所述问题类型判断模块初步识别出的意图或所述链式拆分模块转化得出的意图,采用大型语言模型与用户进行多轮交互,补全信息并产出结果。
22、进一步地,所述问题类型判断模块,包括:
23、规则分类单元,用于通过预设方式获取用户输入的需求问题,调用规则分类器进行初步识别;所述规则分类器为预设的正则表达式,用于匹配不同模式的关键词、短语或句式;当规则分类器识别出意图是聊天型时,则将意图直接发送给所述大型语言模型模块;
24、意图识别单元,用于当规则分类器无法识别出意图时,则由意图识别器进行意图识别,判断意图是问答型或是任务型;所述意图识别器为采用transformer模型,根据多种业务场景训练出的分类模型。
25、进一步地,所述链式拆分模块,包括:
26、思维链单元,用于当由意图识别器判断意图是任务型时,采用思维链工具分析处理确认用户输入的任务相关信息,包括:要达成的目标、可能阻碍目标实现的因素和障碍的解决策略;
27、思维树单元,用于当由意图识别器判断意图是问答型时,采用思维树工具分析处理用户输入的问答相关信息,包括:核心主题,由核心主题展开的子主题,每个子主题的所需要收集的信息和对收集到的信息的分析方法。
28、第三方面,本专利技术实施例又提供一种计算机设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
29、存储器,用于存放计算机程序;
30、处理器,用于执行存储器上所存放的程序时,能够实现如第一方面中任一项所述的基于结构信息的意图识别的智能问题优化对话方法。
31、第四方面,本专利技术实施例再提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如第一方面中任一项所述的基于结构信息的意图识别的智能问题优化对话方法。
32、本专利技术中第二方面至第四方面的描述,可以参考第一方面的详细描述;并且,第二方面至第四方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
33、与现有技术相比,本专利技术具有如下有益效果:
34、本专利技术实施例提供的基于结构信息的意图识别的智能问题优化对话方法,包括:通过预设方式获取用户输入的需求问题,对所述需求问题的意图进行初步识别;当所述需求问题的意图无法被初步识别时,采用思维工具对所述需求问题进行转化;根据初步识别出的意图或转化得出的意图,采用大型语言模型与用户进行多轮交互,补全信息并产出结果。该方法可以在获得用户输入的内容后,自动判断用户的问题类型,并对用户输入内容进行思维分析,最后结合提示模版,生成高质量的回答。不需要再花费大量本文档来自技高网...
【技术保护点】
1.基于结构信息的意图识别的智能问题优化对话方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤S1包括:
3.根据权利要求2所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤S2包括:
4.根据权利要求3所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤S3,包括:
5.基于结构信息的意图识别的智能问题优化对话系统,其特征在于,包括:
6.根据权利要求5所述的基于结构信息的意图识别的智能问题优化对话系统,其特征在于,所述问题类型判断模块,包括:
7.根据权利要求6所述的基于结构信息的意图识别的智能问题优化对话系统,其特征在于,所述链式拆分模块,包括:
8.一种计算机设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所
...【技术特征摘要】
1.基于结构信息的意图识别的智能问题优化对话方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤s1包括:
3.根据权利要求2所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤s2包括:
4.根据权利要求3所述的基于结构信息的意图识别的智能问题优化对话方法,其特征在于,所述步骤s3,包括:
5.基于结构信息的意图识别的智能问题优化对话系统,其特征在于,包括:
6.根据权利要求5所述的基于结构信息的意图识...
【专利技术属性】
技术研发人员:陈刚,
申请(专利权)人:上海晏鼠计算机技术股份有限公司,
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。