《意圖獲取方法、電子裝置及計算機可讀存儲介質》是平安科技（深圳）有限公司於2017年8月4日申請的專利，該專利的公布號為CN107688614A，授權公布日為2018年2月13日，發明人是周俊琨、官民、嚴江浩、彭小明。
《意圖獲取方法、電子裝置及計算機可讀存儲介質》公開了一種意圖獲取方法，該方法包括步驟：將文本句子分解成多個詞語；將所述分解成的多個詞語映射至預設關鍵字；於一預先設定的知識圖譜中確定一個與映射後的詞語語義最相近的意圖節點；根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點；若所述補槽後的意圖節點為出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖；若為非出口節點，則根據預設的追問模式確定該用戶的意圖。該發明提高了遷移效率和人機互動回響速度。
2020年7月14日，《意圖獲取方法、電子裝置及計算機可讀存儲介質》獲得第二十一屆中國專利獎優秀獎。
（概述圖為《意圖獲取方法、電子裝置及計算機可讀存儲介質》摘要附圖）
基本介紹
- 中文名：意圖獲取方法、電子裝置及計算機可讀存儲介質
- 申請人：平安科技（深圳）有限公司
- 申請日：2017年8月4日
- 申請號：2017106604846
- 公布號：CN107688614A
- 公布日：2018年2月13日
- 發明人：周俊琨、官民、嚴江浩、彭小明
- 地址：廣東省深圳市福田區八卦嶺工業區平安大廈六樓
- Int.Cl.：G06F17/30(2006.01)I、G06F17/27(2006.01)I
- 代理機構：深圳市沃德智慧財產權代理事務所
- 代理人：於志光、高傑
- 類別：發明專利
專利背景,發明內容,專利目的,技術方案,改善效果,附圖說明,技術領域,權利要求,實施方式,榮譽表彰,
專利背景
2017年前，從業人員在維護知識庫時，不太專業，沒有考慮知識分類的鑑別性，導致鑑別性差的知識添加到知識庫後有可能會影響全局。另外，2017年前的大部分客服機器人對多輪對話互動與對話管理不支持，或者就算支持也需要人工介入和配置。而且線上或者電話等不同渠道需要對多輪對話進行定製化管理，導致系統遷移性較差。
發明內容
專利目的
《意圖獲取方法、電子裝置及計算機可讀存儲介質》的主要目的在於提供一種意圖獲取方法、電子裝置及計算機可讀存儲介質，提高了遷移效率和人機互動回響速度，對全局結果影響小。
技術方案
《意圖獲取方法、電子裝置及計算機可讀存儲介質》提出一種電子裝置，所述電子裝置包括存儲器、處理器及存儲在所述存儲器上並可在所述處理器上運行的意圖獲取系統，所述意圖獲取系統被所述處理器執行時實現如下步驟：
獲取用戶當前對話的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語；根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語；於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點；根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點；若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖；及若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖。
優選地，所述預先設定的知識圖譜包括：意圖節點層、詳細意圖層、及知識庫層，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
優選地，所述不同類型的詞語要素包括：系列要素、目標要素、及動作要素，所述意圖節點層包括三級節點：由系列要素組成的第一級節點、由目標要素組成的第二級節點、及由動作要素組成的第三級節點。
優選地，所述預設的補槽方式包括：渠道信息補槽方式、用戶信息補槽方式、及知識圖譜信息補槽方式，所述渠道信息包括：信用卡渠道信息、產險渠道信息、及電話渠道信息，所述用戶信息包括：用戶的賬號類型、每個類型賬號的操作許可權。
優選地，所述根據預設的補槽方式對所述最相近的意圖節點進行語義補槽包括：若所述補槽方式為渠道信息補槽方式，則在所述最相近的意圖節點中補充缺少的渠道信息；若所述補槽方式為用戶信息補槽方式，則在所述最相近的意圖節點中補充缺少的用戶信息；及若所述補槽方式為知識圖譜信息補槽方式，則在所述知識圖譜的意圖節點層中確定所述最相近的意圖節點所在的節點路徑對應的所有要素信息，並在所述最相近的意圖節點中補充缺少的要素信息。
優選地，所述預設的追問模式包括枚舉型模式和要素型模式，所述枚舉型模式根據不同渠道類型確定不同的枚舉策略，並根據不同的枚舉策略輸出相應的枚舉提示信息，所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。
優選地，所述根據預設的追問模式確定該用戶的意圖包括：若所述預設的追問模式為枚舉型模式，且所述渠道類型為信用卡渠道，則輸出第一預定數量的枚舉提示信息；若所述預設的追問模式為枚舉型模式，且所述渠道類型為產險渠道，則輸出第二預定數量的枚舉提示信息；及若所述預設的追問模式為枚舉型模式，且所述渠道類型為電話渠道，則輸出第三預定數量的枚舉提示信息。
此外，為實現上述目的，該發明還提供一種意圖獲取方法，該方法套用於電子裝置，所述方法包括：獲取用戶當前對話的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語；根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語；於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點；根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點；若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖；及若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖。
優選地，所述預先設定的知識圖譜包括：意圖節點層、詳細意圖層、及知識庫層，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
進一步地，為實現上述目的，該發明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有意圖獲取系統，所述意圖獲取系統可被至少一個處理器執行，以使所述至少一個處理器執行如上述的意圖獲取方法的步驟。
改善效果
《意圖獲取方法、電子裝置及計算機可讀存儲介質》提出的意圖獲取方法、電子裝置及計算機可讀存儲介質，只在指定的較小範圍內獲取用戶的意圖信息，人機互動回響速度會更快，即使知識庫中存在不準確的知識，也不會影響全局。若用戶意圖不明確，則通過智慧型追問模式進一步確定該用戶的意圖，實現了用戶意圖獲取服務端的全自動流程。進一步地，該發明在語義補槽和意圖追問時考慮到了不同渠道類型的情形，當系統在不同渠道之間遷移時，可以無間斷進行，降低了遷移工作的學習成本，只需要學會使用遷移工具即可，不易出錯，遷移效率高且安全可靠。
附圖說明
圖1為《意圖獲取方法、電子裝置及計算機可讀存儲介質》的電子裝置一可選的硬體架構的示意圖；
圖2為該發明電子裝置中意圖獲取系統各實施例的功能模組示意圖；
圖3為該發明意圖獲取方法一實施例的實施流程示意圖；
圖4為該發明中所預先設定的知識圖譜的示例圖；
圖5為圖4所述知識圖譜中的意圖節點層的詞語語義組合示例圖；
圖6為該發明的實現架構示意圖；
圖7為該發明的規劃架構示意圖。
技術領域
《意圖獲取方法、電子裝置及計算機可讀存儲介質》涉及人工智慧技術領域，尤其涉及一種意圖獲取方法、電子裝置及計算機可讀存儲介質。
權利要求
1.一種電子裝置，其特徵在於，所述電子裝置包括存儲器、處理器及存儲在所述存儲器上並可在所述處理器上運行的意圖獲取系統，所述意圖獲取系統被所述處理器執行時實現如下步驟：獲取用戶當前對話的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語；根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語；於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點；根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點；若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖；及若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖。
2.如權利要求1所述的電子裝置，其特徵在於，所述預先設定的知識圖譜包括：意圖節點層、詳細意圖層、及知識庫層，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
3.如權利要求2所述的電子裝置，其特徵在於，所述不同類型的詞語要素包括：系列要素、目標要素、及動作要素，所述意圖節點層包括三級節點：由系列要素組成的第一級節點、由目標要素組成的第二級節點、及由動作要素組成的第三級節點。
4.如權利要求2所述的電子裝置，其特徵在於，所述預設的補槽方式包括：渠道信息補槽方式、用戶信息補槽方式、及知識圖譜信息補槽方式，所述渠道信息包括：信用卡渠道信息、產險渠道信息、及電話渠道信息，所述用戶信息包括：用戶的賬號類型、每個類型賬號的操作許可權。
5.如權利要求4所述的電子裝置，其特徵在於，所述根據預設的補槽方式對所述最相近的意圖節點進行語義補槽包括：若所述補槽方式為渠道信息補槽方式，則在所述最相近的意圖節點中補充缺少的渠道信息；若所述補槽方式為用戶信息補槽方式，則在所述最相近的意圖節點中補充缺少的用戶信息；及若所述補槽方式為知識圖譜信息補槽方式，則在所述知識圖譜的意圖節點層中確定所述最相近的意圖節點所在的節點路徑對應的所有要素信息，並在所述最相近的意圖節點中補充缺少的要素信息。
6.如權利要求4所述的電子裝置，其特徵在於，所述預設的追問模式包括枚舉型模式和要素型模式，所述枚舉型模式根據不同渠道類型確定不同的枚舉策略，並根據不同的枚舉策略輸出相應的枚舉提示信息，所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。
7.如權利要求6所述的電子裝置，其特徵在於，所述根據預設的追問模式確定該用戶的意圖包括：若所述預設的追問模式為枚舉型模式，且所述渠道類型為信用卡渠道，則輸出第一預定數量的枚舉提示信息；若所述預設的追問模式為枚舉型模式，且所述渠道類型為產險渠道，則輸出第二預定數量的枚舉提示信息；及若所述預設的追問模式為枚舉型模式，且所述渠道類型為電話渠道，則輸出第三預定數量的枚舉提示信息。
8.一種意圖獲取方法，套用於電子裝置，其特徵在於，所述方法包括：獲取用戶當前對話的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語；根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語；於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點；根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點；若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖；及若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖。
9.如權利要求8所述的意圖獲取方法，其特徵在於，所述預先設定的知識圖譜包括：意圖節點層、詳細意圖層、及知識庫層，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有意圖獲取系統，所述意圖獲取系統可被至少一個處理器執行，以使所述至少一個處理器執行如權利要求8-9中任一項所述的意圖獲取方法的步驟。
實施方式
首先，《意圖獲取方法、電子裝置及計算機可讀存儲介質》提出一種電子裝置2。
參閱圖1所示，是該發明電子裝置一可選的硬體架構的示意圖。
該實施例中，所述電子裝置2可包括，但不限於，可通過系統匯流排相互通信連線存儲器21、處理器22、網路接口23。其中，所述電子裝置2可以是機架式伺服器、刀片式伺服器、塔式伺服器或機櫃式伺服器等計算設備，該電子裝置2可以是獨立的伺服器，也可以是多個伺服器所組成的伺服器集群。需要指出的是，圖1僅示出了具有組件21-23的電子裝置2，但是應理解的是，並不要求實施所有示出的組件，可以替代的實施更多或者更少的組件。
其中，所述存儲器21至少包括一種類型的可讀存儲介質，所述可讀存儲介質包括快閃記憶體、硬碟、多媒體卡、卡型存儲器（例如，SD或DX存儲器等）、隨機訪問存儲器（RAM）、靜態隨機訪問存儲器（SRAM）、唯讀存儲器（ROM）、電可擦除可程式唯讀存儲器（EEPROM）、可程式唯讀存儲器（PROM）、磁性存儲器、磁碟、光碟等。在一些實施例中，所述存儲器21可以是所述電子裝置2的內部存儲單元，例如該電子裝置2的硬碟或記憶體。在另一些實施例中，所述存儲器21也可以是所述電子裝置2的外部存儲設備，例如該電子裝置2上配備的插接式硬碟，智慧型存儲卡（Smart Media Card,SMC），安全數字（Secure Digital,SD）卡，快閃記憶體卡（Flash Card）等。當然，所述存儲器21還可以既包括所述電子裝置2的內部存儲單元也包括其外部存儲設備。該實施例中，所述存儲器21通常用於存儲安裝於所述電子裝置2的作業系統和各類套用軟體，例如所述意圖獲取系統20的程式代碼等。此外，所述存儲器21還可以用於暫時地存儲已經輸出或者將要輸出的各類數據。
所述處理器22在一些實施例中可以是中央處理器（Central Processing Unit，CPU）、控制器、微控制器、微處理器、或其他數據處理晶片。該處理器22通常用於控制所述電子裝置2的總體操作，例如執行與所述電子裝置2進行數據互動或者通信相關的控制和處理等。該實施例中，所述處理器22用於運行所述存儲器21中存儲的程式代碼或者處理數據，例如運行所述的意圖獲取系統20等。
所述網路接口23可包括無線網路接口或有線網路接口，該網路接口23通常用於在所述電子裝置2與其他電子設備之間建立通信連線。例如，所述網路接口23可以用於通過通信網路將所述電子裝置2與其它電子設備或客戶端相連。所述通信網路可以是企業內部網（Intranet）、網際網路（Internet）、全球移動通訊系統（Global System of Mobile communication，GSM）、寬頻碼分多址（Wideband Code Division Multiple Access，WCDMA）、4G網路、5G網路、藍牙（Bluetooth）、Wi-Fi等無線或有線網路。
至此，己經詳細介紹了該發明相關設備的硬體結構和功能。下面，將基於上述相關設備，提出該發明的各個實施例。
參閱圖2所示，是該發明電子裝置2中意圖獲取系統20各實施例的功能模組圖。該實施例中，所述的意圖獲取系統20可以被分割成一個或多個模組，所述一個或者多個模組被存儲於所述存儲器21中，並由一個或多個處理器（該實施例中為所述處理器22）所執行，以完成該發明。例如，在圖2中，所述的意圖獲取系統20可以被分割成分詞模組201、意圖獲取模組202、意圖知識獲取模組203、訓練模組204、後處理模組205、訓練數據模組206、測試數據模組207、上文模組208、以及知識圖譜模組209。其中，所述意圖獲取模組202及意圖知識獲取模組203可以合併組合成語義理解模組200。該發明所稱的功能模組是指能夠完成特定功能的一系列電腦程式指令段，比程式更適合於描述所述意圖獲取系統20在所述電子裝置2中的執行過程。以下將就各功能模組201-209的功能進行詳細描述。
需要說明的是，實現該發明目的核心功能的模組為分詞模組201和意圖獲取模組202，其它模組203-209是實現該發明核心功能的補充和進一步完善。
所述分詞模組201，用於獲取用戶當前對話（即本輪對話）的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語。優選地，如果用戶當前對話的內容為語音信息，則先通過語音識別算法（如MATLAB算法或DTW算法）將用戶的語音信息轉化成文本句子。
所述意圖獲取模組202，用於根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語。例如，用戶當前對話的文本句子為：詢問信用卡賬單，則分解成的多個詞語包括：詢問、信用卡、賬單，如果預設關鍵字包括：查詢、信用卡、賬單。由於詞語“詢問”的詞性與關鍵字“查詢”的詞性相同（皆為動詞）且意義相近，則詞語“詢問”映射至關鍵字“查詢”。同理，詞語“信用卡”映射至關鍵字“信用卡”，詞語“賬單”映射至關鍵字“賬單”，即所述文本句子映射後的詞語包括：查詢、信用卡、賬單。
所述意圖獲取模組202，還用於：於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點。
優選地，在該實施例中，所述預先設定的知識圖譜包括，但不限於，意圖節點層（或稱其為知識體系層、知識節點層）、詳細意圖層、及知識庫層。其中，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點（或稱其為“最後一級節點”）相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
優選地，在該實施例中，所述不同類型的詞語要素包括，但不限於，系列要素（如信用卡）、目標要素（如賬單或卡片）、及動作要素（如查詢）。舉例而言，參閱圖4所示，在該實施例中，所述意圖節點層包括三級節點：由系列要素組成的第一級節點（如信用卡節點）、由目標要素組成的第二級節點（如賬單節點或卡片節點）、由動作要素組成的第三級節點（如查詢節點或補寄節點）。其中，所述括弧內標註的“是”和“否”用於記錄某節點是否為出口節點，“是”代表出口節點，“否”代表非出口節點。
需要說明的是，在該實施例中，所述意圖節點層包括三級節點並不是指所有的出口節點都是第三級節點，某些出口節點可能是第二級節點，如圖4中的卡片節點（第二級節點）即是出口節點。進一步地，在其它實施例中，根據不同的套用環境，所述意圖節點層也可以是四級節點或其它根據不同套用環境設定的多級節點。
進一步參閱圖4所示，查詢節點（出口節點）輸出的意圖信息為“查詢信用卡本期賬單”、及“查詢信用卡歷史賬單”，卡片節點（出口節點）輸出的意圖信息為“信用卡卡片”。相應地，所述詳細意圖層中的詳細意圖信息包括：“查詢信用卡本期賬單、查詢信用卡歷史賬單、及信用卡卡片”等。從所述詳細意圖層中篩選出有意義的詳細意圖信息“查詢信用卡本期賬單、查詢信用卡歷史賬單”（剔除無意義的詳細意圖信息“信用卡卡片”），並將篩選出的上述有意義的詳細意圖信息作為具體知識存儲至所述知識庫層。
優選地，在該實施例中，所述語義最相近的意圖節點的確定步驟包括：遍歷所述知識圖譜中的意圖節點層，根據近義詞模式以及詞語的詞性，於所述意圖節點層中確定一個與所述映射後的詞語語義最相近的意圖節點。舉例而言，參閱圖5所示，通過對圖4中的意圖節點層所有節點的詞語語義進行不同組合，可以得到所述意圖節點層中所有的出口節點的意圖信息。例如，查詢節點（出口節點）包含的意圖信息為：“信用卡、賬單、查詢（是）”，補寄節點包含的意圖信息為：“信用卡、賬單、補寄（是）”。其中，所述括弧內標註的“是”和“否”用於記錄某節點是否為出口節點，“是”代表出口節點，“否”代表非出口節點。
所述意圖獲取模組202，還用於：根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點。
在該實施例中，所述預設的補槽方式包括，但不限於，渠道信息補槽方式、用戶信息補槽方式、及知識圖譜信息補槽方式，具體補槽過程可以採用其中一種補槽方式單獨進行，也可以多種補槽方式結合進行，在此不作限定。在該實施例中，所述渠道信息包括：信用卡渠道信息（代表用戶通過信用卡中心的聯繫渠道進行當前對話）、產險渠道信息（代表用戶通過產險銷售中心的聯繫渠道進行當前對話）、及電話渠道信息（代表用戶通過自助客服電話渠道進行當前對話）。所述用戶信息包括：用戶的賬號類型、每個類型賬號的操作許可權等。所述知識圖譜信息參閱圖4所述，在此不再贅述。
若所述補槽方式為渠道信息補槽方式，則在所述最相近的意圖節點中補充缺少的渠道信息。舉例而言，如果所述最相近的意圖節點為“查詢、賬單”，且該用戶系通過信用卡聯繫渠道進行當前對話，則在所述最相近的意圖節點“查詢、賬單”中補充“信用卡”渠道信息，得到補槽後的意圖節點“查詢、信用卡、賬單”。
若所述補槽方式為用戶信息補槽方式，則在所述最相近的意圖節點中補充缺少的用戶信息。舉例而言，如果所述最相近的意圖節點為“查詢、賬單”，且該用戶信息中的賬號類型只包括信用卡，則在所述最相近的意圖節點“查詢、賬單”中補充“信用卡”用戶信息，得到補槽後的意圖節點“查詢、信用卡、賬單”。
若所述補槽方式為知識圖譜信息補槽方式，則在所述知識圖譜的意圖節點層中確定所述最相近的意圖節點所在的節點路徑對應的所有要素信息，並在所述最相近的意圖節點中補充缺少的要素信息（如系列要素信息）。舉例而言，如果最相近的意圖節點為“卡片”，且卡片節點路徑對應的所有要素信息包括“信用卡、卡片”，則在所述最相近的意圖節點“卡片”中補充缺少的要素信息“信用卡”，得到補槽後的意圖節點“信用卡、卡片”。
所述意圖獲取模組202，還用於：若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖，即對所述補槽後的意圖節點下的知識根據用戶產生意圖的語料進行搜尋得到相應知識。需要說明的是，如果所述補槽後的意圖節點下的知識只有一條，則直接返回該知識作為該用戶的意圖信息。
舉例而言，參閱圖4所示，若所述補槽後的意圖節點為查詢節點（出口節點），所述詳細意圖層中與查詢節點相關聯的詳細意圖信息包括：“查詢信用卡本期賬單、查詢信用卡歷史賬單”，則確定該用戶的意圖為查詢信用卡本期賬單或查詢信用卡歷史賬單，並輸出該確定的用戶意圖至電子裝置的顯示單元或用戶端設備，由該用戶進行最終確認。
由於該發明只在指定的較小範圍內（與出口節點相關聯的小範圍內）獲取該用戶的意圖信息，不會在整個詳細意圖層中尋找該用戶的意圖信息，因此，該發明的人機互動回響速度會更快。另外，由於搜尋只在較小範圍內進行，因此，即使知識庫中存在不準確的知識，也不會影響全局。
所述意圖獲取模組202，還用於：若所述補槽後的意圖節點不是所述意圖節點層中的出口節點（非出口節點），則根據預設的追問模式確定該用戶的意圖。在該實施例中，所述預設的追問模式包括，但不限於，枚舉型模式和要素型模式（或稱之為“開放式追問模式”）。其中，所述枚舉型模式根據不同渠道類型確定不同的枚舉策略，並根據不同的枚舉策略輸出相應的枚舉提示信息。所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。例如，輸出所述枚舉提示信息或要素提示信息至電子裝置的顯示單元或用戶端設備。該發明可以採用單一的追問模式確定該用戶的意圖，也可以採用多種追問模式相結合的方式確定該用戶的意圖。
優選地，在其它實施例中，若所述預設的追問模式為枚舉型模式，且所述渠道類型包括信用卡渠道（如線上信用卡查詢）、產險渠道（如線上產險諮詢）、及電話渠道（如銀行客服電話）。若該渠道類型為信用卡渠道，則輸出第一預定數量（如最多6個）的枚舉提示信息；若該渠道類型為產險渠道，則輸出第二預定數量（如最多4個）的枚舉提示信息；若該渠道類型為電話渠道，則輸出第三預定數量（如最多2個）的枚舉提示信息。
舉例而言，當渠道類型為電話渠道，且所述補槽後的意圖節點為賬單節點（非出口節點），則輸出的枚舉提示信息可以是：查詢信用卡賬單？還是補寄信用卡賬單？
當渠道類型為信用卡渠道，且所述補槽後的意圖節點為信用卡節點（非出口節點），則輸出的枚舉提示信息可以是：查詢信用卡賬單？補寄信用卡賬單？還是信用卡卡片？
優選地，在其它實施例中，若所述預設的追問模式為要素型模式，所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。舉例而言，若所述補槽後的意圖節點為賬單節點，且該賬單節點中缺少的要素信息包括動作要素信息（如查詢或補寄），則輸出額要素提示信息可以是：進行信用卡賬單的何種操作？
由於該發明在用戶意圖不明確時（即所述補槽後的意圖節點不是所述意圖節點層中的出口節點時），通過預設的追問模式（枚舉型模式或要素型模式）進一步確定該用戶的意圖，從而使得用戶意圖獲取在服務端的過程中無需客服人員介入，實現了用戶意圖獲取服務端的全自動流程。
進一步地，由於該發明在進一步追問用戶意圖時考慮到了不同渠道類型的情形（根據不同渠道類型確定不同的枚舉策略，並輸出相應的枚舉提示信息），且在對所述最相近的意圖節點進行語義補槽時也考慮到了不同渠道類型的補槽方式（信用卡渠道補槽方式、產險渠道補槽方式、電話渠道補槽方式），因此，當系統在不同渠道之間進行遷移時，可以無間斷進行，降低了遷移工作的學習成本，只需要學會使用遷移工具即可，不易出錯，遷移效率高且安全可靠。
需要說明的是，在其它實施例中，所述意圖獲取模組202還用於：若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則輸出意圖獲取失敗的信息至電子裝置的顯示單元或用戶端設備，提示用戶重新進行對話。
進一步地，在其它實施例中，所述語義補槽的步驟也可以去除，此種情形下所述意圖獲取模組202，還用於：若所述確定的意圖節點（即最相近的意圖節點）為所述意圖節點層中的出口節點，則根據該確定的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該確定的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖，即對該確定的意圖節點下的知識根據用戶產生意圖的語料進行搜尋得到相應知識。
進一步地，若所述語義補槽的步驟去除，此種情形下所述意圖獲取模組202還用於：若所述確定的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖，或者輸出意圖獲取失敗的信息至電子裝置的顯示單元或用戶端設備，提示用戶重新進行對話。
優選地，在其它實施例中，該意圖獲取系統20還包括意圖知識獲取模組203，所述意圖知識獲取模組203用於：
輸出該確定的用戶意圖，將該確定的用戶意圖存儲至所述知識圖譜的知識庫層，以獲取用戶的意圖知識。具體而言，系統先計算該確定的用戶意圖中的詞向量與知識庫層中預先存儲的詞向量之間的夾角餘弦值，得到該確定的用戶意圖中的詞向量與知識庫層中預先存儲的詞向量之間的相似度值（相似度匹配）。若該相似度值大於預設閥值（80％），則將該確定的用戶意圖存儲至所述知識圖譜的知識庫層。
優選地，在其它實施例中，該意圖獲取系統20還包括訓練模組204，所述訓練模組204用於：對訓練語料依次進行分詞操作、詞向量模型操作、關鍵字相似詞向量操作、第一次人工篩選、二次詞向量操作、及第二次人工篩選，得到用於關鍵字映射的訓練數據。
優選地，在其它實施例中，所述語義理解模組200還包括：根據預設的命名實體識別算法（如基於深層神經網路的命名實體識別算法），從所述分解成的多個詞語中識別出特定詞語（如信用卡、賬單等）；根據預設的集外詞檢測算法（如兩階段集外詞查詢算法、詞格修正算法等），針對所述識別出的特定詞語進行關鍵字擴展，並將擴展得到的詞語添加至所述分解成的多個詞語中。
優選地，在其它實施例中，該意圖獲取系統20還包括後處理模組205，所述後處理模組205用於：根據用戶畫像信息（或用戶屬性信息等），對所述獲取的用戶意圖知識進行不同處理，並進行語義結果反饋應答。在該實施例中，所述用戶屬性信息包括，但不限於，用戶性別（男和女）、用戶年齡、用戶等級等。例如，如果該用戶的屬性信息為VIP用戶，則提供該用戶查詢較長時間（如100天）的信用卡賬單信息，或者當無法獲取該用戶的意圖信息時，自動切換至人工服務。如果該用戶的屬性信息為非VIP用戶，則提供該用戶查詢較短時間（如30天）的信用卡賬單信息，或者當無法獲取該用戶的意圖信息時，提示用戶重新進行對話等。
優選地，在其它實施例中，該意圖獲取系統20還包括訓練數據模組206，所述訓練數據模組206用於：存儲進行分詞訓練的自定義詞典及停用詞表，以及存儲進行語義識別訓練的線上文本數據及語義配置模型。
優選地，在其它實施例中，該意圖獲取系統20還包括測試數據模組207，所述測試數據模組207用於：存儲驗證分詞效果的分詞測試數據，以及存儲驗證語義理解效果的語義測試數據；利用預設的分詞測試數據和分詞分析算法（如計算準確率、召回率、F值的算法），驗證所述分詞結果的效果；及利用預設的語義測試數據和語義分析算法（如單步算法），驗證所述獲取的用戶意圖知識的語義理解效果，並將該語義理解效果存儲至知識庫層。
優選地，在其它實施例中，該意圖獲取系統20還包括上文模組208，所述上文模組208用於：在獲取用戶當前對話（即本輪對話）的意圖時，記錄上輪對話的語義信息（即上輪語義）及電子裝置狀態信息（如機器人狀態）等。
優選地，在其它實施例中，該意圖獲取系統20還包括知識圖譜模組209，所述知識圖譜模組209用於存儲所述預先設定的知識圖譜。
通過上述功能模組201-209，該發明所提出的意圖獲取系統20，只在指定的較小範圍內獲取用戶的意圖信息，人機互動回響速度會更快，即使知識庫中存在不準確的知識，也不會影響全局。若用戶意圖不明確，則通過智慧型追問模式進一步確定該用戶的意圖，實現了用戶意圖獲取服務端的全自動流程。進一步地，該發明在語義補槽和意圖追問時考慮到了不同渠道類型的情形，當系統在不同渠道之間遷移時，可以無間斷進行，降低了遷移工作的學習成本，只需要學會使用遷移工具即可，不易出錯，遷移效率高且安全可靠。
此外，該發明還提出一種意圖獲取方法。
參閱圖3所示，是該發明意圖獲取方法一實施例的實施流程示意圖。在該實施例中，根據不同的需求，圖3所示的流程圖中的步驟的執行順序可以改變，某些步驟可以省略。
步驟S31，獲取用戶當前對話（即本輪對話）的文本句子，通過預設的分詞算法將所述文本句子分解成多個詞語。優選地，如果用戶當前對話的內容為語音信息，則先通過語音識別算法（如MATLAB算法或DTW算法）將用戶的語音信息轉化成文本句子。
步驟S32，根據近義詞模式以及詞語的詞性，將所述分解成的多個詞語映射至預設關鍵字，獲得所述文本句子映射後的詞語。例如，用戶當前對話的文本句子為：詢問信用卡賬單，則分解成的多個詞語包括：詢問、信用卡、賬單，如果預設關鍵字包括：查詢、信用卡、賬單。由於詞語“詢問”的詞性與關鍵字“查詢”的詞性相同（皆為動詞）且意義相近，則詞語“詢問”映射至關鍵字“查詢”。同理，詞語“信用卡”映射至關鍵字“信用卡”，詞語“賬單”映射至關鍵字“賬單”，即所述文本句子映射後的詞語包括：查詢、信用卡、賬單。
步驟S33，於一預先設定的知識圖譜中確定一個與所述映射後的詞語語義最相近的意圖節點。
優選地，在該實施例中，所述預先設定的知識圖譜包括，但不限於，意圖節點層（或稱其為知識體系層、知識節點層）、詳細意圖層、及知識庫層。其中，所述意圖節點層包括根據不同類型的詞語要素組成的多級節點，所述詳細意圖層存儲與所述意圖節點層的出口節點（或稱其為“最後一級節點”）相關聯的詳細意圖信息，所述知識庫層存儲從所述詳細意圖層中篩選出的詳細意圖信息，將篩選出的詳細意圖信息記錄為具體知識。
優選地，在該實施例中，所述不同類型的詞語要素包括，但不限於，系列要素（如信用卡）、目標要素（如賬單或卡片）、及動作要素（如查詢）。舉例而言，參閱圖4所示，在該實施例中，所述意圖節點層包括三級節點：由系列要素組成的第一級節點（如信用卡節點）、由目標要素組成的第二級節點（如賬單節點或卡片節點）、由動作要素組成的第三級節點（如查詢節點或補寄節點）。其中，所述括弧內標註的“是”和“否”用於記錄某節點是否為出口節點，“是”代表出口節點，“否”代表非出口節點。
需要說明的是，在該實施例中，所述意圖節點層包括三級節點並不是指所有的出口節點都是第三級節點，某些出口節點可能是第二級節點，如圖4中的卡片節點（第二級節點）即是出口節點。進一步地，在其它實施例中，根據不同的套用環境，所述意圖節點層也可以是四級節點或其它根據不同套用環境設定的多級節點。
進一步參閱圖4所示，查詢節點（出口節點）輸出的意圖信息為“查詢信用卡本期賬單”、及“查詢信用卡歷史賬單”，卡片節點（出口節點）輸出的意圖信息為“信用卡卡片”。相應地，所述詳細意圖層中的詳細意圖信息包括：“查詢信用卡本期賬單、查詢信用卡歷史賬單、及信用卡卡片”等。從所述詳細意圖層中篩選出有意義的詳細意圖信息“查詢信用卡本期賬單、查詢信用卡歷史賬單”（剔除無意義的詳細意圖信息“信用卡卡片”），並將篩選出的上述有意義的詳細意圖信息作為具體知識存儲至所述知識庫層。
優選地，在該實施例中，所述語義最相近的意圖節點的確定步驟包括：遍歷所述知識圖譜中的意圖節點層，根據近義詞模式以及詞語的詞性，於所述意圖節點層中確定一個與所述映射後的詞語語義最相近的意圖節點。舉例而言，參閱圖5所示，通過對圖4中的意圖節點層所有節點的詞語語義進行不同組合，可以得到所述意圖節點層中所有的出口節點的意圖信息。例如，查詢節點（出口節點）包含的意圖信息為：“信用卡、賬單、查詢（是）”，補寄節點包含的意圖信息為：“信用卡、賬單、補寄（是）”。其中，所述括弧內標註的“是”和“否”用於記錄某節點是否為出口節點，“是”代表出口節點，“否”代表非出口節點。
步驟S34，根據預設的補槽方式對所述最相近的意圖節點進行語義補槽，得到補槽後的意圖節點。
在該實施例中，所述預設的補槽方式包括，但不限於，渠道信息補槽方式、用戶信息補槽方式、及知識圖譜信息補槽方式，具體補槽過程可以採用其中一種補槽方式單獨進行，也可以多種補槽方式結合進行，在此不作限定。在該實施例中，所述渠道信息包括：信用卡渠道信息（代表用戶通過信用卡中心的聯繫渠道進行當前對話）、產險渠道信息（代表用戶通過產險銷售中心的聯繫渠道進行當前對話）、及電話渠道信息（代表用戶通過自助客服電話渠道進行當前對話）。所述用戶信息包括：用戶的賬號類型、每個類型賬號的操作許可權等。所述知識圖譜信息參閱圖4所述，在此不再贅述。
若所述補槽方式為渠道信息補槽方式，則在所述最相近的意圖節點中補充缺少的渠道信息。舉例而言，如果所述最相近的意圖節點為“查詢、賬單”，且該用戶系通過信用卡聯繫渠道進行當前對話，則在所述最相近的意圖節點“查詢、賬單”中補充“信用卡”渠道信息，得到補槽後的意圖節點“查詢、信用卡、賬單”。
若所述補槽方式為用戶信息補槽方式，則在所述最相近的意圖節點中補充缺少的用戶信息。舉例而言，如果所述最相近的意圖節點為“查詢、賬單”，且該用戶信息中的賬號類型只包括信用卡，則在所述最相近的意圖節點“查詢、賬單”中補充“信用卡”用戶信息，得到補槽後的意圖節點“查詢、信用卡、賬單”。
若所述補槽方式為知識圖譜信息補槽方式，則在所述知識圖譜的意圖節點層中確定所述最相近的意圖節點所在的節點路徑對應的所有要素信息，並在所述最相近的意圖節點中補充缺少的要素信息（如系列要素信息）。舉例而言，如果最相近的意圖節點為“卡片”，且卡片節點路徑對應的所有要素信息包括“信用卡、卡片”，則在所述最相近的意圖節點“卡片”中補充缺少的要素信息“信用卡”，得到補槽後的意圖節點“信用卡、卡片”。
步驟S35，若所述補槽後的意圖節點為所述意圖節點層中的出口節點，則根據該補槽後的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該補槽後的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖，即對所述補槽後的意圖節點下的知識根據用戶產生意圖的語料進行搜尋得到相應知識。需要說明的是，如果所述補槽後的意圖節點下的知識只有一條，則直接返回該知識作為該用戶的意圖信息。
舉例而言，參閱圖4所示，若所述補槽後的意圖節點為查詢節點（出口節點），所述詳細意圖層中與查詢節點相關聯的詳細意圖信息包括：“查詢信用卡本期賬單、查詢信用卡歷史賬單”，則確定該用戶的意圖為查詢信用卡本期賬單或查詢信用卡歷史賬單，並輸出該確定的用戶意圖至電子裝置的顯示單元或用戶端設備，由該用戶進行最終確認。
由於該發明只在指定的較小範圍內（與出口節點相關聯的小範圍內）獲取該用戶的意圖信息，不會在整個詳細意圖層中尋找該用戶的意圖信息，因此，該發明的人機互動回響速度會更快。另外，由於搜尋只在較小範圍內進行，因此，即使知識庫中存在不準確的知識，也不會影響全局。
步驟S36，若所述補槽後的意圖節點不是所述意圖節點層中的出口節點（非出口節點），則根據預設的追問模式確定該用戶的意圖。在該實施例中，所述預設的追問模式包括，但不限於，枚舉型模式和要素型模式（或稱之為“開放式追問模式”）。其中，所述枚舉型模式根據不同渠道類型確定不同的枚舉策略，並根據不同的枚舉策略輸出相應的枚舉提示信息。所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。例如，輸出所述枚舉提示信息或要素提示信息至電子裝置的顯示單元或用戶端設備。該發明可以採用單一的追問模式確定該用戶的意圖，也可以採用多種追問模式相結合的方式確定該用戶的意圖。
優選地，在其它實施例中，若所述預設的追問模式為枚舉型模式，且所述渠道類型包括信用卡渠道（如線上信用卡查詢）、產險渠道（如線上產險諮詢）、及電話渠道（如銀行客服電話）。若該渠道類型為信用卡渠道，則輸出第一預定數量（如最多6個）的枚舉提示信息；若該渠道類型為產險渠道，則輸出第二預定數量（如最多4個）的枚舉提示信息；若該渠道類型為電話渠道，則輸出第三預定數量（如最多2個）的枚舉提示信息。
舉例而言，當渠道類型為電話渠道，且所述補槽後的意圖節點為賬單節點（非出口節點），則輸出的枚舉提示信息可以是：查詢信用卡賬單？還是補寄信用卡賬單？
當渠道類型為信用卡渠道，且所述補槽後的意圖節點為信用卡節點（非出口節點），則輸出的枚舉提示信息可以是：查詢信用卡賬單？補寄信用卡賬單？還是信用卡卡片？
優選地，在其它實施例中，若所述預設的追問模式為要素型模式，所述要素型模式根據所述補槽後的意圖節點中缺少的要素信息，輸出相應的要素提示信息。舉例而言，若所述補槽後的意圖節點為賬單節點，且該賬單節點中缺少的要素信息包括動作要素信息（如查詢或補寄），則輸出額要素提示信息可以是：進行信用卡賬單的何種操作？
由於該發明在用戶意圖不明確時（即所述補槽後的意圖節點不是所述意圖節點層中的出口節點時），通過預設的追問模式（枚舉型模式或要素型模式）進一步確定該用戶的意圖，從而使得用戶意圖獲取在服務端的過程中無需客服人員介入，實現了用戶意圖獲取服務端的全自動流程。
進一步地，由於該發明在進一步追問用戶意圖時考慮到了不同渠道類型的情形（根據不同渠道類型確定不同的枚舉策略，並輸出相應的枚舉提示信息），且在對所述最相近的意圖節點進行語義補槽時也考慮到了不同渠道類型的補槽方式（信用卡渠道補槽方式、產險渠道補槽方式、電話渠道補槽方式），因此，當系統在不同渠道之間進行遷移時，可以無間斷進行，降低了遷移工作的學習成本，只需要學會使用遷移工具即可，不易出錯，遷移效率高且安全可靠。
需要說明的是，在其它實施例中，所述步驟S36也可以設定為：若所述補槽後的意圖節點不是所述意圖節點層中的出口節點，則輸出意圖獲取失敗的信息至電子裝置的顯示單元或用戶端設備，提示用戶重新進行對話。
進一步地，在其它實施例中，所述步驟S34也可以去除，此種情形下步驟S35包括：若所述步驟S33中確定的意圖節點（即最相近的意圖節點）為所述意圖節點層中的出口節點，則根據該確定的意圖節點對應的意圖信息，在所述知識圖譜的詳細意圖層中的指定範圍內獲取與該確定的意圖節點相關聯的詳細意圖信息，並根據獲取的詳細意圖信息確定該用戶的意圖，即對該確定的意圖節點下的知識根據用戶產生意圖的語料進行搜尋得到相應知識。
進一步地，若所述步驟S34去除，此種情形下步驟S36包括：若所述確定的意圖節點不是所述意圖節點層中的出口節點，則根據預設的追問模式確定該用戶的意圖，或者輸出意圖獲取失敗的信息至電子裝置的顯示單元或用戶端設備，提示用戶重新進行對話。
優選地，在其它實施例中，該方法還包括意圖知識獲取步驟：輸出該確定的用戶意圖，將該確定的用戶意圖存儲至所述知識圖譜的知識庫層，以獲取用戶的意圖知識。具體而言，系統先計算該確定的用戶意圖中的詞向量與知識庫層中預先存儲的詞向量之間的夾角餘弦值，得到該確定的用戶意圖中的詞向量與知識庫層中預先存儲的詞向量之間的相似度值（相似度匹配）。若該相似度值大於預設閥值（80％），則將該確定的用戶意圖存儲至所述知識圖譜的知識庫層。
優選地，在其它實施例中，該方法還包括訓練步驟：對訓練語料依次進行分詞操作、詞向量模型操作、關鍵字相似詞向量操作、第一次人工篩選、二次詞向量操作、及第二次人工篩選，得到用於關鍵字映射的訓練數據。
優選地，在其它實施例中，步驟S31之後、步驟S32之前還包括如下步驟：根據預設的命名實體識別算法（如基於深層神經網路的命名實體識別算法），從所述分解成的多個詞語中識別出特定詞語（如信用卡、賬單等）；根據預設的集外詞檢測算法（如兩階段集外詞查詢算法、詞格修正算法等），針對所述識別出的特定詞語進行關鍵字擴展，並將擴展得到的詞語添加至所述分解成的多個詞語中。
優選地，在其它實施例中，該方法還包括後處理步驟：根據用戶畫像信息（或用戶屬性信息等），對所述獲取的用戶意圖知識進行不同處理，並進行語義結果反饋應答。在該實施例中，所述用戶屬性信息包括，但不限於，用戶性別（男和女）、用戶年齡、用戶等級等。例如，如果該用戶的屬性信息為VIP用戶，則提供該用戶查詢較長時間（如100天）的信用卡賬單信息，或者當無法獲取該用戶的意圖信息時，自動切換至人工服務。如果該用戶的屬性信息為非VIP用戶，則提供該用戶查詢較短時間（如30天）的信用卡賬單信息，或者當無法獲取該用戶的意圖信息時，提示用戶重新進行對話等。
優選地，在其它實施例中，該方法還包括訓練數據步驟：存儲進行分詞訓練的自定義詞典及停用詞表，以及存儲進行語義識別訓練的線上文本數據及語義配置模型。
優選地，在其它實施例中，該方法還包括測試數據步驟：存儲驗證分詞效果的分詞測試數據，以及存儲驗證語義理解效果的語義測試數據；利用預設的分詞測試數據和分詞分析算法（如計算準確率、召回率、F值的算法），驗證所述分詞結果的效果；及利用預設的語義測試數據和語義分析算法（如單步算法），驗證所述獲取的用戶意圖知識的語義理解效果，並將該語義理解效果存儲至知識庫層。
優選地，在其它實施例中，該方法還包括上文記錄步驟：在獲取用戶當前對話（即本輪對話）的意圖時，記錄上輪對話的語義信息（即上輪語義）及電子裝置狀態信息（如機器人狀態）等。
通過上述步驟S31-S36，該發明所提出的意圖獲取方法，只在指定的較小範圍內獲取用戶的意圖信息，人機互動回響速度會更快，即使知識庫中存在不準確的知識，也不會影響全局。若用戶意圖不明確，則通過智慧型追問模式進一步確定該用戶的意圖，實現了用戶意圖獲取服務端的全自動流程。進一步地，該發明在語義補槽和意圖追問時考慮到了不同渠道類型的情形，當系統在不同渠道之間遷移時，可以無間斷進行，降低了遷移工作的學習成本，只需要學會使用遷移工具即可，不易出錯，遷移效率高且安全可靠。
進一步地，為實現上述目的，該發明還提供一種計算機可讀存儲介質（如ROM/RAM、磁碟、光碟），所述計算機可讀存儲介質存儲有意圖獲取系統20，所述意圖獲取系統20可被至少一個處理器22執行，以使所述至少一個處理器執行如上所述的意圖獲取方法的步驟。
榮譽表彰
2020年7月14日，《意圖獲取方法、電子裝置及計算機可讀存儲介質》獲得第二十一屆中國專利獎優秀獎。
