[發明專利]一種基于意圖理解的服務調用方法和系統

有效

• 申請號: 201810569449.8
• 申請日: 2018-06-05
• 公開（公告）號: CN108874774B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 王功明;王建華;郭運艷;李明明;王本強
• 申請（專利權）人: 浪潮軟件股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/247
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜鵬

本發明特別涉及一種基于意圖理解的服務調用方法和系統。該基于意圖理解的服務調用方法，通過構建基礎數據模型和處理工具，構建意圖理解模型，使用意圖理解模型處理用戶請求，綜合多種策略識別出實體，根據實體類型確定意圖類型，執行服務調用。該基于意圖理解的服務調用方法和系統，通過匹配用戶請求文本中的實體類型序列來判定意圖類型，簡單、可控、自然，易于工程化實現，符合大規模應用中的流式處理需要，既提高了命名實體識別的準確率，又提高了用戶請求文本中命名實體識別的召回率。

技術領域

本發明涉及任務型對話系統技術領域，特別涉及一種基于意圖理解的服務調用方法和系統。

背景技術

任務型對話系統可以根據用戶提出的請求，完成相應的任務，如買票、訂餐、購物、天氣查詢等，廣泛應用在蘋果Siri、微軟Cortana、百度度秘等語音助手中。其處理流程主要包括四部分：語音識別、意圖理解、對話管理、自然語言生成；其中，意圖理解將用戶輸入的非結構化請求文本轉換為結構化的語義表示，對話管理根據意圖理解的結果和上下文語境等因素調用服務；由此可知，基于意圖理解的服務調用是任務型對話系統的核心。

意圖理解輸出的結構化語義表示包括三部分：域、意圖、槽；其中，域(domain)是用戶請求的范圍，意圖(intent)是用戶請求的類型，槽(slot)是刻畫用戶請求的實體。例如，在請求“訂一張上海飛北京的頭等艙，下午五點出發”中，域是“訂票”、意圖是“飛機”、槽是“出發地＝上海、目的地＝北京、時間＝下午五點”。

域、意圖和槽構成結構化語義的層次結構。其中，每種意圖都有對應的服務程序，將“槽”中的實體轉換為參數，調用服務程序即可處理用戶請求。

除了切換系統外，“域”在同一個系統中通常不發生變化，所以意圖理解的主要工作是意圖分類和實體識別。常用方法包括下述3種：

(1)基于規則的方法

使用關鍵詞/正則表達式匹配來判定意圖類型，同時抽取實體。這種方法靈活、簡單，不需要訓練數據；但需要大量的規則，隨著規則的增加，維度難度也隨之上升。

(2)基于傳統機器學習的方法

首先，在語料中標注出實體和意圖類型；然后，根據實體標注結果，通過HMM、CRF等方法訓練出實體識別器；隨后，根據語料特征和意圖類型，通過SVM、LR等傳統機器學習方法生成意圖分類器。該方法源于數據驅動，具有一定的泛化能力。但是該方法需要大量精確標注的語料，對于給定類型的意圖而言，用戶提問的方式有限，語料數量很少；任務型對話系統中的語料都是短文本，可供訓練的特征不多；上述兩方面影響了該方法的準確性。此外，傳統機器學習程序具有“黑箱”特性，內部運行機理復雜、參數不易調整、結果可解釋性較差。

(3)基于深度學習的方法

需要綜合CNN、LSTM、CRF等多種方法，主要包括兩部分內容，如下：

A、構建意圖分類器：首先，通過詞匯向量化，將語料轉換為向量；然后，將意圖分類視為短文本分類，使用CNN訓練向量化后的語料，生成意圖分類模型。

B、構建命名實體識別器：首先，通過數據預處理(分句、分詞)工具處理輸入語句，得到詞匯特征向量；然后，使用CNN處理每個單詞的字符，得到對應的字符特征向量；隨后，組合詞匯特征向量和字符特征向量，傳入雙向LSTM網絡進行訓練，得到輸入語句的信息特征；最后，將雙向LSTM輸出的語句信息特征作為CRF層的輸入，使用CRF模型進行訓練，得到命名實體識別模型。