[發明專利]基于意圖識別的方案優化方法、裝置、設備及存儲介質

在審

• 申請號: 202210596403.1
• 申請日: 2022-05-30
• 公開（公告）號: CN114862046A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 桂寶元
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06V40/16;G06V10/82;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 劉暢

1.一種基于意圖識別的方案優化方法，其特征在于，包括：

接收用戶輸入的操作指令，在預設的方案庫中選擇與所述操作指令對應的第一操作方案，并執行第一操作方案；

獲取所述第一操作方案執行過程中所述用戶的面部圖像和生理參數；

提取所述面部圖像的圖像特征，并對所述圖像特征進行向量轉換，得到圖像特征向量；

從所述生理參數中提取生理特征，并對所述生理特征進行向量轉換，得到生理特征向量；

將所述圖像特征向量和所述生理特征向量導入預先訓練好的用戶意圖識別模型，生成用戶意圖識別結果；

基于所述用戶意圖識別結果在所述方案庫中選擇第二操作方案，并執行所述第二操作方案。

2.如權利要求1所述基于意圖識別的方案優化方法，其特征在于，所述提取所述面部圖像的圖像特征，并對所述圖像特征進行向量轉換，得到圖像特征向量的步驟，具體包括：

獲取圖像數據，并對所述圖像數據進行預處理；

對預處理后的所述圖像數據進行特征標注，得到圖像訓練樣本；

基于卷積網絡構建圖像生成網絡，并通過所述圖像訓練樣本對所述圖像生成網絡進行訓練，得到圖像特征提取器；

通過所述圖像特征提取器對所述面部圖像進行特征提取，得到所述圖像特征。

3.如權利要求2所述基于意圖識別的方案優化方法，其特征在于，所述圖像生成網絡包括卷積層和反卷積層，所述卷積層與所述反卷積層相互對應，所述通過所述圖像訓練樣本對所述圖像生成網絡進行訓練，得到圖像特征提取器的步驟，具體包括：

根據所述特征標注對所述圖像訓練樣本進行特征提取，得到樣本特征；

通過所述卷積層對所述樣本特征進行卷積運算，得到卷積運算結果；

通過所述反卷積層對所述卷積運算結果進行反卷積運算，以對所述卷積運算結果進行特征還原，得到還原特征；

比對所述還原特征和所述樣本特征，并基于特征比對結果對所述圖像生成網絡進行迭代更新，直至所述圖像生成網絡擬合，得到所述圖像特征提取器。

4.如權利要求3所述基于意圖識別的方案優化方法，其特征在于，在所述通過所述卷積層對所述樣本特征進行卷積運算，得到卷積運算結果的步驟之后，還包括：

基于深度學習壓縮算法對所述卷積運算結果進行篩選，去除所述卷積運算結果中的冗余項。

5.如權利要求1至4任意一項所述基于意圖識別的方案優化方法，其特征在于，所述將所述圖像特征向量和所述生理特征向量導入預先訓練好的用戶意圖識別模型，生成用戶意圖識別結果的步驟，具體包括：

獲取意圖訓練樣本，其中，所述意圖訓練樣本包括面部圖像樣本和生理參數樣本；

提取所述面部圖像樣本的特征，得到樣本面部特征，以及提取所述生理參數樣本的特征，得到樣本生理特征；

分別對所述樣本面部特征和所述樣本生理特征進行進行向量轉換，得到第一樣本特征向量和第二樣本特征向量；

基于所述第一樣本特征向量和所述第二樣本特征向量對預設的初始識別模型進行模型訓練，得到訓練好的用戶意圖識別模型。

6.如權利要求5所述基于意圖識別的方案優化方法，其特征在于，所述初始識別模型包括編碼層和解碼層，所述基于所述第一樣本特征向量和所述第二樣本特征向量對預設的初始識別模型進行模型訓練，得到訓練好的用戶意圖識別模型的步驟，具體包括：

分別通過所述編碼層對所述第一樣本特征向量和所述第二樣本特征向量進行特征編碼，得到第一編碼向量和第二編碼向量；

對所述第一編碼向量和所述第二編碼向量進行向量拼接，得到特征拼接向量；

通過所述解碼層對所述特征拼接向量進行解碼，得到樣本意圖識別結果；

將所述樣本意圖識別結果與預設標準結果進行比對，并根據識別比對結果對所述初始識別模型進行迭代更新，得到訓練好的用戶意圖識別模型。