基于大模型的意图识别方法、装置、电子设备和存储介质与流程

本公开涉及ai(artificial intelligence，人工智能)领域，具体涉及nlp(natural language processing，自然语言处理)、大模型、llms(large language models，大语言模型)、深度学习等，尤其涉及基于大模型的意图识别方法、装置、电子设备和存储介质。

背景技术：

1、随着ai技术的不断发展，人机交互的方式由命令式向对话式不断演变。其中，针对对话式人机交互场景(如意图识别系统、推荐系统、舆情系统、检索系统、文本分类系统等)，首先需要理解用户意图，而后才能基于用户意图，给出用户想要的答案。因此，如何识别用户意图，对于对话式人机交互场景是非常重要的。

技术实现思路

1、本公开提供了一种用于基于大模型的意图识别方法、装置、电子设备和存储介质。

2、根据本公开的一方面，提供了一种基于大模型的意图识别方法，包括：

3、获取输入语句；

4、根据所述输入语句，获取至少一个第一语句意图对；其中，所述第一语句意图对中包括与所述输入语句相似的候选语句及所述候选语句所属的候选意图；

5、根据所述至少一个第一语句意图对，生成第一提示信息；

6、基于所述第一提示信息，对所述输入语句进行意图识别，得到所述输入语句所属的目标意图。

7、根据本公开的另一方面，提供了一种基于大模型的意图识别装置，包括：

8、第一获取模块，用于获取输入语句；

9、第二获取模块，用于根据所述输入语句，获取至少一个第一语句意图对；其中，所述第一语句意图对中包括与所述输入语句相似的候选语句及所述候选语句所属的候选意图；

10、第一生成模块，用于根据所述至少一个第一语句意图对，生成第一提示信息；

11、识别模块，用于基于所述第一提示信息，对所述输入语句进行意图识别，得到所述输入语句所属的目标意图。

12、根据本公开的再一方面，提供了一种电子设备，包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开上述一方面提出的基于大模型的意图识别方法。

16、根据本公开的又一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述一方面提出的基于大模型的意图识别方法。

17、根据本公开的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述一方面提出的基于大模型的意图识别方法。

18、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于大模型的意图识别方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述至少一个第一语句意图对，生成第一提示信息，包括：

3.根据权利要求2所述的方法，其中，所述基于所述第一提示信息，对所述输入语句进行意图识别，得到所述输入语句所属的目标意图，包括：

4.根据权利要求2所述的方法，其中，所述根据所述至少一个问答对和所述意图识别范围，生成所述第一提示信息，包括：

5.根据权利要求4所述的方法，其中，所述基于所述第一提示信息，对所述输入语句进行意图识别，得到所述输入语句所属的目标意图，包括：

6.根据权利要求1所述的方法，其中，所述根据所述输入语句，获取至少一个第一语句意图对，包括：

7.根据权利要求6所述的方法，其中，所述目标存储节点中还存储有：各所述语句意图对中语句的第一句子向量，

8.根据权利要求6所述的方法，其中，所述目标存储节点中还存储有：各所述语句意图对中语句的第一有向图，其中，所述第一有向图中的节点用于指示对应语句中的单词，所述节点之间的有向边用于指示所述单词之间的语义关系；

9.根据权利要求6所述的方法，其中，所述目标存储节点中的语句意图对，采用以下步骤生成：

10.根据权利要求6所述的方法，其中，所述目标存储节点中的语句意图对，采用以下步骤生成：

11.根据权利要求10所述的方法，其中，所述第二提示信息，还用于指示所述大语言模型输出的语句数量；

12.根据权利要求6-11中任一项所述的方法，其中，所述方法还包括：

13.根据权利要求6-11中任一项所述的方法，其中，所述方法还包括：

14.根据权利要求6-11中任一项所述的方法，其中，所述方法还包括：

15.根据权利要求1-11中任一项所述的方法，其中，所述基于所述第一提示信息，对所述输入语句进行意图识别，得到所述输入语句所属的目标意图之后，所述方法还包括：

16.一种基于大模型的意图识别装置，包括：

17.根据权利要求16所述的装置，其中，所述第一生成模块，用于：

18.根据权利要求17所述的装置，其中，所述识别模块，用于：

19.根据权利要求17所述的装置，其中，所述第一生成模块，用于：

20.根据权利要求19所述的装置，其中，所述识别模块，用于：

21.根据权利要求16所述的装置，其中，所述第二获取模块，用于：

22.根据权利要求21所述的装置，其中，所述目标存储节点中还存储有：各所述语句意图对中语句的第一句子向量，

23.根据权利要求21所述的装置，其中，所述目标存储节点中还存储有：各所述语句意图对中语句的第一有向图，其中，所述第一有向图中的节点用于指示对应语句中的单词，所述节点之间的有向边用于指示所述单词之间的语义关系；

24.根据权利要求21所述的装置，其中，所述目标存储节点中的语句意图对，采用以下模块生成：

25.根据权利要求21所述的装置，其中，所述目标存储节点中的语句意图对，采用以下模块生成：

26.根据权利要求25所述的装置，其中，所述第二提示信息，还用于指示所述大语言模型输出的语句数量；

27.根据权利要求21-26中任一项所述的装置，其中，所述装置还包括：

28.根据权利要求21-26中任一项所述的装置，其中，所述装置还包括：

29.根据权利要求21-26中任一项所述的装置，其中，所述装置还包括：

30.根据权利要求21-26中任一项所述的装置，其中，所述装置还包括：

31.一种电子设备，包括：

32.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-15所述的基于大模型的意图识别方法。

33.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-15所述基于大模型的意图识别方法的步骤。

技术总结
本公开提供了一种基于大模型的意图识别方法、装置、电子设备和存储介质，涉及人工智能领域，具体涉及NLP、大模型、大语言模型LLMs、深度学习等技术领域。具体实现方案为：根据输入语句，获取至少一个第一语句意图对；其中，第一语句意图对中包括与输入语句相似的候选语句及候选语句所属的候选意图；根据至少一个第一语句意图对，生成第一提示信息；基于第一提示信息，对输入语句进行意图识别，得到输入语句所属的目标意图。

技术研发人员：邱奇
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/3/12