本技術涉及人工智能開發(fā)與金融科技領域，尤其涉及基于人工智能的意圖識別方法、裝置、計算機設備及存儲介質。

背景技術：

1、在當今快速發(fā)展的金融科技領域，對話系統(tǒng)作為提升用戶體驗、實現(xiàn)高效金融服務的關鍵技術之一，正日益受到重視。然而，現(xiàn)有金融領域中的對話系統(tǒng)在處理用戶意圖識別方面，仍面臨著挑戰(zhàn)與局限性。

2、目前的對話系統(tǒng)多采用關鍵詞匹配技術來識別用戶意圖，這種方法簡單直接，能夠快速響應結構化或高度標準化的查詢請求。然而，面對自然語言輸入的多樣性和復雜性，尤其是當用戶使用同義詞、縮寫、口語化表達或含有隱晦含義的詞匯時，關鍵詞匹配法往往難以準確捕捉用戶真實意圖，導致識別準確率下降。

技術實現(xiàn)思路

1、本技術實施例的目的在于提出一種基于人工智能的意圖識別方法、裝置、計算機設備及存儲介質，以解決現(xiàn)有的對話系統(tǒng)采用關鍵詞匹配技術識別用戶意圖的方式存在識別準確率較低的技術問題。

2、為了解決上述技術問題，本技術實施例提供一種基于人工智能的意圖識別方法，采用了如下所述的技術方案：

3、獲取用戶輸入的查詢文本；

4、對所述查詢文本進行清洗處理，得到對應的目標文本；

5、基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果；

6、若所述匹配結果的內容為匹配失敗，則調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果；

7、基于所述語義模型對所述一級標簽預測結果進行分類處理，得到對應的二級標簽預測結果；

8、調用與所述語義模型對應的目標后處理規(guī)則對所述二級標簽預測結果進行匹配處理，得到對應的規(guī)則匹配結果；

9、基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果。

10、進一步的，所述匹配模塊至少包括規(guī)則匹配模塊、精確匹配模塊以及模糊匹配模塊；所述基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果的步驟，具體包括：

11、基于所述規(guī)則匹配模塊對所述目標文本進行規(guī)則匹配；

12、若規(guī)則匹配失敗，則基于所述精確匹配模塊對所述目標文本進行精確匹配；

13、若精確匹配失敗，則基于所述模糊匹配模塊對所述目標文本進行模糊匹配；

14、若模糊匹配成功，則生成內容為匹配成功的匹配結果；

15、若模糊匹配失敗，則生成內容為匹配失敗的匹配結果。

16、進一步的，所述基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果的步驟，具體包括：

17、獲取所述規(guī)則匹配結果的結果內容；

18、判斷所述結果內容是否為規(guī)則匹配成功；

19、若是，基于預設的修改策略對所述二級標簽預測結果進行修改處理得到對應的修改結果，并將所述修改結果作為與所述查詢文本對應的目標意圖識別結果；

20、若否，則將所述二級標簽預測結果作為與所述查詢文本對應的目標意圖識別結果。

21、進一步的，所述對所述查詢文本進行清洗處理，得到對應的目標文本的步驟，具體包括：

22、對所述查詢文本進行規(guī)則處理，得到對應的第一文本；

23、對所述第一文本進行糾錯處理，得到對應的第二文本；

24、對所述第二文本進行消歧處理，得到對應的第三文本；

25、將所述第三文本作為所述目標文本。

26、進一步的，在所述調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果的步驟之前，還包括：

27、獲取預先采集的訓練文本數(shù)據(jù)；其中，所述訓練文本數(shù)據(jù)包括查詢文本數(shù)據(jù)，以及與所述查詢文本數(shù)據(jù)對應的一級標簽以及二級標簽；

28、獲取預設的初始模型；

29、基于所述訓練文本數(shù)據(jù)對所述初始模型進行第一次訓練，得到對應的第一模型；

30、獲取與所述第一次訓練對應的一級標簽數(shù)據(jù)，并基于所述一級標簽數(shù)據(jù)對所述第一模型進行二次訓練，得到對應的第二模型；

31、對所述第二模型進行模型微調，得到微調后的第三模型；

32、基于所述第三模型生成所述語義模型。

33、進一步的，所述基于人工智能的意圖識別方法，還包括：

34、獲取與意圖識別業(yè)務對應的意圖識別服務數(shù)據(jù)；

35、調用預設的目標數(shù)據(jù)庫；

36、將所述意圖識別服務數(shù)據(jù)存儲至所述目標數(shù)據(jù)庫內；

37、基于預設的處理接口對所述目標數(shù)據(jù)庫進行數(shù)據(jù)更新處理。

38、進一步的，在所述基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果的步驟之后，還包括：

39、基于所述目標意圖識別結果生成與所述查詢文本對應的緩存意圖結果；

40、獲取與所述緩存意圖結果對應的有效時間；

41、基于所述有效時間對所述緩存意圖結果進行緩存處理；

42、在完成對于所述緩存意圖結果的緩存后，將所述目標意圖識別結果返回給所述用戶。

43、為了解決上述技術問題，本技術實施例還提供一種基于人工智能的意圖識別裝置，采用了如下所述的技術方案：

44、第一獲取模塊，用于獲取用戶輸入的查詢文本；

45、清洗模塊，用于對所述查詢文本進行清洗處理，得到對應的目標文本；

46、匹配模塊，用于基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果；

47、預測模塊，用于若所述匹配結果的內容為匹配失敗，則調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果；

48、分類模塊，用于基于所述語義模型對所述一級標簽預測結果進行分類處理，得到對應的二級標簽預測結果；

49、處理模塊，用于調用與所述語義模型對應的目標后處理規(guī)則對所述二級標簽預測結果進行匹配處理，得到對應的規(guī)則匹配結果；

50、調整模塊，用于基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果。

51、為了解決上述技術問題，本技術實施例還提供一種計算機設備，采用了如下所述的技術方案：

52、獲取用戶輸入的查詢文本；

53、對所述查詢文本進行清洗處理，得到對應的目標文本；

54、基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果；

55、若所述匹配結果的內容為匹配失敗，則調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果；

56、基于所述語義模型對所述一級標簽預測結果進行分類處理，得到對應的二級標簽預測結果；

57、調用與所述語義模型對應的目標后處理規(guī)則對所述二級標簽預測結果進行匹配處理，得到對應的規(guī)則匹配結果；

58、基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果。

59、為了解決上述技術問題，本技術實施例還提供一種計算機可讀存儲介質，采用了如下所述的技術方案：

60、獲取用戶輸入的查詢文本；

61、對所述查詢文本進行清洗處理，得到對應的目標文本；

62、基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果；

63、若所述匹配結果的內容為匹配失敗，則調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果；

64、基于所述語義模型對所述一級標簽預測結果進行分類處理，得到對應的二級標簽預測結果；

65、調用與所述語義模型對應的目標后處理規(guī)則對所述二級標簽預測結果進行匹配處理，得到對應的規(guī)則匹配結果；

66、基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果。

67、與現(xiàn)有技術相比，本技術實施例主要有以下有益效果：

68、本技術首先獲取用戶輸入的查詢文本；然后對所述查詢文本進行清洗處理，得到對應的目標文本；之后基于預設的匹配模塊對所述目標文本進行匹配處理，得到對應的匹配結果；若所述匹配結果的內容為匹配失敗，則調用預設的語義模型對所述目標文本進行預測處理，得到對應的一級標簽預測結果；后續(xù)基于所述語義模型對所述一級標簽預測結果進行分類處理，得到對應的二級標簽預測結果；進一步調用與所述語義模型對應的目標后處理規(guī)則對所述二級標簽預測結果進行匹配處理，得到對應的規(guī)則匹配結果；最后基于所述規(guī)則匹配結果對所述二級標簽預測結果進行對應的調整處理，得到與所述查詢文本對應的目標意圖識別結果。本技術通過對用戶輸入的查詢文本進行清洗處理得到目標文本，進而通過集成基于匹配模塊與語義模型的使用來對目標文本進行意圖識別，實現(xiàn)了從簡單到復雜的意圖識別處理的全面覆蓋，確保了在不同情境下都能提供高精度的意圖識別能力，有效地提高了意圖識別的識別準確率。