[发明专利]电力用户意图识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种电力用户意图识别方法、装置、计算机设备和存储介质。该方法包括：获取智能助理的与待识别电力用户意图数据相同类别的多个当前标注数据，从多个当前标注数据选出M个数据形成当前支撑集，从多个当前标注数据的剩余数据中选出N个数据形成当前查询集；将当前支撑集和当前查询集输入预先训练好的编码‑归纳‑关系模型，以使编码‑归纳‑关系模型具备区分待识别电力用户意图数据的类别意图的能力；将待识别电力用户意图数据输入到已具备区分待识别电力用户意图数据的类别意图的能力的编码‑归纳‑关系模型，得到待识别电力用户意图数据的意图识别结果。能够在智能助理初始构建阶段，解决“冷启动”问题，提升电力用户意图的识别精度。

技术领域

本申请电力技术领域，特别是涉及一种电力用户意图识别方法、装置、计算机设备和存储介质。

背景技术

随着电力行业以及人工智能技术的快速发展，电力企业内部产生了大量文本数据以及需要交互的业务场景，例如，运营管控智能助理等。智能助理(例如，也称为“智能对话助手”，或简称为“助理”)。用户可以基于计算机设备提供的用户接口与智能助理进行聊天、说话或以其他方式的交互以使智能助理响应用户的需求输出相应信息，或以其他方式执行某些操作。智能助理的实现逻辑与聊天机器人相似，但是多了业务处理的流程，智能助理会根据对话管理返回的结果进行相关业务的处理。在业务交互过程中，智能助理系统通过自然语言理解对用户意图进行识别，可以快速定位用户需求，提高流程效率，简化企业信息交互过程，具有巨大的应用价值。

自然语言理解是通过语法、语义、语用的分析，获取自然语言的语义表示。用户能通过自然语言与机器引擎进行交互，机器能识别用户表达的语言结构，并转换为机器语言，最后理解这句话的意图并做出反应。自然语言理解的实现过程主要有三个步骤：首先将用户语音转换后的文本进行分词，然后通过文本向量化模型提取文本特征并转化为计算机可以识别的形式，最后通过基于深度学习的神经网络模型对用户的意图进行识别。其中意图识别是自然语言理解中最核心、最复杂的环节。语义表示可以用意图+槽位的方式来描述。意图即这句话所表达的含义，槽位即表达这个意图所需要的具体参数，用slot(槽位)和value(槽位值)对的方式表示，通过将自然语言进行这样的结构化转换，机器引擎就能准确理解这句话的含义并调用相应的功能。意图识别的准确性对于机器引擎进行人机交互的质量有着决定性的影响。

然而，传统的深度学习的神经网络模型进行意图识别，其识别效果依赖于模型训练数据的质量和规模。但电力企业的业务覆盖大、数据类别众多，其智能助理初始构建阶段，会存在比较明显的智能助理的“冷启动”问题，影响电力用户意图的识别精度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在智能助理初始构建阶段，提升电力用户意图的识别精度的电力用户意图识别方法、装置、计算机设备和存储介质。

一种电力用户意图识别方法，该方法包括：

获取智能助理的与待识别电力用户意图数据相同类别的多个当前标注数据，从多个当前标注数据选出M个数据，形成当前支撑集，从多个当前标注数据的剩余数据中选出N个数据，形成当前查询集；

将当前支撑集和当前查询集输入预先训练好的编码-归纳-关系模型，以使编码-归纳-关系模型具备区分待识别电力用户意图数据的类别意图的能力；

将待识别电力用户意图数据，输入到已具备区分待识别电力用户意图数据的类别意图的能力的编码-归纳-关系模型，得到待识别电力用户意图数据的意图识别结果。

在其中一个实施例中，上述的获取智能助理的与待识别电力用户意图数据相同类别的多个当前标注数据，包括：

从智能助理对应的信息域运营管理系统的系统日志中，获取与待识别电力用户意图数据相同类别的多个当前电力用户对话数据；

分别根据各当前电力用户对话数据的电力用户意图进行对应的当前电力用户对话数据的意图标注，得到多个当前标注数据。