[发明专利]基于意图识别的方案优化方法、装置、设备及存储介质

权利要求书

1.一种基于意图识别的方案优化方法，其特征在于，包括：

接收用户输入的操作指令，在预设的方案库中选择与所述操作指令对应的第一操作方案，并执行第一操作方案；

获取所述第一操作方案执行过程中所述用户的面部图像和生理参数；

提取所述面部图像的图像特征，并对所述图像特征进行向量转换，得到图像特征向量；

从所述生理参数中提取生理特征，并对所述生理特征进行向量转换，得到生理特征向量；

将所述图像特征向量和所述生理特征向量导入预先训练好的用户意图识别模型，生成用户意图识别结果；

基于所述用户意图识别结果在所述方案库中选择第二操作方案，并执行所述第二操作方案。

2.如权利要求1所述基于意图识别的方案优化方法，其特征在于，所述提取所述面部图像的图像特征，并对所述图像特征进行向量转换，得到图像特征向量的步骤，具体包括：

获取图像数据，并对所述图像数据进行预处理；

对预处理后的所述图像数据进行特征标注，得到图像训练样本；

基于卷积网络构建图像生成网络，并通过所述图像训练样本对所述图像生成网络进行训练，得到图像特征提取器；

通过所述图像特征提取器对所述面部图像进行特征提取，得到所述图像特征。

3.如权利要求2所述基于意图识别的方案优化方法，其特征在于，所述图像生成网络包括卷积层和反卷积层，所述卷积层与所述反卷积层相互对应，所述通过所述图像训练样本对所述图像生成网络进行训练，得到图像特征提取器的步骤，具体包括：

根据所述特征标注对所述图像训练样本进行特征提取，得到样本特征；

通过所述卷积层对所述样本特征进行卷积运算，得到卷积运算结果；

通过所述反卷积层对所述卷积运算结果进行反卷积运算，以对所述卷积运算结果进行特征还原，得到还原特征；

比对所述还原特征和所述样本特征，并基于特征比对结果对所述图像生成网络进行迭代更新，直至所述图像生成网络拟合，得到所述图像特征提取器。

4.如权利要求3所述基于意图识别的方案优化方法，其特征在于，在所述通过所述卷积层对所述样本特征进行卷积运算，得到卷积运算结果的步骤之后，还包括：

基于深度学习压缩算法对所述卷积运算结果进行筛选，去除所述卷积运算结果中的冗余项。

5.如权利要求1至4任意一项所述基于意图识别的方案优化方法，其特征在于，所述将所述图像特征向量和所述生理特征向量导入预先训练好的用户意图识别模型，生成用户意图识别结果的步骤，具体包括：

获取意图训练样本，其中，所述意图训练样本包括面部图像样本和生理参数样本；

提取所述面部图像样本的特征，得到样本面部特征，以及提取所述生理参数样本的特征，得到样本生理特征；

分别对所述样本面部特征和所述样本生理特征进行进行向量转换，得到第一样本特征向量和第二样本特征向量；

基于所述第一样本特征向量和所述第二样本特征向量对预设的初始识别模型进行模型训练，得到训练好的用户意图识别模型。

6.如权利要求5所述基于意图识别的方案优化方法，其特征在于，所述初始识别模型包括编码层和解码层，所述基于所述第一样本特征向量和所述第二样本特征向量对预设的初始识别模型进行模型训练，得到训练好的用户意图识别模型的步骤，具体包括：

分别通过所述编码层对所述第一样本特征向量和所述第二样本特征向量进行特征编码，得到第一编码向量和第二编码向量；

对所述第一编码向量和所述第二编码向量进行向量拼接，得到特征拼接向量；

通过所述解码层对所述特征拼接向量进行解码，得到样本意图识别结果；

将所述样本意图识别结果与预设标准结果进行比对，并根据识别比对结果对所述初始识别模型进行迭代更新，得到训练好的用户意图识别模型。