用户意图澄清方法、装置、设备、介质及车辆与流程

本公开涉及计算机，尤其涉及一种用户意图澄清方法、装置、设备、介质及车辆。

背景技术：

1、对话澄清的历史由来已久。早期的研究工作，大都使用人工设计的规则实现对话状态的跟踪并进行澄清反问。然而，由于对话形式的不断变化，人工定义的规则难以覆盖对话中的所有情形，需要较高的人力成本维护规则表。因此，基于规则的方法有许多的限制，如有限的泛化性能、高错误率、较差的领域适配能力等等。

2、随着深度学习模型的崛起，研究人员开始考虑把各种各样的深度学习神经网络模型引入到对话澄清中。在一些用车场景中，当用户说“打开”时，这类基于模型的方法会结合用户当前对话的上文信息，可能预测出用户期望打开空调。但是，通过硬件信号可以得知此时空调已经是打开状态，故而用户的真实意图不应该是打开空调。

3、由于上述基于模型的方法大多关注用户当前对话的文本内容，忽略了当前时刻的情境信息，导致澄清后的用户的真实意图是不准确的，从而导致对话澄清的效果较差。

技术实现思路

1、为了解决上述技术问题，本公开提供了一种用户意图澄清方法、装置、设备、介质及车辆。

2、第一方面，本公开实施例提供一种用户意图澄清方法，包括：

3、统计用户在预设时间段内的用车事件，按时间顺序将所述用车事件进行排列，得到事件图谱，所述用车事件包括用户对车辆发出的控制指令、车内设备的状态信息的改变；

4、接收用户发出的当前控制指令，分别为所述当前控制指令构造前缀特征样本组、完整特征样本组；

5、从所述事件图谱中统计出前缀特征样本组中的每条前缀特征样本对应的概率值、完整特征样本组中的每条完整特征样本对应的概率值；

6、将每条前缀特征样本对应的概率值以及每条完整特征样本对应的概率值进行合并，得到用户意图概率表；

7、利用车内设备的状态信息去除所述用户意图概率表中的错误样本，得到目标用户意图概率表，将所述目标用户意图概率表中最大概率值对应的特征样本作为澄清后的用户真实意图。

8、在一些实施例中，所述统计用户在预设时间段内的用车事件，包括：

9、获取预设时间段内的用车日志，所述用车日志包括用户与车机的对话日志、车内设备的状态信息的改变日志；

10、从所述用车日志中统计出用车事件。

11、在一些实施例中，所述从所述用车日志中统计出用车事件，包括：

12、从所述用户与车机的对话日志中提取出语音事件属性信息，将所述语音事件属性信息按预设格式进行整理，得到语音事件；

13、从所述车内设备的状态信息的改变日志中提取出硬件事件属性信息，将所述硬件事件属性信息按所述预设格式进行整理，得到硬件事件；

14、将所述语音事件与所述硬件事件进行合并，得到用车事件。

15、在一些实施例中，所述接收用户发出的当前控制指令，分别为所述当前控制指令构造前缀特征样本组、完整特征样本组，包括：

16、监测用户发出的语音信息，所述语音信息包括唤醒词、当前控制指令；

17、从所述语音信息中获取到所述当前控制指令；

18、将所述当前控制指令切分为至少一个前缀词，对于每个前缀词，从事件图谱中查找出包含该前缀词的用车事件，将所述前缀词与所述包含该前缀词的用车事件进行组合，得到一条前缀特征样本，将所有的前缀特征样本归纳为前缀特征样本组；

19、将所述当前控制指令作为不完整指令，从事件图谱中查找出以所述不完整指令为基础的完整指令对应的用车事件，将所述不完整指令与所述完整指令对应的用车事件进行组合，得到一条完整特征样本，将所有的完整特征样本归纳为完整特征样本组。

20、在一些实施例中，所述从所述事件图谱中统计出前缀特征样本组中的每条前缀特征样本对应的概率值、完整特征样本组中的每条完整特征样本对应的概率值，包括：

21、统计所述前缀特征样本组中的每条前缀特征样本在所述事件图谱中出现的次数；

22、计算每条前缀特征样本在所述事件图谱中出现的次数与所述事件图谱的用车事件总数的第一比值，将所述第一比值作为每条前缀特征样本对应的概率值；

23、统计所述完整特征样本组中的每条完整特征样本在所述事件图谱中出现的次数；

24、计算每条完整特征样本在所述事件图谱中出现的次数与所述事件图谱的用车事件总数的第二比值，将所述第二比值作为每条完整特征样本对应的概率值。

25、在一些实施例中，所述将每条前缀特征样本对应的概率值以及每条完整特征样本对应的概率值进行合并，得到用户意图概率表，包括：

26、获取前缀特征样本对应的第一概率权重、以及完整特征样本对应的第二概率权重；

27、将每条前缀特征样本对应的概率值乘以所述第一概率权重，得到每条前缀特征样本的意图概率；

28、将每条完整特征样本对应的概率值乘以所述第二概率权重，得到每条完整特征样本的意图概率；

29、将所述每条前缀特征样本的意图概率与所述每条完整特征样本的意图概率进行合并，得到用户意图概率表。

30、在一些实施例中，所述利用车内设备的状态信息去除所述用户意图概率表中的错误样本，得到目标用户意图概率表，包括：

31、获取车内设备的状态信息；

32、对于所述用户意图概率表中的每条特征样本，若所述车内设备的状态信息与所述特征样本对应的车内设备的意图状态相同，则确定所述特征样本为错误样本；

33、去除所述用户意图概率表中的错误样本，得到目标用户意图概率表。

34、第二方面，本公开实施例提供一种用户意图澄清装置，包括：

35、第一得到模块，用于统计用户在预设时间段内的用车事件，按时间顺序将所述用车事件进行排列，得到事件图谱，所述用车事件包括用户对车辆发出的控制指令、车内设备的状态信息的改变；

36、构造模块，用于接收用户发出的当前控制指令，分别为所述当前控制指令构造前缀特征样本组、完整特征样本组；

37、计算模块，用于从所述事件图谱中统计出前缀特征样本组中的每条前缀特征样本对应的概率值、完整特征样本组中的每条完整特征样本对应的概率值；

38、第二得到模块，用于将每条前缀特征样本对应的概率值以及每条完整特征样本对应的概率值进行合并，得到用户意图概率表；

39、意图澄清模块，用于利用车内设备的状态信息去除所述用户意图概率表中的错误样本，得到目标用户意图概率表，将所述目标用户意图概率表中最大概率值对应的特征样本作为澄清后的用户真实意图。

40、第三方面，本公开实施例提供一种电子设备，包括：

41、存储器；

42、处理器；以及

43、计算机程序；

44、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。

45、第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。

46、第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的用户意图澄清方法。

47、第六方面，本公开实施例还提供了一种车辆，包括：

48、存储器；

49、处理器；以及

50、计算机程序；

51、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的用户意图澄清方法。

52、本公开实施例提供的用户意图澄清方法、装置、设备、介质及车辆，通过统计用户在预设时间段内的用车事件，按时间顺序将所述用车事件进行排列，得到事件图谱，所述用车事件包括用户对车辆发出的控制指令、车内设备的状态信息的改变，接收用户发出的当前控制指令，分别为所述当前控制指令构造前缀特征样本组、完整特征样本组，从所述事件图谱中统计出前缀特征样本组中的每条前缀特征样本对应的概率值、完整特征样本组中的每条完整特征样本对应的概率值，将每条前缀特征样本对应的概率值以及每条完整特征样本对应的概率值进行合并，得到用户意图概率表，利用车内设备的状态信息去除所述用户意图概率表中的错误样本，得到目标用户意图概率表，将所述目标用户意图概率表中最大概率值对应的特征样本作为澄清后的用户真实意图。相较于现有技术中，本公开解决了澄清后的用户的真实意图是不准确的，对话澄清的效果较差的问题，通过统计用车事件得到事件图谱，事件图谱对不同事件兼容不同属性，具有很好的扩展性，进一步为当前控制指令构造特征样本，结合车内设备状态，去除错误样本，可以提高对话澄清的准确率，从而提升对话澄清效果。