意图识别

摘要： 针对三支决策方法延迟决策的特点和空战目标意图识别的时序性问题,提出了一种基于序贯三支决策的目标作战意图识别方法。通过建立多类别三支决策与目标意图识别相结合的数学模型,并结合序贯思想,将意图识别过程按照时序性分为多个阶段,在每个阶段使用多类别序贯三支决策目标意图识别模型获得当前阶段目标的意图识别结果。针对未识别出意图的目标,基于更新后的目标信息通过延迟决策进行再识别,提高了意图识别的准确性,同时降低了误识别的风险损失。最后,通过仿真实验,验证了设计算法的有效性。

摘要： 计算机领域知识快速更新且存在较多歧义,导致学生自主创新时难以找到合理的解决方案。作为辅助创新工具,智能问答系统可以协助学生更快地把握学科发展前沿,精准地找出解决问题的方法。在大规模科技文献库上构建科研知识图谱,实现了辅助学生创新的智能问答系统。为了减小查询问句中噪声实体带来的影响,提出一种基于辅助任务的意图信息增强神经网络(Auxiliary Task Enhanced Intent Information for Question Answering in Computer Domain,ATEI-QA)。相比传统方法,该方法能够更精确地提取问句意图信息,减小噪声实体给意图识别带来的影响。在计算机领域数据集和通用数据集上与3个主流模型开展了对比实验,结果表明所提模型在领域数据集上的MAP和MRR值平均提升了3.27%和1.72%,在通用数据集上的MAP和MRR值平均提升了4.37%和2.81%。

摘要： 作为近年来新兴的康复技术手段,基于表面肌电(Surface Electromyograph,sEMG)信号的智能康复技术,能够有效地支撑量化诊断和康复疗效客观评估,并辅助康复机器人实现安全、自然的人机交互。本文旨在总结sEMG信号在智能康复技术领域中的研究现状,并对未来技术发展进行了展望。首先,介绍了sEMG信号在量化诊断/康复疗效评估、智能假肢,以及康复辅助机器人中的应用。然后,从智能评估、运动意图,以及人机交互控制策略三个方面对基于sEMG的智能康复关键技术进行综述。最后,从鲁棒性、便携性,以及可解释性三个方面分析了现有研究的局限性,并对基于sEMG信号的智能康复技术进行了展望。基于sEMG信号的智能康复技术有望深入推动康复医疗的创新发展。

摘要： 战术意图识别是战场态势分析与威胁评估中的重要一环,针对复杂战场环境中敌目标战术意图存在的动态性、序列性等问题,构建能够描述目标战术意图表达和推理的动态序列贝叶斯网络模型(dynamic series bayesian network,DSBN),分析多实体贝叶斯网络(multi-entities bayesian network,MEBN)在表达规则知识概率迁移关系和序列关系的局限性,提出基于扩展多实体贝叶斯网络(extended multi-entities bayesian network,EMEBN)的战术意图识别模型构建方法,最后通过实例验证该方法的可行性和有效性。

摘要： 针对协同推荐和序列表征方法在预测用户行为任务上面临的行为不确定性和数据稀疏问题,提出基于意图识别的不确定性行为序列预测(G2IE)方法. G2IE方法根据计划行为理论(TPB),对用户行为序列中受控行为模式进行挖掘;基于信息熵计算相邻受控行为之间的不确定性行为列表的行为转移意图强度;融合行为转移意图增强行为关系,弥补行为意图缺失. G2IE方法挖掘行为的不确定性关系,并用模型进行量化,用于解决行为不确定性难点;通过融合转移意图方法能够发现更多的行为关系,也在一定程度上缓解数据稀疏的问题.较其他使用行为直接关系的方法,G2IE方法有更准确丰富的表示能力.在3个公开行为数据集上进行对比实验,结果表明,本研究方法在综合指标F1值上均为最优,证明了所提方法的有效性.

摘要： 与已有研究着重考察如何识别客体导向性意图(动作以物理对象为目标,而不涉及其他人)不同,本研究对人们如何识别社会性意图(动作以指向社会主体为目标以影响对方的交互行为)进行了探讨。基于两交互主体在整体层面应遵循效用最大化的分析,提出当A协助B达成目标状态所需要的成本小于B单独实现该目标状态所需要的成本时(简称为成本最小化信息),其可被识别为具有社会性意图。通过在B面前设置栅栏的方法操纵成本最小化信息,以指示不同意图类型的脑电μ抑制程度、对不同变化的敏感性(辨别力)为指标,对该假设进行了检验。结果显示,相比客体导向性意图的控制条件(即A将目标物苹果放置在石头前),当A将目标物苹果放置在被栅栏挡住的B前,其动作可减少B单独获取该苹果的动作成本,即符合成本最小化条件时,μ的抑制程度更高(实验1),且对结构改变(某两个动画中充当相同角色的智能体互换)的辨别力更强,但对角色交换(某个动画中两个智能体的角色交换)的辨别力更弱(实验3a);而当栅栏不存在时,虽然A的运动路径与实验1相同,但A将苹果放置在B前的成本大于B自身获取苹果的成本,即不符合成本最小化条件,条件间μ抑制的差异消失(实验2),且对不同动作模式中变化的辨别相当(实验3b)。鉴于已有研究表明社会性意图所诱发的μ抑制强于客体导向性意图,且人们对存在社会性意图的两个智能体间的结构改变更容易辨别,而对角色交换不敏感,故上述结果揭示,两个个体的行为是否满足成本最小化影响人们对动作意图的识别,支持成本最小化信息是社会性意图识别线索的观点。

摘要： 人机对话意图识别是自然语言处理领域的一个研究热点,通常是将对话转录为文本,通过对文本进行分类实现对意图的识别。针对人机对话中对话文本短导致缺少足够的语境信息和因用户说话比较随意导致意图表达不清晰的问题,提出一种基于ERNIE-BiLSTMCapsule(EBC)的意图识别模型。模型以能够依据不同上下文生成动态生成词向量的知识增强ERNIE作为词嵌入模块;并利用BiLSTM来捕捉意图在上下文上的表达;最后用胶囊网络来有效地编码文本意图在不同维度与真实意图标签之间的关系,提高文本分类能力。在CCKS意图识别数据集上进行实验,验证了模型在准确度和综合准确率F1有显著提高。

摘要： 阐述了意图识别的发展以及在图书馆的应用现状,以平顶山学院图书馆书目数据和开源的百度知道数据作为研究对象,探讨了基于深度学习模型的意图识别方法,验证了利用人工神经网络准确分析读者意图的可行性,并在模型构建、数据处理、数据向量化等方面做了较为细致的研究,对有兴趣整合图书馆业务,或者挖掘图书馆智能化服务的业界同仁具有一定的借鉴意义。

摘要： 口语语言理解是任务式对话系统的重要组件,预训练语言模型在口语语言理解中取得了重要突破,然而这些预训练语言模型大多是基于大规模书面文本语料。考虑到口语与书面语在结构、使用条件和表达方式上的明显差异,构建了大规模、双角色、多轮次、口语对话语料,并提出融合角色、结构和语义的四个自监督预训练任务:全词掩码、角色预测、话语内部反转预测和轮次间互换预测,通过多任务联合训练面向口语的预训练语言模型SPD-BERT(spoken dialog-BERT)。在金融领域智能客服场景的三个人工标注数据集--意图识别、实体识别和拼音纠错上进行详细的实验测试,实验结果验证了该语言模型的有效性。

摘要： 交通车意图识别对提升智能汽车决策规划性能具有重要意义。本文从驾驶行为生成机理角度分析了驾驶人换道过程的各阶段,分别建立了基于马尔可夫决策过程的驾驶人意图预测模型、基于动态安全场的换道可行性分析模型和基于双向多长短期记忆网络(Bi-LSTM)的车辆行为识别模型。通过融合具有明确时序关系的上述模型,提出了一种数据机理混合驱动的交通车意图识别方法,并利用NGSIM数据集进行模型训练和验证。结果表明该方法在交通车到达换道点前1.8 s处的识别准确率即超过90%,在换道点处识别准确率可达97.88%,具有较高的识别准确率和较长的提前识别时间。

摘要： 为了高级驾驶员辅助系统(ADAS)有效地发挥效能,提出了一种驾驶员意图识别方法.基于连续隐马尔科夫模型(CHMM)开发了三种不同的识别模型,用以区分直行、左换道和右换道三种驾驶员操纵意图.被测试者在驾驶模拟器上执行换道和直行的操作.该模拟驾驶器能够模拟中国高速公路场景,测试过程中记录与换道行为密切相关的参数.为了获取最优的模型结构和特征参数集,进行了一系列的测试和对比.结果表明,将方向盘转角、方向盘转角速度和横向加速度作为最优的观察信号,准确率可达到90％以上,而且能够有效地实现早期的意图识别.

摘要： 动态对抗性环境下多机器人系统研究的核心问题是机器人协作和对手意图识别.提出基于意图识别的多机器人动态联合协作模型;建立适用于动态对抗性环境下的全局分布、局部集中的多机器人组织结构;通过综合评价进行任务分配;通过意图识别修正任务序列;同时,保证多机器人协作决策的实时性和系统的鲁棒性.通过机器人足球的实际比赛数据,证明在动态对抗性环境下比纯集中或者纯分布模型更加有效.

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本文提出了一种全新的自动换档汽车动力系统控制结构。将驾驶员的操作意图提炼为唯一的加速度指令，在综合控制节气门与变速器跟随这一指令的过程中实现动力性、舒适性与燃油经济性的优化,并通过仿真证明了其可行性。

摘要： 本发明公开了一种任务型多意图对话的意图识别方法，其中方法包括：获取训练样本语料库；利用多任务模型对训练样本进行基本意图标注，并对其各个单字进行槽位标签标注和意图标签标注，得到标注结果；利用标注结果与训练样本的实际标签之间的误差，校正多任务模型，以通过校正后的多任务模型识别待检测文本的基本意图，并标注其单字槽位标签和单字意图标签，单字意图标签用于确定单字槽位标签与基本意图的归属关系，以通过单字槽位标签对各个基本意图进行准确意图识别。本发明提供的技术方案解决了任务型多意图对话中意图和槽位不能有效匹配的问题。

摘要： 本公开提供了一种意图识别模型的训练与意图识别的方法、装置，涉及自然语言处理、深度学习等人工智能技术领域。意图识别模型的训练方法包括：获取包含多个训练文本与多个训练文本的第一标注意图的训练数据；构建包含特征提取层与第一识别层的神经网络模型；根据多个训练文本的分词结果与多个训练文本的第一标注意图，训练所述神经网络模型，得到意图识别模型。意图识别的方法包括：获取待识别文本；将所述待识别文本的分词结果输入意图识别模型，根据所述意图识别模型的输出结果，得到所述待识别文本的第一意图结果与第二意图结果。

摘要： 本申请公开了一种意图识别模型的训练方法、意图识别方法、装置及设备，属于人工智能技术领域。方法包括：获取多个第一文本数据；提取各个第一文本数据的语义特征；基于各个第一文本数据的语义特征，从多个第一文本数据中筛选出符合数据条件的多个第二文本数据；获取各个第二文本数据的意图类别标注结果；根据各个第二文本数据的意图类别标注结果获取意图识别模型。本申请减少需要标注的文本数据量，减少时间消耗，在根据各个第二文本数据的意图类别标注结果获取意图识别模型时，提高了意图识别模型的训练速度，提高意图识别效率。

摘要： 本申请涉及一种意图识别模型的训练方法及装置、意图识别的方法及装置，其中，意图识别模型的训练方法包括：通过获取用户通过人机对话系统输入的历史文本数据，每个所述历史文本数据具有表征用户意图的意图标签，将每个所述历史文本数据输入初始识别模型，通过所述初始识别模型提取所述历史文本数据的语义特征，融合所述语义特征，得到与所述意图标签对应的多维语义特征，根据所述多维语义特征和与所述多维语义特征对应的意图标签，训练所述初始识别模型，得到意图识别模型，从多维度获取文本数据的语义特征，使得意图识别模型能够准确地识别用户意图。

摘要： 本申请涉及一种意图识别模型的训练方法、意图识别方法、设备及介质，属于计算机技术领域，该方法包括：获取第一样本数据；获取各个意图类别对应的样本频率；将第一文本数据输入预先创建的初始网络模型，得到类别预测信息；将类别预测信息、意图类别和样本频率输入分类损失函数，得到分类损失值；基于分类损失值更新初始网络模型的模型参数，以训练得到意图识别模型，可以解决训练得到的意图识别模型对某些意图类别识别的准确性较低的问题；由于将样本频率加入到分类损失函数中，从而计算出带有该分布情况的先验知识的损失值，可以使初始网络模型对不同意图类别的特征的学习程度相同，因此，可以提高训练得到的意图识别模型对意图识别的准确性。

摘要： 本申请实施例提供一种获取意图识别模型的方法以及意图识别方法，该方法包括：获取原始训练文本集，其中，所述原始训练文本集包括与至少两种意图类型中各意图类型分别对应的训练数据，所述训练数据包括多条原始训练语句以及与各条原始训练语句分别对应的原始标注标签；根据所述原始训练文本集中的数据得到目标训练文本集，其中，所述目标训练文集中的各条目标训练语句是通过对一个原始标注标签进行遮盖处理后得到的；基于所述目标训练文本集中的数据对预训练掩码语言模型Bert进行微调，得到目标意图识别模型。本申请的实施例可以在小样本以及数据不平衡的情况下也能训练出泛化性能更好，更健壮的意图识别模型。

摘要： 本公开关于一种语音意图识别模型的训练方法、语音意图识别方法和装置，训练方法包括：获取文本样本和携带有语义标签的第一语音样本，其中，第一语音样本与文本样本的内容对应，语义标签为文本样本的文本语义特征；利用第一语音样本，对待训练的语音意图识别模型中的语义提取网络进行预训练，得到预训练的语音意图识别模型，其中，预训练的语音意图识别模型中包括预训练的语义提取网络和待训练的意图识别网络；获取携带有意图标签的第二语音样本；利用第二语音样本，对预训练的语音意图识别模型进行训练，得到训练完成的语音意图识别模型。

摘要： 本申请提供了一种意图识别模型的训练以及意图识别方法、电子设备、介质及系统，意图识别模型的训练方法包括，获取训练样本，所述训练样本为包含一个或多个意图的文本；根据字典将所述文本进行词嵌入，以获取词向量；使用所述词向量训练所述意图识别模型，其中，所述意图识别模型包括：第一模型，所述第一模型以所述词向量为输入，输出数字串，所述数字串包含所述词向量相关的信息和隐藏关系；第二模型，所述第二模型以所述数字串作为输入，输出一个或多个意图的起始位置和结束位置。该方法可以准确、高效地识别文本的多个意图。

摘要： 本申请涉及人工智能技术，提出一种意图识别模型训练及语音意图识别方法、装置和相关设备，该方法包括：获取标注有用户意图标签的样本语音作为数据集；将对样本语音进行语音识别得到的样本文本特征和从样本语音提取的样本语音特征输入至待训练的意图识别模型得到至少两个意图隐变量，对所有意图隐变量进行融合得到融合意图特征表示，根据融合意图特征表示进行意图预测，得到预测意图标签；计算损失函数用以更新模型参数，直至模型收敛，得到已训练的意图识别模型。本申请通过从语音中以多维度获取意图相关信息进行融合识别到更完整和准确的用户意图。

摘要： 本说明书公开了一种意图识别模型训练及用户意图识别方法及装置，先确定包含多轮对话的历史对话数据作为训练样本，通过第一意图识别模型确定每个训练样本各轮对话的用户意图，并基于用户执行的与该训练样本对应的业务确定反馈意图，然后根据该训练样本的用户意图以及反馈意图确定第一风险识别结果，并通过第二意图识别模型确定该训练样本的各预测意图以及第二风险识别结果，最后以各训练样本第一风险识别结果与第二风险识别结果之间的差异最小为优化目标对第二意图识别模型进行训练。通过结合反馈意图以及由第一意图识别模型确定的用户意图，得到准确的风险识别结果，以对第二意图识别模型进行训练，提高了第二意图识别模型的风险识别能力。