本發(fā)明涉及對話處理，更具體地說，本發(fā)明涉及一種基于大模型的意圖識別智能對話方法及系統(tǒng)。

背景技術(shù)：

1、在自然語言處理和對話系統(tǒng)中，意圖識別是實(shí)現(xiàn)智能對話的核心技術(shù)之一，通過識別用戶輸入的意圖，系統(tǒng)可以理解用戶需求并提供相應(yīng)的服務(wù)。然而，在多輪對話場景中，用戶的表達(dá)往往復(fù)雜且具有多樣性，可能包含多個相互關(guān)聯(lián)或沖突的意圖，這對系統(tǒng)的解析和決策能力提出了更高的要求。

2、現(xiàn)有技術(shù)通常依賴語義解析模型提取用戶意圖，并通過預(yù)定義規(guī)則或簡單的邏輯判斷進(jìn)行意圖沖突檢測，不能高效識別并處理用戶在多輪對話中的多個沖突意圖，這樣會造成意圖解析和響應(yīng)決策效果的局限性，難以滿足復(fù)雜對話場景的需求，會導(dǎo)致系統(tǒng)在意圖沖突處理中優(yōu)先級分配不合理，影響對話的連貫性和響應(yīng)的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供一種基于大模型的意圖識別智能對話方法及系統(tǒng)以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于大模型的意圖識別智能對話方法，包括如下步驟：

4、獲取用戶在多輪對話中的輸入數(shù)據(jù)，利用預(yù)訓(xùn)練的大規(guī)模語言模型對輸入數(shù)據(jù)進(jìn)行語義解析，提取用戶的多個初步意圖；

5、基于預(yù)定義的意圖沖突規(guī)則庫建立意圖沖突檢測機(jī)制，基于意圖沖突檢測機(jī)制對提取的初步意圖進(jìn)行分析，篩選得到邏輯沖突意圖組合；

6、通過語義圖和圖神經(jīng)網(wǎng)絡(luò)對邏輯沖突意圖組合的語義關(guān)系進(jìn)行分析，評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度；

7、對邏輯沖突意圖組合的動態(tài)關(guān)系熵進(jìn)行分析，評估邏輯沖突意圖組合在多輪對話中語義依賴度的波動變化程度；

8、基于邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度和在多輪對話中語義依賴度的波動變化程度，動態(tài)調(diào)整邏輯沖突意圖組合的處理順序。

9、在一個優(yōu)選的實(shí)施方式中，獲取用戶在多輪對話中的輸入數(shù)據(jù)，利用預(yù)訓(xùn)練的大規(guī)模語言模型對輸入數(shù)據(jù)進(jìn)行語義解析，提取用戶的多個初步意圖，具體為：

10、通過接收用戶在對話過程中的輸入數(shù)據(jù)；

11、對接收到的輸入數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、格式化和數(shù)據(jù)清洗；

12、利用預(yù)訓(xùn)練的大規(guī)模語言模型對預(yù)處理后的輸入數(shù)據(jù)進(jìn)行語義解析，提取用戶輸入的關(guān)鍵語義信息，關(guān)鍵語義信息包括用戶的表達(dá)目的、內(nèi)容重點(diǎn)以及潛在的附加需求；

13、通過語義解析后提取的關(guān)鍵語義信息，識別用戶在當(dāng)前對話輪次中的多個初步意圖，并生成與每個意圖對應(yīng)的語義表示向量。

14、在一個優(yōu)選的實(shí)施方式中，基于預(yù)定義的意圖沖突規(guī)則庫建立意圖沖突檢測機(jī)制，基于意圖沖突檢測機(jī)制對提取的初步意圖進(jìn)行分析，篩選得到邏輯沖突意圖組合，具體為：

15、構(gòu)建意圖沖突規(guī)則庫，意圖沖突規(guī)則庫包括邏輯互斥關(guān)系、條件依賴關(guān)系和優(yōu)先級關(guān)系；

16、將提取的初步意圖與意圖沖突規(guī)則庫中的規(guī)則進(jìn)行匹配，通過匹配算法判斷初步意圖是否存在沖突；

17、對匹配結(jié)果中的沖突意圖進(jìn)行篩選，篩選包括提取滿足邏輯互斥關(guān)系的意圖組合，并結(jié)合條件依賴關(guān)系篩選出滿足沖突條件的邏輯沖突意圖組合；

18、其中，如果兩個意圖同時滿足邏輯互斥關(guān)系和依賴條件，且符合優(yōu)先級約束，則將其標(biāo)記為邏輯沖突意圖組合。

19、在一個優(yōu)選的實(shí)施方式中，通過語義圖和圖神經(jīng)網(wǎng)絡(luò)對邏輯沖突意圖組合的語義關(guān)系進(jìn)行分析，評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度，具體為：

20、建立語義圖，語義圖的節(jié)點(diǎn)表示邏輯沖突意圖組合中的各個意圖，邊表示各意圖之間的語義關(guān)系，語義關(guān)系包括邏輯互斥關(guān)系和模糊重疊關(guān)系；

21、將構(gòu)建的語義圖輸入圖神經(jīng)網(wǎng)絡(luò)，對語義圖中的節(jié)點(diǎn)和邊進(jìn)行特征提取，獲取表示各意圖之間關(guān)系的高維特征數(shù)據(jù)；

22、基于高維特征數(shù)據(jù)分析邏輯沖突意圖組合中的每對意圖，評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度。

23、在一個優(yōu)選的實(shí)施方式中，基于高維特征數(shù)據(jù)分析邏輯沖突意圖組合中的每對意圖，評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度，具體為：

24、對每對邏輯沖突意圖的高維特征向量進(jìn)行相似性計(jì)算：；其中，表示意圖和意圖的語義相似性，和分別為意圖和意圖的特征向量，和分別為意圖和意圖對應(yīng)向量的范數(shù)；

25、使用高斯核函數(shù)計(jì)算意圖和意圖的模糊重疊度：；其中，表示意圖和意圖的模糊重疊度，表示意圖和意圖的特征向量之間的歐幾里得距離，為高斯核的調(diào)節(jié)參數(shù)；

26、將語義相似性和模糊重疊度進(jìn)行無量綱處理后，分別賦予權(quán)重系數(shù)后，計(jì)算得到對立程度指數(shù)。

27、在一個優(yōu)選的實(shí)施方式中，對邏輯沖突意圖組合的動態(tài)關(guān)系熵進(jìn)行分析，評估邏輯沖突意圖組合在多輪對話中語義依賴度的波動變化程度，具體為：

28、在多輪對話中基于邏輯沖突意圖組合對應(yīng)的上下文關(guān)系，為每輪對話中的沖突意圖對生成語義相似度矩陣，語義相似度矩陣的元素表示每對沖突意圖之間的語義關(guān)聯(lián)強(qiáng)度；

29、將多輪對話中每輪語義相似度矩陣的變化關(guān)系映射為信息熵值；

30、利用時序自適應(yīng)圖神經(jīng)網(wǎng)絡(luò)對多輪對話中生成的信息熵值進(jìn)行建模，分析信息熵值在時間維度上的變化模式，從而生成動態(tài)關(guān)系波動評分以評估邏輯沖突意圖組合的語義依賴度的波動變化程度。

31、在一個優(yōu)選的實(shí)施方式中，將多輪對話中每輪語義相似度矩陣的變化關(guān)系映射為信息熵值，具體為：

32、將每一輪對話中語義相似度矩陣的差異量化為變化矩陣：；其中，表示意圖和意圖在第和輪對話中的語義相似度變化量，和分別為第和輪對話中的語義相似度，表示多輪對話中的時間輪次索引；

33、計(jì)算每輪對話的語義關(guān)系信息熵，公式如下：；其中，表示第輪對話的語義關(guān)系信息熵，為變化矩陣中元素歸一化后的概率值。

34、在一個優(yōu)選的實(shí)施方式中，基于邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度和在多輪對話中語義依賴度的波動變化程度，動態(tài)調(diào)整邏輯沖突意圖組合的處理順序，具體為：

35、設(shè)定對立程度指數(shù)的預(yù)設(shè)閾值為；設(shè)定動態(tài)關(guān)系波動評分的預(yù)設(shè)閾值為；

36、當(dāng)且，則將該邏輯沖突意圖組合設(shè)為最高優(yōu)先級；

37、當(dāng)且，則將該邏輯沖突意圖組合設(shè)為中等優(yōu)先級；

38、當(dāng)且，則將該邏輯沖突意圖組合設(shè)為中等優(yōu)先級；

39、當(dāng)且，則將該邏輯沖突意圖組合設(shè)為最低優(yōu)先級；

40、其中，是對立程度指數(shù)，表示動態(tài)關(guān)系波動評分。

41、另一方面，本發(fā)明提供一種基于大模型的意圖識別智能對話系統(tǒng)，包括語義解析提取模塊、意圖沖突檢測模塊、對立程度評估模塊、語義依賴分析模塊以及調(diào)整處理順序模塊；

42、語義解析提取模塊：獲取用戶在多輪對話中的輸入數(shù)據(jù)，利用預(yù)訓(xùn)練的大規(guī)模語言模型對輸入數(shù)據(jù)進(jìn)行語義解析，提取用戶的多個初步意圖；

43、意圖沖突檢測模塊：基于預(yù)定義的意圖沖突規(guī)則庫建立意圖沖突檢測機(jī)制，基于意圖沖突檢測機(jī)制對提取的初步意圖進(jìn)行分析，篩選得到邏輯沖突意圖組合；

44、對立程度評估模塊：通過語義圖和圖神經(jīng)網(wǎng)絡(luò)對邏輯沖突意圖組合的語義關(guān)系進(jìn)行分析，評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度；

45、語義依賴分析模塊：對邏輯沖突意圖組合的動態(tài)關(guān)系熵進(jìn)行分析，評估邏輯沖突意圖組合在多輪對話中語義依賴度的波動變化程度；

46、調(diào)整處理順序模塊：基于邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度和在多輪對話中語義依賴度的波動變化程度，動態(tài)調(diào)整邏輯沖突意圖組合的處理順序。

47、本發(fā)明一種基于大模型的意圖識別智能對話方法及系統(tǒng)的技術(shù)效果和優(yōu)點(diǎn)：

48、1、本發(fā)明通過利用預(yù)訓(xùn)練的大規(guī)模語言模型對用戶在多輪對話中的輸入數(shù)據(jù)進(jìn)行語義解析，能夠從復(fù)雜的用戶表達(dá)中高效提取多個初步意圖，并基于預(yù)定義的意圖沖突規(guī)則庫建立意圖沖突檢測機(jī)制，對初步提取的意圖進(jìn)行分析和篩選，從而準(zhǔn)確獲取邏輯沖突意圖組合；這種結(jié)合語義解析和沖突規(guī)則檢測的方式，不僅提升了意圖提取的準(zhǔn)確性和效率，同時為后續(xù)沖突分析和處理提供了高質(zhì)量的數(shù)據(jù)基礎(chǔ)，有效解決了現(xiàn)有技術(shù)中意圖沖突檢測能力不足的問題。

49、2、通過語義圖和圖神經(jīng)網(wǎng)絡(luò)評估邏輯沖突意圖組合在邏輯互斥和模糊重疊中的對立程度，并結(jié)合動態(tài)關(guān)系熵分析多輪對話中語義依賴度的波動變化程度，從而綜合判斷意圖沖突的復(fù)雜性和動態(tài)特性，動態(tài)調(diào)整邏輯沖突意圖組合的處理順序，使高優(yōu)先級意圖得到優(yōu)先響應(yīng)，顯著提升了意圖沖突處理的合理性與適應(yīng)性，保證了多輪對話的連貫性與響應(yīng)的準(zhǔn)確性，解決了現(xiàn)有技術(shù)中優(yōu)先級分配不合理的問題，同時為復(fù)雜對話場景提供了更高效的解決方案。