阅读说明：本技术 基于人工智能的意图识别的方法、装置、计算机设备 (Artificial intelligence-based intention recognition method and device, and computer equipment ) 是由 范灿华 胡宏伟 马骏 王少军 于 2020-04-28 设计创作，主要内容包括：本发明涉及人工智能技术,公开了一种基于人工智能的意图识别的方法、装置、计算机设备,通过获取用户的输入信息；处理所述输入信息以获得所述输入信息中的词语；根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱,其中,所述领域知识图谱包括至少一个知识图谱；将从所述领域知识图谱中获取的知识图谱的个数进行判断以获得符合所述输入信息的知识图谱并以此获得用户的意图。本发明基于知识图谱技术,解决了现有技术中存在意图识别时出现准确性不高,拓展性不强的问题,极大的提高了在意图识别技术领域中的效率。(The invention relates to artificial intelligence technology, and discloses an intention identification method, device and computer equipment based on artificial intelligence, which comprises the steps of obtaining input information of a user; processing the input information to obtain words in the input information; acquiring a knowledge graph matched with the input information according to the words in the input information and a preset domain knowledge graph, wherein the domain knowledge graph comprises at least one knowledge graph; and judging the number of the knowledge graphs acquired from the domain knowledge graph to acquire the knowledge graph according with the input information so as to acquire the intention of the user. The method is based on knowledge graph technology, solves the problems of low accuracy and low expansibility during intention identification in the prior art, and greatly improves the efficiency in the technical field of intention identification.)

基于人工智能的意图识别的方法、装置、计算机设备

技术领域

本发明涉人工智能技术领域，尤其涉及一种基于人工智能的意图识别的方法、装置、计算机设备。

背景技术

意图识别是通过分类的办法将句子或者我们常说的query分到相应的意图种类。例如，我想听周杰伦的歌，这个query的意图便是属于音乐意图，我想听郭德纲的相声便是属于电台意图。现有的意图识别的主流方法有基于词典以及模板的规则方法、基于查询点击日志、基于分类模型来对用户的意图进行判别三种方法，目前这三种方法的最大难点在于标注数据的获取，而标注数据的获取通常来自两方面，一方面是专门的数据标注团队对数据进行标注，一方面是通过半监督的方式自动生成标注数据，从而存在进行意图识别时出现准确性不高，拓展性不强的问题。

发明内容

本发明实施例提供了一种基于人工智能的意图识别的方法、装置、计算机设备，旨在解决现有技术中存在意图识别时出现准确性不高，拓展性不强的问题。

第一方面，本发明实施例提供了一种基于人工智能的意图识别的方法，其包括：

获取用户的输入信息；

处理所述输入信息以获得所述输入信息中的词语；

根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；

判断与所述输入信息相匹配的知识图谱的个数；

若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图；

若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

第二方面，本发明实施例提供了一种基于人工智能的意图识别的装置，其包括：

输入信息获取单元，用于获取用户的输入信息；

输入信息处理单元，用于处理所述输入信息以获得所述输入信息中的词语；

获取单元，用于根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；

第一判断单元，用于判断与所述输入信息相匹配的知识图谱的个数；

第一识别单元，用于若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图；

第二识别单元，用于若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

第三方面，本发明实施例又提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于人工智能的意图识别的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于人工智能的意图识别的方法。

本发明实施例提供了一种基于人工智能的意图识别的方法、装置、计算机设备，通过获取用户的输入信息；处理所述输入信息以获得所述输入信息中的词语；根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；将从所述领域知识图谱中获取的知识图谱的个数进行判断以获得符合所述输入信息的知识图谱并以此获得用户的意图。通过上述方法，解决了现有技术中存在意图识别时出现准确性不高，拓展性不强的问题，极大的提高了在意图识别技术领域中的效率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于人工智能的意图识别的方法的流程示意图；

图2为本发明实施例提供的基于人工智能的意图识别的方法的子流程示意图；

图3为本发明实施例提供的基于人工智能的意图识别的方法的另一子流程示意图；

图4为本发明实施例提供的基于人工智能的意图识别的方法的另一子流程示意图；

图5为本发明实施例提供的基于人工智能的意图识别的方法的另一子流程示意图；

图6为本发明实施例提供的基于人工智能的意图识别的方法的另一子流程示意图；

图7为本发明实施例提供的基于人工智能的意图识别的装置的示意性框图；

图8为本发明实施例提供的基于人工智能的意图识别的装置的子单元意性框图；

图9为本发明实施例提供的基于人工智能的意图识别的装置的另一子单元意性框图；

图10为本发明实施例提供的基于人工智能的意图识别的装置的另一子单元意性框图；

图11为本发明实施例提供的基于人工智能的意图识别的装置的另一子单元意性框图；

图12为本发明实施例提供的基于人工智能的意图识别的装置的另一子单元意性框图；

图13为本发明实施例提供的计算机设备的示意性框图；

图14为本发明实施例提供的已建立的银行领域中***查询意图的知识图谱；

图15为本发明实施例提供的已建立的银行领域中***提升额度的知识图谱；

图16为本发明实施例提供的输入信息的依存关系图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1为本发明实施例提供的基于人工智能的意图识别的方法的流程示意图。该基于人工智能的意图识别的方法应用于用户终端中，该方法通过安装于用户终端中的应用软件进行执行，用户终端即是用于执行基于人工智能的意图识别的方法以实现对用户输入的信息进行意图识别的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等。

如图1所示，该方法包括步骤S110～S160。

S110、获取用户的输入信息。

获取用户的输入信息。具体的，用户终端既可以通过用户在用户终端输入的文本信息以获取用户的输入信息，也可以通过用户在用户终端上输入的语音信息以获取用户的输入信息，用户终端只需提供给用户一个可输入信息的途径，用户终端便可获取用户的输入信息。即用户终端可以为具有语音采集功能和/或文字信息采集功能的终端设备，如手机、平板电脑、车载电话等。

S120、处理所述输入信息以获得所述输入信息中的词语。

处理所述输入信息以获得所述输入信息中的词语。具体的，在获取用户的输入信息后，用户终端将所述输入信息进行处理便可获得所述输入信息中的词语。例如，用户终端获取用户的输入信息为“我想查询银行卡的余额”，用户终端对所述输入信息进行处理，从而得到的词语分别为“我”、“想”、“查询”、“银行卡”、“的”、“余额”，即为所述输入信息中的词语。

在一实施例中，如图2所示，步骤S120包括子步骤S121、S122和S123。

S121、判断所述输入信息的类型。

判断所述输入信息的类型。具体的，由于终端获取用户的输入信息既可以为文本信息，也可以为语音信息，而语音信息是需要转换成文本信息后进行处理才能得到后续步骤中所述输入信息的词语，因此终端获取到用户的输入信息后需对用户的输入信息进行判断以得到所述输入信息的类型。

S122、若所述输入信息的类型为语音输入信息，将所述语音输入信息转换为文本信息。

若所述输入信息的类型为语音输入信息，将所述语音输入信息转换为文本信息。具体的，当用户从用户终端处的语音信息采集功能处输入信息时，终端便可判定所述输入信息为语音输入信息，然后便可将该语音输入信息进行转换以得到与该语音信息相对应的文本信息。

S123、处理所述文本信息以获得所述输入信息中的词语。

处理所述文本信息以获得所述输入信息中的词语。例如，当所述文本信息为“我想查询银行卡的余额”时，用户终端对所述文本信息进行处理，从而得到所述输入信息中的词语，所述词语分别为“我”、“想”、“查询”、“银行卡”、“的”、“余额”。

在一实施例中，如图3所示，步骤S123包括子步骤S1231、S1232和S1233。

S1231、根据预置的分词处理模型对所述文本信息进行分词处理以获得文本词汇表。

根据预置的分词处理模型对所述文本信息进行分词处理以获得文本词汇表。具体的，所述分词处理模型预置于终端中，所述分词处理模型用于对所述文本信息进行分词处理，从而得到所述文本信息的词汇表。例如，所述文本信息为“我想查询银行卡的余额”时，所述分词处理模型将所述文本信息进行分词处理，从而得到所述文本词汇表，所述文本词汇表为X＝{我、想、查、询、银、行、卡、的、余、额}。

S1232、标注所述文本词汇表中的词汇以得到标注后的词汇。

标注所述文本词汇表中的词汇以得到标注后的词汇。具体的，所述文本词汇表被标注后，即可获得所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系。例如，当所述文本词汇表为X＝{我、想、查、询、银、行、卡、的、余、额}时，即可得到所述文本词汇表中“我”、“想”、“查”、“询”、“银”、“行”、“卡”、“的”、“余”、“额”的属性以及连接关系。

S1233、将所述标注后的词汇进行解析处理以得到所述输入信息中的词语。

将所述标注后的词汇进行解析处理以得到所述输入信息中的词语。具体的，所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系得到后，便可根据所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系进行组合拆分，最终得到所述输入信息中的词语。例如，当所述文本词汇表中“我”、“想”、“查”、“询”、“银”、“行”、“卡”、“的”、“余”、“额”的属性以及连接关系确定后，根据其属性以及连接关系进行组合拆分便可得到所述输入信息中的词语分别为“我”、“想”、“查询”、“银行卡”、“的”、“余额”。

S130、根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱。

根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱。具体的，领域知识图谱为已在指定领域内建立的知识图谱，其中领域知识图谱中可以存在多个同一领域不同类型的知识图谱，例如，在银行领域中可以建立银行领域的知识图谱，银行领域的知识图谱可以存在查询意图的知识图谱，也可以存在提升额度的知识图谱，将输入信息中的词语与银行领域中查询意图的知识图谱中的知识因子以及提升额度的知识图谱中的知识因子进行匹配以获得与输入信息相匹配的知识图谱。

在一实施例中，如图4所示，步骤S130包括子步骤S131和S132。

S131、判断所述词语与所述知识图谱中的预置的知识因子是否匹配。

判断所述词语与所述知识图谱中的预置的知识因子是否匹配。其中，所述词语为对所述输入信息进行筛选后得到的词语，所述知识因子指的是已经建立好的知识图谱中用于表示知识图谱的信息。将所述词语与所述知识图谱中所有的知识因子进行匹配以得到所述知识图谱与所述输入信息是否匹配的结果。具体的，所述词语与所述知识图谱中所有的知识因子进行匹配，若所述词语的词义与所述知识因子的词义相似，则也可判定所述词语与所述知识因子相匹配，进而得到所述知识图谱与所述输入信息是否匹配的结果。例如，所述输入信息为“我想查询银行卡的余额”时，将所述输入信息中的修饰词语“想”和“的”剔除，则得到所述词语分别为我、查询、银行卡、余额；如图14所示，图14为本发明实施例中已建立的银行领域中***查询意图的知识图谱，其中，图14的知识图谱中的知识因子分别为钱、消费、客户、查询、***、属性、额度、数量，根据所述词语中的我、查询、银行卡、余额来查找例如图14中的知识图谱是否含有与所述词语相同或相似的知识因子，进而得出图14中的知识图谱与所述输入信息是否匹配的结果。其中所述词语中的银行卡的词义与图14中的***的词义相似，因此可判定图14的知识图谱中的知识因子“***”与所述词语中的“银行卡”相匹配。

S132、若所述词语与所述知识因子相匹配，根据所述知识因子获取相匹配的知识图谱。

若所述词语与所述知识因子相匹配，根据所述知识因子获取相匹配的知识图谱。具体的，所述词语与所述知识因子相匹配后，则该领域中所有包含有所述知识因子的知识图谱都被获取。例如，当输入信息为“提高我可以使用的钱”时，将所述输入信息中的修饰词语“可以”和“的”剔除，则得到所述词语分别为提高、我、使用、钱，根据所述词语中的提高、我、使用、钱来查找例如图14和图15中的知识图谱是否含有与所述词语相同或相似的知识因子，其中图14为本发明实施例中已建立的银行领域中***查询意图的知识图谱；图15为本发明实施例中已建立的银行领域中***提升额度的知识图谱；从而得出图14和图15中的知识图谱与所述输入信息相匹配，并获取图14和图15中的知识图谱。

S140、判断与所述输入信息相匹配的知识图谱的个数。

判断与所述输入信息相匹配的知识图谱的个数。具体的，所述领域知识图谱包括至少一个知识图谱，将所述输入信息中的词语填入预置的领域知识图谱中以获取与所述输入信息相匹配的知识图谱的个数至少为一个，而所述领域知识图谱中的每个知识图谱所代表的意图是不相同的，因此，需要对从所述领域知识图谱中获取的知识图谱的个数进行判断以筛选出最符合用户意图的知识图谱。例如，所述输入信息中的词语中包含“银行卡”时，则会获取得到如图14和图15已建立的银行领域中***查询意图的知识图谱和提升额度的知识图谱；当所述输入信息中的词语中包含“银行卡”、“查询”时，则会获取得到如图14已建立的银行领域中***查询意图的知识图谱。

S150、若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图。

若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图。具体的，当所述与所述输入信息相匹配的知识图谱的个数为1时，则可确定该知识图谱为该输入信息的目标知识图谱，通过该目标知识图谱可以获得与输入该信息的用户的意图。例如，当所述输入信息中的词语中包含“银行卡”、“查询”时，则会获取得到如图14已建立的银行领域中***查询意图的知识图谱，则可确定该知识图谱该输入信息的目标知识图谱，通过该目标知识图谱可以获得与输入该信息的用户的意图。

S160、若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。具体的，所述筛选规则为用于对所述多个知识图谱进行筛选以得到最符合用户意图的知识图谱的规则信息。由于所述领域知识图谱中的每个知识图谱所代表的意图是不相同的，而通过所述输入信息获得与所述输入信息相匹配的知识图谱可以为多个代表不同意图的知识图谱，因此在所述多个知识图谱筛选时，可根据所述输入信息的中整体语义进行解析后，通过该解析结果来对所述多个知识图谱进行筛选以获得符合所述输入信息的目标知识图谱并以此获得用户的意图。

另外，也可以计算所述多个知识图谱的每个知识图谱中与所述词语相匹配的知识因子的个数，将该知识因子个数最多的知识图谱作为所述输入信息的目标知识图谱并以此获得用户的意图。

在一实施例中，如图5所示，步骤S160包括子步骤S161和S162。

S161、计算所述多个知识图谱的每个知识图谱中的目标知识因子的数量，其中所述目标知识因子为知识图谱中与所述词语相匹配的知识因子。

计算所述多个知识图谱的每个知识图谱中的目标知识因子的数量，其中所述目标知识因子为知识图谱中与所述词语相匹配的知识因子。具体的，所述目标知识因子为每个知识图谱中与所述词语相匹配的知识因子。例如，所述输入信息为“提高我可以使用的钱”，获取到的知识图谱为查询意图的知识图谱和提升额度的知识图谱时，分别对查询意图的知识图谱和提升额度的知识图谱中与该输入信息中的词语相匹配的知识因子的个数进行计算，从而计算得到查询意图的知识图谱中有3个知识因子与该输入信息中的词语相匹配，提升额度的知识图谱中有4个知识因子与该输入信息中的词语相匹配。

S162、将具有最多目标知识因子的知识图谱作为目标知识图谱并以此获得用户的意图。

将具有最多目标知识因子的知识图谱作为目标知识图谱并以此获得用户的意图。具体的，所述输入信息为“提高我可以使用的钱”，图14的知识图谱中含有所述目标因子的的个数为3个，而图15的知识图谱中含有所述目标知识因子的个数为4个，故可将图15的知识图谱作为目标知识图谱并以此获得用户的意图。

在一实施例中，如图6所示，步骤S162包括子步骤S1621和S1622。

S1621、判断所述具有最多目标知识因子的知识图谱的数量是否大于1。

判断所述具有最多目标知识因子的知识图谱的数量是否大于1。具体的，所述具有最多目标知识因子的知识图谱可以具有两个时或两个以上的不同类型的知识图谱，当该知识图谱中的目标知识因子的个数与输入信息中词语相匹配的个数相同时是无法得出用户的知识图谱的。例如，所述输入信息为“我来查询下***中可使用的钱是否提高了”时，则查询意图的知识图谱和提升额度的知识图谱中的目标知识因子的个数均与该输入信息中词语的匹配个数相同，即所述具有最多目标知识因子的知识图谱为两个知识图谱。

S1622、若所述具有最多目标知识因子的知识图谱的数量大于1，根据所述词语的依存句法关系从多个所述具有最多目标知识因子的知识图谱中获取目标知识图谱并以此获得用户的意图。

若所述具有最多目标知识因子的知识图谱的数量大于1，根据所述词语的依存句法关系从多个所述具有最多目标知识因子的知识图谱中获取目标知识图谱并以此获得用户的意图。具体的，句法分析即为分析文本词汇表中标注后的词语之间的依存关系。例如，所述输入信息中的词语分别为“我”、“来”、“查询”、“下”、“***”、“中”、“可使用”、“的”、“钱”、“是否”、“提高”、“了”时，通过输入信息中词语间的依存句法关系可以确定该输入信息的用户的意图是符合查询意图的知识图谱，从而确定了用户的意图为查询意图。其中，所述输入信息“我来查询下***中可使用的钱是否提高了”的其依存关系如图16，通过图16可以得出所述输入信息中的词语之间的结构关系，从而获得所述输入信息的深层次语义，进而得出用户的真实意图。

本发明实施例还提供了一种基于人工智能的意图识别的装置100，该装置用于执行前述意图识别的任一实施例。具体地，请参阅图7，图7是本发明实施例提供的基于人工智能的意图识别的装置100的示意性框图。

如图7所示，基于人工智能的意图识别的装置100包括输入信息获取单元110、输入信息处理单元120、获取单元130、第一判断单元140、第一识别单元150、第二识别单元160。

输入信息获取单元110用于获取用户的输入信息。

用户终端既可以通过用户在用户终端输入的文本信息以获取用户的输入信息，也可以通过用户在用户终端上输入的语音信息以获取用户的输入信息，用户终端只需提供给用户一个可输入信息的途径，用户终端便可获取用户的输入信息。

输入信息处理单元120用于处理所述输入信息以获得所述输入信息中的词语。

在获取用户的输入信息后，用户终端将所述输入信息进行处理便可获得所述输入信息中的词语。

在其他发明实施例中，如图8所示，所述输入信息处理单元120包括类型判断单元121、转换单元122和文本信息处理单元123。

类型判断单元121用于判断所述输入信息的类型。

由于终端获取用户的输入信息既可以为文本信息，也可以为语音信息，而语音信息是需要转换成文本信息后进行处理才能得到后续步骤中所述输入信息的词语，因此终端获取到用户的输入信息后需对用户的输入信息进行判断以得到所述输入信息的类型。

转换单元122用于若所述输入信息的类型为语音输入信息，将所述语音输入信息转换为文本信息。

当用户从用户终端处的语音信息采集功能处输入信息时，终端便可判定所述输入信息为语音输入信息，然后便可将该语音输入信息进行转换以得到与该语音信息相对应的文本信息。

文本信息处理单元123用于处理所述文本信息以获得所述输入信息中的词语。

在其他发明实施例中，如图9所示，文本信息处理单元123包括文本分词单元1231、词汇标注单元1232和解析单元1333。

文本分词单元1231用于根据预置的分词处理模型对所述文本信息进行分词处理以获得文本词汇表。

所述分词处理模型预置于终端中，所述分词处理模型用于对所述文本信息进行分词处理，从而得到所述文本信息的词汇表。

词汇标注单元1232用于标注所述文本词汇表中的词汇以得到标注后的词汇。

所述文本词汇表被标注后，即可获得所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系。

解析单元1233用于将所述标注后的词汇进行解析处理以得到所述输入信息中的词语。

所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系得到后，便可根据所述文本词汇表中的词汇的属性以及所述文本词汇表中的词汇的上下文连接关系进行组合拆分，最终得到所述输入信息中的词语。

获取单元130用于根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱。

领域知识图谱为已在指定领域内建立的知识图谱，其中领域知识图谱中可以存在多个同一领域不同类型的知识图谱，

在其他发明实施例中，如图10所示，所述获取单元130包括第二判断单元131和知识图谱获取单元132。

第二判断单元131用于判断所述词语与所述知识图谱中的预置的知识因子是否匹配。

所述词语为对所述输入信息进行筛选后得到的词语，所述知识因子指的是已经建立好的知识图谱中用于表示知识图谱的信息。将所述词语与所述知识图谱中所有的知识因子进行匹配以得到所述知识图谱与所述输入信息是否匹配的结果。具体的，所述词语与所述知识图谱中所有的知识因子进行匹配，若所述词语的词义与所述知识因子的词义相似，则也可判定所述词语与所述知识因子相匹配，进而得到所述知识图谱与所述输入信息是否匹配的结果。

知识图谱获取单元132用于若所述词语与所述知识因子相匹配，根据所述知识因子获取相匹配的知识图谱。

所述词语为对所述输入信息进行筛选剔除所述输入信息中的修饰词后所得到的词语，所述词语与所述知识因子相匹配后，则该领域中所有包含有所述知识因子的知识图谱都被获取。

第一判断单元140用于判断与所述输入信息相匹配的知识图谱的个数。

所述领域知识图谱包括至少一个知识图谱，将所述输入信息中的词语填入预置的领域知识图谱中以获取与所述输入信息相匹配的知识图谱的个数至少为一个，而所述领域知识图谱中的每个知识图谱所代表的意图是不相同的，因此，需要对从所述领域知识图谱中获取的知识图谱的个数进行判断以便于筛选出最符合用户意图的知识图谱。

第一识别单元150用于若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图。

具体的，当所述与所述输入信息相匹配的知识图谱的个数为1时，则可确定该知识图谱为该输入信息所对应的目标知识图谱，通过该目标知识图谱可以获得与输入该信息的用户的意图。

第二识别单元160用于若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

在所述多个知识图谱筛选时，可根据所述输入信息的中整体语义进行解析后，通过该解析结果来对所述多个知识图谱进行筛选以获得符合所述输入信息的知识图谱并以此获得用户的意图。另外，也可以计算所述多个知识图谱的每个知识图谱中与所述词语相匹配的知识因子的个数，将该知识因子个数最多的知识图谱作为所述输入信息的目标知识图谱并以此获得用户的意图。

在其他发明实施例中，如图11所示，所述第二识别单元160包括计算单元161和第三识别单元162。

计算单元161用于计算所述多个知识图谱的每个知识图谱中的目标知识因子的数量，其中所述目标知识因子为知识图谱中与所述词语相匹配的知识因子。

具体的，所述目标知识因子为每个知识图谱中与所述词语相匹配的知识因子。与所述输入信息相匹配的多个知识图谱中的每个知识图谱均至少有一个知识因子与所述词语相匹配，通过对所述多个知识图谱中的每个知识图谱中含有与所述词语相匹配的知识因子的个数来确定最符合用户意图的知识图谱。

第三识别单元162用于将具有最多目标知识因子的知识图谱作为目标知识图谱并以此获得用户的意图。

在其他发明实施例中，如图12所示，所述第三识别单元162包括第三判断单元1621和第四识别单元1622。

第三判断单元1621用于判断所述具有最多目标知识因子的知识图谱的数量是否大于1。

所述具有最多目标知识因子的知识图谱可以具有两个时或两个以上的不同类型的知识图谱，当该知识图谱中的目标知识因子的个数与输入信息中词语相匹配的个数相同时是无法得出用户的知识图谱的。

第四识别单元1622用于若所述具有最多目标知识因子的知识图谱的数量大于1，根据所述词语的依存句法关系从多个所述具有最多目标知识因子的知识图谱中获取目标知识图谱并以此获得用户的意图。

句法分析就是指对句子中的词语语法功能进行分析以此来判断句子中深层次的语义，在本发明实施例中，所述句法分析即为分析文本词汇表中标注后的词语之间的依存关系，进而得出所述输入信息的深层次语义。

本发明实施例所提供的基于人工智能的意图识别的装置100用于执行上述基于人工智能的意图识别的方法，通过获取用户的输入信息；处理所述输入信息以获得所述输入信息中的词语；根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；判断与所述输入信息相匹配的知识图谱的个数；若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图；若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

请参阅图13，图13是本发明实施例提供的计算机设备的示意性框图。

参阅图13，该设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于人工智能的意图识别的方法。

该处理器502用于提供计算和控制能力，支撑整个设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于人工智能的意图识别的方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图13中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的设备500的限定，具体的设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下功能：获取用户的输入信息；处理所述输入信息以获得所述输入信息中的词语；根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；判断与所述输入信息相匹配的知识图谱的个数；若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图；若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

本领域技术人员可以理解，图13中示出的设备500的实施例并不构成对设备500具体构成的限定，在其他实施例中，设备500可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，设备500可以仅包括存储器及处理器502，在这样的实施例中，存储器及处理器502的结构及功能与图13所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器502、数字信号处理器502(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。

在本发明的另一实施例中提供计算机存储介质。该存储介质可以为非易失性的计算机可读存储介质。该存储介质存储有计算机程序5032，其中计算机程序5032被处理器502执行时实现以下步骤：获取用户的输入信息；获取用户的输入信息；处理所述输入信息以获得所述输入信息中的词语；根据所述输入信息中的词语以及预置的领域知识图谱获取与所述输入信息相匹配的知识图谱，其中，所述领域知识图谱包括至少一个知识图谱；判断与所述输入信息相匹配的知识图谱的个数；若所述与所述输入信息相匹配的知识图谱的个数为1，则确定所述与所述输入信息相匹配的知识图谱为目标知识图谱并以此获得用户的意图；若所述与所述输入信息相匹配的知识图谱为多个知识图谱，根据预设的筛选规则对所述多个知识图谱进行筛选以获得目标知识图谱并以此获得用户的意图。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备500(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。