一种基于用户意图的家电控制方法及智能家电

摘要

本发明公开了一种基于用户意图的家电控制方法及智能家电，适用于用户控制智能家电的场景，该方法包括：获取用户表达的话术信息，用户表达的话术信息用于指示智能家电所需完成的功能；将话术信息与预设话术库中的已有功能意图话术进行匹配，预设话术库包括至少一个已有功能意图话术；在话术信息命中已有功能意图话术时，根据命中的已有功能意图话术控制智能家电。本发明公开的基于用户意图的家电控制方法及智能家电，能够准确识别用户意图，根据匹配出的用户意图实现对智能家电的控制，避免了目前智能家电控制调节只能依靠手动设置，不够便捷的问题。

说明书

技术领域

本文涉及智能家电领域，尤指一种基于用户意图的家电控制方法及智能家电。

背景技术

现有智能家电主要分为手动控制和APP控制两种，需要通过手动设置参数和启动来控制智能家电。通过手动调节参数控制智能家电，操作比较繁琐，并且操作界面单一，无法满足各种人群的需求。

发明内容

第一方面，本申请提供了一种基于用户意图的家电控制方法，适用于用户控制智能家电的场景，所述方法包括：

获取用户表达的话术信息，所述用户表达的话术信息用于指示智能家电所需完成的功能；

将所述话术信息与预设话术库中的已有功能意图话术进行匹配，所述预设话术库包括至少一个已有功能意图话术；

在所述话术信息命中已有功能意图话术时，根据命中的已有功能意图话术控制智能家电。

第二方面，本申请提供了一种智能家电，包括：

获取模块，用于获取用户表达的话术信息，所述用户表达的话术信息用于指示智能家电所需完成的功能；

匹配模块，用于将所述话术信息与预设话术库中的已有功能意图话术进行匹配，所述预设话术库包括至少一个已有功能意图话术；

控制模块，用于在所述话术信息命中已有功能意图话术时，根据命中的已有功能意图话术控制智能家电。

本发明至少一实施例提供的基于用户意图的家电控制方法及智能家电，与现有技术相比，具有以下有益效果：通过设置预设话术库，对用户表达的话术信息进行语义理解处理，将用户表达的话术信息与预设话术库中的功能意图话术进行匹配，以判定用户表达的话术信息命中哪个已有功能意图，从而确定用户要对智能家电怎么控制，能够准确匹配用户意图，根据匹配出的用户意图实现对智能家电的控制。

本发明的一些实施方式中，使用免安装应用程序实现用户语音或输入控制智能家电，还可以达到以下效果：1、使用语义理解结合免安装应用程序应用在智能家电，不需要下载应用程序(Application，简称APP)即可实现与智能家电的连接，且避免了目前智能家电控制调节只能依靠手动设置，不够便捷的问题。2、在原有具备WiFi或蓝牙模组的智能家电的基础上，智能家电本体无需做任何改动。3、使用语音对智能家电进行控制，可以实现用户直接说一声即可控制的便捷操作，无需用户在智能家电、APP或者免安装应用程序上点击选择。

本发明的一些实施方式中，使用免安装应用程序实现用户语音或输入控制智能家电，结合图论知识对智能家电知识进行建模，还可以达到以下效果：1、对智能家电NLU服务端的意图槽位进行关联，提升目标意图命中准确率，并获得更优的查询结果。2、预设图论知识库的实体包括不同实体的别称，话术因别称而进行了泛化。3、预设图论知识库的实体还包括实体的各种详细信息，可以为查询提供更多参考值，从而使得查询出的结果也会更优，减小缺省意图命中概率。

本发明的一些实施方式中，还可以达到以下效果：1、使用深度学习对用户输入进行实体识别，抽取用户输入中的实体词。2、结合预设图论知识库和深度学习完成关键词链接，理解用户输入中的实体词的实际含义。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本发明实施例一提供的基于用户意图的家电控制方法的流程图；

图2为本发明实施例二提供的基于用户意图的家电控制方法的流程图；

图3为本发明实施例提供的智能家电食谱知识建模举例的示意图；

图4为本发明实施例提供的预设话术库中的结构示意图；

图5为本发明实施例提供的采用图论技术的NLU服务端模块及流程示意图；

图6为本发明实施例提供的实体识别的网络架构图；

图7为本发明实施例提供的关键词链接的网络架构图；

图8为本发明实施例提供的智能家电的结构示意图。

具体实施方式

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

对于目前现有技术中存在的问题：1、通过手动调节参数控制智能家电，操作比较繁琐，并且操作界面单一。2、市场现有的APP控制智能家电，需要用户在APP上点击选择，无法实现用户直接说一声就可以控制的便捷操作。且APP开发成本也较高，需安卓和ios同时开发，以及APP需下载安装后才可以使用。

本发明提供一种基于用户意图的家电控制方案，能够基于免安装应用程序，使用自然语义理解技术，实现让系统理解用户所说内容，支持用户日常包含智能家电相关的习惯话术。其可以解决如下问题：1、智能家电控制调节只能依靠手动设置，不够便捷；2、需要下载APP才能实现与智能家电的连接；3、智能家电不能理解用户所说的习惯话术；4、出厂后的带有联网功能的智能家电无法实现适配进行语音控制；5、智能家电在应用中未充分利用知识数据。

图1为本发明实施例一提供的基于用户意图的家电控制方法的流程图，如图1所示，本发明实施例提供的基于用户意图的家电控制方法，适用于用户控制智能家电的场景，其具体可以包括：

S101：获取用户表达的话术信息，用户表达的话术信息用于指示智能家电所需完成的功能。

本实施例中，用户需要控制智能家电完成某个功能时，用户可以直接向智能家电语音或文字输入用户表达的话术信息，也可以通过与智能家电绑定的控制设备向智能家电语音或文字输入用户表达的话术信息，以表达用户的意图。比如，用户想要用蒸烤箱做蛋挞时，可以直接向智能家电语音或文字输入用于指示蒸烤箱做蛋挞的用户表达的话术信息，也可以向第三方应用程序(比如免安装应用程序)语音或文字输入用于指示蒸烤箱做蛋挞的用户表达的话术信息，由第三方应用程序将识别用户表达的话术信息。其中，免安装应用程序是一种嵌入在一个第三方应用程序(Application，简称APP)中，无需用户下载安装即可使用的应用程序，如微信小程序(简称小程序)、轻应用、头条号或服务号等。

本实施例中，用户表达的话术信息的方式是用户日常习惯的一些话术，用户说话习惯不同或用户表达方式不同，用户表达的话术信息的方式不同。比如，以蒸烤箱为例，用户需要配网时，不同用户的用户表达的话术信息可以包括：“蒸烤箱联网”、“给蒸烤箱配网”或“给蒸烤箱连上网”等配网话术。

S102：将话术信息与预设话术库中的已有功能意图话术进行匹配，预设话术库包括至少一个已有功能意图话术。

本实施例中，预设话术库可以预先设于智能家电或云服务器，比如，自然语言理解(Natural Language Understanding简称NLU)服务端。

本实施例中，在话术匹配时，其执行主体可以是智能家电或云服务器。具体的，在执行主体是智能家电时，智能家电将获取的用户表达的话术信息与自身设置的预设话术库中的已有功能意图话术进行匹配，智能家电直接根据匹配结果执行相应功能。在执行主体是云服务器时，云服务器将获取的用户表达的话术信息与自身设置的预设话术库中的已有功能意图话术进行匹配，并将匹配结果发送给智能家电，以使智能家电根据云服务器发送的匹配结果执行相应功能。

其中，在下述实施例中，在话术匹配时，本发明以执行主体是NLU服务端为例，智能家电作为执行主体的实现原理与NLU服务端作为执行主体的实现原理相同，本实施例在此不进行赘述。

其中，意图指功能要满足的用户的请求或目的。如用户对智能家电中的智能蒸烤箱说“蛋挞食谱”，意图就是“用蒸烤箱做蛋挞的食谱”。

S103：在话术信息命中已有功能意图话术时，根据命中的已有功能意图话术控制智能家电。

本实施例中，将用户表达的话术信息(意图)与预设话术库中的功能意图话术进行匹配，以判定用户表达的话术信息命中哪个已有功能意图。其中预设话术库中的功能意图话术可以包括：设备配网意图、食谱相关意图、蒸烤箱控制相关意图和推荐相关意图等中的至少一个。

本实施例中，若判定用户表达的话术信息命中已有功能意图，则通过控制服务端调取对应的接口(比如获取食谱数据接口，或控制蒸烤箱温度调节接口等)，实现对智能家电的相应控制或获取数据。

可选的，在通过免安装应用程序获取用户意图时，本实施例在实现对智能家电的相应控制或获取数据后，还可以将控制结果或获取的数据下发给免安装应用程序进行显示和语音播报。

本发明实施例提供的基于用户意图的家电控制方法，通过设置预设话术库，对用户表达的话术信息进行语义理解处理，将用户表达的话术信息与预设话术库中的功能意图话术进行匹配，以判定用户表达的话术信息命中哪个已有功能意图，从而确定用户要对智能家电怎么控制，能够准确匹配用户意图，根据匹配出的用户意图实现对智能家电的控制。

进一步地，在上述实施例中，话术信息是免安装应用程序将自身识别的用户表达的信息转换后发送的文本信息，用户表达的信息包括用户的音频信息或用户的输入信息。

本实施例中，可以通过免安装应用程序(比如微信小程序)获取用户表达的话术信息。使用免安装应用程序作为操作载体，用户使用免安装应用程序进行录音或者文字输入，然后通过NLU服务端，将通过免安装应用程序获取的用户意图匹配到对应的已有功能意图。

具体的，免安装应用程序会根据用户语音或文字输入的内容，理解出用户对智能家电的控制意图，即用户表达的文本信息。然后免安装应用程序会将用户语音或输入的内容，发送至NLU服务端，对文本信息继续语义理解处理，匹配到已有的意图，从而确定用户要对智能家电怎么控制，即理解出用户对智能家电的控制意图。

其中，免安装应用程序可以通过调用云端接口，给已联网的智能家电发送调用指令，或去调用智能家电各个功能的控制指令。

本发明实施例提供的基于用户意图的家电控制方法，使用免安装应用程序实现用户语音或输入控制智能家电，一是使用语义理解结合免安装应用程序应用在智能家电，不需要下载应用程序(Application，简称APP)即可实现与智能家电的连接，且避免了目前智能家电控制调节只能依靠手动设置，不够便捷的问题；二是在原有具备WiFi或蓝牙模组的智能家电的基础上，智能家电本体无需做任何改动。

另外，本实施例中，用户可以在免安装应用程序上使用语音控制智能家电。具体的，在免安装应用程序(比如微信小程序)中使用语音录制功能，然后将语音转为文本信息，再将文本信息发送至NLU服务端，匹配到对应已有意图，然后调用控制服务端相应的接口，实现对智能家电进行控制。本发明实施例提供的基于用户意图的家电控制方法，使用语音对智能家电进行控制，可以实现用户直接说一声即可控制的便捷操作，无需用户在智能家电、APP或者免安装应用程序上点击选择。

进一步地，在上述实施例中，本发明实施例提供的基于用户意图的家电控制方法还可以包括：

在话术信息未命中已有功能意图话术时，向免安装应用程序发送提醒信息，提醒信息用于免安装应用程序进行显示提醒或语音提醒用户未成功识别用户的意图。

举例来说，以智能蒸烤箱为例，图2为本发明实施例二提供的基于用户意图的家电控制方法的流程图，如图2所示，本发明实施例提供的基于用户意图的家电控制方法，可以包括：

其中，本实施例中，用户可以通过语音或文字的方式在应用小程序表达自己的意图。具体的，用户使用微信小程序时，可以直接说日常的一些话术，其具体可见下述S201a～S203a。用户使用微信小程序时，可以通过文字输入日程的一些话术，其具体可见下述S201b～S202b。

S201a：用户语音说出文字。

S202a：应用小程序录制用户的音频。

S203a：应用小程序将音频转换为文本。

本实施例中，在S201a～S203a中，微信小程序可以通过使用语音转文本接口(例如科大讯飞ASR或百度TTS)将音频转换为文本内容，微信小程序得到用户表达的文本信息

S201b：用户手动输入文字。

S202b：应用小程序录入用户输入的文字。

本实施例中，在S201b～S202b中，若用户手动输入用户的意图话术，微信小程序也可以得到用户表达的文本信息。

S204：获取用户表达的文本信息。

S205：判断是否命中已有功能的意图。若是，则执行S206；否则，执行S207。

本实施中，微信小程序将用户表达的文本信息发送给NLU服务端，NLU服务端判断用户表达的话术命中哪个已有功能意图，例如：设备配网意图、食谱相关意图、蒸烤箱控制相关意图或推荐相关意图等。

S206：确定命中的已有功能的意图；执行S208。

S207：确定意图缺省；执行S209。

S208：控制服务端对智能家电的相应控制或获取数据。

S209：控制服务端下发数据或通知给微信小程序。

本实施例中，在S206～S209中，若未命中已有意图，则进入意图缺省，通知控制服务端，然后控制服务端会下发通知微信小程序，微信小程序通过显示模块以指定UI显示，和/或通过语音播报模块语音播报提醒用户，暂时不能理解，并将已有的话术提醒给用户，让其按照提示进行对话或输入。若命中已有意图，则通过控制服务端调取对应的接口(例如：获取食谱数据接口，或控制蒸烤箱温度调节接口等)，实现对智能家电的相应控制，或获取数据，然后将控制结果或数据下发给微信小程序进行显示和语音播报。

本发明实施例提供的基于用户意图的家电控制方法，一是通过使用微信小程序作为载体，使用NLU服务端对从微信小程序获取的音频和文本信息进行处理分析，判断出用户在微信小程序的语音输入和文本输入的信息是要实现哪个功能。二是可以使用微信小程序的语音进行对智能家电的控制，解决了目前智能家电只能依靠手设置的问题。三是使用微信小程序作为载体，进行配网连接或控制，从而解决了需下载APP才能实现与智能家电的连接的问题。四是使用微信小程序进行语音控制，不需对原有的智能家电重新刷固件，仍然可以通过原有的WiFi或蓝牙模组控制智能家电的各个模块，解决了出厂后的带有WiFi和或蓝牙功能的智能家电也可以适配进行语音控制。

进一步地，在上述实施例中，将话术信息与预设话术库中的已有功能意图进行匹配，可以包括：

检测话术信息中的至少一个关键词，对于每一个关键词，确定与关键词匹配的关键词链接，关键词链接用于指向预设图论知识库中关键词的统称信息，预设图论知识库采用图论方法对家电的食谱知识进行建模获得；将话术信息中所有关键词的统称信息与预设话术库中已有功能意图中的槽位信息进行匹配，每一个已有功能意图话术包括至少一个槽位，每一个槽位对应一种类型关键词的槽位信息；在所有关键词的统称信息与某一已有功能意图话术中的槽位信息均匹配时，确定话术信息命中已有功能意图话术。

本实施例中，通过图论方法和深度学习算法来建模知识和实现意图槽位关联，提升目标意图命中准确率，并获得更优的查询结果。具体的，首先采用图论方法对智能家电、食材、食谱等知识建模，收集并持续更新知识，得到预设图论知识库。其次，每一个已有功能意图话术包括至少一个槽位，对在NLU服务端的意图下话术中的各个槽位，使用对应的智能家电知识库替代同义词词典，与槽位信息进行关联。

本实施例中，可以结合预设图论知识库和深度学习完成关键词链接，对智能家电NLU服务端的意图槽位进行关联。具体的，图3为本发明实施例提供的智能家电食谱知识建模举例的示意图，如图3所示，预设图论知识库中的实体包含有别称信息、上下位、类型或摘要等信息。本实施例中可以将一个实体(比如面粉)称为一个关键词。具体的，可以将用户表达的话术信息编辑为包括多个关键词的话术，然后将关键词与预设图论知识库进行链接，将每一个关键词通过关键词链接链接到预设图论知识库中的关键词统称信息，从而识别不同用户的日常惯用话术。举例来说，为理解用户输入的“蒸烤箱如何用白粉烤面包”，可以将话术编辑为“slot1如何用slot2烤slot3”，首先根据用户输入解析出关键词(候选实体词)，如“蒸烤箱”、白粉”和“面包”这三个关键词；然后将关键词与预设图论知识库进行链接，将每一个关键词通过关键词链接链接到预设图论知识库中的关键词统称信息。如通过关键词链接可得到蒸烤箱、白粉和面包这三个关键词的统称信息分别为：“蒸烤箱”-“蒸烤箱”、“白面”-“面粉”和“面包”-“面包”。

其中，关键词链接主要目的是解决实体词的实际含义问题，将其与预设图论知识库中的实体库进行链接，即可理解用户输入中的实体词的实际含义，。关键词链接得到的关键词统称信息可以通过多特征输入的深度学习模型获得，其具体详见下述实施例的描述，本实施例在此不进行赘述。

本实施例中，预设话术库中已有功能意图话术的采用了槽位功能，且槽位与预设图论知识库进行关联，可以进行同义词槽位或单位槽位等扩展，即在NLU服务端上的现有支持话术上会扩展出许多话术，从而实现识别用户所说的习惯话术。

具体的，图4为本发明实施例提供的预设话术库中的结构示意图，如图4所示，NLU服务端由1至多个意图组成，每个意图由1至多个话术组成，而每个话术会包含0至多个槽位。其中，槽位是意图的参数信息，槽位信息与对应的词典进行关联，例如“烤箱解冻15分钟”，这里的槽位信息“15分钟”和预设的词典中的“时间词典”会进行关联。举例来说，以图4中上管加热意图为例，其包括的已有功能意图话术可以为：“蒸烤箱上管加热slot1度slot2”，slot1为温度槽位，单位是摄氏度；slot2为时间槽位，单位是时间单位，如分钟或小时。当用户说“蒸烤箱上管加热180度30分钟”时，NLU服务端会命中“上管加热意图”，并得出温度槽位值为180，时间槽位值为30；此时便可以去调用控制服务端的蒸烤箱上管加热接口，得到的温度槽位值和时间槽位值作为参数传入，从而实现了对蒸烤箱的上管加热控制。

本发明实施例提供的基于用户意图的家电控制方法，结合图论知识对智能家电知识进行建模，对智能家电NLU服务端的意图槽位进行关联，提升目标意图命中准确率，并获得更优的查询结果。

进一步地，在上述实施例中，在话术信息命中已有功能意图话术之后，本发明实施例提供的基于用户意图的家电控制方法还可以包括：

将命中的已有功能意图话术与话术信息中所有关键词的统称信息进行结合，得到命中查询语句；确定与命中查询语句匹配的话术链接，话术链接用于指向预设图论知识库中话术的相关参数信息；将匹配的话术链接指向的相关参数信息作为查询结果反馈给免安装应用程序。

本实施例中，预设图论知识库中对应的不仅仅是简单的同义词，而是更细致化和更颗粒化的实体详细信息，通过话术链接得到预设图论知识库中对应的实体详细信息，可以提供多方位参考，从而充分利用产品相关知识，来提升目标意图的命中准确率，减少缺省意图的命中，并获得更优的查询结果，进而提升用户知识查询体验。

如图3所示，例如在蒸烤箱的预设图论知识库，面粉对应着是面粉的实体，不仅包括了面粉的介绍和别称，还包括营养成分、产地和制作工艺等等信息。当用户说“蒸烤箱如何用面粉烤面包”或“蒸烤箱如何用白面烤面包”，关键词(候选实体)面粉和白面通过关键词链接都会指向关键词统称信息面粉，从而都会被命中话术(查询语句)“蒸烤箱如何用zsolt1烤zslot2”，其中zsolt1、zsolt2分别代表面粉实体和面包实体。并且因为使用了预设图论知识库“面粉实体”，通过话术链接便可以直接获得面粉实体下的营养成分和工艺等信息，便可根据这些信息，找到更合适、更优的使用面粉在蒸烤箱里烤面包的食谱。

举例来说，图5为本发明实施例提供的采用图论技术的NLU服务端模块及流程示意图，如图5所示，比如，为理解用户输入“蒸烤箱如何用白粉烤面包”，编辑了话术“slot1如何用slot2烤slot3”。本实施例可以将理解用户的输入分为如下几个步骤：a.根据用户输入解析出候选实体词(关键词)，如“蒸烤箱”、“白粉”和“面包”等；b.将候选实体词与预设图论知识库实体(关键词)进行链接，如“蒸烤箱”-“蒸烤箱”、“白面”-“面粉”和“面包”-“面包”；c.将得到的用户输入与预设话术库进行匹配，如“${product}如何用${食材}做${食谱}”；d.将匹配到的话术和链接得到的实体词通过知识库查询解析模块得到规范化知识库查询语句；e.将知识库查询语句在知识库上执行，得到查询结果；f.将得到的查询结果通过回复模块进行组织，回复用户。

本实施例中，采用了实体识别、关键词链接、话术确认、话术链接、知识查询和回复确认等一系列流程处理，利用特征信息更多，过程更加可控、可理解和可维护，在实际过程中，可以通过业务逐步优化达到最佳效果，结合话术库和预设图论知识库，提高用户输入的意图命中性能。

本发明实施例提供的基于用户意图的家电控制方法，结合图论知识对智能家电知识进行建模得到的预设图论知识库，一是预设图论知识库的实体包括不同实体的别称，话术因别称而进行了泛化；二是预设图论知识库的实体还包括实体的各种详细信息，可以为查询提供更多参考值，从而使得查询出的结果也会更优，减小缺省意图命中概率。

进一步地，在上述实施例中，确定与命中查询语句匹配的话术链接，可以包括：

将命中查询语句与预设图论知识库中话术的相关参数信息采用欧氏距离或余弦函数进行相似度计算，选择相似值最大且超过第一阈值的相关参数信息作为话术链接的链接目标。

本实施例中，话术链接将命中查询语句(候选话术)与用户输入处理后得到的话术采用欧氏距离或余弦函数进行相似度计算，选择相似值最大且超过一定阈值的目标话术作为链接目标。

本发明实施例提供的基于用户意图的家电控制方法，话术链接用于指向预设图论知识库中话术的相关参数信息，通过话术链接得到预设图论知识库中对应的实体详细信息，可以提供多方位参考，从而充分利用产品相关知识，来提升目标意图的命中准确率，减少缺省意图的命中，并获得更优的查询结果，进而提升用户知识查询体验。

进一步地，在上述实施例中，槽位信息与预设图论知识库关联，所有关键词的统称信息与某一已有功能意图话术中的槽位信息均匹配，可以包括：

对于每一个关键词，每一个关键词的统称信息与某一已有功能意图话术中的槽位信息满足以下任一条件，则确定该关键词的统称信息与某一已有功能意图话术中的槽位信息匹配：

条件1：关键词的统称信息的词义与某一已有功能意图话术中的槽位信息的词义相同。

本实施例中，用户表达的意图话术中的关键词与槽位信息中词义相同时，则确定用户表达的意图话术命中该槽位信息。比如，用户表达的意图话术中的关键词为面粉，在已有功能意图话术中的槽位信息包括面粉时，由于用户表达的关键词“面粉”与槽位信息中的“面粉”的词义相同，因此，当用户说“蒸烤箱如何用面粉烤面包”，会被命中话术“蒸烤箱如何用zsolt1烤zslot2”，其中zsolt1、zsolt2分别代表面粉实体和面包实体。

条件2：关键词的统称信息的词义与某一已有功能意图话术中的槽位信息关联的预设图论知识库中的词义相同。

本实施例中，在结合预设图论知识库和深度学习完成关键词链接，对智能家电NLU服务端的意图槽位进行关联时，用户表达的意图话术中的关键词与槽位信息关联的预设图论知识库中词义相同时，则确定用户表达的意图话术命中该槽位信息。比如，用户表达的意图话术中的关键词为小麦粉或白粉，在已有功能意图话术中的槽位信息包括面粉时，由于用户表达的关键词“小麦粉”或“白粉”与槽位信息中的“面粉”的词义不相同，但是基于关键词链接指向的预设图论知识库，可知“小麦粉”或“白粉”指向的统称信息均为“面粉”。因此，不论用户说“蒸烤箱如何用面粉烤面包”或“蒸烤箱如何用白面烤面包”，也都会被命中话术“蒸烤箱如何用zsolt1烤zslot2”，其中zsolt1、zsolt2分别代表面粉实体和面包实体。

条件3：关键词的统称信息的类型与某一已有功能意图话术中的槽位信息的类型相同。

本实施例中，用户表达的意图话术中的关键词或关键词统称信息的类型与槽位信息中类型相同时，则确定用户表达的意图话术命中该槽位信息。比如，用户表达的意图话术中的关键词或关键词统称信息的类型为时间，在已有功能意图话术中的槽位信息的类型包括时间时，由于用户表达的关键词或关键词统称信息的类型与槽位信息中关键词的类型相同，因此，当用户说“蒸烤箱上管加热180度30分钟”，会被命中话术“蒸烤箱上管加热slot1度slot2”，slot1为温度槽位，单位是摄氏度。

本发明实施例提供的基于用户意图的家电控制方法，结合话术库和预设图论知识库，对智能家电NLU服务端的意图槽位进行关联，可以提高用户输入的意图命中性能。

进一步地，在上述实施例中，检测话术信息中的至少一个关键词，对于每一个关键词，确定与关键词匹配的关键词链接，可以包括：

基于话术信息进行空间嵌入和循环神经网络提取关键词的输入特征，输入特征包括：字向量、边界向量、用字向量和类型用字向量；采用多特征输入的深度学习模型，确定与关键词匹配的关键词链接。

本实施例中，一是使用深度学习对用户输入进行实体识别，抽取用户输入中的实体词(关键词)。二是结合预设图论知识库和深度学习完成关键词链接，理解用户输入中的实体词的实际含义。

可选的，图6为本发明实施例提供的实体识别的网络架构图，基于图6所示的实体识别的网络架构图，本发明实施例基于话术信息进行空间嵌入和循环神经网络提取关键词的输入特征，采用深度学习中Bi-LSTM+CRF方案进行字标注，采用字向量、边界向量、用字向量和类型用字向量四个输入特征，及BMEO四类标签，其可以包括如下步骤：

步骤A：采用Word2Vec对话术信息进行嵌入，得到话术信息的字向量特征。

本实施例中，可以采用Word2Vec模型得到字向量特征，其实现原理与现有技术相同，本实施例在此不进行赘述。

步骤B：统计话术信息中关键词上边界和下边界的用字特征，得到话术信息的边界向量特征；边界向量特征采用可信度作为衡量标准，可信度定义公式为：

本实施例中，对句子中实体词上边界和下边界的用字统计其特征，可得到边界向量特征。考虑到句子中“的”等停用词，可以采用可信度作为边界特征的衡量标准，其可信度定义公式可以为：

可选的，为了将特征融入神经网络，对可信度做标准化和离散化处理，获得可信层级R，可信层级R作为各层级唯一向量进行表示，以输出至神经网络。可信层级R定义公式可以为：

步骤C：统计话术信息中关键词作为话术信息的头、中和尾的频次，得到用字向量特征。

本实施例中，对句子中实体词的用字特征进行统计，统计其作为头、中、尾的频次，可得到用字向量特征。与边界特征类似，用字向量特征离散化后映射到向量空间中，作为神经网络的输入。离散化定义公式可以为：

步骤D：统计话术信息中各个类型的关键词的用字，得到类型用字向量特征。

本实施例中，与用字向量特征类似，不过此处需要对句子中各个类型的实体词的用字进行统计，再进行标准化和离散化处理，获得特征值及其在特征空间中的向量表示。

本发明实施例提供的基于用户意图的家电控制方法，方案采集了用户输入的多种特征，将这些特征输入到深度学习模型中，经过模型计算，可以得出实体词的模式信息。使用深度学习对用户输入进行实体识别，抽取用户输入中的实体词。

可选的，图7为本发明实施例提供的关键词链接的网络架构图，如图7所示，关键词链接可以采用多特征的深度学习架构获得。具体的，预设图论知识库(可简称知识库)可以包括：关键词的统称信息的类型标识、标签信息和摘要信息；采用多特征输入的深度学习模型，确定与关键词匹配的关键词链接，可以包括：

分别对预设图论知识库中关键词的统称信息的类型标识和标签信息进行空间嵌入，提取关键词的统称信息的类型特征和标签特征；对预设图论知识库中关键词的统称信息的摘要信息进行循环神经网络，提取关键词的统称信息的摘要特征；将关键词的输入特征，以及关键词的统称信息的类型特征、标签特征和摘要特征联结；将联结后的特征采用阈值函数sigmoid函数进行处理，选择输出值最大且超过第二阈值的关键词的统称信息作为关键词链接的链接目标。

本实施例中，可采用多特征输入的深度学习模型获得关键词链接。首先基于用户表达的文本信息进行空间嵌入和循环神经网络提取其输入特征，输入特征可以包括上述实施例所示的字向量、边界向量、用字向量和类型用字向量。然后通过预设图论知识库中候选实体(关键词的统称信息)的类型标识进行空间嵌入提取候选实体类型特征，通过预设图论知识库候选实体的标签信息进行空间嵌入提取候选实体标签特征，通过候选实体摘要信息和循环神经网络提取其摘要特征；然后将所有特征联结，通过一个激活函数relu层抽取整体特征；最后采用阈值函数sigmoid函数进行处理，在候选实体中选择网络输出值最大且超过一定阈值的作为链接目标。

其中，激活函数relu层和阈值函数sigmoid函数的实现原理与现有技术相同，本实施例在此不进行赘述。

其中，采用多特征输入的深度学习模型获得关键词链接时，训练模型可使用最大似然函数：

其中，y为正确序列，y′为预测序列，y和y′均为输出序列。X表示输入特征向量x的集合，n表示输出序列长度。S为预测得分，A表示转移矩阵，其中：

训练使用损失函数可以为：

-logP(y|X)＝log(Σ

本实施例中，训练模型使用最大似然函数以及训练使用损失函数建模的实现原理与现有技术相同，本实施例在此不进行赘述。

本发明实施例提供的基于用户意图的家电控制方法，方案采集了用户输入、知识库候选词的多种特征信息，利用多输入的深度学习模型进行sigmoid函数进行处理，在候选实体中选择网络输出值最大且超过一定阈值的作为链接目标，可以判断出用户输入中的实体词与知识库中候选实体中最接近的实体，准确理解用户输入中的实体词的实际含义。

进一步地，本发明实施例还提供一种智能家电，图8为本发明实施例提供的智能家电的结构示意图，如图8所示，本发明实施例提供的智能家电可以包括：获取模块81、匹配模块82和控制模块83。

获取模块81，用于获取用户表达的话术信息，所述用户表达的话术信息用于指示智能家电所需完成的功能；

匹配模块82，用于将所述话术信息与预设话术库中的已有功能意图话术进行匹配，所述预设话术库包括至少一个已有功能意图话术；

控制模块83，用于在所述话术信息命中已有功能意图话术时，根据命中的已有功能意图话术控制智能家电。

本发明实施例提供的智能家电用于执行图1所示方法实施例的技术方案，其实现原理和实现效果类似，此处不再赘述。

进一步地，在上述实施例中，所述话术信息可以是免安装应用程序将自身识别的用户表达的信息转换后发送的文本信息，所述用户表达的信息可以包括用户的音频信息或用户的输入信息。

进一步地，在上述实施例中，控制模块83还用于在所述话术信息未命中已有功能意图话术时，向所述免安装应用程序发送提醒信息，所述提醒信息用于所述免安装应用程序进行显示提醒或语音提醒用户未成功识别用户的意图。

进一步地，在上述实施例中，匹配模块82将所述话术信息与预设话术库中的已有功能意图进行匹配，可以包括：

检测所述话术信息中的至少一个关键词，对于每一个关键词，确定与所述关键词匹配的关键词链接，所述关键词链接用于指向预设图论知识库中所述关键词的统称信息，所述预设图论知识库采用图论方法对家电的食谱知识进行建模获得；

将所述话术信息中所有关键词的统称信息与预设话术库中已有功能意图中的槽位信息进行匹配，每一个已有功能意图话术包括至少一个槽位，每一个槽位对应一种类型关键词的槽位信息；

在所有关键词的统称信息与某一已有功能意图话术中的槽位信息均匹配时，确定所述话术信息命中已有功能意图话术。

进一步地，在上述实施例中，所述槽位信息与所述预设图论知识库关联，匹配模块82确定所有关键词的统称信息与某一已有功能意图话术中的槽位信息均匹配，可以包括：

对于每一个关键词，每一个关键词的统称信息与某一已有功能意图话术中的槽位信息满足以下任一条件，则确定该关键词的统称信息与某一已有功能意图话术中的槽位信息匹配：

条件1：关键词的统称信息的词义与某一已有功能意图话术中的槽位信息的词义相同；

条件2：关键词的统称信息的词义与某一已有功能意图话术中的槽位信息关联的所述预设图论知识库中的词义相同；

条件3：关键词的统称信息的类型与某一已有功能意图话术中的槽位信息的类型相同。

进一步地，在上述实施例中，控制模块83还用于：

将命中的已有功能意图话术与所述话术信息中所有关键词的统称信息进行结合，得到命中查询语句；确定与所述命中查询语句匹配的话术链接，所述话术链接用于指向所述预设图论知识库中话术的相关参数信息；将匹配的话术链接指向的相关参数信息作为查询结果反馈给免安装应用程序。

进一步地，在上述实施例中，控制模块83确定与所述命中查询语句匹配的话术链接，可以包括：

将所述命中查询语句与所述预设图论知识库中话术的相关参数信息采用欧氏距离或余弦函数进行相似度计算，选择相似值最大且超过第一阈值的相关参数信息作为所述话术链接的链接目标。

进一步地，在上述实施例中，所述检测所述话术信息中的至少一个关键词，匹配模块82对于每一个关键词，确定与所述关键词匹配的关键词链接，可以包括：

基于所述话术信息进行空间嵌入和循环神经网络提取关键词的输入特征，所述输入特征包括：字向量、边界向量、用字向量和类型用字向量；采用多特征输入的深度学习模型，确定与所述关键词匹配的关键词链接。

进一步地，在上述实施例中，所述预设图论知识库包括：所述关键词的统称信息的类型标识、标签信息和摘要信息；

匹配模块82采用多特征输入的深度学习模型，确定与所述关键词匹配的关键词链接，可以包括：

分别对预设图论知识库中关键词的统称信息的类型标识和标签信息进行空间嵌入，提取所述关键词的统称信息的类型特征和标签特征；

对预设图论知识库中关键词的统称信息的摘要信息进行循环神经网络，提取所述关键词的统称信息的摘要特征；

将所述关键词的输入特征，以及所述关键词的统称信息的所述类型特征、所述标签特征和所述摘要特征联结；

将联结后的特征采用阈值函数sigmoid函数进行处理，选择输出值最大且超过第二阈值的关键词的统称信息作为关键词链接的链接目标。

进一步地，在上述实施例中，匹配模块82基于所述话术信息进行空间嵌入和循环神经网络提取关键词的输入特征，可以包括：

采用Word2Vec对所述话术信息进行嵌入，得到所述话术信息的字向量特征；

统计所述话术信息中关键词上边界和下边界的用字特征，得到所述话术信息的边界向量特征；所述边界向量特征采用可信度作为衡量标准，可信度定义公式为：

统计所述话术信息中关键词作为所述话术信息的头、中和尾的频次，得到所述用字向量特征；

统计所述话术信息中各个类型的关键词的用字，得到所述类型用字向量特征。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。