【技術實現步驟摘要】
本專利技術屬于智能交互，具體涉及基于ai大模型的智能交互設備的意圖識別與智能決策方法。
技術介紹
1、隨著人工智能技術的快速發展，ai大模型已經成為實現高效智能交互的重要工具。ai大模型利用大規模的訓練數據和復雜的算法，能夠實現對數據的深度學習，從而在多個領域實現智能決策。智能交互設備是指能夠與用戶進行自然、高效交互的設備，如智能音箱、智能手機、智能穿戴設備等。這些設備通過集成先進的語音識別、自然語言處理等技術，能夠實現對用戶指令的準確理解和智能響應。然而，隨著用戶需求的不斷提高，智能交互設備需要更加精準地識別用戶意圖，并做出更加智能的決策，以滿足用戶的多樣化需求。
2、意圖識別是智能交互設備中的關鍵技術之一。它通過對用戶輸入的自然語言進行分析和理解，提取出用戶的真實意圖。基于ai大模型的意圖識別方法利用大規模的語言數據訓練模型，使其能夠準確識別各種復雜語句中的意圖。同時，通過引入向量數據庫等技術，可以進一步提高意圖識別的準確性和效率。
3、智能決策是智能交互設備中的另一個重要環節。基于ai大模型的智能決策方法利用模型的強大泛化能力和表達能力，能夠實現對各種復雜場景的智能決策。同時，通過引入強化學習等技術，可以不斷優化模型的決策能力，使其更加適應實際應用場景。
4、盡管基于ai大模型的智能交互設備在意圖識別和智能決策方面取得了顯著進展，但仍存在一些局限性。例如，傳統的技術主要依賴于簡單的模式匹配和規則引擎，難以充分理解用戶的復雜需求，用戶在交互過程中的意圖往往受到多種因素的影響，導致意圖識別的
技術實現思路
1、本專利技術的目的是提供基于ai大模型的智能交互設備的意圖識別與智能決策方法，能夠更準確地識別用戶意圖，還能夠在多維度上對候選決策進行評估與選擇，從而提供智能化、精準的決策執行過程。
2、本專利技術采取的技術方案具體如下：
3、基于ai大模型的智能交互設備的意圖識別與智能決策方法，包括：
4、獲取來自多個輸入源的交互信息，根據多個交互信息獲取對應的交互特征信息；
5、獲取交互歷史特征數據，根據多個交互特征信息以及交互歷史特征信息獲取每個交互特征信息對應的意圖識別結果，根據多個意圖識別結果獲取多維度的候選決策集；
6、獲取候選決策集中的多個候選決策信息，獲取每個候選決策信息對應的多個執行步驟，根據每個候選決策信息對應的多個執行步驟獲取任務復雜度；
7、獲取每個候選決策信息對應的歷史執行數據，根據歷史執行數據獲取對應的候選決策信息的執行成功率；
8、獲取每個候選決策信息的用戶偏好度，根據每個候選決策信息的任務復雜度、執行成功率以及用戶偏好度獲取每個候選決策信息的決策值，獲取符合第一預設條件的決策值所對應的候選決策信息，并執行符合第一預設條件的候選決策信息。
9、在一種優選方案中，所述獲取交互歷史特征數據，根據多個交互特征信息以及交互歷史特征信息獲取每個交互特征信息對應的意圖識別結果，根據多個意圖識別結果獲取多維度的候選決策集的步驟，包括：
10、獲取交互特征歷史數據；
11、根據交互特征歷史數據獲取多個交互特征歷史信息，根據多個交互特征歷史信息獲取對應的每個交互特征歷史信息的交互特征歷史向量；
12、根據每個交互特征信息獲取對應的交互特征向量；
13、獲取每個交互特征向量與每個交互特征歷史向量的交互特征相似性；
14、將多個交互特征相似性按照從大到小的順序進行排序，并獲取最大的交互特征相似性標記為每個交互特征向量對應的目標交互特征相似性；
15、根據每個目標交互特征相似性獲取對應的交互特征歷史信息所對應的意識識別結果，并標記為交互特征信息對應的意圖識別結果；
16、根據多個意圖識別結果獲取每個意圖識別結果對應的決策信息，并匯總構建多維度的候選決策集。
17、在一種優選方案中，所述根據每個目標交互特征相似性獲取對應的交互特征歷史信息所對應的意識識別結果，并標記為交互特征信息對應的意圖識別結果的步驟，包括：
18、獲取意圖識別表，其中，意圖識別表包括多個特征相似性以及每個特征相似性所對應的意圖識別結果；
19、根據目標交互特征相似性從意圖識別表中獲取對應的交互特征歷史信息所對應的意識識別結果；
20、將對應的交互特征歷史信息所對應的意識識別結果標記為交互特征信息對應的意圖識別結果。
21、在一種優選方案中，所述獲取候選決策集中的多個候選決策信息，獲取每個候選決策信息對應的多個執行步驟，根據每個候選決策信息對應的多個執行步驟獲取任務復雜度的步驟，包括：
22、獲取候選決策集中的多個候選決策信息；
23、獲取每個候選決策信息對應的多個執行步驟；
24、獲取每個候選決策信息對應的多個執行步驟的多個執行步驟向量；
25、獲取每個執行步驟向量的步驟權重；
26、根據每個候選決策信息對應的多個執行步驟向量以及對應的步驟權重獲取對應的任務復雜度。
27、在一種優選方案中，所述獲取每個候選決策信息對應的歷史執行數據，根據歷史執行數據獲取對應的候選決策信息的執行成功率的步驟，包括：
28、獲取每個候選決策信息對應的歷史執行數據；
29、根據每個歷史執行數據獲取對應的多個歷史執行信息；
30、獲取每個歷史執行信息中的執行步驟數量以及對應的執行步驟完成數量；
31、根據多個歷史執行信息每個執行步驟數量以及對應的執行步驟完成數量獲取對應的候選決策信息的執行成功率。
32、在一種優選方案中，所述獲取每個候選決策信息的用戶偏好度，根據每個候選決策信息的任務復雜度、執行成功率以及用戶偏好度獲取每個候選決策信息的決策值，獲取符合第一預設條件的決策值所對應的候選決策信息，并執行符合第一預設條件的候選決策信息的步驟，包括：
33、獲取每個候選決策信息的用戶偏好度；
34、根據每個候選決策信息的任務復雜度、執行成功率以及用戶偏好度獲取每個候選決策信息的決策值；
35、獲取決策閾值；
36、判斷決策值是否超過決策閾值；
37、若決策值超過決策閾值，則將超過決策閾值的決策值標記為目標決策值；
38、將目標決策值按照從大到小的順序進行排序，得到目標決策表；
39、從目標決策表中獲取最大的目標決策值所對應的決策信息，并標為目標決策信息，并執行目標決策信息。
40、在一種優選方案中，所述獲取每個候選決策信息的用戶偏好度的步驟，包括：
41、構建偏好時段；
42、獲取偏好時段內所有的決策信息的數量；
43、獲取偏好時段內用戶選擇執行的決策信息所對應的次數；
44、根據所有的決策信息的數量以及用戶選擇執本文檔來自技高網...
【技術保護點】
1.基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，包括：
2.根據權利要求1所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取交互歷史特征數據，根據多個交互特征信息以及交互歷史特征信息獲取每個交互特征信息對應的意圖識別結果，根據多個意圖識別結果獲取多維度的候選決策集的步驟，包括：
3.根據權利要求2所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述根據每個目標交互特征相似性獲取對應的交互特征歷史信息所對應的意識識別結果，并標記為交互特征信息對應的意圖識別結果的步驟，包括：
4.根據權利要求1所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取候選決策集中的多個候選決策信息，獲取每個候選決策信息對應的多個執行步驟，根據每個候選決策信息對應的多個執行步驟獲取任務復雜度的步驟，包括：
5.根據權利要求1所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取每個候選決策信息對應的歷史執行數據，根據歷史執行數據獲取
6.根據權利要求1所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取每個候選決策信息的用戶偏好度，根據每個候選決策信息的任務復雜度、執行成功率以及用戶偏好度獲取每個候選決策信息的決策值，獲取符合第一預設條件的決策值所對應的候選決策信息，并執行符合第一預設條件的候選決策信息的步驟，包括：
7.根據權利要求6所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取每個候選決策信息的用戶偏好度的步驟，包括：
8.根據權利要求6所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取決策閾值的步驟，包括；
9.根據權利要求6所述的基于AI大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述從目標決策表中獲取最大的目標決策值所對應的決策信息，并標為目標決策信息，并執行目標決策信息的步驟之后，還包括：
10.基于AI大模型的智能交互設備的意圖識別與智能決策方法終端，其特征在于，包括：
...【技術特征摘要】
1.基于ai大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，包括：
2.根據權利要求1所述的基于ai大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取交互歷史特征數據，根據多個交互特征信息以及交互歷史特征信息獲取每個交互特征信息對應的意圖識別結果，根據多個意圖識別結果獲取多維度的候選決策集的步驟，包括：
3.根據權利要求2所述的基于ai大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述根據每個目標交互特征相似性獲取對應的交互特征歷史信息所對應的意識識別結果，并標記為交互特征信息對應的意圖識別結果的步驟，包括：
4.根據權利要求1所述的基于ai大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取候選決策集中的多個候選決策信息，獲取每個候選決策信息對應的多個執行步驟，根據每個候選決策信息對應的多個執行步驟獲取任務復雜度的步驟，包括：
5.根據權利要求1所述的基于ai大模型的智能交互設備的意圖識別與智能決策方法，其特征在于，所述獲取每個候選決策信息對應的歷史執行數據，根據歷史執行...
【專利技術屬性】
技術研發人員：劉嘉樂，梁藝斌，郭東生，譚寧，李寶強，
申請(專利權)人：佛山指向智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。