什么是意图识别：了解 NLP 中的用户目标

用户写下的每条消息，无论是发给 LLM 智能体还是输入 Google，背后都有意图。他们希望实现某个目标，比如查找特定信息或执行某项操作。

意图识别是识别这一目标、根据目标梳理用户需求，并尽可能准确地完成请求的过程。对意图有精细理解的系统能通过精准回复更好地服务客户，提升参与度和满意度。

本文将介绍什么是意图识别，以及在 LLM 搜索时代，意图如何演变。

摘要

• 意图识别是自然语言处理中的一项技术，用于归类输入内容的目标。
• 要识别对话中的意图，模型会经过 4 个步骤：对话预处理、特征提取、分类和实体提取。
• 与 LLM 交互时，意图可以是信息型、事务型、对话型或导航型。
• 研究人员在微调意图识别时，常考虑的挑战包括语言歧义、超出范围的输入和多意图对话。

什么是意图识别？

意图识别是自然语言处理（NLP）中的一项技术，可根据用户在语境中想实现的目标，对语音或文本输入进行分类。由于软件必须理解输入并确定应采取的正确行动，因此这项技术有时也称为意图分类。

需要注意，意图识别不只是关键词匹配。表达同一目标的语言方式太多，无法仅靠匹配。例如，“我的用户信息无法使用”“为什么我无法登录？”“我的账户好像被锁定了”和“我的密码不起作用”虽然表述不同，底层意图却相同。

将意图识别用作 NLP 的一项功能，AI 系统就能更好地理解用户希望从交互中获得什么，从而在每次对话中提供尽可能出色的体验。

意图识别如何运作？

AI 系统用于意图识别的具体架构取决于提供商。不过，系统通常会采用类似的 4 个核心阶段，将原始输入转化为明确定义的意图。

意图识别包括以下 4 个阶段：

1. 预处理
2. 特征提取
3. 分类
4. 实体提取

下面详细介绍。

预处理

无论是语音还是文本，输入都需要清理，以确保模型处理的是一致且可识别的格式。对于文本，这包括纠正拼写错误、删除标点和大小写，然后通过分词将不常见或较长的词拆分为更小的子词单元。为提高清晰度，这个阶段还可能去除“a”和“the”等高频功能词，除非它们会直接影响句意。

在 自动语音识别 流程中，系统必须先将传入的语音数据转写为文本。因此，在模型开始处理规范化转写文本前，预处理会多一个阶段。

特征提取

随后，清理后的文本会转化为软件可处理的数值表示。特征提取会保留句子的语义，但以数值形式呈现。

过去几年，研究人员在这一阶段采用的策略有了显著演变。早期方法会使用词袋模型，或词频－逆文档频率（TF-IDF）表示，根据词语的独特性或出现频率赋予权重。虽然结果很快，但无法捕捉句子的细微含义。毕竟，“我不想取消”和“我想取消”几乎包含相同的词，意思却完全不同。

TF-IDF 还可能难以处理另一个例子：“狗咬猫”和“猫咬狗”只改动了很少几个词，意思却完全改变。

更现代的特征提取方法是使用稠密向量表示，创建代表用户输入的 向量嵌入。这些嵌入通过彼此接近的距离关联语境，将含义相近的词归为一组，再从这种空间关系中推断上下文。

基于 Transformer 的编码器更进一步，可创建上下文映射：一个词的向量会随周围词语而变化。这对于会因语境而一词多义的词至关重要，例如“请阅读这些说明”和“我昨天读了那篇文章”。

句子的上下文表示让意图识别系统能够理解用户需求，并在后续阶段进行分类。

分类

获得清晰的输入表示后，模型便可将输入与不同的已知意图案例比较，同时为其分配置信度。遍历各类意图后，它会选择置信度最高的一项。

有些团队会尝试为分类设置置信度阈值。阈值过低，准确性较差的意图仍可能进入下一步；阈值过高，则会出现相反情况：模型无法明确分类意图，也无法进入下一步。

微调分类模型有助于找到最适合业务的阈值。

如果模型无法识别意图，通常会向用户追问更多问题，或在配置允许时转交给人工客服。

实体提取

这里将实体提取视为单独的步骤，但它实际上与分类同时进行。实体提取会从输入中获取后续回复所需的详情，例如订单号、账户信息、产品名称或其他能帮助模型执行请求的具体信息。

这一步提取的实体可提供成功执行请求所需的用户特定信息。例如，若分类识别出用户想取消订单，实体提取会告诉智能体应操作哪一笔订单和哪个客户账户。

意图识别与意图检测

意图识别和意图检测经常被交替使用，但含义略有不同。意图识别是对用户请求中意图进行分类的完整过程；意图检测仅指其中的第一阶段，即根据用户回复判断是否存在意图。

在实际应用中，这一区别只在边缘用例中重要。例如，客户支持智能体 收到与其已学习语境完全无关的问题时，可能先通过意图检测识别该意图不适用于知识库。之后如何处理，例如优雅地拒绝回答，则由意图识别配置决定。

意图类型

有多少问题，就有多少具体意图。系统通常不会为问题的每种可能表述设置不同意图，而是先识别意图类别，再据此采取行动。

NLP 系统中的主要意图类型包括：

• 信息型意图：指用户的主要目标是了解或获取特定信息的输入。正确的回复应提供所需内容，可以直接解释，也可以指向用户可获取信息的正确资源。
• 导航型意图：指用户想查找特定资源或页面。系统会归类这一意图并提取实体，然后将其引导至正确位置。
• 事务型意图：指用户想实现特定目标的输入，例如预约或取消订阅。事务型意图始终涉及会产生实际结果的操作。
• 对话型意图：指主要用于社交互动，而不属于其他类别的输入。随着 LLM 广泛普及，这种意图越来越常见，有些人会将通用智能体用作日常聊天界面。

LLM 能处理所有这些类别中的各类意图。无论如何，了解输入属于哪种意图类别，有助于形成更准确的回复。从智能体调用哪些 工具 到如何组织具体回复，都取决于先识别用户输入背后的意图。

各行业中的意图识别用例

意图识别是所有自动回复系统的核心，因为回复必须与意图一致，对话才有意义。

以下是意图在不同行业中的一些应用示例：

• 客户服务：语音智能体通过意图识别理解客户的口头请求，并将其转接至合适的部门或资源。错误分类可能导致客户联系到错误的工作人员，或问题无法得到解决。
• 医疗保健：意图识别可为管理预约的医疗助手提供支持。医疗或金融等高风险行业通常会采用更高的置信度阈值，以避免错误分类导致严重错误。
• 人力资源：HR 对话助手可部署在公司内部文档中，引导员工找到所需资源。例如，员工可以询问休假福利，智能体会理解其信息型意图，并从更广泛的 Wiki 中呈现相关详情。

总体而言，精准的意图识别是推动成功对话的首要因素。意图识别错了，后续对话也会出错。

意图识别的挑战

识别陈述的意图完全是一项语言挑战。含义会变化，词语会随语境改变功能，同一句话也可能因说法不同而有不同意思。尤其是意图识别越来越多地部署在语音智能体中，这一点尤为重要。

以下是意图识别面临的一些主要挑战及解决方法：

• 歧义：当同一句话因说法不同而有两种含义时，语言歧义会降低意图识别的确定性。为解决这一问题，模型会通过多轮对话构建上下文，更全面地理解对方可能想要什么。模型可利用的上下文越多，生成回复时就越精准。
• 超出模型范围的对话：如果用户向模型询问远超其知识范围的问题，模型可能会将意图错误归入最接近的相似类别，导致回复不准确。一种解决方案是针对边缘用例训练模型，以降低这种情况发生的概率。将此方法与护栏机制结合，防止某些主题在对话中被突破，也有助于降低风险。
• 多意图输入：自然对话并不总是输入与意图 1:1 对应。“你能取消我的订单，并更新我未来订单的收货地址吗？”包含两个不同目标。使用多标签分类器有助于识别包含多个意图或目标的对话内容，提升处理多重潜在需求时的准确性。

了解并预判这些挑战，能让研究人员提前采取措施降低其影响。

开始使用 ElevenAgents

在语音智能体中，意图识别有助于保持对话式 AI系统的准确性和高客户满意度。反复出现的意图不匹配会削弱客户对智能体的信任，降低用户使用 AI 支持系统的意愿。

ElevenAgents 使用意图识别精准理解用户需求并在对话中满足需求，正确路由交互、获取相关信息或按需升级通话。

了解更多关于 ElevenAgents 的信息，或注册，开始构建能理解用户需求的语音智能体。

意图识别常见问题