电网人机对话系统短文本用户意图自动识别方法

马占海，张俊超，田光欣

（国网青海省电力公司信息通信公司，青海西宁 810008）

人机对话系统是一种新型的计算机工作模式，用户对象可通过终端显示屏幕掌握核心计算机的运转情况，且二者之间始终以对话的方式进行信息沟通。用户对象不但可以借助计算机终端来使用机器，还能够向核心网络发出明确的指令要求。常见的对话语言编程方法包含LISP、APL、BASIC 等几种形式，一般来说，由于所处文本环境的不同，主机元件所采取的编程模式也会有所不同[1-2]。电网人机对话系统是同时联合电网主机与常规人机对话系统的文本信息处理体系，能够准确分析用户对象所处的语言环境，并可以在电力主机元件的作用下，完成对数据信息参量的按需处理。

在电网人机对话系统中，随着用户对象所需信息的改变，与之相关的文本意图传输行为也会不断变化。这也是导致电量信号出现过度消耗情况的主要原因。传统多级负荷聚类型识别方法通过分别查询上下文信息参量的方式，对短文本用户的行为意图进行分类。再借助关联信道组织，将这些数据信息匹配至既定电力节点中，从而实现对用户意图的识别与处理[3]。然而该方法的实用能力有限，并不能解决现有的电量信号过度消耗的问题。为避免上述情况的发生，设计一种新型的电网人机对话系统短文本用户意图自动识别方法，并通过对比实验的方式，突出该方法的实际应用价值。

1 电网人机对话系统短文本用户意图处理

电网人机对话系统以Hadoop 框架作为搭建基础，在短文本字符串的作用下，对短文本用户的行为意图进行分析与处理。

1.1 Hadoop框架

Hadoop 框架作为电网人机对话系统的核心组成结构，可以在分析电力文本数据信息的同时，借助多个用户行为意图节点，对这些信息参量进行分布处理，并能够联合既定电网人机对话组织，完成对短文本数据信息的准确识别[4]。在电网人机对话系统中，与用户对象相关的文本数据始终保持散乱分布的存在形式，且由于行为意图节点的存在，这些文本数据在被整合处理的同时，能够继续保持其原有传输形式，不但能够满足电网人机对话组织对于信息参量的分辨需求，还能使得最终所获用户意图识别结果的准确性水平大幅提升[5-6]。在Hadoop 框架中，电力文本数据的传输行为只能由用户意图节点指向电网人机对话组织。

1.2 短文本字符串匹配

由于信息与信息节点之间的供求关系不同，所以与短文本字符串相关的数据参量匹配结果也会有所不同[7]。设E1、E2、…、En表示n个不同的电网人机对话系统短文本信息定义项，n表示数据信息参量的最大编码次数，在不考虑其他影响条件的情况下，E1≠E2≠…≠En的不等式条件恒成立。β表示既定的用户意图文本提取系数，表示n个短文本信息定义项的均值结果。联立上述物理量，可将电网人机对话系统中的短文本字符串匹配表达式定义为：

1.3 电量信号的传输意图分析

电量信号传输意图分析也称针对电网人机对话系统的短文本用户意图行为分析，在已知短文本字符串匹配结果的前提下，待处理文本信息的堆积量越大，电网主机中用户行为意图的表现情况也就越明显[9-10]。规定u1、u2表示两个随机选取的电量信号节点编码系数，在电网人机对话系统中，u2＞u1的不等式条件恒成立。s表示电网主机对于短文本用户意图信息的判别系数，在实际应用过程中，该项物理指标的最小取值结果只能等于自然数1。在上述物理量的支持下，联立式（1），可将电量信号的传输意图分析结果表示为：

其中，表示电力信号的传输意图趋向指标，d表示与电网人机对话系统匹配的传输意图向量，ΔT表示电力用户意图信息的单位识别时长。由于电网人机对话系统的负载能力有限，所以电量信号传输意图的单次行为强度不宜过大。

2 自动识别方法的应用

在电网人机对话系统中，按照用户意图信息相关度估算、识别窗口宽度计算、长度计算的处理流程，完成电网短文本用户意图自动识别方法的设计与应用。

2.1 用户意图信息相关度估算

用户意图信息相关度是指在电网人机对话系统中，两个短文本用户意图行为数据之间出现完全相似的可能性[11]。对于自动识别算法而言，两个短文本用户意图行为数据之间的相似性程度越高，则表示电网人机对话系统中两个用户对象的行为意图越相关，因此该项指标参量可作为衡量识别算法应用能力的关键物理条件[12]。设λ表示基于电网人机对话系统的短文本意图信息判别系数，χ表示既定的信息参量标度值，一般来说，指标λ的取值结果恒大于指标χ。表示短文本用户意图行为数据的识别标量结果，δ表示既定的识别权限指标。联立上述物理量，可将用户意图信息相关度估算表达式定义为：

用户意图信息相关度估算结果可作为核心参考条件，为后续识别窗口宽度与长度值的计算提供取值约束作用。

2.2 识别窗口宽度计算

识别窗口是具有自动化能力的短文本用户意图数据识别结构，其运行能力完全符合电网人机对话系统的规划标准，能够在保证数据信息传输完整性的同时，获得精准的信息参量识别结果[13]。

识别窗口宽度是与识别窗口横向覆盖面积相关的物理系数项指标，一般来说，该项系数参量的取值结果越大，则表示识别窗口在单位时间内所能容纳的短文本用户意图数据越多，反之则越少[14]。

设→j表示识别窗口的宽度法向量，v1、v2表示两个不同的窗口结构体横向移动速率值，μ表示短文本用户意图数据的横向识别标度值，表示短文本用户意图数据的横向分布特征值，γ表示横向分布指标。联立上述物理量，可将识别窗口宽度计算表达式定义为：

电网人机对话系统短文本用户意图自动识别指令的制定，必须参考识别窗口的宽度计算表达式。

2.3 识别窗口长度计算

识别窗口长度是与识别窗口纵向覆盖面积相关的物理系数项指标，一般来说，该项系数参量的取值结果越大，则表示识别窗口在单位时间内所能容纳的短文本用户意图数据标度越长，反之则越短[15]。

设表示短文本用户意图数据的纵向分布特征值，γ2表示纵向分布指标，表示单位时间内电网人机对话系统所能识别的短文本用户意图信息均值，ξ表示自动化识别权限指征，表示待识别信息参量的标度参量。在上述物理量的支持下，联立式（3），可将识别窗口长度计算表达式定义为：

在实际应用过程中，识别窗口长度值指标与宽度指标具有相同的约束作用能力，因此电网人机对话系统短文本用户意图自动识别方法的设计必须对这两项指标参量进行同时参考[16]。

3 测试分析

为避免人机对话系统中的电量传输信号出现过度消耗的情况，按照如下步骤设计对比实验：1）将新型短文本用户意图自动识别方法的执行指令输入电网人机对话系统中，并将所得数据指标作为实验组变量。2）将多级负荷聚类型识别方法的执行指令输入电网人机对话系统中，将所得数据指标作为对照组变量。3）将实验组、对照组指标参量与理想数值进行对比。4）分析在实验组、对照组应用方法作用下，相关实验指标的具体数值变化情况。

在电网人机对话系统中，随着用户意图行为的改变，电量信号的消耗水平会呈现出明显的数值差异。一般来说，电量信号的消耗量越大，则表示用户意图行为数据的累积量越大，此时用户主机所面临的识别任务相对较为繁重，对于短文本信息的识别准确性也就相对较低；相反，若电量信号的消耗量较小，则表示用户意图行为数据的累积量较小，此时用户主机所面临的识别任务相对较为轻松，对于短文本信息的识别准确性也就相对较高。

图1 反映了电量信号消耗水平的理想数值变化情况。

图1 电量信号的理想消耗水平

分析图1 可知，在10～30 min 的实验时间内，电信号理想消耗量呈现出不断增大的数值变化状态；在30～40 min 的实验时间内，电信号理想消耗量则呈现出较为稳定的数值存在状态；在40～50 min 的实验时间内，电信号理想消耗量虽然有一定程度的下降，但整体下降幅度较小，基本可以忽略不计；在50～80 min 的实验时间内，电信号理想消耗量数值继续增大；80～90 min 的实验时间内，电信号理想消耗量数值先呈现上升趋势，再小幅下降，整体变化趋势呈现上升远大于下降的情况。

表1 记录了实验组、对照组电量信号消耗水平的实际数值变化情况。

表1 电量信号的实际消耗水平

实验组：在整个实验过程中，实验组电信号消耗量的变化情况基本与理想数值变化趋势保持一致，当实验时间处于10～40 min 之间时，实验组数值虽然略大于理想数值，但二者之间的差值水平极低；从第50 min 开始，实验组电信号消耗量数值始终小于理想数值，直至实验结束，实验组电信号消耗量最大值也仅达到了105.8×107kW·h，与理想最大值110.2×107kW·h 相比，下降了4.4×107kW·h。

对照组：在整个实验过程中，对照组电信号消耗量始终保持不断增大的数值变化趋势，初始数值25.0×107kW·h与理想初始数值22.3×107kW·h相比，上升了2.7×107kW·h；全局最大值115.9×107kW·h与理想最大值110.2×107kW·h 相比，上升了5.7×107kW·h，远高于实验组均值水平。

综上可知该次实验结果如下：1）在新型短文本用户意图自动识别方法的作用下，电网人机对话系统中的电量信号消耗情况得到了较好控制。2）与多级负荷聚类型识别方法相比，新型应用方法能够较好应对用户意图，避免其用电行为出现过度表现的情况，这对于辅助用户主机精准识别短文本信息能够起到较强的促进性影响作用。

4 结束语

电网人机对话系统短文本用户意图自动识别方法在传统多级负荷聚类型识别方法的基础上，联合Hadoop 框架，对短文本字符串进行匹配处理。又通过分析电量信号传输意图的方式，确定信息参量之间的相关度水平，从而得到更为准确的识别窗口宽度与长度计算值结果。从对比实验的角度来看，对于电网人机对话系统而言，随着用户意图行为的改变，电量信号的消耗水平得到了较好控制，能够得到更为准确的短文本信息意图识别与分析结果。