意图识别

从用户输入的内容中判断用户的目的或者意图。
作用有以下几点：

1. 有效引导对话流程。帮助对话系统理解用户想要做什么，从而决定对话的走向。比如系统识别出用户需要订飞机票，接下来就可以引导用户提供目的地、时间、价钱等因素。
2. 提高对话效率。准确的意图识别可以避免系统答非所问，减少对话轮数，提高效率。
3. 增强用户体验。当系统能够准确理解用户意图时，用户会感觉到自己的需求被重视和理解，反之，如果意图识别错误，用户的体验感会下降。

单轮意图

几种常见的方案：基于规则、向量搜索、深度学习、大模型、融合方案。

1. 基于规则的意图识别
   使用分词器（例如 jieba 库），返回预先设置的关联短语或词汇，然后返回意图。
2. 向量检索
   将输入 query 匹配到与知识库中与之相似的其他 query。
3. 深度学习
   使用文本分类深度学习框架，例如，预训练模型+TextCNN。
4. 大模型意图识别
   （1）借助Zero Shot、Few Shot ，使用 Prompt 快速获得分类结果。
   （2）使用大模型微调来获得更高的准确率。同时也要考虑模型的选择、文本长度的设置、标注数据的质量和数量等因素。
5. 方案融合
   实际中，受到准确率、业务逻辑、上线效率等因素的影响，意图识别不能被单一模型完成。所以，融合方案是指一个串并行同时存在且进行排序的意图框架。
   

多轮意图

多轮意图需要考虑对话的历史记录，包括之前轮次的意图、对话的主题转移、用户情绪的变化等诸多因素。多轮意图系统需要准确识别出这种意图的转变，并准确理解每一个意图在整个对话流程中的作用。

1. 通过上下文语义分割，例如使用端到端的大模型方案，然后通过标注一部分指令数据集，实现对意图识别模型的优化。