本发明涉及数据处理技术领域，尤其涉及一种基于人工智能的用户意图预测方法、电子装置及计算机可读存储介质。
背景技术：
现有很多软件都具备基于自然语言的数据查询功能。为了帮助用户更好地从多个角度去分析数据，软件通过数据表将查询得到的数据以不同图形功能展示给用户，例如折线图、柱状图、饼图等。用户输入的不同查询语句即可输出对应的图形展示的数据表。
然而，用户在使用软件进行查询的过程中存在如下缺点：
1、用户在输入查询语句前，需要事先明确想要的是哪种图形展示效果，而用户想要的图形展示需求往往是不明确的；
2、对用户输入的自然语言，软件未能正确解析，使得展示出来的图形可能不符合用户需求。
因此，亟需一种能够分析并预测用户查询意图的系统及方法。
技术实现要素：
鉴于以上内容，本发明提供一种基于人工智能的用户意图预测方法、电子装置及计算机可读存储介质，其主要目的是根据用户输入的查询语句分析并预测用户的查询意图进行检索，得到检索数据以不同图形功能展示给用户，确保展示的图形符合用户需求，进而提升用户的体验度。
为实现上述目的，本发明提供一种基于人工智能的用户意图预测方法，应用于电子装置，该方法包括：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成步骤：根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
此外，为实现上述目的，本发明还提供一种电子装置，该电子装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的意图查询程序，所述意图查询程序被所述处理器执行时实现如下步骤：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成步骤：根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包括意图查询程序，所述意图查询程序被处理器执行时，可实现如上所述的基于人工智能的用户意图预测方法中的任一步骤
本发明提出的基于人工智能的用户意图预测方法、电子装置及计算机可读存储介质，是通过接收用户输入的查询语句解析出多个关键词，将所述关键词输入预先训练的识别模型提取所述关键词对应的语义特征，并统计出条件、维度、计算方法、度量和意图的语义特征对应包含的关键词的个数；当意图语义特征的关键词个数为零时，根据统计的其它语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，最后，根据预测出的所述意图修正所述查询语句，并在数据库检索得到目标数据，生成所述查询语句对应的预期图形及其包含的数据表。本发明根据用户输入的查询语句分析并预测用户的查询意图进行检索，得到检索数据以不同图形功能展示给用户，确保展示的图形符合用户需求，进而提升用户的体验度。
附图说明
图1为本发明电子装置较佳实施例的示意图；
图2为图1中的意图查询程序较佳实施例的程序模块图；
图3为本发明基于人工智能的用户意图预测方法较佳实施例的流程图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参照图1所示，为本发明电子装置较佳实施例的示意图。电子装置1是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述电子装置1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中，电子装置1可包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、显示器13，存储器11存储有可在处理器12上运行的意图查询程序10。需要指出的是，图1仅示出了具有组件11-13的电子装置1，但是应当理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11包括内存及至少一种类型的可读存储介质。内存为电子装置1的运行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中，可读存储介质可以是电子装置1的内部存储单元，例如该电子装置1的硬盘；在另一些实施例中，该非易失性存储介质也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。本实施例中，存储器11的可读存储介质通常用于存储安装于电子装置1的操作系统和各类应用软件，例如存储本发明一实施例中的意图查询程序10等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子装置1的总体操作，例如执行与所述其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行意图查询程序10等。
所述意图查询程序10存储在存储器11中，包括存储在存储器11中的计算机可读指令，该计算机可读指令可被处理器12执行，以实现本申请各实施例的方法。
在一实施例中，上述意图查询程序10被所述处理器12执行时实现如下步骤：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词。
例如，在一个实施例中，用户通过终端(如电脑、手机或应用app)输入“上海男性职业分布”的查询语句，识别并分析该查询语句的句子成分，解析出该查询语句的关键词(如关键词：上海、男性、职业、分布)并提取出关键词。
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图。
本实施了中，通过所述识别模型提取出所述关键词对应的条件、维度、计算方法、度量和意图的语义特征，并统计每种语义特征的包含关键词的个数。
所述条件语义特征用f(filter)表示，指作为数据筛选或过滤的关键词，例如“上海”，“男性”；
所述维度语义特征用d(dimension)表示，指最终的图形展示具体以哪个维度展示关键词，例如“职业”；
所述计算方法语义特征用m(method)表示，指对度量的计算的关键词，例如“平均”；
所述度量语义特征用m(measure)表示，指作为统计对象的关键词，例如“年龄”；
所述意图语义特征用i(intent)表示，指用户期望获取的图形展示结果，例如“分布”。
进一步地，所述预先训练的识别模型包括：
获取关键词；
根据所述关键词的字段属性分类到预设的各个语义特征，所述语义特征包括条件、维度、计算方法、度量和意图；
基于归类得到的各个语义特征包含的关键词训练识别模型，得到所述关键词对应的语义特征，完成所述识别模型训练。
具体的，所述识别模型是一种深度学习模型，能够根据训练的关键词的字段属性进行语义理解并识别出关键词对应的语义特征，其中所述语义特征包括条件、维度、计算方法、度量和意图。当用户输入的查询语句提取出多个关键词，即可通过识别模型识别出每一个关键词对应的语义特征。
例如，在一个实施例中，用户输入的查询语句为“上海男性不同职业平均年龄分布”，提取出的关键词为“上海”、“男性”、“职业”、“平均”、“年龄”和“分布”，利用所述识别模型得到条件语义特征为“上海”，“男性”；维度语义特征为“职业”；计算方法语义特征为“平均”；所述度量语义特征为“年龄”；意图语义特征为“分布”。
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形。
在所述查询语句的意图不明确时，系统难以给出正确的图形展示。为克服这一困难，本实施例利用统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测所述查询语句的意图，从而对用户输入的不明确意图的查询语句进行意图补全。
本实施例中，针对每种预测出的所述意图对应一种预期图形进行预先设定。所述意图的关键词包括计数、分布、占比、对比、主次分布和相关性，所述预期图形包括计数图、柱状图、饼状图、两列柱状图、横向柱状图和聚合柱状图，每一种所述意图的关键词分别对应每一种预期图形。例如，
a、查询语句为“上海男性有多少人”的意图的关键词为计数，则对应的预期图形以数字图展示；
b、查询语句为“上海男性职业分布”的意图的关键词为分布，则对应的预期图形以柱状图展示；
c、查询语句为“上海男性未婚比例”的意图的关键词为比例，则对应的预期图形以饼状图展示；
d、查询语句为“男性和女性收入对比”的意图的关键词为对比，则对应的预期图形以两列柱状图展示；
e、查询语句为“平均收入较高的前十个职业是什么”的意图的关键词为主次分布，则对应的预期图形以横向柱状图展示；
f、查询语句为“职业和学历的相关性如何？”的意图的关键词为相关性，则对应的预期图形以聚合柱状图展示。
进一步地，所述预设匹配规则还包括：
根据预期图形分类出每种所述预期图形对应的意图条件组合，每一种所述意图条件组合由条件、维度、计算方法和度量的语义特征中的一种或几种组成；
根据预先统计的条件、维度、计算方法和度量的语义特征对应包含的关键词个数，从所有所述意图条件组合中筛选出满足各语义特征与关键词个数对应的一个意图条件组合；
根据筛选出的所述意图条件组合确定出对应的预期图形。
本实施例中，预期图形由预测出的所述意图确定，其中，所述预期图形(计数图、柱状图、饼状图、两列柱状图、横向柱状图和聚合柱状图)分别对应一种意图的关键词(计数、分布、占比、对比、主次分布和相关性)，而预测用户查询语句的意图由意图条件组合确定，所述意图条件组合由条件、维度、计算方法及度量的语义特征对应包含的关键词个数组成。每一种意图条件组合对应的场景如下：
1、计数图对应的关键词为计数的意图条件组合包括：
a、条件f≠0，维度d＝0，计算方法m＝0,度量m＝0；
b、计算方法m＝0,度量m＝0；
2、柱状图对应的关键词为分布的意图条件组合包括：
a、维度d＝1，计算方法m＝0,度量m＝0；
b、维度d＝1，计算方法m＝0,度量m＝1；
c、维度d＝1，计算方法m＝1,度量m＝1；
d、维度d＝1，计算方法m＝2,度量m＝2；
3、饼状图对应的关键词为比例的意图条件组合包括：
a、维度d＝1，
b、维度d＝1，计算方法m＝0,度量m＝1；
c、维度d＝0，计算方法m＝1,度量m＝1；
d、维度d＝2，计算方法m＝0,度量m＝1；
e、维度d＝2，计算方法m＝1,度量m＝2；
4、两列柱状图对应的关键词为对比的意图条件组合包括：
a、维度d＝1，计算方法m＝2,度量m＝2；
b、维度d＝1，计算方法m＝1,度量m＝1；
c、条件f＝2，计算方法m＝1,度量m＝1；
d、条件f＝2，计算方法m＝2,度量m＝2；
5、横向柱状图对应的关键词为主次分布的意图条件组合包括：
a、维度d＝2，计算方法m＝0,度量m＝0；
b、维度d＝2，计算方法m＝1,度量m＝1；
c、维度d＝2，计算方法m＝0,度量m＝1；
6、聚合柱状图对应的关键词为相关性的意图条件组合包括：
a、维度d＝2，计算方法m＝0,度量m＝0；
b、维度d＝2，计算方法m＝1,度量m＝1；
以上通过关键词代表对应的语义特征的个数设定相应的意图条件组合的场景，每种意图条件组合对应预测图形所要展示的关键词，从而对预测用户查询语句的意图对应的预测图形。
进一步地，在一个实施例中，所述预测步骤还包括：
当统计的意图语义特征包含的关键词个数不为零时，判断用户输入的所述查询语句的意图明确，根据所述查询语句在所述数据库中进行检索，得到检索结果展示给用户。
进一步地，所述根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，还包括：
当统计的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测得到两种意图场景时，利用word2vec分析所述查询语句的关键词的语义应用场景，确定出与所述查询语句的语义应用场景相对应的意图。
例如，查询语句为“上海中学生职业的平均年龄的分布比例”的关键词“分布”，“比例”均为意图的语义特征，此时，利用word2vec分析所述查询语句的应用场景，即分析年龄的平均值通过分布来体现比采用比例来体现要更为符合应用场景及中学生职业的年龄展示规律，从而确定出所述查询语句的意图为分布，其对应的预期图形为柱状图。
在一种可选的实施例中，查询语句为“上海中学生职业的平均年龄”，统计出的每个语义特征包含的关键词个数为条件:f＝1，维度:d＝2、计算方法:m＝1,度量:m＝1,意图：i＝0。该统计结果对应所述预设匹配规则中的主次分布和相关性两种意图，亦可通过上述word2vec分析所述查询语句的关键词的语义应用场景，筛选出与所述查询语句的语义应用场景相对应的意图。
生成步骤：根据所述预测出的意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
所述数据表是一种数据分析记录表，包括对数据分析以图形展示的结果呈现给用户。根据预测出的意图修正所述查询语句，该修正可以是补全查询语句中的意图关键词，根据修正后的查询语句从数据库中检索得到目标数据，生成所述查询语句对应的预期图形及其包含的数据表，并输出数据表供用户使用。
参照图2所示，为图1中的意图查询程序10一较佳实施例的程序模块图。
在一个实施例中，意图查询程序10包括：接收模块101、统计模块102、预测模块103、生成模块104。所述模块101-104所实现的功能或操作步骤均与下述基于人工智能的用户意图预测方法类似，此处不再详述，示例性地，例如其中：
接收模块101，用于接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计模块102，用于将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测模块103，用于当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成模块104，用于根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
参照图3所示，为本发明基于人工智能的用户意图预测方法较佳实施例的流程图。本发明揭露了一种基于人工智能的用户意图预测方法，应用于上述的电子装置，该方法包括：
步骤s210，接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词。
例如，在一个实施例中，用户通过终端(如电脑、手机或应用app)输入“上海男性职业分布”的查询语句，识别并分析该查询语句的句子成分，解析出该查询语句的关键词(如关键词：上海、男性、职业、分布)并提取出关键词。
步骤s220，将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图。
本实施了中，通过所述识别模型提取出所述关键词对应的条件、维度、计算方法、度量和意图的语义特征，并统计每种语义特征的包含关键词的个数。
所述条件语义特征用f(filter)表示，指作为数据筛选或过滤的关键词，例如“上海”，“男性”；
所述维度语义特征用d(dimension)表示，指最终的图形展示具体以哪个维度展示关键词，例如“职业”；
所述计算方法语义特征用m(method)表示，指对度量的计算的关键词，例如“平均”；
所述度量语义特征用m(measure)表示，指作为统计对象的关键词，例如“年龄”；
所述意图语义特征用i(intent)表示，指用户期望获取的图形展示结果，例如“分布”。
进一步地，所述预先训练的识别模型包括：
获取关键词；
根据所述关键词的字段属性分类到预设的各个语义特征，所述语义特征包括条件、维度、计算方法、度量和意图；
基于归类得到的各个语义特征包含的关键词训练识别模型，得到所述关键词对应的语义特征，完成所述识别模型训练。
具体的，所述识别模型是一种深度学习模型，能够根据训练的关键词的字段属性进行语义理解并识别出关键词对应的语义特征，其中所述语义特征包括条件、维度、计算方法、度量和意图。当用户输入的查询语句提取出多个关键词，即可通过识别模型识别出每一个关键词对应的语义特征。
例如，在一个实施例中，用户输入的查询语句为“上海男性不同职业平均年龄分布”，提取出的关键词为“上海”、“男性”、“职业”、“平均”、“年龄”和“分布”，利用所述识别模型得到条件语义特征为“上海”，“男性”；维度语义特征为“职业”；计算方法语义特征为“平均”；所述度量语义特征为“年龄”；意图语义特征为“分布”。
步骤s230，当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形。
在所述查询语句的意图不明确时，系统难以给出正确的图形展示。为克服这一困难，本实施例利用统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测所述查询语句的意图，从而对用户输入的不明确意图的查询语句进行意图补全。
本实施例中，针对每种预测出的所述意图对应一种预期图形进行预先设定。所述意图的关键词包括计数、分布、占比、对比、主次分布和相关性，所述预期图形包括计数图、柱状图、饼状图、两列柱状图、横向柱状图和聚合柱状图，每一种所述意图的关键词分别对应每一种预期图形。例如，
a、查询语句为“上海男性有多少人”的意图的关键词为计数，则对应的预期图形以数字图展示；
b、查询语句为“上海男性职业分布”的意图的关键词为分布，则对应的预期图形以柱状图展示；
c、查询语句为“上海男性未婚比例”的意图的关键词为比例，则对应的预期图形以饼状图展示；
d、查询语句为“男性和女性收入对比”的意图的关键词为对比，则对应的预期图形以两列柱状图展示；
e、查询语句为“平均收入较高的前十个职业是什么”的意图的关键词为主次分布，则对应的预期图形以横向柱状图展示；
f、查询语句为“职业和学历的相关性如何？”的意图的关键词为相关性，则对应的预期图形以聚合柱状图展示。
进一步地，所述预设匹配规则还包括：
根据预期图形分类出每种所述预期图形对应的意图条件组合，每一种所述意图条件组合由条件、维度、计算方法和度量的语义特征中的一种或几种组成；
根据预先统计的条件、维度、计算方法和度量的语义特征对应包含的关键词个数，从所有所述意图条件组合中筛选出满足各语义特征与关键词个数对应的一个意图条件组合；
根据筛选出的所述意图条件组合确定出对应的预期图形。
本实施例中，预期图形由预测出的所述意图确定，其中，所述预期图形(计数图、柱状图、饼状图、两列柱状图、横向柱状图和聚合柱状图)分别对应一种意图的关键词(计数、分布、占比、对比、主次分布和相关性)，而预测用户查询语句的意图由意图条件组合确定，所述意图条件组合由条件、维度、计算方法及度量的语义特征对应包含的关键词个数组成。每一种意图条件组合对应的场景如下：
1、计数图对应的关键词为计数的意图条件组合包括：
a、条件f≠0，维度d＝0，计算方法m＝0,度量m＝0；
b、计算方法m＝0,度量m＝0；
2、柱状图对应的关键词为分布的意图条件组合包括：
a、维度d＝1，计算方法m＝0,度量m＝0；
b、维度d＝1，计算方法m＝0,度量m＝1；
c、维度d＝1，计算方法m＝1,度量m＝1；
d、维度d＝1，计算方法m＝2,度量m＝2；
3、饼状图对应的关键词为比例的意图条件组合包括：
a、维度d＝1，
b、维度d＝1，计算方法m＝0,度量m＝1；
c、维度d＝0，计算方法m＝1,度量m＝1；
d、维度d＝2，计算方法m＝0,度量m＝1；
e、维度d＝2，计算方法m＝1,度量m＝2；
4、两列柱状图对应的关键词为对比的意图条件组合包括：
a、维度d＝1，计算方法m＝2,度量m＝2；
b、维度d＝1，计算方法m＝1,度量m＝1；
c、条件f＝2，计算方法m＝1,度量m＝1；
d、条件f＝2，计算方法m＝2,度量m＝2；
5、横向柱状图对应的关键词为主次分布的意图条件组合包括：
a、维度d＝2，计算方法m＝0,度量m＝0；
b、维度d＝2，计算方法m＝1,度量m＝1；
c、维度d＝2，计算方法m＝0,度量m＝1；
6、聚合柱状图对应的关键词为相关性的意图条件组合包括：
a、维度d＝2，计算方法m＝0,度量m＝0；
b、维度d＝2，计算方法m＝1,度量m＝1；
以上通过关键词代表对应的语义特征的个数设定相应的意图条件组合的场景，每种意图条件组合对应预测图形所要展示的关键词，从而对预测用户查询语句的意图对应的预测图形。
进一步地，在一个实施例中，所述步骤s230还包括：
当统计的意图语义特征包含的关键词个数不为零时，判断用户输入的所述查询语句的意图明确，根据所述查询语句在所述数据库中进行检索，得到检索结果展示给用户。
进一步地，所述根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，还包括：
当统计的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测得到两种意图场景时，利用word2vec分析所述查询语句的关键词的语义应用场景，确定出与所述查询语句的语义应用场景相对应的意图。
例如，查询语句为“上海中学生职业的平均年龄的分布比例”的关键词“分布”，“比例”均为意图的语义特征，此时，利用word2vec分析所述查询语句的应用场景，即分析年龄的平均值通过分布来体现比采用比例来体现要更为符合应用场景及中学生职业的年龄展示规律，从而确定出所述查询语句的意图为分布，其对应的预期图形为柱状图。
在一种可选的实施例中，查询语句为“上海中学生职业的平均年龄”，统计出的每个语义特征包含的关键词个数为条件:f＝1，维度:d＝2、计算方法:m＝1,度量:m＝1,意图：i＝0。该统计结果对应所述预设匹配规则中的主次分布和相关性两种意图，亦可通过上述word2vec分析所述查询语句的关键词的语义应用场景，筛选出与所述查询语句的语义应用场景相对应的意图。
步骤s240，根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
所述数据表是一种数据分析记录表，包括对数据分析以图形展示的结果呈现给用户。根据预测出的所述意图修正所述查询语句，该修正可以是补全查询语句中的意图关键词，根据修正后的查询语句从数据库中检索得到目标数据，生成所述查询语句对应的预期图形及其包含的数据表，并输出数据表供用户使用。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包括意图查询程序，所述意图查询程序被处理器执行时，可实现如下操作：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成步骤：根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
本发明计算机可读存储介质具体实施方式与上述基于人工智能的用户意图预测方法和电子装置各实施例基本相同，在此不作累述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
1.一种基于人工智能的用户意图预测方法，应用于电子装置，其特征在于，该方法包括：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成步骤：根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
2.如权利要求1所述的基于人工智能的用户意图预测方法，其特征在于，所述预先训练的识别模型包括：
获取关键词；
根据所述关键词的字段属性分类到预设的各个语义特征，所述语义特征包括条件、维度、计算方法、度量和意图；
基于归类得到的各个语义特征包含的关键词训练识别模型，得到所述关键词对应的语义特征，完成所述识别模型训练。
3.如权利要求1所述的基于人工智能的用户意图预测方法，其特征在于，所述预设匹配规则包括：
根据预期图形分类出每种所述预期图形对应的意图条件组合，每一种所述意图条件组合由条件、维度、计算方法和度量的语义特征中的一种或几种组成；
根据预先统计的条件、维度、计算方法和度量的语义特征对应包含的关键词个数，从所有所述意图条件组合中筛选出满足各语义特征与关键词个数对应的一个意图条件组合；
根据筛选出的所述意图条件组合确定出对应的预期图形。
4.如权利要求1所述的基于人工智能的用户意图预测方法，其特征在于，所述预测步骤还包括：
当统计的意图语义特征包含的关键词个数不为零时，判断用户输入的所述查询语句的意图明确，根据所述查询语句在所述数据库中进行检索，得到检索结果展示给用户。
5.如权利要求1-4任意一项所述的基于人工智能的用户意图预测方法，其特征在于，所述根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，还包括：
当统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测得到两种意图场景时，利用word2vec分析所述查询语句的关键词的语义应用场景，确定出与所述查询语句的语义应用场景相对应的意图。
6.一种电子装置，其特征在于，该电子装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的意图查询程序，所述意图查询程序被所述处理器执行时实现如下步骤：
接收步骤：接收用户通过终端输入的查询语句，解析所述查询语句提取出多个关键词；
统计步骤：将所述关键词输入预先训练的识别模型，提取所述关键词对应的语义特征，并统计出每种语义特征包含的关键词的个数，所述语义特征包括条件、维度、计算方法、度量和意图；
预测步骤：当统计的意图语义特征包含的关键词个数为零时，判断用户输入的所述查询语句的意图不明确，根据统计出的条件、维度、计算方法及度量的语义特征对应包含的关键词的个数按预设匹配规则预测出所述查询语句的意图，每种预测出的所述意图对应一种预期图形；
生成步骤：根据预测出的所述意图修正所述查询语句，并在数据库进行数据检索得到目标数据，根据所述目标数据生成所述查询语句对应的预期图形及其包含的数据表。
7.如权利要求6所述的电子装置，其特征在于，所述预先训练的识别模型包括：
获取关键词；
根据所述关键词的字段属性分类到预设的各个语义特征，所述语义特征包括条件、维度、计算方法、度量和意图；
基于归类得到的各个语义特征包含的关键词训练识别模型，得到所述关键词对应的语义特征，完成所述识别模型训练。
8.如权利要求6所述的电子装置，其特征在于，所述预设匹配规则还包括：
根据预期图形分类出每种所述预期图形对应的意图条件组合，每一种所述意图条件组合由条件、维度、计算方法和度量的语义特征中的一种或几种组成；
根据预先统计的条件、维度、计算方法和度量的语义特征对应包含的关键词个数，从所有所述意图条件组合中筛选出满足各语义特征与关键词个数对应的一个意图条件组合；
根据筛选出的所述意图条件组合确定出对应的预期图形。
9.如权利要求6所述的电子装置，其特征在于，所述预测步骤还包括：
当统计的意图语义特征包含的关键词个数不为零时，判断用户输入的所述查询语句的意图明确，根据所述查询语句在所述数据库中进行检索，得到检索结果展示给用户。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括意图查询程序，所述意图查询程序被处理器执行时，可实现如权利要求1至5中任意一项所述的基于人工智能的用户意图预测方法的步骤。
技术总结