---
title: "意圖識別（Intent Recognition）"
slug: intent-recognition
language: zh-TW
source: https://aiterms.tw/terms/intent-recognition
updated_at: 2026-06-23
tags: [對話系統, 自然語言處理, 文本分類, AI應用]
ipas_term: false
---

# 意圖識別（Intent Recognition）

自動分析自然語言輸入，識別用戶的主要意圖或目標，用於驅動對話系統或任務執行。

## 完整說明

意圖識別（Intent Recognition）是自然語言處理的一項基本任務，目的是從用戶的文本輸入（如對話、查詢、命令）推斷出用戶的實際意圖或意願。在任務導向的對話系統中，意圖識別決定系統應該採取什麼行動。例如，給定用戶的輸入「我想訂一家餐廳」，系統識別意圖為「訂餐」；給定「天氣怎麼樣」，系統識別意圖為「查詢天氣」。準確的意圖識別是後續對話流程和任務執行的基礎。

## 常見問題

### 如何處理用戶表述中存在的多個意圖？

系統有幾種選擇。第一種是將多意圖表述視為單一的複合意圖（如「訂餐並查詢評分」），在訓練資料中標註並分類。第二種是使用多標籤分類，允許一個輸入被同時分類為多個意圖。第三種是使用順序決策，系統先識別主要意圖，再識別次要意圖或修飾。在實踐中，第二種方法最靈活，能夠在後續模組中單獨處理各個意圖。

### 當系統無法確定用戶的意圖時，應該怎麼辦？

系統應該避免進行低置信的預測。一種方法是設置置信度閾值，當最高分類分數低於閾值時，系統返回「無法識別」而非勉強分類。另一種方法是主動向用戶澄清：「您是想查詢天氣還是預訂酒店？」澄清可以基於最高的幾個備選意圖進行。第三種方法是使用拒絕分類，模型可以輸出「此輸入超出系統的意圖範圍」，並轉接給人工。

### 如何更新系統以識別新的意圖？

有兩種策略。第一種是定期重訓練，收集足夠新意圖的示例後，將其添加到訓練集並重訓模型。這確保模型充分適應新意圖。第二種是零樣本或少樣本學習，使用預訓練模型的泛化能力直接識別新意圖，而無需訓練新數據。預訓練模型如 BERT 擁有較強的泛化能力，可以在少量示例或甚至無示例的情況下進行新意圖識別。在實踐中，結合兩種方法最優：先用少樣本技術快速支持新意圖，再逐步收集資料進行更新。

---

來源：https://aiterms.tw/terms/intent-recognition
快查頁：https://aiterms.tw/terms/intent-recognition
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-intent-recognition