随着服务机器人越来越多的应用于人的家庭生活,这就需要机器人能够在接受简单服务指令的前提下,提高智能水平,为人们提供更贴心的服务。为了使机器人能够为用户提供主动贴心的服务,本文在语义本体的基础上,提出了基于意图识别的服务任务生成与认知模型,在获取服务环境的数据资源后,通过家庭领域的经验知识与推理规则,结合网络上的服务资源扩充机器人的服务认知知识库,并通过将传感器信息综合生成完整文本的方式对用户的服务意图进行识别,在确认用户需要服务的前提下对服务任务进行深层次的认知,以此使服务机器人的认知水平达到一定程度的进步。本文的主要研讨内容分为以下四个部分:首先,为了能够综合多种环境信息进行服务分析,构建了多信息融合的本体知识库和服务规则库。使用本体描述语言OWL构建的本体知识库尽可能全面的涵盖了家庭生活中涉及到的物品和物品属性,环境信息和用户信息,同时,使用语义Web规则语言SWRL构建的服务规则库则是将各类环境,用户以及物品信息综合,利用其逻辑推理能力进行服务任务的推理生成。最后为了方便预构建信息库的使用和更新,按照不同的结构树将其解析为字典的形式,为后续的服务认知提供统一接口。其次,为了弥补自主构建知识库存在信息不足的问题,利用网络爬虫技术爬取网络上与家庭服务相关的任务认知。本文通过构造基于Requests模块的网络爬虫总体框架,获取服务主题与任务执行详细内容,并将其持久化存储在关系数据库,通过动态管理机制进行信息更新。同时,将服务规则库的规则使用规则推理任务生成算法进行简化表示,也通过数据库存储为动态规则决策表,提升了推理速度并且简化了最终的推理结果。再次,针对推理规则涉及服务种类不全面的问题,搭建基于文本生成的服务意图识别模块用以补充服务种类。通过将底层传感器数据抽取为关键字表现形式,在语义控制长短时记忆网络的基础上加入关键词提取和注意力机制,利用基于改进语义控制的SC-LSTM网络将关键字重新组合为完整的话语,然后经过意图识别与分类技术TextCNN判断在此条件下用户是否需要服务。最后,针对不同服务任务进行服务分类化认知,针对仅涉及单个物品的服务进行深层语义扩充,方便服务任务理解,针对涉及多个物品或者需要执行多个步骤的服务任务通过词性标注的方式识别任务中涉及到的名词词汇,然后通过扩充语义本体中的物品属性实现机器人对物品的精确查找与定位。将本文提出的方法加载到实验室已经构建的TIAGO实验平台中,验证不同任务的服务认知实现。