CN106934068A - 机器人基于环境上下文的语义理解的方法 - Google Patents

Abstract

机器人基于环境上下文的语义理解的方法，包括如下操作步骤:步骤1:从网络海量数据获取语义理解知识，构建知识库系统；步骤2:利用深度神经网络技术将知识库按照环境上下文分类，得到情景集合，机器人根据情景集合进行输入与输出的匹配；步骤3:组建机器人知识库；步骤4:利用语义理解的概念，将知识库以服务的形式提供给多终端机器人。本发明，能够更加准确地理解输入问题，通过上下文的语义理解，能够给出更加准确的回答，实现更加畅通的人机对话。

Description

机器人基于环境上下文的语义理解的方法

技术领域

本发明涉及机器人基于环境上下文的语义理解的方法，属于语音机器人技术领域。

背景技术

在聊天等服务类型的机器人的设计过程中，常常会涉及到人与机器人的问答交互过程。问答系统的关键在于，如何根据用户的输入，快速而又准确地从知识库中匹配，然后将最合适的答案返回给用户。普通的基于关键词的方法，无法对输入的问题的意思进行很好的理解，往往会出现答非所问的现象，其效果并不如人意。如何在语义的层次去理解用户输入，在近年来备受关注。

发明内容

为了解决上述存在的问题，本发明公开了一种机器人基于环境上下文的语义理解的方法，其具体技术方案如下：

机器人基于环境上下文的语义理解的方法，包括如下操作步骤:

步骤1:从网络海量数据获取语义理解知识，构建知识库系统；

步骤2:利用深度神经网络技术将知识库按照环境上下文分类，得到情景集合，机器人根据情景集合进行输入与输出的匹配；

步骤3: 组建机器人知识库；

步骤4:利用语义理解的概念，将知识库以服务的形式提供给多终端机器人。

所述步骤1采用基于依存关系的语义理解技术，抓住输入句子的主干成分，进一步获取句子的关键词信息，如主语、谓语、宾语、动词，根据这些关键词概括整个句子的意思，并且去除了原句中的许多不需要的内容，能够更加精准地在数据库中进行匹配。

所述步骤2采用基于依存关系的机器人问答系统，不仅能实现单输入单输出的交互过程,而且能实现多轮的推进式的人与机器人的交互对话过程,当用户提出一个问题，机器人给出相应的答复，然后用户紧接着提出与上一个问题有一定关联度的问题，要更加准确地匹配问题，机器人就需要结合相应的上下文从知识库中寻找答案，多轮问答组成的上下文称为机器人知识库中的一个情景。

所述步骤3组建机器人问答交互系统中的机器人知识库，分析网络上的海量文本数据，并从中挖掘出语义理解相关的知识，找出其中的事件、施事者、受事者若干关键词，挖掘出其上下文内容，并使用句法树和语法树进行表示与存储，语义理解网络海量数据，极大丰富机器人知识库的内容。

所述步骤4为在获取到机器人的知识库后，根据关键词的相似性原理，采用深度神经网络等技术，将所有知识按照环境上下文进行分类，以得到众多的情景集合；

在此，使用高性能计算机架构，以及深度学习方法，快速并准确地进行情景匹配，相较普通分类算法，极大提升准确率与效率；

机器人在工作时，会读取用户的输入，并进行语义分析，然后将分析得到的知识与知识库系统中的情景进行匹配，找到最合适的答案并回复用户；

在用户输入下一个问题后，机器人会首先在这个情景中匹配合适的回答，如果未匹配到，可认为用户切换了情景，机器人重新从整个知识库中匹配合适结果并返回给用户。

采用语义理解即服务的思想，将机器人知识库分布在云端共享，以服务的形式提供给多终端机器人；

机器人能够记录与用户的交互状态，另一个机器人能够从云端读取这一状态，然后完成接下来的交互任务。

本发明的有益效果是：

本发明，能够更加准确地理解输入问题，通过上下文的语义理解，能够给出更加准确的回答，实现更加畅通的人机对话。

本发明，不仅方便对机器人知识库进行管理与维护，甚至可以实现多机器人同时交互的过程。

说明书附图

图1是本发明的流程图。

具体实施方式

下面结合具体实施方式和附图，进一步阐明本发明。应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

图1是本发明的流程图，结合附图可见，机器人基于环境上下文的语义理解的方法，包括如下操作步骤:

步骤1:从网络海量数据获取语义理解知识，构建知识库系统；

步骤2:利用深度神经网络技术将知识库按照环境上下文分类，得到情景集合，机器人根据情景集合进行输入与输出的匹配；

步骤3: 组建机器人知识库；

步骤4:利用语义理解的概念，将知识库以服务的形式提供给多终端机器人。

所述步骤1采用基于依存关系的语义理解技术，抓住输入句子的主干成分，进一步获取句子的关键词信息，如主语、谓语、宾语、动词，根据这些关键词概括整个句子的意思，并且去除了原句中的许多不需要的内容，能够更加精准地在数据库中进行匹配。

所述步骤2采用基于依存关系的机器人问答系统，不仅能实现单输入单输出的交互过程,而且能实现多轮的推进式的人与机器人的交互对话过程,当用户提出一个问题，机器人给出相应的答复，然后用户紧接着提出与上一个问题有一定关联度的问题，要更加准确地匹配问题，机器人就需要结合相应的上下文从知识库中寻找答案，多轮问答组成的上下文称为机器人知识库中的一个情景。

所述步骤3组建机器人问答交互系统中的机器人知识库，分析网络上的海量文本数据，并从中挖掘出语义理解相关的知识，找出其中的事件、施事者、受事者若干关键词，挖掘出其上下文内容，并使用句法树和语法树进行表示与存储，语义理解网络海量数据，极大丰富机器人知识库的内容。

所述步骤4为在获取到机器人的知识库后，根据关键词的相似性原理，采用深度神经网络等技术，将所有知识按照环境上下文进行分类，以得到众多的情景集合；

在此，使用高性能计算机架构，以及深度学习方法，快速并准确地进行情景匹配，相较普通分类算法，极大提升准确率与效率；

机器人在工作时，会读取用户的输入，并进行语义分析，然后将分析得到的知识与知识库系统中的情景进行匹配，找到最合适的答案并回复用户；

在用户输入下一个问题后，机器人会首先在这个情景中匹配合适的回答，如果未匹配到，可认为用户切换了情景，机器人重新从整个知识库中匹配合适结果并返回给用户。

采用语义理解即服务的思想，将机器人知识库分布在云端共享，以服务的形式提供给多终端机器人；

机器人能够记录与用户的交互状态，另一个机器人能够从云端读取这一状态，然后完成接下来的交互任务。

本发明的工作原理是：

本发明，通过捕捉输入的语句的主语、谓语、宾语、动词以及事件、施事者、受事者若干关键词，同时，通过上下文的结合，组成一个情景环境，让机器人能够准确理解，给出较为贴切的答复。

本发明方案所公开的技术手段不仅限于上述技术手段所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (6)

1.机器人基于环境上下文的语义理解的方法，其特征是包括如下操作步骤:

步骤1:从网络海量数据获取语义理解知识，构建知识库系统；

步骤2:利用深度神经网络技术将知识库按照环境上下文分类，得到情景集合，机器人根据情景集合进行输入与输出的匹配；

步骤3: 组建机器人知识库；

步骤4:利用语义理解的概念，将知识库以服务的形式提供给多终端机器人。

2.根据权利要求1所述的机器人基于环境上下文的语义理解的方法，其特征是所述步骤1采用基于依存关系的语义理解技术，抓住输入句子的主干成分，进一步获取句子的关键词信息，如主语、谓语、宾语、动词，根据这些关键词概括整个句子的意思，并且去除了原句中的许多不需要的内容，能够更加精准地在数据库中进行匹配。

3.根据权利要求2所述的机器人基于环境上下文的语义理解的方法，其特征是所述步骤2采用基于依存关系的机器人问答系统，不仅能实现单输入单输出的交互过程,而且能实现多轮的推进式的人与机器人的交互对话过程,当用户提出一个问题，机器人给出相应的答复，然后用户紧接着提出与上一个问题有一定关联度的问题，要更加准确地匹配问题，机器人就需要结合相应的上下文从知识库中寻找答案，多轮问答组成的上下文称为机器人知识库中的一个情景。

4.根据权利要求3所述的机器人基于环境上下文的语义理解的方法，其特征是所述步骤3组建机器人问答交互系统中的机器人知识库，分析网络上的海量文本数据，并从中挖掘出语义理解相关的知识，找出其中的事件、施事者、受事者若干关键词，挖掘出其上下文内容，并使用句法树和语法树进行表示与存储，语义理解网络海量数据，极大丰富机器人知识库的内容。

5.根据权利要求4所述的机器人基于环境上下文的语义理解的方法，其特征是所述步骤4为在获取到机器人的知识库后，根据关键词的相似性原理，采用深度神经网络等技术，将所有知识按照环境上下文进行分类，以得到众多的情景集合；

在此，使用高性能计算机架构，以及深度学习方法，快速并准确地进行情景匹配，相较普通分类算法，极大提升准确率与效率；

机器人在工作时，会读取用户的输入，并进行语义分析，然后将分析得到的知识与知识库系统中的情景进行匹配，找到最合适的答案并回复用户；

在用户输入下一个问题后，机器人会首先在这个情景中匹配合适的回答，如果未匹配到，可认为用户切换了情景，机器人重新从整个知识库中匹配合适结果并返回给用户。

6.根据权利要求5所述的机器人基于环境上下文的语义理解的方法，其特征是采用语义理解即服务的思想，将机器人知识库分布在云端共享，以服务的形式提供给多终端机器人；

机器人能够记录与用户的交互状态，另一个机器人能够从云端读取这一状态，然后完成接下来的交互任务。