CN104008160A - 一种实现并行话题控制的模糊推理聊天机器人方法和系统 - Google Patents

Abstract

提出了一种支持并行话题控制的模糊推理聊天机器人方法。该发明设置：一个场景知识库进行知识表示，包括知识树库、场景对象库、对话风格库和场景动作库；一个并行话题状态控制器用于控制对话过程多个并行话题的话题状态转换；一个的模糊推理机实现话题的推理策略和对话场景的风格控制；一个语言生成模块。该发明具有一定场景的对话系统，解决聊天场景的上下文、省略、指代、话题转切等对话系统特有问题，大大提高了人机对话的自然度，使得对话过程更接近人人对话。该方法依靠大数据统计技术完成知识库的建设和模糊推理决策，提高问答准确性并更易于训练和数据更新。该发明针对网络在线客服，实现了电商交易客服机器人和议价客服机器人。

Description

一种实现并行话题控制的模糊推理聊天机器人方法和系统

技术领域

本发明涉及计算机应用领域，具体涉及到自然语言理解、知识表示、形式化逻辑和机器学习技术聊天机器人对话的方法，解决基于受限场景的话题状态管理和对话推理问题，提高人机对话自然度，解决指代、省略、话题切换等对话系统特有问题。 

背景技术

聊天机器人是一种能够实现跟人机对话的软件系统，它主要用于网络沟通交流平台，如：各种即时通讯平台、网络客户服务平台以及以文字为主的信息服务平台。目前即时通讯平台主要有腾讯、阿里旺旺等；网络客户服务平台为企业、政府在web端提供的人工在线客户服务，这也包括B2C商家提供的电子商务客服；企业在移动互联网端也开始了各种接入应用，如：微信、移动端APP等。虽然这些平台主要以人工沟通为主，但是对聊天机器人有比较大的需求。 

互联网催生聊天机器人产业和发展。聊天机器人最初作为一种图灵测试，用于检验计算机智能，互联网时代的聊天机器人产生之初主要以娱乐形式为主，随着网络的深入，企业、网络平台对网络客户服务越来越重视，聊天机器人已经渗透到了客户服务各个领域。 

现有聊天机器人的解决方案主要是依靠搜索技术完成，其本质是一个对问答库的问题搜索过程。需要把用户可能提问可作答编辑成常用“问题-答案对”，聊天机器人对用户的提问在问答库内进行搜索，找到最相关的问题，将其答案提取出来作为系统输出。聊天机器人可以对问题直接做答，代替人工客服；也可以作为系统推荐给人工客户的一种答案参考，减少人工工作量，以此作为一种辅助的客服工具。 

目前聊天机器人系统的主要功能是以搜索技术完成，各个系统技术上的主要区别是对搜索关键字的设定方法或相似度算法(如：TF-IDF算法)不同，结果稍有区别；知识库(问题-答案对)的建设主要依赖于人工来完成。 

目前聊天机器人系统的使用模式为用户输入一定长度的语句，系统根据用户的输入检索出一个最相似的问题，将答案提交给用户。这种技术实现的聊天鸡犬吠跟实际的应用对话场景有很大差距，详细区别如下： 

1)上下文关联性：真实对话场景是上下文相关的，常常用户的表述不会在一次询问中完成，本次询问的很多重要信息都在前面的叙述中，单纯用本次询问内容做搜索结果很难找到合适的答案； 

2)多问多答：常常用户会把几个问题在一次问答中问完，或者连续询问多个问题，现有系统会将多个问题一起提交获得结果很难准确； 

3)多个话题并行进行：真实对话场景一般包含多个讨论话题，这些话题会在几个交流过程同时进行，存在跳跃性的问题穿越。现有聊天系统方案无法解决多话题之间切换。 

4)历史信息跟踪：没有跟踪用户的历史发生信息，无法做到针对用户的个性化问答和交流。 

5)话题交互需求；真实聊天系统往往是又问有答，反问源于常常出现在对用户输入信息的质疑、分解、复述等场景。而现在聊天机器人只能做到只答不问。 

本发明提出了一种文字对话机器人的方法和系统，该方法采用并行话题控制的模糊推理技术，使得系统根据用户的输入信息、提取、分析和综合或分解话题，并完成多个话题跟踪转换的人-机沟通方式，解决了上下文之间的信息关联性，并通过的模糊推理机计算出问题的复杂程度，简单问题直接给出，复杂问题反馈给用户，通过交互获取必要的新信息，完成类似真人系统的自然交流过程。 

发明内容

本发明是一种实现基于场景的自然语言对话系统，并采用统计数据分析方法和知识树库表示方法以互动的形式解决自然语言歧义，并完成类似于人工对话的沟通功能。 

该方案包含主要分为四个方面：A场景知识表示、B并行话题状态控制器及转换流程、C系统处理流程及模糊推理机。 

A场景知识表示，这部分是本发明方案的主要内容，包含场景对象库、知识树库、对话风格库、场景动作库四个知识库，其中，知识树库是场景知识表示的核心。 

A-1知识树库：针对一个具体的场景，其知识树由一系列的话题节点组织，相连节点之间是为父子关系，每个节点包含一个独立的话题，一个复杂话题往往包含很多子话题，其子话题作为该话题的子节点。同一个父话题的节点为兄弟节点，构成了父话题的一系列相关话题。话题节点包含话题本身的标签和一个节点同义表述项，用于该节点的各种语言学扩展。同时，每个话题节点也包含该节点一系列问答知识对，每个知识树内的问答对有不少于一个答案，答案配有相应风格标签，与对话风格库标签相对应。话题的叶子节点作为知识树中的不可分割的话题，即原子问题，一般包含一系列明确的系统问答知识对。场景知识树库图见图1。 

A-2场景对象库包含了一系列场景相关的实体对象、对象属性以及对象的相关处理方法，这些内容以关键字和关键字的场景词性形式存在。场景库也包含一系列与场景相关的语言模板，作为通用语言模板的补充，用于语言生成模块。 

A-3对话风格库包含一系列风格标签及风格标签对应的风格用语及模板，风格用语和模板使用统计方法从大量聊天真实聊天语料中统计获得。风格库实现回答问题的方式，例如：男女生言语风格、快慢话题控制语言风格、冗长拖沓对话风格或爽快简洁对话风格等语言模式。对话风格库也包含为话题模糊推理机提供话题推理使用的必要参数，以便根据不同的应用场景完成相应的话题选择控制。 

A-4场景动作库用于完成具体对话的外部操作功能，指引外界系统的实施各种命令。不同的应用场景其命令方式不同，结果也会以不同的方式反馈给语言生成模块。比如：电子商务场景的动作命令可能是订单的查询、快递费的修改以及订单价格的调整等。 

B并行话题状态控制器及转换流程，用于控制话题的各种状态转换，并维护状态的上下文。其中，话题状态是本方案的一个重要概念，话题指的是前面所述的知识树库内的话题节点位置及话题节点内容，话题状态是指与该话题相关的场景知识总和，这些信息主要来源于场景对象识别器提取的场景信息，如对象、属性和相关处理方法，一个时间片段内的话题状态会被记录到内存的一块区域内-话题状态表，它记录了全部话题的状态信息，包括：话题的夫子节点，话题前后状态，期望状态等，并且话题状态控制器的处理对象就是话题状态表中各个话题状态的转换。本方案设计七种话题状态支持多个话题并行计算。这七种状态为：新建、载入、挂起、激活、存储、释放、确认。并行话题状态控制器的核心功能是控制对话题的状态以及根据话题模糊推理机结果完成对话题状态表的更新。并行话题状态控制器的也包含单次对话过程包含多个话题的话题拆分功能。并行话题控制是指在一个时间片段内，对话题状态表内多个话题的实时维护，一个话题的内容调整将影响对其他话题内容并做调整，包含内容更新和话题状态改变等。话题状态表中保留了有关历史话题的全部信息，包括对象、处理方法等，这些信息用于知识树搜索环节实现指代、省略的消解功能，解决了上下文相关的问题。话题状态流程有限自动机见图2。各种状态转换过程如下： 

B-1新建和载入状态，并行话题状态控制器输出的话题按照系统设定的数量和优先级依次新建，对于老用户没有提出话题请求时，把最近时间的历史话题载入当前话题状态表中； 

B-2激活状态，这是一个核心的话题状态，包括三种情况：新建状态由模糊推理机决策某个话题的激活和后续话题的激活顺序；挂起话题经过话题状态表信息更新后，重新计算话题优先级后发出另一个话题的激活指令或维持现有话题激活状态；由与用户交互信息确定某个话题处于激活状态； 

B-3挂起状态，任何时候当一个话题处于激活状态或待确认状态，其他话题将被置于挂起状态； 

B-4确认状态，话题处于与用户交互的过程时，话题处于确认状态(待确认)，系统等待用户的交互信息，确定激活还是释放； 

B-5存储状态，用于时间片段结束后的信息处理过程，需要把当前用户交流信息存入磁盘，用于下次问答的历史信息； 

B-6释放状态：系统异常、完成存储以及各种信息的话题取消，需要释放话题信息。 

C系统处理流程，描述了本发明的处理过程。该流程在系统与某个用户对话的一个连续时间片段内进行，系统维护这个时间片段内的信息交流及过程转换，其核心功能是对这个片段当前时间点的全部历史信息进行收集、整理、归纳、计算、推理，综合决策本次交流的问答处理目标。整个流程可以分为：对象识别、场景知识搜索、话题状态控制转换、话题模糊推理和语言生成连续的五个关键模块。其中，话题模糊推理是整个流程的核心。系统处理流程图见图3。 

C-1场景对象识别。输入串进入场景对象识别器处理，包括自然语言分析，如中文分词、句法、词性标注等，通用信息的标注过程，再使用场景对象库进行对象标注，获得场景语义信息。对于一个具体的应用场景来说，这些标注一般包含通用的语言学信息(问法，常用句的表示形式，如肯定，否定)、专用场景实体对象信息和属性信息(商品、型号、颜色等)、场景对象处理方法。 

C-2场景知识搜索，将对象识别器获得的各种关键字、语言标注和场景标注在知识树库内进行检索，获得当前输入的话题节点序列，提供给并行话题状态控制器进行话题分析。考虑到效率和参数估计等问题，系统对知识树库建立一个统计索引库，该索引库包含下一个过程所必须的话题信息和统计知识库参数信息。 

C-3话题模糊推理。这是与话题控制器紧密结合的两个逻辑模块，话题模糊推理机相当于整个聊天机器人的大脑，与场景相关的逻辑内容在这个过程实现。它是一个演绎推理过程，系统根据不同场景的业务模式，制定不同的推理规则，具体推理方法采用模糊决策树来完成。 

模糊推理的一个目标是尽可能快获得当前问话的最相关联的一个原子话题，原子话题是挂接在知识树库中各个节点的问答对，模糊推理的另一个目标是为模糊性话题提出语言输出提供必要的语言生成模板信息，用于同用户交互。话题模糊推理机机理图见图4。推理过程以并行话题状态控制器获得的话题候选开始： 

1)话题状态表内存有当前一个时间片段的全部话题，推理计算是通过模糊推理函数根据当前话题状态对各个原子候选话题计算出的模糊度，到达一定的模糊度阈值，即被选中。 

2)首先模糊推理函数要计算与本场景相关的可能性，该发明设计仅仅处理与设计场景相关的询问，非场景相关不做处理 

3)确定场景达到相关阈值后，推理过程开始寻找到一个或多个可能的原子话题，原子话题模糊度判断是整个系统的完成标志。一个复杂话题包含一系列原子话题，如果当前话题为非原子话题，模糊推理函数计算多树/单树的可能性，根据系统设定的阈值，推理机选择相应的处理过程。 

4)单树过程用于处理当前热点话题的子话题，系统根据推理策略，确定对哪些子话题做激活处理，进行新一轮的话题判断。 

5)多树过程用于处理输入歧义，通过与用户对当前话题进行交互，获得的新信息作为推理判断的确定性依据(肯定、否定、可能等)。 

6)系统根据用户新的输入，更新状态信息，使用模糊推理函数重新计算，进入新一轮的判断过程。 

模糊推理函数是影响系统准确性的重要函数，采用k紧邻分类方法，同时，对象识别器对场景特征提取起到了关键的作用，推理函数是影响回答准确性的重要因素。 

该系统包含三个模糊推理户数： 

场景相关推理函数：用于评价当前输入是否跟当前话题场景相关； 

原子话题推理函数，用于评价当前状态信息对某个原子话题的相关性概率； 

节点话题推理函数。用于评价当前状态信息对某个节点话题的相关性概率。 

C-4语言生成，用于完成系统对外的字符串输出，包括三个输出模型：场景模板语言生成、原子话题输出、系统命令生成。 

场景模板语言生成，为预制节点话题模板，用于对非原子类话题向用户提问、确认、推荐等语言模板生成； 

原子话题输出，为系统确定原子话题后，直接输出答案。其中，多个候选答案选取由系统的风格设定决定； 

系统命令生成用于系统的动作操作、人工客服的协作等操作。 

附图说明

图1场景知识树库图。 

图2并行话题状态流程有限自动机。 

图3系统处理流程图。 

图4话题模糊推理机机理图。 

图5系统架构图。 

图6电商交易知识树库。 

图7议价知识树话题节点图。 

具体实施方式

本发明可用于电子商务在线客户服务系统，作为电商交易客服机器人，代替人工完成即时通讯平台上在线客户的功能。 

发明基于一种分布式的云模式网络服务系统，主要逻辑处理在服务器端，并支持大量用户访问。系统架构图，如图5。 

1整个系统是一个两层结构的分布式架构，每个用户的访问将统一有负载平衡进行分配，根据上层回话机的负载能力平衡分配。 

2会话机是系统重要的一层(图中上层)，完成整个系统的核心功能，每个会话过程维护一个连续的时间片段，会话机设置一个针对本机的用户信息状态表，记录当前用户的会话状态(进行中、新进、完成、超时等)，决定当前用户的新建、解除和存储。会话机也记录主要会话过程的日志信息。 

3下层是基础信息层，用户完成上层的各种检索需求，包括：场景知识搜索，语义分析及对象识别，场景动作处理，用户信息提取。 

通过电子商务在线交易场景分析，电商交易知识树库由电商交易客服话题节点组成，包含电商话题节点及话题节点关系，包括：售前、售中和售后等话题子树，针对买家关注的话题，在一个时间片段内完成多个交易对象(商品、快递、发货、库存等)状态的转换。见图6。 

其中议价客服机器人交易系统的主要功能之一，本发明技术和方法，可以使得机器具有与买家议价的能力，商家可以设定议价标准和策略，建立议价客服机器人的知识树库结构和话题树的关系，根据已经设定好的议价模式，模糊推理系统可以完成被动的议价流程。被动议价指的是以维护买家关系为主的议价模式，以回答用户咨询为主，保持合理的价格情况下，尽量满足用户对价格的询问、质疑、价格折扣等信息查询。议价知识树话题节点图，见图7。 

议价客服机器人的模糊推理策略特别之处在于将用户的满意度和价格作为信息评价推理参数，在尽可能满足用户的前提下，获得较好的价格约定；议价相关的语言生成模型和议价风格库，适合于议价话题输出，使用了易于买家接受的语言风格和话术。 

Claims (4)

1.一种具有并行话题控制的模糊推理功能对话系统方法，包括以下四个特征： 

A.一个场景知识库，包括场景对象库、知识树库、场景动作库和动作风格库。知识树库是对场景知识的形式化描述，内容为场景相关全部话题节点和话题节点关系，话题树节点包含一个节点同义表述项，用于该节点的各种语言学扩展。 

B.一个并行话题状态控制器：用户对当前时间片段内话题状态跟踪和切换，具有如下状态：新建、载入、挂起、激活、存储、释放、确认。 

C.一个话题模糊推理机和一个场景知识搜索模块，通过模糊推理函数计算出当前状态信息下知识树库内最可能的话题节点，或者给出话题节点候选提请用户交互确认。系统内三个的模糊推理函数使用统计机器学习算法完成参数估计。 

D.一个语言生成器，完成原子话题直接输出、场景模板语言生成和场景命令生成。 

2.基于权利1的一种聊天机器人系统，具有以下特征： 

A.跟踪用户和系统之间的对话，在一个时间片段内完成多个话题状态的转换，也可以接续以前在这个时间片内的已忽略的话题。 

B.完成自然对话的省略、指代的恢复(消解)功能，使对话系统具有上下文连贯跟踪功能。 

C.对于复杂话题具有对该话题的分解功能，依据知识树库的设计，可以将当前话题分解成相应子话题，并评价最可能的新话题。 

D.对于有歧义的问话，系统给出各种可能性的具体数值，向用户以自然语言形式提出各种可能话题的确认，完成与用户的信息交互。 

3.基于权利2的一种电子商务交易客服机器人系统，具有以下特征： 

A.有完整电子商务全过程的知识树库及电商对话应用的话题节点及话题节点关系，包括：售前、售中和售后等话题子树，针对买家关注的话题，在一个时间片段内完成多个交易对象(商品、快递、发货、库存等)状态的转换。 

B.以自然对话的形式完成与卖家的产品咨询、价格和物流等信息的沟通与交流，完成交易话题的省略、指代的恢复(消解)功能，使电商交易机器人具有上下文连贯跟踪功能。 

C.具有有电商交易场景的信息交互功能，对于买家包含多个话题树的简单询问(如：快递查询、售前、售中、售后话题节点)，系统会给出对应话题多个歧义节点与用户进行交互消岐。 

4.基于权利3的一种议价客服机器人系统，具有以下特征： 

A.具有与店铺相关商品知识议价话题节点库，包括：打折、活动、优惠券、包邮、老客户优惠及比价等话题节点信息； 

B.即能够与买家根据议价树内节点信息响应用户的价格咨询，完成被动的砍价功能(讨价还价)； 

C.系统包含议价模糊推理策略，将用户的满意度和价格作为信息评价推理目标，在尽可能满足用户的前提下，获得较高的价格约定； 

D.系统建立议价相关的语言生成模型和议价风格库，适合于议价话题输出易于买家接受的语言风格和话术。