CN105447207A - 一种面向智能机器人的问答交互方法及系统 - Google Patents
一种面向智能机器人的问答交互方法及系统 Download PDFInfo
- Publication number
- CN105447207A CN105447207A CN201610012448.4A CN201610012448A CN105447207A CN 105447207 A CN105447207 A CN 105447207A CN 201610012448 A CN201610012448 A CN 201610012448A CN 105447207 A CN105447207 A CN 105447207A
- Authority
- CN
- China
- Prior art keywords
- answer
- user
- scene
- pattern
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/83—Querying
- G06F16/832—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/83—Querying
- G06F16/835—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Manipulator (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种面向智能机器人的问答交互方法及系统,其中方法包括:接收回答质量信息和用户输入信息,用户输入信息携带有场景信息;当回答质量信息指示当前回答为待改进答案时,针对场景信息调用对应的回答模式集合;对用户输入信息进行语义解析,得到语义解析结果;根据从语义解析结果中提取的回复参量,以及从回复模式集合中选取的回复模式,生成改进答案。本发明在智能机器人无法提供优质回答或提供了非优质回答时,能够以类人的方式对不擅长的问题进行回答,在很大程度上提升了用户体验。
Description
技术领域
本发明涉及一种问答交互方法及系统,具体涉及一种在智能机器人无法提供优质回答或提供了非优质回答时能够改善问答体验的问答交互方法及系统。
背景技术
智能机器人用于接受用户以自然语言形式描述的提问,从大量结构化、半结构化或者非结构化的数据中,获取能回答此自然语言形式问句的准确、简洁、个性化的答案。目前,智能机器人在各个领域中发挥着越来越重要的作用。举例来讲,在陪伴机器人领域,可用于与用户聊天;在家用机器人领域,可用于帮助用户进行折叠衣物、清理餐桌等家务;在儿童机器人领域,可用于与儿童进行互动以对儿童进行教育。
然而,在现有技术中,在无法提供优质回答的情况下,或者在提供了非优质回答(用户对所提供的回答不满意)的情况下,智能机器人一般会放弃当前问题或者给出与当前问题几乎不相关的答案。因此,现有的智能机器人远远不能满足用户的使用需求,严重影响了用户体验。
发明内容
本发明所要解决的技术问题是:现有技术中,在无法提供优质回答或者提供了非优质回答的情况下,智能机器人一般会放弃当前问题或者给出与当前问题几乎不相关的答案,这使得智能机器人远远不能满足用户的使用需求,严重影响了用户体验。
为了解决上述技术问题,本发明提供了一种在智能机器人无法提供优质回答或提供了非优质回答时能够改善问答体验的问答交互方法及系统。
根据本发明的一个方面,提供了一种面向智能机器人的问答交互方法,其包括:
接收回答质量信息和用户输入信息,所述用户输入信息携带有场景信息;
当所述回答质量信息指示当前回答为待改进答案时,针对所述场景信息调用对应的回答模式集合;
对所述用户输入信息进行语义解析,得到语义解析结果;
根据从所述语义解析结果中提取的回复参量,以及从所述回复模式集合中选取的回复模式,生成改进答案。
优选的是,当所述场景信息指示当前场景为调侃对话场景时,针对所述场景信息调用对应的回答模式集合,包括:
针对所述调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
优选的是,当所述场景信息指示当前场景为问答对话场景时,针对所述场景信息调用对应的回答模式集合,包括:
针对所述问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
优选的是,从所述回复模式集合中优先选取未听清模式或者未理解模式。
根据本发明的另一个方面,提供了一种面向智能机器人的问答交互方法,其包括:
接收模块,设置为接收回答质量信息和用户输入信息,所述用户输入信息携带有场景信息;
调用模块,设置为当所述回答质量信息指示当前回答为待改进答案时,针对所述场景信息调用对应的回答模式集合;
语义解析模块,设置为对所述用户输入信息进行语义解析,得到语义解析结果;
改进答案生成模块,设置为根据从所述语义解析结果中提取的回复参量,以及从所述回复模式集合中选取的回复模式,生成改进答案。
优选的是,所述调用模块具体设置为:当所述场景信息指示当前场景为调侃对话场景时,针对所述调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
优选的是,所述调用模块具体设置为:当所述场景信息指示当前场景为问答对话场景时,针对所述问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
优选的是,所述改进答案生成模块具体设置为:从所述回复模式集合中优先选取未听清模式或者未理解模式。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
本发明在智能机器人无法提供优质回答或提供了非优质回答时,能够以类人的方式对不擅长的问题进行回答,在很大程度上提升了用户体验。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1示出了本发明实施例面向智能机器人的问答交互方法的流程示意图;
图2示出了根据用户输入信息确定场景信息的方法的流程示意图;
图3示出了本发明实施例中针对场景信息调用对应的回答模式集合的方法的一种流程示意图;
图4示出了本发明实施例中针对场景信息调用对应的回答模式集合的方法的另一种流程示意图;
图5示出了本发明实施例面向智能机器人的问答交互系统的结构示意图;
图6示出了本发明实施例中调用模块的一种结构示意图;以及
图7示出了本发明实施例中调用模块的另一种结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
本发明所要解决的技术问题是:现有技术中,在无法提供优质回答或者提供了非优质回答的情况下,智能机器人一般会放弃当前问题或者给出与当前问题几乎不相关的答案,这使得智能机器人远远不能满足用户的使用需求,严重影响了用户体验。为了解决上述技术问题,本发明实施例提供了一种面向智能机器人的问答交互方法及系统。
实施例一
如图1所示,是本发明实施例面向智能机器人的问答交互方法的流程示意图。本实施例所述的面向智能机器人的问答交互方法主要包括以下的步骤101至步骤104。
在步骤101中,接收回答质量信息和用户输入信息,用户输入信息携带有场景信息。
具体地,接收上游模块发送的回答质量信息和用户输入信息。这里,用户输入信息携带有场景信息。在执行本步骤之前,上游模块就已经明确了用于指代当前回答的优劣程度的回复质量信息,以及用于指代当前场景的属性的场景信息,本实施例所述的方法的目的是在已明确回复质量和携带有场景信息的用户输入信息的基础上进行的问答交互,以通过模式匹配来给出更加拟人的改进答案。也就是说,在执行本步骤之前,上游模块就已经至少完成了以下两项工作:第一,区分当前回答为优质回答还是非优质回答(即下文中所称的待改进答案);第二,根据用户输入的信息确定场景信息,这里,场景信息可能指示当前场景为调侃对话场景,也可能指示当前场景为问答对话场景。
参照图2,是上游模块根据用户输入信息确定场景信息的方法的流程示意图。上游模块根据用户输入的信息确定场景信息的方法优选地包括步骤201至步骤203。
在步骤201中,判断用户输入的信息是否为疑问句。即判断用户输入信息是否属于用户对机器人的提问。
在具体实施过程中,最简单地通过检测用户输入信息中是否包括符号“?”来判断是否为疑问句,很显然,如果判断出用户输入信息中包括符号“?”,则说明用户输入信息是疑问句,否则说明用户输入信息不是疑问句。在较复杂的情况下,如果由于用户输入信息的不规范导致用户输入信息中未包括符号“?”,则通过检测用户输入信息中是否包括诸如“什么”、“为什么”、“怎么样”、“哪里”、“何时”等通常包含在疑问句中的关键字段来判断用户输入信息是否为疑问句。或者,可以通过检测用户输入信息中是否仅包括符号“。”、“!”、“……”等非疑问符号来判断用户输入信息是否为非疑问句。显然的是,如果用户输入信息中仅包括诸如符号“。”(其对应陈述句)、“!”(其对应感叹句)、“……”(其对应省略句)等非疑问符号,则说明用户输入信息为非疑问句。
在步骤202中,在判断出用户输入信息为疑问句的情况下,确定场景信息为用于指示当前场景为问答对话场景的信息。此种情况明确说明用户输入信息属于用户向智能机器人的提问。
在步骤203中,在判断出用户输入信息为非疑问句的情况下,确定场景信息为用于指示当前场景为调侃对话场景的信息。此种情况说明用户输入信息不属于用户向智能机器人的提问。
在步骤102中,当回答质量信息指示当前回答为待改进答案时,针对场景信息调用对应的回答模式集合。下文将结合图3和图4对此步骤进行详细地阐述。
在步骤103中,对用户输入信息进行语义解析,得到语义解析结果。
具体地,对用户输入信息进行语义解析是指提取用户输入信息中的关键信息,以使智能机器人能够知晓用户的意图。
在步骤104中,根据从语义解析结果中提取的回复参量,以及从回复模式集合中选取的回复模式,生成改进答案。
具体地,回复参量是根据针对用户的输入信息进行语义解析后得到的结果,获取能够改进答案的参量或当前由于什么原因而造成没有优质答案,为生成改进答案提供参考。举例来讲,假如在事先未定义“桃花源路”的情况下用户输入信息为“请问从清华园路到桃花源路怎么走?”,那么此时回复参量可以为“桃花源路”,改进答案可以是“我不知道桃花源路在哪,请您在地图中定位其位置”。
本实施例的面向机器人的问答交互方法的原理在于:在智能机器人无法提供优质回答或提供了非优质回答时,根据不同的场景信息调用相应的回答模式集合,并对用户输入信息进行语义解析,结合从回复模式集合中选取的最佳回复模式以及从语义解析结果中提取的回复参量,生成改进答案。由于改进答案是在结合了当前场景所对应的回复模式和回复参量的情况下生成的,因此更能承上启下,更能接近人与人之间的交流,拟人化程度高,用户会认为所生成的改进答案没有生硬感,无生搬硬套或者答非所问之嫌疑,大大提高了用户的使用体验。
可见,应用本实施例的面向机器人的问答交互方法,在智能机器人无法提供优质回答或提供了非优质回答时,能够以类人的方式对不擅长的问题进行回答,在很大程度上提升了用户体验。
实施例二
实施例二在实施例一的基础上,对步骤102进行了进一步的优化。
参照图3,是本发明实施例中针对场景信息调用对应的回答模式集合的方法的一种流程示意图。本实施例的针对场景信息调用对应的回答模式集合的方法主要包括步骤301和步骤302。
在步骤301中,根据场景信息得到当前场景的属性。
具体地,根据用户输入信息携带的场景信息确定当前场景的属性。如上文所述,比较简单的判断方法为:如果用户输入信息为疑问句,则确定场景信息指示当前场景为问答对话场景,即当前场景的属性为问答对话场景;如果用户输入信息为非疑问句,则确定场景信息指示当前场景为调侃对话场景,即当前场景的属性为调侃对话场景。
在步骤302中,当场景信息指示当前场景为调侃对话场景时,针对调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
具体地,在场景信息指示当前场景的属性为调侃对话场景时,针对调侃对话场景调用回复模式集合中四种回复模式中的一种:未听清模式、未理解模式、主动询问模式或者无答案模式。
本实施例建立多种模式,模式来源于人与人对话过程的反应。当没有理解对方说话时,人会产生多种的反应,但模式不局限于一种。此处模式设计,将无优质回复视作一种智能机器人未听清用户说话(对应未听清模式)、未理解用户说话(对应未理解模式)的场景,以及处以反客为主(对应主动询问模式)的对话模式处理或以人与人对话的方式告诉用户机器人并不知道问题的答案(对应无答案模式)。应注意的是,由于上游模块调侃非优质回答的比例很低,以及得出低分结果后,会从系统中寻找更好的回复,因此本实施例的设计不会导致一个问题不断导致用户听不明白和听不清的情况发生。
下面详细阐述在调侃对话场景下针对各个回复模式所生成的示例性改进答案。
针对智能机器人未听清模式:会以拟人的方式,请求用户重新更清晰地讲述一次刚才的话。举例来说,针对未听清模式,所生成的改进答案可以是:“你刚才说什么?我走神了没听清!”、“麻烦您再说一遍可以吗?”、“我没听清,您再说一遍吧!”等等。然后,用户会再清晰地讲述一遍刚才的话(即重新输入用户输入信息),以使智能机器人基于重新获得的用户输入信息来生成答案。可以看出,上述重新阐述重新回答的过程可以使上游模块获得时间重新获取结果以反馈给用户。也就是说,上述重新阐述重新回答的交互过程为上游模块重新获取优质回答争取了时间,为上游模块重新获取优质回答创造了有利条件。
针对智能机器人未理解模式:会以拟人的方式,请求用户换一种方式重新讲述一次刚才的话。举例来说,针对未理解模式,所生成的改进答案可以是“没听明白?换个方式说一下?”、“我没听懂,麻烦您用其他方式再说一下!”、“您说的话太前卫了,我都听不懂了,换种方式说一下吧”等等。然后,用户会用另一种方式再讲述一遍刚才的话,以使智能机器人基于重新获得的用户输入信息来生成答案。一般来讲,由于不同的叙述方式有可能触发不同的结果,因此智能机器人很有可能给出针对用户重新输入的信息的优质回答,从而有机会将更多优质回答提供给用户。此外,上述以其他方式重新阐述重新回答的过程可以使上游模块获得时间重新获取结果以反馈给用户。也就是说,上述以其他方式重新阐述重新回答的交互过程为上游模块重新获取优质回答争取了时间,为上游模块重新获取优质回答创造了有利条件。
针对智能机器人主动询问(反客为主对话)模式:会以疑问的方式,对用户进行反馈。例如对原句进行重新组装以形成新的问句,从而实现根据用户输入信息(用户的对话)向用户进行提问。举例来说,针对主动询问模式,所生成的改进答案可以是“别人和你这么说,你会怎么说呢?”、“桃花源路在哪呢?”、“桃花源路是哪个行政区的道路?”、“桃花源路沿途都有什么标志性建筑物?”等等。然后,用户会依据智能机器人给出的问题进行回答,以作为智能机器人生成改进答案的参考。智能机器人根据用户的回答可以更好地理解用户输入信息的语义,并有可能给出优质回答。
针对无答案模式(即告知用户不知道如何回答的模式):会以拟人的方式,告知用户,智能机器人不知道如何回复给用户。举例来说,针对无答案模式,所生成的改进答案可以是“你这么说,我都不知道怎么接了。”、“我实在不知道怎么回答了!”、“你难倒我啦!”等等。针对此种模式,智能机器人以拟人的方式明确自己不清楚答案,避免了传统生硬的回复方式(例如“对不起,我不知道答案”等)以及直接给出非优质的结果(即给出与用户输入信息毫不相关的答案,例如针对用户输入信息为“天上的云彩真漂亮!”给出非优质回答“对呀,心中的云彩最美”)。
本实施例针对调侃对话场景给出了四种回复模式:未听清模式、未理解模式、主动询问模式和无答案模式。在具体实施过程中,智能机器人可以参照从语义解析结果中提取的回复参量来选择最佳的回复模式,也可以事先预置优先选取的回复模式。在本发明一优选的实施例中,针对调侃对话场景优先选取未听清模式或者未理解模式。
实施例三
实施例三在实施例一的基础上,对步骤102进行了进一步的优化。
参照图4,是本发明实施例中针对场景信息调用对应的回答模式集合的方法的另一种流程示意图。本实施例的针对场景信息调用对应的回答模式集合的方法主要包括步骤301和步骤303。
在步骤301中,根据场景信息得到当前场景的属性。
具体地,根据用户输入信息携带的场景信息确定当前场景的属性。如上文所述,比较简单的判断方法为:如果用户输入信息为疑问句,则确定场景信息指示当前场景为问答对话场景,即当前场景的属性为问答对话场景;如果用户输入信息为非疑问句,则确定场景信息指示当前场景为调侃对话场景,即当前场景的属性为调侃对话场景。
在步骤303中,当场景信息指示当前场景为问答对话场景(即已确认用户输入信息为用户对智能机器人的提问,即已明确用户输入信息是一个问题)时,针对问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
具体地,在场景信息指示当前场景的属性为问答对话场景时,针对问答对话场景调用回复模式集合中四种回复模式中的一种:未听清模式、未理解模式、主动询问模式或者无答案模式。
本实施例建立多种模式,模式来源于人与人对话过程的反应。当没有理解对方说话时,人会产生多种的反应,但模式不局限于一种。此处模式设计,将无优质回复视作一种智能机器人未听清用户说话(对应未听清模式)、未理解用户说话(对应未理解模式)的场景,以及处以反客为主(对应主动询问模式)的对话模式处理或以人与人对话的方式告诉用户机器人并不知道问题的答案(对应无答案模式)。由于上游模块提问非优质回答比例不高,以及得出低分结果后,会从系统中寻找更好的回复,因此本实施例的设计不会导致一个问题不断导致用户听不明白和听不清的情况发生。
下面详细阐述在问答对话场景下针对各个回复模式所生成的示例性改进答案。
针对智能机器人未听清模式:会以拟人的方式,请求用户重新更清晰地讲述一次刚才已经明确是问题的提问内容。举例来说,针对未听清模式,所生成的改进答案可以是:“你刚才说什么?我走神了没听清!”、“麻烦您再说一遍可以吗?”、“我没听清,您再说一遍吧!”等等。然后,用户会再清晰地讲述一遍刚才已经明确是问题的提问内容(即重新输入用户输入信息),以使智能机器人基于重新获得的用户输入信息来生成答案。可以看出,上述重新提问重新回答的过程可以使上游模块获得时间重新获取结果以反馈给用户。也就是说,上述重新提问重新回答的交互过程为上游模块重新获取优质回答争取了时间,为上游模块重新获取优质回答创造了有利条件。
针对智能机器人未理解模式:会以拟人的方式,请求用户换一种方式重新讲述一次刚才已经明确是问题的提问内容。举例来说,针对未理解模式,所生成的改进答案可以是“没听明白?换个方式说一下?”、“我没听懂,麻烦您用其他方式再说一下!”、“您说的话太前卫了,我都听不懂了,换种方式说一下吧”等等。然后,用户会用另一种方式再进行提问,以使智能机器人基于重新获得的用户输入信息来生成答案。一般来讲,由于不同的提问方式有可能触发不同的结果,因此智能机器人很有可能给出针对用户重新输入的信息的优质回答,从而有机会将更多优质回答提供给用户。此外,上述以其他方式重新提问重新回答的过程可以使上游模块获得时间重新获取结果以反馈给用户。也就是说,上述以其他方式重新提问重新回答的交互过程为上游模块重新获取优质回答争取了时间,为上游模块重新获取优质回答创造了有利条件。
针对智能机器人主动询问(反客为主对话)模式:会以疑问的方式,对用户进行反馈。例如对原句进行重新组装以形成新的问句,从而实现根据用户输入信息(用户的对话)向用户进行提问。举例来说,针对主动询问模式,所生成的改进答案可以是“别人和你这么说,你会怎么说呢?”、“桃花源路在哪呢?”、“桃花源路是哪个行政区的道路?”、“桃花源路沿途都有什么标志性建筑物?”等等。然后,用户会依据智能机器人给出的问题进行回答,以作为智能机器人生成改进答案的参考。智能机器人根据用户的回答可以更好地理解用户输入信息的语义,并有可能给出优质回答。
值得注意的是,由于在场景信息指示当前场景为问答对话场景的情况下,已经确定用户输入信息为用户对智能机器人的提问,因此可以更深度地扩展反客为主。在本发明一优选的实施例中,在无法提供优质回答或者提供了非优质回答的情况下,智能机器人以调侃的方式、以耍赖的方式或以卖关子的方式根据用户输入信息向用户进行提问。例如,以调侃的角度与用户交流,此时所生成的改进答案可以是“再问一遍我才告诉你?”;以比较耍赖的方式与用户交流,此时所生成的改进答案可以是“你猜?”;以卖关子的方式与用户交流,此时所生成的改进答案可以是“那你怎么想?”。可以看出,结合上述更深度地扩展反客为主的模式生成的改进答案更接近人与人之间的交流,进一步提升了用户体验。
针对无答案模式(即告知用户不知道如何回答的模式):会以拟人的方式,告知用户,智能机器人不知道如何回答用户。举例来说,针对无答案模式,所生成的改进答案可以是“你这么说,我都不知道怎么接了。”、“我实在不知道怎么回答了!”、“你难倒我啦!”等等。针对此种模式,智能机器人以拟人的方式明确自己不清楚答案,避免了传统生硬的回答方式(例如“对不起,我不知道答案”等)以及直接给出非优质的结果(即给出与用户输入的问题毫不相关的答案,例如针对用户输入的问题为“天上为什么有云彩?”给出非优质回答“对呀,心中的云彩最美”)。
本实施例针对问答对话场景给出了四种回复模式:未听清模式、未理解模式、主动询问模式和无答案模式。在具体实施过程中,智能机器人可以参照从语义解析结果中提取的回复参量来选择最佳的回复模式,也可以事先预置优先选取的回复模式。在本发明一优选的实施例中,针对问答对话场景优先选取未听清模式或者未理解模式。
值得注意的是,在具体实施过程中,将针对不同场景下和不同模式的改进答案预先存储在内容库中,即离线构建保存有改进答案的内容库。针对内容库中存储的内容的来源,其中,一方面通过人工录入最优质回答的方式来获取一部分的优质回复(即改进答案);另一方面通过机器学习方式获取一般质量回复,同时通过程序处理用户语言的形式来获取另一部分优质回复。特别地,利用从网络抓取的新语义表达来更新上述内容库。具体步骤包括:从网络抓取新语义表达,通过将所抓取的新语义表达填充到内容库中的方式来更新内容库。举例来讲,例如当前针对“喜欢”的新语义表达(即流行、前卫的表述方式)为“稀饭”,则将新语义表达“稀饭”填充至内容库中。这样,当智能机器人采用保存在内容库中的新语义表达来回复用户时,会使用户当前与机智人的对话更有意思、更具吸引力,从而大幅提升了用户体验。
实施例四
该实施例四涉及与实施例一涉及的面向智能机器人的问答交互方法相对应的面对智能机器人的问答交互系统。
如图5所示,是本发明实施例面向智能机器人的问答交互系统的结构示意图。本实施例所述的问答交互系统主要包括接收模块401、调用模块402、语义解析模块403和改进答案生成模块404。其中接收模块401分别与调用模块402和语义解析模块403相连接,调用模块402和语义解析模块403均与改进答案生成模块404相连接。
首先,接收模块401设置为接收回答质量信息和用户输入信息,用户输入信息携带有场景信息。
具体地,接收模块401与上游模块相连接,接收上游模块(图中未示出)发送的回答质量信息和用户输入信息。这里,用户输入信息携带有场景信息。在接收模块401接收信息之前,上游模块就已经明确了用于指代当前回答的优劣程度的回复质量信息,以及用于指代当前场景的属性的场景信息。换句话说,在接收模块401接收信息之前,上游模块就已经至少完成了以下两项工作:第一,区分当前回答为优质回答还是非优质回答(即待改进答案);第二,根据用户输入的信息确定场景信息,这里,场景信息可能指示当前场景为调侃对话场景,也可能指示当前场景为问答对话场景。
上游模块根据用户输入信息确定场景信息的方法为:判断用户输入的信息是否为疑问句;在判断出用户输入信息为疑问句的情况下,确定场景信息为用于指示当前场景为问答对话场景的信息,此种情况明确说明用户输入信息属于用户向智能机器人的提问。在判断出用户输入信息为非疑问句的情况下,确定场景信息为用于指示当前场景为调侃对话场景的信息,此种情况说明用户输入信息不属于用户向智能机器人的提问。关于上游模块区分调侃对话场景和问答对话场景的详细说明请参照附图2以及实施例一中的相关内容,在此不再赘述。
第二,调用模块402设置为当回答质量信息指示当前回答为待改进答案时,针对场景信息调用对应的回答模式集合。关于调用模块402的具体结构将在下文中结合图6和图7进行详细阐述。
第三,语义解析模块403设置为对用户输入信息进行语义解析,得到语义解析结果。这里,对用户输入信息进行语义解析是指提取用户输入信息中的关键信息,以使智能机器人能够知晓用户的意图。
第四,改进答案生成模块404,设置为根据从语义解析结果中提取的回复参量,以及从回复模式集合中选取的回复模式,生成改进答案。
具体地,回复参量是根据针对用户的输入信息进行语义解析后得到的结果,获取能够改进答案的参量或当前由于什么原因而造成没有优质答案,为生成改进答案提供参考。举例来讲,假如在事先未定义“桃花源路”的情况下用户输入信息为“请问从清华园路到桃花源路怎么走?”,那么此时回复参量可以为“桃花源路”,改进答案可以是“我不知道桃花源路在哪,请您在地图中定位其位置”。
本实施例的面向机器人的问答交互系统的原理在于:在智能机器人无法提供优质回答或提供了非优质回答时,调用模块402根据不同的场景信息调用相应的回答模式集合,语义解析模块403对用户输入信息进行语义解析,改进答案生成模块404结合从回复模式集合中选取的最佳回复模式以及从语义解析结果中提取的回复参量,生成改进答案。由于改进答案是在结合了当前场景所对应的回复模式和回复参量的情况下生成的,因此更能承上启下,更能接近人与人之间的交流,拟人化程度高,用户会认为所生成的改进答案没有生硬感,无生搬硬套或者答非所问之嫌疑,大大提高了用户的使用体验。
可见,应用本实施例的面向机器人的问答交互系统,在智能机器人无法提供优质回答或提供了非优质回答时,能够以类人的方式对不擅长的问题进行回答,在很大程度上提升了用户体验。
实施例五
实施例五在实施例四的基础上对调用模块402进行了优化。
参照图6,是本实施例中调用模块402的一种结构示意图。本实施例的调用模块402主要包括彼此连接的属性确定单元501和第一调用单元502。
属性确定单元501设置为根据场景信息确定当前场景的属性。即确定当前场景的属性是调侃对话场景还是问答对话场景。
第一调用单元502设置为在属性确定单元501确定当前场景的属性的调侃对话场景时,针对调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。这里,在调侃对话场景下针对各个回复模式所生成的示例性改进答案与实施例二中的相关内容相同,在此不再赘述。
在本实施例中,调用模块402针对调侃对话场景给出了四种回复模式:未听清模式、未理解模式、主动询问模式和无答案模式。在具体实施过程中,智能机器人可以参照从语义解析结果中提取的回复参量来选择最佳的回复模式,也可以事先预置优先选取的回复模式。在本发明一优选的实施例中,针对调侃对话场景优先选取未听清模式或者未理解模式。
实施例六
实施例六在实施例四的基础上对调用模块402进行了优化。
参照图7,是本实施例中调用模块402的另一种结构示意图。本实施例的调用模块402主要包括彼此连接的属性确定单元501和第二调用单元503。
属性确定单元501设置为根据场景信息确定当前场景的属性。即确定当前场景的属性是调侃对话场景还是问答对话场景。
第二调用单元503设置为在属性确定单元501确定当前场景的属性的问答对话场景时,针对问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。这里,在问答对话场景下针对各个回复模式所生成的示例性改进答案与实施例三中的相关内容相同,在此不再赘述。
在本实施例中,调用模块402针对问答对话场景给出了四种回复模式:未听清模式、未理解模式、主动询问模式和无答案模式。在具体实施过程中,智能机器人可以参照从语义解析结果中提取的回复参量来选择最佳的回复模式,也可以事先预置优先选取的回复模式。在本发明一优选的实施例中,针对问答对话场景优先选取未听清模式或者未理解模式。
值得注意的是,上述问答交互系统还包括与改进答案生成模块404相连接的内容库。在具体实施过程中,将针对不同场景下和不同模式的改进答案预先存储在内容库中,即离线构建保存有改进答案的内容库。针对内容库中存储的内容的来源,其中,一方面通过人工录入最优质回答的方式来获取一部分的优质回复(即改进答案);另一方面通过机器学习方式获取一般质量回复,同时通过程序处理用户语言的形式来获取另一部分优质回复。特别地,利用从网络抓取的新语义表达来更新上述内容库。具体步骤包括:从网络抓取新语义表达,通过将所抓取的新语义表达填充到内容库中的方式来更新内容库。举例来讲,例如当前针对“喜欢”的新语义表达(即流行、前卫的表述方式)为“稀饭”,则将新语义表达“稀饭”填充至内容库中。这样,当智能机器人采用保存在内容库中的新语义表达来回复用户时,会使用户当前与机智人的对话更有意思、更具吸引力,从而大幅提升了用户体验。
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (8)
1.一种面向智能机器人的问答交互方法,其特征在于,包括:
接收回答质量信息和用户输入信息,所述用户输入信息携带有场景信息;
当所述回答质量信息指示当前回答为待改进答案时,针对所述场景信息调用对应的回答模式集合;
对所述用户输入信息进行语义解析,得到语义解析结果;
根据从所述语义解析结果中提取的回复参量,以及从所述回复模式集合中选取的回复模式,生成改进答案。
2.根据权利要求1所述的方法,其特征在于,当所述场景信息指示当前场景为调侃对话场景时,针对所述场景信息调用对应的回答模式集合,包括:
针对所述调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
3.根据权利要求1所述的方法,其特征在于,当所述场景信息指示当前场景为问答对话场景时,针对所述场景信息调用对应的回答模式集合,包括:
针对所述问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
4.根据权利要求2或3所述的方法,其特征在于,从所述回复模式集合中优先选取未听清模式或者未理解模式。
5.一种面向智能机器人的问答交互系统,其特征在于,包括:
接收模块,设置为接收回答质量信息和用户输入信息,所述用户输入信息携带有场景信息;
调用模块,设置为当所述回答质量信息指示当前回答为待改进答案时,针对所述场景信息调用对应的回答模式集合;
语义解析模块,设置为对所述用户输入信息进行语义解析,得到语义解析结果;
改进答案生成模块,设置为根据从所述语义解析结果中提取的回复参量,以及从所述回复模式集合中选取的回复模式,生成改进答案。
6.根据权利要求5所述的系统,其特征在于,所述调用模块具体设置为:当所述场景信息指示当前场景为调侃对话场景时,针对所述调侃对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
7.根据权利要求5所述的系统,其特征在于,所述调用模块具体设置为:当所述场景信息指示当前场景为问答对话场景时,针对所述问答对话场景调用未听清模式、未理解模式、主动询问模式或者无答案模式。
8.根据权利要求6或7所述的系统,其特征在于,所述改进答案生成模块具体设置为:从所述回复模式集合中优先选取未听清模式或者未理解模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610012448.4A CN105447207B (zh) | 2016-01-08 | 2016-01-08 | 一种面向智能机器人的问答交互方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610012448.4A CN105447207B (zh) | 2016-01-08 | 2016-01-08 | 一种面向智能机器人的问答交互方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447207A true CN105447207A (zh) | 2016-03-30 |
CN105447207B CN105447207B (zh) | 2018-07-31 |
Family
ID=55557383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610012448.4A Active CN105447207B (zh) | 2016-01-08 | 2016-01-08 | 一种面向智能机器人的问答交互方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447207B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913039A (zh) * | 2016-04-26 | 2016-08-31 | 北京光年无限科技有限公司 | 基于视觉和语音的对话数据交互处理方法及装置 |
CN105912530A (zh) * | 2016-04-26 | 2016-08-31 | 北京光年无限科技有限公司 | 面向智能机器人的信息处理方法及系统 |
CN105945949A (zh) * | 2016-06-01 | 2016-09-21 | 北京光年无限科技有限公司 | 面向智能机器人的信息处理方法及系统 |
CN106547813A (zh) * | 2016-09-22 | 2017-03-29 | 苏州小璐机器人有限公司 | 一种提升机器人语音问答能力的方法 |
CN106559321A (zh) * | 2016-12-01 | 2017-04-05 | 竹间智能科技(上海)有限公司 | 动态调整对话策略的方法及系统 |
CN106847271A (zh) * | 2016-12-12 | 2017-06-13 | 北京光年无限科技有限公司 | 一种用于对话交互系统的数据处理方法及装置 |
CN107239450A (zh) * | 2017-06-02 | 2017-10-10 | 上海对岸信息科技有限公司 | 基于交互上下文处理自然语言方法 |
CN108959421A (zh) * | 2018-06-08 | 2018-12-07 | 三角兽(北京)科技有限公司 | 候选回复评价装置和问询回复设备及其方法、存储介质 |
CN109308320A (zh) * | 2018-07-20 | 2019-02-05 | 北京智能点科技有限公司 | 一种机器人多轮对话流程化配置方法 |
CN109492221A (zh) * | 2018-10-31 | 2019-03-19 | 广东小天才科技有限公司 | 一种基于语义分析的信息回复方法及可穿戴设备 |
CN109934567A (zh) * | 2019-03-07 | 2019-06-25 | 葛毅鹏 | 一种知识共享方法、装置、系统及存储介质 |
CN111710338A (zh) * | 2020-06-28 | 2020-09-25 | 上海优扬新媒信息技术有限公司 | 一种话术播放方法及装置 |
CN114095466A (zh) * | 2016-06-16 | 2022-02-25 | 微软技术许可有限责任公司 | 电子邮件中的嵌套协作 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006641A1 (en) * | 2010-09-28 | 2013-01-03 | International Business Machines Corporation | Providing answers to questions using logical synthesis of candidate answers |
US20140358890A1 (en) * | 2013-06-04 | 2014-12-04 | Sap Ag | Question answering framework |
CN104679910A (zh) * | 2015-03-25 | 2015-06-03 | 北京智齿博创科技有限公司 | 智能应答方法及系统 |
CN104699708A (zh) * | 2013-12-09 | 2015-06-10 | 中国移动通信集团北京有限公司 | 一种客服机器人的自学习方法及装置 |
CN104809197A (zh) * | 2015-04-24 | 2015-07-29 | 同程网络科技股份有限公司 | 基于智能机器人的在线问答方法 |
-
2016
- 2016-01-08 CN CN201610012448.4A patent/CN105447207B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006641A1 (en) * | 2010-09-28 | 2013-01-03 | International Business Machines Corporation | Providing answers to questions using logical synthesis of candidate answers |
US20140358890A1 (en) * | 2013-06-04 | 2014-12-04 | Sap Ag | Question answering framework |
CN104699708A (zh) * | 2013-12-09 | 2015-06-10 | 中国移动通信集团北京有限公司 | 一种客服机器人的自学习方法及装置 |
CN104679910A (zh) * | 2015-03-25 | 2015-06-03 | 北京智齿博创科技有限公司 | 智能应答方法及系统 |
CN104809197A (zh) * | 2015-04-24 | 2015-07-29 | 同程网络科技股份有限公司 | 基于智能机器人的在线问答方法 |
Non-Patent Citations (3)
Title |
---|
BINGQUAN LIU ET AL: "Predicting the quality of user-generated answers using co-training in community-based question answering portals", 《PATTERN RECOGNITIONLETTERS》 * |
李晨 等: "中文社区问答中问题答案质量评价和预测", 《计算机科学》 * |
葛丽萍 等: "交互式问答系统中的待改进问题自动识别方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912530A (zh) * | 2016-04-26 | 2016-08-31 | 北京光年无限科技有限公司 | 面向智能机器人的信息处理方法及系统 |
CN105913039A (zh) * | 2016-04-26 | 2016-08-31 | 北京光年无限科技有限公司 | 基于视觉和语音的对话数据交互处理方法及装置 |
CN105945949A (zh) * | 2016-06-01 | 2016-09-21 | 北京光年无限科技有限公司 | 面向智能机器人的信息处理方法及系统 |
CN114095466A (zh) * | 2016-06-16 | 2022-02-25 | 微软技术许可有限责任公司 | 电子邮件中的嵌套协作 |
CN114095466B (zh) * | 2016-06-16 | 2023-10-17 | 微软技术许可有限责任公司 | 电子邮件中的嵌套协作 |
CN106547813A (zh) * | 2016-09-22 | 2017-03-29 | 苏州小璐机器人有限公司 | 一种提升机器人语音问答能力的方法 |
CN106559321A (zh) * | 2016-12-01 | 2017-04-05 | 竹间智能科技(上海)有限公司 | 动态调整对话策略的方法及系统 |
CN106847271A (zh) * | 2016-12-12 | 2017-06-13 | 北京光年无限科技有限公司 | 一种用于对话交互系统的数据处理方法及装置 |
CN107239450A (zh) * | 2017-06-02 | 2017-10-10 | 上海对岸信息科技有限公司 | 基于交互上下文处理自然语言方法 |
CN108959421A (zh) * | 2018-06-08 | 2018-12-07 | 三角兽(北京)科技有限公司 | 候选回复评价装置和问询回复设备及其方法、存储介质 |
CN109308320A (zh) * | 2018-07-20 | 2019-02-05 | 北京智能点科技有限公司 | 一种机器人多轮对话流程化配置方法 |
CN109492221A (zh) * | 2018-10-31 | 2019-03-19 | 广东小天才科技有限公司 | 一种基于语义分析的信息回复方法及可穿戴设备 |
CN109934567A (zh) * | 2019-03-07 | 2019-06-25 | 葛毅鹏 | 一种知识共享方法、装置、系统及存储介质 |
CN109934567B (zh) * | 2019-03-07 | 2023-07-25 | 山东省鲁统市场调查中心有限公司 | 一种知识共享方法、装置、系统及存储介质 |
CN111710338A (zh) * | 2020-06-28 | 2020-09-25 | 上海优扬新媒信息技术有限公司 | 一种话术播放方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105447207B (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447207A (zh) | 一种面向智能机器人的问答交互方法及系统 | |
CN107135143A (zh) | 多聊天机器人切换系统及其对话方法 | |
US20150350451A1 (en) | In-Call Translation | |
US20150347399A1 (en) | In-Call Translation | |
CN108777751A (zh) | 一种呼叫中心系统及其语音交互方法、装置和设备 | |
US20110293077A1 (en) | Process-integrated tree view control for interactive voice response design | |
KR101667946B1 (ko) | 지리적 위치 정보와 연관된 부가 정보를 결정하는 기술 | |
CN107294837A (zh) | 采用虚拟机器人进行对话交互的方法和系统 | |
CN106020449B (zh) | 一种虚拟现实的交互方法及装置 | |
US20190333514A1 (en) | Method and apparatus for dialoguing based on a mood of a user | |
CN107993657A (zh) | 一种基于多个语音助手平台的切换方法 | |
CN105677896B (zh) | 基于主动学习的交互方法及交互系统 | |
CN110020059A (zh) | 用于包容性captcha的系统和方法 | |
CN109360565A (zh) | 一种通过建立资源库提高语音识别精度的方法 | |
CN107784355A (zh) | 虚拟人多模态交互数据处理方法和系统 | |
CN104699676B (zh) | 基于语音识别的信息搜索方法和系统 | |
CN109346068A (zh) | 机器人语音交互方法及装置 | |
CN110008326A (zh) | 会话系统中的知识摘要生成方法及系统 | |
CN106126636B (zh) | 一种面向智能机器人的人机交互方法及装置 | |
CN109739969A (zh) | 答案生成方法和智能会话系统 | |
CN109671429A (zh) | 语音交互方法及设备 | |
Khanna et al. | Anatomy and utilities of an artificial intelligence conversational entity | |
CN108540677A (zh) | 语音处理方法及系统 | |
CN110148413A (zh) | 语音评测方法及相关装置 | |
CN106663128A (zh) | 一种聊天对话系统的扩充学习方法及聊天对话系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |