CN105930372A - 基于多次反馈的情感机器人对话方法、系统以及机器人 - Google Patents

Abstract

本发明涉及一种机器人对话方法、系统和机器人，该方法包括：接收用户的判定性问题；查找是否存储有用户对判定性问题的回答的反馈；若是，则根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答并输出。本发明的机器人对话方法，根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答，用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，所以根据用户最近N次对该判定性问题的回答的反馈获取对该判定性问题的回答，可以投用户所好，使得机器人对该判断性问题回答而言更通情达理，使得机器人能基于用户的最近反馈来预测用户的情感，提高用户对机器人的回答的满意度。

Description

基于多次反馈的情感机器人对话方法、系统以及机器人

技术领域

本发明涉及机器人技术领域，尤其是涉及一种基于多次反馈的情感机器人对话方法、系统以及机器人。

背景技术

情感机器人就是用人工的方法和技术赋予计算机或机器人以人类式的情感，使之具有表达、识别和理解喜乐哀怒，模仿、延伸和扩展人的情感的能力，是许多科学家的梦想，与人工智能技术的高度发展相比，人工情感技术所取得的进展却是微乎其微，情感始终是横跨在人脑与电脑之间一条无法愈越的鸿沟。很长时间内，情感机器人只能是科幻小说中的重要素材，很少纳入科学家们的研究课题之中。

现有技术中机器人在与用户进行交谈时，一般是从离线或在线语料数据库或聊天数据库中搜索出与用户问题相关的回答，譬如，请参阅图1，图1为现有技术中机器人与用户进行交谈的示意图。

在现有技术中，当A用户问“Am I good looking？”，机器人对这种判定性问句，可以自动生成yes和no两种答案，yes回答中将疑问句自动变换主语和谓语位置变成陈述句，no回答中将疑问句首先变换主语和谓语位置变成陈述句，然后将表语变成反义词。机器人会从2种可能的回答"Sure,you are very goodlooking！Do you like me？"、"No，you are ugly.Do you like me？"中随机选一种。如果机器人选的是"Sure,you are very good looking！Do you like me？"，且A用户的反馈是“yes！”，那么下次A用户再问”Am I good looking？”时，该机器人依然会从2种可能的回答"Sure,you are very good looking！Do you like me？"、"No，you are ugly.Do you like me？"中随机选一种。如果机器人选的是"No，you areugly.Do you like me？"，且A用户的反馈是“no！”，那么下次A用户再问”AmI good looking？”时，该机器人依然从2种可能的回答"Sure,you are very goodlooking！Do you like me？"、"No，you are ugly.Do you like me？"中随机选一种。显然，现有技术中的机器人只是随机地从离线或在线语料数据库或聊天数据库中搜出对用户的问题的合理的回答，但合理的回答不一定让用户满意；在现有技术中的机器人，即使同一个用户问成百上千次同样的问题，机器人还是不一定能给出用户满意的回答，用户对机器人的回答的满意度具有随机性。

发明内容

基于此，有必要提供一种能够基于用户的多次反馈来预测用户的情感来提高用户满意度的机器人对话方法、系统以及机器人。

一种机器人对话方法，包括：

接收用户的判定性问题；

查找反馈知识库中是否存储有用户对判定性问题的回答的反馈；

若是，则根据用户最近N次对判定性问题的回答的反馈获取对判定性问题的回答并输出，其中，N为大于1的自然数。

一种机器人对话系统，包括：

接收模块，用于接收用户的判定性问题；

查找模块，用于查找反馈知识库中是否存储有用户对判定性问题的回答的反馈；

输出模块，用于在查找模块的查找结果为是时，根据用户最近N次对判定性问题的回答的反馈获取对判定性问题的回答并输出，其中，N为大于1的自然数；

反馈知识库，用于存储用户的信息、判定性问题，机器人对判定性问题的回答以及用户对判定性问题的回答的反馈。

本发明的机器人对话方法，根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答，用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，所以根据用户最近N次对该判定性问题的回答的反馈获取对该判定性问题的回答，可以投用户所好，使得机器人对该判断性问题回答而言更通情达理，使得机器人能基于用户的最近反馈来预测用户的情感，提高用户对机器人的回答的满意度。

附图说明

图1为现有的机器人与用户进行交谈的示意图；

图2为一种实施方式的机器人对话方法的流程图；

图3为基于最近一次反馈的机器人与用户进行交谈的示意图；

图4为一种具体实施方式的基于最近N次的机器人与用户进行交谈的示意图；

图5为一种实施方式的机器人对话系统的功能模块示意图。

具体实施方式

如图2所示，一种机器人对话方法，包括：

S10：接收用户的判定性问题。

判定性问题是只需要回答肯定或否定的问题，譬如“我漂亮吗？”肯定的问答包括“是”或“当然”或“Yes”或其他肯定的表达方式，其他肯定的表达方式譬如点头；否定的问答包括“否”或“No”或其他否定的表达方式，其他否定的表达方式譬如摇头。

S30：查找反馈知识库中是否存储有用户对判定性问题的回答的反馈。

在具体的实施方式中，通过用户输入用户信息获取用户信息，或者通过图像采集装置采集用户头像，并对用户头像进行人脸识别，获取用户信息，或通过指纹识别等方式识别用户并获取用户信息。再根据用户信息查找是否存储有该用户对该判定性问题的回答的反馈。具体获取用户信息的方式可根据机器人的硬件设备进行设置。

该用户对该判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，该用户对该判定性问题的回答的反馈包括肯定、否定、未反馈或其他，肯定的反馈包括回答“对”、点头或其他肯定的表达方式，否定的反馈包括回答“错”、摇头或其他否定的表达方式，其他肯定的表达方式譬如“谢谢”、变得高兴，其他否定的表达方式譬如“胡说八道”、变得生气等等。

存储有用户对该判定性问题的回答的反馈需满足：用户曾问过该判定性问题、机器人对该判定性问题给出回答，且用户对于该判定性问题的回答给出肯定或否定的反馈。若该用户之前未问过该判定性问题，或该用户问过该判定性问题、机器人对该判定性问题给出回答，但该用户没有对该判定性问题的回答给出肯定或否定的反馈，则将未存储有该用户对该判定性问题的回答的反馈。

若是，则执行步骤S50：根据用户最近N次对判定性问题的回答的反馈获取对判定性问题的回答并输出。

用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶。回答输出给用户的方式包括以文本的方式或视频的方式显示在显示界面上，或以语音的方式或表情的方式展示。其中，N为大于1的自然数。

该机器人对话方法，根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答，用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，所以根据用户最近N次对该判定性问题的回答的反馈获取对该判定性问题的回答，可以投用户所好，使得机器人对该判断性问题回答而言更通情达理，使得机器人能基于用户的最近反馈来预测用户的情感，提高用户对机器人的回答的满意度。

可以理解的是，用户的喜好在随着时间变化，最近N次是离现在时间最近的N次，所以最近N次问答中用户对回答的喜好与当前问答中用户对回答的喜好最为接近；可以理解的是，虽然最近一次问答中用户对回答的喜好与当前问答中用户对回答的喜好最为接近，但如果最近一次问答中用户对回答的反馈是异常反馈，例如当时用户心情不好或用户心情太好，影响了反馈的正常结果，而最近N次问答中用户对回答的反馈不可能次次都是异常，其中大部分的反馈是正常反馈，从而通过统计以前多次问答中用户对回答的反馈消除了异常反馈带来的误差。

例如，如图3所示，当A用户问“Am I good looking？”，机器人对这种判定性问句，可以自动生成yes和no两种答案，yes回答中将疑问句自动变换主语和谓语位置变成陈述句，no回答中将疑问句首先变换主语和谓语位置变成陈述句，然后将表语变成反义词；机器人会从2种可能的回答"Sure,you are very goodlooking！Do you like me？"、"No，you are ugly.Do you like me？"中随机选一种；如果机器人选的是"Sure,you are very good looking！Do you like me？"，且A用户的反馈是“yes！”，那么下次A用户再问”Am I good looking？”时，该机器人还会回答"Sure,you are very good looking！Do you like me？"；如果机器人选的是"No，you are ugly.Do you like me？"，且A用户的反馈是“no！”，那么下次A用户再问”Am I good looking？”时，该机器人就会改变以前的回答，而是回答"Sure,you are very good looking！Do you like me？"；如此类推，总经过5次问答，第一次是随机选择回答的，所以用户不一定满意，但后面的4次，因为是根据最近一次用户的反馈做出的回答，所以用户都满意；但到第6次时，当A用户问“Am I good looking？”，该机器人还会回答"Sure,you are very good looking！Doyou like me？"；但这次因为用户喝醉了酒或心情不好，A用户的反馈是“no！”，显然这次是异常反馈；在第7次时，当A用户问“Am I good looking？”，该机器人会根据最近一次(第6次用户的反馈)回答"No，you are ugly.Do you likeme？"，用户在第7次时已处于正常状态，对该回答不满意，反馈是“no！”；在改进技术中的机器人，如果最近一次反馈是异常反馈，那么会导致机器人的回答偏离用户的喜好。

为消除异常反馈的影响，步骤S50具体包括：

S51：获取最近N次中，对于判定性问题，用户喜好肯定回答的次数作为第一数值以及喜好否定回答的次数作为第二数值。

在具体的实施方式中，最近N次的数值N可由系统管理员输入，也可以由系统自动设定。在一个具体的实施方式中，N设置为8。

对于该判定性问题，该用户喜好肯定回答的情形，包括：机器人对于该判定性问题给出肯定回答，且该用户给出肯定反馈；机器人对于该判定性问题给出否定回答，且该用户给出否定反馈。例如，在一次问答中，对于用户的判定性问题“我好看吗？”，机器人回答为“是”，用户的反馈为“谢谢”，或者，在一次问题中，对于判定性问题“我是男的吗？”，机器人回答为“不是”，用户的反馈为“不对”，则获取最近N次中，用户喜好该判定性问题的肯定回答的次数作为第一数值M1。

对于该判定性问题，该用户喜好否定回答的情形，包括：机器人对于该判定性问题给出肯定回答，而该用户给出否定反馈；机器人对于该判定性问题给出否定回答，且该用户给出肯定反馈。例如，在一次问答中，对于用户的判定性问题“我看起来老了吗？”，机器人的回答为“是”，用户的反馈为变得生气；或者，在一次问答中，对于判定性问题“你不喜好我吗？”，机器人的回答为摇头，用户的反馈为变得高兴，获取最近N次中，用户喜好该判定性问题的否定回答的次数作为第二数值M2。

S52：比较第一数值和第二数值的大小，并根据比较结果确定对判定性问题的回答并输出。

将该用户喜好该判定性问题的肯定回答的次数的第一数值M1与喜好否定回答的次数的第二数值M2进行比较，比较结果能够反应用户对该问题的喜好。

具体为：

若第一数值大于第二数值，则确定对判定性问题的回答为肯定回答。

当第一数值M1＞当第一数值M2时，说明在最近N次中，该用户喜好该判定性问题的肯定回答的次数比喜好该问题的否定回答的次数多，最近更喜好该问题的肯定回答，因此，在当次提问中，机器人对该判定性问题做肯定回答。

若第一数值小于第二数值，则确定对判定性问题的回答为否定回答。

当第一数值M1＜当第一数值M2时，说明在最近N次中，该用户喜好该判定性问题的否定回答的次数比喜好该问题的肯定回答的次数多，最近更喜好该问题的否定回答，因此，在当次提问中，机器人对该判定性问题做否定回答。

若第一数值等于第二数值，则随机对判定性问题做肯定或否定回答。

当第一数值M1＝当第一数值M2时，说明在最近该用户喜好该判定性问题的否定回答的次数与喜好该问题的肯定回答的次数一样多，所以无法判断用户最近对该问题的回答的喜好，因此，最近随机对判定性问题做肯定或否定回答。

该实施方式的机器人对话方法，根据最近N次对判定性问题的回答的反馈对判定性问题进行回答，且N为大于1的自然数，能够根据最近用户该问题的回答的反馈来洞悉用户的喜好并消除少数异常反馈的影响，从而使得机器人回答用户问题时在保持合理性的同时极大地提高合情性，使得机器人在保持达理的同时更为通情，极大地提高用户对机器人回答的满意度，提高了机器人回答用户问题的情商。

在步骤S50之后，还包括：

步骤S70：获取用户对判定性问题的回答的反馈并存储至反馈知识库中。

用户对判定性问题的回答的反馈包括肯定反馈、否定反馈、未反馈以及其它无法判断的反馈。其它无法判断的反馈是指通过对用户的面部表情、动作及语音等无法判断用户的反馈倾向。未反馈是指在设定时间内未收到用户的反馈。

在另一种实施方式中，若步骤S30未存储有该用户对该判定性问题的回答的反馈，则执行步骤：

S40：随机对判定性问题进行肯定或否定回答。

若该用户之前未问过该判定性问题，或该用户问过该判定性问题但该用户没有对该判定性问题的回答给出肯定或否定的反馈，则将未存储有该用户对该判定性问题的回答的反馈，则随机对判定性问题进行肯定或否定回答，并返回步骤S70。

在具体的实施方式中，获取用户对判定性问题的回答的反馈的方式包括：

获取用户根据提示输入的对判定性问题的回答的反馈。

具体的，该机器人设置有输入装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过文字或语音提示用户在输入装置内输入对该判定性问题的反馈。

获取用户获取判断性问题的回答后的面部表情或动作，并根据面部表情和动作判断用户对判定性问题的回答的反馈。

具体的，该机器人设置有图像采集装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过采集用户获取该判定性问题的肯定或否定回答后的面部表情或动作，判断用户对判定性问题的回答的反馈，例如，用户点头或微笑表示对该判定性问题的回答的肯定反馈，摇头或生气的表情表示对该判定性问题的回答的否定反馈。

获取用户获取对判断性问题的回答后的语音，并根据语音判断用户对判定性问题的回答的反馈。

具体的，该机器人设置有语音采集装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过获取用户的语音，对语音进行识表以判断用户对判定性问题的回答的肯定或否定反馈。例如，用户获取该判定性问题的肯定或否定回答后，说“对”或“谢谢”表示对该判定性问题的回答的肯定反馈，说“错”或“不对”表示对该判定性问题的反馈。

在具体的实施方式中，机器人可设置输入装置、图像采集装置和语音采集装置，通过任意一种方式获取用户对判定性问题的回答的肯定或否定反馈，并保存。

在具体的实施方式中，步骤S70中保存的具体步骤包括：

将用户的信息、判定性问题、机器人对判定性问题的回答以及用户对判定性问题的回答的反馈分别存入反馈知识库中的用户字段、问题字段、回答字段、反馈字段，并以用户字段和问题字段作为关键字段。

将用户的信息、判定性问题、机器人对判定性问题的回答以及用户对判定性问题的回答的反馈进行存储。在具体的技术实现中，将用户的信息、判定性问题、机器人对判定性问题的回答以及用户对判定性问题的回答的反馈存入反馈知识库中，反馈知识库包括用户字段、问题字段、回答字段、反馈字段，以用户和问题作为关键字段；每次问答中的当前用户、当前问题、当前回答、当前反馈都存进反馈知识库中；当当前问答中的当前用户、当前问题、当前回答、当前反馈中的当前用户、当前问题已经存在于反馈知识库中，则将当前用户、当前问题、当前回答、当前反馈更新到反馈知识库中当前用户、当前问题所在的行；当当前问答中的当前用户、当前问题、当前回答、当前反馈中的当前用户、当前问题不存在于反馈知识库中，则将当前用户、当前问题、当前回答、当前反馈作为一行插入到反馈知识库。

相应的，步骤S30查找是否存储有用户对判定性问题的回答的反馈的步骤包括：

根据所述用户的信息和所述判定性问题查找所述反馈知识库中，判断是否存储所述用户的信息以及与所述用户的信息对应的所述判定性问题；

若是，则查找是否存储有与所述用户的信息和所述判定性问题对应的所述用户对所述判定性问题的回答的反馈。

若查找到存储有与用户的信息和判定性问题对应的所述用户对判定性问题的回答的反馈，则说明该判定性问题以前被该用户问过且该用户有对该个问题的回答给出反馈，并存储有用户对该判定性问题的回答的反馈。

若未存储有用户的信息以及与所述用户的信息对应的所述判定性问题，则说明该判定性问题以前没有被该用户问过。

若未存储有与用户的信息和判定性问题对应的用户对判定性问题的回答的反馈，则表示该判定性问题以前被该用户问过，但该用户没有对该个问题的回答给出反馈。

具体的，以该用户、该判定性问题检索反馈知识库，判断是否反馈知识库中存在该用户、该判定性问题对应的一行且该行中反馈为肯定或否定，从而，判断是否该判定性问题以前被该用户问过且该用户有对该个问题的回答给出肯定或否定的反馈。或，以该用户、该判定性问题检索反馈知识库，判断是否反馈知识库中不存在该个用户、该判定性问题对应的一行或存在该用户、该判定性问题对应的一行但该行中反馈为空或不为肯定也不为否定；当反馈知识库中存在该个用户、该个判定性问题对应的一行且该行中反馈为肯定或否定，则取出该个用户、该个判定性问题对应的该行中的回答和反馈。其中，问题、回答、反馈可以是中文，也可以是英文或其他语言。

现结合具体实施方式对本发明进行详细说明。

请参阅图4，图4为本发明实施例中通情机器人与用户进行交谈的示意图。

N取5，当A用户首次问“Am I good looking？”，机器人对这种判定性问句，可以自动生成yes和no两种答案，yes回答中将疑问句自动变换主语和谓语位置变成陈述句，no回答中将疑问句首先变换主语和谓语位置变成陈述句，然后将表语变成反义词；机器人会从2种可能的回答"Sure,you are very good looking！Doyou like me？"、"No，you are ugly.Do you like me？"中随机选一种；如果机器人选的是"Sure,you are very good looking！Do you like me？"，且A用户的反馈是“yes！”，那么下次A用户再问”Am I good looking？”时，M1＝1，M2＝0，该机器人还会回答"Sure,you are very good looking！Do you like me？"；如果机器人选的是"No，you are ugly.Do you like me？"，且A用户的反馈是“no！”，那么下次A用户再问”Am I good looking？”时，M2＝1，M1＝0，该机器人就会改变以前的回答，而是回答"Sure,you are very good looking！Do you like me？"；如此类推，总经过5次问答，第一次是随机选择回答的，所以用户不一定满意，但后面的4次，因为是根据最近5次用户的反馈做出的回答，所以用户都满意；到第6次时，当A用户问“Am I good looking？”，该机器人还会回答"Sure,you arevery good looking！Do you like me？"；但这次因为用户喝醉了酒或心情不好，A用户的反馈是“no！”，显然这次是异常反馈；在第7次时，M1＝5，M2＝1，当A用户问“Am I good looking？”，该机器人会根据最近5次用户的反馈来判断，在最近5次，肯定的回答有4次，否定的回答有1次，因为肯定的回答比否定的回答多，所以，机器人选择肯定的回答"Sure,you are very good looking！Do youlike me？"，用户在第7次时已处于正常状态，对该回答满意，反馈是“yes！”；可见，在本发明实施例中，如果最近一次反馈是异常反馈，那么根据最近多次反馈进行综合判断，可以消除其中异常反馈的影响，从而使得机器人的回答不偏离用户的喜好。

一种机器人对话系统，如图5所示：包括：

接收模块10，用于接收用户的判定性问题。

判定性问题是只需要回答肯定或否定的问题，譬如“我漂亮吗？”肯定的问答包括“是”或“当然”或“Yes”或其他肯定的表达方式，其他肯定的表达方式譬如点头；否定的问答包括“否”或“No”或其他否定的表达方式，其他否定的表达方式譬如摇头。

查找模块30，用于查找反馈知识库中是否存储有所述用户对所述判定性问题的回答的反馈。

在具体的实施方式中，通过用户输入用户信息获取用户信息，或者通过图像采集装置采集用户头像，并对用户头像进行人脸识别，获取用户信息，或通过指纹识别等方式识别用户并获取用户信息。再根据用户信息查找是否存储有该用户对该判定性问题的回答的反馈。具体获取用户信息的方式可根据机器人的硬件设备进行设置。

该用户对该判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，该用户对该判定性问题的回答的反馈包括肯定、否定、未反馈或其他，肯定的反馈包括回答“对”、点头或其他肯定的表达方式，否定的反馈包括回答“错”、摇头或其他否定的表达方式，其他肯定的表达方式譬如“谢谢”、变得高兴，其他否定的表达方式譬如“胡说八道”、变得生气等等。

存储有用户对该判定性问题的回答的反馈需满足：用户曾问过该判定性问题、机器人对该判定性问题给出回答，且用户对于该判定性问题的回答给出肯定或否定的反馈。若该用户之前未问过该判定性问题，或该用户问过该判定性问题、机器人对该判定性问题给出回答，但该用户没有对该判定性问题的回答给出肯定或否定的反馈，则将未存储有该用户对该判定性问题的回答的反馈。

输出模块50，用于在所述查找模块的查找结果为是时，根据所述用户最近N次对所述判定性问题的回答的反馈获取对所述判定性问题的回答并输出，其中。

用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶。回答输出给用户的方式包括以文本的方式或视频的方式显示在显示界面上，或以语音的方式或表情的方式展示。其中，N为大于1的自然数。

反馈知识库70，用于存储用户的信息、判定性问题，机器人对判定性问题的回答以及用户对判定性问题的回答的反馈

该机器人对话系统，根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答，用户最近N次对判定性问题的回答的反馈代表了用户对该判定性问题的回答的喜恶，所以根据用户最近N次对该判定性问题的回答的反馈获取对该判定性问题的回答，可以投用户所好，使得机器人对该判断性问题回答而言更通情达理，使得机器人能基于用户的最近反馈来预测用户的情感，提高用户对机器人的回答的满意度。

可以理解的是，用户的喜好在随着时间变化，最近N次是离现在时间最近的N次，所以最近N次问答中用户对回答的喜好与当前问答中用户对回答的喜好最为接近；可以理解的是，虽然最近一次问答中用户对回答的喜好与当前问答中用户对回答的喜好最为接近，但如果最近一次问答中用户对回答的反馈是异常反馈，例如当时用户心情不好或用户心情太好，影响了反馈的正常结果，而最近N次问答中用户对回答的反馈不可能次次都是异常，其中大部分的反馈是正常反馈，从而通过统计以前多次问答中用户对回答的反馈消除了异常反馈带来的误差。

例如，如图3所示，当A用户问“Am I good looking？”，机器人对这种判定性问句，可以自动生成yes和no两种答案，yes回答中将疑问句自动变换主语和谓语位置变成陈述句，no回答中将疑问句首先变换主语和谓语位置变成陈述句，然后将表语变成反义词；机器人会从2种可能的回答"Sure,you are very goodlooking！Do you like me？"、"No，you are ugly.Do you like me？"中随机选一种；如果机器人选的是"Sure,you are very good looking！Do you like me？"，且A用户的反馈是“yes！”，那么下次A用户再问“Am I good looking？”时，该机器人还会回答"Sure,you are very good looking！Do you like me？"；如果机器人选的是"No，you are ugly.Do you like me？"，且A用户的反馈是“no！”，那么下次A用户再问“Am I good looking？”时，该机器人就会改变以前的回答，而是回答"Sure,you are very good looking！Do you like me？"；如此类推，总经过5次问答，第一次是随机选择回答的，所以用户不一定满意，但后面的4次，因为是根据最近一次用户的反馈做出的回答，所以用户都满意；但到第6次时，当A用户问“Am I good looking？”，该机器人还会回答"Sure,you are very good looking！Doyou like me？"；但这次因为用户喝醉了酒或心情不好，A用户的反馈是“no！”，显然这次是异常反馈；在第7次时，当A用户问“Am I good looking？”，该机器人会根据最近一次(第6次用户的反馈)回答"No，you are ugly.Do you likeme？"，用户在第7次时已处于正常状态，对该回答不满意，反馈是“no！”；在改进技术中的机器人，如果最近一次反馈是异常反馈，那么会导致机器人的回答偏离用户的喜好。

为消除异常反馈的影响，输出模块50包括：

统计单元，用于获取最近N次中，对于所述判定性问题，所述用户喜好肯定回答的次数作为第一数值以及喜好否定回答的次数作为第二数值.

在具体的实施方式中，最近N次的数值N可由系统管理员输入，也可以由系统自动设定。在一个具体的实施方式中，N设置为8。

对于该判定性问题，该用户喜好肯定回答的情形，包括：机器人对于该判定性问题给出肯定回答，且该用户给出肯定反馈；机器人对于该判定性问题给出否定回答，且该用户给出否定反馈。例如，在一次问答中，对于用户的判定性问题“我好看吗？”，机器人回答为“是”，用户的反馈为“谢谢”，或者，在一次问题中，对于判定性问题“我是男的吗？”，机器人回答为“不是”，用户的反馈为“不对”，则获取最近N次中，用户喜好该判定性问题的肯定回答的次数作为第一数值M1。

对于该判定性问题，该用户喜好否定回答的情形，包括：机器人对于该判定性问题给出肯定回答，而该用户给出否定反馈；机器人对于该判定性问题给出否定回答，且该用户给出肯定反馈。例如，在一次问答中，对于用户的判定性问题“我看起来老了吗？”，机器人的回答为“是”，用户的反馈为变得生气；或者，在一次问答中，对于判定性问题“你不喜好我吗？”，机器人的回答为摇头，用户的反馈为变得高兴，获取最近N次中，用户喜好该判定性问题的否定回答的次数作为第二数值M2。

比较单元，用于比较所述第一数值和所述第二数值的大小，并根据比较结果确定对所述判定性问题的回答并输出。

将该用户喜好该判定性问题的肯定回答的次数的第一数值M1与喜好否定回答的次数的第二数值M2进行比较，比较结果能够反应用户对该问题的喜好。

具体为：

若第一数值大于第二数值，则确定对判定性问题的回答为肯定回答。

当第一数值M1＞当第一数值M2时，说明在最近N次中，该用户喜好该判定性问题的肯定回答的次数比喜好该问题的否定回答的次数多，最近更喜好该问题的肯定回答，因此，在当次提问中，机器人对该判定性问题做肯定回答。

若第一数值小于第二数值，则确定对判定性问题的回答为否定回答。

当第一数值M1＜当第一数值M2时，说明在最近N次中，该用户喜好该判定性问题的否定回答的次数比喜好该问题的肯定回答的次数多，最近更喜好该问题的否定回答，因此，在当次提问中，机器人对该判定性问题做否定回答。

若第一数值等于第二数值，则随机对判定性问题做肯定或否定回答。

当第一数值M1＝当第一数值M2时，说明在最近该用户喜好该判定性问题的否定回答的次数与喜好该问题的肯定回答的次数一样多，所以无法判断用户最近对该问题的回答的喜好，因此，最近随机对判定性问题做肯定或否定回答。

该实施方式的机器人对话方法，根据最近N次对判定性问题的回答的反馈对判定性问题进行回答，且N为大于1的自然数，能够根据最近用户该问题的回答的反馈来洞悉用户的喜好并消除少数异常反馈的影响，从而使得机器人回答用户问题时在保持合理性的同时极大地提高合情性，使得机器人在保持达理的同时更为通情，极大地提高用户对机器人回答的满意度，提高了机器人回答用户问题的情商。

所述系统还包括：

获取模块，用于获取所述用户对所述判定性问题的回答的反馈并存储至反馈知识库中。

用户对判定性问题的回答的反馈包括肯定反馈、否定反馈、未反馈以及其它无法判断的反馈。其它无法判断的反馈是指通过对用户的面部表情、动作及语音等无法判断用户的反馈倾向。未反馈是指在设定时间内未收到用户的反馈。

反馈知识库，用于存储所述用户的信息、所述判定性问题，对所述判定性问题的回答，所述用户对所述判定性问题的回答的反馈。

在另一种实施方式中，

所述输出模块，还用于在所述查找模块的查找结果为否时，随机对所述判定性问题进行肯回答。

若该用户之前未问过该判定性问题，或该用户问过该判定性问题但该用户没有对该判定性问题的回答给出肯定或否定的反馈，则将未存储有该用户对该判定性问题的回答的反馈，则随机对判定性问题进行回答。

在具体的实施方式中，获取模块，具体用于：

获取所述用户根据提示输入的对所述判定性问题的回答的反馈。

具体的，该机器人设置有输入装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过文字或语音提示用户在输入装置内输入对该判定性问题的反馈。

获取所述用户获取所述判断性问题的回答后的面部表情或动作，并根据所述面部表情和动作判断所述用户对所述判定性问题的回答的反馈。

具体的，该机器人设置有图像采集装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过采集用户获取该判定性问题的肯定或否定回答后的面部表情或动作，判断用户对判定性问题的回答的反馈，例如，用户点头或微笑表示对该判定性问题的回答的肯定反馈，摇头或生气的表情表示对该判定性问题的回答的否定反馈。

获取所述用户获取对所述判断性问题的回答后的语音，并根据所述语音判断所述用户对所述判定性问题的回答的反馈。

具体的，该机器人设置有语音采集装置，在机器人对该判定性问题做出肯定或否定回答后，机器人通过获取用户的语音，对语音进行识表以判断用户对判定性问题的回答的反馈。例如，用户获取该判定性问题的肯定或否定回答后，说“对”或“谢谢”表示对该判定性问题的回答的肯定反馈，说“错”或“不对”表示对该判定性问题的回答的否定反馈。

在具体的实施方式中，机器人可设置输入装置、图像采集装置和语音采集装置，通过任意一种方式获取用户对判定性问题的回答的肯定或否定反馈，并保存。

在具体的实施方式中，获取模块中保存的具体方式为，将用户的信息、判定性问题、机器人对判定性问题的回答以及用户对判定性问题的回答的反馈分别存入反馈知识库中的用户字段、问题字段、回答字段、反馈字段，并以用户字段和问题字段作为关键字段。

在具体的技术实现中，将用户的信息、判定性问题、机器人对判定性问题的回答以及用户对判定性问题的回答的反馈存入反馈知识库中，反馈知识库包括用户字段、问题字段、回答字段、反馈字段，以用户和问题作为关键字段；每次问答中的当前用户、当前问题、当前回答、当前反馈都存进反馈知识库中；当当前问答中的当前用户、当前问题、当前回答、当前反馈中的当前用户、当前问题已经存在于反馈知识库中，则将当前用户、当前问题、当前回答、当前反馈更新到反馈知识库中当前用户、当前问题所在的行；当当前问答中的当前用户、当前问题、当前回答、当前反馈中的当前用户、当前问题不存在于反馈知识库中，则将当前用户、当前问题、当前回答、当前反馈作为一行插入到反馈知识库。

相应的，查找模块30具体用于，

根据所述用户的信息和所述判定性问题查找所述反馈知识库中，判断是否存储所述用户的信息以及与所述用户的信息对应的所述判定性问题；

若是，则查找是否存储有与所述用户的信息和所述判定性问题对应的所述用户对所述判定性问题的回答的反馈。

若查找到存储有与用户的信息和判定性问题对应的所述用户对判定性问题的回答的反馈，则说明该判定性问题以前被该用户问过且该用户有对该个问题的回答给出反馈，并存储有用户对该判定性问题的回答的反馈。

若未存储有用户的信息以及与所述用户的信息对应的所述判定性问题，则说明该判定性问题以前没有被该用户问过。

若未存储有与用户的信息和判定性问题对应的用户对判定性问题的回答的反馈，则表示该判定性问题以前被该用户问过，但该用户没有对该个问题的回答给出反馈。

具体的，以该用户、该判定性问题检索反馈知识库，判断是否反馈知识库中存在该用户、该判定性问题对应的一行且该行中反馈为肯定或否定，从而，判断是否该判定性问题以前被该用户问过且该用户有对该个问题的回答给出肯定或否定的反馈。或，以该用户、该判定性问题检索反馈知识库，判断是否反馈知识库中不存在该个用户、该判定性问题对应的一行或存在该用户、该判定性问题对应的一行但该行中反馈为空或不为肯定也不为否定；当反馈知识库中存在该个用户、该个判定性问题对应的一行且该行中反馈为肯定或否定，则取出该个用户、该个判定性问题对应的该行中的回答和反馈。其中，问题、回答、反馈可以是中文，也可以是英文或其他语言。

现结合具体实施方式对本发明进行详细说明。

本发明还提供一种机器人，包括上述的机器人对话系统。

该机器人能够根据用户最近N次对判定性问题的回答的反馈对判定性问题进行回答，由于最近N次的反馈离现在时间最近，最能反映用户对该判定性问题的喜好，因此，通过该用户最近N次对判定性问题的回答的反馈给出用户喜好的回答，可以投用户所好，使得机器人对该判断性问题回答而言更通情达理，使得机器人能基于用户的最近反馈来预测用户的情感，提高用户对机器人的回答的满意度。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种机器人对话方法，包括：

接收用户的判定性问题；

查找反馈知识库中是否存储有所述用户对所述判定性问题的回答的反馈；

若是，则根据所述用户最近N次对所述判定性问题的回答的反馈获取对所述判定性问题的回答并输出，其中，N为大于1的自然数。

2.根据权利要求1所述的机器人对话方法，其特征在于，所述根据所述用户最近N次对所述判定性问题的回答的反馈获取对所述判定性问题的回答并输出的步骤包括：

获取最近N次中，对于所述判定性问题，所述用户喜好肯定回答的次数作为第一数值以及喜好否定回答的次数作为第二数值；

比较所述第一数值和所述第二数值的大小，并根据比较结果确定对所述判定性问题的回答并输出；

在所述根据所述用户最近N次对所述判定性问题的回答的反馈获取对所述判定性问题的回答并输出的步骤之后，还包括：

获取所述用户对所述判定性问题的回答的反馈并存储至所述反馈知识库中。

3.根据权利要求2所述的机器人对话方法，其特征在于，所述比较所述第一数值和所述第二数值的大小，并根据比较结果确定对所述判定性问题的回答并输出的步骤包括：

若所述第一数值大于所述第二数值，则确定对所述判定性问题的回答为肯定回答；

若所述第一数值小于所述第二数值，则确定对所述判定性问题的回答为否定回答；

若所述第一数值等于所述第二数值，则随机对所述判定性问题做肯定或否定回答。

4.根据权利要求1所述的机器人对话方法，其特征在于，若未存储有所述用户对所述判定性问题的回答的反馈，则执行步骤：

随机对所述判定性问题进行肯定或否定回答；

获取所述用户对所述判定性问题的回答的反馈并保存至所述反馈知识库中。

5.根据权利要求2或4所述的机器人对话方法，其特征在于，所述获取所述用户对所述判定性问题的回答的反馈包括：

获取所述用户根据提示输入的对所述判定性问题的回答的反馈；或，

获取所述用户获取所述判断性问题的回答后的面部表情或动作，并根据所述面部表情和动作判断所述用户对所述判定性问题的回答的反馈；或，

获取所述用户获取对所述判断性问题的回答后的语音，并根据所述语音判断所述用户对所述判定性问题的回答的反馈。

6.一种机器人对话系统，包括：

接收模块，用于接收用户的判定性问题；

查找模块，用于查找反馈知识库中是否存储有所述用户对所述判定性问题的回答的反馈；

输出模块，用于在所述查找模块的查找结果为是时，根据所述用户最近N次对所述判定性问题的回答的反馈获取对所述判定性问题的回答并输出，其中，N为大于1的自然数；

反馈知识库，用于存储所述用户的信息、所述判定性问题，机器人对所述判定性问题的回答以及所述用户对所述判定性问题的回答的反馈。

7.根据权利要求6所述的机器人对话系统，其特征在于，所述输出模块包括：

统计单元，用于获取最近N次中，对于所述判定性问题，所述用户喜好肯定回答的次数作为第一数值以及喜好否定回答的次数作为第二数值；

比较单元，用于比较所述第一数值和所述第二数值的大小，并根据比较结果确定对所述判定性问题的回答并输出；

所述系统还包括：

获取模块，用于获取所述用户对所述判定性问题的回答的反馈并存储至所述反馈知识库中。

8.根据权利要求6所述的机器人对话系统，其特征在于，所述输出模块，还用于在所述查找模块的查找结果为否时，随机对所述判定性问题进行肯定或否定回答。

9.根据权利要求7所述的机器人对话系统，其特征在于，获取模块，具体用于：

获取所述用户根据提示输入的对所述判定性问题的回答的反馈；或，

获取所述用户获取所述判断性问题的回答后的面部表情或动作，并根据所述面部表情和动作判断所述用户对所述判定性问题的回答的反馈；或，

获取所述用户获取对所述判断性问题的回答后的语音，并根据所述语音判断所述用户对所述判定性问题的回答的反馈。

10.一种机器人，其特征在于，包括权利要求6-9任一项所述的机器人对话系统。