CN105931638B - 面向智能机器人的对话系统数据处理方法及装置 - Google Patents
面向智能机器人的对话系统数据处理方法及装置 Download PDFInfo
- Publication number
- CN105931638B CN105931638B CN201610266216.1A CN201610266216A CN105931638B CN 105931638 B CN105931638 B CN 105931638B CN 201610266216 A CN201610266216 A CN 201610266216A CN 105931638 B CN105931638 B CN 105931638B
- Authority
- CN
- China
- Prior art keywords
- topic
- target topic
- interactive
- information
- target
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/225—Feedback of the input speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
- G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
Abstract
一种面向智能机器人的对话系统数据处理方法及装置,该方法包括:步骤一,基于所获取的交互话题序列,按照预设规则从交互话题序列中提取目标话题;步骤二,根据目标话题的属性确定对应的输出模型,并基于预设知识图谱,根据目标话题的属性生成关联信息;步骤三,根据关联信息和输出模型生成对应于目标话题的反馈信息。通过该方法,对话系统能够时不时地针对用户的提问主动发起一些相关的话题,这样也就使得用户能够觉得对话系统真实地理解了自己的对话信息,从而使得人机交互能够持续下去,这样也就提高了对话系统的用户体验和用户粘度。
Description
技术领域
本发明涉及人机交互技术领域,具体地说,涉及面向智能机器人的对话系统数据处理方法及装置。
背景技术
传统的人机交互过程中,用户通常是通过键盘或鼠标等外设来将自己的命令传递给机器人。而这种人机方式操作复杂,效率低下,对于没有使用经验的用户来说,这种传统的人机交互方式成为用户与机器人进行沟通的障碍。
随着语音技术和自然语言处理技术的发展,基于语音交互的对话系统逐渐成为用户与智能机器人进行人机交互的必备系统。然而对于现有的对话系统而言,其工作方式通常是用户发起一个聊天,然后对话系统对用户输入的内容进行回答,这样一问一答,从而实现人机交互。因此,对话系统的回答就需要与用户发起的聊天主体相关,这样才能吸引用户继续就同一问题来与对话系统进行聊天,这样也就形成了对话。
然而,对于现有的对话系统来说,其所输出的对话内容常常与用户发起的聊天主题的关联度差,从而使得用户感觉聊天过程无趣,进而影响了人机对话过程的流畅度。
发明内容
为解决上述问题,本发明提供了一种面向智能机器人的对话系统数据处理方法,包括:
步骤一,基于所获取的交互话题序列,按照预设规则从所述交互话题序列中提取目标话题;
步骤二,根据所述目标话题的属性确定对应的输出模型,并基于预设知识图谱,根据所述目标话题的属性生成关联信息;
步骤三,根据所述关联信息和所述输出模型生成对应于所述目标话题的反馈信息。
根据本发明的一个实施例,在所述步骤一中,按照时间顺序从所述交互话题序列中提取所述目标话题。
根据本发明的一个实施例,在所述步骤二中,利用预设知识图谱,生成对应于当前目标话题的关联信息,其中,如果利用所述预设知识图谱无法生成对应于所述当前目标话题的关联信息,则返回步骤一以选取所述当前目标话题的上一交互话题作为目标话题来重新确定对应的输出模型和关联信息。
根据本发明的一个实施例,如果所述目标话题属于第一话题类型,则利用所述预设知识图谱确定出所述目标话题中实体的属性信息和关系信息,并将所述属性信息和关系信息作为所述目标话题的关联信息。
根据本发明的一个实施例,如果所述目标话题属于第二话题类型,则从所述目标话题的相关类别中选取交互实体,并利用所述预设知识图谱确定出所述交互实体对应的关联信息。
本发明还提供了一种面向智能机器人的对话系统数据处理装置,包括:
目标话题提取模块,基于所获取的交互话题序列,按照预设规则从所述交互话题序列中提取目标话题;
关联信息生成模块,根据所述目标话题的属性确定对应的输出模型,并基于预设知识图谱,根据所述目标话题的属性生成关联信息;
反馈信息生成模块,根据所述关联信息和所述输出模型生成对应于所述目标话题的反馈信息。
根据本发明的一个实施例,所述目标话题提取模块配置为按照时间顺序从所述交互话题序列中提取所述目标话题。
根据本发明的一个实施例,所述关联信息生成模块配置为利用预设知识图谱,生成对应于当前目标话题的关联信息,其中,如果利用所述预设知识图谱无法生成对应于所述当前目标话题的关联信息,所述目标话题提取模块则选取所述当前目标话题的上一交互话题作为目标话题来供所述关联信息生成模块重新确定对应的输出模型和关联信息。
根据本发明的一个实施例,如果所述目标话题属于第一话题类型,所述关联信息生成模块则配置为利用所述预设知识图谱确定出所述目标话题中实体的属性信息和关系信息,并将所述属性信息和关系信息作为所述目标话题的关联信息。
根据本发明的一个实施例,如果所述目标话题属于第二话题类型,所述关联信息生成模块则配置为从所述目标话题的相关类别中选取交互实体,并利用所述预设知识图谱确定出所述交互实体对应的关联信息。
本发明提供的面向智能机器人的对话系统数据处理方法及装置,能够使得对话系统变得更加智能,从而使得对话系统能够更加真实地模拟聊天场景。通过该数据处理方法及装置,对话系统能够时不时地针对用户的提问主动发起一些相关的话题,这样也就使得用户能够觉得对话系统真实地理解了自己的对话信息,从而使得人机交互能够持续下去,这样也就提高了对话系统的用户体验和用户粘度。
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
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是根据本发明一个实施例的面向智能机器人的对话系统数据处理方法的流程图;
图2是根据本发明另一个实施例的面向智能机器人的对话系统数据处理方法的流程图;
图3是根据本发明一个实施例的生成关联信息的流程图;
图4是本发明一个实施例的面向智能机器人的对话系统数据处理装置的结构示意图。
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。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
AI(Artificial Intelligence,人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,它是计算机科学的一个分支,企图了解智能的实质,并产生一种新的能以人类智能相似的方式做出反应的智能机器。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI自诞生以来,理论和技术日益成熟,其应用领域也在不断扩大。
AI对话系统通过AI来确定用户所输入问题的答案并向用户反馈。传统的AI对话系统与用户对话的模式都是用户发起一个聊天,随后AI对话系统进行回答,这样一问一答便形成了对话。当然,AI对话系统回复的内容需要与用户发起的聊天主题相关,这样才能够吸引用户在同一问题上进行聊天。
然而,传统的AI对话系统无法像人一样进行一些主动的聊天,这样也就使得传统的对话系统只能被动的回答用户提出的问题。这样三四轮对话下来很容易使得用户感到无趣,从而不愿意再继续与对话系统进行对话。
针对传统对话系统所存在的上述问题,本发明提供了一种新的面向智能机器人的对话系统数据处理方法及装置,该方法及装置能够使得对话系统变得更加智能,从而使得对话系统能够更加真实地模拟聊天场景。通过该数据处理方法及装置,对话系统能够时不时地针对用户的提问主动发起一些相关的话题,这样也就使得用户能够觉得对话系统真实地理解了自己的对话信息,从而使得人机交互能够持续下去,这样也就提高了对话系统的用户体验和用户粘度。
为了更加清楚的表明本发明所提供的面向智能机器人的对话系统数据处理方法的实现原理、实现过程以及优点,以下分别结合不同的实施例来对该方法进行进一步地说明。
实施例一:
图1示出了本实施例所提供的面向智能机器人的对话系统数据处理方法的流程图。
如图1所示,该方法首先在步骤S101中基于所获取的交互话题序列,按照预设规则来从该交互话题序列中提取目标话题。
具体地,本实施例中,当该对话系统通过决策确定当前需要向用户发起主动询问时,其会从前几轮的对话数据中按照时间顺序抽取出一些交互话题,从而形成交互话题序列。本方法在步骤S101中会在该交互话题序列中按照预设规则来提取出目标话题,该目标话题也就是该方法在生成反馈信息时所需要参考的话题。这样,该方法最终生成并输出的反馈信息也就会与目标话题相关,从而使得用户觉得对话系统是真实地理解了自己的对话内容。
当确定出目标话题后,该方法在步骤S102中根据该目标话题的属性确定对应的输出模型。同时,该方法还将在步骤S103中基于预设知识图谱来根据目标话题的属性生成对应的关联信息。
本实施例中,在步骤S102中所确定的输出模型可以视为输出给用户的交互信息的模板,在某些情况下,该模板可以表征出输出给用户的交互信息的句式以及句型等信息。
为了更加准确地确定出目标话题的关联信息,本实施例所提供的方法在对话系统中添加了知识图谱的支持,从而使得对话系统在进行主动询问时有更加准确的数据支持,这样也就使得对话系统所推荐的事物(例如对话系统主动发起的询问中所包含的内容)能够与用户的交互话题具有更高的相关性。
知识图谱本质上是语义网络,其由节点(point)和边(edge)组成。在知识图谱中,每个节点表示现实世界中存在的“实体”,每条边表示实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
例如,当目标话题中包含实体“姚明”时,该方法利用预设知识图谱可以得到姚明的妻子是叶莉,同时姚明最近在参加两会,那么在步骤S103中利用知识图谱所得到的对应于实体“姚明”的关联信息则可能是“叶莉”和“两会”。
在得到对应于目标话题的输出模型和关联信息后,该方法在步骤S104中根据步骤S102中所得到的输出模型和步骤S103中所得到的关联信息生成对应于目标话题的反馈信息。
具体地,本实施例中,在根据输出模型和关联信息生成反馈信息时,优选地通过将关联信息填充到输出模型中的对应位置处,并通过进一步地处理从而生成符合用户交互习惯的反馈信息。
在步骤S103中,利用知识图谱所得到的目标话题的关联信息为“叶莉”和“两会”,那么该方法在步骤S104中所生成的反馈信息可以为“姚明最近在参加两会,你知道叶莉去了吗”。
通过该反馈信息可以看出,当用户与对话系统的交互话题涉及到“姚明”时,对话系统利用本方法可以主动向用户提出诸如“姚明最近在参加两会,你知道叶莉去了吗”的交互反馈。该反馈信息一方面与姚明有关,另一方面还告诉了用户有关姚明的最新新闻(即姚明去参加两会了),再者还能够将姚明的妻子叶莉也引入话题中。通过这种方式,在保证话题相关度的前提下,很好地对交互话题进行了延展,这不仅能够保证用户对对话系统所反馈的交互信息的满意度,还能够促使用户与对话系统继续进行更加深入的话题交互,从而提高了对话系统的用户体验和用户粘度。
实施例二:
图2示出了本实施例中所提供的面向智能机器人的对话系统数据处理方法的流程图。
如图2所示,本实施例中,该方法在步骤S201中获取交互话题序列,并将参数i设置为1。
本实施例中,该方法在步骤S201中所获取到的交互话题序列中包含多个交互话题,这些交互话题按照时间顺序排列。其中,交互话题序列中第1个交互话题为离当前时刻最近的交互话题,而交互话题序列中越往后的交互话题离当前时刻越远。
在步骤S202中,将交互话题序列中的第i个交互话题作为目标话题,并在步骤S203中基于预设知识图谱,根据目标话题的属性生成对应于目标话题的关联信息。
由于参数i的初始值为1,因此该方法在步骤S202中将交互话题序列中的第1个交互话题作为了目标话题来分析,即该方法首先分析离当前时刻最近的交互话题。由于离当前时刻越近的交互话题能够更加准确地反映出用户的交互意图,因此本实施例中通过首先分析离当前时刻最近的交互话题能够使得最终生成并输出给用户的反馈信息更加符合用户的交互期望,从而保证了人机交互内容的连续性。
本实施例中,该方法在步骤S203中利用预设知识图谱生成对应于目标话题的关联信息的实现原理以及实现过程与实施例一中步骤S103所阐述的内容类似,故在此不再赘述。
对于某些交互话题来说,通过预设知识图谱无法生成对应于这些交互话题的关联信息,因此如图2所示,本实施例所提供的方法在步骤S204中判断是否能够正常生成对应于目标话题的关联信息。
如果利用预设知识图谱能够正常生成对应于目标交互话题的关联信息,那么该方法则在步骤S206中根据目标话题的属性确定输出模型,并在步骤S207中根据输出步骤S203中确定出的对应于目标话题的关联信息和步骤S206中确定出的对应于目标话题的输出模型,生成对应于目标话题的反馈信息。
本实施例中,步骤S206和步骤S207的实现原理以及实现过程与实施例一中图1所示的步骤S102以及步骤S104所阐述的内容类似,故在此不在赘述。同时,还需要说明的是,在本发明的其他实施例中,该方法也可以在判断利用是否能够利用预设知识图谱正常生成对应于目标话题的关联信息和/或生成关联信息之前,来根据目标话题的属性确定输出模型,本发明不限于此。
而如果利用预设知识图谱无法正常生成对应于目标交互话题的关联信息,那么该方法则在步骤S205中将参数i的取值加1后反馈步骤S202以重新执行步骤S202。此时,由于参数i的取值为2,因此此时所分析的交互话题将是交互话题序列中的第2个交互话题,该交互话题也即为当前交互话题的前一交互话题。
根据上述描述可以看出,在实施例一所提供的对话系统数据处理方法的基础上,本实施例所提提供的面向智能机器人的对话系统数据处理方法还通过进一步判断所提取的目标话题是否能够利用知识图谱得到对应的关联信息,这样能够使得最终生成的反馈信息更加准确、关联度更高。
实施例三:
本实施例所提供的面向智能机器人的对话系统数据处理方法首先根据获取到的交互话题序列,按照预设规则来从该交互话题序列中提取目标话题,随后根据目标话题的属性来确定目标话题所对应的输出模型,并且还利用预设知识图谱来根据目标话题的属性生成关联信息。
需要指出的是,本实施例中,目标话题的提取原理以及过程与实施例二所阐述的目标话题的提取原理以及提取过程相同,故在此不再赘述。
本实施例中,对应于目标话题的关联信息是根据目标话题的话题类型来生成的,其具体生成过程如图3所示。
如图3所示,本实施例所提供的方法在利用预设知识图谱生成对应于目标话题的关联信息时,首先在步骤S301中获取目标话题的话题类型。本实施例中,交互话题的话题类型优选地包括两类,即第一话题类型和第二话题类型。其中,第一话题类型为针对具体的一个实体的交互话题,例如某交互话题中包含命名实体“姚明”,而“姚明”便是一个具体的实体,因此该交互话题也就属于第一话题类型。第二话题类型为针对一个类别的交互话题,例如某交互话题中包含关键词“科技”,由于“科技”不是表征一个具体的实体而是表征某一类实体的集合,因此该交互话题也就属于第二话题类型。
本实施例中,如果在步骤S302中判断出目标话题属于第一话题类型,那么该方法则在步骤S303中利用预设知识图谱确定出目标中实体的属性信息和关系信息,并将这些属性信息和关系信息作为目标话题的关联信息。
而如果该方法在步骤S304中判断出目标话题属于属于第二话题类型的话,那么该方法则在步骤S305中从目标话题的相关类别中选取交互实体,并在步骤S306中利用预设知识图谱确定出该交互实体所对应的关联信息。
例如目标话题是针对“科技”这一类别的,那么该方法将在步骤S305中从“科技”这个类别中选取最热门的交互实体,例如“AlphaGo”、“引力波”或“核弹”等。随后在步骤S306中,利用预设知识谱图可以确定出步骤S305中所得到的交互实体的关联信息。例如,对于交互实体“AlphaGo”,利用知识图谱可以得到诸如“李世石”的关联信息;对于“核弹”,利用知识图谱可以得到诸如“朝鲜”的关联信息。
在得到目标话题的关联信息和输出模型后,该方法便可以根据该关联信息和输出模型生成对应于目标话题的反馈信息。
例如,对于包含实体“姚明”的目标话题,该方法确定出的目标话题的关联信息为“叶莉”和“两会”,那么该方法最终可以生成诸如“姚明最近在参加两会,你知道叶莉去了吗”的反馈信息;对于属于“科技”类别的目标话题,对于所选取的交互实体“AlphaGo”,该方法确定出的目标话题的关联信息为“李世石”,那么该方法最终可以生成诸如“你知道AlphaGo吗,它最近可战胜了李世石”的反馈信息;而对于属于“科技”类别的目标话题,对于所选取的交互实体“核弹”,该方法确定出的目标话题的关联信息为“朝鲜”,那么该方法最终可以生成诸如“你知道朝鲜又进行了核弹试验吗”的反馈信息。
需要指出的是,本实施例中,当当前所选取的目标话题属于第二话题类型时,如果无法从目标话题所属的类别中选取出合适的交互实体,那么该方法将从交互话题序列中选取出下一交互话题作为目标话题来进行分析。
从上述描述中可以看出,本实施例所提供的方法在实施例一以及实施例二所提供的方法的基础上,还能够根据目标话题所属的不同话题类型来采用不同的处理方式来生成反馈信息,该方法进一步提高了所生成的反馈信息与目标话题的关联度,改善了对话系统的用户体验。
本实施例还提供了一种面向智能机器人的对话系统数据处理装置,图4示出了该装置的结构示意图。
如图4所示,本实施例中,该对话系统数据处理装置优选地包括:交互话题提取模块401、关联信息生成模块402以及反馈信息生成模块403。当对话系统通过决策确定当前需要向用户发起主动询问时,其会从前几轮的对话数据中按照时间顺序抽取出一些交互话题,从而形成交互话题序列。交互话题提取模块401则会基于所获取的交互话题序列,按照预设规则来从该交互话题序列中提取目标话题。
当确定出目标话题后,交互话题提取模块401会将提取到的目标话题传输给关联信息生成模块402。关联信息生成模块402会根据目标话题的属性确定出对应的输出模型,同时,其还会基于预设知识图谱来根据目标话题的属性生成对应的关联信息。
本实施例中,关联信息生成模块402所确定的输出模型可以视为输出给用户的交互信息的模板,在某些情况下,该模板可以表征出输出给用户的交互信息的句式以及句型等信息。
为了更加准确地确定出目标话题的关联信息,本实施例所提供的装置在对话系统中添加了知识图谱的支持,从而使得对话系统在进行主动询问时有更加准确的数据支持,这样也就使得对话系统所推荐的事物(例如对话系统主动发起的询问中所包含的内容)能够与用户的交互话题具有更高的相关性。
在得到对应于目标话题的输出模型和关联信息后,关联信息生成模块402会将确定出的输出模型和关联信息传输给反馈信息生成模块403。反馈信息生成模块403会根据输出模型和关联信息生成对应于目标话题的反馈信息。
具体地,本实施例中,反馈信息生成模块403在根据输出模型和关联信息生成反馈信息时,优选地通过将关联信息填充到输出模型中的对应位置处,并通过进一步地处理从而生成符合用户交互习惯的反馈信息。
例如,目标话题提取模块401所确定出的目标话题包含实体“叙利亚”,关联信息生成模块402利用知识图谱所得到的目标话题的关联信息为“难民危机”,那么反馈信息生成模块所生成的反馈信息可以为“你知道叙利亚难民危机现在处理得怎么样了吗”。
本实施例中,当关联信息生成模块402利用预设知识图谱无法得到当前目标话题的关联信息时,此时目标话题提取模块401会提取交互话题序列中的下一交互话题来作为新的目标话题,并将该目标话题传输给关联信息生成模块402,以由关联信息生成模块402进行进一步地处理。
需要指出的是,本实施例中,关联信息生成模块402会根据标话题的话题类型来采用不同的方式来生成的关联信息。具体地,关联信息生成模块402首先获取目标话题的话题类型。本实施例中,交互话题的话题类型优选地包括两类,即第一话题类型和第二话题类型。其中,第一话题类型为针对具体的一个实体的交互话题,例如某交互话题中包含命名实体“姚明”,而“姚明”便是一个具体的实体,因此该交互话题也就属于第一话题类型。第二话题类型为针对一个类别的交互话题,例如某交互话题中包含关键词“科技”,由于“科技”不是表征一个具体的实体而是表征某一类实体的集合,因此该交互话题也就属于第二话题类型。
如果关联信息生成模块402判断出目标话题属于第一话题类型,那么其会利用预设知识图谱确定出目标中实体的属性信息和关系信息,并将这些属性信息和关系信息作为目标话题的关联信息。
而如果关联信息生成模块402判断出目标话题属于属于第二话题类型的话,那么其会从目标话题的相关类别中选取交互实体,并利用预设知识图谱确定出该交互实体所对应的关联信息。
从上述描述中可以看出,本实施例所提供的面向智能机器人的对话系统数据处理装置能够使得对话系统变得更加智能,从而使得对话系统能够更加真实地模拟聊天场景。通过该装置,对话系统能够时不时地针对用户的提问主动发起一些相关的话题,这样也就使得用户能够觉得对话系统真实地理解了自己的对话信息,从而使得人机交互能够持续下去,这样也就提高了对话系统的用户体验和用户粘度。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权利要求书来限定。
Claims (4)
1.一种面向智能机器人的对话系统数据处理方法,其特征在于,包括:
步骤一,基于所获取的交互话题序列,按照预设规则从所述交互话题序列中提取目标话题,其中,向用户发起主动询问时,从多轮对话数据中按照时间顺序抽取交互话题,从而形成所述交互话题序列;
步骤二,根据所述目标话题的属性确定对应的输出模型,并基于预设知识图谱,根据所述目标话题的属性生成关联信息;
步骤三,根据所述关联信息和所述输出模型生成对应于所述目标话题的反馈信息,
其中,如果所述目标话题属于第一话题类型,则利用所述预设知识图谱确定出所述目标话题中实体的属性信息和关系信息,并将所述属性信息和关系信息作为所述目标话题的关联信息,如果所述目标话题属于第二话题类型,则从所述目标话题的相关类别中选取交互实体,并利用所述预设知识图谱确定出所述交互实体对应的关联信息。
2.如权利要求1所述的方法,其特征在于,在所述步骤二中,利用预设知识图谱,生成对应于当前目标话题的关联信息,其中,如果利用所述预设知识图谱无法生成对应于所述当前目标话题的关联信息,则返回步骤一以选取所述当前目标话题的上一交互话题作为目标话题来重新确定对应的输出模型和关联信息。
3.一种面向智能机器人的对话系统数据处理装置,其特征在于,包括:
目标话题提取模块,基于所获取的交互话题序列,按照预设规则从所述交互话题序列中提取目标话题,其中,向用户发起主动询问时,从多轮对话数据中按照时间顺序抽取交互话题,从而形成所述交互话题序列;
关联信息生成模块,根据所述目标话题的属性确定对应的输出模型,并基于预设知识图谱,根据所述目标话题的属性生成关联信息;
反馈信息生成模块,根据所述关联信息和所述输出模型生成对应于所述目标话题的反馈信息,
其中,如果所述目标话题属于第一话题类型,所述关联信息生成模块则配置为利用所述预设知识图谱确定出所述目标话题中实体的属性信息和关系信息,并将所述属性信息和关系信息作为所述目标话题的关联信息,如果所述目标话题属于第二话题类型,所述关联信息生成模块则配置为从所述目标话题的相关类别中选取交互实体,并利用所述预设知识图谱确定出所述交互实体对应的关联信息。
4.如权利要求3所述的装置,其特征在于,所述关联信息生成模块配置为利用预设知识图谱,生成对应于当前目标话题的关联信息,其中,如果利用所述预设知识图谱无法生成对应于所述当前目标话题的关联信息,所述目标话题提取模块则选取所述当前目标话题的上一交互话题作为目标话题来供所述关联信息生成模块重新确定对应的输出模型和关联信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266216.1A CN105931638B (zh) | 2016-04-26 | 2016-04-26 | 面向智能机器人的对话系统数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266216.1A CN105931638B (zh) | 2016-04-26 | 2016-04-26 | 面向智能机器人的对话系统数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931638A CN105931638A (zh) | 2016-09-07 |
CN105931638B true CN105931638B (zh) | 2019-12-24 |
Family
ID=56837276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610266216.1A Active CN105931638B (zh) | 2016-04-26 | 2016-04-26 | 面向智能机器人的对话系统数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931638B (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871254A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 提供数据对象信息的方法及装置 |
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 |
CN108319599B (zh) * | 2017-01-17 | 2021-02-26 | 华为技术有限公司 | 一种人机对话的方法和装置 |
WO2018157349A1 (zh) * | 2017-03-02 | 2018-09-07 | 深圳前海达闼云端智能科技有限公司 | 一种机器人交互方法及交互机器人 |
CN107273477A (zh) * | 2017-06-09 | 2017-10-20 | 北京光年无限科技有限公司 | 一种用于机器人的人机交互方法及装置 |
CN110019824A (zh) * | 2017-07-20 | 2019-07-16 | 苏州狗尾草智能科技有限公司 | 基于知识图谱的人机交互方法、装置及系统 |
CN107562788B (zh) * | 2017-07-28 | 2021-02-19 | 深圳前海微众银行股份有限公司 | 交互方法、装置及计算机可读存储介质 |
CN107870994A (zh) * | 2017-10-31 | 2018-04-03 | 北京光年无限科技有限公司 | 用于智能机器人的人机交互方法及系统 |
CN108037905B (zh) * | 2017-11-21 | 2021-12-21 | 北京光年无限科技有限公司 | 一种用于智能机器人的交互输出方法及智能机器人 |
CN110019727A (zh) * | 2017-12-25 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 智能交互方法、装置、终端设备以及存储介质 |
US11341422B2 (en) | 2017-12-15 | 2022-05-24 | SHANGHAI XIAOl ROBOT TECHNOLOGY CO., LTD. | Multi-round questioning and answering methods, methods for generating a multi-round questioning and answering system, and methods for modifying the system |
CN110019716B (zh) * | 2017-12-15 | 2021-11-12 | 上海智臻智能网络科技股份有限公司 | 多轮问答方法、终端设备以及存储介质 |
CN110020014B (zh) * | 2017-12-15 | 2021-11-12 | 上海智臻智能网络科技股份有限公司 | 多轮问答装置 |
CN108519998B (zh) * | 2018-03-07 | 2021-05-14 | 云知声智能科技股份有限公司 | 基于知识图谱的问题引导方法及装置 |
CN108509563A (zh) * | 2018-03-23 | 2018-09-07 | 深圳狗尾草智能科技有限公司 | 基于知识图谱的机器人推理联想方法、装置、设备及介质 |
CN110209778A (zh) * | 2018-04-11 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种对话生成的方法以及相关装置 |
CN108932278B (zh) * | 2018-04-28 | 2021-05-18 | 厦门快商通信息技术有限公司 | 基于语义框架的人机对话方法及系统 |
CN109002477B (zh) * | 2018-06-19 | 2022-04-12 | 深圳市元征科技股份有限公司 | 信息处理方法、装置、终端及介质 |
CN109086329B (zh) * | 2018-06-29 | 2021-01-05 | 出门问问信息科技有限公司 | 基于话题关键词引导的进行多轮对话方法及装置 |
CN110895936B (zh) * | 2018-09-13 | 2020-09-25 | 珠海格力电器股份有限公司 | 基于家用电器的语音处理方法和装置 |
WO2020067710A1 (ko) * | 2018-09-27 | 2020-04-02 | 삼성전자 주식회사 | 대화형 인터페이스를 제공하는 방법 및 시스템 |
CN109726279B (zh) * | 2018-12-30 | 2021-05-18 | 联想(北京)有限公司 | 一种数据处理方法及装置 |
CN111552784A (zh) * | 2019-02-12 | 2020-08-18 | 厦门邑通软件科技有限公司 | 一种基于abc沟通法则的人机对话方法 |
CN110442694A (zh) * | 2019-02-26 | 2019-11-12 | 北京蓦然认知科技有限公司 | 一种智能交互平台训练方法、装置、设备 |
CN110047479A (zh) * | 2019-04-18 | 2019-07-23 | 深圳市三宝创新智能有限公司 | 一种用于智能机器人的语音交互装置 |
CN110138986B (zh) * | 2019-04-30 | 2021-01-22 | 五竹科技(北京)有限公司 | 与外呼流程相关的知识图谱的构建方法、装置及存储介质 |
CN110364152B (zh) * | 2019-07-25 | 2022-04-01 | 深圳智慧林网络科技有限公司 | 语音交互方法、设备及计算机可读存储介质 |
CN112735398B (zh) * | 2019-10-28 | 2022-09-06 | 思必驰科技股份有限公司 | 人机对话模式切换方法及系统 |
CN110941710B (zh) * | 2019-11-27 | 2020-10-30 | 贝壳找房(北京)科技有限公司 | 用于实现会话的方法、装置、介质以及电子设备 |
JP7248615B2 (ja) * | 2020-03-19 | 2023-03-29 | ヤフー株式会社 | 出力装置、出力方法及び出力プログラム |
CN111460120A (zh) * | 2020-03-31 | 2020-07-28 | 河北省讯飞人工智能研究院 | 一种对话管理方法、装置、设备及存储介质 |
CN111816173A (zh) * | 2020-06-01 | 2020-10-23 | 珠海格力电器股份有限公司 | 对话数据处理方法、装置、存储介质及计算机设备 |
CN112988994B (zh) * | 2021-03-04 | 2023-03-21 | 网易(杭州)网络有限公司 | 对话处理方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5232260B2 (ja) * | 2011-03-11 | 2013-07-10 | 株式会社東芝 | 話題抽出装置及びプログラム |
KR20150085335A (ko) * | 2014-01-15 | 2015-07-23 | 한국전자통신연구원 | 빅 데이터 기반 운전자와 차량 상호작용을 위한 ux 학습 테스트 베드 시스템 |
CN105094315B (zh) * | 2015-06-25 | 2018-03-06 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机智能聊天的方法和装置 |
CN105446491B (zh) * | 2015-12-16 | 2018-09-18 | 北京光年无限科技有限公司 | 一种基于智能机器人的交互方法和装置 |
-
2016
- 2016-04-26 CN CN201610266216.1A patent/CN105931638B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105931638A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931638B (zh) | 面向智能机器人的对话系统数据处理方法及装置 | |
KR101925440B1 (ko) | 가상현실 기반 대화형 인공지능을 이용한 화상 대화 서비스 제공 방법 | |
CN106951468B (zh) | 对话生成方法及装置 | |
CN106326440B (zh) | 一种面向智能机器人的人机交互方法及装置 | |
CN106407178B (zh) | 一种会话摘要生成方法、装置、服务器设备以及终端设备 | |
CN106599998B (zh) | 基于情感特征调整机器人回答的方法及系统 | |
WO2017186050A1 (zh) | 人机智能问答系统的断句识别方法和装置 | |
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
CN108984778A (zh) | 一种智能交互自动问答系统以及自我学习方法 | |
KR102159220B1 (ko) | 효과적인 대화 관리를 위한 의료 시스템에서의 의도-컨텍스트 융합 방법 | |
RU2693332C1 (ru) | Способ и компьютерное устройство для выбора текущего зависящего от контекста ответа для текущего пользовательского запроса | |
CN107807734A (zh) | 一种用于智能机器人的交互输出方法以及系统 | |
KR20190046062A (ko) | 대화 시스템을 위한 대화 시나리오 데이터베이스 구축 방법 및 장치 | |
CN110532363A (zh) | 一种基于决策树的任务导向型自动对话方法 | |
CN106708950B (zh) | 用于智能机器人自学习系统的数据处理方法及装置 | |
CN112685550A (zh) | 智能问答方法、装置、服务器及计算机可读存储介质 | |
CN116956116A (zh) | 文本的处理方法和装置、存储介质及电子设备 | |
CN116737910A (zh) | 智能对话处理方法、装置、设备及存储介质 | |
KR20180116103A (ko) | 온톨로지 대화 관계망을 이용한 연속 대화 방법 및 시스템 | |
Fariha et al. | A new framework for mining frequent interaction patterns from meeting databases | |
JP2013119155A (ja) | シナリオ生成装置およびシナリオ生成方法 | |
Huang et al. | Applied to mobile multimedia intelligent speech system interactive topic guiding model | |
CN109002498B (zh) | 人机对话方法、装置、设备及存储介质 | |
CN116795971A (zh) | 一种基于生成式语言模型的人机对话场景构建系统 | |
Lugrin et al. | Modeling and evaluating a bayesian network of culture-dependent behaviors |
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 |