CN106055641A - 一种面向智能机器人的人机交互方法及装置 - Google Patents

Abstract

一种面向智能机器人的人机交互方法及装置，该方法包括：交互信息获取步骤，获取用户输入的问题信息；反馈信息生成步骤，利用预设知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对问题信息的反馈信息。该方法能够有效弥补知识图谱数据量不足、结构化信息少的缺陷，从而有助于更加准确地生成针对问题信息的反馈信息，使得智能机器人能够更加生动、实时地输出相关答案，提高了智能机器人的用户粘度。

Description

一种面向智能机器人的人机交互方法及装置

技术领域

本发明涉及智能机器人技术领域，具体地说，涉及一种面向智能机器人的人机交互方法及装置。

背景技术

知识图谱本质上是语义网络，是一种基于图的数据结构，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。因此，现在越来越多的交互系统开始采用知识图谱来实现用于与智能机器人之间的对话。

然而，现有的知识图谱往往是根据百科数据(例如百度百科、维基百科等)这类词典数据构建出来的。利用这类知识图谱进行人机交互的数据处理时，往往只能是刻板地抽取知识图谱中的已有数据，无法生动、实时地输出针对不同问题的答案，导致智能机器人的用户体验较差。

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人机交互方法，其包括：

交互信息获取步骤，获取用户输入的问题信息；

反馈信息生成步骤，利用预设知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述问题信息的反馈信息。

根据本发明的一个实施例，在所述反馈信息生成步骤中，

通过检索外部监测网站和/或外部搜索引擎获取针对所述问题信息的语料；

从所述语料中抽取相关信息，得到所述事件性信息和/或实时性信息。

根据本发明的一个实施例，在所述反馈信息生成步骤中，

对所述问题信息进行语义解析，得到所述问题信息的问题实体；

基于所述问题实体，通过补充关于所述问题信息的隐实体，生成有效交互信息；

利用所述知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述有效交互信息的反馈信息。

根据本发明的一个实施例，所述方法还包括：

主动交互信息生成步骤，当在预设时长内获取到的问题信息持续为空信息时，利用所述事件性信息和/或实时性信息，生成主动交互信息。

根据本发明的一个实施例，所述方法还包括：

知识图谱扩充步骤，利用所述事件性信息和/或实时性信息对所述预设知识图谱进行内容扩充。

本发明还提供了一种面向智能机器人的人机交互装置，其包括：

交互信息获取模块，其用于获取用户输入的问题信息；

反馈信息生成模块，其用于利用预设知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述问题信息的反馈信息。

根据本发明的一个实施例，所述反馈信息生成模块配置为通过检索外部监测网站和/或外部搜索引擎获取针对所述问题信息的语料，并从所述语料中抽取相关信息，得到所述事件性信息和/或实时性信息。

根据本发明的一个实施例，所述反馈信息生成模块配置为首先对所述问题信息进行语义解析，得到所述问题信息的问题实体；随后基于所述问题实体，通过补充关于所述问题信息的隐实体，生成有效交互信息；最后利用所述知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述有效交互信息的反馈信息。

根据本发明的一个实施例，所述反馈信息生成模块配置为当在预设时长内获取到的问题信息持续为空信息时，利用所述事件性信息和/或实时性信息，生成主动交互信息。

根据本发明的一个实施例，所述装置还包括：

知识图谱扩充模块，其用于利用所述事件性信息和/或实时性信息对所述预设知识图谱进行内容扩充。

对于现有人机交互方法来说，由于这些方法只会从知识图谱中检索出预先存储的关系实体信息，因此当用户所输入的问题信息涉及到知识图谱中未包含的实体信息时，此时现有方法也就无法利用知识图谱得出正确的反馈信息，从而导致智能机器人无法回答用户输入的问题信息或者所输出的反馈信息与用户输入的问题信息关联度较差。

本发明所提供的面向智能机器人的人机交互方法在现有基于知识图谱进行人机交互的基础上，通过外部数据检索来获取到知识图谱所欠缺的数据信息(例如与问题信息有关的实时性信息和/或事件性信息等)，这样能够有效弥补知识图谱数据量不足、结构化信息少的缺陷，从而有助于更加准确地生成针对问题信息的反馈信息，使得智能机器人能够更加生动、实时地输出相关答案，提高了智能机器人的用户粘度。

该方法还能够利用检索得到的事件性信息和/或实时性信息来对知识图谱进行内容扩充，这样不仅克服了现有知识图谱数据获取方式单一的缺陷，还使得知识图谱能够对事件性信息和实时性信息进行掌握，丰富了知识图谱的数据结构。

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人机交互方法的流程图；

图2是根据本发明一个实施例的对问题信息进行处理的具体流程图；

图3是根据本发明另一个实施例的面向智能机器人的人机交互方法的流程图；

图4是根据本发明又一个实施例的面向智能机器人的人机交互方法的流程图；

图5是根据本发明一个实施例的面向智能机器人的人机交互装置的结构示意图。

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。

针对现有人机交互方法的缺陷，本发明提供了一种新的面向智能机器人的人机交互方法。为了更加清楚地阐述该方法的实现原理以及实现过程，以下分别结合不同的实施例来对该方法进行进一步的说明。

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人机交互方法的流程图。

如图1所示，本实施例中，该方法首先在步骤S101中获取用户输入的问题信息。在得到用户输入的问题信息后，该方法在步骤S102中利用预设知识图谱，结合获取到的事件性信息或实时性信息来生成针对上述问题信息的反馈信息。

具体地，如图2所示，在生成针对该问题信息的反馈信息时，该方法首先在步骤S201中对获取到的问题信息进行语义解析，从而得到该问题信息的问题实体；随后再在步骤S202中基于所得到的问题实体，补充关于问题信息的隐实体，从而生成该问题信息的有效交互信息；最后，再在步骤S203中利用预设知识图谱，结合所获得的事件性信息和/或实时性信息，生成正对该有效交互信息的反馈信息。

例如，当用户向智能机器人输入问题信息“硅谷亮城这边为什么堵车”时，该方法对于该问题信息进行句法分析，抽取出该问题信息的问题实体(例如关键词)，这些问题实体包括“硅谷亮城”和“堵车”。

而对于智能机器人来说，仅通过“硅谷亮城”和“堵车”这两个关键词无法准确、快速地确定出用户的意图，因此，该方法在抽取出的问题实体的基础上进行隐实体补充，以得到对应于用户输入的问题信息的有效交互信息。

例如，本实施例中，对于问题实体“硅谷亮城”和“堵车”，该方法将通过补充诸如“当前时间”等隐实体来生成有效交互信息。这样，智能机器人也就可以通过检索这些有效交互信息来生成所需要的反馈信息。

需要指出的是，在本发明的其他实施例中，该方法所补充的隐实体还可以为其他合理内容(例如用户实体等)，本发明不限于此。

本实施例中，根据用户输入的问题信息的不同，该方法在步骤S102中所获取到的既可能是事件性信息，也可能是实时性信息。本实施例中，事件性信息通常指的是关于某一实体的知识类信息，针对于同一实体，其事件性信息通常不会随着时间的推移而发生改变或其事件性信息随时间发生改变的周期较长。例如，对于实体“珠穆朗玛峰”，其海拔数据对事件并不敏感，因此其海拔信息则为事件性信息。

与之对应地，实时性信息则通常指的是对于时间较为敏感的信息。例如对于上述内容所提及的“堵车”，由于路况信息是随着时间的变化而快速变化的，而堵车也可能是由于各种不同的因素所导致的，因此堵车原因和路况也就是实时性信息。

本方法在获取针对问题信息的事件性信息和/或实时性信息时，会通过检索外部检测网站和/或外部搜索引擎来获取针对该问题信息的语料，随后从获取到的语料中抽取相关信息，从而得到针对该问题信息的事件性信息和/或实时性信息。

具体地，本实施例中，事件性信息优选地可以利用服务器集群来根据大量的网络数据实时分析和获取得到，而实时性信息则优选地可以通过搜索引擎来对当前新闻数据进行检索得到。

当然，在本发明的其他实施例中，该方法还可以采用其他合理的方式来获取关于用户输入的问题信息的事件性信息和/或实时性信息，本发明不限于此。

同时，还需要指出的是，在本发明的其他实施例中，该方法也可以采用其他合理的方式来根据获取到的事件性信息和/或实时性信息来生成针对于问题信息的反馈信息，本发明同样不限于此。

对于现有人机交互方法来说，由于这些方法只会从知识图谱中检索出预先存储的关系实体信息，因此当用户所输入的问题信息涉及到知识图谱中未包含的实体信息时，此时现有方法也就无法利用知识图谱得出正确的反馈信息，从而导致智能机器人无法回答用户输入的问题信息或者所输出的反馈信息与用户输入的问题信息关联度较差。

例如，对于用户输入的问题信息“为什么硅谷亮城这边堵车”，由于硅谷亮城堵车是实时发生的时间，并且堵车的原因并非是固定不变的，因此现有的人机交互方法利用已有的知识图谱将无法准确得出该问题信息的反馈答案。

而对于本实施例所提供的方法来说，其能够在使用知识图谱的基础上同时检索外部数据库来获取对应于该问题信息的事件性信息和/或实时性信息，从而准确得出该问题信息的反馈信息。例如，对于问题信息“为什么硅谷亮城这边堵车”，本方法通过检索实时新闻数据，可以检索到关于当日硅谷亮城修路的新闻公告，因此也就可以得出“硅谷亮城在修路”的反馈答案。

本实施例中，该方法在得到针对问题信息的反馈信息后，会将该反馈信息传输至智能机器人的人机交互系统，以由人机交互系统根据该反馈信息以及其他信息来生成针对该问题信息的有效答案信息并输出给用户。

本实施例中，该方法在步骤S101中持续获取用户输入的问题信息时，用户可能并未输入相关问题信息，此时该方法所获取到的问题信息将为空信息。为了进一步提高智能机器人的用户体验，本方法会持续判断在预设时长内获取到的问题信息是否持续为空信息，如果是，则利用获取到的事件性信息和/或实时性信息来生成主动交互信息，以实现与用户之间的主动交互。

需要指出的是，在本发明的不同实施例中，上述预设时长的取值可以根据不同的实际情况以及实际需要进行配置，本发明不限于此。

例如，当该方法在1分钟内未检测到用户输入相关问题信息(即在1分钟内所检测到的用户输入的问题信息持续为空信息)时，会检索当前的实时新闻，如果检索到“上海迪士尼试运营”的相关新闻，那么则会生成并输出诸如“上海迪士尼试运营啦，想不想去看看啊”的主动交互信息，以引发用户进行交互。这样也就避免了智能机器人与用户之间的长期沉默，增大了智能机器人与用户之间人机交互的几率，有助于提高智能机器人的用户粘度。

实施例二：

图3示出了本实施例所提供的面向智能机器人的人机交互方法的流程图。

如图3所示，本实施例所提供的方法首先在步骤S301中获取用户输入的问题信息。在得到用户输入的问题信息后，该方法在步骤S302中利用预设知识图谱，生成针对上述问题信息的反馈信息。

本实施例中，该方法在步骤S302中首先对步骤S301中获取到的问题信息进行语义解析，从而得到该问题信息的问题实体；随后基于所得到的问题实体，补充关于问题信息的隐实体，从而生成该问题信息的有效交互信息；最后利用预设知识图谱对所得到的有效交互信息进行检索，并根据检索结果生成针对该问题信息的反馈信息。

需要指出的是，本实施例中所提供的方法对问题信息进行处理得到有效交互信息的原理以及过程与实施例一中图2所涉及的内容类似，故在此不再赘述。

对于某些问题信息，利用预设知识图谱图谱无法得到该问题实体的完整的反馈信息。例如，对于问题信息“最近有什么好看的电影在上映”，由于知识图谱可调用百科类数据，这类知识图谱对于事件性和实时性的数据无法有效掌握，而上述问题信息具有较高的实时性，因此利用知识图谱也就无法准确获得针对该问题信息的答案。

针对上述情况，本方法在步骤S303中判断是否能够生成完整的反馈信息。如果该方法判定出利用知识图谱无法生成完整的反馈信息，则在步骤S304中进行外部数据检索，从而得到针对问题信息的事件性信息和/或实时性信息，最后在步骤S305中利用预设知识图谱，结合步骤S304中所获取到的事件性信息和/或实时性信息，生成针对问题信息的反馈信息。如果该方法判定利用预设知识图谱能够生成完整的反馈信息，那么也就不需要进行额外操作。

具体地，本实施例中，对于问题信息“最近有什么好看的电影在上映”，由于通过知识图谱检索无法得到这对该问题信息的反馈信息，因此该方法优选地通过检索外部影评网站的数据来获取当前正在上映的电影数据，并基于这些电影数据来生成该问题信息的反馈信息，例如生成诸如“最近好多大片在上映呢，电影A、电影B和电影C都很好看啊，下个月还有更多好看的电影要上映呢，有没有兴趣了解下呀”。

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人机交互方法在现有基于知识图谱进行人机交互的基础上，通过外部数据检索来获取到知识图谱所欠缺的数据信息(例如与问题信息有关的实时性信息和/或事件性信息等)，这样能够有效弥补知识图谱数据量不足、结构化信息少的缺陷，从而有助于更加准确地生成针对问题信息的反馈信息，使得智能机器人能够更加生动、实时地输出相关答案，提高了智能机器人的用户粘度。

实施例三：

知识图谱作为智能机器人问答系统的重要组成部分，为智能机器人实现深度问答提供了技术支持。然而，现有的知识图谱存在数据量不足、数据抽取方式单一的问题，现有数据图谱的数据大多是百科数据库的现有数据，这也就导致了现有知识图谱对于事件性和实时性的数据无法有效掌握。

针对该问题，本实施例所提供的面向智能机器人的人机交互方法能够对知识图谱的内容进行不断扩展，从而解决现有知识图谱数据量不足、数据抽取方式单一的问题。

具体地，如图4所示，本实施例所提供的方法在步骤S401中获取用户输入的问题信息，并在步骤S402中利用预设知识图谱生成针对该问题信息的反馈信息。

在步骤S403中，该方法判断利用预设知识图谱是否能生成完整的反馈信息，如果无法生成完整的反馈信息，则在步骤S404中进行外部数据检索以得到针对上述问题信息的事件性信息和/或实时性信息。在得到针对问题信息的事件性信息和/或实时性信息后，该方法在步骤S405中基于预设知识图谱，利用上述事件性信息和/或实时性信息来生成针对该问题信息的反馈信息。

需要指出的是，本实施例中步骤S401至步骤S404的具体实现原理以及实现过程与实施例三中步骤S301至步骤S304所阐述的内容类似，故在此不再这部分内容进行赘述。

如图4所示，本实施例所提供的方法在步骤S406中利用步骤S404中所获取到的针对问题信息的事件性信息和/或实时性信息对预设知识图谱进行内容扩充，从而知识图谱中的数据得以丰富。

需要指出的是，在本发明的其他实施例中，上述步骤S405和步骤S406的执行顺序可以颠倒，即先利用获取到的事件性信息和/或实时性信息对预设知识图谱进行内容扩充，再生成针对问题信息的反馈信息，本发明不限于此。

从上述描述中可以看出，本实施例所提供的方法在实施例三所提供方法的基础上，还能够利用检索得到的事件性信息和/或实时性信息来对知识图谱进行内容扩充，这样不仅克服了现有知识图谱数据获取方式单一的缺陷，还使得知识图谱能够对事件性信息和实时性信息进行掌握，丰富了知识图谱的数据结构。

本发明还提供了一种面向智能机器人的人机交互装置，图5示出了本实施例中该装置的结构示意图。

如图5所示，本实施例所提供的人机交互装置优选地包括：交互信息获取模块501、反馈信息生成模块502以及知识图谱扩充模块503。其中，交互信息获取模块501用于获取用户输入的问题信息。具体地，本实施例中，交互信息获取模块501优选地采用音频传感器来采集用户的语音数据，并通过对该语音数据进行自然语言处理等操作来得到用户输入的问题信息。

在得到问题信息后，交互信息获取模块501会将该问题信息传输给反馈信息生成模块502，以由反馈信息生成模块502来生成针对该问题信息的反馈信息。具体地，本实施例中，反馈信息生成模块502会利用预设知识图谱，并结合获取到的事件性信息和/或实时性信息来生成针对该问题信息的反馈信息。

需要指出的是，本实施例中，反馈信息生成模块502生成针对问题信息的反馈信息的具体实现原理以及实现过程与实施例一中步骤S102所阐述的内容类似，故在此不再赘述。

本实施例中，当交互信息获取模块501持续获取用户输入的问题信息时，用户可能并未输入相关问题信息，此时交互信息获取模块501所获取到的问题信息将为空信息。为了进一步提高智能机器人的用户体验，反馈信息生成模块502优选地会持续判断在预设时长内获取到的问题信息是否持续为空信息，如果是，则利用获取到的事件性信息和/或实时性信息来生成主动交互信息，以实现与用户之间的主动交互。

需要指出的是，在本发明的不同实施例中，上述预设时长的取值可以根据不同的实际情况以及实际需要进行配置，本发明不限于此。

在本发明的一个实施例中，反馈信息生成模块502还会判断是否能够利用于是知识图谱生成针对问题信息的完整的反馈信息。如果判定出利用知识图谱无法生成完整的反馈信息，反馈信息生成模块502则会进行外部数据检索，从而得到针对问题信息的事件性信息和/或实时性信息，并利用预设知识图谱，结合所获取到的事件性信息和/或实时性信息，生成针对问题信息的反馈信息。

如果反馈信息生成模块502无法利用知识图谱来生成针对问题信息的完整的反馈信息，这就说明知识图谱中缺少与问题信息相关的数据，因此本实施例中反馈信息生成模块502会将获取到的关于问题信息的事件性信息和/或实时性信息传输给知识图谱扩充模块503，以由知识图谱扩充模块503根据该时间性信息和/或实时性信息对知识图谱进行内容扩充。

从上述描述中可以看出，本发明所提供的面向智能机器人的人机交互装置在基于知识图谱进行人机交互的基础上，能够通过外部数据检索来获取到知识图谱所欠缺的数据信息(例如与问题信息有关的实时性信息和/或事件性信息等)，这样能够有效弥补知识图谱数据量不足、结构化信息少的缺陷，从而有助于更加准确地生成针对问题信息的反馈信息，使得智能机器人能够更加生动、实时地输出相关答案，提高了智能机器人的用户粘度。

同时，该装置还能够利用检索到的事件性信息和/或实时性信息来对知识图谱进行内容扩充，这样不仅克服了现有知识图谱数据获取方式单一的缺陷，还使得知识图谱能够对事件性信息和实时性信息进行掌握，丰富了知识图谱的数据结构。

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。

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 (10)

1.一种面向智能机器人的人机交互方法，其特征在于，包括：

交互信息获取步骤，获取用户输入的问题信息；

反馈信息生成步骤，利用预设知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述问题信息的反馈信息。

2.如权利要求1所述的方法，其特征在于，在所述反馈信息生成步骤中，

通过检索外部监测网站和/或外部搜索引擎获取针对所述问题信息的语料；

从所述语料中抽取相关信息，得到所述事件性信息和/或实时性信息。

3.如权利要求1或2所述的方法，其特征在于，在所述反馈信息生成步骤中，

对所述问题信息进行语义解析，得到所述问题信息的问题实体；

基于所述问题实体，通过补充关于所述问题信息的隐实体，生成有效交互信息；

利用所述知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述有效交互信息的反馈信息。

4.如权利要求1～3中任一项所述的方法，其特征在于，所述方法还包括：

主动交互信息生成步骤，当在预设时长内获取到的问题信息持续为空信息时，利用所述事件性信息和/或实时性信息，生成主动交互信息。

5.如权利要求1～4中任一项所述的方法，其特征在于，所述方法还包括：

知识图谱扩充步骤，利用所述事件性信息和/或实时性信息对所述预设知识图谱进行内容扩充。

6.一种面向智能机器人的人机交互装置，其特征在于，包括：

交互信息获取模块，其用于获取用户输入的问题信息；

反馈信息生成模块，其用于利用预设知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述问题信息的反馈信息。

7.如权利要求6所述的装置，其特征在于，所述反馈信息生成模块配置为通过检索外部监测网站和/或外部搜索引擎获取针对所述问题信息的语料，并从所述语料中抽取相关信息，得到所述事件性信息和/或实时性信息。

8.如权利要求6或7所述的装置，其特征在于，所述反馈信息生成模块配置为首先对所述问题信息进行语义解析，得到所述问题信息的问题实体；随后基于所述问题实体，通过补充关于所述问题信息的隐实体，生成有效交互信息；最后利用所述知识图谱，结合获取到的事件性信息和/或实时性信息，生成针对所述有效交互信息的反馈信息。

9.如权利要求6～8中任一项所述的装置，其特征在于，所述反馈信息生成模块配置为当在预设时长内获取到的问题信息持续为空信息时，利用所述事件性信息和/或实时性信息，生成主动交互信息。

10.如权利要求6～9中任一项所述的装置，其特征在于，所述装置还包括：

知识图谱扩充模块，其用于利用所述事件性信息和/或实时性信息对所述预设知识图谱进行内容扩充。