CN107133349B - 一种对话机器人系统 - Google Patents

Abstract

本发明涉及一种对话机器人系统，该系统包括：多媒体处理模块、多渠道接入模块、场景决策模块、日常对话子系统、知识问答子系统、主动对话子系统、任务对话子系统和状态管理模块，该系统使得对话机器人在具备日常对话、知识问答和任务对话的能力的基础上，可以根据特定场景主动触发一系列特定话术，与用户进行沟通，收集并校验用户的答案，执行相应的业务命令。

Description

一种对话机器人系统

技术领域

本发明涉及人机交互技术领域，尤其涉及一种对话机器人系统。

背景技术

对话机器人，又称聊天机器人，或者问答系统，是指能够让人和机器之间，使用自然语言的方式进行沟通交流的软件系统。随着以深度学习为代表的人工智能技术的进步，对话机器人系统，迎来了新一轮的发展热潮。目前，对话机器人一定程度上已经能够理解来自用户的自然语言问题所表达的真实语义，甚至可以结合对话过程中的上下文信息，从而给出最合适的答案。正因为此，对话机器人，已经开始在人们的工作和生活中扮演越来越重要的角色，这也使得对话机器人背后的自然语言处理技术被称为人工智能皇冠上的明珠，成为科研界、企业界持续关注的热点方向。

目前已有的对话机器人系统，在日常对话，知识问答，任务对话上已经取得比较好的效果。日常对话是指用户和机器人进行寒暄、闲聊，比如“你好”、“你有男朋友吗”这类问题，这类问题用户期望机器人能够像人一样进行恰当、聪明、幽默、诙谐的回复；知识问答是指用户希望通过询问机器人获取特定问题的答案，比如“如何办理身份证”、“商品退货的流程”等，这类问题用户期望机器人能够给出准确的解释和说明从而满足用户获取信息的需求；任务对话是指用户希望机器人提供特定的服务，比如“今天的北京的天气”、“帮我预定明天北京到上海的机票”等，这类问题用户期望机器人担当个人助理的角色。这三类对话有一个共同的特点，就是触发条件依赖用户的主动提问，机器人基于自己的知识库和支持的服务类型被动式回答。

但是，很多服务行业都存在需要主动式服务的场景，特别是一些需要进行信息收集的场景，以出国旅游中的美国签证办理服务为例，签证办理服务人员需要向用户询问上百个问题，涉及用户的基本信息、护照信息、职业与通信信息、旅游信息、家庭成员信息等等，这个信息收集的过程对服务人员来说冗长、枯燥、耗时、易错。目前的被动式对话机器人受限于依赖用户主动提问的触发机制无法胜任这些工作，因此这些工作都需要通过人工来完成，给企业带来非常大的人力成本，制约了企业的进一步发展。这就使得发明一种主动交互式对话机器人系统，同时具备日常对话、知识问答、任务对话、主动对话的能力变得非常迫切。

发明内容

本发明提出一种对话机器人系统，从而使得对话机器人在具备日常对话、知识问答和任务对话的能力的基础上，可以根据特定场景主动触发一系列特定话术，与用户进行沟通，收集并校验用户的答案，执行相应的业务命令。

本发明提出一种对话机器人系统，该系统包括：多媒体处理模块、多渠道接入模块、场景决策模块、日常对话子系统、知识问答子系统、主动对话子系统、任务对话子系统和状态管理模块；

多媒体处理模块支持用户与对话机器人之间进行文本、语音、图片或者其他多媒体形式的交互；

多渠道接入模块支持将对话机器人系统部署到pc网站或移动网站或微信或QQ或微博或APP或其他渠道中；

场景决策模块根据来自用户的问题和上下文信息，按照一定的逻辑决定本次交互具体调用四个子系统中的一个或者多个子系统；

日常对话子系统用于完成与用户之间的闲聊性对话；

知识问答子系统用于完成与用户之间的业务性对话；

任务子系统用于完成与用户之间的涉及服务调用的对话；

主动对话子系统用于与用户主动对话；

状态管理模块用于汇总一次对话中针对接下来一次与用户的交互来自一个或者多个子系统中的问题或者答案。

进一步的，场景决策模块包括：问题理解子模块，规则判断子模块，自动分类子模块和交互生成子模块；

(1)问题理解子模块

通过分词、词性标注、命名实体识别、指代消解、省略恢复、实体抽取和其他方式对问题进行语义层次的理解；

(2)规则判断子模块

系统支持配置人工规则，用于基于问题的内容直接指定相应的一个或者多个子系统来进行处理。当用户问题命名某条规则后，将不再触发自动分类子模块；

(3)自动分类子模块

基于大量的包含日常对话、知识问答、任务对话、主动对话的日志信息，训练一个问题自动分类器，使用此分类器来判断针对某一个问题，具体应该调用哪一个或者几个子系统；

(4)交互生成子模块

交互生成子模块的输入为来自一个或者多个子系统的针对下一次交互的回复选择，该模块按照多种特征权重对这些回复选择进行打分，从而选择出最适合的下一次交互，发送给用户。

进一步的，日常对话子系统，针对用户的问题，首先检索知识库中的闲聊对话，如果有合适的答案即采用该答案；否则，利用递归神经网络(RNN)模型直接生成答案返回给用户。

进一步的，知识问答子系统基于业务知识构建知识库，针对用户问题，抽取各种语义特征，找到最适合该问题的业务知识。

进一步的，任务子系统将用户问题进行语义理解后，生成一个格式化的查询表达式，用于请求系统外服务，并将服务的响应消息封装为答案。

进一步的，主动对话子系统包括：话术管理模块，问题生成模块，答案采集模块，答案校验模块和命令执行模块；

话术管理模块，用于管理主动对话过程中对话机器人所有的问题，以及管理主动对话过程中的话术状态；

问题生成模块，根据话术管理模块中的话术状态向用户发送问题，所述问题是一个新问题或者重复上一个问题；

答案采集模块，对话机器人将问题发送给用户后，等待用户的响应并采集用户的回答；

答案校验模块，对话机器人收到用户的回答，校验用户回答的合法性；

命令执行模块，对话机器人对于用户的回答校验通过后，即执行相应业务命令；

如果用户的回答校验通过，对话机器人执行相应命令，命令执行完毕后，对话机器人向用户发送下一个问题；如果校验不通过，对话机器人则向用户重复发送上一个问题；

主动对话子系统判断是否所有问题都已经发送完毕，如果全部问题都发送完毕，则主动对话结束；如果否，则对话机器人继续向用户发送问题，直至用户针对所有问题的回答均校验通过，而且对话机器人均执行了相应业务命令，则主动对话结束。

进一步的，主动对话子系统中的话术管理模块包括问题管理子模块和话术状态子模块；问题管理子模块包括：

(1)问题描述，问题的完整文本内容，对话机器人会将问题发送给用户；

(2)校验规则，针对一个问题的答案的校验规则，对话机器人会收集来自用户的答案并执行校验；

(3)动作命令，动作命令的描述，对话机器人校验答案通过后，会按照事先定义的动作命令进行执行；

话术状态子模块，记录主动对话所处的状态，对话机器人基于话术状态决定话术的走向，当答案校验通过，命令执行完毕后，话术状态的标记为询问下一个问题；否则，话术状态的标记为继续重复上一个问题。

进一步的，校验用户回答的合法性中，校验判断的维度包括：回答的文件格式是否为文本、图片、声音；回答的内容是否包括特定文本、是否是特定的枚举值。

进一步的，答案校验模块，如果用户的回答校验通过，则进入命令执行模块，答案校验通过后，更新话术管理模块中的话术状态子模块中记录的话术状态；如果校验不通过，重新进入问题生成模块。

进一步的，业务命令包括：数据上报，将对话的数据上报给指定的服务器接口；状态上报，将对话的状态上报给指定的服务器接口；语音识别，将收到的语音转换为文本；图像识别，将收到的图像转换为文本；或者不执行任何命令。

进一步的，该系统能用于办理签证，或者办理身份证，或者办理护照，或者预定或购买机票，或者预定或购买火车票，或者预定或购买汽车票，或者预定汽车，或者预定酒店，或者人员考核，或者人员培训，或者留学咨询，或者移民咨询，或者法律咨询等。

本发明针对实际服务场景中同时存在日常对话、知识问答、任务对话、主动对话的需求，提出同时支持这四种能力的对话机器人系统，从而提高对话机器人的智能化水平，扩大其可以应用的范围。该对话机器人系统不知疲倦，不易出错，准确率很高。而且对话机器人在主动对话过程中，提出的问题都是精心准备的，目的性很强，大大提高了对话效率。

另外，对话机器人可以采用不同国家语言或者使用不同的方言或者使用明星语音与用户交流，使得整个过程的互动性非常强，用户也易于接受并配合这种互动。

附图说明

图1是对话机器人系统结构示意图；

图2是主动对话子系统中对话机器人与用户对话的流程示意图；

图3是话术管理模块的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图对本发明作进一步的介绍。

本发明提出一种对话机器人系统，如图1所示，该系统包括：多媒体处理模块、多渠道接入模块、场景决策模块、日常对话子系统、知识问答子系统、主动对话子系统、任务对话子系统和状态管理模块；

多媒体处理模块支持用户与对话机器人之间进行文本、语音、图片或者其他多媒体形式的交互；

多渠道接入模块支持将对话机器人系统部署到pc网站或移动网站或微信或QQ或微博或APP或其他渠道中；

场景决策模块根据来自用户的问题和上下文信息，按照一定的逻辑决定本次交互具体调用四个子系统中的一个或者多个子系统；

日常对话子系统用于完成与用户之间的闲聊性对话；

知识问答子系统用于完成与用户之间的业务性对话；

任务子系统用于完成与用户之间的涉及服务调用的对话；服务调用是指调用外部第三方提供的服务，例如，机器人为用户打车，可能调用的是滴滴打车的服务。

主动对话子系统用于与用户主动对话；

状态管理模块用于汇总一次对话中针对接下来一次与用户的交互来自一个或者多个子系统中的问题或者答案。一次对话过程中，会存在一些中间装填，例如一个问题，可能日常对话子系统产生了一个答案，任务子系统也产生了一个答案，这些答案都通过此模块保存，最终选择一个最优的答案。

进一步的，场景决策模块包括：问题理解子模块，规则判断子模块，自动分类子模块和交互生成子模块；

(1)问题理解子模块

通过分词、词性标注、命名实体识别、指代消解、省略恢复、实体抽取和其他方式对问题进行语义层次的理解；

(2)规则判断子模块

系统支持配置人工规则，用于基于问题的内容直接指定相应的一个或者多个子系统来进行处理。当用户问题命名某条规则后，将不再触发自动分类子模块；

(3)自动分类子模块

基于大量的包含日常对话、知识问答、任务对话、主动对话的日志信息，训练一个问题自动分类器，使用此分类器来判断针对某一个问题，具体应该调用哪一个或者几个子系统；

(4)交互生成子模块

交互生成子模块的输入为来自一个或者多个子系统的针对下一次交互的回复选择，该模块按照多种特征权重对这些回复选择进行打分，从而选择出最适合的下一次交互，发送给用户。

进一步的，日常对话子系统，针对用户的问题，首先检索知识库中的闲聊对话，如果有合适的答案即采用该答案；否则，利用递归神经网络(RNN)模型直接生成答案返回给用户。

进一步的，知识问答子系统基于业务知识构建知识库，针对用户问题，抽取各种语义特征，找到最适合该问题的业务知识。

进一步的，任务子系统将用户问题进行语义理解后，生成一个格式化的查询表达式，用于请求系统外服务，并将服务的响应消息封装为答案。

进一步的，主动对话子系统，如图2所示，该系统包括话术管理模块，问题生成模块，答案采集模块，答案校验模块和命令执行模块；

话术管理模块，用于管理主动对话过程中对话机器人所有的问题，以及管理主动对话过程中的话术状态；

问题生成模块，根据话术管理模块中的话术状态向对话机器人发送问题，所述问题是一个新问题或者重复上一个问题；

答案采集模块，对话机器人将问题发送给用户后，等待用户的响应并采集用户的回答；

答案校验模块，对话机器人收到用户的回答，校验用户回答的合法性；

命令执行模块，对话机器人对于用户的回答校验通过后，即执行相应业务命令。

进一步的，话术管理模块，是主动对话机制的中枢模块，如图3所示，分为两个子模块，一是问题管理子模块，管理主动对话过程中机器人所有的问题；二是话术状态子模块，管理主动对话过程中的话术状态。

问题管理模块包括：

(1)问题描述，问题的完整文本内容，对话机器人系统会将问题发送给用户；

(2)校验规则，针对一个问题的答案的校验规则，对话机器人会收集来自用户的答案并执行校验；

(3)动作命令，动作命令的描述，对话机器人校验答案通过后，会按照事先定义的动作命令进行执行。

话术状态子模块，记录主动对话所处的状态，对话机器人基于话术状态决定话术的走向，当答案校验通过，命令执行完毕后，话术状态的标记为可以询问下一个问题；否则，话术状态的标记为继续重复上一个问题。

进一步的，问题生成模块，根据话术管理模块中的话术状态子模块中记录的话术状态，从问题管理模块中生成下一个问题，下一个问题可能是一个新问题，也可能是重复上一个问题。问题生成后，更新话术管理模块中的话术状态子模块中记录的话术状态。

进一步的，答案采集模块，对话机器人系统将问题发送给用户后，等待用户的响应并采集用户的回答。

进一步的，答案校验模块，对话机器人系统收到用户的回答，校验用户回答的合法性，判断的维度包括：回答的文件格式是否为文本、图片、声音等；回答的内容是否包括特定文本、是否是特定的枚举值等。如果用户的回答校验通过，进入命令执行模块，答案校验通过后，更新话术管理模块中的话术状态子模块中记录的话术状态。如果校验不通过，重新进入问题生成模块。

命令执行模块，对话机器人对于用户的回答校验通过后，可以执行业务命令，业务命令包括：数据上报，将对话的数据上报给指定的服务器接口；状态上报，将对话的状态上报给指定的服务器接口；语音识别，将收到的语音转换为文本；图像识别，将收到的图像转换为文本；或者不执行任何命令。命令执行完成后，更新话术管理模块中的话术状态子模块中记录的话术状态。

主动对话子系统判断是否所有问题都已经发送完毕，如果已经全部执行完毕，则主动对话结束；否则，重新进入问题生成模块，对话机器人继续向用户发送问题，直至用户针对所有问题的回答均校验通过，而且对话机器人均执行了相应业务命令，则主动对话结束。

另外，该对话机器人系统能用于办理签证，或者办理身份证，或者办理护照，或者预定或购买机票，或者预定或购买火车票，或者预定或购买汽车票，或者预定汽车，或者预定酒店，或者人员考核，或者人员培训，或者留学咨询，或者移民咨询，或者法律咨询。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种对话机器人系统，其特征在于：该系统包括如下模块：多媒体处理模块、多渠道接入模块、场景决策模块、日常对话子系统、知识问答子系统、主动对话子系统、任务对话子系统和状态管理模块；

多媒体处理模块支持用户与对话机器人之间进行文本、语音、图片或者其他多媒体形式的交互；

多渠道接入模块支持将对话机器人系统部署到pc网站或移动网站或微信或QQ或微博或APP或其他渠道中；

场景决策模块根据来自用户的问题和上下文信息，按照一定的逻辑决定本次交互具体调用四个子系统中的一个或者多个子系统；

日常对话子系统用于完成与用户之间的闲聊性对话；

知识问答子系统用于完成与用户之间的业务性对话；

任务子系统用于完成与用户之间的涉及服务调用的对话；

主动对话子系统用于与用户主动对话；

状态管理模块用于汇总一次对话中针对接下来一次与用户的交互来自一个或者多个子系统中的问题或者答案，

场景决策模块包括：问题理解子模块，规则判断子模块，自动分类子模块和交互生成子模块；

(1)问题理解子模块

通过分词、词性标注、命名实体识、指代消解、省略恢复、实体抽取和其他方式对问题进行语义层次的理解；

(2)规则判断子模块

系统支持配置人工规则，用于基于问题的内容直接指定相应的一个或者多个子系统来进行处理，当用户问题命名某条规则后，将不再触发自动分类子模块；

(3)自动分类子模块

基于大量的包含日常对话、知识问答、任务对话、主动对话的日志信息，训练一个问题自动分类器，使用此分类器来判断针对某一个问题，具体应该调用哪一个或者几个子系统；

(4)交互生成子模块

交互生成子模块的输入为来自一个或者多个子系统的针对下一次交互的回复选择，该模块按照多种特征权重对这些回复选择进行打分，从而选择出最适合的下一次交互，发送给用户。

2.如权利要求1所述的系统，其特征在于：日常对话子系统，针对用户的问题，首先检索知识库中的闲聊对话，如果有合适的答案即采用该答案；否则，利用递归神经网络(RNN)模型直接生成答案返回给用户。

3.如权利要求1所述的系统，其特征在于：知识问答子系统基于业务知识构建知识库，针对用户问题，抽取各种语义特征，找到最适合该问题的业务知识。

4.如权利要求1所述的系统，其特征在于：任务子系统将用户问题进行语义理解后，生成一个格式化的查询表达式，用于请求系统外服务，并将服务的响应消息封装为答案。

5.如权利要求1所述的系统，其特征在于：主动对话子系统包括：话术管理模块，问题生成模块，答案采集模块，答案校验模块和命令执行模块；

话术管理模块，用于管理主动对话过程中对话机器人所有的问题，以及管理主动对话过程中的话术状态；

问题生成模块，根据话术管理模块中的话术状态向用户发送问题，所述问题是一个新问题或者重复上一个问题；

答案采集模块，对话机器人将问题发送给用户后，等待用户的响应并采集用户的回答；

答案校验模块，对话机器人收到用户的回答，校验用户回答的合法性；

命令执行模块，对话机器人对于用户的回答校验通过后，即执行相应业务命令；

如果用户的回答校验通过，对话机器人执行相应命令，命令执行完毕后，对话机器人向用户发送下一个问题；如果校验不通过，对话机器人则向用户重复发送上一个问题；

主动对话子系统判断是否所有问题都已经发送完毕，如果全部问题都发送完毕，则主动对话结束；如果否，则对话机器人继续向用户发送问题，直至用户针对所有问题的回答均校验通过，而且对话机器人均执行了相应业务命令，则主动对话结束。

6.如权利要求5所述的系统，其特征在于：主动对话子系统中的话术管理模块包括问题管理子模块和话术状态子模块；问题管理子模块包括：

(1)问题描述，问题的完整文本内容，对话机器人会将问题发送给用户；

(2)校验规则，针对一个问题的答案的校验规则，对话机器人会收集来自用户的答案并执行校验；

(3)动作命令，动作命令的描述，对话机器人校验答案通过后，会按照事先定义的动作命令进行执行；

话术状态子模块，记录主动对话所处的状态，对话机器人基于话术状态决定话术的走向，当答案校验通过，命令执行完毕后，话术状态的标记为询问下一个问题；否则，话术状态的标记为继续重复上一个问题。

7.如权利要求5所述的系统，其特征在于：校验用户回答的合法性中，校验判断的维度包括：回答的文件格式是否为文本、图片、声音；回答的内容是否包括特定文本、是否是特定的枚举值。

8.如权利要求5所述的系统，其特征在于：业务命令包括：数据上报，将对话的数据上报给指定的服务器接口；状态上报，将对话的状态上报给指定的服务器接口；语音识别 ，将收到的语音转换为文本；图像识别 ，将收到的图像转换为文本；或者不执行任何命令。

9.一种应用权利要求1-8中任一项所述的系统的用途，其特征在于：该系统能用于办理签证，或者办理身份证，或者办理护照，或者预定或购买机票，或者预定或购买火车票，或者预定或购买汽车票，或者预定汽车，或者预定酒店，或者人员考核，或者人员培训，或者留学咨询，或者移民咨询，或者法律咨询。