CN108491519A - 人机交互方法及装置、存储介质、终端 - Google Patents

Abstract

一种人机交互方法及装置、存储介质、终端，人机交互方法包括：在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；基于所述友好度调整与所述用户的后续交互过程。本发明技术方案可以提高人机交互的友好性，提升用户体验。

Description

人机交互方法及装置、存储介质、终端

技术领域

本发明涉及智能交互技术领域，尤其涉及一种人机交互方法及装置、存储介质、终端。

背景技术

在现有的人机交互中，基本都是通过人工抽检的方式对人机交互数据进行查看，从中判断机器人回答是否够好。具体的，运维人员从交互日志中抽取一部分样本进行检查，通过主观意识判断机器人回答的问题是否够友好，如果不够友好，则修改机器人的知识库中的标准答案。

但是，现有的方式既耗时、费力，难以及时发现不够友好的交互；又存在很多主观因素，导致判断结果不准确。

发明内容

本发明解决的技术问题是如何提高人机交互的友好性，提升用户体验。

为解决上述技术问题，本发明实施例提供一种人机交互方法，人机交互方法包括：在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；基于所述友好度调整与所述用户的后续交互过程。

可选的，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。

可选的，所述对所述历史问答数据进行分析以确定至少一种友好参数包括以下一种或多种步骤：对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感；根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度；根据所述历史问答数据中的用户问题是否存在答案，和/或所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题；根据所述历史问答数据中同一问题的重复次数确定所述问题重复度；根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

可选的，所述对所述历史问答数据中的用户问题进行情感分析包括：利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

可选的，所述情感分析结果包括情感倾向方向和情感倾向度；所述利用情感词典确定各个用户问题的情感分析结果包括：将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

可选的，所述情感分析结果包括情感倾向方向和情感倾向度；所述利用机器学习模型确定各个用户问题的情感分析结果包括：利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

可选的，所述基于所述友好度调整与所述用户的后续交互过程包括：所述友好度低于预设阈值时，将所述用户转至人工客服。

可选的，所述基于所述友好度调整与所述用户的后续交互过程还包括：将所述至少一种友好参数的参数值发送至所述人工客服；或者，基于所述至少一种友好参数生成分析原因发送至所述人工客服。

可选的，所述基于所述友好度调整与所述用户的后续交互过程包括：所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

可选的，所述获取当前时刻之前预设时间段内的历史问答数据包括：按照预设时间间隔获取所述当前时刻之前预设时间段内的历史问答数据。

可选的，所述至少一种友好参数对应的权重可调整。

为解决上述技术问题，本发明实施例还公开了一种人机交互装置，人机交互装置包括：历史问答数据获取模块，用以在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；友好参数确定模块，用以对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；友好度计算模块，用以基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；调整模块，用以基于所述友好度调整与所述用户的后续交互过程。

可选的，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。

可选的，所述友好参数确定模块包括：情感分析单元，用以对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感；用户满意度确定单元，用以根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度；问题识别度确定单元，用以根据所述历史问答数据中的用户问题是否存在答案，和/或所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题；问题重复度确定单元，用以根据所述历史问答数据中同一问题的重复次数确定所述问题重复度；响应时长确定单元，用以根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

可选的，所述情感分析单元利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

可选的，所述情感分析结果包括情感倾向方向和情感倾向度；所述情感分析单元包括：比对子单元，用以将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；第一情感倾向方向确定子单元，用以根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；第一情感倾向度确定子单元，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

可选的，所述情感分析结果包括情感倾向方向和情感倾向度；所述情感分析单元包括：第二情感倾向方向确定子单元，用以利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；第二情感倾向度确定子单元，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

可选的，所述调整模块包括：转换单元，用以在所述友好度低于预设阈值时，将所述用户转至人工客服。

可选的，所述调整模块还包括：友好参数发送单元，用以将所述至少一种友好参数的参数值发送至所述人工客服；分析原因发送单元，用以基于所述至少一种友好参数生成分析原因发送至所述人工客服。

可选的，所述调整模块在所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

可选的，所述历史问答数据获取模块按照预设时间间隔获取所述当前时刻之前预设时间段内的历史问答数据。

可选的，所述至少一种友好参数对应的权重可调整。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述人机交互方法的步骤。

本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述人机交互方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明技术方案在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；基于所述友好度调整与所述用户的后续交互过程。本发明技术方案利用的是与用户交互过程中形成的历史问答数据，通过对其进行分析可以获取与用户交互过程相关的属性信息；至少一种属性信息作为友好参数可以参与计算友好度，以表征本次交互的友好程度；友好度可以作为考量因素对后续交互过程产生影响。避免了现有技术中人工判断带来的耗时且不准确，利用大数据分析的方式，自动计算友好度，从而保证了友好度计算的准确性；进而利用友好度调整后续交互过程后可以提高人机交互的友好性，提升用户体验。

进一步地，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。本发明技术方案中，可以从历史问答数据中分析获取下一种或多种友好参数：用户情感、用户满意度、问题识别度、问题重复度和响应时长。每种友好参数均可以表示交互过程是否友好；综合考虑多种友好参数时，可以进一步保证友好度计算的准确性，从而可以更加精准的表示交互过程的友好程度，有助于对交互过程做出准确的调整。

进一步地，所述友好度低于预设阈值时，将所述用户转至人工客服；或者所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。本发明技术方案利用友好度的大小以及预设阈值，可以在友好度低于预设阈值时，也即交互过程不够友好时，给出调整方式，保证与用户的交互过程的整体友好性，提升用户体验。

附图说明

图1是本发明实施例一种人机交互方法的流程图；

图2是本发明实施例一种人机交互方法的具体实施流程图；

图3是本发明实施例一种人机交互装置的结构示意图；

图4是图3所示友好参数确定模块302的一种具体结构示意图；

图5是图4所示情感分析单元3021的一种具体结构示意图。

具体实施方式

如背景技术中所述，现有的方式既耗时、费力，难以及时发现不够友好的交互；又存在很多主观因素，导致判断结果不准确。

本申请发明人分析，在现有的人机交互过程中，如何判定交互是否友好只是人为主观判定，并没有客观的衡量交互是否友好的标准。

本发明技术方案利用的是与用户交互过程中形成的历史问答数据，通过对其进行分析可以获取与用户交互过程相关的属性信息；至少一种属性信息作为友好参数可以参与计算友好度，以表征本次交互的友好程度；友好度可以作为考量因素对后续交互过程产生影响。避免了现有技术中人工判断带来的耗时且不准确，利用大数据分析的方式，自动计算友好度，从而保证了友好度计算的准确性；进而利用友好度调整后续交互过程后可以提高人机交互的友好性，提升用户体验。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例一种人机交互方法的流程图。

图1所示的人机交互方法可以用于智能机器人、智能手机、平板电脑等任意可与用户进行交互的终端设备。

图1所示的人机交互方法可以包括以下步骤：

步骤S101：在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；

步骤S102：对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；

步骤S103：基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；

步骤S104：基于所述友好度调整与所述用户的后续交互过程。

在智能设备与用户进行交互的过程中，针对用户提出的问题，智能设备会给出对应的答案，并形成问答记录。如果在当前时刻需要评估交互的友好性，则可以在步骤S101的具体实施中，获取当前时刻之前预设时间段内的历史问答数据。例如，获取当前时刻之前10分钟内的历史问答数据。

本领域技术人员可以理解的是，可以考虑实际的对友好度的准确性和计算量的要求，来适应性地设置预设时间段的大小，本发明实施例对此不做限制。

具体地，在获取历史问答数据之后，还可以对历史问答数据进行数据清洗，以筛除无效值、缺失值等，保证后续步骤分析的准确性。

智能设备与用户交互的过程具备属性信息。在步骤S102的具体实施中，可以对历史问答数据中分析确定至少一种友好参数。所述友好参数可以直接为交互过程的属性信息；也可以是由交互过程的属性信息计算得到。

至少一种友好参数均可以表示与用户的交互过程的友好性。故而在步骤S103的具体实施中，可以基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度。如果分析得到一种友好参数，则该友好参数的权重为1，友好度即为该友好参数的值。如果分析得到多种友好参数，则可以将多种友好参数加权，以得到友好度。

友好度可以反映当前时刻之前预设时间段内人机交互友好性的情况。通过不同时间段内友好度的变化，可以了解到该时间段内人机交互的状况。

具体而言，友好参数对应的权重越高，表示该友好参数对友好度的影响度越高，该友好参数越重要。

进一步而言，不同的应用环境对于交互友好性的侧重点不同，例如，应用场景1侧重用户情感；应用场景2侧重问题识别度。由此，在不同的应用场景下，同一友好参数的权重可以不同。也即，至少一种友好参数的权重可调整。

需要说明的是，友好参数对应的权重可以根据实际需要进行适用性的配置，本发明实施例对此不做限制。

进而在步骤S104的具体实施中，可以参照友好度对交互过程进行调整。

本发明实施例利用的是与用户交互过程中形成的历史问答数据，通过对其进行分析可以获取与用户交互过程相关的属性信息；至少一种属性信息作为友好参数可以参与计算友好度，以表征本次交互的友好程度；友好度可以作为考量因素对后续交互过程产生影响。避免了现有技术中人工判断带来的耗时且不准确，利用大数据分析的方式，自动计算友好度，从而保证了友好度计算的准确性；进而利用友好度调整后续交互过程后可以提高人机交互的友好性，提升用户体验。

进一步而言，可以按照预设时间间隔获取所述当前时刻之前预设时间段内的历史问答数据。历史问答数据是预设时间段内的数据，每一预设时间段内的问答数据对应友好度。历史问答数据的友好度较低时，可以直接针对该历史问答数据进行修改即可。可以理解的是，预设时间段的时间长度越小，友好度计算的实时性越高。

本发明一个优选实施例中，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。

具体实施中，用户情感是指用户在历史问答数据中所表现出的情感，用户情感可以是对隶属问答数据分析得到的。例如，用户情感可以包括正面情感和反面情感；当用户情感为正面情感时，表示用户对本次交互的态度是肯定的，表示本次交互是友好的；反之，如果用户情感为反面情感，表示本次交互导致用户产生负面情绪，本次交互是不够友好的。

用户满意度是指用户对历史问答数据对应的交互过程的满意程度。用户满意度可以由交互过程中用户的操作分析得到。例如，用户在交互过程中执行了转人工客服的操作，表示用户对当前交互给出的答案不满意；或者，用户在交互过程未结束时主动结束交互，表示用户对当前交互不满意，本次交互是不够友好的；反之，人工用户为执行上述操作，表示用户对当前交互过程是满意的，表示本次交互是友好的。

问题识别度是指对用户问题的识别的准确性。问题识别度可以通过用户问题的答案进行分析得到。例如，在历史问答数据中，用户问题不存在答案，则表示没有准确地识别该用户问题，问题识别度较低本次交互是不够友好的；反之表示本次交互是友好的。

问题重复度是指用户问题的重复程度。问题重复读可以通过对用户问题分析得到。如果在历史问答数据中，同一用户问题出现了多次，则表示用户对该问题重复了多次，也即问题重复度较高。这种情况可能是智能设备未准确识别该用户问题，也可能是用户对用户问题的答案不满意，表示本次交互是不够友好的；反之表示本次交互是友好的。

响应时长是指响应于用户问题所花费的时间长度。响应时长越长，表示用户等待答案的时间越长，表示本次交互是不够友好的；反之表示本次交互是友好的。

本发明实施例中，可以从历史问答数据中分析获取下一种或多种友好参数：用户情感、用户满意度、问题识别度、问题重复度和响应时长。每种友好参数均可以表示交互过程是否友好；综合考虑多种友好参数时，可以进一步保证友好度计算的准确性，从而可以更加精准的表示交互过程的友好程度，有助于对交互过程做出准确的调整。

本发明一个具体实施例中，请参照图2，图1所示步骤S102可以包括以下步骤：

步骤S201：对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感；

步骤S202：根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度；

步骤S203：根据所述历史问答数据中的用户问题是否存在答案，以及所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题；

步骤S204：根据所述历史问答数据中同一问题的重复次数确定所述问题重复度；

步骤S205：根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

本实施例中，通过步骤S201至步骤S205可以确定至少一种友好参数。需要说明的是，在实际的应用中，图2所示的步骤S201至步骤S205不必全部执行，可以择一或选择部分步骤执行；上述步骤的实际执行顺序也不受图2所示的步骤顺序所限制。

具体实施中，在步骤S201中，对历史问答数据进行情感分析可以确定用户情感。具体而言，历史问答数据可以是语音数据或文本数据。对于文本数据可以利用文本数据中各个词语的特性分析得到用户情感；对于语音数据，可以利用各个词语的特性，以及语音的语调和语速等特征来确定用户情感。

本领域技术人员应当理解的是，现有技术中对于情感分析有多种可实施的算法，本实施例可以参照任意可实施的现有技术计算用户情感。

在步骤S202的具体实施中，可以根据是否存在转人工客服操作确定用户满意度。如果存在转人工客服操作，则用户满意度可以是预设数值，表示满意度较低。进一步地，可以根据转人工客服操作的次数确定用户满意度。转人工客服操作的次数越多，用户满意度越低。

在步骤S203的具体实施中，历史问答数据中的用户问题不存在答案，则问题识别度为预设值，表示满意度较低。进一步地，还可以根据用户问题的答案与所述用户问题的多个相似问题的答案的一致性确定问题识别度。换言之，用户问题的答案与所述用户问题的多个相似问题的答案一致，则表示对该用户问题的识别准确性较高，也即问题识别度较高；反之表示该用户问题的识别准确性较低，也即问题识别度较低。

在步骤S204的具体实施中，如果同一用户问题的重复次数越高，则该用户问题的问题重复度越高；反之则该用户问题的问题重复度越低。

在步骤S205的具体实施中，响应时长可以是用户问题与其答案之间的时间间隔。用户问题与其答案之间的时间间隔越小，表示响应速度越快，交互的友好性越高；反之表示响应速度较慢，交互过程的友好性较低。

本发明另一个具体实施例中，图2所示步骤S201可以包括以下步骤：利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

本实施例中，可以利用两种方式计算用户情感：情感词典或机器学习模型。情感词典可以是预先标注好的，机器学习模型可以是预先训练完成的。计算出的用户情感可以包括情感倾向方向和情感倾向度。具体而言，情感倾向方向也可以称为情感极性；可以包括正面情感、负面情感和中性情感，可以分别表示用户表达自身观点所持的态度是支持、反对和中立。情感倾向度可以表示用户表达的正面情感或负面情感时的强弱程度。具体地，情感倾向度可以利用词语的不同情感权重来计算。

具体地，利用情感词典计算用户情感的具体方式如下：将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

本实施例中，可以在情感词典中定义预设情感标签，例如定义预设情感标签为“肯定情感”，那么义预设情感标签“肯定情感”下的词语可以包括“不错”“还行”“挺好”。计算用户情感时，如果用户问题中出现“不错”这个词，那么该用户问题的情感倾向方向对应于“肯定情感”。该用户问题的情感倾向方向可以是肯定情感。

进一步地，用户问题中的各个词语所表示的情感的强弱程度是不同的。例如，词语“挺好”所表示的肯定情感的强度高于词语“还行”所表达的肯定情感的强度。由此，不同的词语可以对应不同的权重，用以表示该词语所表示的情感强度。用户问题的多个词语的权重加权之后可以得到该用户问题的情感倾向度。

本发明另一个可选实施例中，利用机器学习模型计算用户情感的具体方式如下：利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

本实施例中，可以将人工标注的语料作为训练集来训练机器学习模型。所述机器学习模型也可以称为分类器，可以实现对用户问题进行情感分类。

具体地，利用情感词典中的预设情感标签来大致判断用户问题所要表达的情感倾向方向时，判断依据过于单一，存在误判的问题。例如，对于反问语句“你们真不错，这都能识别错误”，如果只是根据情感词典，那么根据关键词“不错”，很可能就将这句话的情感倾向方向判定为肯定情感。此时我们还需要植入大量的，有着较高准确率的语料或者语法规则来判断用户情感。通过训练后的机器学习模型可以提取反问语句的文本特征中的一种“不错/挺好/可以(表肯定)，这都能/竟然(表转折)”，并归入分类器中的类别“否定情感”中。

进一步而言，对用户问题进行文本情感分析的分析粒度可以是词语、句子，也可以是段落或篇章。段落或篇章级的情感分析主要是针对某个主题或事件进行判断。这种情况下，可以构建对应主题或事件的情感词典，以用于进行情感计算。

本发明另一个优选实施例中，图1所示步骤S104还可以包括以下步骤：所述友好度低于预设阈值时，将所述用户转至人工客服。

本实施例中，友好度低于预设阈值时，表示与用户的交互过程的用户体验较差。为了保证整体用户体验度，在检测到友好度较低时，可以直接将所述用户转至人工客服，以继续为该用户提供服务。

可选地，在将用户转至人工客服之前，还可以通过任意可实施的方式询问用户是否需要转至人工客服；并根据用户的选择执行后续操作。例如，语音询问用户是否转至人工客服，用户选择是，则将该用户转至人工客服。

本发明实施例将人机交互和人与人之间的交互结合起来，结合两者的优势，实现交互过程的用户体验度。

进一步地，图1所示人机交互方法还可以包括以下步骤：将所述至少一种友好参数的参数值发送至所述人工客服；或者，基于所述至少一种友好参数生成分析原因发送至所述人工客服

本实施例中，为了更好的为用户提供交互服务，在计算得到友好度之后，可以将友好参数的参数值发送给人工客服或其他相关人员，例如，用户情感为负面情感、用户满意度为0.7、问题识别度为0.4、问题重复度为0.1和响应时长为1秒。各个友好参数的参数值可以供人工客服参考，以避免再次出现降低友好度的操作，提高交互的整体友好性。

或者，基于友好参数的参数值生成分析原因。分析原因可以更加直观的展示交互过程是否友好以及不友好的原因，有助于人工客服更加快捷方便的了解并避免再次出现降低友好度的操作，提高交互的整体友好性。例如，用户情感为负面情感、用户满意度为0.7、问题识别度为0.4、问题重复度为0.1和响应时长为1秒时，分析原因可以是问题识别度较低，导致用户对不满意并出现负面情绪；人工客服在与该用户进行交互时，可以先进行安抚，再提高对用户问题的识别度和回复的准确性。

本发明另一个优选实施例中，图1所示步骤S104还可以包括以下步骤：所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

本实施例中，从提高人机交互的友好性的角度，在友好度较低时，可以针对历史问答数据中的至少一部分答案进行修正，以在下一次交互过程中，保证针对同一用户问题回复的准确性。例如，可以对机器人所使用的知识库中的标准答案进行修改。

请参照图3，本发明实施例还公开了一种人机交互装置30。人机交互装置30可以用于智能机器人、智能手机、平板电脑等任意可与用户进行交互的终端设备。

人机交互装置30可以包括历史问答数据获取模块301、友好参数确定模块302、友好度计算模块303和调整模块304。

其中，历史问答数据获取模块301用以在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；

友好参数确定模块302用以对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；

友好度计算模块303用以基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；

调整模块304用以基于所述友好度调整与所述用户的后续交互过程。

本实施例中，在智能设备与用户进行交互的过程中，针对用户提出的问题，智能设备会给出对应的答案，并形成问答记录。如果在当前时刻需要评估交互的友好性，则可以获取当前时刻之前预设时间段内的历史问答数据。例如，获取当前时刻之前10分钟内的历史问答数据。

所述友好参数可以直接为交互过程的属性信息；也可以是由交互过程的属性信息计算得到。至少一种友好参数均可以表示与用户的交互过程的友好性。

如果分析得到一种友好参数，则该友好参数的权重为1，友好度即为该友好参数的值。如果分析得到多种友好参数，则可以将多种友好参数加权，以得到友好度。

具体而言，友好参数对应的权重越高，表示该友好参数对友好度的影响度越高，该友好参数越重要。

本发明实施例利用的是与用户交互过程中形成的历史问答数据，通过对其进行分析可以获取与用户交互过程相关的属性信息；至少一种属性信息作为友好参数可以参与计算友好度，以表征本次交互的友好程度；友好度可以作为考量因素对后续交互过程产生影响。避免了现有技术中人工判断带来的耗时且不准确，利用大数据分析的方式，自动计算友好度，从而保证了友好度计算的准确性；进而利用友好度调整后续交互过程后可以提高人机交互的友好性，提升用户体验。

请参照图4，友好参数确定模块302可以包括情感分析单元3021，用以对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感。

具体实施中，用户情感是指用户在历史问答数据中所表现出的情感，用户情感可以是对隶属问答数据分析得到的。例如，用户情感可以包括正面情感和反面情感；当用户情感为正面情感时，表示用户对本次交互的态度是肯定的，表示本次交互是友好的；反之，如果用户情感为反面情感，表示本次交互导致用户产生负面情绪，本次交互是不够友好的。

友好参数确定模块302可以包括用户满意度确定单元3022，用以根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度。

具体实施中，用户满意度是指用户对历史问答数据对应的交互过程的满意程度。用户满意度可以由交互过程中用户的操作分析得到。例如，用户在交互过程中执行了转人工客服的操作，表示用户对当前交互给出的答案不满意；或者，用户在交互过程未结束时主动结束交互，表示用户对当前交互不满意，本次交互是不够友好的；反之，人工用户为执行上述操作，表示用户对当前交互过程是满意的，表示本次交互是友好的。

友好参数确定模块302可以包括问题识别度确定单元3023，用以根据所述历史问答数据中的用户问题是否存在答案，和/或所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题。

具体实施中，问题识别度是指对用户问题的识别的准确性。问题识别度可以通过用户问题的答案进行分析得到。例如，在历史问答数据中，用户问题不存在答案，则表示没有准确地识别该用户问题，问题识别度较低本次交互是不够友好的；反之表示本次交互是友好的。

友好参数确定模块302可以包括问题重复度确定单元3024，用以根据所述历史问答数据中同一问题的重复次数确定所述问题重复度。

具体实施中，问题重复度是指用户问题的重复程度。问题重复读可以通过对用户问题分析得到。如果在历史问答数据中，同一用户问题出现了多次，则表示用户对该问题重复了多次，也即问题重复度较高。这种情况可能是智能设备未准确识别该用户问题，也可能是用户对用户问题的答案不满意，表示本次交互是不够友好的；反之表示本次交互是友好的。

友好参数确定模块302可以包括响应时长确定单元3025，用以根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

具体实施中，响应时长是指响应于用户问题所花费的时间长度。响应时长越长，表示用户等待答案的时间越长，表示本次交互是不够友好的；反之表示本次交互是友好的。

本发明实施例中，可以从历史问答数据中分析获取下一种或多种友好参数：用户情感、用户满意度、问题识别度、问题重复度和响应时长。每种友好参数均可以表示交互过程是否友好；综合考虑多种友好参数时，可以进一步保证友好度计算的准确性，从而可以更加精准的表示交互过程的友好程度，有助于对交互过程做出准确的调整。

本发明一个具体实施例中，情感分析单元3021可以利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

具体地，请参照图5，所述情感分析结果包括情感倾向方向和情感倾向度；所述情感分析单元3021包括比对子单元30211，用以将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；

第一情感倾向方向确定子单元30212，用以根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；

第一情感倾向度确定子单元30213，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

本实施例中，可以在情感词典中定义预设情感标签，例如定义预设情感标签为“肯定情感”，那么义预设情感标签“肯定情感”下的词语可以包括“不错”“还行”“挺好”。计算用户情感时，如果用户问题中出现“不错”这个词，那么该用户问题的情感倾向方向对应于“肯定情感”。该用户问题的情感倾向方向可以是肯定情感。

进一步地，用户问题中的各个词语所表示的情感的强弱程度是不同的。例如，词语“挺好”所表示的肯定情感的强度高于词语“还行”所表达的肯定情感的强度。由此，不同的词语可以对应不同的权重，用以表示该词语所表示的情感强度。用户问题的多个词语的权重加权之后可以得到该用户问题的情感倾向度。

所述情感分析单元3021还可以包括第二情感倾向方向确定子单元30214，用以利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；

第二情感倾向度确定子单元30215，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

本实施例中，可以将人工标注的语料作为训练集来训练机器学习模型。所述机器学习模型也可以称为分类器，可以实现对用户问题进行情感分类。

本发明另一个优选实施例中，所述调整模块304可以包括：转换单元(图未示)，用以在所述友好度低于预设阈值时，将所述用户转至人工客服。

本发明又一个优选实施例中，所述调整模块304可以包括：友好参数发送单元(图未示)，用以将所述至少一种友好参数的参数值发送至所述人工客服；分析原因发送单元(图未示)，用以基于所述至少一种友好参数生成分析原因发送至所述人工客服。

本实施例中，友好度低于预设阈值时，表示与用户的交互过程的用户体验较差。为了保证整体用户体验度，在检测到友好度较低时，可以直接将所述用户转至人工客服，以继续为该用户提供服务。

可选地，在将用户转至人工客服之前，还可以通过任意可实施的方式询问用户是否需要转至人工客服；并根据用户的选择执行后续操作。例如，语音询问用户是否转至人工客服，用户选择是，则将该用户转至人工客服。

本发明实施例将人机交互和人与人之间的交互结合起来，结合两者的优势，实现交互过程的用户体验度。

本发明再一个优选实施例中，所述调整模块304在所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

关于所述人机交互装置30的工作原理、工作方式的更多内容，可以参照图1至图2中的相关描述，这里不再赘述。

本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行图1或图2中所示的人机交互方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。

本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1或图2中所示的人机交互方法的步骤。所述终端包括但不限于智能机器人、手机、计算机、平板电脑等终端设备。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (24)

1.一种人机交互方法，其特征在于，包括：

在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；

对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；

基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；

基于所述友好度调整与所述用户的后续交互过程。

2.根据权利要求1所述的人机交互方法，其特征在于，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。

3.根据权利要求2所述的人机交互方法，其特征在于，所述对所述历史问答数据进行分析以确定至少一种友好参数包括以下一种或多种步骤：

对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感；

根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度；

根据所述历史问答数据中的用户问题是否存在答案，和/或所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题；

根据所述历史问答数据中同一问题的重复次数确定所述问题重复度；

根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

4.根据权利要求3所述的人机交互方法，其特征在于，所述对所述历史问答数据中的用户问题进行情感分析包括：

利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

5.根据权利要求4所述的人机交互方法，其特征在于，所述情感分析结果包括情感倾向方向和情感倾向度；所述利用情感词典确定各个用户问题的情感分析结果包括：

将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；

根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；

根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

6.根据权利要求4所述的人机交互方法，其特征在于，所述情感分析结果包括情感倾向方向和情感倾向度；所述利用机器学习模型确定各个用户问题的情感分析结果包括：

利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；

根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

7.根据权利要求1所述的人机交互方法，其特征在于，所述基于所述友好度调整与所述用户的后续交互过程包括：

所述友好度低于预设阈值时，将所述用户转至人工客服。

8.根据权利要求7所述的人机交互方法，其特征在于，所述基于所述友好度调整与所述用户的后续交互过程还包括：

将所述至少一种友好参数的参数值发送至所述人工客服；

或者，基于所述至少一种友好参数生成分析原因发送至所述人工客服。

9.根据权利要求1所述的人机交互方法，其特征在于，所述基于所述友好度调整与所述用户的后续交互过程包括：

所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

10.根据权利要求1所述的人机交互方法，其特征在于，所述获取当前时刻之前预设时间段内的历史问答数据包括：

按照预设时间间隔获取所述当前时刻之前预设时间段内的历史问答数据。

11.根据权利要求1所述的人机交互方法，其特征在于，所述至少一种友好参数对应的权重可调整。

12.一种人机交互装置，其特征在于，包括：

历史问答数据获取模块，用以在与用户交互的过程中，获取当前时刻之前预设时间段内的历史问答数据；

友好参数确定模块，用以对所述历史问答数据进行分析以确定至少一种友好参数，所述友好参数为与所述用户交互的过程的属性信息；

友好度计算模块，用以基于所述至少一种友好参数以及各个友好参数对应的权重计算友好度；

调整模块，用以基于所述友好度调整与所述用户的后续交互过程。

13.根据权利要求12所述的人机交互装置，其特征在于，所述友好参数包括以下一种或多种：用户情感、用户满意度、问题识别度、问题重复度和响应时长。

14.根据权利要求13所述的人机交互装置，其特征在于，所述友好参数确定模块包括：

情感分析单元，用以对所述历史问答数据中的用户问题进行情感分析，以确定所述用户情感；

用户满意度确定单元，用以根据所述历史问答数据中是否存在转人工客服操作，确定所述用户满意度；

问题识别度确定单元，用以根据所述历史问答数据中的用户问题是否存在答案，和/或所述用户问题的答案是否与所述用户问题的多个相似问题的答案一致，以确定所述问题识别度，所述相似问题为预设历史数据中与所述用户问题相似的问题；

问题重复度确定单元，用以根据所述历史问答数据中同一问题的重复次数确定所述问题重复度；

响应时长确定单元，用以根据所述历史问答数据中用户问题与其答案之间的时间间隔确定所述响应时长。

15.根据权利要求13所述的人机交互装置，其特征在于，所述情感分析单元利用情感词典或机器学习模型确定各个用户问题的情感分析结果，并根据各个用户问题的情感计算所述历史问答数据的用户情感。

16.根据权利要求15所述的人机交互装置，其特征在于，所述情感分析结果包括情感倾向方向和情感倾向度；所述情感分析单元包括：

比对子单元，用以将所述用户问题中的各个词语与所述情感词典中预设情感标签下的各个词语进行比对，以得到每一用户问题中的各个词语对应的预设情感标签，所述预设情感标签与所述情感倾向方向相对应；

第一情感倾向方向确定子单元，用以根据所述用户问题中的各个词语对应的预设情感标签确定所述用户问题的情感倾向方向；

第一情感倾向度确定子单元，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

17.根据权利要求15所述的人机交互装置，其特征在于，所述情感分析结果包括情感倾向方向和情感倾向度；所述情感分析单元包括：

第二情感倾向方向确定子单元，用以利用预先训练完成的所述机器学习模型对各个用户问题进行情感分类，并确定所述用户问题的情感倾向方向；

第二情感倾向度确定子单元，用以根据所述用户问题中的各个词语对应的权重计算所述用户问题的情感倾向度。

18.根据权利要求12所述的人机交互装置，其特征在于，所述调整模块包括：转换单元，用以在所述友好度低于预设阈值时，将所述用户转至人工客服。

19.根据权利要求18所述的人机交互装置，其特征在于，所述调整模块还包括：友好参数发送单元，用以将所述至少一种友好参数的参数值发送至所述人工客服；

分析原因发送单元，用以基于所述至少一种友好参数生成分析原因发送至所述人工客服。

20.根据权利要求12所述的人机交互装置，其特征在于，所述调整模块在所述友好度低于预设阈值时，对所述友好度对应的历史问答数据中的至少一部分答案进行修正。

21.根据权利要求12所述的人机交互装置，其特征在于，所述历史问答数据获取模块按照预设时间间隔获取所述当前时刻之前预设时间段内的历史问答数据。

22.根据权利要求12所述的人机交互装置，其特征在于，所述至少一种友好参数对应的权重可调整。

23.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至11中任一项所述人机交互方法的步骤。

24.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至11中任一项所述人机交互方法的步骤。