CN109189881B - 人机交互方法及智能机器人 - Google Patents
人机交互方法及智能机器人 Download PDFInfo
- Publication number
- CN109189881B CN109189881B CN201810638884.1A CN201810638884A CN109189881B CN 109189881 B CN109189881 B CN 109189881B CN 201810638884 A CN201810638884 A CN 201810638884A CN 109189881 B CN109189881 B CN 109189881B
- Authority
- CN
- China
- Prior art keywords
- machine
- human
- question
- questions
- current round
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例涉及人工智能技术领域,公开了一种人机交互方法及智能机器人。本发明中,人机交互方法包括:基于上次优化后的智能模型与用户进行人机问答;当本轮问答结束后,将本轮问答中真实的机器问题与人的问题建立人机问题对应关系;其中,真实的机器问题为本轮问答中,最后一个机器回答对应的机器问题;利用人机问题对应关系优化智能模型。本发明实施例还提供一种智能机器人。本发明的人机交互方法及智能机器人,可以根据实际问答来不断优化智能模型,从而无需开发人员预先进行大量数据采集,节省人力成本;同时,可以使得机器更容易趋向人的思维,能够更准确地识别出人的问题的真实导向,实现机器“智能化”。
Description
技术领域
本发明实施例涉及人工智能技术领域,特别涉及人机交互方法及智能机器人。
背景技术
聊天机器人自人工智能被提出以来就一直是人类研究的重要方向。这期间有出现过基于人工智能标记语言AIML(Artificial Intelligence Markup Language,简称AIML)的问答机器人实现思路,但数据构造繁琐且费力,并且终归属于关键字检索技术,没有太多“智能”可言。
近两年,在自然语言处理领域下的智能问答机器人被重新提到日程,各大中小企业争相调研,并结合各自业务场景初步构建问答系统(即,特定领域的问答机器人),但整体效果不尽如人意。
发明人发现现有技术中至少存在如下问题:
1、通过预先训练好的智能模型识别“人的问题”,从而找到知识库对应的“答案”;而卓有成效的智能模型需要依赖高质量的大数据做模型训练,高质量的大数据又需要开发人员预先采集,从而人力成本很高。
2、现实聊天中,人的对话随意性比较强,往往掺杂很多语境,人提出的不同问题可能实际导向的是同一个机器问题,而即使是利用高质量的大数据训练出来的智能模型,仍然很难趋同人类的思维,在判别问题时仍然误差较大。
发明内容
本发明实施方式的目的在于提供一种人机交互方法及智能机器人,可以根据实际问答来不断优化智能模型,从而无需开发人员预先进行大量数据采集,节省人力成本;同时,可以使得机器更容易趋向人的思维,能够更准确地识别出人的问题的真实导向,实现机器“智能化”。
为解决上述技术问题,本发明的实施方式提供了一种人机交互方法,包括:基于上次优化后的智能模型与用户进行人机问答;当本轮问答结束后,将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系;其中,所述真实的机器问题为所述本轮问答中,最后一个机器回答对应的机器问题;利用所述人机问题对应关系优化所述智能模型。
本发明的实施方式还提供了一种智能机器人,包括:信息接收器、信息提示器、处理器以及存储器,所述处理器连接于所述信息接收器、所述信息提示器以及所述存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行上述人机交互方法。
本发明实施方式相对于现有技术而言,将本轮人机问答中的人的问题和真实的机器问题建立人机问题对应关系,并利用人机问题对应关系来优化智能模型;下次人机问答时使用上次优化后的智能模型;即,随着人机问答的不断发生,可以不断完善人机问题对应关系,并不断优化智能模型,从而无需开发人员预先进行大量数据采集,节省人力成本;同时,由于人机问题对应关系是通过真实的人机问答产生的,因此被人机问题对应关系训练的智能模型在分析人的问题时,可以更容易趋向人的思维,能够更准确地识别出人的问题的真实导向,实现机器“智能化”。
另外,所述方法还包括:在所述本轮问答结束后,判断是否接收到所述本轮问答的评分;若接收到所述本轮问答的评分,则将所述评分绑定至所述人机问题对应关系。可以接收用户反馈,以备后续使用。
另外,所述基于上次优化后的智能模型与用户进行人机问答,具体包括:基于所述智能模型对所述人的问题进行分析,并得到多个匹配的机器问题;获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分;其中,各所述匹配的机器问题对应的人机问题对应关系为所述智能模型得到各所述匹配的机器问题所依赖的人机问题对应关系;比较各所述匹配的机器问题对应的评分,并选定最大评分对应的所述匹配的机器问题;将选定的所述匹配的机器问题对应的机器回答反馈至用户。本实施方式提供了从各匹配问题中选择一个真实的机器问题的一种具体方案,该方案中结合用户的评价来选择最合适的机器问题,可以提高机器回答的准确性,从而提高机器的智能度。
另外,在所述获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分之前,还包括:按照匹配度对各所述匹配的机器问题进行排序,并选取匹配度较高的预设数量的机器问题;其中,所述智能机器人基于所述智能模型得到所述匹配的机器问题的同时,得到所述匹配的机器问题对应的匹配度;所述获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分,具体为,获取选取的各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为选取的各所述匹配的机器问题对应的评分。本实施方式提供了从各匹配问题中选择一个真实的机器问题的一种具体方案,该方案中结合用户的评价以及智能模型计算出来的匹配度来选择最合适的机器问题,考虑更加全面,机器回答的准确性更靠。
另外,若未接收到所述本轮问答的评分,则将所述本轮问答的评分设定为零,并进入所述将所述评分绑定至所述人机问题对应关系的步骤。本实施例提供了在没有接收到评分时的一种处理方式。
另外,在所述将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,执行所述判断是否接收到所述本轮问答的评分的步骤;在接收到所述本轮问答的评分之后,且在所述将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,还包括:判断所述评分是否大于或等于预设的评分阈值,且判断结果为是。本实施例中,只有在判断出评分达到评分阈值时,才建立人机问题对应关系并绑定评分,并利用该人机问题对应关系优化智能模型。因为如果评分太低或者用户没有给出评分,表示机器没有回答到用户实际想要的答案;所以这种人机问题对应关系不是用户真实想要的,就可以无需再用这种对应关系优化智能模型,可以避免无益的工作量,优化计算机的资源配置。
另外,在所述本轮问答结束后,且在所述将本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,还包括:判断所述真实的机器问题对应的匹配度是否大于或等于预设的匹配度阈值,且判断结果为是;其中,所述智能模型得到所述真实的机器问题的同时,得到各所述真实的机器问题对应的匹配度。本实施方式中,只有当真实的机器问题对应的匹配度较高时才会保存人机问题对应关系,从而提高用于优化智能模型的人机问题对应关系的准确性,使得智能模型的优化质量更高。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施例的人机交互方法的流程图;
图2是根据本发明第二实施例的人机交互方法的流程图;
图3是根据本发明第二实施例中基于上次优化后的智能模型与用户进行人机问答这个步骤的具体流程图;
图4是根据本发明第三实施例中基于上次优化后的智能模型与用户进行人机问答这个步骤的具体流程图;
图5是根据本发明第四实施例的人机交互方法的的流程图;
图6是根据本发明第五实施例的人机交互方法的的流程图;
图7是根据本发明第六实施例的人机交互方法的流程图;
图8是根据本发明第七实施例的智能机器人的方框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种人机交互方法,应用于智能机器人。具体流程如图1所示,包括以下步骤。
步骤101:基于上次优化后的智能模型与用户进行人机问答。
步骤102:判断本轮问答是否结束;若是,则进入步骤103,若否,则返回步骤101。
步骤103:将本轮问答中真实的机器问题与人的问题建立人机问题对应关系。
其中,真实的机器问题为本轮问答中,最后一个机器回答对应的机器问题;
步骤104:利用人机问题对应关系优化智能模型。
本实施方式相对于现有技术而言,将本轮人机问答中的人的问题和真实的机器问题建立人机问题对应关系,并利用人机问题对应关系来优化智能模型;下次人机问答时使用上次优化后的智能模型;即,随着人机问答的不断发生,可以不断完善人机问题对应关系,并不断优化智能模型,从而无需开发人员预先进行大量数据采集,节省人力成本;同时,由于人机问题对应关系是通过真实的人机问答产生的,因此被人机问题对应关系训练的智能模型在分析人的问题时,可以更容易趋向人的思维,能够更准确地识别出人的问题的真实导向,实现机器“智能化”。
下面对本实施方式的人机交互方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本实施例中的人机交互,主要应用于一些特定领域的智能客服、知识问答、语音助手等。在人机问答过程中,用户可能会和智能机器人连续问答好几个来回(用户问一次,机器答一次,为一个来回),直到机器人给出的回答令用户满意时,用户才会主动结束问答,即一轮问答结束。
在步骤101中,人机问答的每个来回,都有如下过程:
首先,用户提出问题,智能机器人通过其信息接收器接收用户提出的问题,即接收人的问题。
其次,智能机器人基于内部存储上次优化后的智能模型对人的问题进行分析,并得到多个匹配的机器问题。其中,智能机器人基于智能模型得到各匹配的机器问题的同时,也会得到各匹配的机器问题对应的匹配度。
然后,智能机器人从多个匹配的机器问题中,选择一个匹配度最高的机器问题。即,智能机器人会将得到的所有匹配的机器问题,按照其匹配度由高到低的顺序进行排序,并选取匹配度最高的机器问题。
最后,将该匹配度最高的机器问题对应的机器回答反馈给用户。即,智能机器人根据内部预存的机器问题与机器回答的对应关系,获取该匹配度最高的机器问题对应的机器回答,并通过智能机器人的信息提示器反馈给用户。然不限于此,也可以从多个匹配的机器问题中任选一个匹配的机器问题,并反馈任选的该匹配的机器问题对应的机器回答。
在步骤102和步骤103中,用户可以做一个预设的表示结束人机问答的操作,来告知智能机器人结束本轮问答,例如点击结束按键。当智能机器人接收到用户输入的结束命令时,判断出本轮问答结束;智能机器人会将本轮问答中真实的机器问题与人的问题建立人机问题对应关系。其中,真实的机器问题是指本轮问答中,最后一个机器回答对应的机器问题。
较佳的,建立的人机问题对应关系中的人的问题,可以为被智能机器人成功识别的人的问题;即是指,对于该人的问题,智能机器人给出了对应的机器回答;如果智能机器人没有能够给出对应的回答,即表示智能机器人无法识别该人的问题。智能机器人只选择被成功识别的人的问题与真实的机器问题建立人机问题对应关系,可以避免存储无效信息,节省存储空间且简化智能机器人的分析处理。
在步骤104中,智能机器人会把人机问题对应关系存储至语料库,并利用人机问题对应关系优化智能模型,即利用用人机问题对应关系训练智能模型。其中,语料库专门用于存储训练智能模型的数据资料。
上述即为一轮人机问答的完整过程,每轮人机问答,都会得到一个人机问题对应关系,智能模型都能得到一次优化;在下一轮的人机问答中,智能机器人就是基于本轮人机问答后优化的智能模型与用户进行人机问答。由此可知,随着人机问答的不断发生,人机问题对应关系会被不断完善(即语料库会被不断完善),智能模型会被不断优化。
以下进行举例说明。例如,用户要在某网购平台上购买一本《失控》的书,咨询该网购平台的智能客服,其中,该网购平台的智能客服即为本实施例中的智能机器人。用户向智能客服的咨询过程如下:
人(PQ1):凯文凯利的热销书是什么
机(MA1):KK三部曲(必然+失控+科技想要什么)全3册
人(PQ2):怎么购买
机(MA2):浏览要购买的商品加入购物车
人(PQ3):怎么购买《失控》
机(MA3):[没有识别到可靠答案]
人(PQ4):怎么购买凯文凯利的失控这本书
机(MA4):失控,全人类的终命运和结局凯文凯利
其中,PQ表示“人的问题”,即PQ1、PQ2、PQ3、PQ4表示用户的四次提问;
MA表示“机器回答”,即MA1、MA2、MA3、MA4表示机器的四次回答;
需要说明的是,机器回答是机器呈现给用户的内容,但是在智能机器人中,会存储有机器问题与机器回答的对应关系,如步骤101中所述,人机问答的每个来回中,智能机器人都会选择一个匹配度最高的机器问题,并且根据预存的机器问题与机器回答的对应关系,获取该匹配度最高的机器问题对应的机器回答,并将机器回答反馈给用户。本实施例中,用MQ表示“机器问题”;所以,智能机器人存储有MQ和MA的对应关系,上述例子中,每个MA与一个MQ相对应,即,MA1对应于MQ1、MA2对应于MQ2、MA3对应于MQ3、MA4对应于MQ4。
本轮问答中,当用户接收到智能客户反馈的MA4(失控,全人类的终命运和结局凯文凯利)时,认为得到了满意的答案,此时结束本轮问答。智能客服接收到结束命令时,将真实的机器问题和人的问题建立人机问题对应关系。
本轮问答中,真实的机器问题是MQ4;人的问题包括PQ1、PQ2、PQ3、PQ4,由于PQ3没有被智能客服成功识别(MA3为“没有识别到可靠答案”,表示PQ3没有被智能客服成功识别);因此,可以只选择被智能客服成功识别的人的问题PQ1、PQ2、PQ4,并将MQ4与PQ1、PQ2、PQ4建立人机问题对应关系,可以记作,
人机问题对应关系1:MQ4-[PQ1、PQ2、PQ4];
其实际内容的对应关系即为:“如何购买凯文凯利的《失控》”-[“凯文凯利的畅销书是什么”,“怎么购买”,“怎么购买凯文凯利的失控这本书”]。
智能客服利用人机问题对应关系1对智能模型进行训练。那么,下次,如果用户给出“怎么买凯文凯利的畅销书”,被人机问题对应关系1训练过的智能模型基于空间向量匹配算法,可以利用人机问题对应关系1中的信息更快的聚合到“如何购买凯文凯利的《失控》”(MQ4),以便直接返回“失控,全人类的终命运和结局凯文凯利”(MA4)。
需要说明的是,由于智能客服中,预存有机器问题与机器回答的对应关系,如MQ4与MA4具有对应关系,可以记作,对应关系2:MQ4-MA4;因此,根据人机问题对应关系1和对应关系2可知,实际上智能客服内部储存有如下对应关系:MQ4-[PQ1、PQ2、PQ4]-MA4。
本发明的第二实施方式涉及一种人机交互方法。第二实施方式与第一实施方式大致相同,主要改进之处在于:在本发明第二实施方式中,智能机器人还可以接收用户的评分,从而记录用户的反馈情况,进一步的,还可以将用户的评分作为与用户问答中选取匹配的机器回答的考量因素。
如图2所示为第二实施例的人机交互方法的流程图。其中,步骤202~步骤203、步骤206和步骤102~步骤104大致相同,此处不再赘述,不同之处在于,还包括步骤204、205;并且,步骤201的具体实现方式与步骤101也不同。
步骤204:判断是否接收到本轮问答的评分;若是,则进入步骤205,若否,则进入步骤206。
其中,用户输入的评分表示用户对本轮问答的满意程度,具体来讲,因为用户一般只有在觉得机器给出了较为满意的回答后才会结束本轮问答,即最后一个机器回答可以理解为本轮问答中所有的人的问题的最终导向,用户的评分也可以理解为是对本轮问答中最后一个机器回答的满意程度,亦即,可以理解为是对本轮问答中最后一个机器回答对应的机器问题的满意程度。评分越高,表示用户的满意度越高。或者,用户与机器在多次问答后,觉得机器始终没有给出较为满意的回答,且不想再继续问答下去了,此时也可以结束本轮问答;用户的评分也可以理解为是对本轮问答中最后一个机器回答的满意程度,只是可能满意程度较低,即用户给出的评分较低。
步骤205:将评分绑定至人机问题对应关系。
由于用户的评分可以理解为是对本轮问答中最后一个机器回答对应的机器问题的满意程度,因此,将评分绑定至人机问题对应关系,可以理解为,将评分对应至该人机问题对应关系中的该真实的机器问题。
例如,在上述用户向智能客服的咨询过程的例子,当结束本轮问答后,用户可以输入一个评分,以表示用户对MQ4的满意程度。智能客服会将该评分绑定至该人机问题对应关系MQ4-[PQ1、PQ2、PQ4]。
需要说明的是,本实施例对步骤204和步骤203的执行顺序不作限定。
如图3所示,步骤201包括如下子步骤:
子步骤2011,基于智能模型对人的问题进行分析,并得到多个匹配的机器问题。其中,智能机器人基于智能模型得到各匹配的机器问题的同时,也会得到各匹配的机器问题对应的匹配度。
子步骤2012,获取各匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各匹配的机器问题对应的评分。其中,各匹配的机器问题对应的人机问题对应关系为智能模型得到各匹配的机器问题所依赖的人机问题对应关系。
由于在步骤205中,将评分绑定至人机问题对应关系,因此,这里可以获取匹配的机器问题对应的人机问题对应关系所绑定的评分。例如,在上述用户向智能客服的咨询过程的例子中,对于某一个人的问题,智能客服获取的其中一个匹配的机器问题为MQ4,且MQ4是依赖于人机问题对应关系1分析得到的,则人机问题对应关系1所绑定的评分。
子步骤2013,比较各匹配的机器问题对应的评分,并选定最大评分对应的匹配的机器问题。
子步骤2014,将选定的匹配的机器问题对应的机器回答反馈至用户。
由于评分越高,表示用户对这个机器问题的满意度越高,所以选择满意度最高的机器问题对应的机器回答反馈至用户,具有更高的概率能够符合用户本次的需求。
本实施方式提供了从各匹配问题中选择一个真实的机器问题的一种具体方案,该方案中结合用户的评价来选择最合适的机器问题,可以提高机器回答的准确性,从而提高机器的智能度。
需要说明的是,本实施例对接收到的用户的评分的使用方式并不作任何限制;智能机器人将评分绑定至人机问题对应关系后,设计人员可以根据需要来设定评分的具体应用场景。
本发明的第三实施方式涉及一种人机交互方法。第三实施方式与第二实施方式大致相同,主要改进之处在于:在本发明第三实施方式中,可以将匹配度与评分相结合,来作为与用户问答中选取匹配的机器回答的考量因素。
如图4所示为第三实施例中的步骤201的具体流程图,其中,与图3中的各子步骤的区别在于,在子步骤2011与子步骤2012之间,还包括:
子步骤2011-1,按照匹配度对各匹配的机器问题进行排序,并选取匹配度较高的预设数量的机器问题。
具体而言,智能机器人基于智能模型得到匹配的机器问题的同时,得到匹配的机器问题对应的匹配度。智能机器人会按照匹配度对各匹配的机器问题进行排序,并选取匹配度较高的预设数量的机器问题;其中,预设数量可以是预先设定的,假设预设数量为5,表示选取匹配度较高的5个机器问题。
子步骤2012中,具体为,获取选取的各匹配的机器问题对应的人机问题对应关系所绑定的评分,作为选取的各匹配的机器问题对应的评分。
即,如上例子中,假设预设数量为5,则对于这5个匹配的机器问题,获取每个匹配的机器问题对应的人机问题对应关系所绑定的评分,作为该匹配的机器问题对应的评分。
本实施方式提供了从各匹配问题中选择一个真实的机器问题的一种具体方案,该方案中结合用户的评价以及智能模型计算出来的匹配度来选择最合适的机器问题,考虑更加全面,机器回答的准确性更靠。
本发明的第四实施方式涉及一种人机交互方法。第四实施方式与第二实施方式大致相同,主要改进之处在于:在本发明第四实施方式中,提供了在没有接收到评分时的一种处理方式。
如图5所示为第四实施例的人机交互方法的流程图。其中,步骤301~步骤304、步骤306、步骤307与图2中的步骤201~步骤206大致相同,此处不再赘述,不同之处在于,
当步骤304的判断结果为否时,进入步骤305,然后再进入步骤306。
步骤305,将本轮问答的评分设定为零。
即,如果没有接收到评分,则认为评分为零。较佳的,可以预设一个等待时长,如果在等待时长内没有接收到本轮问答的评分,则将本轮问答的评分设定为零。然本实施例对此不作任何限制,在其他例子中,没有接收到评分时,也可以不作任何处理,即该人机问题对应关系不会绑定任何评分。
需要说明的是,本实施例也可以是在第三实施例基础上的改进。
本发明的第五实施方式涉及一种人机交互方法。第五实施方式与第二实施方式大致相同,主要改进之处在于:在本发明第五实施方式中,只有在判断出评分达到评分阈值时,才建立人机问题对应关系并绑定评分。
如图6所示为第五实施例的人机交互方法的流程图。其中,步骤401、步骤402、步骤406、步骤407与图2中的步骤201、步骤202、步骤205、步骤206大致相同,此处不再赘述,不同之处在于,
当步骤402的判断结果为是,则进入步骤403;当步骤402的判断结果为否时,结束。
步骤403,判断是否接受到本轮问答的评分;若是,则进入步骤404;若否,则结束。
步骤404,判断评分是否大于或等于预设的评分阈值;若是,则进入步骤405;若否,则结束。其中,评分阈值可以由开发人员根据实际情况预先设定。
本实施例中,只有在判断出评分达到评分阈值时,才建立人机问题对应关系并绑定评分,并利用该人机问题对应关系优化智能模型。因为如果评分太低或者用户没有给出评分,表示机器没有回答到用户实际想要的答案;所以这种人机问题对应关系不是用户真实想要的,就可以无需再用这种对应关系优化智能模型,可以避免无益的工作量,优化计算机的资源配置。
需要说明的是,本实施例也可以是在第三实施例基础上的改进。
本发明的第六实施方式涉及一种人机交互方法。第六实施方式与第一实施方式大致相同,主要改进之处在于:在本发明第六实施方式中,只有当真实的机器问题对应的匹配度大于或等于预设的匹配度阈值时,才建立人机问题对应关系。
如图7所示为第六实施例的人机交互方法的流程图。其中,步骤501~步骤502、步骤504~步骤505和步骤101~步骤104大致相同,此处不再赘述,不同之处在于,还包括:
步骤503,判断真实的机器问题对应的匹配度是否大于或等于预设的匹配度阈值;若是,则进入步骤504;若否,则结束。
具体而言,智能模型得到真实的机器问题的同时,得到各真实的机器问题对应的匹配度。智能机器人内部预设有匹配度阈值,只有当真实的机器问题对应的匹配度大于匹配度阈值时,才将本轮问答中真实的机器问题与人的问题建立人机问题对应关系,即智能机器人才会记忆人机问题对应关系,并将该人机问题对应关系添加至语料库。其中,匹配度阈值可以根据实际情况设定,匹配度阈值设定得越高,智能机器人记忆的人机问题对应关系越准确。
需要说明的是,本实施例也可以是在第二至五实施例中任一实施例基础上的改进;其中,当本实施例是在第五实施例基础上的改进时,只有当满足真实的机器问题对应的匹配度大于或等于预设的匹配度阈值且满足评分大于或等于预设的评分阈值时,才将本轮问答中真实的机器问题与人的问题建立人机问题对应关系。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第七实施方式涉及一种智能机器人,如图8所示,包括:信息接收器1、信息提示器2、处理器3以及存储器4,处理器3连接于信息接收器1、信息提示器1以及存储器4。其中,存储器4存储有可被处理器3执行的指令,指令被处理器3执行,以使处理器3能够执行上述人机交互方法。
信息接收器1用于接收人的问题。信息接收器1可以是语音输入设备,例如麦克风;也可以是文字输入设备,例如键盘、触控屏等。
信息提示器2用于将机器回答反馈至用户。信息提示器2可以是语音提示设备,例如喇叭等,;也可以是文字提示设备,例如显示屏等。
其中,人机问题对应关系可以存储在智能机器人的另一存储器5中;或者,人机问题对应关系也可以存储在云端存储器中(图未示)。
不难发现,本实施方式为与第一、第二或第三实施方式相对应的系统实施例,本实施方式可与第一、第二或第三实施方式互相配合实施。第一、第二或第三实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一、第二或第三实施方式中。
其中,存储器4和处理器3采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将处理器3和存储器4的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器3处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器3。
处理器3负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器4可以被用于存储处理器在执行操作时所使用的数据。
本发明第五实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (8)
1.一种人机交互方法,其特征在于,包括:
基于上次优化后的智能模型与用户进行人机问答;
所述基于上次优化后的智能模型与用户进行人机问答,包括:基于所述智能模型对人的问题进行分析,并得到多个匹配的机器问题;获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分;其中,各所述匹配的机器问题对应的人机问题对应关系为所述智能模型得到各所述匹配的机器问题所依赖的人机问题对应关系;比较各所述匹配的机器问题对应的评分,并选定最大评分对应的所述匹配的机器问题;将选定的所述匹配的机器问题对应的机器回答反馈至用户;
当本轮问答结束时,将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系;其中,所述真实的机器问题为所述本轮问答中,最后一个机器回答对应的机器问题;
在所述本轮问答结束后,判断是否接收到所述本轮问答的评分;
若接收到所述本轮问答的评分,则将所述评分绑定至所述人机问题对应关系;
利用所述人机问题对应关系优化所述智能模型。
2.根据权利要求1所述的人机交互方法,其特征在于,在所述获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分之前,还包括:
按照匹配度对各所述匹配的机器问题进行排序,并选取匹配度较高的预设数量的机器问题;其中,基于所述智能模型得到所述匹配的机器问题的同时,得到所述匹配的机器问题对应的匹配度;
所述获取各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为各所述匹配的机器问题对应的评分,具体为,获取选取的各所述匹配的机器问题对应的人机问题对应关系所绑定的评分,作为选取的各所述匹配的机器问题对应的评分。
3.根据权利要求1所述的人机交互方法,其特征在于,所述方法还包括:
若未接收到所述本轮问答的评分,则将所述本轮问答的评分设定为零,并进入所述将所述评分绑定至所述人机问题对应关系的步骤。
4.根据权利要求1项所述的人机交互方法,其特征在于,在所述将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,执行所述判断是否接收到所述本轮问答的评分的步骤;
在接收到所述本轮问答的评分之后,且在所述将所述本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,还包括:
判断所述评分是否大于或等于预设的评分阈值,且判断结果为是。
5.根据权利要求1所述的人机交互方法,其特征在于,在所述本轮问答结束后,且在所述将本轮问答中真实的机器问题与人的问题建立人机问题对应关系之前,还包括:
判断所述真实的机器问题对应的匹配度是否大于或等于预设的匹配度阈值,且判断结果为是;其中,基于所述智能模型得到所述真实的机器问题的同时,得到所述真实的机器问题对应的匹配度。
6.根据权利要求1项所述的人机交互方法,其特征在于,所述人机问题对应关系中的所述人的问题为,所述本轮问答中被成功识别的人的问题。
7.一种智能机器人,其特征在于,包括:信息接收器、信息提示器、处理器以及存储器,所述处理器连接于所述信息接收器、所述信息提示器以及所述存储器;
其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行如权利要求1至6中任一所述的人机交互方法;
所述信息接收器用于接收所述人的问题,所述信息提示器用于将机器回答反馈至用户;所述人机问题对应关系存储在所述智能机器人的另一存储器中,或者,所述人机问题对应关系存储在云端存储器中。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的人机交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810638884.1A CN109189881B (zh) | 2018-06-20 | 2018-06-20 | 人机交互方法及智能机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810638884.1A CN109189881B (zh) | 2018-06-20 | 2018-06-20 | 人机交互方法及智能机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189881A CN109189881A (zh) | 2019-01-11 |
CN109189881B true CN109189881B (zh) | 2021-03-05 |
Family
ID=64948711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810638884.1A Expired - Fee Related CN109189881B (zh) | 2018-06-20 | 2018-06-20 | 人机交互方法及智能机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189881B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113312482A (zh) * | 2021-06-01 | 2021-08-27 | 平安证券股份有限公司 | 问题分类方法、装置、电子设备及可读存储介质 |
CN113312465A (zh) * | 2021-06-04 | 2021-08-27 | 广州天辰信息科技有限公司 | —种基于大数据分析的智能问答机器人装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202159A (zh) * | 2016-06-23 | 2016-12-07 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
CN106227779A (zh) * | 2016-07-18 | 2016-12-14 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
CN106484801A (zh) * | 2016-09-23 | 2017-03-08 | 厦门快商通科技股份有限公司 | 一种智能客服机器人的对话方法及其知识库管理系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10607146B2 (en) * | 2016-06-02 | 2020-03-31 | International Business Machines Corporation | Predicting user question in question and answer system |
CN108170739A (zh) * | 2017-12-18 | 2018-06-15 | 深圳前海微众银行股份有限公司 | 问题匹配方法、终端和计算机可读存储介质 |
-
2018
- 2018-06-20 CN CN201810638884.1A patent/CN109189881B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202159A (zh) * | 2016-06-23 | 2016-12-07 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
CN106227779A (zh) * | 2016-07-18 | 2016-12-14 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
CN106484801A (zh) * | 2016-09-23 | 2017-03-08 | 厦门快商通科技股份有限公司 | 一种智能客服机器人的对话方法及其知识库管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109189881A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11735163B2 (en) | Human-machine dialogue method and electronic device | |
CN110909145B (zh) | 针对多任务模型的训练方法及装置 | |
CN107463701B (zh) | 基于人工智能推送信息流的方法和装置 | |
CN109816483B (zh) | 信息推荐方法及装置、可读存储介质 | |
CN104951428A (zh) | 用户意图识别方法及装置 | |
CN110782962A (zh) | 听力语言康复装置、方法、电子设备及存储介质 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和系统 | |
CN111078856B (zh) | 一种群聊对话处理方法、装置及电子设备 | |
CN108846030B (zh) | 访问官方网站的方法、系统、电子设备及存储介质 | |
CN109189881B (zh) | 人机交互方法及智能机器人 | |
CN110110049A (zh) | 服务咨询方法、装置、系统、服务机器人及存储介质 | |
CN111651989B (zh) | 命名实体识别方法和装置、存储介质及电子装置 | |
CN108833595B (zh) | 用于在线客服服务的计算机可读存储介质 | |
CN113064980A (zh) | 一种智能问答方法、装置、计算机设备及存储介质 | |
CN112507139A (zh) | 基于知识图谱的问答方法、系统、设备及存储介质 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN117573834B (zh) | 一种用于面向软件即服务平台的多机器人对话方法及系统 | |
CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
JP6948849B2 (ja) | Aiサービス利用支援システム | |
CN115440223A (zh) | 智能交互方法、装置、机器人和计算机可读存储介质 | |
CN112307186A (zh) | 基于情绪识别的问答服务方法、系统、终端设备及介质 | |
CN113191821A (zh) | 一种数据处理方法及装置 | |
CN115344673A (zh) | 一种对话系统对话方法、装置及存储介质 | |
CN111522914A (zh) | 标注数据采集方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210305 |
|
CF01 | Termination of patent right due to non-payment of annual fee |