CN110008321A - 信息交互方法和装置，存储介质及电子装置 - Google Patents

Abstract

本发明公开了一种信息交互方法和装置，存储介质及电子装置。其中，该方法包括：在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息，其中，客户端由第一账号登录；根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息，其中，虚拟机器人的属性信息包括多个维度的属性值，多个维度的属性值与第一账号对虚拟机器人已执行的操作的操作信息和/或第一账号的属性信息相关；在客户端上展示第二交互信息。本发明解决了相关技术中存在的与机器人交互时，交互信息灵活性差的技术问题。

Description

信息交互方法和装置，存储介质及电子装置

技术领域

本发明涉及计算机领域，具体而言，涉及一种信息交互方法和装置，存储介质及电子装置。

背景技术

相关技术中，当用户与游戏中的机器人进行互动时，通常不同的用户提问相同的问题时或者一个用户重复提相同的问题时，机器人通常会回复相同的答案，以解答用户提出的问题。

然而，采用上述方法，由于不同的用户提问相同的问题或者一个用户重复提相同的问题时，机器人无法提供灵活的答案，仅仅能够提供单一的答案，造成用户在与机器人进行交互的过程中，交互信息的灵活性差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种信息交互方法和装置，存储介质及电子装置，以至少解决相关技术中存在的与机器人交互时，交互信息灵活性差的技术问题。

根据本发明实施例的一个方面，提供了一种信息交互方法，包括：在客户端显示的游戏场景中获取到待上述游戏场景中的虚拟机器人回复的第一交互信息，其中，上述客户端由第一账号登录；根据上述第一交互信息和上述虚拟机器人的属性信息确定出上述虚拟机器人响应于上述第一交互信息回复的第二交互信息，其中，上述虚拟机器人的属性信息包括多个维度的属性值，上述多个维度的属性值与上述第一账号对上述虚拟机器人已执行的操作的操作信息和/或上述第一账号的属性信息相关；在上述客户端上展示上述第二交互信息。

根据本发明实施例的另一方面，还提供了一种信息交互装置，包括：获取单元，用于在客户端显示的游戏场景中获取到待上述游戏场景中的虚拟机器人回复的第一交互信息，其中，上述客户端由第一账号登录；确定单元，用于根据上述第一交互信息和上述虚拟机器人的属性信息确定出上述虚拟机器人响应于上述第一交互信息回复的第二交互信息，其中，上述虚拟机器人的属性信息包括多个维度的属性值，上述多个维度的属性值与上述第一账号对上述虚拟机器人已执行的操作的操作信息和/或上述第一账号的属性信息相关；展示单元，用于在上述客户端上展示上述第二交互信息。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述信息交互方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的信息交互方法。

在本发明实施例中，在客户端显示的游戏场景中获取到待上述游戏场景中的虚拟机器人回复的第一交互信息之后，根据上述第一交互信息和上述虚拟机器人的属性信息确定出上述虚拟机器人响应于上述第一交互信息回复的第二交互信息，然后在上述客户端上展示上述第二交互信息。由于本方案中的第二交互信息并不是预先设定的固定答案，而是根据虚拟机器人的属性信息确定，而且虚拟机器人的属性信息根据第一账号的已执行的操作或第一账号的属性信息相关，从而在确定第二交互信息时，可以灵活确定第二交互信息，提高了与机器人交互时，交互信息的灵活性，解决了相关技术中存在的与机器人交互时，交互信息灵活性差的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的信息交互方法的应用环境的示意图；

图2是根据本发明实施例的一种可选的信息交互方法的流程示意图；

图3是根据本发明实施例的一种可选的信息交互方法的示意图；

图4是根据本发明实施例的另一种可选的信息交互方法的示意图；

图5是根据本发明实施例的又一种可选的信息交互方法的示意图；

图6是根据本发明实施例的另一种可选的信息交互方法的流程示意图；

图7是根据本发明实施例的又一种可选的信息交互方法的示意图；

图8是根据本发明实施例的又一种可选的信息交互方法的示意图；

图9是根据本发明实施例的一种可选的信息交互装置的结构示意图；

图10是根据本发明实施例的一种可选的电子装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例的一个方面，提供了一种信息交互方法，可选地，作为一种可选的实施方式，上述信息交互方法可以但不限于应用于如图1所示的环境中。

用户102与终端104之间可以进行数据交互，终端104包括存储器106，用于存储第一交互信息、处理器108，用于对第一交互信息进行处理。用户设备104与服务器112之间可以通过网络110进行数据交互，服务器112包括数据库114，用于存储用户设备104上运行的客户端的数据、处理引擎116，用于对客户端的请求进行处理。

可选地，上述用户设备104可以但不限于为可以运行客户端的硬件设备，例如手机、平板电脑、笔记本电脑、PC机等，上述网络110可以包括但不限于无线网络或有线网络。其中，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述服务器112可以包括但不限于任何可以进行计算的硬件设备。

在本实施例中，用户设备104上可以运行有客户端，用户而可以通过第一账号登录客户端，并且输入第一交互信息给客户端中的虚拟机器人，而客户端中的虚拟机器人在接收到第一交互信息后，根据虚拟机器人的属性信息对第一交互信息进行响应，得到第二交互信息，并反馈第二交互信息给用户。

通过本实施例，通过在获取到第一交互信息后，根据虚拟机器人的属性信息确定出用于回复第一交互信息的第二交互信息，而虚拟机器人的属性信息又与第一账号已执行的操作的操作信息或第一账号的属性信息相关，从而保证了第二交互信息的灵活性，实现了提高信息交互过程中的交互信息的灵活性的效果。

可选地，作为一种可选的示例，如图2所示，上述信息交互方法包括：

S202，在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息，其中，客户端由第一账号登录；

S204，根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息，其中，虚拟机器人的属性信息包括多个维度的属性值，多个维度的属性值与第一账号对虚拟机器人已执行的操作的操作信息和/或第一账号的属性信息相关；

S206，在客户端上展示第二交互信息。

可选地，上述信息交互方法可以但不限于应用于任何涉及到与虚拟机器人进行交互的游戏中。例如，应用到PC游戏中，或者应用到手机游戏中，或者应用到虚拟现实游戏中。上述游戏并不限定与为单机游戏或者网络游戏，也并不限定游戏类型。例如，将上述信息交互方法应用到网络游戏的竞速游戏应用中。在游戏应用的虚拟场景中设置一个虚拟机器人，虚拟机器人可以在接收到第一账号输入的第一交互信息后，输出第二交互信息。

需要说明的是，上述第一交互信息可以但不限于为语音、文字、动作等任意一种或多种，上述第二交互信息可以但不限于为语音、文字、图像、表情、动作等任意一种或多种。当客户端在接收到至少一种第一交互信息后，可以对第一交互信息作出响应，生成第二交互信息，并显示第二交互信息。可选地，客户端上可以显示有虚拟机器人，由虚拟机器人显示第二交互信息。

例如如图3所示，图3为一种可选的游戏界面的示意图。图3中的左下角包含用于输入第一交互信息的区域302，而图3中的用户A在输入第一交互信息“我跑了第一”后，虚拟机器人根据自己的属性信息，输出用于响应第一交互信息的第二交互信息“你真是太厉害了！”。当然，用户A也可以输入语音，然后客户端会将语音转换成文字信息。

通过本实施例，通过在接收到第一交互信息后，根据虚拟机器人的属性信息确定出回复第一交互信息的第二交互信息，而虚拟机器人的属性信息又与第一账号的已执行操作的操作信息或第一账号的属性信息相关，从而保证了生成第二交互信息的灵活性，进一步提高了与虚拟机器人进行交互的过程中，虚拟机器人生成的交互信息的灵活性。

可选地，上述虚拟机器人的属性信息的多个维度可以为虚拟机器人的性格，例如，为可爱型、高冷型、聪慧型、贴心型等各种性格。例如，以虚拟机器人为可爱型为例，在接收到第一账号输入的第一交互信息：“我跑了第一名”时，虚拟机器人可以回应“哇，你真的太厉害了！”。而若是虚拟机器人为高冷型，在接收到第一账号输入的第一交互信息：“我跑了第一名”时，虚拟机器人可以回应“哼，运气而已”。

可选地，由于虚拟机器人的属性信息包含有多个维度，因此，当虚拟机器人接收到第一交互信息之后，需要从虚拟机器人的属性信息的多个维度中确定出一个目标维度，然后在确定第二交互信息时，需要根据目标维度确定出第二交互信息。

可选地，可以但不限于为虚拟机器人的属性信息中的多个维度设定属性值。每一个维度对应的属性值可以相同或不同。例如，以虚拟机器人包含三个维度，可爱型、高冷型、贴心型为例，可爱型对应的属性值为50，高冷型对应的属性值为20，而贴心型对应的属性值为30，此时可以选择属性值最高的维度作为虚拟机器人对应的目标维度。而本实施例提供了一中方法为对虚拟机器人的属性信息的多个维度的属性值进行归一化处理，得到每一个维度被选中的概率。此时，根据每个维度被选中的概率从虚拟机器人对应的多个维度中随机选择出目标维度，则可爱型被选中的概率为50％，高冷型被选中的概率为20％，聪慧型被选中的概率为30％。当选中目标维度后，再根据目标维度生成对第一交互信息进行回应的第二交互信息，然后显示第二交互信息。

可选地，本实施例中，当根据第一交互信息与目标维度生成第二交互信息时，可以将第一交互与目标维度输入到目标神经网络模型中。而上述目标神经网络模型为对样本交回信息与样本维度对初始神经网络模型进行训练后得到的模型。在将第一交互信息与目标维度输入到目标神经网络模型中后，目标神经网络模型可以输出符合预期的第二交互信息。

需要说明的是，本方案中的虚拟机器人的属性信息的多个维度可以预先设定，维度的数量与类型本实施例并不限定，但是每一个维度对应的属性值与本方案中的第一账号有关。

作为一种可选的方式，本方案中虚拟机器人对应的维度的属性值根据第一账号的属性信息确定。可选地，上述第一账号的属性信息可以包括以下至少之一：第一账号的好友个数、第一账号的等级信息、第一账号的虚拟道具数量、第一账号的游戏时长、第一账号的游戏频率等等。例如，第一账号的等级越高，虚拟机器人对应的维度中，可爱型的属性值越高，而高冷型对应的属性值越低，或者第一账号的好友个数越多，则虚拟机器人的开朗型对应的属性值越高，安静型对应的属性值越低等等。

或者，作为另一种可选的方式，本方案中虚拟机器人对应的维度的属性值根据第一账号已经执行的操作的操作信息确定。例如，第一账号每执行一次操作，则根据操作的类型对虚拟机器人对应的维度的属性值进行调整。可选地，第一账号装扮虚拟机器人时，可以根据第一账号装扮虚拟机器人的风格，确定调整的虚拟机器人对应的维度的属性值。例如，当第一账号将虚拟机器人装扮的风格为可爱时，可以对应增加可爱型的属性值，甚至在增加可爱型的属性值的同时，减少高冷型的属性值。或者当第一账号每开始一局游戏，则增加虚拟机器人对应的开朗型的属性值，减少虚拟机器人对应的安静型的属性值。

需要说明的是，上述根据第一账号已经执行的操作的操作类型对虚拟机器人对应的维度的属性值进行更新时，可以设置一个冷却时间。即，当第一账号频繁的执行相同的操作时，可以仅响应第一次操作或最后一次操作而对对应的属性值进行更新。

又或者，本实施例中的虚拟机器人对应维度的属性值根据第一账号已经执行的操作的操作信息与第一账号的属性信息共同确定。本实施例不再赘述。

再或者，作为一种较简单的实现方式，本方案中的虚拟机器人对应的维度的属性值可以进行显示，然后客户端可以直接接收对上述属性值进行调整的操作。例如，客户端上显示有一个按钮，在按钮被触发后，客户端会将虚拟机器人的所有维度与对应的属性值显示出来，然后第一账号可以通过操作指令直接对上述属性值进行调整。或者，第一账号也可以直接将虚拟机器人的属性信息的一个维度锁定为目标维度。

通过本实施例，通过在接收到用于与游戏场景中的虚拟机器人进行交互的第一交互信息后，根据虚拟机器人的属性信息与第一交互信息确定出用于回复第一交互信息的第二交互信息，从而可以根据虚拟机器人的属性信息灵活确定第二交互信息。且由于虚拟机器人的属性信息是根据第一账号已经执行的操作的操作信息或第一账号的属性信息确定的，因此，通过上述方法确定出的第二交互信息与第一账号存在强关联性。通过上述方法，丰富了在与虚拟机器人进行交互的过程中的交互信息的央视，提高了与虚拟机器人进行交互时，交互信息的灵活性。

作为一种可选的实施方案，根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息包括：

S1，根据虚拟机器人的属性信息在多个维度中确定目标维度；

S2，获取与第一交互信息和目标维度对应的第二交互信息。

可选地，虚拟机器人的属性信息中的多个维度可以预先设定。例如，为虚拟机器人的属性信息设定三个维度，分别为可爱型、聪慧型、体贴型，或者设置其他数量的维度。在设定多个维度后，从多个维度中确定出目标维度，例如确定为可爱型，则在接收到第一交互信息后，应该反馈属于可爱型的第二交互信息。

通过本实施例，通过上述方法确定第二交互信息，从而可以根据虚拟机器人的维度信息确定出不同的第二交互信息，提高了第二交互信息的确定灵活性，进一步提高了与虚拟机器人进行交互时，交互信息的灵活性。

作为一种可选的实施方案，根据虚拟机器人的属性信息在多个维度中确定目标维度包括：

S1，对虚拟机器人的属性信息中的多个维度的属性值进行归一化处理，得到每个维度的归一化属性值；

S2，按每个维度被确定为目标维度的概率从多个维度中确定出目标维度，其中，每个维度被确定为目标维度的概率为每个维度的归一化属性值。

可选地，可以预先为虚拟机器人的属性信息中每一个维度设定一个属性值，上述属性值用于决定该维度被选中的概率。例如，当虚拟机器人的属性信息包含三个维度，分别为可爱型、聪慧型、体贴型时，可爱型的属性值为50，聪慧型的属性值为30，体贴型的属性值为20。对上述属性值进行归一化处理，得到每一个维度的被选中的概率。则，可爱型被选中概率为50％，聪慧型被选中概率为30％，体贴型被选中概率为20％。如图4所示，图4为各个维度的被选中概率的树状图。当从虚拟机器人的多个维度中根据概率选择出目标维度为聪慧型时，且接收到第一交互信息后，需要根据第一交互信息，反馈与聪慧型对应的第二交互信息。如接收到第一交互信息“我跑的怎么样”时，可以反馈与聪慧型有关的“转弯技术棒极了！但是直线加速时机有待提高。”而若是选中的可爱型的维度，则接收到第一交互信息“我跑的怎么样”时，可以反馈与可爱型有关的“人家觉得，你转弯技术帅呆了，如果直线加速时机把控在好一点就更好了！”

通过本实施例，通过上述采用归一化的方法处理虚拟机器人的多个维度信息的属性值，从而可以根据属性值从多个维度信息中确定出目标维度。由于上述方法中，属性值有高有低，因此，选择出目标维度的概率并不是维度数量分之一，因此，采用上述方法选择目标维度准确性更高。

作为一种可选的实施方案，获取与第一交互信息和目标维度对应的第二交互信息包括：

S1，将第一交互信息与目标维度输入到目标神经网络模型中，其中，目标神经网络模型是使用样本交互信息和样本维度对初始神经网络模型进行训练后得到的模型，目标神经网络模型用于在目标维度下生成对第一交互信息进行回复的第二交互信息；

S2，将目标神经网络模型输出的交互信息确定为第二交互信息。

可选地，上述目标神经网络模型的训练过程可以如下：

客户端接收客户端之间的聊天信息，或者导入聊天数据，然后，对聊天数据进行抽样，大致分为短语抽样、断句抽样和上下文抽样。抽样后的聊天信息，会基于自然语言识别的算法进行分析，提取句中首要信息和辅助信息，对其进行归类。归类后的信息，会和云端大型数据库集群进行对比，并随机与相关性比较大的信息进行组合，找出对应的多条有效回答对这些有效回答进行自然语言分析，找出这些回答中语义接近或相似的，为它们升高权值(每条有效回答的权值，决定它们被找到的概率，权值越大，被找到的概率越大)，并作适当的随机扰动，避免回答内容收敛到太一致，影响真实性。基于这种反复的训练，会形成一个拥有“信息和带权值的回答的对应关系”的云端大型数据库集群。在得到云端大型数据库集群之后，对云端大型数据库集群进行分类，分类的依据是为虚拟机器人设定的维度。将云端大型数据库集群分成上述维度个类别。将分类后的云端大型数据库集群作为上述目标神经网络模型。此时，当神经网络模型接收到第一交互信息“我车技怎么样”后，需要在与虚拟机器人的属性信息的维度(如高冷型)对应的云端大型数据库中找到答案，然后，将答案作为第二交互信息反馈。如反馈“哼，还行。”

通过本实施例，通过将第一交互信息输入到已经训练好的目标神经网络模型中，从而可以根据目标神经网络模型得到与第一交互信息对应的且与目标维度对应的第二交互信息，从而保证了获取到的第二交互信息与第一交互信息匹配，提高了获取的第二交互信息的准确性与灵活性。

作为一种可选的实施方案，在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息之前，包括：

S1，获取第一账号在游戏场景中已对虚拟机器人执行的第一操作的操作信息；

S2，根据第一操作的操作信息对多个维度中与第一操作对应的第一维度的属性值进行更新。

可选地，上述第一操作的操作信息可以但不限于为以下至少之一：第一账号对虚拟机器人已执行的操作的操作类型和对应的操作次数。可选地，上述已执行操作的操作类型包括在游戏场景中可以执行的任何操作。例如，装扮虚拟机器人，或者添加、删除好友，或者开始游戏，或者聊天等等。而每一个操作都对应一个操作类型。例如，装扮机器人，根据装扮的样式确定出装扮操作对应的操作类型，如可爱，则对应到虚拟机器人的属性信息的维度为可爱型。而开始游戏可以对应操作类型为积极，则可以对应到虚拟机器人的属性信息的维度为积极型。在确定出操作的操作类型后，对应调整与操作类型对应的维度的属性值。

可选地，若是检测到用户的重复操作频繁，则此时可以设置一个冷却时间，在冷却时间内不对用户的重复操作进行相应，不对应调整虚拟机器人的维度的属性值。

需要说明的是，对上述属性值进行调整的过程中，用户是不可见的。如图5所示，图5中当用户A点击“换装”按钮后，界面上可以弹出换装界面502，换装界面上显示有各种风格的服装，每一件衣服均对应一个虚拟机器人的属性信息的维度。当用户选择某一个风格的服装后，后台自动调整与服装对应的维度的属性值，而属性值在显示界面上不显示。

通过本实施例，通过根据第一账号的已执行操作的操作信息调整第一维度的属性值，从而可以使虚拟机器人的目标维度与用户的操作习惯更契合，实现了提高生成第二交互信息的灵活性的效果。

作为一种可选的实施方案，根据第一操作的操作信息对多个维度中与第一操作对应的第一维度的属性值进行更新包括：

S1，在第一操作的类型为对虚拟机器人进行调整的情况下，增加与第一操作对应的第一维度的属性值。

可选地，用户可以调整虚拟机器人的服装，而虚拟机器人的服装中，每一件服装都对应一个虚拟机器人的维度。例如，虚拟机器人的服装对应可爱型或聪慧型。若是用户A在为虚拟机器人换装时，选择了对应可爱型的服装，则需要对应增加可爱型的属性值。从而实现根据用户的执行的操作对虚拟机器人的各个维度的属性值进行调整。需要说明的是，在对应增加可爱型的属性值时，还可以对应减少其他一个或多个维度的属性值。例如，减少高冷型的属性值。

通过本实施例，通过对虚拟机器人进行调整时，对应增加与第一操作对应的第一维度的属性值，从而实现了对虚拟机器人的各个维度的属性值进行精确调整的目的，进而保证了反馈第二交互信息时，第二交互信息的灵活性。

作为一种可选的实施方案，第一账号的属性信息包括以下至少之一：第一账号的好友个数、第一账号的等级信息。

可选地，针对已经存在的账号，在突然增加虚拟机器人功能后，需要较长的时间才能训练好虚拟机器人的性格。因此，本实施例提出还可以根据第一账号的属性信息训练虚拟机器人的性格。例如，当第一账号的好友个数越多时，虚拟机器人对应的开朗型的维度的属性值越大，而安静型的属性值越小。当第一账号的游戏时长较长时，虚拟机器人对应的积极型的维度的属性值越大。等等。

通过本实施例，通过根据第一账号的属性信息对虚拟机器人的第一维度的属性值进行调整，从而提高了对虚拟机器人的维度进行训练的效率。

以下结合图6解释上述交互方法。图6中通过步骤S602到S618实现了对虚拟机器人的人设也就是性格的前期设置与培养。例如，定义虚拟机器人分为可爱型，聪慧型与体贴型三种维度，三种维度的初始属性值都是10。定义影响虚拟机器人的维度的属性值的行为，如添加好友，则可以对应增加聪慧型的属性值。定义用户操作对每个维度的影响权重，如用户添加好友，则增加10点聪慧型的属性值，减少3点可爱型的属性值。此时完成前期的准备。之后，根据用户行为对虚拟机器人的性格进行训练。此时，在接收到第一账号执行的操作后，根据操作的类型，如添加好友，则可以对应增加聪慧型的属性值。若是接收到第一账号装扮虚拟机器人的操作，根据装扮的类型，如装扮的可爱的衣服，对应增加可爱型的属性值20点。在经过一系列对虚拟机器人的训练后，虚拟机器人对应的三种维度的属性值为可爱型为50，聪慧型为30，体贴型为20。在使用阶段，在接收到第一交互信息“我车技怎么样”时，对属性值进行归一化处理，得到可爱型被选中概率为50％，聪慧型被选中概率为30％，体贴型被选中概率为20％。例如选中可爱型，将上述第一交互信息与随机选择的目标维度如“可爱型”输入到目标神经网络模型中，由目标神经网络模型根据第一交互信息“我车技怎么样”得到答案“转弯技术高，直线加速时机掌握差”。然后根据目标维度“可爱型”确定出第二交互信息“人家觉得，你转弯技术帅呆了，如果直线加速时机把控在好一点就更好了！”。然后显示第二交互信息。

需要说明的是，如果选择的目标维度为体贴型，则可以确定出第二交互信息为“可能直线直线加速的时机还需要提高一下，不过你做的已经够好了”。例如如图7、8所示，图7中确定出虚拟机器人的目标维度为可爱型，因此，虚拟机器人回复可爱类的第二交互信息，而图8中虚拟机器人的目标维度为体贴型，因此，虚拟机器人回复体贴型的第二交互信息。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

根据本发明实施例的另一个方面，还提供了一种用于实施上述信息交互方法的信息交互装置。如图9所示，该装置包括：

(1)获取单元902，用于在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息，其中，客户端由第一账号登录；

(2)确定单元904，用于根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息，其中，虚拟机器人的属性信息包括多个维度的属性值，多个维度的属性值与第一账号对虚拟机器人已执行的操作的操作信息和/或第一账号的属性信息相关；

(3)展示单元906，用于在客户端上展示第二交互信息。

可选地，上述信息交互装置可以但不限于应用于任何运行涉及到与虚拟机器人进行交互的游戏的终端上。例如，应用到运行PC游戏的终端中，或者应用到运行手机游戏的终端中，或者应用到运行虚拟现实游戏的终端中。上述游戏并不限定与为单机游戏或者网络游戏，也并不限定游戏类型。例如，将上述信息交互方法应用到网络游戏的竞速游戏应用中。在游戏应用的虚拟场景中设置一个虚拟机器人，虚拟机器人可以在接收到第一账号输入的第一交互信息后，输出第二交互信息。

需要说明的是，上述第一交互信息可以但不限于为语音、文字、动作等任意一种或多种，上述第二交互信息可以但不限于为语音、文字、图像、表情、动作等任意一种或多种。当客户端在接收到至少一种第一交互信息后，可以对第一交互信息作出响应，生成第二交互信息，并显示第二交互信息。可选地，客户端上可以显示有虚拟机器人，由虚拟机器人显示第二交互信息。

例如如图3所示，图3为一种可选的游戏界面的示意图。图3中的左下角包含用于输入第一交互信息的区域302，而图3中的用户A在输入第一交互信息“我跑了第一”后，虚拟机器人根据自己的属性信息，输出用于响应第一交互信息的第二交互信息“你真是太厉害了！”。当然，用户A也可以输入语音，然后客户端会将语音转换成文字信息。

通过本实施例，通过在接收到第一交互信息后，根据虚拟机器人的属性信息确定出回复第一交互信息的第二交互信息，而虚拟机器人的属性信息又与第一账号的已执行操作的操作信息或第一账号的属性信息相关，从而保证了生成第二交互信息的灵活性，进一步提高了与虚拟机器人进行交互的过程中，虚拟机器人生成的交互信息的灵活性。

可选地，上述虚拟机器人的属性信息的多个维度可以为虚拟机器人的性格，例如，为可爱型、高冷型、聪慧型、贴心型等各种性格。例如，以虚拟机器人为可爱型为例，在接收到第一账号输入的第一交互信息：“我跑了第一名”时，虚拟机器人可以回应“哇，你真的太厉害了！”。而若是虚拟机器人为高冷型，在接收到第一账号输入的第一交互信息：“我跑了第一名”时，虚拟机器人可以回应“哼，运气而已”。

可选地，由于虚拟机器人的属性信息包含有多个维度，因此，当虚拟机器人接收到第一交互信息之后，需要从虚拟机器人的属性信息的多个维度中确定出一个目标维度，然后在确定第二交互信息时，需要根据目标维度确定出第二交互信息。

可选地，可以但不限于为虚拟机器人的属性信息中的多个维度设定属性值。每一个维度对应的属性值可以相同或不同。例如，以虚拟机器人包含三个维度，可爱型、高冷型、贴心型为例，可爱型对应的属性值为50，高冷型对应的属性值为20，而贴心型对应的属性值为30，此时可以选择属性值最高的维度作为虚拟机器人对应的目标维度。而本实施例提供了一中方法为对虚拟机器人的属性信息的多个维度的属性值进行归一化处理，得到每一个维度被选中的概率。此时，根据每个维度被选中的概率从虚拟机器人对应的多个维度中随机选择出目标维度，则可爱型被选中的概率为50％，高冷型被选中的概率为20％，聪慧型被选中的概率为30％。当选中目标维度后，再根据目标维度生成对第一交互信息进行回应的第二交互信息，然后显示第二交互信息。

可选地，本实施例中，当根据第一交互信息与目标维度生成第二交互信息时，可以将第一交互与目标维度输入到目标神经网络模型中。而上述目标神经网络模型为对样本交回信息与样本维度对初始神经网络模型进行训练后得到的模型。在将第一交互信息与目标维度输入到目标神经网络模型中后，目标神经网络模型可以输出符合预期的第二交互信息。

需要说明的是，本方案中的虚拟机器人的属性信息的多个维度可以预先设定，维度的数量与类型本实施例并不限定，但是每一个维度对应的属性值与本方案中的第一账号有关。

作为一种可选的方式，本方案中虚拟机器人对应的维度的属性值根据第一账号的属性信息确定。可选地，上述第一账号的属性信息可以包括以下至少之一：第一账号的好友个数、第一账号的等级信息、第一账号的虚拟道具数量、第一账号的游戏时长、第一账号的游戏频率等等。例如，第一账号的等级越高，虚拟机器人对应的维度中，可爱型的属性值越高，而高冷型对应的属性值越低，或者第一账号的好友个数越多，则虚拟机器人的开朗型对应的属性值越高，安静型对应的属性值越低等等。

或者，作为另一种可选的方式，本方案中虚拟机器人对应的维度的属性值根据第一账号已经执行的操作的操作信息确定。例如，第一账号每执行一次操作，则根据操作的类型对虚拟机器人对应的维度的属性值进行调整。可选地，第一账号装扮虚拟机器人时，可以根据第一账号装扮虚拟机器人的风格，确定调整的虚拟机器人对应的维度的属性值。例如，当第一账号将虚拟机器人装扮的风格为可爱时，可以对应增加可爱型的属性值，甚至在增加可爱型的属性值的同时，减少高冷型的属性值。或者当第一账号每开始一局游戏，则增加虚拟机器人对应的开朗型的属性值，减少虚拟机器人对应的安静型的属性值。

需要说明的是，上述根据第一账号已经执行的操作的操作类型对虚拟机器人对应的维度的属性值进行更新时，可以设置一个冷却时间。即，当第一账号频繁的执行相同的操作时，可以仅响应第一次操作或最后一次操作而对对应的属性值进行更新。

又或者，本实施例中的虚拟机器人对应维度的属性值根据第一账号已经执行的操作的操作信息与第一账号的属性信息共同确定。本实施例不再赘述。

再或者，作为一种较简单的实现方式，本方案中的虚拟机器人对应的维度的属性值可以进行显示，然后客户端可以直接接收对上述属性值进行调整的操作。例如，客户端上显示有一个按钮，在按钮被触发后，客户端会将虚拟机器人的所有维度与对应的属性值显示出来，然后第一账号可以通过操作指令直接对上述属性值进行调整。或者，第一账号也可以直接将虚拟机器人的属性信息的一个维度锁定为目标维度。

通过本实施例，通过在接收到用于与游戏场景中的虚拟机器人进行交互的第一交互信息后，根据虚拟机器人的属性信息与第一交互信息确定出用于回复第一交互信息的第二交互信息，从而可以根据虚拟机器人的属性信息灵活确定第二交互信息。且由于虚拟机器人的属性信息是根据第一账号已经执行的操作的操作信息或第一账号的属性信息确定的，因此，通过上述方法确定出的第二交互信息与第一账号存在强关联性。通过上述方法，丰富了在与虚拟机器人进行交互的过程中的交互信息的央视，提高了与虚拟机器人进行交互时，交互信息的灵活性。

作为一种可选的实施方案，上述确定单元904包括：

(1)确定模块，用于根据虚拟机器人的属性信息在多个维度中确定目标维度；

(2)获取模块，用于获取与第一交互信息和目标维度对应的第二交互信息。

可选地，虚拟机器人的属性信息中的多个维度可以预先设定。例如，为虚拟机器人的属性信息设定三个维度，分别为可爱型、聪慧型、体贴型，或者设置其他数量的维度。在设定多个维度后，从多个维度中确定出目标维度，例如确定为可爱型，则在接收到第一交互信息后，应该反馈属于可爱型的第二交互信息。

通过本实施例，通过上述方法确定第二交互信息，从而可以根据虚拟机器人的维度信息确定出不同的第二交互信息，提高了第二交互信息的确定灵活性，进一步提高了与虚拟机器人进行交互时，交互信息的灵活性。

作为一种可选的实施方案，上述确定模块包括：

(1)处理子模块，用于对虚拟机器人的属性信息中的多个维度的属性值进行归一化处理，得到每个维度的归一化属性值；

(2)第一确定子模块，用于按每个维度被确定为目标维度的概率从多个维度中确定出目标维度，其中，每个维度被确定为目标维度的概率为每个维度的归一化属性值。

可选地，可以预先为虚拟机器人的属性信息中每一个维度设定一个属性值，上述属性值用于决定该维度被选中的概率。例如，当虚拟机器人的属性信息包含三个维度，分别为可爱型、聪慧型、体贴型时，可爱型的属性值为50，聪慧型的属性值为30，体贴型的属性值为20。对上述属性值进行归一化处理，得到每一个维度的被选中的概率。则，可爱型被选中概率为50％，聪慧型被选中概率为30％，体贴型被选中概率为20％。如图4所示，图4为各个维度的被选中概率的树状图。当从虚拟机器人的多个维度中根据概率选择出目标维度为聪慧型时，且接收到第一交互信息后，需要根据第一交互信息，反馈与聪慧型对应的第二交互信息。如接收到第一交互信息“我跑的怎么样”时，可以反馈与聪慧型有关的“转弯技术棒极了！但是直线加速时机有待提高。”而若是选中的可爱型的维度，则接收到第一交互信息“我跑的怎么样”时，可以反馈与可爱型有关的“人家觉得，你转弯技术帅呆了，如果直线加速时机把控在好一点就更好了！”

通过本实施例，通过上述采用归一化的方法处理虚拟机器人的多个维度信息的属性值，从而可以根据属性值从多个维度信息中确定出目标维度。由于上述方法中，属性值有高有低，因此，选择出目标维度的概率并不是维度数量分之一，因此，采用上述方法选择目标维度准确性更高。

作为一种可选的实施方案，上述获取模块包括：

(1)输入子模块，用于将第一交互信息与目标维度输入到目标神经网络模型中，其中，目标神经网络模型是使用样本交互信息和样本维度对初始神经网络模型进行训练后得到的模型，目标神经网络模型用于在目标维度下生成对第一交互信息进行回复的第二交互信息；

(2)第二确定子模块，用于将目标神经网络模型输出的交互信息确定为第二交互信息。

可选地，上述目标神经网络模型的训练过程可以如下：

客户端接收客户端之间的聊天信息，或者导入聊天数据，然后，对聊天数据进行抽样，大致分为短语抽样、断句抽样和上下文抽样。抽样后的聊天信息，会基于自然语言识别的算法进行分析，提取句中首要信息和辅助信息，对其进行归类。归类后的信息，会和云端大型数据库集群进行对比，并随机与相关性比较大的信息进行组合，找出对应的多条有效回答对这些有效回答进行自然语言分析，找出这些回答中语义接近或相似的，为它们升高权值(每条有效回答的权值，决定它们被找到的概率，权值越大，被找到的概率越大)，并作适当的随机扰动，避免回答内容收敛到太一致，影响真实性。基于这种反复的训练，会形成一个拥有“信息和带权值的回答的对应关系”的云端大型数据库集群。在得到云端大型数据库集群之后，对云端大型数据库集群进行分类，分类的依据是为虚拟机器人设定的维度。将云端大型数据库集群分成上述维度个类别。将分类后的云端大型数据库集群作为上述目标神经网络模型。此时，当神经网络模型接收到第一交互信息“我车技怎么样”后，需要在与虚拟机器人的属性信息的维度(如高冷型)对应的云端大型数据库中找到答案，然后，将答案作为第二交互信息反馈。如反馈“哼，还行。”

通过本实施例，通过将第一交互信息输入到已经训练好的目标神经网络模型中，从而可以根据目标神经网络模型得到与第一交互信息对应的且与目标维度对应的第二交互信息，从而保证了获取到的第二交互信息与第一交互信息匹配，提高了获取的第二交互信息的准确性与灵活性。

作为一种可选的实施方案，上述装置还包括：

(1)第二获取单元，用于在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息之前，获取第一账号在游戏场景中已对虚拟机器人执行的第一操作的操作信息；

(2)更新单元，用于根据第一操作的操作信息对多个维度中与第一操作对应的第一维度的属性值进行更新。

可选地，上述第一操作的操作信息可以但不限于为以下至少之一：第一账号对虚拟机器人已执行的操作的操作类型和对应的操作次数。可选地，上述已执行操作的操作类型包括在游戏场景中可以执行的任何操作。例如，装扮虚拟机器人，或者添加、删除好友，或者开始游戏，或者聊天等等。而每一个操作都对应一个操作类型。例如，装扮机器人，根据装扮的样式确定出装扮操作对应的操作类型，如可爱，则对应到虚拟机器人的属性信息的维度为可爱型。而开始游戏可以对应操作类型为积极，则可以对应到虚拟机器人的属性信息的维度为积极型。在确定出操作的操作类型后，对应调整与操作类型对应的维度的属性值。

可选地，若是检测到用户的重复操作频繁，则此时可以设置一个冷却时间，在冷却时间内不对用户的重复操作进行相应，不对应调整虚拟机器人的维度的属性值。

需要说明的是，对上述属性值进行调整的过程中，用户是不可见的。如图5所示，图5中当用户A点击“换装”按钮后，界面上可以弹出换装界面502，换装界面上显示有各种风格的服装，每一件衣服均对应一个虚拟机器人的属性信息的维度。当用户选择某一个风格的服装后，后台自动调整与服装对应的维度的属性值，而在显示界面上不显示。

通过本实施例，通过根据第一账号的已执行操作的操作信息调整第一维度的属性值，从而可以使虚拟机器人的目标维度与用户的操作习惯更契合，实现了提高生成第二交互信息的灵活性的效果。

作为一种可选的实施方案，更新单元包括：

(1)处理模块，用于在第一操作的类型为对虚拟机器人进行调整的情况下，增加与第一操作对应的第一维度的属性值。

可选地，用户可以调整虚拟机器人的服装，而虚拟机器人的服装中，每一件服装都对应一个虚拟机器人的维度。例如，虚拟机器人的服装对应可爱型或聪慧型。若是用户A在为虚拟机器人换装时，选择了对应可爱型的服装，则需要对应增加可爱型的属性值。从而实现根据用户的执行的操作对虚拟机器人的各个维度的属性值进行调整。需要说明的是，在对应增加可爱型的属性值时，还可以对应减少其他一个或多个维度的属性值。例如，减少高冷型的属性值。

通过本实施例，通过对虚拟机器人进行调整时，对应增加与第一操作对应的第一维度的属性值，从而实现了对虚拟机器人的各个维度的属性值进行精确调整的目的，进而保证了反馈第二交互信息时，第二交互信息的灵活性。

以下结合图6解释上述交互方法。图6中通过步骤S602到S618实现了对虚拟机器人的人设也就是性格的前期设置与培养。例如，定义虚拟机器人分为可爱型，聪慧型与体贴型三种维度，三种维度的初始属性值都是10。定义影响虚拟机器人的维度的属性值的行为，如添加好友，则可以对应增加聪慧型的属性值。定义用户操作对每个维度的影响权重，如用户添加好友，则增加10点聪慧型的属性值，减少3点可爱型的属性值。此时完成前期的准备。之后，根据用户行为对虚拟机器人的性格进行训练。此时，在接收到第一账号执行的操作后，根据操作的类型，如添加好友，则可以对应增加聪慧型的属性值。若是接收到第一账号装扮虚拟机器人的操作，根据装扮的类型，如装扮的可爱的衣服，对应增加可爱型的属性值20点。在经过一系列对虚拟机器人的训练后，虚拟机器人对应的三种维度的属性值为可爱型为50，聪慧型为30，体贴型为20。在使用阶段，在接收到第一交互信息“我车技怎么样”时，对属性值进行归一化处理，得到可爱型被选中概率为50％，聪慧型被选中概率为30％，体贴型被选中概率为20％。例如选中可爱型，将上述第一交互信息与随机选择的目标维度如“可爱型”输入到目标神经网络模型中，由目标神经网络模型根据第一交互信息“我车技怎么样”得到答案“转弯技术高，直线加速时机掌握差”。然后根据目标维度“可爱型”确定出第二交互信息“人家觉得，你转弯技术帅呆了，如果直线加速时机把控在好一点就更好了！”。然后显示第二交互信息。

需要说明的是，如果选择的目标维度为体贴型，则可以确定出第二交互信息为“可能直线直线加速的时机还需要提高一下，不过你做的已经够好了”。例如如图7、8所示，图7中确定出虚拟机器人的目标维度为可爱型，因此，虚拟机器人回复可爱类的第二交互信息，而图8中虚拟机器人的目标维度为体贴型，因此，虚拟机器人回复体贴型的第二交互信息。

根据本发明实施例的又一个方面，还提供了一种用于实施上述信息交互方法的电子装置，如图10所示，该电子装置包括存储器1002和处理器1004，该存储器1002中存储有计算机程序，该处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息，其中，客户端由第一账号登录；

S2，根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息，其中，虚拟机器人的属性信息包括多个维度的属性值，多个维度的属性值与第一账号对虚拟机器人已执行的操作的操作信息和/或第一账号的属性信息相关；

S3，在客户端上展示第二交互信息。

可选地，本领域普通技术人员可以理解，图10所示的结构仅为示意，电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图10中所示更多或者更少的组件(如网络接口等)，或者具有与图10所示不同的配置。

其中，存储器1002可用于存储软件程序以及模块，如本发明实施例中的信息交互方法和装置对应的程序指令/模块，处理器1004通过运行存储在存储器1002内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的信息交互方法。存储器1002可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1002可进一步包括相对于处理器1004远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1002具体可以但不限于用于存储第一交互信息与第二交互信息等信息。作为一种示例，如图10所示，上述存储器1002中可以但不限于包括上述信息交互装置中的获取单元902、确定单元904与展示单元906。此外，还可以包括但不限于上述信息交互装置中的其他模块单元，本示例中不再赘述。

可选地，上述的传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1006包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1006为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子装置还包括：显示器1008，用于显示虚拟机器人与第二交互信息；和连接总线1010，用于连接上述电子装置中的各个模块部件。

根据本发明的实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，在客户端显示的游戏场景中获取到待游戏场景中的虚拟机器人回复的第一交互信息，其中，客户端由第一账号登录；

S2，根据第一交互信息和虚拟机器人的属性信息确定出虚拟机器人响应于第一交互信息回复的第二交互信息，其中，虚拟机器人的属性信息包括多个维度的属性值，多个维度的属性值与第一账号对虚拟机器人已执行的操作的操作信息和/或第一账号的属性信息相关；

S3，在客户端上展示第二交互信息。

可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种信息交互方法，其特征在于，包括：

在客户端显示的游戏场景中获取到待所述游戏场景中的虚拟机器人回复的第一交互信息，其中，所述客户端由第一账号登录；

根据所述第一交互信息和所述虚拟机器人的属性信息确定出所述虚拟机器人响应于所述第一交互信息回复的第二交互信息，其中，所述属性信息包括多个维度的属性值，所述多个维度的属性值与所述第一账号对所述虚拟机器人已执行的操作的操作信息和/或所述第一账号的属性信息相关；

在所述客户端上展示所述第二交互信息。

2.根据权利要求1所述的方法，其特征在于，根据所述第一交互信息和所述虚拟机器人的属性信息确定出所述虚拟机器人响应于所述第一交互信息回复的第二交互信息包括：

根据所述虚拟机器人的属性信息在所述多个维度中确定目标维度；

获取与所述第一交互信息和所述目标维度对应的所述第二交互信息。

3.根据权利要求2所述的方法，其特征在于，根据所述虚拟机器人的属性信息在所述多个维度中确定目标维度包括：

对所述虚拟机器人的属性信息中的所述多个维度的属性值进行归一化处理，得到每个维度的归一化属性值；

按所述每个维度被确定为所述目标维度的概率从所述多个维度中确定出所述目标维度，其中，所述每个维度被确定为目标维度的概率为所述每个维度的归一化属性值。

4.根据权利要求2所述的方法，其特征在于，所述获取与所述第一交互信息和所述目标维度对应的所述第二交互信息包括：

将所述第一交互信息与所述目标维度输入到目标神经网络模型中，其中，所述目标神经网络模型是使用样本交互信息和样本维度对初始神经网络模型进行训练后得到的模型，所述目标神经网络模型用于在所述目标维度下生成对所述第一交互信息进行回复的所述第二交互信息；

将所述目标神经网络模型输出的交互信息确定为所述第二交互信息。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在客户端显示的游戏场景中获取到待所述游戏场景中的虚拟机器人回复的第一交互信息之前，包括：

获取所述第一账号在所述游戏场景中已对所述虚拟机器人执行的第一操作的操作信息；

根据所述第一操作的操作信息对所述多个维度中与所述第一操作对应的第一维度的属性值进行更新。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一操作的操作信息对所述多个维度中与所述第一操作对应的第一维度的属性值进行更新包括：

在所述第一操作的类型为对所述虚拟机器人进行调整的情况下，增加与所述第一操作对应的第一维度的属性值。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述操作信息包括以下至少之一：所述第一账号对所述虚拟机器人已执行的操作的操作类型和对应的操作次数。

8.根据权利要求1至4中任一项所述的方法，其特征在于，所述第一账号的属性信息包括以下至少之一：所述第一账号的好友个数、所述第一账号的等级信息。

9.一种信息交互装置，其特征在于，包括：

获取单元，用于在客户端显示的游戏场景中获取到待所述游戏场景中的虚拟机器人回复的第一交互信息，其中，所述客户端由第一账号登录；

确定单元，用于根据所述第一交互信息和所述虚拟机器人的属性信息确定出所述虚拟机器人响应于所述第一交互信息回复的第二交互信息，其中，所述虚拟机器人的属性信息包括多个维度的属性值，所述多个维度的属性值与所述第一账号对所述虚拟机器人已执行的操作的操作信息和/或所述第一账号的属性信息相关；

展示单元，用于在所述客户端上展示所述第二交互信息。

10.根据权利要求9所述的装置，其特征在于，所述确定单元包括：

确定模块，用于根据所述虚拟机器人的属性信息在所述多个维度中确定目标维度；

获取模块，用于获取与所述第一交互信息和所述目标维度对应的所述第二交互信息。

11.根据权利要求10所述的装置，其特征在于，所述确定模块包括：

处理子模块，用于对所述虚拟机器人的属性信息中的所述多个维度的属性值进行归一化处理，得到每个维度的归一化属性值；

第一确定子模块，用于按所述每个维度被确定为所述目标维度的概率从所述多个维度中确定出所述目标维度，其中，所述每个维度被确定为目标维度的概率为所述每个维度的归一化属性值。

12.根据权利要求10所述的装置，其特征在于，所述获取模块包括：

输入子模块，用于将所述第一交互信息与所述目标维度输入到目标神经网络模型中，其中，所述目标神经网络模型是使用样本交互信息和样本维度对初始神经网络模型进行训练后得到的模型，所述目标神经网络模型用于在所述目标维度下生成对所述第一交互信息进行回复的所述第二交互信息；

第二确定子模块，用于将所述目标神经网络模型输出的交互信息确定为所述第二交互信息。

13.根据权利要求9至12中任一项所述的装置，其特征在于，所述装置还包括：

第二获取单元，用于在客户端显示的游戏场景中获取到待所述游戏场景中的虚拟机器人回复的第一交互信息之前，获取所述第一账号在所述游戏场景中已对所述虚拟机器人执行的第一操作的操作信息；

更新单元，用于根据所述第一操作的操作信息对所述多个维度中与所述第一操作对应的第一维度的属性值进行更新。

14.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序运行时执行所述权利要求1至8任一项中所述的方法。

15.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。