CN110689078A - 基于人格分类模型的人机交互方法、装置及计算机设备 - Google Patents
基于人格分类模型的人机交互方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN110689078A CN110689078A CN201910937670.9A CN201910937670A CN110689078A CN 110689078 A CN110689078 A CN 110689078A CN 201910937670 A CN201910937670 A CN 201910937670A CN 110689078 A CN110689078 A CN 110689078A
- Authority
- CN
- China
- Prior art keywords
- personality
- human
- user
- classification model
- computer
- 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.)
- Pending
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 94
- 238000013145 classification model Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012549 training Methods 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 12
- 238000007635 classification algorithm Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于人格分类模型的人机交互方法、装置及计算机设备。该方法包括:构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果;根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。本申请解决了相关技术中的人机交互方法由于缺少对人格类型的深度分析导致机器反馈结果并不符合用户实际需求的技术问题。通过本申请,达到了根据用户的人格类型反馈结果的目的,从而实现了提高人机交互效率的技术效果。
Description
技术领域
本申请涉及机器学习领域,具体而言,涉及一种基于人格分类模型的人机交互方法、装置及计算机设备、可读存储介质。
背景技术
人机交互(Human-ComputerInteraction,简称HCI),是指人与计算机之间使用某种对话语言,以一定的交互方式,为完成确定任务的人与计算机之间的信息交换过程。人机交互是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。人机交互界面的设计要包含用户对系统的理解(即心智模型),那是为了系统的可用性或者用户友好性。随着计算机技术的发展,人机交互的操作命令也越来越多,功能也越来越强。加之模式识别,如语音识别、汉字识别等输入设备的发展,操作员和计算机在类似于自然语言或受限制的自然语言这一级上进行交互成为可能,这些人机交互可称为智能化的人机交互。
机器学习(MachineLearning,简称ML),是实现人工智能的一种途径,专门研究计算机如何模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
发明人发现,相关技术中智能化的人机交互方法缺少对人性格类型的深度分析和学习,导致机器的反馈结果有时并不符合用户的实际需求。
针对相关技术中的人机交互方法由于缺少对人格类型的深度分析导致的机器反馈结果并不符合用户实际需求的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种基于人格分类模型的人机交互方法、装置及计算机设备、可读存储介质,以解决相关技术中的人机交互方法由于缺少对人格类型的深度分析导致的机器反馈结果并不符合用户实际需求的问题。
为了实现上述目的,根据本申请的第一方面,提供了一种基于人格分类模型的人机交互方法。
根据本申请的基于人格分类模型的人机交互方法包括:构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果;根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
进一步地,所述构建人格分类模型包括:获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据;按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据;将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
进一步地,所述构建人格分类模型还包括:根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果;将所述样本人群的人格分类结果进行预处理;将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
进一步地,所述构建人格分类模型还包括:收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息;根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库;根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
为了实现上述目的,根据本申请的第二方面,提供了一种基于人格分类模型的人机交互装置。
根据本申请的基于人格分类模型的人机交互装置包括:构建模块,用于构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;获取模块,用于获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;分类模块,将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果;确定模块,根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
进一步地,所述构建模块包括:获取单元,用于获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据;第一分类单元,用于按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据;第一训练单元,用于将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
进一步地,所述构建模块还包括:第二分类单元,用于根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果;处理单元,用于将所述样本人群的人格分类结果进行预处理;第二训练单元,用于将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
进一步地,所述构建模块还包括:收集单元,用于收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息;构建单元,用于根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库;第三分类单元,用于根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
为了实现上述目的,根据本申请的第三方面,提供了一种用于人机交互的计算机设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如前所述的方法。
为了实现上述目的,根据本申请的第四方面,提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时实现如前所述方法的步骤。
在本申请实施例中,采用构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果的方式,通过所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据,达到了根据用户的人格类型反馈结果的目的,从而实现了提高人机交互效率的技术效果,进而解决了相关技术中的人机交互方法由于缺少对人格类型的深度分析导致的机器反馈结果不符合用户实际需求的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请第一实施例的基于人格分类模型的人机交互方法的流程示意图;
图2是根据本申请第二实施例的基于人格分类模型的人机交互方法的流程示意图;
图3是根据本申请第三实施例的基于人格分类模型的人机交互方法的流程示意图;
图4是根据本申请第四实施例的基于人格分类模型的人机交互方法的流程示意图;
图5是根据本申请第一实施例的基于人格分类模型的人机交互装置的组成结构示意图;
图6是根据本申请第二实施例的基于人格分类模型的人机交互装置的组成结构示意图;
图7是根据本申请第三实施例的基于人格分类模型的人机交互装置的组成结构示意图;以及
图8是根据本申请第四实施例的基于人格分类模型的人机交互装置的组成结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请的实施例。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。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本申请实施例,提供了一种基于人格分类模型的人机交互方法,如图1所示,该方法包括如下的步骤S101至步骤S104:
步骤S101,构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型。
具体实施时,相关技术中的人机交互方法大多是缺乏情感的,缺少对用户的性格或人格特点进行分析,也缺少根据用户的人格类型反馈相对应的答复结果,基于相关技术中存在的上述问题,本申请从心理学人格的角度出发,针对用户不同的人格画像,首先构建了人格分类模型,以对用户的人格进行类型划分。
步骤S102,获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求。
具体实施时,基于构建好的人格分类模型后,即可以接收用户发送的人机交互请求,所述人机交互请求可以是用户向机器端咨询各种类型的问题或在用户界面上进行点击操作的请求等。
步骤S103,将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果。
具体实施时,进一步识别用户的人际交互请求中的对话信息,例如用户在客户端或者用户界面上输入的问题语句,将该问题语句输入到上述构建的人格分类模型中进行人格类型的分析。
步骤S104,根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
具体实施时,人格分类模型对输入的对话数据进行处理后,输出对应的用户人格类型,根据该人格类型在预设数据库中调取与之对应的答复语句返回给用户端,进而实现根据用户人格类型返回与用户人格和实际需求相匹配的答复结果的目的,提高人机交互的效率。
作为本申请实施例的一种优选实施方式,如图2所示,所述构建人格分类模型包括如下的步骤S201至步骤S203:
步骤S201,获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据。
具体实施时,在构建人格分类模型时,首先需要获取一定数量的样本人群的历史人机对话数据,作为训练样本,所述人机对话数据具体地可以包括样本人群对机器端提出的各种类型的问题以及机器端针对该样本人群提出的问题做出的答复,还可以包括该样本人群的人格类型信息等,样本人群的人格类型信息可以采用世界领先的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及分数,进而确定样本人群的人格类型。
步骤S202,按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据。
具体实施时,将上述得到的人机对话数据输入到预设分类算法中如神经网络算法,以进行人格分类特征的提取,所述人格分类特征具体包括共同特征、相似性特征和差异性特征,对于预设分类算法本领域技术人员可以在现有技术的深度学习算法中进行灵活选择,在此不做具体限定。
步骤S203,将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
具体实施时,将上述提取到的共同特征、相似性特征和差异性特征数据分别输入到预设训练模型中进行训练,以得到最终的人格分类模型,对于所述预设训练模型本领域技术人员可以根据实际需求进行灵活选择,在此不做具体限定。
作为本申请实施例的一种优选实施方式,如图3所示,所述构建人格分类模型还包括如下的步骤S301至步骤S303:
步骤S301,根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果。
具体实施时,在构建人格分类模型时,首先需要获取一定数量的样本人群的历史人机对话数据,并按照预设分类规则对样本人群的人格进行分类,所述预设分类规则可以是以现有技术中的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及分数,进而确定样本人群的人格类型。
步骤S302,将所述样本人群的人格分类结果进行预处理。
具体实施时,在得到样本人群的人机对话数据后,需要对人机对话数据进行一系列的预处理,包括数据清洗、数据整合和数据标注等过程,具体地从原始人机对话数据,如文本、图像或者应用数据中清洗出特征数据和标注数据,对清洗出的特征和标注数据进行处理,例如样本采样,样本调权,异常点去除,特征归一化处理,特征变化,特征组合等过程,最终生成的数据主要是供模型训练使用,即作为后续训练模型的训练样本。
步骤S303,将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
具体实施时,在对人机对话数据进行数据清洗、数据整合和数据标注等数据预处理操作后,将最终生成的数据样本输入到预设训练模型中进行训练,以得到人格分类模型,对于所述预设训练模型本领域技术人员可以根据实际需求进行灵活选择,在此不做具体限定。
作为本申请实施例的一种优选实施方式,如图4所示,所述构建人格分类模型还包括如下的步骤S401至步骤S403:
步骤S401,收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息。
具体实施时,在构建人格分类模型时,首先可以收集各种人格类型对应的语料信息,所谓的语料就是语言数据,语料可以有很多种形式,最简单的是文本,此外还有音频,视频等,对这些语言数据(语料)可以进行标注,以达到增值的目的,所述人格语料即是用于表征不同人格类型的各种语言数据。
步骤S402,根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库。
具体实施时,文本中的一句话,一段文字就是一份语料,若干个类似的语料集合在一起就构成了语料库,基于人格类型的各种语言数据构建人格语料库,用以作为后续对样本人群的人格进行类型划分的基础。
步骤S403,根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
具体实施时,基于上述构建好的人格语料库,以现有技术中的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及相应的分数,进而确定样本人群的人格类型。
从以上的描述中,可以看出,本发明实现了如下技术效果:采用构建人格分类模型;获取用户的人机交互请求;将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果的方式,通过所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据,达到了预测未知用户的人格类型,并根据用户的人格类型反馈答复结果的目的,从而实现了提高人机交互效率的技术效果。
需要说明的是,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。
根据本申请实施例,还提供了一种用于实施上述基于人格分类模型的人机交互方法的装置,如图5所示,该装置包括:构建模块1、获取模块2、分类模块3及确定模块4。
本申请实施例的构建模块1,用于构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型。
具体实施时,相关技术中的人机交互方法大多是缺乏情感的,缺少对用户的性格或人格特点进行分析,也缺少根据用户的人格类型反馈相对应的答复结果,基于相关技术中存在的上述问题,本申请从心理学人格的角度出发,针对用户不同的人格画像,首先通过构建模块构建了人格分类模型,以对用户的人格进行类型划分。
本申请实施例的获取模块2,用于获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求。
具体实施时,基于构建好的人格分类模型后,即可以通过获取模块接收用户发送的人机交互请求,所述人机交互请求可以是用户向机器端咨询各种类型的问题或在用户界面上进行点击操作的请求等。
本申请实施例的分类模块3,将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果。
具体实施时,通过分类模块进一步识别用户的人际交互请求中的对话信息,例如用户在客户端或者用户界面上输入的问题语句,将该问题语句输入到上述构建的人格分类模型中进行人格类型的分析。
本申请实施例的确定模块4,根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
具体实施时,人格分类模型对输入的对话数据进行处理后,输出对应的用户人格类型,确定模块根据该人格类型在预设数据库中调取与之对应的答复语句返回给用户端,进而实现根据用户人格类型返回与用户人格和实际需求相匹配的答复结果的目的,提高人机交互的效率。
作为本申请实施例的一种优选实施方式,如图6所示,所述构建模块1包括:获取单元11、第一分类单元12及第一训练单元13。
本申请实施例的获取单元11,用于获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据。
具体实施时,在构建人格分类模型时,首先需要通过获取单元获取一定数量的样本人群的历史人机对话数据,作为训练样本,所述人机对话数据具体地可以包括样本人群对机器端提出的各种类型的问题以及机器端针对该样本人群提出的问题做出的答复,还可以包括该样本人群的人格类型信息等,样本人群的人格类型信息可以采用世界领先的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及分数,进而确定样本人群的人格类型。
本申请实施例的第一分类单元12,用于按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据。
具体实施时,通过第一分类单元将上述得到的人机对话数据输入到预设分类算法中如神经网络算法,以进行人格分类特征的提取,所述人格分类特征具体包括共同特征、相似性特征和差异性特征,对于预设分类算法本领域技术人员可以在现有技术的深度学习算法中进行灵活选择,在此不做具体限定。
本申请实施例的第一训练单元13,用于将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
具体实施时,通过第一训练单元将上述提取到的共同特征、相似性特征和差异性特征数据分别输入到预设训练模型中进行训练,以得到最终的人格分类模型,对于所述预设训练模型本领域技术人员可以根据实际需求进行灵活选择,在此不做具体限定。
作为本申请实施例的一种优选实施方式,如图7所示,所述构建模块1还包括:第二分类单元14、处理单元15及第二训练单元16。
本申请实施例的第二分类单元14,用于根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果。
具体实施时,在构建人格分类模型时,首先需要通过第二分类单元获取一定数量的样本人群的历史人机对话数据,并按照预设分类规则对样本人群的人格进行分类,所述预设分类规则可以是以现有技术中的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及分数,进而确定样本人群的人格类型。
本申请实施例的处理单元15,用于将所述样本人群的人格分类结果进行预处理。
具体实施时,在得到样本人群的人机对话数据后,需要通过处理单元对人机对话数据进行一系列的预处理,包括数据清洗、数据整合和数据标注等过程,最终生成的数据主要是供模型训练使用,即作为后续训练模型的训练样本。
本申请实施例的第二训练单元16,用于将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
具体实施时,在对人机对话数据进行数据清洗、数据整合和数据标注等数据预处理操作后,通过第二训练单元将最终生成的数据样本输入到预设训练模型中进行训练,以得到人格分类模型,对于所述预设训练模型本领域技术人员可以根据实际需求进行灵活选择,在此不做具体限定。
作为本申请实施例的一种优选实施方式,如图8所示,所述构建模块1还包括:收集单元17、构建单元18及第三分类单元19。
本申请实施例的收集单元17,用于收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息。
具体实施时,在构建人格分类模型时,首先可以通过收集单元收集各种人格类型对应的语料信息,所谓的语料就是语言数据,有很多种形式,最简单的是文本,此外还有音频,视频等,对这些语言数据(语料)可以进行标注,以达到增值的目的,所述人格语料即是用于表征人格类型的各种语言数据。
本申请实施例的构建单元18,用于根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库。
具体实施时,文本中的一句话,一段文字就是一份语料,若干个类似的语料集合在一起就构成了语料库,构建单元基于人格类型的各种语言数据构建人格语料库,用以作为后续对样本人群的人格进行类型划分的基础。
本申请实施例的第三分类单元19,用于根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
具体实施时,第三分类单元基于上述构建好的人格语料库,以现有技术中的核心人格因子作为人格分类的基础,利用量表得到样本人群的人格类型及相应的分数,进而确定样本人群的人格类型。
根据本申请实施例,还提供了一种用于人机交互的计算机设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如前所述的方法。
根据本申请实施例,还提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时实现如前所述方法的步骤。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于人格分类模型的人机交互方法,其特征在于,包括:
构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;
获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;
将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果;
根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
2.根据权利要求1所述的基于人格分类模型的人机交互方法,其特征在于,所述构建人格分类模型包括:
获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据;
按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据;
将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
3.根据权利要求1所述的基于人格分类模型的人机交互方法,其特征在于,所述构建人格分类模型还包括:
根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果;
将所述样本人群的人格分类结果进行预处理;
将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
4.根据权利要求1所述的基于人格分类模型的人机交互方法,其特征在于,所述构建人格分类模型还包括:
收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息;
根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库;
根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
5.一种基于人格分类模型的人机交互装置,其特征在于,包括:
构建模块,用于构建人格分类模型,所述人格分类模型是指对用户的人格进行分类的模型;
获取模块,用于获取用户的人机交互请求,所述人机交互请求是指用户发送的与机器进行交互的请求;
分类模块,将所述用户的人际交互请求中的对话数据输入所述人格分类模型,以得到用户的人格分类结果;
确定模块,根据所述用户的人格分类结果确定与所述用户的人机交互请求相对应的机器对话数据。
6.根据权利要求5所述的基于人格分类模型的人机交互装置,其特征在于,所述构建模块包括:
获取单元,用于获取样本人群的人机对话数据,所述样本人群的人机对话数据是指所述样本人群与机器进行对话产生的数据;
第一分类单元,用于按照预设分类算法将所述样本人群的人机对话数据进行分类,以提取特征数据;
第一训练单元,用于将所述特征数据输入预设训练模型进行训练,以得到所述人格分类模型。
7.根据权利要求5所述的基于人格分类模型的人机交互装置,其特征在于,所述构建模块还包括:
第二分类单元,用于根据样本人群的人机对话数据,按照预设分类规则对样本人群的人格进行分类,以得到样本人群的人格分类结果;
处理单元,用于将所述样本人群的人格分类结果进行预处理;
第二训练单元,用于将预处理后的所述样本人群的人格分类结果输入预设训练模型进行训练,以得到所述人格分类模型。
8.根据权利要求5所述的基于人格分类模型的人机交互装置,其特征在于,所述构建模块还包括:
收集单元,用于收集人格语料信息,所述人格语料信息是指用于表征人格类型的语料信息;
构建单元,用于根据所述人格语料信息构建人格语料库,所述人格语料库是指存储不同人格类型的语料信息的数据库;
第三分类单元,用于根据所述人格语料库对样本人群的人格进行分类,以得到样本人群的人格分类结果。
9.一种用于人机交互的计算机设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,所述指令被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937670.9A CN110689078A (zh) | 2019-09-29 | 2019-09-29 | 基于人格分类模型的人机交互方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937670.9A CN110689078A (zh) | 2019-09-29 | 2019-09-29 | 基于人格分类模型的人机交互方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689078A true CN110689078A (zh) | 2020-01-14 |
Family
ID=69111139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910937670.9A Pending CN110689078A (zh) | 2019-09-29 | 2019-09-29 | 基于人格分类模型的人机交互方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689078A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292849A (zh) * | 2020-01-15 | 2020-06-16 | 浙江连信科技有限公司 | 基于用户行为的心生理特征预测方法及装置 |
CN111310035A (zh) * | 2020-02-03 | 2020-06-19 | 浙江连信科技有限公司 | 基于心理和行为特征的推荐方法及装置 |
CN111326234A (zh) * | 2020-01-21 | 2020-06-23 | 浙江连信科技有限公司 | 基于深度学习算法的心理困扰场景匹配方法及装置 |
CN115101151A (zh) * | 2022-08-25 | 2022-09-23 | 北京聆心智能科技有限公司 | 一种基于人机对话的性格测试方法、装置及电子设备 |
CN115499396A (zh) * | 2022-11-16 | 2022-12-20 | 北京红棉小冰科技有限公司 | 具有人格特征的信息生成方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469212A (zh) * | 2016-09-05 | 2017-03-01 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法和装置 |
CN107480122A (zh) * | 2017-06-26 | 2017-12-15 | 迈吉客科技(北京)有限公司 | 一种人工智能交互方法及人工智能交互装置 |
CN107493353A (zh) * | 2017-10-11 | 2017-12-19 | 宁波感微知著机器人科技有限公司 | 一种基于上下文信息的智能机器人云计算方法 |
CN108363706A (zh) * | 2017-01-25 | 2018-08-03 | 北京搜狗科技发展有限公司 | 人机对话交互的方法和装置、用于人机对话交互的装置 |
-
2019
- 2019-09-29 CN CN201910937670.9A patent/CN110689078A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469212A (zh) * | 2016-09-05 | 2017-03-01 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法和装置 |
CN108363706A (zh) * | 2017-01-25 | 2018-08-03 | 北京搜狗科技发展有限公司 | 人机对话交互的方法和装置、用于人机对话交互的装置 |
CN107480122A (zh) * | 2017-06-26 | 2017-12-15 | 迈吉客科技(北京)有限公司 | 一种人工智能交互方法及人工智能交互装置 |
CN107493353A (zh) * | 2017-10-11 | 2017-12-19 | 宁波感微知著机器人科技有限公司 | 一种基于上下文信息的智能机器人云计算方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292849A (zh) * | 2020-01-15 | 2020-06-16 | 浙江连信科技有限公司 | 基于用户行为的心生理特征预测方法及装置 |
CN111326234A (zh) * | 2020-01-21 | 2020-06-23 | 浙江连信科技有限公司 | 基于深度学习算法的心理困扰场景匹配方法及装置 |
CN111310035A (zh) * | 2020-02-03 | 2020-06-19 | 浙江连信科技有限公司 | 基于心理和行为特征的推荐方法及装置 |
CN115101151A (zh) * | 2022-08-25 | 2022-09-23 | 北京聆心智能科技有限公司 | 一种基于人机对话的性格测试方法、装置及电子设备 |
CN116898441A (zh) * | 2022-08-25 | 2023-10-20 | 北京聆心智能科技有限公司 | 基于人机对话的性格测试方法、装置及电子设备 |
CN116898441B (zh) * | 2022-08-25 | 2024-03-22 | 北京聆心智能科技有限公司 | 基于人机对话的性格测试方法、装置及电子设备 |
CN115499396A (zh) * | 2022-11-16 | 2022-12-20 | 北京红棉小冰科技有限公司 | 具有人格特征的信息生成方法及装置 |
CN115499396B (zh) * | 2022-11-16 | 2023-04-07 | 北京红棉小冰科技有限公司 | 具有人格特征的信息生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689078A (zh) | 基于人格分类模型的人机交互方法、装置及计算机设备 | |
CN108764480B (zh) | 一种信息处理的系统 | |
CN112346567B (zh) | 基于ai的虚拟交互模型生成方法、装置及计算机设备 | |
KR20200007969A (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
CN106649742A (zh) | 数据库维护方法和装置 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN108959483A (zh) | 一种基于搜索的学习辅助方法及电子设备 | |
CN109615009B (zh) | 一种学习内容推荐方法及电子设备 | |
CN105956181A (zh) | 搜索方法及装置 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN111078546A (zh) | 一种表达页面特征的方法和电子设备 | |
CN111524043A (zh) | 诉讼风险评估问卷自动生成的方法和装置 | |
CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
CN109693244A (zh) | 优化对话机器人的方法及装置 | |
CN113590771A (zh) | 一种数据挖掘方法、装置、设备及存储介质 | |
CN112966076A (zh) | 智能问答问题的生成方法、装置、计算机设备及存储介质 | |
CN116009827B (zh) | Rpa流程及引导教程的智能生成与推荐方法及系统 | |
CN110826330B (zh) | 人名识别方法及装置、计算机设备及可读存储介质 | |
CN109165327B (zh) | 人机对话方法、装置及计算机可读存储介质 | |
CN103019924B (zh) | 输入法智能性评测系统和方法 | |
CN111552785A (zh) | 人机交互系统数据库更新方法、装置、计算机设备和介质 | |
CN111680514A (zh) | 信息处理和模型训练方法、装置、设备及存储介质 | |
CN114490967A (zh) | 对话模型的训练方法、对话机器人的对话方法、装置和电子设备 | |
CN111767735B (zh) | 执行任务的方法、装置及计算机可读存储介质 | |
CN112307157B (zh) | 申诉意见挖掘方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |