CN111240979A - 一种用于人工智能的人机交互逻辑引擎的方法及系统 - Google Patents
一种用于人工智能的人机交互逻辑引擎的方法及系统 Download PDFInfo
- Publication number
- CN111240979A CN111240979A CN202010027853.XA CN202010027853A CN111240979A CN 111240979 A CN111240979 A CN 111240979A CN 202010027853 A CN202010027853 A CN 202010027853A CN 111240979 A CN111240979 A CN 111240979A
- Authority
- CN
- China
- Prior art keywords
- human
- computer interaction
- logic engine
- module
- interaction logic
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明属于人机交互技术领域,公开了一种用于人工智能的人机交互逻辑引擎的方法及系统,用于人工智能的人机交互逻辑引擎的方法包括:配置人机交互逻辑引擎的数据参数,并通过输入设备输入配置的交互数据参数;根据交互数据参数检索交互信息,并对检索的交互信息进行翻译;对人机交互逻辑引擎进行优化及测试;通过云服务器存储人机交互逻辑引擎数据,并进行人机交互及逻辑引擎数据显示。本发明通过交互翻译模块提高了将源语言翻译成目标语言的准确性;同时,通过测试模块根据输入描述文件、输出描述文件、连接文件和映射文件生成自动生成测试程序,与人工编写测试程序相比,节省了大量的编程时间,提高了测试效率,缩短了测试周期。
Description
技术领域
本发明属于人机交互技术领域,尤其涉及一种用于人工智能的人机交互逻辑引擎的方法及系统。
背景技术
人机交互、人机互动(Human–Computer Interaction或Human–MachineInteraction,简称HCI或HMI),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。小如收音机的播放按键,大至飞机上的仪表板,或发电厂的控制室。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。然而,现有用于人工智能的人机交互逻辑引擎的方法对于复杂结构的句子,翻译质量较差,难以满足要求;同时,对逻辑功能测试较耗费时间,导致测试周期长,人工测试难免引入人为错误,测试结果不可靠。
综上所述,现有技术存在的问题是:现有用于人工智能的人机交互逻辑引擎的方法对于复杂结构的句子,翻译质量较差,难以满足要求;同时,对逻辑功能测试较耗费时间,导致测试周期长,人工测试难免引入人为错误,测试结果不可靠。
发明内容
针对现有技术存在的问题,本发明提供了一种用于人工智能的人机交互逻辑引擎的方法及系统。
本发明是这样实现的,一种用于人工智能的人机交互逻辑引擎的方法,包括:
步骤一,通过配置程序配置人机交互逻辑引擎的数据参数;通过输入设备输入配置的交互数据参数;通过检索程序根据交互数据参数检索配置的交互数据信息;
步骤二,通过单片机控制翻译程序对步骤一得到的交互数据信息建立翻译数据库;获取待翻译的源语言句子;所述翻译数据库包括字词单元库、字词属性库、句型库、符号库、词句逻辑库、标准句子库、固定搭配库和常用翻译库;
步骤三,根据翻译数据库匹配得到每个源语言句子对应的所有源语言句型结构;
步骤四,根据翻译数据库得到每个源语言句型结构对应的目标语言句型结构;
步骤五,根据每个源语言句子对应的所有目标语言句型结构翻译得到所述源语言句子对应的所有目标语言句子;
步骤六,根据翻译数据库对每个源语言句子对应的所有目标语言句子进行筛选得到所述源语言句子对应的最终翻译结果;并将所有源语言句子对应的最终翻译结果按照源语言句子在源语言文本中的顺序形成目标语言文本;
步骤七,通过优化程序对步骤六中人机交互逻辑引擎获得的目标语言文本进行优化,将待测人机交互逻辑引擎目标语言文本中的输入状态量输入人机交互逻辑引擎;所述人机交互逻辑引擎基于标准样例数据建立;
步骤八,将所述目标语言文本中的与所述输入状态量对应的输出结果与所述人机交互逻辑引擎输出的测试结果进行比对;
步骤九,当比对结果不一致时,获取第三方审核机制对于所述输出结果是否正确的判断结果;
步骤十,当所述第三方审核机制的判断结果为所述输出结果不正确时,获取所述第三方审核机制确定的与所述输入状态量对应的正确结果;
步骤十一,将所述输入状态量以及所述正确结果输入至所述待测人机交互逻辑引擎进行训练;
步骤十二,通过测试程序对步骤十一训练后的人机交互逻辑引擎功能进行测试,并通过测试程序载入所述人机交互界面的输入描述文件、输出描述文件、连接文件和映射文件;
步骤十三,根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成测试程序,所述测试程序包括通讯代码、激励测试页面和数据监控页面;
步骤十四,运行所述测试程序,在所述激励测试页面进行变量赋值,得到测试数据,根据所述测试数据和所述通讯代码驱动所述人机交互界面显示;
步骤十五,通过所述通讯代码接收所述人机交互界面反馈的输出数据并在所述数据监控页面显示,以得到测试结果;
步骤十六,通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息;通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互;通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
进一步,步骤二中,所述字词单元库包括单字、词组、短语和从句;
所述字词属性库包括源语言和目标语言中所有字词的词性、成分和时态;
所述句型库包括源语言和目标语言中的所有句型结构,以及源语言中句型结构与目标语言中句型结构的对应关系;
所述词句逻辑库包括源语言和目标语言中字词的语法逻辑,以及源语言和目标语言中句子的语法逻辑。
进一步,步骤三中,的根据翻译数据库匹配得到每个源语言句子对应的所有源语言句型结构的方法包括:
根据字词单元库获取所述源语言句子对应的所有字词拆分结果;
根据字词属性库获取所述源语言句子拆分得到的所有字词的属性;
对于源语言句子的每一种拆分结果,若拆分结果符合句型库中的句型结构,则直接得到所述源语言句子对应的句型结构;若拆分结果不符合句型库中的任意一种句型结构,则根据字词的属性对字词进行分级,根据每一级及其附加级所包含字词的属性和句型库匹配再生成每一级对应的源语言句型结构,然后根据各级对应的源语言句型结构重新定义所述源语言句子对应的句型结构。
进一步,步骤九中,当所述第三方审核机制的判断结果为所述输出结果正确时,将所述输入状态量以及所述输出结果输入所述人机交互逻辑引擎进行训练;
在获取所述第三方审核机制确定的与所述输入状态量对应的正确结果之后,所述方法进一步包括:
判断所述正确结果与所述人机交互逻辑引擎输出的所述测试结果是否一致;
当判断为所述正确结果与所述测试结果不一致时,将所述输入状态量以及所述正确结果输入至所述人机交互逻辑引擎进行训练。
进一步,步骤十三进一步包括:
根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码;
根据所述输入描述文件生成所述激励测试页面;
根据所述输出描述文件生成所述数据监控页面。
进一步,所述根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,包括:
根据所述输入描述文件生成输入变量结构体,根据所述输出描述文件生成输出变量结构体;
创建所述连接文件、所述输入描述文件和所述输出描述文件的路径;
读取所述连接文件中的连接信息,以及所述映射文件中的映射信息;
根据所述输入变量结构体中的输入变量建立发送对象,根据所述输出变量结构体中的输出变量建立接收对象;
对所述输入变量结构体中的输入变量赋初值;所述通讯代码包括所述输入变量结构体、所述输出变量结构体、所述路径、所述连接信息、所述映射信息、所述发送对象和所述接收对象。
进一步,所述根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,还包括:
建立所述输入变量结构体与所述激励测试页面之间的第一变量关系,以及所述输出变量结构体与所述数据监控页面之间的第二变量关系,所述通讯代码还包括所述第一变量关系和所述第二变量关系。
本发明的另一目的在于提供一种应用所述的用于人工智能的人机交互逻辑引擎的方法的用于人工智能的人机交互逻辑引擎的系统,其特征在于,所述用于人工智能的人机交互逻辑引擎系统包括:
交互配置模块、数据输入模块、主控模块、信息检索模块、交互翻译模块、引擎优化模块、功能测试模块、信息存储模块、人机交互模块、显示模块。
交互配置模块,与主控模块连接,用于通过配置程序配置人机交互逻辑引擎的数据参数;
数据输入模块,与主控模块连接,用于通过输入设备输入配置的交互数据参数;
主控模块,与交互配置模块、输入模块、检索模块、优化模块、交互翻译模块、测试模块、显示模块连接,用于通过单片机控制各个模块正常工作;
信息检索模块,与主控模块连接,用于通过检索程序根据交互数据参数检索交互信息;
交互翻译模块,与主控模块连接,用于通过翻译程序对检索的交互信息进行翻译;
引擎优化模块,与主控模块连接,用于通过优化程序对人机交互逻辑引擎进行优化;
功能测试模块,与主控模块连接,用于通过测试程序对人机交互逻辑引擎功能进行测试;
信息存储模块,与主控模块连接,用于通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息;
人机交互模块,与主控模块连接,用于通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互;
显示模块,与主控模块连接,用于通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的用于人工智能的人机交互逻辑引擎的方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的用于人工智能的人机交互逻辑引擎的方法。
本发明的优点及积极效果为:本发明通过交互翻译模块利用源语言句子中所有字词的属性以及预设句型库等来得到源语言句子对应的目标语言句型结构,以及建立字词属性的分级方法来提取句子中位置相对稳定的成分,形成新的句子结构,然后进行再进行翻译,并根据字词的属性对翻译结果进行筛选,提高了将源语言翻译成目标语言的准确性;同时,通过测试模块在载入人机交互界面的输入描述文件、输出描述文件、连接文件和映射文件后,根据输入描述文件、输出描述文件、连接文件和映射文件生成包括通讯代码、激励测试页面和数据监控页面的测试程序;然后运行测试程序,在激励测试页面进行变量赋值,得到测试数据,根据测试数据和通讯代码驱动人机交互界面显示,通过通讯代码接收人机交互界面反馈的输出数据并在数据监控页面显示,以得到测试结果。本发明实施例的技术方案,根据输入描述文件、输出描述文件、连接文件和映射文件生成自动生成测试程序,与人工编写测试程序相比,节省了大量的编程时间,提高了测试效率,缩短了测试周期。
附图说明
图1是本发明实施例提供的用于人工智能的人机交互逻辑引擎的方法流程图。
图2是本发明实施例提供的用于人工智能的人机交互逻辑引擎的系统结构框图;
图中:1、交互配置模块;2、数据输入模块;3、主控模块;4、信息检索模块;5、交互翻译模块;6、引擎优化模块;7、功能测试模块;8、信息存储模块;9、人机交互模块;10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的用于人工智能的人机交互逻辑引擎的方法包括以下步骤:
S101,通过配置程序配置人机交互逻辑引擎的数据参数;通过输入设备输入配置的交互数据参数。
S102,通过单片机控制人机交互逻辑引擎的系统的正常工作;通过检索程序根据交互数据参数检索交互信息。
S103,通过翻译程序对检索的交互信息进行翻译;通过优化程序对人机交互逻辑引擎进行优化。
S104,通过测试程序对人机交互逻辑引擎功能进行测试;通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
S105,通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互。
S106,通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
如图2所示,本发明实施例提供的用于人工智能的人机交互逻辑引擎的系统包括:交互配置模块1、数据输入模块2、主控模块3、信息检索模块4、交互翻译模块5、引擎优化模块6、功能测试模块7、信息存储模块8、人机交互模块9、显示模块10。
交互配置模块1,与主控模块3连接,用于通过配置程序配置人机交互逻辑引擎的数据参数。
数据输入模块2,与主控模块3连接,用于通过输入设备输入配置的交互数据参数。
主控模块3,与交互配置模块1、数据输入模块2、信息检索模块4、交互翻译模块5、引擎优化模块6、功能测试模块7、信息存储模块8、人机交互模块9、显示模块10连接,用于通过单片机控制各个模块正常工作。
信息检索模块4,与主控模块3连接,用于通过检索程序根据交互数据参数检索交互信息。
交互翻译模块5,与主控模块3连接,用于通过翻译程序对检索的交互信息进行翻译。
引擎优化模块6,与主控模块3连接,用于通过优化程序对人机交互逻辑引擎进行优化。
功能测试模块7,与主控模块3连接,用于通过测试程序对人机交互逻辑引擎功能进行测试。
信息存储模块8,与主控模块3连接,用于通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
人机交互模块9,与主控模块3连接,用于通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互。
显示模块10,与主控模块3连接,用于通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的用于人工智能的人机交互逻辑引擎的方法如图1所示,作为优选实施例,本发明实施例提供的通过翻译程序对检索的交互信息进行翻译的方法如下:
(1)通过翻译程序建立翻译数据库。获取待翻译的源语言句子。
(2)根据翻译数据库匹配得到每个源语言句子对应的所有源语言句型结构。
(3)根据翻译数据库得到每个源语言句型结构对应的目标语言句型结构。
(4)根据每个源语言句子对应的所有目标语言句型结构翻译得到所述源语言句子对应的所有目标语言句子。
(5)根据翻译数据库对每个源语言句子对应的所有目标语言句子进行筛选得到所述源语言句子对应的最终翻译结果。
本发明实施例提供的翻译数据库包括字词单元库、字词属性库、句型库、符号库、词句逻辑库、标准句子库、固定搭配库和常用翻译库。
本发明实施例提供的字词单元库包括单字、词组、短语和从句。
所述字词属性库包括源语言和目标语言中所有字词的词性、成分和时态。
所述句型库包括源语言和目标语言中的所有句型结构,以及源语言中句型结构与目标语言中句型结构的对应关系。
所述词句逻辑库包括源语言和目标语言中字词的语法逻辑,以及源语言和目标语言中句子的语法逻辑。
本发明实施例提供的步骤(5)中还包括:将所有源语言句子对应的最终翻译结果按照源语言句子在源语言文本中的顺序组成形成目标语言文本。
本发明实施例提供的步骤(2)包括:
根据字词单元库获取所述源语言句子对应的所有字词拆分结果。
根据字词属性库获取所述源语言句子拆分得到的所有字词的属性。
对于源语言句子的每一种拆分结果,若拆分结果符合句型库中的句型结构,则直接得到所述源语言句子对应的句型结构。若拆分结果不符合句型库中的任意一种句型结构,则根据字词的属性对字词进行分级,根据每一级及其附加级所包含字词的属性和句型库匹配再生成每一级对应的源语言句型结构,然后根据各级对应的源语言句型结构重新定义所述源语言句子对应的句型结构。
实施例2
本发明实施例提供的用于人工智能的人机交互逻辑引擎的方法如图1所示,作为优选实施例,本发明实施例提供的通过优化程序对人机交互逻辑引擎进行优化的方法如下:
1)将待测人机交互逻辑引擎的目标语言文本中的输入状态量输入人机交互逻辑引擎;其中,所述人机交互逻辑引擎基于标准样例数据建立。
2)将所述目标语言文本中的与所述输入状态量对应的输出结果与所述人机交互逻辑引擎输出的测试结果进行比对。
3)当比对结果不一致时,获取第三方审核机制对于所述输出结果是否正确的判断结果。
4)当所述第三方审核机制的判断结果为所述输出结果不正确时,获取所述第三方审核机制确定的与所述输入状态量对应的正确结果。
5)将所述输入状态量以及所述正确结果输入至所述待测人机交互逻辑引擎进行训练。
本发明实施例提供的通过优化程序对人机交互逻辑引擎进行优化的方法包括:当所述第三方审核机制的判断结果为所述输出结果正确时,将所述输入状态量以及所述输出结果输入所述人机交互逻辑引擎进行训练。
本发明实施例提供的在获取所述第三方审核机制确定的与所述输入状态量对应的正确结果之后,所述方法进一步包括:
判断所述正确结果与所述人机交互逻辑引擎输出的所述测试结果是否一致;
当判断为所述正确结果与所述测试结果不一致时,将所述输入状态量以及所述正确结果输入至所述人机交互逻辑引擎进行训练。
实施例3
本发明实施例提供的用于人工智能的人机交互逻辑引擎的方法如图1所示,作为优选实施例,本发明实施例提供的通过测试程序对人机交互逻辑引擎功能进行测试的方法如下:
a)通过测试程序载入所述人机交互界面的输入描述文件、输出描述文件、连接文件和映射文件。
b)根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成测试程序;所述测试程序包括通讯代码、激励测试页面和数据监控页面。
c)运行所述测试程序,在所述激励测试页面进行变量赋值,得到测试数据,根据所述测试数据和所述通讯代码驱动所述人机交互界面显示。
d)通过所述通讯代码接收所述人机交互界面反馈的输出数据并在所述数据监控页面显示,以得到测试结果。
本发明实施例提供的根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成测试程序,包括:
根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码。
根据所述输入描述文件生成所述激励测试页面。
根据所述输出描述文件生成所述数据监控页面。
本发明实施例提供的根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,包括:
根据所述输入描述文件生成输入变量结构体,根据所述输出描述文件生成输出变量结构体。
创建所述连接文件、所述输入描述文件和所述输出描述文件的路径;
读取所述连接文件中的连接信息,以及所述映射文件中的映射信息。
根据所述输入变量结构体中的输入变量建立发送对象,根据所述输出变量结构体中的输出变量建立接收对象。
对所述输入变量结构体中的输入变量赋初值;所述通讯代码包括所述输入变量结构体、所述输出变量结构体、所述路径、所述连接信息、所述映射信息、所述发送对象和所述接收对象。
本发明实施例提供的根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,还包括:
建立所述输入变量结构体与所述激励测试页面之间的第一变量关系,以及所述输出变量结构体与所述数据监控页面之间的第二变量关系,所述通讯代码还包括所述第一变量关系和所述第二变量关系。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种用于人工智能的人机交互逻辑引擎的方法,其特征在于,所述用于人工智能的人机交互逻辑引擎的方法包括以下步骤:
步骤一,通过配置程序配置人机交互逻辑引擎的数据参数;通过输入设备输入配置的交互数据参数;通过检索程序根据交互数据参数检索配置的交互数据信息;
步骤二,通过单片机控制翻译程序对步骤一得到的交互数据信息建立翻译数据库;获取待翻译的源语言句子;所述翻译数据库包括字词单元库、字词属性库、句型库、符号库、词句逻辑库、标准句子库、固定搭配库和常用翻译库;
步骤三,根据翻译数据库匹配得到每个源语言句子对应的所有源语言句型结构;
步骤四,根据翻译数据库得到每个源语言句型结构对应的目标语言句型结构;
步骤五,根据每个源语言句子对应的所有目标语言句型结构翻译得到所述源语言句子对应的所有目标语言句子;
步骤六,根据翻译数据库对每个源语言句子对应的所有目标语言句子进行筛选得到所述源语言句子对应的最终翻译结果;并将所有源语言句子对应的最终翻译结果按照源语言句子在源语言文本中的顺序形成目标语言文本;
步骤七,通过优化程序对步骤六中人机交互逻辑引擎获得的目标语言文本进行优化,将待测人机交互逻辑引擎目标语言文本中的输入状态量输入人机交互逻辑引擎;所述人机交互逻辑引擎基于标准样例数据建立;
步骤八,将所述目标语言文本中的与所述输入状态量对应的输出结果与所述人机交互逻辑引擎输出的测试结果进行比对;
步骤九,当比对结果不一致时,获取第三方审核机制对于所述输出结果是否正确的判断结果;
步骤十,当所述第三方审核机制的判断结果为所述输出结果不正确时,获取所述第三方审核机制确定的与所述输入状态量对应的正确结果;
步骤十一,将所述输入状态量以及所述正确结果输入至所述待测人机交互逻辑引擎进行训练;
步骤十二,通过测试程序对步骤十一训练后的人机交互逻辑引擎功能进行测试,并通过测试程序载入所述人机交互界面的输入描述文件、输出描述文件、连接文件和映射文件;
步骤十三,根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成测试程序,所述测试程序包括通讯代码、激励测试页面和数据监控页面;
步骤十四,运行所述测试程序,在所述激励测试页面进行变量赋值,得到测试数据,根据所述测试数据和所述通讯代码驱动所述人机交互界面显示;
步骤十五,通过所述通讯代码接收所述人机交互界面反馈的输出数据并在所述数据监控页面显示,以得到测试结果;
步骤十六,通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息;通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互;通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
2.如权利要求1所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,步骤二中,所述字词单元库包括单字、词组、短语和从句;
所述字词属性库包括源语言和目标语言中所有字词的词性、成分和时态;
所述句型库包括源语言和目标语言中的所有句型结构,以及源语言中句型结构与目标语言中句型结构的对应关系;
所述词句逻辑库包括源语言和目标语言中字词的语法逻辑,以及源语言和目标语言中句子的语法逻辑。
3.如权利要求1所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,步骤三中,的根据翻译数据库匹配得到每个源语言句子对应的所有源语言句型结构的方法包括:
根据字词单元库获取所述源语言句子对应的所有字词拆分结果;
根据字词属性库获取所述源语言句子拆分得到的所有字词的属性;
对于源语言句子的每一种拆分结果,若拆分结果符合句型库中的句型结构,则直接得到所述源语言句子对应的句型结构;若拆分结果不符合句型库中的任意一种句型结构,则根据字词的属性对字词进行分级,根据每一级及其附加级所包含字词的属性和句型库匹配再生成每一级对应的源语言句型结构,然后根据各级对应的源语言句型结构重新定义所述源语言句子对应的句型结构。
4.如权利要求1所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,步骤九中,当所述第三方审核机制的判断结果为所述输出结果正确时,将所述输入状态量以及所述输出结果输入所述人机交互逻辑引擎进行训练;
在获取所述第三方审核机制确定的与所述输入状态量对应的正确结果之后,所述方法进一步包括:
判断所述正确结果与所述人机交互逻辑引擎输出的所述测试结果是否一致;
当判断为所述正确结果与所述测试结果不一致时,将所述输入状态量以及所述正确结果输入至所述人机交互逻辑引擎进行训练。
5.如权利要求1所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,步骤十三进一步包括:
根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码;
根据所述输入描述文件生成所述激励测试页面;
根据所述输出描述文件生成所述数据监控页面。
6.如权利要求5所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,所述根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,包括:
根据所述输入描述文件生成输入变量结构体,根据所述输出描述文件生成输出变量结构体;
创建所述连接文件、所述输入描述文件和所述输出描述文件的路径;
读取所述连接文件中的连接信息,以及所述映射文件中的映射信息;
根据所述输入变量结构体中的输入变量建立发送对象,根据所述输出变量结构体中的输出变量建立接收对象;
对所述输入变量结构体中的输入变量赋初值;所述通讯代码包括所述输入变量结构体、所述输出变量结构体、所述路径、所述连接信息、所述映射信息、所述发送对象和所述接收对象。
7.如权利要求5所述的用于人工智能的人机交互逻辑引擎的方法,其特征在于,所述根据所述输入描述文件、所述输出描述文件、所述连接文件和所述映射文件生成所述通讯代码,还包括:
建立所述输入变量结构体与所述激励测试页面之间的第一变量关系,以及所述输出变量结构体与所述数据监控页面之间的第二变量关系,所述通讯代码还包括所述第一变量关系和所述第二变量关系。
8.一种应用如权利要求1~7任意一项所述的用于人工智能的人机交互逻辑引擎的方法的用于人工智能的人机交互逻辑引擎的系统,其特征在于,所述用于人工智能的人机交互逻辑引擎系统包括:
交互配置模块、数据输入模块、主控模块、信息检索模块、交互翻译模块、引擎优化模块、功能测试模块、信息存储模块、人机交互模块、显示模块;
交互配置模块,与主控模块连接,用于通过配置程序配置人机交互逻辑引擎的数据参数;
数据输入模块,与主控模块连接,用于通过输入设备输入配置的交互数据参数;
主控模块,与交互配置模块、输入模块、检索模块、优化模块、交互翻译模块、测试模块、显示模块连接,用于通过单片机控制各个模块正常工作;
信息检索模块,与主控模块连接,用于通过检索程序根据交互数据参数检索交互信息;
交互翻译模块,与主控模块连接,用于通过翻译程序对检索的交互信息进行翻译;
引擎优化模块,与主控模块连接,用于通过优化程序对人机交互逻辑引擎进行优化;
功能测试模块,与主控模块连接,用于通过测试程序对人机交互逻辑引擎功能进行测试;
信息存储模块,与主控模块连接,用于通过云服务器存储人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息;
人机交互模块,与主控模块连接,用于通过云服务器将人机交互逻辑引擎数据发送至移动终端,进行逻辑引擎的人机交互;
显示模块,与主控模块连接,用于通过显示器显示人机交互逻辑引擎的数据参数、交互信息及引擎优化、测试信息。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的用于人工智能的人机交互逻辑引擎的方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的用于人工智能的人机交互逻辑引擎的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010027853.XA CN111240979A (zh) | 2020-01-10 | 2020-01-10 | 一种用于人工智能的人机交互逻辑引擎的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010027853.XA CN111240979A (zh) | 2020-01-10 | 2020-01-10 | 一种用于人工智能的人机交互逻辑引擎的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111240979A true CN111240979A (zh) | 2020-06-05 |
Family
ID=70870889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010027853.XA Pending CN111240979A (zh) | 2020-01-10 | 2020-01-10 | 一种用于人工智能的人机交互逻辑引擎的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240979A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099679A (zh) * | 2020-08-30 | 2020-12-18 | 浪潮金融信息技术有限公司 | 一种基于软件配置实现ttu功能封装方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384450B1 (en) * | 2015-01-22 | 2016-07-05 | International Business Machines Corporation | Training machine learning models for open-domain question answering system |
CN107066451A (zh) * | 2016-12-16 | 2017-08-18 | 中国科学院自动化研究所 | 人机交互翻译模型的更新方法及更新系统 |
CN109739767A (zh) * | 2018-12-29 | 2019-05-10 | 北京润科通用技术有限公司 | 一种人机交互界面逻辑功能测试方法及装置 |
CN109815503A (zh) * | 2019-01-29 | 2019-05-28 | 谢丹 | 一种人机交互翻译方法 |
CN109947651A (zh) * | 2019-03-21 | 2019-06-28 | 上海智臻智能网络科技股份有限公司 | 人工智能引擎优化方法和装置 |
-
2020
- 2020-01-10 CN CN202010027853.XA patent/CN111240979A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384450B1 (en) * | 2015-01-22 | 2016-07-05 | International Business Machines Corporation | Training machine learning models for open-domain question answering system |
CN107066451A (zh) * | 2016-12-16 | 2017-08-18 | 中国科学院自动化研究所 | 人机交互翻译模型的更新方法及更新系统 |
CN109739767A (zh) * | 2018-12-29 | 2019-05-10 | 北京润科通用技术有限公司 | 一种人机交互界面逻辑功能测试方法及装置 |
CN109815503A (zh) * | 2019-01-29 | 2019-05-28 | 谢丹 | 一种人机交互翻译方法 |
CN109947651A (zh) * | 2019-03-21 | 2019-06-28 | 上海智臻智能网络科技股份有限公司 | 人工智能引擎优化方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112099679A (zh) * | 2020-08-30 | 2020-12-18 | 浪潮金融信息技术有限公司 | 一种基于软件配置实现ttu功能封装方法 |
CN112099679B (zh) * | 2020-08-30 | 2023-09-19 | 浪潮金融信息技术有限公司 | 一种基于软件配置实现ttu功能封装方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110018955B (zh) | 通过转换手动测试用例来生成自动化测试脚本 | |
CN109739766B (zh) | 一种快速搭建fpga数字仿真模型的系统及方法 | |
US7017145B2 (en) | Method, system, and program for generating a user interface | |
CN106776343A (zh) | 一种Web应用程序自动化测试工具及方法 | |
CN106598869A (zh) | 实现软件自动测试的方法、装置及电子设备 | |
CN110968601A (zh) | 一种数据查询处理方法及装置 | |
KR101554424B1 (ko) | 테스트 케이스 생성 자동화 방법 및 장치 | |
CN111143556B (zh) | 软件功能点自动计数方法、装置、介质及电子设备 | |
CN111026670B (zh) | 测试用例的生成方法、测试用例的生成装置及存储介质 | |
CN110427459B (zh) | 语音识别网络的可视化生成方法、系统及平台 | |
CN112328489A (zh) | 测试用例生成方法、装置、终端设备和存储介质 | |
CN112000330B (zh) | 建模参数的配置方法、装置、设备和计算机存储介质 | |
CN107451064A (zh) | 自动测试方法、装置、计算机设备和可读存储介质 | |
CN111782117B (zh) | 界面的展示方法和装置、存储介质、电子装置 | |
CN111240979A (zh) | 一种用于人工智能的人机交互逻辑引擎的方法及系统 | |
CN101201750B (zh) | 利用语法词法分析工具为编解码提供数据的方法 | |
CN102323858B (zh) | 识别输入时修改项的输入方法、终端及系统 | |
CN116821103B (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN109933770A (zh) | 一种测试报告生成方法、系统及电子设备和存储介质 | |
CN111506594B (zh) | 一种大数据查询平台及其管理方法和数据查询方法 | |
CN112162982A (zh) | 数据查询方法、装置、设备及介质 | |
US20220198153A1 (en) | Model training | |
CN107092716A (zh) | 一种电子设计的实现方法和装置 | |
CN113568601B (zh) | 基于集成配置文件的模型软件自动集成和动静态校验方法 | |
CN113377677B (zh) | 一种单元测试方法及装置 |
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 |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |