一种用于智能机器人的对话方法及系统与流程

本发明涉及语音交互技术领域，具体地说，涉及一种用于智能机器人的对话方法及系统。

背景技术

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。而人们对于机器人的要求也从简单重复的机械动作提升为具有拟人问答、自主性及与其它机器人进行交互的智能机器人，人机交互也就成为决定智能机器人发展的重要因素。

因此如何使得智能机器人能够更加准确、有效地与用户进行交互是机器人领域亟待解决的技术问题。

技术实现要素：

为解决上述问题，本发明提供了一种用于智能机器人的对话方法，所述方法包括：

步骤一、获取用户输入的对话信息；

步骤二、分别计算所述对话信息与多个标准对话语句的语义相似度，根据所述语义相似度确定对应于所述对话信息的标准对话语句；

步骤三、根据对所述标准对话语句的语义理解结果，利用预设知识图谱生成语音反馈信息。

根据本发明的一个实施例，在所述步骤二中，从所述多个标准对话语句中选取语义相似度取值最大的语句作为对应于所述对话信息的标准对话语句。

根据本发明的一个实施例，所述多个标准对话语句存储在预设语句导入知识库中，在步骤二中，根据所述语义相似度从所述预设语句导入知识库中检索得到对应于所述对话信息的标准对话语句。

根据本发明的一个实施例，根据所述预设知识图谱的实体及实体之间关系生成所述预设语句导入知识库。

根据本发明的一个实施例，所述预设语句导入知识库中还存储有与所述标准对话语句相关联的相似对话语句，在所述步骤二中，分别计算所述对话信息与所述预设语句导入知识库中各个对话语句的语义相似度，如果根据所述语义相似度选取得到的为特定相似对话语句，则根据该特定相似对话语句确定其对应的标准对话语句。

本发明还通过了一种用于智能机器人的对话系统，所述系统包括：

对话信息获取模块，其用于获取用户输入的对话信息；

标准对话语句生成模块，其与所述对话信息获取模块连接，用于分别计算所述对话信息与多个标准对话语句的语义相似度，根据所述语义相似度确定对应于所述对话信息的标准对话语句；

反馈信息生成模块，其与所述标准对话语句生成模块连接，用于根据对所述标准对话语句的语义理解结果，利用预设知识图谱生成语音反馈信息。

根据本发明的一个实施例，所述标准对话语句生成模块配置为从所述多个标准对话语句中选取语义相似度取值最大的语句作为对应于所述对话信息的标准对话语句。

根据本发明的一个实施例，所述多个标准对话语句存储在预设语句导入知识库中，所述标准对话语句生成模块配置为根据所述语义相似度从所述预设语句导入知识库中检索得到对应于所述对话信息的标准对话语句。

根据本发明的一个实施例，所述预设语句导入知识库是根据所述预设知识图谱的实体及实体之间关系生成的。

根据本发明的一个实施例，所述预设语句导入知识库中还存储有与所述标准对话语句相关联的相似对话语句，所述标准对话语句生成模块配置为分别计算所述对话信息与所述预设语句导入知识库中各个对话语句的语义相似度，如果根据所述语义相似度选取得到的为特定相似对话语句，则根据该特定相似对话语句确定其对应的标准对话语句。

本发明所提供的用于智能机器人的对话方法基于语义相似度来将用户所输入的无法被知识图谱所使用的非标准化对话语句转换为能够被知识图谱所使用的标准化对话语句，这样也就使得用户能够更加自然地与智能机器人进行人机交互，从而提高了智能机器人的用户体验。

同时，本发明所提供的方法由于可以将非标转化对话语句转换为标准化对话语句，因此相较于现有方法，本方法也就无需对实体以及实体关系进行归一化处理。例如，对于现有的人机对话方法来说，其在应用过程中可能需要将“老婆”、“夫人”等实体关系归一化为“妻子”，而本发明所提供的方法则无需该过程。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：

图1是根据本发明一个实施例的智能机器人的人机交互场景示意图；

图2是根据本发明一个实施例的用于智能机器人的对话方法的实现流程示意图；

图3是根据本发明另一个实施例的用于智能机器人的对话方法的实现流程示意图；

图4是根据本发明一个实施例的用于智能机器人的对话系统的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，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。

目前智能机器人所使用的对话系统多是基于知识图谱来实现人机交互，然而现有的对话系统在利用知识图谱生成反馈语音时，需要用户按照特定的格式来向对话系统进行询问。如果用户所输入的语音信息为不满足预先设定的格式(即不是标准格式的)，那么此时对话系统将无法利用利用知识图谱来生成反馈语音。

针对现有技术中所存在的上述问题，本发明提供了一种新的用于智能机器人的对话方法，该方法不再要求用户必须按照特定的标准对话语句的格式来与智能机器人进行对话，这样也就提高了智能机器人的交互体验。

如图1所示，本发明所提供的对话方法优选地配置在智能机器人中，其能够通过智能机器人内置的机器人操作系统来执行。当智能机器人内置的操作系统能够实现本发明所提供的方法时，用户100也就可以按照自己的习惯来向智能机器人101输入相应的对话信息，而智能机器人101则可以根据用户所输入的对话信息来基于知识图谱生成合理的反馈信息，从而实现更加拟人化的人机对话过程。

需要指出的是，在本发明的不同实施例中，智能机器人101可以是不同形式的具有人机对话能力的系统。例如，在本发明的一个实施例中，智能机器人101可以是配备有智能操作系统的类人型机器人，而在本发明的另一个实施例中，智能机器人101则可以是能够执行本发明所提供的人机对话方法的特定软件或应用。

为了更加清楚地阐述本发明所提供的用于智能机器人的对话方法的实现原理、实现过程以及优点，以下结合不同的实施例来对该对话方法的具体内容作进一步地说明。

实施例一：

图2示出了本实施例所提供的用于智能机器人的对话方法的实现流程示意图。

如图2所示，本实施例所提供的用于智能机器人的对话方法优选地会在步骤s201中获取用户输入的对话信息。具体地，本实施例中，用户输入的对话信息可以是语音信息，该对话方法在步骤s201中优选地通过智能机器人所配备的语音采集设备(例如麦克风等)来获取用户所输入的语音信息。

当然，在本发明的其他实施例中，根据实际需要，该对话方法在步骤s201中所获取到的用户输入的对话信息还可以为其他形式的信息，本发明不限于此。例如，在本发明的一个实施例中，该对话方法在步骤s201中所获取到的对话信息还可以是文本信息，其中，该文本信息既可以是通过对获取到的图像进行光学字符识别(opticalcharacterrecognition，简称ocr)所得到的文本信息，也可以是用户通过相应设备(例如虚拟键盘或实体键盘等)所输入的文本信息。

在得到用户输入的对话信息后，该方法会在步骤s202中分别计算该对话信息与多个标准对话语句的语义相似度。本实施例中，该方法在步骤s202中优选地采用综合考虑词的权重、词在句中的语义及句子结构等因素的多特征句子语义相似度计算算法来计算对话信息与各个标准对话语句的语义相似度。

现有的句子相似度计算方法大致可分为5类，包括：字面匹配方法，词频-逆向文档频率(termfrequency-inversedocumentfrequency，简称tf-idf)向量方法、概率方法、句子结构方法和语义扩展方法。其中，字面匹配方法主要依据两个句子中所包含的相同词的个数来计算句子的相似度。tf-idf向量方法则主要是将句子表示成tf-idf向量，并将两个tf-idf向量的余弦值作为相似度。概率方法主要通过引入语言模型框架，利用概率的方法得出量个句子的相似度。在句子结构方法中，通常是以句子模板的匹配方式把句子分成不同的组成部分，随后按句子的结构组成分别计算相似度。

现有的以上4种方法只考虑了句中词的字面值。由于存在一义多词的情况，因此如果只依靠字面值，将容易导致句子相似度的错配。发明人通过研究分析发现，句子由词组成，而词的不同词性及其在句中的位置对句子语义的影响度不同，词所表示的概念由语境限定。同时，词在句中的出现顺序(即句子结构)对句子的意义也有不同的影响。而上述各种方法都欠缺对这些因素的综合考虑。为此，本实施例所提供的方法优选地采用能够综合考虑词的权重、词在句中的语义及句子结构等因素的多特征句子语义相似度计算算法来计算对话信息与各个标准对话语句的语义相似度。

不同的词性及词在句中的不同位置对区别句子之间相似与否的作用不同，词在区分句子相似性中的重要程度可用词权重表示，主要包括词在句中出现的频度、词的位置权重和词性权重。

词序对于语义的表示也有着重要影响。例如，s1：从北京飞往上海的航班；s2：从上海飞往北京的航班。如果利用字面匹配的方法来确定上述两个语句的相似度的话，将会得出这两个语句完全相似的结论，而造成这种错配结构的原因便是并未考虑句子的结构信息。而词序作为一种基本结构信息，其能够有效地区分具有相同词集合的两个语句。具体地，本实施例中，该方法优选地采用归一化的两个语句的词序相似度计算算法来确定句子结构相似度。其中，当两个句子的词序完全相同时，这两个句子的句子结构相似度也就为最大值1。

在得到词的权重、词的语义相似度及句子结构相似度后，该方法便可以通过多特征加权的方式来分别计算得到步骤s201中所获取到的对话信息与各个标准对话语句的语义相似度。

当然，在本发明的其他实施例中，该方法还可以采用其他合理方式来计算上述对话信息与各个标准对话语句的语义相似度，本发明不限于此。

如图2所示，在得到步骤s201中所获取到的对话信息与各个标准对话语句的语义相似度后，该方法会在步骤s203中根据上述语义相似度来确定对应于对话信息的标准对话语句。

具体地，本实施例中，该方法在步骤s203中优选地会从多个标准对话语句中选取语义相似度最大的语句来作为对应于步骤s201中所获取到的对话信息的标准对话语句。

本实施例中，上述多个标准对话语句优选地存储在预设语句导入知识库中。该方法在步骤s203中可以基于语义相似度来从该预设语句导入知识库中检索得到对应于该对话信息的标准对话语句。

需要指出的是，本实施例中，上述预设语句导入知识库优选地是根据预设知识图谱的实体及实体之间的关系来生成的。当然，在本发明的其他实施例中，该方法还可以采用其他合理方式来生成上述预设语句导入知识库，本发明不限于此。

例如，针对用户所输入的诸如“周杰伦的老婆是谁”的对话信息，预设语句导入知识库中所存储的对应的标准对话语句可以是“${person}的妻子是谁”。该方法在接收到用户所输入的“周杰伦的老婆是谁”的对话信息后，基于语义相似度，便可以将用户所输入的对话信息转换为能够被指示图谱所使用的标准对话语句“周杰伦的妻子是谁”。

而如果用户所输入的对话信息为“谁嫁给了周杰伦”，现有的基于知识图谱的对话方法由于只能够识别某一标准对话语句，因此现有的对话方法也就无法基于知识图谱来正确理解“谁嫁给了周杰伦”这一对话信息的语义其实是与“周杰伦的妻子是谁”相同的。而本实施例所提供方法通过语义相似度的计算，可以确定出与“谁嫁给了周杰伦”的语义最为相似的标准对话语句是“周杰伦的妻子是谁”，这样该方法也就可以将非标准的对话语句转换为能够为知识图谱所使用的标准对话语句。

如图2所示，本实施例中，该方法在得到对话信息的标准对话语句后，会在步骤s204中对该标准对话语句进行语义理解，并根据语义理解结果来利用预设知识图谱生成相应的语音反馈信息并输出。

由于知识图谱中能够存储实体以及实体之间的关系，因此该方法在步骤s204中可以通过对步骤s203中所确定出的标准对话语句进行语义理解，从而得到诸如实体“周杰伦”以及实体关系“妻子”，同构对知识图谱进行检索，也就可以得到与“周杰伦”这一实体的关系为“妻子”的实体“昆凌”。这样也就得到了用户所输入的该对话信息的答案信息，根据该答案信息也就可以生成诸如“是昆凌”的反馈信息。

从上述描述中可以看出，本实施例所提供的用于智能机器人的对话方法基于语义相似度来将用户所输入的无法被知识图谱所使用的非标准化对话语句转换为能够被知识图谱所使用的标准化对话语句，这样也就使得用户能够更加自然地与智能机器人进行人机交互，从而提高了智能机器人的用户体验。

同时，本实施例所提供的方法由于可以将非标转化对话语句转换为标准化对话语句，因此相较于现有方法，本方法也就无需对实体以及实体关系进行归一化处理。例如，对于现有的人机对话方法来说，其在应用过程中可能需要将“老婆”、“夫人”等实体关系归一化为“妻子”，而本实施例所提供的方法则无需该过程。

实施例二：

图3示出了本实施例所提供的用于智能机器人的对话方法的实现流程示意图。

如图3所示，本实施例所提供的用于智能机器人的对话方法优选地会在步骤s301中获取用户输入的对话信息。具体地，本实施例中，用户输入的对话信息可以是语音信息，该对话方法在步骤s301中优选地通过智能机器人所配备的语音采集设备(例如麦克风等)来获取用户所输入的语音信息。

当然，在本发明的其他实施例中，根据实际需要，该对话方法在步骤s301中所获取到的用户输入的对话信息还可以为其他形式的信息，本发明不限于此。

如图3所示，本实施例中，该方法会在步骤s302中分别计算上述对话信息与预设语句导入知识库中各个对话语句的语义相似度。本实施例中，上述预设语句导入知识库中除了存储有标准对话语句外，还存储有与标准对话语句相关联的相似对话语句。这样该方法在步骤s302中也就不仅会计算对话信息与预设语句导入知识库中各个标准对话语句的相似度，还会计算与各个标准对话语句相关联的相似度对话语句的相似度。

其中，如果与对话信息的语义相似度最高的语句为标准对话语句，那么该方法也就可以基于实施例一中步骤s204相同的原理以及过程来利用预设知识图谱生成并输出相应的反馈信息。

而如果与对话信息的语义相似度最高的语句为非标准对话语句(即与某一标准语句相关联的相似对话语句)，那么本实施例中，该方法则会在步骤s303中根据所确定出的特定相似对话语句来确定出其所对应的标准对话语句，随后再在步骤s304中对步骤s303中所确定出的标准对话语句进行语义理解，并根据语义理解结果来利用预设知识图谱生成相应的语音反馈信息并输出。

从上述描述中可以看出，本实施例所提供的用于智能机器人的对话方法在实施例一所提供的方法的基础上，还在预设语句导入知识库中添加了与标准对话语句相关联的相似对话语句(例如，添加了与标准问法相类似的其他问法，这类相似的问法可能是用户可能采用的问法)，这样有助于提高标准对话语句的覆盖率，从而进一步提高智能机器人的用户体验。

本发明还提供了一种用于智能机器人的对话系统，其中，图4示出了本实施例中该对话系统的结构示意图。

如图4所示，本实施例所提供的用于智能机器人的对话系统优选地包括：对话信息获取模块401、标准对话语句生成模块402以及反馈信息生成模块403。其中，对话信息获取模块401用于获取用户输入的对话信息。本实施例中，对话信息获取模块401可以是智能机器人所配备的语音采集设备(例如麦克风)，该对话系统利用语音采集设备也就可以获取用户所输入的语音信息。

当然，在本发明的其他实施例中，根据实际需要，为了获取其他形式的对话信息，对话信息获取模块401还可以包含其他合理设备或是采用其他合理设备来实现，本发明不限于此。例如，在本发明的一个实施例中，对话信息获取模块401还可以是具有光学字符识别设备，该设备可以对获取到的图像进行光学字符识别从而得到相应的文本信息。

对话信息获取模块401与标准对话语句生成模块402连接，其能够将自身所获取到的对话信息传输至标准对话语句生成模块402，以由标准对话语句生成模块402来生成对应于该对话语信息的标准对话语句。

需要指出的是，本实施例中，标准对话语句生成模块402生成对应于该对话语信息的标准对话语句既可以采用实施例一中步骤s202至步骤s203所公开的技术方案，也可以采用实施例二中步骤s302至步骤s303所公开的技术方案，在此不再对标准对话语句生成模块402实现其功能的具体原理以及过程进行赘述。

反馈信息生成模块403与标准对话语句生成模块402连接，其能够对标准对话语句生成模块402所传输来的标准对话语句进行语义理解，并根据语义理解结果来利用预设知识图谱生成相应的语音反馈信息并输出。其中，反馈信息生成模块403实现其功能的具体原理以及过程与上述实施例一中步骤s204所公开的内容相同，故在此同样不再对反馈信息生成模块403的相关内容进行赘述。

应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构或处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。