基于人工智能的人机智能聊天的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及互联网技术领域，尤其涉及一种基于人工智能的人机智能聊天的方法 和装置。
【背景技术】
[0002] 随着人类社会信息化的不断演进以及人工服务成本的不断上升，人们越来越希望 通过自然语言与计算机进行交流，人机智能聊天系统成为这样的历史背景下诞生的产物。 借助人机智能聊天系统，人类可以使用自然语言与机器进行对话，并通过对话来指挥或者 咨询计算机，完成特定的操作，比如通过与智能手机进行人机聊天，指挥智能硬件完成短信 读取和回复、查询天气和航班、设置闹钟和行程安排；或者通过与检索系统进行自然语言的 对话，完成深度和个性化的信息检索，产品推荐。
[0003] 但是现有技术提供的人机智能聊天系统无法满足用户的聊天需求，无法自然地进 行人机智能聊天。
【发明内容】
[0004] 本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005] 为此，本发明的第一个目的在于提出一种基于人工智能的人机智能聊天的方法。 该方法在人机对话中，可以对用户需求进行精确匹配，给出更精确更个性化的回复，可以更 自然地进行人机智能聊天，满足用户的聊天需求。
[0006] 本发明的第二个目的在于提出一种基于人工智能的人机智能聊天的装置。
[0007] 为了实现上述目的，本发明第一方面实施例的基于人工智能的人机智能聊天的方 法，包括：接收多模态的输入信号，所述多模态的输入信号包括语音信号、图像信号、传感器 信号和/或事件驱动信号；对所述多模态的输入信号进行处理，获得文本数据，并根据所述 文本数据获得用户的意图；获得所述用户的意图对应的答案，将所述答案转化为多模态的 输出信号；输出所述多模态的输出信号。
[0008] 本发明实施例的基于人工智能的人机智能聊天的方法，接收多模态的输入信号之 后，对上述多模态的输入信号进行处理，获得文本数据，并根据上述文本数据获得用户的意 图，进而获得上述用户的意图对应的答案，然后将上述答案转化为多模态的输出信号，并输 出上述多模态的输出信号，从而在人机对话中，可以对用户需求进行精确匹配，给出更精确 更个性化的回复，可以更自然地进行人机智能聊天，满足用户的聊天需求，提高用户体验。
[0009] 为了实现上述目的，本发明第二方面实施例的基于人工智能的人机智能聊天的装 置，包括：接收模块，用于接收多模态的输入信号，所述多模态的输入信号包括语音信号、图 像信号、传感器信号和/或事件驱动信号；处理模块，用于对所述接收模块接收的多模态的 输入信号进行处理，获得文本数据；获得模块，用于根据所述处理模块获得的文本数据获得 用户的意图，并获得所述用户的意图对应的答案；输出模块，用于将所述获得模块获得的答 案转化为多模态的输出信号，并输出所述多模态的输出信号。
[0010] 本发明实施例的基于人工智能的人机智能聊天的装置，接收模块接收多模态的输 入信号之后，处理模块对上述多模态的输入信号进行处理，获得文本数据，获得模块根据上 述文本数据获得用户的意图，进而获得上述用户的意图对应的答案，然后输出模块将上述 答案转化为多模态的输出信号，并输出上述多模态的输出信号，从而在人机对话中，可以对 用户需求进行精确匹配，给出更精确更个性化的回复，可以更自然地进行人机智能聊天，满 足用户的聊天需求，提高用户体验。
[0011] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0012] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中：
[0013] 图1为本发明基于人工智能的人机智能聊天的方法一个实施例的流程图；
[0014] 图2为本发明基于人工智能的人机智能聊天的方法中系统架构一个实施例的示 意图；
[0015] 图3为本发明基于人工智能的人机智能聊天的方法中用户意图的拓扑结构一个 实施例的示意图；
[0016] 图4为本发明基于人工智能的人机智能聊天的装置一个实施例的结构示意图；
[0017] 图5为本发明基于人工智能的人机智能聊天的装置另一个实施例的结构示意图。
【具体实施方式】
[0018] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考 附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反， 本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同 物。
[0019] 本发明提供一种基于人工智能的人机智能聊天的方法，该方法可以被部署在不同 的平台（包括且不限于互联网、手机、智能硬件设备或企业专用客服平台等）上，能够以自 然语言的方式，通过人类正常交互使用的多模态的信号（包括且不限于语音或图像等）与 人类进行聊天交互。
[0020] 图1为本发明基于人工智能的人机智能聊天的方法一个实施例的流程图，如图1 所示，该基于人工智能的人机智能聊天的方法可以包括：
[0021] 步骤101，接收多模态的输入信号，上述多模态的输入信号包括语音信号、图像信 号、传感器信号和/或事件驱动信号。
[0022] 步骤102,对上述多模态的输入信号进行处理，获得文本数据，并根据上述文本数 据获得用户的意图。
[0023] 具体地，根据上述文本数据获得用户的意图可以为：对上述文本数据进行解析，根 据解析获得的结果生成用户的意图。
[0024] 其中，对上述文本数据进行解析可以为：对上述文本数据进行句法结构分析，对 进行句法结构分析后的文本数据进行基于词语的语义分析、基于话题模型的领域多分类识 另IJ、语义消歧和基于语法结构和上下文信息的自动补全。
[0025] 进一步地，根据上述文本数据获得用户的意图之后，还可以将获得的用户的意图 保存在历史用户意图中。
[0026] 步骤103,获得上述用户的意图对应的答案，将上述答案转化为多模态的输出信 号。
[0027] 步骤104,输出上述多模态的输出信号。
[0028] 具体地，步骤103中，获得上述用户的意图对应的答案可以为：根据上述用户的意 图在记忆系统中进行查找，获得上述用户的意图的约束条件；以及根据上述用户的意图在 话题模型和领域实体数据库中进行查找，获得上述用户的意图关联的变量和属性；以及通 过主动学习模块获得当前的聊天语境与存储的聊天模式的相似度；以及访问开放服务接 口，获得从上述开放服务接口返回的结果；根据上述用户的意图，结合上述用户的意图的约 束条件、上述用户的意图关联的变量和属性、从上述开放服务接口返回的结果以及与存储 的聊天模式的相似度获得上述用户的意图对应的答案。
[0029] 进一步地，还可以将上述用户的意图、上述用户的意图的约束条件，上述用户的意 图关联的变量和属性保存在对话模型中；根据上述对话模型中保存的用户的意图、用户的 意图的约束条件、用户的意图关联的变量和属性的统计结果建立不同用户的意图的转移概 率图谱，并在适当的时机，根据上述转移概率图谱生成新的话题。
[0030] 进一步地，对上述多模态的输入信号进行处理，获得文本数据之后，还可以将上述 文本数据中包括的适合记忆的内容保存在记忆系统中。其中，上述记忆系统包括短期记忆 系统和长期记忆系统；则将上述文本数据中包括的适合记忆的内容保存在记忆系统中可 以为：将上述文本数据包括的适合记忆的内容中属于短期记忆的内容保存在短期记忆系 统中，将上述文本数据包括的适合记忆的内容中属于长期记忆的内容保存在长期记忆系统 中；
[0031] 上述短期记忆的内容包括：用户的历史对话记录、基于上述历史对话记录建立的 用户聊天的话题状态序列和基于上述历史对话记录提取的实体相关属性；