r>[0032] 上述长期记忆的内容包括：用户的个人信息和人口属性、用户的偏好、上述用户的 地理历史记录、上述用户的消费历史记录、系统的个人信息和人口属性和系统的偏好。
[0033] 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 文本数据中提炼的话题记录在话题模型中，以及将上述文本数据中提炼的实体属性记录在 领域实体数据库中。
[0034] 具体地，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可以 为：通过对话模型、话题模型和领域实体数据库对人类的聊天模式进行数值化；将数值化 的聊天模式存储在主动学习模块中；检测获得当前的聊天语境与存储的聊天模式的相似 度。
[0035] 上述基于人工智能的人机智能聊天的方法中，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。
[0036] 本发明图1所示实施例提供的基于人工智能的人机智能聊天的方法可以通过图2 所示的系统架构实现，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，该系统构架可以用来集成不同的数据、组件和模块，并可以定义输入和输 出可以接受的信号模式，以及输入输出系统与内部组件和不同内部组件之间用以交换数据 的数据结构，不同组件之间交换数据的先后顺序和关系，并且为各种组件提供用于存储数 据的通用数据存储设备。
[0037] 如图2所示，在一个具体的实现中，上述系统架构可以集成了以下模块和数据，包 括但不限于：输入输出系统、对话模型、对话控制系统、领域实体数据库、话题模型、短期记 忆系统、长期记忆系统、主动学习模块和开放服务接口。
[0038] 下面分别对上述模块和数据进行介绍。
[0039] 1、输入输出系统
[0040] 1)输入信号
[0041] 本发明实施例中，输入信号可以为自然界的多模态的输入信号，上述多模态的输 入信号可以包括语音信号、图像信号、传感器信号和/或事件驱动信号；其中，传感器信号 可以包括：人类相关参数捕捉传感器（人体温度和/或心跳脉搏等）输入的信号，和/或外 接环境参数捕捉传感器（地理信息、温度、湿度、光照条件和/或天气状况等）输入的信号； 事件驱动信号可以包括事件提醒和/或闹钟等可以主动触发的事件的驱动信号。
[0042] 2)输入信号处理
[0043] 本发明实施例中，接收到上述多模态的输入信号之后，先对上述多模态的输入信 号进行处理，获得文本数据，然后根据上述文本数据获得用户的意图。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。
[0044] 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。下面分别进行举例说明。
[0045] a、句法结构分析
[0046] 例如：对于"帮我查找巴厘岛的航班"这条文本数据，解析之后的句法结构如下：
[0047]
[0048] b、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
[0049] 例如，对于"帮我查找巴厘岛的航班"这条文本数据，在进行句法结构分析之后，可 以提取"巴厘岛"这个实体，以及"航班"这个实体属性。
[0050] C、基于话题模型的领域多分类识别
[0051] 例如，对于"帮我查找巴厘岛的航班"这条文本数据，在进行句法结构分析之后，可 以提取"旅游"，"东南亚"这样的话题。
[0052] d、语义消歧
[0053] 例如，对于"我想买一台苹果"这条文本数据，在进行句法结构分析之后，可以对 "苹果"进行语义消歧，这里的"苹果"其实指代"苹果设备"。
[0054] e、基于语法结构和上下文信息的自动补全
[0055] 例如，当用户上文的检索词为"今天北京天气怎么样"，当前的检索词为"下雨 吗？ "时，可以根据上文的信息和短期记忆系统内的信息，判定"下雨吗？ "这个需求所指代 的地点，也是"北京"，因此，可以对当前的检索词进行补全"北京今天下雨吗？"
[0056] 综上所述，用户意图识别是指针对获得的文本数据，进行基于需求类型的分类，生 成一种或者多种的意图表示。本发明实施例中，用户意图为一个多层次的拓扑结构，可以如 图3所示，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。
[0057] 3)输出信号
[0058] 本发明实施例中，输出信号也可以为自然界的多模态的输出信号，可以包括语音 信号和/或图像信号等。
[0059] 输出系统将获得的上述用户的意图对应的答案，通过专用的硬件设备转化为以上 的多模态的输出信号，然后输出该多模态的输出信号。
[0060] 2、对话模型和对话控制系统
[0061] 对话模型类似于人类大脑的工作记忆区，用于刻画当前用户的意图，以及与该意 图有关的变量和约束条件。
[0062] 本发明实施例中，对话模型可以与若干系统进行数据交互，具体说明如下：
[0063] 1)通过输入系统，获取当前用户的意图。
[0064] 2)通过记忆系统（包括短期记忆系统和长期记忆系统），获取用户的意图的约束 条件。例如，当用户输入"今天天气怎么样"时，通过记忆系统，可以获取用户经常活动的区 域为"北京市海淀区"，那么可以对一个宽泛的检索词进行约束和补全，将该检索词改写成 "今天北京市海淀区的天气怎么样"。
[0065] 3)通过话题模型和领域实体数据库，获取用户意图相关的变量和属性。例如，当 用户输入"不喜欢现在的Coach包怎么办"时，通过话题模型可以分析出当前的话题为"购 物"，"包"，通过领域实体数据库，可以获取"Coach"为"包"的一个品牌，基于以上的用户意 图分析和理解，可以获取智能化的产品推荐，比如"那你可以换个牌子试一试，Prada怎么 样？ '，
[0066] 本发明实施例中，对话模型可以基于海量数据的统计结果，建立不同用户的意图 的转移概率图谱，并且可以在适当的时机，根据上述转移概率图谱自发主动的生成新的话 题。其中，上述适当的时机可以包括：当前的话题已经结束、用户的意图已经满足、无法识别 用户的意图和/或对于用户的意图有困惑等时机。
[0067] 3、短期记忆系统
[0068] 短期记忆系统类似于人类大脑的短时记忆区，用于存储人机短期的交互历史，存 储的交互历史可以包括：
[0069] 1)用户与系统的若干轮的历史对话记录；
[0070] 2)基于上述历史对话记录建立的用户聊天的话题状态序列；
[0071] 例如，假设用户在过去几轮的历史对话记录中，输入的语音分别为：
[0072] "最近天气怎么样？"
[0073] "我想旅游了"
[0074] "巴厘岛旅游"
[0075] "帮我查一下巴厘岛的酒店"
[0076] "航班也查一下"
[0077] 基于上述历史对话记录，可以建立用户聊天的话题状态序列为："天气"旅 游"巴厘岛"酒店"航班"。
[0078] 3)基于上述历史对话记录提取的实体相关属性；
[0079] 例如，在上面的用户历史聊天记录中，针对实体"巴厘岛"，可以抽取相关的属性 "酒店"和"航班"，并且给予实体属性数据库，可以给出其他属性的推荐"热门景点"，"门 〇
[0080] 短期记忆