户的意图 包括： 对所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。3. 根据权利要求2所述的方法，其特征在于，所述对所述文本数据进行解析包括： 对所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别、语义消歧和基于语法结构和上下文信息的 自动补全。4. 根据权利要求1-3任意一项所述的方法，其特征在于，所述根据所述文本数据获得 用户的意图之后，还包括： 将获得的用户的意图保存在历史用户意图中。5. 根据权利要求1-3任意一项所述的方法，其特征在于，所述获得所述用户的意图对 应的答案包括： 根据所述用户的意图在记忆系统中进行查找，获得所述用户的意图的约束条件；以及 根据所述用户的意图在话题模型和领域实体数据库中进行查找，获得所述用户的意图关联 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，获得从所述开放服务接口返回的结果； 根据所述用户的意图，结合所述用户的意图的约束条件、所述用户的意图关联的变量 和属性、从所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所述用户的 意图对应的答案。6. 根据权利要求5所述的方法，其特征在于，还包括： 将所述用户的意图、所述用户的意图的约束条件，所述用户的意图关联的变量和属性 保存在对话模型中； 根据所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，根据所述 转移概率图谱生成新的话题。7. 根据权利要求5所述的方法，其特征在于，所述对所述多模态的输入信号进行处理， 获得文本数据之后，还包括： 将所述文本数据中包括的适合记忆的内容保存在记忆系统中。8. 根据权利要求7所述的方法，其特征在于，所述记忆系统包括短期记忆系统和长期 记忆系统； 所述将所述文本数据中包括的适合记忆的内容保存在记忆系统中包括： 将所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，将所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； 所述短期记忆的内容包括：所述用户的历史对话记录、基于所述历史对话记录建立的 用户聊天的话题状态序列和基于所述历史对话记录提取的实体相关属性； 所述长期记忆的内容包括：所述用户的个人信息和人口属性、所述用户的偏好、所述用 户的地理历史记录、所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。9. 根据权利要求5所述的方法，其特征在于，所述对所述多模态的输入信号进行处理， 获得文本数据之后，还包括： 将所述文本数据中提炼的话题记录在话题模型中，以及将所述文本数据中提炼的实体 属性记录在领域实体数据库中。10. 根据权利要求5所述的方法，其特征在于，所述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包括： 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。11. 一种基于人工智能的人机智能聊天的装置，其特征在于，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。12. 根据权利要求11所述的装置，其特征在于，所述获得模块用于根据所述文本数据 获得用户的意图包括： 所述获得模块，具体用于对所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。13. 根据权利要求12所述的装置，其特征在于， 所述获得模块，具体用于对所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别、语义消歧和基于 语法结构和上下文信息的自动补全。14. 根据权利要求11-13任意一项所述的装置，其特征在于，还包括： 保存模块，用于在所述获得模块获得用户的意图之后，将获得的用户的意图保存在历 史用户意图中。15. 根据权利要求11-13任意一项所述的装置，其特征在于，所述获得模块用于获得所 述用户的意图对应的答案包括： 所述获得模块，具体用于根据所述用户的意图在记忆系统中进行查找，获得所述用户 的意图的约束条件；以及根据所述用户的意图在话题模型和领域实体数据库中进行查找， 获得所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，获得从所述开放服务接口返回的结果； 根据所述用户的意图，结合所述用户的意图的约束条件、所述用户的意图关联的变量和属 性、从所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所述用户的意图 对应的答案。16. 根据权利要求15所述的装置，其特征在于，还包括：保存模块和生成模块； 所述保存模块，用于将所述用户的意图、所述用户的意图的约束条件，所述用户的意图 关联的变量和属性保存在对话模型中； 所述生成模块，用于根据所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，根据所述转移概率图谱生成新的话题。17. 根据权利要求15所述的装置，其特征在于，还包括：保存模块； 所述保存模块，用于在所述处理模块获得文本数据之后，将所述文本数据中包括的适 合记忆的内容保存在记忆系统中。18. 根据权利要求17所述的装置，其特征在于，所述记忆系统包括短期记忆系统和长 期记忆系统； 所述保存模块，具体用于将所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，将所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； 所述短期记忆的内容包括：所述用户的历史对话记录、基于所述历史对话记录建立的 用户聊天的话题状态序列和基于所述历史对话记录提取的实体相关属性； 所述长期记忆的内容包括：所述用户的个人信息和人口属性、所述用户的偏好、所述用 户的地理历史记录、所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。19. 根据权利要求15所述的装置，其特征在于，还包括：保存模块； 所述保存模块，用于在所述处理模块获得文本数据之后，将所述文本数据中提炼的话 题记录在话题模型中，以及将所述文本数据中提炼的实体属性记录在领域实体数据库中。20. 根据权利要求15所述的装置，其特征在于，所述获得模块用于通过主动学习模块 获得当前的聊天语境与存储的聊天模式的相似度包括： 所述获得模块，具体用于通过对话模型、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。
【专利摘要】本发明提出一种基于人工智能的人机智能聊天的方法和装置，该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。本发明在人机对话中，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。
【IPC分类】G06F3/01
【公开号】CN105094315
【申请号】CN201510359363
【发明人】亓超, 温泉, 陈洪亮, 周湘阳, 张晓庆, 忻舟, 赵世奇
【申请人】百度在线网络技术（北京）有限公司
【公开日】2015年11月25日
【申请日】2015年6月25日