器人就需要判断用户的这句话和/或当前动作是否与当前话题有关，如果判断用户是要打断当前话题，即这句话和/或当前动作打断信息，那么则继续执行步骤S103;
[0049]在本实施例所提供的方法中，判断交互信息是否为打断信息是在用户输入交互信息后不断进行的，在客户具有打断当前话题的意图(即判定用户所输入的交互信息为打断信息)时，该方法即在步骤S103中主动输出话题确认提示并获取用户对该话题确认提示的应答信息。
[0050]如果该交互信息不为打断信息，该方法则执行步骤S106以继续当前交互话题(SP动作信息输入前的交互话题)。
[0051]具体地，本实施例所提供的方法在步骤S103中，优选地以语音的形式输出话题确认提示，例如输出“咱们是否要继续原来的话题呢”。输出该话题确认提示语音后，该方法会在步骤S103中持续检测用户对该提示音的应答信息，并在步骤S104中判断该应答信息是否为中断应答。
[0052]如果该方法在步骤S103中检测到用户对话题确认提示做出了肯定回答，即检测到用户的反馈为诸如“继续”等肯定回答，那么该方法则会在步骤S104中判定所接收到的应答信息为非中断应答，即用户期望继续当前交互话题(即交互信息输入前的交互话题)。因此此时该方法将执行步骤S106以继续当前交互话题。
[0053]而如果该方法在步骤S103中检测到用户对话题确认提示做出了否定回答，即检测到用户的反馈为“不继续”等否定回答，那么该方法则在步骤S104中判断所接收到的应答信息为中断应答，即用户期望中断当前交互话题。因此此时该方法将执行步骤S105以中断当前交互话题，即不再继续当前交互话题。
[0054]从上述描述中可以看出，本实施例所提供的方法使得智能机器人在用户打断当前交互话题的时候能够获知用户打断当前交互话题的意图，从而在用户期望转换话题时不再继续之前的话题，在用户仅仅是突然性地插入某些对话后仍然能够继续之前的话题。这样也就避免了因某些对话的插入而使得人机对话中断的问题，从而改善了用户体验。
[0055]实施例二:
[0056]图2示出了本实施例所提供的基于智能机器人的交互方法的流程图。在使用过程中，用户与智能机器人进行交互时，其向智能机器人输入的交互信息既可以为动作信息，也可以为诸如语音信息以及表情信息的其他信息。图2示意性地示出了当用户输入的交互信息为动作信息时本实施例所提供的交互方法的处理过程。
[0057]如图2所示，该方法在步骤S201中获取用户输入的动作信息。具体地，本实施例中，该方法可以根据自身配置的相关传感器来获取用户的动作信息，例如，该方法可以利用设置在智能机器人内部的加速度计和陀螺仪来检测用户是否摇晃或摔倒机器人，可以利用红外传感器或距离传感器来检测用户是否遮挡住了智能机器人的“眼睛”，可以利用设置在智能机器人顶部的压力传感器来检测用户是否在触摸或抚摸机器人的头部等。
[0058]需要指出的是，在本发明的其他实施例中，机器人也可以采用其他合理方式来获取用户的工作信息，本发明不限于此。例如在本发明的一个实施例中，机器人也可以在步骤S201中利用体感技术来获取用户的肢体动作信息。
[0059]当获取到用户输入的动作信息后，该方法将在步骤S202中输出针对该动作信息的回复信息。例如，当检测到用户在摇晃机器人时，该方法将在步骤S202中向用户输出对应的回复信息，例如输出语音“别晃了，我头好晕啊”。
[0060]在步骤S203中，该方法将判断步骤S201中所获取到的动作信息是否为打断信息。在机器人感应到指定动作(例如用户遮挡机器人的“眼睛”或摇晃机器人)，则直接判定该动作信息为打断信息，那么则执行步骤S204以输出话题确认提示并获取用户对该话题确认提示的应答信息。
[0061]具体地，所述智能机器人可以在步骤S204中可以通过语音或字符显示的形式主动输出话题确认提示，例如输出“咱们是否要继续原来的话题呢”。当然，在本发明的不同实施例中，该方法也可以以不同的合理方式(例如语音或触摸)来获取用户对该话题确认提示的应答信息。
[0062]如果该方法在步骤S204中检测到用户对话题确认提示做出了肯定回答，即检测到用户的反馈为“继续”等肯定回答，那么该方法则会在步骤S205中判断出所接收到的应答信息为非中断应答，即用户期望继续当前交互话题(即动作信息输入前的交互话题)。因此此时该方法将执行步骤S207以继续当前交互话题。
[0063]而如果该方法在步骤S204中检测到用户对话题确认提示做出了否定回答，即检测到用户的反馈为“不继续”等否定回答，那么该方法则在步骤S205中判断出所接收到的应答信息为中断应答，即用户期望中断当前交互话题。因此此时该方法将执行步骤S206以中断当前交互话题，即不再继续当前交互话题。
[0064]从上述描述中可以看出，本实施例所提供的方法使得智能机器人能够在用户输入动作信息时对该动作信息进行反馈(即输出针对该动作信息的回复信息)，同时，当该动作信息为打断信息时，该方法还会进一步判断是否继续当前交互话题。由此可见，该方法能够有效获知用户打断当前交互话题的意图，从而在用户期望转换话题时不再继续之前的话题，在用户仅仅是突然性地插入某些对话后仍然能够继续之前的话题。这样也就避免了因某些对话的插入而使得人机对话中断的问题，从而改善了用户体验。
[0065]实施例三:
[0066]图3示出了本实施例所提供的基于智能机器人的交互方法的流程图。而图3示出了当用户输入的交互信息为语音信息时本实施例所提供的交互方法的处理过程。
[0067]如图3所示，该方法在步骤S301中获取用户输入的语音信息，并在步骤S302中对该语音信息进行处理，从而确定出用户输入话题(即用户输入的语音信息所表征的交互话题)。
[0068]用自然语言与计算机进行通信是人类长期以来所追求的，这样人类可以用自己最习惯的语言来使用计算机，而无需再花费大量的时间和精力去学习不是很自然和习惯的各种计算机语音。
[0069]本实施例中，在步骤S30 2中采用了自然语言处理(Natura I LanguageProcessing，简称为NLP)相关技术来对获取到的语音信息进行处理。具体地，该方法采用了命名实体识别(Named Entity Recognit1n，简称为NER)、句法分析和/或抽取输入语音句法主干的方式来对用户输入的语音信息进行处理。
[0070]命名实体识别(Named Entity Recognit1n，简称为NER)主要是要识别出文本中出现的专有名词和有意义的数量短语并加以归类。所谓命名实体(Named Entity)主要包括实体(例如组织名、人名、地名等)、时间表达式(日期、时间)、数字表达式(例如货币值、百分数等)等。就整个命名实体识别的研究结果而言，时间表达式和数字表达式的识别相对简单，其规则的设计、数据的统计训练等也比较容易。而对于实体中的组织名、人名以及地名而言，由于其具有开放性和发展性的特点，并且其构成规律具有很大的随意性，因此其识别就可能有较多的漏选或错选。
[0071]需要指出的是，在本发明的不同实施例中，根据不同的实际需要，命名实体识别方法可以选择不同的方法(例如基于规则的方法或基于统计的方法)，本发明不限于此。
[0072]基于规则的方法准确率较高，且接近人的思维方式，其知识表示直观、自然，便于推理。但是该方法往往依赖于具体语言、领域和文本格式，可移植性差，该方法的编制过程费时费力，且容易产生错误，因此通常需要富有经验的语言学家才能完成。同时，基于规则的方法不可能涵盖所有的命名实体，当从一种语言转移到另一种预言时，为保证不损失性能，往往还要花费很多工作在规则的提取上，因此性价比不高。
[0073]与基于规则的方法相比，基于统计的方法的健壮性和灵活性更好，其比较客观，不需要过多的人工干预和领域知识。然而，该方法的数据稀疏问题比较严重，有时还会因探索空间过大而导致巨大的空间开销，以致影响效率。此外，基于统计的方法往往还需要大规模的语料库来进行训练。
[0074]本实施例中，利用句法分析来对句子中的词语语法功能进行分析，从而当道当前交互话题信息。需要指出的是，在本发明的不同实施例中，根据实际需要，可以采用不同的句法分析方法来对句子中的