一种面向对话系统的人机交互方法及装置的制造方法
【专利摘要】一种面向对话系统的人机交互方法及装置，该方法包括：步骤一、判断是否满足进行话题主动推荐的条件，如果满足，则执行步骤二；步骤二、根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题，并根据推荐话题生成并输出主动交互信息。该犯法能够使得整个交互过程显然更加有效、合理，从而改善了对话系统的用户体验，提高了对话系统的用户粘度。
【专利说明】
一种面向对话系统的人机交互方法及装置
技术领域
[0001]本发明涉及人机交互技术领域，具体地说，涉及一种面向对话系统的人机交互方法及装置。【背景技术】
[0002]传统的人机交互过程中，用户通常是通过键盘或鼠标等外设来将自己的命令传递给机器人。而这种人机方式操作复杂，效率低下，对于没有使用经验的用户来说，这种传统的人机交互方式称为了用户与机器人进行沟通的障碍。
[0003]随着语音技术和自然语言处理技术的发展，基于语音交互的对话系统逐渐成为用户与智能机器人进行人机交互的必备系统。然而对于现有的对话系统而言，其工作方式通常是用户发起一个聊天，然后对话系统对用户输入的内容进行回答，这样一问一答，从而实现人机交互。因此，对话系统的回答就需要与用户发起的聊天主体相关，这样才能吸引用户继续就同一问题来与对话系统进行聊天，这样也就形成了对话。
[0004]然而对于现有的对话系统来说，如果用户输入诸如“嗯”的交互信息时，对话系统通常会向用户反馈“嗯”或者不进行反馈，这显然会使得整个人机交互过程停顿甚至中断， 这给用户带来了非常差的用户体验。
【发明内容】
[0005]为解决上述问题，本发明提供了一种面向对话系统的人机交互方法，所述方法包括:
[0006]步骤一、判断是否满足进行话题主动推荐的条件，如果满足，则执行步骤二；
[0007]步骤二、根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题，并根据所述推荐话题生成并输出主动交互信息。
[0008]根据本发明的一个实施例，在所述步骤二中，如果无法从所述自学习数据库中抽取所述推荐话题，则根据所述人机交互历史数据和/或当前场景信息生成近似话题，并将所述近似话题作为所述推荐话题。
[0009]根据本发明的一个实施例，所述自学习数据库中存储有根据预设归类标准进行归类的话题数据。
[0010]根据本发明的一个实施例，在所述步骤二中，根据所述人机交互历史数据和/或当前场景信息，结合目标用户的个性化信息，生成所述推荐话题。
[0011]根据本发明的一个实施例，在所述步骤一中，如果无法确定当前问题信息的答案信息或无法获得用户输入的话题性信息，则判定满足进行话题主动推荐的条件。
[0012]本发明还提供了一种面向对话系统的人机交互装置，所述装置包括:[〇〇13]主动推荐条件判断模块，其用于判断是否满足进行话题主动推荐的条件，如果满足，则生成相应的话题主动推荐指令；
[0014]话题推荐模块，其用于响应所述话题主动推荐指令，根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题，并根据所述推荐话题生成并输出主动交互信息。
[0015]根据本发明的一个实施例，所述话题推荐模块配置为如果无法从所述自学习数据库中抽取所述推荐话题，则根据所述人机交互历史数据和/或当前场景信息生成近似话题，并将所述近似话题作为所述推荐话题。
[0016]根据本发明的一个实施例，所述自学习数据库中存储有根据预设归类标准进行归类的话题数据。
[0017]根据本发明的一个实施例，所述话题推荐模块配置为根据所述人机交互历史数据和/或当前场景信息，结合目标用户的个性化信息，生成所述推荐话题。
[0018]根据本发明的一个实施例，所述主动推荐条件判断模块配置为如果无法确定当前问题信息的答案信息或无法获得用户输入的话题性信息，则判定满足进行话题主动推荐的条件。
[0019]本发明所提供的方法和装置能够基于人机交互历史数据从自学习数据库中成功抽取出推荐话题，这样使得整个交互过程显然更加有效、合理，从而改善了对话系统的用户体验，提高了对话系统的用户粘度。
[0020]本发明所提供的交互方法和装置还能够在无法从自学习数据库中抽取推荐话题的情况下，根据生成与获取到的人机交互历史数据和/或当前场景信息相类似的话题，并利用该话题生成主动交互信息来反馈给用户。该方法能够使得人机交互的过程更加完善，并进一步提高对话系统的用户体验。
[0021]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】
[0022]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:
[0023]图1是根据本发明一个实施例的面向对话系统的人机交互方法的实现流程图；
[0024]图2是根据本发明另一个实施例的面向对话系统的人机交互方法的实现流程图；
[0025]图3是根据本发明再一个实施例的面向对话系统的人机交互方法的实现流程图；
[0026]图4是根据本发明一个实施例的面向对话系统的人机交互装置的结构示意图。
【具体实施方式】
[0027]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。
[0028]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。
[0029]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。
[0030]在日常对话场景中，如果一个人向另一个人说“嗯”，那么另一个人很可能也会回应“嗯”或者会感到毫无头绪，这样显然会使得对话过程显得十分尴尬。相应地，如果用户与智能机器人的对话系统之间出现这种状况，这将会给用户带来十分差的体验效果。
[0031]对于现有智能机器人所使用的对话系统来说，如果用户输入诸如“嗯”的问题信息时，现有对话系统通常会向用户恢复诸如“哦”的答案信息。在这种交互过程中，虽然对话系统与用户之间形成了 “用户输入-对话系统输出”的对话过程，然而这种对话过程会显得过于呆板，对话系统的用户体验无法达到令人满意的用户体验。
[0032]针对现有对话系统所存在的上述问题，本发明提供了一种新的面向对话系统的人机交互方法，以在上述交互场景中通过主动进行话题推荐来避免出现沉默或非正常对话过程，从而改善对话系统的用户体验。
[0033]为了更加清楚地阐述本发明所提供的面向对话系统的人机交互方法的实现原理、实现过程以及优点，以下分别结合不同的实施例来对本发明所提供的人机交互方法作进一步地说明。
[0034]实施例一:
[0035]图1示出了本实施例所提供的面向对话系统的人机交互方法的实现流程图。
[0036]本实施例中，该方法首先判断是否满足进行话题主动推荐的条件。具体地，如图1所示，本实施例所提供的方法首先在步骤SlOl中获取用户输入的当前问题信息，并在步骤S102中进一步判断对话系统是否能够确定当前问题信息的答案信息。
[0037]需要特别指出的是，本发明所提及的问题信息并不特指以问句形式出现的交互信息，而是可以泛指以各种语句形式出现的交互信息，本发明不限于此。例如，本实施例中，该问题信息既可以是诸如“你觉得XXX怎么样”或者“能告诉我XXX发生了什么事吗”的疑问语句，也可以是诸如“今天天气真好啊”或者“我感觉有点累”的陈述语句。
[0038]具体地，本实施例中，该方法在步骤SlOl中所获取的当前问题信息可以是对话系统通过对用户输入的字符信息或语音信息进行处理而形成的。当然，在本发明的其他实施例中，该方法在步骤SlOl中还可以通过其他合理方式来获取用户输入的当前问题信息，本发明不限于此。
[0039]在正常情况(即对话系统与用户之间形成良好的沟通过程)下，当获取到用户输入的当前问题信息后，对话系统会根据当前问题信息来生成响应的答案信息，并将该答案信息输出给用户，从而形成有效的人机交互。
[0040]本实施例中，为了确定当前是否满足进行话题主动推荐的条件，该方法在步骤S102中判断对话系统是否能够生成针对当前问题信息的答案信息。其中，如果无法生成针对当前问题信息的答案信息，那么该方法则判定当前符合进行话题主动推荐的条件;而如果可以生成针对当前问题信息的答案信息，此时显然可以将该答案信息输出给用户，而并不需要主动进行额外的话题推荐，因此该方法则判定当前不符合进行话题主动推荐的条件，对话系统可以按照常规的处理过程将得到的答案信息输出给用户来形成有效的对话过程。[0041 ]例如，当用户输入的问题信息为“嗯”时，如果对话系统生成的是诸如“嗯”或者“哦”的信息，而如果对话系统最终将“嗯”或者“哦”作为最终答案信息输出给用户，那么显然将使得整个人机对话过程显得不够顺畅或者不够合理，因此，本实施例中，在这种情况下该方法将判断出对话系统通过检索自学习数据库无法生成有效的、合理的答案信息，从而触发话题主动推荐过程。
[0042]如图1所示，如果该方法在步骤S102中判定对话系统无法生成针对当前问题信息的答案信息，那么该方法将在步骤S103中根据获取到的人机交互历史数据，来从自学习数据库中抽取相应的话题来作为推荐话题。
[0043]本实施例中，优选地，自学习数据库中所存储有根据预设归类标准进行归类的话题数据。通过对大量的历史人机交互数据进行处理，可以得到不同类别的话题，而这些话题可以存储在本实施例所提供的自学习数据库中来作为备选话题。
[0044]该方法在步骤S103中根据所获取的人机交互历史数据(例如对话系统所存储的距离当前交互时刻预设时长内的对话数据)来从自学习书库中抽取出响应的推荐话题。
[0045]需要指出的是，在本发明的其他实施例中，该方法在步骤S103中既可以根据所获取的当前场景信息来从自学习数据库中抽取出推荐话题，也可以根据结合人机交互历史数据和/或当前场景信息来从自学习数据库中抽取出推荐话题，抑或是采用其他合理的方式来从自学习数据库中抽取出推荐话题，本发明不限于此。
[0046]同时，还需要指出的是，在本发明的其他实施例中，为了使得步骤S103所确定出的推荐话题更加符合用户的兴趣，该方法还可以在步骤S103中结合用户的个性化信息来从自学习数据库中抽取推荐话题。
[0047]例如，对话系统可以根据用户与对话系统之间的交互历史信息确定出用户的兴趣、爱好等个性化信息。因此，在从自学习数据库中抽取推荐话题的过程中，通过抽取与用户的兴趣、爱好相匹配的话题来作为推荐话题，这更加有助于吸引用户的兴趣，从而引导用户继续与对话系统进行交互。
[0048]如图1所示，当得到推荐话题后，该方法便可以在步骤S104中根据该推荐话题生成并输出主动交互信息。
[0049]具体地，例如，当用户输入的问题信息为“嗯”时，通过查询人机交互历史数据，该方法可以获知用户对对话系统之间的对话内容是“用户:今天天气好热，好想去海边度假啊；对话系统:去海边度假的话，可以去三亚啊”；用户:嗯”，这样该方法可以根据这段对话内容获知到“海边度假”以及“三亚”等关键信息，利用这些关键信息，利用自学习数据库可以得到“海鲜美食”的推荐话题，因此该方法最终也就可以向用户反馈诸如“三亚有很多海鲜美食呢，你喜欢吃什么呀”的主动交互信息。
[0050]在上述整个人机交互过程中，虽然用户向对话系统反馈现有对话系统无法生成有效答案信息的问题信息，但本实施例所提供的方法基于人机交互历史数据从自学习数据库中成功抽取出了推荐话题，这样使得整个交互过程显然更加有效、合理，从而改善了对话系统的用户体验，提高了对话系统的用户粘度。
[0051 ] 实施例二:
[0052]图2示出了本实施例所提供的面向对话系统的人机交互方法的实现流程图。
[0053]本实施例中，该方法首先在步骤S201中获取用户输入的当前问题信息，并在步骤S202中判断是否满足进行话题主动推荐的条件，具体地，该方法判断是否能够确定出当前问题信息的答案信息。如果满足进行话题主动推荐的条件，该方法则在步骤S203中根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题。
[0054]需要指出的是，本实施例所提供的方法在步骤S201至步骤S203的实现原理以及实现过程与实施例一中步骤SlOl至步骤S103所涉及的内容类似，故在此不再赘述。
[0055]在某些情况下，自学习数据库中可能并没有存储与人机交互历史数据和/或当前场景信息相关的话题，因此该方法也就无法根据获取的人机交互历史数据和/或当前场景信息来从自学习数据库中抽取推荐话题。
[0056]针对这种情况，如图2所示，本实施例所提供的方法在步骤S204中判断是否能够成功抽取推荐话题。如果能够成功抽取推荐话题，则直接在步骤S206中根据该推荐话题生成并输出主动交互信息。
[0057]而如果无法从自学习数据库中成功抽取推荐话题，那么该方法则在步骤S205中根据获取到的人机交互历史数据和/或当前场景信息来生成近似话题，并将该近似话题作为推荐话题。随后再在步骤S206中利用步骤S205中所得到的推荐话题生成并输出主动交互信息。
[0058]需要指出的是，本实施例中该方法在步骤S206中根据推荐话题生成并输出主动交互信息的实现原理以及实现过程与实施例一中步骤S104所涉及的内容类似，故在此不再赘述。
[0059]同时，还需要指出的是，在本发明宁的其他实施例中，根据实际需要，在输出主动交互信息后，该方法还可以持续获取用户针对该主动交互信息所输入的反馈信息，并利用该反馈信息对自学习数据库进行更新(例如相关内容的更新或补充)。
[0060]从上述描述中可以看出，本实施例所提供的方法在实施例一的基础上，还能够在无法从自学习数据库中抽取推荐话题的情况下，根据生成与获取到的人机交互历史数据和/或当前场景信息相类似的话题，并利用该话题生成主动交互信息来反馈给用户。该方法能够使得人机交互的过程更加完善，并进一步提高对话系统的用户体验。
[0061 ] 实施例三:
[0062]图3示出了本实施例所提供的面向对话系统的人机交互方法的实现流程图。
[0063]本实施例中，该方法首先判断是否满足进行话题主动推荐的条件。具体地，如图3所示，本实施例例所提供的方法首先在步骤S301中获取用户输入的交互信息，并在步骤S302中判断步骤S301中所获取的交互信息是否为话题性信息。
[0064]其中，如果在步骤S301中所获取到的交互信息为话题型信息，那么该方法则判定此时不满足进行话题主动推荐的条件，对话系统可以正常地就该话题信息与用户进行对话。
[0065]而如果在步骤S301中所获取到的交互信息为非话题信息，那么现有的对话系统显然也就无法判断出需要如何继续进行后续对话。因此，本实施例所提供的方法将在步骤S302中判定出步骤S301中所获取到的交互信息为非话题性信息，该方法此时将判定此时满足进行话题主动推荐的条件，其会在步骤S303中根据所获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题。
[0066]例如，用户在一段时长内未向对话系统中输入任何内容时，该方法在步骤S3OI中获取到的用户输入的交互信息将为空，因此其在步骤S302中也就必将判定出步骤S301所获取的交互信息为非话题性信息，因此该方法将判定此时满足进行话题主动推荐的条件。
[0067]如果在步骤S301中所获取的交互信息为非话题性信息，现有对话系统无法继续继续后续对话过程。针对现有对话系统所存在的上述缺陷，如图3所示，本实施例所提供的方法将在S303中根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推荐话题。当从自学习数据库中抽取出推荐话题后，该方法会在步骤S304中根据步骤S304中所得到的推荐话题生成并输出相应的主动交互信息。
[0068]如果该方法在S301中所获取到的交互信息为空信息，那么该方法则会查询此前一段时长内用户与对话系统之间的交互数据。例如，此前一段时长内用户与对话系统之间的交互数据是关于“特斯拉”的，该方法根据该交互数据可以从自学习数据库中查询到关联信息“特斯拉-马斯克-超级高铁”，因此该方法也就可以将“超级高铁”作为推荐话题。这时，该方法可以就该推荐话题最终向用户输出诸如“嘿，你知道吗，特斯拉的创始人马斯克还有一项很酷的项目，叫超级高铁，听说速度比飞机还快呢”。这有助于吸引用户注意力，并引导用户就这一新的话题继续与对话系统进行交互。
[0069]当然，与实施例二所提供的内容类似，如果根据获取的人机交互历史数据和/或当前场景数据，无法从自学习数据库中抽取出推荐，该方法还可以根据获取到的人机交互历史数据和/或当前场景信息来生成近似话题，并将该近似话题作为推荐话题。并根据该推荐话题来生成并输出主动交互信息。
[0070]本发明还提供了一种面向对话系统的人机交互装置，该人机交互装置通过主动进行话题推荐来避免出现沉默或非正常对话过程，从而改善对话系统的用户体验。
[0071 ]图4示出了本实施例中该人机交互装置的结构示意图。
[0072]如图4所示，本实施例所提供的人机交互装置优选地包括:主动推荐条件判断模块401、话题推荐模块402以及自学习数据库403。其中，主动推荐条件判断模块401用于获取用户输入的当前问题信息，并在步骤S102中进一步判断对话系统是否能够确定当前问题信息的答案信息。
[0073]其中，如果无法生成针对当前问题信息的答案信息，那么主动推荐条件判断模块401则判定当前符合进行话题主动推荐的条件；而如果可以生成针对当前问题信息的答案信息，此时显然可以将该答案信息输出给用户，而并不需要主动进行额外的话题推荐，因此主动推荐条件判断模块401此时则判定当前不符合进行话题主动推荐的条件，对话系统可以按照常规的处理过程将得到的答案信息输出给用户来形成有效的对话过程。
[0074]本实施例中，如果主动推荐条件判断模块401判定当前满足进行话题主动推荐的条件，那么主动推荐条件判断模块401将生成相应的话题主动推荐指令，并将该指令传输给话题推荐模块402。
[0075]如图4所示，话题推荐模块402与主动推荐条件判断模块401和自学习数据库403连接，其在接收到主动推荐条件判断模块401传来的话题主动推荐指令后，会对该指令进行响应，来根据获取到的人机交互历史数据，来从自学习数据库中抽取相应的话题来作为推荐话题。
[0076]本实施例中，优选地，自学习数据库中所存储有根据预设归类标准进行归类的话题数据。通过对大量的历史人机交互数据进行处理，可以得到不同类别的话题，而这些话题可以存储在本实施例所提供的自学习数据库中来作为备选话题。
[0077]话题推荐模块402根据所获取的人机交互历史数据(例如对话系统所存储的距离当前交互时刻预设时长内的对话数据)来从自学习书库中抽取出响应的推荐话题。
[0078]需要指出的是，在本发明的其他实施例中，话题推荐模块402既可以根据所获取的当前场景信息来从自学习数据库中抽取出推荐话题，也可以根据结合人机交互历史数据和/或当前场景信息来从自学习数据库中抽取出推荐话题，抑或是采用其他合理的方式来从自学习数据库中抽取出推荐话题，本发明不限于此。
[0079]同时，还需要指出的是，在本发明的其他实施例中，为了使得确定出的推荐话题更加符合用户的兴趣，话题推荐模块402还可以结合用户的个性化信息来从自学习数据库中抽取推荐话题。
[0080]本实施例中，当得到推荐话题后，话题推荐模块402便可以根据该推荐话题生成并输出主动交互信息。
[0081 ]在上述整个人机交互过程中，虽然用户向对话系统反馈现有对话系统无法生成有效答案信息的问题信息，但本实施例所提供的装置基于人机交互历史数据从自学习数据库中成功抽取出了推荐话题，这样使得整个交互过程显然更加有效、合理，从而改善了对话系统的用户体验，提高了对话系统的用户粘度。
[0082]在某些情况下，自学习数据库中可能并没有存储与人机交互历史数据和/或当前场景信息相关的话题，因此话题推荐模块402也就无法根据获取的人机交互历史数据和/或当前场景信息来从自学习数据库403中抽取推荐话题。
[0083]针对这种情况，本实施例中，话题推荐模块402会进一步判断是否能够成功抽取推荐话题。如果能够成功抽取推荐话题，则直接根据该推荐话题生成并输出主动交互信息。
[0084]而如果无法从自学习数据库中成功抽取推荐话题，那么话题推荐模块402则根据获取到的人机交互历史数据和/或当前场景信息来生成近似话题，并将该近似话题作为推荐话题。
[0085]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、处理步骤或材料，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。
[0086]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。
[0087]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。
【主权项】
1.一种面向对话系统的人机交互方法，其特征在于，包括:步骤一、判断是否满足进行话题主动推荐的条件，如果满足，则执行步骤二；步骤二、根据获取的人机交互历史数据和/或当前场景信息，从自学习数据库中抽取推 荐话题，并根据所述推荐话题生成并输出主动交互信息。2.如权利要求1所述的方法，其特征在于，在所述步骤二中，如果无法从所述自学习数 据库中抽取所述推荐话题，则根据所述人机交互历史数据和/或当前场景信息生成近似话 题，并将所述近似话题作为所述推荐话题。3.如权利要求2所述的方法，其特征在于，所述自学习数据库中存储有根据预设归类标 准进行归类的话题数据。4.如权利要求1?3中任一项所述的方法，其特征在于，在所述步骤二中，根据所述人机 交互历史数据和/或当前场景信息，结合目标用户的个性化信息，生成所述推荐话题。5.如权利要求1?4中任一项所述的方法，其特征在于，在所述步骤一中，如果无法确定 当前问题信息的答案信息或无法获得用户输入的话题性信息，则判定满足进行话题主动推 荐的条件。6.—种面向对话系统的人机交互装置，其特征在于，包括:主动推荐条件判断模块，其用于判断是否满足进行话题主动推荐的条件，如果满足，则 生成相应的话题主动推荐指令；话题推荐模块，其用于响应所述话题主动推荐指令，根据获取的人机交互历史数据和/ 或当前场景信息，从自学习数据库中抽取推荐话题，并根据所述推荐话题生成并输出主动交互信息。7.如权利要求6所述的装置，其特征在于，所述话题推荐模块配置为如果无法从所述自 学习数据库中抽取所述推荐话题，则根据所述人机交互历史数据和/或当前场景信息生成 近似话题，并将所述近似话题作为所述推荐话题。8.如权利要求或7所述的装置，其特征在于，所述自学习数据库中存储有根据预设归类 标准进行归类的话题数据。9.如权利要求6?8中任一项所述的装置，其特征在于，所述话题推荐模块配置为根据 所述人机交互历史数据和/或当前场景信息，结合目标用户的个性化信息，生成所述推荐话题。10.如权利要求6?9中任一项所述的装置，其特征在于，所述主动推荐条件判断模块配 置为如果无法确定当前问题信息的答案信息或无法获得用户输入的话题性信息，则判定满 足进行话题主动推荐的条件。
【文档编号】G06F3/01GK106020488SQ201610390250
【公开日】2016年10月12日
【申请日】2016年6月3日
【发明人】邱模武
【申请人】北京光年无限科技有限公司