1.改善机器人对话时的应答能力的方法，其特征在于，包括：
步骤S1，获得用户输入的当前文本信息和过去文本信息；
步骤S2，根据所述当前文本信息和过去文本信息，提取出所述用户的特征信息，所述特征信息包括僵局辨识特征信息和用户语意特征信息；
步骤S3，根据所述用户的特征信息，识别所述当前文本信息是否处于僵局状态，获得识别结果；
步骤S4，根据所述识别结果，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的回答。
2.根据权利要求1所述的改善机器人对话时的应答能力的方法，其特征在于，
所述步骤S2，具体为：
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的情绪状态信息，所述情绪状态信息包括当前情绪状态信息、用户过去主要情绪信息和过去次要情绪信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的文本讯息，所述文本讯息包括所述当前文本信息和过去文本信息中的语意信息、关键词信息、专有名词信息和动词信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的话题信息，所述话题信息包括当前主要话题信息、当前次要话题信息、过去主要话题信息、过去次要话题信息、喜好话题信息和时下热门话题信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的句型、语气信息和语言行为信息，所述语言行为信息包括当前主要语言行为信息和次要语言行为信息；
根据所述情绪状态信息、文本讯息、话题信息、句型、语气信息和语言行为信息，提取出所述用户的特征信息，所述特征信息包括僵局辨识特征信息和用户语意特征信息。
3.根据权利要求1所述的改善机器人对话时的应答能力的方法，其特征在于，
所述步骤S4中，根据所述识别结果，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的回答，具体为：
当所述识别结果为所述当前文本信息处于僵局状态，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的第一回答；
当所述识别结果为所述当前文本信息处于普通状态，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。
4.根据权利要求3所述的改善机器人对话时的应答能力的方法，其特征在于，
根据所述识别结果，通过机器学习的方法给出所述当前文本信息对应的回答，具体为：
当所述识别结果为所述当前文本信息处于僵局状态，通过机器学习的方法给出所述当前文本信息对应的第一回答：
将所述当前文本信息的前后文信息通过所述机器学习的方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述机器学习的方法建立的僵局回答语料数据库，给出所述当前文本信息对应的第一回答；
当所述识别结果为所述当前文本信息处于普通状态，通过机器学习的方法给出所述当前文本信息对应的第二回答：
将所述当前文本信息的前后文信息通过所述机器学习的方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述机器学习的方法建立的普通状态回答语料数据库，给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。
5.根据权利要求3所述的改善机器人对话时的应答能力的方法，其特征在于，
根据所述识别结果，通过逻辑规则方法给出所述当前文本信息对应的回答，具体为：
当所述识别结果为所述当前文本信息处于僵局状态，通过逻辑规则方法给出所述当前文本信息对应的第一回答：
将所述当前文本信息的前后文信息通过所述逻辑规则方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述逻辑规则方法建立的僵局回答语料数据库，给出所述当前文本信息对应的第一回答；
当所述识别结果为所述当前文本信息处于普通状态，通过逻辑规则方法给出所述当前文本信息对应的第二回答：
将所述当前文本信息的前后文信息通过所述逻辑规则方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述逻辑规则方法建立的普通状态回答语料数据库，给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。
6.改善机器人对话时的应答能力的系统，其特征在于，包括：
文本信息获取模块，用于获得用户输入的当前文本信息和过去文本信息；
对话理解模块，用于根据所述当前文本信息和过去文本信息，提取出所述用户的特征信息，所述特征信息包括僵局辨识特征信息和用户语意特征信息；
对话状态识别模块，用于根据所述用户的特征信息，识别所述当前文本信息是否处于僵局状态，获得识别结果；
对话回答模块，用于根据所述识别结果，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的回答。
7.根据权利要求6所述的改善机器人对话时的应答能力的系统，其特征在于，
所述对话理解模块，具体用于：
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的情绪状态信息，所述情绪状态信息包括当前情绪状态信息、用户过去主要情绪信息和过去次要情绪信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的文本讯息，所述文本讯息包括所述当前文本信息和过去文本信息中的语意信息、关键词信息、专有名词信息和动词信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的话题信息，所述话题信息包括当前主要话题信息、当前次要话题信息、过去主要话题信息、过去次要话题信息、喜好话题信息和时下热门话题信息中的至少一种；
根据所述当前文本信息和过去文本信息，获得所述当前文本信息和过去文本信息中的句型、语气信息和语言行为信息，所述语言行为信息包括当前主要语言行为信息和次要语言行为信息；
根据所述情绪状态信息、文本讯息、话题信息、句型、语气信息和语言行为信息，提取出所述用户的特征信息，所述特征信息包括僵局辨识特征信息和用户语意特征信息。
8.根据权利要求6所述的改善机器人对话时的应答能力的系统，其特征在于，
所述对话回答模块，具体用于：
当所述识别结果为所述当前文本信息处于僵局状态，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的第一回答；
当所述识别结果为所述当前文本信息处于普通状态，通过逻辑规则方法或机器学习的方法给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。
9.根据权利要求8所述的改善机器人对话时的应答能力的系统，其特征在于，
所述对话回答模块，具体用于：
当所述识别结果为所述当前文本信息处于僵局状态，通过机器学习的方法给出所述当前文本信息对应的第一回答：
将所述当前文本信息的前后文信息通过所述机器学习的方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述机器学习的方法建立的僵局回答语料数据库，给出所述当前文本信息对应的第一回答；
当所述识别结果为所述当前文本信息处于普通状态，通过机器学习的方法给出所述当前文本信息对应的第二回答：
将所述当前文本信息的前后文信息通过所述机器学习的方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述机器学习的方法建立的普通状态回答语料数据库，给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。
10.根据权利要求8所述的改善机器人对话时的应答能力的系统，其特征在于，
所述对话回答模块，具体用于：
当所述识别结果为所述当前文本信息处于僵局状态，通过逻辑规则方法给出所述当前文本信息对应的第一回答：
将所述当前文本信息的前后文信息通过所述逻辑规则方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述逻辑规则方法建立的僵局回答语料数据库，给出所述当前文本信息对应的第一回答
当所述识别结果为所述当前文本信息处于普通状态，通过逻辑规则方法给出所述当前文本信息对应的第二回答：
将所述当前文本信息的前后文信息通过所述逻辑规则方法进行处理判断，得到判断结果，所述判断结果包括延续当前话题和转换话题；
根据所述判断结果，通过预先通过所述逻辑规则方法建立的普通状态回答语料数据库，给出所述当前文本信息对应的第二回答；
将所述第一回答和所述第二回答进行处理，得到所述当前文本信息对应的回答。