本发明属于语音机器人技术领域，涉及机器人的云端语义理解系统及其运作方法。
背景技术：
机器人与人的问答交互过程，严重依赖于训练好的机器人知识库。这个知识库需要海量数据的支持，且需要在一定程度上可以更新与维护。
目前市场上大部分的机器人都采用已经编程好的系统，在本地存在一个知识库，这些机器人主要存在几个问题：
第一，如果没有一个极为丰富的知识库的支持，它们无法处理在知识库中不存在的问题，对于相似问题的处理表现得比较呆滞，变化性不强；
第二，对于多台机器人的更新与维护存在巨大的困难，需要工程师对每一台机器人进行操作；
第三，本地化的机器人自身无法收集与上传数据，已达到更新知识库的目的。
技术实现要素：
本发明需要解决的问题是针对上述现有技术的不足，而提供机器人的云端语义理解系统及其运作方法。
为解决上述技术问题，本发明采用的技术方案是：
机器人的云端语义理解系统，包括云端和机器人，机器人与云端之间进行信息交互；采用网络海量数据语义理解的方法，从海量的数据中获取语义理解知识，在云端构建语义理解知识库系统，语义理解知识库系统的维护操作在云端完成；机器人可自动下载云端的语义理解知识库到本地系统，并在使用过程中收集与用户的交互数据上传到云端，云端对机器人上传的交互数据进行云计算处理，处理后得到的数据用于更新云端的语义理解知识库系统，机器人定期从云端下载最新的语义理解知识库以更新本地系统的知识库。
机器人的云端语义理解系统的运作方法，包括以下步骤：
步骤1：在云端构建语义理解知识库系统，采用网络海量数据语义理解的方法，从网络上获取海量的文本数据，进行清洗、去噪声的操作后，利用自然语言中的语义理解技术，获取每条数据的关键词、上下文的关键信息，为每条数据构建精准地语法树结构；
步骤2：语义理解知识库系统构建完毕后，机器人出厂后先自动下载云端的语义理解知识库到本地系统，机器人就可以根据用户的输入构建语法树，并从语义理解知识库中匹配并找到解决方案，回答用户；
步骤3：机器人在使用过程中收集与用户的交互数据，并上传到云端，云端对交互数据进行云计算处理，处理后得到的数据用于更新云端的语义理解知识库系统；
步骤4：机器人定期从云端下载最新的语义理解知识库以更新本地系统的知识库。
语义理解知识库系统的维护操作在云端完成。
机器人利用传感器收集与用户的交互数据并上传到云端。
与现有技术相比，本发明的有益效果是：
（1）机器人在本地系统保存一个语义理解知识库系统，并且可以定期的自动从云端下载最新的语义理解知识库系统，以完成自动更新操作，降低了产品的维护成本；
（2）云端的语义理解知识库系统的更新与维护主要由云端完成，机器人只专注于根据本地系统的知识库来完成交互任务，以及利用传感器收集数据并上传到云端，这样省去了大量计算任务，降低了机器人系统的复杂度；
（3）将语义理解知识库系统部署在云端，方便多个机器人共享知识库，以保持多个机器人的知识库一致性，此外利用云端调度的方法，可以让多个机器人根据相同的语义理解知识库系统协同完成任务，而不会因而知识库的不同而表现出不同的行为，达到更高层次的交互水平。
附图说明
图1为本发明的流程图。
具体实施方式
本发明提出了机器人的云端语义理解思想。结合海量数据语义理解、云计算与机器人三大任务，完成机器人系统的知识库构建、维护与共享过程。
机器人的云端语义理解系统，包括云端和机器人，机器人与云端之间进行信息交互；采用网络海量数据语义理解的方法，从海量的数据中获取语义理解知识，在云端构建语义理解知识库系统，语义理解知识库系统的维护操作在云端完成；机器人可自动下载云端的语义理解知识库到本地系统，并在使用过程中收集与用户的交互数据上传到云端，云端对机器人上传的交互数据进行云计算处理，处理后得到的数据用于更新云端的语义理解知识库系统，机器人定期从云端下载最新的语义理解知识库以更新本地系统的知识库。
为了便于在多个机器人之间更新和维护知识库，结合云计算的思想，将基于语义理解的知识库系统部署在云端。这样做的好处有如下几点：其一，机器人在本地保存一个知识库，并且可以定期的自动从云端下载最新的语义理解知识库，以完成自动更新操作，降低了产品的维护成本；其二，语义理解知识库的更新与维护主要由云端完成，机器人只专注于根据知识库来完成交互任务，以及利用传感器收集数据并上传到云端，这样省去了大量计算任务，降低了机器人系统的复杂度；其三，将语义理解知识库系统部署在云端，方便多个机器人共享知识库，以保持多个机器人的知识库一致性，此外利用云端调度的方法，可以让多个机器人根据相同的知识库协同完成任务，而不会因而知识库的不同而表现出不同的行为。
机器人的云端语义理解系统的运作方法，包括以下步骤：
步骤1：在云端构建语义理解知识库系统，采用网络海量数据语义理解的方法，从网络上获取海量的文本数据，进行清洗、去噪声的操作后，利用自然语言中的语义理解技术，获取每条数据的关键词、上下文的关键信息，为每条数据构建精准地语法树结构；
步骤2：语义理解知识库系统构建完毕后，机器人出厂后先自动下载云端的语义理解知识库到本地系统，机器人就可以根据用户的输入构建语法树，并从语义理解知识库中匹配并找到解决方案，回答用户；语义理解的好处在于，相比普通的关键词匹配方法，语义理解更能抓住问题的上下文信息，已达到更精准地匹配。
步骤3：机器人在使用过程中收集与用户的交互数据，并上传到云端，云端对交互数据进行云计算处理，处理后得到的数据用于更新云端的语义理解知识库系统；
步骤4：机器人定期从云端下载最新的语义理解知识库以更新本地系统的知识库。
语义理解知识库系统的维护操作在云端完成。
机器人利用传感器收集与用户的交互数据并上传到云端。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。