基于性格模型的智能机器人数据处理的方法及装置与流程

本申请涉及机器人技术领域，具体而言，涉及一种基于性格模型的智能机器人数据处理的方法及装置。

背景技术：

智能机器人作为一种包含相当多学科知识的技术，几乎是伴随着人工智能所产生的。而智能机器人在当今社会变得越来越重要，越来越多的领域和岗位都需要智能机器人参与、这使得智能机器人的研究也越来越频繁。

在不同的应用需求中或者对于不同职业的用户来讲，智能机器人信息采集、加工、输出的方式都应该是不同的，才能够最大化数据运算的效率，加速机器人智能化的进步，促进人类社会的文明发展。然而现有的机器人的智能化程度较低，无法满足现有的发展需求。

技术实现要素：

本申请的主要目的在于提供一种基于性格模型的智能机器人数据处理的方法及装置，以加速机器人的智能化和商业化进程。

为了实现上述目的，根据本申请的第一方面，提供了一种基于性格模型的智能机器人数据处理的方法。

根据本申请的基于性格模型的智能机器人数据处理的方法包括：

获取用户请求，所述用户请求包括机器人的工作职能；

根据所述用户请求匹配与用户请求对应的机器人职业性格模型，所述机器人职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的；

根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，所述工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；

根据所述工作模式对机器人进行控制。

进一步的，所述根据所述工作模式对机器人进行控制包括：

获取启动指令后，根据信息采集方式获取信息，所述信息采集方式包括采集当前环境中事物的表象特征或者获取与当前环境中事物的表象特征相关联的延展信息；

根据信息加工方式对信息进行加工，所述信息加工方式包括持续记录信息并得出多元结论或者持续记录信息并得出一元结论；

接收用户的指令信息，并对所述指令信息进行语义分析，得到语义分析结果；

根据语义分析结果以及输出内容选择的依据从加工后的信息中选择输出内容，所述输出内容选择的依据包括根据情绪特征选择或根据客观逻辑规则选择；

根据输出内容的表达方式将输出内容输出，所述输出内容的表达方式包括外倾表达方式或者内倾表达方式。

进一步的，若信息采集方式为获取当前环境中事物的表象特征相关联的延展信息，所述根据信息采集方式获取信息包括：

获取当前环境中事物的表象特征；

根据表象特征从预设数据库中查找与所述表象特征相关联的信息；

将表象特征与其相关联的信息建立关联关系；

将与表象特征有关联关系的信息确定为与表象特征对应的延展信息。

进一步的，在将表象特征与其相关联的信息建立关联关系之前，所述根据信息采集方式获取信息还包括：

对从预设数据库中查找到的与所述表象特征相关联的信息进行准确性的验证，得到验证结果；

根据验证结果对相关联的信息进行筛选，以将筛选后的相关联的信息与对应的表象特征建立关联关系。

进一步的，所述对从预设数据库中查找到的与所述表象特征相关联的信息进行准确性的验证，得到验证结果包括：

将对从预设数据库中查找到的与所述表象特征相关联的信息与对应的表象特征根据预设规则进行关联度分析；

根据关联度确定对应的相关联信息的准确度；

所述根据验证结果对相关联的信息进行筛选，包括：

将准确度小于预设阈值的相关联信息去除。

为了实现上述目的，根据本申请的第二方面，提供了一种基于性格模型的智能机器人数据处理的装置。

根据本申请的基于性格模型的智能机器人数据处理的装置包括：

第一获取单元，用于获取用户请求，所述用户请求包括机器人的工作职能；

匹配单元，用于根据所述用户请求匹配与用户请求对应的机器人职业性格模型，所述机器人职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的；

第二获取单元，用于根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，所述工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；

控制单元，用于根据所述工作模式对机器人进行控制。

进一步的，所述控制单元包括：

获取模块，用于获取启动指令后，根据信息采集方式获取信息，所述信息采集方式包括采集当前环境中事物的表象特征或者获取与当前环境中事物的表象特征相关联的延展信息；

加工模块，用于根据信息加工方式对信息进行加工，所述信息加工方式包括持续记录信息并得出多元结论或者持续记录信息并得出一元结论；

接收模块，用于接收用户的指令信息，并对所述指令信息进行语义分析，得到语义分析结果；

选择模块，用于根据语义分析结果以及输出内容选择的依据从加工后的信息中选择输出内容，所述输出内容选择的依据包括根据情绪特征选择或根据客观逻辑规则选择；

输出模块，用于根据输出内容的表达方式将输出内容输出，所述输出内容的表达方式包括外倾表达方式或者内倾表达方式。

进一步的，若信息采集方式为获取当前环境中事物的表象特征相关联的延展信息，所述获取模块，用于：

获取当前环境中事物的表象特征；

根据表象特征从预设数据库中查找与所述表象特征相关联的信息；

将表象特征与其相关联的信息建立关联关系；

将与表象特征有关联关系的信息确定为与表象特征对应的延展信息。

进一步的，所述获取模块，还用于：

在将表象特征与其相关联的信息建立关联关系之前，对从预设数据库中查找到的与所述表象特征相关联的信息进行准确性的验证，得到验证结果；

根据验证结果对相关联的信息进行筛选，以将筛选后的相关联的信息与对应的表象特征建立关联关系。

进一步的，所述获取模块还用于：

将对从预设数据库中查找到的与所述表象特征相关联的信息与对应的表象特征根据预设规则进行关联度分析；

根据关联度确定对应的相关联信息的准确度；

所述根据验证结果对相关联的信息进行筛选，包括：

将准确度小于预设阈值的相关联信息去除。

为了实现上述目的，根据本申请的第三方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述第一方面或者第二方面中任一项所述的基于性格模型的智能机器人数据处理的方法。

在本申请实施例中，基于性格模型的智能机器人数据处理的方法及装置能够首先获取用户请求，用户请求包括机器人的工作职能；然后，根据用户请求匹配与用户请求对应的机器人职业性格模型，职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的；再根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；最后根据工作模式对机器人进行控制。可以看出，本申请中的机器人可以根据不同的工作职能配置不同的职业性格模型，由于该职业性格模型是指基于荣格意识功能类型和mbti构建的，因此每一种职业性格模型都具有职业特征，将与不同的职业性格模型对应的工作模式对机器人进行控制就可以实现机器人以不同的职业性格与用户进行交流，不同的工作模式对应的交流内容和方式等是不同的，从而提高了机器人的智能化程度。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的一种基于性格模型的智能机器人数据处理的方法流程图；

图2是根据本申请实施例提供的另一种基于性格模型的智能机器人数据处理的方法流程图；

图3是根据本申请实施例提供的一种基于性格模型的智能机器人数据处理的装置的组成框图；

图4是根据本申请实施例提供的另一种基于性格模型的智能机器人数据处理的装置的组成框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本申请实施例，提供了一种基于性格模型的智能机器人数据处理的方法，如图1所示，该方法包括如下的步骤：

s101.获取用户请求，用户请求包括机器人的工作职能。

当用户在初次使用机器人时，首先需要通过输入设备进行用户请求的输入，输入设备包括语音输入设备和/或文字输入设备和/或图形输入设备，输入设备可以为按键形式也可以为点触屏形式；因此机器人可以通过输入设备获取用户请求。用户请求主要包括机器人的工作职能。给出具体的工作职能的示例：手术机器人、服饰导购机器人、心理疏导机器人、婴儿看护机器人等等。

s102.根据用户请求匹配与用户请求对应的机器人职业性格模型。

本实施例中的机器人职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的，并且考虑计算机信息系统与人类的差异性，具体的包括以下16种机器人职业性格类型：

istj稽查员/检查者inspector

isfj保护者protector

estj督导/监督者supervisor

esfj供给者/销售员provider/seller

infj咨询师/劝告者counselor

infp治疗师/导师healer/tutor

enfj教师/教导者teacher

enfp倡导者/激发者champion/advocate

istp操作者、演奏者operator/instruentor

isfp作曲家/艺术家composer/artist

estp发起者/创业者promotor

esfp表演者/示范者performer/demonstrater

intj智多星/科学家mastermind/scientist

intp建筑师/设计师architect/designer

entj统帅/调度者fieldmarshall/mobilizer

entp发明家inventor

本实施例中为每种机器人职业性格模型设置对应的机器人工作职能，因此可以根据用户请求中包括的工作职能匹配对应的机器人职业性格模型。给出具体的示例进行说明。比如对于工作职能为手术机器人，对应的机器人职业性格模型为istp；对于工作职能为服饰导购机器人，对应的机器人职业性格模型为esfj；对于工作职能为心理疏导机器人，对应的机器人职业性格模型为infp；对于工作职能为婴儿看护机器人，对应的机器人职业性格模型为isfj等等。在实际的应用中，工作职能与机器人职业性格模型之间的对应关系是提前进行人为的设置的。如果遇到机器人获取到的用户请求中的工作职能没有找到与其对应的职业性格模型，即预设数据库中没有涉及该种工作职能，则会向用户显示所有的工作职能供用户进行选择。另外，设置工作职能与机器人职业性格模型之间的对应关系时，每种机器人职业性格模型对应的每种工作职能都会配置一些关键词，在根据用户输入的工作职能匹配对应的机器人职业性格模型时，需要对用户输入的工作职能(通常与预设数据库中的工作职能的表述用词不同)与上述每种工作职能的所有关键词进行匹配，将匹配度最高的作为与用户输入的用户请求对应的工作职能，然后再根据工作职能确定对应的机器人职业性格模型。

s103.根据机器人职业性格模型获取与其对应的工作模式。

不同的机器人职业性格模型对应不同的工作模式，预设数据库中需要提前对每一种机器人职业性格模型进行工作模式的设置。本实施例中工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式四个方面。信息采集方式指机器人收集信息的方式；信息加工方式指机器人对收集到的信息进行加工处理的方式；输出内容选择的依据指机器人在接收到任务指令后，向用户输出内容时确定输出的内容的一个可以参考或者依据的条件；输出内容的表达方式是指机器人以什么的样的表达方式将输出内容展示给用户。

需要说明的，每一种机器人职业性格模型对应的工作模式的确定是依据mbti中不同的职业性格的思维特点确定的。

s104.根据工作模式对机器人进行控制。

所有的工作模式都是通过程序实现的，因此根据工作模式对机器人进行控制即执行程序，使机器人按照程序执行任务，实现通过程序对机器人进行控制。

另外需要说明的是，本实施例可以应用于个人客户(consumer)和企业客户(customer)，但主要应用的对象是企业客户。

从以上的描述中，可以看出，本申请实施例中基于性格模型的智能机器人数据处理的方法能够首先获取用户请求，用户请求包括机器人的工作职能；然后，根据用户请求匹配与用户请求对应的机器人职业性格模型，职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的，并且考虑了计算机信息系统与人类的差异性；再根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；最后根据工作模式对机器人进行控制。可以看出，本申请中的机器人可以根据不同的工作职能配置不同的职业性格模型，由于该职业性格模型是指基于荣格意识功能类型和mbti构建的，因此每一种职业性格模型都具有职业特征，将与不同的职业性格模型对应的工作模式对机器人进行控制就可以实现机器人以不同的职业性格与用户进行交流，不同的工作模式对应的交流内容和方式等是不同的，从而提高了机器人的智能化程度。

本申请实施例提供了另一种基于性格模型的智能机器人数据处理的方法，该方法应用于pc客户端如图2所示，该方法包括：

s201.获取用户请求，用户请求包括机器人的工作职能。

本步骤的实现方式与图1步骤s101的实现方式相同，此处不再赘述。

s202.根据用户请求匹配与用户请求对应的机器人职业性格模型。

本步骤的实现方式与图1步骤s102的实现方式相同，此处不再赘述。

s203.根据机器人职业性格模型获取与其对应的工作模式。

本步骤的实现方式与图1步骤s103的实现方式相同，此处不再赘述。

s204.获取启动指令后，根据信息采集方式获取信息。

其中，启动指令是启动机器人开始工作的指令，具体的启动指令可以通过语音触发或者通过启动按钮触发。另外，在实际的应用中，也可以不需要启动指令，直接在步骤s203之后根据信息采集方式获取信息。

根据信息采集方式获取信息即根据由步骤s203确定的工作模式中对应的信息采集方式进行信息的采集。具体的本实施例中设置的信息采集方式包括两种，分别为采集当前环境中事物的表象特征和获取与当前环境中事物的表象特征相关联的延展信息，这两种信息采集方式分别记作s和n。针对这两种信息采集方式，本实施例给出具体的示例进行说明：

假设根据用户请求中的工作职能为手术机器人，则确定的机器人职业模型为istp，对应的工作模式中设置的信息采集方式为s。那么，机器人在进行信息采集时是收集环境中的具体信息，如患者手术部位的图像信息、生物指标，手术工具信息、手术室内的其他客观的信息。具体的在进行信息采集时可以通过机器人自带的摄像头以及音频采集设备进行采集，通过摄像头以及音频采集设备直接收集的信息需要通过图像识别和语义分析处理最终得到当前环境中的包含的事物的表象特征信息。比如通过摄像头获取手术工具的图像数据，通过图像识别可以确定具体的手术工具的名称和型号等。需要说明的是，本实施例中图像识别以及语义分析都可以通过现有的图像识别以及语义分析的算法实现。

假设根据用户请求中的工作职能为心理疏导机器人，则确定的机器人职业模型为infp，对应的工作模式中设置的信息采集方式为n。那么机器人在进行信息采集时是收集用户家中家具的风格相关联的用户的性格特征等延展信息。家具的风格是由家具的形状、颜色、类型等表象特征确定的。

对于s型的信息采集方式可以通过摄像头以及音频采集设备直接获取到的图像或者语音进行分析处理得到。对于n型的信息采集方式，由于获取到的不是事物的表象特征，因此信息采集的过程较为复杂，具体包括以下步骤：1)获取当前环境中事物的表象特征：获取的实现方式与上述s型信息采集方式相同；2)根据表象特征从预设数据库中查找与表象特征相关联的信息；预设数据库中设置有大量的数据信息，包括所有工作职能相关的不同领域的数据信息，查找与表象特征相关联的信息是可以通过已知的关联规则在预设数据库中的所有数据中进行搜索得到。另外需要说明的是，由于预设数据库中的信息量很大，优选的将预设数据库设置在服务器端，减轻机器人的本地化处理的压力，提高处理的速度3)将表象特征与其相关联的信息建立关联关系；4)将与表象特征有关联关系的信息确定为与表象特征对应的延展信息。

另外，由于根据表象特征从预设数据库中查找与表象特征相关联的信息可能存在错误的情况，优选的，本实施例将对从预设数据库中查找到的与所述表象特征相关联的信息进行准确性的验证，得到验证结果：将对从预设数据库中查找到的与所述表象特征相关联的信息与对应的表象特征根据预设规则进行关联度分析；根据关联度确定对应的相关联信息的准确度；然后再根据验证结果对相关联的信息进行筛选：将准确度小于预设阈值的相关联信息去除；最后将筛选后的相关联的信息与对应的表象特征建立关联关系，即将筛选后的相关联的信息确定为与表象特征对应的延展信息。

s205.根据信息加工方式对信息进行加工。

“根据信息加工方式对信息进行加工”即根据步骤s203中确定的工作模式中的加工方式对上一步骤中采集到的信息进行加工。本实施例中不同的机器人职业性格模型对应的信息加工方式包括两种，分别为：持续记录信息并得出多元结论和持续记录信息并得出一元结论。多元结论是指根据记录的信息，分析出多种可能的结论，而且给出每一种可能的结论的概率；一元结论是根据记录的信息分析得出一种结论。多元结论是为了丰富结果和推论的可能性，重视准确性。比如对于手术机器人不会轻易做出一个确定的结论，而是将每一种可能的结果分析出并设置对应的概率；一元结论是为了提高判断的快速性，重视效率。比如服饰导购机器人，需要机器人可以根据收集的买家的各种特征信息及时的给出确切的购买建议。两种信息加工的方式分别记作p和j，针对这两种信息加工方式，本实施例给出具体的示例进行说明：

假设用户请求中的工作职能为手术机器人，则确定的机器人职业模型为istp，对应的工作模式中设置的信息采集方式为s，信息加工的方式为p。那么机器人在对采集到的信息进行加工时，是持续的记录采集到的收集环境中的具体信息，如患者手术部位的图像信息、生物指标，手术工具信息、手术室内的其他客观的信息，并根据记录的信息进行分析判断得出多元结论，其中分析判断的依据包括三个方面，一是机器人被人为设置的手术目标，二是患者的生理指标及实时变化，三是从云端海量数据中根据患者最新的生理指标变化，实时匹配相同或者高度相似的过往手术案例及其处理措施与结果的综合数据呈现。综合以上三个维度的信息，以为医生提供保证手术成功的最大准确率的建议。

假设用户用户请求中的工作职能为婴儿看护机器人，则确定的机器人职业模型为isfj，对应的工作模式中设置的信息采集方式为s，信息加工模式为j。那么机器人在进行信息采集时采集的当前环境中的所有事物的表象特征，比如婴儿的动作、表情、声音等等。机器人在对采集到的信息进行加工时，会持续的记录当前环境以及婴儿的动作、表情、声音等等表象特征，并实时对所有的表象特征进行分析判断得出一元结论。其中，分析判断判断的依据包括三个方面，一是机器人本身的历史结论数据，二是用户当前的情绪特征，三是云端中其他机器人针对相同信息的结论数据。另外，由于要得到一元结论，所以会选择一种结论作为一元结论，与上述多元结论不同。

s206.接收用户的指令信息，并对所述指令信息进行语义分析，得到语义分析结果。

优选的，本实施例中的指令信息为用户通过语音发起的指令。当机器人获取到用户的指令信息时，需要首先对指令信息中的语音进行语义的分析，得到语义的分析结果。分析结果可以为语音中的提取的内容关键词和/或情绪关键词等等。比如，若用户的指令信息为“病人当前心率值为多少”，则分析结果为“病人”“心率”“当前”。

需要说明的是，在实际应用中，由于本实施例中的机器人职业性格模型是基于人的思维设计的，人可以主动与其他人进行交流，也可以被动的进行交流，因此本步骤可以有也可以没有，即机器人可以主动输出内容，也可以在接收到用户的指令信息后有针对性的被动输出内容。

s207.根据语义分析结果以及输出内容选择的依据从加工后的信息中选择输出的内容。

机器人在接收到用户的指令信息后，输出什么样的内容，本实施例中是根据对用户指令信息的语义分析结果以及步骤s203中确定与机器人职业性格模型对应的工作模式中的输出内容选择的依据来确定的。具体的，本实施例中设置的不同机器人职业性格模型对应的输出内容选择的依据包括两种，分别为：根据用户情绪特征选择或根据客观逻辑规则进行选择。两种输出内容选择的依据分别用f和t表示，针对这两种输出内容选择的依据，本实施例给出具体的示例进行说明：

假设用户请求中的工作职能为手术机器人，则确定的机器人职业模型为istp，对应的工作模式中设置的信息采集方式为s，信息加工的方式为p，输出内容选择的依据为t。则机器人在选择输出的内容时，会根据客观逻辑规则进行选择，比如若上述步骤中得到的用户的指令信息的语义分析结果为“病人”“心率”“当前”，则机器人会根据该语义分析结果从步骤s205中得到的加工后的信息中客观的选择，本实施例中最终选择的输出内容为“当前心率a”。

假设根据用户请求中的工作职能为心理疏导机器人，则确定的机器人职业模型为infp，对应的工作模式中设置的信息采集方式为n，信息加工方式为p，输出内容选择的依据为f。那么机器人在选择输出的内容时，会主要考虑用户的情绪，因此输出的内容一定是都是令人愉悦的内容，即在根据用户的指令信息的语义分析结果对加工后的信息进行选择时，在符合客观逻辑的基础上还需要对去除一些消极的词或者带有否定意义的词等。

另外，对于上述步骤中描述的“机器人主动输出内容”情况，本步骤对应应该替换为“输出内容选择的依据从加工后的信息中选择输出的内容。”

s208.根据输出内容的表达方式将输出内容输出。

确定输出内容后，还需要通过与机器人职业性格模型相对应的表达方式输出。本实施例中设置的不同机器人职业性格模型对应的工作模型中输出内容的表达方式包括两种，分别是外倾表达方式或者内倾表达方式。两种表达方式分别用e和i来表示，针对这两种输出内容的表达方式，给出具体的示例进行说明：

假设用户请求中的工作职能为心理疏导机器人，则确定的机器人职业模型为infp，对应的工作模式中设置的信息采集方式为n，信息加工方式为p，输出内容选择的依据为f，输出内容的表达方式为i。那么机器人在表达输出内容时会通过委婉的音色、较慢的语速输出给用户。

假设，用户请求中的工作职能为服饰导购机器人，则确定的机器人职业模型为esfj，对应的工作模式中设置的信息采集方式为n，信息加工方式为j，输出内容选择的依据为f，输出内容的表达方式为e。则机器人在输出内容时，会通过音调较高、并伴有动作和光等效果将确定的输出内容输出给用户。

另外，需要说明的是，在实际的应用中工作模式中包括的信息采集方式、信息加工方式、输出内容选择的依据以及输出内容的表达方式这四个方面，不只是在对应的流程中作为参考，也可以作为别的流程的参考。比如对于输出内容选择的依据还可以作为信息采集时的一个参考，例如输出内容选择的依据为f时，对应的机器人在信息采集时，若采集的对象为人，则会采集人的情绪特征；再比如，对于输出内容选择的依据还可以作为对用户指令信息进行语义分析时的一个参考，例如输出内容选择的依据为f时，对应的机器人在对用户指令信息进行语义分析时，也会将情绪特征词加入到语义分析结果中。

另外，为了对本实施例中的不同的机器人职业性格模型的工作模型进行进

一步的说明，给出以下几种工作职能对应的工作模式，如下表1所示

表1

本实施例将机器人性格化，能够模拟不同的性格角色来满足用户的需求。提高人机互动及使用满意率，加速人工智能ai的商业化进程。另外，本实施例提高了机器人的智能水平以及生产效率。

需要说明的是，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。

根据本申请实施例，还提供了一种用于实施上述图1和图2所述方法的基于性格模型的智能机器人数据处理的装置，如图3所示，该装置包括：

第一获取单元31，用于获取用户请求，所述用户请求包括机器人的工作职能；

匹配单元32，用于根据所述用户请求匹配与用户请求对应的机器人职业性格模型，所述机器人职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的；

第二获取单元33，用于根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，所述工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；

控制单元34，用于根据所述工作模式对机器人进行控制。

从以上的描述中，可以看出，本申请实施例中基于性格模型的智能机器人数据处理的装置能够首先获取用户请求，用户请求包括机器人的工作职能；然后，根据用户请求匹配与用户请求对应的机器人职业性格模型，职业性格模型是基于荣格意识功能类型和迈尔斯布里格斯类型指标mbti构建的；再根据机器人职业性格模型获取与其对应的工作模式，不同的机器人职业性格模型对应不同的工作模式，工作模式至少配置了信息采集方式、信息加工方式、输出内容选择的依据、以及输出内容的表达方式；最后根据工作模式对机器人进行控制。可以看出，本申请中的机器人可以根据不同的工作职能配置不同的职业性格模型，由于该职业性格模型是指基于荣格意识功能类型和mbti构建的，因此每一种职业性格模型都具有职业特征，将与不同的职业性格模型对应的工作模式对机器人进行控制就可以实现机器人以不同的职业性格与用户进行交流，不同的工作模式对应的交流内容和方式等是不同的，从而提高了机器人的智能化程度。

进一步的，如图4所示，所述控制单元34包括：

获取模块341，用于获取启动指令后，根据信息采集方式获取信息，所述信息采集方式包括采集当前环境中事物的表象特征或者获取与当前环境中事物的表象特征相关联的延展信息；

加工模块342，用于根据信息加工方式对信息进行加工，所述信息加工方式包括持续记录信息并得出多元结论或者持续记录信息并得出一元结论；

接收模块343，用于接收用户的指令信息，并对所述指令信息进行语义分析，得到语义分析结果；

选择模块344，用于根据语义分析结果以及输出内容选择的依据从加工后的信息中选择输出内容，所述输出内容选择的依据包括根据情绪特征选择或根据客观逻辑规则选择；

输出模块345，用于根据输出内容的表达方式将输出内容输出，所述输出内容的表达方式包括外倾表达方式或者内倾表达方式。

进一步的，如图4所示，若信息采集方式为获取当前环境中事物的表象特征相关联的延展信息，所述获取模块341，用于：

获取当前环境中事物的表象特征；

根据表象特征从预设数据库中查找与所述表象特征相关联的信息；

将表象特征与其相关联的信息建立关联关系；

将与表象特征有关联关系的信息确定为与表象特征对应的延展信息。

进一步的，如图4所示，所述获取模块341，还用于：

在将表象特征与其相关联的信息建立关联关系之前，对从预设数据库中查找到的与所述表象特征相关联的信息进行准确性的验证，得到验证结果；

根据验证结果对相关联的信息进行筛选，以将筛选后的相关联的信息与对应的表象特征建立关联关系。

进一步的，如图4所示，所述获取模块341还用于：

将对从预设数据库中查找到的与所述表象特征相关联的信息与对应的表象特征根据预设规则进行关联度分析；

根据关联度确定对应的相关联信息的准确度；

所述根据验证结果对相关联的信息进行筛选，包括：

将准确度小于预设阈值的相关联信息去除。

具体的，本申请实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。

根据本申请实施例，还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行图1至图2中任一所述的基于性格模型的智能机器人数据处理的方法。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。