人工智能交互系统

1.本发明涉及人机交互领域，尤其涉及一种人机交互的人工智能辅助交互的系统。


背景技术：

2.自动化客服已经深入了各行各业，能够进行简单的问题检索和显示，但仍然不够智能，特别是一些情景下，用户更希望与自己对话的是人而非机器，为了提升这方面的人工智能的问题回答水平，并能够减少相应服务人员操作的工作量，需要新设计一种人工智能的优化方法。


技术实现要素：

3.为此，需要提供一种能够辅助进行会话问答的人工智能交互方法，进行相关的人工智能对话辅助工作，以解决在现有技术中人机交互过程中用户体验不佳的问题；
4.为实现上述目的，发明人提供了一种人工智能交互系统，包括访客端、应答端、人工智能模块，
5.所述访客端用于连接人工智能模块；
6.所述应答端用于连接人工智能模块；
7.所述人工智能模块用于在所述访客端与应答端成功连接后，循环执行步骤r；
8.其中所述步骤r包括如下指令：
9.获取访客端接收到的第一访客对话信息，所述人工智能模块对第一访客对话信息进行文本分析，生成建议应答语句，发送所述建议应答语句至应答端，应答端呈现所述建议应答语句，还提供选择所述建议应答语句和/或编辑所述建议应答语句和/或发送所述建议应答语句的操作功能；接收应答端的第一编辑结果并发送至访客端。
10.本技术的一些实施例中，所述步骤r还包括如下指令：接收应答端的第一编辑结果，送入人工智能模块，对所述第一编辑结果和所述建议应答语句进行差异化分析，根据所述差异化分析结果更改人工智能的状态。
11.本技术的一些实施例中，所述更改人工智能的状态包括：更改人工智能的素材库和/或更改人工智能的模型参数和/或更改人工智能的分析维度和/或更改人工智能的权重。
12.本技术的一些实施例中，所述人工智能模块具体用于执行步骤，
13.当应答端接收到对所述建议应答语句的不选择的操作结果时，将所述建议应答语句与所述第一访客对话信息组合成反例匹配数据对，加入人工智能的神经网络进行训练，更新人工智能的神经网络模型权重；
14.当应答端接收到对所述建议应答语句进行编辑的操作结果时，将编辑后的建议应答语句作为人工智能的神经网络的预期输出，将所述第一访客对话信息作为神经网络的输入，得到匹配数据对，作为训练素材，训练或更新神经网络模型。
15.本技术的一些实施例中，所述访客对话信息包括语音信息，还包括文本转化模块，
所述文本转化模块用于对所述第一访客对话信息进行语音断点检测及语音识别，转化为文本后再用所述人工智能对所述第一访客对话信息进行文本分析。
16.本技术的一些实施例中，所述访客对话信息包括图片信息，还包括文本转化模块，所述文本转化模块用于对第一访客对话信息进行图片文本提取后用所述人工智能对所述第一访客对话信息进行文本分析。
17.本技术的一些实施例中，所述访客端包括电话、移动端应用程序或微信小程序，所述第一访客对话信息为自然语言形式。
18.本技术的一些实施例中，所述人工智能模块还用于在预设条件下退出执行步骤r的循环，所述预设条件包括访客端关闭会话。
19.本技术的一些实施例中，所述应答端还用于将所述访客对话信息与建议应答语句通过不同交互通路展示，所述交互通路包括视觉文字交互、听觉语音交互所述人工智能通过所述应答端的转发功能获取所述访客对话信息。
20.本技术的一些实施例中，所述应答端还用于接收对所述访客对话信息的转发指令，接收到转发指令后才将对应访客对话信息转发至人工智能。
21.通过上述方案，能够在访客端和应答端建立连接，还能够通过人工智能针对第一访客对话信息进行建议应答，发送所述建议应答语句至应答端，同时还提供对建议应答语句的编辑、选择及发送功能，访客端能够接收到被编辑过后的内容，这样能够方便应答端的操作人员进行应答，同时也避免访客直接接收建议应答语句而人工智能回应语句过于生硬影响用户体验。
附图说明
22.图1为本发明具体实施方式所述的人工智能交互方法流程图；
23.图2为本发明具体实施方式所述的反向查询方法流程图；
24.图3为本发明具体实施方式所述的反例匹配数据方法流程图；
25.图4为本发明具体实施方式所述的更新神经网络模型权重方法图；
26.图5为本发明具体实施方式所述的访客对话信息转化方法流程图；
27.图6为本发明具体实施方式所述的应答端操作界面示意图；
28.图7为本发明具体实施方式所述的人工智能交互系统示意图。
具体实施方式
29.为详细说明本技术可能的应用场景，技术原理，可实施的具体方案，能实现目的与效果等，以下结合所列举的具体实施例并配合附图详予说明。本文所记载的实施例仅用于更加清楚地说明本技术的技术方案，因此只作为示例，而不能以此来限制本技术的保护范围。
30.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中各个位置出现的“实施例”一词并不一定指代相同的实施例，亦不特别限定其与其它实施例之间的独立性或关联性。原则上，在本技术中，只要不存在技术矛盾或冲突，各实施例中所提到的各项技术特征均可以以任意方式进行组合，以形成相应的可实施的技术方案。
31.除非另有定义，本文所使用的技术术语的含义与本技术所属技术领域的技术人员通常理解的含义相同；本文中对相关术语的使用只是为了描述具体的实施例，而不是旨在限制本技术。
32.在本技术的描述中，用语“和/或”是一种用于描述对象之间逻辑关系的表述，表示可以存在三种关系，例如a和/或b，表示：存在a，存在b，以及同时存在a和b这三种情况。另外，本文中字符“/”一般表示前后关联对象是一种“或”的逻辑关系。
33.在本技术中，诸如“第一”和“第二”之类的用语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何实际的数量、主次或顺序等关系。
34.在没有更多限制的情况下，在本技术中，语句中所使用的“包括”、“包含”、“具有”或者其他类似的表述，意在涵盖非排他性的包含，这些表述并不排除在包括所述要素的过程、方法或者产品中还可以存在另外的要素，从而使得包括一系列要素的过程、方法或者产品中不仅可以包括那些限定的要素，而且还可以包括没有明确列出的其他要素，或者还包括为这种过程、方法或者产品所固有的要素。
35.与《审查指南》中的理解相同，在本技术中，“大于”、“小于”、“超过”等表述理解为不包括本数；“以上”、“以下”、“以内”等表述理解为包括本数。此外，在本技术实施例的描述中“多个”的含义是两个以上(包括两个)，与之类似的与“多”相关的表述亦做此类理解，例如“多组”、“多次”等，除非另有明确具体的限定。
36.请参见图1，一种人工智能交互方法，包括如下步骤，
37.s10执行访客端连接；
38.s11执行应答端连接；
39.s12检测所述访客端与应答端成功连接人工智能模块后，循环执行步骤r；
40.其中所述步骤r包括如下指令：
41.s131获取访客端接收到的第一访客对话信息，所述人工智能模块对第一访客对话信息进行文本分析，生成建议应答语句，s132发送所述建议应答语句至应答端，s133应答端呈现所述建议应答语句，还提供选择所述建议应答语句和/或编辑所述建议应答语句和/或发送所述建议应答语句的操作功能；接收应答端的第一编辑结果并发送至访客端。
42.上述方案用于适配一种人工智能交互系统，如现有技术中的即时通信窗口，电话语音聊天等等，所述访客端和应答端可以为电话、电话手表、智能手机或电脑等设备。其中访客端的使用者接入对话流程中的其中一方，如需要提出咨询问题的一方，或称为用户方的输入语句信息。第一访客对话信息可以为访客端接收到的会话内容。应答端为向操作人员展示访客对话信息的一个设备端，可以通过网络与上述用户方设备进行通信，应答端的操作人员可以为应答方。人工智能可以为文本分析神经网络/深度学习模型，能够根据输入的第一访客对话信息输出对应的建议应答语句即可，也可以是语音转文本分析的神经网络/深度学习模型。应答端提供的操作功能，可以是实体按键，也可以是虚拟的按键，如图标等，还可以是通过声音、手势等方法识别使能的程序。通过上述方案，能够达到显示建议应答语句以供参考并根据操作人员的操作动作进行编辑发送至访客端的技术效果。
43.在一些具体的实施例中，以访客用户(甲方)操作访客端连入人工智能模块，要进行问题咨询，使用应答端的操作人员为咨询师(乙方)连入人工智能模块为例。则对话流程
中的应答端可以展示访客对话信息，并给出相应的建议应答语句，建议应答语句是对人工智能模型输入访客对话信息后输出的，建议应答语句可以是多个输出结果，也可以是单一的输出结果，多个结果之间有权重的不同。一个或多个结果均可以向操作人员展示。同时为了避免甲方得到错误信息，建议应答语句是不向甲方展示的。应答端提供选择所述建议应答语句和/或编辑所述建议应答语句和/或发送所述建议应答语句的操作功能，上述功能可以进行如下步骤：接收乙方对建议应答语句的选择和/或编辑操作，然后将第一编辑结果进行发送。这样能够保证甲方接收到的信息是经过人工选择的，避免人工智能直接答复产生的错误答复，或是给甲方一种在跟机器人对话的生硬感觉。例如人工智能模型给出了建议应答语句a\b\c，排序为权重降序。乙方可以选取其中的b语句，编辑修改成了b1,最终向甲方回复的内容为语句b1。这样乙方的操作结果还包括对于a和c语句的不选择的操作。
44.本技术的一些实施例中，所述步骤r还包括如下指令：接收应答端的第一编辑结果，送入人工智能模块，对所述第一编辑结果和所述建议应答语句进行差异化分析，根据所述差异化分析结果更改人工智能的状态。例如，上述方案中对b语句的选取，也用于影响人工智能的状态更新，对于b语句的编辑和修改后的第一编辑结果b1，也能够用于影响人工智能的状态更新，第一编辑结果能够马上作为人工智能模块的输入，从而通过上述方案，能够使得人工智能的回答内容在甲乙双方对话的过程中不断得到提升，实时得到提升，最终更好地提升人工智能的智能化的技术效果。
45.另一些具体的实施例中，人工智能模型给出了建议应答语句a\b\c，乙方可以都不选取，而最终给出了一个答复语句为d，这样乙方的操作结果还包括对于a、b和c语句的不选择也不编辑的操作，也包括回复了答复语句为d的操作及内容。也要用于影响人工智能的状态更新，通过上述方案，也能够使得人工智能的回答内容在甲乙双方对话的过程中不断得到提升，实时得到提升，最终更好地提升人工智能的智能化的技术效果。
46.在其他一些具体地实施例中，更新人工智能的状态包括：更改人工智能的素材库和/或更改人工智能的模型参数和/或更改人工智能的分析维度和/或更改人工智能的权重。例如，当乙方的操作结果包括答复语句为d时，可以利用新的答复语句d来加入人工智能的素材库。当乙方的操作结构包括对于a和c语句的不选择的操作，可以以此进行降低人工智能模型输出结果中a和c的权重。当乙方的操作结果包括对b语句的选择操作，可以以此提升人工智能模型输出结果中b的权重。对于人工智能模型，可以根据输出结果的权重的变化自动调整人工智能的分析维度如分析层的层数，又可能自动调整人工智能中层级之间及分类器之间的权重变化。这些自动调整是人工智能模型的特性决定的，人类行为未必能主动调整，但寻求更改人工智能的分析维度和/或更改人工智能的权重的变化的任何步骤，如更改训练集、更改输出结果等，都属于此例。
47.在一些具体地实施例中，还包括步骤：
48.当应答端接收到对所述建议应答语句的不选择的操作结果时，可能说明训练数据中与之相关的输入/输出的匹配数据对存在错误。因此可以有两种处理方式。一种实施例中，如图2所示，方案可以进行步骤，s21反向查询训练数据，利用譬如文本相似度计算的方法找出训练数据中与之相近的匹配数据对，s22直接删除该匹配数据对或通过人工校验删除匹配数据对，然后进行步骤，s23重新训练模型，更新模型权重。另一些实施例中，如图3所示，则可以进行步骤，s31直接将不被选择的建议应答语句与对应的甲方的咨询问题提取组
合后构成一个或多个(视二者的断句排列组合的情况会有多个)反例匹配数据对，加入人工智能的神经网络进行训练，s32更新人工智能的神经网络模型权重。
49.其他一些如图4示的实施例中，方案还可以进行步骤，当应答端接收到对建议应答语句进行编辑的操作结果时,s41将编辑后的建议应答语句作为人工智能的神经网络的预期输出，将该建议应答语句对应的问题作为神经网络的输入，这样就形成了一组输入/输出的匹配数据对。通过收集多组的匹配数据对，可以用来作为训练素材，训练或更新神经网络模型，即更新神经网络模型中的连接权重。上述方案能够针对应答端的动作结果对人工智能的状态进行更新，从而能够达到实时地提升人工智能会话辅助的智能性的效果。
50.其他一些实施例中，这里的访客端包括电话、移动端应用程序或微信小程序。访客可以通过电话接入，进行语音咨询，也可以通过移动端应用程序进行联网，然后接入系统的对话流程中进行咨询，还可以通过微信小程序等方式进行联网，接入系统的对话流程中进行咨询。而乙方的应答端可以是桌面端的对话窗口，如运行于windows、linux系统的软件程序，也可以是上述电话、移动端应用程序或微信小程序中的任意一种。
51.在一些可选的实施例中，通过电话或语聊等方式接入，对话流程的访客对话信息包括语音信息，人工智能为文本进行分析的人工智能模型。如图5所示在本方案中具体还进行步骤，在获取访客对话信息后，s51对访客对话信息进行文本转化，如进行语音断点检测及语音识别，之后才用人工智能对所述第一访客对话信息进行文本分析。人工智能模型对于文本进行分析分类的技术适应性较强，部署成本较低，将访客对话信息统一转换为文本形式能够更有利于人工智能进行分析的需求。在具体的应用中，可以通过深度学习模型或神经网络模型进行语音识别以及语音-文本的转换。
52.在另一些具体的实施例中，输入的访客对话信息可以包括图片信息，方案还具体进行步骤，s52对访客对话信息进行图片文本提取。之后才用人工智能对所述第一访客对话信息进行文本分析。人工智能模型对于文本进行分析分类的技术适应性较强，部署成本较低，将访客对话信息统一转换为文本形式能够更有利于人工智能进行分析的需求。在具体的应用中，可以通过深度学习模型或神经网络模型进行图片中的文本识别以及图形-文本的转换。
53.其他一些实施例中，所述访客对话信息与建议应答语句通过应答端的不同界面展示。如图6所示的实施例中，展示了应答端的操作界面，包括多个不同的窗口界面，其中第一窗口60可以用于展示访客对话信息，第一窗口60还用于接收乙方的输入语句，如将乙方打字的待发送信息放在待发送栏。而第二窗口61可以用于展示建议应答语句。第二窗口61可以用于接收乙方对于建议应答语句的选择操作，然后展示到第一窗口60的待发送信息部分，乙方可以对待发送消息进行编辑，最终确定发送的语句。
54.本技术的一些实施例中，还包括退出执行步骤r的循环的预设条件当预设条件被触发时执行退出步骤r的循环。一些具体的实施例中，预设条件包括访客端关闭会话，则退出步骤r的循环。预设条件还可以设置为应答端停用人工智能辅助功能，如应答端提供是否进行辅助应答的开关选项，如果启用进行辅助应答，则循环执行步骤r，则人工智能会对第一访客对话信息给出建议应答语句，人工智能也会根据编辑结果不断更新自身状态，如果关闭辅助应答功能，则人工智能不再响应第一访客对话信息，同样也不再进行学习更新。
55.在其他一些实施例中，还包括步骤，所述访客对话信息与建议应答语句通过应答
端的不同交互通路展示，所述交互通路包括视觉文字交互、听觉语音交互。例如在应答端，可以通过窗口中展示视觉文字交互信息的方式，显示访客对话信息和咨询人员回复的内容，但是建议应答语句的交互通路与访客对话信息不同，建议应答语句通过语音的方式传输到应答端的耳机中播放，咨询人员根据语音提示自主决定回复的内容。又如在应答端，可以通过听觉语音交互的方式，咨询人员与访客直接进行语音对话交互，在应答端，还通过显示屏的交互通路，展示建议应答语句的备选结果，咨询人员可以看到显示屏上的建议应答语句。咨询人员根据显示屏上的建议应答语句的提示自主决定语访客用户语音对话的答复内容。通过上述方案，能够通过不同的交互通路向咨询人员展示访客对话信息和建议应答语句，避免咨询人员因为粗心大意或劳累导致的认知失调而出现误操作，起到了简单的防呆从而减少误操作的可能性的技术效果。
56.在本方案的其他一些具体的实施例中，所述人工智能通过所述应答端的转发功能获取所述访客对话信息。例如，人工智能可以部署在云端服务器，联网通路可以直接将应答端与用户端进行联网，应答端通过转发访客对话信息给云端，然后收到云端服务器的返回结果，这种方式能够节省应答端的所占用存储内存的大小，能够更容易地布置应答端。同时还能够将是否转发访客对话信息的权限留在应答端，避免服务器获取过多的个人隐私。
57.更进一步的具体实施中，所述应答端接收对所述访客对话信息的转发指令，接收到转发指令后才将对应访客对话信息转发至人工智能。转发指令一般可以由咨询人员进行操作。一些实施例中，应答端在对话时可以正常交流，在需要人工智能介入时咨询人员可以通过按键、鼠标点击等方式发出转发指令，在接收到转发指令后，应答端才会将对应访客对话信息发送给人工智能。人工智能才会进行后续展示建议应答语句的步骤。通过上述方案，能够达到根据咨询人员需求进行人工智能接入的技术效果。
58.在如图7所示的实施例中，还介绍了一种人工智能交互系统，包括访客端70、应答端71、人工智能模块72，
59.所述访客端70用于连接人工智能模块72；
60.所述应答端71用于连接人工智能模块72；
61.所述人工智能模块72用于在所述访客端70与应答端71成功连接后，循环执行步骤r；，
62.其中所述步骤r包括如下指令：
63.获取访客端70接收到的第一访客对话信息，所述人工智能模块72对第一访客对话信息进行文本分析，生成建议应答语句，发送所述建议应答语句至应答端71，应答端71呈现所述建议应答语句，还提供选择所述建议应答语句和/或编辑所述建议应答语句和/或发送所述建议应答语句的操作功能；接收应答端的第一编辑结果并发送至访客端70。
64.上述系统能够在访客端70和应答端71建立连接，还能够通过人工智能模块72针对第一访客对话信息进行建议应答，发送所述建议应答语句至应答端71，同时还提供对建议应答语句的编辑、选择及发送功能，访客端70能够接收到被编辑过后的内容，这样能够方便应答端71的操作人员进行应答，同时也避免访客直接接收建议应答语句而人工智能回应语句过于生硬影响用户体验。
65.可选地，所述步骤r还包括如下指令：接收应答端71的第一编辑结果，送入人工智能模块72，对所述第一编辑结果和所述建议应答语句进行差异化分析，根据所述差异化分
析结果更改人工智能的状态。
66.可选地，更改人工智能的状态包括：更改人工智能的素材库和/或更改人工智能的模型参数和/或更改人工智能的分析维度和/或更改人工智能的权重。
67.可选地，所述人工智能模块72具体用于：
68.当应答端71接收到对所述建议应答语句的不选择的操作结果时，将所述建议应答语句与所述第一访客对话信息组合成反例匹配数据对，加入人工智能的神经网络进行训练，更新人工智能的神经网络模型权重；
69.当应答端71接收到对所述建议应答语句进行编辑的操作结果时，将编辑后的建议应答语句作为人工智能的神经网络的预期输出，将所述第一访客对话信息作为神经网络的输入，得到匹配数据对，作为训练素材，训练或更新神经网络模型。
70.可选地，所述访客端70包括电话、移动端应用程序或微信小程序。
71.可选地，所述访客对话信息包括语音信息，还包括语音识别模块，所述语音识别模块用于对所述第一访客对话信息进行文本转化，并发送给所述人工智能模块72。
72.进一步地，所述访客对话信息包括图片信息，还包括图片识别模块，所述图片识别模块用于对第一访客对话信息进行图片文本提取，并发送给所述人工智能模块72。
73.可选地，所述应答端71还包括不同界面，所述应答端71用于通过不同界面分别展示所述访客对话信息与建议应答语句。
74.可选地，所述应答端71还用于通过不同交互通路展示所述访客对话信息与建议应答语句，所述交互通路包括视觉文字交互、听觉语音交互。
75.可选地，所述应答端71还包括转发功能，用于转发所述访客对话信息，所述人工智能模块72用于接收所述访客对话信息。
76.可选地，所述应答端71用于接收对所述访客对话信息的转发指令，还用于在接收到转发指令后才将对应访客对话信息转发至人工智能。
77.上述方案的人工智能的辅助系统，能够获取用户对咨询语句的选取或不选取的操作作为反馈来调整人工智能的响应策略，从而获得更好的人工智能辅助的效果。
78.需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。