基于主动学习的交互方法及交互系统的制作方法
【技术领域】
[0001 ]本发明涉及交互机器人领域，具体地说，涉及一种基于主动学习的人机交互方法和交互系统。
【背景技术】
[0002]现有的问答机器人通常在接收到用户提出的问题之后，从已有的知识库中进行检索，如果检索到与用户问题相匹配的回答信息，则向用户反馈该回答信息。如果在现有的知识库中没有检索到与用户问题相匹配的回答信息，则在互联网上抓取与用户问题相关的答案。
[0003]由于互联网是开放的平台，其提供的信息的种类繁多且并未经过优化，因此，在互联网上抓取的答案可能并非是针对用户问题的最优答案，严重影响用户体验。一方面，互联网上的共享信息通常不是某个领域的专业信息；另一方面，即使能够抓取到某一领域的专业信息，也不能保证其来源于权威专家的观点，具有更高的可信度。
[0004]因此，亟需一种可以向用户提供目标领域中优质答案的人机交互方法和交互系统。
【发明内容】
[0005]本发明的目的在于解决现有技术的交互系统针对用户提问提供的答案信息并非为最优的技术缺陷。
[0006]本发明提供一种基于主动学习的人机交互方法，其包括:
[0007]获取目标领域话题，在预设条件下发起主动学习过程；
[0008]所述主动学习过程包括:
[0009]向当前用户输出目标领域话题中的提问信息;或者
[0010]确定目标领域中的权威用户，
[0011 ]获取所述目标领域的待解决问题，向所述权威用户进行提问，
[0012]获得所述权威用户的回答信息，
[0013]从所述权威用户的回答信息中提取权威答案进行存储。
[0014]根据本发明的一个实施例，在从权威用户的回答信息中提取权威答案的步骤中还包括:
[0015]依据权威用户的回答信息为其他用户提供反馈信息，根据其他用户对反馈信息的评价对权威用户的回答信息进行评分，以及/或者，依据权威用户的回答信息为其他用户提供反馈信息，根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分；
[0016]根据评分结果从权威用户的回答信息中选择权威答案。
[0017]根据本发明的一个实施例，在确定目标领域的权威用户的步骤中包括:
[0018]将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者
[0019]将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
[0020]根据本发明的一个实施例，所述在预设条件下发起主动学习过程的步骤中包括:
[0021]在与当前对话用户的对话完成之后，识别为向当前对话用户进行主动学习的时机;或者
[0022]在向当前对话用户发起会话之后，且在预设时间段内尚未收到该当前对话用户的回答时，识别为向当前对话用户进行主动学习的时机;或者
[0023]在接收当前对话用户的问题之后，提取不到与该问题匹配的答案时，识别为向当前对话用户进行主动学习的时机。
[0024]根据本发明的一个实施例，在从权威用户的回答信息中提取权威答案的步骤中包括:
[0025]先从权威用户的回答信息中排除与提问信息不相关的部分，再从保留的与提问信息相关的部分中提取权威答案。
[0026]本发明还提供了一种基于主动学习的人机交互系统，其包括:
[0027]触发模块，其配置为获取目标领域话题，在预设条件下调用主动学习模块，发起主动学习过程；
[0028]所述主动学习模块包括:
[0029]当前用户学习单元，其配置为向当前用户输出目标领域话题中的提问信息;或者
[0030]权威用户学习单元，其配置为确定目标领域中的权威用户，获取所述目标领域的待解决问题，向所述权威用户进行提问，获得所述权威用户的回答信息，从所述权威用户的回答信息中提取权威答案进行存储。
[0031 ]根据本发明的一个实施例，所述权威用户学习单元包括提取子单元，其配置为:
[0032]依据权威用户的回答信息为其他用户提供反馈信息，根据其他用户对反馈信息的评价对权威用户的回答信息进行评分，以及/或者，依据权威用户的回答信息为其他用户提供反馈信息，根据其他用户对反馈信息的相似回答信息的数量或者比例对权威用户的回答信息进行评分；
[0033]根据评分结果从权威用户的回答信息中选择权威答案。
[0034]根据本发明的一个实施例，所述权威用户学习单元包括确定子单元，其配置为:
[0035]将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户;或者
[0036]将在所述目标领域内所提供答案的质量评分分数最高的用户确定为权威用户。
[0037]根据本发明的一个实施例，所述触发模块包含时机确定单元，其配置为:
[0038]在与当前对话用户的对话完成之后，识别为向当前对话用户进行主动学习的时机;或者
[0039]在向当前对话用户发起会话之后，且在预设时间段内尚未收到该当前对话用户的回答时，识别为向当前对话用户进行主动学习的时机;或者
[0040]在接收当前对话用户的问题之后，提取不到与该问题匹配的答案时，识别为向当前对话用户进行主动学习的时机。
[0041 ]根据本发明的一个实施例，所述权威用户学习单元包括过滤子单元，其配置为:
[0042]先从权威用户的回答信息中排除与提问信息不相关的部分，再从保留的与提问信息相关的部分中提取权威答案。
[0043]本发明的实施例提供一种基于向用户进行主动学习的方法和系统来扩充智能交互机器人的知识库。在主动学习过程中，智能交互机器人不仅能向正在进行对话的当前用户进行学习，还能在后台向某一领域中的权威用户进行学习。并将学习到的答案通过择优机制进行筛选，以保证领域知识库中存储的答案是最权威最专业的。
[0044]本发明的实施例提供流畅的跳转机制，能够在保证人机对话过程问答自然的前提之下，在前台向当前用户进行主动学习，或者在后台向权威用户进行主动学习。
[0045]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】
[0046]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中:
[0047]图1为本发明实施例一的人机交互方法的步骤流程图；
[0048]图2为本发明实施例二的人机交互系统的结构示意图。
【具体实施方式】
[0049]为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明实施例作进一步地详细说明。
[0050]实施例一
[0051]本实施例提供一种在人机对话过程中，既能够在前台向当前对话用户进行主动学习以获取优质答案，又能够在后台向权威用户进行主动学习的方法。
[0052]以下结合图1进行详细说明。
[0053]如图1所示，在步骤SllO中，在人机对话过程中根据当前会话内容获取目标领域的话题。其中，目标领域的话题即为当前会话所属专业领域的某种特定话题。例如，如果当前人机会话过程属于医疗领域，则这些特定话题例如可以为“预约医生”、“问询科室分布地点”、“确定患者病症”等等。
[0054]在一个优选的方式中，可以利用深度学习的方式识别当前人机会话过程所属的专业领域。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑机制来解释诸如图像、声音和文本数据。深度学习的技术本质在于构建多隐层的模型和海量训练数据，来学习分类的相关特征，从而提升分类的准确性。
[0055]在步骤S120中，在当前的人机会话满足预设条件时，发起主动学习过程。
[0056]本步骤主要是为了保证人机会话过程的自然流畅，提供灵活的跳转机制。本步骤中的“预设条件”可以是人机会话中将会出现的多种情景。
[0057]例如，智能机器人正在与用户交流医疗领域内的有关“问询科室分布地点”的话题，在人机会话正常完成后，用户获知科室的分布地点，则该话题结束。机器人此时识别为想当前用户进行主动学习的时机。
[0058]在随后的步骤S130中，向当前用户输出目标领域话题中的提问信息，向当前用户进行学习。例如，机器人主动向用户询问诸如“请问您哪里不舒服呢”，“请问您得什么病了”的问题，这些问题属于“确定患者病症”的对话话题。在用户回答这些问题后，机器人则可以根据用户的回答来学习最优质的答案。
[0059]此外，在步骤S120中，在向当前对话用户发起会话之后，且在预设时间段内尚未收到该当前对话用户的回答时，识别为向当前对话用户进行主动学习的时机。这一情形主要是针对在用户无法继续当前的话题时，由智能机器人来转移话题。
[0060]此外，在步骤S120中，在接收当前对话用户的问题之后，提取不到与该问题匹配的答案时，识别为向当前对话用户进行主动学习的时机。这一情形主要是针对由于智能机器人本身知识库内容的局限性，导致与用户无法进行正常会话，由智能机器人来转移话题，发起对当前会话用户的主动学习。需要说明的是，正如【背景技术】部分所述的，通常情况下智能机器人在提取不到与该问题匹配的答案时会转到网络搜索答案，这导致搜索到的答案并不是最权威最优质的。本实施例中设定的转移话题机制能够改进这一缺陷。
[0061]再次回到图1，在进行主动学习的过程中，还包括在系统后台即时进行的主动学习过程，这将在步骤S140至步骤S170中进行详细说明。
[0062]在步骤S140中，首先确定目标领域中的权威用户。具体而言，智能机器人在后台先定位到擅长目标领域的专家用户。判断是否为专家用户的方法主要有两种方式。一种方式是，从用户曾经提出的有关目标领域的问题来判断，若提出的问题最优质则为权威专家用户。在一个优选示例中，将在所述目标领域内所提出问题的获得回复比例最高的用户确定为权威用户。