一种基于系统功能语法的机器人应答方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于系统功能语法的机器人应答方法及装置，该方法包括：从预设的知识库中采用问题检索方法检索接收到的目标问题，如果检索到目标问题存在预设的知识库中，则从知识库中选取与目标问题相似度最高的问题作为匹配问题，再从知识库中搜索与匹配问题对应的应答，记为第一应答；根据第一机器人属性对应的系统功能语法特征，对第一应答进行优化，得到优化后的应答，记为目标应答；将目标应答输出至与目标问题对应的当前会话将第一应答输出至与目标问题对应的当前会话，当前会话指第一应答用于回答目标问题的会话。应用本发明专利技术实施例能够提高应答问题的准确度。

【技术实现步骤摘要】
一种基于系统功能语法的机器人应答方法及装置
本专利技术涉及系统功能语言学、自然语言处理与智能问答
，特别是涉及一种基于系统功能语法的机器人应答方法及装置。
技术介绍
互联网时代，信息呈现爆炸式增长趋势。面对如此海量的数据，如何帮助人们更好的寻找信息、识别信息，成为信息检索领域的重中之重。基于上述问题，在当前互联网环境非结构化知识大规模增长的情况下，智能问答机器人也在实际的各领域的信息服务系统以及社会生活中得到愈发广泛的应用。其作为问答系统重要的实现方式之一，除了需要能够给出精准的答案，还需要具有流畅自然的问答对话能力、精准的语义分析能力、丰富的上下文场景以及强大的自我学习能力，理解用户需求，促进人机交互方式的发展。然而，现有智能问答中，搜索引擎会按照用户的查询请求返回一串链接，每个链接指向一个文档并配有一段摘要信息，用户需要逐个浏览返回链接列表所对应的文档，以寻找自己期望的信息。但筛选文档的过程往往会消耗用户很多时间，因为用户通常需要的只是具体答案而非整篇文档。即由搜索引擎返回的大量信息只有少部分是用户需要的，这就带来了信息过载的问题。智能问答机器人多是基于匹配方式，依托预存储目标问题和答案对的知识库，在获取用户输入的目标问题后，对该目标问题进行特征化表示，并将特征化表示后的目标问题输入到预先训练好的机器学习模型中，输出与该目标问题最接近的应答并将其进行展示，其中，该机器学习模型用于计算输入目标问题与数据库中目标问题的相似度，预测最接近的目标问题。但是这种完全基于匹配的方式由于没有考虑目标问题本身的基本言语功能，因此无法作出符合功能语法的应答，不管针对什么目标问题，只要关键特征提取的相同，便会输出千篇一律的应答，因此造成应答目标问题的准确度较低，影响用户的使用体验。
技术实现思路
本专利技术实施例的目的在于提供一种基于系统功能语法的机器人应答方法及装置，以提高应答问题准确度。具体技术方案如下：一种基于系统功能语法的机器人应答方法，应用于智能问答系统，所述方法包括：从预设的知识库中采用问题检索方法检索接收到的目标问题，其中，所述目标问题为当前用户输入的问题；如果检索到所述目标问题存在预设的知识库中，则从所述知识库中选取与所述目标问题相似度最高的问题作为匹配问题，再从所述知识库中搜索与所述匹配问题对应的应答，记为第一应答；根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义，所述第一机器人属性是所述智能问答系统未被初始化对应的机器人属性，所述机器人属性包括互动属性、认知属性和正式属性。进一步地，在所述将所接收的目标问题转发到预设的机器人综合应答模块之前，所述方法还包括：获取按照机器人属性分类对目标语料数据标注后的目标语料数据，所述目标语料数据是从预设领域中获取的语料数据；将标注后的目标语料数据输入到预设的卷积神经网络进行训练，通过深度学习，获得训练后的机器人属性分类模型；所述机器人属性分类模型是通过标注后的目标语料数据作为训练集，利用所述训练集对卷积神经网络进行训练，通过深度学习，获得训练后的模型；利用所述机器人属性分类模型对所述智能问答系统中的第一机器人属性进行初始化。进一步地，在所述根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义之后，所述方法还包括：将所述目标应答输出至与所述目标问题对应的当前会话。进一步地，在所述根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义之前，所述方法还包括：基于系统功能语法原理，提炼所述目标问题中隐含的言语功能，并给出所述目标问题中隐含的言语功能对应的会话方式，所述会话方式包括接受或退回、执行或拒绝、认可或驳回、回答或拒答。进一步地，在所述从预设的知识库中采用问题检索方法检索接收到的目标问题之后，所述方法还包括：如果未在所述知识库中检索到所述目标问题，通过深度学习，采用目标模型训练未在所述知识库中的所述目标问题，得到训练后的深度智能问答模型；所述目标模型为卷积神经网络CNN、长短期记忆网络模型LSTM、循环神经网络模型RNN以及变体或记忆网络中至少一种组合；利用所述深度智能问答模型将所述目标问题生成应答，记为第二应答。进一步地，在所述利用所述深度智能问答模型将所述目标问题生成应答，记为第二应答之后，所述方法还包括：基于系统功能语法原理，提炼所述目标问题中隐含的言语功能，并给出所述目标问题中隐含的言语功能对应的会话方式；基于所述会话方式，根据所述第一机器人属性对应的系统功能语法特征，对所述第二应答进行优化，得到优化后的应答，记为第三应答，将第三应答作为目标应答，以使应答更加符合问答上下文语义。进一步地，在所述利用所述深度智能问答模型将所述目标问题生成应答，记为第二应答之后，所述方法还包括：将接收的所述目标问题添加到当前用户预存的会话集中，并对所述会话集进行更新。进一步地，在所述将接收的所述目标问题添加到当前用户预存的会话集中，并对所述会话集进行更新之后，所述方法还包括：；根据更新后的会话集，利用所述机器人属性分类模型实时监测所述目标问题，确定第二机器人属性；利用预设的核心情感分类模型提取当前用户的核心情感，并评估所述核心情感的情感级差，其中，所述核心情感分类模型是基于情感词典、弱标注、机器学习、深度学习的中至少一种组合进行训练获得的模型；将所述第二机器人属性与所述第一机器人属性的配置进行匹配，若为不匹配，将所述第二机器人属性作为所述第一机器人属性，返回执行利用所述机器人属性分类模型对预设的智能问答系统中的第一机器人属性进行初始化步骤；根据当前用户的核心情感和当前用户对应的情感级差，判断是否将当前用户会话内容转接入人工客服务平台；所述当前会话包括所述第三应答和所述目标问题；若为是，则将所述当前用户会话内容接入人工客服务平台，所述人工客服务平台是用于人工与当前用户进行会话的平台。进一步地，所述根据当前用户的核心情感和当前用户对应的情感级差，判断当前会话是否转接入人工客服务平台，包括：获取所述第三应答和所述目标问题，并将所述第三应答和所述目标问题生成当前用户的会话；根据所述核心情感分类模型，输出当前用户会话的情感潜势；实时监控输出的当前用户会话的情感潜势；通过检查该当前用户会话的情感潜势是否与预先设置的情感属性值匹配以决定是否需要将所述当前用户会话内容转接入人工客服务平台。一种基于系统功能语法的机器人应答装置，应用于智能问答系统，所述装置：问题搜索模块，用于从预设的知识库中采用问题检索方法检索接收到的目标问题，其中，所述目标问题为当前用户输入的问题；第一应答模块，用于如果检索到所述目标问题存在预设的知识库中，则从所述知识库中选取与所述目标问题相似度最高的问题作为匹配问题，再从所述知识库中搜索与所述匹配问题对应的应答，记为第一应答；第一优化模块，用于根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义，所述第一机器人属性是所述智能问答系统未被初始化对应的机在本专利技术实施的本文档来自技高网...

【技术保护点】
一种基于系统功能语法的机器人应答方法，其特征在于，应用于智能问答系统，所述方法包括：从预设的知识库中采用问题检索方法检索接收到的目标问题，其中，所述目标问题为当前用户输入的问题；如果检索到所述目标问题存在预设的知识库中，则从所述知识库中选取与所述目标问题相似度最高的问题作为匹配问题，再从所述知识库中搜索与所述匹配问题对应的应答，记为第一应答；根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义，所述第一机器人属性是所述智能问答系统未被初始化对应的机器人属性，所述机器人属性包括互动属性、认知属性和正式属性。

【技术特征摘要】
1.一种基于系统功能语法的机器人应答方法，其特征在于，应用于智能问答系统，所述方法包括：从预设的知识库中采用问题检索方法检索接收到的目标问题，其中，所述目标问题为当前用户输入的问题；如果检索到所述目标问题存在预设的知识库中，则从所述知识库中选取与所述目标问题相似度最高的问题作为匹配问题，再从所述知识库中搜索与所述匹配问题对应的应答，记为第一应答；根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义，所述第一机器人属性是所述智能问答系统未被初始化对应的机器人属性，所述机器人属性包括互动属性、认知属性和正式属性。2.如权利要求1所述的方法，其特征在于，在所述将所接收的目标问题转发到预设的机器人综合应答模块之前，所述方法还包括：获取按照机器人属性分类对目标语料数据标注后的目标语料数据，所述目标语料数据是从预设领域中获取的语料数据；将标注后的目标语料数据输入到预设的卷积神经网络进行训练，通过深度学习，获得训练后的机器人属性分类模型；利用所述机器人属性分类模型对所述智能问答系统中的第一机器人属性进行初始化。3.如权利要求2所述的方法，其特征在于，在所述根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义之后，所述方法还包括：将所述目标应答输出至与所述目标问题对应的当前会话。4.如权利要求1或3所述的方法，其特征在于，在所述根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义之前，所述方法还包括：基于系统功能语法原理，提炼所述目标问题中隐含的言语功能，并给出所述目标问题中隐含的言语功能对应的会话方式，所述会话方式包括接受或退回、执行或拒绝、认可或驳回、回答或拒答。5.如权利要求4所述的方法，其特征在于，在所述从预设的知识库中采用问题检索方法检索接收到的目标问题之后，所述方法还包括：如果未在所述知识库中检索到所述目标问题，通过深度学习，采用目标模型训练未在所述知识库中的所述目标问题，得到训练后的深度智能问答模型；所述目标模型为卷积神经网络CNN、长短期记忆网络模型LSTM、循环神经网络模型RNN以及变体或记忆网络中至少一种组合；利用所述深度智能问答模型将所述目标问题生成应答，记为第二应答。6.如权利要求5所述的方法，其特征在于，在所述利用所述深度智能问答模型将所述目标问题生成应答，记为第二应答之后，所述方法还包括：基于系统功能语法原理，提炼所述目标问题中隐含的言语功能，并给出所述目标问题中隐含的言语功能对应的会话方式；基于所述会话方式，根...

【专利技术属性】
技术研发人员：张钫炜，韩道岐，孙明哲，郭雪梅，陆月明，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11