一种人工智能交互方法及人工智能交互装置制造方法及图纸

本发明专利技术的人工智能交互方法用于解决交互信息响应由于缺乏情绪特征，人工智能辅助角色交互效果差的技术问题。本发明专利技术实施例包括：从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料；通过神经网络模型对角色语料进行自然语言语义识别，形成确定角色，形成确定角色的语句情绪特征，形成确定角色的性格特征。本发明专利技术实施例的人工智能交互方法结合交互信息输入的文本词汇或情绪控制信息，通过自然语义识别的方式创建带有人物性格的人工智能助手，大规模降低人工参与，降低了开发的工作量，同时能够产生更具有自然情绪效果的人工智能助手。本发明专利技术还包括人工智能交互装置。

An artificial intelligence interactive method and artificial intelligence interactive device

The artificial intelligence interaction method of the invention is used to solve the technical problems of interactive information response due to the lack of emotional characteristics and the poor effect of AI interaction. The embodiment of the invention includes: the vector processing gets the role from corpus resources, form the role of the corpus; through the neural network model for natural language semantic recognition on the role of corpus, forming a certain role, forming a certain statement emotional characteristics of character, forming a certain character features. Artificial intelligence interaction method embodiments of the present invention with interactive information input text vocabulary or emotional control information, create artificial intelligence assistant with the character through the natural language recognition way, greatly reduce labor participation, reduce the development workload, and can produce artificial intelligence assistant has more natural emotional effect. The invention also includes an artificial intelligence interactive device.

【技术实现步骤摘要】
一种人工智能交互方法及人工智能交互装置
本专利技术涉及音视频智能控制领域，特别涉及人工智能交互方法及人工智能交互装置。
技术介绍
智能助理产品包括交互信息输入、交互信息响应和交互信息输出的过程。例如微软公司的Cortana助理产品和苹果公司的Siri助理产品在通过语音识别技术获得交互输入的语音文本后，采用NLP技术(即自然语言处理技术)对语音文本中的交互信息进行关键字提取，通过关键字匹配/模糊匹配的方式检索知识列表(或知识库)对输入的交互信息进行响应，并将响应的知识内容作为消息回复，消息回复以语音或文字的形式作为交互信息输出。在交互信息响应过程中由于利用的知识列表(或知识库)采用格式化处理，仅包含必要的知识内容，使得相同查询产生的消息回复形成的交互信息输出缺乏情绪特征，导致智能助理产品的交互信息输出表现呆板，无法反应交互过程中上下文关联属性，人机交互体验差。
技术实现思路
有鉴于此，本专利技术实施例提供了一种人工智能交互方法及人工智能交互装置，用于解决交互信息响应由于缺乏情绪特征，人工智能辅助角色交互效果差的技术问题。本专利技术的人工智能交互方法，包括：从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料；通过神经网络模型对角色语料进行自然语言语义识别，形成确定角色，形成所述确定角色的语句情绪特征，形成所述确定角色的性格特征。本专利技术的人工智能交互装置，包括：语料短语生成模块，用于从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料。语义识别模块，用于通过神经网络模型对所述角色语料进行自然语言语义识别，形成确定角色，形成所述确定角色的语句情绪特征，形成所述确定角色的性格特征。本专利技术实施例的人工智能交互方法及人工智能交互装置，通过自然语义识别的方式创建带有人物性格的人工智能助手，大规模降低人工参与，降低了开发的工作量，同时能够产生更具有自然情绪效果的人工智能助手。附图说明图1为本专利技术实施例的人工智能交互方法的流程图。图2为本专利技术实施例的人工智能交互方法的确定角色、确定角色性格和确定角色情绪形成的流程图。图3为本专利技术实施例的人工智能交互方法的情绪交互信息输出的流程图。图4为人工智能交互装置或程序模块的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。附图中的步骤编号仅用于作为该步骤的附图标记，不表示执行顺序。图1为本专利技术实施例的人工智能交互方法的流程图。如图1所示包括：步骤100：从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料。角色的语料资源包括可以在语料库中检索到的包含确定角色的小说、剧本、诗歌或台词等文学作品。文学作品的载体可以是文字或者音频，音频的文学作品通过语音识别技术可以对应形成文字的文学作品。角色的语料资源可以是包括一个角色的文学作品，也可以是包括若干个角色的文学作品。若干个角色可以在同一个文学作品中存在语言上的交流，也可以在不同的文学作品中被互相引用。角色的语料资源进行向量化包括在分句、分词、脱敏等预处理的基础上，采用例如word2vec(即文本到向量)技术形成语料资源中所有词语的向量化，并保持所有词语的顺序。步骤200：通过神经网络模型对角色语料进行自然语言语义识别，形成确定角色，形成确定角色的语句情绪特征，形成确定角色的性格特征。对角色语料进行自然语言语义识别的神经网络模型可以采用CNN(即卷积神经网络)模型、RNN(即循环神经网络)模型或DNN(即深度神经网络)模型。自然语言语义识别的内容包括语句顺序的内在联系、词语顺序的内在联系、语句中词语频率与情绪表达程度的内在联系、语句与角色的内在联系、角色的性格及情绪与语句结构的内在联系等围绕确定角色的文学作品中具体量化的内在情绪联系。步骤300：通过对交互信息输入的情绪判断将确定角色的语句情绪特征与交互信息响应相结合，形成情绪交互信息输出。利用神经网络模型从角色语料中提取语料间的内在联系信息，量化确定角色的性格并形成特定的语言结构特征，与传统的交互信息响应配合形成具有上下文情绪关联表达的交互信息响应。使得交互信息输出的语气和情绪表达适应交互信息输入时的语言情绪变化，满足作为交互信息响应的知识内容可以针对交互过程中输入主体的情绪变化做出适时调整，增加智能助理产品的亲和力，提升语言交互体验。本专利技术实施例的人工智能交互方法通过自然语义识别的方式创建带有人物性格的AI助手，大规模降低人工参与，降低了开发的工作量，同时能够产生更具有自然情绪效果的人工智能助手。图2为本专利技术实施例的人工智能交互方法的确定角色、确定角色性格和确定角色情绪形成的流程图。如图2所示形成确定角色包括：步骤210：通过第一神经网络模型处理角色语料，输出语料短语。本专利技术实施例中第一神经网络模型包括CNN模型和softmax分类器(即最大类别分类器)，CNN模型包括输入层、卷积层、池化层和全连接层CNN模型处理后形成的数据经softmax分类器形成包含在角色语料中的所有语料短语。CNN模型可以保证角色语料中词语间的内在联系信息在分类过程中不损失，softmax分类器可以保证输出数据形成语料短语时的离散化。步骤220：对语料短语中的词语进行词性标记。词性是指以词的特点为根据，来划分词类。现代汉语的词可以分为两类12种词性。一类是实词：名词、动词、形容词、数词、量词和代词。一类是虚词：副词、介词、连词、助词、叹词和拟声词。词性标注算法可以采用HanLP算法和Jieba(结巴)算法。步骤230：根据词性标记对语料短语进行统计形成确定角色，并形成确定角色列表。词性标记可以进一步反映语料短语中的自然语言结构，即表现主语、谓语、宾语、定语、状语和补语的属性和连接结构。通过对主语、谓语和宾语具体含义的统计，可以获得主语指代的确定角色，并形成所有的确定角色列表。如图2所示本专利技术实施例形成确定角色的语句情绪特征包括：步骤210：通过第一神经网络模型处理角色语料，输出语料短语。本专利技术实施例中第一神经网络模型包括CNN模型和softmax分类器(即最大类别分类器)，CNN模型包括输入层、卷积层、池化层和全连接层CNN模型处理后形成的数据经softmax分类器(即最大类别分类器)形成包含在角色语料中的所有语料短语。CNN模型可以保证角色语料中词语间的内在联系信息在分类过程中不损失，softmax分类器可以保证输出数据形成语料短语时的离散化。步骤230：根据词性标记对语料短语进行统计形成确定角色，并形成确定角色列表。词性标记可以进一步反映语料短语中的自然语言结构，即表现主语、谓语、宾语、定语、状语和补语的属性和连接结构。通过对主语、谓语和宾语具体含义的统计，可以获得主语指代的确定角色，并形成所有的确定角色列表。步骤240：根据确定角色对语料短语进行分类，形成确定角色的角色语料短语，从确定角色的角色语料短语中获取前导对话关键词。确定角色的角色语料短语中包括的是与确定角色相关的对话内容，排除了与确定角色无关的语料短语。根据词性标记和确定角色列表可以完成每一本文档来自技高网...

【技术保护点】
一种人工智能交互方法，包括：从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料；通过神经网络模型对角色语料进行自然语言语义识别，形成确定角色，形成所述确定角色的语句情绪特征，形成所述确定角色的性格特征。

【技术特征摘要】
1.一种人工智能交互方法，包括：从语料库中获取角色的语料资源进行向量化处理，形成角色的角色语料；通过神经网络模型对角色语料进行自然语言语义识别，形成确定角色，形成所述确定角色的语句情绪特征，形成所述确定角色的性格特征。2.如权利要求1所述的人工智能交互方法，其特征在于所述形成确定角色包括：通过第一神经网络模型处理所述角色语料，输出语料短语；对所述语料短语中的词语进行词性标记；根据所述词性标记对所述语料短语进行统计形成所述确定角色。3.如权利要求2所述的人工智能交互方法，其特征在于所述形成确定角色的语句情绪特征包括：根据所述确定角色对所述语料短语进行分类，形成所述确定角色的角色语料短语，从所述确定角色的所述角色语料短语中获取前导对话关键词；结合现有交互信息响应中的关键词列表和所述确定角色的所述前导对话关键词，形成所述确定角色的所述专有关键词列表。4.如权利要求3所述的人工智能交互方法，其特征在于所述形成确定角色的语句情绪特征包括：通过第二神经网络模型处理所述确定角色的所述角色语料短语，将所述角色语料短语形成按情绪特征分类的所述确定角色的情绪语料短语，形成所述确定角色的所述语句情绪特征；通过自然语言结构对所述确定角色的所述角色语料短语进行统计，形成与所述确定角色的所述语句情绪特征对应的情绪语言结构。5.如权利要求4所述的人工智能交互方法，其特征在于所述形成确定角色的性格特征包括：对所述确定角色的所述情绪语料短语进行情绪频次统计，形成所述确定角色的性格特征。6.如权利要求2所述的人工智能交互方法，其特征在于所述形成确定角色的语句情绪特征包括：对所述语料短语中的专用名词和专用名词上下文联系进行频率统计，形成所述专用名词的相关关联名词表达语料。7.如权利要求1至6任一所述的人工智能交互方法，其特征在于还包括：通过对交互信息输入的情绪判断将所述确定角色的语句情绪特征与交互信息响应相结合，形成情绪交互信息输出。8.如权利要求7所述的人工智能交互方法，其特征在于所述通过对交互信息输入的情绪判断将所述确定角色的语句情绪特征与交互信...

【专利技术属性】
技术研发人员：伏英娜，金宇林，雷宇，
申请(专利权)人：迈吉客科技北京有限公司，
类型：发明
国别省市：北京,11