一种聊天机器人的问题答复方法及装置制造方法及图纸

本发明专利技术公开了一种聊天机器人的问题答复方法及装置，涉及机器人领域，能够解决现有技术中由于聊天机器人回答人设问题时答复的不可控导致人机交互的体验较差的问题。本发明专利技术的方法主要包括：利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。发明专利技术主要适用于设置聊天机器人对人设问题的答复的场景中。

【技术实现步骤摘要】
一种聊天机器人的问题答复方法及装置
本专利技术涉及智能机器人
，尤其涉及一种聊天机器人的问题答复方法及装置。
技术介绍
聊天机器人是一种用来模拟人类对话或聊天的机器人，其能够通过对聊天文本进行分析并给出对应的答复。在科技日益发展的今天，聊天机器人作为一种新兴的人机交互方式，通过一些设定的策略，能够使用户通过自然语言与其进行交流沟通；设置比较完善的聊天机器人甚至能够让人类意识不到是在与机器进行交流。在用户和聊天机器人的交流语句中，有一类语句是询问机器人自身信息的语句，如询问聊天机器人的名字、年龄及性别等内容的问题。并且经研究表明，如果聊天机器人答复该类问题时能够给予正确的答案，那么就会显得聊天机器人更为智能，使得人机交互的体验更加良好。早期聊天机器人是通过模板和规则对其进行训练，即配置指定格式的配置文件，使聊天机器人对其进行解析，进而进行策略的构建，而后在接收到的触发了规则的用户语句时即可进行相应地回复。其中，可以为用户语句中的人设文本数据配置相应的规则，若聊天机器人接收到的人设语音问题符合该规则，聊天机器人则产生相应的预设答复语句。通过这种策略输出的答复语句虽然精确度高，但是覆盖率很低，提问语句的变换会导致聊天机器人无法做出正确的答复，使用户无法聊天机器人进行灵活沟通，进而导致人机交互的体验较差。为了增加聊天机器在沟通过程中的灵活性，目前较为常用的是通过序列到序列(SequencetoSequence，Seq2Seq)模型对聊天机器人进行训练，收集大量聊天问答作为聊天机器人在机器学习过程中的训练数据。并且基于Seq2Seq模型接收一个输入文本即会得到一个相关的输出文本的特性，经过训练后的聊天机器人生成的答复会具有百分之百的覆盖率。但是，由于Seq2Seq模型是基于统计的方法来对问题产生对应的答案，基于该模型训练的聊天机器人在答复人设问题的过程中，其产生的答复语句具有不可控性。例如，当用户提问“你的职业是什么”时，聊天机器人的答复为“教师”；当用户再次提问“你会做什么”时，聊天机器人的答复是“作家”；而当用户第三次提问“你的工作是什么”时，聊天机器人的答复是“医生”；以此类推，针对相同的问题，聊天机器人每次的答复语句都完全不一样，无法像人类一样对相同的问题做出相同的回答，因此也大大降低了人机交互的体验感。
技术实现思路
有鉴于此，本专利技术实施例提供了一种聊天机器人的问题答复方法及装置，主要目的是提高聊天机器人回答人设问题时答复的可控性，进而提高人机交互的体验。为了解决上述问题，本专利技术主要提供如下技术方案：第一方面，本专利技术提供了一种聊天机器人的问题答复方法，该方法包括以下步骤：利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。第二方面，本专利技术提供了一种聊天机器人的问题答复装置，该装置包括：判断单元，用于利用基于神经网络训练过的问题分类器判断用户输入的问题是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；匹配单元，用于当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。第三方面，本专利技术还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的聊天机器人的问题答复方法。第四方面，本专利技术还提供了一种电子设备，所述电子设备包括处理器，所述处理器用于运行程序，其中，所述程序运行时执行第一方面所述的聊天机器人的问题答复方法。借由上述技术方案，本专利技术提供的技术方案至少具有下列优点：本专利技术提供的聊天机器人的问题答复方法及装置，能够使聊天机器人面对人设问题时，做出相匹配的答复。本专利技术首先会利用经过神经网络训练的问题分类器对用户提出的问题进行分类判断，以区分当前的问题是否是人设问题。并将区分后的人设问题和非人设问题分别输入相对应的答复模型进行匹配答复，即利用第一答复模型为人设问题语句匹配对应的答复语句。与现有技术的聊天机器人针对相似问题会做出不可控的答复相比，本专利技术能够答复模型对问题语句进行匹配，为相似的问题语句匹配相同或相似的答复语句，进而使聊天机器能能够像人类一样对相同的问题做出相同的回答，以提高人机交互的体验感。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例提供的一种聊天机器人的问题答复方法的流程图；图2为示出了本专利技术实施例供的另一种聊天机器人的问题答复方法的流程图；图3示出了本专利技术实施例提供的一种聊天机器人的问题答复装置的框图；图4示出了本专利技术实施例提供的另一种聊天机器人的问题答复装置的框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。参照附图1所示，本专利技术实施例提供了一种聊天机器人的问题答复方法，该方法主要包括：101、利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题。所述人设问题为针对所述聊天机器人人物设定的问题语句。为了使聊天机器人能够针对人设问题给出相匹配且符合其设定的答复，首先需要区分出接收到的问题是否为人设问题。通过问题分类器对用户输入的问题语句进行分析，判断该问题语句是否为人设问题。进一步的，问题分类器会将提问姓名、提问年龄、提问性别、提问爱好和提问星座这五类问题设置为人设问题，将其它类问题全部归为非人设问题；在问题分类器判断用户输入的问题语句属于上述五类问题时，即确定该问题语句为人设问题。但本实施例中所述的人设问题并不限于上述五类问题，例如人设问题还可以包括提问身高、提问体重、提问型号、提问国籍等与聊天机器人预置的人设相关的问题。进一步的，本实施例的问题分类器是使用神经网络训练的分类器，通过包含大量的人设问题和非人设问题的训练数据来对问题分类器进行训练，使得训练后的问题分类器能够准确的分析判断出问题语句是否为人设问题。102、当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。问题分类器在确定了用户输入的问题语句的类别后，就会将不同类别的问题语句发送给不同的答复模型，以便通过对应的答复模型对问题语句进行匹配。在本实施例中，问题分类器会将人设问题发送给第一答复模型进行处理。第一答复模型是利用大量人设问题作为训练数据对seq2seq模型进行训练而得到的答复模型，其能够将相同的问题语句对应相同的答复语句，或将多个对应形式相似且语义相同的问题语句对应相同的答复语句，例如将问题语本文档来自技高网...

【技术保护点】
1.一种聊天机器人的问题答复方法，其特征在于，所述方法包括：利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。

【技术特征摘要】
1.一种聊天机器人的问题答复方法，其特征在于，所述方法包括：利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。2.根据权利要求1所述的方法，其特征在于，在利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题之前，所述方法还包括：利用人设问题样本训练基于卷积神经网络的问题分类器，生成可识别至少两类人设问题的问题分类器，所述人设问题的种类至少包括：人物姓名、年龄、爱好、性别及星座。3.根据权利要求2所述的方法，其特征在于，在当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句之前，所述方法还包括：获取含有人设问题的训练样本；利用所述含有人设问题的训练样本训练序列到序列Seq2Seq模型，生成所述第一答复模型。4.根据权利要求3所述的方法，其特征在于，获取含有人设问题的训练样本包括：利用所述问题分类器获取预置人设问题种类的训练样本。5.根据权利要求4所述的方法，其特征在于，获取预置人设问题种类的训练样本包括：利用余弦相似度算法，计算所述含有人设问题的训练样本中人设问题的值与预置于所述聊天机器中的人设问题的值的相似度；当所述相似度不小于预设的阈值时，用所述预置于所述聊天机器中的人设问题的值替换所述含有人设问题的训练样本中人设...

【专利技术属性】
技术研发人员：祝文博，李超，雷欣，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：北京,11