基于自然语言处理的人机交互系统及其方法技术方案

公开了一种基于自然语言处理的人机交互系统及其方法。其首先获取由用户输入的问题描述，接着，对所述问题描述进行语义理解以得到问题描述语义理解特征向量，然后，基于所述问题描述语义理解特征向量，生成推荐回答文本。这样，可以基于深度学习的语义理解模型和AIGC模型来分别对于用户输入的问题进行语义理解和回答文本生成，以此来提高人机交互的智能性和趣味性。和趣味性。和趣味性。

【技术实现步骤摘要】
基于自然语言处理的人机交互系统及其方法


[0001]本公开涉及人机交互领域，且更为具体地，涉及一种基于自然语言处理的人机交互系统及其方法。

技术介绍

[0002]人机交互是指人与计算机之间的信息交流和操作方式。当前的人机交互系统通常是基于规则或预定义的对话流程，缺乏真正的灵活性和上下文感知能力。因此，传统的人机交互系统无法应对复杂的对话场景，同时处理意图转变或复杂的问题可能会变得异常困难。另外，目前出现的一些基于自然语言处理的人机交互系统在与用户进行对话时往往显得机械和乏味，缺乏智能性和趣味性。这也就限制了交互系统与用户之间的互动体验，使得用户很难建立起真正的情感连接。
[0003]因此，期望一种优化的基于自然语言处理的人机交互系统。

技术实现思路

[0004]有鉴于此，本公开提出了一种基于自然语言处理的人机交互系统及其方法，可以基于深度学习的语义理解模型和AIGC模型来分别对于用户输入的问题进行语义理解和回答文本生成，以此来提高人机交互的智能性和趣味性。
[0005]根据本公开的一方面，提供了一种基于自然语言处理的人机交互系统，其包括：问题描述获取模块，用于获取由用户输入的问题描述；问题语义理解模块，用于对所述问题描述进行语义理解以得到问题描述语义理解特征向量；以及回答文本生成模块，用于基于所述问题描述语义理解特征向量，生成推荐回答文本。
[0006]根据本公开的另一方面，提供了一种基于自然语言处理的人机交互方法，其包括：获取由用户输入的问题描述；对所述问题描述进行语义理解以得到问题描述语义理解特征向量；以及基于所述问题描述语义理解特征向量，生成推荐回答文本。
[0007]根据本公开的实施例，其首先获取由用户输入的问题描述，接着，对所述问题描述进行语义理解以得到问题描述语义理解特征向量，然后，基于所述问题描述语义理解特征向量，生成推荐回答文本。这样，可以基于深度学习的语义理解模型和AIGC模型来分别对于用户输入的问题进行语义理解和回答文本生成，以此来提高人机交互的智能性和趣味性。
[0008]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
[0009]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的
示例性实施例、特征和方面，并且用于解释本公开的原理。
[0010]图1示出根据本公开的实施例的基于自然语言处理的人机交互系统的框图。
[0011]图2示出根据本公开的实施例的基于自然语言处理的人机交互系统中所述问题语义理解模块的框图。
[0012]图3示出根据本公开的实施例的基于自然语言处理的人机交互系统中所述问题
‑
词性语义关联编码单元的框图。
[0013]图4示出根据本公开的实施例的基于自然语言处理的人机交互系统中进一步包括的训练模块的框图。
[0014]图5示出根据本公开的实施例的基于自然语言处理的人机交互方法的流程图。
[0015]图6示出根据本公开的实施例的基于自然语言处理的人机交互方法的架构示意图。
[0016]图7示出根据本公开的实施例的基于自然语言处理的人机交互系统的应用场景图。
具体实施方式
[0017]下面将结合附图对本公开实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例。基于本公开实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围。
[0018]如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
[0019]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0020]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
[0021]针对上述问题，本公开的技术构思是通过采用基于深度学习的语义理解模型和AIGC模型来分别对于用户输入的问题进行语义理解和回答文本生成，以此来提高人机交互的智能性和趣味性。应可以理解，AIGC是一种基于人工智能技术生成内容的方法，可以用于生成多样化和有趣的回应，从而增加人机交互的趣味性。具体来说，AIGC能够通过学习大量的语言数据和模式，以生成创造性和有趣的回应，使对话更加生动和有趣。通过这样的方式，可以增强用户与系统之间的互动体验，使得更好地与用户建立情感连接。
[0022]图1示出根据本公开的实施例的基于自然语言处理的人机交互系统的框图示意图。如图1所示，根据本公开实施例的基于自然语言处理的人机交互系统100，包括：问题描述获取模块110，用于获取由用户输入的问题描述；问题语义理解模块120，用于对所述问题描述进行语义理解以得到问题描述语义理解特征向量；以及，回答文本生成模块130，用于
基于所述问题描述语义理解特征向量，生成推荐回答文本。
[0023]具体地，在本公开的技术方案中，首先，获取由用户输入的问题描述。应可以理解，由于每个用户的行为习惯和说话方式不同，会导致所输入的问题描述产生不同的语义理解特征，从而造成歧义或错误，给后续有关于所述问题描述的语义理解和回答文本的生成带来难度。因此，在语义理解前需要对所述问题描述进行分词处理以得到问题描述词的序列，以此来避免语序混乱，从而提高语义理解的精准度。
[0024]应可以理解，分词处理是将一个句子或文本分割成一个个独立的词语或标记的过程，可以通过最大匹配法、正向最大匹配法、逆向最大匹配法、基于统计的方法（如隐马尔可夫模型、条件随机场）等分词算法来进行分词，分词算法会将问题描述分割成一个个词语或标记，形成问题描述词的序列。
[0025]相应地，在本公开的一个示例中，如图2所示，所述问题语义理解模块120，包括：问题分词单元121，用于对所述问题描述进行分词处理以得到问题描述词的序列；问题词性提取单元122，用于提取所述问题描述词的序列中各个问题描述词的词性信息以得到问题描述词词性信息的序列；以及，问题
‑
词性语义关联编码单元123，用于对所述问题描述词的序列和所述问题描述词词性信息的序列进行语义关联编码以得到所述问题描述语义理解特征向量。
[0026]然后，考虑到由于词性是分词后每个单词所对应的词类，因此它包含了这个单词在句子中扮演的语法角色信息以及其他的语义信息。因此，在进行所述用户输入的问题描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然语言处理的人机交互系统，其特征在于，包括：问题描述获取模块，用于获取由用户输入的问题描述；问题语义理解模块，用于对所述问题描述进行语义理解以得到问题描述语义理解特征向量；以及回答文本生成模块，用于基于所述问题描述语义理解特征向量，生成推荐回答文本。2.根据权利要求1所述的基于自然语言处理的人机交互系统，其特征在于，所述问题语义理解模块，包括：问题分词单元，用于对所述问题描述进行分词处理以得到问题描述词的序列；问题词性提取单元，用于提取所述问题描述词的序列中各个问题描述词的词性信息以得到问题描述词词性信息的序列；以及问题
‑
词性语义关联编码单元，用于对所述问题描述词的序列和所述问题描述词词性信息的序列进行语义关联编码以得到所述问题描述语义理解特征向量。3.根据权利要求2所述的基于自然语言处理的人机交互系统，其特征在于，所述问题
‑
词性语义关联编码单元，包括：词嵌入子单元，用于通过词嵌入层将所述问题描述词的序列转换为问题描述词嵌入向量的序列；词性向量化子单元，用于通过独热编码器将所述问题描述词词性信息的序列转化为问题描述词词性向量的序列；词
‑
词性拼接子单元，用于融合所述问题描述词嵌入向量的序列和所述问题描述词词性向量的序列以得到问题描述词
‑
词性拼接向量的序列；以及语义编码子单元，用于通过基于深度神经网络模型的语义编码器来对所述问题描述词
‑
词性拼接向量的序列进行语义理解以得到所述问题描述语义理解特征向量。4.根据权利要求3所述的基于自然语言处理的人机交互系统，其特征在于，所述深度神经网络模型为双向长短期记忆神经网络模型。5.根据权利要求4所述的基于自然语言处理的人机交互系统，其特征在于，所述回答文本生成模块，进一步用于将所述问题描述语义理解特征向量输入基于AIGC模型的问答模型以得到所述推荐回答文本。6.根据权利要求5所述的基于自然语言处理的人机交互系统，其特征在于，所述基于自然语言处理的人机交互系统，还包括用于对所述双向长短期记忆神经网络模型和所述基于AIGC模型的问答模型进行训练的训练模块。7.根据权利要求6所述的基于自然语言处理的人机交互系统，其特征在于，所述训练模块，包括：训练数据采集单元，用于获取训练数据，所述训练数据包括由用户输入的训练问题描述，以及，所述推荐回答文本的真实文本；训练分词单元，用于对所述训练问题描述进行分词处理以得到训练问题描述词的序列；...

【专利技术属性】
技术研发人员：张青辉，王英，
申请(专利权)人：世优北京科技有限公司，
类型：发明
国别省市：