[發(fā)明專利]一種基于人機(jī)結(jié)合的問答系統(tǒng)及方法

無效

• 申請?zhí)枺?/td>: 201310209372.0
• 申請日: 2013-05-31
• 公開（公告）號: CN103279528A
• 公開（公告）日: 2013-09-04
• 發(fā)明（設(shè)計(jì)）人: 俞志晨
• 申請（專利權(quán)）人: 俞志晨
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及信息檢索與查詢領(lǐng)域，尤其涉及一種基于人機(jī)結(jié)合的問答系統(tǒng)及方法。

背景技術(shù)

問答系統(tǒng)是信息檢索系統(tǒng)的一種高級形式。它能用準(zhǔn)確、簡潔的自然語言回答用戶用自然語言提出的問題。其研究興起的主要原因是人們對快速、準(zhǔn)確地獲取信息的需求。問答系統(tǒng)是目前人工智能和自然語言處理領(lǐng)域中一個倍受關(guān)注并具有廣泛發(fā)展前景的研究方向。

現(xiàn)有的問答系統(tǒng)，主要是通過計(jì)算機(jī)的算法邏輯來實(shí)現(xiàn)，基本過程包括問題分析、信息檢索和答案抽取三個過程。在這三個過程中，任何一個環(huán)節(jié)出現(xiàn)紕漏，用戶將無法得到正確的結(jié)果。更為重要的是，由于這種問答系統(tǒng)的可調(diào)性較差，無法利用用戶問題，讓自己變得更加智能，所以當(dāng)用戶再一次輸入同樣的問提，基于同樣的邏輯，用戶還是無法獲取正確結(jié)果，除非對這套問答系統(tǒng)的算法邏輯進(jìn)行修改。

由此可見，問答系統(tǒng)的可調(diào)性已成為影響問答系統(tǒng)準(zhǔn)確性和及時性的關(guān)鍵問題。此前，國內(nèi)某聊天機(jī)器人提供了一種調(diào)教的功能，用戶注冊登錄后可以對其進(jìn)行調(diào)教，但是這種調(diào)教只是機(jī)械的將數(shù)據(jù)強(qiáng)行塞入問答系統(tǒng)里，并且是以某關(guān)鍵詞作為索引。這樣的話，不管問什么問題，只要涉及到這些關(guān)鍵詞，就會返回對應(yīng)用戶調(diào)教的內(nèi)容，于是出現(xiàn)了很多無關(guān)的回答。這種問答系統(tǒng)雖然具備了可調(diào)性，但并未提高問答系統(tǒng)的自我學(xué)習(xí)和自我提高能力，智能化就更無從談起了；同時，此調(diào)教功能通過程序模塊完成，缺乏人工參與，人性化不強(qiáng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于人機(jī)結(jié)合的問答系統(tǒng)及方法，引入人工因素，采用人工調(diào)教方式，提高問答系統(tǒng)的自我學(xué)習(xí)及自我提高能力，同時增加人性化及智能化，保證系統(tǒng)的準(zhǔn)確性和及時性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于人機(jī)結(jié)合的問答系統(tǒng)及方法，包括：

輸入模塊，用于輸入用戶語音、文本及操作指令提問信息，采集用戶參數(shù)信息，并將用戶提問信息及用戶參數(shù)信息全部轉(zhuǎn)換為標(biāo)準(zhǔn)的文本格式信息；

去噪模塊，用于對文本格式信息，進(jìn)行去噪和模塊結(jié)構(gòu)化處理；

語義解析模塊，用于對去噪和模塊化處理的用戶提問信息進(jìn)行語義解析；

信息處理模塊，用于對解析信息進(jìn)行處理，生成處理結(jié)果；

智能決策模塊，用于對信息處理結(jié)果進(jìn)行判斷及決定；

輸出模塊，用于根據(jù)判斷及決定結(jié)果輸出用戶提問答案；

人工客服處理模塊，用于接收輸出的無回答及錯誤回答結(jié)果，并進(jìn)行人工處理；

訓(xùn)練模塊，用于接收人工處理結(jié)果并對該智能決策模塊進(jìn)行訓(xùn)練。

進(jìn)一步，該輸入模塊，包括：

語音輸入模塊，用于用戶語音信息輸入；

文本輸入模塊，用于用戶文本信息輸入；

操作輸入模塊，用于用戶操作指令輸入；

參數(shù)采集模塊，用于采集用戶的各種參數(shù)信息；

文本轉(zhuǎn)換模塊，用于將用戶提問信息及用戶參數(shù)信息轉(zhuǎn)換為文本格式信息。

進(jìn)一步，該語義解析模塊，包括：

分詞模塊，用于建立一套基于現(xiàn)代漢語的語句、句法的分詞算法模型，利用大量基礎(chǔ)詞匯數(shù)據(jù)，采用最小顆粒分詞算法對用戶輸入的自然語言和指令進(jìn)行分詞；

權(quán)重分配模塊，用于分詞之后，對用戶的語境、上下文、偏好及各項(xiàng)參數(shù)，進(jìn)行關(guān)鍵字和意圖的初次組合和權(quán)重分配，解析出關(guān)鍵字；

結(jié)構(gòu)化組合模塊，用于對解析出的關(guān)鍵字進(jìn)行結(jié)構(gòu)化組合，得到解析結(jié)果。

進(jìn)一步，該信息處理模塊，包括：

驗(yàn)證模塊，用于判斷該語義解析模塊的domain信息是否全面，如果不全面，建立本次上下文模型，保存本次對話記錄，轉(zhuǎn)入對應(yīng)的處理平臺；如果全面，直接轉(zhuǎn)入對應(yīng)的處理平臺；

處理平臺，用于對驗(yàn)證的domain信息進(jìn)行處理，生成原始結(jié)果數(shù)據(jù)。

一種基于人機(jī)結(jié)合的問答方法，包括以下步驟：

步驟1，輸入用戶語音、文本及操作指令提問信息，采集用戶參數(shù)信息；

步驟2，將用戶提問信息及用戶參數(shù)信息轉(zhuǎn)換為標(biāo)準(zhǔn)的文本格式信息；

步驟3，對文本格式信息，進(jìn)行去噪和模塊結(jié)構(gòu)化處理；

步驟4，對去噪和模塊化處理的用戶提問信息進(jìn)行語義解析；

步驟5，對信息處理結(jié)果進(jìn)行判斷及決定；

步驟6，生成用戶提問答案，如果答案正確，直接輸出；如果答案無答案或答案不正確，將問題提交人工客服處理，根據(jù)處理結(jié)果重新進(jìn)行判斷及決定，并對判斷及決定能力進(jìn)行訓(xùn)練，輸出正確答案。

進(jìn)一步，該步驟4包括以下子步驟：