[發明專利]一種機器人及其回答問題的方法、存儲介質

在審

• 申請號: 201910161317.6
• 申請日: 2019-03-04
• 公開（公告）號: CN110053055A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 鄧悅;金戈;徐亮
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: B25J11/00
• 分類號: B25J11/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種機器人回答問題的方法，其特征在于，包括：

接收用戶發送的問題，將所述問題轉化格式文本；

對所述格式文本進行分詞，得到關鍵詞詞集；

將所述關鍵詞詞集中的關鍵詞輸入到預先建立好的機器學習模型中，得到與所述關鍵詞相匹配的答案；

輸出所述答案。

2.根據權利要求1所述的方法，其特征在于，所述對所述格式文本進行分詞，得到關鍵詞詞集，包括：

對所述格式文本進行分詞和去停用詞，得到候選詞詞集；

確定與所述候選詞詞集中的候選詞相應的預設關鍵詞；

將所述預設關鍵詞聚合構成所述關鍵詞詞集。

3.根據權利要求1或2所述的方法，其特征在于，所述對所述格式文本進行分詞包括：依次按照句號、問號、感嘆號、分號、逗號中的任意一個組合對所述格式文本進行切分，得到各個分詞。

4.根據權利要求1所述的方法，其特征在于，將所述關鍵詞詞集中的關鍵詞輸入到預先建立好的機器學習模型中，得到與所述關鍵詞相匹配的答案，包括：

按照關鍵詞詞集中的關鍵詞的熱度值排名名次，依次從所述關鍵詞詞集中取出關鍵詞；

將所述關鍵詞詞集中的關鍵詞輸入到預先建立好的機器學習模型中，得到與取出的關鍵詞相匹配的答案；其中，對于排名名次非首位的關鍵詞，輸入到預先建立好的機器學習模型中，得到與取出的關鍵詞相匹配的答案。

5.根據權利要求2所述的方法，其特征在于，所述確定與所述候選詞詞集中的候選詞相應的預設關鍵詞包括：

使用N元語法模型N-Gram從文本庫中構造出候選關鍵詞集合，所述候選關鍵詞集合包括：多個候選關鍵詞；

根據所述候選關鍵詞的相鄰字符在所述文本庫中的出現概率計算所述候選關鍵詞的信息熵，所述相鄰字符包括：在所述文本庫的上下文中與所述候選關鍵詞的位置相鄰的字符；

將所述候選關鍵詞的信息熵作為文本特征訓練機器學習模型，將所述機器學習模型輸出的候選關鍵詞加入預設類別的關鍵詞庫中。

6.根據權利要求5所述的方法，其特征在于，還包括：根據所述候選關鍵詞包括的所有字符分別在所述文本庫中的出現概率計算所述候選關鍵詞的互信息；通過如下方式計算所述候選關鍵詞的互信息：

其中，所述MI(X₁,...,X_N)表示所述候選關鍵詞的互信息，所述P(X₁,...,X_N)表示候選關鍵詞X₁,...,X_N內的字符X₁,...,X_N在所述文本庫中的出現概率，所述P(X₁)表示所述候選關鍵詞X₁,...,X_N內的字符X₁在所述文本庫中的出現概率，所述P(X_N)表示所述候選關鍵詞X₁,...,X_N內的字符X_N在所述文本庫中的出現概率。

7.一種機器人，其特征在于，包括：

接收模塊，用于接收用戶發送的問題，將所述問題轉化格式文本，并對所述格式文本進行分詞，得到關鍵詞詞集；

處理模塊，用于將所述關鍵詞詞集中的關鍵詞輸入到預先建立好的機器學習模型中，得到與所述關鍵詞相匹配的答案；

輸出模塊，用于輸出所述答案。

8.根據權利要求7所述的機器人，其特征在于，所述處理模塊包括：

分詞單元，用于對所述格式文本進行分詞和去停用詞，得到候選詞詞集；

處理單元，用于確定與所述候選詞詞集中的候選詞相應的預設關鍵詞；

聚合單元，用于將所述預設關鍵詞聚合構成關鍵詞詞集。

9.一種機器人，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6任一項所述的方法的步驟。