[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

本申請實施例公開了一種機器人及其回答問題的方法、存儲介質，其中方法包括步驟：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。上述機器人，通過將接收的問題進行分詞，得到與問題相應的關鍵詞，再在機器學習模型中對關鍵詞進行機器學習，得到與所述關鍵詞相匹配的答案。本發明實施例中機器人發送至用戶的答案不僅是與問題相關的答案，而且是當前最有可能被用戶問題的答案，這樣大大提高了問題和答案匹配成功的概率，提升了回答問題的準確率。

技術領域

本發明涉及語音交互技術領域，特別涉及一種機器人及其回答問題的方法、 存儲介質。

背景技術

機器人是目前非常熱的一個人工智能研發與產品方向。其中最常見的一種 是機器人為機器學習式機器人。機器學習式機器人指的事先存在一個對話庫， 聊天系統接收到用戶輸入句子后，通過在對話庫中以搜索匹配的方式進行應答 內容提取，很明顯這種方式對對話庫要求很高，需要對話庫足夠大，能夠盡量 多地匹配用戶問句，否則會經常出現找不到合適回答內容的情形，因為在真實 場景下用戶說什么都是可能的，但是它的好處是回答質量高，因為對話庫中的 內容都是真實的對話數據，表達比較自然。

對于特定領域的機器學習式機器人，業內會采用文本分類的方法，即預先 設定好回答，當機器人接收到問題時，輸出預先設定好的回答。存在的缺陷是 當機器人接收到的問題很長，問題對應了好幾個預先設定的回答時，機器人的 表現通常不會理想。

發明內容

本發明實施例提供了一種機器人及其回答問題的方法、存儲介質。當機器 人接收到的問題很長時，該機器人發送至用戶的答案不僅是與問題相關的答案， 而且是當前最有可能被用戶問題的答案，這樣可提高問題和答案匹配成功的概 率，提升了回答問題的準確率。

第一方面，本申請提供了一種機器人回答問題的方法，該方法包括步驟： 首先，機器人接收用戶發送的問題，將所述問題轉化格式文本；接著，機器人 對所述格式文本進行分詞，得到關鍵詞詞集；接著，機器人將所述關鍵詞詞集 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；最后，機器人輸出所述答案。

一種實施方式中，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關鍵詞詞集。

一種實施方式中，機器人依次按照句號、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。

一種實施方式中，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。

一種實施方式中，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。

一種實施方式中，該方法還包括：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：