[發(fā)明專(zhuān)利]機(jī)器人自調(diào)節(jié)的方法、裝置、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010560708.8
• 申請(qǐng)日: 2020-06-18
• 公開(kāi)（公告）號(hào): CN111724173A
• 公開(kāi)（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 黃文強(qiáng);季蘊(yùn)青;胡路蘋(píng);胡瑋;黃雅楠;胡傳杰;浮晨琪;李蚌蚌;申亞坤;徐晨敏
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)銀行股份有限公司
• 主分類(lèi)號(hào): G06Q30/00
• 分類(lèi)號(hào): G06Q30/00;G06N3/08;G06N3/02;G10L25/63;B25J9/16
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李慧引

1.一種機(jī)器人自調(diào)節(jié)的方法，其特征在于，包括：

獲取用戶(hù)的行為數(shù)據(jù)以及用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容；其中，所述用戶(hù)的行為數(shù)據(jù)包括用戶(hù)歷史購(gòu)買(mǎi)記錄、用戶(hù)當(dāng)前購(gòu)買(mǎi)的產(chǎn)品信息和用戶(hù)購(gòu)買(mǎi)產(chǎn)品時(shí)所花費(fèi)的時(shí)間；

將所述用戶(hù)的行為數(shù)據(jù)輸入至用戶(hù)性格的分析模型中，得到所述用戶(hù)的性格信息；其中，所述用戶(hù)性格的分析模型由多個(gè)訓(xùn)練樣本用戶(hù)各自對(duì)應(yīng)的歷史購(gòu)買(mǎi)記錄、當(dāng)前購(gòu)買(mǎi)的產(chǎn)品信息和購(gòu)買(mǎi)產(chǎn)品時(shí)所花費(fèi)的時(shí)間對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到；

根據(jù)所述用戶(hù)的性格信息，分析得到機(jī)器人針對(duì)所述用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容的反饋信息；其中，所述反饋信息包括：針對(duì)所述用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容，機(jī)器人需反饋的文字信息以及機(jī)器人反饋文字信息時(shí)的交流方式；所述交流方式包括交流語(yǔ)調(diào)和交流語(yǔ)速；

將所述機(jī)器人需反饋的文字信息，按照所述機(jī)器人反饋文字信息時(shí)的交流方式轉(zhuǎn)換成對(duì)應(yīng)的語(yǔ)音信息展示給用戶(hù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶(hù)性格的分析模型的構(gòu)建方法，包括：

根據(jù)預(yù)設(shè)的初始樣本參數(shù)，建立初始神經(jīng)網(wǎng)絡(luò)模型，并將所述初始神經(jīng)網(wǎng)絡(luò)模型確定為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型；

將訓(xùn)練樣本集中的數(shù)據(jù)輸入至所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前用戶(hù)的性格信息；其中，所述訓(xùn)練樣本集包括多個(gè)訓(xùn)練樣本；所述訓(xùn)練樣本為用戶(hù)各自對(duì)應(yīng)的歷史購(gòu)買(mǎi)記錄、當(dāng)前購(gòu)買(mǎi)的產(chǎn)品信息和購(gòu)買(mǎi)產(chǎn)品時(shí)所花費(fèi)的時(shí)間；

比較所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前用戶(hù)的性格信息和所述訓(xùn)練樣本集中對(duì)應(yīng)的真實(shí)的用戶(hù)的性格信息，得到比較結(jié)果；

根據(jù)所述比較結(jié)果，判斷所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確率是否滿足準(zhǔn)確率要求；

若判斷出所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率不能滿足所述準(zhǔn)確率要求，則更新當(dāng)前神經(jīng)網(wǎng)絡(luò)模型中的樣本參數(shù)，得到更新后的神經(jīng)網(wǎng)絡(luò)模型；

將所述更新后的神經(jīng)網(wǎng)絡(luò)模型作為當(dāng)前神經(jīng)網(wǎng)絡(luò)模型，返回執(zhí)行所述將所述訓(xùn)練樣本集中的數(shù)據(jù)輸入至所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前用戶(hù)的性格信息；

若判斷出所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率滿足所述準(zhǔn)確率要求，則將所述當(dāng)前神經(jīng)網(wǎng)絡(luò)模型確定為所述用戶(hù)性格的分析模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶(hù)的性格信息包括主要性格信息和次要性格信息，所述根據(jù)所述用戶(hù)的性格信息，分析得到機(jī)器人針對(duì)所述用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容的反饋信息，包括：

根據(jù)用戶(hù)的主要性格信息，確定機(jī)器人針對(duì)用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容，所需要采用的交流語(yǔ)調(diào)；

根據(jù)用戶(hù)的次要性格信息，確定機(jī)器人針對(duì)用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容，所需要采用的交流語(yǔ)速、以及需要反饋的文字信息；

將所述機(jī)器人在交流過(guò)程中的需要采用的交流語(yǔ)調(diào)、交流語(yǔ)調(diào)以及需反饋的文字信息生成反饋信息。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶(hù)的性格信息包括主要性格信息和次要性格信息，所述根據(jù)所述用戶(hù)的性格信息，分析得到機(jī)器人針對(duì)所述用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容的反饋信息，包括：

結(jié)合用戶(hù)的主要性格信息和用戶(hù)當(dāng)前的語(yǔ)音內(nèi)容，確定機(jī)器人針對(duì)用戶(hù)的當(dāng)前的語(yǔ)音內(nèi)容，所需要采用的交流語(yǔ)調(diào)；

根據(jù)用戶(hù)的次要性格信息以及所述機(jī)器人需要采用的交流語(yǔ)調(diào)，確定機(jī)器人需要采用的交流語(yǔ)速，以及需要反饋的文字信息；

將所述機(jī)器人在交流過(guò)程中的需要采用的交流語(yǔ)調(diào)、交流語(yǔ)調(diào)以及需要反饋的文字信息生成反饋信息。