[发明专利]一种基于系统功能语法的机器人应答方法及装置

说明书

本发明实施例提供了一种基于系统功能语法的机器人应答方法及装置，该方法包括：从预设的知识库中采用问题检索方法检索接收到的目标问题，如果检索到目标问题存在预设的知识库中，则从知识库中选取与目标问题相似度最高的问题作为匹配问题，再从知识库中搜索与匹配问题对应的应答，记为第一应答；根据第一机器人属性对应的系统功能语法特征，对第一应答进行优化，得到优化后的应答，记为目标应答；将目标应答输出至与目标问题对应的当前会话将第一应答输出至与目标问题对应的当前会话，当前会话指第一应答用于回答目标问题的会话。应用本发明实施例能够提高应答问题的准确度。

技术领域

本发明涉及系统功能语言学、自然语言处理与智能问答技术领域，特别是涉及一种基于系统功能语法的机器人应答方法及装置。

背景技术

互联网时代，信息呈现爆炸式增长趋势。面对如此海量的数据，如何帮助人们更好的寻找信息、识别信息，成为信息检索领域的重中之重。

基于上述问题，在当前互联网环境非结构化知识大规模增长的情况下，智能问答机器人也在实际的各领域的信息服务系统以及社会生活中得到愈发广泛的应用。其作为问答系统重要的实现方式之一，除了需要能够给出精准的答案，还需要具有流畅自然的问答对话能力、精准的语义分析能力、丰富的上下文场景以及强大的自我学习能力，理解用户需求，促进人机交互方式的发展。

然而，现有智能问答中，搜索引擎会按照用户的查询请求返回一串链接，每个链接指向一个文档并配有一段摘要信息，用户需要逐个浏览返回链接列表所对应的文档，以寻找自己期望的信息。但筛选文档的过程往往会消耗用户很多时间，因为用户通常需要的只是具体答案而非整篇文档。即由搜索引擎返回的大量信息只有少部分是用户需要的，这就带来了信息过载的问题。

智能问答机器人多是基于匹配方式，依托预存储目标问题和答案对的知识库，在获取用户输入的目标问题后，对该目标问题进行特征化表示，并将特征化表示后的目标问题输入到预先训练好的机器学习模型中，输出与该目标问题最接近的应答并将其进行展示，其中，该机器学习模型用于计算输入目标问题与数据库中目标问题的相似度，预测最接近的目标问题。但是这种完全基于匹配的方式由于没有考虑目标问题本身的基本言语功能，因此无法作出符合功能语法的应答，不管针对什么目标问题，只要关键特征提取的相同，便会输出千篇一律的应答，因此造成应答目标问题的准确度较低，影响用户的使用体验。

发明内容

本发明实施例的目的在于提供一种基于系统功能语法的机器人应答方法及装置，以提高应答问题准确度。具体技术方案如下：

一种基于系统功能语法的机器人应答方法，应用于智能问答系统，所述方法包括：

从预设的知识库中采用问题检索方法检索接收到的目标问题，其中，所述目标问题为当前用户输入的问题；

如果检索到所述目标问题存在预设的知识库中，则从所述知识库中选取与所述目标问题相似度最高的问题作为匹配问题，再从所述知识库中搜索与所述匹配问题对应的应答，记为第一应答；

根据第一机器人属性对应的系统功能语法特征，对所述第一应答进行优化，得到优化后的应答，记为目标应答，以使应答更加符合问答上下文语义，所述第一机器人属性是所述智能问答系统未被初始化对应的机器人属性，所述机器人属性包括互动属性、认知属性和正式属性。

进一步地，在所述将所接收的目标问题转发到预设的机器人综合应答模块之前，所述方法还包括：

获取按照机器人属性分类对目标语料数据标注后的目标语料数据，所述目标语料数据是从预设领域中获取的语料数据；

将标注后的目标语料数据输入到预设的卷积神经网络进行训练，通过深度学习，获得训练后的机器人属性分类模型；所述机器人属性分类模型是通过标注后的目标语料数据作为训练集，利用所述训练集对卷积神经网络进行训练，通过深度学习，获得训练后的模型；