[发明专利]一种聊天机器人的问题答复方法及装置

说明书

本发明公开了一种聊天机器人的问题答复方法及装置，涉及机器人领域，能够解决现有技术中由于聊天机器人回答人设问题时答复的不可控导致人机交互的体验较差的问题。本发明的方法主要包括：利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。发明主要适用于设置聊天机器人对人设问题的答复的场景中。

技术领域

本发明涉及智能机器人技术领域，尤其涉及一种聊天机器人的问题答复方法及装置。

背景技术

聊天机器人是一种用来模拟人类对话或聊天的机器人，其能够通过对聊天文本进行分析并给出对应的答复。在科技日益发展的今天，聊天机器人作为一种新兴的人机交互方式，通过一些设定的策略，能够使用户通过自然语言与其进行交流沟通；设置比较完善的聊天机器人甚至能够让人类意识不到是在与机器进行交流。

在用户和聊天机器人的交流语句中，有一类语句是询问机器人自身信息的语句，如询问聊天机器人的名字、年龄及性别等内容的问题。并且经研究表明，如果聊天机器人答复该类问题时能够给予正确的答案，那么就会显得聊天机器人更为智能，使得人机交互的体验更加良好。

早期聊天机器人是通过模板和规则对其进行训练，即配置指定格式的配置文件，使聊天机器人对其进行解析，进而进行策略的构建，而后在接收到的触发了规则的用户语句时即可进行相应地回复。其中，可以为用户语句中的人设文本数据配置相应的规则，若聊天机器人接收到的人设语音问题符合该规则，聊天机器人则产生相应的预设答复语句。通过这种策略输出的答复语句虽然精确度高，但是覆盖率很低，提问语句的变换会导致聊天机器人无法做出正确的答复，使用户无法聊天机器人进行灵活沟通，进而导致人机交互的体验较差。

为了增加聊天机器在沟通过程中的灵活性，目前较为常用的是通过序列到序列(Sequence to Sequence，Seq2Seq)模型对聊天机器人进行训练，收集大量聊天问答作为聊天机器人在机器学习过程中的训练数据。并且基于Seq2Seq模型接收一个输入文本即会得到一个相关的输出文本的特性，经过训练后的聊天机器人生成的答复会具有百分之百的覆盖率。但是，由于Seq2Seq模型是基于统计的方法来对问题产生对应的答案，基于该模型训练的聊天机器人在答复人设问题的过程中，其产生的答复语句具有不可控性。例如，当用户提问“你的职业是什么”时，聊天机器人的答复为“教师”；当用户再次提问“你会做什么”时，聊天机器人的答复是“作家”；而当用户第三次提问“你的工作是什么”时，聊天机器人的答复是“医生”；以此类推，针对相同的问题，聊天机器人每次的答复语句都完全不一样，无法像人类一样对相同的问题做出相同的回答，因此也大大降低了人机交互的体验感。

发明内容

有鉴于此，本发明实施例提供了一种聊天机器人的问题答复方法及装置，主要目的是提高聊天机器人回答人设问题时答复的可控性，进而提高人机交互的体验。

为了解决上述问题，本发明主要提供如下技术方案：

第一方面，本发明提供了一种聊天机器人的问题答复方法，该方法包括以下步骤：

利用使用神经网络训练过的问题分类器判断用户输入的问题语句是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；

当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。

第二方面，本发明提供了一种聊天机器人的问题答复装置，该装置包括：

判断单元，用于利用基于神经网络训练过的问题分类器判断用户输入的问题是否为人设问题，其中，所述人设问题为针对所述聊天机器人人物设定的问题语句；

匹配单元，用于当确定所述问题语句为人设问题时，利用第一答复模型为所述问题语句匹配对应的答复语句。