[发明专利]一种可自定义的智能咨询平台生成系统

摘要

本发明提供一种可自定义的智能咨询平台生成系统，包括三维数字人建模单元、存储单元、汉语问答引擎单元、汉语问答背景去噪单元、虚拟人驱动引擎、虚拟人展示单元、多媒体数据库、数字多媒体展示单元、多媒体数据库管理单元、多媒体数据库管理子单元、云数据库单元、远程客户端等，该系统应用广泛、触摸式人机交互因其界面友好、操作简单、体验性强。

主权项

一种可自定义的智能咨询平台生成系统，其特征在于，包括：三维数字人建模单元，用于构造虚拟人模型，进行人体建模和显示，并建立人体的各种运动库；存储单元，用于存储三维数字人建模单元构造的虚拟人模型和建立的人体的各种运动库数据；汉语问答引擎单元，用于汉语语言交互问答，用户输入的问题文本进入该引擎，该引擎智能搜索数据库中问题集并反馈找到问题对应的文本答案，同时将语义传递给数字人驱动引擎；汉语问答背景去噪单元，用于从输入的问题文本中获得与输入的问题文本同步的输入背景噪声，对输入背景噪声进行分析，进行输入背景噪声平滑处理，得到输入背景噪声，基于综合加权算法，获得噪声时间控制比例，添加噪声权重值因子，计算输入背景噪声的噪声同步时间；数字人驱动引擎，与知识库组织结构相关，用于采用领域层次知识组织形式，多叉树层次智能检索算法，语义匹配方面采用基于最大关键词有序序列的加权语句相似度算法和/或基于概念对象模型的问句相似度算法；问答知识自动采集单元，用于在用户咨询过程中收集用户问题，如果用户的问题在系统中不存在，则记录这些问题并提交相应的专家解决；还用于计算问题集中问题的访问频率，在问句检索时优先检索用户访问频率高的问题；还用于将采集的数据传输到多媒体数据库；虚拟人驱动引擎单元，用于驱动虚拟人动作，所述虚拟人驱动引擎单元通过语言问答引擎输出的语义对虚拟人驱动，根据回答的文字语言，进行口型匹配，并伴有肢体动作，其中所述虚拟人驱动引擎单元与数据库中动画库组织结构相关，发音口型根据文字发声的声母和韵母发声口型，提取口型运动、手势和动作数据，根据人体捕捉动画数据采用算法使提取的数据自动合成，使虚拟人能够与用户进行动作、表情、手势上交互；多媒体数据库，用于存储口型动画数据、手势动画数据、领域知识数据和/或多媒体数据；还用于接收来自问答知识自动采集单元采集的数据，并存储；还用于将存储的所有数据以无线的方式传递给云数据库单元，并且能够从云数据库单元下载备份数据；数字多媒体展示单元，用于兼容显示数字多媒体，所述数字多媒体为文本、图像、视频、和/或flash动画，数字多媒体展示模块与多媒体数据库相关联，在进行问答咨询时根据汉语问答引擎单元返回的答案内容调用相应的多媒体数据，在系统空闲时展示设定的内容或随机显示多媒体数据库中的内容；多媒体数据库管理单元，用于管理口型动画数据、手势动画数据、领域知识数据和/或多媒体数据，并用于建立层次结构的领域关键词库，并根据虚拟人手势与口型动画按照相关性与知识库建立映射关系；多媒体数据库管理子单元，用于根据展示的需求，基于所述输入背景噪声的噪声同步时间选择控制添加输入背景噪声和/或添加背景图像；云数据库单元，用于接收来自多媒体数据库传输的所述存储的所有数据，并将接收来自多媒体数据库传输的所述存储的所有数据存储后作为备份数据，供远程客户端和/或多媒体数据库下载；远程客户端，用于远程控制系统中的各个单元和引擎；还用于下载云数据库单元中存储的数据，进行自定义编辑，将自定义编辑后的数据回传至云数据库单元和/或多媒体数据库，对云数据库单元和多媒体数据库的数据进行更新；其中所述语义匹配方面采用基于概念对象模型的问句相似度算法，具体为通过分析领域问句特点从中抽取领域概念、领域对象、概念属性和对象属性、及它们之间的关系，得到领域概念集合、领域对象集合、属性集合及关系集合，经分析关系集合中的关系定义关系的表示形式，其中概念与属性之间的关系、概念与概念间的继承关系、概念与对象之间的关系分别单独表示，最后建立领域概念对象模型，具体如下：抽取领域概念，建立领域概念集合Concepts＝{C1,C2,…Cn}；抽取领域对象，建立领域对象集合Objects＝{O1,O2,…,Om}；抽取概念属性和对象属性，建立属性集合Attributes＝{A1,A2,…,Ak}；抽取领域概念、领域对象、概念属性和对象属性之间的关系，建立关系集合Relations＝{R1,R2,…,Rl}；定义概念、属性和对象之间的关系、概念与属性之间的关系、概念与概念间的继承关系、概念与对象之间的关系和其他关系的表示形式，建立领域概念对象模型；其中，问句相似度计算分解为问句包含的对象之间的相似度计算、对象属性之间的相似度计算、对象关系之间的相似度计算、其余部分相似度计算四部分；其中各部分的计算均看作是对应的两个集合的相似度计算，依次从一个集合中选取一个元素分别与另一个集合中的元素计算相似度，挑选出最大相似度的元素对，循环直到第一个集合为空；然后把挑选出的这些元素对的相似度相加，除以第一个集合包含的元素个数；最后将分别以两个集合为基础计算的结果平均得到两个集合的相似度，问句之间的相似度计算由四部分计算结果加权计算得到；问句的相似度计算具体为：对象部分相似度计算：SIMqobj(Qobj′,Qobj)=12(1n1Σu=1n1max1<v<m(sim(Ou,Ov))+1m1Σv=1m1max1<v<n(sim(Ou,Ov)))]]>式中sim(Ou,Ov)为对象Ou和Ov的相似度，如果为同一个对象，其值为1，否则为0，Ou和Ov分别是Q'obj,Qobj中的关系，n1和m1分别是Q'obj,Qobj中关系的个数；属性部分相似度计算：SIMqatt(Qatt′,Qatt)=12(1n2Σu=1n2max1<v<m(sim(Au,Av))+1m2Σv=1m2max1<u<n(sim(Au,Av)))]]>式中sim(Au,Av)为属性Au和属性Av的相似度，如果为同一个属性，其值为1，否则为0，属性Au和属性Av分别是Q'att,Qatt中的关系，n2和m2分别是Q'att,Qatt中关系的个数；关系之间的相似度计算：SIMqrel(Qrel′,Qrel)=12(1n3Σu=1n3max1<v<m(sim(Ru,Rv))+1m3Σv=1m3max1<u<n(sim(Ru,Rv)))]]>式中sim(Ru,Rv)为关系Ru和关系Rv的相似度，如果为同一个关系，其值为1否则为0，Ru和Rv分别是Q′rel,Qrel中的关系，n3和m3分别是Q′rel,Qrel中关系的个数；其余部分相似度计算：SIMqres(Qres′,Qres)=12(1n4Σu=1n4max1<v<m(sim(Wu,Wv))+1m4Σv=1m4max1<u<n(sim(Wu,Wv)))]]>式中sim(Wu,Wv)为词Wu和词Wv的相似度，其计算方法基于语义计算方式，Wu和Wv分别是Q′res和Qres中的词，n4和m4分别是Q′rest和Qrest中词的个数；步骤4.5：最终问句的相似度计算：SIM(Q',Q)＝a1SIMqobj(Q'obj,Qobj)+a2SIMqatt(Q'att,Qatt)+a3SIMqrel(Q′rel,Qrel)+a4SIMqres(Q′res,Qres)其中，a1+a2+a3+a4＝1，a1，a2，a3，a4分别代表各相似度的分配系数。