本發(fā)明屬于智能機(jī)器人領(lǐng)域，尤其設(shè)計(jì)一種智能機(jī)器人的個(gè)性化交互方法及交互系統(tǒng)。

背景技術(shù)：

智能機(jī)器人被廣泛應(yīng)用于多模態(tài)交互中。例如被用于與用戶的對(duì)話交互中，智能機(jī)器人接收用戶的問題，從知識(shí)庫中搜索與用戶的問題匹配的答案，然后將答案反饋給用戶。

上述交互過程中存在的主要問題是，對(duì)于同一個(gè)問題，智能機(jī)器人通常會(huì)輸出相同的答案，因?yàn)闄C(jī)器人與用戶之間的交互是基于對(duì)問題的查詢實(shí)現(xiàn)的。而實(shí)際中在人與人之間進(jìn)行交互時(shí)，往往會(huì)根據(jù)交互對(duì)象的不同，對(duì)于同一個(gè)問題給出不同的應(yīng)答。也就是說，現(xiàn)有聊天機(jī)器人與用戶之間的對(duì)話模式并不符合實(shí)際中人們的交互習(xí)慣。

本發(fā)明針對(duì)上述問題提出解決方案以提高智能機(jī)器人的類人性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題之一是需要提供一種提高智能機(jī)器人的類人性的解決方案。

為了解決上述技術(shù)問題，本申請(qǐng)的實(shí)施例首先提供了一種智能機(jī)器人的個(gè)性化交互方法，包括接收用戶輸入的對(duì)話交互信息，并對(duì)所述對(duì)話交互信息進(jìn)行解析；獲取用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息；將對(duì)話交互信息的解析結(jié)果與所述用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息輸入到對(duì)話生成模型中生成應(yīng)答信息；以多模態(tài)形式輸出所述應(yīng)答信息。

優(yōu)選地，基于用戶的歷史交互數(shù)據(jù)進(jìn)行分析以獲取用戶屬性信息。

優(yōu)選地，所述用戶屬性信息包括用戶的性格、年齡、性別和情緒；所述機(jī)器人屬性信息包括機(jī)器人的性格和性別；所述環(huán)境信息包括時(shí)間、地點(diǎn)和溫度。

優(yōu)選地，所述對(duì)話生成模型包括對(duì)話編碼層與應(yīng)答解碼層，所述將對(duì)話交互信息的解析結(jié)果與所述用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息輸入到對(duì)話生成模型中生成應(yīng)答信息，包括：對(duì)話編碼層對(duì)所述對(duì)話交互信息的解析結(jié)果與所述用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息進(jìn)行語義理解，并基于語義理解生成問題向量；應(yīng)答解碼層根據(jù)所述問題向量生成應(yīng)答信息。

優(yōu)選地，所述對(duì)話編碼層與應(yīng)答解碼層均采用遞歸神經(jīng)網(wǎng)絡(luò)。

本申請(qǐng)的實(shí)施例還提供了一種智能機(jī)器人的個(gè)性化交互系統(tǒng)，包括：對(duì)話接收與解析模塊，其接收用戶輸入的對(duì)話交互信息，并對(duì)所述對(duì)話交互信息進(jìn)行解析；外部信息獲取模塊，其獲取用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息；應(yīng)答信息生成模塊，其將對(duì)話交互信息的解析結(jié)果與所述用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息輸入到對(duì)話生成模型中生成應(yīng)答信息；應(yīng)答輸出模塊，其以多模態(tài)形式輸出所述應(yīng)答信息。

優(yōu)選地，所述外部信息獲取模塊基于用戶的歷史交互數(shù)據(jù)進(jìn)行分析以獲取用戶屬性信息。

優(yōu)選地，所述用戶屬性信息包括用戶的性格、年齡、性別和情緒；所述機(jī)器人屬性信息包括機(jī)器人的性格和性別；所述環(huán)境信息包括時(shí)間、地點(diǎn)和溫度。

優(yōu)選地，所述應(yīng)答信息生成模塊的對(duì)話生成模型包括對(duì)話編碼層與應(yīng)答解碼層，其中，對(duì)話編碼層對(duì)所述對(duì)話交互信息的解析結(jié)果與所述用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息進(jìn)行語義理解，并基于語義理解生成問題向量；應(yīng)答解碼層根據(jù)所述問題向量生成應(yīng)答信息。

優(yōu)選地，所述對(duì)話編碼層與應(yīng)答解碼層均采用遞歸神經(jīng)網(wǎng)絡(luò)。

與現(xiàn)有技術(shù)相比，上述方案中的一個(gè)或多個(gè)實(shí)施例可以具有如下優(yōu)點(diǎn)或有益效果：

通過采用遞歸神經(jīng)網(wǎng)絡(luò)建立個(gè)性化對(duì)話生成模型，并通過獲取用戶屬性信息、機(jī)器人屬性信息以及環(huán)境信息作為共同的輸入信息來得到應(yīng)答交互信息，實(shí)現(xiàn)了智能機(jī)器人的個(gè)性化應(yīng)答，使得聊天機(jī)器人的回復(fù)更富有個(gè)性化特征，完善了用戶體驗(yàn)。

本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)，和特征在某種程度上將在隨后的說明書中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過下面的說明書，權(quán)利要求書，以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

附圖說明

附圖用來提供對(duì)本申請(qǐng)的技術(shù)方案或現(xiàn)有技術(shù)的進(jìn)一步理解，并且構(gòu)成說明書的一部分。其中，表達(dá)本申請(qǐng)實(shí)施例的附圖與本申請(qǐng)的實(shí)施例一起用于解釋本申請(qǐng)的技術(shù)方案，但并不構(gòu)成對(duì)本申請(qǐng)技術(shù)方案的限制。

圖1為根據(jù)本發(fā)明一實(shí)施例的智能機(jī)器人的個(gè)性化交互方法的流程示意圖；

圖2為根據(jù)本發(fā)明一實(shí)施例的個(gè)性化對(duì)話生成模型的結(jié)構(gòu)示意圖；

圖3為根據(jù)本發(fā)明另一實(shí)施例的智能機(jī)器人的個(gè)性化交互系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

以下將結(jié)合附圖及實(shí)施例來詳細(xì)說明本發(fā)明的實(shí)施方式，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來解決技術(shù)問題，并達(dá)成相應(yīng)技術(shù)效果的實(shí)現(xiàn)過程能充分理解并據(jù)以實(shí)施。本申請(qǐng)實(shí)施例以及實(shí)施例中的各個(gè)特征，在不相沖突前提下可以相互結(jié)合，所形成的技術(shù)方案均在本發(fā)明的保護(hù)范圍之內(nèi)。

現(xiàn)在市場(chǎng)上的聊天機(jī)器人，其技術(shù)主要依賴于基于對(duì)知識(shí)庫的檢索進(jìn)行應(yīng)答的方式。雖然這種基于檢索的方式能夠保證了回復(fù)具有較高的準(zhǔn)確率，但是由于知識(shí)庫的限制，導(dǎo)致機(jī)器人覆蓋的知識(shí)面太窄，而且更重要的是機(jī)器人在面對(duì)不同特質(zhì)的用戶時(shí)往往表現(xiàn)出一樣的反應(yīng)。并且機(jī)器人的屬性特征是不能調(diào)節(jié)的，這意味著用戶所購買的機(jī)器人產(chǎn)品更像是一個(gè)玩具，而不是一個(gè)朋友，導(dǎo)致用戶體驗(yàn)較差。本發(fā)明提出了一種基于智能機(jī)器人的交互方法，下面結(jié)合實(shí)施例詳細(xì)說明。

圖1為根據(jù)本發(fā)明一實(shí)施例的智能機(jī)器人的個(gè)性化交互方法的流程示意圖，如圖所示，該個(gè)性化交互方法包括以下步驟：

步驟S110、接收用戶輸入的對(duì)話交互信息，并對(duì)接收到的對(duì)話交互信息進(jìn)行解析。

步驟S120、獲取用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息。

步驟S130、將對(duì)話交互信息的解析結(jié)果與用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息輸入到對(duì)話生成模型中生成應(yīng)答信息。

步驟S140、以多模態(tài)形式輸出應(yīng)答信息。

具體的，在步驟S110中，用戶與智能機(jī)器人進(jìn)行語音交互，智能機(jī)器人接收用戶輸入的對(duì)話交互信息，同時(shí)啟動(dòng)內(nèi)部的NLP模塊對(duì)對(duì)話交互信息進(jìn)行解析，初步獲取用戶傳遞給智能機(jī)器人的指令或向智能機(jī)器人提出的問題。

在步驟S120中，獲取用于生成應(yīng)答的輔助信息。

用戶屬性信息是表明用戶身份特征以及性格特征等的信息。具體可以包括用戶的性格、年齡、性別和情緒等。

現(xiàn)有技術(shù)中的主要問題是不能針對(duì)具有不同特質(zhì)的用戶做出有區(qū)別的應(yīng)答，在本發(fā)明實(shí)施例中，通過用戶屬性信息(性別、年齡)可以判斷用戶是男是女，判斷用戶處于哪個(gè)年齡段，即基本定位用戶所屬的群體的特征。通過用戶屬性信息(性格)還可以判斷用戶的性格特質(zhì)。進(jìn)一步通過用戶屬性信息(情緒)判斷用戶在與智能機(jī)器人交互的當(dāng)前過程中的情緒，是傷心、愉快、憤怒、恐懼等。

需要注意的是，上述實(shí)施例中的用戶屬性信息只是用于舉例說明本發(fā)明實(shí)施例的實(shí)施方式，并不是窮舉，只要能夠表明用戶特質(zhì)的信息均可以作為用戶屬性信息被使用。例如用戶的職業(yè)信息，用戶的健康信息，用戶的交友信息等都可以作為用戶屬性信息。

用戶屬性信息可以是在用戶與智能機(jī)器人交互的當(dāng)前過程中直接獲取的，例如智能機(jī)器人通過接收用戶發(fā)出的多模態(tài)輸入信息獲取用戶屬性信息。

另外，智能機(jī)器人還可以通過對(duì)用戶的歷史交互數(shù)據(jù)進(jìn)行分析來獲取用戶屬性信息。主要是指，智能機(jī)器人調(diào)用存儲(chǔ)在庫中的用戶交互數(shù)據(jù)。

當(dāng)然，容易理解的是，采用的用戶屬性信息越豐富，智能機(jī)器人的交互能力就越強(qiáng)，用戶的體驗(yàn)性越好，但會(huì)相對(duì)增加智能機(jī)器人系統(tǒng)的成本，這需要根據(jù)實(shí)際的需求進(jìn)行取舍。

機(jī)器人屬性信息是一種使機(jī)器人具有類人性的設(shè)定屬性?？梢园C(jī)器人的性格和性別，這兩個(gè)屬性信息可以參照用戶屬性信息中用的性別和性格信息，只不過智能機(jī)器人屬性信息中的性別和性格信息是通過人為設(shè)定得到的。

通過給智能機(jī)器人設(shè)定屬性信息，相當(dāng)于提高了智能機(jī)器人擬人化程度，擬人化會(huì)使智能機(jī)器人更了解用戶的特質(zhì)、習(xí)慣等?，F(xiàn)有技術(shù)中的機(jī)器人對(duì)用戶的問題的應(yīng)答主要是針對(duì)用戶的具體問題的，對(duì)于用戶的了解并不深入且缺乏對(duì)應(yīng)性。

環(huán)境信息是表明用戶與智能機(jī)器人交互時(shí)的空間、時(shí)間因素的影響的屬性信息。環(huán)境信息可以包括時(shí)間、地點(diǎn)和溫度等。如用戶屬性信息一樣，此處并不是對(duì)環(huán)境信息的窮舉，只是用于舉例說明本發(fā)明實(shí)施例的實(shí)施方式。

例如時(shí)間信息即可以是日期、時(shí)分等信息，也可以是節(jié)假日、紀(jì)念日等信息，甚至可以是近期發(fā)生的重要事件信息等。同樣的，采用的環(huán)境信息越豐富，智能機(jī)器人的交互能力就越強(qiáng)，用戶的體驗(yàn)性越好，但會(huì)相對(duì)增加智能機(jī)器人系統(tǒng)的成本，需要根據(jù)實(shí)際的需求進(jìn)行取舍。

通過引入用戶屬性信息、機(jī)器人屬性信息以及外部環(huán)境信息等個(gè)性化特征，使得智能機(jī)器人能夠針對(duì)特定的人、事、物做出更富有個(gè)性化特征的回復(fù)，完善了用戶體驗(yàn)。

在步驟S130中，在收集到用戶問題和一系列屬性特征之后，將這些信息作為對(duì)話生成模型的模型輸入，然后利用對(duì)話生成模型生成個(gè)性化回復(fù)。下面首先介紹對(duì)話生成模型。

不同于現(xiàn)有技術(shù)中的基于知識(shí)庫中搜索的應(yīng)答生成方式，在本發(fā)明的實(shí)施例中建立了一個(gè)對(duì)話生成模型。即當(dāng)用戶提問問題時(shí)，根據(jù)用戶的問題基于訓(xùn)練好的對(duì)話生成模型生成答案，而不像原來的問答系統(tǒng)是基于知識(shí)庫匹配的方法返回答案，并且在生成的過程中是基于提問問題根據(jù)知識(shí)庫檢索生成答案，其主要解決了當(dāng)知識(shí)庫中的問題有限的情況下無答案返回的情況。

對(duì)話生成模型接收用戶與智能機(jī)器人之間的對(duì)話交互信息的解析結(jié)果，可以是用于指示的指令，也可以是發(fā)出的問題，此外，對(duì)話生成模型還接收用戶屬性信息、機(jī)器人屬性信息以及外部環(huán)境信息，并基于這些信息進(jìn)行綜合分析來生成回復(fù)。

在本發(fā)明的一個(gè)實(shí)施例中，對(duì)話生成模型由對(duì)話編碼層與應(yīng)答解碼層組成，其中，對(duì)話編碼層對(duì)對(duì)話交互信息的解析結(jié)果與用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息進(jìn)行語義理解，并基于語義理解的結(jié)果生成問題向量。該問題向量就是基于用戶輸入的問題的語義表示。應(yīng)答解碼層根據(jù)對(duì)話編碼層生成的問題向量生成應(yīng)答信息。

在本發(fā)明的一個(gè)實(shí)施例中，采用遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network，RNN)構(gòu)建對(duì)話編碼層與應(yīng)答解碼層。

遞歸神經(jīng)網(wǎng)絡(luò)的目的主要用來處理序列數(shù)據(jù)。在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型中，是從輸入層到隱含層再到輸出層，層與層之間是全連接的，每層之間的節(jié)點(diǎn)是無連接的。但是這種普通的神經(jīng)網(wǎng)絡(luò)對(duì)于很多問題卻無能無力。例如，如果要預(yù)測(cè)句子的下一個(gè)單詞是什么，一般需要用到前面的單詞，因?yàn)橐粋€(gè)句子中前后單詞并不是獨(dú)立的。

RNN中一個(gè)序列當(dāng)前的輸出與前面的輸出也有關(guān)。具體的表現(xiàn)形式為網(wǎng)絡(luò)會(huì)對(duì)前面的信息進(jìn)行記憶并應(yīng)用于當(dāng)前輸出的計(jì)算中，即隱藏層之間的節(jié)點(diǎn)不再無連接而是有連接的，并且隱藏層的輸入不僅包括輸入層的輸出還包括上一時(shí)刻隱藏層的輸出。理論上，RNN能夠?qū)θ魏伍L(zhǎng)度的序列數(shù)據(jù)進(jìn)行處理。

如圖2所示，對(duì)話編碼層與應(yīng)答解碼層共同構(gòu)成個(gè)性化對(duì)話生成模型，其中，對(duì)話編碼層通過遞歸神經(jīng)網(wǎng)絡(luò)互相連接的節(jié)點(diǎn)，對(duì)輸入的問題Q(a，b，c)和屬性特征c進(jìn)行處理，這部分處理具體由遞歸神經(jīng)網(wǎng)絡(luò)算法完成。

需要注意的是，問題Q(a，b，c)是用戶輸入的多模態(tài)信息經(jīng)過解析后得到的結(jié)果，屬性特征c是一個(gè)集合信息，包括前述實(shí)施例中的用戶屬性信息、機(jī)器人屬性信息、環(huán)境信息等。

經(jīng)過對(duì)話編碼層的處理，生成問題向量v，對(duì)話編碼層將問題向量v傳遞給應(yīng)答解碼層。

應(yīng)答解碼層也是具有多個(gè)相互連接的節(jié)點(diǎn)的遞歸神經(jīng)網(wǎng)絡(luò)，由遞歸神經(jīng)網(wǎng)絡(luò)算法對(duì)問題向量v進(jìn)行處理，生成應(yīng)答信息d、e、f。

進(jìn)一步地，本發(fā)明實(shí)施例的對(duì)話生成模型是一種個(gè)性化對(duì)話生成模型。相比于普通的對(duì)話生成模型，個(gè)性化對(duì)話生成模型主要融入了外部變量(環(huán)境信息、用戶屬性信息、機(jī)器人屬性信息等)，這些外部變量的改變會(huì)使得機(jī)器人在與不同的使用者交互的時(shí)候做出不一樣的回應(yīng)(文字、語音和/或動(dòng)作)，滿足用戶的個(gè)性化需求。

在本發(fā)明實(shí)施例中，用戶每一次與機(jī)器人進(jìn)行語音交互時(shí)，該功能啟用，基于個(gè)性化對(duì)話生成模型返回一個(gè)個(gè)性化回答。

該個(gè)性化對(duì)話生成模型主要解決聊天機(jī)器人的個(gè)性化需求，即滿足機(jī)器人在與不同的使用者進(jìn)行交互時(shí)可以表現(xiàn)出不同的特質(zhì)。

本發(fā)明實(shí)施例的個(gè)性化對(duì)話生成模型在對(duì)話生成模型的基礎(chǔ)上引入了個(gè)性化特征，主要包括外部環(huán)境信息、用戶屬性信息和機(jī)器人屬性信息，這些特征在對(duì)話模型訓(xùn)練時(shí)作為外部變量一起輸入到模型中，最終使得聊天機(jī)器人的回復(fù)更富有個(gè)性化特征，完善了用戶體驗(yàn)。

最后，在步驟S140中，由對(duì)話生成模型生成的應(yīng)答信息被發(fā)送至智能機(jī)器人的執(zhí)行機(jī)構(gòu)，智能機(jī)器人根據(jù)應(yīng)答信息的具體內(nèi)容，以多模態(tài)的形式輸出應(yīng)答信息的內(nèi)容。

下面，通過示例對(duì)上述個(gè)性化交互過程進(jìn)行說明。

當(dāng)用戶與智能機(jī)器人語音交互時(shí)，在接收并解析得到用戶的問題之后，智能機(jī)器人后臺(tái)基于用戶的歷史交互數(shù)據(jù)分析用戶屬性特征，例如用戶的性別，年齡，性格，情緒等。

智能機(jī)器人通過配置的傳感器檢測(cè)或查詢庫信息、查詢聯(lián)網(wǎng)信息等手段獲取當(dāng)前環(huán)境信息，例如時(shí)間，地點(diǎn)和溫度等。再同時(shí)讀取用戶關(guān)于智能機(jī)器人屬性的設(shè)定。

需要注意的是，如果已經(jīng)預(yù)先設(shè)定了智能機(jī)器人的屬性信息，則讀取設(shè)定的智能機(jī)器人屬性。如果沒有預(yù)先設(shè)定智能機(jī)器人的屬性信息，則讀入智能機(jī)器人屬性的默認(rèn)值。

當(dāng)用戶向機(jī)器人說“小靈(機(jī)器人的名字)，我今天好開心呢”，這時(shí)機(jī)器人基于用戶歷史交互信息分析出用戶的屬性特征。設(shè)定兩個(gè)假設(shè)的用戶，以便于對(duì)比分析。

假設(shè)一：性別男；年齡：20；性格：開朗；情緒：開心。

假設(shè)二：性別女；年齡：15；性格：內(nèi)向；情緒：高興。

同時(shí)獲取當(dāng)前環(huán)境信息，同樣設(shè)定兩種假設(shè)的環(huán)境以便于對(duì)比分析。

假設(shè)一：時(shí)間：晚上；地點(diǎn)：常駐地；溫度：20。

假設(shè)二：時(shí)間：早上；地點(diǎn)：操場(chǎng)；溫度：15。

機(jī)器人屬性設(shè)定，分別設(shè)定兩種機(jī)器人屬性。

假設(shè)一：幽默系數(shù)：0.8，性別：男。

假設(shè)二：幽默系數(shù)：0.2，性別：女。

個(gè)性化對(duì)話生成模型會(huì)把問題“小靈(機(jī)器人的名字)，我今天好開心呢”定義為Q，將問題Q和收集到的特征，包括：

用戶屬性信息：{性別男；年齡：20；性格：開朗；情緒：開心}

環(huán)境信息：{時(shí)間：晚上；地點(diǎn)：常駐地；溫度：20}

機(jī)器人屬性信息：{幽默系數(shù)：0.8，性別：男}

個(gè)性化對(duì)話生成模型將上述屬性信息定義為T₁，與問題Q一起作為個(gè)性化對(duì)話生成模型的輸入，然后經(jīng)過模型的對(duì)話編碼層編碼生成中間向量C₁，C₁再經(jīng)過應(yīng)答解碼層的解碼依次生成回復(fù)，舉例如下：

“小明，你是跟女朋友出去浪了么，真羨慕你！”

個(gè)性化對(duì)話生成模型會(huì)把問題“小靈(機(jī)器人的名字)，我今天好開心呢”定義為Q，將問題Q和收集到的特征，包括：

用戶屬性信息：{性別女；年齡：15；性格：內(nèi)向；情緒：高興}

環(huán)境信息：{時(shí)間：早上；地點(diǎn)：操場(chǎng)；溫度：15}

機(jī)器人屬性信息：{幽默系數(shù)：0.2，性別：女}

個(gè)性化對(duì)話生成模型將上述屬性信息定義為T₂，與問題Q一起作為個(gè)性化對(duì)話生成模型的輸入，然后經(jīng)過模型的對(duì)話編碼層編碼生成中間向量C₂，C₂再經(jīng)過應(yīng)答解碼層的解碼依次生成回復(fù)，舉例如下：

“小麗，看來今天早飯很好吃呢，好好上學(xué)呀?！?/p>

可以看出，針對(duì)于同一個(gè)用戶問題，這些外部變量，例如個(gè)性化特征的引入，導(dǎo)致對(duì)話生成模型在與用戶進(jìn)行交互時(shí)，表現(xiàn)得更豐富，個(gè)性化特征更加明顯。

本發(fā)明實(shí)施例能夠消除傳統(tǒng)聊天機(jī)器人的回復(fù)單一、乏味、個(gè)性化體驗(yàn)差的缺點(diǎn)。

圖3為根據(jù)本發(fā)明另一實(shí)施例的智能機(jī)器人的個(gè)性化交互系統(tǒng)的結(jié)構(gòu)示意圖，如圖所示，該個(gè)性化交互系統(tǒng)包括：

對(duì)話接收與解析模塊31，其接收用戶輸入的對(duì)話交互信息，并對(duì)對(duì)話交互信息進(jìn)行解析。

外部信息獲取模塊32，其獲取用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息。

應(yīng)答信息生成模塊33，其將對(duì)話交互信息的解析結(jié)果與用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息輸入到對(duì)話生成模型中生成應(yīng)答信息。

應(yīng)答輸出模塊34，其以多模態(tài)形式輸出應(yīng)答信息。

進(jìn)一步地，外部信息獲取模塊32基于用戶的歷史交互數(shù)據(jù)進(jìn)行分析以獲取用戶屬性信息。

進(jìn)一步地，應(yīng)答信息生成模塊34的對(duì)話生成模型包括對(duì)話編碼層與應(yīng)答解碼層，其中，

對(duì)話編碼層對(duì)對(duì)話交互信息的解析結(jié)果與用戶屬性信息、機(jī)器人屬性信息及環(huán)境信息進(jìn)行語義理解，并基于語義理解生成問題向量。

應(yīng)答解碼層根據(jù)問題向量生成應(yīng)答信息。

對(duì)話編碼層與應(yīng)答解碼層均采用遞歸神經(jīng)網(wǎng)絡(luò)。

各功能模塊之間的數(shù)據(jù)傳遞路線如圖3所示。

對(duì)話接收與解析模塊31接收外部輸入到個(gè)性化交互系統(tǒng)的問題，對(duì)問題進(jìn)行解析處理后，傳遞給應(yīng)答信息生成模塊33。

應(yīng)答信息生成模塊33主要由個(gè)性化對(duì)話生成模型構(gòu)成，該應(yīng)答信息生成模塊33還要向外部信息獲取模塊32發(fā)出獲取信息的請(qǐng)求，在請(qǐng)求得到響應(yīng)后，應(yīng)答信息生成模塊33從外部信息獲取模塊32獲取用戶屬性信息、環(huán)境信息以及機(jī)器人屬性信息。

由個(gè)性化對(duì)話生成模型對(duì)接收到的信息進(jìn)行加工處理，生成對(duì)應(yīng)的應(yīng)答信息，并將生成的應(yīng)答信息傳遞給應(yīng)答輸出模塊34。

應(yīng)答輸出模塊34會(huì)以多模態(tài)的方式輸出應(yīng)答信息，例如可以以語音輸出、圖像輸出、文字輸出、動(dòng)作輸出，或者以其中幾種輸出形式相結(jié)合的方式進(jìn)行應(yīng)答交互。

對(duì)話接收與解析模塊31與應(yīng)答輸出模塊34共同構(gòu)成智能機(jī)器人個(gè)性化交互系統(tǒng)的交互層。

本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來實(shí)現(xiàn)，它們可以集中在單個(gè)的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計(jì)算裝置可執(zhí)行的程序代碼來實(shí)現(xiàn)，從而，可以將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來執(zhí)行，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來實(shí)現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。

雖然本發(fā)明所揭露的實(shí)施方式如上，但所述的內(nèi)容只是為了便于理解本發(fā)明而采用的實(shí)施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬技術(shù)領(lǐng)域內(nèi)的技術(shù)人員，在不脫離本發(fā)明所揭露的精神和范圍的前提下，可以在實(shí)施的形式上及細(xì)節(jié)上作任何的修改與變化，但本發(fā)明的專利保護(hù)范圍，仍須以所附的權(quán)利要求書所界定的范圍為準(zhǔn)。