專利名稱：聊天機器人系統(tǒng)及自動聊天方法
技術領域：
本發(fā)明涉及人工智能領域，特別涉及一種聊天機器人系統(tǒng)及自動聊天方法。
背景技術：
近些年來，人們之間的通訊手段日益豐富。即時通信工具、手機短信等通訊手段日漸風行?；谶@些通訊手段，除了實現(xiàn)人與人之間的溝通交流外，也使得人與人工智能系統(tǒng)之間的溝通交流成為可能。聊天機器人系統(tǒng)就是一種借助于通訊手段能夠時時刻刻在線、并通過自然語言與人溝通交流的人工智能系統(tǒng)。聊天機器人系統(tǒng)實質(zhì)上是一種自動問答系統(tǒng)。自動問答系統(tǒng)以自然語言理解技術為核心，涉及到計算語言學、信息科學和人工智能等多門學科，是計算機應用研究的熱點之一。自然語言理解是人工智能領域中的一個重要研究方向，它使計算機能夠理解和運用人類的自然語言，可以理解用戶的談話內(nèi)容，實現(xiàn)人與計算機之間基于自然語言的有效溝通。聊天機器人利用自然語言處理技術、知識庫和實時更新的信息資源，一方面完成對用戶問題的分析處理，另一方面完成正確答案的生成。現(xiàn)有技術中的聊天機器人系統(tǒng)，通常包含通訊模塊、查詢服務器、人工智能服務器及相應的數(shù)據(jù)庫。在這種聊天機器人系統(tǒng)中，采用數(shù)據(jù)庫作為知識點的載體，用戶通過即時通訊平臺或短信平臺與聊天機器人進行各種對話。但是，現(xiàn)有聊天機器人系統(tǒng)普遍存在以下幾個問題1、現(xiàn)有聊天機器人普遍采用語言中關鍵詞的索引方式進行回復的生成，由于一個關鍵詞可能關聯(lián)多個問題，一旦用戶發(fā)出一個關注度較高的關鍵詞時，系統(tǒng)便可能會返回多個答案，導致其對用戶語言不能充分地理解，精確性不高。2、現(xiàn)有技術中一臺服務器只能支持一個聊天機器人，企業(yè)使用的成本較高，無法普及聊天機器人的應用。3、現(xiàn)有的聊天機器人不能支持無程序基礎的用戶知識教學，聊天機器人的知識積累大多來自程序員的預先設置，無法在使用過程中隨時對聊天機器人進行完善，因此這種系統(tǒng)架構的可擴展性較差。

發(fā)明內(nèi)容
本發(fā)明的目的是提供兩種聊天機器人系統(tǒng)，以解決現(xiàn)有的聊天機器人系統(tǒng)精確性低、成本高、擴展性差的問題。本發(fā)明的另一目的是提供一種自動聊天方法，以解決現(xiàn)有的聊天機器人系統(tǒng)精確性低、成本高、擴展性差的問題。為解決以上問題，本發(fā)明提出一種聊天機器人系統(tǒng)，包括交互平臺、分詞模塊、語言識別單元、數(shù)據(jù)庫以及信息查詢單元。交互平臺用于與用戶進行交互。分詞模塊與交互平臺相連，用于對用戶發(fā)送來的話述進行分詞。語言識別單元與分詞模塊相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、 動作語和思想表達語。數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。信息查詢單元分別與語言識別單元、數(shù)據(jù)庫及交互平臺相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢數(shù)據(jù)庫，并將查詢結果傳輸至交互平臺。依照本發(fā)明較佳實施例所述的聊天機器人系統(tǒng)，分詞模塊又進一步包括重組單元、短語庫、詞庫以及標準語轉(zhuǎn)化單元。重組單元與交互平臺相連，用于對用戶話述中各個字按順序進行排列組合。短語庫用于存放短語與標準語之間的對應關系。詞庫用于存放標準詞語。標準語轉(zhuǎn)化單元分別與重組單元、短語庫及詞庫相連，用于將重組合的短語和詞語分別與短語庫及詞庫中存放的標準語進行比對，并將重組合的各個短語和詞語轉(zhuǎn)化為標準語，并形成用戶話述的分詞。依照本發(fā)明較佳實施例所述的聊天機器人系統(tǒng)，其還包括修改單元，其與數(shù)據(jù)庫相連，用于修改或新增該數(shù)據(jù)庫中存儲的信息。本發(fā)明還提出了一種聊天機器人系統(tǒng)，包括交互平臺、至少兩個聊天機器人服務器以及數(shù)據(jù)庫。數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息，且每條信息與各個機器人標識一一對應。每個聊天機器人服務器又進一步包括分詞模塊、語言識別單元以及信息查詢單元。分詞模塊與交互平臺相連，用于對用戶發(fā)送來的話述進行分詞。語言識別單元與分詞模塊相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語。信息查詢單元分別與語言識別單元、數(shù)據(jù)庫及交互平臺相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，查詢數(shù)據(jù)庫，并將查詢結果傳輸至交互平臺。依照本發(fā)明較佳實施例所述的聊天機器人系統(tǒng)，分詞模塊又進一步包括重組單元、短語庫、詞庫以及標準語轉(zhuǎn)化單元。重組單元與交互平臺相連，用于對用戶話述中各個字按順序進行排列組合。短語庫用于存放短語與標準語之間的對應關系。詞庫用于存放標準詞語。標準語轉(zhuǎn)化單元分別與重組單元、短語庫及詞庫相連，用于將重組合的短語和詞語分別與短語庫及詞庫中存放的標準語進行比對，并將重組合的各個短語和詞語轉(zhuǎn)化為標準語，并形成用戶話述的分詞。依照本發(fā)明較佳實施例所述的聊天機器人系統(tǒng)，交互平臺為網(wǎng)站服務器或WAP服務器或短信服務器或機器人專用服務器。依照本發(fā)明較佳實施例所述的聊天機器人系統(tǒng)，每個聊天機器人服務器還包括修改單元，其與數(shù)據(jù)庫相連，用于修改或新增數(shù)據(jù)庫中存儲的信息。本發(fā)明另提出一種自動聊天方法，包括以下步驟(1)設置數(shù)據(jù)庫，數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。(2)對用戶發(fā)送來的話述進行分詞。(3)對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語。(4)根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢數(shù)據(jù)庫，并將查詢結果反饋給用戶。依照本發(fā)明較佳實施例所述的自動聊天方法，設置數(shù)據(jù)庫時，為數(shù)據(jù)庫中的每條信息設置機器人標識，并使每條信息與至少一個機器人標識一一對應。獲取相應的信息時具體為根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，獲取相應的信息。依照本發(fā)明較佳實施例所述的自動聊天方法，向用戶反饋查詢結果時，若查詢到用戶所需要的信息，則同時將信息在數(shù)據(jù)庫中的對應位置信息發(fā)送給用戶，以供用戶修改。若沒有查詢到用戶所需要的信息，則同時將數(shù)據(jù)庫中空的位置信息發(fā)送給用戶， 以供用戶對數(shù)據(jù)庫寫入新的數(shù)據(jù)。相對于現(xiàn)有技術，本發(fā)明具有以下優(yōu)點1、本發(fā)明通過將數(shù)據(jù)庫中的信息劃分為模擬人類大腦的知識庫、思想庫、事件庫和動作庫來儲存，并根據(jù)用戶話述的分詞語素及句子類型來查詢數(shù)據(jù)庫，從而使聊天機器人可以對用戶的問題、話述更精確地理解，并更加貼合人類的思考方式，提高了聊天機器人的回復精確性。2、本發(fā)明運用分布式聊天機器人服務器的概念，在一個集中的服務器(系統(tǒng))中， 可以生成多個機器人，大大縮減聊天機器人的硬件投入成本。3、本發(fā)明的聊天機器人具備了學習功能，可以由用戶對數(shù)據(jù)庫中的知識進行更新或?qū)⑿轮R寫入到數(shù)據(jù)庫中，而不像傳統(tǒng)的聊天機器人那樣要由程序員對數(shù)據(jù)庫進行預設置，從而使得聊天機器人具備了可擴展性。


圖1為本發(fā)明自動聊天方法的一種實施例流程圖；圖2為本發(fā)明自動聊天方法對用戶話述進行分詞時的一種實施例流程圖；圖3為本發(fā)明自動聊天方法的另一種實施例流程圖；圖4為本發(fā)明聊天機器人系統(tǒng)的第一種實施例結構圖；圖5為本發(fā)明分詞模塊的一種實施例結構圖；圖6為本發(fā)明聊天機器人系統(tǒng)的第二種實施例結構圖；圖7為本發(fā)明聊天機器人系統(tǒng)的第三種實施例結構圖。
具體實施例方式以下結合附圖，具體說明本發(fā)明。請參見圖1，其為本發(fā)明自動聊天方法的一種實施例流程圖，其包括以下步驟S101，設置數(shù)據(jù)庫，數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。S102，對用戶發(fā)送來的話述進行分詞。其中對用戶話述進行分詞時(即步驟S102) 又可以具體包括步驟(如圖2所示)S201，對用戶話述中各個字按順序進行排列組合。 S202，將重組合的短語和詞語分別與預定義的標準語進行比對。S203，將重組合的各個短語和詞語轉(zhuǎn)化為標準語，并形成分詞。S103，對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語。語素可以通過各個分詞的詞性(形容詞、動詞等)來進行判別。語素和句子類型的判別是為了確定以哪個庫來進行索引，例如可以預置句子類型為疑問句時，與疑問詞的語素相對應的庫作為索引庫；又如可以預置句子類型為陳述句時，與動作語的語素相對應的庫作為索引庫。S104，根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢數(shù)據(jù)庫，并將查詢結果反饋給用戶。對于查詢結果有兩種情況，即查詢到相應的信息以及沒有查找到相應的信息。 若沒有查到所需要的信息，則可以將預置的通用答復反饋給用戶。本發(fā)明通過將數(shù)據(jù)庫中的信息劃分為模擬人類大腦的知識庫、思想庫、事件庫和動作庫來儲存，并根據(jù)用戶話述的分詞語素及句子類型來查詢數(shù)據(jù)庫，從而使聊天機器人可以對用戶的問題、話述更精確地理解，使回答內(nèi)容可以更加貼合人類的思考方式，提高了自然語言的理解程度。示例一1、在機器人的短語庫中預定義短語“多大了”對應“年齡”。2、當機器人接收到用戶發(fā)出一句話T-AOl “小王多大了？”3、首先將用戶問題分解為“小、小王、小王多、小王多大、小王多大了、王、王多。。?！币源祟愅?，將各個字的組合與預定義短語庫比對，發(fā)現(xiàn)“多大了”有預定義短語“年齡”，則將“小王多大了？”轉(zhuǎn)化為標準語“小王年齡？ ”4、對轉(zhuǎn)化為標準語的句子進行分詞，分別將“小、小王、小王年、小王年齡、王、王年。。。”以此類推，將各個字的組合與詞庫比對，分詞得到各個詞的語素“小王(名詞-主語)”、“年齡(名詞-從語)”、“ (疑問句標識)”5、根據(jù)該句出現(xiàn)了疑問句標識(？)判斷該句為疑問句。6、根據(jù)該句中僅出現(xiàn)了名詞，判斷句子從知識庫取得信息。7、按照順序排列節(jié)點“小王_>年齡”找到該節(jié)點下知識內(nèi)容。8、若沒有找到相應節(jié)點知識，則取出用戶預設的“無知識內(nèi)容時回答”。8、向用戶返回該條知識內(nèi)容。示例二1、機器人接收到用戶發(fā)出一句話T-A02 “地球為何強大？，，2、同示例一，進行短語比對和分詞，得到句子“地球(名詞-主語)” “為何(事件疑問詞-從語)，，“強大(形容詞-思想表達語)” “？(疑問句標識)”。3、根據(jù)該句出現(xiàn)了疑問句標識(？)判斷該句為疑問句。4、根據(jù)該句中出現(xiàn)了事件疑問詞，判斷句子從事件庫取得信息。5、以名詞作為索引(地球)，找到知識庫下的“地球”，取得索引標識。6、按照該索引標識在事件庫中找到該索引所有對應的事件，找到“強大”。7、按照事件疑問詞取得該事件中的“為何”屬性，并返回該屬性對應的描述。示例三1、機器人接收到用戶發(fā)出一句話T-A03 “小張漂亮嗎？ ”2、同前示例，短語比對和分詞，得到“小張(名詞-主語)” “漂亮(形容詞-思想表達語)” “嗎(語氣助詞)” “？(疑問句標識)，，3、根據(jù)該句出現(xiàn)了疑問句標識(？)判斷該句為疑問句。4、根據(jù)該句中僅出現(xiàn)了形容詞，并且無其它標識，判斷句子從思想庫取得信息。5、以名詞作為索引(小張)，找到知識庫下的“小張”，取得索引標識。
6、按照該索引標識在思想庫中找到該索引所有對應的信息，找到“漂亮”。7、若找到“漂亮”，則返回關于“漂亮”的描述.8、若沒找到“漂亮”，則返回“不漂亮”。示例四1、機器人接收到用戶發(fā)出一句話T-A04 “我昨天去了北京?！?、同前示例，短語比對和分詞，得到“我(名詞-主語)” “昨天(時間名詞)” “去 (動詞-動作語)” “了(助詞、忽略)，，“北京(名詞-從語)(動詞之后，受力者)，，3、無疑問句標識時，默認為陳述句。4、該句有動詞，首先判斷從動作庫取得信息。5、根據(jù)“我”的索引，從動作庫查找“我去北京”的信息，若有，則返回該內(nèi)容的描述。請參見圖3，其為本發(fā)明自動聊天方法的一種實施例流程圖，其包括以下步驟S301，設置數(shù)據(jù)庫，數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。S302，為數(shù)據(jù)庫中的每條信息設置機器人標識，并使每條信息與至少一個機器人標識一一對應。所述的機器人標識用來區(qū)分聊天機器人的身份，即每個聊天機器人都有其特有的機器人標識。S303，對用戶發(fā)送來的話述進行分詞。S304，對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語。S305，根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，查詢數(shù)據(jù)庫。若查詢到用戶所需要的信息，則進入步驟S306，若沒有查詢到用戶所需要的信息，則進入步驟S307。S306,向用戶反饋查詢結果，同時將信息在數(shù)據(jù)庫中的對應位置信息發(fā)送給用戶， 以供用戶修改。S307,向用戶反饋查詢結果，同時將數(shù)據(jù)庫中空的位置信息發(fā)送給用戶，以供用戶對數(shù)據(jù)庫寫入新的數(shù)據(jù)。與圖1的實施例相比，本實施例有兩個區(qū)別；其一是為數(shù)據(jù)庫中的信息設置了對應的機器人標識，這樣，同一個數(shù)據(jù)庫就可以被多個聊天機器人來使用，即在一個集中服務器中，可以生成多個聊天機器人，可以大大縮減聊天機器人的硬件投入成本。其二是針對用戶接收到的反饋信息，可以對數(shù)據(jù)庫進行修改或?qū)懭胄聰?shù)據(jù)，由于聊天機器人的所有回答內(nèi)容全部使用數(shù)據(jù)庫存儲，判斷邏輯也在數(shù)據(jù)庫中存儲，因此本實施例的方法使聊天機器人具備了學習功能，可以由用戶對數(shù)據(jù)庫中的知識進行更新或?qū)⑿轮R寫入到數(shù)據(jù)庫中， 而不像傳統(tǒng)的聊天機器人那樣要由程序員對數(shù)據(jù)庫進行預設置，使得聊天機器人具備了可擴展性。本發(fā)明另提出一種聊天機器人系統(tǒng)，請參見圖4，其包括交互平臺41、分詞模塊 42、語言識別單元43、數(shù)據(jù)庫44以及信息查詢單元45。交互平臺41用于與用戶進行交互。 分詞模塊42與交互平臺41相連，用于對用戶發(fā)送來的話述進行分詞。語言識別單元43 與分詞模塊42相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別。44數(shù)據(jù)庫又進一步包括事件庫46、動作庫47、知識庫48及思想庫49，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。信息查詢單元45分別與語言識別單元、數(shù)據(jù)庫44及交互平臺41相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢數(shù)據(jù)庫44，并將查詢結果傳輸至交互平臺41。其中，分詞模塊42又進一步包括重組單元51、短語庫53、詞庫M以及標準語轉(zhuǎn)化單元52，請參見圖5，重組單元51與交互平臺41相連，用于對用戶話述中各個字按順序進行排列組合。短語庫53用于存放短語與標準語之間的對應關系。詞庫M用于存放詞語與標準語之間的對應關系。標準語轉(zhuǎn)化單元52分別與重組單元51、短語庫53及詞庫M相連，用于將重組合的短語和詞語分別與短語庫53及詞庫M中存放的標準語進行比對，并將重組合的各個短語和詞語轉(zhuǎn)化為標準語，以形成用戶話述的分詞。本發(fā)明所述的交互平臺41可以是網(wǎng)站服務器或WAP服務器或短信服務器或機器人專用服務器。用戶向交互平臺發(fā)送一句話述后，首先是由分詞模塊42對該句話述進行分詞處理。分詞是自然語言識別技術常用的一種技術手段，在本發(fā)明中，可以先通過重組單元 51對話述按順序進行重新排列組合，例如將“小王多大了？ ”這句話述重新組合排列成“小、 小王、小王多、小王多大、小王多大了、王、王多、王多大、王多大了、多大、多大了、大了 ”這些短語和詞語。然后標準語轉(zhuǎn)化單元52會將這些短語分別去和短語庫53中存儲的標準語進行比對，假設短語庫53中存儲有“多大了”對應“年齡”，則標準語轉(zhuǎn)化單元52便將“小王多大了？ ”轉(zhuǎn)換成“小王年齡？”，最后標準語轉(zhuǎn)化單元52將“小、小王、小王年、小王年齡、 王、王年、年齡”這些字的組合與詞庫M進行比對，并最終得到“小王(名詞)”、“年齡(名詞)”、“？(疑問句標識)”的分詞結果。語言識別單元43接收到分詞模塊42發(fā)送來的分詞后，對各個分詞的語素以及用戶話述的句子類型進行判別，本發(fā)明的語素包括主語、從語、動作語和思想表達語。由“小王年齡？，，的分詞結果可以判別出“小王”為主語，“年齡”是從語，“ ？，，表示該話述的句子類型為疑問句。然后信息查詢單元45便根據(jù)分詞語素以及句子類型去數(shù)據(jù)庫44的某個詞庫中查找相應的信息。這里查詢規(guī)則可以是預先設置的，比如主語對應知識庫、從語對應事件庫、 動作語對應動作庫、思想表達語對應思想庫、話述僅由主語和從語時，優(yōu)先以主語對應的庫作為索引庫、話述的句子類型為陳述句時，與動作語的相對應的庫作為索引庫等。因此，“小王年齡？，，這句話述可以優(yōu)先用“小王”在知識庫中遍歷查詢，然后在以“小王”作為節(jié)點查詢到的相關信息中再以“年齡”進行查詢。當查詢到相關的信息后，信息查詢單元45將其發(fā)送給交互平臺41，由交互平臺41顯示或發(fā)送給用戶。若沒有查詢到相關信息，則信息查詢單元45將沒有查詢到的信息發(fā)送給交互平臺41，由交互平臺41將預置的回復內(nèi)容發(fā)送給用戶。請參見圖6，其為本發(fā)明聊天機器人系統(tǒng)的第二種實施例結構圖。與圖4相比，本實施例的聊天機器人系統(tǒng)還包括修改單元61，其分別與交互平臺及數(shù)據(jù)庫相連，其用于修改或新增數(shù)據(jù)庫中存儲的信息。在實際應用中，修改單元61類似于“教學面板”，在信息查詢單元45將回復內(nèi)容(即查詢到的數(shù)據(jù)庫44信息或未查詢到時的預置回復內(nèi)容)反饋給交互平臺41的同時，若查詢到了相應的內(nèi)容，則將可以將回復信息在數(shù)據(jù)庫44中的具體位置一起發(fā)送給交互平臺41，以供用戶修改；若沒有查詢到相應的內(nèi)容，則將數(shù)據(jù)庫44中的一個新位置發(fā)送到交互平臺41，以供用戶新增知識。修改單元61則通過交互平臺41向用戶提供“編輯”或“新增”等鏈接，實現(xiàn)對數(shù)據(jù)庫44的操作。這樣使聊天機器人具備了學習功能，可以由用戶對數(shù)據(jù)庫44中的知識進行更新或?qū)⑿轮R寫入到數(shù)據(jù)庫中，而不像傳統(tǒng)的聊天機器人那樣要由程序員對數(shù)據(jù)庫進行預設置，從而使得聊天機器人具備了可擴展性。在實際應用中，數(shù)據(jù)庫44中往往包含了大量的數(shù)據(jù)，特別對于中小型企業(yè)來說， 構建數(shù)據(jù)庫44是一個費時費力的高成本工作，因此為了節(jié)約硬件成本，本發(fā)明還提出了一種多個聊天機器人共用一個數(shù)據(jù)庫的思想，請參見圖7，其為本發(fā)明聊天機器人系統(tǒng)的第三種實施例結構圖。此聊天機器人系統(tǒng)包括交互平臺41、多個聊天機器人服務器711 71η 以及數(shù)據(jù)庫74。所有的聊天機器人服務器711 71η均與數(shù)據(jù)庫74相連，各個聊天機器人服務器的類型可以不同，例如可以是營銷機器人、游戲客服機器人、醫(yī)院客服機器人等， 且每個聊天機器人服務器均有表示其身份的機器人標識。數(shù)據(jù)庫74又進一步包括事件庫 76、動作庫77、知識庫78及思想庫79，用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息，且每條信息與各個機器人標識一一對應，即是說只有含有機器人標識的信息才能被對應的機器人服務器查詢到。每個聊天機器人服務器又進一步包括分詞模塊72、語言識別單元73以及信息查詢單元70。分詞模塊72以及語言識別單元73的作用與前述圖4中的分詞模塊42以及語言識別單元43相同，在此不再贅述。信息查詢單元70用于根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，查詢數(shù)據(jù)庫，并將查詢結果傳輸至交互平臺41。由此可見，圖7的實施例運用分布式聊天機器人服務器的概念，在一個集中的服務器(系統(tǒng))中， 可以生成多個機器人，大大縮減聊天機器人的硬件投入成本。以上公開的僅為本申請的幾個具體實施例，但本申請并非局限于此，任何本領域的技術人員能思之的變化，都應落在本申請的保護范圍內(nèi)。
權利要求
1.一種聊天機器人系統(tǒng)，其特征在于，包括 一交互平臺，用于與用戶進行交互；一分詞模塊，與該交互平臺相連，用于對用戶發(fā)送來的話述進行分詞，其又進一步包括一重組單元，與該交互平臺相連，用于對用戶話述中各個字按順序進行排列組合； 一短語庫，用于存放短語與標準語之間的對應關系； 一詞庫，用于存放標準詞語；一標準語轉(zhuǎn)化單元，分別與該重組單元、該短語庫及該詞庫相連，用于將重組合的短語和詞語分別與該短語庫及該詞庫中存放的標準語進行比對，并將重組合的各個短語和詞語轉(zhuǎn)化為標準語，并形成用戶話述的分詞。一語言識別單元，與該分詞模塊相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語；一數(shù)據(jù)庫，其又進一步包括一事件庫、一動作庫、一知識庫及一思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息；一信息查詢單元，分別與該語言識別單元、該數(shù)據(jù)庫及該交互平臺相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢該數(shù)據(jù)庫，并將查詢結果傳輸至該交互平臺。
2.如權利要求1所述的聊天機器人系統(tǒng)，其特征在于，其還包括一修改單元，其與該數(shù)據(jù)庫相連，用于修改或新增該數(shù)據(jù)庫中存儲的信息。
3.一種聊天機器人系統(tǒng)，其特征在于，包括一交互平臺、至少兩個聊天機器人服務器以及一數(shù)據(jù)庫，該數(shù)據(jù)庫又進一步包括一事件庫、一動作庫、一知識庫及一思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息，且每條信息與各個機器人標識一一對應，每個聊天機器人服務器又進一步包括一分詞模塊，與該交互平臺相連，用于對用戶發(fā)送來的話述進行分詞； 一語言識別單元，與該分詞模塊相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語；一信息查詢單元，分別與該語言識別單元、該數(shù)據(jù)庫及該交互平臺相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，查詢該數(shù)據(jù)庫，并將查詢結果傳輸至該交互平臺。
4.如權利要求3所述的聊天機器人系統(tǒng)，其特征在于，該分詞模塊又進一步包括 一重組單元，與該交互平臺相連，用于對用戶話述中各個字按順序進行排列組合； 一短語庫，用于存放短語與標準語之間的對應關系；一詞庫，用于存放標準詞語；一標準語轉(zhuǎn)化單元，分別與該重組單元、該短語庫及該詞庫相連，用于將重組合的短語和詞語分別與該短語庫及該詞庫中存放的標準語進行比對，并將重組合的各個短語和詞語轉(zhuǎn)化為標準語，并形成用戶話述的分詞。
5.如權利要求3所述的聊天機器人系統(tǒng)，其特征在于，該交互平臺為網(wǎng)站服務器或WAP 服務器或短信服務器或機器人專用服務器。
6.如權利要求3所述的聊天機器人系統(tǒng)，其特征在于，每個聊天機器人服務器還包括一修改單元，其與該數(shù)據(jù)庫相連，用于修改或新增該數(shù)據(jù)庫中存儲的信息。
7.一種自動聊天方法，其特征在于，包括以下步驟設置一數(shù)據(jù)庫，該數(shù)據(jù)庫又進一步包括一事件庫、一動作庫、一知識庫及一思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息； 對用戶發(fā)送來的話述進行分詞；對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別，所述的語素包括主語、從語、動作語和思想表達語；根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢該數(shù)據(jù)庫，并將查詢結果反饋給用戶。
8.如權利要求7所述的自動聊天方法，其特征在于，設置該數(shù)據(jù)庫時，為該數(shù)據(jù)庫中的每條信息設置機器人標識，并使每條信息與至少一個機器人標識一一對應；獲取相應的信息時具體為根據(jù)用戶話述的分詞語素以及話述的句子類型，并結合機器人標識，獲取相應的信息。
9.如權利要求7所述的自動聊天方法，其特征在于，向用戶反饋查詢結果時， 若查詢到用戶所需要的信息，則同時將信息在該數(shù)據(jù)庫中的對應位置信息發(fā)送給用戶，以供用戶修改；若沒有查詢到用戶所需要的信息，則同時將該數(shù)據(jù)庫中空的位置信息發(fā)送給用戶，以供用戶對數(shù)據(jù)庫寫入新的數(shù)據(jù)。
全文摘要
本發(fā)明提出一種聊天機器人系統(tǒng)及自動聊天方法，其聊天機器人系統(tǒng)包括交互平臺、分詞模塊、語言識別單元、數(shù)據(jù)庫以及信息查詢單元。分詞模塊與交互平臺相連，用于對用戶發(fā)送來的話述進行分詞。語言識別單元與分詞模塊相連，用于對各個分詞的語素進行判別，以及對用戶話述的句子類型進行判別。數(shù)據(jù)庫又進一步包括事件庫、動作庫、知識庫及思想庫，分別用于存儲模擬人類大腦的事件信息、動作信息、知識信息及思想信息。信息查詢單元分別與語言識別單元、數(shù)據(jù)庫及交互平臺相連，用于根據(jù)用戶話述的分詞語素以及話述的句子類型，查詢數(shù)據(jù)庫，并將查詢結果傳輸至交互平臺。本發(fā)明具有精確性高、成本低、可擴展性強的優(yōu)點。
文檔編號G06F17/30GK102194005SQ20111013954
公開日2011年9月21日 申請日期2011年5月26日 優(yōu)先權日2011年5月26日
發(fā)明者盧玉敏 申請人:盧玉敏