1.一種基于深度學習的機器人對話交互方法，其特征在于，所述方法包括以下步驟：
接收用戶輸入的對話語句；
抽取所述對話語句中的各個語義特征單元，并根據(jù)所述語義特征單元進行知識庫檢索以得到近似對話語句；
在學習模型中分別生成對應于輸入的對話語句和近似對話語句的句類向量和句向量，并輸出針對輸入的對話語句的句向量與句類向量組合和針對近似對話語句的句向量與句類向量組合之間的相似度；
選擇相似度最高的近似對話語句所對應的答復語句進行輸出。
2.如權利要求1所述的基于深度學習的機器人對話交互方法，其特征在于，所述方法包括：
通過神經(jīng)網(wǎng)絡對所述學習模型進行訓練學習以提高所輸出的相似度值的準確度。
3.如權利要求2所述的基于深度學習的機器人對話交互方法，其特征在于，所述方法包括對所述學習模型進行訓練的步驟：
在抽取所述對話語句中的各個語義特征單元時，首先進行分詞以將對話語句轉換為詞向量；
將所述詞向量按順序組成矩陣；
將所述矩陣輸入到神經(jīng)網(wǎng)絡中進行訓練以分別得到生成句向量和句類向量的子模型；
將兩個語句的句向量和句類向量輸入到神經(jīng)網(wǎng)絡中進行訓練以得到生成相似度值的總模型。
4.如權利要求1-3中任一項所述的基于深度學習的機器人對話交互方法，其特征在于，
所述相似度通過余弦相似度計算。
5.一種基于深度學習的機器人對話交互裝置，其特征在于，所述裝置包括：
對話語句接收模塊，其用以接收用戶輸入的對話語句；
特征單元抽取模塊，其用以抽取所述對話語句中的各個語義特征單元，并根據(jù)所述語義特征單元進行知識庫檢索以得到近似對話語句；
向量生成模塊，其用以在學習模型中分別生成對應于輸入的對話語句和近似對話語句的句類向量和句向量，并輸出針對輸入的對話語句的句向量與句類向量組合和針對近似對話語句的句向量與句類向量組合之間的相似度；
語句選擇輸出模塊，其用以選擇相似度最高的近似對話語句所對應的答復語句進行輸出。
6.如權利要求5所述的基于深度學習的機器人對話交互裝置，其特征在于，所述裝置還包括：
訓練模塊，其用以通過神經(jīng)網(wǎng)絡對所述學習模型進行訓練學習以提高所輸出的相似度值的準確度。
7.如權利要求6所述的基于深度學習的機器人對話交互裝置，其特征在于，在所述訓練模塊中，還包括：
轉換單元，其用以在抽取所述對話語句中的各個語義特征單元時，首先進行分詞以將對話語句轉換為詞向量；
矩陣單元，其用以將所述詞向量按順序組成矩陣；
子模型生成單元，其用以將所述矩陣輸入到神經(jīng)網(wǎng)絡中進行訓練以分別得到生成句向量和句類向量的子模型；
總模型生成單元，其用以將兩個語句的句向量和句類向量輸入到神經(jīng)網(wǎng)絡中進行訓練以得到生成相似度值的總模型。
8.如權利要求5-7中任一項所述的基于深度學習的機器人對話交互裝置，其特征在于，所述相似度通過余弦相似度計算。