一种应用于商场服务机器人的智能引导系统的制作方法

本发明属于商场服务，具体涉及一种应用于商场服务机器人的智能引导系统。

背景技术：

1、随着大型商业综合体、购物中心和公共服务场景的智能化升级，商场服务机器人逐渐被用于导购咨询、楼层指引、品牌查询、活动优惠介绍、服务设施查询、停车规则说明以及基础人机交互等任务。现有商场服务机器人通常包括语音识别模块、自然语言理解模块、知识库检索模块、回答生成模块和语音合成模块，能够在一定程度上替代人工客服完成常见问题解答。

2、然而，真实商场环境具有背景噪声强、用户表达口语化、问题实体不完整、活动信息时效性强、楼层位置事实要求严格以及用户期望快速获得语音反馈等特点。上述特点使得普通问答系统或通用检索增强生成系统在该场景中仍存在较多不足。

3、第一，传统商场问答系统多采用规则匹配、关键词检索或单一向量检索方法，难以适应真实用户多样化、口语化和模糊化的表达方式。规则匹配方法依赖人工配置大量问答模板，当用户提问方式偏离预设模板时，系统容易无法命中。关键词检索方法主要依赖字面匹配，当用户使用品牌简称、英文缩写、俗称、错别字或语音识别误差文本时，容易出现漏召回。例如用户可能询问“我想喝奶茶”“哪里有运动鞋”“nb在哪儿”“有超市吗”“带小孩去哪儿方便”等，这类问题往往没有直接出现标准店铺名称，而是表达一种消费意图、品类需求或服务需求，需要系统具备品类理解、品牌别名识别、同义词归一和语义泛化能力。单纯依靠关键词匹配容易漏召回，而单纯依靠向量检索又容易将语义相近但事实不准确的内容作为依据，导致楼层、店铺、营业时间或推荐结果出现错误。

4、第二，现有检索增强生成系统通常将所有用户问题统一送入向量数据库或统一知识库进行检索，缺乏面向商场业务特点的动态检索控制机制。商场问答中的信息类型具有明显差异，例如品牌楼层、店铺位置、营业时间属于结构化事实，更适合通过结构化数据库进行精确查询；活动优惠具有时间范围、参与店铺、适用品类和使用条件，需要结合当前日期、活动状态和适用范围进行条件过滤；服务设施具有楼层、方位、开放状态和使用说明，需要访问设施信息库；普通闲聊则不应强制调用商场知识库。若所有问题均采用同一种检索方式，容易造成检索路径不匹配。

5、第三，现有系统即使采用多路检索融合，也通常只是将结构化检索、关键词检索和向量检索的结果进行简单合并或加权排序，缺少利用结构化事实字段对语义召回结果进行反向约束的机制。由此，在用户表达模糊或asr识别存在偏差时，向量检索可能召回语义相近但事实不准确的店铺、活动或服务说明，大语言模型进一步基于不稳定证据生成自然语言回答，造成错误楼层、错误营业时间、过期活动或虚构推荐。

6、第四，现有语音机器人在多轮交互、回答生成可靠性和语音播报实时性之间难以平衡。在真实商场咨询场景中，用户常常采用省略式追问，例如第一轮询问“有超市吗”，第二轮继续询问“在哪儿”“几点关门”或“怎么走”。如果系统缺乏上下文状态管理机制，无法继承上一轮命中的店铺、品类或服务设施，就容易导致追问失败。与此同时，若系统为了降低延迟而直接将大模型先生成的文本片段送入tts播报，则存在未核验事实被提前播报的风险；若系统等待完整回答生成并完成全部校验后再播报，则首句响应时间较长，交互自然度较差。

7、因此，亟需一种面向商场服务机器人场景，能够实现状态驱动式语音交互与混合检索增强的智能引导系统，能够根据语音感知状态、问题理解状态、上下文状态、证据质量状态和播报队列状态动态调节检索、生成和播报策略，在保证商场事实信息准确性的同时降低首句语音响应延迟。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的应用于商场服务机器人的智能引导系统通过在语音感知、检索控制、证据校验、大模型生成和语音合成之间形成闭环联动关系，能够在本地环境中完成商场品牌查询、店铺位置查询、品类推荐、活动优惠查询、服务设施查询和多轮追问处理，提高商场机器人语音问答的准确性、可靠性、低延迟交互能力和数据安全性。

2、为了达到上述发明目的，本发明采用的技术方案为：一种应用于商场服务机器人的智能引导系统，包括：

3、输入前端：用于接收用户输入的需求信息；

4、语音感知层：用于检测需求信息中的有效语音，完成语音过滤及转写，并输出语音端点置信度、asr识别置信度和语音一致性结果，作为当前轮交互信息；

5、统一交互状态构建层：用于将当前轮交互信息描述为在语音感知、问题理解、上下文继承、知识时效、检索证据和播报控制上的统一交互状态向量；

6、对话理解与路由层：用于将统一交互状态向量转换为控制检索、生成和语音播报过程的多维度控制层参数并根据检索进程更新；所述维度控制参数包括检索路径启用标志、结构化检索权重、关键词检索权重、语义检索权重、时间条件过滤权重、结构化反向校验权重、各检索通道的候选召回数量、证据置信阈值、上下文补全强度、生成约束等级和播报控制参数；

7、商场数据层：用于存储可检索的商场业务知识，包括结构化数据库、文本知识库、别名词典、同义词库和向量索引；

8、多阶段混合检索层：基于生成的多维度控制参数，在商场数据层进行多阶段混合检索，并利用结构化字段约束语义召回结果，获取可核验证据集合；所述多阶段混合检索包括依次进行的结构化精细检索、关键词召回、语义扩展检索、结构化字段反向校验和融合重排序；

9、证据质量评估与反校验层：用于评估检索得到的可核验证据集合，生成支撑本地大模型播报的候选回答，并识别候选回答中未被证据支持、已失效或相互冲突的事实内容，生成最终证据集合；

10、本地大模型生成层：用于基于最终证据集合生成自然语言回答；

11、输出前端：用于基于生成的自然语言回答向用户反馈需求信息对应的文本和语音回答。

12、本发明的有益效果为：

13、（1）提高嘈杂商场语音场景下的检索可靠性

14、本发明通过统一交互状态向量将vad端点置信度、asr识别置信度、说话人一致性、意图置信度和实体链接置信度纳入检索控制，使系统在输入不稳定时自动提高结构化检索和证据校验强度，降低语音误识别文本直接触发语义误召回的风险。

15、（2）提高商场多类型知识的检索准确性

16、本发明通过结构化检索、关键词检索、向量检索和时间条件过滤相结合的分阶段检索机制，能够针对品牌位置、楼层、营业时间、服务设施、活动优惠、faq说明和模糊品类需求选择不同检索策略。相比单一检索方式，本发明能够同时兼顾精确事实查询和口语化语义泛化。

17、（3） 降低向量语义误召回引起的大模型幻觉

18、本发明提出结构化字段反向校验机制，利用店铺id、品牌名、楼层、营业状态、活动有效期和适用范围等结构化事实字段约束关键词和语义召回结果。对于无法在结构化库中获得事实支撑的候选，系统进行降权、剔除或限定用途处理，避免其作为具体事实回答依据。

19、（4）支持连续多轮问答并避免上下文误继承

20、本发明通过统一交互状态向量保存最近命中的实体、品类、服务设施和证据集合，并设置状态有效期和置信度衰减机制。系统能够对“在哪儿”“几点关门”“怎么走”等省略式追问进行自动补全，同时在话题切换或状态过期时降低上下文补全强度。

21、（5）兼顾低延迟语音播报与事实准确性

22、本发明通过证据质量联动的分阶段tts机制，使语音合成模块依据证据质量等级和事实槽位校验结果确定播报时机。高置信事实片段可快速进入tts队列，低置信或冲突事实片段被延后、重写或兜底，避免为了降低延迟而提前播报错误事实。

23、（6）增强本地化部署能力和数据安全性

24、本发明可在商场本地服务器或边缘计算设备中部署asr、llm、rag知识库和tts模块，使用户语音、文本问题和商场运营数据无需上传至第三方云端。该方式减少公网依赖，降低调用成本，提高数据安全性和系统可控性。

25、（7）降低知识库维护难度并提升可扩展性

26、本发明将商场知识划分为店铺信息库、活动优惠库、服务设施库、别名词典、同义词库和faq说明文档，并为非结构化文本块建立结构化字段映射。商场运营人员可以通过表格、后台管理系统或数据库维护内容，系统在知识更新后即可重新构建关键词索引和向量索引。asr模型、llm模型、tts模型、数据库类型、向量检索引擎和重排序模型均可独立替换。