一种机器人聊天管理方法、设备及介质与流程

1.本发明涉及计算机的机器学习领域，具体涉及一种机器人聊天管理方法、设备及介质。


背景技术：

2.当前基于深度机器学习的自然语言理解技术已经能够实现对单个问题的语义理解。为了实现更加符合人类自然语言习惯的应答，需要结合当前对话的语境上下文获得更丰富的信息，以判断多个可能的答案中哪个才是更符合当前语境的。但另一方面由于计算机的软件的记忆能力有别有人类大脑，大多数情况会永久性的记录下来。过多的历史记忆反而干扰了对当前语境的分析理解，形成预期之外的判断。


技术实现要素：

3.为解决以上问题，本发明提出了一种机器人聊天管理方法，包括：
4.获取用户聊天信息，分析所述用户聊天信息中与目标意图有关的信息；
5.根据所述与目标意图有关的信息、所述用户聊天信息以及用户信息构建多个参数列表；
6.基于所述多个参数列表生成响应所述用户聊天信息的应答上下文。
7.在本发明的一些实施方式中，根据所述与目标意图有关的信息、所述用户聊天信息以及用户信息构建多个参数列表包括：
8.基于自然语言处理分析所述与目标意图有关的信息，并提取出所述信息中的信息参数；
9.基于所述信息参数建立短期上下文信息参数列表和背景信息参数列表；以及
10.通过所述信息参数和所述短期上下文信息参数列表构建目标意图列表。
11.在本发明的一些实施方式中，方法还包括：
12.记录所述短期上下文信息参数列表中信息参数的出现时间，对每个信息参数设定权重，并设置所述权重随时间变化的变化率；
13.响应于所述用户聊天信息中存在出现对应的信息参数，更新所述信息参数在所述短期上下文信息参数列表的权重。
14.在本发明的一些实施方式中，方法还包括：
15.建立长期上下文信息参数列表，将每次用户聊天结束时所述短期上下文信息参数列表中合并到所述长期上下文信息参数列表，并将重复的信息参数的引用计数加1；
16.响应于所述信息参数的引用计数变化，同时修改所述信息参数的权重的变化率。
17.在本发明的一些实施方式中，方法还包括：
18.判断所述长期上下文信息参数列表中信息参数的引用计数是否大于预定值；
19.响应于所述长期上下文信息参数列表中信息参数的引用计数大于预定值，将所述信息参数添加到所述背景信息参数列表，并将所述信息参数进行标记。
20.在本发明的一些实施方式中，方法还包括：
21.对所述信息参数进行分类，并将所述信息参数的分类信息添加到所述多个参数列表；
22.根据所述信息参数的分类信息生成响应所述用户聊天信息的应答上下文。
23.在本发明的一些实施方式中，方法还包括：
24.分析所述多个参数列表中所述信息参数的分类信息，并将相同分类的信息参数进行关联；
25.响应于属于相同分类关联关系的任意一个的信息参数在新的聊天信息中出现，更新所述多个参数列表中所述属于相同分类关联关系的所有信息参数的权重。
26.在本发明的一些实施方式中，基于所述多个参数列表生成响应所述用户聊天信息的应答上下文，包括：
27.根据所述目标意图列表中的信息参数生成多个上下文信息，并根据用户后续的聊天信息修正所述目标意图。
28.本发明的另一方面还提出一种计算机设备，包括：
29.至少一个处理器；以及
30.存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现上述实施方式中任意一项所述方法的步骤。
31.本发明的再一方面还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述实施方式中任意一项所述方法的步骤。
32.通过本发明提供的一种机器人聊天管理方法，可以有效优化基于人类遗忘规律的机器人聊天系统，通过模拟人类记忆遗忘规律实现机器对当前聊天会话背景信息的进行权重排序，从而优先做出与近期会话背景信息相符的聊天上下文判断，形成更接近人与人之间对话自然沟通效果，提升机器人的智能化水平和沟通效率。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为本发明实施例提供的一种机器人聊天管理方法的实施例流程图；
35.图2为本发明实施例提供的一种计算机设备的结构图；
36.图3为本发明实施例提供的一种可读存储介质的结构示意图。
具体实施方式
37.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
38.需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应
理解为对本发明实施例的限定，后续实施例对此不再一一说明。
39.如图1所示，本发明提出了一种机器人聊天管理方法，包括：
40.步骤s1、获取用户聊天信息，分析所述用户聊天信息中与目标意图有关的信息；
41.步骤s2、根据所述与目标意图有关的信息、所述用户聊天信息以及用户信息构建多个参数列表；
42.步骤s3、基于所述多个参数列表生成响应所述用户聊天信息的应答上下文。
43.在本发明的实施例中，在步骤s1中根据与用户建立聊天的形式，获取用户发出的聊天内容文本，并将该内容文本通过自然语言处理模型对聊天内容进行分析，分析出能够代表用户想要表达的目的意图的信息，该信息大多数情况下为用户在聊天过程中所给出的聊天内容文本中的关键词。
44.在本发明的一些实施例中，能够代表用户想要表达的目的的意图信息也可能并不在用户所给出的聊天内容文本中，例如一些具有隐喻性质的聊天内容，以及通过对用户聊天内容的分析得出的用户的情感状态等并非是用户在聊天过程中所给出的聊天内容。因此能够代表用户想要表达的目的意图的信息不仅限于用户在聊天过程中所给出的聊天内容。
45.在步骤s2中，保存上述步骤中分析得到能够代表用户想要表达的目的的意图的信息，根据需要对自然语言处理模型分析得到用户想要表达的目的的意图的信息建立多个参数列表，作为聊天机器人的“记忆”。
46.在步骤s3中，根据在步骤s2中建立的作为聊天机器人的“记忆”的多个参数列表中对应的信息，再通过自然语言模型生成回应用户的聊天内容的应答上下文。
47.在本发明的一些实施方式中，根据所述与目标意图有关的信息、所述用户聊天信息以及用户信息构建多个参数列表包括：
48.基于自然语言处理分析所述与目标意图有关的信息，并提取出所述信息中的信息参数；
49.基于所述信息参数建立短期上下文信息参数列表和背景信息参数列表；以及
50.通过所述信息参数和所述短期上下文信息参数列表构建目标意图列表。
51.在本实施例中，通过相应自然语言模型对上述与目标意图有关的信息进一步分析得到对应的信息参数，信息参数可以是用户聊天上下文中的对应的关键词，就像不同的聊天环境或话题有不同的关键词一样，信息参数是指可以代替聊天话题以及用户目的的一个或多个关键词，如前所述，有些关键词可能并非是用户在聊天中输出的文字，而是自然语言模型根据用户聊天上下文的内容对用户当前状态、情绪或目的生成的分类或标签。
52.具体地，根据分析得到的信息参数建立短期上下文信息参数列表，短期上下文信息参数列表是用于记录机器人与用户当前对话的主要内容的列表，在对话开始时即被创建，将当前对话过程中所有关于对话的信息参数均保存到短期上下文参数列表。
53.此外，还将分析得到的信息参数和/或短期上下文信息参数列表中的信息参数添加到背景信息参数列表。背景信息参数列表是与用户有关的信息参数的集合，背景信息参数列表中的信息参数可能不在当前聊天内容中，也即不是当前聊天内容所谈论的话题。是为不同用户长久保存的信息参数的列表集合。具体如姓名、性别、年龄、电话、邮箱、常用地址等与用户身份密切相关的参数信息。
54.特别地，在其他一些实施例中，还将短期上下文信息参数列表中高频出现的信息
参数添加到背景信息参数列表中，用以为用户的认知或知识背景进行特殊标记。
55.进一步，还根据分析得到的信息参数构建用于构建目标意图列表，目标意图列表是直接用于生成机器人答复用户的对话内容的关键，即向自然语言模型输入目标意图列表的信息参数，由自然语言模型输出对应的应答用户的话语。
56.在本发明的一些实施方式中，方法还包括：
57.记录所述短期上下文信息参数列表中信息参数的出现时间，对每个信息参数设定权重，并设置所述权重随时间变化的变化率；
58.响应于所述用户聊天信息中存在出现对应的信息参数，更新所述信息参数在所述短期上下文信息参数列表的权重。
59.在本实施例中，短期上下文信息参数列表在初始状态时，或者说是在用户发起对应对话时，其内容为空，在对用户的会话内容进行分析之后才将分析得到的信息参数添加到短期上下文信息参数列表。在将信息参数添加到短期上下文列表时，还需要对要添加到短期上下文列表的信息参数附以权重，权重则是机器人模拟表示该信息参数在用户记忆中记忆强度。
60.进一步，如果用户在聊天过程中再次提相同的几句话或者是某些词之后，那么这句话或这些词的权重会在短期上下文列表中的权重会被更新。
61.需要说明的是，本发明提出的机器人聊天管理方法还将通过自然语言处理模型对用户的聊天内容进行抽象分析，生成聊天内容中不存在的相应的信息参数，例如，如果用户发起聊天的时间或聊天内容涉及饮食相关的内容，比如提到多种菜名或食物名称，或者是按照人类的作息时间是处于吃饭时间，在用户没有提出明确的订餐等词汇时，则生成饮食相关例如订餐等信息参数；或者是用户在聊天内容中表现的很消极，聊天内容中涉及购买危险药品或询问具有轻生倾向的内容，则会生成相应的状态消极，具备自杀倾向的标签。在机器人生成应答上下文时应生成相应的开导性的话语或者严重时根据背景信息参数列表中用户的联系方式、地址以及该用户的亲友等人的联系方式执行相应的保护措施，例如向用户的亲友发送信息告诉其亲友用户当前的思想状态比较危险。必要时根据用户地址进行报警。
62.在本发明的一些实施方式中，方法还包括：
63.建立长期上下文信息参数列表，将每次用户聊天结束时所述短期上下文信息参数列表中合并到所述长期上下文信息参数列表，并将重复的信息参数的引用计数加1；
64.响应于所述信息参数的引用计数变化，同时修改所述信息参数的权重的变化率。
65.在本实施例中，本发明提出的机器人聊天管理方法，还创建了用于保存用户认知范围或认知层次的长期上下文信息参数列表。具体地，在每次与用户的会话结束时，便将短期上下文信息参数列表中的数据合并到长期上下文信息参数列表。对于长期上下文信息参数列表中已经存在的信息参数，则对该信息参数增加引用计数一项，当长期和短期上下文信息参数列表中均存在该信息参数时，将长期上下文信息参数列表中的该信息参数的引用计数增加1。
66.此外，本发明还对信息参数的权重的变化率进行优化，通过对应信息参数的引用计数的多少来调整该信息参数的权重的变化率。权重的变化率是指用户在长期的记忆中对应信息的变化情况，例如西瓜，这些具有季节变化或者具备周期性变化的词在生活中也是
在某些场景下的记忆深刻。假如在夏季，西瓜在人的记忆中会随着现实中西瓜的多见而加强。但在冬季对于大多数人来说对于西瓜的记忆或者是对其口感的记忆将会消失。因此当权重变为0或者低于一定值时，我们假设用户是想不起来的，例如在冬天，如果不是看到西瓜或是他人或环境给以提示，对于大多人来说是不可能想到西瓜的。
67.为了更加契合人的思维习惯，将对应信息参数在长期上下文信息参数列表中的引用计数的变化变换或转换到对应信息参数的权重变化率上。当引用计数增加或者引用计数的值很高时，该信息参数的权重变化率则相反处于较低水平。也即用户容易忘记该信息参数所代表的含义。
68.在本发明的一些实施例中，信息参数的权重变化率会随之权重变化率自身的值进行变化。假设西瓜的权重变化率0.1，权重值为1，假设在没有提示西瓜的前提下，每隔1天，西瓜的权重值就等于当前值减去权重变化率与当前值的乘积，即1-0.1*1＝0.9。如果按照线性变化思维则需要10天便约等于用户已经忘记西瓜(不会主动提及)。但在本发明的一些实施例中则不采用线性变化，而是权重值低于一定值时，将权重变化率增加，比方说，当西瓜的权重为0.5时，其权重变化率则为0.15。
69.在本发明的一些实施方式中，方法还包括：
70.判断所述长期上下文信息参数列表中信息参数的引用计数是否大于预定值；
71.响应于所述长期上下文信息参数列表中信息参数的引用计数大于预定值，将所述信息参数添加到所述背景信息参数列表，并将所述信息参数进行标记。
72.在本实施例中，对于长期上下文信息参数列表中的信息参数的引用计数进行判断，如果某个信息参数的引用计数的值达到事先设定的阈值，则将该信息参数添加到背景信息参数列表。并同时在背景信息参数列表中对对加入到背景信息参数列表的信息参数进行标记，使其区分原有设定表示用户背景信息的背景信息参数。
73.在本发明的一些实施方式中，方法还包括：
74.对所述信息参数进行分类，并将所述信息参数的分类信息添加到所述多个参数列表；
75.根据所述信息参数的分类信息生成响应所述用户聊天信息的应答上下文。
76.在本实施例中，对上述多个参数列表：短期上下文参数列表、长期上下文参数列表、背景信息参数列表、目标意图信息列表中的信息参数进行另外的分类，并将分类信息添加到上述多个参数列表中对应的信息参数上。
77.此外，分类可以是多个维度，例如以信息参数所表示的领域或者用途进行分类，这种分类方式是区分聊天对话的话题或领域的分类方式，例如如果聊天上下文中多数信息参数都是跟食物相关的，则当前聊天中的一些信息参数的分类则是“饮食”。如果聊天上下文中出现的是旅游景点，则基于该聊天上下文提取或分析得到的信息参数的分类则是“旅游”。而这种分类则是以信息参数的领域进行分类。
78.进一步，分类还可以是安全方向的分类，例如当聊天上下文中出现一些危险的词语，或者是聊天上下文内容的潜在意图存在危险性暗示，例如用户输出的内容是询问如何处理动物角质层或溶解骨骼的有效方式时，而这些问题都可能存在相应的人的人身安全问题，将当前用户的聊天上下文中对应的信息参数的安全角度上的分类为“危险”。在机器人通过自然语言模型生成对应应答时，则选择不回应或不提供相应的方法答案，以及不执行
相应的辅助操作，指协助购买对应试剂。
79.此外，分类还可以根据用户的个人认知或个人隐私的分类，在对个人认知或个人隐私的分类时，会预先设定对这一分类的范围，即指定对应的信息参数有关的内容标记为个人认知或个人隐私的分类。
80.进一步，对于分类为个人隐私的信息参数，关于涉及个人隐私的聊天上下内容将不会用于训练自然语言模型。这是因为大部分聊天机器人是具备学习能力，会从用户的聊天信息中学习对应的答复方式。例如某公司的智能机器人模型，在网络公开测试时学会了骂人。因此，本发明提出的机器人聊天管理方法，将分类涉及个人隐私的信息参数不作为自然语言模型的训练内容。并且在生成相应涉及隐私的答复内容时，也将遵循不从其他用户的相关话题学得的内容进行答复。
81.另外，对应信息参数的安全分类，则根据用户的角色信息选择性的生成相应的应答机制，如果与机器人对话的是警察等安全人员，则涉及安全性的用户会话，则将允许通过自然语言模型基于上述信息参数生成对应的应答内容回复用户。
82.在本发明的一些实施例中，对信息参数的分类还包括根据不同的行业领域以及专业程度，或者基于个人的认知层次进行分类，分类后的信息参数可由用户选择是否对外公开。
83.在本发明的一些实施方式中，方法还包括：
84.分析所述多个参数列表中所述信息参数的分类信息，并将相同分类的信息参数进行关联；
85.响应于属于相同分类关联关系的任意一个的信息参数在新的聊天信息中出现，更新所述多个参数列表中所述属于相同分类关联关系的所有信息参数的权重。
86.在本实施例中，当从用户聊天内容中分析得到相应的信息参数时，如果该信息参数分类下在此次聊天过程中或者在一段时间内的聊天内容中有分类相同的内容的其他参数，则在更新该信息参数的权重时，同时更新其他相同分类的信息参数的权重。
87.在本发明的一些实施例中，对该信息参数的权重变化率的更新和该信息参数相关的其他信息参数的权重的更新并不相同。该信息参数权重的更新值要大于和它相关的相同分类的信息参数的权重更新值。
88.在本发明的一些实施方式中，基于所述多个参数列表生成响应所述用户聊天信息的应答上下文，包括：
89.根据所述目标意图列表中的信息参数生成多个上下文信息，并根据用户后续的聊天信息修正所述目标意图。
90.在本实施例中，目标意图列表中的信息参数也具有权重，权重可以由长期上下文信息参数列表或短期上下文参数列表中的信息参数进行继承，即当实现目标意图的信息参数不足时，需要从短期上下文参数列表或者长期上下文参数列表中补充信息参数时，同时将对应的信息参数在短期上下文参数列表或者长期上下文参数列表的权重继承。
91.目标意图列表中的信息参数是直接用于生成答复用户聊天内容或者执行相应操作的关键，因此当目标意图列表的信息参数可以生成多个应答上下文时，则根据目标意图列表中信息参数的权重排序生成的多个应答上下文，并将权重最高的信息参数生成的应答上下文发送给用户。同时根据用户在后续聊天内容的回复内容确定已发送的应答上下文是
否正确。
92.在本发明的一些实施例，当由多个信息参数生成对应的应答上下文时，则将多个信息参数的权重相加作为综合权重值，并将综合权重值最高的生成的应答上下文发送给用户或执行相应的操作。
93.如图2所示，本发明的另一方面还提出一种计算机设备，包括：
94.至少一个处理器21；以及
95.存储器22，所述存储器22存储有可在所述处理器上运行的计算机指令23，所述指令23由所述处理器执行时实现上述实施方式中任意一项所述方法的步骤。
96.如图3所示，本发明的再一方面还提出一种计算机可读存储介质401，所述计算机可读存储介质401存储有计算机程序402，所述计算机程序402被处理器执行时实现上述实施方式中任意一项所述方法的步骤。
97.以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
98.应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
99.上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
100.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
101.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。