本發(fā)明涉及智能識別技術(shù)領(lǐng)域，具體涉及一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知方法及裝置。

背景技術(shù)：

現(xiàn)有的人機(jī)對話系統(tǒng)中，對于用戶事件活動相關(guān)話題的理解與潛在邏輯的推理普遍依賴于規(guī)則系統(tǒng)的預(yù)設(shè)規(guī)則?；居|發(fā)形式或由用戶發(fā)出“指令式”的對話，或由機(jī)器識別固定的對話句型，導(dǎo)致對話無法深入并且不符合人類自然的交互習(xí)慣。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知方法及裝置，將用戶表述的事件活動抽象為時間線，并在后續(xù)的用戶對話中根據(jù)關(guān)鍵詞進(jìn)行記憶檢索，實(shí)現(xiàn)對用戶活動的認(rèn)知，使人機(jī)對話更加符合人類自然的交互習(xí)慣。

第一方面，本發(fā)明提供的一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知方法，包括：抽取對話信號中的多元信號；根據(jù)所述多元信號得到活動要素；按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中。

本實(shí)施例提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知現(xiàn)方法，實(shí)現(xiàn)了一種基于時間線自動提取記憶的方法，依賴于對話信號中的時間表達(dá)式、話題、語句類型、情緒、語言行為、語義角色標(biāo)準(zhǔn)、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、等，將用戶表述的事件活動抽象為時間線，基于用戶時間線構(gòu)建對用戶活動的記憶認(rèn)知，使得機(jī)器人更加智能化和人性化。

優(yōu)選地，還包括：對所述對話信號進(jìn)行句型分析；所述按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中，包括：若所述對話信號的句型為陳述句，則按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中；若所述對話信號的句型為疑問句，則在用戶時間線中檢索與所述活動要素匹配的記錄，根據(jù)檢索到的記錄進(jìn)行對話回答。

優(yōu)選地，所述按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中，包括：在用戶時間線中檢索與所述活動要素匹配的記錄；若檢索到匹配的記錄，則根據(jù)所述活動要素對匹配到的記錄進(jìn)行補(bǔ)全；若未檢索到匹配的記錄，則根據(jù)所述時間要素生成新增記錄，按所述活動要素中的時間要素為順序，將所述新增記錄添加到用戶時間線中。

優(yōu)選地，還包括：在所述用戶時間線中檢索與所述新增記錄存在沖突的記錄，若存在沖突，則向用戶發(fā)出提醒。

優(yōu)選地，所述多元信號包括時間表達(dá)式、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、語義角色標(biāo)注、話題、句型、情緒、語言行為中的至少一種。

優(yōu)選地，所述活動要素包括時間要素、地點(diǎn)要素、人物要素、事件要素中的至少一種。

第二方面，本發(fā)明提供的一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知裝置，包括：信號抽取模塊，用于抽取對話信號中的多元信號；要素提取模塊，用于根據(jù)所述多元信號得到活動要素；記憶添加模塊，用于按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中。

本實(shí)施例提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知現(xiàn)裝置，實(shí)現(xiàn)了一種基于時間線自動提取記憶的方法，依賴于對話信號中的時間表達(dá)式、話題、語句類型、情緒、語言行為、語義角色標(biāo)準(zhǔn)、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、等，將用戶表述的事件活動抽象為時間線，基于用戶時間線構(gòu)建對用戶活動的記憶認(rèn)知，使得機(jī)器人更加智能化和人性化。

優(yōu)選地，還包括句型分析模塊，用于對所述對話信號進(jìn)行句型分析；所述記憶添加模塊具體用于：若所述對話信號的句型為陳述句，則按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中；若所述對話信號的句型為疑問句，則在用戶時間線中檢索與所述活動要素匹配的記錄，根據(jù)檢索到的記錄進(jìn)行對話回答。

優(yōu)選地，所述記憶添加模塊中，按所述活動要素中的時間要素為順序，將所述活動要素添加到用戶時間線中，包括：在用戶時間線中檢索與所述活動要素匹配的記錄；若檢索到匹配的記錄，則根據(jù)所述活動要素對匹配到的記錄進(jìn)行補(bǔ)全；若未檢索到匹配的記錄，則根據(jù)所述時間要素生成新增記錄，按所述活動要素中的時間要素為順序，將所述新增記錄添加到用戶時間線中。

優(yōu)選地，還包括沖突檢測模塊，用于在所述用戶時間線中檢索與所述新增記錄存在沖突的記錄，若存在沖突，則向用戶發(fā)出提醒。

附圖說明

圖1示出了本發(fā)明實(shí)施例所提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知方法的流程圖；

圖2示出了本發(fā)明實(shí)施例所提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將結(jié)合附圖對本發(fā)明技術(shù)方案的實(shí)施例進(jìn)行詳細(xì)的描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，因此只是作為示例，而不能以此來限制本發(fā)明的保護(hù)范圍。

需要注意的是，除非另有說明，本申請使用的技術(shù)術(shù)語或者科學(xué)術(shù)語應(yīng)當(dāng)為本發(fā)明所屬領(lǐng)域技術(shù)人員所理解的通常意義。

如圖1所示，本實(shí)施例提供的一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知現(xiàn)方法，包括：

步驟s1，抽取對話信號中的多元信號。

其中，多元信號包括但不限于以下內(nèi)容時間表達(dá)式、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、語義角色標(biāo)注、話題、情緒、語言行為。在抽取對話信號中的多元信號時，不一定能抽取到上述所有內(nèi)容，也不需要抽取到所有內(nèi)容。上述多元信號的獲取方法可以采用既有方案實(shí)現(xiàn)，有較高的準(zhǔn)確度。

時間表達(dá)式包括日期、時間，通過現(xiàn)有的基于機(jī)器學(xué)習(xí)的crfmodel(條件隨機(jī)場模型)訓(xùn)練標(biāo)注時間表達(dá)式，并通過nlp分詞和詞性標(biāo)注處理后對表達(dá)式進(jìn)行歸一化處理，去除“的”等助詞，如果是“16年11月1日”通過正則表達(dá)式識別“年”“月”“日”部分并進(jìn)行標(biāo)準(zhǔn)化，如果是“上周一”“下周三”等推算格式，則進(jìn)行對應(yīng)的時間推算。時間表達(dá)式采用標(biāo)準(zhǔn)格式，類似于“2016年11月1日15：30”的結(jié)構(gòu)化格式，并且是基于當(dāng)前時間基線計算的，如昨天，明天，下周一等等，但是概括的時間只精確到日期，如明天是“2016年11月1日”，明天下午三點(diǎn)是“2016年11月1日15:00”。

命名實(shí)體就是人名、機(jī)構(gòu)名、地名以及其他所有以名稱為標(biāo)識的實(shí)體，常見有機(jī)構(gòu)名、人名、地名等，也可以有時間、日期、數(shù)量短語等。人稱命名實(shí)體指人名，通過現(xiàn)有的基于機(jī)器學(xué)習(xí)的crfmodel、關(guān)鍵詞詞典與正則表達(dá)式規(guī)則的識別方法識別人稱命名實(shí)體。地點(diǎn)命名實(shí)體指地名，通過現(xiàn)有的基于機(jī)器學(xué)習(xí)的crfmodel、關(guān)鍵詞詞典與正則表達(dá)式規(guī)則的識別方法識別地點(diǎn)命名實(shí)體。

語義角色標(biāo)注是句子語法結(jié)構(gòu)樹的抽象，表明了句子各短語的依賴修飾關(guān)系，即句子的施事和受事關(guān)系，例如：“我明天去西單看電影”，施事是“我看”和“我去”，受事為“看電影”，地點(diǎn)修飾為“去西單”。

通過現(xiàn)有的對nlp(naturallanguageprocessing，自然語言處理)依存句法樹進(jìn)行集束搜索和聯(lián)合學(xué)習(xí)的方式標(biāo)注句子的語義角色標(biāo)注。

話題是對話中常用語/短語的語義標(biāo)注，例如“我明天去西單看電影”，其中“看電影”的話題是“娛樂休閑活動”，“西單”是“北京商圈”，句子成分中的話題標(biāo)注是作為用戶記憶層次分類的依據(jù)，在記憶用戶“明天去看電影”的同時，能夠理解用戶的“看電影”活動要素屬于“娛樂休閑活動”，地點(diǎn)要素“西單”屬于“北京商圈”，便于輔助用戶的記憶檢索。例如用戶詢問“明天我要去玩什么？”，其中“玩”對應(yīng)的話題為“娛樂休閑活動”，這樣對應(yīng)可以將用戶看電影的活動檢索出來。話題的獲取需要建立人工分類的常識辭典庫，在此之上結(jié)合lstm深度學(xué)習(xí)算法識別多輪對話下的話題。

情緒代表了對話中的喜、怒、中性狀態(tài)，用戶強(qiáng)烈情緒狀態(tài)下的事件通常是比較重要的記憶，基于deeplearning(深度學(xué)習(xí))模型訓(xùn)練識別句子的情緒。

語言行為代表了對話的行為傾向是陳述、確認(rèn)、道歉、肯定/否定意見、疑問、指責(zé)等等，是識別對話語義中活動事件需要記憶的重要依據(jù)，通過現(xiàn)有的deeplearningcnn(深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò))模型訓(xùn)練識別語言行為。

步驟s2，根據(jù)多元信號得到活動要素。

其中，對用戶對話中表述的活動可以抽象為時間，地點(diǎn)，人物，事件這四要素，因此，步驟s2中的活動要素包括時間要素、地點(diǎn)要素、人物要素、時間要素。但各個活動要素并非是記憶認(rèn)知的不可或缺的部分，實(shí)際中，根據(jù)一條對話信號可能只能獲取其中的一個或多個活動要素，其它活動要素可以在多輪對話過程中進(jìn)行信息補(bǔ)全。在人機(jī)交互過程中，根據(jù)對話信號中的時間表達(dá)式抽取時間要素；根據(jù)人稱以及人稱命名實(shí)體識別人物得到人物要素，或通過對語義角色標(biāo)注中的施事進(jìn)行人稱命名實(shí)體匹配得到人物要素；根據(jù)地點(diǎn)命名實(shí)體識別地點(diǎn)得到地點(diǎn)要素，或通過對語義角色標(biāo)注中的地點(diǎn)修飾進(jìn)行地點(diǎn)命名實(shí)體匹配得到地點(diǎn)要素；根據(jù)語義角色標(biāo)注(semanticrolelabeling)與話題等多元信號識別事件要素，如根據(jù)語義角色標(biāo)注中施受關(guān)系將句子中的活動成分抽取為事件，以“明天我要帶女朋友去看電影”為例，事件為“看電影”。

步驟s3，按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中。

其中，添加到用戶時間線中的活動要素按預(yù)先設(shè)定好的格式進(jìn)行存儲，例如：“時間要素-地點(diǎn)要素-人物要素-事件要素”，存儲的記錄中除時間要素外各個活動要素可以缺省。

本實(shí)施例提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知現(xiàn)方法，實(shí)現(xiàn)了一種基于時間線自動提取記憶的方法，依賴于對話信號中的時間表達(dá)式、話題、語句類型、情緒、語言行為、語義角色標(biāo)準(zhǔn)、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、等，將用戶表述的事件活動抽象為時間線，基于用戶時間線構(gòu)建對用戶活動的記憶認(rèn)知，使得機(jī)器人更加智能化和人性化。

為了使機(jī)器人更加智能，需要針機(jī)器人對不同的句型作出不同的回應(yīng)，為了實(shí)現(xiàn)上述功能，本實(shí)施例提供的方法還包括：對話信號進(jìn)行句型分析。具體地，通過現(xiàn)有的基于aimlartificialintelligencemarkuplanguage(人工智能標(biāo)記語言)與正則表達(dá)式規(guī)則的方法識別對話信號的句型，并可以結(jié)合多元信號中的情緒、語言行為提高判斷對話信號的句型的精確度。

基于上述句型分析的結(jié)果，步驟s3具體包括：

步驟s31，若對話信號的句型為陳述句，則按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中。

步驟s32，若對話信號的句型為疑問句，則在用戶時間線中檢索與活動要素匹配的記錄，根據(jù)檢索到的記錄進(jìn)行對話回答。

在上述任一方法實(shí)施例的基礎(chǔ)上，可以綜合多輪對話中提取的活動要素，對用戶時間線中的記錄進(jìn)行補(bǔ)全，使機(jī)器人更加的智能化。具體地，步驟s3中，按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中，包括：在用戶時間線中檢索與活動要素匹配的記錄；若檢索到匹配的記錄，則根據(jù)活動要素對匹配到的記錄進(jìn)行補(bǔ)全；若未檢索到匹配的記錄，則根據(jù)時間要素生成新增記錄，按活動要素中的時間要素為順序，將新增記錄添加到用戶時間線中。

在涉及到多輪對話的過程中，可能第一輪對話只獲取到人物要素和事件要素，如用戶：“我要去看電影”，在時間線中新增“用戶-時間缺省-地點(diǎn)缺省-看電影”；在第二輪對話中，機(jī)器人：“去哪看電影？”，用戶：“去西單看電影”，則提取地點(diǎn)要素“西單”、事件要素“看電影”，根據(jù)“看電影”這一關(guān)鍵詞檢索到第一條記錄并進(jìn)行補(bǔ)全得到“用戶-時間缺省-西單-看電影”，第三輪對話，機(jī)器人：“什么時候去看電影？”，用戶：“明天去看電影”，則根據(jù)時間表達(dá)式“明天”得到時間要素“2016年11月2日”(假設(shè)今天是2016年11月1日)、事件要素“看電影”，根據(jù)“看電影”這一關(guān)鍵詞檢索到第一條記錄并進(jìn)行補(bǔ)全得到“用戶-2016年11月2日-西單-看電影”。

為了防止用戶時間線中的記錄發(fā)生沖突，本實(shí)施例提供的方法還包括：在用戶時間線中檢索與新增記錄存在沖突的記錄，若存在沖突，則向用戶發(fā)出提醒。在進(jìn)行沖突檢索時，可以根據(jù)用戶對話中的關(guān)鍵詞或時間要素進(jìn)行記憶檢索。

這種沖突判定典型應(yīng)用于用戶的行程安排，例如用戶一周之前就提過“下周三下午四點(diǎn)和老板開會”，時間線記憶為“2016年11月1日16:00-地點(diǎn)缺省-老板-和老板開會”，如果用戶周二在對話中說“明天下午開會”，則按照用戶所提的“明天下午”(2016年11月1日12:00–18:00)和“開會”關(guān)鍵詞進(jìn)行檢索，現(xiàn)有的“開會”活動的時間在查詢范圍之內(nèi)，表明沒有沖突，則機(jī)器人回復(fù)：“對呀，下午四點(diǎn)和老板開會”；如用戶說“明天要去看電影”，按照用戶所提的“明天”(2016年11月1日)和“看電影”進(jìn)行檢索，現(xiàn)有的“開會”活動在2016年11月1日范圍內(nèi)，表明可能存在沖突，機(jī)器人回復(fù)“別忘了下午四點(diǎn)和老板開會”。通過記憶檢索，給用戶提供了沖突提醒，提供了更好的用戶體驗(yàn)。

本實(shí)施例提供的方法，通過挖掘人機(jī)交互對話的自然語言信息，并將這些信息轉(zhuǎn)化成可用于記憶認(rèn)知的多元信號，根據(jù)多元信號將用戶活動抽象為通用的活動要素，便于利用多元信號進(jìn)行記憶的補(bǔ)全與檢索，將用戶活動記憶組織為時間線，有利于排序與構(gòu)建索引實(shí)現(xiàn)快速的記憶檢索，機(jī)器能夠識別不同的對話句型，使人機(jī)對話更加符合人類自然的交互習(xí)慣。

基于與上述人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知方法相同的發(fā)明構(gòu)思，本實(shí)施例提供了一種人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知裝置，如圖2所示包括：信號抽取模塊，用于抽取對話信號中的多元信號；要素提取模塊，用于根據(jù)多元信號得到活動要素；記憶添加模塊，用于按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中。

本實(shí)施例提供的人機(jī)對話系統(tǒng)中基于時間線記憶的認(rèn)知現(xiàn)裝置，實(shí)現(xiàn)了一種基于時間線自動提取記憶的方法，依賴于對話信號中的時間表達(dá)式、話題、語句類型、情緒、語言行為、語義角色標(biāo)準(zhǔn)、人稱命名實(shí)體、地點(diǎn)命名實(shí)體、等，將用戶表述的事件活動抽象為時間線，基于用戶時間線構(gòu)建對用戶活動的記憶認(rèn)知，使得機(jī)器人更加智能化和人性化。

優(yōu)選地，本實(shí)施例提供的裝置還包括句型分析模塊，用于對對話信號進(jìn)行句型分析；相應(yīng)地，記憶添加模塊具體用于：若對話信號的句型為陳述句，則按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中；若對話信號的句型為疑問句，則在用戶時間線中檢索與活動要素匹配的記錄，根據(jù)檢索到的記錄進(jìn)行對話回答。

優(yōu)選地，記憶添加模塊中，按活動要素中的時間要素為順序，將活動要素添加到用戶時間線中，包括：在用戶時間線中檢索與活動要素匹配的記錄；若檢索到匹配的記錄，則根據(jù)活動要素對匹配到的記錄進(jìn)行補(bǔ)全；若未檢索到匹配的記錄，則根據(jù)時間要素生成新增記錄，按活動要素中的時間要素為順序，將新增記錄添加到用戶時間線中。

優(yōu)選地，還包括沖突檢測模塊，用于在用戶時間線中檢索與新增記錄存在沖突的記錄，若存在沖突，則向用戶發(fā)出提醒。

本實(shí)施例提供的裝置，通過挖掘人機(jī)交互對話的自然語言信息，并將這些信息轉(zhuǎn)化成可用于記憶認(rèn)知的多元信號，根據(jù)多元信號將用戶活動抽象為通用的活動要素，便于利用多元信號進(jìn)行記憶的補(bǔ)全與檢索，將用戶活動記憶組織為時間線，有利于排序與構(gòu)建索引，實(shí)現(xiàn)快速的記憶檢索，機(jī)器能夠識別不同的對話句型，使人機(jī)對話更加符合人類自然的交互習(xí)慣。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說明書的范圍當(dāng)中。