本發(fā)明屬于自然語言處理，具體涉及一種用于機(jī)器人的互動(dòng)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、當(dāng)前，基于大語言模型驅(qū)動(dòng)的新型聊天機(jī)器人迅速發(fā)展，與傳統(tǒng)的對(duì)話機(jī)器人相比，新型聊天機(jī)器人能夠更好的了解用戶意圖，并且可以根據(jù)用戶的對(duì)話，對(duì)用戶提供的各種材料文本進(jìn)行潤(rùn)色和修改。

2、如公開號(hào)為cn116775870a的中國(guó)專利文件1公開了一種結(jié)合大模型的對(duì)話意圖識(shí)別方法，該方法通過語音識(shí)別模塊識(shí)別用戶對(duì)話內(nèi)容，形成文本形式，通過文本相似性將對(duì)話內(nèi)容與預(yù)置意圖文本進(jìn)行匹配計(jì)算，如果匹配成功，調(diào)用當(dāng)前預(yù)置意圖文本對(duì)應(yīng)的意圖對(duì)文本進(jìn)行處理，又例如公開號(hào)為cn117112763a的中國(guó)專利文件2公開了一種基于chatgpt的智能客服的應(yīng)用方法及其存儲(chǔ)介質(zhì)，該方法包括收集和預(yù)處理預(yù)設(shè)領(lǐng)域的對(duì)話數(shù)據(jù)集，確定智能客服系統(tǒng)所涉及的預(yù)設(shè)領(lǐng)域，然后收集特定領(lǐng)域的對(duì)話數(shù)據(jù)，對(duì)收集到的對(duì)話數(shù)據(jù)集進(jìn)行預(yù)處理，對(duì)對(duì)話數(shù)據(jù)進(jìn)行標(biāo)注，將預(yù)處理后的對(duì)話數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，使用對(duì)話數(shù)據(jù)集對(duì)chatgpt模型進(jìn)行訓(xùn)練和微調(diào)，以適應(yīng)預(yù)設(shè)領(lǐng)域的客服場(chǎng)景。

3、上述在生成回答文本之前，均先對(duì)用戶的問題意圖進(jìn)行了判斷，以生成更貼合適的回答文本，然后，專利文件1需要與大量的文本進(jìn)行對(duì)比，這會(huì)大大增加系統(tǒng)的算力，專利文件2則需要收集大量的對(duì)話數(shù)據(jù)集，這需要耗費(fèi)較多的時(shí)間；并且在面對(duì)一次生成的超長(zhǎng)文本時(shí)，由于其中存在多個(gè)不同情感屬性的詞語，語言模型可能會(huì)出現(xiàn)理解錯(cuò)誤的情況，進(jìn)而會(huì)給出錯(cuò)誤的分析結(jié)果。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題，本發(fā)明提供了一種用于機(jī)器人的互動(dòng)方法、系統(tǒng)及存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)中的問題。

2、為了達(dá)到上述的發(fā)明目的，本發(fā)明提出一種虛擬建筑模型生成方法，包括：

3、s1：接收用戶的語音，將所述語音轉(zhuǎn)換為語言文本，提取所述語言文本中的實(shí)體；

4、s2：基于實(shí)體對(duì)所述語言文本進(jìn)行第一分析，并判斷是否獲取到所述語言文本的生成方向，所述生成方向包括正面方向和負(fù)面方向，是的情況下，執(zhí)行s5，否的情況下，執(zhí)行s3；

5、s3：對(duì)實(shí)體進(jìn)行成分分析，將所述成分為謂語的實(shí)體設(shè)定為分割詞，基于所述分割詞將所述語言文本分割為主語語句和修飾語句，所述分割詞位于所述修飾語句中；

6、s4：對(duì)所述主語語句和所述修飾語句進(jìn)行第二分析，確定回答文本的所述生成方向；

7、s5：對(duì)實(shí)體進(jìn)行第三分析，獲取實(shí)體中的處理目標(biāo)，基于所述生成方向分析所述處理目標(biāo)，生成所述回答文本。

8、進(jìn)一步地，對(duì)實(shí)體進(jìn)行所述第一分析包括以下步驟：

9、建立詞典庫(kù)，所述詞典庫(kù)包括多個(gè)實(shí)體，每個(gè)實(shí)體標(biāo)注有第一屬性，所述第一屬性包括正面屬性、負(fù)面屬性、反轉(zhuǎn)屬性和中性屬性，統(tǒng)計(jì)所述語言文本中實(shí)體為所述正面屬性的第一數(shù)量，為所述負(fù)面屬性的第二數(shù)量，以及所述語言文本包括實(shí)體的總數(shù)量；

10、在所述總數(shù)量小于第一閾值的情況下，若所述第一數(shù)量大于所述第二數(shù)量，將所述生成方向確定為所述正面方向，若所述第一數(shù)量小于所述第二數(shù)量，將所述生成方向確定為所述負(fù)面方向。

11、進(jìn)一步地，若所述第一數(shù)量與所述第二數(shù)量相同，或者所述總數(shù)量大于等于所述第一閾值，則判斷無法獲取到所述語言文本的所述生成方向。

12、進(jìn)一步地，對(duì)所述主語語句和所述修飾語句進(jìn)行所述第二分析包括以下步驟：

13、在所述修飾語句中選擇第一分析目標(biāo)，將所述第一分析目標(biāo)與兩側(cè)的實(shí)體分別組成第一擴(kuò)展詞和第二擴(kuò)展詞，計(jì)算所述第一擴(kuò)展詞和所述第二擴(kuò)展詞的合理值，將所述合理值較大的擴(kuò)展詞保留，定義為第一短語，獲取所述第一短語的所述第一屬性，將所述第一短語繼續(xù)與兩側(cè)的實(shí)體分別組成第三擴(kuò)展詞和第四擴(kuò)展詞，以生成第二短語，計(jì)算所述第二短語的所述第一屬性，重復(fù)本步驟，直至完成對(duì)所述修飾語句的分析；

14、若所述主語語句中存在第二分析目標(biāo)，確定所述第二分析目標(biāo)的所述第一屬性，基于所述第二分析目標(biāo)和所述修飾語句的所述第一屬性確定所述生成方向，若不存在所述第二分析目標(biāo)，則基于所述修飾語句的所述第一屬性確定所述生成方向。

15、進(jìn)一步地，獲取所述第一短語的所述第一屬性包括以下步驟：

16、若所述第一短語中包括的兩個(gè)實(shí)體分別為所述正面屬性和所述負(fù)面屬性，則獲取位置在前實(shí)體的所述第一屬性，定義為目標(biāo)屬性，將所述目標(biāo)屬性確定為所述第一短語的所述第一屬性；

17、若兩個(gè)實(shí)體均為所述正面屬性或所述負(fù)面屬性，將所述第一短語確定其中包括實(shí)體相同的所述第一屬性；

18、若其中一個(gè)實(shí)體為所述正面屬性或所述負(fù)面屬性，定義為所述目標(biāo)屬性，另一個(gè)實(shí)體為所述中性屬性，則將所述第一短語劃分為所述目標(biāo)屬性；

19、若其中一個(gè)實(shí)體為所述正面屬性或所述負(fù)面屬性，定義為所述目標(biāo)屬性，另一個(gè)實(shí)體為所述反轉(zhuǎn)屬性，將所述第一短語劃分為所述目標(biāo)屬性的對(duì)立屬性。

20、進(jìn)一步地，判斷所述主語語句中是否存在第二分析目標(biāo)包括以下步驟：

21、將所述主語語句中的實(shí)體劃分為名詞和非名詞，定位所述主語語句中最后出現(xiàn)的名詞，定義為目標(biāo)詞，若在所述目標(biāo)詞之后存在非名詞，確定所述主語語句中存在所述第二分析目標(biāo)，將在所述目標(biāo)詞之后的非名詞定義為所述第二分析目標(biāo)。

22、進(jìn)一步地，在基于所述第二分析確定所述生成方向后，基于第一公式計(jì)算所述生成方向的置信度c，所述第一公式為，，其中，x為所述語言文本中包括的實(shí)體數(shù)量，y為預(yù)設(shè)數(shù)值；

23、若所述置信度大于第二閾值，則基于所述生成方向生成提示語句，獲取所述提示語句的反饋結(jié)果，分析所述反饋結(jié)果的所述生成方向，若所述生成方向?yàn)樗鲐?fù)面方向，將所述語言文本的所述生成方向反轉(zhuǎn)，基于反轉(zhuǎn)后的所述生成方向分析所述處理目標(biāo)。

24、進(jìn)一步地，計(jì)算所述合理值包括以下步驟：

25、建立文本數(shù)據(jù)庫(kù)，基于所述第一擴(kuò)展詞和所述第二擴(kuò)展詞在所述文本數(shù)據(jù)庫(kù)中檢索，獲得第一檢索結(jié)果和第二檢索結(jié)果，統(tǒng)計(jì)所述第一檢索結(jié)果和所述第二檢索結(jié)果的第一數(shù)量和第二數(shù)量，將所述第一數(shù)量和所述第二數(shù)量分別設(shè)置為所述第一擴(kuò)展詞和所述第二擴(kuò)展詞的所述合理值。

26、本發(fā)明還提供一種用于機(jī)器人的互動(dòng)系統(tǒng)，用于實(shí)現(xiàn)上述所述的方法，系統(tǒng)包括：

27、轉(zhuǎn)換模塊，接收用戶的語音，將所述語音轉(zhuǎn)換為語言文本，提取所述語言文本中的實(shí)體；

28、分析模塊，基于實(shí)體對(duì)所述語言文本進(jìn)行第一分析，并判斷是否獲取到所述語言文本的生成方向，所述生成方向包括正面方向和負(fù)面方向，是的情況下，對(duì)實(shí)體進(jìn)行第三分析，獲取實(shí)體中的處理目標(biāo)，否的情況下，對(duì)實(shí)體進(jìn)行成分分析，將所述成分為謂語的實(shí)體設(shè)定為分割詞，基于所述分割詞將所述語言文本分割為主語語句和修飾語句，所述分割詞位于所述修飾語句中，對(duì)所述主語語句和所述修飾語句進(jìn)行第二分析，確定回答文本的所述生成方向，基于所述生成方向分析所述處理目標(biāo)；

29、生成模塊，基于所述生成方向分析所述處理目標(biāo)，生成所述回答文本。

30、本發(fā)明還提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有程序指令，其中，在所述程序指令運(yùn)行時(shí)控制所述計(jì)算機(jī)存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行上述所述的方法。

31、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果至少如下所述：

32、本發(fā)明在將用戶的語言文本輸入至自然語言模型前，先對(duì)語言文本進(jìn)行情感分析，獲取語言文本的情感方向，在進(jìn)行分析時(shí)，首先使用較為簡(jiǎn)單的第一分析方法獲取情感方向，若根據(jù)第一分析方法無法獲得情感方向，再根據(jù)第二分析方法獲得情感方向；通過兩種方法進(jìn)行獲取，一方面可以減輕系統(tǒng)的處理負(fù)荷，一方面可以確保獲得生成方向。在獲得生成方向后，在針對(duì)處理對(duì)象生成回答語句時(shí)，就可以根據(jù)語言文本的情感調(diào)整生成結(jié)果，進(jìn)而獲得更加符合用戶需求的結(jié)果。