基于知识图谱和RNN神经网络的机器人对话系统及方法

技术领域

本发明涉及机器人领域，具体地，涉及一种基于知识图谱和RNN神经网络的机器人对话系统及方法。

背景技术

机器人对话在21世纪将成为越来越普遍的应用功能。但是现有的人机对话不够智能，经常出现答非所问的情况。答案匹配不够精准，客户的体验感较差。

专利文献为CN110774285A的发明专利公开了一种执行人形机器人与至少一个用户之间的对话的方法包括由人形机器人反复执行的以下步骤：ⅰ)从相应的传感器获得多个输入信号；ⅱ)解释所获得的信号以识别由用户产生的多个事件，所述事件选自于包括以下各项的组：说出至少词或句子、语音的语调、手势、身体姿势、面部表达；ⅲ)确定人形机器人的响应，该响应包括至少一个事件，所述事件选自于包括以下各项的组：说出至少词或句子、语音的语调、手势、身体姿势、面部表达；ⅳ)由人形机器人产生所述或每个所述事件；其特征在于，步骤ⅲ)根据由用户共同产生并且在步骤ⅱ)识别出的至少两个事件来确定响应，其中至少一个事件不是由用户说出的词或句子。但是上述方案的体验感较差。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于知识图谱和RNN神经网络的机器人对话系统及方法。

根据本发明提供的一种基于知识图谱和RNN神经网络的机器人对话系统，包括如下模块：

机器人模块：用于将对话的语音转为文本，以及将文本转变为语音或者运行任务；

服务器模块：接收机器人模块传递的信息，配置数据库以及神经网络，匹配文本答案并反馈给机器人模块；

数据库模块：用于维护不同机器人的不同数据库。

优选地，所述机器人模块包括语音识别模型，所述语音识别模型将语音识别为文字。

优选地，所述数据库包括图数据库。

根据本发明提供的一种基于知识图谱和RNN神经网络的机器人对话方法，包括如下步骤：

信息转换传输步骤：机器人将语音转换成文本，传输文本信息给服务器；

配置步骤：服务器根据传入的信息，配置当前传入机器人的图数据库数据以及神经网络接口；

图数据库匹配步骤：将传入的信息与配置好的图数据库数据匹配，匹配成功则从图数据库中输出答案；匹配不成功则通过神经网络模型输出答案；

答案提取步骤：机器人提取答案，将文本转换成语音或者运行任务。

优选地，文本信息通过http的post请求传输给服务器。

优选地，所述传入的信息与配置好的图数据库数据匹配包括：

全文本匹配相似度判断步骤：判断全文本匹配相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入余弦相似度判断步骤；

余弦相似度判断步骤：判断余弦相似程度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入拼音相似度判断步骤；

拼音相似度判断步骤：判断拼音相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入lsi模型相似度判断步骤；

lsi模型相似度判断步骤：判断lsi模型相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则传入的信息与图数据库不匹配。

优选地，服务器能够和多个机器人对接。

优选地，不同的机器人匹配设置不同的图数据库。

优选地，图数据库的问答数据通过http接口添加。

优选地，所述问答数据包括任务型命令和不同学科的知识。

与现有技术相比，本发明具有如下的有益效果：

1、本发明利用不同的文本匹配方案，确保传入文本的极大匹配准确率，保证了正确高效的回答。

2、本发明将服务部署在服务器，通过http请求，节约机器自生的算力，同时简化了机器部署的步骤，只需接口的调用。

3、本发明能够同时支持不同机器在线，并对不同的机器实现个性化的回答，以及支持自定义问答，增加自主性。

4、本发明通过http接口来操作图数据库，极大提升可操控性。并使用excel来添加问答，可以使用户自己维护自己的数据库，进行问答定制。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为基于知识图谱和RNN神经网络的机器人对话方法的步骤流程图。

图2为基于知识图谱和RNN神经网络的机器人对话系统示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

如图1和图2所示，根据本发明提供的一种基于知识图谱和RNN神经网络的机器人对话系统，包括如下模块：机器人模块：用于将对话的语音转为文本，以及将文本转变为语音或者运行任务；服务器模块：接收机器人模块传递的信息，将相关的问题进行数据库以及神经网络的相关匹配，匹配文本答案并反馈给机器人模块；数据库模块：用于维护不同机器人的不同数据库，以实现个性化问答。机器人模块包括语音识别模型，所述语音识别模型将语音识别为文字。所述数据库包括图数据库。

本发明还提供了一种基于知识图谱和RNN神经网络的机器人对话方法，包括如下步骤：信息转换传输步骤：机器人将语音转换成文本，文本信息通过http的post请求传输给服务器。配置步骤：服务器根据传入的信息，配置当前传入机器人的图数据库数据以及神经网络接口；图数据库匹配步骤：将传入的信息与配置好的图数据库数据匹配，匹配成功则从图数据库中输出答案；匹配不成功则通过神经网络模型输出答案；答案提取步骤：机器人提取答案，将文本转换成语音或者运行任务。

进一步地，所述传入的信息与配置好的图数据库数据匹配包括：全文本匹配相似度判断步骤：判断全文本匹配相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入余弦相似度判断步骤；余弦相似度判断步骤：判断余弦相似程度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入拼音相似度判断步骤；拼音相似度判断步骤：判断拼音相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则进入lsi模型相似度判断步骤；lsi模型相似度判断步骤：判断lsi模型相似度是否达到阈值，若判断结果为是，则从图数据库中获取答案，若判断结果为否，则传入的信息与图数据库不匹配。服务器能够和多个机器人对接。不同的机器人匹配设置不同的图数据库。图数据库的问答数据通过http接口添加。所述问答数据包括任务型命令和不同学科的知识。

更为详细的，本发明的的对话系统方法具体流程如下所示：

步骤S1：通过机器人语音识别模型识别出来文字后通过flask方案中http的post请求传输给python服务端。

步骤S2：服务端根据传入的信息，配置当前传入机器人的图数据库数据以及神经网络接口。

步骤S3：读取传入的问题，将此问题与配置好的图数据库数据进行匹配，首先是全匹配模式，如果匹配的阈值低于标准阈值，继续进行余弦相似度匹配，若余弦相似度匹配低于阈值，继续进行拼音相似度匹配，若拼音相似度匹配低于阈值，进行lsi模型对比，反之输出答案。

步骤S4：没有匹配上的话则通过神经网络模型生成一个机器人自己的回答。

步骤S5：最后将相关的问题答案进行包装，返回给机器人，由机器人提取答案，将文本合语音或者进行任命令的执行。

当完成一个完整的对话后，等待后续输入，继续进行问答。本发明支持多台机器人同时在线问答，可根据不同的机器人设置不同的图数据库，进行多风格回答以及个性化定制回答。

本发明使用机器人进行任务型对话，任务指令与图数据库百分百精准匹配。不同的问题不同的问法也能做到精准匹配相似问题的知识库中的答案，从而操作机器人进行相关的任务。使用机器人进行聊天型对话，利用神经网络学习模拟人类聊天习惯，从而进行相关问题回答。本发明使用http接口，将excel问答快速添加数据到图数据库，可以是任务型命令，不同学科知识等，可以快速改变机器人的对话风格，及操作指令。本发明支持多台机器人同时在线对话以及语音任务指令，根据不同机器人定制不同的任务命令以及个性化聊天系统。

本发明提供了一个更加便捷、快速、精准的匹配方式，如果没有匹配上的问题则按照正常的seq2seq+attention的网络模型去生成答案。通过python的flask方案，对数据库进行http页面维护，极大方便图数据库的操作。本发明通过Excel进行知识库的编辑，http进行上传数据，使用python实现自动读写进图形数据库中进行建立顶点与边的关系。本发明采用四种层次递进的文本匹配方案(全匹配，余弦相似度，全拼音，lsi)，极大保证相关的文本命令匹配的精确度，确保指令的正确解析。本发明通过http的post请求，将不同机器人的对话问题传入后台，根据不同机器人的图数据库配置方案，特异，高效的匹配不同答案，并返回机器人。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。