一种支持社交对话的软服务机器人

技术领域

本发明属于人工智能技术领域，涉及一种支持社交对话的软服务机器人。

背景技术

随着对话系统的发展，软服务机器人在日常生活中得到了广泛运用，例如小度、天猫精灵、Siri等。它可以满足用户的多种需求，包括网页检索、推荐产品、智能家居等，其中有一种特殊的需求，也就是社交需求。它是指用户和外部伙伴(包括家人、朋友以及同事)进行协商，来联合的完成一项任务。然而，随着互联网的发展，用户的社交范围极大的扩展，而这也给用户带来了沉重的社交负担。目前为止，社交负担还没有得到学术界和工业界的广泛关注。

发明内容

为了缓解用户的社交负担，本发明提供了一种支持社交对话的软服务机器人。

本发明的目的是通过以下技术方案实现的：

一种支持社交对话的软服务机器人，包括用户认知模型和社交对话模型，其中：

所述用户认知模型包含社交用户偏好模型、用户属性集、常识知识库三个部分；

所述社交用户偏好模型用于判断用户对新意图的偏好程度，进而估计和用户偏好的冲突程度；

所述用户属性集用于聚合具有相似属性用户的偏好，并且根据聚合偏好来估计用户偏好；

所述常识知识库用于建模用户偏好中不同领域之间的联系，在协商过程中引入常识推理过程；

所述社交对话模型包含冲突点识别模块、冲突消解决策模块、对话行动生成模块三个部分；

所述冲突点识别模块用于基于用户认知模型，在冲突点集合中选择冲突最大和最重要的点；

所述冲突消解决策模块用于基于冲突点识别模块给定的冲突点以及用户认知模型，选择所选冲突点下最符合用户偏好的意图；

所述对话行动生成模块用于根据选择的冲突点、意图和对话状态生成对话动作，以模拟谈判过程中的对话策略。

相比于现有技术，本发明具有如下优点：

在用户缺席的情况下，软服务机器人代替用户与外部伙伴完成协商过程，并且返回协商结果给用户，进而减轻用户的社交负担。为了完成上述场景，社交软服务机器人需要两种能力。在日常生活中，人们会根据自己的喜好来做事(如购买物品、参与社交协商)。因此，为了代表用户做出准确的决策，社交软服务机器人需要准确及时地了解用户的偏好和实时环境(即用户认知能力)。在社交协商过程中，人们积极表达自己的意图，接受他人的建议，判断这些建议是否可以接受，并给出合理的建议来解决潜在的冲突。因此，面向社交场景的软服务机器人需要完成上述过程(即自主协商能力)。本发明验证了社交软服务机器人可以通过上述两种能力很好地完成社交对话场景。本发明以自然语言的方式，自动的与外部伙伴进行协商，并且取得了很好的实验效果，构建了当前在社交对话领域的对话机器人框架，在软服务机器人方向扩展了社交功能。

附图说明

图1为本发明面向的使用场景；

图2为社交软服务机器人整体过程图；

图3为社交软服务机器人框架中的各个模块与算法。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

如图2所示，社交软服务机器人需要具有用户认知和自主协商两种能力。本发明提出社交软服务机器人框架：1、因为社交软服务机器人需要在认知用户的基础上代表用户，与其他用户进行协商，所以社交软服务机器人需要对用户有一定的认知。所以社交软服务机器人框架包含用户认知模型，它从三个角度对用户进行建模：用户社交偏好、用户属性和常识推理。2、社交软服务机器人框架还包含社交对话模型，来支持社交软服务机器人的自主协商能力。社交对话框架包含三个部分：冲突点识别模块，负责选择冲突程度最大和最重要(即用户最关注)的点；冲突消解决策模块，负责选择所选冲突点下最符合用户偏好的意图；对话行动生成模块，负责选择对话动作(例如，提出意图、同意外部伙伴的意图、要求推荐)。使用场景如图1所示。

1、用户认知模型

社交软服务机器人代表用户进行协商，需要具有用户认知的能力。目前的用户建模研究集中在用户的特定维度上，而不是从整体的角度对用户进行建模。本发明从三个角度对用户进行建模：用户社交偏好、用户属性和社交网络。社交软服务机器人也需要推理能力，进而支持显式的和可解释的决策。因此，用户认知模型包含三个部分：社交用户偏好模型、用户属性集以及常识知识库。其中：

所述社交用户偏好模型是为了建模时序上的用户偏好变化。当新意图出现时，社交软服务机器人根据社交用户偏好模型判断用户对新意图的偏好程度，进而估计和用户偏好的冲突程度。

所述用户属性集是基于这样的直觉，根据推荐系统的中心论，相似用户之间存在相似偏好。用户属性集可以聚合具有相似属性用户的偏好，并且根据聚合偏好来估计用户偏好；不同领域之间通常存在关系，例如运动和跑步，旅游和订机票等。

为了建模用户偏好中不同领域之间的联系，本发明在协商过程中引入常识推理过程，而在用户认知模型中保持常识知识库。

2、社交对话模型

如图3所示，社交对话模型包括三个部分：冲突点识别模块、冲突消解决策模块以及对话动作生成模块，其中：冲突点识别模块基于用户认知模型，选择冲突最大和最重要的点；冲突消解决策模块基于给定的冲突点，构建冲突点下的候选意图集，然后选择双方都能接受的意图；对话动作生成模块根据选择的冲突点、意图和对话状态生成对话动作，以模拟谈判过程中的对话策略。除了上述模块外，本发明还引入了一种推理方法。该方法解决以下问题：外部伙伴提出的新意图不包含在用户认知模型中，使社交软服务机器人无法判断。

(1)冲突点识别

在对话过程中，社交软服务机器人需要判断对于当前冲突点的讨论是否结束。一旦协商完成，而外部伙伴没有提出新的冲突点，社交软服务机器人会选择一个新的冲突点point

我们还考虑了另一个问题：用户之前只向社交软服务机器人提到过运动，但外部合作伙伴在本次协商中提到跑步。按照人类的思维习惯，跑步和运动是密切相关的。然而，由于用户之前没有向社交软服务机器人提到过跑步，社交软服务机器人不能判断用户是否会接受这个提议，这显然是不合理的。因此本发明提出了一种推理方法，并将其整合到冲突点识别模块和冲突消解决策模块中。

本发明分为四部分构建冲突点识别模块：1、种子集合选择，2、偏好估计，3、推理路径构建，4、冲突点打分，具体步骤如下：

第一步，种子集合选择。推理的前序步骤是找到相似的领域，随后才能构建推理路径。种子集合选择完成查找相关领域的功能。具体来说，本发明使用WordNet相邻词来计算两个域之间的词集相似性：假设原始意图为I

第二步，偏好估计。在得到候选意图集合后，偏好估计利用Glove编码不同的领域节点e

第三步，推理路径构建。为了得到两个领域之间的关系并且增强模型的可解释性，推理路径构建构造了始末节点之间的推理路径。具体来说，设e

随着推理路径的扩展，推理路径逐渐逼近目标节点，并且最终形成完整的推理路径。

第四步，冲突点打分。这一部分根据推理路径以及节点表征对候选冲突点进行打分。如果领域或者槽值已经存在于用户认知模型中，直接取用相应权重。对于领域存在而槽不存在这种情况，相似领域可以通过推理得到，如果相似槽值存在于相似领域，冲突点识别模块直接采用这个槽值的权重做为得分。冲突点识别模块的算法如表1所示。

表1

(2)冲突消解决策

冲突消解决策模块在选定的冲突点下选择候选意图集合，然后对候选意图集合进行评分。如果外部伙伴提出的意图符合用户的偏好，该模块将此意图作为社交软服务机器人的意图返回；否则，该模块将寻找既能满足双方用户偏好又能使用户利益最大化的意图，然后将其提交给外部伙伴。冲突消解决策模块的构建分为三部分：意图构建、一致性水平计算以及建议生成，具体步骤如下：

第一步，意图构建。在选定的冲突点point

第二步，一致性水平计算。基于候选意图集合，一致性水平计算根据相应意图的权重进行打分。对于候选意图集合U

第三步，建议生成。由于在第一步和第二步已经得到了候选意图集和相应的分数，当社交软服务机器人不能接受外部伙伴提出的意图时，建议生成会从候选意图集中选择分数最高的意图作为建议。这一部分的打分功能与一致性水平计算部分的类似。

(3)对话动作生成决策

对话动作生成模块类似于任务型对话中的意图预测模块。但是，也有一些区别：传统的任务型对话考虑的是如何理解用户的需求，并引导他们表达自己的需求。然而，在谈判场景中，会出现一些特殊的对话动作。在谈判过程中，有不同的行为(如合作行为、竞争行为)，愿望和限制水平。例如，当外部伙伴不同意在周日外出时，用户通过坚持自己的意见迫使他同意，这是典型的竞争行为。对话策略可以通过对话行动的不同组合来实现；研究人员必须关注这些策略，以进行有效的谈判，并且使用户的利益最大化。对话动作生成模块的构建分为两部分：目标达成检测和对话动作预测。

第一步，目标达成检测。当双方对当前意图达成一致且没有提出新的冲突点时，社交软服务机器人进入冲突点选择模块，选择下一个冲突点；否则，进入冲突消解决策模块。目标达成检测根据对话历史H确定冲突是否已经解决。对于每个{a

{G

goal＝softmax(w

第二步，对话动作预测。对话动作预测基于生成的意图以及目标达成检测部分的输出来判断本回合的社交软服务机器人动作。这一部分本发明通过基于规则的方式实现。

(4)对话动作设计

非合作性谈判的目标是使用户的利益最大化，而使对方的利益最小化，双方利益不存在重叠。因此，这些对话行为表达了一种强烈的竞争倾向。在本发明的场景中，双方的利益并不完全冲突。社交软服务机器人必须表达意图，而不是简单地引导外部伙伴表达他们的意图。因此，本发明设计了十个对话动作来代表谈判过程中可能出现的竞争和合作行为。在每个回合中，外部伙伴和社交软服务机器人都会采取相应的行动来显式或隐式地表达他们的意图。表2是十个对话动作和相应的例子。

表2