CN107609101A - 智能交互方法、设备及存储介质 - Google Patents

Abstract

本申请公开了一种智能交互方法、设备及存储介质。所述方法包括：接收用户问题；计算所述用户问题与知识库中的预存问题的相似度；若存在相似度超过阈值的预存问题，则按照相似度高低顺序输出所述知识库中与所述预存问题对应的答案；并根据用户对输出答案的选择记录调整以后相似度的计算方式；若不存在相似度超过阈值的预存问题，则对所述用户问题的口语化表述进行语句调整，并重新计算相似度；若所述相似度仍未超过阈值，则对所述用户问题进行语义解析，并从知识库或互联网上查找与语义结果相关的答案。上述方案，能够提高智能回复的准确性和及时性，进而提供智能交互的可靠性。

Description

智能交互方法、设备及存储介质

技术领域

本申请涉及数据处理领域，特别是涉及智能交互方法、设备及存储介质。

背景技术

随着计算机以及互联网不断发展，人们的生活已经逐渐走入智能时代。即，智能设备如电脑、手机、平板电脑等可与人们实现智能交互，为人们生活的各个方面提供方便、快捷的服务。

一般，智能设备需要先对用户输入的信息进行语义解析，再依据语义解析结果执行相关操作，例如提供相应回答。然而，对应同一个问题或操作命令，由于人们的表达方式的差异，甚至语气的差异，所代表的意思也不相同。目前，智能设备依然存在由于无法正确语音识别出用户输入的自然语言的意思，导致无法及时提供相应回复，或者准确的回复。因此，提高智能回复的准确性和及时性是当前智能交互的主要课题。

发明内容

本申请主要解决的技术问题是提供智能交互方法、设备及存储介质，能够提高智能回复的准确性和及时性，进而提供智能交互的可靠性。

为了解决上述问题，本申请第一方面提供了一种智能交互方法，包括：接收用户问题；计算所述用户问题与知识库中的预存问题的相似度；若所述知识库中存在与所述用户问题相似度超过阈值的预存问题，则按照相似度高低顺序输出所述知识库中与所述相似度超过阈值的预存问题所对应的答案；并根据用户对输出答案的选择记录调整以后相似度的计算方式，使用户问题与用户选择的答案对应的预存问题的相似度最高；若所述知识库中不存在与所述用户问题相似度超过阈值的预存问题，则对所述用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若所述相似度仍未超过阈值，则对所述用户问题进行语义解析得到语义结果，并从所述知识库或互联网上查找与所述语义结果相关的答案。

为了解决上述问题，本申请第二方面提供了一种智能交互设备，包括相互连接的存储器和处理器；所述处理器用于执行上述的方法。

为了解决上述问题，本申请第三方面提供了一种非易失性存储介质，存储有计算机程序，所述计算机程序用于被处理器运行，以执行上述的方法。

上述方案中，智能交互设备通过计算用户问题与预存问题的相似度，并在查找到相似度超过阈值的预存问题时，输出对应预存问题的答案，并按照用户对输出答案的选择记录调整以后相似度的计算方式，以使用户问题与用户选择的答案对应的预存问题的相似度最高，故可保证后续相似度的计算能够与用户表达习惯匹配，提高智能回复的准确性，故提高了智能交互的可靠性；当未查找到相似度超过阈值的预存问题时，对用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若相似度仍未超过阈值，则对用户问题进行语义解析，并从知识库或互联网上查找与语义结果相关的答案，由此保证了回复的及时并准确，而且，通过调整口语化表述，可提高语义解析的准确性，进而提高智能回复的准确性，故也提高了智能交互的可靠性。

附图说明

图1是本申请智能交互方法一实施例的流程图；

图2是本申请智能交互方法另一实施例的部分流程图；

图3是本申请智能交互方法再一实施例的部分流程图

图4是本申请智能交互设备一实施例的结构示意图；

图5是本申请非易失性存储介质一实施例的结构示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“***”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

请参阅图1，图1是本申请智能交互方法一实施例的流程图。该方法由具有处理能力的智能交互设备执行，例如电脑、手机等终端或者服务器等。本实施例中，该方法包括以下步骤：

S110：接收用户问题。

智能交互设备可通过互联网获得用户输入的信息，例如该智能交互设备为服务器，其通过互联网获得用户通过用户终端输入的信息。或者智能交互设备直接通过其输入装置获得用户输入的信息。

且具体地，智能交互设备可接收用户输入的语音信息和文本信息。并且，可同时接收到该语音信息和文本信息，并对其同时进行处理。又或者，智能交互设备仅接收用户输入的文本信息或者语音信息。当智能交互设备接收到语音信息时，先将该语音信息进行语音识别得到对应的文本信息。

S120：计算所述用户问题与知识库中的预存问题的相似度。

具体，智能交互设备设置有知识库，该知识库中存储有若干个预存问题及对应的答案知识点。在进行相似度运算时，智能交互设备可采用Shingle算法计算用户问题与知识库中的预存问题的Jaccard系数。

在遍历知识库中的预存问题，以计算出每个预存问题与用户问题的相似度后，判断是否存在该相似度超过阈值的预存问题，并根据判断结果对应执行下述步骤。其中，该阈值可根据实际情况由用户或者智能交互设备根据设定算法设置得到。

在具体应用中，智能交互设备可基于所述用户问题的不同关键词确定所述用户问题与所述知识库中预存问题的多维相似度排序，并综合每维相似度排序，得到所述用户问题与所述知识库中预存问题的相似度。例如，对该文本信息进行分词，具体可根据按用户所处的位置、所处的业务场景和用户语言习惯中的至少一种对该文本信息进行分词，并从所述分词结果中选择出用户问题中的至少一个关键词，按照不同的关键词或者关键词组合，对预存问题进行相似度计算，以得到不同的相似度排序。将预存问题在得到不同的相似度排序中的序号或者相似度值进行加权求和，按照加权求和后得到的数值作为该该预存问题与用户问题之间的相似度。

S130：判断所述知识库中是否存在与所述用户问题相似度超过阈值的预存问题，若存在，则执行S140，否则执行S160。

S140：按照相似度高低顺序输出所述知识库中与所述预存问题对应的答案。

本实施例中，从知识库中获取与用户问题的相似度超过阈值的预存问题对应的答案，并将该获取的答案按照如S120计算得到的相似度大小顺序输出，具体输出可表现为在智能交互设备上显示该获取的答案。

在另一实施例中，该智能交互设备还可计算用户问题与知识库的预存问题的关联度，将相似度超过阈值的预存问题对应的答案按对应关联度进行输出。

S150：根据用户对所述输出答案的选择记录调整以后相似度的计算方式，使用户问题与用户选择的答案对应的预存问题的相似度最高。

为了保证后续相似度的计算能够根据用户习惯匹配，智能交互设备具有自学习能力，在输出相关答案后，并检测到用户对该相关答案的操作，如对输出的某些答案点击查看、转发或者其他能表现出用户对该答案关注的操作时，确定该答案被用户选择并进行记录，根据用户对输出答案的选择记录，并获取与该选择的输出答案对应的预存问题，将获取的预存问题确定为与用户问题的语义匹配的问题，由此可分析得到用户对问题的表达习惯，并根据该表达习惯，调整后续相似度的计算方式，若使用该调整后的相似度的计算方式，该用户问题与获取的预存问题的相似度最高。

S160：对所述用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度。

本实施例中，智能交互设备先判断用户问题是否包括口语化表述，具体可将用户问题与知识库中的标准问题进行对比，以确定其是否包括口语化表述。若包括口语化表述，则可对用户问题中属于口语化表述的字词进行口语校正，该口语校正可包括词序颠倒、删除、替换中的任意一者或任意组合。例如，该用户问题中包括的口语化表述存在词序颠倒的连续两个字词，则可对该词序颠倒的连续两个字词进行调序，以形成一个新词。又例如，该用户问题中包括口语语气词，则将该口语语气词删除。

在进行语句调整后，将计算调整后的用户问题表述。具体，该相似度的计算方式可参阅S120的相关描述。

S170：若所述相似度仍未超过阈值，则对所述用户问题进行语义解析得到语义结果，并从所述知识库或互联网上查找与所述语义结果相关的答案。

例如，若调整后的用户问题仍找不到相似度满足阈值的预存问题，则对所述用户问题进行语义解析得到语义结果，并从所述知识库或互联网上查找与所述语义结果相关的答案，并输出该查找到的答案，具体大概查找到的答案有多个时，可按照与语义结果的相关度来顺序输出该查找到的答案，具体可在智能交互设备的输出装置如显示屏上顺序输出该答案。

在一具体应用中，该智能交互设备可用于即时通讯，该即时通讯包括微信、QQ、邮箱、论坛等。该即时通讯中对其用户预先划分领域，且记录有用户对曾回答过的问题。该S170中的从互联网上查找与语义结果相关的答案，包括：通过即时通讯将所述用户问题发送问题所属领域的用户或者曾回答过包含所述用户问题的关键词的其他问题的用户，且要求用户限时作答；在接收到即时通讯用户的回复时，返回通过所述即时通讯得到的用户答复。

在另一实施例中，该智能终端在查找与所述语义结果相关的答案后，将所述用户问题以及查找到的相关答案存储在上述知识库中，以作为知识库中新的预存问题以及相关答案。

在另一实施例中，智能交互设备还可根据检测到的用户情绪状况向用户输入提示信息。其中，所述用户情绪状况根据用户语速或打字速度、输入的关键词来确定。例如，智能交互设备预先存储不同情绪对应的语速、打字速度和关键词。通过检测用户输入自然语言时的速度(语速和/或打字速度)以及用户输入的文本信息中的关键词来确定当前用户情绪，并输入与该用户情绪相关的提示信息，例如当前用户情绪为生气，则选择一些安慰的提示信息显示用户或者播放愉悦的音乐。进一步地，智能交互设备还可将用户情绪状况作为下一实施例所述的场景信息，以确定当前语义场景。而且，智能交互设备还可以结合用户情绪状况选择与语义结果对应的操作，例如，根据语义结果确定的操作为查询天气预报，而当前的用户情绪为生气，则选择预设与该情绪对应的音调播放天气预报。

本实施例中，智能交互设备通过计算用户问题与预存问题的相似度，并在查找到相似度超过阈值的预存问题时，输出对应预存问题的答案，并按照用户对输出答案的选择记录调整以后相似度的计算方式，以使用户问题与用户选择的答案对应的预存问题的相似度最高，故可保证后续相似度的计算能够与用户表达习惯匹配，提高智能回复的准确性，故提高了智能交互的可靠性；当未查找到相似度超过阈值的预存问题时，对用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若相似度仍未超过阈值，则对用户问题进行语义解析，并从知识库或互联网上查找与语义结果相关的答案，由此保证了回复的及时并准确，而且，通过调整口语化表述，可提高语义解析的准确性，进而提高智能回复的准确性，故也提高了智能交互的可靠性。

请结合参阅图2，上述S170中的对所述用户问题进行语义解析得到语义结果，包括以下子步骤：

S171：对所述用户问题进行语义解析，得到多个语义结果。

具体可根据按用户所处的位置、所处的业务场景和用户语言习惯中的至少一种对用户问题进行分词，并从所述分词结果中选择出用户问题中的至少一个关键词或者选择出至少一个关键词，利用所述至少一个关键词的不同语义批注来组成得到用户问题的多个语义结果。

由于不同地方的用户的语言表达方式不同，故对语句的分词也存在不同。不同的用户，其语言习惯也是不同，智能交互设备可通过收集用户历史输入信息，并针对每次用户对分词后得到的语义结果的反馈来建立该用户的分词模型，该分词模型记录该用户的分词方式，进而根据该分词模型对当前用户问题进行分词。针对的业务场景不同，其分词可存在差别，例如，用户输入“谁是卧底的规则”，若当前业务场景为游戏业务场景，则将属于当前场景设定名词的“谁是卧底”不拆分，得到分词为“谁是卧底”、“的”、“规则”；如当前业务场景为一般服务问答业务场景，则分词为“谁”、“是”、“卧底”、“的”、“规则”。由此，智能交互设备可根据上述用户所处的位置、所处的业务场景和用户语言习惯中的至少一种对用户问题进行分词。其中，若根据用户所处的位置、所处的业务场景和用户语言习惯中的多个进行分词时，可对用户所处的位置、所处的业务场景和用户语言习惯设置权重，对于根据用户所处的位置、所处的业务场景和用户语言习惯得到的不同分词，选择其权重最高的分词。例如，根据用户所处的位置得到的分词为“谁”、“是”、“卧底”，根据所处的业务场景得到的分词为“谁是卧底”，则选择根据权重高的所处的业务场景得到的分词“谁是卧底”，或者，根据用户所处的位置和用户语言习惯得到的分词均为“谁”、“是”、“卧底”，根据所处的业务场景得到的分词为“谁是卧底”，则由于用户所处的位置和用户语言习的权重和高于所处的业务场景，则根据用户所处的位置和用户语言习惯得到的分词“谁”、“是”、“卧底”。

具体，其分词方式可如“最大概率法分词”、“最大匹配分词”、“词典匹配算法”等。该词典匹配算法包括正向匹配、逆向匹配、双向匹配、最大匹配和最小匹配中的至少一种。进一步地，在分词之后，可对得到的若干个字词进行本体实例化，以识别该若干个字词的对象、属性、类别等信息。该本体是对该概念的一种明确详细的说明，是对现实世界的一种描述方法，或者说是对特定领域中某种概念及其相互之间关系的形式化表达。在本地实例化后，该若干个字词即可得到其本体的属性，为其后的语义标注分析做准备。

另外，在进行分词之前，可先对获得的用户问题进行去噪和模块结构化处理。

S172：根据检测到的场景信息来确定当前的语义场景类型。

其中，所述场景信息包括用户使用的应用***或应用程序、用户在所述应用***或应用程序的当前操作信息、用户在所述应用***或应用程序的历史操作信息、上下文信息、用户身份信息以及采集到的当前环境信息中的至少一种。用户使用的应用***或应用程序为智能交互设备当前运行的应用***或者应用程序，例如在运行旅行相关应用程序，由此可确定为与旅行相关的语义场景类型。用户在所述应用***或应用程序的当前操作信息例如为在购物应用程序中搜索运动器材，由此可确定为与该运动器材相关的语义场景类型。上下文信息即为用户的历史输入的自然语言，通过分析上下文信息也可获知当前语义场景。该用户身份信息为用户的职业信息，例如为学生、美食家、建筑工程师、运动员等，根据用户的身份信息可自动将语义场景确定为与该身份相关的。采集到的当前环境信息可包括环境噪声、当前位置和当前时间等，根据该信息可确定用户所处环境，进而得到确定为相关的语义场景，例如对环境噪声分析得到为杂乱的车辆声音，且当前为上下班高峰期，则可确定当前语义场景为在拥堵的公路。

在一实施例中，当获得的用户问题包括语音信息时，上述检测到的场景信息还可包括输入的语音信息的类型，所述语音信息的类型包括正常说话类型和歌唱类型。智能交互设备可通过检测语音信息的语调确定其类型，并选择与该类型匹配的语义场景，例如若为歌唱类型，则确定歌曲相关的语义场景。

智能交互设备可给每种场景信息建立分类模型，以预先设置每种场景的不同情况下对应的语义场景类型。在检测到场景信息后，利用该分类模型对每种场景信息进行分类，得到对应的预设语义场景类型，由此确定当前的语义场景类型。

其中，智能交互设备可对每种场景信息设置不同的权重，该S162包括：对每个所述检测到的场景信息进行分类，得到与每个场景信息对应的预设语义场景类型，并按照每个所述检测到的场景信息的权重从得到的预设语义场景类型中择一作为当前的语义场景类型。例如，在检测到的场景信息包含上述两种以上，智能交互设备根据每种场景信息对应得到的预设语义场景类型，得到的预设语义场景类型为多个时，可选择对应场景信息的权重最高的预设语义场景类型作为当前的语义场景类型；或者选择权重最高的两个以上预设语义场景类型作为待定语义场景类型，并将剩余的预设语义场景类型按照语义场景相似度划分至该待定语义场景类型中，最后将划分为同一待定语义场景类型的所有预设语义场景类型对应的权重相加作为该待定语义场景类型的总权重，选择总权重最高的待定语义场景类型作为当前的语义场景类型。

S173：获取确定的所述语义场景类型的特征信息，从所述多个语义结果中选择与所述获取的特征信息匹配度最高的语义结果。

具体地，该语义场景类型的特征信息包括该语义场景类型下的热点词、常用词、关联词中的至少一个。例如，该语义场景类型为运动，则智能交互设备收集最近一段时间(如一个月)内网络上的与运动相关的热点词、常用词、关联词，如“女排大奖赛”、“游泳”等。其中，智能交互设备可从设定的社交平台上收集，例如微博、贴吧等，从该社交平台上收集使用频率高于设定频率的热点词，以及与该热点词搭配出现次数大于设定值的关联词，并存储在本地数据库中。

智能交互设备从本地数据库中获取与S172确定的语义场景类型关联的特征信息，并从S171得到的多个语义结果中选择出语义与该特征信息最相近的语义结果。

本实施例，通过检测到的场景信息确定当前语义场景类型，并通过当前语义场景类型的特征信息来确定用户问题的语义结果，以根据确定的语义结果实现相应操作，由于根据该检测到的场景信息能够准确确定得到当前语义场景类型，且利用当前语义场景类型的特征信息协助语义解析，可提高语义识别的准确性，进而提高智能交互的可靠性。

请参阅图3，图3是本申请智能交互方法另一实施例的部分流程图。上述S110包括以下子步骤：

S111：接收所述用户输入的语音信息和第一文本信息，并对所述语音信息进行语音识别得到第二文本信息。

S112：将所述第一文本信息和第二文本信息组按照输入顺序组合成第三文本信息，作为所述用户问题。

本实施例采用由用户输入的语音信息和用户输入的文本信息按照输入的顺序组成一完整语句的方式。例如，用户输入文本信息“水浒传中的”，再语音输入“李逵”，然后文本输入“的介绍”，通过语音识别并文本组合得到文本信息“水浒传中的李逵的介绍”。由此采用文本和语音输入配合使用的方式，即使用户遇到难以文本输入的词语，也可选择用语音输入，相反同理，对于不会读音的词语也可以采用文本输入，极大方便用户的信息输入。进一步地，智能交互设备通过语音识别得到的结果，可结合文本输入的第一文本信息的词义得到，例如，通过语音识别得到两个相近的文本结果，可结合文本输入的第一文本信息的词义，选择合理的文本结果。

在另一实施中，智能交互设备可以采用由用户输入的语义信息和文本信息各为完整语句，并通过对比两个完整语句的语义得到最终语义结果。具体，智能交互设备获取用户文本输入的第一文本信息，并通过语音识别得到一独立的第二文本信息。智能交互设备对第一文本信息和第二文本信息均执行后续步骤直到执行S170时，通过语义解析得到对应第一文本信息的多个第一语义结果，及对应第二文本信息的多个第二语义结果，从所述第一语义结果中获取与第二语义结果匹配程度超过设定阈值的第一语义结果或从所述多个第二语义结果中获取与第一语义结果匹配程度超过设定阈值的第二语义结果，该选择的第一语义结果或第二语义结果即为得到的多个语义结果。

请参阅图4，图4是本申请智能交互设备一实施例的结构示意图。本实施例中，该智能交互设备40具体可为电脑、手机等终端或者服务器，机器人等任意具有处理能力的设备。该智能交互设备40包括存储器41、处理器42、输入装置43以及输出装置44。其中，智能交互设备40的各个组件可通过总线耦合在一起，或者智能交互设备40的处理器42分别与其他组件一一连接。

输入装置43用于响应用户输入操作而产生信息，或者接收其他输入设备发送的用户输入的信息。例如，该输入装置43为键盘，用于响应用户对键盘的按压而产生相应的文本信息，该输入装置43为触摸屏，用于响应用户的触碰而产生相应的文本信息，该输入装置43为麦克风，用于响应用户的语音而产生相应的语音信息，该输入装置43为接收器，用户接收其他设备发送的文本、语音信息等。

输出装置44用于将信息反馈给用户或者其他设备用户。例如为显示屏、播放器或者发送器等。

存储器41存有知识库，该知识库存储有问题和对应的答案。

存储器41还用于存储处理器42执行的计算机指令以及处理器42在处理过程中的数据，其中，该存储器41包括非易失性存储部分，用于存储上述计算机指令。

处理器42控制该智能交互设备40的操作，处理器42还可以称为CPU(CentralProcessing Unit，中央处理单元)。处理器42可能是一种集成电路芯片，具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本实施例中，处理器42通过调用存储器41存储的计算机指令，用于：

接收通过输入装置43获得的用户问题；

计算所述用户问题与存储器41存储的知识库中的预存问题的相似度；

若所述知识库中存在与所述用户问题相似度超过阈值的预存问题，则通过输出装置44按照相似度高低顺序输出所述知识库中与所述相似度超过阈值的预存问题所对应的答案；并根据用户对输出答案的选择记录调整以后相似度的计算方式，使用户问题与用户选择的答案对应的预存问题的相似度最高；

若所述知识库中不存在与所述用户问题相似度超过阈值的预存问题，则对所述用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若所述相似度仍未超过阈值，则对所述用户问题进行语义解析得到语义结果，并从所述知识库或通过输出装置44在互联网上查找与所述语义结果相关的答案。

可选地，处理器42执行所述计算所述用户问题与知识库中的预存问题的相似度，包括：基于所述用户问题的不同关键词确定所述用户问题与所述知识库中预存问题的多维相似度排序，并综合每维相似度排序，得到所述用户问题与所述知识库中预存问题的相似度。

可选地，处理器42执行所述通过输出装置44在查找与所述语义结果相关的答案，包括：采用即时通讯方式通过输出装置44将所述用户问题发送问题所属领域的用户或者曾回答过包含所述用户问题的关键词的其他问题的用户，且要求用户限时作答；采用即时通讯方式通过输入装置43接收得到用户答复，并通过输出装置44返回接收到的用户答复。

可选地，处理器42执行所述对用户问题进行语义解析得到语义结果，包括：对所述用户问题进行语义解析，得到多个语义结果；根据检测到的场景信息来确定当前的语义场景类型，其中，所述场景信息包括用户使用的应用***或应用程序、用户在所述应用***或应用程序的当前操作信息、用户在所述应用***或应用程序的历史操作信息、上下文信息、用户身份信息以及采集到的当前环境信息中的至少一种；获取确定的所述语义场景类型的特征信息，从所述多个语义结果中选择与所述获取的特征信息匹配度最高的语义结果。

进一步地，所述语义场景类型的特征信息包括所述语义场景类型下的热点词、常用词、关联词中的至少一个。

进一步地，处理器42执行所述对所述用户问题进行语义解析，得到多个语义结果包括：按照按用户所处的位置、所处的业务场景和用户语言习惯中的至少一种对所述文本信息进行分词，并从所述分词结果中选择出所述文本信息中的至少一个关键词；利用所述至少一个关键词的不同语义批注来组成得到所述文本信息的多个语义结果。

可选地，处理器42执行所述接收通过输入装置43获得的用户问题包括：接收通过输入装置43获得的用户输入的语音信息和第一文本信息，并对所述语音信息进行语音识别得到第二文本信息；将所述第一文本信息和第二文本信息组按照输入顺序组合成第三文本信息，作为所述用户问题。

可选地，处理器42在执行所述从所述知识库或互联网上查找与所述语义结果相关的答案之后，还用于：将所述用户问题以及查找到的相关答案存储在知识库中；

可选地，处理器42执行所述根据用户对输出答案的选择记录调整以后相似度的计算方式，包括：根据用户对输出答案的选择记录确定用户问题的表达习惯；根据所述确定的表达习惯调整以后相似度的计算方式。

在另一实施例中，该智能交互设备40的处理器42可用于执行上述实施方法例的步骤。

请参阅图5，本申请还提供一种非易失性存储介质的实施例，该非易失性存储介质50存储有处理器可运行的计算机程序51，该计算机程序51用于执行上述实施例中的方法。具体地，该存储介质具体可如图4所示的存储器41。

上述方案中，智能交互设备通过计算用户问题与预存问题的相似度，并在查找到相似度超过阈值的预存问题时，输出对应预存问题的答案，并按照用户对输出答案的选择记录调整以后相似度的计算方式，以使用户问题与用户选择的答案对应的预存问题的相似度最高，故可保证后续相似度的计算能够与用户表达习惯匹配，提高智能回复的准确性，故提高了智能交互的可靠性；当未查找到相似度超过阈值的预存问题时，对用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若相似度仍未超过阈值，则对用户问题进行语义解析，并从知识库或互联网上查找与语义结果相关的答案，由此保证了回复的及时并准确，而且，通过调整口语化表述，可提高语义解析的准确性，进而提高智能回复的准确性，故也提高了智能交互的可靠性。

以上描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本申请。在其它情况中，省略对众所周知的装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

Claims (10)

1.一种智能交互方法，其特征在于，包括：

接收用户问题；

计算所述用户问题与知识库中的预存问题的相似度；

若所述知识库中存在与所述用户问题相似度超过阈值的预存问题，则按照相似度高低顺序输出所述知识库中与所述相似度超过阈值的预存问题所对应的答案；并根据用户对输出答案的选择记录调整以后相似度的计算方式，使用户问题与用户选择的答案对应的预存问题的相似度最高；

若所述知识库中不存在与所述用户问题相似度超过阈值的预存问题，则对所述用户问题的口语化表述进行语句调整，并重新计算调整后的用户问题与知识库中的预存问题的相似度；若所述相似度仍未超过阈值，则对所述用户问题进行语义解析得到语义结果，并从所述知识库或互联网上查找与所述语义结果相关的答案。

2.根据权利要求1所述方法，其特征在于，所述计算所述用户问题与知识库中的预存问题的相似度，包括：

基于所述用户问题的不同关键词确定所述用户问题与所述知识库中预存问题的多维相似度排序，并综合每维相似度排序，得到所述用户问题与所述知识库中预存问题的相似度。

3.根据权利要求1所述方法，其特征在于，所述从互联网上查找与所述语义结果相关的答案，包括：

通过即时通讯将所述用户问题发送问题所属领域的用户或者曾回答过包含所述用户问题的关键词的其他问题的用户，且要求用户限时作答；

返回通过所述即时通讯得到的用户答复。

4.根据权利要求1所述方法，其特征在于，所述对用户问题进行语义解析得到语义结果，包括：

对所述用户问题进行语义解析，得到多个语义结果；

根据检测到的场景信息来确定当前的语义场景类型，其中，所述场景信息包括用户使用的应用***或应用程序、用户在所述应用***或应用程序的当前操作信息、用户在所述应用***或应用程序的历史操作信息、上下文信息、用户身份信息以及采集到的当前环境信息中的至少一种；

获取确定的所述语义场景类型的特征信息，从所述多个语义结果中选择与所述获取的特征信息匹配度最高的语义结果。

5.根据权利要求4所述方法，其特征在于，所述语义场景类型的特征信息包括所述语义场景类型下的热点词、常用词、关联词中的至少一个。

6.根据权利要求4所述的方法，其特征在于，所述对所述用户问题进行语义解析，得到多个语义结果包括：

按照按用户所处的位置、所处的业务场景和用户语言习惯中的至少一种对所述用户问题进行分词，并从所述分词结果中选择出所述用户问题中的至少一个关键词；

利用所述至少一个关键词的不同语义批注来组成得到所述用户问题的多个语义结果。

7.根据权利要求1所述的方法，其特征在于，所述接收用户问题，包括：

接收所述用户输入的语音信息和第一文本信息，并对所述语音信息进行语音识别得到第二文本信息；

将所述第一文本信息和第二文本信息组按照输入顺序组合成第三文本信息，作为所述用户问题。

8.根据权利要求1所述方法，其特征在于，在所述从所述知识库或互联网上查找与所述语义结果相关的答案之后，还包括：

将所述用户问题以及查找到的相关答案存储在知识库中；

所述根据用户对输出答案的选择记录调整以后相似度的计算方式，包括：

根据用户对输出答案的选择记录确定用户问题的表达习惯；根据所述确定的表达习惯调整以后相似度的计算方式。

9.一种智能交互设备，其特征在于，包括相互连接的存储器和处理器；

所述处理器用于执行权利要求1至8任一项所述的方法。

10.一种非易失性存储介质，其特征在于，存储有计算机程序，所述计算机程序用于被处理器运行，以执行权利要求1至8任一项所述的方法。