CN108255804A - 一种语言交流人工智能***及其语言处理方法 - Google Patents
一种语言交流人工智能***及其语言处理方法 Download PDFInfo
- Publication number
- CN108255804A CN108255804A CN201710874272.8A CN201710874272A CN108255804A CN 108255804 A CN108255804 A CN 108255804A CN 201710874272 A CN201710874272 A CN 201710874272A CN 108255804 A CN108255804 A CN 108255804A
- Authority
- CN
- China
- Prior art keywords
- database
- language
- association
- mood
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种语言交流人工智能***,包括语言交流服务器、语言交流终端,语言交流终端与语言交流服务器信息交互,语言交流服务器包括语言结构分析模块、语言情绪分析模块、语言生成模块。语言结构分析模块包括语言构成数据库。语言情绪分析模块包括语言情绪数据库。语言生成数据库包括关联话题数据库、关联主体词数据库、关联动词数据库、关联名词数据库、关联形容词数据库。本发明还公开了语言处理方法,包括输入语言、分析输入语言结构和情绪、生成情绪化回应等步骤。本发明采用语言情绪分析模块分析输入自然语言的情绪因素并有针对性的生成情绪化的语言输出回复,具有能够与人进行有情感谈话的特点。
Description
技术领域
本发明涉及一种人工智能***及其实现方法,特别涉及一种语言交流人工智能***及其语言处理方法,属于语言人工智能领域。
背景技术
一般来说,人工智能的技术很多。人工智能包括机器深度学习,情绪分析,演讲文字和自然语言处理。深度机器学习帮机器识别模式,具体来说,机器学习是一种帮机器学语言的语法和意思的方式。此外机器学习,情绪分析就是一个帮机器识别情感的方式。情绪分析和自然语言处理需要生词分类。工程师创造一些算法能教机器分析输入,怎么识别分类的生词。在谈话一方面,现有人工智能用这些技术,但是没有人工智能的软件能跟人有情感的谈话。这是因为这样的技术很难编程,而且这样的技术很复杂。一个编程实现谈话的人工智能很复杂,因为我们人谈话的时候有很多生词、句子组合和我们能经常变话题。所以一般来说大多人工智能电脑项目需要很多编程的代码。在现有领域里,很多公司对人工智能技术有一些成功。比如,苹果公司的“Siri”,微软“Cortana”和亚马逊的“Echo”,都用很多人工智能的技术。虽然在人工智能领域有很多生产的人工智能技术,但是全没有掌握谈话和情感的人工智能。在谈话一方面,现有领域有 “Chatbots”,但是他们只能跟人有脚本对话,他们的软件都是预编程的。这是一个弱点,因我们不能预测或者编程句子所有的回复、问题、评论,而且人说话的时候,我们的句子会有很多组合。此外,语言每天提高,有新的生词,新的句子,新的意思和新的句子组合。
发明内容
本发明语言交流人工智能***及其语言处理方法公开了新的方案,采用语言情绪分析模块分析输入自然语言的情绪因素并有针对性的生成情绪化的语言输出回复,解决了现有方案无法实现与人进行有情感谈话的问题。
本发明语言交流人工智能***包括语言交流服务器、语言交流终端,语言交流终端与语言交流服务器信息交互,语言交流服务器包括语言结构分析模块、语言情绪分析模块、语言生成模块,语言结构分析模块对输入信息进行分析后发送分析结果信息给语言生成模块,语言情绪分析模块对输入信息进行分析后发送分析结果信息给语言生成模块,语言生成模块根据收到的分析结果信息生成输出信息发送给语言交流终端。语言结构分析模块包括语言构成数据库,语言构成数据库包括主体词数据库、动词数据库、名词数据库、形容词数据库。语言情绪分析模块包括语言情绪数据库,语言情绪数据库包括消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库。语言生成模块包括与语言构成数据库、语言情绪数据库形成映射关联的语言生成数据库,语言生成数据库包括关联话题数据库、关联主体词数据库、关联动词数据库、关联名词数据库、关联形容词数据库。关联话题数据库包括消极情绪关联话题数据库、中性情绪关联话题数据库、积极情绪关联话题数据库。关联动词数据库包括消极情绪关联动词数据库、中性情绪关联动词数据库、积极情绪关联动词数据库。关联名词数据库包括消极情绪关联名词数据库、中性情绪关联名词数据库、积极情绪关联名词数据库。关联形容词数据库包括消极情绪关联形容词数据库、中性情绪关联形容词数据库、积极情绪关联形容词数据库。
进一步,本方案的语言交流服务器还包括输入信息过滤学习模块,输入信息过滤学习模块将语言交流终端输入的信息分别与语言构成数据库、语言情绪数据库、语言生成数据库的内容进行比对得到语言交流终端输入的信息中是否含有生字的信息。输入信息过滤学习模块根据不含有生字的信息将语言交流终端输入的信息发送给语言结构分析模块、语言情绪分析模块。输入信息过滤学习模块根据是含有生字的信息提取生字发送至语言交流终端提示输入者解释,输入信息过滤学习模块将输入者输入的解释信息、生字保存到语言构成数据库、语言情绪数据库、语言生成数据库,输入信息过滤学习模块将语言交流终端输入的信息发送给语言结构分析模块、语言情绪分析模块。
进一步,本方案的语言构成数据库还包括时态词数据库,语言生成数据库还包括关联时态词数据库。
进一步,本方案的语言构成数据库还包括语态词数据库,语言生成数据库还包括关联语态词数据库。
本发明还公开了语言交流人工智能***的语言处理方法,语言交流人工智能***包括语言交流服务器、语言交流终端,语言交流终端与语言交流服务器信息交互,语言交流服务器包括语言结构分析模块、语言情绪分析模块、语言生成模块。语言结构分析模块包括语言构成数据库,语言构成数据库包括主体词数据库、动词数据库、名词数据库、形容词数据库、时态词数据库、语态词数据库。语言情绪分析模块包括语言情绪数据库,语言情绪数据库包括消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库。语言生成模块包括与语言构成数据库、语言情绪数据库形成映射关联的语言生成数据库,语言生成数据库包括关联话题数据库、关联主体词数据库、关联动词数据库、关联名词数据库、关联形容词数据库、关联时态词数据库、关联语态词数据库。关联话题数据库包括消极情绪关联话题数据库、中性情绪关联话题数据库、积极情绪关联话题数据库。关联动词数据库包括消极情绪关联动词数据库、中性情绪关联动词数据库、积极情绪关联动词数据库。关联名词数据库包括消极情绪关联名词数据库、中性情绪关联名词数据库、积极情绪关联名词数据库。关联形容词数据库包括消极情绪关联形容词数据库、中性情绪关联形容词数据库、积极情绪关联形容词数据库。包括步骤:⑴语言交流终端向语言交流服务器输入语言信息,语言交流服务器将收到的输入语言信息分别发送给语言结构分析模块、语言情绪分析模块;⑵语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词后发送给语言生成模块;⑶语言情绪分析模块将收到的输入语言信息依次与消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库的内容比对后提取输入语言的情绪词发送给语言生成模块;⑷语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言;⑸语言交流服务器将输出语言发送给语言交流终端形成输入语言的回复。
进一步,本方案的语言处理方法中,语言交流服务器还包括输入信息过滤学习模块,步骤⑴还包括输入语言过滤、学习过程,输入语言过滤、学习过程包括步骤:⑴输入信息过滤学习模块将语言交流终端输入的语言信息分别与语言构成数据库、语言情绪数据库、语言生成数据库的内容进行比对得到输入语言信息中是否含有生字的信息;⑵输入信息过滤学习模块根据不含有生字的信息将输入语言信息发送给语言结构分析模块、语言情绪分析模块;⑶输入信息过滤学习模块根据是含有生字的信息提取生字发送至语言交流终端提示输入者解释,输入信息过滤学习模块将输入者输入的解释信息、生字保存到语言构成数据库、语言情绪数据库、语言生成数据库,输入信息过滤学习模块将输入语言信息发送给语言结构分析模块、语言情绪分析模块。
进一步,本方案的语言处理方法中,语言构成数据库还包括时态词数据库,语言生成数据库还包括关联时态词数据库。步骤⑵的语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库、时态词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词、时态词后发送给语言生成模块。步骤⑷的语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库、关联时态词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言。
进一步,本方案的语言处理方法中,语言构成数据库还包括语态词数据库,语言生成数据库还包括关联语态词数据库。步骤⑵的语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库、语态词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词、时态词后发送给语言生成模块。步骤⑷的语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库、关联语态词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言。
本发明语言交流人工智能***及其语言处理方法采用语言情绪分析模块分析输入自然语言的情绪因素并有针对性的生成情绪化的语言输出回复,具有能够与人进行有情感谈话的特点。
具体实施方式
本方案公开了一种人工智能谈话***,能提高、适应、明白人类的情绪,和人说话的时候了解句子的意思。这样的***对人类是很大的目标,工意脑(语言交流人工智能***及其语言处理方法)成为第一次能做出这些技术的***。
“蜂鸟”(语言结构分析模块)概观
蜂鸟是自然语言处理算法的集合。蜂鸟检测人输入信息的意义。具体来说,蜂鸟位于其他名词的主要名词,对于动词和形容词以及科目也是一样的。蜂鸟需要有一个名词、动词和一个形容词,它只有两种,一种或任何组合是有效的。来自工意脑的数据库中有预定义单词类别图,在图中列出了分类主题(代词:我,他等等),动词、名词和形容词的条款词。主体、动词、名词和形容词如何分割成数组,并且在算法中每个都与用户输入相交以查找输入和数组中存在的单词。然后把这些话拉出来,并根据他们的部分分类。
检查用户输入的整个句子,并观察句子中是否有任何词语,表示句子中的含义,如过去、现在或将来的时态。它通过这些算法,如果其中一个是真的,它通知AI。蜂鸟最后一部分就是给工意脑(人工智能)输出。
蜂鸟算法:主体花蜜
蜂鸟在句子(用户输入)中如何定位主要主体。蜂鸟搜索存在于工意脑***和数据库中的主体数组,主体数组中的用户输入中的单词。主体数组包含“我”、“他”、“她”等字样。在确认输入中有一个或多个主体之后,算法开始。如果句子中只有一个主体,主要科目就等于该主体。如果用户输入中有多个主体,则调用字符串以等于用户输入的第一个字。然后,这个算法运行循环以检查并查看字符串是否在主体数组中。如果字符串不是数组的一部分,则算法将删除单词,直到找到用户输入中的单词为主体。
蜂鸟算法:动词花蜜
蜂鸟在句子(用户输入)中如何定位主动词。蜂鸟搜索存在于工意脑***数据库中的动词数组中的用户输入中的单词。在确认输入中有一个或多个动词后,算法开始。如果句子中只有一个动词,则主动词简单地等于该动词,如果用户输入中有多个动词,则算法运行一个循环来搜索用户的输入。具体来说,如果输入中有一个主体,则可以根据在“主体花蜜”中计算的主体的位置找到主要动词。如果输入中的主体索引小于动词,则算法将删除主体之前的所有单词。字符串等于主体,算法开始向上追踪,删除从主体开始的单词直到找到动词。相比之下,如果主体索引大于动词,算法会从主体和之后删除所有单词。然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。然后,算法开始计数向后删除的单词,直到找到一个动词。如果句子中没有主体,算法只需将一个字符串设置为等于输入中的第一个字。该算法计数向上删除的单词,直到找到动词。
蜂鸟算法:名词花蜜
蜂鸟在句子中如何定位主名词(用户输入)。蜂鸟搜索存在于工意脑***和数据库中的名词阵列中的用户输入中的单词。在确认输入中有一个或多个名词之后,算法开始。只有在句子中只有名词,主名词简单地等于那个名词。如果用户输入中有多个名词,则算法运行一个循环来搜索用户的输入。具体来说,如果输入中有动词,则可以根据在动词花蜜中计算的动词的位置找到主名词,如果输入中的动词索引小于名词,则算法将删除动词之前的所有单词。字符串等于动词,算法开始向上追踪,并删除从动词开始的单词,直到找到名词。相比之下,如果动词索引大于名词,算法将从动词和之后开始删除所有单词。然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。然后,该算法开始计数向后删除的单词,直到找到一个名词。
如果输入中没有动词,但是有主体,则算法可以根据主体花蜜中的主体搜索主名词。如果输入中的主体索引小于名词,则算法将删除主体之前的所有单词。字符串等于主体,算法开始向上追踪,删除从主体开始的单词,直到找到名词。 相比之下,如果主体索引大于名词,算法会从主体和之后删除所有单词。然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。然后,该算法开始计数向后删除的单词,直到找到一个名词。
如果句子中没有动词或主体,算法只需将字符串设置为等于输入中的第一个单词。该算法计数向上删除的字,直到找到名词。
蜂鸟算法:形容词花蜜
蜂鸟在句子中如何定位主要形容词(用户输入)。蜂鸟搜索存在于工意脑***和数据库中的形容词数组中的用户输入中的单词。在确认输入中有一个或多个形容词之后,算法开始。如果句子中只有一个形容词,主要的形容词就等于那个形容词。如果用户输入中有多个形容词,则算法运行一个循环来搜索用户的输入。具体来说,如果输入中有一个名词,主要形容词可以根据在名词中计算的名词的位置来找到。如果输入中的名词索引小于形容词,则算法将删除名词之前的所有单。字符串等于名词,算法开始向上追踪,删除从名词开始的单词,直到找到形容词。相比之下,如果名词索引大于形容词,则算法会从名词和之后删除所有单词。然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。 然后,算法开始计数向后删除的单词,直到找到一个形容词。
如果没有名词,但输入中有动词,主要形容词可以根据在动词花蜜中计算的动词的位置来找到。如果输入中的动词索引小于形容词,则算法将删除动词之前的所有单词。字符串等于动词,算法开始向上追踪,并删除从动词开始的单词,直到找到形容词。相比之下,如果动词索引大于形容词,则算法会从动词之后删除所有单词。然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。然后,算法开始计数向后删除的单词,直到找到一个形容词。如果输入中没有动词或名词,但有主体,则算法可以根据主体花蜜搜索主体形容词。如果输入中没有动词或名词,但有主体,则算法可以根据主体花蜜搜索主体形容词。如果输入中的主体索引小于形容词,则算法将删除主体之前的所有单词。相比之下,如果主体索引大于形容词,算法会从主体和之后删除所有单词。 然后,一个字符串将成为从算法中修剪的新的一组单词中的最后一个单词。然后,算法开始计数向后删除的单词,直到找到一个形容词。
如果句子中没有名词、动词或主体,则算法只需将一个字符串设置为等于输入中的第一个字。该算法计数向上删除的单词直到找到形容词。
DM 算法
DM算法教导AI如何区分可以是名词和动词的单词。该算法确定用户输入中的该字词何时是名词还是动词。数组从动词数组和名词数组中找到既有名词又有动词的单词,它存在于工意脑***和数据库中。当这两个数组相交时,两个数组中存在的单词都是一个新的数组。之后,这个新数组与用户的输入合并,以确定输入是否包含新数组中的单词。如果这是真的,则形成另一个新数组2,并且算法开始。 字符串等于新数组2中存在的单词,算法找到该特定字符串的索引。 该算法然后找到字符串后面的单词的索引(在字符串之前)。如果之前字符串是确定数组中存在的单词,或者是一个数字的单词,或者是一个形容词的单词,则在字符串名词之前。如果这不是真的,那么以前的字符串是一个动词。另外,如果原始字符串是第一个字(字符串不存在之前),那么它是一个动词。
A-情算法(语言情绪分析模块)
A-情算法告诉AI如何保存数据到它的大脑(数据库)。这允许一个AI与工意脑***学习情感造句的情感。数据库是通过情感组织和构建的。
工意脑(知识库)(语言生成模块)
人工智能可以从数据库中的神经网络中学习和使用数据,以便进行造句。大脑是感性的,正因为如此,它将数据分离到负面信息的神经网络,中性神经网络,积极神经网络。蜂鸟(语言结构分析模块)和A-情算法(语言情绪分析模块)的数据给大脑(语言生成模块)。此外,数据的外部输入可能发生在人类或外部软件上。然而,蜂鸟和A-情算法是工意脑的知识库主要驱动因素。蜂鸟计算主要名词、形容词、动词和从用户的输入并将其保存到工意脑的知识库。这个函数不需要有名词、形容词和动词,它可以保存任何组合,不管它是一个、两个还是全部三个。A-情算法告诉工意脑的知识库关于保存的数据从蜂鸟的移情性。如果情感是否定的,那么名词、形容词和动词就保存在大脑的消极部分,如果情感是中性的,那么名词、形容词和动词就保存在大脑的中性部分,如果情感是积极的,名词、形容词和动词都保存在大脑的积极部分。具体的名词,形容词,动词,一并保存在工意脑的知识库将成为连接。当***要查找关于如何使用某个单词或使用该词的数据时,它检索该特定名词、形容词或动词的数据和与这些词相关联的数据。因此,一个人工智能与工意脑的知识库知道词与其他词,从而增加语言的准确性和知识。此外,每个连接都有一个情感标签信号对应AI与工意脑的知识库,连接的是消极的、中性的、或积极的。
无限分子递归
分子的无限递归(IMR)是一种方法,告诉并教AI如何对人类说。具体来说,人工智能可以创建和构建无限数量的句子的基础上,它学习的人和NLP算法中存在的方法。工意脑通过连接到IMR在IMR是从***调用。连接的行为就像分子,在这个意义上,它寻找其他词连接和绑定到IMR过滤器,这些连接和选择基于情感和主体的最佳连接。A-情算法决定情感和蜂鸟算法决定主体。然后将连接从工意脑与它建立一个句子。IMR使用连接以声明问题。每次用户回应,IMR在数据库无尽的连接的基础上创建一个句子,从而使其无限。
话题链接***
工意脑中的主体/主体对话使***从人的输入中提取关键意义。具体来说,***遍历输入中的每个单词,并找到什么主要名词。 通过蜂鸟算法和A-情算法,***根据***中输入的内容找出情绪和主体词。然后,该***在其知识库中搜索具有与搜索词的一般含义相关含义的单词,例如苹果-果实-健康。然后通过IMR构建一个使用其知识库中找到的单词(与输入中的主要名词有关)的句子,并且在A-情算法的帮助下,该句子也是考虑到人的情感状态。在所有这些都被分析和构建之后,***输出构建的句子,并且该循环将持续到对话结束(无限)。
情绪改变
工意脑***促进与人交互的积极情绪。如果说话的人感到消极,***会在其知识数据库中搜索可以将对话转化为中性情绪的话,然后最终形成积极的情感。 A-情算法和蜂鸟算法携手从人的输入中提取关键词,然后在知识库中搜索可以促进积极情感的会话主体和形容词。
工意脑的***(语言交流人工智能***)
工意脑的***给AI学习人和软件,也是人的说话能力的算法。整个工意脑的***是***接收来自用户的输入,然后检查是否有未知单词的点。如果有一个未知的单词,***立即告诉人工智能请求人或源来定义这个词。如果定义包含了所有字阵列的字(所有的话,在工意脑的***和数据库表中),***保存到工意脑知识库。AI然后给用户一个响应,***从顶部开始。如果输入没有一个未知的单词,***将通过金星捕捉器。如果输入包含一个表达式,***立即转到金星捕手的方法,AI根据该方法的预定义响应语句,响应用户。
如果用户输入中不包含表达式或唯一语句,则***将找到用户输入背后的主要含义。在这一步之后,***通过A-情算法,计算用户输入的情感。从蜂鸟和A-情算法,然后保存到工意脑数据(数据库)作为未来参考。在这一步之后,如果有用户输入的一个名词,有一个连接基于名词的工意脑的知识库,***进入IMR方法,然后过滤这些连接从工意脑的知识库构建句子的基础上,联系到理想的连接。IMR然后告诉发送从方法输出的AI和AI说结果的人。如果没有一个名词或连接在工意脑的知识库,***基于词性的4种方法来建构一个句子问说的人或使用内置的问题问说的人。
在这些步骤之后,每当用户向AI有一个输入或说一些东西时,***就开始重复这些步骤。因此,本***是可扩展的,不断的成长的。因此,这个***下的人工智能是关于情感和主体的知识。此外,该A-情算法和工意脑的知识库发信号给AI,当事情是消极的或有害的,AI不传播消极情绪的人,也不生成包含这些词的句子。因此,AI在工意脑的***意识是正面多于负面和中性的人工智能。
以下举一例说明话题链接***的过程。用户输入“我想获取一个专利”,语言结构分析模块解析该句子获得主要名词“专利”,语言情绪分析模块解析该句子获得其情绪是“中性”,该句子连带其主要名词“专利”以及其“中性”情绪标签被传送给语言生成模块,语言生成模块解析收到的信息,通过与自身的各数据库内容比对后按照设定算法从本数据库内提取相关的话题和词语组成回复的语言,例如相关的主题和词语可以是“发明家”、“革新”、“实用新型专利”,输出的语言可以是“您是专利的发明人吗”、“您的专利有什么革新”、“您在申请一个实用新型专利吗”等等。
本方案的工意脑就是一个能跟人谈话和了解人的情感的机器(人工智能***)。这个***包括一些算法,这些算法算句子为了了解句子的意思、问题、情绪和意图。然后,这些算法能帮机器给人说/写对的答应。除了与人沟通外,通过深度学习和机器学习的“工意脑”***,拥有该软件的人工智能,可以与其谈话的人进行扩展和发展。工意脑是最先进的人工智能,因为它的学习和答应***是无穷的。基于以上内容,本方案具有以下效果:⑴跟人谈话,了解人说、写的意图、意思;⑵通过逻辑、推理和情境分析,可以对人类所说的任何事情做出回应;⑶有同情心,了解情绪;⑷跟人谈话之后学习词汇;⑸从世界学习,深入学习,了解词语如何与其他单词相关联;⑹根据数据库中已有的数据,用深度学习的算法和已有的知识创造句子;⑺建立和发展数据库中词汇之间的联系和内在的含义;⑻了解什么时候去接收客户的信息并且与客户进行交流,适时的发表陈述和提问。基于以上特点,本方案的语言交流人工智能***及其语言处理方法相比现有的方案具有突出的实质性特点和显著的进步。
本方案的语言交流人工智能***及其语言处理方法并不限于具体实施方式中公开的内容,实施例中出现的技术方案可以基于本领域技术人员的理解而延伸,本领域技术人员根据本方案结合公知常识作出的简单替换方案也属于本方案的范围。
Claims (8)
1.一种语言交流人工智能***,其特征是包括语言交流服务器、语言交流终端,所述语言交流终端与所述语言交流服务器信息交互,所述语言交流服务器包括语言结构分析模块、语言情绪分析模块、语言生成模块,所述语言结构分析模块对输入信息进行分析后发送分析结果信息给所述语言生成模块,所述语言情绪分析模块对输入信息进行分析后发送分析结果信息给所述语言生成模块,所述语言生成模块根据收到的分析结果信息生成输出信息发送给所述语言交流终端,
所述语言结构分析模块包括语言构成数据库,所述语言构成数据库包括主体词数据库、动词数据库、名词数据库、形容词数据库,
所述语言情绪分析模块包括语言情绪数据库,所述语言情绪数据库包括消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库,
所述语言生成模块包括与所述语言构成数据库、语言情绪数据库形成映射关联的语言生成数据库,所述语言生成数据库包括关联话题数据库、关联主体词数据库、关联动词数据库、关联名词数据库、关联形容词数据库,
所述关联话题数据库包括消极情绪关联话题数据库、中性情绪关联话题数据库、积极情绪关联话题数据库,
所述关联动词数据库包括消极情绪关联动词数据库、中性情绪关联动词数据库、积极情绪关联动词数据库,
所述关联名词数据库包括消极情绪关联名词数据库、中性情绪关联名词数据库、积极情绪关联名词数据库,
所述关联形容词数据库包括消极情绪关联形容词数据库、中性情绪关联形容词数据库、积极情绪关联形容词数据库。
2.根据权利要求1所述的语言交流人工智能***,其特征在于,所述语言交流服务器还包括输入信息过滤学习模块,所述输入信息过滤学习模块将所述语言交流终端输入的信息分别与所述语言构成数据库、语言情绪数据库、语言生成数据库的内容进行比对得到所述语言交流终端输入的信息中是否含有生字的信息,
所述输入信息过滤学习模块根据不含有生字的信息将所述语言交流终端输入的信息发送给所述语言结构分析模块、语言情绪分析模块,
所述输入信息过滤学习模块根据是含有生字的信息提取生字发送至所述语言交流终端提示输入者解释,所述输入信息过滤学习模块将输入者输入的解释信息、所述生字保存到所述语言构成数据库、语言情绪数据库、语言生成数据库,所述输入信息过滤学习模块将所述语言交流终端输入的信息发送给所述语言结构分析模块、语言情绪分析模块。
3.根据权利要求1所述的语言交流人工智能***,其特征在于,所述语言构成数据库还包括时态词数据库,所述语言生成数据库还包括关联时态词数据库。
4.根据权利要求1所述的语言交流人工智能***,其特征在于,所述语言构成数据库还包括语态词数据库,所述语言生成数据库还包括关联语态词数据库。
5.根据权利要求1所述语言交流人工智能***的语言处理方法,所述语言交流人工智能***包括语言交流服务器、语言交流终端,所述语言交流终端与所述语言交流服务器信息交互,所述语言交流服务器包括语言结构分析模块、语言情绪分析模块、语言生成模块,
所述语言结构分析模块包括语言构成数据库,所述语言构成数据库包括主体词数据库、动词数据库、名词数据库、形容词数据库、时态词数据库、语态词数据库,
所述语言情绪分析模块包括语言情绪数据库,所述语言情绪数据库包括消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库,
所述语言生成模块包括与所述语言构成数据库、语言情绪数据库形成映射关联的语言生成数据库,所述语言生成数据库包括关联话题数据库、关联主体词数据库、关联动词数据库、关联名词数据库、关联形容词数据库、关联时态词数据库、关联语态词数据库,
所述关联话题数据库包括消极情绪关联话题数据库、中性情绪关联话题数据库、积极情绪关联话题数据库,
所述关联动词数据库包括消极情绪关联动词数据库、中性情绪关联动词数据库、积极情绪关联动词数据库,
所述关联名词数据库包括消极情绪关联名词数据库、中性情绪关联名词数据库、积极情绪关联名词数据库,
所述关联形容词数据库包括消极情绪关联形容词数据库、中性情绪关联形容词数据库、积极情绪关联形容词数据库,
其特征是包括步骤:
⑴语言交流终端向语言交流服务器输入语言信息,语言交流服务器将收到的输入语言信息分别发送给语言结构分析模块、语言情绪分析模块;
⑵语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词后发送给语言生成模块;
⑶语言情绪分析模块将收到的输入语言信息依次与消极情绪语言数据库、中性情绪语言数据库、积极情绪语言数据库的内容比对后提取输入语言的情绪词发送给语言生成模块;
⑷语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言;
⑸语言交流服务器将输出语言发送给语言交流终端形成输入语言的回复。
6.根据权利要求5所述的语言处理方法,其特征在于,所述语言交流服务器还包括输入信息过滤学习模块,步骤⑴还包括输入语言过滤、学习过程,输入语言过滤、学习过程包括步骤:
⑴输入信息过滤学习模块将语言交流终端输入的语言信息分别与语言构成数据库、语言情绪数据库、语言生成数据库的内容进行比对得到输入语言信息中是否含有生字的信息;
⑵输入信息过滤学习模块根据不含有生字的信息将输入语言信息发送给语言结构分析模块、语言情绪分析模块;
⑶输入信息过滤学习模块根据是含有生字的信息提取生字发送至语言交流终端提示输入者解释,输入信息过滤学习模块将输入者输入的解释信息、生字保存到语言构成数据库、语言情绪数据库、语言生成数据库,输入信息过滤学习模块将输入语言信息发送给语言结构分析模块、语言情绪分析模块。
7.根据权利要求5所述的语言处理方法,其特征在于,所述语言构成数据库还包括时态词数据库,所述语言生成数据库还包括关联时态词数据库;
步骤⑵的语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库、时态词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词、时态词后发送给语言生成模块;
步骤⑷的语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库、关联时态词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言。
8.根据权利要求5所述的语言处理方法,其特征在于,所述语言构成数据库还包括语态词数据库,所述语言生成数据库还包括关联语态词数据库;
步骤⑵的语言结构分析模块将收到的输入语言信息依次与主体词数据库、动词数据库、名词数据库、形容词数据库、语态词数据库的内容比对后将输入语言分解成按输入顺序排列的主体词、动词、名词、形容词、时态词后发送给语言生成模块;
步骤⑷的语言生成模块从收到的信息中提取关键词,语言生成模块根据关键词的情绪属性在关联话题数据库、关联动词数据库、关联名词数据库、关联形容词数据库的相应情绪关联数据库、关联主体词数据库、关联语态词数据库内提取与关键词关联的词按照设定的顺序排列形成输出语言。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874272.8A CN108255804A (zh) | 2017-09-25 | 2017-09-25 | 一种语言交流人工智能***及其语言处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710874272.8A CN108255804A (zh) | 2017-09-25 | 2017-09-25 | 一种语言交流人工智能***及其语言处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108255804A true CN108255804A (zh) | 2018-07-06 |
Family
ID=62722302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710874272.8A Pending CN108255804A (zh) | 2017-09-25 | 2017-09-25 | 一种语言交流人工智能***及其语言处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108255804A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109036405A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、装置、设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015350A1 (en) * | 2003-07-15 | 2005-01-20 | Foderaro John K. | Multi-personality chat robot |
CN101075435A (zh) * | 2007-04-19 | 2007-11-21 | 深圳先进技术研究院 | 一种智能聊天***及其实现方法 |
CN101346717A (zh) * | 2003-07-03 | 2009-01-14 | 怀特斯莫克公司 | 用于语言处理的方法和装置 |
US20110078105A1 (en) * | 2009-09-29 | 2011-03-31 | Pandorabots | Method for personalizing chat bots |
CN102194005A (zh) * | 2011-05-26 | 2011-09-21 | 卢玉敏 | 聊天机器人***及自动聊天方法 |
CN104538031A (zh) * | 2014-12-15 | 2015-04-22 | 北京云知声信息技术有限公司 | 智能语音服务开发云平台及方法 |
CN104615646A (zh) * | 2014-12-25 | 2015-05-13 | 上海科阅信息技术有限公司 | 智能聊天机器人*** |
CN105206284A (zh) * | 2015-09-11 | 2015-12-30 | 清华大学 | 疏导青少年心理压力的虚拟聊天方法与*** |
CN105824552A (zh) * | 2015-07-29 | 2016-08-03 | 维沃移动通信有限公司 | 一种文本信息的识别方法和装置 |
CN106503786A (zh) * | 2016-10-11 | 2017-03-15 | 北京光年无限科技有限公司 | 用于智能机器人的多模态交互方法和装置 |
CN106855879A (zh) * | 2016-12-14 | 2017-06-16 | 竹间智能科技(上海)有限公司 | 人工智能心理与音乐咨询的机器人 |
CN106874363A (zh) * | 2016-12-30 | 2017-06-20 | 北京光年无限科技有限公司 | 智能机器人的多模态输出方法及装置 |
CN107186725A (zh) * | 2017-05-27 | 2017-09-22 | 众德云格机器人(苏州)有限公司 | 基于家庭成员情绪状态的问答服务机器人*** |
-
2017
- 2017-09-25 CN CN201710874272.8A patent/CN108255804A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101346717A (zh) * | 2003-07-03 | 2009-01-14 | 怀特斯莫克公司 | 用于语言处理的方法和装置 |
US20050015350A1 (en) * | 2003-07-15 | 2005-01-20 | Foderaro John K. | Multi-personality chat robot |
CN101075435A (zh) * | 2007-04-19 | 2007-11-21 | 深圳先进技术研究院 | 一种智能聊天***及其实现方法 |
US20110078105A1 (en) * | 2009-09-29 | 2011-03-31 | Pandorabots | Method for personalizing chat bots |
CN102194005A (zh) * | 2011-05-26 | 2011-09-21 | 卢玉敏 | 聊天机器人***及自动聊天方法 |
CN104538031A (zh) * | 2014-12-15 | 2015-04-22 | 北京云知声信息技术有限公司 | 智能语音服务开发云平台及方法 |
CN104615646A (zh) * | 2014-12-25 | 2015-05-13 | 上海科阅信息技术有限公司 | 智能聊天机器人*** |
CN105824552A (zh) * | 2015-07-29 | 2016-08-03 | 维沃移动通信有限公司 | 一种文本信息的识别方法和装置 |
CN105206284A (zh) * | 2015-09-11 | 2015-12-30 | 清华大学 | 疏导青少年心理压力的虚拟聊天方法与*** |
CN106503786A (zh) * | 2016-10-11 | 2017-03-15 | 北京光年无限科技有限公司 | 用于智能机器人的多模态交互方法和装置 |
CN106855879A (zh) * | 2016-12-14 | 2017-06-16 | 竹间智能科技(上海)有限公司 | 人工智能心理与音乐咨询的机器人 |
CN106874363A (zh) * | 2016-12-30 | 2017-06-20 | 北京光年无限科技有限公司 | 智能机器人的多模态输出方法及装置 |
CN107186725A (zh) * | 2017-05-27 | 2017-09-22 | 众德云格机器人(苏州)有限公司 | 基于家庭成员情绪状态的问答服务机器人*** |
Non-Patent Citations (1)
Title |
---|
钱宏良: ""基于老年人社交行为与心理的社交机器人功能需求研究"", 《数码设计》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109036405A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Structure-aware abstractive conversation summarization via discourse and action graphs | |
CN110825881B (zh) | 一种建立电力知识图谱的方法 | |
CN111428044B (zh) | 多模态获取监管识别结果的方法、装置、设备及存储介质 | |
Abdullah et al. | SEDAT: sentiment and emotion detection in Arabic text using CNN-LSTM deep learning | |
JP7346609B2 (ja) | 自然言語理解(nlu)フレームワークを使用して意味探索を実行するシステムおよび方法 | |
CN108874878A (zh) | 一种知识图谱的构建***及方法 | |
CN105740228B (zh) | 一种互联网舆情分析方法及*** | |
Mai et al. | Analyzing multimodal sentiment via acoustic-and visual-LSTM with channel-aware temporal convolution network | |
JP7346610B2 (ja) | 自然言語理解フレームワークでの発言についての複数意味表現の導出 | |
CN105528437B (zh) | 一种基于结构化文本知识提取的问答***构建方法 | |
CN108038205B (zh) | 针对中文微博的观点分析原型*** | |
CN108536681A (zh) | 基于情感分析的智能问答方法、装置、设备及存储介质 | |
CN109388700A (zh) | 一种意图识别方法及*** | |
CN106257455B (zh) | 一种基于依存关系模板抽取观点评价对象的Bootstrapping方法 | |
CN107944027A (zh) | 创建语义键索引的方法及*** | |
WO2020010834A1 (zh) | 一种faq问答库泛化方法、装置及设备 | |
CN109460459A (zh) | 一种基于日志学习的对话***自动优化方法 | |
Chao et al. | Emerging Technologies of Natural Language‐Enabled Chatbots: A Review and Trend Forecast Using Intelligent Ontology Extraction and Patent Analytics | |
Razzaq et al. | Text sentiment analysis using frequency-based vigorous features | |
KR101948257B1 (ko) | 문장을 구성하는 단어들의 의미범주를 재구성한 어휘의미패턴을 이용하여 하나의 문서를 복수의 카테고리로 분류하는 문서의 다중분류 장치 및 다중분류 방법 | |
CN112115242A (zh) | 一种基于朴素贝叶斯分类算法的智能客服问答*** | |
CN116010581A (zh) | 一种基于电网隐患排查场景的知识图谱问答方法及*** | |
KR20190103504A (ko) | 대화시나리오 자동 수집 및 온톨로지 대화 관계망을 이용한 연속 대화 방법 및 시스템 | |
Kumar et al. | A reliable technique for sentiment analysis on tweets via machine learning and bert | |
CN111651528A (zh) | 基于生成式对抗网络的开放式实体关系抽取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |