CN111724173A - 机器人自调节的方法、装置、设备及计算机存储介质 - Google Patents

机器人自调节的方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN111724173A
CN111724173A CN202010560708.8A CN202010560708A CN111724173A CN 111724173 A CN111724173 A CN 111724173A CN 202010560708 A CN202010560708 A CN 202010560708A CN 111724173 A CN111724173 A CN 111724173A
Authority
CN
China
Prior art keywords
user
information
robot
current
neural network
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
Application number
CN202010560708.8A
Other languages
English (en)
Inventor
黄文强
季蕴青
胡路苹
胡玮
黄雅楠
胡传杰
浮晨琪
李蚌蚌
申亚坤
徐晨敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202010560708.8A priority Critical patent/CN111724173A/zh
Publication of CN111724173A publication Critical patent/CN111724173A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Psychiatry (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • Hospice & Palliative Care (AREA)
  • General Business, Economics & Management (AREA)
  • Child & Adolescent Psychology (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Manipulator (AREA)

Abstract

本申请提供了一种机器人自调节的方法、装置、设备及计算机存储介质，该方法包括：通过获取用户的行为数据以及用户的当前的语音内容；将用户的行为数据输入至用户性格的分析模型中，得到用户的性格信息；根据用户的性格信息，分析得到机器人针对用户的当前的语音内容的反馈信息；其中，反馈信息包括：针对用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；交流方式包括交流语调和交流语速；将机器人需反馈的文字信息，按照机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。以达到根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验的目的。

Description

机器人自调节的方法、装置、设备及计算机存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种机器人自调节的方法、装置、设备及计算机存储介质。
背景技术
随着时代的发展以及科技的进步，人们的生活也慢慢随之而改变。其中，机器人就是这个科技时代的产物。如今的机器人发展的越来越成熟，逐渐开始走进普通人的生活当中。
目前，机器人可以和到达的客户聊天，帮助客户解答问题，提升用户体验；但是，现在机器人的语调、语速都是一样的，给人一种很呆板的感觉，甚至可能会导致用户对机器人的厌烦情绪。例如，用户是一个急性子的性格，那么在和语速十分缓慢的机器人会表现的越来越不耐烦。并且，中国文化博大精深，同样的一句话，不同的语调可能会有不同的意思。
因此，亟需一种机器人自调节的方法，用于根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验。
发明内容
有鉴于此，本申请提供了一种机器人自调节的方法、装置、设备及计算机存储介质，用于根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验。
本申请第一方面提供了一种机器人自调节的方法，包括：
获取用户的行为数据以及用户的当前的语音内容；其中，所述用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；
将所述用户的行为数据输入至用户性格的分析模型中，得到所述用户的性格信息；其中，所述用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；
根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息；其中，所述反馈信息包括：针对所述用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；所述交流方式包括交流语调和交流语速；
将所述机器人需反馈的文字信息，按照所述机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
可选的，所述用户性格的分析模型的构建方法，包括：
根据预设的初始样本参数，建立初始神经网络模型，并将所述初始神经网络模型确定为当前神经网络模型；
将训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；其中，所述训练样本集包括多个训练样本；所述训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间；
比较所述当前神经网络模型输出的当前用户的性格信息和所述训练样本集中对应的真实的用户的性格信息，得到比较结果；
根据所述比较结果，判断所述当前神经网络模型的预测准确率是否满足准确率要求；
若判断出所述当前神经网络模型的准确率不能满足所述准确率要求，则更新当前神经网络模型中的样本参数，得到更新后的神经网络模型；
将所述更新后的神经网络模型作为当前神经网络模型，返回执行所述将所述训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；
若判断出所述当前神经网络模型的准确率满足所述准确率要求，则将所述当前神经网络模型确定为所述用户性格的分析模型。
可选的，所述用户的性格信息包括主要性格信息和次要性格信息，所述根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息，包括：
根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息；
将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
可选的，所述用户的性格信息包括主要性格信息和次要性格信息，所述根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息，包括：
结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
根据用户的次要性格信息以及所述机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息；
将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需要反馈的文字信息生成反馈信息。
本申请第二方面提供了一种机器人自调节的装置，包括：
获取单元，用于获取用户的行为数据以及用户的当前的语音内容；其中，所述用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；
第一输入单元，用于将所述用户的行为数据输入至用户性格的分析模型中，得到所述用户的性格信息；其中，所述用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；
分析单元，用于根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息；其中，所述反馈信息包括：针对所述用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；所述交流方式包括交流语调和交流语速；
展示单元，用于将所述机器人需反馈的文字信息，按照所述机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
可选的，所述用户性格的分析模型的构建单元，包括：
建立单元，用于根据预设的初始样本参数，建立初始神经网络模型，并将所述初始神经网络模型确定为当前神经网络模型；
第二输入单元，用于将训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；其中，所述训练样本集包括多个训练样本；所述训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间；
比较单元，用于比较所述当前神经网络模型输出的当前用户的性格信息和所述训练样本集中对应的真实的用户的性格信息，得到比较结果；
判断单元，用于根据所述比较结果，判断所述当前神经网络模型的预测准确率是否满足准确率要求；
更新单元，用于若所述判断单元判断出，所述当前神经网络模型的准确率不能满足所述准确率要求，则更新当前神经网络模型中的样本参数，得到更新后的神经网络模型；
返回单元，用于将所述更新后的神经网络模型作为当前神经网络模型，返回执行所述将所述训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；
模型确定单元，若所述判断单元判断出，所述当前神经网络模型的准确率满足所述准确率要求，则将所述当前神经网络模型确定为所述用户性格的分析模型。
可选的，所述用户的性格信息包括主要性格信息和次要性格信息，所述分析单元，包括：
第一分析子单元，用于根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
第二分析子单元，用于根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息；
第一生成单元，用于将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
可选的，所述用户的性格信息包括主要性格信息和次要性格信息，所述分析单元，包括：
第三分析子单元，用于结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
第四分析子单元，用于根据用户的次要性格信息以及所述机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息；
第二生成单元，用于将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需要反馈的文字信息生成反馈信息。
本申请第三方面提供了一种设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任意一项所述的方法。
本申请第四方面提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面任意一项所述的方法。
从上述技术方案可以看出，本申请实施例提出的机器人自调节的方法、装置、设备及计算机存储介质中，首先，通过获取用户的行为数据以及用户的当前的语音内容；其中，所述用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；然后，将所述用户的行为数据输入至用户性格的分析模型中，得到所述用户的性格信息；其中，所述用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；之后，根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息；其中，所述反馈信息包括：针对所述用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；所述交流方式包括交流语调和交流语速；最终，将所述机器人需反馈的文字信息，按照所述机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。以达到根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种机器人自调节的方法的具体流程图；
图2为本申请另一实施例提供的一种用户性格的分析模型的构建方法的具体流程图；
图3为本申请另一实施例提供的一种机器人自调节的方法的具体流程图；
图4为本申请另一实施例提供的一种机器人自调节的方法的具体流程图；
图5为本申请另一实施例提供的一种机器人自调节的装置的示意图；
图6为本申请另一实施例提供的一种用户性格的分析模型的构建单元的示意图；
图7为本申请另一实施例提供的一种分析单元的示意图；
图8为本申请另一实施例提供的一种分析单元的示意图；
图9为本申请另一实施例提供的一种执行机器人自调节的方法的设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系，而术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种机器人自调节的方法，如图1所示，具体包括以下步骤：
S101、获取用户的行为数据以及用户的当前的语音内容。
其中，用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；用户的当前的语音内容，为通过获取用户的语音消息，并将用户的语音消息转换为对应的文字信息，作为用户的当前的语音内容。
需要说明的是，用户的行为数据可以是但不限于通过***后台进行直接获取、获取用户所登陆的账号的历史信息等方式进行获取；将用户的语音消息转换为对应的文字信息的方式十分多样化且成熟，此处不做限定。
S102、将用户的行为数据输入至用户性格的分析模型中，得到用户的性格信息。
其中，用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到。
可选的，在本申请的另一实施例中，用户性格的分析模型的构建方法，如图2所示，包括：
S201、根据预设的初始样本参数，建立初始神经网络模型，并将初始神经网络模型确定为当前神经网络模型。
S202、将训练样本集中的数据输入至当前神经网络模型中，得到当前用户的性格信息。
其中，训练样本集包括多个训练样本；训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间。
S203、比较当前神经网络模型输出的当前用户的性格信息和训练样本集中对应的真实的用户的性格信息，得到比较结果。
S204、根据比较结果，判断当前神经网络模型的预测准确率是否满足准确率要求。
若判断出当前神经网络模型的准确率不能满足准确率要求，则执行步骤S205；若判断出当前神经网络模型的准确率满足准确率要求，则执行步骤S207。
S205、更新当前神经网络模型中的样本参数，得到更新后的神经网络模型。
S206、将更新后的神经网络模型作为当前神经网络模型，返回执行将训练样本集中的数据输入至当前神经网络模型中，得到当前用户的性格信息。
S207、将当前神经网络模型确定为用户性格的分析模型。
S103、根据用户的性格信息，分析得到机器人针对用户的当前的语音内容的反馈信息。
其中，反馈信息包括：针对用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；交流方式包括交流语调和交流语速。
具体的，例如用户的性格信息为急性子，那么根据用户的当前语音内容，机器人会选择较为精简的文字作为需反馈的文字信息，并且调快机器人的交流语速，并根据用户的当前的语音内容分析出用户当前的情绪，选择最适合的交流语调，最终，将交流语调和交流语速作为机器人反馈文字信息时的交流方式，与机器人需反馈的文字信息作为反馈信息。
可选的，在本申请的另一实施例中，用户的性格信息包括主要性格信息和次要性格信息，步骤S103的一种实施方式，如图3所示，包括：
需要说明的是，用户的性格信息中的主要性格信息和次要性格信息，可以是通过用户性格的分析模型计算得到的当前性格在所有性格中的占比来决定的；还可以提前设定的预设个数的性格类型大类，例如：急性子、慢性子、谨慎、果断等、以及预设的个数的性格类型小类，性格类型大类中的性格所占权重大于性格小类中的性格，再通过用户性格的分析模型计算得到的当前性格在所有性格中的占比，来决定用户的性格信息中的主要性格信息和次要性格信息。
S301、根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调。
具体的，利用预先设置的推理机，根据用户的主要性格信息与多种语调进行匹配，得到与主要性格信息对应的最佳的语调，作为机器人针对用户的当前的语音内容，所需要采用的交流语调。其中，推理机可以采用但不限于决策树、神经网络模型等。
S302、根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息。
具体的，利用预先设置的推理机，根据用户的次要性格信息与多种语速进行匹配，得到与次要性格信息对应的最佳的语速，作为机器人针对用户的当前的语音内容，所需要采用的交流语速。其中，推理机可以采用但不限于决策树、神经网络模型等。并根据用户的当前的语音内容，选择最适合反馈的文字信息。
S303、将机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
可选的，在本申请的另一实施例中，用户的性格信息包括主要性格信息和次要性格信息，步骤S103的一种实施方式，如图4所示，包括：
需要说明的是，用户的性格信息中的主要性格信息和次要性格信息，可以是通过用户性格的分析模型计算得到的当前性格在所有性格中的占比来决定的；还可以提前设定的预设个数的性格类型大类，例如：急性子、慢性子、谨慎、果断等、以及预设的个数的性格类型小类，性格类型大类中的性格所占权重大于性格小类中的性格，再通过用户性格的分析模型计算得到的当前性格在所有性格中的占比，来决定用户的性格信息中的主要性格信息和次要性格信息。
S401、结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调。
具体的，根据用当前的语音内容，在预设的知识库中，确定多种语调，再预设的推理机利用用户的主要性格信息与多种语调进行匹配，得到在用户的当前的语音内容的情况下，与主要性格信息对应的最佳的语调，作为机器人针对用户的当前的语音内容，所需要采用的交流语调。其中，推理机可以采用但不限于决策树、神经网络模型等。
S402、根据用户的次要性格信息以及机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息。
具体的，利用预先设置的推理机，根据用户的次要性格信息以及机器人需要采用的交流语调与多种语速进行匹配，得到在机器人需要采用的交流语调下，与次要性格信息对应的最佳的语速，作为机器人针对用户的当前的语音内容，所需要采用的交流语速。其中，推理机可以采用但不限于决策树、神经网络模型等。并根据用户的当前的语音内容，选择最适合反馈的文字信息。
S403、将机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
S104、将机器人需反馈的文字信息，按照机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
具体的，将反馈信息中的机器人需反馈的文字信息，按照反馈信息中的机器人反馈文字信息时的交流方式，转换成对应的语音信息展示给用户。
由以上方案可知，本申请提供的一种机器人自调节的方法中，首先，通过获取用户的行为数据以及用户的当前的语音内容；其中，用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；然后，将用户的行为数据输入至用户性格的分析模型中，得到用户的性格信息；其中，用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；之后，根据用户的性格信息，分析得到机器人针对用户的当前的语音内容的反馈信息；其中，反馈信息包括：针对用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；交流方式包括交流语调和交流语速；最终，将机器人需反馈的文字信息，按照机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。以达到根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验的目的。
本申请的另一实施例提供了一种机器人自调节的装置，如图5所示，具体包括：
获取单元501，用于获取用户的行为数据以及用户的当前的语音内容。
其中，用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间。
第一输入单元502，用于将用户的行为数据输入至用户性格的分析模型中，得到用户的性格信息。
其中，用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到。
可选的，在本申请的另一实施例中，用户性格的分析模型的构建单元，如图6所示，包括：
建立单元601，用于根据预设的初始样本参数，建立初始神经网络模型，并将初始神经网络模型确定为当前神经网络模型。
第二输入单元602，用于将训练样本集中的数据输入至当前神经网络模型中，得到当前用户的性格信息。
其中，训练样本集包括多个训练样本；训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间。
比较单元603，用于比较当前神经网络模型输出的当前用户的性格信息和训练样本集中对应的真实的用户的性格信息，得到比较结果。
判断单元604，用于根据比较结果，判断当前神经网络模型的预测准确率是否满足准确率要求。
更新单元605，用于若判断单元604判断出，当前神经网络模型的准确率不能满足准确率要求，则更新当前神经网络模型中的样本参数，得到更新后的神经网络模型。
返回单元606，用于将更新后的神经网络模型作为当前神经网络模型，返回执行将训练样本集中的数据输入至当前神经网络模型中，得到当前用户的性格信息。
模型确定单元607，若判断单元604判断出，当前神经网络模型的准确率满足准确率要求，则将当前神经网络模型确定为用户性格的分析模型。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图2所示，此处不再赘述。
分析单元503，用于根据用户的性格信息，分析得到机器人针对用户的当前的语音内容的反馈信息。
其中，反馈信息包括：针对用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；交流方式包括交流语调和交流语速。
可选的，在本申请的另一实施例中，用户的性格信息包括主要性格信息和次要性格信息，分析单元503的一种实施方式，如图7所示，包括：
第一分析子单元701，用于根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调。
第二分析子单元702，用于根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息。
第一生成单元703，用于将机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图3所示，此处不再赘述。
可选的，在本申请的另一实施例中，用户的性格信息包括主要性格信息和次要性格信息，分析单元503的一种实施方式，如图8所示，包括：
第三分析子单元801，用于结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调。
第四分析子单元802，用于根据用户的次要性格信息以及所述机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息。
第二生成单元803，用于将机器人在交流过程中的需要采用的交流语调、交流语调以及需要反馈的文字信息生成反馈信息。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图4所示，此处不再赘述。
展示单元504，用于将机器人需反馈的文字信息，按照机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
本申请上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图1所示，此处不再赘述。
由以上方案可知，本申请提供的一种机器人自调节的装置中，首先，通过获取单元501获取用户的行为数据以及用户的当前的语音内容；其中，用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；然后，通过第一输入单元502将用户的行为数据输入至用户性格的分析模型中，得到用户的性格信息；其中，用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；之后，根据用户的性格信息，分析单元503分析得到机器人针对用户的当前的语音内容的反馈信息；其中，反馈信息包括：针对用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；交流方式包括交流语调和交流语速；最终，通过展示单元504将机器人需反馈的文字信息，按照机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。以达到根据用户的性格信息以及用户的当前的语音信息，自主调节机器人的语调、语速以及交流内容，以提升用户的体验的目的。
本申请另一实施例提供了一种设备，如图9所示，包括：
一个或多个处理器901。
存储装置902，其上存储有一个或多个程序。
当所述一个或多个程序被所述一个或多个处理器901执行时，使得所述一个或多个处理器901实现如上述实施例中任意一项所述的方法。
本申请另一实施例提供了一种计算机存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项所述的方法。
在本申请公开的上述实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，直播设备，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种机器人自调节的方法，其特征在于，包括：
获取用户的行为数据以及用户的当前的语音内容；其中，所述用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；
将所述用户的行为数据输入至用户性格的分析模型中，得到所述用户的性格信息；其中，所述用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；
根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息；其中，所述反馈信息包括：针对所述用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；所述交流方式包括交流语调和交流语速；
将所述机器人需反馈的文字信息，按照所述机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
2.根据权利要求1所述的方法，其特征在于，所述用户性格的分析模型的构建方法，包括：
根据预设的初始样本参数，建立初始神经网络模型，并将所述初始神经网络模型确定为当前神经网络模型；
将训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；其中，所述训练样本集包括多个训练样本；所述训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间；
比较所述当前神经网络模型输出的当前用户的性格信息和所述训练样本集中对应的真实的用户的性格信息，得到比较结果；
根据所述比较结果，判断所述当前神经网络模型的预测准确率是否满足准确率要求；
若判断出所述当前神经网络模型的准确率不能满足所述准确率要求，则更新当前神经网络模型中的样本参数，得到更新后的神经网络模型；
将所述更新后的神经网络模型作为当前神经网络模型，返回执行所述将所述训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；
若判断出所述当前神经网络模型的准确率满足所述准确率要求，则将所述当前神经网络模型确定为所述用户性格的分析模型。
3.根据权利要求1所述的方法，其特征在于，所述用户的性格信息包括主要性格信息和次要性格信息，所述根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息，包括：
根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息；
将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
4.根据权利要求1所述的方法，其特征在于，所述用户的性格信息包括主要性格信息和次要性格信息，所述根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息，包括：
结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
根据用户的次要性格信息以及所述机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息；
将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需要反馈的文字信息生成反馈信息。
5.一种机器人自调节的装置，其特征在于，包括：
获取单元，用于获取用户的行为数据以及用户的当前的语音内容；其中，所述用户的行为数据包括用户历史购买记录、用户当前购买的产品信息和用户购买产品时所花费的时间；
第一输入单元，用于将所述用户的行为数据输入至用户性格的分析模型中，得到所述用户的性格信息；其中，所述用户性格的分析模型由多个训练样本用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间对神经网络模型进行训练得到；
分析单元，用于根据所述用户的性格信息，分析得到机器人针对所述用户的当前的语音内容的反馈信息；其中，所述反馈信息包括：针对所述用户的当前的语音内容，机器人需反馈的文字信息以及机器人反馈文字信息时的交流方式；所述交流方式包括交流语调和交流语速；
展示单元，用于将所述机器人需反馈的文字信息，按照所述机器人反馈文字信息时的交流方式转换成对应的语音信息展示给用户。
6.根据权利要求5所述的装置，其特征在于，所述用户性格的分析模型的构建单元，包括：
建立单元，用于根据预设的初始样本参数，建立初始神经网络模型，并将所述初始神经网络模型确定为当前神经网络模型；
第二输入单元，用于将训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；其中，所述训练样本集包括多个训练样本；所述训练样本为用户各自对应的历史购买记录、当前购买的产品信息和购买产品时所花费的时间；
比较单元，用于比较所述当前神经网络模型输出的当前用户的性格信息和所述训练样本集中对应的真实的用户的性格信息，得到比较结果；
判断单元，用于根据所述比较结果，判断所述当前神经网络模型的预测准确率是否满足准确率要求；
更新单元，用于若所述判断单元判断出，所述当前神经网络模型的准确率不能满足所述准确率要求，则更新当前神经网络模型中的样本参数，得到更新后的神经网络模型；
返回单元，用于将所述更新后的神经网络模型作为当前神经网络模型，返回执行所述将所述训练样本集中的数据输入至所述当前神经网络模型中，得到当前用户的性格信息；
模型确定单元，若所述判断单元判断出，所述当前神经网络模型的准确率满足所述准确率要求，则将所述当前神经网络模型确定为所述用户性格的分析模型。
7.根据权利要求5所述的装置，其特征在于，所述用户的性格信息包括主要性格信息和次要性格信息，所述分析单元，包括：
第一分析子单元，用于根据用户的主要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
第二分析子单元，用于根据用户的次要性格信息，确定机器人针对用户的当前的语音内容，所需要采用的交流语速、以及需要反馈的文字信息；
第一生成单元，用于将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需反馈的文字信息生成反馈信息。
8.根据权利要求5所述的装置，其特征在于，所述用户的性格信息包括主要性格信息和次要性格信息，所述分析单元，包括：
第三分析子单元，用于结合用户的主要性格信息和用户当前的语音内容，确定机器人针对用户的当前的语音内容，所需要采用的交流语调；
第四分析子单元，用于根据用户的次要性格信息以及所述机器人需要采用的交流语调，确定机器人需要采用的交流语速，以及需要反馈的文字信息；
第二生成单元，用于将所述机器人在交流过程中的需要采用的交流语调、交流语调以及需要反馈的文字信息生成反馈信息。
9.一种设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的方法。
CN202010560708.8A 2020-06-18 2020-06-18 机器人自调节的方法、装置、设备及计算机存储介质 Pending CN111724173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010560708.8A CN111724173A (zh) 2020-06-18 2020-06-18 机器人自调节的方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010560708.8A CN111724173A (zh) 2020-06-18 2020-06-18 机器人自调节的方法、装置、设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN111724173A true CN111724173A (zh) 2020-09-29

Family

ID=72567443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010560708.8A Pending CN111724173A (zh) 2020-06-18 2020-06-18 机器人自调节的方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111724173A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654950A (zh) * 2016-01-28 2016-06-08 百度在线网络技术（北京）有限公司 自适应语音反馈方法和装置
CN109359934A (zh) * 2018-09-04 2019-02-19 平安普惠企业管理有限公司 基于性格分析的招聘方法、装置、计算机设备及存储介质
CN111193834A (zh) * 2019-12-16 2020-05-22 北京淇瑀信息科技有限公司 基于用户声音特征分析的人机交互方法、装置和电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654950A (zh) * 2016-01-28 2016-06-08 百度在线网络技术（北京）有限公司 自适应语音反馈方法和装置
CN109359934A (zh) * 2018-09-04 2019-02-19 平安普惠企业管理有限公司 基于性格分析的招聘方法、装置、计算机设备及存储介质
CN111193834A (zh) * 2019-12-16 2020-05-22 北京淇瑀信息科技有限公司 基于用户声音特征分析的人机交互方法、装置和电子设备

Similar Documents

Publication Publication Date Title
CA2929018C (en) Natural expression processing method, processing and response method, device and system
US20210200948A1 (en) Corpus cleaning method and corpus entry system
CN113360622B (zh) 用户对话信息的处理方法、装置及计算机设备
US20210398150A1 (en) Method and computer network for gathering evaluation information from users
US11995523B2 (en) Systems and methods for determining training parameters for dialog generation
CN116401354A (zh) 一种文本处理方法、装置、存储介质及设备
CN110110066B (zh) 一种交互数据处理方法、装置以及计算机可读存储介质
CN117688165B (zh) 多边缘协同的客服方法、装置、设备和可读存储介质
CN108053826A (zh) 用于人机交互的方法、装置、电子设备及存储介质
CN112307166B (zh) 一种智能问答方法、装置、存储介质以及计算机设备
CN117216229A (zh) 一种生成客服答案的方法及装置
CN113590772A (zh) 异常评分的检测方法、装置、设备及计算机可读存储介质
CN115191002A (zh) 匹配***、匹配方法以及匹配程序
CN111724173A (zh) 机器人自调节的方法、装置、设备及计算机存储介质
CN114996417A (zh) 推荐话术的方法，推荐话术交互的方法及***
CN110728977A (zh) 一种基于人工智能的语音对话方法和***
CN114841157A (zh) 基于数据分析的线上互动方法、***、设备及存储介质
CN115114404A (zh) 智能客服的问答方法、装置、电子设备及计算机存储介质
CN108073702A (zh) 木材产品推荐方法、装置及计算机可读存储介质
CN110737761B (zh) 一种信息处理方法、电子设备和存储介质
CN114239604A (zh) 在线咨询处理方法、装置及计算机设备
KR102012664B1 (ko) 인공지능과의 대화를 이용한 게임을 제공하는 서버 및 방법
US8504580B2 (en) Systems and methods for creating an artificial intelligence
CN112307186A (zh) 基于情绪识别的问答服务方法、***、终端设备及介质
CN115292471B (zh) 针对儿童的知识类产品服务推送方法及相关装置

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