JP2019528512A - 人工知能に基づくヒューマンマシンインタラクション方法及び装置 - Google Patents

Abstract

【課題】機器が人間の対話スタイルで人間と対話型インタラクションするようにし、ヒューマンマシンインタラクションが本当の人間同士の対話型インタラクションの効果を有するようにする人工知能に基づくヒューマンマシンインタラクション方法及び装置を提供することである。【解決手段】人工知能に基づくヒューマンマシンインタラクション方法は、ユーザによって入力された質問を受信するステップと、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、前記回答をユーザにフィードバックするステップと、を含む。当該方法は、ヒューマンマシンインタラクションが、本当の人間同士の対話型インタラクションの効果を有するようにすることができる。【選択図】図１

Description

［優先権情報］
本出願は、バイドォウオンラインネットテクノロジー（ベイジン）カンパニーリミテッドが２０１６年０９月０５日付に提出した、発明の名称が「人工知能に基づくヒューマンマシンインタラクション方法及び装置」で、中国特許出願番号が「２０１６１０８０３６４５．８」である特許出願の優先権を主張するものである。

本出願は、人工知能技術分野に関し、特に、人工知能に基づくヒューマンマシンインタラクション方法及び装置に関する。

人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）は、人間の知能を模擬、延伸及び拡張するための理論、方法、技術及び応用システムを研究して開発する新しい技術科学である。人工知能は、コンピュータサイエンスの一つの分岐であり、知能の本質を理解し、人間知能と同様な方式で反応可能な新たな知能機器を生み出すことを意図し、当該分野の研究は、知能食事注文ロボット、言語認識、画像認識、自然言語処理、及びエキスパートシステムなどを含む。

人工知能などの技術の発展に伴い、ヒューマンマシンインタラクションシステムは、既に様々な形で人々の生活に現れている。例えば、自然対話分野において、機器が人間と対話することができ、知能顧客サービス分野において、顧客サービスシステムが人間にサービスを提供することができる。しかし、従来のヒューマンマシンインタラクションシステムのプロセスは、通常、機器が人間の質問（ｑｕｅｒｙ）を受信した後、データベースで関連する回答（ｒｅｐｌｙ）をルックアップしてユーザに提示する。このような方式は、本質上検索であり、人間同士の対話時の論理を有せず、本当の人間同士の対話型インタラクションの効果を実現することができない。

本出願は、関連技術における少なくとも一つの技術的課題をある程度で解決することを目的とする。

そのため、本出願の一つの目的は、機器が人間の対話スタイルで人間と対話型インタラクションするようにし、ヒューマンマシンインタラクションが本当の人間同士の対話型インタラクションの効果を有するようにする人工知能に基づくヒューマンマシンインタラクション方法を提供することである。

本出願のもう一つの目的は、人工知能に基づくヒューマンマシンインタラクション装置を提供することである。

上記目的を達成するために、本出願の第１側面の実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法は、ユーザによって入力された質問を受信するステップと、人間対話コーパスに基づい予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、前記回答をユーザにフィードバックするステップと、を含む。

本出願の第１側面の実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法は、予め生成されたモデルにより、ユーザによって入力された質問に対応する回答を取得し、当該モデルは、人間対話コーパスに基づいて生成されたものであり、当該回答は、人間の対話スタイルを有するため、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。

上記目的を達成するために、本出願の第２側面の実施例によって提供される人工知能に基づくヒューマンマシンインタラクション装置は、ユーザによって入力された質問を受信する受信モジュールと、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得する取得モジュールと、前記回答をユーザにフィードバックするフィードバックモジュールと、を含む。

本出願の第２側面の実施例によって提供される人工知能に基づくヒューマンマシンインタラクション装置は、予め生成されたモデルにより、ユーザによって入力された質問に対応する回答を取得し、当該モデルは、人間対話コーパスに基づいて生成されたものであり、当該回答は、人間の対話スタイルを有するため、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。

本出願の実施例は、本出願の第１側面の実施例のいずれかに記載の方法を実行するように構成されるプロセッサと、プロセッサがによって実行可能な命令を記憶するためのメモリと、を含む機器を提供する。

本出願の実施例は、非一時的なコンピュータ読み取り可能な記憶媒体を提供し、前記記憶媒体における命令がプロセッサによって実行される場合、プロセッサは、本出願の第１側面の実施例のいずれかに記載の方法を実行可能である。

本出願の実施例は、コンピュータプログラム製品を提供し、前記コンピュータプログラム製品における命令がプロセッサによって実行される場合、プロセッサは、本出願の第１側面の実施例のいずれかに記載の方法を実行可能である。

本出願の付加的な特徴及び利点は、一部が以下の説明において示され、一部が以下の説明により明らかになり、又は本出願の実践により理解される。

本出願の上記及び/又は付加的な特徴及び利点は、実施例について図面を参照して以下に説明することにより、明らかになり、理解されやすくなる。

本出願の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法の概略フローチャートである。 本出願の実施例における訓練プロセスでモデルを生成する概略フローチャートである。 本出願の実施例におけるコーパスソースの概略分類図である。 本出願の実施例における一つの予測モデルの概略図である。 本出願の実施例におけるもう一つの予測モデルの概略図である。 本出願の実施例におけるもう一つの予測モデルの概略図である。 本出願の実施例に対応する全体アーキテクチャ図である。 本出願の他の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法の概略フローチャートである。 本出願の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション装置の概略構成図である。 本出願の他の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション装置の概略構成図である。

以下、本出願の実施例を詳細に説明する。前記実施例における例が図面に示され、同一又は類似する符号は、常に同一又は類似するモジュール、或いは、同一又は類似する機能を有するモジュールを示す。以下に、図面を参照しながら説明される実施例は例示的なものであり、本出願を解釈するためだけに用いられ、本出願を限定するものと理解してはいけない。逆に、本出願の実施例は、添付の特許請求の範囲の趣旨及び内包範囲にに含まれるあらゆる変更、修正及び同等物を含む。

図１は、本出願の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法の概略フローチャートである。

図１に示すように、本実施例は、以下のステップＳ１１と、ステップＳ１２と、ステップＳ１３と、を含む。

ステップＳ１１において、ユーザによって入力された質問（ｑｕｅｒｙ）を受信する。

ユーザは、テキストや音声、又は画像などの形式で質問を入力することができる。質問がテキスト形式ではない場合、まず、非テキストの形の質問をテキストに変換することができる。具体的に採用される技術は、例えば、音声認識、画像内容認識などの変換技術を含み、これらの変換技術は、従来の、又は将来に現れる技術を採用して実現することができ、ここでは、詳しく説明しない。

ステップＳ１２において、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得する。

訓練段階において上記モデルを生成することができる。訓練段階において、まず、大量の人間対話コーパスを収集し、人間対話コーパスは、セット（ｐａｉｒ）を単位とし、各セットは、質問（ｑｕｅｒｙ）と回答（ａｎｓｗｅｒ）とを含み、訓練するときに、コーパスにおける質問を入力としてモデルを訓練して、出力をコーパスにおける対応する回答と可能な限り一致させる。当該モデルが、人間対話コーパスに基づいて生成されるため、当該モデルに基づいて現在の質問を処理して取得された出力も、人間の対話スタイルを有する回答となる。

さらに、上記モデルが、具体的に実現する場合、一つとは限らず、複数であってもよく、それぞれ異なる機能を完成して、ユーザによって入力された質問により人間の対話スタイルを有する回答を取得する。

ステップＳ１３において、前記回答をユーザにフィードバックする。

回答を取得した後、回答を音声形式でユーザに再生することができる。

また、取得された回答がテキスト形式である場合、音声合成などの技術によりそれを音声に変換することができる。

本実施例において、予め生成されたモデルにより、ユーザによって入力された質問に対応する回答を取得し、当該モデルは、人間対話コーパスに基づいて生成されたものであり、当該回答は、人間の対話スタイルを有するため、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。

上記実施例は、対話プロセスを説明した。対話プロセスにおいて、モデルが用いられ、当該モデルは、訓練プロセスで生成されたものであってもよく、訓練プロセスでモデルを生成するプロセスについて以下に説明する。

図２は、本出願の実施例における訓練プロセスでモデルを生成する概略フローチャートである。

本実施例において、モデルが、マッピング関係と、予測モデルと、文法モデルと、を含むことを例とする。マッピング関係は、質問中のキーワードと回答中のキーワードとの間のマッピング関係を示す。予測モデルは、コンテキスト情報に基づいて、複数のマッピング関係から最適なマッピング関係を決定し、決定されたマッピング関係におけるキーワードにマッチングするコロケーション単語を生成する。文法モデルは、用語の順序を調整し、調整された用語に基づいて、文法構造に適合する文を生成する。

図２に示すように、本実施例は、以下のステップＳ２１と、ステップＳ２２と、ステップＳ２３と、ステップＳ２４と、を含む。

ステップＳ２１において、人間対話コーパスを収集する。

コーパスの選択は、ビデオ（映画、ドラマ、アニメーションなど）における対話と、文学作品（歴史名作、推理小説、恋愛小説、オンライン小説など）における対話と、ソーシャルプラットフォーム（ウェイボー、掲示板、Ｄｏｕｂａｎなど）における対話と、地方言語（東北方言、北京方言、広東方言など）の対話と、を含む人間と人間との対話のあるあらゆるところに基づくことができる。

図３に示すように、コーパスソースの分類が示されているため、複数のコーパスソースから異なるスタイルのコーパスを収集することができ、同一のコーパスソースは、一つ又は複数の対話スタイルを備えることができる。ビデオにおける対話は、ビデオジャンルの変化に伴って、対話のスタイルが大きく異なり、コメディにおける対話は、一般的に、ユーモラスであり、恋愛映画における対話は、一般的に、愛に満ち溢れ、戦争映画における対話は、一般的に、緊張で激しいなど。文学作品における対話スタイルも、ジャンルによって異なり、歴史名作における対話は、一般的に、ある歴史背景の特色が付いており、推理小説における対話は、論理的に厳密であり、恋愛小説における対話は、感情豊かであるなど。ネットワークソーシャルプラットフォームにおける対話には、多くのネットワーク用語が含まれるが、それ自体が人々の日常対話であるので全体のスタイルが最も人々の日常対話に近く、地方言語対話は、各種の地方方言を含むため、各種の地方特色が付いている。

ステップＳ２２において、人間対話コーパスにおける質問中のキーワード及び対応する回答中のキーワードを抽出し、抽出されたキーワードに基づいて、質問中のキーワードと回答中のキーワードとの間のマッピング関係を生成する。

１セットの人間対話コーパスに対応して、その中の質問（問と略する）及び回答（答と略する）を単語分割して、問における用語（ｔｅｒｍ）及び答における用語を取得し、次に用語の中からキーワード（例えば、出現確率に基づく）を決定し、次に大量のコーパスの学習によりマッピング関係を取得することができる。

例えば、１セットの問答は、以下のとおりである。
問：一日中忙しくて、やっと退勤しました。
答：お疲れさま、今、お帰りですか。

問及び答をそれぞれ単語分割して、その中のキーワードを抽出し、「忙しい」、「退勤」を含む問におけるキーワードと、「疲れ」、「帰り」を含む答におけるキーワードと、を取得することができる。そのため、「忙しい」と「疲れ」との間のマッピング関係、及び「退勤」と「帰り」との間のマッピング関係を確立することができる。

上記マッピング関係は、一対多であってもよく、例えば、もう１セットのコーパスは、以下のとおりである。
問：一日中忙しくて、やっと退勤しました。
答：休憩しましょう。仕事は完成しましたか。

上記処理と同様に、「忙しい」と「休憩」との間のマッピング関係、「退勤」と「仕事」との間のマッピング関係を確立することができる。

そのため、複数のコーパスをまとめて、「忙しい」と「疲れ」、「休憩」との間のマッピング関係、及び「退勤」と「帰り」、「仕事」との間のマッピング関係を確立することができる。

上記マッピング関係を取得した後、キーと値のセット（ｋｅｙ、ｖａｌｕｅ）の方式で記憶することができる。例えば、キーは、「忙しい」であり、値は、「疲れ」と、「休憩」とを含む。

コーパスは、異なるコーパスソースからのものであってもよく、異なるコーパスソースは、異なるスタイルを有することができるため、異なるスタイルのマッピング関係を形成することができる。

例えば、あるドラマにおける１セットの対話は、下記の問答を含む。
問：僕は、試験のことを考えてるんだ。
答：っていうことは、どうやってカンニングするかって考えてるんだろう。
問：なんでいつも僕を悪く思うの。
答：よく思われたいなら、チャンスをちょうだいね。

上記コーパスに基づいて、例えば、「考える」と「思う」との間のマッピング関係、及び「試験」と「どうやってカンニングするか」との間のマッピング関係のようなユーモラスなスタイルを有する１セットのマッピング関係を確立することができる。

また、例えば、ある恋愛小説における１セットの対話は、下記問答を含む。
問：僕は、試験のことを考えてるんだ。
答：ダーリン、あたしは、あなたのことを考えてるだけどなぁ。

上記コーパスにより、例えば、「僕」と「ダーリン」、「あたし」との間のマッピング関係、「考える」と「考える」との間のマッピング関係、及び「試験」と「あなた」との間のマッピング関係のような、愛が溢れるスタイルを有する１セットのマッピング関係を確立することができる。

また、例えば、普通のソーシャルプラットフォームにおいて、１セットの対話は、下記問答を含む。
問：僕は、試験のことを考えてるんだ。
答：試験の何を考えてるの。

上記コーパスに基づいて、例えば、「考える」と「考える」との間のマッピング関係、及び「試験」と「何」との間のマッピング関係のような、普通の生活スタイルを有する１セットのマッピング関係を確立することができる。

また、例えば、東北方言での１セットの対話は、下記問答を含む。
問：僕は、試験のことを考えてるんだ。
答：何を考えてる（中文：尋思）の。試験になったら、手も足も出ない（中文：麻爪）だろう。

上記コーパスに基づいて、例えば、「考える（中文：想」）と「考える（中文：尋思）」との間のマッピング関係、及び「試験」と「手も足も出ない」との間のマッピング関係のような、東北方言スタイルを有する１セットのマッピング関係を確立することができる。

ステップＳ２３において、人間対話コーパスから質問中のキーワード、回答中のキーワード及びコンテキスト情報を取得し、取得されたキーワード及びコンテキスト情報に基づいて、予測モデルを生成する。

例えば、質問中のキーワードは、「忙しい」と「退勤」とを含み、あるコーパスにおけるコンテキスト情報は、「時間が遅い」、「帰りたい」などであり、対応する回答には、「疲れ」、「帰り」がよく現れ、すると、予測モデルには、図４に示す質問と、コンテキスト情報と、回答との間の対応関係が含まれる。また、例えば、質問中のキーワードは、「忙しい」と「退勤」とを含み、別のコーパスにおけるコンテキスト情報は、「仕事が多い」、「上司が促す」などであり、対応する回答には、「休憩」、「仕事」、「完成」がよく現れ、すると、予測モデルには、図５に示す質問と、コンテキスト情報と、回答との間の対応関係が含まれる。

図４〜図５について、論理上の関係で説明したが、予測モデルにおける上記関係は、論理上のものとは限らず、スタイル的なものであってもよく、例えば、同様な質問「考える」、「試験」に対応して、図６を参照し、異なるスタイルにおいて、異なる回答に対応することができる。

さらに、予測モデルは、質問と、コンテキスト情報と、回答との間の対応関係を示すだけではなく、コロケーションをも学習して、回答中のキーワードに基づいて、それを補足して、文をコロケーションする。例えば、質問と、コンテキスト情報とに基づいて取得された回答は、「ている、考える、カンニング」などのキーワードを含み、そして、ユーモラスな対話コーパスに基づいて、対応するスタイルにおける常用コロケーションである「考えてる、どうやってカンニングするか」を学習することができる。恋愛小説において、同様に「あたし、考える」というキーワードを抽出することができ、そして対応する愛が溢れるコロケーション「ダーリン、あなたのことを考えてる」を学習することができ、最後には、このような愛が溢れるコロケーション方式を学習する。

ステップＳ２４において、人間対話コーパスの文法構造を分析して、文法モデルを生成する。

文法モデルの本質は、一つの言語モデルであり、当該モデルは、コーパスにおける対話に基づいて、人間の会話において常用される文法構造を学習することができ、その主な原理は、コーパスにおける対話セットを前処理された品詞識別子及びシーケンスの順序に基づいて、いくつかの接続詞及び助詞の追加及び補足を含む人間対話における慣用表現方式を学習する。例えば、上記において、「考えてる、どうやってカンニングするか」を学習した後、文法モデルは、この二つのフレーズにより一つの回答を構築する文法構造を学習することにより、「ってことは」のような接続詞を追加することを学習することができた。さらに、例えば、上記において、恋愛小説における対話では、回答から、上記に対応して生成された「ダーリン、あたし、考える、あなた」を抽出した後、文法モデルは、これらの用語から最終回答である「ダーリン、あたしは、あなたのことを考えてるだけどなぁ」までの表現方式を学習することにより、「だけど、なぁ」などの終助詞の使用を学習することができる同時に、このような愛が溢れる表現方式をも学習することができる。訓練段階において、文法モデルは、主にコーパスにおける言語の構造順序及び表現方式を学習する。構造順序の学習は、文の基本的な流暢さを保証し、表現方式の学習も、コーパスのスタイルによって変化する。

上記に示すように、本実施例において、マッピング関係、予測モデル及び文法モデルを生成することができ、その後、これらのモデルは、対話段階で用いられる。

本実施例において、人間対話コーパスを収集することにより、人間対話コーパスに基づいて、モデルを訓練して生成することができ、これにより、機器が、人間の対話スタイルを学習するようになる。モデルが対話プロセスに適用された後、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。

上記対話プロセス及び訓練プロセスを参照して、図７に示すように、全体アーキテクチャ図が示されている。

図７に示すアーキテクチャを参照して、訓練プロセスと対話プロセスとを含むプロセスの全体について以下に説明する。

図８は、本出願のもう一つの実施例によって提供される人工知能に基づくヒューマンマシンインタラクション方法の概略フローチャートである。

図８に示すように、本実施例は、以下のステップＳ８０１〜ステップＳ８１１を含む。

ステップＳ８０１において、人間対話コーパスを収集する。

ステップＳ８０２において、人間対話コーパスを前処理する。

前処理は、人間対話コーパスにおける質問及び回答をそれぞれ単語分割して、キーワードを選定し、各キーワードに対応する識別子（ｉｄ）を決定して、単語シーケンスをｉｄシーケンスに変換するステップを含むことができる。

単語と識別子との間の対応関係を含む辞書を取得することができ、当該辞書に基づいて、単語シーケンスを対応するｉｄシーケンスに変換することができる。

当該ステップは、図７に示す前処理モジュールによって実行することができる。

ステップＳ８０３において、前処理された人間対話コーパスに基づいて、質問中のキーワードと回答中のキーワードとの間のマッピング関係を生成し、当該マッピング関係を記憶する。

当該ステップは、図７に示すマッピング学習及び記憶モジュールによって実行することができる。

具体的なマッピング関係の生成プロセスは、上記実施例を参照することができ、ここでは、詳しく説明しない。

なお、訓練段階において上記前処理を行ったため、上記マッピング関係は、ｉｄ間のマッピング関係であってもよい。

ステップＳ８０４において、前処理された人間対話コーパスに基づいて、予測モデルを生成する。

当該ステップは、図７に示す予測モジュールによって実行することができる。

具体的な予測モデルの生成プロセスは、上記実施例を参照することができ、ここでは、詳しく説明しない。

ステップＳ８０５において、前処理された人間対話コーパスに基づいて、文法モデルを生成する。

当該ステップは、図７に示す文法学習及び制御モジュールによって実行することができる。

具体的な文法モデルの生成プロセスは、上記実施例を参照することができ、ここでは、詳しく説明しない。

ステップＳ８０１〜ステップＳ８０５は、訓練段階において実行することができる。

なお、各モジュール間のインタラクションは、図７に示す主制御システムによって実行することができる。

ステップＳ８０６において、ユーザによって入力された質問を受信する。

ステップＳ８０７において、ユーザによって入力された質問を前処理する。

前処理は、前処理モジュールによって実行することができる。具体的な前処理プロセスは、上記訓練段階の対応するプロセスを参照することができる。

ステップＳ８０８において、マッピング関係に基づいて、ユーザによって入力された質問中のキーワードに対応する回答中のキーワードを決定する。

主制御システムは、前処理された質問をマッピング学習及び記憶モジュールに送信することができ、マッピング学習及び記憶モジュールが、自体に記憶されているマッピング関係に基づいて、前処理された質問に対応する回答中のキーワードを決定する。

ステップＳ８０９において、予測モデルに基づいて、決定されたキーワードから最適な１セットのキーワードを選択し、選択された１セットのキーワードに基づいてコロケーション単語を生成する。

主制御システムは、マッピング学習及び記憶モジュールから複数のセットのキーワードを取得することができ、その後、主制御システムは、複数のセットのキーワードを予測モジュールに送信し、コンテキスト記憶モジュールによって現在のコンテキスト情報を取得することができ、予測モジュールは、すでに生成された予測モデル及び現在のコンテキスト情報に基づいて、複数のセットのキーワードから１セットのキーワードを選択する。

例えば、マッピング関係に基づいて、複数のセットのキーワードを決定することができる。例えば、質問中のキーワードは、「忙しい」と「退勤」とを含む場合、マッピング関係に基づいて決定されたキーワードは、「休憩、仕事、完成」と、「疲れ、帰り」とを含むことができる。当該ステップにおいて、予測モデル及び現在のコンテキスト情報に基づいて、決定された複数のセットのキーワードから最適な１セットのキーワードを選択することができ、例えば、現在のコンテキスト情報が「仕事が多く、上司が促す」である場合、選択された１セットのキーワードは、「休憩、仕事、完成」であり、又は、現在のコンテキスト情報が「時間が遅く、帰りたい」である場合、選択された１セットのキーワードは、「疲れ、帰り」である。

また、予測モデルは、コンテキスト情報に基づいて、現在のスタイルを決定し、それからスタイルに基づいて、対応するコロケーション単語を決定することができる。例えば、選択された１セットのキーワードが「ている、考える」であり、現在のスタイルがユーモラスである場合、「考えてる、どうやってカンニングするか」のようなコロケーション単語を決定することができ、又は、現在のスタイルが「愛が溢れる」である場合、「ダーリン、あなたのことを考えてる」のようなコロケーション単語を決定することができる。

ステップＳ８１０において、文法モデルに基づいて、選択された１セットのキーワード及び生成されたコロケーション単語の文法構造を調整して、文法構造を満たす文を取得する。

主制御システムは、予測モジュールからキーワード及びコロケーション単語を取得して文法学習及び制御モジュールに送信し、文法学習及び制御モジュールは、文法モデルに基づいて、各用語の順序を調整して、文法構造を満たす文を生成することができる。文法学習及び制御モジュールによって採用される文法モデルは、訓練段階で人間対話コーパスに基づいて生成されたものであってもよいし、又は、オープンインターフェースを介して第三者から取得された文法モデルであってもよい。

ステップＳ８１１において、文法構造を満たす文を、回答としてユーザにフィードバックする。

例えば、主制御システムは、文法学習及び制御モジュールから文法構造を満たす文を取得した後、当該文の音声合成を行い、出力インターフェースを介してユーザに再生する。

さらに、当該方法は、ユーザとのインタラクティブ対話に基づいて、オンライン学習を行うステップＳ８１２をさらに含むことができる。

ユーザと対話する場合、システムは、いくつかの対話のコーパスをリアルタイムで生成することができ、これらのコーパスは、現在のユーザの表現習慣及びスタイルを含んでいるため、一定時間内にユーザと対話したチャット履歴をコーパスとして、ユーザの表現習慣を学習することができる。当該モジュールは、主に対話履歴をコーパスとして定時に収集して、システムの各モジュールをリアルタイムで再訓練し、チャット履歴の使用において、ユーザの毎回の入力が、機器の前回の回答に対する一つの質問であるため、機器の前回のステップで生成された回答を質問とし、且つユーザの入力を回答としする一つ一つのセットとして再訓練し、システムがユーザと対話するプロセスでユーザの対話スタイルを学習することができる。当該モジュールは、一つのプラガブルモジュールであり、当該モジュールが接続される場合、モジュールは、ログにおけるユーザと機器との対話により絶えず学習し、当該モジュールが取り外される場合にも、システムの全体は、正常に動作することができる。

さらに、当該方法は、オープンインターフェースを介して、他のシステムを呼び出し、又は、他のシステムによって呼び出されるステップＳ８１３をさらに含むことができる。

図７に示すように、当該システムは、いくつかのオープンインターフェースを提供することもでき、これらのオープンインターフェースは、外部にオープンする呼び出しインターフェース及び拡張インターフェースであり、呼び出しインターフェースは、他のシステムが当該インターフェースを介して本システムを直接呼び出せるようにすることができ、拡張インターフェースは、他の関連モデル又はシステムにアクセスして機能強化を行うことができ、例えば、文法学習モジュールは、他のいくつかの熟成した言語モデルを呼び出して、システムにおける文法学習及び調整の機能を強化することができる。

本実施例において、人間対話コーパスを収集することにより、人間対話コーパスに基づいて、モデルを訓練して生成することができ、機器が、人間の対話スタイルを学習するようになる。モデルを対話プロセスに適用した後、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。さらに、ヒューマンマシンインタラクションの効果を向上させるために、オンライン学習により、新しいデータをリアルタイムで学習することができる。さらに、オープンインターフェースにを介して、他のシステムによって呼び出され、又は、他のシステムを呼び出すことができ、ヒューマンマシンインタラクションサービスをよりよく提供する。

図９は、本出願の一実施例によって提供される人工知能に基づくヒューマンマシンインタラクション装置の概略構成図である。

図９に示すように、当該装置９０は、受信モジュール９１と、取得モジュール９２と、フィードバックモジュール９３とを含む。

受信モジュール９１は、ユーザによって入力された質問を受信する。

取得モジュール９２は、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得する。

フィードバックモジュール９３は、前記回答をユーザにフィードバックする。

一部の実施例において、前記モデルは、質問中のキーワードと回答中のキーワードとの間のマッピング関係を示すマッピング関係と、コンテキスト情報に基づいて、複数のマッピング関係から最適なマッピング関係を決定し、決定されたマッピング関係におけるキーワードにマッチングするコロケーション単語を生成する予測モデルと、用語の順序を調整し、調整された用語に基づいて、文法構造に適合する文を生成する文法モデルと、を含む。

一部の実施例において、図１０を参照し、前記取得モジュール９２は、
前記マッピング関係に基づいて、ユーザによって入力された質問中のキーワードに対応する回答中のキーワードを決定するマッピングサブモジュール９２１と、
前記予測モデルに基づいて、決定されたキーワードから最適な１セットのキーワードを選択し、選択された１セットのキーワードに基づいて、コロケーション単語を生成する予測サブモジュール９２２と、
前記文法モデルに基づいて、前記選択された１セットのキーワード及び生成されたコロケーション単語の文法構造を調整し、人間の対話スタイルを有する回答として文法構造を満たす文を取得する文法分析サブモジュール９２３と、を含む。

一部の実施例において、前記マッピングサブモジュールは、さらに、人間対話コーパスにおける質問中のキーワード、及び対応する回答中のキーワードを抽出し、抽出されたキーワードに基づいて、前記マッピング関係を生成し、又は、
一部の実施例において、前記予測サブモジュールは、さらに、人間対話コーパスにおける質問中のキーワード、及び対応する回答中のキーワードを抽出し、対応するコンテキスト情報を抽出して、抽出されたキーワード及びコンテキスト情報に基づいて、前記予測モデルを生成し、又は、
一部の実施例において、前記文法分析サブモジュールは、さらに、人間対話コーパスに基づいて、前記文法モデルを生成し、又は、オープンインターフェースを介して他のシステムから前記文法モデルを取得する。

一部の実施例において、図１０を参照し、当該装置９０は、
前記取得モジュールが予め生成されたモデルに基づいて前処理された質問を処理するようにトリガするように、前記質問を前処理する前処理モジュール９４をさらに含む。

一部の実施例において、図１０を参照し、当該装置９０は、
前記ユーザとのインタラクティブ対話に基づいて、オンライン学習を行うオンライン学習モジュール９５をさらに含む。

一部の実施例において、図１０を参照し、当該装置９０は、
他のシステムを呼び出し、又は他のシステムによって呼び出されるためのインターフェースを提供するオープンインターフェース９６をさらに含む。

なお、本実施例の装置は、上記方法の実施例に対応するものであり、具体的な内容は、方法の実施例の関連説明を参照することができ、ここでは、詳しく説明しない。

本実施例において、人間対話コーパスを収集することにより、人間対話コーパスに基づいて、モデルを訓練して生成することができ、機器が、人間の対話スタイルを学習することができるようになる。モデルを対話プロセスに適用した後、機器は、人間の対話スタイルで人間と対話型インタラクションすることができ、ヒューマンマシンインタラクションは、本当の人間同士の対話型インタラクションの効果を有するようになる。さらに、ヒューマンマシンインタラクションの効果を向上させるために、オンライン学習により、新しいデータをリアルタイムで学習することができる。さらに、オープンインターフェースを介して、他のシステムによって呼び出され、又は、他のシステムを呼び出すことができ、ヒューマンマシンインタラクションサービスをよりよく提供する。

なお、上記各実施例における同様又は類似の部分は、相互参照することができ、いくつかの実施例において、詳しく説明されていない内容は、他の実施例における同様又は類似の内容を参照することができる。

本出願の実施例は、プロセッサと、プロセッサによって実行可能な命令を記憶するためのメモリと、を含む機器を提供し、前記プロセッサが、ユーザによって入力された質問を受信するステップと、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、前記回答をユーザにフィードバックするステップとを実行するように構成される。

本出願の実施例は、非一時的なコンピュータ読み取り可能な記憶媒体を提供し、前記記憶媒体における命令がプロセッサによって実行される場合、プロセッサは、ユーザによって入力された質問を受信するステップと、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、前記回答をユーザにフィードバックするステップとを実行する可能である。

本出願の実施例は、コンピュータプログラム製品を提供し、前記コンピュータプログラム製品における命令がプロセッサによって実行される場合、プロセッサは、ユーザによって入力された質問を受信するステップと、人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、前記回答をユーザにフィードバックするステップとを実行可能である。

なお、本出願の説明において、「第１」、「第２」などの用語は、単に目的を説明するためのものであり、比較的な重要性を指示又は暗示すると理解してはいけない。また、本出願の説明において、ほかの説明がない限り、「複数」とは、少なくとも二つを意味する。

フローチャート、又はここで他の方式により説明されるいかなるプロセス又は方法の説明は、特定のロジック機能又はプロセスのステップを実現するための一つ又はそれ以上の実行可能な命令のコードを含むモジュール、セグメント又は部分と理解されてもよい。また、本出願の好ましい実施形態の範囲は、他の実現方式が含まれており、例示され又は議論された順序に従わなくてもよく、言及された機能が実質的に同時に、又は逆の順序に応じて機能を実行することを含む。本出願の実施例が属する技術分野の当業者は、これを理解すべきである。

なお、本出願の各部分は、ハードウェア、ソフトウェア、ファームウェア、又はこれらの組み合わせにより実現できる。上記実施形態では、複数のステップ又は方法は、メモリに記憶され、且つ適切なコマンド実行システムによって実行されるソフトウェア又はファームウェアにより実現することができる。例えば、ハードウェアにより実現される場合は、他の実施形態と同じく、本分野の以下の公知技術のうち何れか一つ又はこれらの組み合わせにより実現することができる。データ信号のロジック機能を実現するための論理ゲート回路を備えたディスクリート論理回路、適切な組み合わせ論理ゲート回路を備えた専用集積回路、プログラム可能なゲートアレイ（ＰＧＡ）、フィールド
プログラム可能なゲートアレイ（ ＦＰＧＡ）などである。

当業者は、上記実施形態に係る方法に含まれている全部又は一部のステップが、プログラムにより関連するハードウェアを命令することにより完成できることを理解できる。前記プログラムは、コンピュータ読み取り可能な媒体に記憶されてもよく、当該プログラムは実行時に、方法の実施形態における一つのステップ又はその組み合わせを含むことができる。

また、本出願の各実施形態に係る各機能ユニットは、一つの処理モジュールに集積されてもよく、各ユニットが物理的に独立して存在してもよく、２つ又は２つ以上のユニットが一つのモジュールに集積されてもよい。上記集積されたモジュールは、ハードウェアの形式により実現されてもよく、ソフトウェアの機能モジュールの形式により実現されてもよい。上記集積されたモジュールがソフトウェアの機能モジュールの形式により実現され、独立の製品として販売又は使用される場合、一つのコンピュータ読み取り可能な記憶媒体に記憶することもできる。

上記記憶媒体は、読み出し専用メモリや磁気ディスク、光ディスクなどであってもよい。

本明細書の説明において、「一実施例」、「一部の実施例」、「例」、「具体的な例」、或いは「一部の例」などの用語を参考した説明とは、当該実施例或いは例に合わせて説明された具体的な特徴、構成、材料或いは特性が、本出願の少なくとも一つの実施例或いは例に含まれることである。本明細書において、上記用語に対する例示的な説明は、必ずしも同じ実施例或いは例を示すものではない。また、説明された具体的な特徴、構成、材料或いは特性は、いずれか一つ或いは複数の実施例又は例において適切に結合することができる。

以上に本出願の実施例を示して説明したが、上記実施例は、例示的なものであり、本出願を限定するものと理解してはいけない。当業者は、本出願の範囲内に、上記実施例に対して変化、修正、取り替え及び変形を行うことができる。

Claims (19)

1. ユーザによって入力された質問を受信するステップと、
   人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップと、
   前記回答をユーザにフィードバックするステップと、
   を含む、
   ことを特徴とする人工知能に基づくヒューマンマシンインタラクション方法。
2. 前記モデルは、
   質問中のキーワードと回答中のキーワードとの間のマッピング関係を示すマッピング関係と、
   コンテキスト情報に基づいて、複数のマッピング関係から最適なマッピング関係を決定し、決定されたマッピング関係におけるキーワードにマッチングするコロケーション単語を生成する予測モデルと、
   用語の順序を調整し、調整された用語に基づいて、文法構造に適合する文を生成する文法モデルと、を含む、
   ことを特徴とする請求項１に記載の方法。
3. 予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得するステップは、
   前記マッピング関係に基づいて、ユーザによって入力された質問中のキーワードに対応する回答中のキーワードを決定するステップと、
   前記予測モデルに基づいて、決定されたキーワードから最適な１セットのキーワードを選択し、選択された１セットのキーワードに基づいて、コロケーション単語を生成するステップと、
   前記文法モデルに基づいて、前記選択された１セットのキーワード及び生成されたコロケーション単語の文法構造を調整して、人間の対話スタイルを有する回答として文法構造を満たす文を取得するステップと、
   を含む、
   ことを特徴とする請求項２に記載の方法。
4. 前記方法は、人間対話コーパスにおける質問中のキーワード及び対応する回答中のキーワードを抽出し、抽出されたキーワードに基づいて、前記マッピング関係を生成するステップをさらに含む、
   ことを特徴とする請求項２又は３に記載の方法。
5. 前記方法は、人間対話コーパスにおける質問中のキーワード及び対応する回答中のキーワードを抽出し、且つ対応するコンテキスト情報を抽出し、抽出されたキーワード及びコンテキスト情報に基づいて、前記予測モデルを生成するステップをさらに含む、
   ことを特徴とする請求項２〜４のいずれかに記載の方法。
6. 前記方法は、人間対話コーパスに基づいて、前記文法モデルを生成し、又は、オープンインターフェースを介して他のシステムから前記文法モデルを取得するステップをさらに含む、
   ことを特徴とする請求項２〜５のいずれかに記載の方法。
7. 前記方法は、予め生成されたモデルに基づいて、前処理された質問を処理するように、前記質問を前処理するステップをさらに含む、
   ことを特徴とする請求項１〜６のいずれかに記載の方法。
8. 前記方法は、前記ユーザとのインタラクティブ対話に基づいて、オンライン学習を行うステップをさらに含む、
   ことを特徴とする請求項１〜７のいずれかに記載の方法。
9. 前記方法は、オープンインターフェースを介して、他のシステムを呼び出し、又は他のシステムによって呼び出されるステップをさらに含む、
   ことを特徴とする請求項１〜８のいずれかに記載の方法。
10. ユーザによって入力された質問を受信する受信モジュールと、
    人間対話コーパスに基づいて予め生成されたモデルに基づいて、前記質問を処理し、前記質問に対応する人間の対話スタイルを有する回答を取得する取得モジュールと、
    前記回答をユーザにフィードバックするフィードバックモジュールと、
    を含む、
    ことを特徴とする人工知能に基づくヒューマンマシンインタラクション装置。
11. 前記モデルは、
    質問中のキーワードと回答中のキーワードとの間のマッピング関係を示すマッピング関係と、
    コンテキスト情報に基づいて、複数のマッピング関係から最適なマッピング関係を決定し、決定されたマッピング関係におけるキーワードにマッチングするコロケーション単語を生成する予測モデルと、
    用語の順序を調整し、調整された用語に基づいて、文法構造に適合する文を生成する文法モデルと、を含む、
    ことを特徴とする請求項１０に記載の装置。
12. 前記取得モジュールは、
    前記マッピング関係に基づいて、ユーザによって入力された質問中のキーワードに対応する回答中のキーワードを決定するマッピングサブモジュールと、
    前記予測モデルに基づいて、決定されたキーワードから最適な１セットのキーワードを選択し、選択された１セットのキーワードに基づいて、コロケーション単語を生成する予測サブモジュールと、
    前記文法モデルに基づいて、前記選択された１セットのキーワード及び生成されたコロケーション単語の文法構造を調整して、人間の対話スタイルを有する回答として文法構造を満たす文を取得する文法分析サブモジュールと、
    を含む、
    ことを特徴とする請求項１１に記載の装置。
13. 前記マッピングサブモジュールは、さらに、人間対話コーパスにおける質問中のキーワード及び対応する回答中のキーワードを抽出し、抽出されたキーワードに基づいて、前記マッピング関係を生成し、又は、
    前記予測サブモジュールは、さらに、人間対話コーパスにおける質問中のキーワード及び対応する回答中のキーワードを抽出し、且つ対応するコンテキスト情報を抽出し、抽出されたキーワード及びコンテキスト情報に基づいて、前記予測モデルを生成し、又は、
    前記文法分析サブモジュールは、さらに、人間対話コーパスに基づいて、前記文法モデルを生成し、又は、オープンインターフェースを介して他のシステムから前記文法モデルを取得する、
    ことを特徴とする請求項１２に記載の装置。
14. 前記装置は、前記取得モジュールが予め生成されたモデルに基づいて、前処理された質問を処理するようにトリガするように、前記質問を前処理する前処理モジュールをさらに含む、
    ことを特徴とする請求項１０〜１３のいずれかに記載の装置。
15. 前記装置は、前記ユーザとのインタラクティブ対話に基づいて、オンライン学習を行うオンライン学習モジュールをさらに含む、
    ことを特徴とする請求項１０〜１４のいずれかに記載の装置。
16. 前記装置は、他のシステムを呼び出し、又は他のシステムによって呼び出されるためのインターフェースを提供するオープンインターフェースをさらに含む、
    ことを特徴とする請求項１０〜１５のいずれかに記載の装置。
17. 請求項１〜９のいずれかに記載の方法を実行するように構成されるプロセッサと、
    プロセッサによって実行可能な命令を記憶するためのメモリと、を含む、
    ことを特徴とする機器。
18. 非一時的なコンピュータ読み取り可能な記憶媒体であって、
    前記記憶媒体における命令がプロセッサによって実行される場合、プロセッサは、
    請求項１〜９のいずれかに記載の方法を実行可能である、
    ことを特徴とする非一時的なコンピュータ読み取り可能な記憶媒体。
19. コンピュータプログラム製品であって、
    前記コンピュータプログラム製品における命令がプロセッサによって実行される場合、プロセッサは、
    請求項１〜９のいずれかに記載の方法を実行可能である、
    ことを特徴とするコンピュータプログラム製品。
    

Images