[发明专利]一种智能机器人社交信息处理方法及与人的社交系统

权利要求书

1.一种智能机器人社交信息处理方法,其特征在于，包括：

智能机器人对相关用户海量信息数据的搜集与挖掘；

智能机器人进行学习算法建模和K-means 聚类模型；

智能机器人对非结构化的语音交互信息进行处理，使之成为结构化数据，并进行存储；

智能机器人对获得的数据进行分类，组建知识图谱、事件图谱、兴趣图谱和关系图谱；

智能机器人通过对用户数据进行分析，对用户进行方向预测、决策导向和个性化推送。

2.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，所述海量信息数据搜集包括人机交互时通过人脸识别模块对用户人脸表情信息的采集记录，并统计表情的频次和持续时间，再通过逻辑判断模块预测用户的心情和性格。

3.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，智能机器人采集大量语音交互信息后进行预处理和向量化，再作为训练集对所述学习算法模型和K-means聚类模型进行训练和测试。

4.如权利要求3所述的一种智能机器人社交信息处理方法，其特征在于，所述训练和测试进行多次后，确定合适的K值域，然后选用模型对人机交互中人的对话语句信息进行模型预测，得到相应的类的划分后，人工审查其特征并打上标签。

5.如权利要求4所述的一种智能机器人社交信息处理方法，其特征在于，所述划分好的数据通过NLP相关技术、词性标记和句法分析进行歧义消除，再与人工组建的实体信息数据库进行匹配，并存储为结构化数据。

6.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，所述步骤4）中获得的数据包括结构化数据、百科数据和专业领域数据集；所述结构化数据包括用户个人基本特征、属性特征、兴趣偏好特征、社会关系以及人机交互频次与交互深度。

7.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，所述步骤4）中图谱的组建过程为:通过NLP处理技术，使用BiLSTM和CRF对数据集进行命名实体识别，使用深度学习网络模型CNN网络进行关系分类，抽取实体关系，属性关系，事件关系，使用RDF进行数据存储，提炼出知识图谱，在知识图谱中将人物之间的关系和兴趣单独剥离出来形成关系图谱和兴趣图谱,在知识图谱的技术之上再提炼出事件图谱。

8.如权利要求7所述的一种智能机器人社交信息处理方法，其特征在于，在所述关系图谱和兴趣图谱中,用对比词项量的相似度来确定词的相关性，用tf-idf统计词频来确定权重，统计出相同用户中不同的兴趣获意图之间的相似度，不同用户之间相同的兴趣或意图的相似度，从而进行精准推荐话题语句或意图。

9.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，所述方向预测和决策导向是通过机器学习和深度学习复杂算法技术实现的。

10.如权利要求1所述的一种智能机器人社交信息处理方法，其特征在于，根据所述的社交信息处理方法建立起一种智能机器人与人的社交系统，在该系统中，多组机器人会有多个用户的交互信息数据，且多组机器人之间会通过网络与云端实现数据信息的同步，云端会通过相似度算法来计算用户与用户之间的关联度，也将反馈信息进行同步。